流体机械与智能装备设计科研创新团队

一、团队带头人：赵飞

二、团队类型：2024年度校级自然科学类科研创新团队

三、团队级别：校级团队

四、团队成员：张虎、安方、夏斌、李学星、霍永超

五、团队方向定位：

本科研创新团队聚焦流体机械设计与优化、智能装备控制系统设计与数字孪生、设备状态监测与故障诊断三大核心方向，致力于推动工业装备的智能化升级与高效运维。在流体机械领域，团队通过数值模拟与实验验证，优化泵等设备结构，提升能效与可靠性；在智能装备方向，融合嵌入式控制与数字孪生技术，实现装备全生命周期管理与预测性维护；在设备监测领域，依托多传感器融合与机器学习算法，开发故障预警系统，降低停机风险。团队以技术创新为驱动，面向能源、化工、智能制造等行业需求，构建“设计-控制-运维”一体化解决方案，服务区域中小型企业发展，助力工业装备向绿色化、智能化转型。

六、研究内容：

方向一：流体机械设计与优化方向。

聚焦泵类流体机械的创新设计与性能优化。通过数值模拟与实验验证结合，探索流道结构、叶轮几何参数对效率与稳定性的影响，开发高效低耗的新型流体机械。研究内容涉及多目标优化算法、流动控制技术及材料轻量化设计，旨在提升设备在能源、化工等领域的应用性能。通过构建数字化设计平台，缩短研发周期，推动流体机械向智能化、绿色化转型。

方向二：智能装备控制系统设计与数字孪生。

致力于智能装备控制系统的开发与数字孪生技术融合，实现装备全生命周期管理。研究包括嵌入式控制系统设计、实时数据采集与处理，以及基于数字孪生的虚拟调试与预测性维护。通过构建物理-虚拟映射模型，优化装备运行参数，提升生产效率和可靠性。结合工业互联网与人工智能技术，开发自适应控制策略，为智能制造提供关键技术支撑。

方向三：设备状态监测与故障诊断。

围绕机床等设备健康管理，开展状态监测与故障诊断技术攻关。通过振动、温度、声学等多传感器融合，采集设备运行数据，结合机器学习算法实现故障早期预警与定位。研究内容涵盖信号处理、特征提取及诊断模型构建，重点解决复杂工况下的误报与漏报问题，为工业设备提供实时、精准的维护决策支持，降低停机损失。