一种基于极限梯度提升的飞行器表面气动热预测方法

本发明涉及飞行器表面气动热预测领域，公开了一种基于极限梯度提升的飞行器表面气动热预测方法，包括以下步骤：S1、气动热数据集获取；S2、飞行器表面几何特征构造；S3、特征重要性排序确定输入特征组合；S4、构建气动热预测代理模型数据集；S5、构建气动热预测代理模型；S6、飞行器表面气动热预测。通过极限梯度提升XGBoost集成学习算法结合飞行器表面几何特征构建了气动热预测代理模型，通过数值模拟计算得到的不同飞行状态参数、物理特性参数同飞行器表面几何特征输入到预先建立的气动热预测模型中进行训练，提高了气动热预测的效率，有效缩短了飞行器热防护系统设计的周期，同时所构造的表面几何特征提高了气动热的预测精度。