文献

J-GLOBAL ID：201702222510125126   整理番号：17A0075055

プロセスニューラルネットワークに基づく液体ロケットエンジンの状態予測【JST・京大機械翻訳】

Condition prediction of liquid propellant rocket engine based on process neural networks

著者 (3件)： Nie Yao (College of Aerospace Science and Engineering, National University of Defense Technology) ,  Cheng Yuqiang (College of Aerospace Science and Engineering, National University of Defense Technology) ,  Wu Jianjun (College of Aerospace Science and Engineering, National University of Defense Technology)
資料名： Beijing Hangkong Hangtian Daxue Xuebao  (Beijing Hangkong Hangtian Daxue Xuebao)
巻： 42  号： 8  ページ： 1675-1681  発行年： 2016年 
JST資料番号： C2402A  ISSN： 1001-5965  CODEN： BHHDE8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文は,液体ロケットモータの状態予測の問題を解決するために,限界学習アルゴリズムに基づく離散プロセスニューラルネットワークモデルを提案した。最初に,歴史的データに基づいて,離散プロセスニューラルネットワーク(DPNN)の予測モデルを確立した。次に,再帰的限界学習(EL)アルゴリズムを用いて,2つの並列フィードフォワード離散プロセスニューラルネットワーク(DPFDPNN)隠れ層から出力層までの重みを更新し,そして,重み更新後のプロセスニューラルネットワークを用いて,エンジン状態を予測した。最後に,液体ロケットエンジンの状態予測におけるQing渦輪Beng予測を例として,2つの予測モデルを,それぞれ,重み更新および重み更新を用いて,試験した。結果は,更新プロセスニューラルネットワークの重みづけが,より高い予測精度とより良い適応性を持って,液体ロケットエンジンの状態予測のための効果的解法を提供することができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  *状態推定 ,  適応性 ,  学習 ,  渦輪 ,  *ロケットエンジン ,  アルゴリズム ,  重みづけ ,  学習アルゴリズム ,  フィードフォワード ,  *液体ロケットエンジン
準シソーラス用語： 予測精度 ,  隠れ層 , 【Automatic Indexing@JST】

著者キーワード (5件)： liquid propellant rocket engine ,  condition prediction ,  discrete process neural network ,  extreme learning algorithm ,  recursive algorithm

分類 (9件)： 情報処理一般  (JE15010U) ,  反応速度論・触媒一般  (CB06010G) ,  マーケティング  (KA06020W) ,  図形・画像処理一般  (JE04010I) ,  代数学  (AB02000R) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  航空輸送・サービス一般  (TE01010X) ,  電話・データ通信・交換一般  (ND11010T) ,  ブレーキ装置  (QG03030K)

タイトルに関連する用語 (4件)： プロセス ,  ニューラルネットワーク ,  液体ロケットエンジン ,  状態予測