团队成员
团队主要研究方向：
1. 新型能源化工颗粒制造过程多模态检测
面向能源、化工、医药等颗粒制备过程中的复杂反应多相流，开展声、光、电多模态检测技术研究，重点开展：
· 多传感器阵列优化设计：研究电学、声发射、光学传感器在高温、高湿、粉尘环境下的空间布局与协同工作机制；
· 多源数据融合分析：建立数据级、特征级、决策级融合框架，实现时间同步与空间配准；
· 高精度多模态层析成像重建算法：针对层析成像逆问题病态性强的特点，结合深度学习优化重建算法，提升空间分辨率与实时性；
· 含湿颗粒流动过程动态监测与过程调控：开展颗粒混合、包衣、干燥等过程的在线监测，为闭环控制提供实时状态信息。
2. 新型能源化工颗粒制备过程的仿真与优化
面向能源、化工、医药等颗粒制备过程中的复杂反应多相流，致力于开发先进的球形和非球形颗粒流动、传热及传质的精确CFD-DEM数值模型，系统研究：
· 颗粒尺度多场耦合行为：流动、传热、传质及化学反应的耦合机理；
· 颗粒-流体-热-化学多场耦合物理机理：揭示多场耦合对颗粒制备过程的影响规律，为反应器设备设计优化及过程调控提供理论指导；
· 高性能GPU加速计算模型：突破大规模颗粒系统仿真效率瓶颈，支撑工业级颗粒制备过程的数字化设计与优化。
3. 能源颗粒材料制备过程数字孪生开发与数据驱动预警
面向能源、化工、医药等颗粒制备过程中的复杂反应多相流、热-流耦合以及化学反应过程，研发任务适配的AI代理模型与数字孪生系统：
· AI代理模型开发：替代高成本CFD-DEM仿真，实现毫秒级实时预测，加速物理仿真并快速寻优工艺参数；
· 数字孪生平台构建：建立物理模型与AI代理模型融合的混合建模框架，应用于反应器结构设计的快速选型和后续优化；
· 非侵入式电学传感器在线连续监测系统：重点研究实际工业生产条件（高温、震动等）下的流化失流、结块问题与爆燃现象之间的规律；
· 数据驱动高风险预警模型：开发面向流化失流、结块、爆燃等异常工况的预警模型，降低生产中的事故发生率。
4. 稀有金属还原、碳化、烧结低碳制备过程检测与优化控制
开展先进的能源颗粒材料制备工艺开发，推动颗粒制备过程的低碳化和智能化，提高生产效率和产品质量，重点研究：
· 钨氧化物氢还原/碳还原过程：研究反应机理、颗粒形貌演变和杂质迁移规律；
· 钨粉碳化过程：研究碳含量、温度、气氛对碳化钨晶粒尺寸和相组成的影响；
· 烧结过程：研究烧结温度、升温速率、气氛对钨制品致密化和性能的影响；
· 工艺优化与数字孪生结合：结合仿真与数字孪生，优化工艺窗口，降低能耗和碳排放。
5. 高炉氢冶炼过程检测与调控
研究高炉内多相流、多反应耦合、软熔滴落、炉缸侵蚀等复杂现象：
· 多模态检测：结合红外、声发射、电学传感和光学成像获取炉内状态信息；
· CFD-DEM与多场耦合仿真：揭示高炉内部物理化学行为；
· 数据驱动预警模型：实现炉况异常预警、炉温预测和操作参数优化；
· 降低焦比、提高利用系数、减少碳排放，推动高炉冶炼过程的低碳化与智能化。
