建立火控系统故障预测模型、故障预测方法及相关装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115906638A(43)申请公布日2023.04.04(21)申请号202211479910.3G06F111/08(2020.01)(22)申请日2022.11.24(71)申请人北京石油化工学院地址102617北京市大兴区清源北路19号申请人沈阳顺义科技有限公司(72)发明人李英顺曹胜冲郭占男刘海洋赵玉鑫郭丽楠匡博琪(74)专利代理机构沈阳天赢专利代理有限公司21251专利代理师刘英(51)Int.Cl.G06F30/27(2020.01)G06F18/214(2023.01)G06N5/01(2023.01)G06N20/00(2019.01)权利要求书2页说明书10页附图4页(54)发明名称建立火控系统故障预测模型、故障预测方法及相关装置(57)摘要本发明涉及建立火控系统故障预测模型、故障预测方法及相关装置，包括：获取陀螺仪组的原始数据，通过TOPSIS算法对数据进行评价排序并归一化处理，构建输入数据集；构建GBDT模型，以GBDT模型作为故障预测模块的学习器，根据所述训练数据集对所述GBDT模型进行训练，使用改进的鲸鱼优化算法对GBDT模型进行优化；通过所述测试数据集对经过训练的所述GBDT的预测能力进行检测，得到基于改进的鲸鱼优化算法优化的梯度提升决策树回归预测模型。本发明通过改进的鲸鱼优化算法对梯度提升决策树的参数进行优化，弥补了在训练过程中参数选择的盲目性的缺陷，提高了回归预测模型的预测精度，与决策树、支持向量机、GBDT算法实验对比来看，IWOA‑GBDT具有更高的预测精度和实用性。CN115906638ACN115906638A权利要求书1/2页1.一种建立火控系统故障预测模型的方法，其特征在于，所述方法包括：获取陀螺仪组的原始数据，对采集的原始数据通过TOPSIS算法进行评价排序并归一化处理，从中提取出关键属性信息构建输入数据集，所述输入数据集包括训练数据集和测试数据集；所述原始数据包括陀螺仪组引脚信号的数据值；构建GBDT模型，将训练数据集作为GBDT模型的输入，使用改进的鲸鱼优化算法对GBDT模型进行优化；对所述GBDT模型进行训练，通过测试数据集对经过训练的GBDT模型的预测能力进行检测，生成基于改进的鲸鱼优化算法优化的梯度提升决策树回归预测模型。2.根据权利要求1所述的一种建立火控系统故障预测模型的方法，其特征在于，所述使用改进的鲸鱼优化算法对GBDT模型进行优化包括以下步骤：①产生初始种群；②计算个体适应度值，生成随机数据p[0,1]；③对群体位置进行变异、交叉、选择操作；比较当前个体最优适应度值与群体最优适应度值，更新群体最优个体和位置信息；④判断算法是否满足结束条件，若不满足，则返回步骤②进行下一次迭代；否则，输出最优解和最优个体位置；⑤将得到的最优参数组合赋值给GBDT模型，利用训练样本数据构建IWOA‑GBDT回归预测模型，并利用测试样本数据验证模型的精确性。3.根据权利要求2所述的一种建立火控系统故障预测模型的方法，其特征在于，所述步骤①是根据式(11)产生初始种群，公式如下：4.根据权利要求2所述的一种建立火控系统故障预测模型的方法，其特征在于，所述步骤③是根据式(15)～(17)对群体位置进行变异、交叉、选择操作，公式如下：V(t+1)＝Xr1(t)+F(Xr2(t)‑Xr3(t)),(15)式中：V(t+1)为变异后的个体位置向量，Xr1(t),Xr2(t),Xr3(t)表示种群随机个体，U(t+1)是交叉后的个体位置向量，F是取值范围为[0.4,1]的缩放因子，CR是取值范围为[0,2]的交叉概率因子，r是取值范围[0,1]内的随机数。5.一种火控系统故障预测方法，其特征在于，所述方法包括：获取陀螺仪组的原始数据，所述原始数据包括陀螺仪组引脚信号的数据值；将所述陀螺仪组的原始数据输入火控系统故障预测模型，输出火控系统故障的预测结果，所述火控系统故障预测模型是根据所述权利要求1‑4任一项所述的建立火控系统故障预测模型的方法建立的。2CN115906638A权利要求书2/2页6.一种建立火控系统故障预测模型的装置，其特征在于，所述装置包括：获取单元，用于获取陀螺仪组的原始数据，对采集的原始数据通过TOPSIS算法进行评价排序并归一化处理，从中提取出关键属性信息构建输入数据集，所述输入数据集包括训练数据集和测试数据集；所述原始数据包括陀螺仪组引脚信号的数据值；构建单元，用于构建GBDT模型，将训练数据集作为GBDT模型的输入，使用改进的鲸鱼优化算法对GBDT模型进行优化；生成单元，用于对所述GBDT模型进行训练，通过测试数据集对经过训练的GBDT模型的预测能力进行检测，生成基于改进的鲸鱼优化算法优化的梯度提升决策树回