基于RBF神经网络的补燃火箭发动机频率预测

摘要

为避免建立或修改计算量巨大的发动机有限元模型,研究探讨径向基函数(radial basis function,RBF)神经网络在液体火箭发动机频率预测中的应用。以某型高压补燃液氧/煤油火箭发动机为研究对象,在考虑喷管内外壁材料差异的基础上,利用刚度和质量等效原则,建立了喷管有限元模型。然后采用分布参数法建立了补燃循环火箭发动机的有限元模型,同时利用模态试验数据修正有限元模型。根据结构灵敏度分析理论,选择不同的结构参数组合作为训练样本训练神经网络,并利用训练好的神经网络预测发动机结构频率。研究结果表明,RBF神经网络能较好地预测液体火箭发动机结构频率,预测误差在1.0%以内。同时该方法具有收敛速度快的优点,可广泛应用于火箭发动机数值仿真领域。