我校信息工程學(xué)院與中國空氣動(dòng)力研究與發(fā)展中心樂嘉陵院士團(tuán)隊(duì)聯(lián)合培養(yǎng)的碩士生陳皓、博士生郭明明（均為2020級(jí)）等撰寫的論文“Intelligent reconstruction of the flow field in a supersonic combustor based on deep learning”被國內(nèi)外公認(rèn)的流體力學(xué)頂級(jí)期刊Physics of Fluids(中科院Top期刊，影響因子是3.521)錄用。
該研究在國內(nèi)首次結(jié)合地面脈沖燃燒風(fēng)洞獲取的試驗(yàn)數(shù)據(jù)，提出了應(yīng)用超燃沖壓發(fā)動(dòng)機(jī)壁面壓力信號(hào)智能重構(gòu)氫燃料自點(diǎn)火條件下流場圖像的方法。
(CARDC地面脈沖燃燒風(fēng)洞)
超聲速燃燒場具有較強(qiáng)的非線性特征，十分復(fù)雜，應(yīng)用深度學(xué)習(xí)技術(shù)開展流場的智能重構(gòu)研究，可為超燃沖壓發(fā)動(dòng)機(jī)燃燒室主動(dòng)流動(dòng)控制提供新方法，有利于縮短超燃沖壓發(fā)動(dòng)機(jī)的研制周期，節(jié)省地面實(shí)驗(yàn)研究成本，有助于深度開展流場波系結(jié)構(gòu)及湍流脈動(dòng)耦合演化規(guī)律研究。
(超聲速燃燒室壁面壓力重構(gòu)流場框圖)
論文審稿人給出了較高的評價(jià)，認(rèn)為：“The paper is well organized, the clarity of the paper is remarkable， the paper is a good piece of work that not only proposes a new approach for mimicking the complex combustion features observed in scramjet combustor, but also verifies its performance in realistic conditions.(文章組織的很好，結(jié)果十分清晰，本文不僅提出了一種模擬超燃沖壓發(fā)動(dòng)機(jī)復(fù)雜燃燒特性的新方法，而且在實(shí)際條件下驗(yàn)證了其性能，是一項(xiàng)很好的工作)”。
“An Intelligence model based on deep learning techniques is provided to reconstruct the flow field in a supersonic combustor. The developed deep learning model is more accurate than the conventional one and has a lower mean square error. In general, it is an interesting work.(本文提出了一種基于深度學(xué)習(xí)技術(shù)的超燃沖壓發(fā)動(dòng)機(jī)流場智能重構(gòu)模型，所建立的深度學(xué)習(xí)模型比傳統(tǒng)的深度學(xué)習(xí)模型精度更高，均方根誤差更低，是一項(xiàng)有意義的工作)”。
論文第一作者為信息工程學(xué)院控制工程專業(yè)在讀碩士生陳皓，通信作者為中國空氣動(dòng)力研究與發(fā)展中心田野副研究員，聯(lián)合培養(yǎng)的校內(nèi)導(dǎo)師是張華教授。
(流場重構(gòu)誤差彩圖)
自2020年9月開始，信息工程學(xué)院與樂嘉陵院士團(tuán)隊(duì)開展聯(lián)合培養(yǎng)，研究方向?yàn)槿斯ぶ悄茉谖鼩馐礁叱曀偌夹g(shù)中的應(yīng)用研究，樂院士親自指導(dǎo)聯(lián)合培養(yǎng)學(xué)生的碩博士方向，并成立了智能流體力學(xué)與超聲速燃燒自主可控研究組，開展聯(lián)合項(xiàng)目申報(bào)，緊密圍繞國家高超聲速領(lǐng)域急需解決的工程問題研究科學(xué)方法，在人工智能與超燃沖壓發(fā)動(dòng)機(jī)流動(dòng)、燃燒及其相互作用的交叉學(xué)科領(lǐng)域開展攻關(guān)。
