基于BA-KELM法的多级同步感应线圈发射器结构优化研究

用随机优化算法对多级同步感应线圈炮的结构参数进行优化,场模型和场电路耦合模型均耗时较长。将主流机器学习方法作为新的工具建立多级同步感应线圈炮的非参数模型。基于混合测试设计样本空间,用最小二乘支持向量机(LSSVM)、核极限学习机(KELM)和BP神经网络对有限元法获得样本集进行学习;用布谷鸟搜索(CS)算法和蝙蝠算法(BA)实现超参数(C,σ~2)优化,结合仿生鸡群优化(BCSO)确定BP神经网络的权值及阈值;最后,以三级同步感应线圈炮的结构优化为例验证所述方法的实用价值。结果表明:将BA-KELM方法用于多级同步感应线圈炮的非参数建模准确可行,与需大规模迭代计算的参数优化方法相比,具有较高的计算效率,结论可为多级同步感应线圈炮的结构设计与工程应用提供新思路。