基于自适应粒子群优化极限学习的弹丸气动系数辨识方法

    公开(公告)号:CN113627075A

    公开(公告)日:2021-11-09

    申请号:CN202110812629.6

    申请日:2021-07-19

    Abstract: 本发明公开一种基于自适应粒子群优化极限学习的弹丸气动系数辨识方法。包括如下步骤:(1):建立弹丸二自由度动力学模型;(2):构建原始极限学习机网络模型;(3):利用自适应粒子群算法优化原始极限学习机网络模型,得到原始极限学习机网络模型的输入权重以及隐含层神经元阈值;(4):进行参数辨识;确定隐含层和输出层的连接权值矩阵在确定连接权值矩阵的基础上,求解模型的输出矩阵,实现参数辨识。本发明创新性提出一种自适应粒子群优化算法为极限学习提供输入权重以及隐含层神经元阈值,再利用极限学习辨识弹丸气动系数,为获取弹丸气动参数提供了新的途径。

    基于极限学习的弹丸气动系数辨识方法

    公开(公告)号:CN113569463A

    公开(公告)日:2021-10-29

    申请号:CN202110674635.X

    申请日:2021-06-17

    Abstract: 本发明公开一种基于极限学习的弹丸气动系数辨识方法。包括如下步骤:(1):建立弹丸二自由度动力学模型;(2):构建极限学习机网络模型;(3):根据构建好的极限学习机网络模型,进行参数辨识;确定隐含层和输出层的连接权值矩阵在确定连接权值矩阵的基础上,求解模型的输出矩阵,实现参数辨识。本发明模型建立简单,需要调节的参数少,训练速度快,不易陷入局部最优;只需要确定输入特征向量个数、隐含层神经元节点数、激活函数以及输出特征向量个数,即可建立网络模型;输入层与隐含层连接权值以及隐含层阈值均随机产生,不需要迭代微调,就可以基于最小二乘原理求解输出权值,实现弹丸气动参数辨识。

    基于BP-PID神经网络的弹载电动舵机舵偏角位置跟踪方法

    公开(公告)号:CN113504721A

    公开(公告)日:2021-10-15

    申请号:CN202110873465.8

    申请日:2021-07-30

    Abstract: 本发明属于弹载电动舵机控制领域,具体涉及一种基于BP‑PID神经网络的弹载电动舵机舵偏角位置跟踪方法。本发明在弹载电动舵机三闭环控制系统的位置环中引入了BP神经网络算法,设计一种3层神经网络结构,以电动舵机舵偏角的参考设定值yref(k)、实际舵偏值y(k)、以上二者差值e(k)以及常值1作为BP‑PID神经网络算法的输入,以PID控制器的调节系数KP,KI,KD作为算法的输出,在线优化实时调节PID系数。本发明利用神经网络较强的自学习能力在线优化PID算法的调节参数KP,KI,KD。对比分析弹载电动舵机系统采用BP‑PID神经网络算法与传统PID算法的跟踪效果,最终验证了BP‑PID神经网络算法的优越性。

    一种全自动弹丸攻角测试激光靶及其测试方法

    公开(公告)号:CN109059661B

    公开(公告)日:2021-05-04

    申请号:CN201810894640.X

    申请日:2018-08-08

    Abstract: 本发明公开了一种全自动弹丸攻角测试激光靶及其测试方法,包括中央处理单元、液晶显示器、电源、靶框、支架和N个激光传感器,N个激光传感器沿竖直方向等间隔固定在靶框任意一条侧边内壁上;所述中央处理单元、液晶显示器和电源均固定在靶框设有激光传感器的侧边上,所述液晶显示器和N个激光传感器通过电气接口分别与中央处理单元连接,中央处理单元和液晶显示器分别与电源连接,靶框固定在支架上。本发明可全自动测量弹丸的攻角,并实时显示弹丸的方向攻角、高低攻角和弹丸通过时的北京时间,且测量工作量小、误差小、精度高。

Patent Agency Ranking