信息工程学院与中国空气动力研究与发展中心乐嘉陵院士团队联合培养的硕士生陈皓、博士生郭明明等撰写的论文“Intelligent reconstruction of the flow field in a supersonic combustor based on deep learning”被国内外公认的流体力学顶级期刊Physics of Fluids(中科院Top期刊)录用，论文第一作者为信息工程学院控制工程专业2020级在读硕士生陈皓，通信作者为中国空气动力研究与发展中心田野副研究员，联合培养研究生的校内导师是张华教授。该文章在国内首次结合地面脉冲燃烧风洞获取的试验数据，提出了应用超燃冲压发动机壁面压力信号智能重构氢燃料自点火条件下流场图像的方法。

      超声速燃烧场具有较强的非线性特征，十分复杂，应用深度学习技术开展流场的智能重构研究，可为超燃冲压发动机燃烧室主动流动控制提供新方法，有利于缩短超燃冲压发动机的研制周期，节省地面实验研究成本，有助于深度开展流场波系结构及湍流脉动耦合演化规律研究。论文审稿人给出了较高的评价，认为：“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”，“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”。

图1 CARDC地面脉冲燃烧风洞

图2 超声速燃烧室壁面压力重构流场框图

图3 流场重构误差彩图

      自2020年9月开始，我院与乐嘉陵院士团队开展联合培养，研究方向为人工智能在吸气式高超声速技术中的应用研究，乐院士亲自指导联合培养学生的硕博士方向，并成立了智能流体力学与超声速燃烧自主可控研究组，开展联合项目申报，紧密围绕国家高超声速领域急需解决的工程问题研究科学方法，在人工智能与超燃冲压发动机流动、燃烧及其相互作用的交叉学科领域开展攻关。