径向基神经网络的运载火箭动力弹道耦合优化研究

对于具备节流能力的液体运载火箭弹道优化问题,不同于传统动力弹道解耦设计方法,为开展考虑节流后比冲变化影响的实时弹道节流优化设计,构建耦合发动机流量特性的动力弹道一体化精细模型,实现运载能力的精准评估。为解决精细化模型优化时间效率问题,将径向基神经网络近似模型应用到实时动力弹道耦合仿真中,单轮优化时间降低81.4%,且精度误差小于1%。此外,基于径向基神经网络模型的近似优化算法在显著缩短寻优时间的同时,还具备通用移植性,在实时在线优化等工程领域应用前景广阔。