[发明专利]一种脉冲等离子体推力器的神经网络控制方法

权利要求书

1.一种脉冲等离子体推力器的神经网络控制方法，其特征在于，包括以下步骤：

S1：建立多输入单输出的单层神经网络模型，其中，输入层为不同幅值和频率的脉冲电流，输出层为推力，输入层和输出层直接相连，具有其中，X＝(x₁，x₂......x_n)为脉冲电流输入，x_i为脉冲电流输入分量；W＝(w₁，w₂......w_n)为权重向量，代表每个脉冲电流对推力的影响程度，w_i为权重分量；b为脉冲电流阈值；y为推力输出；f为输入层与输出层之间的函数关系；n为神经元的个数，i为神经元的序号；

S2：建立多输入单输出的多层神经网络模型，其中，输入层为不同幅值和频率的脉冲电流，中间层为脉冲电压，输出层为推力；脉冲电压与脉冲电流成正比，进而得到输入层与中间层之间的连接；脉冲电压的平方与推力值成正比，进而确定推力的精确值；

S3：对于脉冲电流输入数据，随机抽取5％的数据作为检验组，其余95％的数据为训练组，训练组作为学习样本用于神经网络模型的学习构建，检验组用于神经网络模型的准确性验证；选取测量q个状态点，表示为I_i＝f(A_i，w_i，b_i)，其中，I为不同状态点的脉冲电流，A为脉冲电流的幅值，w为脉冲电流的频率，b为脉冲电流的相位，i为状态点序号，i＝1......q；

S4：对于多输入单输出的多层神经网络模型的中间层，定义中间层为脉冲电压，其神经网络的参数向量U^T＝[u₁，u₂，...，u_n]，网络在中间层输入下的偏差e^T＝[e₁，e₂，...，e_m]，其中，n为神经元的个数，m为训练样本的个数，损失函数f为平方和误差的形式：

定义损失函数的雅可比矩阵为：其中，雅可比矩阵的规模是m*n，雅可比矩阵由误差项对参数的偏导组成：i＝1，2，...，m；j＝1，2，...，n；

损失函数的梯度向量进而，海森矩阵为H≈2J^TJ+λI，

式中，λ为衰减因子，以确保海森矩阵为正；I为单位矩阵，脉冲电压神经网络的参数向量为u_k+1＝u_k-(J^TJ+λI)^-1·(2J^Te)，k＝1，2，...

设置衰减因子λ，训练出合适的脉冲电压，脉冲电压的平方与推力值成正比，确定神经网络模型训练出的输出推力值；

S5：计算神经网络训练的输出推力值与经验得到的参考推力值的相对误差，评估所述神经网络模型的预测性能。