[发明专利]一种基于神经网络的复杂仿真模型验证方法

权利要求书

1.一种基于神经网络的六自由度飞行器仿真模型验证方法，其特征在于：所述方法具体过程为：

步骤一：建立数据样本集：

每一个数据样本包含一个六自由度飞行器仿真模型仿真时间序列和一个六自由度飞行器参考时间序列，六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列二者的时序一一对应；

参考时间序列来自六自由度飞行器的试验测试结果；

仿真时间序列来自与六自由度飞行器对应的仿真模型的运行结果，六自由度飞行器仿真模型与六自由度飞行器的运行初始条件一致；

六自由度飞行器仿真模型仿真时间序列表示为Q_sim＝{(t₁,Q_sim,1),(t₂,Q_sim,2),…,(t_i,Q_sim,i),…(t_N,Q_sim,N)}，六自由度飞行器参考时间序列表示为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与Q_obs,i分别表示六自由度飞行器仿真模型仿真输出与六自由度飞行器参考输出在第i个时刻点t_i的数值；1≤i≤N，N表示时间序列中数据的长度，共采集了N个时刻的数据；

六自由度飞行器仿真模型仿真时间序列包括六自由度飞行器位置、速度、姿态数据；

六自由度飞行器参考时间序列指来自六自由度飞行器飞行试验的位置、速度、姿态信息；

步骤二：采用相似性度量方法对步骤一数据样本集中每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列的相似性进行分析，获得每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列的客观相似性分析结果；

相似性度量方法包括平均绝对误差、均方误差、相对均方根误差、相对平均绝对误差、夹角余弦、皮尔曼相关系数、灰色关联分析、Theil’s不等式系数法和切比雪夫距离；

步骤三：采用群组决策方法对步骤一数据样本集中的每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列进行分析，获得每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列的基于规则与知识的相似性评估等级；

步骤四：将步骤二得到的每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列的客观相似性分析结果和步骤三得到的每组六自由度飞行器仿真模型仿真时间序列和六自由度飞行器参考时间序列的基于知识与规则的相似性评估等级构成训练样本集，训练样本集表示为矩阵形式；

步骤五：采用非线性归一化方法对训练样本集进行归一化处理，得到归一化处理后的训练样本集；

步骤六：将归一化处理后的训练样本集中85％作为神经网络训练样本子集，剩余15％作为神经网络测试样本子集，将神经网络训练样本子集输入BP神经网络，利用误差反向传播算法对BP神经网络进行训练，得到训练好的BP神经网络；

步骤七：利用训练好的BP神经网络对有类标签的测试样本子集进行测试，若测试结果无法达到分析准确率的要求，则重新对BP神经网络的拓扑结构进行设计，重新执行步骤六，直到BP神经网络对有类标签的测试集测试结果的准确率达到分析准确率的要求为止。