基于深度学习的高超声速流态辨识方法、系统及介质

本发明涉及了一种基于深度学习的高超声速流态辨识方法、系统及介质，一种基于深度学习的高超声速流态辨识方法，包括：获取风洞试验中使用薄膜电阻温度计测量得到模型壁面的热流时序信号；采用小波变换方法，提取热流时序信号中的时域‑频域信息，构建深度学习网络的输入数据集；搭建用于特征提取和流态聚类的深度学习框架，利用输入数据集对模型参数进行训练和优化，得到训练指标收敛的深度学习聚类模型；对聚类模型进行准确度分析得到能够用于风洞时序信号流态辨识的模型。本发明建立了能快速辨识并提供流态类型的深度学习模型减轻了传统方法对人工的依赖，提高了高超声速风洞开展实验研究的效率。