基于BP神经网络的固体火箭发动机虚拟样机模型修正算法

摘要

近年来,关于数字孪生的研究方兴未艾,将数字孪生与固体火箭发动的测试相结合,体现出了巨大的研究价值与研究空间.数字孪生的价值,主要体现在与实物的伴生关系上,这种伴生关系的的紧密程度主要由虚拟样机模型的精确度决定,模型精确度越高,伴生关系越紧密,数字孪生的实际应用价值也就越高.因此,如何修正虚拟样机模型,使得模型与实物更加契合就显得尤为重要.BP神经网络(BP Neural Network)具有良好的非线性表达能力、容错性以及自学习自适应能力,本文使用BP神经网络进行固体火箭发动机的虚拟样机模型修正,最终网络误差为4.2％,修正后的模型产生的数据与实际数据具有较高的相似性.