摘要
本发明公开了一种半监督学习框架下考虑材料烧蚀响应的壁面热流预测方法,涉及航空航天领域,本方法包括以下步骤:构建数据集;搭建神经网络模型,将烧蚀物理信息损失项引入神经网络模型的损失函数之中;对神经网络模型进行预训练;通过预训练的神经网络模型对无标签数据进行预测,生成伪标签;将有标签数据和无标签数据进行混合对预训练的神经网络模型进行半监督自训练,得到最终神经网络模型;通过最终神经网络模型进行材料烧蚀响应的壁面热流预测。本方法减少了模型对有标签数据集的需求,增强了小样本量训练情况下的模型泛化能力,增加网络模型的物理可解释性,提高了壁面热流预测精度。
技术关键词
监督学习框架
光滑壁面
深度神经网络模型
无标签数据
半监督学习
引入神经网络模型
计算方法
物理
处理器
壁面温度
表达式
计算机设备
误差
可读存储介质
存储器
系统为您推荐了相关专利信息
剩余使用寿命预测
齿轮箱
多任务
长短期记忆神经网络
阶段
深度神经网络模型
多任务学习策略
构建深度神经网络
采样点
神经网络结构
学习深度神经网络
可靠性分析方法
可靠性分析模型
物理
样本