基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法技术

本发明专利技术涉及一种基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，属于智能自动化技术领域。该方法包括：基于固体火箭发动机现场贮存可靠性实验记录数据构建现实数据集；将药柱作为加速贮存实验的研究本体，通过基于三维粘弹性有限元分析和固体火箭发动机推进剂高温加速老化实验为基础，以应力‑强度干涉模型作为失效模型研究计算得出固体火箭发动机加速贮存可靠性实验记录数据构建模糊数据集；将现实数据集与模糊数据集融合作为深度学习的数据库，并划分为训练集、验证集和测试集；使用深度学习算法的特征自学习能力健壮性和模型泛化能力强度性，对固体火箭发动机可靠性预测。本发明专利技术能有效的提高固体火箭发动机可靠性预测的精度。

【技术实现步骤摘要】
基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法
本专利技术属于智能自动化
，涉及基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法。
技术介绍
固体火箭发动机是导弹和航天火箭的重要组件，它的研究工作和航天安全息息相关。在固体火箭发动机研制成功之后，为了保证不发生灾难性事故，必须对发动机的可靠性做出评价。固体火箭发动机贮存特点：“长期贮存、一次使用”。对于传统的可靠性评估主要在于现场贮存实验记录法，此方法贮存环境真实，数据质量高。但此方法耗时很长，费用巨大。同样加速贮存实验的使用和发展，其优点在于耗时短、费用相对较少。但存在不确定因素缺乏考虑，数据质量有一定风险。随着深度学习和计算机的发展，基于深度学习算法的特征自学习能力的健壮性和模型泛化能力强度性，为我们处理大数据提供了可能。因此开发高效率、高精度的固体火箭发动机可靠性预测方法具有足够的必要性。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，基于现场贮存实验记录近几年可靠性数据，此方法贮存环境真实，数据质量高从而构建现实数据集，利用加速贮存本文档来自技高网...

【技术保护点】
1.基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，其特征在于，该方法具体包括以下步骤：S1：基于固体火箭发动机现场贮存可靠性实验记录数据构建现实数据集；S2：基于固体火箭发动机可靠性影响权重最显著的药柱作为加速贮存实验的研究本体，通过基于三维粘弹性有限元分析和固体火箭发动机推进剂高温加速老化实验为基础，以应力‑强度干涉模型作为失效模型研究计算得出固体火箭发动机加速贮存可靠性实验记录数据构建模糊数据集；S3：通过固体火箭发动机可靠性现实数据与加速贮存可靠性数据融合作为深度学习的数据库，从而以此数据库划分训练集、验证集和测试集；使用深度学习算法的特征自学习能力的健壮性和模型泛化能力...

【技术特征摘要】
1.基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，其特征在于，该方法具体包括以下步骤：S1：基于固体火箭发动机现场贮存可靠性实验记录数据构建现实数据集；S2：基于固体火箭发动机可靠性影响权重最显著的药柱作为加速贮存实验的研究本体，通过基于三维粘弹性有限元分析和固体火箭发动机推进剂高温加速老化实验为基础，以应力-强度干涉模型作为失效模型研究计算得出固体火箭发动机加速贮存可靠性实验记录数据构建模糊数据集；S3：通过固体火箭发动机可靠性现实数据与加速贮存可靠性数据融合作为深度学习的数据库，从而以此数据库划分训练集、验证集和测试集；使用深度学习算法的特征自学习能力的健壮性和模型泛化能力强度性，从而对固体火箭发动机可靠性预测。2.根据权利要求1所述的基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，其特征在于，所述步骤S2具体包括以下步骤：S21：获取固体推进剂性能参数的统计特征及发动机工作时的薄弱部位之后，建立固体火箭发动机药柱的三维粘弹性随机有限元分析模型；S22：利用随机有限元法确定发动机点火过程中VonMises应变的统计分布；S23：利用应力-强度干涉模型计算出不同贮存期内的药柱的点火瞬时可靠度；S24：依据步骤S23计算的可靠性数据构建固体火箭发动机可靠性模糊数据集。3.根据权利要求2所述的基于现实与模...

【专利技术属性】
技术研发人员：林景栋，王坤，杨琰冰，林正，陈敏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50