一种基于卷积深度算子网络的未知上升气流环境估计方法

本发明提供了一种基于卷积深度算子网络的未知上升气流环境估计方法。该发明考虑使用红外传感系统来获得大范围的连续温度数据，搭建了一种深度算子网络来学习热上升气流的温度场到速度场的映射，可以准确进行风场气流环境估计，其中DeepOnet(CNN)网络的分支网络采用卷积神经网络(CNN)结构来提取输入数据特征并降低数据维度，可显著提升未知风场环境估计的性能。本发明考虑使用红外传感系统来提升风资源探测的效率，采用DeepOnet架构来提升未知上升气流环境的估计效果，该方法实现简单，可以广泛应用于长航时无人机在复杂风场环境中的风能利用研究，结果表明该方法在未知工况下的估计精度相比常规网络架构具有显著的提升效果。