基于神经网络的惯性平台温度场仿真模型修正方法

针对目前平台系统仿真方法计算效率低且精度不高的问题,提出了一种基于神经网络算法且考虑真实壁面条件的惯性平台系统仿真模型修正方法。从惯性平台三维仿真模型入手,使用神经网络算法修正后的对流换热系数作为惯性平台与外界的换热条件,建立系统与无限大空间进行热交换的仿真模型,利用该仿真模型得到了更高精度的系统内部温度分布。仿真与试验结果表明,修正后的仿真模型中网格数量减小24.61%,仿真精度提高了15.95%。所得到的对流换热系数修正系数可用于具有相似外壁面惯性平台的温度场仿真分析。