技術特征：

1.一種多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，包括：

2.根據權利要求1所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，多級同步感應線圈炮參數樣本集通過正交試驗結合隨機試驗設計進行有限元仿真得到。

3.根據權利要求1所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，多級同步感應線圈炮參數樣本集內中每個樣本為各級驅動線圈匝數、彈丸觸發位置以及各級驅動線圈的觸發時刻作為輸入，彈丸出口速度作為輸出。

4.根據權利要求1所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，根據評價指標評估rnn模型的預測能力，包括：

5.根據權利要求1所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，建立pso-rnn模型，包括：

6.根據權利要求5所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，建立pso粒子群算法與rnn模型超參數之間的對應關系，包括：

7.根據權利要求5所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，計算粒子適應度值，通過以下公式：

8.根據權利要求5所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，更新粒子位置和速度，通過以下公式：

9.根據權利要求5所述的多級同步感應線圈炮彈丸出口速度預測方法，其特征在于，獲取最佳pso-rnn模型，包括：

10.一種多級同步感應線圈炮彈丸出口速度預測系統，其特征在于，應用權利要求1-9任一所述的多級同步感應線圈炮彈丸出口速度預測方法，包括：

技術總結
本發明公開了一種多級同步感應線圈炮彈丸出口速度預測方法及系統，方法包括：獲取多級同步感應線圈炮參數樣本集，并將其劃分為訓練集和測試集；建立RNN模型，將訓練集輸入至RNN模型中進行訓練，再應用測試集對訓練完成后的RNN模型進行測試，根據評價指標評估RNN模型的預測能力；若RNN模型的預測能力達標則應用測試后的RNN模型進行預測，否則，則采用PSO優化循環神經網絡模型RNN再次應用訓練集訓練，選出RNN的超參數，建立PSO?RNN模型；輸入測試集對PSO?RNN模型進行測試，根據評價指標評估PSO?RNN模型的預測能力，直至預測能力符合要求，將最優超參數帶入RNN模型中，獲取最佳PSO?RNN模型；將發射器參數輸入最佳PSO?RNN模型中，獲取當前參數下彈丸的出口速度，本發明能夠提高預測精度。

技術研發人員：秦濤濤,季思源,方屹舟,蔡昕桐,郭則慶
受保護的技術使用者：南京理工大學
技術研發日：
技術公布日：2025/4/28