基于PSO-BP神经网络的固冲发动机推力估计器设计

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.

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

所属期刊栏目：37

分类号：V435.5(推进系统（发动机、推进器）)

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1487-1494