[發明專利]基于神經網絡架構搜索技術的溫度場代理模型構建方法

在審

• 申請號: 202210258055.7
• 申請日: 2022-03-16
• 公開（公告）號: CN114692347A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 張小亞;孫家亮;王象;彭偉;姜廷松
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/27;G06N3/04;G06F119/08
• 代理公司: 北京奧文知識產權代理事務所(普通合伙) 11534
• 代理人: 張文

本發明公開了一種基于神經網絡架構搜索技術的溫度場代理模型構建方法，包括：根據組件布局設計要求，生成訓練數據；對訓練數據進行預處理；確定神經網絡基準模型，根據神經網絡基準模型設定搜索參數，構建包含所有可能路徑的超級網絡模型；基于超級網絡模型，隨機選擇搜索參數以得到一個子模型，利用訓練數據對子模型進行訓練以更新其模型參數，重復隨機選擇子模型和訓練過程，直至訓練次數達到預設值；基于訓練后的超級網絡模型，利用多目標優化算法搜索近似最優子模型；利用訓練數據對近似最優子模型進行重新訓練，獲取溫度場代理模型。本發明能根據組件布局設計要求實現神經網絡結構的自動設計，得到的模型參數量少，預測精度高，預測時間短。

技術領域

本發明涉及組件布局優化設計技術領域，具體涉及一種基于神經網絡架構搜索技術的溫度場代理模型構建方法。

背景技術

衛星組件布局設計是衛星總體設計中的重要組成，衛星組件布局設計需要考慮多個指標因素約束，其中，溫度場約束指標是關鍵的指標之一，與衛星性能、使用壽命直接相關。在高溫環境中，電子元件溫度每升高2°，其可靠性下降10％，當溫度升高至50°時，其壽命僅為25°時的1/6。因此，需要對衛星組件布局的溫度場進行構建分析，以實現考慮溫度場約束的衛星組件布局優化設計。傳統的組件布局溫度場構建依賴高保真度的仿真軟件計算，計算時間長，并且組件布局設計方案每優化調整一次就需要仿真計算一次，導致整個設計流程時間成本和計算成本極高。因此，如何提高溫度場構建效率是當前衛星布局設計領域亟待解決的一個重要問題。

構建低成本的溫度場代理模型來預測組件布局的溫度場以取代高保真度的熱仿真分析是目前提高溫度場構建效率的主要解決思路。例如基于多項式的響應面法、樣條函數插值法和Kriging函數插值近似方法等構建溫度場代理模型。然而，上述方法通常只能處理數十維的變量，難以處理高維代理模型。例如在一個二維布局區域內需要放置20個相同發熱功率的組件，在固定擺放角度的情況下則需要40個設計變量來確定20個組件的二維坐標，在計算溫度場時，若將布局區域劃分成200×200的網格，則需要40000維的變量來描述整個溫度場，此時，利用上述方法無法實現溫度場代理模型的構建。

為實現具有高維變量的溫度場代理模型的構建，目前有部分研究提出了使用深度神經網絡，如特征金字塔網絡(Feature Pyramid Network,FPN)，來學習熱源布局與其對應的溫度場之間的映射關系，從而構建相應的溫度場代理模型，以提高組件布局優化設計效率。

然而，使用深度神經網絡構建代理模型雖然可以提高衛星組件布局溫度場計算效率，但是針對如何選擇和設計合適的神經網絡模型仍然是一個難點，尤其是面對組件布局優化設計問題，一旦組件布局優化設計問題的設置發生改變，如不同邊界條件、不同熱源強度、不同形狀組件布局，則需要人工精心設計調整神經網絡模型并在訓練時反復調參，才能獲得較高的訓練精度，極大增加了時間成本和計算成本。

發明內容

為解決上述現有技術中存在的部分或全部技術問題，本發明提供一種基于神經網絡架構搜索技術的溫度場代理模型構建方法。

本發明的技術方案如下：

提供了一種基于神經網絡架構搜索技術的溫度場代理模型構建方法，所述方法包括：

根據組件布局設計要求，生成訓練數據，其中，所述訓練數據包括組件布局及組件布局對應的溫度場；

對所述訓練數據進行預處理；

確定神經網絡基準模型，根據所述神經網絡基準模型設定搜索參數，構建包含所有可能路徑的超級網絡模型；

基于所述超級網絡模型，隨機選擇搜索參數以得到一個子模型，利用訓練數據對子模型進行訓練以更新其模型參數，重復隨機選擇子模型和訓練過程，直至訓練次數達到預設值，得到訓練好的包括多種子模型的超級網絡模型；

基于訓練后的超級網絡模型，利用多目標優化算法搜索近似最優子模型；