申请/专利权人：西安交通大学

申请日：2024-03-29

公开（公告）日：2024-06-21

公开（公告）号：CN118228484A

主分类号：G06F30/20

分类号：G06F30/20;G06F18/214;G06F18/15

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：一种固体火箭发动机推力压强数据协同智能生成方法，首先获取固体火箭发动机的推力和压强数据，按照QJ1047‑92标准处理，并进行时间归一化和幅值归一化，将对应的推力数据和压强数据存储在一个样本的两个通道中，构建原始样本数据集；将原始样本数据集放入到生成式扩散模型中，得到生成样本数据集，计算生成样本和原始样本余弦相似度、最大均值差异、均方误差来衡量生成样本与原始样本的相似性，并以余弦相似度为主要指标，最大均值差异和均方误差为辅助验证指标，将不符合要求的生成样本剔除，只保留生成的高质量仿真固体火箭发动机推力压强数据；本发明可协同生成高质量的固体火箭发动机推力压强数据。

主权项：1.一种固体火箭发动机推力压强数据协同智能生成方法，其特征在于，包括以下步骤：步骤1：获取固体火箭发动机的推力—时间和压强—时间原始数据；步骤2：将步骤1获取的推力—时间和压强—时间原始数据按照QJ1047-92标准固体火箭发动机压强—时间、推力—时间数据处理规范进行处理，并将处理后的数据进行线性插值下降采样操作；步骤3:将步骤2降采样后的推力—时间数据与压强—时间数据分别进行时间归一化和幅值归一化处理；步骤4：构建归一化处理后压强—时间、推力—时间原始样本数据集O＝{O1,O2,...Om,...OM}，其中Om＝Fm,Pm，即每一个样本包含两个通道，两个通道分别存储推力数据Fm和压强数据Pm，其中为第m个样本的推力数据，由N个推力数据点组成，为第m个样本的压强数据，由N个压强数据点组成；步骤5：构建生成式扩散模型，生成式扩散模型采用Unet作为基本网络架构，在前向过程中不断向步骤4中处理好的样本Om中逐步加入噪声εi，直到其完全变为纯高斯噪声，然后在反向过程中逐步去噪，从而得到生成样本数据集G＝{G1,G2,...Gi,...GI}；步骤6：将步骤5得到生成样本数据集G与步骤4中得到的原始样本数据集O进行相似性度量，分别计算原始样本数据集O中每个样本与生成样本数据集G中每个样本之间的均方误差MSE、最大均值差异MMD以及余弦相似度；步骤7：将步骤6获得的余弦相似度作为主要观察指标，均方误差、最大均值差异两个指标辅以验证，保留余弦相似度大于0.8的生成样本，剔除生成样本集中余弦相似度小于0.8，且最大均值差异、均方误差两项指标分别大于所有保留样本的最大均值差异均值的3倍、均方误差均值的3倍的生成样本，则基于扩散模型的高质量固体火箭发动机推力压强数据仿真样本集生成完成。

全文数据：

权利要求：

百度查询： 西安交通大学 固体火箭发动机推力压强数据协同智能生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD