典型文献
基于极限学习的弹丸阻力系数辨识
文献摘要：
气动参数对弹丸的弹道特性起决定性作用,在无控弹丸研制过程中,准确获取弹丸气动参数是减小落点散布、提高打击精度的基础与关键.为了进一步提高弹丸阻力系数的辨识精度,基于质点弹道方程,通过数值仿真产生弹道数据,利用极限学习方法在多种噪声环境下实现弹丸阻力系数弹道大数据辨识.该方法随机产生输入权重以及隐含层神经元阈值,随机生成的输入权重以及隐含层神经元阈值彼此独立,且不需要迭代更新,克服了传统辨识方法辨识时间长、辨识精度低的问题.基于最小二乘原理,通过求解隐含层输出矩阵的Moor-Penrose广义逆矩阵即可确定网络最优输出权值,进而精确辨识弹丸阻力系数.在不同测量噪声条件下,将极限学习方法辨识结果与传统BP神经网络方法以及极大似然方法辨识结果进行对比研究.仿真结果表明:利用极限学习方法辨识弹丸阻力系数的辨识精度更高,收敛速度更快,抗干扰能力更强,能够在高噪声环境下有效辨识弹丸阻力系数,可以满足工程实际需要.
文献关键词：
弹丸;气动参数;参数辨识;极限学习机
中图分类号：
作者姓名：
严侃;李帅孝;李莉;夏悠然
作者机构：
海军装备部,陕西 西安710000;陆军装备部 沈阳地区军事代表局驻沈阳地区第二军事代表室,辽宁 沈阳110045;辽沈工业集团有限公司,辽宁 沈阳110045;南京理工大学 瞬态物理国家重点实验室,江苏 南京210094
文献出处：
引用格式：
[1]严侃;李帅孝;李莉;夏悠然-.基于极限学习的弹丸阻力系数辨识)[J].弹道学报,2022(01):31-37
A类：
B类：
弹丸,阻力系数,气动参数,弹道特性,研制过程,落点散布,高弹,辨识精度,质点,道数,噪声环境,数据辨识,隐含层,迭代更新,辨识方法,最小二乘原理,Moor,Penrose,广义逆矩阵,权值,测量噪声,噪声条件,神经网络方法,极大似然,收敛速度,抗干扰能力,工程实际,参数辨识,极限学习机
AB值：
0.298028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
