基于卷积神经网络的固体火箭发动机内弹道参数辨识

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.

关键词：卷积神经网络、AlexNet、固体火箭发动机、内弹道、参数辨识

所属期刊栏目：45

分类号：V435(推进系统（发动机、推进器）)

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：351-360