【技術實現步驟摘要】
本申請屬于航天航空，具體而言涉及一種飛機機載元器件發熱預測方法、設備及存儲介質。
技術介紹
1、在許多工業應用中，在惡劣環境或長期使用條件下電子元器件經常面臨發熱升溫的問題，這可能導致性能下降或器件損壞。散熱設備能夠在一定程度上解決這一問題，但同時體積、質量、耗電和成本也會大幅增加。因此，有必要考慮元器件的具體應用對象和使用環境，有針對性地預測發熱過程和發熱特性。預測結果有助于在元器件設計期間改進工藝，或幫助設計變頻、低功耗、低成本散熱配套設備。
2、然而，現有技術中，針對電子元器件尤其是飛機機載電子元器件的發熱預測主要依靠環境壓力測試完成。該測試方法通常只考慮極端條件或少數典型工況，主要目的是保證元器件不損壞。但這些測試通常不足以全面反映元件在實際使用過程中的溫度變化和熱應力，對于元器件的實時溫度變化、散熱功耗和長期使用壽命關注較少。
3、因此，如何更為全面地反映整個任務周期內的發熱情況是本領域值得研究的課題。
技術實現思路
1、鑒于上述的分析，本專利技術實施例旨在提供一種飛機機載元器件發熱預測方法、設備及存儲介質，以解決現有技術無法反映整個任務周期內的發熱情況的問題。
2、本申請的第一方面，提供了一種飛機機載元器件發熱預測方法，包括：
3、收集機載元器件的原始歷史數據集；
4、采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本；
5、基于所述訓練數據樣本進行流體動
6、將飛機機載元器件的屬性信息以及飛行條件信息作為輸入數據，將所述熱特性計算結果作為輸出數據，基于所述訓練數據樣本對卷積神經網絡模型進行訓練，生成熱預測神經網絡模型；
7、所述熱預測神經網絡模型用于根據新的輸入數據進行熱預測，該過程包括：
8、獲取飛機機載元器件的屬性信息；
9、實時獲取在預測時刻下所述飛機的飛行條件信息；
10、將所述屬性信息以及飛行條件信息輸入至所述熱預測神經網絡模型中，生成在預測時刻下飛機機載元器件的溫度分布數據。
11、可選地，所述采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本包括：
12、假設抽樣對象為n維，抽樣次數為m次，每一維上均進行0-1均勻抽樣，則抽樣過程可以描述為n×m矩陣，記為a；改進的拉丁超立方采樣方法包括以下步驟：
13、s1：將每一維m等分，即每個區間的長度都為1/m；
14、s2：從第一個子區間[0,1/m]中隨機抽取n個值，作為矩陣a的第一列；
15、s3：從第二個子區間[1/m,2/m]中隨機抽取n個值，作為矩陣a的第二列；
16、s4：以此類推，直至到達最后一個子區間并形成矩陣a的第n列；
17、
18、其中，p11,p12…,p1m,p21…,pnm為抽樣值；
19、s5：將a的每一行都打亂順序，得到矩陣b，最終矩陣b的每列表示一個樣本點，共有m個樣本點；
20、s6：采用參數gmax評估矩陣b的樣本點分布是否合理，若不合理則返回重新進行抽樣；其中，gmax為用于評估樣本在多維參數空間中的均勻分布程度的參數。
21、可選地，所述參數gmax根據抽樣維度n和抽樣次數m計算得到：
22、lngmax＝(395.7n0.0048-394.1)-(0.24n-0.94+1.03)lnm。
23、可選地，所述卷積神經網絡包括元器件屬性編碼器、飛行條件編碼器、熱計算解碼器；
24、其中，所述元器件屬性編碼器用于獲取飛機機載元器件的屬性信息；所述飛行條件編碼器用于獲取飛機的飛行條件信息；所述熱計算解碼器用于采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本；基于所述訓練數據樣本進行流體動力學仿真計算，得到機載元器件在不同工況條件下的熱特性計算結果。
25、可選地，所述飛機機載元器件的屬性信息包括元器件的材料信息、體積信息、外形信息；所述飛行條件信息包括飛行高度信息、速度信息、過載信息、氣溫信息。
26、可選地，所述卷積神經網絡采用u-net架構的形式，所述u-net包括五個通道：
27、第一通道：用于輸入經過所述元器件屬性編碼器編碼的元器件屬性信息；
28、第二通道：用于輸入經過所述元器件屬性編碼器編碼的飛行高度信息；
29、第三通道：用于輸入經過所述元器件屬性編碼器編碼的速度信息；
30、第四通道：用于輸入經過所述元器件屬性編碼器編碼的過載信息；
31、第五通道：用于輸入經過所述元器件屬性編碼器編碼的氣溫信息；
32、以所述元器件屬性編碼器、飛行條件編碼器為輸入，以所述熱計算解碼器為輸出，訓練u-net生成熱預測神經網絡模型。
33、可選地，所述基于所述訓練數據樣本進行流體動力學仿真計算，得到機載元器件在不同工況條件下的熱特性計算結果包括：
34、收集關于機載元器件的操作條件，確定待研究的熱特性；
35、構建機載元器件的幾何模型，以使模型反映實際元器件的形狀和尺寸；
36、在幾何模型上生成計算網格，根據實際工作條件和環境設置邊界條件；
37、選擇對應的流體動力學和熱傳遞模型進行仿真計算，得到機載元器件在不同工況條件下的熱特性計算結果。
38、可選地，所述機載元器件為機載無線電式高度表。
39、本申請的第二方面，提供了一種飛機機載元器件發熱預測設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時實現根據上述任一種所述的飛機機載元器件發熱預測方法。
40、本申請的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現根據上述任一種所述的飛機機載元器件發熱預測方法。
41、本申請所提供的飛機機載元器件發熱預測方法，收集機載元器件的原始歷史數據集；采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本；基于所述訓練數據樣本進行流體動力學仿真計算，得到機載元器件在不同工況條件下的熱特性計算結果；將飛機機載元器件的屬性信息以及飛行條件信息作為輸入數據，將所述熱特性計算結果作為輸出數據，基于所述訓練數據樣本對卷積神經網絡模型進行訓練，生成熱預測神經網絡模型；該熱預測神經網絡模型用于根據新的輸入數據進行熱預測，生成在預測時刻下飛機機載元器件的溫度分布數據。本申請通過采用改進拉丁超立方抽樣方法，提高了抽樣的均勻性和全面性，進而提取出影響元器件發熱的關鍵因素。通過建立的熱預測神經網絡模型，能夠對飛機機載元器件的熱特性實現實時、本文檔來自技高網...
【技術保護點】
1.一種飛機機載元器件發熱預測方法，其特征在于，包括：
2.根據權利要求1所述的飛機機載元器件發熱預測方法，其特征在于，所述采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本包括：
3.根據權利要求2所述的飛機機載元器件發熱預測方法，其特征在于，所述參數Gmax根據抽樣維度N和抽樣次數M計算得到：
4.根據權利要求1至3任一項所述的飛機機載元器件發熱預測方法，其特征在于，所述卷積神經網絡包括元器件屬性編碼器、飛行條件編碼器、熱計算解碼器；
5.根據權利要求4所述的飛機機載元器件發熱預測方法，其特征在于，所述飛機機載元器件的屬性信息包括元器件的材料信息、體積信息、外形信息；所述飛行條件信息包括飛行高度信息、速度信息、過載信息、氣溫信息。
6.根據權利要求5所述的飛機機載元器件發熱預測方法，其特征在于，
7.根據權利要求1至3任一項所述的飛機機載元器件發熱預測方法，其特征在于，所述基于所述訓練數據樣本進行流體動力學仿真計算，得到機載元器件在不同工況條件下的熱特性計算結果
8.根據權利要求4所述的飛機機載元器件發熱預測方法，其特征在于，所述機載元器件為機載無線電式高度表。
9.一種飛機機載元器件發熱預測設備，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時實現根據權利要求1-8任一項所述的飛機機載元器件發熱預測方法。
10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執行時實現根據權利要求1-8任一項所述的飛機機載元器件發熱預測方法。
...【技術特征摘要】
1.一種飛機機載元器件發熱預測方法，其特征在于，包括：
2.根據權利要求1所述的飛機機載元器件發熱預測方法，其特征在于，所述采用改進的拉丁超立方采樣方法對所述原始歷史數據集進行抽樣，得到與發熱預測任務相關的訓練數據樣本包括：
3.根據權利要求2所述的飛機機載元器件發熱預測方法，其特征在于，所述參數gmax根據抽樣維度n和抽樣次數m計算得到：
4.根據權利要求1至3任一項所述的飛機機載元器件發熱預測方法，其特征在于，所述卷積神經網絡包括元器件屬性編碼器、飛行條件編碼器、熱計算解碼器；
5.根據權利要求4所述的飛機機載元器件發熱預測方法，其特征在于，所述飛機機載元器件的屬性信息包括元器件的材料信息、體積信息、外形信息；所述飛行條件信息包括飛行高度信息、速度信息、過載信息、氣溫信息。
<...【專利技術屬性】
技術研發人員：王真真，
申請(專利權)人：北京中科飛鴻科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。