基于遗传神经网络高能固体推进剂高压燃烧性能计算.pptVIP

下载本文档

4
0
约小于1千字
约 9页
2017-08-30 发布于安徽
举报
版权申诉

基于遗传神经网络高能固体推进剂高压燃烧性能计算.ppt

1、本文档共9页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

参考文献：张小平,代志龙. 基于遗传神经网络的高能固体推进剂高压燃烧性能计算[J]. 固体火箭技术,2007,30(3). 基于遗传神经网络的高能固体推进剂高压燃烧性能计算结论参数样本 GA-BP 前言目前主要利用各种不同的燃烧模型进行模拟计算，但均存在预示精度不高、普适性差的局限性。尤其是NEPE类高能固体推进剂的高压燃烧性能,由于多年来研究相对较少,燃烧模型尚不完善,用其预示的高压燃速误差更大,不能满足该类推进剂高压燃烧性能研究及工程应用前言 GA-BP 遗传算法（Genetic Algorithm）是模拟生物的遗传和长期进化过程发展起来的一种搜索和优化法,用逐次迭代法搜索寻优。神经网络（Back Propagation）是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 GA-BP 遗传神经网络（GA-BP）为了防止BP算法聒噪收敛，学习过程中首先由GA同时搜索解空间的一群点，并构成一个不断进化的群体序列，在几代的进化后，可以同时得到一些具有全局性的较好点，从这些较好点出发，再分别用BP算法进行学习，找到全局最优的权值，从而完成网络的学习。表征参数 (1)影响燃烧的元素(C、H、O、N、Cl、Al)含量(mol); (2)反应物的总标准生成焓ΔHm(kJ/mol); (3)固体组分的分形维数DAP、DAl、DRDX; (4)固体组分的粒度dAP、dAl、dRDX(μm)。样本网络训练样本 20个同一粘合剂体系的NEPE类高能推进剂配方试验结果验证样本 12个不同粘合剂体系的NEPE类高能推进剂配方试验数据结果该配方表征参数能反映高能固体推进剂燃烧性能主要影响因素的本质特征。利用该系统预示的NEPE类推进剂燃烧性能变化规律与文献资料报道的规律基本一致,并且随网络训练数据增加,网络的预示精度还会有所提高。 Thanks For Your Attention * * * * * * * * * 参考文献：张小平,代志龙. 基于遗传神经网络的高能固体推进剂高压燃烧性能计算[J]. 固体火箭技术,2007,30(3). * * * * * * * * *