一种舰船电子设备的维修时间预测方法及系统技术方案

本发明专利技术提供了一种舰船电子设备的维修时间预测方法及系统，所述方法包括：获取舰船电子设备的第一历史维修时间序列；对所述第一历史维修时间序列进行相空间重构，得到相空间时间序列；将所述相空间时间序列输入至维修时间预测模型，得到所述维修时间预测模型输出的舰船电子设备的预测维修时间序列；其中，所述维修时间预测模型是基于第二历史维修时间序列对初始预测模型进行训练得到的；所述初始预测模型是基于自适应粒子群算法，对多核相关向量机进行参数优化得到的。本发明专利技术实现了舰船电子设备的维修时间预测，克服了基本粒子群算法以及单核相关向量机的缺陷，具有泛化能力强、稳定性高、预测精度高的优点。预测精度高的优点。预测精度高的优点。

【技术实现步骤摘要】
一种舰船电子设备的维修时间预测方法及系统


[0001]本专利技术属于舰船导弹设备维修
，更具体地，涉及一种舰船电子设备的维修时间预测方法及系统。

技术介绍

[0002]导弹电子设备是安装在舰船导弹上来完成一种或者多种的任务的电路系统、分系统或组件。导弹电子系统的一般功用是测量导弹本身的坐标，接收和变换遥控制导指令，测量目标相对于导弹的坐标和运动参数，按一定的导引规律形成能够修正导弹飞行的控制指令，形成引爆导弹战斗部的单次引爆指令。导弹电子系统还广泛用于导弹的测控、遥测、目标探测和数据传输等方面。
[0003]导弹电子设备一旦出现故障，就会对作战产生严重的影响，造成灾难性的后果。因此，如何在训练核执行任务之前对导弹电子设备进行故障时间预测，以实现及时制定维修计划，妥善配置现有维修资源，提高舰船导弹电子设备的维修保障性，保证任务正常完成，是舰船导弹设备维修领域目前亟待解决的重要课题。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种舰船电子设备的维修时间预测方法及系统，旨在解决现有技术无法实现舰船电子设备的维修时间预测的问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种舰船电子设备的维修时间预测方法，包括：
[0006]S101获取舰船电子设备的第一历史维修时间序列；
[0007]S102对所述第一历史维修时间序列进行相空间重构，得到相空间时间序列；
[0008]S103将所述相空间时间序列输入至维修时间预测模型，得到所述维修时间预测模型输出的舰船电子设备的预测维修时间序列；
[0009]其中，所述维修时间预测模型是基于第二历史维修时间序列对初始预测模型进行训练得到的；所述初始预测模型是基于自适应粒子群算法，对多核相关向量机进行参数优化得到的。
[0010]在一个可选的示例中，所述初始预测模型具体基于如下步骤构建：
[0011]基于自适应粒子群算法，对粒子群的惯性权重进行动态调整，并基于动态调整后的惯性权重对粒子的速度和位置进行迭代更新，若满足预设收敛条件，则停止更新，输出最优参数；
[0012]基于所述最优参数，对多核相关向量机进行参数优化，得到所述初始预测模型。
[0013]在一个可选的示例中，第d次迭代第i个粒子动态调整后的惯性权重具体为：
[0014][0015]其中，w
min
和w
max
分别为最小惯性权重和最大惯性权重，为第d次迭代第i个粒子的适应度，为第d次迭代所有粒子的平均适应度，n为粒子的总数，为第d次迭代所有粒子的最小适应度。
[0016]在一个可选的示例中，所述多核相关向量机的核函数具体为：
[0017]K(x,x
u
)＝mK1(x,x
u
)+(1
‑
m)K2(x,x
u
)
[0018]其中，x和x
u
为任意两个输入向量，m为权重参数，取值范围为[0,1]；为高斯核函数，σ为核参数；K2(x,x
u
)＝(x
·
x
u
+1)2为多项式核函数。
[0019]在一个可选的示例中，假设所述第一历史维修时间序列为{x
i
,i＝1,2,
…
,N}，则所述相空间时间序列具体为：
[0020][0021]其中，τ为延迟时间，m为嵌入维数，M＝N
‑
(m
‑
1)τ为相点数量，N为所述第一历史维修时间序列的长度。
[0022]第二方面，本专利技术提供了一种舰船电子设备的维修时间预测系统，包括：
[0023]时间序列获取模块，用于获取舰船电子设备的第一历史维修时间序列；
[0024]相空间重构模块，用于对所述第一历史维修时间序列进行相空间重构，得到相空间时间序列；
[0025]维修时间预测模块，用于将所述相空间时间序列输入至维修时间预测模型，得到所述维修时间预测模型输出的舰船电子设备的预测维修时间序列；其中，所述维修时间预测模型是基于第二历史维修时间序列对初始预测模型进行训练得到的；所述初始预测模型是基于自适应粒子群算法，对多核相关向量机进行参数优化得到的。
[0026]在一个可选的示例中，所述维修时间预测模块包括预测模型构建模块；
[0027]所述预测模型构建模块用于基于自适应粒子群算法，对粒子群的惯性权重进行动态调整，并基于动态调整后的惯性权重对粒子的速度和位置进行迭代更新，若满足预设收敛条件，则停止更新，输出最优参数；基于所述最优参数，对多核相关向量机进行参数优化，得到所述初始预测模型。
[0028]在一个可选的示例中，所述预测模型构建模块中第d次迭代第i个粒子动态调整后的惯性权重具体为：
[0029][0030]其中，w
min
和w
max
分别为最小惯性权重和最大惯性权重，为第d次迭代第i个粒子的适应度，为第d次迭代所有粒子的平均适应度，n为粒子的总数，为第d次迭代所有粒子的最小适应度。
[0031]在一个可选的示例中，所述维修时间预测模块中所述多核相关向量机的核函数具体为：
[0032]K(x,x
u
)＝mK1(x,x
u
)+(1
‑
m)K2(x,x
u
)
[0033]其中，x和x
u
为任意两个输入向量，m为权重参数，取值范围为[0,1]；为高斯核函数，σ为核参数；K2(x,x
u
)＝(x
·
x
u
+1)2为多项式核函数。
[0034]在一个可选的示例中，假设所述相空间重构模块中所述第一历史维修时间序列为{x
i
,i＝1,2,
…
,N}，则所述相空间时间序列具体为：
[0035][0036]其中，τ为延迟时间，m为嵌入维数，M＝N
‑
(m
‑
1)τ为相点数量，N为所述第一历史维修时间序列的长度。
[0037]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
[0038]本专利技术提供一种舰船电子设备的维修时间预测方法及系统，通过采用自适应粒子群算法对多核相关向量机进行参数优化，再利用训练样本对参数优化后的模型进行训练，由此构建维修时间预测模型，从而克服了基本粒子群算法以及单核相关向量机的缺陷，极大提高了模型的预测精度，在此基础上，应用相空间重构对原始历史维修时间序列进行预处理，并基于预处理后的数据应用维修时间预测模型对导弹电子设备的维修时机进行预测，实现了舰船电子设备的维修时间预测，具有泛化能力强、稳定性高、预测精度高的优点。
附图说明
[0039]图1是本专利技术提供的舰船电子设备的维修时间预测方法的流程示意图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种舰船电子设备的维修时间预测方法，其特征在于，包括：S101获取舰船电子设备的第一历史维修时间序列；S102对所述第一历史维修时间序列进行相空间重构，得到相空间时间序列；S103将所述相空间时间序列输入至维修时间预测模型，得到所述维修时间预测模型输出的舰船电子设备的预测维修时间序列；其中，所述维修时间预测模型是基于第二历史维修时间序列对初始预测模型进行训练得到的；所述初始预测模型是基于自适应粒子群算法，对多核相关向量机进行参数优化得到的。2.根据权利要求1所述的舰船电子设备的维修时间预测方法，其特征在于，所述初始预测模型具体基于如下步骤构建：基于自适应粒子群算法，对粒子群的惯性权重进行动态调整，并基于动态调整后的惯性权重对粒子的速度和位置进行迭代更新，若满足预设收敛条件，则停止更新，输出最优参数；基于所述最优参数，对多核相关向量机进行参数优化，得到所述初始预测模型。3.根据权利要求2所述的舰船电子设备的维修时间预测方法，其特征在于，第d次迭代第i个粒子动态调整后的惯性权重具体为：其中，w
min
和w
max
分别为最小惯性权重和最大惯性权重，为第d次迭代第i个粒子的适应度，为第d次迭代所有粒子的平均适应度，n为粒子的总数，为第d次迭代所有粒子的最小适应度。4.根据权利要求1所述的舰船电子设备的维修时间预测方法，其特征在于，所述多核相关向量机的核函数具体为：K(x,x
u
)＝K1(x,x
u
)+(1
‑
)K2(x,x
u
)其中，x和x
u
为任意两个输入向量，m为权重参数，取值范围为[0,1]；为高斯核函数，σ为核参数；K2(x,x
u
)＝(x
·
x
u
+1)2为多项式核函数。5.根据权利要求1至4任一项所述的舰船电子设备的维修时间预测方法，其特征在于，假设所述第一历史维修时间序列为{x
i
,＝1,2,
…
,}，则所述相空间时间序列具体为：其中，τ为延迟时间，m为嵌入维数，M＝N
‑
(m
‑
1)τ为相点数量，N为所述第一历史维修时间序列的长度。6.一种舰船电子设备的维修时间预测系统，其特征在于，包括：
时间序列...

【专利技术属性】
技术研发人员：徐巍，熊尧，张文俊，程力旻，孙玉平，倪先胜，崔晓龙，
申请(专利权)人：中国船舶集团有限公司第七一九研究所，
类型：发明
国别省市：