典型文献
基于PSO-BP神经网络的固冲发动机推力估计器设计
文献摘要：
为了对固体火箭冲压发动机的推力进行直接控制,提出了基于PSO(粒子群优化算法)优化BP(back propagation)神经网络的固体火箭冲压发动机推力估计方法.采用SPSO(标准PSO)和三种不同的BB-PSO(骨干PSO)寻优神经网络权值,而后以最优权值进行BP网络训练,对其进行精调,如此便可获取推力和燃气流量、飞行马赫数以及飞行高度之间的非线性关系,从而完成推力估计器的设计.利用240组训练集数据对网络进行训练,并用180组测试集数据对网络进行验证.仿真结果表明:在SPSO、BBExp(exploiting BBP-SO)、ABPSO*(modified adaptive BBPSO)和 SNPSO(simplified pruning strategy based BBPSO)等四种不同的PSO中,基于SNPSO优化BP神经网络实现推力估计器设计是最为便捷有效的方法,不仅形式简单,而且对于测试集数据而言,其能够将推力相对误差控制在5％以内.
文献关键词：
固体火箭冲压发动机;推力估计器;粒子群优化算法;神经网络;非线性关系
中图分类号：
作者姓名：
王昭;田小涛;黄萌;张博
作者机构：
中国兵器工业集团有限公司西安现代控制技术研究所,西安710065;中国兵器工业集团有限公司现代控制技术重点实验室,西安710065
文献出处：
引用格式：
[1]王昭;田小涛;黄萌;张博-.基于PSO-BP神经网络的固冲发动机推力估计器设计)[J].航空动力学报,2022(07):1487-1494
A类：
推力估计器,BBExp,ABPSO,BBPSO,SNPSO
B类：
固体火箭冲压发动机,粒子群优化算法,back,propagation,估计方法,SPSO,权值,网络训练,精调,燃气流,马赫数,飞行高度,非线性关系,组训,训练集,测试集,exploiting,modified,adaptive,simplified,pruning,strategy,误差控制
AB值：
0.202816
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。
