[发明专利]基于机器学习的航天器舱内温度场重建任务研究基准方法

权利要求书

1.一种基于机器学习的航天器舱内温度场重建任务研究基准方法，其特征在于，包括：

根据航天器舱内的布局结构，构建航天器舱内温度场重建任务优化问题；

确定航天器舱内的布局区域的边界条件、以及热源组件的功率分布情况和结构；

利用聚类分析算法选取航天器舱内用于布置温度传感器的温度监测点；

获取第一训练数据、第二训练数据、第三训练数据和第四训练数据中的至少一种，其中，所述第一训练数据包括布局区域内的温度监测点的位置和温度，所述第二训练数据包括布局区域内的温度监测点和设定关注点的温度，所述第三训练数据包括布局区域内的温度监测点的位置和温度、以及布局区域对应的温度场，所述第四训练数据包括布局区域内的温度监测点的位置和温度、以及布局区域内的设定关注点的位置和温度；

利用第一训练数据，通过插值方法确定布局区域内任一点的位置到该点的温度的映射关系；或者利用第一训练数据训练构建的传统机器学习模型或神经网络模型以拟合布局区域内任一点的位置到该点的温度的映射关系；或者利用第二训练数据训练构建的多层感知机以拟合布局区域内的温度监测点的温度到设定关注点的温度的映射关系；或者根据第三训练数据中的布局区域内的温度监测点的位置和温度信息，生成对应的温度监测矩阵，利用温度监测矩阵和第三训练数据中的温度场训练构建的深度神经网络模型以拟合温度监测矩阵到温度场的映射关系；或者根据温度监测点和设定关注点的位置关系构建图模型，利用图模型、第四训练数据中的温度监测点的温度和设定关注点的温度训练构建的图卷积神经网络模型以拟合图模型和温度监测点的温度到设定关注点的温度的映射关系；

根据确定的映射关系或者训练得到的模型进行温度场重建。

2.根据权利要求1所述的基于机器学习的航天器舱内温度场重建任务研究基准方法，其特征在于，设定：航天器舱内的布局区域布置有Λ个热源组件，第i个热源组件的功率分布为φ_i(x,y)，布局区域内布置有M个安装有温度传感器的温度监测点，第m个温度监测点的位置为(x_sm,y_tm)；

基于上述设定，则航天器舱内温度场重建任务优化问题为：

其中，T表示重建的布局区域的温度场，表示重建的温度场中位置的温度，O_m表示第m个温度监测点的温度监测值，k表示热传导系数，(x,y)表示温度场中的某一点位置坐标，T₀表示等温边界处的温度值，n表示垂直于的法线，h表示热对流传导系数，T＝T₀表示Dirichlet边界条件，表示Neumann边界条件，表示Robin边界条件。

3.根据权利要求1所述的基于机器学习的航天器舱内温度场重建任务研究基准方法，其特征在于，所述利用聚类分析算法选取航天器舱内用于布置温度传感器的温度监测点包括：

步骤S31，针对每个热源组件，从每个热源组件的功率分布中随机采样一个功率作为对应热源组件的实际功率，得到一个特定工况的布局，重复多次随机采样过程，得到多个不同工况的布局；

步骤S32，将布局区域划分为N₁×N₂个网格，且每个网格内只能共享一个恒定的温度值，基于划分网格后的布局区域，利用有限元方法计算得到多个不同工况的布局对应的多个温度场；

步骤S33，指定温度监测点的数量，利用K-Means聚类算法对含有多个维度的N₁×N₂个航天器舱内温度点进行聚类以得到与指定温度监测点的数量具有相同数量的多个类别，并基于欧式距离度量计算广义距离，选取距离每一类的聚类中心最近的温度点作为对应类别的代表，并将选取的温度点及其对应的位置作为温度监测点及其对应的位置。