基于遗传算法优化极限学习机的炸弹气动参数辨识
炸弹气动参数辨识技术是飞行器气动参数辨识中的关键分支,要提高无控炸弹的命中精度,减少弹药消耗,需要对炸弹的气动参数辨识方法进行研究.针对利用一般极限学习算法进行气动参数辨识时预测精度低、预测结果易发散的问题,应用遗传(GA)算法优化极限学习机(GA-ELM)算法、极限学习(ELM)算法,GA算法优化产生ELM的输入权重和隐含层神经元阈值,可以使得输入权重和阈值包括更多的样本信息,以提高其辨识精度.仿真结果表明:利用遗传算法优化极限学习机可以有效提高辨识精度,辨识结果有较好的收敛,但是由于遗传算法的寻优时间长,整体辨识时间加长.
遗传算法、炸弹、气动参数辨识、极限学习机
43
TJ414(弹药、引信、火工品)
国家自然科学基金61973253
2022-11-07（万方平台首次上网日期，不代表论文的发表时间）
共7页
250-256
