一种火箭模拟发射参数判读方法、计算设备及存储介质技术

本发明专利技术公开了一种火箭模拟发射参数判读方法、计算设备及存储介质，属于数据处理技术领域，包括收集火箭模拟发射试验的判读参数数据，对收集火箭模拟发射试验的判读参数数据进行预处理和特征提取；使用预处理和特征提取后的数据，构建判读模型；利用训练数据集进行判读模型训练，并使用测试数据集对训练好的判读模型进行评估和验证；将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析。本发明专利技术对运载火箭模拟发射试验数据的自动判读，实现对复杂数据的准确判读。复杂数据的准确判读。复杂数据的准确判读。

【技术实现步骤摘要】
一种火箭模拟发射参数判读方法、计算设备及存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种火箭模拟发射参数判读方法、计算设备及存储介质。

技术介绍

[0002]在现代航天领域，模拟发射试验是评估和验证运载火箭性能的关键环节。传统的模拟发射试验通常依赖于人工判读数据，这种方法存在着人为误差和效率低下的问题。
[0003]近年来，随着自动化数据分析在航天领域的应用逐渐多样化，出现了一些相应的技术方案能够在一定程度上实现火箭模拟发射参数判读的自动化。
[0004]但是，现有技术方案需要依赖于人工标记的数据集进行训练，这限制了其适用范围和扩展性。此外，一些技术方案在处理复杂的火箭试验数据时可能存在准确性和效率的问题。由于航天领域的特殊性，模拟发射试验数据通常具有高维度、复杂的时间序列特征，因此需要更加精确和高效的自动判读方法。
[0005]有鉴于此，实有必要提供一种新的技术方案以解决上述问题。

技术实现思路

[0006]为解决上述技术问题，本申请提供一种火箭模拟发射参数判读方法、计算设备及存储介质，能够对运载火箭模拟发射试验数据的自动判读，实现对复杂数据的准确判读。
[0007]一种火箭模拟发射参数判读方法，包括：收集火箭模拟发射试验的判读参数数据，对收集火箭模拟发射试验的判读参数数据进行预处理和特征提取；使用预处理和特征提取后的数据，构建判读模型；利用训练数据集进行判读模型训练，并使用测试数据集对训练好的判读模型进行评估和验证；将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析。
[0008]优选的，在将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析之后，还包括：通过收集反馈数据和使用增强学习算法，对模型进行自我优化和学习；根据实时反馈和新的试验数据，对模型进行调整和更新。
[0009]优选的，在将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析之后，还包括：考虑不同类型火箭模拟发射试验的判读参数的关联和影响，将各判读参数的判读结果进行综合分析：通过综合判读结果，对整个火箭发射试验性能进行综合评估，识别潜在的问题或异常情况；
将识别到的潜在的问题或异常情况进行可视化展示。
[0010]优选的，所述通过综合判读结果，对整个火箭发射试验性能进行综合评估，识别潜在的问题或异常情况包括针对每个参数或判读结果，设定相应的阈值或指标范围；对各个参数的判读结果进行综合分析，考虑它们之间的关联和影响；利用异常检测方法，对综合判读结果进行异常检测和识别；对于超过设定阈值或不符合指标范围的判读结果，将其标识为潜在问题或异常情况；根据识别的问题或异常情况，生成相应的警报或反馈。
[0011]优选的，所述判读模型采用多层感知机作为神经网络的基本架构，包括均具有多个神经元的输入层、隐藏层和输出层；每个所述神经元能够接收上一层的输入，并通过激活函数进行处理，将结果传递给下一层；所述判读模型采用交叉熵损失函数作为优化目标，用于衡量模型预测结果与实际标签之间的差异；所述判读模型使用梯度下降法或其变种算法来最小化损失函数；其中，所述激活函数为ReLU函数或Sigmoid函数。
[0012]优选的，所述神经网络包括卷积神经网络和/或循环神经网络；其中，所述卷积神经网络用于处理具有空间结构的数据，所述循环神经网络用于处理具有时序关系的数据。
[0013]优选的，在所述利用训练数据集进行判读模型训练的过程中，需要对模型的超参数进行调优；所述超参数包括学习率、批量大小、网络结构和层数、正则化参数、激活函数。
[0014]优选的，其特征在于，所述火箭模拟发射试验的判读参数数据包括发动机参数、加速度参数、轨迹参数、姿态参数和温度参数。
[0015]根据本申请的另一方面，还提一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行所述的火箭模拟发射参数判读方法。
[0016]根据本申请的另一方面，还提一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，当所述指令在计算机上运行时，使得计算机执行所述的火箭模拟发射参数判读方法。
[0017]与现有技术相比，本申请至少具有以下有益效果：1、本专利技术能够自动判读火箭模拟发射试验中的多种关键性能参数，通过深度学习和机器学习算法，结合数据预处理和特征提取方法，实现对复杂数据的准确判读。
[0018]2、本专利技术能够快速、准确地处理实时采集的数据，并实时反馈判读结果，通过与传感器和数据采集系统的无缝集成，实现对火箭试验数据的即时监测、判读和分析。
[0019]3、本专利技术基于神经网络，使判读模型具备自我优化和学习的能力，模型能够根据实时反馈不断优化自身的判读能力，并适应不同环境和条件，提高模型的性能和稳定性。
[0020]4、本专利技术的火箭模拟发射参数判读方法可以适应不同类型和规模的运载火箭模拟发射试验，同时具备适应性强、可定制性高的特点，可以根据实际需求进行灵活调整和优化。
附图说明
[0021]后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些
附图未必是按比例绘制的。附图中：图1为本专利技术火箭模拟发射参数判读方法的整体流程示意图。
具体实施方式
[0022]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0023]如图1所示，一种火箭模拟发射参数判读方法，包括以下步骤：步骤S1、收集火箭模拟发射试验的判读参数数据，对收集火箭模拟发射试验的判读参数数据进行预处理和特征提取。
[0024]具体的，所述火箭模拟发射试验的判读参数数据包括发动机参数、加速度参数、轨迹参数、姿态参数和温度参数。
[0025]表1 火箭模拟发射试验的判读参数数据表
[0026][0027]如表1所示，运载火箭模拟发射试验自动判读参数包括：发射时间、偏航角、偏航距、风速、风向、火箭经度、火箭纬度、地速、真航向、磁航向、偏流角、航迹角、俯仰角、横滚角、天向速度、北向速度、东向速度、箭体横轴角速率、箭体纵轴角速率、箭体法向轴角速率、纵轴角加速度、横轴角加速度、法向轴角加速度、箭体横轴加速度、箭体纵轴加速度、箭体法向轴加速度、地理系东向加速度、地理系北向加速度、地理系垂直加速度、惯性气压高度、无线电罗盘方位、绝对气压高度、相对气压高度、马赫数、指示空速、真空速、大气总温、升降速度、大气静温、动压、静压、真攻角、总压、无线电高度、发动机告警信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火箭模拟发射参数判读方法，其特征在于，包括：收集火箭模拟发射试验的判读参数数据，对收集火箭模拟发射试验的判读参数数据进行预处理和特征提取；使用预处理和特征提取后的数据，构建判读模型；利用训练数据集进行判读模型训练，并使用测试数据集对训练好的判读模型进行评估和验证；将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析。2.如权利要求1所述的火箭模拟发射参数判读方法，其特征在于，在将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析之后，还包括：通过收集反馈数据和使用增强学习算法，对模型进行自我优化和学习；根据实时反馈和新的试验数据，对模型进行调整和更新。3.如权利要求1所述的火箭模拟发射参数判读方法，其特征在于，在将训练好的判读模型与实时数据采集系统和传感器进行集成，实现对火箭模拟发射实时数据的快速判读和分析之后，还包括：考虑不同类型火箭模拟发射试验的判读参数的关联和影响，将各判读参数的判读结果进行综合分析：通过综合判读结果，对整个火箭发射试验性能进行综合评估，识别潜在的问题或异常情况；将识别到的潜在的问题或异常情况进行可视化展示。4.如权利要求3所述的火箭模拟发射参数判读方法，其特征在于，所述通过综合判读结果，对整个火箭发射试验性能进行综合评估，识别潜在的问题或异常情况包括针对每个参数或判读结果，设定相应的阈值或指标范围；对各个参数的判读结果进行综合分析，考虑它们之间的关联和影响；利用异常检测方法，对综合判读结果进行异常检测和识别；对于超过设定阈值或不符合指标范围的判读结果，将其标识为潜在问题或...

【专利技术属性】
技术研发人员：王健，布向伟，彭昊旻，姚颂，魏凯，马向明，李凌云，
申请(专利权)人：东方空间技术山东有限公司，
类型：发明
国别省市：