1. 结构损伤与寿命预测智能算法开发方向 •构建风电关键部件从微观损伤到宏观结构的多尺度疲劳评估框架。 •研发物理机理约束与数据驱动的高精度剩余寿命预测算法，解决小样本、多工况下的预测精度与鲁棒性问题。 •推动寿命预测技术在产品设计优化与风电场智能运维中的工程化落地。 •跟踪前沿技术动态，开展前瞻性研究与专利布局，牵头产学研合作与科研项目申报。 2. 流体力学仿真算法开发方向 •主导流固耦合核心算法的自主设计，涵盖需求分析、数学建模、数值离散到代码开发的全流程，完成自主算法的技术验证与工程化落地； •跟踪 CFD 与 AI for Science 领域前沿，基于自主开发的 CFD 求解器框架，探索 AI 技术（PINN、DeepONet 等）与传统算法的融合路径（如 AI 驱动的迭代加速、复杂工况解修正）； •主导 CFD 算法降阶模型（ROM）的研发与优化，包括但不限于：基于高保真仿真数据构建高效降阶模型，完成模型的数学建模、误差分析、鲁棒性验证与修正策略设计，实现降阶模型与高保真求解器的耦合集成； •跟踪前沿技术动态，开展前瞻性研究与专利布局，牵头产学研合作与科研项目申报。 3. 智能故障诊断算法开发方向 •研发齿轮箱、主轴承、主轴等关键部件的智能故障诊断与剩余寿命预测算法，实现典型故障提前预警与精准识别。 •针对风电变载荷、强噪声、数据偏移等痛点优化模型，提升跨机组 / 风场泛化能力与鲁棒性，解决小样本故障诊断难题。 •协同多团队完成算法离线验证、在线部署与风场迭代，推动 PHM 技术规模化落地。 •跟踪前沿技术，探索大模型、数字孪生等在风电健康管理中的应用。

•博士学历，力学、材料、机械、航空航天等相关专业； •熟悉多尺度数值模拟方法，掌握有限元分析软件，有二次开发经验者优先。 •具备扎实的疲劳断裂力学、损伤力学理论基础，深入理解金属、复合材料的疲劳损伤机制与寿命预测理论。 •掌握机器学习、深度学习的基本理论与常用算法，并熟悉在结构健康监测与寿命预测领域的主流应用方法。 •能独立解决复杂工程问题，具备严谨的科研态度、跨学科协同能力与团队协作能力。 /•博士学历，流体力学、航空航天工程、工程力学、计算数学等相关专业； •精通不可压缩 / 可压缩流体力学核心理论，深入掌握 Navier-Stokes 方程的有限体积 / 有限元数值解法，能独立搭建并实现 k-ε、SST、DES、LES 等主流湍流模型； •具备扎实的 Fortran/C++ 编程能力，有 3 年以上 CFD 求解器核心模块自主开发经验，熟悉 MPI/OpenMP 并行计算技术； •有从零构建专用 CFD 求解器，或基于 OpenFOAM 等开源框架进行深度二次开发的成功案例； •熟练使用 PyTorch/TensorFlow 等深度学习框架，有基于自主 CFD 数据的 PINN 流场建模、AI 加速仿真或降阶模型开发经验； •能独立解决复杂工程问题，具备严谨的科研态度、跨学科协同能力与团队协作能力。 /•机械工程、动力工程及工程热物理等相关专业博士学历；研究方向为旋转机械故障诊断与人工智能交叉领域。 •深入理解旋转机械典型故障机理与演化规律，熟悉齿轮、轴承、转子系统的动力学特性与失效模式。 •具备扎实的振动信号处理基础，精通时域、频域、时频域特征提取与特征工程方法。 •熟悉数字孪生技术、多传感器融合算法，迁移学习在故障诊断中的应用。 •能独立解决复杂工程问题，具备严谨的科研态度、跨学科协同能力与团队协作能力。