本发明专利技术公开了一种灭火弹挂飞温度补偿方法和系统，所述方法包括：通过多传感器技术对环境温度、湿度、相对风速、大气压等外部参数进行实时监测；模拟不同外部参数下，为达到灭火弹目标补偿温度所需要的不同电压，作为训练神经网络的训练样本；构建神经网络，输入模拟的外部参数与目标补偿温度，输出对灭火弹进行温度补偿所需电压；使用遗传算法优化神经网络初始化参数；基于优化后的神经网络的结果，对灭火弹的温度进行补偿。本发明专利技术在传统的全连接神经网络的基础上添加残差模块，引入跳跃连接的方式，使得网络可以学习到残差函数，让网络的输入信息能够更有效地在整个神经网络中传递，从而获得更好的温度补偿所需电压的预测结果。从而获得更好的温度补偿所需电压的预测结果。从而获得更好的温度补偿所需电压的预测结果。
【技术实现步骤摘要】
一种灭火弹挂飞温度补偿方法和系统
[0001]本专利技术涉及灭火弹挂飞温度补偿的
，尤其涉及一种灭火弹挂飞温度补偿方法和系统。
技术介绍
[0002]灭火弹挂飞温度补偿是一种针对飞机在高空环境下挂飞灭火弹时受到温度变化影响的解决方案。灭火弹的工作环境复杂，温度受多种因素影响，在挂飞阶段，温度过低对灭火弹的工作稳定性有着重大影响，灭火弹属于民用品，其控制装置及芯片如采用军用级，会使灭火弹的成本大幅增加，而采用商用级控制装置及芯片，则其对温度的要求更高，即在高空中不能过低，因此需要对控制装置及芯片进行温度补偿。在对灭火弹进行温度仿真以及进行温度补偿的过程中，单一的传感器可能无法完全覆盖所有的影响因素，从而导致温度补偿效果的不理想。利用神经网络进行灭火弹挂飞温度补偿时，过深的网络结构存在难优化的问题。同时，神经网络的初始化参数对网络的训练与预测存在着较大影响，目前直接使用随机化的初始化方法难以确保神经网络能够得到充分的优化。此外，目前常用温度补偿方式采用航电（飞机提供电能），而飞机各系统在航行时对航电的需要大。
技术实现思路
[0003]有鉴于此，本专利技术提供一种灭火弹挂飞温度补偿方法和系统，目的在于（1）使用多传感器监测灭火弹外部环境参数，为后续温度补偿提供坚实的数据基础；（2）使用残差模块充分调动输入信息在整个网络中的流动；（3）为设计的神经网络选择合适的初始化参数值，提供神经网络训练和预测的效果，从而获取精准的温度补偿策略，提高灭火弹在不同环境温度下的灭火效果和稳定性。
[0004]实现上述目的，本专利技术提供的一种灭火弹挂飞温度补偿方法和系统，包括以下步骤：S1：通过多传感器技术对环境温度、湿度、相对风速、大气压等外部参数进行实时监测；S2：模拟不同外部参数下，为达到灭火弹目标补偿温度所需要的不同电压，作为训练神经网络的训练样本；S3：构建神经网络，输入模拟的外部参数与目标补偿温度，输出对灭火弹进行温度补偿所需电压；S4：使用遗传算法优化神经网络初始化参数；S5：基于优化后的神经网络的结果，对灭火弹的温度进行补偿。
[0005]作为本专利技术的进一步改进方法：可选地，所述S1步骤中通过多传感器技术对环境温度、湿度、相对风速、大气压等外部参数进行实时监测，包括：常见的传感器有温度传感器、湿度传感器和压力传感器等，而环境温度、湿度、相
对风速、大气压均能影响灭火弹在挂飞过程中温度补偿的效果。因此，这些传感器能够即使监控灭火弹挂飞过程中所处环境的参数，从而提供数据支持灭火弹温度补偿算法。
[0006]可选地，所述S2步骤中模拟不同外部参数下，为达到灭火弹目标补偿温度所需要的不同电压，作为训练神经网络的训练样本，包括：S21：在模拟环境中模拟不同环境温度、湿度、相对风速，以及大气压的数值：；；；；其中，表示模拟环境中的温度，和分别表示模拟环境温度的最小值和最大值；表示模拟环境中的湿度，和分别表示模拟环境湿度的最小值和最大值；表示模拟环境中的相对风速，和分别表示模拟环境相对风速的最小值和最大值；表示模拟环境中的大气压，和分别表示模拟环境大气压的最小值和最大值。
[0007]S22：对模拟环境中的温度、湿度、相对风速，以及大气压进行随机采样，设定灭火弹工作的目标补偿温度，在每个模拟环境的外部参数下，测量灭火弹达到目标补偿温度所对应的电压值，采样方式为：；；；其中代表[0,1]上的均匀分布，均在该均匀分布上采样得到。利用计算得到x，再利用x计算得到，若，那么该x保留，否则重新生成再进行一次计算。若，那么x转化为
‑
x，否则保持不变。对每一个外部参数执行该流程，则可获取一组模拟环境的外部参数。
[0008]S23：重复S22获取一系列模拟环境的外部参数作为神经网络的训练样本。
[0009]可选地，所述S3步骤中构建神经网络，输入模拟的外部参数与目标补偿温度，输出对灭火弹进行温度补偿所需电压，包括：S31：定义神经网络的结构，神经网络由多个残差模块构成，残差模块可表示为：；其中，代表设计的残差模块，表示残差模块的输入，和分别表示残差模块第一层和第二层的权值，和分别表示残差模块第一层和第二层的偏置, 为神经网络的激活函数，表达式为；S32：添加神经网络的输入层与输出层，完成神经网络的构建，神经网络的整个计算过程为：；
；；其中，表示神经网络的输入，代表构建的神经网络第一层的权值，表示构建的神经网络第一层的偏置，L表示神经网络的层数，，为第l层的残差模块，代表构建的神经网络第L层的权值，表示构建的神经网络第L层的偏置，表示神经网络预测的用于温度补偿的电压值。
[0010]S33：计算神经网络预测的用于温度补偿的电压值与的真实电压值的误差：；其中，表示神经网络预测的用于温度补偿的电压值，为模拟环境中测得的电压值。
[0011]S34：使用随机梯度下降法更新神经网络的权重和偏置，从而完成构建的神经网络的训练，权重和偏置的更新方式为：；；其中，W和b表示神经网络中所有权重和偏置，i代表迭代次数，和分别代表第i次迭代时W和b的梯度，为神经网络的学习率，用于控制神经网络梯度下降的幅度。
[0012]可选地，所述S4步骤中使用遗传算法优化神经网络初始化参数，包括：S41：初始化种群大小N，将神经网络的参数集合为Y，其中一个个体的参数设置为y，则种群可以表示为：；其中表示个体序号，；S42：对于一个个体，使用适应度函数来评估其性能，并计算适应度值，适应度值的计算方式为：；其中，表示使用个体作为神经网络初始化参数时，神经网络完成训练后预测的预测的用于温度补偿的电压值，为模拟环境中测得的电压值。
[0013]S43：对所有个体分别获取的适应度值计算选择算子，并选择计算出的选择算子在前10%的个体作为优秀个体进入下一代，选择算子的计算方式为：；S44：在选择出的优秀个体中，使用变异操作引入新的基因变化，以增加种群的多
样性，变异算子可以表示为：；其中为随机生成的变异步长；使用变异操作将种群数量增加至被选择算子选择前种群数量的50%，重复步骤S42
‑
S44，直到被选择的优秀个体少于5个，并从最终的种群中选择适应度值最高的个体作为最优解：；其中表示选择出的最佳个体，即神经网络最佳的初始化参数函数代表筛选种群中最佳的适应度值。
[0014]可选地，所述S5步骤中基于优化后的神经网络的结果，对灭火弹的温度进行补偿，包括：对于训练完成的神经网络，输入环境中的温度、相对湿度，以及大气压以及目标补偿温度，即可获得对灭火弹进行温度补偿时所需要使用的电压。
[0015]本专利技术还提供了一种灭火弹挂飞温度补偿系统，包括：数据获取模块：用于获取灭火弹挂飞时或者挂飞仿真时的环境参数；所述环境参数包括环境温度、湿度、相对风速、大气压；在灭火弹挂飞时，相对风速可以由飞机直接给定飞行速度和风速、风向来进行计算；在实验室进行仿真模拟挂飞时，相对风速则可以直接给定风速。
[0016]数据处理模块：用于对输入的环境参数与目标补偿温度计算经过神经网络后的结本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种灭火弹挂飞温度补偿方法，其特征在于，包括以下步骤：S1：通过多传感器技术对环境温度、湿度、大气压外部参数进行实时监测；S2：模拟温度、湿度、相对风速、大气压外部参数，为达到灭火弹目标补偿温度所需要的不同电压，作为训练神经网络的训练样本；S3：构建神经网络，输入模拟的外部参数与目标补偿温度，输出对灭火弹进行温度补偿所需电压；S4：使用遗传算法优化神经网络初始化参数；S5：基于优化后的神经网络的结果，对灭火弹的温度进行补偿。2.根据权利要求1所述的灭火弹挂飞温度补偿方法，其特征在于，所述步骤S2中模拟不同外部参数下，为达到灭火弹目标补偿温度所需要的不同电压，作为训练神经网络的训练样本，包括：S21：在模拟环境中模拟不同环境温度、湿度、相对风速，以及大气压的数值：；；；；其中，表示模拟环境中的温度，和分别表示模拟环境温度的最小值和最大值；表示模拟环境中的湿度，和分别表示模拟环境湿度的最小值和最大值；表示模拟环境中的相对风速，和分别表示模拟环境相对风速的最小值和最大值；表示模拟环境中的大气压，和分别表示模拟环境大气压的最小值和最大值；S22：对模拟环境中的温度、湿度、相对风速，以及大气压进行随机采样，设定灭火弹工作的目标补偿温度，在每个模拟环境的外部参数下，测量灭火弹达到目标补偿温度所对应的电压值；S23：重复S22获取一系列模拟环境的外部参数作为神经网络的训练样本。3.根据权利要求2所述的灭火弹挂飞温度补偿方法，其特征在于，模拟环境中的温度、湿度、相对风速，以及大气压随机采样方式为：；；；其中代表[0,1]上的均匀分布，均在该均匀分布上采样得到，利用计算得到x，再利用x计算得到，若，那么该x保留，否则重新生成再进行一次计算，若，那么x转化为
‑
x，否则保持不变，对每一个外部参数执行该流程，则可获取一组模拟环境的外部参数。4.根据权利要求2所述的灭火弹挂飞温度补偿方法，其特征在于，所述S3步骤中构建神经网络，输入模拟的外部参数与目标补偿温度，输出对灭火弹进行温度补偿所需电压，包括：S31：定义神经网络的结构，神经网络由多个残差模块构成，残差模块可表示为：
；其中，代表设计的残差模块，表示残差模块的输入，和分别表示残差模块第一层和第二层的权值，和分别表示残差模块第一层和第二层的偏置, 为神经网络的激活函数，表达式为；S32：添加神经网络的输入层与输出层，完成神经网络的构建，神经网络的整个计算过程为：；；；其中，表示神经网络的输入，代表构建的神经网络第一层的权值，表示构建的神经网络...
【专利技术属性】
技术研发人员：王国杰，张巧，熊健，樊富友，王贺，陈立民，
申请(专利权)人：湖南光华防务科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。