摘要
本发明提供了一种基于AI模型的固体推进剂燃烧性能预测方法,该方法按照以下步骤执行:步骤一,多模态参数耦合设计:对固体推进剂开展多模态参数耦合设计,确立要预测的推进剂的燃烧性能参数和影响燃烧性能参数的配方组分参数,建立以配方组分参数为输入参数,以燃烧性能参数为输出参数的多模态参数耦合预测体系;步骤二,获取样本数据;步骤三,建立差异化的归一化标准;步骤四,构建燃烧性能预测模型:建立预测推进剂燃烧性能的AI模型,并开展模型训练,获得满足精度要求的燃烧性能预测模型;AI模型为加入高压补偿子网络的神经网络模型;步骤五,预测。
技术关键词
性能预测方法
推进剂
性能预测模型
表面氧化层厚度
参数
金属燃料
神经网络模型
氧化剂
固体
网络架构
归一化方法
多模态
高压
激光衍射法
样本
动态
节点数
训练集数据
系统为您推荐了相关专利信息
图像特征参数
生物膜组件
气体输送单元
供氧方法
曝气生物膜
配电网负荷预测
ARIMA模型
深度学习模型
强化学习算法
历史负荷数据
时域特征
样本
脉搏波
训练机器学习模型
支持向量回归模型
阻尼控制装置
水平粘滞阻尼器
导轨支撑
大跨度桥梁
连杆