来源：期刊VIP网 时间：
作者：王瑄;孔辰;韩云霄;李佳;常军涛;
单位：哈尔滨工业大学能源科学与工程学院;哈尔滨工业大学数学学院;
摘要：通过入口流动参数快速获得航空发动机燃烧室截面的温度场，可以帮助研究人员快速了解发动机内燃烧室的燃烧状态，这对于航空发动机燃烧室的设计和优化较为重要。本文提出了一种基于深度学习方法的航空发动机燃烧室温度场快速预测方案，文中构建的含有注意力模块的双支路网络模型，测试集温度场相对偏差均值为0.64%，可以高精度地实现燃烧室温度场的预测目标；而在远离学习工况的区域，仅由均方差训练的注意力网络模型会面临性能退化的问题，通过引入物理损失函数项，注意力网络模型的预测性能得到显著改善，温度场相对误差均值的平均值降低了48.4%。相较于传统的卷积网络模型和全连接网络模型，引入物理损失函数项训练的注意力网络模型在学习数据区间内外都有着更好的预测表现。
关键词：航空发动机;;燃烧室温度场;;深度学习;;损失函数;;物理约束;;预测模型
基金资助：国家自然科学基金（52125603）;; 黑龙江省博士后面上项目（LBH-Z23151）;; 中央高校基本科研业务费专项资金（2022FRFK060029）~~
