神經網絡對固體推進劑力學性能的預測

作者：張高章,劉晶晶

摘要：針對誤差反向傳播算法(BP)神經網絡在尋優過程中容易陷入局部最優的缺陷,將遺傳算法(GA)與BP神經網絡相結合,構建了一種基于遺傳算法反向傳播(GABP)神經網絡模型。建模所用網絡訓練數據是推進劑配方中的工藝助劑及鍵合劑含量、固化參數、不同粒度的高氯酸銨含量、不同粒度的鋁粉含量、端羥基聚丁二烯(HTPB)的羥值等對應的不同溫度下測試的抗拉強度和斷裂伸長率共12組數據,對它們進行預測和實測。結果表明,預測值與實驗值整體具有較好的吻合性,抗拉強度及斷裂伸長率的最小誤差分別為0.71%、4.67%,即所建模型具有指導配方性能預示的意義。

發文機構：江西航天經緯化工有限公司

關鍵詞：神經網絡推進劑力學性能優化預測neural networkpropellantmechanical performanceoptimizationprediction

分類號： V512[航空宇航科學與技術—航空宇航推進理論與工程]