專利名稱：基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法，特別是針對小子樣可靠性試驗數(shù)據(jù)的太陽翼展開可靠性評估方法。
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，需要采取各種機構(gòu)來完成多種任務(wù)。作為衛(wèi)星的主要組成部分，太陽翼能否順利展開是衛(wèi)星能否進(jìn)行正常工作的先決條件，但由于其造價昂貴，不可能進(jìn)行大量展開試驗。在解決小樣本的問題上，基于統(tǒng)計學(xué)習(xí)理論的支持向量機方法有很大的優(yōu)勢。
統(tǒng)計學(xué)習(xí)理論從控制學(xué)習(xí)機器復(fù)雜度的思想出發(fā)，提出了結(jié)構(gòu)風(fēng)險最小化原則 即以綜合考慮經(jīng)驗風(fēng)險和置信范圍這兩項最小化為目標(biāo)，使得學(xué)習(xí)機器在可容許的經(jīng)驗風(fēng)險范圍內(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)計學(xué)習(xí)理論)的基礎(chǔ)上發(fā)展了支持向量機(support vector machine, SVM)理論，由于支持向量機能有效解決高維、 非線性及有限樣本下的模式識別問題，所以采用這種方法，通過非線性變換，將深入原始特征向量映射到一個高維空間，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)、機械、動力、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，其中很多評估屬小樣本數(shù)據(jù)下的可靠性評估，太陽翼展開可靠性評估即為其中的一種，本發(fā)明使用基于核函數(shù)自動選擇的支持向量機算法對其進(jìn)行評估，其評估結(jié)果具有較高的精確度和參考價值。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，對太陽翼展開可靠性進(jìn)行分析的問題，將支持向量機方法引用到產(chǎn)品可靠性分析中，解決了小樣本情況下評估精確度不高的問題。
本發(fā)明的具體技術(shù)方案如下
一種基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法，包括以下幾個步驟
步驟一根據(jù)專家知識建立太陽翼展開可靠性綜合評價指標(biāo)體系
太陽翼展開可靠性綜合評價指標(biāo)體系包括4個一級指標(biāo)展開狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動特性綜合指標(biāo)和展開試驗綜合指標(biāo)。其中鉸鏈驅(qū)動特性綜合指標(biāo)包含以下4個2級指標(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。展開試驗綜合指標(biāo)則包含以下5個2級指標(biāo)展開時間、展開對中度、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價指標(biāo)體系的權(quán)向量
對構(gòu)成同一個綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評分， 然后采用物元法和層次分析法處理多位專家的評分矩陣，求出各指標(biāo)的權(quán)系數(shù)；
步驟三收集樣本數(shù)據(jù)
由專家對各指標(biāo)值進(jìn)行評分，將評分結(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，是影響太陽翼展開的各種因素，YiSxi對應(yīng)的輸出值，是太陽翼展開的可靠度，η為一個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)練支持向量機模型
選取訓(xùn)練數(shù)據(jù)集，對模型進(jìn)行訓(xùn)練，以選取合適的核函數(shù)及其參數(shù)，再選取用于交叉驗證的數(shù)據(jù)集，采用交叉驗證法對模型進(jìn)行驗證，以備必要時對核函數(shù)及參數(shù)進(jìn)行調(diào)整；
步驟五對模型進(jìn)行檢測
輸入檢測數(shù)據(jù)集對模型進(jìn)行檢測，對太陽翼的展開可靠性進(jìn)行評估。
本發(fā)明的有益效果是
它是專門針對有限樣本情況的，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)趨于無窮大時的最優(yōu)值；
算法最終將轉(zhuǎn)化成為一個二次型尋優(yōu)問題，從理論上說，得到的將是全局最優(yōu)點， 解決了在神經(jīng)網(wǎng)絡(luò)方法中無法避免的局部極值問題；
算法將實際問題通過非線性變換轉(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)來實現(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，同時它巧妙地解決了維數(shù)問題，其算法復(fù)雜度與樣本維數(shù)無關(guān)。
此方法在小樣本情況下，避免了過學(xué)習(xí)現(xiàn)象的出現(xiàn)，保證了泛化能力，對太陽翼展開可靠性所做的評估具有較高的精度。


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行整體界面。
圖3為導(dǎo)入訓(xùn)練樣本文件，對樣本進(jìn)行訓(xùn)練，選擇核函數(shù)及參數(shù)。
圖4為導(dǎo)入檢測樣本文件，對樣本進(jìn)行檢測。
圖5為對太陽翼展開可靠性進(jìn)行評估，并把評估結(jié)果寫入相應(yīng)文件中。
具體實施方式
下面將結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明。
本發(fā)明的整體流程如圖1所示。
步驟一根據(jù)專家知識建立太陽翼展開可靠性綜合評價指標(biāo)體系
太陽翼展開可靠性綜合評價指標(biāo)體系包括4個一級指標(biāo)展開狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動特性綜合指標(biāo)和展開試驗綜合指標(biāo)。其中鉸鏈驅(qū)動特性綜合指標(biāo)包含以下4個2級指標(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。展開試驗綜合指標(biāo)則包含以下5個2級指標(biāo)展開時間、展開對中度、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價指標(biāo)體系的權(quán)向量
對構(gòu)成同一個綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評分。 專家對第i個指標(biāo)和第j個指標(biāo)的重要程度進(jìn)行比較，給出評判分值bu，得到判斷矩陣B = (、)ηΧη，η為指標(biāo)個數(shù)。
第i個因素χ與第j個因素y相比較的評分標(biāo)準(zhǔn)如下表
權(quán)利要求
1.基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法，其特征在于，包括以下幾個步驟步驟一根據(jù)專家知識建立太陽翼展開可靠性綜合評價指標(biāo)體系太陽翼展開可靠性綜合評價指標(biāo)體系包括4個一級指標(biāo)展開狀態(tài)基頻、最小靜力矩裕度、鉸鏈驅(qū)動特性綜合指標(biāo)和展開試驗綜合指標(biāo)；其中鉸鏈驅(qū)動特性綜合指標(biāo)包含以下 4個2級指標(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；展開試驗綜合指標(biāo)則包含以下5個2級指標(biāo)展開時間、展開對中度、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價指標(biāo)體系的權(quán)向量對構(gòu)成同一個綜合指標(biāo)的各基本指標(biāo)，由3位以上專家進(jìn)行兩兩比較給出評分，然后采用物元法和層次分析法處理多位專家的評分矩陣，求出各指標(biāo)的權(quán)系數(shù)； 步驟三收集樣本數(shù)據(jù)由專家對各指標(biāo)值進(jìn)行評分，將評分結(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，是影響太陽翼展開的各種因素，yi為Xi對應(yīng)的輸出值， 是太陽翼展開的可靠度，η為一個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)練支持向量機模型選取訓(xùn)練數(shù)據(jù)集，對模型進(jìn)行訓(xùn)練，以選取合適的核函數(shù)及其參數(shù)，再選取用于交叉驗證的數(shù)據(jù)集，采用交叉驗證法對模型進(jìn)行驗證，以備必要時對核函數(shù)及參數(shù)進(jìn)行調(diào)整； 步驟五對模型進(jìn)行檢測輸入檢測數(shù)據(jù)集對模型進(jìn)行檢測，對太陽翼的展開可靠性進(jìn)行評估。
2.根據(jù)權(quán)利要求1所述的基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法， 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)多項式函數(shù)K(X5Xi) = [(X1i)+l]d使用此核函數(shù)時需要一個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)時需要一個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)時需要兩個參數(shù)，一個是float型的參數(shù)a，另一個是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)時需要兩個參數(shù)，一個是float型的參數(shù)Y，另一個是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)化的支持向量機太陽翼展開可靠性評估方法，其特征在于，選取用于交叉驗證的數(shù)據(jù)集，采用交叉驗證法對模型進(jìn)行驗證的具體過程是輸入訓(xùn)練樣本，建立起一個訓(xùn)練模型，根據(jù)此訓(xùn)練模型，對樣本進(jìn)行評估，但是訓(xùn)練所采用的參數(shù)是通過計算均方差而產(chǎn)生的近似參數(shù)，可能不是最終評估樣本所需的參數(shù)，因此還要進(jìn)行微調(diào)；導(dǎo)入交叉驗證樣本，同時保持訓(xùn)練樣本時所采用的算法、核函數(shù)及其參數(shù)不變，對模型進(jìn)行檢驗，觀察計算結(jié)果與樣本的實際值是否一致，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)對樣本進(jìn)行評估；否則，對參數(shù)進(jìn)行微調(diào)，重新對模型進(jìn)行訓(xùn)練并進(jìn)行交叉驗證，選擇合適的參數(shù)對樣本進(jìn)行評估，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)明公開了一種基于核函數(shù)優(yōu)化的支持向量機太陽翼展開可靠性評估方法，包括根據(jù)專家知識建立太陽翼展開可靠性綜合評價指標(biāo)體系；采用物元法和層次分析法得到評價指標(biāo)體系的權(quán)向量；由專家對影響太陽翼展開的諸因素測量值評分，將評分結(jié)果視為樣本數(shù)據(jù)；由程序自動選取支持向量機SVM核函數(shù)及其參數(shù)值，構(gòu)建訓(xùn)練模型；使用交叉驗證來檢驗核函數(shù)及其參數(shù)是否需要進(jìn)行微調(diào)；用檢測樣本來驗證所建模型，對太陽翼展開可靠性作出評估。本發(fā)明的優(yōu)點是在零失效、小樣本、非線性、高維數(shù)等情況下，所做的評估結(jié)果客觀、可信。
文檔編號G06F19/00GK102495939SQ201110322269
公開日2012年6月13日 申請日期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 申請人:南京航空航天大學(xué)