本發(fā)明屬于航天器飛輪系統(tǒng)安全評估，尤其涉及一種智能可靠的航天器飛輪系統(tǒng)安全評估方法。

背景技術(shù)：

1、隨著航天技術(shù)的不斷發(fā)展，航天器的性能和可靠性要求日益提高。航天器飛輪系統(tǒng)作為航天器姿態(tài)控制的關(guān)鍵部件，其安全評估至關(guān)重要。目前，傳統(tǒng)的航天器飛輪系統(tǒng)安全評估方法存在一定的局限性。一方面，評估手段較為單一，往往僅依靠有限的傳感器數(shù)據(jù)進(jìn)行分析，難以全面準(zhǔn)確地反映飛輪系統(tǒng)的實際運行狀態(tài)。另一方面，缺乏智能化的評估手段，無法實時監(jiān)測和預(yù)測潛在的故障風(fēng)險。同時，由于航天器運行環(huán)境復(fù)雜多變，現(xiàn)有的評估方法在面對極端工況和突發(fā)情況時，魯棒性和可靠性不足，可能無法及時有效地發(fā)出預(yù)警。為了滿足航天器高可靠性和長壽命的運行需求，迫切需要一種智能可靠的航天器飛輪系統(tǒng)安全評估方法，能夠綜合利用多源數(shù)據(jù)，實現(xiàn)對飛輪系統(tǒng)的實時監(jiān)測、故障診斷和風(fēng)險預(yù)測，為航天器的安全運行提供有力保障。

2、因此，建立一種智能可靠的航天器飛輪系統(tǒng)安全評估方法具有重要的現(xiàn)實意義。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：為了解決上述背景技術(shù)中提出的問題，而提出的一種智能可靠的航天器飛輪系統(tǒng)安全評估方法。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種智能可靠的航天器飛輪系統(tǒng)安全評估方法，包括以下步驟：

4、步驟一，篩選輸入數(shù)據(jù)，首先篩選可靠的輸入數(shù)據(jù)；

5、步驟二，參考值挖掘，當(dāng)步驟一中的輸入數(shù)據(jù)篩選完成后，采用聚類算法挖掘安全評估過程中的合理參考值；

6、步驟三，設(shè)置匹配度和屬性權(quán)重閾值，根據(jù)步驟一中得到的篩選后的輸入數(shù)據(jù)和步驟二得到合理的參考值的基礎(chǔ)上，設(shè)置匹配度和屬性權(quán)重閾值；

7、步驟四，規(guī)則約簡，根據(jù)步驟三中設(shè)置匹配度和屬性權(quán)重閾值的基礎(chǔ)上，約簡權(quán)重較低的冗余規(guī)則；

8、步驟五，模型推理，在以上步驟的基礎(chǔ)上進(jìn)行模型的推理；

9、步驟六，模型優(yōu)化，在模型推理結(jié)果的基礎(chǔ)上，評估模型的性能并進(jìn)行優(yōu)化。

10、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟一中，xi,j表示第j個輸入集的第i個數(shù)據(jù)，i＝1,2,...,m,j＝1,2,...,t，其中，xlow和xtop表示xi,j所能取的最大值和最小值，他們是合理區(qū)間的區(qū)間范圍，超出區(qū)間的數(shù)據(jù)為誤差數(shù)據(jù)，不被選入實驗數(shù)據(jù)集。

11、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟二中，聚類算法過程包括：

12、第一，以專家提供的參考值作為初始聚類中心，初始化參考值：

13、

14、其中，ci代表第i個聚類，μi表示第i個聚類中心，t表示聚類中心的個數(shù)；

15、第二，計算每個數(shù)據(jù)點到當(dāng)前聚類中心集合的最短距離，計算方式如下：

16、

17、其中，dj和xj分別表示安全評估指標(biāo)數(shù)據(jù)的第j個數(shù)據(jù)點，m表示數(shù)據(jù)點總數(shù)，dist(xj,ui)表示數(shù)據(jù)點xj到聚類中心ui的距離；

18、第三，更新每個數(shù)據(jù)點分配的聚類，計算方式如下：

19、ci＝arg?min?dist(xj,ui)?(3)

20、其中，argmin表示最小值的索引指標(biāo)；

21、第四，更新聚類中心，計算公式如下：

22、

23、第五，計算聚類中最小誤差平方和：

24、

25、其中，j表示聚類中的最小誤差平方和；

26、重復(fù)步驟二到五，直到滿足某一準(zhǔn)則或達(dá)到最大迭代次數(shù)，此時，獲得的聚類中心代表優(yōu)化的參考值：

27、

28、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟三中，設(shè)置匹配度閾值：

29、

30、其中，a表示匹配度閾值，當(dāng)匹配度的大小超過a保留原本匹配度，否則，將匹配度設(shè)置為0。

31、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟三中，通過設(shè)置規(guī)則權(quán)重閾值來實現(xiàn)對權(quán)重較小的冗余規(guī)則的約簡：

32、

33、其中，θ代表規(guī)則權(quán)重的容忍閾值。

34、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟四中，屬性權(quán)重的合理區(qū)間可以描述如下：

35、υ≤δm≤1,(m＝1,...,m)?(9)

36、其中，υ被專家系統(tǒng)定義為屬性權(quán)重的合理閾值。

37、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟五中，模型推理過程包括：

38、第一，計算輸入信息與置信規(guī)則的匹配度，第i個輸入與第k條規(guī)則的匹配度通過下式得到：

39、

40、第二，計算第k條規(guī)則的激活權(quán)重：

41、

42、其中，表示第i個屬性的歸一化權(quán)重；

43、第三，利用證據(jù)推理解析算法進(jìn)行推理，生成不同評估結(jié)果的置信度，第n個評估結(jié)果的置信度和效用值計算如下：

44、

45、第四，計算期望效用值，得到評估結(jié)果：

46、

47、其中μ(dn)代表dn的效用值，a'代表實際系統(tǒng)中的輸出向量，s(·)表示一組置信分布，μ(s(a'))表示最終期望效用值，最終的置信分布可以表示為：

48、y＝{(dn,βn),n＝1,...,n}?(16)。

49、作為上述技術(shù)方案的進(jìn)一步描述：所述步驟六中采用改進(jìn)的具有魯棒性約束的投影協(xié)方差矩陣自適應(yīng)進(jìn)化策略優(yōu)化算法進(jìn)行優(yōu)化，優(yōu)化誤差的計算公式如下：

50、

51、其中，和分別代表了第t組數(shù)據(jù)實際輸出與預(yù)計輸出，優(yōu)化目標(biāo)函數(shù)計算方法如下：

52、

53、具體優(yōu)化過程如下：

54、第一，參數(shù)優(yōu)化，初始的參數(shù)被設(shè)置成ω0＝ψ0，更新迭代的次數(shù)被設(shè)置成g，初始搜索步長設(shè)置成ε0，協(xié)方差矩陣被標(biāo)記為c0，并且種群大小是ξ；

55、第二，采樣操作，采樣操作描述如下：

56、

57、其中，是第(t+1)代的第q個解，ω是總體的平均值，ε代表步驟常量，代表正態(tài)分布，ct代表第t代總體的協(xié)方差矩陣；

58、第三，投影操作，描述如下：

59、

60、其中，ve表示在中變量的數(shù)量，p＝1,2,...,n+1是在解決方法中常量的數(shù)量，并且ae＝[1...1]1×n表示采樣操作的參數(shù)向量；

61、第四，選擇操作，進(jìn)行選擇操作來更新平均值，描述如下：

62、

63、其中，是在第(t+1)代的ξ個解決方案中第q個解決輸出；

64、第五，調(diào)整操作，協(xié)方差矩陣被更新，描述如下：

65、

66、其中，c1和c2是學(xué)習(xí)率，pc是協(xié)方差的演化路徑，演化過程如下：

67、

68、第六，步長更新如下：

69、

70、其中，cc是演化路徑向后時間線，cσ表示列舉演化路徑向量，dσ表示衰減系數(shù)，表示pσ的預(yù)計長度，表示數(shù)學(xué)期望，pσ表示列舉演化路徑；

71、第七，終止準(zhǔn)則，在優(yōu)化g輪后，優(yōu)化終止并且整個過程的優(yōu)化向量返回。

72、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

73、本發(fā)明中，本發(fā)明能夠在復(fù)雜干擾環(huán)境下對航天器飛輪系統(tǒng)進(jìn)行智能可靠的安全評估，通過對輸入數(shù)據(jù)進(jìn)行篩選，可以去除明顯異?；虿粶?zhǔn)確的數(shù)據(jù)，確保后續(xù)評估基于高質(zhì)量的數(shù)據(jù)進(jìn)行，避免因錯誤數(shù)據(jù)導(dǎo)致評估結(jié)果出現(xiàn)偏差，為準(zhǔn)確評估奠定基礎(chǔ)，利用聚類算法對歷史數(shù)據(jù)挖掘參考值，可充分利用以往的經(jīng)驗和數(shù)據(jù)，為當(dāng)前的安全評估提供合理的標(biāo)準(zhǔn)和參照，使評估更具客觀性和準(zhǔn)確性，通過設(shè)置匹配度閾值，避免產(chǎn)生過低的匹配度，增強了輸入信息轉(zhuǎn)換過程的魯棒性，使評估結(jié)果更符合實際情況和需求，通過去除冗余和不必要的規(guī)則，簡化評估過程，提高評估效率，同時避免復(fù)雜規(guī)則可能帶來的混淆和不確定性，通過改進(jìn)的具有魯棒性約束的優(yōu)化算法對模型進(jìn)行優(yōu)化，使其能夠更好地適應(yīng)不同的情況和干擾，提高模型的抗干擾能力和魯棒性，并最終得出可靠的安全評估結(jié)果，為最終決策提供依據(jù)。