一种飞行器气动热预测方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029219A(43)申请公布日2023.04.28(21)申请号202310166088.3G06N3/08(2023.01)(22)申请日2023.02.27G06Q10/04(2023.01)(71)申请人中国空气动力研究与发展中心计算空气动力研究所地址621000四川省绵阳市涪城区二环路南段6号(72)发明人曾磊袁佳铖蔺佳哲李强张昊元夏斌王飞飞(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师丁曼曼(51)Int.Cl.G06F30/27(2020.01)G06F30/28(2020.01)G06N3/0464(2023.01)权利要求书2页说明书9页附图5页(54)发明名称一种飞行器气动热预测方法、装置、设备及存储介质(57)摘要本申请公开了一种飞行器气动热预测方法、装置、设备及存储介质，涉及飞行器气动热技术领域，包括：获取飞行器的飞行条件和飞行器的外形特征；基于卷积神经网络构建包含外形特征提取网络、来流信息提取网络以及热流预测网络的气动热预测模型；将飞行条件和所述外形特征输入至训练后的气动热预测模型，利用训练后的气动热预测模型对飞行器的气动热进行预测，以得到相应的预测结果。通过该气动热预测模型直接输出预测的气动热结果，通过该气动热预测模型能够实现对不同外形飞行器的气动热进行快速预测，并且借鉴了图像处理技术的思想，利用卷积神经网络权值共享的特点，相比基于全连接神经网络构建的预测模型提高模型的训练速度。CN116029219ACN116029219A权利要求书1/2页1.一种飞行器气动热预测方法，其特征在于，包括：获取飞行器的飞行条件和飞行器的外形特征；基于卷积神经网络构建包含外形特征提取网络、来流信息提取网络以及热流预测网络的气动热预测模型；将所述飞行条件和所述外形特征输入至训练后的所述气动热预测模型，利用训练后的所述气动热预测模型对所述飞行器的气动热进行预测，以得到相应的预测结果。2.根据权利要求1所述的飞行器气动热预测方法，其特征在于，所述将所述飞行条件和所述外形特征输入至训练后的所述气动热预测模型之前，还包括：利用气动热采样数据样本对气动热预测模型进行训练，以确定所述气动热预测模型的各个网络的隐藏层层数、神经元节点数、激活函数、权值，并获取训练后的所述气动热预测模型。3.根据权利要求2所述的飞行器气动热预测方法，其特征在于，所述利用气动热采样数据样本对气动热预测模型进行训练，包括：对所述气动热采样数据样本进行数据预处理，以得到预设尺寸的外形矩阵、飞行条件向量和热流矩阵，利用所述预设尺寸的外形矩阵、所述飞行条件向量和所述热流矩阵对所述气动热预测模型进行训练；其中，所述预设尺寸的外形矩阵、飞行条件向量为所述气动热预测模型的输入样本数据，所述热流矩阵为所述气动热预测模型的输出样本数据。4.根据权利要求3所述的飞行器气动热预测方法，其特征在于，所述利用所述预设尺寸的外形矩阵、所述飞行条件向量和所述热流矩阵对所述气动热预测模型进行训练，包括：对所述预设尺寸的外形矩阵和所述热流矩阵添加虚拟单元，以得到目标外形矩阵和目标热流矩阵；利用所述目标外形矩阵、所述飞行条件向量和目标热流矩阵对所述气动热预测模型进行训练。5.根据权利要求3所述的飞行器气动热预测方法，其特征在于，所述对所述气动热采样数据样本进行数据预处理之前，还包括：利用CFD数值模拟计算获取不同飞行条件的气动热采样数据样本。6.根据权利要求5所述的飞行器气动热预测方法，其特征在于，所述利用CFD数值模拟计算获取不同飞行条件的气动热采样数据样本，包括：利用CFD数值模拟计算获取不同外形特征和包含飞行高度、攻角、马赫数的飞行条件的气动热采样数据样本。7.根据权利要求1至6任一项所述的飞行器气动热预测方法，其特征在于，还包括：对经过数据预处理后的气动热采样数据样本按照预设比例进行划分，以得到测试集；利用所述测试集对气动热预测模型进行测试评估。8.一种飞行器气动热预测装置，其特征在于，包括：特征获取模块，用于获取飞行器的飞行条件和飞行器的外形特征；模型构建模块，用于基于卷积神经网络构建包含外形特征提取网络、来流信息提取网络以及热流预测网络的气动热预测模型；气动热预测模块，用于将所述飞行条件和所述外形特征输入至训练后的所述气动热预测模型，利用训练后的所述气动热预测模型对所述飞行器的气动热进行预测，以得到相应2CN116029219A权利要求书2/2页的预测结果。9.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的飞行器气动热预测方法的步骤。10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算