本發(fā)明涉及油冷器智能散熱，尤其涉及一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法。

背景技術(shù)：

1、隨著全球人口的增長(zhǎng)和經(jīng)濟(jì)的發(fā)展，交通壓力日益增大。傳統(tǒng)的汽車交通面臨著道路擁堵、環(huán)境污染等問(wèn)題，嚴(yán)重制約了經(jīng)濟(jì)的發(fā)展和生活質(zhì)量的提升。作為應(yīng)對(duì)交通困境和追求可持續(xù)發(fā)展所產(chǎn)生的構(gòu)想，飛行汽車有望結(jié)合汽車和飛機(jī)的優(yōu)勢(shì)，擺脫地面交通的擁堵，降低環(huán)境污染，提高運(yùn)輸效率和能力，使交通網(wǎng)絡(luò)更加靈活和高效。與普通汽車相比，飛行汽車在懸停、爬升和跨越障礙方面更具優(yōu)勢(shì)，這意味著它們可以更加有效地利用垂直空間，提供更多樣的出行方式。它們將充分利用城市內(nèi)部的垂直空間和空中空間，從交通、速度、舒適性和效率等多個(gè)方面為城市居民提供更多的選擇。同時(shí)飛行汽車也可用于長(zhǎng)距離城市間出行，有望減少碳排放和水平方向的低效，為人們提供更加智能，可持續(xù)的出行方案。

2、然而，飛行汽車與其他飛行器一樣，飛行過(guò)程中也面臨著關(guān)鍵技術(shù)挑戰(zhàn)。例如，與地面車輛相比，飛行汽車在飛行時(shí)需要克服更多的能源損耗在發(fā)動(dòng)機(jī)上，以保持其正常工作，其中很大一部分是熱能。飛行汽車發(fā)動(dòng)機(jī)及機(jī)體的正常工作需要在合適的溫度范圍內(nèi)，如果溫度過(guò)高，會(huì)造成各種部件性能下降甚至損毀，進(jìn)而影響飛行汽車整體效能。因此，散熱管理問(wèn)題是飛多能機(jī)在設(shè)計(jì)和使用中需要關(guān)注的焦點(diǎn)。

3、當(dāng)前飛行汽車的散熱管理通常依賴于傳統(tǒng)的冷卻系統(tǒng)，這些系統(tǒng)主要包括風(fēng)冷、水冷或液冷技術(shù)。這些技術(shù)雖然有效，但在面對(duì)復(fù)雜多變的飛行環(huán)境和飛行汽車自身高度集成的特點(diǎn)時(shí)，存在一定的局限性。例如，傳統(tǒng)的冷卻系統(tǒng)往往需要預(yù)設(shè)固定的散熱模式，無(wú)法根據(jù)飛行汽車的實(shí)時(shí)工況進(jìn)行靈活調(diào)整，具體來(lái)說(shuō)，存在以下缺陷：

4、散熱模式固定：現(xiàn)有的散熱管理系統(tǒng)通常采用固定的散熱策略，無(wú)法根據(jù)飛行汽車的工作模式（如懸停、巡航或快速爬升）進(jìn)行實(shí)時(shí)調(diào)整。

5、數(shù)據(jù)利用不充分：現(xiàn)有的系統(tǒng)很少利用多模態(tài)數(shù)據(jù)（如溫度、氣壓、濕度、飛行姿態(tài)等），限制了系統(tǒng)對(duì)飛行汽車實(shí)際工況的理解和適應(yīng)能力。

6、智能化程度低：現(xiàn)有的散熱管理系統(tǒng)通常缺乏自主學(xué)習(xí)和優(yōu)化的能力，難以根據(jù)環(huán)境變化和使用習(xí)慣自動(dòng)調(diào)整散熱策略。

7、因此需要一種可以解決上述問(wèn)題的一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，本發(fā)明通過(guò)集成多種傳感器收集的數(shù)據(jù)，結(jié)合深度學(xué)習(xí)模型對(duì)飛行汽車在不同工作模式下的散熱需求進(jìn)行預(yù)測(cè)，能夠自動(dòng)生成并實(shí)施適應(yīng)當(dāng)前工況的智能散熱策略。

2、本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是：

3、一種基于多模態(tài)數(shù)據(jù)的飛行汽車智能散熱管理方法，包括以下步驟：

4、a.通過(guò)集成于飛行汽車上的多模態(tài)傳感器采集實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，所述多模態(tài)傳感器包括溫度傳感器、壓力傳感器、濕度傳感器與加速度計(jì)；

5、b.利用數(shù)據(jù)融合算法對(duì)不同傳感器數(shù)據(jù)進(jìn)行融合處理；

6、c.構(gòu)建深度學(xué)習(xí)模型，該模型結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)，用于學(xué)習(xí)飛行汽車在不同工作模式下的散熱規(guī)律，并預(yù)測(cè)飛行汽車的散熱需求；

7、d.將融合后的數(shù)據(jù)傳輸至遠(yuǎn)程服務(wù)器或云端平臺(tái)進(jìn)行實(shí)時(shí)分析和處理；

8、e.根據(jù)深度學(xué)習(xí)模型的預(yù)測(cè)結(jié)果生成針對(duì)飛行汽車當(dāng)前工作模式的智能散熱策略，所述智能散熱策略包括調(diào)節(jié)風(fēng)扇轉(zhuǎn)速及冷卻液流量；

9、f.實(shí)施智能散熱策略，并根據(jù)飛行汽車實(shí)際運(yùn)行情況動(dòng)態(tài)調(diào)整散熱策略；

10、g.收集飛行汽車運(yùn)行過(guò)程中的反饋數(shù)據(jù)，利用反饋數(shù)據(jù)迭代訓(xùn)練并優(yōu)化所述深度學(xué)習(xí)模型。

11、進(jìn)一步地，所述溫度傳感器安裝于飛行汽車的發(fā)動(dòng)機(jī)表面、電池組內(nèi)部及電子控制單元處；壓力傳感器配置安裝在飛行汽車的液壓系統(tǒng)內(nèi)以及翼面和進(jìn)氣口處；濕度傳感器分布安裝在飛行汽車內(nèi)外環(huán)境監(jiān)測(cè)點(diǎn)；加速度計(jì)固定安裝在車輛重心位置，以監(jiān)測(cè)飛行過(guò)程中的線性與角加速度。

12、進(jìn)一步地，在步驟b中，利用數(shù)據(jù)融合算法對(duì)不同傳感器數(shù)據(jù)進(jìn)行融合處理，包括：b1.對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理：對(duì)收集到的傳感器數(shù)據(jù)進(jìn)行異常值處理，去除傳感器數(shù)據(jù)中的異常值和缺失值；b2.使用時(shí)間序列對(duì)齊方法將不同傳感器數(shù)據(jù)進(jìn)行匹配對(duì)齊，確保傳感器數(shù)據(jù)的時(shí)間一致性；b3.標(biāo)準(zhǔn)化處理：確保不同傳感器數(shù)據(jù)的量綱和范圍一致；b4.對(duì)傳感器參數(shù)進(jìn)行相關(guān)性分析和加權(quán)處理：計(jì)算各個(gè)傳感器參數(shù)之間的相關(guān)性，并對(duì)權(quán)重進(jìn)行分配，以綜合考慮不同參數(shù)對(duì)散熱需求的影響程度。

13、進(jìn)一步地，在步驟c中，構(gòu)建深度學(xué)習(xí)模型，執(zhí)行以下步驟：c1.收集飛行汽車歷史運(yùn)行數(shù)據(jù)，包括傳感器數(shù)據(jù)和散熱管理操作記錄；c2.將歷史運(yùn)行數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；c3.基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)，構(gòu)建深度學(xué)習(xí)模型；c4.將訓(xùn)練數(shù)據(jù)輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算輸出預(yù)測(cè)值。

14、進(jìn)一步地，在步驟c3中，基于卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)，構(gòu)建深度學(xué)習(xí)模型，執(zhí)行以下步驟：c31.構(gòu)建輸入層：將多模態(tài)數(shù)據(jù)作為輸入層，并定義網(wǎng)絡(luò)的輸入層維度；c32.構(gòu)建卷積層：通過(guò)卷積運(yùn)算和激勵(lì)函數(shù)，對(duì)輸入層數(shù)據(jù)進(jìn)行特征提取和抽象；c33.構(gòu)建池化層：對(duì)提取的特征進(jìn)行降采樣，以減少網(wǎng)絡(luò)參數(shù)；c34.構(gòu)建全連接層：將池化層輸出的特征向量展開(kāi)成一維向量，并進(jìn)行線性變換；c35.構(gòu)建循環(huán)層：使用長(zhǎng)短期記憶單元和門結(jié)構(gòu)來(lái)處理時(shí)序數(shù)據(jù)，捕捉上下文信息，并實(shí)現(xiàn)記憶功能；c36.構(gòu)建輸出層：根據(jù)循環(huán)層的輸出，進(jìn)行分類或回歸操作，生成預(yù)測(cè)結(jié)果。

15、進(jìn)一步地，在步驟c4中，將訓(xùn)練數(shù)據(jù)輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算輸出預(yù)測(cè)值，執(zhí)行以下步驟：c41.將原始多模態(tài)數(shù)據(jù)集劃分為多個(gè)批量數(shù)據(jù)，隨機(jī)選擇批量數(shù)據(jù)，作為模型的輸入；c42.進(jìn)行卷積操作，提取局部特征，將局部特征相加，得到隱藏狀態(tài)z；c43.使用激活函數(shù)將隱藏狀態(tài)z進(jìn)行非線性變換，得到新的隱藏狀態(tài)z′；c44.進(jìn)行池化操作，通過(guò)下采樣減小隱藏狀態(tài)z′的維度，得到池化層輸出結(jié)果r；c45.進(jìn)行反向傳播操作，根據(jù)池化層輸出結(jié)果r和真實(shí)值之間的誤差，更新權(quán)重和偏置，重復(fù)c41至c45直到模型的收斂性達(dá)到預(yù)期。

16、進(jìn)一步地，在步驟d中，將融合后的數(shù)據(jù)傳輸至遠(yuǎn)程服務(wù)器或云端平臺(tái)進(jìn)行實(shí)時(shí)分析和處理，執(zhí)行以下步驟：d1.通過(guò)有線或無(wú)線通信傳輸，將多模態(tài)傳感器數(shù)據(jù)傳輸至遠(yuǎn)程服務(wù)器或云端平臺(tái)；d2.遠(yuǎn)程服務(wù)器或云端平臺(tái)對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析和處理，利用機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)算法進(jìn)行多模態(tài)數(shù)據(jù)融合。

17、進(jìn)一步地，在步驟e中，根據(jù)深度學(xué)習(xí)模型的預(yù)測(cè)結(jié)果生成針對(duì)飛行汽車當(dāng)前工作模式的智能散熱策略，執(zhí)行以下步驟：e1.針對(duì)不同類型的傳感器數(shù)據(jù)，設(shè)置相應(yīng)的閾值；e2.設(shè)置風(fēng)扇轉(zhuǎn)速和冷卻液的流量調(diào)整規(guī)則；e3.根據(jù)深度學(xué)習(xí)模型預(yù)測(cè)的結(jié)果，動(dòng)態(tài)調(diào)整飛行汽車風(fēng)扇轉(zhuǎn)速、冷卻液流量。

18、進(jìn)一步地，在步驟f中，實(shí)施智能散熱策略，并根據(jù)飛行汽車實(shí)際運(yùn)行情況動(dòng)態(tài)調(diào)整散熱策略，執(zhí)行以下步驟：f1.根據(jù)深度學(xué)習(xí)模型預(yù)測(cè)出的散熱需求，調(diào)整風(fēng)扇轉(zhuǎn)速和冷卻液流量；f2.建立多模態(tài)傳感器和散熱控制系統(tǒng)的通信協(xié)議；f3.通過(guò)監(jiān)控傳感器數(shù)據(jù)的變化，動(dòng)態(tài)調(diào)整散熱策略；f4.使用數(shù)據(jù)流控制策略來(lái)降低控制系統(tǒng)延遲和確保散熱控制系統(tǒng)的實(shí)時(shí)響應(yīng)。

19、進(jìn)一步地，在步驟g中，收集飛行汽車運(yùn)行過(guò)程中的反饋數(shù)據(jù)，利用反饋數(shù)據(jù)迭代訓(xùn)練并優(yōu)化所述深度學(xué)習(xí)模型，執(zhí)行以下步驟：g1.收集飛行汽車運(yùn)行數(shù)據(jù)：收集飛行汽車在運(yùn)行過(guò)程中的多模態(tài)傳感器數(shù)據(jù)和飛行汽車實(shí)際散熱需求數(shù)據(jù)；g2.使用時(shí)間序列對(duì)齊方法將多模態(tài)傳感器數(shù)據(jù)和實(shí)際散熱需求數(shù)據(jù)進(jìn)行匹配對(duì)齊；g3.對(duì)對(duì)齊后的數(shù)據(jù)進(jìn)行預(yù)處理，包括異常值處理和標(biāo)準(zhǔn)化；g4.使用迭代訓(xùn)練技術(shù)優(yōu)化深度學(xué)習(xí)模型參數(shù)，不斷調(diào)整模型的內(nèi)部參數(shù)，提高模型的準(zhǔn)確性和魯棒性；g5.以迭代訓(xùn)練方式，利用收集到的運(yùn)行數(shù)據(jù)不斷優(yōu)化模型。

20、本發(fā)明的優(yōu)點(diǎn)在于：

21、1.本發(fā)明通過(guò)集成多種傳感器收集的數(shù)據(jù)，通過(guò)實(shí)時(shí)監(jiān)測(cè)，可以及時(shí)發(fā)現(xiàn)潛在的散熱問(wèn)題，為智能散熱管理提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)，結(jié)合深度學(xué)習(xí)模型對(duì)飛行汽車在不同工作模式下的散熱需求進(jìn)行預(yù)測(cè)，能夠自動(dòng)生成并實(shí)施適應(yīng)當(dāng)前工況的智能散熱策略，包括調(diào)節(jié)風(fēng)扇轉(zhuǎn)速及冷卻液流量，確保飛行汽車在各種工作條件下都能維持最佳的散熱狀態(tài)。

22、2.本發(fā)明通過(guò)實(shí)時(shí)監(jiān)測(cè)、數(shù)據(jù)融合與標(biāo)準(zhǔn)化、智能散熱策略生成與動(dòng)態(tài)調(diào)整、遠(yuǎn)程監(jiān)控與優(yōu)化以及模型的迭代訓(xùn)練與優(yōu)化等一系列措施，實(shí)現(xiàn)了飛行汽車智能散熱管理的自動(dòng)化和智能化。這一方案不僅能夠提高飛行汽車散熱系統(tǒng)的效率和可靠性，還能延長(zhǎng)飛行汽車的使用壽命，減少因散熱不良導(dǎo)致的安全隱患，從而提升整體飛行體驗(yàn)。