[发明专利]基于证据推理的激光惯组最优测试时机确定方法

说明书

本发明属于大型工业结构控制系统的惯性器件健康管理与维护领域，基于证据推理有效融合专家知识与监测数据，确定复杂条件下的激光惯组最优测试时机。基于证据推理的激光惯组最优测试时机确定方法，该方法如下：融合激光惯组的特征指标与专家知识，建立起以脉冲增量为输入、静态导航误差为输出的指标体系；再根据ER模型建立输入与输出关系的非线性模型；基于非线性模型，利用维纳过程进行预测，从而得到激光惯组的最优测试时机。针对激光惯组维护存在的主观性与不确定性等问题，本发明将专家的知识与监测数据有效融合，推理过程透明，结果具有说服力，为惯组后期的最优测试与健康维护提供准确依据。

技术领域

本发明属于大型工业结构控制系统的惯性器件健康管理与维护领域，基于证据推理有效融合专家知识与监测数据，确定复杂条件下的激光惯组最优测试时机。

背景技术

激光惯组作为大型工业结构控制系统的重要导航设备，在火箭飞行过程中建立空间运动的方位基准，实时测得角速度和运动的线加速度等飞行参数，送入弹载计算机转换为模拟量。这些模拟量经放大综合后，作为伺服机构的输入，转换为相应的指令信号驱动喷管摆动，从而控制和稳定火箭的飞行姿态。作为大型工业结构控制系统的核心部件，激光惯组的性能在很大程度上决定了火箭导航系统的可靠性与精度。

激光惯组主要包括激光陀螺和石英加速度计，这两大器件也是惯性导航的主要误差源。陀螺仪和加速度计的故障率与精度很大程度上影响了惯性导航系统的可靠性。

以激光陀螺为例，角速度增量信号通过A/D转换成为数字脉冲输出，而由于脉冲计数器只能计数整数个脉冲信号，因此在一个采样周期内，整数部分脉冲增量输出，而小数部分则将累计，由此产生量测误差，影响导航精度。通常而言，激光惯组制造工艺精细、造价昂贵，在实际对其进行测试的持续时间短，获取的故障数据较少，且存在各种不确定性。因此，如何有效处理高价值的小样本，解决不确定性带来的影响，是当前面临的突出问题之一。

对于纯惯性制导的火箭而言，其惯性器件的误差随时间不断积累，使得导航误差接近70％。目前，在实际应用中，对激光惯组进行测试所获得的是其原始累计脉冲量，无法直接反映出惯性器件的故障状态，使得操作人员难以实时分析和掌握激光惯组的性能。因此，如何有效结合专家知识建立惯组的指标体系，进行融合，分析脉冲量和静态导航精度之间的关系，建立精确的惯组导航模型，以对惯性器件进行最优测试，是当前面临突出问题之二。

发明内容

本发明的目的是：针对激光惯组测量得到的原始累计脉冲量无法反映惯性器件的故障状态，利用证据推理(Evidential Reasoning，简称ER)有效融合激光惯组的特征指标，嵌入专家知识，建立起惯组的原始累计脉冲量与静态导航误差之间的非线性解析模型。在ER建模过程中，考虑到初始参数(指标权重和参考值)对输出的影响较大这一实际，采用优化算法对初始参数进行优化，得到更为精确的ER模型；在建立ER模型的基础上，利用维纳过程对未来时刻的导航误差进行预测，为惯组后期的最优测试与健康维护提供借鉴和依据。

本发明的技术方案在于：

基于证据推理的激光惯组最优测试时机确定方法，该方法如下：

融合激光惯组的特征指标与专家知识，建立起以脉冲增量为输入、静态导航误差为输出的指标体系；

再根据ER模型建立输入与输出关系的非线性模型；

基于非线性模型，利用维纳过程进行预测，从而得到激光惯组的最优测试时机。

基于证据推理的激光惯组最优测试时机确定方法，该方法如下：

(1)脉冲数据预处理：对原始获取的激光惯组的原始累计脉冲量进行差分得到脉冲增量；

(2)蒙特卡罗仿真：利用蒙特卡罗算法对脉冲增量进行仿真，并引入随机噪声，代入导航方程，获得对应的静态导航误差为输出；