基于深度學習的固體火箭發(fā)動機性能預測方法

摘要： 固體火箭發(fā)動機點火過程壓強變化劇烈且難以實時測量，傳統(tǒng)地面實驗成本高昂，數(shù)值仿真常需簡化假設，制約了精確預測。為此，提出一種基于卷積長短期記憶網絡（ConvLSTM）與滑動窗口技術的深度學習預測方法。通過融合一維卷積的局部特征提取能力和LSTM的時間序列建模優(yōu)勢，構建端到端壓強預示框架，利用歷史實驗數(shù)據學習不同工況下的動態(tài)規(guī)律，實現(xiàn)新工況下未來壓強曲線的精準預測。實驗表明，Co... （共8頁）