基于BP神经网络的固体火箭发动机虚拟样机模型修正算法

基于BP神经网络的固体火箭发动机虚拟样机模型修正算法.pdf
近年来,关于数字孪生的研究方兴未艾,将数字孪生与固体火箭发动的测试相结合,体现出了巨大的研究价值与研究空间.数字孪生的价值,主要体现在与实物的伴生关系上,这种伴生关系的的紧密程度主要由虚拟样机模型的精确度决定,模型精确度越高,伴生关系越紧密,数字孪生的实际应用价值也就越高.因此,如何修正虚拟样机模型,使得模型与实物更加契合就显得尤为重要.BP神经网络(BPNeuralNetwork)具有良好的非线性表达能力、容错性以及自学习自适应能力,本文使用BP神经网络进行固体火箭发动机的虚拟样机模型修正,最终网络误差为4.2％,修正后的模型产生的数据与实际数据具有较高的相似性.
作者：张敏华韩鹏飞陆明张成飞
作者单位：中国航天科工集团第六研究院601所,呼和浩特010076
母体文献：中国航天科工集团第七届环境与可靠性技术交流会论文集
会议名称：中国航天科工集团第七届环境与可靠性技术交流会  
会议时间：2019年9月20日
会议地点：贵阳
主办单位：中国航天科工集团
语种：chi
分类号：
关键词：固体火箭发动机  虚拟样机  模型修正  BP神经网络
在线出版日期：2020年7月9日
基金项目：
相似文献
相关博文

2024-12-3 00:06 上传 基于BP神经网络的固体火箭发动机虚拟样机模型修正算法.pdf

文件大小:

985.56 KB

下载次数:

60

高速下载