文章摘要:针对传统迭代推力分配方法实时性较差的问题，提出了一种基于极限学习机（ELM）的推力分配方法。该方法考虑了推进器的布局条件与推进器推力约束，利用序列二次规划（SQP）算法在短时间内生成了大量用于ELM神经网络训练的推力分配样本数据。利用生成的数据集进行了离线训练，并进行了在线测试。仿真结果表明：该方法可以较高的精度和更快的计算速度完成推力分配，体现了其相较于传统迭代优化算法的优势性，更能满足工程应用的实时性需求.

文章关键词:

项目基金: 上一篇：环境科学与资源利用论文_基于改进粒子群优化长 下一篇：没有了