基于FIG-SVR的姿控发动机推力校准斜率预测

《基于FIG-SVR的姿控发动机推力校准斜率预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第41卷第3期火箭推进V01．41，No．32015年6月JOURNALOFROCKETPROPULSIONJun．2015基于FIG—SVR的姿控发动机推力校准斜率预测陈文丽，马军强，杨思锋，田国华(北京航天试验技术研究所北京，100074)摘要：为了对某型号姿控发动机高空模拟试验推力现场校准斜率进行趋势预测，提出了一种模糊信息粒化(fuzzyinformationgranulation，FIG)和支持向量回归机(supportvectorregression，SVR)相结合的时间序列预测方法。借助模糊信息粒化方法将推力现场

2、校准的斜率映射为包含区间最小值Low、中值R和最大值Up3个参数的模糊信息粒，以降低样本的维数，并以其为输入构建SVR回归模型。预测结果表明，基于模糊信息粒化SVR确定的预测区间较好地反映了推力现场校准斜率的变化趋势。关键词：姿控火箭发动机试验；推力校准斜率；FIG—SVR；预测中图分类号：V434—34文献标识码：A文章编号：1672—9374f2015103—0103—05PredictiononthrustcalibrationslopebasedonFIG—SVRforattitudecontrolroicketeng

3、ineCHENWen—li，MAJun—qiang，YANGSi—feng，TIANGuo—hua(BeijingInstituteofAerospaceTestingTechnology，Beijing100074，China)Abstract：Inordertopredictthetrendofthrustcalibrationslopeforattitudecontrolenginespacesimulationtest，amethodoftimeseriespredictionbasedonfuzzyinformati

4、ongranulation(FIG)andsupportvectorregression(SVR)isproposedinthispaper．WiththemethodofFIG，thethrustcalibrationslopeismappedasfuzzyinformationgranulations(includingminimumvalueLow，mediumvalueRandmaximumvalueUp)toreducethedimensionofthesamples．Theextractedparametersme

5、ntionedaboveareappliedtoSVRforproceedingregressivemodeling．ThepredictionresuItshowlsthatthismethodbased8hFiG—s够吱canefiectiveiypredictthetrendofthethrustcalibrationslope．Keywords：attitudecontrolrocketenginetest；thrustcalibrationslope；FIG—SVR；prediction收稿日期：2015—01—12

6、；修回日期：2015—02—05作者简介：陈文丽(1987一)，女，硕士，研究领域为液体火箭发动机试验测试技术104火箭推进2015年6月05I旨在姿控发动机高空模拟试验中，推力是评价发动机性能的关键参数之一，该参数的稳态测量精度一般要求高于0．5％11。3]。为了测得高精度的推力值，需要试验前在现场对推力测量系统进行多回程反复校准，以分析各种影响因素。推力校准关注的焦点是推力校准的斜率，因为在发动机点火过程中，实测推力的电压量到工程物理量的换算与推力校准的斜率有关[4J。因此，准确预测推力校准斜率的变化趋势，对了解推力测量系

7、统状态以及分析试验台工艺系统对推力测量系统的影响具有重要意义。推力校准斜率预测的精确度由推力测量系统所用数学模型的精确度来决定。由于推力测量系统结构复杂，包含推力架、传感器、工艺管路、发动机等，且各组成部件之间存在较大的非线性，很难从理论角度对影响因素进行量化，因此，建立准确的测量系统数学模型十分困难。支持向量回归机(SVR)是由Vapnik等人提出的一种建立在统计学习理论和结构风险最小化原则基础上的机器学习方法。它利用了Mercer核、松弛向量等多项技术，具有所需样本小、结构简单、泛化能力强等多种优点，被广泛应用于回归预测中

8、M。但是，当样本规模较大时，SVR算法的泛化能力和精度就会大大下降。模糊信息粒化理论(TheoryofFuzzyInformationGranula—tion，FIG)建立在模糊逻辑理论和信息粒化理论基础上，是一种处理海量信息的数据挖掘方法，现已成为人工智能领域的研究热点[8