RBF神经网络在再入体气动参数辨识中的应用研究  

Application of a RBF Neural Network in Aerodynamic Parameter Identification of a Reentry Body

作　　者：王学孝[1] 

机构地区：[1]哈尔滨工业大学航天工程与力学系,哈尔滨150001

出　　处：《导弹与航天运载技术》2002年第6期5-8,共4页Missiles and Space Vehicles

基　　金：国防科技预研基金资助项目

摘　　要：基于神经网络逼近理论 ,利用自动增加隐节点的 RBF神经网络对某再入体的气动参数进行辨识 ,提出了一种新的神经网络参数辨识结构 ,网络训练时 ,对初始权值就进行优化处理。仿真结果证明 ,严重的非线性状态方程中的气动参数用 RBF网络进行辨识 ,取到了满意的结果 ,可以得到全局光滑的气动模型。在检验气动参数辨识结果时 。Based on the neural network′s approximation theory, a RBF neural network,which increases hidden nodes automatically, is used to identify aerodynamic reentry body. A novel structure of neural network for parameter identification is proposed. A new method is employed to optimize the initial weights of the RBF network. Simulation results verify that it is satisfying to identify aerodynamic parameters of the severely nonlinear state equations by using REF neural networks. Aerodynamic parameter models obtained are globally smooth. It is not necessary to reconstruct trajectory when testing the identification results.

关 键 词：RBF神经网络 再入体 气动参数识别 学习算法 

分 类 号：V412.44[航空宇航科学与技术—航空宇航推进理论与工程]