成电讲坛

4月25日，由教师发展中心主办、航空航天学院和自动化工程学院承办的“学者论坛”，邀请新加坡南洋理工大学的Yeng Chai Soh教授作了题为“Sensor–CFD Fusion for Physical Fields Reconstruction”的学术讲座。讲座由航空航天学院花兰锋老师主持。                              

本次讲座聚焦于当下在智能建筑、节能系统、流体控制等多个领域广泛关注的“物理场信息融合与重建”问题。Soh教授指出，计算流体力学（CFD）仿真能够提供高分辨率的全局场信息，但其对模型精度、边界条件和计算资源要求高，难以应对动态变化；而传感器网络虽然能实时观测，却受限于覆盖范围和部署成本。因此，融合CFD仿真与稀疏实时传感器观测，成为提高物理场重建精度与效率的关键。为此，Soh教授及其团队提出了一种创新的两阶段Sensor–CFD融合框架。第一阶段，通过对多组CFD仿真数据进行主成分分析（PCA），提取物理场的主要模态特征，并建立传感器观测与模态系数之间的回归映射；第二阶段，基于实时采集的传感器数据，快速修正模态系数，从而实现高效精准的物理场更新。该方法大幅减少了对CFD模型重计算的依赖，提高了系统的实时响应能力和鲁棒性。

此外，Soh教授介绍了优化传感器布设策略，通过分析信息矩阵特征，确定最优传感器位置配置，确保在最少传感器条件下实现最佳重建效果。实验结果表明，采用该两阶段方法，即便仅使用2-4个传感器，也能在误差控制范围内准确重构室内温度场和流速场，相较传统方法，该方法在精度、计算效率与抗干扰能力上均有明显提升。

讲座结束后，现场师生就该方法的应用、时间序列拓展、与数字孪生（Digital Twin）系统的异同、以及对传感器失效的容错性问题进行了交流。Soh教授总结道：“物理与数据的深度融合，是推动智能系统设计与控制理论进步的关键，Sensor–CFD融合方法不仅提升了复杂环境下的感知能力，也为跨学科创新研究开辟了新路径。”他鼓励在座师生积极探索多学科交叉，结合理论与工程实践，推动智能感知与系统建模技术的发展。

本次讲座不仅为师生们打开了多源信息融合与物理建模研究的新视角，也为进一步推进自动化、航天、人工智能等方向的交叉研究提供了理论指导和实践启示。