一种基于混合相关向量机模型的弹药贮存可靠度评估方法技术

本发明专利技术公开了一种基于混合相关向量机模型的弹药贮存可靠度评估方法，该方法包括以下步骤：S1、将PF核与RBF核线性组成混合函数(MF)核，由此建立混合核函数相关向量机(MF‑RVM)模型；S2、基于留一交叉验证方法，通过综合损失函数均值的计算判断模型优劣，从而选择最优模型；S3、基于QPSO的MF‑RVM模型求解；S4、根据小样本某型催泪弹实例数据进行建模；S5、根据模型预测可靠度值。本发明专利技术评估指标稳健，此外，本发明专利技术能够有效评估小样本非试验数据条件下的弹药贮存可靠度。

A method of ammunition storage reliability evaluation based on hybrid correlation vector machine model

【技术实现步骤摘要】
一种基于混合相关向量机模型的弹药贮存可靠度评估方法
本专利技术属于系统性能评估领域，具体涉及一种混合相关向量机模型的弹药贮存可靠度评估方法。
技术介绍
通常情况下，基于渐进理论的弹药贮存可靠度评估需要获得大量寿命数据。但是，弹药的寿命试验耗资巨大，且实施工程复杂，大样本数据难以获得，直接运用经典统计学方法处理小样本数据所得结果有失准确性。针对小样本情况，文献引入Bayes理论，利用先验信息进行可靠度评估，但有时所得结果主观性偏大。后来诸多学者通过自助扩容方法对寿命数据进行处理，获得了满足经典统计学方法的大样本数据，所得结果较为接近真值。但是，以上方法均是基于实际寿命试验所获得的数据，而在大多基层单位，不具备进行试验的条件，因此，需要寻找一种基于非试验数据的有效评估方法。为克服基层单位试验条件受限问题，本专利技术提出一种基于混合相关向量机模型的弹药贮存可靠度评估方法，据部队调研得知，在弹药贮存库室能够获得少量的如贮存时间、温湿环境等非试验数据，充分利用该类数据进行贮存可靠度评估，对弹药贮存可靠性的研究具有重要的理论意义和应用价值。本文档来自技高网...

【技术保护点】
1.一种基于混合相关向量机模型的弹药贮存可靠度评估方法，其特征在于，该方法包括以下步骤：/nS1、将PF核与RBF核线性组成混合函数(MF)核，由此建立混合核函数相关向量机(MF-RVM)模型；/nS2、基于留一交叉验证方法，通过综合损失函数均值的计算判断模型优劣，从而选择最优模型；/nS3、基于QPSO的MF-RVM模型求解；/nS4、根据小样本某型催泪弹实例数据进行建模；/nS5、根据模型预测可靠度值。/n

【技术特征摘要】
1.一种基于混合相关向量机模型的弹药贮存可靠度评估方法，其特征在于，该方法包括以下步骤：
S1、将PF核与RBF核线性组成混合函数(MF)核，由此建立混合核函数相关向量机(MF-RVM)模型；
S2、基于留一交叉验证方法，通过综合损失函数均值的计算判断模型优劣，从而选择最优模型；
S3、基于QPSO的MF-RVM模型求解；
S4、根据小样本某型催泪弹实例数据进行建模；
S5、根据模型预测可靠度值。


2.如权利要求1所述的基于混合相关向量机模型的弹药贮存可靠度评估方法，其特征在于，在步骤S1中，根据RVM回归原理，给定归一化样本集此时的弹药贮存可靠度MF-RVM模型具体表示为：



该MF-RVM模型涉及三个主要核参数：PF核中的特征参数τ、RBF核中的宽度参数g，以及平衡二者之间影响作用大小的调节参数λ。


3.如权利要求1所述的基于混合相关向量机模型的弹药贮存可靠度评估方法，其特征在于，在步骤S2中，所述关键指标包括：



其中



并且Ri表示样本集中的可靠度值；表示通过模型得到的可靠度值。
进一步，将以上n个综合损失函数的均值作为交叉验证时MF-RVM模型选择的标准：



在训练样本量与验证样本量一定时，模型所需的RV越少，且train_RMSE和verify_RMSE越小，则综合损失函数值越小。因此，当给定具有不同参数的多个模型时，选择综合损失...

【专利技术属性】
技术研发人员：彭维仕，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61