龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种基于深度学习的固体火箭发动机时间序列参数预测方法及预测系统，所述预测方法包括：采集固体火箭发动机在不同工况下的多组原始时间序列参数数据并进行数据预处理，得到样本数据；建立深度神经网络模型；将预处理后的样本数据划分为训练样本和测试样本，并将训练样本输入到所述深度神经网络模型内进行训练；将所述测试样本输入到训练后的深度神经网络模型，获得固体火箭发动机时间序列参数数据预测结果。该预测方法和预测系统，可以对地面推力测试实验得到的数据进行修正，可以补全因意外情况导致实验中丢失的部分数据，避免重复进行测试实验，降低实验成本，从而更加高效、低成本地对固体发动机性能进行评估。
主权项：1.基于深度学习的固体火箭发动机时间序列参数预测方法，其特征在于，包括：S1：采用固体火箭地面试车试验采集固体火箭发动机在不同工况下的多组原始时间序列参数数据，并将所述原始时间序列参数数据进行数据预处理，得到样本数据；S2：建立深度神经网络模型ConvNeXt；S3：将预处理后的样本数据进行划分获得训练样本和测试样本，并将训练样本输入到所述深度神经网络模型ConvNeXt内进行模型训练；S4：将所述测试样本输入到训练后的深度神经网络模型，获得固体火箭发动机时间序列参数数据预测结果；S1中，所述数据预处理包括：S11：在数据长度为L的原始时间序列参数数据中，将每条数据的前N个点作为主要关注段，后L-N个点作为非主要关注段；S12，对非主要关注段进行降采样处理，再将降采样后的非主要关注段数据与主要关注段拼接成新的固体火箭发动机时间序列参数数据；S13：对所述新的固体火箭发动机时间序列参数数据进行切片处理，生成神经网络所需的样本。
全文数据：
权利要求：
百度查询： 沈阳航空航天大学 基于深度学习的固体火箭发动机时间序列参数预测方法和预测系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号