本发明属于系统评估领域,具体的水下航行器操纵控制技术的评估方法。
背景技术:
近年来,水下航行器作为国防工业中的重要组成部分,其操纵控制技术发展迅速,作战性能稳步提升。水下航行器的操纵由原来分散布置的四个系统协同合作的控制方式发展为集所有控制装置于一体的“操纵控制系统”的控制方式。这种综合的“水下航行器操纵控制系统”在保证技术可靠性的同时,也要保证操纵的稳定性。
但是在现有技术中,确没有一种方法来对于水下航行器操纵控制技术来进行合理有效的评价。
技术实现要素:
本发明要解决的技术问题在于,克服现有技术的不足,提供水下航行器操纵控制技术的评估方法,其可以合理有效的评价水下航行器的操纵控制技术。
本发明所涉及的水下航行器操纵控制技术的评估方法,包括以下步骤:
建立水下航行器操纵控制技术的评价指标集;
根据所述评价指标集的多组试验样本,建立水下航行器的训练样本集;
根据所述训练样本集结合模糊在线支持向量回归算法,建立决策模型;
获取所述评价指标集的评估样本,并输入值决策模型,得到所述评价指标的输出数据;
对所述输出数据进行加权计算,得到水下航行器操纵控制技术的评估结果。
在本发明中,首先基于模糊在线支持向量回归算法对水下航行器的操纵控制性进行建模,然后利用加权评定思想给出该系统的评估结果。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图1所示,在发明所述的水下航行器操纵控制技术的评估方法,包括以下步骤:
101、建立水下航行器操纵控制技术的评价指标集;
所述水下航行器操纵控制技术的评价指标集包括
一级指标:水下航行器操纵性;
二级指标:垂直面和水平面;
所述垂直面包括:
垂直静不稳定性系数e1、垂直动稳定性系数e2、平衡舵角e3、平衡纵倾角e4、升速率e5、逆速e6、纵倾响应e7和深度响应e8;
所述水平面包括:
水平静不稳定性系数e9、水平动稳定性系数e10、相对定常回转直径e11和初转期e12。
102、根据所述评价指标集的多组试验样本,建立水下航行器的训练样本集;
根据未确知理论确定未确知数,并求出未确知数的期望值;
将所述期望值与已知的各预警类别进行比较得到对应误差;
获取所述对应误差最小时,各预警类别所对应的隶属度;
根据各个所述隶属度和对应的试验样本,计算得到所述训练样本集。
103、根据所述训练样本集结合模糊在线支持向量回归算法,建立决策模型;
根据所有试验样本计算得到过渡矩阵;
根据过渡矩阵和最优方程求得最优解;
根据最求解求得决策函数;
将训练样本集输入至决策函数进行训练,得到决策模型。
所述得到决策模型,之后还包括:
获取评价指标集的多组新的试验样本;
将所述新的试验样本输入至决策模型进行测试;
若测试结果与决策模型标准值之间的误差在阈值范围外,则返回建立水下航行器的训练样本集;
若测试结果与决策模型标准值之间的误差在阈值范围内,则进入获取所述评价指标集的评估样本并输入值决策模型。
104、获取所述评价指标集的评估样本,并输入值决策模型,得到所述评价指标的输出数据;
105、对所述输出数据进行加权计算,得到水下航行器操纵控制技术的评估结果。
所述未确知数的计算公式为:
公式(1)~(2)中,a为所述未确知数,ai由专家经验给出0≤ai≤1,i=1,2…,m,所述m为专家经验数量,此处取50,xi为权威系数;
所述训练样本集的计算公式为:
公式(3)中,sji表示所述试验样本,xji表示各预警类别所对应的隶属度,j为预警类别。
所述过渡矩阵的计算公式为:
q=(-x1,…,-xk-1,x2,…,xk)n×n(n=2l-i1-ik)(5)
公式(4)中,xj表示所有的试验样本,j为预警类别;
所述最优方程为:
所述最优解为μ*。
所述决策函数表示为
将ω*=qμ*代入公式组(7)求解
其中,最优解为μ*,i=1,…,ij;j=1,…,k-1,j为预警类别。
由水下航行器结构可知,垂直面的各参数比水平面的各参数更能影响水下航行器的稳定性。故此处加权思想在综合评估中必不可少。所述加权算法计算公式为:
e=0.12e1+0.11e2+0.09e3+0.08e4+0.12e5+0.09e6+0.1e7+0.09e8+0.05e9+0.06e10+0.04e11+0.05e12(8)
所述评估结果为优、良、中、差;
当e的值在0.9~1范围内就评估结果为优;
当e的值在0.7~0.9范围内评估结果为良;
当e的值在0.6~0.7范围内评估结果为中;
当e的值在0.6以下评估结果为差。
模糊在线支持向量回归算法(模糊osvr算法)综合了模糊控制和支持向量机(supportvectormachine,svm)的优点,通过模糊控制来优化svm的学习步骤,提高了svm的训练速度,并且svm是一种有坚实理论基础的小样本学习方法,不同于其它统计方法,它实现了高效的从训练样本到预报样本的“转导推理”,并且可以通过核函数实现低维到高维空间的非线性映射,大大的简化了通常的分类和回归等问题。
本发明的有益效果在于:①首次将模糊osvr算法应用于水下航行器操纵控制系统,利用模糊osvr算法“小样本,计算快”的特点快速对系统进行评估,减少了样本量,节约了成本。②运用wbm(未确知理论)计算方法能在各项复杂的参数中准确梳理出所需的隶属度,大大提高了算法的准确度。③本发明还具有故障诊断的效果。若二级指标下的各指标值误差较大,则说明该处控制系统有故障,能有效提高操纵控制系统的稳定性。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。