基于深度置信网络的机载外挂振动预计方法

针对机载外挂挂飞振动环境与飞行高度、马赫数的非线性关系,提出了一种基于深度置信网络(DBN)的振动预计方法。从仿真的角度根据GJB 150.16A中的经验公式产生7 470组数据,分别建立线性回归、多项式回归和DBN振动预计模型,并优化网络隐含层节点数,对比分析了三种方法的方均根误差、平均绝对误差和平均相对误差。利用工程案例验证了DBN预计方法的可行性和准确性。结果表明:DBN模型能够充分表征外挂在挂飞过程中振动与影响因素的非线性关系,整体预计效果优于线性回归和多项式回归,且预计平均相对误差在2.24 dB左右,误差减小50%以上。该方法能够为机载外挂振动环境的预计提供一种新的思路,支撑航空武器装备的环境适应性分析、设计与验证。