燃气轮机贫燃预混燃烧技术虽能有效降低NOx排放，却易诱发热声不稳定振荡，威胁燃烧室安全。火焰动态响应由流场中多重复杂因素共同决定，传统实验与仿真方法获取火焰传递函数成本高、周期长，难以支撑宽工况范围的稳定性分析。AI方法为该问题提供了一种高效的新思路。本项目以旋流预混火焰为研究对象，提出“数据生成—机理探索—模型预测”三层递进的AI驱动研究框架。首先通过大涡模拟构建高保真仿真数据库，进而基于AI方法分析涡与火焰相互作用的物理机制，最终建立嵌入物理约束的火焰传递函数预测模型，为燃气轮机燃烧室稳定性评估提供智能化的解决方案。

本项目旨在针对模型燃烧室旋流火焰，采用AI方法分析影响火焰动态响应的关键参数及其规律，探索在一定范围内预测火焰响应特性及火焰传递函数的可行性。围绕这一目标，项目分解为三个子课题：一是开展动态旋流火焰的大涡模拟研究，构建多工况、高时空分辨率的流场与火焰响应数据库；二是发展基于AI的旋流火焰与涡相互作用研究方法，揭示涡结构演化与火焰动态响应之间的因果关系，建立低阶预测模型；三是构建基于物理信息神经网络的火焰传递函数预测模型，实现从速度场到热释放率响应的端到端推断，为燃烧室稳定性设计提供新理论依据和智能方案。

本项目取得以下三方面成果。第一，建立了基于大涡模拟与非绝热FGM燃烧模型的旋流火焰高保真仿真框架，验证了扩散火焰面模型在捕捉涡结构和火焰面动态特征方面的优越性，构建了覆盖3频率×4幅值的多工况火焰传递函数数据库。第二，开发了基于图神经网络的涡-火焰相互作用预测模型，完成了多种AI模型的性能对比，揭示了涡结构及涡间相互作用对火焰响应的重要影响。第三，建立了从速度场到火焰传递函数提取的完整PINN建模链路，实现了密度场重构、温度场反推与热释放率计算，验证了AI辅助提取火焰传递函数的可行性。