关键词:
高超声速飞行器
热防护
可靠性评估
RBF神经网络
灰狼算法
摘要:
针对当前高超声速飞行器热防护结构可靠性评估方法可信度较低且效率较低的问题,提出一种基于改进灰狼优化算法的径向基(RBF)神经网络评估算法ISSAGWO对飞行器的热防护结构进行可靠性评估。其中,选择灰狼算法作为传统RBF神经网络的优化方法,并对灰狼算法的种群和收敛因子进行优化,以进一步提升飞行器热防护结构响应应力的预测精度。结果表明,与其他优化算法相比,ISSAGWO具有更快的收敛速度,更好的搜索能力,能够更快地得到测试函数的最优值;与其他可靠性评估方法相比,基于ISSAGWO的可靠性评估方法收敛速度优势明显,仅需较少的样本数据便能得到准确的评估结果。上述结果表明,提出的基于改进灰狼优化算法的RBF神经网络能够进行精确的响应应力预测,进而实现效果较好的可靠性评估,能够应用于实际的飞行器热防护结构设计中,可信度较高。