神经网络对固体推进剂力学性能的预测 |
| |
引用本文: | 张高章,刘晶晶.神经网络对固体推进剂力学性能的预测[J].化学推进剂与高分子材料,2020,18(4):41-45. |
| |
作者姓名: | 张高章 刘晶晶 |
| |
作者单位: | 江西航天经纬化工有限公司,江西吉安343711;江西航天经纬化工有限公司,江西吉安343711 |
| |
摘 要: | 针对误差反向传播算法(BP)神经网络在寻优过程中容易陷入局部最优的缺陷,将遗传算法(GA)与BP神经网络相结合,构建了一种基于遗传算法反向传播(GABP)神经网络模型。建模所用网络训练数据是推进剂配方中的工艺助剂及键合剂含量、固化参数、不同粒度的高氯酸铵含量、不同粒度的铝粉含量、端羟基聚丁二烯(HTPB)的羟值等对应的不同温度下测试的抗拉强度和断裂伸长率共12组数据,对它们进行预测和实测。结果表明,预测值与实验值整体具有较好的吻合性,抗拉强度及断裂伸长率的最小误差分别为0.71%、4.67%,即所建模型具有指导配方性能预示的意义。
|
关 键 词: | 神经网络 推进剂 力学性能 优化 预测 |
本文献已被 CNKI 万方数据 等数据库收录! |
|