基于過程神經網絡的熱平衡溫度預測研究

為縮短航天器熱平衡試驗周期,以降低航天器研制成本,提出了一種基于過程神經網絡的熱平衡溫度預測模型.為簡化該模型的學習過程,提出了一種基于正交基函數展開的基本學習算法,利用基函數的正交性不僅可以簡化模型中的時間累積運算過程,而且能提高模型對解決實際問題的適應性.同時,為增強模型的外推預測能力,在基本學習算法的基礎上給出了一種基于新增樣本的學習算法,使模型既能對新增樣本進行快速學習又不損失對原有樣本的記憶.實際應用表明,該預測模型能夠利用某型號衛星熱平衡試驗中某監測點進入穩定工況后40小時內的試驗數據提前42.5-68小時獲得該監測點的極限熱平衡溫度.

作 者： 丁剛 鐘詩勝 DING Gang ZHONG Shi-sheng   作者單位： 哈爾濱工業大學,機電工程學院,哈爾濱,150001  刊 名： 宇航學報  ISTIC PKU 英文刊名： JOURNAL OF ASTRONAUTICS  年，卷(期)： 2006 27(3)  分類號： V416.4 TP183  關鍵詞： 過程神經網絡   熱平衡試驗   平衡溫度   航天器   學習算法  

【基于過程神經網絡的熱平衡溫度預測研究】相關文章：

基于BP神經網絡的地震預測04-30

基于BP神經網絡的光纖陀螺儀溫度建模研究04-28

基于改進混沌神經網絡的飛機舵面故障預測研究04-28

基于小波濾波的神經網絡變形預測04-28

基于改進型BP神經網絡模型的飛行事故預測研究04-28

人工神經網絡水質預測模型研究04-29

基于RBF神經網絡的短時交通流量預測04-27

基于小波神經網絡的煤層底板突水非線性預測方法研究04-25

基于自適應神經網絡的邊坡位移預測04-30

基于MATLAB7的神經網絡在灌溉用水量預測中的應用研究04-27