摘要
本申请涉及一种飞机机载元器件发热预测方法、设备及存储介质,属于航天航空技术领域。通过收集机载元器件的原始历史数据集;采用改进的拉丁超立方采样方法对原始历史数据集进行抽样,得到训练数据样本;基于训练数据样本进行流体动力学仿真计算,得到机载元器件在不同工况条件下的热特性计算结果;将飞机机载元器件的属性信息以及飞行条件信息作为输入数据,将所述热特性计算结果作为输出数据,对卷积神经网络模型进行训练,生成热预测神经网络模型;该热预测神经网络模型用于根据新的输入数据进行热预测,生成在预测时刻下飞机机载元器件的温度分布数据。本申请提高了抽样的均匀性和全面性,能够对飞机机载元器件的热特性实现实时、全过程预测。
技术关键词
元器件
拉丁超立方采样
飞机
编码器
卷积神经网络模型
样本
数据
航天航空技术
矩阵
解码器
工况
通道
高度表
处理器
参数
可读存储介质
存储器
无线电
系统为您推荐了相关专利信息
智能巡检方法
客户关系管理系统
深度强化学习模型
智能专家系统
决策树模型
弱光图像增强方法
图像增强模型
语义
纹理
输出特征
融合注意力机制
损伤诊断方法
声发射
卷积模块
落锤冲击测试