惯性平台为测量载体速度和加速度提供了一个参考坐标系,使惯性元件不受载体运动的影响。由于惯性元件对温度极为敏感,平台内部的温度变化会造成惯性元件的性能波动,进而影响系统的导航精度。为使惯性平台中的惯性元件在环境温度变化的情况下始终保持其高精度的特性,在惯性平台结构设计时,结合计算流体力学对其进行温度场仿真分析,进而完成惯性平台的优化设计是十分必要的。纵观国内外温度场分析的研究现状主要涉及两个方面:计算精度与计算速度,但这两种计算就某种角度而言是相互独立的。目前很多分析软件的前处理技术都已相当成熟,但这些技术在提高精度的同时又延长了计算时间,因此,新型仿真模型要求在保证仿真精度的同时缩短计算时间。众所周知,边界条件的准确性直接影响了仿真的精度,计算域作为边界条件的一种,由它引起的仿真精度却鲜少被研究。仿真实验的数据表明,在不同的外部计算域条件下,同一温度点处呈现了不同的结果,且仿真结果的精度与计算域的大小不是单纯的线性关系,因此找到与实际相符的计算域是减小模型误差的关键。本文以某型惯导平台整体热环境为研究背景,结合FloEFD有限元仿真软件,采用Internal分析方法对平台进行温度场仿真,将平台系统与外部环境热量交换用对流换热系数进行表达,并首次在平台系统中使用神经网络算法估算平台外壁面与环境进行热量交换的对流换热系数,提出了更加适合惯性系统结构的对流换热系数修正方法。使用本文提出的方法计算得到的对流换热系数不仅涵盖了平台系统与外界的对流热量交换还包含了辐射、漆层厚度以及壁面粗糙度等因素对系统温度场的影响。采用修正后的对流换热系数进行惯性平台的温度场仿真,不仅使数学模型网格数量减少了24.61%,而且与试验数据的吻合精度提高了15.95%。同时本课题的研究也为相似外形的平台换热性能分析奠定了基础。