近日，我院与中国空气动力研究与发展中心空天技术研究所联合培养的博士生郭明明、硕士生陈尔达以第一作者分别投稿在航空航天领域中科院一区TOP期刊《Aerospace Science and Technology》(影响因子5.6)和人工智能领域中科院一区TOP期刊《Expert Systems With Applications》(影响因子8.5)的论文相继被录用和发表。

      博士生郭明明围绕进气道流场快速预测，建立了多尺度感受野融合的物理信息残差神经网络(PIMSRF_ResNet)激波与边界层主导的二维多物理场重构模型，将N-S方程嵌入深度学习模型中，同时为了保证训练数据的高精度，采用小样本智能方法应用多目标优化获得的最优Pareto解集，应用自主可控的国产自主可控的内外流耦合数值模拟软件计算了马赫数10条件下不同几何设计参数下的多物理场数据。在测试集中应用PIMSRF_ResNet与传统的纯数据驱动模型相比，结构相似性达到0.9773，峰值信噪比接近30dB，相关系数超过98%，为加速进气道CFD数值模拟的计算速度快速评估性能奠定了重要基础。

      硕士生陈尔达基于地面风洞试验获取的吸气式发动机数据，提出了具有去模糊能力的超声速燃烧场演化预测多尺度注意力算法(DB-MSAN)，通过壁面压力传感器获取的空间离散数据可以快速获取不同时刻的火焰场数据，在多跨度、大跨度、不同测试集、稀疏壁面测点下对比与分析了DB-MSAN和多种经典深度学习模型的性能差异。DB-MSAN相较于其它方法在预测图像的平均质量上获得了最大76.10%的PSNR指标提升和155.26%的SSIM指标提升，在稀疏压力输入的情况下保持了预测精度的稳定。同时DB-MSAN很好地平衡了模型参数量与精度之间的关系，为减少地面风洞试验次数降低成本以及燃烧状态的提前预判奠定了重要基础。

      上述研究工作依托军委科技委基础加强重点项目、四川省自然科学基金重点项目开展。研究期间乐嘉陵院士、张华教授及田野研究员等校内外老师给予了大量指导。近两年，我院“智能燃烧空气动力学研究团队”紧密探索人工智能在航空航天推进系统数字化、智能化方向的发展，联合培养学生全部参与国家重大科技专项项目，在科研、党建思政等方面育人成果显著。