基于FNN代理模型与不确定性量化的无人机空中捕获网多目标鲁棒设计优化

《Machines》:Surrogate-Assisted Robust Design Optimization of Airborne Capture Net Device Using a Feedforward Neural Network

【字体: 大 中 小 】 时间:2026年09月21日 来源:Machines 3.0

编辑推荐:

   摘要

  

摘要

安装在无人机(UAV)上的空中捕获网装置为对抗敌对无人机提供了一种有效的物理反制手段。然而,传统的确定性设计忽视了制造公差和装配误差等参数不确定性,这些不确定性会恶化柔性捕获网的展开动力学。为解决这一问题,本研究提出了一种多目标鲁棒设计优化框架,将前馈神经网络(FNN)与不确定性量化相结合。构建了集总质量动力学模型;静态展开实验验证了该模型在初始阶段(t ≤ 0.08 s)具有较高保真度,而随后的完全展开阶段和收缩阶段则通过实验校准的数值外推来获取。为降低计算成本,开发了一种自适应FNN代理模型,将单次评估时间从数小时缩短至数秒。随后,采用蒙特卡洛模拟与非支配排序遗传算法II(NSGA-II)相结合的方法,对展开距离和有效距离的均值与标准差进行优化。与确定性优化相比,鲁棒优化方案使展开距离的第95百分位数提升了23.8%,而有效距离仅下降了1.5%。尤为重要的是,上述指标的标准差分别降低了22.5%和38.5%,表明其对参数变化的敏感性显著减弱,为鲁棒空中拦截提供了极具价值的工程框架。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号