基于改进PSO-RBF的炸药药柱密度预测研究

针对炸药药柱密度检测效率低的问题,提出一种密度预测方法。通过非线性动态调整粒子群优化算法(particle swarm optimization,PSO)的惯性权重,以优化径向基(radial basis function,RBF)网络参数,构建IPSO-RBF网络模型,利用压制工艺参数实现药柱密度预测。实验表明,改进的PSO算法能快速寻出RBF网络参数,同时具有PSO算法和RBF模型的优点,具有较好的收敛速度和预测精度。与传统的RBF网络或未改进惯性权重的PSO-RBF相比,IPSO-RBF的RMSE分别下降了38.6%、42.4%,模型的预测识别精度有较大提高,实现了炸药药柱密度的有效预测。