[发明专利]火星进入器驻点热流预测方法、装置、电子设备及介质

权利要求书

1.一种火星进入器驻点热流预测方法，其特征在于，包括：

确定进入器的几何和流场特征量，进而确定多组状态组合；

针对每一组状态组合进行火星大气热化学非平衡流场计算，计算驻点热流值，获得样本数据集；

构建神经网络模型，并根据所述样本数据集训练神经网络，获得最终的神经网络模型；

通过所述最终的神经网络模型预测驻点对流热流；

其中，针对每一组状态组合进行火星大气热化学非平衡流场计算包括：

针对头部半径飞行器进行网格划分；

根据环境密度和飞行速度开展流场初算，基于初算的飞行器表面平均分子自由程，进行网格加密与调整；

在更新网格上，针对每一组状态组合进行火星大气热化学非平衡流场计算；

其中，通过公式（1）计算飞行器表面平均分子自由程：

（1）

其中，λ为飞行器表面平均分子自由程，μ为气体粘性系数，ρ为气体密度值，m_s为气体分子质量，R₀为气体常数，T为气体温度。

2.根据权利要求1所述的火星进入器驻点热流预测方法，其中，进入器的几何和流场特征量包括进入器头部曲率半径、火星大气环境密度与进入飞行速度。

3.根据权利要求1所述的火星进入器驻点热流预测方法，其中，构建神经网络模型包括：

确定神经网络的损失函数；

确定隐含层神经元和输出层神经元的激活函数。

4.根据权利要求1所述的火星进入器驻点热流预测方法，其中，根据所述样本数据集训练神经网络，获得最终的神经网络模型包括：

设定隐含层和每层神经元数量，设置总的训练次数、动量因子；

在所述样本数据集的训练集中随机提取训练样本，通过所述训练样本训练所述神经网络；

每隔设定的训练步数检验神经网络预测误差，直至达到总的训练次数，停止训练，输出最终的神经网络模型。

5.根据权利要求4所述的火星进入器驻点热流预测方法，其中，每隔设定的训练步数检验神经网络预测误差包括：

每隔设定的训练步数，通过所述样本数据集的验证集检验神经网络的预测误差，若误差小于上一次检验的误差，则保存此次训练的神经网络参数。

6.一种火星进入器驻点热流预测装置，其特征在于，包括：

状态组合确定模块，确定进入器的几何和流场特征量，进而确定多组状态组合；

样本数据集确定模块，针对每一组状态组合进行火星大气热化学非平衡流场计算，计算驻点热流值，获得样本数据集；

训练模块，构建神经网络模型，并根据所述样本数据集训练神经网络，获得最终的神经网络模型；

预测模块，通过所述最终的神经网络模型预测驻点对流热流；

其中，针对每一组状态组合进行火星大气热化学非平衡流场计算包括：

针对头部半径飞行器进行网格划分；

根据环境密度和飞行速度开展流场初算，基于初算的飞行器表面平均分子自由程，进行网格加密与调整；

在更新网格上，针对每一组状态组合进行火星大气热化学非平衡流场计算；

其中，通过公式（1）计算飞行器表面平均分子自由程：

（1）

其中，λ为飞行器表面平均分子自由程，μ为气体粘性系数，ρ为气体密度值，m_s为气体分子质量，R₀为气体常数，T为气体温度。

7.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储有可执行指令；

处理器，所述处理器运行所述存储器中的所述可执行指令，以实现权利要求1-5中任一项所述的火星进入器驻点热流预测方法。

8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的火星进入器驻点热流预测方法。