基于黑鹰优化算法的无链式弹仓参数辨识研究

摘要

无链式自动弹仓比传统链式供弹具有更快的速率，但其在运动过程中的不确定性程度更大，难以用等效动力学方程准确描述。为了在复杂工况下对某无链式自动弹仓系统的非线性动力学特性有全面的了解，在机理认知和数据驱动协同建模的基础上，建立自动弹仓的不确定动力学模型，利用优化设计思想对模型不确定参数进行辨识。在建模过程中，引入深度神经网络和神经网络微分技术，挖掘系统中各时变参数所隐含的复杂非线性特性;引入Stribeck摩擦模型，对等效摩擦阻力进行建模。该方法既可以保留弹仓动力学模型的传统形式，又充分利用了测试数据所隐含的非线性特征。在辨识过程中采用黑鹰优化算法进行寻优求解，对弹仓在发射中的满载工况下的不确定参数进行辨识，将所得辨识结果与真实结果进行对比。结果表明，辨识所得到的结果与测试结果具有较高的相似度，验证了模型的准确性和辨识方法的有效性，丰富了弹仓的建模理论，在此基础上进行系统分析与控制研究。

关键词

无链式弹仓 / 参数辨识 / 深度神经网络 / Stribeck摩擦模型 / 黑鹰优化算法

基金资助

国家自然科学基金(52405115)