[发明专利]一种基于置信规则库的惯组故障预测方法

权利要求书

1.一种基于置信规则库的惯组故障预测方法，其特征在于：通过对激光惯组的静态测试，建立以单位时间累计脉冲量为输入，以导航误差为输出的置信规则库模型；然后用单位时间的导航误差反映激光惯组故障状态，设定导航精度的故障阈值，反映激光惯组故障状态，实现对激光惯组的故障预测。

2.根据权利要求1所述基于置信规则库的惯组故障预测方法，其特征在于：通过对激光惯组在多种环境下进行静态测试，从测试数据中得到激光惯组中陀螺仪和加速度计的X轴、Y轴、Z轴的脉冲量；对脉冲量的数据进行处理得到累计脉冲量；选取单位时间的累计脉冲量作为特征信息；然后对特征信息进行蒙特卡罗仿真，模拟不同激光惯组在测试中可能到达的各种状态，建立以单位时间累计脉冲量为输入，以单位时间导航误差为输出的置信规则库模型；最后对置信规则库模型进行优化调整参数，对输出的导航误差设定故障阈值，进而反映激光惯组故障状态，通过导航信息的脉冲量实现对激光惯组的故障预测。

3.根据权利要求2所述基于置信规则库的惯组故障预测方法，其特征在于包括以下步骤：

步骤1：属性输入信息选取与蒙特卡罗仿真；

首先对测试的激光惯组脉冲数据进行差分处理，得到脉冲数据的差分量，对差分量进行特征提取，结合专家知识选取累计脉冲量为特征量作为模型输入；将陀螺仪、加速度计各轴向的单位时间差分量累加得到累计脉冲增量，将单位时间的累计脉冲量作为模型输入；

将输入的数据转化为模拟量的加速度和角速度，通过蒙特卡罗仿真分析加速度与角速度的趋势，采用随机抽样的方法分析系统模拟量中的概率分布，模拟系统中模拟量可能达到的各个状态，从而反映输出的不确定性；

步骤2：惯组导航误差预测模型的构建；

根据步骤1的输入，建立基于置信规则库的导航误差预测模型；置信规则库中的第k条置信规则的表达如下式所示：

在式(1)中，t为单位时间；表示在第k条规则中第i个前提属性x_i的参考值的集合，可以由专家结合具体环境和内部工作机理给定；L表示规则个数；M表示前提属性的个数；θ_k表示第K条规则的规则权重，它反映了第K条规则的重要程度；δ_i表示在规则中第i个前提属性的权重，β_j,k表示在第K条规则中相对于输出部分的第j个输出结果D_j的置信度；D_j表示输出参考值的评价等级；首先将输入信息x_i转化为相对于参考值的置信度

式中表示在第j条规则中第i个输入属性的匹配度，x_i表示属性的输入，γ_ik表示第K条规则的属性参考值；

在求得匹配度后用证据推理算法将规则融合计算输出；当系统有输入时，基于置信规则库的某些规则被激活，激活规则的权重计算方法为：

其中0≤w_k≤1,k＝1…L；L为激活规则的数目；为输入相对于对应规则中前提属性的匹配度；θ_k为规则权重；δ_i为属性权重；为相对属性权重；ER解析算法其表达式为

β_i表示输出中第N个结果的置信度，且置信规则库的输出结果可以表示为

S(x_i)＝{(D_n,β_n)},n＝1,2,...,N (7)

S(x_i)表示基于置信规则库构建的非线性模型，最终的输转化为期望效用为

u(D_n)表示对于评价结果D_n的效用，表示预测模型的期望效果，也是期望输出的结果；

步骤3：模型的训练与优化；

由于预测模型的初始参数都是由专家给定的，当置信规则库系统比较复杂时，专家难以确定这些参数的精确值，所以需要将初始参数优化，将得到的优化后的数据随机取出其中50％的数据作为训练数据，剩余数据作为测试数据以检测预测模型的精度；

步骤4：故障判断；

基于步骤3建立的置信规则库预测模型，以激光惯组的累计脉冲量为输入，以导航误差为输出，根据专家知识给定基于激光惯组故障状态的单位时间导航误差的阈值，当激光惯组单位时间的导航误差大于阈值时，则认为激光惯组处于故障状态。

4.根据权利要求3所述基于置信规则库的惯组故障预测方法，其特征在于步骤3所述初始参数优化的过程为：优化算法使用基于考虑投影算子的协方差矩阵自适应优化策略对模型参数进行优化；

置信规则库参数优化模型可以表示为

minf(V)

s.t.A(V)＝0,B(V)≥0

f(V)表示目标函数；V表示由置信规则库参数所构成的向量；A(V)表示等式约束；B(V)表示不等式约束；

优化参数的初始值由专家给出，优化时参数应满足的约束条件为：

1)规则权重，规则权重标准化后应满足：

0≤θ_k≤1,k＝1,2,...L

2)属性权重，属性权重标准化后应满足：

3)初始规则输出的置信度：

0≤β_n,k≤1,n＝1,..,N,k＝1,2,...L

4)如果第k条规则是完整的，那么规则输出的所有置信度的和为1；否则，置信度和小于1，表达式如下：

均方误差可以用来表示模型的精度，其表达方式如下：

其中，表示模型的输出值；y(t)是输出的真值；T是数据的个数；V表示由置信规则库需要优化参数所构成的向量。