一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法

摘要

本发明涉及一种基于Holt‑Winters指数平滑的激光陀螺寿命预测方法，步骤一、统计并记录激光陀螺的光强历史数据，剔除或修正数据杂点；步骤二、按照时间顺序生成一个激光陀螺历史光强的时间序列；步骤三、使用Holt‑Winters指数平滑的方法建立预测模型，利用时间序列对预测模型进行训练；步骤四、将待测激光陀螺历史光强数据生成时间序列，将该时间序列输入步骤三训练好的预测模型，预测得到待测激光陀螺后续每次上电1min后以及断电1min前的光强值；步骤五、根据预测结果，确定激光陀螺寿命。本发明可以有效缩短各种环境试验的测试周期，减少所需人力物力消耗，具有很好的经济效益。

说明书

技术领域

本发明属于激光陀螺设计领域，涉及一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法。

背景技术

激光陀螺及由其构成的激光捷联惯性测量组合已成为目前运载火箭、飞机、舰船等各个平台的重要惯性导航设备。激光陀螺是激光惯组的核心器件，随着各平台的使用要求越来越高，目前对激光陀螺的研究逐步从提高精度、性能研究转为提高其寿命和可靠性。同时由于激光陀螺的生产工艺要求高，结构复杂，因此激光陀螺的寿命对于激光惯组的可靠性有重要影响。

由于激光陀螺的失效总是伴有某些特征指标的变化，如果能对这些特征指标值进行连续监测，并根据预测模型对其剩余寿命进行预测，可有效避免产品交付后出现相关问题。为了对激光陀螺的寿命进行预测，目前通常采用的方法是环境应力加速寿命试验，但由于该实验耗费时间长、人力物力占用多，不适宜多次试验。目前激光陀螺寿命预测大部分基于设计分析或短期工程验证，缺乏长期、准确的数据支持，而且各型陀螺使用环境不同，其失效退化模型也不同，激光陀螺的寿命预测的方法和手段还有许多不足之处。因此开展激光陀螺寿命预测相关技术研究，对于提高激光陀螺的仪表可靠性，对激光惯组早期故障诊断与识别具有重要意义。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法。

本发明解决技术的方案是：

一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法，包括如下步骤：

步骤一、统计并记录激光陀螺的光强历史数据，包括每次上电1min后和断电1min前的光强值，画出光强历史数据趋势图，根据趋势图剔除或修正数据杂点；

步骤二、按照时间顺序生成一个激光陀螺历史光强的时间序列，所述时间序列中包括N组数据，第i组数据包括激光陀螺第i次上电后的光强值和第i次断电前的光强值；i＝1，2，……，N；

步骤三、使用Holt-Winters指数平滑的方法建立预测模型，利用时间序列对预测模型进行训练；

步骤四、将待测激光陀螺历史光强数据按照步骤一和步骤二的方式生成时间序列，将该时间序列输入步骤三训练好的预测模型，预测得到待测激光陀螺后续每次上电1min后以及断电1min前的光强值；

步骤五、根据预测结果，当激光陀螺某次上电后与断电前的光强差值超过0.6V或光强变化量超过15％时即达到寿命预警条件，由此确定激光陀螺寿命。

优选的，所述步骤三中利用时间序列对预测模型进行训练的实现方法如下：

3.1将时间序列数据分成两部分，一部分作为训练集，一部分作为测试集；

3.2利用训练集对预测模型进行训练，训练后固化预测模型的相关参数；

3.3将测试集输入到训练好的预测模型，生成预测后的激光陀螺光强变化趋势图，将预测后的激光陀螺光强变化趋势图与实际趋势图进行对比，若预测值和实际值的一致性好，说明预测模型有效；若不一致，则重复3.2-3.3，重新训练和测试，直至预测模型有效。

优选的，若光强历史数据趋势图中，相邻两次上电1min后或相邻两次断电1min前的光强变化量超过0.3V，则判定该相邻两次的数据为杂点，需要对该数据进行去除。

优选的，陀螺的预测值和实际值的差值在0.1V以内，认为两者一致性好，模型有效。

优选的，训练集数据包含四个季节的激光陀螺历史光强，各个季节选用的数据组个数相同。

优选的，预测模型如下：

y＝a

其中：y为预测值，a

优选的，a

其中：x

优选的，b

其中：a

优选的，c

其中：x

本发明与现有技术相比的有益效果是：

在实际预测时，激光陀螺的光强大小受到的影响因素比较多，在上电后和断电前会有不同的波动趋势，具有整体趋势变动性和“季节波动性”的多重趋势变化特点，本发明采用Holt-Winters指数平滑预测法则可以有效提高模型的准确性。应用本发明方法通过前期试验数据和预测模型对激光陀螺的寿命进行有效预测，可以有效缩短各种环境试验的测试周期，减少所需人力物力消耗，具有很好的经济效益。

具体实施方式

图1是一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法的流程图；

图2是激光陀螺光强预测值与实际值对比图。

具体实施方式

下面结合附图对本发明作进一步阐述。

本发明首先对激光陀螺的特征指标数据进行可视化分析，选取主要预测变量，然后使用Holt-Winters指数平滑预测法对Holt-Winters指数平滑的长期趋势、“季节变动”和随机变动进行估计，建立适应这三种变化的激光陀螺寿命预测模型，最后对模型进行估计和校验，得到最终预测结果。

如图1所示，本发明思路如下：

(1)数据选择。

统计并记录激光陀螺的光强历史数据，包括每次上电1min后和断电1min前的光强值，分别画出其光强历史数据趋势图，根据趋势图剔除或修正记录下来的数据杂点。

若光强历史数据趋势图中，相邻两次上电1min后或相邻两次断电1min前的光强变化量超过0.3V，则判定该相邻两次的数据为杂点，需要对该数据进行去除。

(2)生成时间序列。

按照第一次上电后、断电前，第二次上电后、断电前……第N次上电后、断电前的顺序依次排列，生成一个激光陀螺历史光强的时间序列。

(3)建立预测模型

根据时间序列数据，使用Holt-Winters指数平滑的方法对激光陀螺的光强进行预测，生成预测后的激光陀螺光强变化趋势图。

预测模型如下：

y＝a

其中：a

a

其中：x

b

其中：a

c

其中：x

(4)性能分析。

对激光陀螺光强的预测值和实际值进行对比，如图2所示。随着时间越长，激光陀螺光强的整体趋势一直在变小，一次上电光强的变化量却越来越大，得出其模型的预测值和实际值的一致性比较好，说明预测模型有效。

利用时间序列对预测模型进行训练的实现方法如下：

3.1将时间序列数据分成两部分，一部分作为训练集，一部分作为测试集；训练集数据包含四个季节的激光陀螺历史光强，各个季节选用的数据组个数相同。

3.2利用训练集对预测模型进行训练，训练后固化预测模型的相关参数。

3.3将测试集输入到训练好的预测模型，生成预测后的激光陀螺光强变化趋势图，将预测后的激光陀螺光强变化趋势图与实际趋势图进行对比，若预测值和实际值的一致性好，说明预测模型有效；若不一致，则重复3.2-3.3，重新训练和测试，直至预测模型有效。陀螺的预测值和实际值的差值在0.1V以内，认为两者一致性好，模型有效。

(5)寿命预测。

根据激光陀螺的使用经验，当激光陀螺一次上电光强差值超过0.6V或光强总变化量超过15％即达到预警范围。由此可根据已知时间序列，对激光陀螺长期寿命可做合理预测。

本发明提出一种基于Holt-Winters指数平滑的激光陀螺寿命预测方法，该方法可以消除时间序列的偶然性变动，对激光陀螺的长期趋势、“季节变动”和随机变动进行估计，建立适应这三种变化的激光陀螺寿命预测模型。利用该方法可对陀螺特征指标值进行连续监测，并根据预测模型对其剩余寿命进行预测，可有效缩短试验周期和人力物力，同时对提高激光陀螺的可靠性及早期故障识别具有重要意义。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。