基于神经网络的再入飞行器可达域生成方法

针对再入飞行器可达域计算实时性需求,提出了一种换极坐标系下的神经网络模型求解方案。参数化设计飞行倾侧角和攻角剖面,在换极坐标系下构建弹道落点快速预示神经网络模型,提高神经网络模型任务适应能力,采用贝叶斯正则化方法训练模型获得网络权重。基于弹道落点快速预示模型快速获得落点集,采用直线边界和椭圆边界近似方法拟合获得再入飞行器可达域。仿真结果验证表明本文提出的方法实时性和适应性强,能够满足在线任务规划的需求。

基于贝叶斯正则化神经网络的裂纹扩展预测

针对运载器结构合金材料的断裂行为仿真的快速性需求,提出了一种基于贝叶斯正则化的神经网络模型的裂纹生长行为快速预测方法。构建裂纹生长预测神经网络模型,提高神经网络模型任务适应能力,采用贝叶斯正则化方法训练模型获得网络权重,并对比多种神经网络训练方法的预测准确率。基于扩展有限元法及经典理论,对有限元仿真中的材料参数进行推算,并对中心预置裂纹的7050铝合金板件的静载拉断进行有限元仿真批量计算,观察不同加载水平下,不同长度及角度的预置裂纹损伤扩展特性。仿真结果表明,方法计算速度快且具有良好的预测准确率,能够满足在飞行器结构中对裂纹扩展特性进行快速评估。