智能空气动力学是指运用智能科学方法和研究范式研究空气运动，尤其是物体与空气相对运动时空气对物体所施作用力规律、气体的流动规律和伴随发生的物理学变化，解决空气动力学问题的新的交叉学科。在空气动力学三大传统研究手段的基础上，智能空气动力学引入第四研究范式（数据驱动），依托高性能计算、大数据、人工智能等技术，不仅实现传统空气动力学研究手段效率的有效提升，同时通过量变到质变，融合多源数据自主研究空气动力学规律，辅助科学发现，完善空气动力学理论体系，拓展理论边界；解决空气动力学基础理论、试验、评估与设计等方面问题。

智能空气动力学涉及到空气动力学、数学、计算机科学、数据科学等多学科。首先，基于实验/试验、理论和计算三大经典研究范式积累的空气动力学现有知识体系是基础。一方面为智能空气动力学的发展提供了所必需的较为完备的物理约束和科学指导；另一方面，经典范式作为生成高可信度数据的手段为其提供了所依赖的数据基础。数学是智能技术发展的原动力。万能近似定理等理论证明，机器学习新方法、优化算法、参数初始化方法、批规范化等技术的开发和创新均离不开数学学科的严谨证明和推演。而智能化技术中算法的实现、函数库的建立以及算法在软硬件系统的集成等则需要计算机科学的支撑。数据科学本身就是一门涉及多学科交叉的学科，通过利用各种相关数据寻找解决问题的途径。针对空气动力学中复杂多样的研究需求，数据科学帮助研究者根据问题特性确定最佳数据驱动方法和智能化技术。

相较于实验空气动力学、计算空气动力学，智能空气动力学的典型工程应用具有以下特征：一是通常是多研究手段和数据的综合应用，有效提高了效率、精度和适用性；二是通过“端到端”建模等方法，弥合了机理不清、算力不足等“技术鸿沟”，能够解决一些传统手段难以解决的气动问题；三是有效融入经验和知识，并能在解决实际工程问题的过程中通过强化学习等手段实现自学习与自动寻优。目前，智能空气动力学的应用领域主要包含以下4个方面：一是湍流/转捩/燃烧/界面动力学等复杂力学现象预测与机理分析研究，主要是通过AI来实现非定常、跨尺度等复杂流动现象的建模，发现或辨识控制方程以及开展量纲分析、标度律构建等研究；二是流动主动控制，智能的引入主要采用两种策略，一种是将流动控制问题转化为控制律的参数或控制律的函数形式的优化问题，再采用智能优化算法对优化问题进行求解，另一种策略是基于强化学习的主动控制；三是气动优化设计，人工智能可以辅助设计变量降维和气动特性与几何参数之间机器学习模型的构建，从而提高优化效率和优化结果精度；四是智能飞行，针对全阶段自主飞行、应急情况自动处置、复杂环境规避与利用等需求，智能空气动力学主要是在高精度气流感知、实时气动建模与智能控制、飞行器智能变体、气动约束下的编队优化与路径规划等方面发挥作用。除此之外，智能化方法在数值仿真和实验开展等方面也将起到有力的促进和推动作用。

学术问题付费咨询及相关探讨
博士，担任《Mechanical System and Signal Processing》审稿专家，担任
《中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》等EI期刊审稿专家，担任《计算机科学》，《电子器件》 ， 《现代制造过程》 ，《船舶工程》 ，《轴承》 ，《工矿自动化》 ，《重庆理工大学学报》 ，《噪声与振动控制》 ，《机械传动》 ，《机械强度》 ，《机械科学与技术》 ，《机床与液压》，《声学技术》，《应用声学》等中文核心审稿专家。
擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。