基于解耦表征学习的航天器舱热场数字孪生模型构建方法

本发明公开了一种基于解耦表征学习的航天器舱热场数字孪生模型构建方法，包括：构建训练数据集，数据集中的每条数据包括航天器舱的热传感数据和热场分布；构建初始神经网络模型，网络模型包括公共特征提取网络、工况特征提取网络和预测网络；通过对抗学习的方式训练初始神经网络模型，以使公共特征提取网络无法区分不同工况下的数据，且工况特征提取网络能够识别不同工况；基于训练得到的模型，输入航天器给定工况监测温度信息，输出相应的热场信息。本方法通过公共特征提取网络和工况特征提取网络分别提取公共特征和工况特征，将影响热场分布的工况信息解耦，从而提高模型的泛化能力。