典型文献
基于卷积神经网络的固体火箭发动机内弹道参数辨识
文献摘要：
为判断长期贮存固体火箭发动机的内弹道参数是否发生变化,文章基于经典AlexNet卷积神经网络对其进行辨识.首先,利用固体火箭发动机内弹道程序,绘制燃烧室压强-时间曲线图像,将若干张图像作为卷积神经网络训练样本集;然后,通过卷积神经网络对样本集训练,获得卷积神经网络模型;最后,将待辨识图像带入模型中,得到内弹道燃速系数和压强指数,从而计算出对应压强下的辨识燃速.实验结果表明,训练结果的准确率随训练集占比的增大而提高;测试集图像数量减少可能导致准确率提高,但有可能使训练得到的神经网络普适性降低;通过辨识结果与实验结果的对比可知,当样本集图片数量一定时,燃速误差可控制在1％以内,在减小计算量的同时保证较高准确率.因此,利用此模型可快速、准确判断内弹道参数是否发生变化.
文献关键词：
卷积神经网络;AlexNet;固体火箭发动机;内弹道;参数辨识
中图分类号：
作者姓名：
孙瑞阳;姜毅;牛钰森;张曼曼;强新伟
作者机构：
北京理工大学 宇航学院,北京 100081;中国船舶集团公司713所,郑州 450015
文献出处：
引用格式：
[1]孙瑞阳;姜毅;牛钰森;张曼曼;强新伟-.基于卷积神经网络的固体火箭发动机内弹道参数辨识)[J].固体火箭技术,2022(03):351-360
A类：
B类：
固体火箭发动机,机内,内弹道,弹道参数,参数辨识,长期贮存,AlexNet,燃烧室,室压,曲线图,神经网络训练,训练样本集,集训,卷积神经网络模型,带入,燃速,压强指数,训练集,测试集,练得,误差可控,计算量
AB值：
0.203796
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。
