(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111392485.X (22)申请日 2021.11.23 (71)申请人 内蒙航天动力机 械测试所 地址 010076 内蒙古自治区呼和浩特市黄 河少镇南地村 (72)发明人 宋媛　孙艳涛　 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于BP神经网络的固体发动机试验数 据分析方法 (57)摘要 本发明涉及固体发动机试验 领域， 具体涉及 一种基于BP神经网络的固体发动机试验数据分 析方法。 步骤为， S1： 搭建BP神经网络建模系统， 选择三层神经网络作为基本架构， 输入层的功能 是将预处理的数据导入神经网络， 输出层的作用 是将预测数据导出， 隐藏层通过卷积神经网络中 的黑盒卷积方式变为此处的白盒模块化处理； S2： BP模型迭代算法， 计算每一层的状态和激活 值， 直到最后一层； 计算每一层的误差， 误差的计 算过程是从最后一层向前推进的； 更新参数； 迭 代前面两个步骤， 直到满足停止。 本发明可预测 新的固体发动机试验的主要反馈参数， 与真实试 验数据的对比与误差分析， 不断进行迭代修正， 从而减小误差提高神经网络模型的预测分类能 力。 权利要求书2页 说明书6页 附图2页 CN 114201914 A 2022.03.18 CN 114201914 A 1.一种基于BP神经网络的固体发动机试验数据分析 方法， 其特 征在于， 操作步骤为： S1： 搭建BP神经网络建模系统， 选择三层神经网络作 为基本架构， 输入层的功能是将预 处理的数据导入神经网络， 输出层的作用是将预测数据导出， 隐藏层通过卷积神经网络中 的黑盒卷积方式变为此处的白盒模块 化处理； S2： BP模型迭代算法， 先计算每一层的状态和激活值， 直到最后一层； 计算每一层的误 差， 误差的计算过程是从最后一层向前推进的； 更新参数； 迭代前面两个步骤， 直到满足停 止准则。 2.根据权利要求1所述的一种基于BP神经网络的固体发动机试验数据分析方法， 其特 征在于： 所述S1 中输入层 包括固体发动机的设计数据、 固体发动机工艺数据、 固体发动机型 号参数数据、 实验环境数据及其它影响因素数据。 针对固体发动机试验数据特点， 结合反向 传播神经网络算法进行模块 化输入层设计。 3.根据权利要求1所述的一种基于BP神经网络的固体发动机试验数据分析方法， 其特 征在于， 所述传递数据公式 第l(2≤l≤L)层的神经 元的激活状态及激活层为： z(l)＝W(l)a(l‑1)+b(l) a(l)＝f(z(l)) 对于L层的感知器， 神经网络信息正向传播的最终输出为a(L)： x＝a(1)→z(2)→…→a(L‑1)→z(L)→a(L)＝y 其中： nl表示第l层神经元的个 数； 在这个模型中的输 出层节点具有可控 性， 对于固体发 动机试验数据的分析 可携带更多有效信息， 输出信息可以进行 连续化处理。 4.根据权利要求1所述的一种基于BP神经网络的固体发动机试验数据分析方法， 其特 征在于， 误差反向传播： 从而有 如果展开隐藏层， 则有 代价函数E(i)仅和权重矩阵W(l)和偏置向量b(l)相关， 调整权重或偏置即可减少误差。 误 差反向传播是一种固体发动机试验数据迭代修正的方法， 随着试验次数的增加进 行不断修 正， 提高BP神经网络固体发动机试验数据分析 方法的性能。 5.根据权利要求1所述的一种基于BP神经网络的固体发动机试验数据分析方法， 其特 征在于， 训练数据的总代价表示 为： 求出当总体代价 最小时对应各个神经 元的参数， 采用梯度下降法， 具体操作如下：权　利　要　求　书 1/2 页 2 CN 114201914 A 2权　利　要　求　书 2/2 页 3 CN 114201914 A 3