文章详情
| 稿件标题： | 基于遗传算法优化极限学习机的炸弹气动参数辨识 |
| 稿件作者： | 甘跃鹏1,伍友利1,王康健1,陈鞭1,管军2 |
| DOI： | 10.11809/bqzbgcxb2022.09.035 |
| 科学编辑： | 杨继森 博士（重庆理工大学教授） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 遗传算法；炸弹；气动参数辨识；极限学习机 |
| 文章摘要： | 炸弹气动参数辨识技术是飞行器气动参数辨识中的关键分支，要提高无控炸弹的命中精度，减少弹药消耗，需要对炸弹的气动参数辨识方法进行研究。针对利用一般极限学习算法进行气动参数辨识时预测精度低、预测结果易发散的问题，应用遗传（GA）算法优化极限学习机(GA-ELM)算法、极限学习（ELM）算法，GA算法优化产生ELM的输入权重和隐含层神经元阈值，可以使得输入权重和阈值包括更多的样本信息，以提高其辨识精度。仿真结果表明：利用遗传算法优化极限学习机可以有效提高辨识精度，辨识结果有较好的收敛，但是由于遗传算法的寻优时间长，整体辨识时间加长。 |
| 稿件基金： | 国家自然科学基金项目（61973253） |
| 引用本文格式： | 甘跃鹏,伍友利,王康健，等.基于遗传算法优化极限学习机的炸弹气动参数辨识［J］.兵器装备工程学报，2022，43(09)：250-256. GAN Yuepeng, WU Youli, WANG Kangjian, et al.Optimization of bomb aerodynamic parameter identification based on genetic algorithm for extreme learning machine［J］.Journal of Ordnance Equipment Engineering，2022，43(09)：250-256. |
| 刊期名称： | 2022年09期 |
| 出版时间： | 2022年9月 |
| 上线时间： | 2022年9月28日 |
| 浏览次数： | 2315 |
| 下载次数： | 1077 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |