买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都飞机工业(集团)有限责任公司

摘要：本发明属于飞机飞行信息化技术领域，特别涉及一种作战系统健康状态预测方法，包括如下步骤：步骤一：建立自回归移动平均模型；步骤二：建立人工神经网络模型；步骤三：建立作战系统混合预测数学模型；步骤四：运用混合模型实现系统健康状态预测。本发明通过实际数据和预测案例，表明给出的基于自回归求和移动平均模型的时序预测和基于人工神经网络的组合数据驱动预测方法贴合了现代作战系统保障技术升级的重要需求，所给出的算法能够在相当程度上满足作战系统健康状态预测的实际需要，预测效率较高，预测结果有较强的指导价值，对于提升作战系统的整体保障水平，具有较强的技术推动和工程借鉴意义。

主权项：1.一种作战系统健康状态预测方法，其特征在于：包括如下步骤：步骤一：建立自回归移动平均模型；步骤二：建立人工神经网络模型；步骤三：建立作战系统混合预测数学模型；步骤四：运用混合模型实现系统健康状态预测；所述步骤三中，时间序列的非线性成分利用人工神经网络建模，再将其与自回归求和移动平均模型的结果合并起来，得到更高的预测精度；步骤三中混合模型包括自回归移动平均线性子模型和人工神经网络非线性子模型两部分，具体步骤如下：1自回归移动平均线性子模型：假设对于时间序列输入为X＝x1，x2，…xn，其真实期望输出为Y＝y1，y2，…ym；首先利用自回归移动平均模型对时间序列进行预测，则得到自回归移动平均的预测值 2人工神经网络非线性子模型：根据人工神经网络模型的基本原理，设非线性子模型的预测结果为 其中，wjj＝1，2，3，…，q和wiji＝1，2，3，…，p；j＝1，2，3，…，q为神经网络的连接权重，p、q分别表示网络输入层和中间层的节点数，输出层为1用来进行一步前向预测，b0与b0j为偏置项，εt为t时刻的预测误差，g为网络的激活函数；3混合模型：综合式1和2，得到混合模型表达式为： 其中，Yt为最终预测结果，YLt为自回归求和移动平均模型的预测结果，YNt为自回归移动平均预测的残差；将YNt作为人工神经网络模型的输入，训练人工神经网络模型，得到人工神经网络模型预测结果；步骤四中运用自回归移动平均与人工神经网络混合模型来实现作战系统健康状态预测的流程步骤，该混合模型预测算法的详细过程如下：预测的基本场景为对时间序列X＝x1，x2，…，xt进行混合动态L步预测，其中t为当前时刻，初始时刻k＝t，j＝1，其中j为预测循环次数，N为预测数据个数；步骤1.根据样本数据的特点进行平稳化、数据预处理；设处理后数据序列为即训练数据；步骤2.模型识别，确定模型结构，根据数据序列的自相关系数ACF和偏相关系数PACF的性质和AIC准则去估计自回归阶数n和移动平均阶数m；步骤3.依据最小二乘法进行模型参数估计，确定当前时刻的观测值与历史时刻观测值和白噪声序列的关系；步骤4.利用训练数据检验模型是否达到精度，若满足，即得到合理的自回归移动平均模型，从而得到静态多步预测误差etraint，即人工神经网络的训练数据，转步骤5；否则，转步骤2；步骤5.将历史数据代入预测方程，得到k+1时刻数据步骤6.若k+1-nL，则k＝k+1，将预测数据加入序列，转步骤3，重新估计参数；否则转步骤7；步骤7.若LjN，转步骤8；否则得到预测结果转步骤9；步骤8.将实际观测值代替之前的L步预测值，作为时间序列，转步骤3，进行第j＝j+1次循环的L步预测；步骤9.用步骤4的etraint来训练人工神经网络模型，由步骤7中自回归移动平均得到的预测结果得到预测残差YNt，作为人工神经网络的时间序列数据，同步骤5、步骤6、步骤7、步骤8，得到非线性部分的预测结果步骤10.由和得到混合模型的预测结结束。

全文数据：

权利要求：

百度查询： 成都飞机工业(集团)有限责任公司 一种作战系统健康状态预测方法