[发明专利]一种基于神经网络的复杂仿真模型验证方法

说明书

一种基于神经网络的复杂仿真模型验证方法，本发明涉及复杂仿真模型验证方法。本发明的目的是为了解决现有传统验证方法对于大数据集的处理效率低，复杂仿真模型的验证指标众多，数据量大以及分析评估人员的工作量大的问题。一：建立数据样本集；二：获得客观相似性分析结果；三：获得基于规则与知识的相似性评估等级；四：构成训练样本集；五：训练样本集归一化处理；六：对BP神经网络进行训练，得到训练好的BP神经网络；七：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要求，则重新对BP神经网络的拓扑结构进行设计，重新执行六，直到测试结果准确率达到分析准确率的要求为止。本发明用于计算机仿真模型验证与可信度评估领域。

技术领域

本发明涉及复杂仿真模型验证方法。

背景技术

仿真技术广泛应用于航天、航空、航海、电力、核能、通信等诸多领域。校核、验证与验收(Verification，Validation and Accreditation，VVA)贯穿于复杂仿真模型研发的全生命周期，模型验证能够确保对系统中缺陷与错误的早期检测，及时解决各研发阶段所暴露出的问题，从而保证仿真模型的可信性与正确性，降低仿真模型的应用风险。

例如，飞行器仿真模型是一类典型的复杂仿真模型，在飞行器设计中，由于外场试验成本高，具有破坏性、不可重复等特点，很难大量的重复进行真实飞行试验进行方案优化、分析等，一般采用系统仿真技术进行辅助设计。开发六自由度的飞行器制导控制仿真模型，利用部分飞行器外场飞行试验数据对模型进行验证，在确认模型可信的前提下，即可利用仿真模型部分的代替外场飞行试验，进行系统分析、设计优化、性能评估等工作。从而极大的减少外场飞行试验的次数，提高设计研发进度，降低研发成本。早期的导弹研发中，美国奈基-I防空导弹研制进行了1000多次发射试验，苏联B-750防空导弹研制进行了数百次发射试验，其耗资是惊人的。英国“警犬”低空导弹的研制工程采用仿真技术，交替地进行仿真试验和靶场飞行试验，只发射了92枚导弹就完成了该项研制任务，其中的79次发射是专门用于校验模型的。在爱国者、罗兰特、尾刺三个型号的导弹研制过程中，通过采用仿真技术，使靶试实弹数减少了30-60％，研制费用节省了10-40％，研制周期缩短了30-40％。

在对飞行器制导控制仿真模型进行模型验证中，一般选择仿真模型的重要输出指标进行验证，典型模型验证指标包括飞行器三维位置(X/Y/Z三个方向)、三维速度、姿态(俯仰角/偏航角/滚转角)等数据，这些验证指标的数据与飞行时间有关，覆盖了飞行器飞行的整个阶段，表现为时间序列的形式；数据相似性分析是模型验证的主要手段，通过比较相同条件下仿真模型输出与参考系统(真实系统或者相似系统)输出之间的相似性程度，可以获得相应的仿真输出的可信程度。传统的模型验证是以评估人员为核心实施的，在验证方法选择、输出的验证等方面均离不开验证人员的参与。面对复杂仿真模型，其结构复杂，需要对系统整体输出与子系统的输出进行验证；需要验证的指标数量众多，同时需要对不同条件下的数据进行相似性分析。传统验证方法对于大数据集的处理效率低，不完整的模型验证工作又会增加仿真应用的风险。

对于仿真时间序列与参考时间序列，采用单一的相似性度量方法很难快速准确的获得数据的相似性等级。复杂仿真模型系统整体输出与子系统输出众多，验证指标众多，大量数据的分析很难采用传统的模型验证方法实现。分析人员选择相似性分析方法无疑会导致成本增加，且效率较低。

复杂武器装备仿真系统，飞行器制导控制仿真模型、导弹系统仿真模型、电磁轨道炮全弹道仿真模型、复杂交通调度系统、航空管制系统等均属于复杂仿真模型的范畴。

发明内容

本发明的目的是为了解决现有传统验证方法对于大数据集的处理效率低，复杂仿真模型的验证指标众多，数据量大以及分析评估人员的工作量大的问题，而提出一种基于神经网络的复杂仿真模型验证方法。

一种基于神经网络的复杂仿真模型验证方法具体过程为：

步骤一：建立数据样本集：