خلال التصميم الأولي لمركبات الطيران، أي الصواريخ أو الصواريخ الموجهة، تعتبر أداء نظام الدفع عاملاً حاسمًا في تحديد المدى الأقصى والسرعة النهائية. ومع ذلك، تتطلب تكوينات الحبوب المعقدة في محركات الصواريخ الصلبة (SRMs) عادةً برامج نمذجة هندسية للحصول على مساحة سطح الاحتراق، مما يقيد الكفاءة بشكل كبير. لمعالجة هذه التحدي، يقدم هذا البحث إطار عمل محسّن بواسطة الشبكات العصبية لتوقع الأداء السريع والتوافق الأمثل لمحركات الصواريخ الصلبة (NN-SRM). في NN-SRM، تُستخدم الشبكات العصبية لمحاكاة تطور المعلمات الرئيسية خلال احتراق الحبوب، بما في ذلك مساحة سطح الاحتراق، حجم الحبة، وعزم القصور الذاتي. تم دمج معادلات الباليستية الداخلية بعد الصفر مع علاقات التدفق الثابت اليقيني أحادي البعد في الإطار للحصول على منحنيات الدفع بسرعة. تم استخدام خوارزمية التطور المشتقة المختلطة لتحديد تكوين الحبوب الأمثل الذي يلبي متطلبات الدفع المحددة. تظهر النتائج أنه، بالنسبة للحبوب الأسطوانية، والنجمية، والفيونوسيل، حققت الشبكة العصبية قيمة R2 تتجاوز 0.95. أخيرًا، تم إجراء تحسين توافق الدفع على ثلاثة حبوب وحقق حلول دفع واعدة لظروف الدفع العالي مع زمن قصير ودفعة صغيرة مع زمن طويل، مما يظهر فعالية وعمليّة إطار NN-SRM المنفذ.
درس Ye et al. (الأربعاء) هذا السؤال.