【摘要】：表3-2黑火药体系样本矩阵仿真结果和与试验结果的绝对误差对比如图3-7所示。图3-7人工神经网络算法计算黑火药热力学参数对比图3-7人工神经网络算法计算黑火药热力学参数对比(续)图3-7人工神经网络算法计算黑火药热力学参数对比(续)图3-7人工神经网络算法计算黑火药热力学参数对比(续)从图3-7可见,利用人工神经网络算法得到的仿真结果与试验结果基本一致。
用训练好的网络处理未知样本,可以根据给定的输入模式快速计算得到网络的仿真结果。为了验证仿真模型神经元辨识信号的可靠性,客观评价应用神经网络解决此类问题的效果,本书将基于改进的前馈型BP神经网络仿真输出与试验结果进行比较,以此效验神经网络技术的准确度及解决这一问题的可行性。以硝酸钾/类木炭体系烟火药为研究对象(见表3-2),建立网络元素输入矩阵(6×10),计算各配方的网络输出,同时测定相应配方的气相产物(CO、CO2、H2O、H2S、N2、SO2)组成、定压爆温、火药力(8×10),通过仿真结果和试验值的对比评价网络模型的稳健性。
表3-2 黑火药体系样本矩阵
仿真结果和与试验结果的绝对误差对比如图3-7所示。
(www.xing528.com)
图3-7 人工神经网络算法计算黑火药热力学参数对比(续)
图3-7 人工神经网络算法计算黑火药热力学参数对比(续)
图3-7 人工神经网络算法计算黑火药热力学参数对比(续)
从图3-7可见,利用人工神经网络算法得到的仿真结果与试验结果基本一致。人工神经网络智能技术通过在训练过程中,利用表现函数的梯度,采用反向传播方法,沿负梯度方向调整权值和阈值,使表现函数达到最小,实现对期望函数(试验数据)的无限逼近。建立的自适应非线性数学模型,避开了热力学模型的假设和参数的设置,结合Matlab神经网络工具箱对目标函数的连续输出,实现了从输入到输出的任意非线性映射,描述了多元复杂反应体系的内在特征,可用作硝酸钾/类木炭体系烟火药配方设计、热力学参数优化的工具。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
