高速运动体表面关键点温度曲线的预测方法及装置制造方法及图纸

本发明专利技术提供一种高速运动体表面关键点温度曲线的预测方法及装置，其中的方法包括：基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量；基于高速运动体的未来时刻飞行轨迹数据，确定第二输入向量；通过预先训练的温度预测模型，对高速运动体的初始历史时刻温度向量、第一输入向量以及第二输入向量进行处理，得到高速运动体表面关键点对应的未来时刻温度向量；根据未来时刻温度向量，获取高速运动体表面关键点对应的温度曲线。该方法克服了现有技术对高速运动体进行温度预测存在计算量大、耗时长，且无法用于动态、实时预测的缺陷，实现了高速运动体表面关键点温度曲线的快速、准确预测。准确预测。准确预测。

【技术实现步骤摘要】
高速运动体表面关键点温度曲线的预测方法及装置


[0001]本专利技术涉及人工智能和高端装备的交叉
，尤其涉及一种高速运动体表面关键点温度曲线的预测方法及装置。

技术介绍

[0002]高速运动体的速度通常超过5倍声速，滑翔飞行时距地球表面高度超过20公里。在飞行过程中，高速气流对结构表面的气动压力和粘性力产生气动热，气动加热会造成高温，当温度超过安全范围时，会使高速运动体结构的刚度下降、强度减弱，产生材料烧蚀等现象，并对内部电子设备产生危害。高速运动体进行动态轨迹规划时，需要考虑热防护的需求，不能超过热防护的安全限制。因此，针对特定的飞行轨迹，对高速运动体飞行过程中的温度变化进行在线智能预测十分重要。
[0003]高速运动体具有三维的外形结构，在气动热物理过程中，其温度场是随时间变化的累积场，受到整个飞行轨迹各个时刻的飞行状态的影响。温度场仿真可以采用有限元法等数值计算方法，利用Abaqus等有限元仿真平台可以实现热载荷、结构强度一体化仿真。
[0004]上述有限元仿真具有较好的准确度，但该方法依赖高质量的网格划分，且计算量大、耗时长，无法用于动态、实时预测的场景。

技术实现思路

[0005]本专利技术提供一种高速运动体表面关键点温度曲线的预测方法及装置，用以克服现有技术对高速运动体进行温度预测存在计算量大、耗时长，且无法用于动态、实时预测的缺陷，实现高速运动体表面关键点温度曲线的动态实时预测。
[0006]一方面，本专利技术提供一种高速运动体表面关键点温度曲线的预测方法，包括：基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量，所述历史时刻飞行轨迹数据至少包括所述高速运动体的历史时刻飞行高度、历史时刻飞行速度、历史时刻攻角以及历史时刻侧滑角；基于所述高速运动体的未来时刻飞行轨迹数据，确定第二输入向量，所述未来时刻飞行轨迹数据至少包括所述高速运动体的未来时刻飞行高度、未来时刻飞行速度、未来时刻攻角以及未来时刻侧滑角；通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，得到高速运动体表面关键点对应的未来时刻温度向量；根据所述未来时刻温度向量，获取所述高速运动体表面关键点对应的温度曲线；其中，所述温度预测模型包括编码器和解码器，所述编码器用于对所述初始历史时刻温度向量和所述第一输入向量进行编码处理，所述解码器用于对所述第二输入向量以及所述编码器输出的中间特征向量进行解码处理。
[0007]进一步地，所述基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量，包括：基于所述历史时刻飞行轨迹数据，获取相应的历史时刻飞行状态向量；将所述历史时刻飞行状态向量分别输入至预先训练的压力场预测模型、热流场预测模型以及恢复焓预测模型，得到相应的历史时刻压力场向量、历史时刻热流场向量以及历史时刻恢复焓向量；拼接
所述历史时刻飞行状态向量、所述历史时刻压力场向量、所述历史时刻热流场向量以及所述历史时刻恢复焓向量，得到所述第一输入向量。
[0008]进一步地，所述基于所述高速运动体的未来时刻飞行轨迹数据，确定第二输入向量，包括：基于所述未来时刻飞行轨迹数据，获取相应的未来时刻飞行状态向量；将所述未来时刻飞行状态向量分别输入至预先训练的所述压力场预测模型、所述热流场预测模型以及所述恢复焓预测模型，得到相应的未来时刻压力场向量、未来时刻热流场向量以及未来时刻恢复焓向量；拼接所述未来时刻飞行状态向量、所述未来时刻压力场向量、所述未来时刻热流场向量以及所述未来时刻恢复焓向量，得到所述第二输入向量。
[0009]进一步地，所述通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，包括：将所述初始历史时刻温度向量输入至所述温度预测模型的全连接神经网络层，对所述编码器的隐变量进行初始化，得到第一隐变量；将所述第一输入向量输入至所述编码器，对所述第一隐变量进行更新，得到所述中间特征向量。
[0010]进一步地，所述通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，包括：将所述中间特征向量输入至所述解码器，对所述解码器进行初始化，得到第二隐变量；将所述第二输入向量输入至所述解码器，对所述第二隐变量进行更新，得到所述未来时刻温度向量。
[0011]进一步地，对所述温度预测模型进行训练，具体包括：基于所述高速运动体的历史飞行轨迹数据，利用离线仿真方法获取相应的历史仿真温度向量，所述历史飞行轨迹数据包括所述高速运动体的历史飞行高度、历史飞行速度、历史攻角以及历史侧滑角；基于历史飞行轨迹数据与所述历史仿真温度向量，构建训练样本数据集；利用所述训练样本数据集对所述温度预测模型进行训练，得到训练好的所述温度预测模型。
[0012]进一步地，所述历史飞行轨迹数据包括第一历史飞行轨迹数据与第二历史飞行轨迹数据，且所述第一历史飞行轨迹数据对应时刻在所述第二历史飞行轨迹数据对应时刻之前；所述基于所述历史飞行轨迹数据与所述历史仿真温度向量，构建训练样本数据集，包括：基于所述第一历史飞行轨迹数据，获取相应的第一历史飞行状态向量、第一历史压力场向量、第一历史热流场向量以及第一历史恢复焓向量；基于所述第二历史飞行轨迹数据，获取相应的第二历史飞行状态向量、第二历史压力场向量、第二历史热流场向量以及第二历史恢复焓向量；拼接所述第一历史飞行状态向量、所述第一历史压力场向量、所述第一历史热流场向量以及所述第一历史恢复焓向量，得到编码器输入向量；拼接所述第二历史飞行状态向量、所述第二历史压力场向量、所述第二历史热流场向量以及所述第二历史恢复焓向量，得到编码器输入向量；所述训练样本数据集中单一训练样本包括编码器初始输入向量、所述编码器输入向量、所述解码器输入向量以及所述第二历史飞行轨迹数据对应的所述历史仿真温度向量；其中，所述编码器初始输入向量为所述第一历史飞行轨迹数据对应的最早时刻的所述历史仿真温度向量。
[0013]第二方面，本专利技术还提供一种高速运动体表面关键点温度曲线的预测装置，包括：第一输入向量确定模块，用于基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量，所述历史时刻飞行轨迹数据至少包括所述高速运动体的历史时刻飞行高度、历史时刻飞行速度、历史时刻攻角以及历史时刻侧滑角；第二输入向量确定模块，用于基于所述高速
运动体的未来时刻飞行轨迹数据，确定第二输入向量，所述未来时刻飞行轨迹数据至少包括所述高速运动体的未来时刻飞行高度、未来时刻飞行速度、未来时刻攻角以及未来时刻侧滑角；未来时刻温度预测模块，用于通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，得到高速运动体表面关键点对应的未来时刻温度向量；温度曲线获取模块，用于根据所述未来时刻温度向量，获取所述高速运动体表面关键点对应的温度曲线；其中，所述温度预测模型包括编码器和解码器，所述编码器用于对所述初始历史时刻温度向量和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速运动体表面关键点温度曲线的预测方法，其特征在于，包括：基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量，所述历史时刻飞行轨迹数据至少包括所述高速运动体的历史时刻飞行高度、历史时刻飞行速度、历史时刻攻角以及历史时刻侧滑角；基于所述高速运动体的未来时刻飞行轨迹数据，确定第二输入向量，所述未来时刻飞行轨迹数据至少包括所述高速运动体的未来时刻飞行高度、未来时刻飞行速度、未来时刻攻角以及未来时刻侧滑角；通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，得到高速运动体表面关键点对应的未来时刻温度向量；根据所述未来时刻温度向量，获取所述高速运动体表面关键点对应的温度曲线；其中，所述温度预测模型包括编码器和解码器，所述编码器用于对所述初始历史时刻温度向量和所述第一输入向量进行编码处理，所述解码器用于对所述第二输入向量以及所述编码器输出的中间特征向量进行解码处理。2.根据权利要求1所述的高速运动体表面关键点温度曲线的预测方法，其特征在于，所述基于高速运动体的历史时刻飞行轨迹数据，确定第一输入向量，包括：基于所述历史时刻飞行轨迹数据，获取相应的历史时刻飞行状态向量；将所述历史时刻飞行状态向量分别输入至预先训练的压力场预测模型、热流场预测模型以及恢复焓预测模型，得到相应的历史时刻压力场向量、历史时刻热流场向量以及历史时刻恢复焓向量；拼接所述历史时刻飞行状态向量、所述历史时刻压力场向量、所述历史时刻热流场向量以及所述历史时刻恢复焓向量，得到所述第一输入向量。3.根据权利要求2所述的高速运动体表面关键点温度曲线的预测方法，其特征在于，所述基于所述高速运动体的未来时刻飞行轨迹数据，确定第二输入向量，包括：基于所述未来时刻飞行轨迹数据，获取相应的未来时刻飞行状态向量；将所述未来时刻飞行状态向量分别输入至预先训练的所述压力场预测模型、所述热流场预测模型以及所述恢复焓预测模型，得到相应的未来时刻压力场向量、未来时刻热流场向量以及未来时刻恢复焓向量；拼接所述未来时刻飞行状态向量、所述未来时刻压力场向量、所述未来时刻热流场向量以及所述未来时刻恢复焓向量，得到所述第二输入向量。4.根据权利要求1所述的高速运动体表面关键点温度曲线的预测方法，其特征在于，所述通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一输入向量以及所述第二输入向量进行处理，包括：将所述初始历史时刻温度向量输入至所述温度预测模型的全连接神经网络层，对所述编码器的隐变量进行初始化，得到第一隐变量；将所述第一输入向量输入至所述编码器，对所述第一隐变量进行更新，得到所述中间特征向量。5.根据权利要求4所述的高速运动体表面关键点温度曲线的预测方法，其特征在于，所述通过预先训练的温度预测模型，对所述高速运动体的初始历史时刻温度向量、所述第一
输入向量以及所述第二输入向量进行处理，包括：将所述中间特征向量输入至所述解码器，对所述解码器进行初始化，得到第二隐变量；将所述第二输入向量输入至所述解码器，对所述第二隐变量进行更新，得到所述未来时刻温度向量。6.根据权利要求1
‑
5中任一项所述的高速运动体表面关键点温度曲线的预测方法，其特征在...

【专利技术属性】
技术研发人员：陈旭佳，杜澍浛，刘梦鸽，童军博，劳天成，刘义，范文慧，
申请(专利权)人：清华大学，
类型：发明
国别省市：