基于深度元学习的固体发动机性能预测方法研究

打开文本图片集

摘  要：      针对飞行器动力系统中固体发动机性能实验的诸多限制， 如高成本、 专业设备需求、 特定实验环境、 高风险性等问题， 本文提出了一种基于深度元学习的人工智能方法， 用于发动机性能预测。 该方法采用模型不可知元学习（Model-Agnostic Meta-Learning， MAML）和深度卷积神经网络（Deep Convolutional Neural Networks， DCNN）模型， 首先根据不同实验条件划分推力-时间数据为不同训练任务， 通过内循环训练得到各任务最佳模型参数， 在外循环中更新模型初始化参数， 内外循环迭代优化后， 获得了能够高精度预测固体发动机总冲的模型， 最后用新任务进行测试。（剩余10447字）