漂浮式海上风力涡轮机气动弹性稳定性博士招生

【项目介绍】 该奖学金项目设在艺术、技术与环境学院。

电力脱碳的需求加速了海上风力涡轮机的发展，特别是漂浮式海上风力涡轮机，使其能够在更深的水域部署，因为这些区域能提供强劲、稳定且持续的风能。然而，风力涡轮机叶片的结构性能预计会受到复杂的平台运动、非定常空气动力学和结构柔性的强烈影响。现有的设计工具要么依赖于预测精度有限的中低保真模型，要么依赖于需要大量计算资源的高保真数值方法（如计算流体力学CFD）。因此，对下一代漂浮式海上风力涡轮机叶片进行系统性探索仍然具有挑战性。

本博士项目将开发一个基于物理信息的深度学习框架，用于快速、准确、可解释且具有不确定性意识的FOWT气动弹性稳定性预测。研究包括以下关键目标：

1. 基于高保真CFD模型构建验证数据集，考虑几何非线性和叶片结构振荡，涵盖不同运行条件下的各类代表性FOWT叶片；

2. 开发、优化和验证物理信息神经网络架构，用于快速准确估算叶片气动载荷、流场、功率输出、气动阻尼和稳定裕度，考虑各种流动非定常性来源；

3. 利用代理模型进行设计探索，支持快速参数研究、敏感性分析和漂浮式海上风力涡轮机系统的创新叶片设计，突出加速早期决策和减少对重复高保真仿真依赖的重要性。

核心方法是开发一种PINNs架构，将非定常空气动力学的流动物理与叶片结构振荡直接融入其损失函数中。该模型学习物理一致的气动弹性响应，而非仅依赖数据驱动的拟合。训练将由高分辨率CFD数据集支持，包含关键设计变量，如风速、湍流强度、偏航偏差和叶片结构振荡。PINNs框架将输出详细的气动和气动弹性量，如非定常流场、气动载荷、气动阻尼和功率输出。预期成果是一个计算高效、物理一致的代理模型，能够快速评估颤振发生、发散和气动弹性不稳定性。所提出的AI加速框架将填补下一代漂浮式海上风力涡轮机叶片设计中的关键空白。

【申请要求】 • 项目导师：Shine Win Naung博士和Mehdi Rakhtala博士 • 咨询联系：Yufeng Yao教授，邮箱：Yufeng.Yao@uwe.ac.uk • 申请方式：在线提交申请 • 申请编号：2627-OCT-CATE09 • 申请截止日期：2026年5月22日

【申请材料】 • 研究计划书 • 所有学位证书和成绩单 • 认可的英语语言资格证明 • 两位推荐人的详细信息

【资助信息】 • 奖学金起始日期：2026年10月1日，为期三年（视进展满意而定） • 免税津贴：目前为每年20,780英镑（2025/26年度） • 全额学费资助：最长三年

【其他重要信息】 面试时间：预计在六月开始的几周内进行。若在七月前未收到通知，则表示申请未成功。