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：西安交通大学

摘要：一种固体火箭发动机跨模态时序数据智能生成方法，先获取固体火箭发动机推力和压强数据，处理并进行时间和幅值归一化；将处理数据分为扩散数据集和测试数据集，每个样本包含两个通道存储对应推力和压强数据；将扩散数据集输入生成式扩散模型得到生成样本数据集，计算生成样本和扩散样本余弦相似度、最大均值差异、均方误差衡量生成样本与原始样本的相似性，保留高质量仿真样本数据集；划分增强训练数据集和测试数据集，将扩散数据集和测试数据集及增强的训练数据集和测试数据集输入跨模态数据生成模型进行训练和测试，比较增强前后的训练损失与测试损失的平均值，直到满足增强前的损失大于增强后的损失；本发明显著提高了跨模态数据生成的效果。

主权项：1.一种固体火箭发动机跨模态时序数据智能生成方法，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：根据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，对步骤1中获取的推力—时间和压强—时间进行处理，并进行线性插值和降采样操作，对降采样后的推力—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3：按照需要将步骤2处理后的数据划分为扩散数据集OD＝{O1,O2,...Oa}和测试数据集OT＝{O1,O2,...Ob}；其中，扩散数据集OD中包含a个样本，测试数据集OT中包含b个样本，针对扩散数据集OD中样本Oa，Oa＝Fa,Pa，即每一个样本包含两个通道，两个通道分别存储推力数据Fa和压强数据Pa，其中为第a个样本的推力数据，由N个推力数据点组成，为第a个样本的压强数据，由N个压强数据点组成；测试数据集OT和扩散数据集OD类似；步骤4：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3中的扩散数据集OD中的样本Oa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，从而得到与扩散数据集OD类似的生成样本数据集G＝{G1,G2,...Gi,...GI}；步骤5：用步骤4中得到生成样本数据集G与步骤3中的扩散数据集OD进行相似性度量，分别计算扩散数据集OD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；并将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，剔除生成样本数据集G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，得到高质量固体火箭发动机推力压强仿真数据集GF；步骤6：构建固体火箭发动机的跨模态数据生成模型，跨模态数据生成模型通过一系列卷积层、池化层和全连接层构成，每个卷积层后面跟着一个泄露整流线性单元激活函数，在池化层后采用展平层将多维数据展平为一维，并且引入Dropout正则化层来防止过拟合；步骤7：划分增强后的训练数据集Tr和测试数据集Te；增强后训练数据集Tr由步骤3中扩散数据集OD和步骤4中生成数据集GF的并集组成，增强后测试数据集Te为步骤3中测试数据集OT；Tr＝OD∪GFTe＝OT步骤8：分别将步骤3中扩散数据集OD和测试数据集OT以及步骤7中得到的训练数据集Tr和测试数据集Te中的推力数据或压强数据分别输入跨模态数据生成模型中进行n次训练和测试，获得输出的压强数据或推力数据，并计算输出数据与真实数据之间的损失；损失函数采用RMSE函数，优化器采用Adam优化器，记录增强前的训练损失Trainpre和测试损失Testpre以及增强后的训练损失Trainpos和测试损失Testpos；步骤9：分别计算最后e次增强前的训练损失Trainpre、测试损失Testpre与增强后的训练损失Trainpos、测试损失Testpos的平均值，分别得到aveTrainpree、aveTestpree、aveTrainpose、aveTestpose，e表示设定的次数，若满足以下条件： 则固体火箭发动机的跨模态数据生成效果得到增强；若不满足，重复步骤4、步骤5再次得到生成样本数据集G，并将生成样本数据集G添加到训练数据集Tr中，重复步骤8和步骤9，直至固体火箭发动机的跨模态数据生成效果得到增强。

全文数据：

权利要求：

百度查询： 西安交通大学 固体火箭发动机跨模态时序数据智能生成方法