一种基于深度学习的气膜冷却温度场数字孪生方法及系统

本发明公开了一种基于深度学习的气膜冷却温度场数字孪生方法及系统，涉及热防护技术领域，该方法包括如下步骤：构建气膜冷却实验装置，该实验装置包括传感器、测量和数据采集系统，完成实验数据的测量和采集；采集实验数据，使用红外相机拍摄残缺的孔板温度图像并保存，实验数据用于对预训练模型进行微调，生成迁移模型；训练预训练模型，采用CFD结果作为预训练数据源，生成预训练模型；同化数值数据，使用基于迭代神经算子的迁移学习方法来同化数值数据，数值数据包括来自不同图像大小和图像层的数据；分别进行空间、结构和工况推演，更新物理‑虚拟同步模型。本发明具有数据同化和推演功能，可支撑气膜冷却的高效精准设计。