近日，课题组在International Journal of Heat and Mass Transfer（国际传热传质杂志）发表高水平研究成果：Comparative experiments on the performance of three sequential inverse methods for thermal distribution identification（热分布辨识中三种顺序反演方法性能对比实验，DOI: 10.1016/j.ijheatmasstransfer.2025.127946）。该论文的第一作者为课题组硕士研究生余言，第一通讯作者为重庆理工大学电气与电子工程学院万世斌副教授，第二通讯作者为重庆科技大学材料与新能源学院王堃副教授。
传热反演方法种类繁多，优缺点各异，基于实验系统比较反演方法的性能，对于实际工程应用传热反演方法选型、优化具有重要的指导意义。该研究通过搭建基准分布热边界反演验证实验平台，系统性地对比分析顺序函数法（Sequential Function Specification Method, SFSM）、模型预测反演方法（Model Predictive Inverse Method，MPIM）、双重分散模糊推理（Double Decentralized Fuzzy Inference, DDFI）方法三种典型的顺序分布热边界传热反演算法在不同基准分布反演实验工况下的反演性能。考察了热电偶型号、热流形式、未来时间步数、温度测点配置、导热体材质及传感器布置深度等关键参数对算法性能的影响。研究表明：(1) 三种顺序反演方法均能有效重构不同形式的时空分布边界热负荷，三种顺序方法均有极高的计算效率，具有近实时的分布参数反演的能力。三种算法对于不同材质的试件均能获得了较为理想的反演结果。(2) DDFI方法能够明显降低反演过程对测点数目的要求，对于温度测点稀疏的分布参数反演场景，建议采用DDFI方法。(3) MPIM和DDFI方法对未来时间步数的依赖小，在实时性要求苛刻场景，必须要求小的未来时间步数的场景，推荐采用DDFI方法和MPIM。(4) 在传感器布设深度频繁变化时， SFSM总能保持最低的反演误差，推荐选择SFSM。本文工作可为传热反演方法的选型、优化、工程应用提供借鉴，此外，不同基准分布反演实验工况下的大量实验数据还可为基于大数据的机器学习反演训练、测试、优化提供数据支撑。
实验装置图《国际传热传质杂志》(International Journal of Heat and Mass Transfer)是传热传质领域具有国际影响力的学术期刊，聚焦热传导、对流传热、辐射传热及相变传质等基础与工程应用研究。该刊已被国际重要权威数据库SCI、SCIE收录，该刊2024年影响因子为5.8。
该研究项目得到国家自然科学基金的支持。
