[發明專利]一種長期貯存復雜裝備的質量狀態評估方法

在審

• 申請號: 201710991721.7
• 申請日: 2017-10-17
• 公開（公告）號: CN107656906A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 馬敬偉;朱敏;高彥平;王麗婷;李海燕;趙大磊;李彪;郭明;黃桂;謝鑫
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王瑩,吳歡燕

1.一種長期貯存復雜裝備的質量狀態評估方法，其特征在于該方法包括如下步驟：

步驟一，建立基于支持向量機復雜裝備故障擬合模型，通過用內積空間定義的非線性映射Ф，將輸入空間的數據映射到高維特征空間G中，并在這個空間進行線性回歸，充分利用有限的歷史檢測數據來擬合故障趨勢。

步驟二，建立基于最小二乘支持向量機復雜裝備質量狀態擬合模型，在步驟一的基于支持向量機復雜裝備故障擬合模型中融合最小二乘算法的基礎上，將最小二乘法中的二次規劃問題轉化為求解一組線性方程，通過對相空間重構降低擬合的復雜程度，提高擬合的精確度。

步驟三，確定嵌入維數、懲罰因子和核參數，計算復雜裝備質量狀態預測值，根據長期貯存復雜裝備檢測數據的訓練樣本和測試樣本，確定嵌入維數m、懲罰因子C和核參數σ²，計算復雜裝備質量狀態預測值。

2.如權利要求1所述的一種長期貯存復雜裝備的質量狀態評估方法，其特征在于步驟一所述的基于支持向量機復雜裝備故障擬合模型具體為：

式中，為回歸函數，a_i為對應于映射空間的特征系數，為對應于映射空間的理想特征系數，b為誤差，S為樣本容量，為輸入空間數據向量，為內積空間定義的非線性映射，為第i個輸入數據向量和第j個輸入數據向量在映射空間的內積，通過訓練樣本獲得合適的a_i，和b。

3.如權利要求1或2所述的一種長期貯存復雜裝備的質量狀態評估方法，其特征在于步驟二所述的基于最小二乘支持向量機復雜裝備質量狀態擬合模型具體為：

式中，為第n+1時刻的預測值{x_i}為某特征參量的訓練樣本，i＝1,2…N，N為訓練樣本數，取前n個數據作為訓練樣本，后M(M＝N-n)個數據作為測試樣本。

4.如權利要求1或2所述的一種長期貯存復雜裝備的質量狀態評估方法，其特征在于步驟三所述的確定嵌入維數的方法為：

對輸入的歷史數據進行處理，確定嵌入維數；嵌入維數隱含陣蘊涵的知識量，利用最終預報誤差(FPE)準則，根據誤差值大小來選取嵌入維數，計算公式為：

FPE(k)=n+kn-kσa2]]>

其中：

σa2=1n-kΣt=k+1n(xt-Σi=1n-kaik(xi→,xt→)-b)2]]>

通過求解FPE的最小值來確定嵌入維數m；

確定核參數和懲罰因子的方法為：選用徑向基核函數確定核參數

k(x→,xi→)=exp(-|x→-xi→|2σ2)]]>

式中，為核函數，σ²為核參數；

首先固定核參數σ²，使懲罰因子C從0.1、1、10、100、1000、10000依次變化，將獲得的峰峰值后10個時間點的預測數據與測試數據比較，最小二乘支持向量機的預測精度隨著C的增大而增大，但當C增大到某一數值后，預測精度幾乎不再變化時，該數值即為C值；

固定懲罰因子C在選定數值上，使核參數σ²從0.05、0.5、5、50、500、5000依次變化,將得的峰峰值后10個時間點的預測數據與測試數據比較，隨著σ²的增大，預測精度也隨之升高，但當σ²超過一定值后，最小二乘支持向量機的預測精度又逐漸降低；選擇該拐點值為σ²值。

5.如權利要求1或2所述的一種長期貯存復雜裝備的質量狀態評估方法，其特征在于所述嵌入維數m＝4，懲罰因子C＝1000，σ²＝50。