System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及灵敏度分析,尤其涉及一种基于门控循环网络的飞行器装备效能灵敏度分析方法。
技术介绍
1、灵敏度分析是指定性或定量地研究模型输入的不确定性对模型输出不确定性的影响。根据一次针对单个或多个参数对模型输出的影响划分,有局部和全局灵敏度分析。由于本算法的应用对象为仿真系统,该系统中很多参数会同时发生变化,因此采用全局灵敏度分析方法。全局灵敏度分析方法也可以分为定性和定量两种。其中,定性全局灵敏度分析是指分析模型输入的不确定性对模型输出不确定性影响的相对大小;定量全局灵敏度分析是指分析模型输入的不确定性在模型输出不确定性中所占百分比。相比定性的方法,定量的方法计算量较大,但可以得到具体的灵敏度值。
2、飞行器装备效能灵敏度分析技术是指通过对关键参数进行变化和控制,评估装备系统对这些参数变化的响应程度和敏感性的一种分析方法。该技术主要用于评估飞行器系统在不同条件下的工作性能,以便为设计优化、改进和维护提供参考。在发展过程中,装备效能灵敏度分析技术经历了多个阶段。起初,该技术主要应用于计算机系统和电子设备等领域,通过对电路参数和器件特性的变化进行分析,评估系统工作性能的稳定性和可靠性。随着装备系统复杂性的增加,该技术逐渐扩展到了航空、航天、汽车、轨道交通等多个领域,成为了一种重要的工程分析手段。
3、近年来,随着大数据、人工智能等新技术的不断发展和应用,装备效能灵敏度分析技术也在不断创新和进化。例如,在虚拟仿真环境下开展效能灵敏度分析,可以大大降低成本和风险,为装备系统设计和改进提供更为可靠和高效的支持。
4、因此,如何提供一种效率和准确度更高的飞行器装备效能灵敏度分析方法,成为本领域亟待解决的技术问题。
技术实现思路
1、为了解决上述技术问题,本专利技术提供了一种基于门控循环网络的飞行器装备效能灵敏度分析方法,该方法采用门控循环网络对飞行器装备效能进行灵敏度分析,较少采样次数时依然准确,该方法合理、有效、准确、效率高。
2、基于同一专利技术构思,本专利技术具有四个独立的技术方案:
3、1、一种基于门控循环网络的飞行器装备效能灵敏度分析方法,包括:
4、s1、获取装备体系仿真数据;
5、s2、对所述装备体系仿真数据进行预处理并划分为训练集和测试集;
6、s3、构建门控循环网络并基于所述训练集进行训练;
7、s4、基于门控循环网络计算所述测试集中样本的样本全局灵敏度,并求平均值,得到全局灵敏度结果;
8、其中,通过权重信息的传播计算所述样本全局灵敏度。
9、进一步地,所述预处理包括如下步骤:
10、s21、识别所述装备体系仿真数据中的布尔型数据和枚举型数据,转化为数值型数据;
11、s22、采用z-score方法对所述装备体系仿真数据进行标准化。
12、进一步地,所述门控循环网络包括重置门、更新门、sigmoid函数以及tanh函数。
13、进一步地,所述重置门的输出值在0到1之间,其中0表示完全忘记历史信息,1表示完全保留历史信息,计算公式如下:
14、rt=σ(wr·[ht-1,xt]);
15、其中,wr为重置门权重矩阵,ht-1为上一时刻飞行器效能指标的隐藏状态,xt为当前时刻飞行器效能参数值,σ为sigmoid函数
16、进一步地,所述更新门的输出值在0到1之间,其中0表示完全依赖于过去的隐藏状态,1表示完全依赖于新的输入信号;
17、所述更新门用于计算隐藏状态,公式如下:
18、
19、其中,ht为当前时刻飞行器效能指标的隐藏状态,ht-1为上一时刻飞行器效能指标的隐藏状态,zt为更新门,为候选隐藏状态。
20、进一步地,基于所述训练集进行训练,包括:
21、s31、对所述门控循环网络进行初始化,将参数设置为随机值或预训练的值,所述参数包括但不限于:输入层到隐藏层的权重矩阵、隐藏层到输出层的权重矩阵、以及偏置向量;
22、s32、定义损失函数;
23、s33、通过前向传播计算出当前时间步的隐藏状态和输出,在每个时间步中所述门控循环网络的输入由当前输入和前一个时间步的隐藏状态组成;
24、s34、根据反向传播算法计算梯度信息,对所述参数进行更新以最小化所述损失函数计算结果;
25、s35、重复步骤s33-s34,直至收敛或达到指定迭代次数。
26、进一步地,步骤s4包括:
27、s41、对每个来自所述测试集样本的输入特征进行微小的扰动;
28、s42、通过前向传播算法计算扰动后的输出结果;
29、s43、对于所有所述测试集中的样本,计算每个所述输入特征对所述输出结果的敏感程度,并将每个输入特征的敏感程度相加,得到该样本的样本全局灵敏度;
30、s44、计算所述样本全局灵敏度的平均值,得到全局灵敏度结果。
31、2、一种基于门控循环网络的飞行器装备效能灵敏度分析装置,包括:
32、数据获取模块,用于获取装备体系仿真数据;
33、预处理模块,用于对所述装备体系仿真数据进行预处理并划分为训练集和测试集;
34、训练模块,用于构建门控循环网络并基于所述训练集进行训练;
35、分析模块,用于基于门控循环网络计算所述测试集中的样本的样本全局灵敏度,并求平均值,得到全局灵敏度结果;
36、其中,通过权重信息的传播计算所述样本全局灵敏度。
37、3、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
38、4、一种电子设备,包括处理器和存储装置,所述存储装置中存有多条指令,所述处理器用于读取所述存储装置中的多条指令并执行上述的方法。
39、本专利技术提供的基于门控循环网络的飞行器装备效能灵敏度分析方法,至少包括如下有益效果:
40、(1)采用门控循环网络对飞行器装备效能进行灵敏度分析,较少采样次数时依然准确,并且通过较少的仿真实验次数仍然可以得到与其他方法结果一致的灵敏度数据,该方法合理、有效、准确、效率高;
41、(2)在训练时,gru的门控单元比传统rnn网络结构简单,所以容易学习,在训练时可以获得更快的收敛速度,更少的参数数量使得其计算效率更高。
本文档来自技高网...【技术保护点】
1.一种基于门控循环网络的飞行器装备效能灵敏度分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预处理包括如下步骤:
3.根据权利要求1所述的方法,其特征在于,所述门控循环网络包括重置门、更新门、sigmoid函数以及tanh函数。
4.根据权利要求3所述的方法,其特征在于,所述重置门的输出值在0到1之间,其中0表示完全忘记历史信息,1表示完全保留历史信息,计算公式如下:
5.根据权利要求3所述的方法,其特征在于,所述更新门的输出值在0到1之间,其中0表示完全依赖于过去的隐藏状态,1表示完全依赖于新的输入信号;
6.根据权利要求1所述的方法,其特征在于,基于所述训练集进行训练,包括:
7.根据权利要求1所述的方法,其特征在于,步骤S4包括:
8.一种基于门控循环网络的飞行器装备效能灵敏度分析装置,其特征在于,包括:
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一所述的方法。<
...【技术特征摘要】
1.一种基于门控循环网络的飞行器装备效能灵敏度分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预处理包括如下步骤:
3.根据权利要求1所述的方法,其特征在于,所述门控循环网络包括重置门、更新门、sigmoid函数以及tanh函数。
4.根据权利要求3所述的方法,其特征在于,所述重置门的输出值在0到1之间,其中0表示完全忘记历史信息,1表示完全保留历史信息,计算公式如下:
5.根据权利要求3所述的方法,其特征在于,所述更新门的输出值在0到1之间,其中0表示完全依赖于过去的隐藏状态,1表示完全依赖于新的输入...
【专利技术属性】
技术研发人员:赵敬远,李伟,李景,杨明,马萍,
申请(专利权)人:哈尔滨工业大学,
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。