惯导系统最优更换时机确定方法、系统、电子设备及介质技术方案

本发明专利技术公开一种惯导系统最优更换时机确定方法、系统、电子设备及介质，涉及惯性导航系统健康管理技术领域，方法包括：确定惯性导航系统的历史维修情况和存储情况影响因子；根据惯性导航系统在不同监测值组情况下对应的性能状态，构建置信规则库；基于置信规则库、历史维修情况和存储情况影响因子，根据置信规则库中规则的构建方式，构建惯性导航系统动态优选决策模型；利用训练数据集对模型进行训练，采用均方误差作为损失函数对训练后的模型进行优化；将待决策监测值组输入优化后的模型，根据优化后的模型输出的性能状态确定惯性导航系统的最优检修更换时间。本发明专利技术可准确确定惯导系统最优检修更换时间。导系统最优检修更换时间。导系统最优检修更换时间。

【技术实现步骤摘要】
惯导系统最优更换时机确定方法、系统、电子设备及介质


[0001]本专利技术涉及惯性导航系统健康管理
，特别是涉及一种惯导系统最优更换时机确定方法、系统、电子设备及介质。

技术介绍

[0002]惯性导航系统（惯导系统）是依据牛顿惯性原理，利用惯性测量元件（加速度计、陀螺仪）来测量运载体本身的加速度和角速度，经过解算得到载体速度、位置、姿态、航向等信息，从而达到对运载体导航定位的目的。惯性导航系统主要应用于潜艇、飞机、导弹和各种航天器上，具有举足轻重的地位。惯性导航系统不需要依赖于任何外部信息，也不向外部辐射能量，故隐蔽性好，更不受外界电磁干扰的影响；可全天候、全时间地工作于空中、地球表面乃至水下；能提供位置、速度、航向和姿态角数据，所产生的导航信息连续性好而且噪声低；具有数据更新率高、短期精度和稳定性好的优点。
[0003]惯性导航系统健康管理作为提高惯性导航安全性和可靠性的重要手段，目前已经被广泛的应用于多个领域。而优选决策（Preference Decision，PD）作为健康管理的重要方面，旨在通过系统的监测信息以及系统的历史信息来确定系统的健康状态，为维修保养以及设备更换提供基础。随着科技的发展，目前，惯性导航系统的关键特征集中体现在集成化设计、自动化程度高、子系统高度耦合、承担任务重要等，这给其优选决策提出了很高的要求。
[0004]分析目前惯性导航系统优选决策中面临的问题，总结可以分为以下方面：第一，随着装备制造业水平的不断提升，目前，惯性导航系统的设计可靠度不断提升，出现故障的概率大幅度降低，进而导致所能够获取的异常信息尤为缺乏。因此惯性导航系统优选决策过程中面临监测样本缺失（主要是故障数据不足）的问题，通过不完整的数据无法推测较为合理的结果，同时对模型进行训练也无法得到评估结果准确的惯导系统优选决策模型，导致无法准确确定惯导系统最优检修更换时间（最优更换时机）。第二，由于惯性导航系统各个子系统之间高度耦合，且多采用集成化设计，导致影响其工作状态的因素较多，单纯依靠专家知识很难建立其准确的数学模型（惯导系统优选决策模型），因此无法准确确定惯导系统最优检修更换时间。

技术实现思路

[0005]本专利技术的目的是提供一种惯导系统最优更换时机确定方法、系统、电子设备及介质，以准确确定惯导系统最优检修更换时间。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种惯导系统最优更换时机确定方法，所述方法包括：
[0008]确定惯性导航系统的历史维修情况影响因子和历史存储情况影响因子；
[0009]根据惯性导航系统在不同监测值组情况下对应的性能状态，构建置信规则库；所述置信规则库包括多条不同的规则；所述规则用于建立监测值组与性能状态之间的对应关
系；所述监测值组包括惯性导航系统的各个关键特征指标的监测值；
[0010]基于所述置信规则库、所述历史维修情况影响因子和所述历史存储情况影响因子，根据所述置信规则库中所述规则的构建方式，构建惯性导航系统动态优选决策模型；
[0011]利用训练数据集对所述惯性导航系统动态优选决策模型进行训练，得到训练后的惯性导航系统动态优选决策模型；所述训练数据集包括不同监测值组样本以及各所述监测值组样本对应的性能状态；
[0012]采用均方误差作为损失函数对所述训练后的惯性导航系统动态优选决策模型进行优化，得到优化后的惯性导航系统动态优选决策模型；
[0013]将待决策监测值组输入所述优化后的惯性导航系统动态优选决策模型中，得到所述优化后的惯性导航系统动态优选决策模型输出的性能状态；
[0014]根据所述优化后的惯性导航系统动态优选决策模型输出的性能状态确定惯性导航系统的最优检修更换时间。
[0015]本专利技术还提供了如下方案：
[0016]一种惯导系统最优更换时机确定系统，所述系统包括：
[0017]影响因子确定模块，用于确定惯性导航系统的历史维修情况影响因子和历史存储情况影响因子；
[0018]置信规则库构建模块，用于根据惯性导航系统在不同监测值组情况下对应的性能状态，构建置信规则库；所述置信规则库包括多条不同的规则；所述规则用于建立监测值组与性能状态之间的对应关系；所述监测值组包括惯性导航系统的各个关键特征指标的监测值；
[0019]惯性导航系统动态优选决策模型构建模块，用于基于所述置信规则库、所述历史维修情况影响因子和所述历史存储情况影响因子，根据所述置信规则库中所述规则的构建方式，构建惯性导航系统动态优选决策模型；
[0020]模型训练模块，用于利用训练数据集对所述惯性导航系统动态优选决策模型进行训练，得到训练后的惯性导航系统动态优选决策模型；所述训练数据集包括不同监测值组样本以及各所述监测值组样本对应的性能状态；
[0021]模型优化模块，用于采用均方误差作为损失函数对所述训练后的惯性导航系统动态优选决策模型进行优化，得到优化后的惯性导航系统动态优选决策模型；
[0022]性能状态决策模块，用于将待决策监测值组输入所述优化后的惯性导航系统动态优选决策模型中，得到所述优化后的惯性导航系统动态优选决策模型输出的性能状态；
[0023]最优检修更换时间确定模块，用于根据所述优化后的惯性导航系统动态优选决策模型输出的性能状态确定惯性导航系统的最优检修更换时间。
[0024]本专利技术还提供了如下方案：
[0025]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的惯导系统最优更换时机确定方法。
[0026]本专利技术还提供了如下方案：
[0027]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的惯导系统最优更换时机确定方法。
[0028]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0029]本专利技术公开的惯导系统最优更换时机确定方法、系统、电子设备及介质，基于置信规则库方法的自身优势，通过不完整的数据推测较为合理的结果，同时对模型进行训练可得到评估结果准确的惯导系统优选决策模型，即惯性导航系统动态优选决策模型，解决了惯性导航系统优选决策过程中面临的监测样本缺失（主要是故障数据不足）的问题；基于置信规则库、历史维修情况影响因子和历史存储情况影响因子，根据置信规则库中规则的构建方式，构建惯性导航系统动态优选决策模型，将惯性导航系统的历史维修情况和存储情况作为影响因子融入到模型中，从而建立其准确的数学模型，即惯性导航系统动态优选决策模型，利用该模型能够更准确的评估惯性导航系统的性能状态，进而根据性能状态准确确定惯导系统最优检修更换时间。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种惯导系统最优更换时机确定方法，其特征在于，所述方法包括：确定惯性导航系统的历史维修情况影响因子和历史存储情况影响因子；根据惯性导航系统在不同监测值组情况下对应的性能状态，构建置信规则库；所述置信规则库包括多条不同的规则；所述规则用于建立监测值组与性能状态之间的对应关系；所述监测值组包括惯性导航系统的各个关键特征指标的监测值；基于所述置信规则库、所述历史维修情况影响因子和所述历史存储情况影响因子，根据所述置信规则库中所述规则的构建方式，构建惯性导航系统动态优选决策模型；利用训练数据集对所述惯性导航系统动态优选决策模型进行训练，得到训练后的惯性导航系统动态优选决策模型；所述训练数据集包括不同监测值组样本以及各所述监测值组样本对应的性能状态；采用均方误差作为损失函数对所述训练后的惯性导航系统动态优选决策模型进行优化，得到优化后的惯性导航系统动态优选决策模型；将待决策监测值组输入所述优化后的惯性导航系统动态优选决策模型中，得到所述优化后的惯性导航系统动态优选决策模型输出的性能状态；根据所述优化后的惯性导航系统动态优选决策模型输出的性能状态确定惯性导航系统的最优检修更换时间。2.根据权利要求1所述的惯导系统最优更换时机确定方法，其特征在于，所述确定惯性导航系统的历史维修情况影响因子和历史存储情况影响因子，具体包括：利用公式确定惯性导航系统的历史维修情况影响因子；其中，z1表示惯性导航系统的历史维修情况影响因子，表示小修对应的维修系数，m表示中修对应的维修系数，h表示大修对应的维修系数，x1表示惯性导航系统经历小修的次数，x2表示惯性导航系统经历中修的次数，x3表示惯性导航系统经历大修的次数，表示惯性导航系统维修折算值的最大值，表示惯性导航系统维修折算值的最小值；利用公式确定惯性导航系统的历史存储情况影响因子；其中，z2表示惯性导航系统的历史存储情况影响因子，t表示惯性导航系统当前存储时间，k1表示温度折算系数，k2表示湿度折算系数，b1=0，b2表示允许存储时间。3.根据权利要求2所述的惯导系统最优更换时机确定方法，其特征在于，基于所述置信规则库、所述历史维修情况影响因子和所述历史存储情况影响因子，根据所述置信规则库中所述规则的构建方式，构建惯性导航系统动态优选决策模型，具体包括：针对每条所述规则，确定每个所述关键特征指标在所述规则中的匹配度；根据每个所述关键特征指标在所述规则中的匹配度、所述历史维修情况影响因子和所述历史存储情况影响因子，确定所有所述关键特征指标对于所述规则中的总匹配度；根据所有所述关键特征指标对于所述规则中的总匹配度以及所述规则的权重，确定所述规则的激活权重；根据所述规则的激活权重，采用证据推理算法融合激活后的规则，构建惯性导航系统
动态优选决策模型。4.根据权利要求3所述的惯导系统最优更换时机确定方法，其特征在于，根据每个所述关键特征指标在所述规则中的匹配度、所述历史维修情况影响因子和所述历史存储情况影响因子，确定所有所述关键特征指标对于所述规则中的总匹配度，具体包括：利用公式确定所有所述关键特征指标对于第k规则中的总匹配度；其中，M表示所述关键特征指标的总数量，i表示所述关键特征指标的序号，表示第i个关键特征指标在第j条规则中的匹配度，表示第i个关键特征指标的相对权重大小。5.一种惯导系统最优更换时机确定系统，其特征在于，所述系统包括：影响因子确定模块，用于确定惯性导航系统的历史维修情况影响因子和历史存储情况影响因子；置信规则库构建模块，用于根据惯性导航系统在不同监测值组情况下对应的性能状态，构建置信规则库；所述置信规则...

【专利技术属性】
技术研发人员：周志杰，冯志超，孙一杰，胡昌华，张朋，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：