專利名稱：基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，特別是針對(duì)小子樣可靠性試驗(yàn)數(shù)據(jù)的太陽(yáng)翼展開(kāi)可靠性評(píng)估方法。
背景技術(shù)：
隨著航天技術(shù)的迅速發(fā)展，空間飛行器的結(jié)構(gòu)日趨復(fù)雜，功能不斷增多，需要采取各種機(jī)構(gòu)來(lái)完成多種任務(wù)。作為衛(wèi)星的主要組成部分，太陽(yáng)翼能否順利展開(kāi)是衛(wèi)星能否進(jìn)行正常工作的先決條件，但由于其造價(jià)昂貴，不可能進(jìn)行大量展開(kāi)試驗(yàn)。在解決小樣本的問(wèn)題上，基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)方法有很大的優(yōu)勢(shì)。
統(tǒng)計(jì)學(xué)習(xí)理論從控制學(xué)習(xí)機(jī)器復(fù)雜度的思想出發(fā)，提出了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則 即以綜合考慮經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍這兩項(xiàng)最小化為目標(biāo)，使得學(xué)習(xí)機(jī)器在可容許的經(jīng)驗(yàn)風(fēng)險(xiǎn)范圍內(nèi)，總是采用具有最低復(fù)雜度的函數(shù)集，即使在小樣本情況下也同樣具有比較高的泛化能力。
Vapnik 等人在 SLT (statistical learning theory，統(tǒng)計(jì)學(xué)習(xí)理論)的基礎(chǔ)上發(fā)展了支持向量機(jī)(support vector machine, SVM)理論，由于支持向量機(jī)能有效解決高維、 非線性及有限樣本下的模式識(shí)別問(wèn)題，所以采用這種方法，通過(guò)非線性變換，將深入原始特征向量映射到一個(gè)高維空間，在該空間中構(gòu)造最優(yōu)分類超平面，從而得到好的泛化能力。
目前，產(chǎn)品可靠性研究不僅涉及到電力系統(tǒng)、機(jī)械、動(dòng)力、土木等一般工業(yè)部門，同樣也涉及到電子、航空、宇航、核能等尖端工業(yè)部門，其中很多評(píng)估屬小樣本數(shù)據(jù)下的可靠性評(píng)估，太陽(yáng)翼展開(kāi)可靠性評(píng)估即為其中的一種，本發(fā)明使用基于核函數(shù)自動(dòng)選擇的支持向量機(jī)算法對(duì)其進(jìn)行評(píng)估，其評(píng)估結(jié)果具有較高的精確度和參考價(jià)值。發(fā)明內(nèi)容
本發(fā)明的目的是為了解決在小樣本情況下，對(duì)太陽(yáng)翼展開(kāi)可靠性進(jìn)行分析的問(wèn)題，將支持向量機(jī)方法引用到產(chǎn)品可靠性分析中，解決了小樣本情況下評(píng)估精確度不高的問(wèn)題。
本發(fā)明的具體技術(shù)方案如下
一種基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，包括以下幾個(gè)步驟
步驟一根據(jù)專家知識(shí)建立太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系
太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系包括4個(gè)一級(jí)指標(biāo)展開(kāi)狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)和展開(kāi)試驗(yàn)綜合指標(biāo)。其中鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)包含以下4個(gè)2級(jí)指標(biāo)根部鉸鏈力矩、支撐臂/連接架鉸鏈力矩、連接架/內(nèi)板鉸鏈力矩、內(nèi)板 /外板鉸鏈力矩。展開(kāi)試驗(yàn)綜合指標(biāo)則包含以下5個(gè)2級(jí)指標(biāo)展開(kāi)時(shí)間、展開(kāi)對(duì)中度、鋼絲繩張力、鎖定深度、氣浮裝置連接件與橫梁之間的高度；
步驟二 采用物元法和層次分析法得到評(píng)價(jià)指標(biāo)體系的權(quán)向量
對(duì)構(gòu)成同一個(gè)綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評(píng)分， 然后采用物元法和層次分析法處理多位專家的評(píng)分矩陣，求出各指標(biāo)的權(quán)系數(shù)；
步驟三收集樣本數(shù)據(jù)
由專家對(duì)各指標(biāo)值進(jìn)行評(píng)分，將評(píng)分結(jié)果視為樣本數(shù)據(jù)，得到樣本數(shù)據(jù)集(Xi，yi)， i = 1,2,…，1，其中\(zhòng)為11維輸入向量，是影響太陽(yáng)翼展開(kāi)的各種因素，YiSxi對(duì)應(yīng)的輸出值，是太陽(yáng)翼展開(kāi)的可靠度，η為一個(gè)輸入向量包含的影響因子數(shù)，1為收集到的樣本數(shù)目；
步驟四訓(xùn)練支持向量機(jī)模型
選取訓(xùn)練數(shù)據(jù)集，對(duì)模型進(jìn)行訓(xùn)練，以選取合適的核函數(shù)及其參數(shù)，再選取用于交叉驗(yàn)證的數(shù)據(jù)集，采用交叉驗(yàn)證法對(duì)模型進(jìn)行驗(yàn)證，以備必要時(shí)對(duì)核函數(shù)及參數(shù)進(jìn)行調(diào)整；
步驟五對(duì)模型進(jìn)行檢測(cè)
輸入檢測(cè)數(shù)據(jù)集對(duì)模型進(jìn)行檢測(cè)，對(duì)太陽(yáng)翼的展開(kāi)可靠性進(jìn)行評(píng)估。
本發(fā)明的有益效果是
它是專門針對(duì)有限樣本情況的，其目標(biāo)是得到現(xiàn)有信息下的最優(yōu)解而不僅僅是樣本數(shù)趨于無(wú)窮大時(shí)的最優(yōu)值；
算法最終將轉(zhuǎn)化成為一個(gè)二次型尋優(yōu)問(wèn)題，從理論上說(shuō)，得到的將是全局最優(yōu)點(diǎn)， 解決了在神經(jīng)網(wǎng)絡(luò)方法中無(wú)法避免的局部極值問(wèn)題；
算法將實(shí)際問(wèn)題通過(guò)非線性變換轉(zhuǎn)換到高維的特征空間，在高維空間中構(gòu)造線性判別函數(shù)來(lái)實(shí)現(xiàn)原空間中的非線性判別函數(shù)，能保證模型具有較好的推廣能力，同時(shí)它巧妙地解決了維數(shù)問(wèn)題，其算法復(fù)雜度與樣本維數(shù)無(wú)關(guān)。
此方法在小樣本情況下，避免了過(guò)學(xué)習(xí)現(xiàn)象的出現(xiàn)，保證了泛化能力，對(duì)太陽(yáng)翼展開(kāi)可靠性所做的評(píng)估具有較高的精度。


圖1為本發(fā)明的工作流程圖。
圖2為基于該方法的軟件運(yùn)行整體界面。
圖3為導(dǎo)入訓(xùn)練樣本文件，對(duì)樣本進(jìn)行訓(xùn)練，選擇核函數(shù)及參數(shù)。
圖4為導(dǎo)入檢測(cè)樣本文件，對(duì)樣本進(jìn)行檢測(cè)。
圖5為對(duì)太陽(yáng)翼展開(kāi)可靠性進(jìn)行評(píng)估，并把評(píng)估結(jié)果寫入相應(yīng)文件中。
具體實(shí)施方式
下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
本發(fā)明的整體流程如圖1所示。
步驟一根據(jù)專家知識(shí)建立太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系
太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系包括4個(gè)一級(jí)指標(biāo)展開(kāi)狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)和展開(kāi)試驗(yàn)綜合指標(biāo)。其中鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)包含以下4個(gè)2級(jí)指標(biāo)根部鉸鏈力矩、支撐臂/連接架鉸鏈力矩、連接架/內(nèi)板鉸鏈力矩、內(nèi)板 /外板鉸鏈力矩。展開(kāi)試驗(yàn)綜合指標(biāo)則包含以下5個(gè)2級(jí)指標(biāo)展開(kāi)時(shí)間、展開(kāi)對(duì)中度、鋼絲繩張力、鎖定深度、氣浮裝置連接件與橫梁之間的高度。
步驟二 采用物元法和層次分析法得到評(píng)價(jià)指標(biāo)體系的權(quán)向量
對(duì)構(gòu)成同一個(gè)綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評(píng)分。 專家對(duì)第i個(gè)指標(biāo)和第j個(gè)指標(biāo)的重要程度進(jìn)行比較，給出評(píng)判分值bu，得到判斷矩陣B = (、)ηΧη，η為指標(biāo)個(gè)數(shù)。
第i個(gè)因素χ與第j個(gè)因素y相比較的評(píng)分標(biāo)準(zhǔn)如下表
權(quán)利要求
1.基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，其特征在于，包括以下幾個(gè)步驟步驟一根據(jù)專家知識(shí)建立太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系包括4個(gè)一級(jí)指標(biāo)展開(kāi)狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)和展開(kāi)試驗(yàn)綜合指標(biāo)；其中鉸鏈驅(qū)動(dòng)特性綜合指標(biāo)包含以下 4個(gè)2級(jí)指標(biāo)根部鉸鏈力矩、支撐臂/連接架鉸鏈力矩、連接架/內(nèi)板鉸鏈力矩、內(nèi)板/外板鉸鏈力矩；展開(kāi)試驗(yàn)綜合指標(biāo)則包含以下5個(gè)2級(jí)指標(biāo)展開(kāi)時(shí)間、展開(kāi)對(duì)中度、鋼絲繩張力、鎖定深度、氣浮裝置連接件與橫梁之間的高度；步驟二 采用物元法和層次分析法得到評(píng)價(jià)指標(biāo)體系的權(quán)向量對(duì)構(gòu)成同一個(gè)綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評(píng)分，然后采用物元法和層次分析法處理多位專家的評(píng)分矩陣，求出各指標(biāo)的權(quán)系數(shù)； 步驟三收集樣本數(shù)據(jù)由專家對(duì)各指標(biāo)值進(jìn)行評(píng)分，將評(píng)分結(jié)果視為樣本數(shù)據(jù)，得到樣本數(shù)據(jù)集(Xi，yi)，i = 1,2,…，1，其中Xi為η維輸入向量，是影響太陽(yáng)翼展開(kāi)的各種因素，yi為Xi對(duì)應(yīng)的輸出值， 是太陽(yáng)翼展開(kāi)的可靠度，η為一個(gè)輸入向量包含的影響因子數(shù)，1為收集到的樣本數(shù)目； 步驟四訓(xùn)練支持向量機(jī)模型選取訓(xùn)練數(shù)據(jù)集，對(duì)模型進(jìn)行訓(xùn)練，以選取合適的核函數(shù)及其參數(shù)，再選取用于交叉驗(yàn)證的數(shù)據(jù)集，采用交叉驗(yàn)證法對(duì)模型進(jìn)行驗(yàn)證，以備必要時(shí)對(duì)核函數(shù)及參數(shù)進(jìn)行調(diào)整； 步驟五對(duì)模型進(jìn)行檢測(cè)輸入檢測(cè)數(shù)據(jù)集對(duì)模型進(jìn)行檢測(cè)，對(duì)太陽(yáng)翼的展開(kāi)可靠性進(jìn)行評(píng)估。
2.根據(jù)權(quán)利要求1所述的基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法， 其特征在于，所述步驟四中核函數(shù)及其參數(shù)包括(1)線性函數(shù)K (X，Xi) = χ · Xi(2)多項(xiàng)式函數(shù)K(X5Xi) = [(X1i)+l]d使用此核函數(shù)時(shí)需要一個(gè)integer型的參數(shù)d ；(3)徑向基函數(shù)K(x, Xi) = exp {- γ I X-Xi I2}使用此核函數(shù)時(shí)需要一個(gè)float型的參數(shù)γ ；(4)Sigmoid 函數(shù) K(XjXi) = tanh (a (xT Xi) +b)使用此核函數(shù)時(shí)需要兩個(gè)參數(shù)，一個(gè)是float型的參數(shù)a，另一個(gè)是float型參數(shù)b ；(5)方差分析函數(shù)^(X7X1) = (^χρ(-γ\\χ-XiIfW使用此核函數(shù)時(shí)需要兩個(gè)參數(shù)，一個(gè)是float型的參數(shù)Y，另一個(gè)是integer型參數(shù)d；從上述核函數(shù)及其參數(shù)中選取合適的核函數(shù)及其參數(shù)的方法是用均方誤差方法選出待選的最優(yōu)核函數(shù)及其參數(shù)，即由執(zhí)行程序計(jì)算上述核函數(shù)及其參數(shù)產(chǎn)生的均方誤差，并把求出的均方誤差從小到大排序，選出均方誤差最小的核函數(shù)及參數(shù)，讓其作為最終計(jì)算用的最優(yōu)核函數(shù)及其參數(shù)值。
3.根據(jù)權(quán)利要求1所述的基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，其特征在于，選取用于交叉驗(yàn)證的數(shù)據(jù)集，采用交叉驗(yàn)證法對(duì)模型進(jìn)行驗(yàn)證的具體過(guò)程是輸入訓(xùn)練樣本，建立起一個(gè)訓(xùn)練模型，根據(jù)此訓(xùn)練模型，對(duì)樣本進(jìn)行評(píng)估，但是訓(xùn)練所采用的參數(shù)是通過(guò)計(jì)算均方差而產(chǎn)生的近似參數(shù)，可能不是最終評(píng)估樣本所需的參數(shù)，因此還要進(jìn)行微調(diào)；導(dǎo)入交叉驗(yàn)證樣本，同時(shí)保持訓(xùn)練樣本時(shí)所采用的算法、核函數(shù)及其參數(shù)不變，對(duì)模型進(jìn)行檢驗(yàn)，觀察計(jì)算結(jié)果與樣本的實(shí)際值是否一致，如果一致性達(dá)到95%以上，則采用這組核函數(shù)及其參數(shù)對(duì)樣本進(jìn)行評(píng)估；否則，對(duì)參數(shù)進(jìn)行微調(diào)，重新對(duì)模型進(jìn)行訓(xùn)練并進(jìn)行交叉驗(yàn)證，選擇合適的參數(shù)對(duì)樣本進(jìn)行評(píng)估，或者選取均方差僅次于該組參數(shù)的其他核函數(shù)及其參數(shù)。
全文摘要
本發(fā)明公開(kāi)了一種基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，包括根據(jù)專家知識(shí)建立太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系；采用物元法和層次分析法得到評(píng)價(jià)指標(biāo)體系的權(quán)向量；由專家對(duì)影響太陽(yáng)翼展開(kāi)的諸因素測(cè)量值評(píng)分，將評(píng)分結(jié)果視為樣本數(shù)據(jù)；由程序自動(dòng)選取支持向量機(jī)SVM核函數(shù)及其參數(shù)值，構(gòu)建訓(xùn)練模型；使用交叉驗(yàn)證來(lái)檢驗(yàn)核函數(shù)及其參數(shù)是否需要進(jìn)行微調(diào)；用檢測(cè)樣本來(lái)驗(yàn)證所建模型，對(duì)太陽(yáng)翼展開(kāi)可靠性作出評(píng)估。本發(fā)明的優(yōu)點(diǎn)是在零失效、小樣本、非線性、高維數(shù)等情況下，所做的評(píng)估結(jié)果客觀、可信。
文檔編號(hào)G06F19/00GK102495939SQ201110322269
公開(kāi)日2012年6月13日 申請(qǐng)日期2011年10月21日 優(yōu)先權(quán)日2011年10月21日
發(fā)明者王娟, 皮德常 申請(qǐng)人:南京航空航天大學(xué)