贫氧推进剂燃速是固体火箭冲压发动机设计和性能分析的重要参数,也是对推进剂配方进行检验验收的主要指标。因此研究推进剂动静态燃速之间相关性问题,实现由静态燃速预估动态燃速这一工程应用,已成为科研人员普遍关注的焦点。 本文围绕贫氧推进剂动静态燃速相关性问题开展研究。不考虑具体的燃烧过程,避开从燃烧理论的角度直接分析各种因素对燃速的具体影响。而是在深入研究人工神经网络理论和遗传算法的基础上,利用神经网络在建立非线性函数映射方面的优势,有机地结合人工智能领域具有全局搜索能力的遗传算法,对BP网络的初始权值和阈值进行优化,设计出了GA—BP算法,建立了基于遗传算法的BP神经网络贫氧推进剂动静态燃速相关性分析模型。通过算例验证表明:该模型性能稳定,可靠性好,泛化能力强;模型的预估精度明显优于线性回归方法;模型误差收敛的快慢与相关系数有关,但其预估精度对相关系数不敏感。这说明该方法更适合于解决先验信息不明确的贫氧推进剂动静态燃速相关性分析问题。 对于固体冲压发动机和贫氧推进剂的研制来说,本文研究的方法既可有效地降低试验成本,又可大大缩短研制周期,具有一定的工程应用价值。