- 相关推荐
基于过程神经网络的热平衡温度预测研究
为缩短航天器热平衡试验周期,以降低航天器研制成本,提出了一种基于过程神经网络的热平衡温度预测模型.为简化该模型的学习过程,提出了一种基于正交基函数展开的基本学习算法,利用基函数的正交性不仅可以简化模型中的时间累积运算过程,而且能提高模型对解决实际问题的适应性.同时,为增强模型的外推预测能力,在基本学习算法的基础上给出了一种基于新增样本的学习算法,使模型既能对新增样本进行快速学习又不损失对原有样本的记忆.实际应用表明,该预测模型能够利用某型号卫星热平衡试验中某监测点进入稳定工况后40小时内的试验数据提前42.5-68小时获得该监测点的极限热平衡温度.
作 者: 丁刚 钟诗胜 DING Gang ZHONG Shi-sheng 作者单位: 哈尔滨工业大学,机电工程学院,哈尔滨,150001 刊 名: 宇航学报 ISTIC PKU 英文刊名: JOURNAL OF ASTRONAUTICS 年,卷(期): 2006 27(3) 分类号: V416.4 TP183 关键词: 过程神经网络 热平衡试验 平衡温度 航天器 学习算法【基于过程神经网络的热平衡温度预测研究】相关文章:
基于BP神经网络的地震预测04-30
基于BP神经网络的光纤陀螺仪温度建模研究04-28
基于小波滤波的神经网络变形预测04-28
人工神经网络水质预测模型研究04-29
基于RBF神经网络的短时交通流量预测04-27
基于自适应神经网络的边坡位移预测04-30