[發明專利]一種基于神經網絡的復雜仿真模型驗證方法

有效

• 申請號: 201711038908.1
• 申請日: 2017-10-31
• 公開（公告）號: CN107766668B
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 周玉臣;馬萍;方可;楊明;趙開斌
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/15;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

1.一種基于神經網絡的六自由度飛行器仿真模型驗證方法，其特征在于：所述方法具體過程為：

步驟一：建立數據樣本集：

每一個數據樣本包含一個六自由度飛行器仿真模型仿真時間序列和一個六自由度飛行器參考時間序列，六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列二者的時序一一對應；

參考時間序列來自六自由度飛行器的試驗測試結果；

仿真時間序列來自與六自由度飛行器對應的仿真模型的運行結果，六自由度飛行器仿真模型與六自由度飛行器的運行初始條件一致；

六自由度飛行器仿真模型仿真時間序列表示為Q_sim＝{(t₁,Q_sim,1),(t₂,Q_sim,2),…,(t_i,Q_sim,i),…(t_N,Q_sim,N)}，六自由度飛行器參考時間序列表示為Q_obs＝{(t₁,Q_obs,1),(t₂,Q_obs,2),…,(t_i,Q_obs,i),…(t_N,Q_obs,N)}，

其中Q_sim,i與Q_obs,i分別表示六自由度飛行器仿真模型仿真輸出與六自由度飛行器參考輸出在第i個時刻點t_i的數值；1≤i≤N，N表示時間序列中數據的長度，共采集了N個時刻的數據；

六自由度飛行器仿真模型仿真時間序列包括六自由度飛行器位置、速度、姿態數據；

六自由度飛行器參考時間序列指來自六自由度飛行器飛行試驗的位置、速度、姿態信息；

步驟二：采用相似性度量方法對步驟一數據樣本集中每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列的相似性進行分析，獲得每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列的客觀相似性分析結果；

相似性度量方法包括平均絕對誤差、均方誤差、相對均方根誤差、相對平均絕對誤差、夾角余弦、皮爾曼相關系數、灰色關聯分析、Theil’s不等式系數法和切比雪夫距離；

步驟三：采用群組決策方法對步驟一數據樣本集中的每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列進行分析，獲得每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列的基于規則與知識的相似性評估等級；

步驟四：將步驟二得到的每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列的客觀相似性分析結果和步驟三得到的每組六自由度飛行器仿真模型仿真時間序列和六自由度飛行器參考時間序列的基于知識與規則的相似性評估等級構成訓練樣本集，訓練樣本集表示為矩陣形式；

步驟五：采用非線性歸一化方法對訓練樣本集進行歸一化處理，得到歸一化處理后的訓練樣本集；

步驟六：將歸一化處理后的訓練樣本集中85％作為神經網絡訓練樣本子集，剩余15％作為神經網絡測試樣本子集，將神經網絡訓練樣本子集輸入BP神經網絡，利用誤差反向傳播算法對BP神經網絡進行訓練，得到訓練好的BP神經網絡；

步驟七：利用訓練好的BP神經網絡對有類標簽的測試樣本子集進行測試，若測試結果無法達到分析準確率的要求，則重新對BP神經網絡的拓撲結構進行設計，重新執行步驟六，直到BP神經網絡對有類標簽的測試集測試結果的準確率達到分析準確率的要求為止。