基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法
专利类型：发明专利
语 言：中文
申 请 号：CN201810891087.4
申 请 日：20180807
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号
公 开 日：20181228
公 开 号：CN201810891087.4
代 理 人：廖曦
代理机构：重庆知创恒源知识产权代理事务所(普通合伙) 50227
摘 要：本发明涉及一种基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，属于智能自动化技术领域。该方法包括：基于固体火箭发动机现场贮存可靠性实验记录数据构建现实数据集；将药柱作为加速贮存实验的研究本体，通过基于三维粘弹性有限元分析和固体火箭发动机推进剂高温加速老化实验为基础，以应力?强度干涉模型作为失效模型研究计算得出固体火箭发动机加速贮存可靠性实验记录数据构建模糊数据集；将现实数据集与模糊数据集融合作为深度学习的数据库，并划分为训练集、验证集和测试集；使用深度学习算法的特征自学习能力健壮性和模型泛化能力强度性，对固体火箭发动机可靠性预测。本发明能有效的提高固体火箭发动机可靠性预测的精度。
主 权 项：1.基于现实与模糊数据深度融合学习的固体火箭发动机可靠性预测方法，其特征在于，该方法具体包括以下步骤：S1：基于固体火箭发动机现场贮存可靠性实验记录数据构建现实数据集；S2：基于固体火箭发动机可靠性影响权重最显著的药柱作为加速贮存实验的研究本体，通过基于三维粘弹性有限元分析和固体火箭发动机推进剂高温加速老化实验为基础，以应力?强度干涉模型作为失效模型研究计算得出固体火箭发动机加速贮存可靠性实验记录数据构建模糊数据集；S3：通过固体火箭发动机可靠性现实数据与加速贮存可靠性数据融合作为深度学习的数据库，从而以此数据库划分训练集、验证集和测试集；使用深度学习算法的特征自学习能力的健壮性和模型泛化能力强度性，从而对固体火箭发动机可靠性预测。
关 键 词：
法律状态：公开
IPC专利分类号：G06F17/50;G06F17/00;G;G06;G06F;G06F17;G06F17/50;G06F17/00