[发明专利]一种基于BP人工神经网络的推进剂力学性能预测方法

摘要

本发明公开了一种基于BP人工神经网络的推进剂力学性能预测方法，具体步骤如下：步骤一，将采集的推进剂相关数据，数据经归一化预处理后得到训练样本集；步骤二，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；步骤三，使用训练样本集对BP神经网络进行迭代训练并建立预测模型；步骤四，将变量输入至最佳的预测网络模型进行预测，即可得到推进剂在不同键合剂、不同固化参数、不同测试温度条件下的力学性能。本发明的方法根据已有的数据条件，建立合适的BP神经网络模型，可对复合固体推进剂任意配方不同键合剂含量、固化参数和测试条件下的力学性能进行预测，达到提高效率降低生产成本的目的。

主权项

1.一种基于BP人工神经网络的推进剂力学性能预测方法，其特征在于，具体步骤如下：步骤一，将采集的推进剂相关数据，数据经归一化预处理后得到训练样本集；步骤二，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；步骤三，使用训练样本集对BP神经网络进行迭代训练，得到最佳的预测网络模型；步骤四，将变量输入至最佳的预测网络模型进行预测，变量包括键合剂、固化参数和温度，键合剂包括键合剂的种类和键合剂组合后的用量，即可得到料在不同键合剂、不同固化参数、不同测试温度条件下的力学性能。