简介：针对发动机特性计算中数据插值精度不高和部件特性的小转速数据难以获得的问题,建立了对部件特性数据进行识别学习的BP神经网络,从而实现了精确插值和对未知特性数据的推测.通过对网络输出结果的分析,表明该网络具有较强的实用性和准确性.
简介：针对大推力液体火箭发动机研制中面临的低频结构动力学频率优化问题，采用有限元方法及试验模态方法建立了可信的发动机低频动力学模型，对结构的低频动力学特性进行灵敏度分析，提取对发动机低阶固有频率比较敏感的设计变量。以这些设计变量作为神经网络的输出，待优化的结构固有频率作为输入，通过改进的神经网络建立了映射关系，最后优化得到能使固有频率达到目标值的设计变量值。通过有限元验证，优化结果满足要求。
基于BP神经网络的涡扇发动机部件特性研究
基于神经网络的火箭发动机结构动力学优化
