计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
10期
227-229
,共3页
固体发动机比冲%RBF神经网络%BP神经网络%Matlab软件%预报误差控制%选模判据
固體髮動機比遲%RBF神經網絡%BP神經網絡%Matlab軟件%預報誤差控製%選模判據
고체발동궤비충%RBF신경망락%BP신경망락%Matlab연건%예보오차공제%선모판거
运用BP和RBF神经网络方法和Matlab6.5工具软件建立了小样本数据条件下的固体火箭发动机比冲的神经网络预测模型,并将两种神经网络预报的效果进行了比较.两种网络较好的预报效果,表明建立的预测模型是合理的.在此基础上,提出了与之相应的预报误差控制方法及其新型号发动机比冲预测的选模判据.数值实验结果表明,所提供的网络模型可在小样本数据条件下实现发动机比冲性能的高精度预测.
運用BP和RBF神經網絡方法和Matlab6.5工具軟件建立瞭小樣本數據條件下的固體火箭髮動機比遲的神經網絡預測模型,併將兩種神經網絡預報的效果進行瞭比較.兩種網絡較好的預報效果,錶明建立的預測模型是閤理的.在此基礎上,提齣瞭與之相應的預報誤差控製方法及其新型號髮動機比遲預測的選模判據.數值實驗結果錶明,所提供的網絡模型可在小樣本數據條件下實現髮動機比遲性能的高精度預測.
운용BP화RBF신경망락방법화Matlab6.5공구연건건립료소양본수거조건하적고체화전발동궤비충적신경망락예측모형,병장량충신경망락예보적효과진행료비교.량충망락교호적예보효과,표명건립적예측모형시합리적.재차기출상,제출료여지상응적예보오차공제방법급기신형호발동궤비충예측적선모판거.수치실험결과표명,소제공적망락모형가재소양본수거조건하실현발동궤비충성능적고정도예측.
