基于Elman网络的导引头舱停放温度环境条件预计

发布时间：2022-02-22 18:05

　　目的克服现场温度测试难以短时间内获得高温极值的缺陷,准确制定导弹导引头舱机场停放高温环境条件,提出一种导引头舱内高温预计的方法。方法在导引头舱内温度测试数据基础上,建立基于Elman网络的导引头舱温度预计模型,并与BP网络预计模型、线性网络预计模型进行对比,通过均方误差（MSE）、拟合相对误差（MRE）和最大绝对误差（MAE）等指标评估3种模型的预计能力。结果基于Elman网络的温度预计模型精度比BP网络高出约1℃,比线性网络高出约1.5℃。结论 Elman网络温度预计模型具备准确预计导引头舱内温度的能力,该方法可用于导弹停放温度预计工作,为确定导弹贮存温度环境适应性要求提供参考。 

【文章来源】：装备环境工程. 2020,17(07)

【文章页数】：6 页

【部分图文】：

BP网络、Elman网络、线性网络测试数据温度预计结果

为确定导引头舱高温贮存环境条件，给出停放高温极值，采用Elman网络预计模型预计导弹在机场停放时的最高温度。温度预计模型输入采用GJB 150A中给出的的高温日循环条件，具体量值如图5a—c所示。其中大气温度6—16时逐渐上升至49℃，16—20时逐渐下降。太阳辐射强度6—12时逐渐上升至1200 W/m2附近，12—20时逐渐下降。相对湿度7—13时逐渐下降至3%附近，13—19时保持平稳，19—21时逐渐上升。午后太阳辐射、相对湿度与大气温度相继达到极值，其对应的最高气温、最强太阳辐射与最低相对湿度代表了世界范围内最严酷高温自然环境下的气象数据。模型预计结果如图5d所示，午后导引头舱内温度出现高温极值。高温日循环条件及预计舱内温度极值及其对应时刻见表2，导引头舱内温度高温极值为66.61℃，对应时刻15:51。舱内温度达到高温极值对应时刻早于大气温度，晚于太阳辐射及相对湿度极值时刻。4 结语

Elman神经网络，以下简称Elman网络，其网络拓扑结构如图1所示。模型分为4层：输入层、隐含层、连接层和输出层。隐含层输出通过连接层延迟存储，自连到输入层，构成反馈结构，从而建立动态预计模型，目前已证实该网络擅长解决时序数据预计问题[12]。1.2 温度预计模型

【参考文献】：
期刊论文
[1]基于Elman神经网络模型的短期光伏发电功率预测[J]. 刘佳林,李刚,王腾飞.  科技与创新. 2019(02)
[2]基于热网络模型的导弹贮存温度预计方法[J]. 罗成,万军,丁晨,孙永生.  装备环境工程. 2017(06)
[3]现代导弹导引头发展综述[J]. 汤永涛,林鸿生,陈春.  制导与引信. 2014(01)
[4]基于BP神经网络的温度预测方法[J]. 李会兵.  电子测试. 2013(19)
[5]某型空空导弹贮存寿命研究[J]. 朱觅,王卫国,吴昌.  国防技术基础. 2007(05)

博士论文
[1]装备贮存寿命整机加速试验技术研究[D]. 谭源源.国防科学技术大学 2010



本文编号：3639963