CN111737880B - 基于复合信息熵的惯性仪表测试效能评估方法 - Google Patents
基于复合信息熵的惯性仪表测试效能评估方法 Download PDFInfo
- Publication number
- CN111737880B CN111737880B CN202010663596.9A CN202010663596A CN111737880B CN 111737880 B CN111737880 B CN 111737880B CN 202010663596 A CN202010663596 A CN 202010663596A CN 111737880 B CN111737880 B CN 111737880B
- Authority
- CN
- China
- Prior art keywords
- test
- testing
- precision
- coverage
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于复合信息熵的惯性仪表测试效能评估方法,属于飞行器地面仿真领域。本发明一种基于复合信息熵的惯性仪表测试效能评估方法具体步骤为:步骤1:确定各个环节的隶属度和权重;步骤1.1:确定各个环节的隶属度;步骤1.2:采用专家咨询法确定各测试环节的权重;步骤1.3:确定第n+1个因素的隶属度和权重;步骤2:根据各个环节之间的连接关系计算测试的总自信息量;步骤3:根据步骤2中的公式确定整个测试过程的自信息量,根据公式确定测试系统的效能。本发明基于复合信息熵的惯性仪表测试效能评估方法,定量分析惯性仪表的测试效能,覆盖静态测试、动态测试和综合测试的各个环节,可行性强,便于工程应用。
Description
技术领域
本发明涉及一种基于复合信息熵的惯性仪表测试效能评估方法,属于飞行器地面仿真领域。
背景技术
惯性仪表可以不依赖于GPS、北斗等实现自主导航定位,在航空、航天、航海、舰艇等领域有着广泛的应用,关系国计民生。惯性仪表包含光、机、电、液、气、磁等多种高精密元件,在实际系统中工作时除了要承受过载、振动、冲击等作用,还将受到温度场、压力场、电场、磁场和重力场等环境扰动因素的影响,其误差形成机理十分复杂。惯性仪表的性能指标是空间和时间的函数,研究惯性仪表的稳定性、重复性的机理显得非常重要。如果没有先进的测试技术体系作为基础支撑,就不可能深刻地认识和理解惯性仪表误差的产生机理,无法准确、客观、全面地评估仪表的性能,难以对仪表的研制、生产和使用提供切实可行的指导。
因此惯性仪表的地面测试在其研制、使用过程中的作用显得格外重要,而地面仿真测试的一个关键问题是,如何确定地面仿真试验效能,也就是地面测试结果在多大程度上说明惯性仪表在实际运行中的情况,也称为“天地一致性”验证问题。
高挺挺等在专利《一种微惯性测量单元的测试系统》中公开了一种基于三轴转台的微惯性测量单元性能测试方法,通过转台控制设备控制转台按照测试要求带动安装在转台上的微惯性测量单位进行转动,实现对微惯性测量单元的性能参数的测试和标定;《一种微惯性测量单元的测试系统》中给出了惯性仪表的测试方法和系统的设计方法,但没有给出这种测试效能的分析方法。
唐鑫等在《基于改进信息熵的综合反隐身作战效能评估》(《指挥控制与仿真》,2016年,第38卷第4期)中提出了改进信息熵的作战效能评估方法,将测试过程划分为若干测试节点,节点的效能发挥受若干因素影响,并用不确定性自信息量来描述影响的不确定程度;《基于改进信息熵的综合反隐身作战效能评估》给出了针对综合反隐身作战的效能分析方法,但没有涉及惯性仪表测试的效能分析方法。
发明内容
本发明的目的是为了解决上述现有技术存在的问题,进而提供一种基于复合信息熵的惯性仪表测试效能评估方法。
本发明的目的是通过以下技术方案实现的:
一种基于复合信息熵的惯性仪表测试效能评估方法,所述基于复合信息熵的惯性仪表测试效能评估方法具体步骤为:
步骤1:确定各个测试环节的隶属度和权重:
步骤1.1:确定各个测试环节的隶属度
(1)分度头恒转速测试能力评估
分度头测试需要考虑分度头的精度,其隶属度为R1(x)∈[0,1],x表示分度头的精度;
R1(x)=1-e-0.005/x
(2)转台恒转速测试能力评估
转台测试考虑转台的速度覆盖范围、速度精度和速度稳定度,隶属度为R2(x)∈[0,1],x表示转台恒转速测试能力;
1)覆盖范围:
R2-1(x)=1-e-2x
其中,x表示转台的速度范围占惯性仪表范围的百分比,
2)速度精度:
其中,x表示转台的速度精度;
3)速度稳定度
其中,x表示转台的速度稳定度;
(3)离心机恒加速度测试能力评估
考虑离心机的加速度覆盖范围、精度和稳定度,各指标隶属度为:
1)覆盖范围:R3-1(x)=e-0.05x
其中,x表示离心机的加速度范围占惯性仪表范围的百分比;
2)加速度精度:
其中,x表示离心机加速度精度;
3)稳定度
其中,x表示离心机的加速度稳定度;
(4)静态测试数据处理能力评估
考虑子样即静态测试数据的数量、精度,其隶属度为R4(x)∈[0,1],x表示静态测试数据处理能力;
1)静态测试数据的数量:
其中,x表示静态测试数据的数量,单位为批次;
2)静态测试数据的处理精度:
R4-2(x)=1-e-2.5x
其中,x表示静态测试数据的处理时剥离测试设备误差的程度,该程度以百分比来表示;
(5)角振动台测试能力评估
考虑角振动的覆盖范围、精度、带宽的影响,其隶属度为R5(x)∈[0,1],x表示角振动台测试能力;
1)覆盖范围
R5-1(x)=1-e-2x
其中,x表示角振动的覆盖范围占惯性仪表实际可能承受振动范围的百分比;
2)精度
其中,x表示角振动的精度;
3)带宽
R5-3(x)=1-e-1.5x
其中,x表示角振动的带宽覆盖范围占惯性仪表实际带宽的百分比;
(6)线振动台测试能力评估
考虑线振动的覆盖范围、精度、带宽的影响,其隶属度为R6(x)∈[0,1],x表示线振动台测试能力;
1)覆盖范围
R6-1(x)=e-0.005x
其中,x表示线振动的覆盖范围占惯性仪表实际可能承受振动范围的百分比;
2)精度
其中,x表示线振动的精度;
3)带宽
R6-3(x)=1-e-1.5x
其中,x表示线振动的带宽覆盖范围占惯性仪表实际带宽的百分比;
(7)离心机测试能力评估
考虑离心机的加速度的覆盖范围、精度、带宽的影响,其隶属度为R7(x)∈[0,1],x表示离心机测试能力;
1)覆盖范围
R7-1(x)=1-e-2.5x
其中,x表示离心机覆盖范围占惯性仪表实际可能承受加速度范围的百分比;
2)精度
其中,x表示离心机加速度的精度;
3)带宽
R7-3(x)=1-e-1.5x
其中,x表示离心机的带宽覆盖范围占惯性仪表实际带宽的百分比;
(8)动态测试数据处理能力评估
考虑子样的数量、处理的精度,其隶属度为R8(x)∈[0,1],x表示动态测试数据处理能力;
1)动态测试数据的子样数量:
其中,x表示动态测试数据的子样数量,单位为批次;
2)动态测试数据的处理精度:
R8-2(x)=1-e-1.5x
其中,x表示动态测试数据的处理时剥离测试设备误差的程度,该程度以百分比表示;
(9)火箭撬测试能力评估
考虑火箭撬的测试曲线设计、外测精度的影响,其隶属度为R9(x)∈[0,1],x表示火箭撬测试能力;
1)测试曲线设计:
R9-1(x)=1-e-2.5x
其中,x表示火箭撬测试曲线设计的动态特性覆盖度;
2)外测精度:
R9-2(x)=1-e-1.5/x
其中,x表示火箭撬测试时的外测精度;
(10)空气炮测试能力评估
考虑空气炮的加速度范围、精度的影响,其隶属度为R10(x)∈[0,1],x表示空气炮测试能力;
1)覆盖范围
R10-1(x)=1-e-2.5x
其中,x表示空气炮覆盖范围占惯性仪表实际可能承受加速度范围的百分比;
2)精度
其中,x表示空气炮的精度;
(11)高低温测试能力评估
考虑高低温的覆盖范围、变化情况的影响,其隶属度为R11(x)∈[0,1],x表示高低温测试能力;
1)覆盖范围:
R11-1(x)=1-e-2x
其中,x表示高低温范围占惯性仪表实际工作时温度范围的百分比;
2)温度变化情况:
R11-2(x)=1-e-2x
其中,x表示高低温变化情况与惯性仪表实际工作时温度变化情况的相似程度;
(12)综合测试数据处理能力评估
考虑子样即综合测试数据的数量、处理的精度,其隶属度为R12(x)∈[0,1],x表示综合测试数据处理能力;
1)综合测试数据的数量:
其中,x表示综合测试数据的数量,单位为批次;
2)综合测试数据的处理精度:
R12-2R(x)=1-e-2x
其中,x表示综合测试数据的处理时剥离测试设备误差的程度,该程度以百分比表示;
步骤1.2:采用专家咨询法确定各测试环节的权重;
步骤2:根据各个测试环节之间的连接关系计算测试的总自信息量:
Ri表示第i个影响因素对某测试环节效能发挥的隶属度Ri∈[0,1],用自信息量-1nRi来度量该第i个影响因素给该测试环节效能发挥带来的不确定度,第i个影响因素的权重为wi,某一测试环节的自信息量记为Is,则
式中,n表示某一测试环节中包含的影响因素的数量;
整个测试过程中各个测试环节对应的不确定性的总自信息量为I,其中各测试环节之间的连接关系有串联和并联,根据各测试环节之间的串并联关系计算总自信息量I;
对于串联的、且自信息量分别为I1和I2的两个测试环节,其自信息量为I=I1+I2,对并联的、且自信息量分别为I1和I2的两个测试环节,其自信息量为如果是三个自信息量分别为I1、I2和I3的测试环节串联,其自信息量为I=I1+I2+I3,如果是三个自信息量分别为I1、I2和I3的测试环节并联,其自信息量为
步骤3:根据步骤2中的公式确定整个测试过程的总自信息量,根据公式确定测试系统的效能:
P=e-I
其中,I为整个测试过程涉及的不确定性的总自信息量,即整个测试过程中各个测试环节对应的不确定性的总自信息量。
本发明一种基于复合信息熵的惯性仪表测试效能评估方法,本发明可以定量分析惯性仪表的测试效能,覆盖静态测试、动态测试和综合测试的各个环节,可行性强,便于工程应用。
附图说明
图1为本发明基于复合信息熵的惯性仪表测试效能测试过程的信息流图。
具体实施方式
下面将结合附图对本发明做进一步的详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式,但本发明的保护范围不限于下述实施例。
实施例一:如图1所示,本实施例所涉及的一种基于复合信息熵的惯性仪表测试效能评估方法,评估惯性仪表测试效能时,将测试过程分解为若干测试环节,各测试环节的测试效能受众多因素的影响,这种影响因素的不确定性可用满足任务需求的隶属度来度量。信息熵通过度量一个概率分布中所含平均信息量的多少来衡量系统的不确定度,其实质反映了系统内状态的不确定程度。基于此,将信息熵映射到测试环节效能分析上,用于描述测试环节各影响因素对于其效能发挥的不确定程度。若满足测试环节效能发挥的不确定性越小,则该测试环节的效能就越高;反之,若满足测试环节的效能发挥的不确定性越大,则该测试环节的效能越低。
测试效能评估的思路是基于构建的各测试环节信息流图,先计算各测试环节效能发挥的不确定程度,其次根据各测试环节的连接关系计算测试的总不确定性,进而计算得到总的测试效能。假设某测试环节有n个影响测试效能的因素,针对某一测试环节的影响因素,完全满足测试环节需求时隶属度为1,完全不满足需求时隶属度为0。
第一步:确定各个测试环节的自信息量
首先确定各个测试环节的隶属度。
如下图所示,测试过程总共包括12个测试环节,各测试环节效能的发挥受限于若干影响因素,评估时需确定各影响因素的隶属度函数。
此处,用Ri表示第i个影响因素对某测试环节效能发挥的隶属度(Ri∈[0,1]),用自信息量-lnRi来度量该第i个影响因素给该测试环节效能发挥带来的不确定度,第i个影响因素的权重为wi,假设此测试环节的自信息量记为Is,则
式中,n表示某一测试环节中包含的影响因素的数量。
假设整个测试过程中各个测试环节对应的不确定性的总自信息量为I,则
式中,Isj表示第j个测试环节的自信息量;m表示测试任务中所包含的测试环节数目。
注意,隶属度为1表示此影响因素完全满足测试环节效能发挥的需求,隶属度为0表示此影响因素完全不满足该测试环节效能的发挥,其余值介于0-1之间,即Ri∈[0,1]。基于此标准给出了各测试环节影响因素的隶属度函数。
1、分度头恒转速测试能力评估
分度头测试需要考虑分度头的精度,精度高隶属度函数就高,其隶属度为R1(x)∈[0,1]。
2、转台恒转速测试能力评估
需要考虑转台的速度覆盖范围、速度精度、速度稳定度等因素,速度稳定度其隶属度为R2(x)∈[0,1],其余各指标的隶属度为:
1)覆盖范围:
R2-1(x)=1-e-0.05x
其中,x表示转台的速度范围占惯性仪表范围的百分比。
2)速度精度:
其中,x表示转台的速度精度。
3、离心机恒加速度测试能力评估
考虑离心机的加速度覆盖范围、精度、稳定度等因素,加速度稳定度的隶属度为R3(x)∈[0,1],其余指标隶属度为:
1)覆盖范围:
R3-1(x)=e-0.039x
其中,x表示离心机的加速度范围占惯性仪表范围的百分比。
2)加速度精度:
其中,x表示离心机加速度精度。
4、静态测试数据处理能力评估
考虑子样的数量、处理的精度、是否剥离测试设备误差等因素,其隶属度为R4(x)∈[0,1]。
5、角振动台测试能力评估
考虑角振动的覆盖范围、精度、带宽的影响,其隶属度为R5(x)∈[0,1]。
6、线振动台测试能力评估
考虑线振动的覆盖范围、精度、带宽的影响,其隶属度为R6(x)∈[0,1]。
7、离心机测试能力评估
考虑离心机的加速度的覆盖范围、精度、带宽的影响,其隶属度为R7(x)∈[0,1]。
8、动态测试数据处理能力评估
考虑子样的数量、处理的精度、是否剥离测试设备误差等因素,其隶属度为R8(x)∈[0,1]。
9、火箭撬测试能力评估
考虑火箭撬的测试曲线设计、外测精度等因素的影响,其隶属度为R9(x)∈[0,1]。
10、空气炮测试能力评估
考虑空气炮的加速度范围、精度等因素的影响,其隶属度为R10(x)∈[0,1]。
11、高低温测试能力评估
考虑高低温的覆盖范围、变化情况等因素的影响,其隶属度为R11(x)∈[0,1]。
1)覆盖范围:
R11-1(x)=1-e-0.021x
其中,x表示高低温范围占惯性仪表实际工作时温度范围的百分比。
2)温度变化情况:
R11-2(x)=1-e-0.045x
其中,x表示高低温变化情况与惯性仪表实际工作时温度变化情况的相似程度。
12、综合测试数据处理能力评估
考虑子样的数量、处理的精度、是否剥离测试设备误差等因素,其隶属度为R12(x)∈[0,1]。
以上给出隶属度函数的确定时考虑的因素,给出部分因素的确定方式(仅为示例,实际操作时可根据情况修正)。
下面给出基于专家咨询法的各测试环节的权重确定方法,专家咨询法顾名思义就是利用专家的经验和知识来确定指标的权重,大致过程为:
确定专家组;挑选出m位适合的专家,组成一个专家组。
确定评估问题;根据要评估的问题,设计出调查问卷,如n个指标的权重问题。
向专家发放调查问卷,然后收集专家建议,确定各个指标的权重值,通常对专家给出的权重值进行归一化后取均值。
如果专家意见不一致,则将专家的上一次所得出的结果返回给专家,让专家组再次调整,重复该步骤2-3次,或者直到专家之间意见基本一致,从而得到最终的指标权重值。
需要注意的是:挑选的专家应该有代表性和权威性;需要匿名的收取专家的意见并反馈给专家;评估问卷的设计应该准确,没有歧义,尽量保证所有专家都能得到一致的理解;提供给专家的信息应该充分,而要求专家只需给出粗略的估计。
至此,引入了影响因子及权重可以确定系统的自信息量,由于对系统的认识程度不同,有可能出现未认知的因素或测试环节,本发明专利将这种将未认知到的其他所有可能因素视作第n+1个因素,其隶属度为Rn+1,权重为wn+1,鉴于此因素未知,对于测试效能发挥的影响程度也未知,故折中选取不确定度为Rn+1=0.5,至于权重wn+1,仍然通过专家咨询法确定,但原则上,对该测试环节了解的越少,权重就设定越高,如果稍有了解,权重就适当降低。
通过上面的分析给出了各测试环节的隶属度和权重之后,就可以根据前面的公式确定整个测试过程的总自信息量,然后根据公式确定测试系统的效能:
P=e-I
其中,I为整个测试过程涉及的不确定性的总自信息量,,即整个测试过程中各个测试环节对应的不确定性的总自信息量。
实施例二:如图1所示,本实施例所涉及的一种基于复合信息熵的惯性仪表测试效能评估方法的具体计算过程,以某型惯性仪表为例,分析其测试效能。为简化过程,中间的测试环节只列出2类(转台和角振动台),其他测试环节我们直接给出结果。
步骤1:确定各个测试环节的隶属度和权重:
步骤1.1:确定各个测试环节的隶属度
(1)分度头恒转速测试能力隶属度:R1(x)=0.8;
(2)转台恒转速测试能力评估
设定采用的转台速度覆盖范围为惯性仪表范围的90%,速度精度为0.0001,速度稳定度为0.005,则各指标的隶属度为:
1)覆盖范围:R2-1(90%)=1-e-2×90%=0.83
2)速度精度:R2-2(0.7)=0.7
3)速度稳定度:R2-3(0.005)=0.2
(3)离心机恒加速度测试能力评估:R3(x)=0.8
(4)静态测试数据处理能力评估:R4(x)=0.8
(5)角振动台测试能力评估
假定选定的角振动台的覆盖范围占惯性仪表实际可能承受振动范围的65%、精度为0.0007g,带宽占惯性仪表实际带宽的110%,则有:
1)覆盖范围:R5-1(x)=1-e-2×65%=0.73
2)精度:R5-2(0.0007)=0.5
3)带宽:R5-3(110%)=1-e-1.5×110%=0.81
(6)线振动台测试能力评估:R6(x)=0.68
(7)离心机测试能力评估:R7(x)=0.87
(8)动态测试数据处理能力评估:R8(x)=0.9
(9)火箭撬测试能力评估:R9(x)=0.82
(10)空气炮测试能力评估:R10(x)=0.79
(11)高低温测试能力评估:R11(x)=0.9
(12)综合测试数据处理能力评估:R12(x)=0.85
步骤1.2:采用专家咨询法确定各测试环节的权重,对应于测试环节2其权重分别为:0.2、0.4、0.4;对应于测试环节5,其权重为0.2、0.5、0.3;其他测试环节权重都按1计算。
步骤1.3:设定测试环节2和测试环节5的第n+1个因素的隶属度和权重都分别为0.05和0.5,简化起见,本实施例不考虑其他节点第n+1个因素的隶属度和权重。
步骤2:根据各个测试环节之间的连接关系计算测试的总自信息量:
I1=I3=I4=-(1×ln0.8)=0.22
I6=-(1×ln0.68)=0.39
I7=-(1×ln0.87)=0.1
I8=-(1×ln0.9)=0.10
I9=-(1×ln0.82)=0.20
I10=-(1×ln0.79)=0.24
I11=-(1×1n0.9)=0.10
I12=-(1×ln0.85)=0.16
对于测试环节2:
I2=-(0.19×ln0.83+0.38×ln0.7+0.38×ln0.2+0.05×ln0.5)=0.82
对于测试环节5:
I5=-(0.19×ln0.73+0.48×ln0.5+0.29×ln0.67+0.05×ln0.5)=0.54
根据图1所示各测试环节的串并联关系,整个测试过程中各个测试环节对应的不确定性的总自信息量为(计算时注意各测试环节之间自信息量的串并联关系)
I=0.72
步骤3:根据步骤2中的公式确定整个测试过程的总自信息量,根据公式确定测试系统的效能:
P=e-I=0.49
本发明提供了一惯性仪表测试效能评估的方法,其中所涉及到的参数均为示例但不限于这些参数,可以根据需要进行修正、替换。
以上所述,仅为本发明较佳的具体实施方式,这些具体实施方式都是基于本发明整体构思下的不同实现方式,而且本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (1)
1.一种基于复合信息熵的惯性仪表测试效能评估方法,其特征在于,所述基于复合信息熵的惯性仪表测试效能评估方法具体步骤为:
步骤1:确定各个测试环节的隶属度和权重:
步骤1.1:确定各个测试环节的隶属度
(1)分度头恒转速测试能力评估分度头测试需要考虑分度头的精度,其隶属度为R1(x)∈[0,1],x表示分度头的精度;
R1(x)=1-e-0.005/x
(2)转台恒转速测试能力评估
转台测试考虑转台的速度覆盖范围、速度精度和速度稳定度,隶属度为R2(x)∈[0,1],x表示转台恒转速测试能力;
1)覆盖范围:
R2-1(x)=1-e-2x
其中,x表示转台的速度范围占惯性仪表范围的百分比,
2)速度精度:
其中,x表示转台的速度精度;
3)速度稳定度
其中,x表示转台的速度稳定度;
(3)离心机恒加速度测试能力评估
考虑离心机的加速度覆盖范围、精度和稳定度,各指标隶属度为:
1)覆盖范围:R3-1(x)=e-0.05x
其中,x表示离心机的加速度范围占惯性仪表范围的百分比;
2)加速度精度:
其中,x表示离心机加速度精度;
3)稳定度
其中,x表示离心机的加速度稳定度;
(4)静态测试数据处理能力评估
考虑子样即静态测试数据的数量、精度,其隶属度为R4(x)∈[0,1],x表示静态测试数据处理能力;
1)静态测试数据的数量:
其中,x表示静态测试数据的数量,单位为批次;
2)静态测试数据的处理精度:
R4-2(x)=1-e-2.5x
其中,x表示静态测试数据的处理时剥离测试设备误差的程度,该程度以百分比来表示;
(5)角振动台测试能力评估
考虑角振动的覆盖范围、精度、带宽的影响,其隶属度为R5(x)∈[0,1],x表示角振动台测试能力;
1)覆盖范围
R5-1(x)=1-e-2x
其中,x表示角振动的覆盖范围占惯性仪表实际可能承受振动范围的百分比;
2)精度
其中,x表示角振动的精度;
3)带宽
R5-3(x)=1-e-1.5x
其中,x表示角振动的带宽覆盖范围占惯性仪表实际带宽的百分比;
(6)线振动台测试能力评估
考虑线振动的覆盖范围、精度、带宽的影响,其隶属度为R6(x)∈[0,1],x表示线振动台测试能力;
1)覆盖范围
R6-1(x)=e-0.005x
其中,x表示线振动的覆盖范围占惯性仪表实际可能承受振动范围的百分比;
2)精度
其中,x表示线振动的精度;
3)带宽
R6-3(x)=1-e-1.5x
其中,x表示线振动的带宽覆盖范围占惯性仪表实际带宽的百分比;
(7)离心机测试能力评估
考虑离心机的加速度的覆盖范围、精度、带宽的影响,其隶属度为R7(x)∈[0,1],x表示离心机测试能力;
1)覆盖范围
R7-1(x)=1-e-2.5x
其中,x表示离心机覆盖范围占惯性仪表实际可能承受加速度范围的百分比;
2)精度
其中,x表示离心机加速度的精度;
3)带宽
R7-3(x)=1-e-1.5x
其中,x表示离心机的带宽覆盖范围占惯性仪表实际带宽的百分比;
(8)动态测试数据处理能力评估
考虑子样的数量、处理的精度,其隶属度为R8(x)∈[0,1],x表示动态测试数据处理能力;
1)动态测试数据的子样数量:
其中,x表示动态测试数据的子样数量,单位为批次;
2)动态测试数据的处理精度:
R8-2(x)=1-e-1.5x
其中,x表示动态测试数据的处理时剥离测试设备误差的程度,该程度以百分比表示;
(9)火箭撬测试能力评估
考虑火箭撬的测试曲线设计、外测精度的影响,其隶属度为R9(x)∈[0,1],x表示火箭撬测试能力;
1)测试曲线设计:
R9-1(x)=1-e-2.5x
其中,x表示火箭撬测试曲线设计的动态特性覆盖度;
2)外测精度:
R9-2(x)=1-e-1.5/x
其中,x表示火箭撬测试时的外测精度;
(10)空气炮测试能力评估
考虑空气炮的加速度范围、精度的影响,其隶属度为R10(x)∈[0,1],x表示空气炮测试能力;
1)覆盖范围
R10-1(x)=1-e-2.5x
其中,x表示空气炮覆盖范围占惯性仪表实际可能承受加速度范围的百分比;
2)精度
其中,x表示空气炮的精度;
(11)高低温测试能力评估
考虑高低温的覆盖范围、变化情况的影响,其隶属度为R11(x)∈[0,1],x表示高低温测试能力;
1)覆盖范围:
R11-1(x)=1-e-2x
其中,x表示高低温范围占惯性仪表实际工作时温度范围的百分比;
2)温度变化情况:
R11-2(x)=1-e-2x
其中,x表示高低温变化情况与惯性仪表实际工作时温度变化情况的相似程度;
(12)综合测试数据处理能力评估
考虑子样即综合测试数据的数量、处理的精度,其隶属度为R12(x)∈[0,1],x表示综合测试数据处理能力;
1)综合测试数据的数量:
其中,x表示综合测试数据的数量,单位为批次;
2)综合测试数据的处理精度:
R12-2R(x)=1-e-2x
其中,x表示综合测试数据的处理时剥离测试设备误差的程度,该程度以百分比表示;
步骤1.2:采用专家咨询法确定各测试环节的权重;
步骤2:根据各个测试环节之间的连接关系计算测试的总自信息量:
Ri表示第i个影响因素对某测试环节效能发挥的隶属度Ri∈[0,1],用自信息量-lnRi来度量该第i个影响因素给该测试环节效能发挥带来的不确定度,第i个影响因素的权重为wi,某一测试环节的自信息量记为Is,则
式中,n表示某一测试环节中包含的影响因素的数量;
整个测试过程中各个测试环节对应的不确定性的总自信息量为I,其中各测试环节之间的连接关系有串联和并联,根据各测试环节之间的串并联关系计算总自信息量I;
对于串联的、且自信息量分别为I1和I2的两个测试环节,其自信息量为I1+I2,对并联的、且自信息量分别为I1和I2的两个测试环节,其自信息量为如果是三个自信息量分别为I1、I2和I3的测试环节串联,其自信息量为I1+I2+I3,如果是三个自信息量分别为I1、I2和I3的测试环节并联,其自信息量为
步骤3:根据步骤2中的公式确定整个测试过程的总自信息量,根据公式确定测试系统的效能:
P=e-I
其中,I为整个测试过程涉及的不确定性的总自信息量,即整个测试过程中各个测试环节对应的不确定性的总自信息量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663596.9A CN111737880B (zh) | 2020-07-10 | 2020-07-10 | 基于复合信息熵的惯性仪表测试效能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663596.9A CN111737880B (zh) | 2020-07-10 | 2020-07-10 | 基于复合信息熵的惯性仪表测试效能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111737880A CN111737880A (zh) | 2020-10-02 |
CN111737880B true CN111737880B (zh) | 2021-06-25 |
Family
ID=72654252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010663596.9A Active CN111737880B (zh) | 2020-07-10 | 2020-07-10 | 基于复合信息熵的惯性仪表测试效能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737880B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112629564B (zh) * | 2021-01-06 | 2023-02-28 | 哈尔滨工业大学 | 一种高加速度高精度线振动台 |
CN113447045B (zh) * | 2021-06-24 | 2023-01-17 | 中国船舶重工集团公司第七0七研究所 | 一种惯性系统精度可靠度分析方法及系统 |
CN114398801A (zh) * | 2022-02-23 | 2022-04-26 | 伸瑞科技(北京)有限公司 | 航天器姿轨控地面仿真系统的效能检测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823379B (zh) * | 2014-02-28 | 2017-06-13 | 北京理工大学 | 基于迭代学习的高频率角振动转台滑模控制方法 |
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
US11714207B2 (en) * | 2017-02-22 | 2023-08-01 | View, Inc. | Seismic event detection system |
-
2020
- 2020-07-10 CN CN202010663596.9A patent/CN111737880B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111737880A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737880B (zh) | 基于复合信息熵的惯性仪表测试效能评估方法 | |
US5890101A (en) | Neural network based method for estimating helicopter low airspeed | |
US5901272A (en) | Neural network based helicopter low airspeed indicator | |
CN108645427A (zh) | 基于样条插值迭代修正的激光惯组系统级温度补偿方法 | |
CN111879348B (zh) | 一种惯性仪表性能地面测试系统效能分析方法 | |
CN111259551A (zh) | 一种基于置信规则库的惯组故障预测方法 | |
CN103954304B (zh) | 一种应用于mems惯组的零偏长短期变化值测试方法 | |
CN104750902B (zh) | 基于多输出支持向量回归机的铁水质量动态软测量方法 | |
CN110823216B (zh) | 一种用于惯导的自适应加速度计温度补偿方法 | |
CN105701283B (zh) | 地球非球形摄动作用下自由段弹道误差传播的分析方法 | |
CN108827343A (zh) | 一种基于试验设计与进化寻优的制导工具误差辨识方法 | |
Lyu et al. | RUL prediction of lithium-ion battery in early-cycle stage based on similar sample fusion under lebesgue sampling framework | |
CN110285832B (zh) | 光纤陀螺惯测产品的标定参数长期稳定性缺陷检测方法 | |
CN111666672A (zh) | 一种针对小推力发动机推力下降故障的能力评估方法 | |
CN113821869B (zh) | 一种基于多源数据融合的飞行器力载荷在线预示方法 | |
CN115993138B (zh) | 一种多表冗余激光惯组故障诊断方法及系统 | |
Leser | Probabilistic prognostics and health management for fatigue-critical components using high-fidelity models | |
CN105447228A (zh) | 一种地球扰动引力赋值模型适用性能评估方法 | |
CN117029797A (zh) | 基于相关性分析的半球谐振陀螺温度漂移分段补偿方法 | |
CN109614722B (zh) | 基于模糊逻辑的涡轴发动机全状态参数的建模方法 | |
CN110955932A (zh) | 一种飞机零件可靠性试验方法 | |
CN116678434A (zh) | 一种基于区间值置信规则库的三自激光惯组故障检测方法 | |
Hua et al. | Research Status and Method of Aviation Sensor Performance Evaluation | |
CN115455347A (zh) | 一种mems加速度计混合误差建模补偿方法 | |
CN115456337A (zh) | 一种卫星在轨运行风险综合评估方法及评估装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |