[发明专利]一种基于模糊神经网络的火箭系统健康状态评估方法

说明书

本发明提供一种基于模糊神经网络的火箭系统健康状态评估方法，首先获取各评价指标属于各属性的隶属度，完成评估的一次模糊化，将得到的隶属度根据隶属度区间对评价指标再进行一次分级，完成评估的二次模糊化，克服了隶属度有重合，导致评价指标所属属性不明确的缺陷；本发明融合了专家规则和神经网络训练方法的优点，还将两次模糊化过程中得到的各子系统的评价指标和所属级别，火箭系统属于各等级的概率等作为神经网络的训练样本，克服模糊专家推理方法时间长和神经网络训练方法样本获取困难的缺点，既可以很好地表达专家领域的知识，又具有良好的自学习能力，可以快速准确地对火箭系统进行健康状态评估。

技术领域

本发明属于运载火箭的健康状态管理技术领域，尤其涉及一种基于模糊神经网络的火箭系统健康状态评估方法。

背景技术

火箭作为我国现阶段唯一可以把航天器送入太空轨道的运载工具，其健康状态对发射成功率至关重要，这就需要对其健康状态进行实时评估并能快速给出评估结果，把发射失败的概率降到最低。通过人工的检测方式，不仅效率低下，而且无法实时地和准确地对火箭整体进行健康状态评估，因此火箭系统的健康状态评估向着高智能化、高实时性和高准确度发展。

现有应用在火箭上智能化的健康评估方法有模糊专家推理方法和神经网络训练方法，模糊专家推理方法采用模糊理论可以高效地处理专家领域的经验和知识，但建立推理规则时，常常会因为输入数据维数过大而导致规则组合呈指数式增长，造成评估算法复杂且时间过长。神经网络专家训练方法是一个具有分布式存储和自动学习的非线性映射系统，但网络的学习是隐含的、不易被人理解的，并需要充足的样本才能获得较好的评估结果，而实际中样本的获取途径，以及获取多少很难评定。

发明内容

为解决上述问题，本发明提供一种基于模糊神经网络的火箭系统健康状态评估方法，能够快速准确地对火箭系统进行健康状态评估。

一种基于模糊神经网络的火箭系统健康状态评估方法，包括以下步骤：

S1：分别对火箭系统划分的发动机子系统、惯导子系统、总线子系统以及测发控子系统设定两个以上的评价指标，其中，所述评价指标的属性包括很好、较好、一般、较差以及很差；

S2：分别获取各评价指标属于各属性的隶属度；

S3：为评价指标设定等级，并设定每个评价指标属于某个等级的隶属度区间，然后根据评价指标各属性的隶属度，确定评价指标的所属等级，其中，等级包括一级至五级；

S4：为子系统设定等级，然后基于各评价指标的所属等级，利用专家规则确定各子系统属于各等级的概率，其中，等级包括一级至五级；

S5：为子系统设定级别，并设定每个子系统属于某个级别的概率区间，然后根据子系统属于各等级的概率，确定子系统的所属级别，其中，级别包括一等至五等；

S6：将各子系统的评价指标作为第一级神经网络的输入，对应的子系统的所属级别作为第一级神经网络的输出，对第一级神经网络进行训练，得到用于评价子系统健康状态的第一级神经网络；

S7：基于各子系统的所属级别，利用专家规则确定火箭系统属于各等级的概率，其中，等级包括一级～五级；

S8：将各子系统的所属级别作为第二级神经网络的输入，对应的火箭系统属于各等级的概率作为第二级神经网络的输出，对第二级神经网络进行训练，得到用于评价火箭系统健康状态的第二级神经网络；

S9：重新获取火箭系统各子系统的评价指标，采用第一级神经网络评价子系统健康状态，然后将第一级神经网络输出的各子系统的所属级别作为第二级神经网络的输入，评价火箭系统健康状态。