基于神经网络的固体推进系统

2011-04-27 16:27

    效果预测模块:通过神经网络模型揭示固体推进剂配方多设计参数和多设计效果的内在规律性，是检验设计方案的是否可行的有效手段，同时可以有效地减少实验验证的次数。
    参数优化模块：该模块是固体推进剂配方设计的咨询模块，当固体推进剂配方设计过程中出现问题或性能上达不到要求时，用户可以将问题输入，系统会应用知识库中的诊断规则，通过反向推理给出产生该问题的原因，对参数调整提出建议，用户根据系统提供的解释调整设计参数，使设计方案得到优化。
    推理机：系统的推理过程就是知识的重组和应用过程，根据知识的驱动形式分为数据库驱动的正向推理、目标驱动的反向推理及数据库与目标共同驱动的混合推理。SPES 系统中固体推进剂经验设计模块中采用正向推理，参数优化模块中采用反向推理，“测试－反馈－修正－测试”过程中采用混合推理。其中，经验设计的推理流程如图 3所示。

学习模块：系统的学习过程就是知识的获取过程，是专家系统中不可缺少的组成部分。学习系统与环境相互作用，不断积累系统所拥有的知识，目的是使系统的工作能够具有更高的智能水平。SPES的学习过程包括机器学习和人工神经网络的自学习过程。
解释模块：解释功能是专家系统的重要特征，该系统向用户提供运行和所得结论的动态结论的跟踪说明，告诉用户结论是如何得到的，采用了哪些规则等，使系统具有透明性。

<上一页 1 2 3 4 下一页> 余下全文