航天推进技术研究院主办
[1]陈文丽,马军强,杨思锋,等.基于FIG-SVR的姿控发动机推力校准斜率预测[J].火箭推进,2015,41(03):103-107.
CHEN Wen-li,MA Jun-qiang,YANG Si-feng,et al.Prediction on thrust calibration slope based on FIG-SVR for attitude control rocket engine[J].Journal of Rocket Propulsion,2015,41(03):103-107.
点击复制
CHEN Wen-li,MA Jun-qiang,YANG Si-feng,et al.Prediction on thrust calibration slope based on FIG-SVR for attitude control rocket engine[J].Journal of Rocket Propulsion,2015,41(03):103-107.
基于FIG-SVR的姿控发动机推力校准斜率预测
《火箭推进》[ISSN:1672-9374/CN:CN 61-1436/V]
卷:
41
期数:
2015年03期
页码:
103-107
栏目:
测控与试验
出版日期:
2015-06-30
- Title:
- Prediction on thrust calibration slope based on FIG-SVR for attitude control rocket engine
- 分类号:
- V434-34
- 文献标志码:
- A
- 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（fuzzy information granulation，FIG）和支持向量回归机（support vector regression，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校准的斜率映射为包含区间最小值Low、中值R和最大值Up 3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。
- Abstract:
- In order to predict the trend of thrust calibration slope for attitude control engine space simulation test, a method of time series prediction based on fuzzy information granulation (FIG) and support vector regression (SVR) is proposed in this paper. With the method of FIG, the thrust calibration slope is mapped as fuzzy information granulations (including minimum value Low, medium value R and maximum value Up) to reduce the dimension of the samples. The extracted parameters mentioned above are applied to SVR for proceeding regressive modeling. The prediction result shows that this method based on FIG-SVR can effectively predict the trend of the thrust calibration slope.
参考文献/References:
[1]郭霄风. 液体火箭发动机试验[M]. 北京: 宇航出版社,1990.
[2]刘国球, 任汉芬, 朱宁昌， 等. 液体火箭发动机原理[M]. 北京： 中国宇航出版社, 2005.
[3]胡世祥. 运载火箭推进系统[M]. 北京: 国防工业出版社,2002.
[4]朱子环, 耿卫国, 陈锋. 液体火箭发动机试验推力校准控制系统的设计[J].计算机测量与控制, 2008, 16(11)： 1575-1577.
[5]张学工. 关于统计学习理论与支持向量机[J]. 自动化学报, 2000, 26(1): 32-41.
[6]TIPPING M E, FAUL A C. Fast marginal likelihood maximization for sparse Bayesian model[C]// Proceedings of the Ninth International Workshop on Artificial Intelligence and Statistics. Florida: [ s.n.], 2003: 120-127.
[7]田英杰. 支持向量回归及其应用研究[D]. 北京: 中国农业大学, 2005.
[8]和麟, 姜南, 黄潇瑶, 等. 基于模糊信息粒化SVM的飞机发电机故障预测[J]. 设计与研究, 2012(7): 7-10.
[9]张蕾. 基于小波和信息粒化BP神经网络的轴承故障诊断[J]. 机械科学与技术, 2012, 31(1): 49-52.
[10]ZADEH L A. Toward a theory of fuzzy information gra- nulation and its centrality in human reasoning and fuzzy logic [J]. Fuzzy Sets and Systems, 1997, 90(2): 111-127.
[11]李洋．基于信息粒化的机器学习分类及回归预测分析[D]. 北京: 北京师范大学数学科学学院, 2009.
[12]林左鸣, 谭瑞松. 航空故障诊断与健康管理技术[M]. 北京: 航空工业出版社, 2013.
[13]彭勇, 陈俞强. 基于信息粒化得SVM时序回归预测[J]. 计算机系统应用, 2013, 22(5): 163-167.
备注/Memo
收稿日期：2015-01-12；修回日期：2015-02-05 作者简介：陈文丽（1987—），女，硕士，研究领域为液体火箭发动机试验测试技术
更新日期/Last Update:
1900-01-01