基于PSO-RBF神经网络的固液火箭发动机性能预测方法及系统

本发明属于神经网络技术领域，涉及一种基于PSO‑RBF神经网络的固液火箭发动机性能预测方法及系统，包括：获取固液火箭发动机的结构特征数据和工况特征数据，并通过数值仿真模型得到发动机性能参数；基于训练集和k‑折交叉验证法训练PSO‑RBF神经网络模型的超参数，并通过测试集对PSO‑RBF神经网络模型进行测试，并通过性能未知发动机的结构特征和工况特征数据，获取固液火箭发动机的性能参数。本发明通过粒子群优化算法PSO优化径向基函数RBF神经网络的超参数，能够自动寻找最优的网络结构和参数配置，且通过数值仿真和机器学习模型预测发动机性能，提高了研发效率。