基于數(shù)據(jù)驅(qū)動的潛射導彈出筒速度模型辨識
發(fā)布時間:2023-07-25 01:20
針對潛射導彈出筒速度影響因素辨識問題,利用統(tǒng)計學相關(guān)分析方法,分別對發(fā)射深度、海流速度和有效波高等因素進行相關(guān)性分析,得出發(fā)射深度是影響出筒速度最顯著因素的結(jié)論。使用RBF神經(jīng)網(wǎng)絡、遺傳神經(jīng)網(wǎng)絡和支持向量回歸機等模型對導彈發(fā)射試驗數(shù)據(jù)進行訓練,分別得到預測潛射導彈出筒速度的3種模型,并將3種模型的訓練時間和預測精度進行比較。研究結(jié)果表明:基于支持向量回歸機的建模方法所需訓練時間最短,基于遺傳神經(jīng)網(wǎng)絡的建模方法預測精度最高。該研究對探索潛射導彈的大深度發(fā)射具有指導意義。
【文章頁數(shù)】:7 頁
【文章目錄】:
0 引言
1 出筒速度影響因素相關(guān)分析
2 基于數(shù)據(jù)驅(qū)動的模型辨識方法
2.1 RBF神經(jīng)網(wǎng)絡
2.2 遺傳神經(jīng)網(wǎng)絡
2.3 支持向量回歸機
3 仿真分析
3.1 cubic spline插值
3.2 仿真過程
3.2.1 RBF網(wǎng)絡訓練
3.2.2 遺傳神經(jīng)網(wǎng)絡訓練
3.2.3 支持向量回歸機訓練
3.3 仿真結(jié)果
4 結(jié)束語
本文編號:3836887
【文章頁數(shù)】:7 頁
【文章目錄】:
0 引言
1 出筒速度影響因素相關(guān)分析
2 基于數(shù)據(jù)驅(qū)動的模型辨識方法
2.1 RBF神經(jīng)網(wǎng)絡
2.2 遺傳神經(jīng)網(wǎng)絡
2.3 支持向量回歸機
3 仿真分析
3.1 cubic spline插值
3.2 仿真過程
3.2.1 RBF網(wǎng)絡訓練
3.2.2 遺傳神經(jīng)網(wǎng)絡訓練
3.2.3 支持向量回歸機訓練
3.3 仿真結(jié)果
4 結(jié)束語
本文編號:3836887
本文鏈接:http://www.sikaile.net/kejilunwen/jingguansheji/3836887.html