專利名稱：高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式的融合分類測(cè)定方法
技術(shù)領(lǐng)域：
本發(fā)明渉及的是高超聲速進(jìn)氣道的技術(shù)領(lǐng)域。
技術(shù)背景現(xiàn)有高超聲速進(jìn)氣道的設(shè)計(jì)制造技術(shù)中，不起動(dòng)現(xiàn)象是高超聲速進(jìn)氣 道的重要流動(dòng)現(xiàn)象，無論是在設(shè)計(jì)工況還是在非設(shè)計(jì)工況，進(jìn)氣道能否正 常工作，將對(duì)整個(gè)推進(jìn)系統(tǒng)起關(guān)鍵性的作用。進(jìn)氣道不起動(dòng)引起捕獲流量 和總壓恢復(fù)急劇下降，導(dǎo)致燃燒室無法正常工作，必然會(huì)制約整個(gè)推進(jìn)系 統(tǒng)功能和性能的提高，甚至?xí)拱l(fā)動(dòng)機(jī)不能產(chǎn)生推力。因此，發(fā)動(dòng)機(jī)的控 制系統(tǒng)必須能夠?qū)崟r(shí)監(jiān)控進(jìn)氣道的工作狀態(tài)， 一旦出現(xiàn)進(jìn)氣道不起動(dòng)，控 制系統(tǒng)能迅速給出控制指令使得進(jìn)氣道快速退出不起動(dòng)狀態(tài)。然而對(duì)于進(jìn)氣道起動(dòng)/不起動(dòng)狀態(tài)的判斷，目前大多采用的是利用壁面 壓力測(cè)點(diǎn)進(jìn)行判斷。在發(fā)動(dòng)機(jī)運(yùn)行過程中，傳感器不可避免地遇到測(cè)量噪 聲和故障的影響，導(dǎo)致控制系統(tǒng)對(duì)當(dāng)前進(jìn)氣道工作狀態(tài)出現(xiàn)誤判；嚴(yán)重情 況下導(dǎo)致發(fā)動(dòng)機(jī)出現(xiàn)進(jìn)氣道不起動(dòng)現(xiàn)象，最終導(dǎo)致發(fā)動(dòng)機(jī)不能正常工作和 飛行試驗(yàn)失敗。NASA和俄羅斯CIAM聯(lián)合進(jìn)行了一次耗資1億美元的 Ma3.5-6.5高超聲速飛行試驗(yàn)的事故引起了國(guó)際學(xué)術(shù)界對(duì)進(jìn)氣道不起動(dòng)控制 的重視。在對(duì)此次試驗(yàn)分析中重點(diǎn)提到的不起動(dòng)控制的可靠性問題，希望 能夠克服發(fā)動(dòng)機(jī)運(yùn)行過程中測(cè)量噪聲和傳感器故障的影響，提高寬?cǎi)R赫數(shù) 范圍內(nèi)進(jìn)氣道起動(dòng)/不起動(dòng)模式分類精度，保證進(jìn)氣道和發(fā)動(dòng)機(jī)的可靠工作。 但現(xiàn)有技術(shù)還無法解決上述存在的問題。發(fā)明內(nèi)容本發(fā)明的目的是為了解決現(xiàn)有技術(shù)還不能解決測(cè)量噪聲和傳感器故障 對(duì)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類精度的影響，導(dǎo)致控制系統(tǒng)對(duì)當(dāng)前 進(jìn)氣道工作狀態(tài)出現(xiàn)誤判的問題。而提出了一種高超聲速進(jìn)氣道起動(dòng)/不起 動(dòng)模式的融合分類測(cè)定方法。該融合分類測(cè)定方法的步驟為步驟一通過風(fēng)洞試驗(yàn)或者數(shù)值模擬得到高超聲速進(jìn)氣道壁面壓力分 布，以此作為進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的訓(xùn)練樣本；步驟二根據(jù)流量捕獲特性定義進(jìn)氣道的不同工作模式，起動(dòng)或不起 動(dòng)，并生成訓(xùn)練樣本的分類規(guī)則，0或1;步驟三用支持向量機(jī)對(duì)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類進(jìn)行特 征選擇，其算法如下a、 用支持向量機(jī)方法對(duì)訓(xùn)練樣本進(jìn)行特征選擇，得到特征屬性， 得到其分類錯(cuò)誤率errorl及每個(gè)特征屬性的權(quán)重；b、 剔除權(quán)重較小的一個(gè)或幾個(gè)特征屬性，重新訓(xùn)練支持向量機(jī)， 并計(jì)算分類錯(cuò)誤率error2及每個(gè)特征屬性的權(quán)重；c、 如果error2小于errorl，則返回運(yùn)行步驟b，直至error2大于等于 errorl為止；最終得到用于高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的特征 屬性；d、 基于該特征屬性，利用支持向量機(jī)方法重新對(duì)樣本進(jìn)行訓(xùn)練， 可以得到高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的分類面；設(shè)兩個(gè)傳感 器為一組，兩個(gè)傳感器分別設(shè)置在高超聲速進(jìn)氣道內(nèi)的x點(diǎn)和y點(diǎn)上， 其x點(diǎn)和y點(diǎn)分別表征每一個(gè)樣本的第x個(gè)和第y個(gè)壓力測(cè)點(diǎn)，分別用pl 和p2表示，得到的分類面可以利用pl和p2來表征；最終可以得到多組 傳感器的x點(diǎn)和y點(diǎn)，并組成多種分類器C1 (xl，yl)……Cn (xn,yn)， n 為自然數(shù)；步驟四用模糊輸出支持向量機(jī)方法獲取不同噪聲作用下的隸屬度函 數(shù)，其算法如下(1) 、基于試驗(yàn)數(shù)據(jù)獲取壓力測(cè)點(diǎn)的噪聲統(tǒng)計(jì)特性；(2) 、基于噪聲統(tǒng)計(jì)特性，獲取測(cè)量噪聲作用下的類條件概率密度 pA(支持向量機(jī)輸出值l樣本屬于起動(dòng))、p丑(支持向量機(jī)輸出值l樣本屬于不起都；(3) 、對(duì)類條件概率密度進(jìn)行貝葉斯估計(jì)可以得到其后驗(yàn)概率 pc(樣本屬于起動(dòng)l支持向量機(jī)輸出值)、pD(樣本屬于不起動(dòng)l支持向量機(jī)輸出值)； (4)、對(duì)后驗(yàn)概率進(jìn)行極大似然估計(jì)，得到該噪聲作用下的隸屬度函數(shù)；步驟五用多傳感器融合技術(shù)對(duì)多個(gè)分類器進(jìn)行組合決策，克服實(shí)際 應(yīng)用過程中測(cè)量噪聲和傳感器故障的影響；而實(shí)現(xiàn)高超聲速進(jìn)氣道起動(dòng)/不 起動(dòng)多個(gè)分類器融合分類測(cè)定；所述組合決策算法為(1) 、首先確定融合分類器的數(shù)量，并選擇步驟三中給出的傳感器 組合作為分類器組合C1 (xl,yl)……Cn (xn,yn)， n為自然數(shù);(2) 、根據(jù)步驟四中的不同噪聲作用下的隸屬度函數(shù)，利用每個(gè)分 類器計(jì)算每個(gè)樣本屬于各類的隸屬度，得到每個(gè)樣本對(duì)應(yīng)的一個(gè)隸屬 度矩陣；(3) 、用均值的方法對(duì)隸屬度矩陣進(jìn)行模糊融合，最大均值對(duì)應(yīng)的 類別號(hào)為多個(gè)分類器組合后的決策值；完成高超聲速進(jìn)氣道起動(dòng)/不起 動(dòng)多個(gè)分類器組合決策。本發(fā)明能夠有效克服測(cè)量噪聲和傳感器故障對(duì)進(jìn)氣道起動(dòng)/不起動(dòng)模式 分類精度的影響，大幅提高進(jìn)氣道起動(dòng)/不起動(dòng)分類器的魯棒性。它能獲得 不同測(cè)量噪聲作用下各類的隸屬度函數(shù)，并得到每個(gè)樣本對(duì)應(yīng)的隸屬度矩 陣；基于隸屬度矩陣進(jìn)行模糊融合，最終實(shí)現(xiàn)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng) 多個(gè)分類器組合決策。


圖1是高超聲速進(jìn)氣道的結(jié)構(gòu)示意圖。
具體實(shí)施方式
具體實(shí)施方式
一結(jié)合圖1說明本實(shí)施方式，本實(shí)施方式的方法步驟為步驟一通過風(fēng)洞試驗(yàn)或者數(shù)值模擬得到高超聲速進(jìn)氣道壁面壓力分 布，以此作為進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的訓(xùn)練樣本；步驟二根據(jù)流量捕獲特性定義進(jìn)氣道的不同工作模式，起動(dòng)或不起 動(dòng)，并生成訓(xùn)練樣本的分類規(guī)則，0或1; 步驟三用支持向量機(jī)對(duì)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類進(jìn)行特 征選擇，其算法如下a、 用支持向量機(jī)方法對(duì)訓(xùn)練樣本進(jìn)行特征選擇，得到特征屬性， 得到其分類錯(cuò)誤率errorl及每個(gè)特征屬性的權(quán)重；b、 剔除權(quán)重較小的一個(gè)或幾個(gè)特征屬性，重新訓(xùn)練支持向量機(jī)， 并計(jì)算分類錯(cuò)誤率error2及每個(gè)特征屬性的權(quán)重；c、 如果error2小于errorl，則返回運(yùn)行步驟b，直至error2大于等于 enwl為止；最終得到用于高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的特征 屬性；d、 基于該特征屬性，利用支持向量機(jī)方法重新對(duì)樣本進(jìn)行訓(xùn)練， 可以得到高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的分類面；設(shè)兩個(gè)傳感 器為一組，兩個(gè)傳感器分別設(shè)置在高超聲速進(jìn)氣道內(nèi)的x點(diǎn)和y點(diǎn)上， 其x點(diǎn)和y點(diǎn)分別表征每一個(gè)樣本的第x個(gè)和第y個(gè)壓力測(cè)點(diǎn)，分別用pl 和p2表示，得到的分類面可以利用pl和p2來表征；最終可以得到多組 傳感器的x點(diǎn)和y點(diǎn)，并組成多種分類器C1 (xl,yl)……Cn (xn,yn)， n 為自然數(shù)；步驟四用模糊輸出支持向量機(jī)方法獲取不同噪聲作用下的隸屬度函數(shù)，其算法如下(1) 、基于試驗(yàn)數(shù)據(jù)獲取壓力測(cè)點(diǎn)的噪聲統(tǒng)計(jì)特性；(2) 、基于噪聲統(tǒng)計(jì)特性，獲取測(cè)量噪聲作用下的類條件概率密度 pA(支持向量機(jī)輸出值l樣本屬于起都、p丑(支持向量機(jī)輸出值l樣本屬于不起動(dòng))；(3) 、對(duì)類條件概率密度進(jìn)行貝葉斯估計(jì)可以得到其后驗(yàn)概率 pC(樣本屬于起動(dòng)l支持向量機(jī)輸出值)、pD(樣本屬于不起動(dòng)l支持向量機(jī)輸出值)；(4) 、對(duì)后驗(yàn)概率進(jìn)行極大似然估計(jì)，得到該噪聲作用下的隸屬度 函數(shù)；步驟五用多傳感器融合技術(shù)對(duì)多個(gè)分類器進(jìn)行組合決策，克服實(shí)際 應(yīng)用過程中測(cè)量噪聲和傳感器故障的影響；而實(shí)現(xiàn)高超聲速進(jìn)氣道起動(dòng)/不 起動(dòng)多個(gè)分類器融合分類測(cè)定；所述組合決策算法為 (1) 、首先確定融合分類器的數(shù)量，并選擇步驟三中給出的傳感器組合作為分類器組合C1 (xl,yl)……Cn (xn,yn)， n為自然數(shù);(2) 、根據(jù)步驟四中的不同噪聲作用下的隸屬度函數(shù)，利用每個(gè)分 類器計(jì)算每個(gè)樣本屬于各類的隸屬度，得到每個(gè)樣本對(duì)應(yīng)的一個(gè)隸屬度矩陣；(3) 、采用均值的方法對(duì)隸屬度矩陣進(jìn)行模糊融合，最大均值對(duì)應(yīng) 的類別號(hào)為多個(gè)分類器組合后的決策值；完成高超聲速進(jìn)氣道起動(dòng)/不 起動(dòng)多個(gè)分類器組合決策。
權(quán)利要求
1、高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式的融合分類測(cè)定方法，其特征在于該方法的步驟為步驟一通過風(fēng)洞試驗(yàn)或者數(shù)值模擬得到高超聲速進(jìn)氣道壁面壓力分布，以此作為進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的訓(xùn)練樣本；步驟二根據(jù)流量捕獲特性定義進(jìn)氣道的不同工作模式，起動(dòng)或不起動(dòng)，并生成訓(xùn)練樣本的分類規(guī)則，0或1；步驟三用支持向量機(jī)對(duì)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類進(jìn)行特征選擇，其算法如下a、用支持向量機(jī)方法對(duì)訓(xùn)練樣本進(jìn)行特征選擇，得到特征屬性，得到其分類錯(cuò)誤率error1及每個(gè)特征屬性的權(quán)重；b、剔除權(quán)重較小的一個(gè)或幾個(gè)特征屬性，重新訓(xùn)練支持向量機(jī)，并計(jì)算分類錯(cuò)誤率error2及每個(gè)特征屬性的權(quán)重；c、如果error2小于error1，則返回運(yùn)行步驟b，直至error2大于等于error1為止；最終得到用于高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的特征屬性；d、基于該特征屬性，利用支持向量機(jī)方法重新對(duì)樣本進(jìn)行訓(xùn)練，可以得到高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類的分類面；設(shè)兩個(gè)傳感器為一組，兩個(gè)傳感器分別設(shè)置在高超聲速進(jìn)氣道內(nèi)的x點(diǎn)和y點(diǎn)上，其x點(diǎn)和y點(diǎn)分別表征每一個(gè)樣本的第x個(gè)和第y個(gè)壓力測(cè)點(diǎn)，分別用p1和p2表示，得到的分類面可以利用p1和p2來表征；最終可以得到多組傳感器的x點(diǎn)和y點(diǎn)，并組成多種分類器C1(x1，y1)……Cn(xn，yn)，n為自然數(shù)；步驟四用模糊輸出支持向量機(jī)方法獲取不同噪聲作用下的隸屬度函數(shù)，其算法如下(1)、基于試驗(yàn)數(shù)據(jù)獲取壓力測(cè)點(diǎn)的噪聲統(tǒng)計(jì)特性；(2)、基于噪聲統(tǒng)計(jì)特性，獲取測(cè)量噪聲作用下的類條件概率密度pA(支持向量機(jī)輸出值|樣本屬于起動(dòng))、pB(支持向量機(jī)輸出值|樣本屬于不起動(dòng))；(3)、對(duì)類條件概率密度進(jìn)行貝葉斯估計(jì)可以得到其后驗(yàn)概率pC(樣本屬于起動(dòng)|支持向量機(jī)輸出值)、pD(樣本屬于不起動(dòng)|支持向量機(jī)輸出值)；(4)、對(duì)后驗(yàn)概率進(jìn)行極大似然估計(jì)，得到該噪聲作用下的隸屬度函數(shù)；步驟五用多傳感器融合技術(shù)對(duì)多個(gè)分類器進(jìn)行組合決策，克服實(shí)際應(yīng)用過程中測(cè)量噪聲和傳感器故障的影響；而實(shí)現(xiàn)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)多個(gè)分類器融合分類測(cè)定；所述組合決策算法為(1)、首先確定融合分類器的數(shù)量，并選擇步驟三中給出的傳感器組合作為分類器組合C1(x1，y1)……Cn(xn，yn)，n為自然數(shù)；(2)、根據(jù)步驟四中的不同噪聲作用下的隸屬度函數(shù)，利用每個(gè)分類器計(jì)算每個(gè)樣本屬于各類的隸屬度，得到每個(gè)樣本對(duì)應(yīng)的一個(gè)隸屬度矩陣；(3)、用均值的方法對(duì)隸屬度矩陣進(jìn)行模糊融合，最大均值對(duì)應(yīng)的類別號(hào)為多個(gè)分類器組合后的決策值；完成高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)多個(gè)分類器組合決策。
全文摘要
高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式的融合分類測(cè)定方法，它涉及的是高超聲速進(jìn)氣道的技術(shù)領(lǐng)域。它是為了解決現(xiàn)有技術(shù)還不能解決測(cè)量噪聲和傳感器故障對(duì)高超聲速進(jìn)氣道起動(dòng)/不起動(dòng)模式分類精度的影響，導(dǎo)致控制系統(tǒng)對(duì)當(dāng)前進(jìn)氣道工作狀態(tài)出現(xiàn)誤判的問題。該方法的步驟為通過風(fēng)洞試驗(yàn)或者數(shù)值模擬得起動(dòng)/不起動(dòng)模式分類的訓(xùn)練樣本；根據(jù)流量捕獲特性定義工作模式和分類規(guī)則；用支持向量機(jī)方法進(jìn)行特征選擇；用模糊輸出支持向量機(jī)方法獲取隸屬度函數(shù)；用多傳感器融合技術(shù)對(duì)不同分類器組合進(jìn)行融合分類。本發(fā)明能夠有效克服測(cè)量噪聲和傳感器故障對(duì)進(jìn)氣道起動(dòng)/不起動(dòng)模式分類精度的影響，大幅提高進(jìn)氣道起動(dòng)/不起動(dòng)分類器的魯棒性。
文檔編號(hào)G01M15/14GK101210859SQ20071014490
公開日2008年7月2日 申請(qǐng)日期2007年12月24日 優(yōu)先權(quán)日2007年12月24日
發(fā)明者于達(dá)仁, 濤 崔, 常軍濤, 文 鮑 申請(qǐng)人:哈爾濱工業(yè)大學(xué)