摘要
本发明涉及一种基于多模态物理约束网络的涡轮叶片全域温度场重建方法,属于航空发动机热管理技术领域。针对全局热传导路径建模不足、物理规则缺失及区域差异化感知空白问题,对稀疏测温点进行归一化及位置编码,形成Transformer编码器输入序列;通过编码器提取特征并经自注意力池化压缩为全局特征向量;采用融合跳跃连接的U‑Net生成器解码为温度场图像;构建多尺度判别器并引入语义加权机制,对冷却孔、榫头及压力面区域分配差异化权重;基于热传导方程构建物理约束损失和局部能量守恒损失,结合对抗损失与温度误差损失加权训练模型。用于为涡轮叶片结构优化设计、冷却系统效能评估及热疲劳预防提供高精度温度分布数据支撑。
技术关键词
多模态
热传导方程
能量守恒
物理
图像块
语义分割模型
前馈神经网络
注意力
编码器
冷却系统效能
涡轮叶片结构
涡轮叶片表面
热管理技术
分支
榫头
掩码矩阵
系统为您推荐了相关专利信息
人流量监测方法
图书馆
特征点信息
行人检测
多模态
预后预测方法
影像
多模态
深度学习特征
图像深度学习
负荷预测方法
特征提取方式
多模态特征融合
因子
多头注意力机制