机器学习在航天结构载荷逆向识别中的应用研究
在当今航天器的结构设计,以及服役时为实现高可靠性与可监测性,逆向识别载荷被迫切需求.针对现有载荷识别方法难以适用于航天器中复杂结构和相互耦合的多种类载荷的现状,提出一种基于机器学习的载荷识别方法.通过高保真建模仿真技术提供机器学习所需的庞大训练数据,基于高信息熵对传感器测点布局优化,使系统简洁高效,并考虑多种机器学习模型,针对不同类型的结构载荷,筛选出最优的模型进行载荷识别.通过典型航天器舱段结构上耦合作用的截面载荷识别案例进行验证,识别相对误差均不超过 3%,明显优于传统标定载荷-响应传递系数矩阵的方法.结果表明采用机器学习方法可以较好地识别结构上相互耦合的多种载荷,识别精确度满足工程应用需求.
航天结构、载荷识别、机器学习、高保真建模仿真、高信息熵
44
V421(火箭、航天器构造(总体))
2023-06-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
96-103