科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对于星-箭连接动态界面力无法通过力传感器直接测量，且典型时域动载反演方法难以准确计算界面力的时域变化等难点，提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据，以卫星主体结构的加速度测量数据为输入层，以星-箭界面力测量数据为输出层，利用LSTM神经网络建立输入和输出间的反演映射关系模型，实现卫星在发射过程中较高精度的界面力反演。进而，设计并开展了某典型卫星结构的正弦扫频和随机振动实验，测试LSTM界面力反演方法的可行性。结果分析可知，所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据，两项性能指标均优于目前典型的载荷反演方法。
- 单位
