基于卷积时序网络的防冰翼面瞬态温度场预测

作     者：陈志勇 杨先凤 陈宁立 易贤 彭博 

作者机构：西南石油大学计算机与软件学院 中国空气动力研究与发展中心结冰与防除冰重点实验室 空气动力学国家重点实验室 

出 版 物：《空气动力学学报》 (Acta Aerodynamica Sinica)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 082504[工学-人机与环境工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省自然基金青年基金(2023NSFSC1332) 国家重大科技专项(J2019-III-0010-0054) 

主　　题：温度场预测 机翼 本征正交分解 卷积神经网络 时间卷积网络 

摘      要：电加热防冰是防止飞机机翼结冰的关键技术之一，快速准确预测防冰翼面瞬态温度场对电加热系统的优化设计具有重要意义。为实现对防冰翼面瞬态温度场的快速预测，缩短电热防冰系统优化设计周期，提出了一种结合本征正交分解（proper orthogonal decomposition, POD）和卷积时序网络（convolutional temporal network, CTN）的预测方法。该方法首先利用POD对温度数据做降维处理，随后以工作条件参数作为输入，使用降维后的模态时间系数作为输出，构建了基于一维卷积和时间卷积的卷积时序网络，并且引入多头注意力（multi-head attention, MHA）机制突出关键特征，最后使用样本准确率（SA）来评估模型对瞬态温度场预测的准确性。此外，为探究模型超参数对预测性能的影响，设置消融实验验证了提出的网络结构的有效性。结果表明，所提出的网络模型对防冰翼面瞬态温度场的预测具有较高的准确性，在测试集上的预测精度达94.4%。