增强智能学习框架

响应提速27%

融合径向基神经网络与鲸鱼优化算法，为针栓式固体火箭发动机提供自适应多目标优化控制。

Ming, Zhu · Bin, Wang · Tiantian, Liu · Jiwei, Yao · 熊成 · 周长省 · Li, Weixuan

Energy 2026

参数信息

有限进入时间缩短幅度

27 %

技术优势

响应提速27%

采用迭代优化的径向基神经网络代理模型，结合多目标鲸鱼优化算法，在五维控制器参数空间中找到帕累托最优解，显著缩短有限进入时间。

下冲不超安全线

通过将推力下冲作为优化目标之一，控制器在提高响应速度的同时，确保推力不会过度下降，从而保障燃烧稳定性并减少能量损失。

应用场景

• 航天推进控制：为变推力固体发动机提供快速稳定的推力调节，替代人工参数整定。
• 高超声速推进：在强非线性工况下保证推力响应速度，避免高超声速推进中的振荡风险。
• 燃烧系统优化：将推力下冲纳入优化目标，从控制层面抑制燃烧不稳定，提升能量转换效率。