基于卷积神经网络的固体火箭发动机内弹道参数辨识

作者：孙瑞阳; 姜毅^*; 牛钰森; 张曼曼; 强新伟

来源：固体火箭技术, 2022, 45(03): 351-360.

• 卷积神经网络
• AlexNet
• 固体火箭发动机
• 内弹道
• 参数辨识

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。

• 单位
  北京理工大学