-
题名基于改进PSO-RBF的炸药药柱密度预测研究
- 1
-
-
作者
郭进勇
伍凌川
刘彬
石义官
李全俊
杨治林
-
机构
中国兵器装备集团自动化研究所有限公司
-
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第S02期121-127,共7页
-
基金
国防基础科研项目(JCKY2021xxxB00x)。
-
文摘
针对炸药药柱密度检测效率低的问题,提出一种密度预测方法。通过非线性动态调整粒子群优化算法(particle swarm optimization,PSO)的惯性权重,以优化径向基(radial basis function,RBF)网络参数,构建IPSO-RBF网络模型,利用压制工艺参数实现药柱密度预测。实验表明,改进的PSO算法能快速寻出RBF网络参数,同时具有PSO算法和RBF模型的优点,具有较好的收敛速度和预测精度。与传统的RBF网络或未改进惯性权重的PSO-RBF相比,IPSO-RBF的RMSE分别下降了38.6%、42.4%,模型的预测识别精度有较大提高,实现了炸药药柱密度的有效预测。
-
关键词
药柱密度预测
径向基网络
粒子群算法
惯性权重
-
Keywords
prediction of drug column density
Radial basis network
Particle swarm optimization
Inertia weight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
