UP简历小U

+86 138 0013 8000|up.resume.xiaou@example.com|北京

资深高超声速气动工程师，精通计算流体力学（CFD）理论与应用，在马赫数6以上飞行器气动加热模拟方面拥有深厚经验。擅长利用自研求解器进行复杂流场分析与防热大底设计优化，成功实现模拟结果与高工质风洞试验数据高度吻合，误差率控制在5%以内，有效支撑了热防护系统减重增效。

中国航天科技集团某研究所

2020-07 - 2024-07

中国航天科技集团某研究所

2021-03 - 2023-12

项目背景：针对马赫数6以上高超声速飞行器在再入段面临的极端气动加热挑战，旨在通过数值模拟精确预测防热大底热环境，指导热防护系统设计。
个人角色：项目负责人，主导数值模拟方案设计、求解器改进与数据分析。
关键技术与方法：
- 运用自研CFD求解器，结合RANS/LES混合模型和非平衡化学反应模型，精确捕捉激波边界层干扰和气体离解效应。
- 开发并实施先进的自适应网格细化技术，确保在复杂区域（如激波层、分离区）的计算精度，网格数量优化20%。
- 设计并执行一系列参数化研究，探索不同飞行条件（攻角、飞行高度、速度）对大底热流分布的影响。
项目成果与业务影响：
- 成功构建了高精度气动加热预测模型，其预测结果与某高工质风洞试验数据吻合度极高，平均相对误差低于5%。
- 基于模拟结果，为新型高超声速飞行器防热大底材料选型和厚度优化提供了坚实依据，使防热结构总重量减少了12%，显著提升了飞行器的性能指标。
- 相关技术成果已成功应用于2个国家级重点型号项目，为型号研制提供了关键技术支撑。

清华大学（博士研究项目）

2017-09 - 2020-06

项目背景：传统CFD模拟计算成本高昂，难以满足快速设计迭代需求，旨在通过机器学习方法加速高超声速气动加热预测。
个人角色：主要研究员，负责模型设计、数据准备与算法实现。
关键技术与方法：
- 收集并整理了大量CFD模拟数据和试验数据，构建了包含1000余组样本的高质量数据集。
- 采用深度学习（如CNN、GAN）和传统机器学习（如SVM、Random Forest）算法，开发了气动加热快速预测模型。
- 通过模型融合与集成学习，提升了预测模型的鲁棒性和准确性，模型预测速度比传统CFD方法提升了100倍。
项目成果与业务影响：
- 开发出的快速预测模型在特定工况下预测精度达到CFD结果的90%以上，显著缩短了设计评估周期。
- 研究成果发表于《航空学报》等核心期刊，被引频次超过30次，为后续高超声速飞行器快速设计提供了理论基础和技术储备。
- 该方法在后续飞行器初步设计阶段得到了应用验证，有效支撑了方案快速筛选与优化。