摘要
本发明提供一种基于时空特征融合的固体发动机推力预测方法,涉及固体发动机推力预测领域,包括:S1:采集多组固体发动机的结构参数与工况数据,对多组固体发动机进行联合推力仿真,获得训练数据集合;S2:通过一维卷积神经网络、长短时记忆网络、注意力机制模块和全连接神经网络进行融合建模,获得初始推力预测模型;S3:通过训练数据集合对初始推力预测模型进行训练,获得最终推力预测模型;S4:将待测固体发动机的结构参数和工况数据经过联合推力仿真后输入最终推力预测模型,获得待测固体发动机的推力预测值。本发明的最终推力预测模型可以处理曲线形式和离散形式的混合数据,得到精确的推力预测值。
技术关键词
固体发动机
推力
一维卷积神经网络
时间变化曲线
注意力机制
数据
非暂态计算机可读存储介质
参数
工况
仿真模型
空腔
模块
变量
处理器
时序
积层
误差
预测装置
系统为您推荐了相关专利信息
超声影像数据
肝脏
像素
前馈神经网络
非局部均值去噪
无人机集群
多智能体强化学习
注意力机制
冗余传感器数据
联邦学习模型
数据预测方法
智慧物联网
交互网络
交互特征
矩阵
图像增强方法
多通道照明
通道注意力机制
模块
感知特征
集成学习模型
变压器
支持向量机回归模型
注意力机制
电力系统运检