科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现螺旋桨水动力性能的快速、精确预报，基于改进的残差连接神经网络建立了一套螺旋桨水动力性能预报模型。残差连接方式大幅提高了模型深度，结合Inception结构从不同尺度同时提取数据特征，深度可分离式卷积减少模型参数，基于螺旋桨几何参数和模型试验结果构建训练深度神经网络所需的样本空间；提出一种改进的群体天牛须算法对模型的初始权重与阈值进行优化，进一步提高其预报精度。研究结果表明：改进的群体天牛须算法显著提高了预报模型的精度并解决过拟合问题，预报结果与试验值吻合良好，对数据集外的螺旋桨的预测性能与CFD法基本一致，模型具有极佳的普适性且计算周期极短、效率高，满足实时、准确预报螺旋桨敞水性能的要求。
- 单位
