文章摘要:为判断长期贮存固体火箭发动机的内弹道参数是否发生变化，本文基于经典AlexNet卷积神经网络对其进行辨识。首先，利用固体火箭发动机内弹道程序，绘制燃烧室压强-时间曲线图像，将若干张图像作为卷积神经网络训练样本集；然后，通过卷积神经网络对样本集训练，获得卷积神经网络模型；最后，将待辨识图像带入模型中，得到内弹道燃速系数和压强指数，从而计算出对应压强下的辨识燃速。实验结果表明，训练结果的准确率随训练集占比的增大而提高；测试集图像数量减少可能导致准确率提高，但有可能使训练得到的神经网络普适性降低；通过辨识结果与实验结果的对比可知，当样本集图片数量一定时，燃速误差可控制在1%以内，在减小计算量的同时保证较高准确率。因此，利用此模型可快速、准确判断内弹道参数是否发生变化。

文章关键词:

论文分类号:TP183;V435

文章来源：《固体火箭技术》 网址: http://www.gthjjsgw.cn/qikandaodu/2022/0310/594.html

上一篇：航空航天科学与工程论文_气动热载荷作用下固体
下一篇：航空航天科学与工程论文_翻转条件下固体火箭发