基于相关证据推理规则的激光惯组健康评估

doi:10.7527/S1000-6893.2023.29453

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于相关证据推理规则的激光惯组健康评估

唐帅文¹, 曹友²(), 张朋³, 姜江¹

^1.国防科技大学系统工程学院，长沙 410073
^2.火箭军士官学校控制技术教研室，青州 262500
^3.西安卫星测控中心宇航动力学国家重点实验室，西安 710043

收稿日期:2023-08-16 修回日期:2023-08-30 接受日期:2023-09-08 出版日期:2024-06-25 发布日期:2023-09-20
通讯作者: 曹友 E-mail:936756268@qq.com
基金资助:
国家自然科学基金(62303474);山东省自然科学基金(ZR2023QF010)

Health assessment of LIMU based on evidential reasoning rule with dependent evidence

Shuaiwen TANG¹, You CAO²(), Peng ZHANG³, Jiang JIANG¹

^1.College of Systems Engineering，National University of Defense Technology，Changsha 　410073，China
^2.Control Technology Teaching and Research Office，Rocket Army Sergeant School，Qingzhou 　262500，China
^3.State Key Laboratory of Aerospace Dynamics，Xi’an Satellite Control Center，Xi’an 　710043，China

Received:2023-08-16 Revised:2023-08-30 Accepted:2023-09-08 Online:2024-06-25 Published:2023-09-20
Contact: You CAO E-mail:936756268@qq.com
Supported by:
National Natural Science Foundation of China(62303474);Natural Science Foundation of Shandong Province(ZR2023QF010)

摘要/Abstract

摘要：

激光惯组（LIMU）是复杂装备系统的重要导航单机，其良好的健康状态对于确保系统安全稳定工作具有重要意义。针对激光惯组健康评估中面临的评估指标体系不健全、评估框架不一致、评估指标不独立和评估模型参数不确定问题，在激光惯组工作机理分析的基础上，构建健康评估指标体系，提出基于相关证据推理规则（ERR-DE）的激光惯组健康评估方法。首先，提出转换矩阵的概念，实现了不同评估框架的统一转换。其次，采用变异系数法确定证据权重，采用基于距离的方法确定证据可靠度。然后，基于证据可靠度提出证据融合顺序确定机制，提出基于相对总体相关系数（RTDC）的证据相关性分析方法，并在证据推理规则（ERR）的基础上提出了相关证据推理规则。再者，构建参数优化模型以确定最优评估参数，提高评估精度，进一步对评估算法进行了总结。最后，通过某型激光惯组健康评估案例和对比研究，验证了所提方法的有效性。

关键词: 证据推理规则, 激光惯组, 健康评估, 证据相关性, 参数优化

Abstract:

The Laser Inertial Measurement Unit （LIMU） is an important navigation unit for the complex equipment system， and its good health state is of great significance for ensuring safe and stable operation of the system. In the health assessment of LIMU， there exist the problems of imperfect assessment indicator system， inconsistent assessment framework， dependent assessment indicators and uncertain parameters of assessment model. Based on the analysis of working mechanism of LIMU， a health assessment indicator system is constructed， and a health assessment method of LIMU is proposed based on the Evidential Reasoning Rule with Dependent Evidence （ERR-DE）. Firstly， the concept of transformation matrix is proposed to achieve unified transformation of different assessment frameworks. Secondly， the coefficient of the variation-based weighting method is used to determine evidence weights， and the distance-based method is employed to determine evidence reliabilities. Then， based on the evidence reliability， a mechanism to determine the aggregation sequence of evidences is proposed， and an evidence dependence analysis method is proposed based on the Relative Total Dependence Coefficient （RTDC）. Based on the Evidential Reasoning Rule （ERR）， the ERR-DE is proposed. Furthermore， a parameter optimization model is constructed to determine the optimal assessment parameters and improve the assessment accuracy. The assessment algorithm is further summarized. Finally， the effectiveness of the proposed method is verified through a health assessment case study and comparative studies on a certain type of LIMU.

Key words: evidential reasoning rule, laser inertial measurement unit, health assessment, evidence dependence, parameter optimization

中图分类号:

V241.5

唐帅文, 曹友, 张朋, 姜江. 基于相关证据推理规则的激光惯组健康评估[J]. 航空学报, 2024, 45(12): 329453-329453.

Shuaiwen TANG, You CAO, Peng ZHANG, Jiang JIANG. Health assessment of LIMU based on evidential reasoning rule with dependent evidence[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(12): 329453-329453.

图/表 37

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

表 1

漂移系数的评估等级与参考值

参考值	小	中	大
$K 0 X$ /（（°）·h^-1）	-0.02	0	0.02
$K 0 Y$ /（（°）·h^-1）	0	0.03	0.06
$K 0 Z$ /（（°）·h^-1）	-0.04	-0.02	0
$K 1 X$ /（10^-6（"）·s^-1）	1	5	10
$K 1 Y$ /（10^-6（"）·s^-1）	2	10	20
$K 1 Z$ /（10^-6（"）·s^-1）	-5	0	5
$D 0 X$ /（10^-4g）	-9	-7	-5
$D 0 Y$ /（10^-3g）	6	7.5	9
$D 0 Z$ /（10^-3g）	2.3	2.4	2.5
$D 1 X$ /（s^-1·g^-1）	-0.8	0	0.8
$D 1 Y$ /（s^-1·g^-1）	-0.2	0	0.2
$D 1 Z$ /（s^-1·g^-1）	-0.2	0	0.2

表 1

表 2

光强电压的评估等级与参考值

参考值	很弱	弱	中等	强	很强
$L X$ / V	-4.3	-4.26	-4.22	-4.18	-4.15
$L Y$ / V	-4.4	-4.3	-4.2	-4.1	-4
$L Z$ / V	-3.7	-3.67	-3.65	-3.62	-3.6

表 2

表 3

温度电压的评估等级与参考值

参考值	弱	中等	强
$T X$ / V	1.3	1.5	1.7
$T Y$ / V	1.3	1.5	1.7
$T Z$ / V	1.3	1.5	1.7

表 3

表 4

图 10

图 11

图 12

表 5

激光惯组健康指标的距离相关性

距离相关性	结果	距离相关性	结果	距离相关性	结果
$C (K 0 X, K 1 X)$	0.941 1	$C (K 0 Z, K 1 Z)$	0.693 9	$C (D 0 Y, D 1 Y)$	0.544 4
$C (K 0 X, L X)$	0.958 3	$C (K 0 Z, L Z)$	0.859 2	$C (D 0 Y, T Y)$	0.969 8
$C (K 1 X, L X)$	0.919 1	$C (K 1 Z, L Z)$	0.692 7	$C (D 1 Y, T Y)$	0.537 9
$C (K 0 Y, K 1 Y)$	0.897 0	$C (D 0 X, D 1 X)$	0.973 6	$C (D 0 Z, D 1 Z)$	0.602 5
$C (K 0 Y, L Y)$	0.900 2	$C (D 0 X, T X)$	0.981 4	$C (D 0 Z, T Z)$	0.947 4
$C (K 1 Y, L Y)$	0.933 9	$C (D 1 X, T X)$	0.974 1	$C (D 1 Z, T Z)$	0.624 5

表 5

图 13

图 14

图 15

表 6

漂移系数参考值约束条件

约束	小	中	大
$K 0 X$ /（（°）/h）	［-0.03，-0.01］	［-0.01，0.01］	［0.01，0.03］
$K 0 Y$ /（（°）/h）	［-0.01，0.01］	［0.01，0.05］	［0.05，0.07］
$K 0 Z$ /（（°）/h）	［-0.05，-0.03］	［-0.03，-0.01］	［-0.01，0.01］
$K 1 X$ /（10^-6（"）·s^-1）	［0，3］	［3，7］	［7，12］
$K 1 Y$ /（10^-6（"）·s^-1）	［0，8］	［8，15］	［15，30］
$K 1 Z$ /（10^-6（"）·s^-1）	［-6，-3］	［-3，3］	［3，6］
$D 0 X$ /（10^-4g）	［-10，-8］	［-8，-6］	［-6，-4］
$D 0 Y$ /（10^-3g）	［0，7］	［7，8］	［8，10］
$D 0 Z$ /（10^-3g）	［0，2.35］	［2.35，2.45］	［2.45，2.55］
$D 1 X$ /（s^-1·g^-1））	［-1，-0.5］	［-0.5，0.5］	［0.5，1］
$D 1 Y$ /（s^-1·g^-1））	［-0.3，-0.1］	［-0.1，0.1］	［0.1，0.3］
$D 1 Z$ /（s^-1·g^-1））	［-0.3，-0.1］	［-0.1，0.1］	［0.1，0.3］

表 6

表 7

光强电压参考值约束条件

约束	很弱	弱	中等	强	很强
$L X$ /V	［-4.32，-4.28］	［-4.28，-4.24］	［-4.24，-4.2］	［-4.2，-4.16］	［-4.16，-4.12］
$L Y$ /V	［-4.45，-4.35］	［-4.35，-4.25］	［-4.25，-4.15］	［-4.15，-4.05］	［-4.05，-3.95］
$L Z$ /V	［-3.72，-3.68］	［-3.68，-3.66］	［-3.66，-3.64］	［-3.64，-3.61］	［-3.61，-3.58］

表 7

表 8

温度电压参考值约束条件

约束	弱	中等	强
$T X$ /V	［1.2，1.4］	［1.4，1.6］	［1.6，1.8］
$T Y$ /V	［1.2，1.4］	［1.4，1.6］	［1.6，1.8］
$T Z$ /V	［1.2，1.4］	［1.4，1.6］	［1.6，1.8］

表 8

表 9

中间层指标最优权重

指标	$X L G$	$Y L G$	$Z L G$	$X Q F A$	$Y Q F A$	$Z Q F A$
权重	0.263 3	0.157 0	0.196 3	0.1531	0.05	0.180 3

表 9

表 10

表 11

漂移系数的最优参考值

参考值	小	中	大
$K 0 X$ /（（°）·h^-1）	-0.018 1	0.006 8	0.014 4
$K 0 Y$ /（（°）·h^-1）	-7×10^-5	0.027 3	0.059 3
$K 0 Z$ /（（°）·h^-1）	-0.04	-0.023 9	-0.000 6
$K 1 X$ /（10^-6（"）·s^-1）	1.78	5.27	9.5
$K 1 Y$ /（10^-6（"）·s^-1）	3.57	11.3	22.5
$K 1 Z$ /（10^-6（"）·s^-1）	-4.42	1.84	4.31
$D 0 X$ /（10^-4g）	-8.94	-7.09	-5.03
$D 0 Y$ /（10^-3g）	3.5	7.5	8.9
$D 0 Z$ /（10^-3g）	1.2	2.4	2.5
$D 1 X$ /（s^-1·g^-1）	-0.73	0.14	0.70
$D 1 Y$ /（s^-1·g^-1）	-0.19	0.02	0.21
$D 1 Z$ /（s^-1·g^-1）	-0.14	0.01	0.18

表 11

表 12

光强电压的最优参考值

参考值	很弱	弱	中等	强	很强
$L X$ /V	-4.3	-4.26	-4.22	-4.18	-4.14
$L Y$ /V	-4.4	-4.3	-4.2	-4.1	-4
$L Z$ /V	-3.7	-3.67	-3.65	-3.625	-3.595

表 12

表 13

温度电压的最优参考值

参考值	弱	中等	强
$T X$ /V	1.301 2	1.498 7	1.700 4
$T Y$ /V	1.300 8	1.498 6	1.699 6
$T Z$ /V	1.300 6	1.496 4	1.694 8

表 13

图 16

表 14

光强电压评估等级与参考值

参考值	弱	中等	强
$L X$ /V	-4.275	-4.22	-4.165
$L Y$ /V	-4.35	-4.2	-4.05
$L Z$ /V	-3.685	-3.65	-3.61

表 14

表 15

光强电压参考值约束条件

约束	弱	中等	强
$L X$ /V	［-4.3，-4.25］	［-4.25，-4.2］	［-4.2，-4.15］
$L Y$ /V	［-4.4，-4.3］	［-4.3，-4.1］	［-4.1，-4］
$L Z$ /V	［-3.7，-3.67］	［-3.67，-3.63］	［-3.63，-3.6］

表 15

图 17

表 16

图 18

表 17

图 19

表 18

参考文献 31

1	ZHOU Z J， NING P Y， WANG J， et al. An evidential reasoning rule-based quality state assessment method of complex systems considering feature selection［J］. IEEE Transactions on Instrumentation and Measurement， 2023， 72： 2510513.
2	CHEN L Y， ZHOU Z J， HU C H， et al. Performance evaluation of complex systems using evidential reasoning approach with uncertain parameters［J］. Chinese Journal of Aeronautics， 2021， 34（1）： 194-208.
3	ZHURAVLEV V P， PERELVAEV S E， BODUNOV B P， et al. New-generation small-size solid-state wave gyroscope for strapdown inertial navigation systems of unmanned aerial vehicle［C］∥2019 26th Saint Petersburg International Conference on Integrated Navigation Systems （ICINS）. Piscataway： IEEE Press， 2019： 1-3.
4	邵世纲，杨泽萱，邢冠楠，等. 国外主要战略导弹系列化发展及技术共用研究［J］. 宇航总体技术， 2017， 1（3）： 24-32.
	SHAO S G， YANG Z X， XING G N， et al. Research on serialization and technology sharing of foreign major strategic missiles［J］. Astronautical Systems Engineering Technology， 2017， 1（3）： 24-32 （in Chinese）.
5	谢冉. 复杂系统建模方法综述［J］. 现代防御技术， 2020， 48（3）： 31-36， 68.
	XIE R. Survey of complex system modeling methods［J］. Modern Defence Technology， 2020， 48（3）： 31-36， 68 （in Chinese）.
6	李永满. 某型激光陀螺捷联惯组测试系统设计［D］. 哈尔滨：哈尔滨工业大学， 2013.
	LI Y M. The test system design on the measurement unit of laser gyro strapdown inertial［D］. Harbin： Harbin Institute of Technology， 2013 （in Chinese）.
7	董春梅，任顺清，陈希军，等. 激光陀螺捷联惯导系统的模观测标定方法［J］. 红外与激光工程， 2018， 47（9）： 0917007.
	DONG C M， REN S Q， CHEN X J， et al. Calibration method for the laser gyro strapdown inertial navigation system based on norm-observation［J］. Infrared and Laser Engineering， 2018， 47（9）： 0917007 （in Chinese）.
8	王堃，徐兵华，孟凡军. 激光捷联惯组失效模式分析及性能评估方法研究［J］. 航空精密制造技术， 2020， 56（6）： 11-14.
	WANG K， XU B H， MENG F J. Failure mode analysis and performance evaluation of laser strapdown inertial unit［J］. Aviation Precision Manufacturing Technology， 2020， 56（6）： 11-14 （in Chinese）.
9	王易南，闫杰. 基于卫星和星敏感器的冗余激光惯组在轨标定［J］. 飞行器测控学报， 2016， 35（5）： 358-364.
	WANG Y N， YAN J. On-orbit calibration method for redundant inertial measurement units by satellite and star sensors［J］. Journal of Spacecraft TT&C Technology， 2016， 35（5）： 358-364 （in Chinese）.
10	王子超，范会迎，谢元平，等. 捷联惯导系统复杂误差参数系统级标定方法［J］. 红外与激光工程， 2022， 51（7）： 3788/IRLA20210499.
	WANG Z C， FAN H Y， XIE Y P， et al. System-level calibration method for complex error coefficients of strapdown inertial navigation system［J］. Infrared and Laser Engineering， 2022， 51（7）： 3788/IRLA20210499 （in Chinese）.
11	罗睿，李鹏，于玲燕. 一种考虑加表不对称误差的冗余惯组标定方法［J］. 中国惯性技术学报， 2023， 31（2）： 114-120.
	LUO R， LI P， YU L Y. A calibration method for redundant IMU considering accelerometer asymmetric error［J］. Journal of Chinese Inertial Technology， 2023， 31（2）： 114-120 （in Chinese）.
12	吴克雄，王振华. 基于专家系统和数据驱动的健康评估分析方法［J］. 黑龙江科学， 2019， 10（16）： 64-65.
	WU K X， WANG Z H. Health assessment and analysis method based on expert system and data driven［J］. Heilongjiang Science， 2019， 10（16）： 64-65 （in Chinese）.
13	陈雷雨，周志杰，唐帅文，等. 融合多元信息的武器装备性能评估方法［J］. 系统工程与电子技术， 2020， 42（7）： 1527-1533.
	CHEN L Y， ZHOU Z J， TANG S W， et al. Weapon equipment performance evaluation method with multi-information fusion［J］. Systems Engineering and Electronics， 2020， 42（7）： 1527-1533 （in Chinese）.
14	WANG J， ZHOU Z J， HU C H， et al. An evidential reasoning rule considering parameter uncertainty［J］. IEEE Transactions on Aerospace and Electronic Systems， 2022， 58（2）： 1391-1404.
15	YANG J B， XU D L. Evidential reasoning rule for evidence combination［J］. Artificial Intelligence， 2013， 205： 1-29.
16	周志杰，唐帅文，胡昌华，等. 证据推理理论及其应用［J］. 自动化学报， 2021， 47（5）： 970-984.
	ZHOU Z J， TANG S W， HU C H， et al. Evidential reasoning theory and its applications［J］. Acta Automatica Sinica， 2021， 47（5）： 970-984 （in Chinese）.
17	ZHOU M， LIU X B， CHEN Y W， et al. Evidential reasoning rule for MADM with both weights and reliabilities in group decision making［J］. Knowledge-Based Systems， 2018， 143： 142-161.
18	KONG G L， XU D L， YANG J B， et al. Evidential reasoning rule-based decision support system for predicting ICU admission and in-hospital death of trauma［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2021， 51（11）： 7131-7142.
19	ZHANG B C， ZHANG A X， HU G Y， et al. Reliability assessment of train control and management system based on evidential reasoning rule and covariance matrix adaptation evolution strategy algorithm［J］. ISA Transactions， 2021， 116： 129-138.
20	TANG S W， ZHOU Z J， HU C H， et al. A new evidential reasoning rule-based safety assessment method with sensor reliability for complex systems［J］. IEEE Transactions on Cybernetics， 2022， 52（5）： 4027-4038.
21	YANG J B. Rule and utility based evidential reasoning approach for multiattribute decision analysis under uncertainties［J］. European Journal of Operational Research， 2001， 131（1）： 31-61.
22	唐帅文，周志杰，姜江，等. 考虑扰动的无人机集群协同态势感知一致性评估［J］. 航空学报， 2020， 41（S2）： 724233.
	TANG S W， ZHOU Z J， JIANG J， et al. Consistency assessment of cooperative situation awareness of UAV cluster considering disturbance［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（S2）： 724233 （in Chinese）.
23	LIU P D， LI Y， ZHANG X H， et al. A multiattribute group decision-making method with probabilistic linguistic information based on an adaptive consensus reaching model and evidential reasoning［J］. IEEE Transactions on Cybernetics， 2023， 53（3）： 1905-1919.
24	ZHAO F J， ZHOU Z J， HU C H， et al. A new evidential reasoning-based method for online safety assessment of complex systems［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2018， 48（6）： 954-966.
25	DENG J X， DENG Y， CHEONG K H. Combining conflicting evidence based on Pearson correlation coefficient and weighted graph［J］. International Journal of Intelligent Systems， 2021， 36（12）： 7443-7460.
26	YAO S Y， YANG J B， XU D L， et al. Probabilistic modeling approach for interpretable inference and prediction with data for sepsis diagnosis［J］. Expert Systems with Applications， 2021， 183： 115333.
27	ZHOU J， SU X Y， QIAN H. Research on fusion of dependent evidence based on Kendall correlation coefficient［C］∥Proceedings of the 4th International Conference on Computer Science and Application Engineering. New York： ACM， 2020： 1-5.
28	JIANG W. A correlation coefficient for belief functions［J］. International Journal of Approximate Reasoning， 2018， 103： 94-106.
29	YAGER R R. On the fusion of non-independent belief structures［J］. International Journal of General Systems， 2009， 38（5）： 505-531.
30	ZHANG P， ZHOU Z J， TANG S W， et al. On the evidential reasoning rule for dependent evidence combination［J］. Chinese Journal of Aeronautics， 2023， 36（5）： 306-327.
31	SZÉKELY G J， RIZZO M L， BAKIROV N K. Measuring and testing dependence by correlation of distances［J］. The Annals of Statistics， 2007， 35（6）： 2769-2794.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	张开铭, 王克鲁, 鲁世强, 柳木桐, 钟平, 田野. 基于响应面法的S280超高强度不锈钢的热变形行为[J]. 航空学报, 2023, 44(8): 427293-427293.
[2]	贾宝惠, 姜番, 王玉鑫, 王杜. 基于民机维修文本数据的故障诊断方法[J]. 航空学报, 2023, 44(5): 326598-326598.
[3]	夏宇航, 王宇. 独立励磁直流发电系统优化控制方法比较[J]. 航空学报, 2023, 44(16): 327975-327975.
[4]	曹毅, 孟刚, 居勇健, 徐伟胜. 考虑伴生转动的大行程柔性微定位平台[J]. 航空学报, 2022, 43(7): 425498-425498.
[5]	王斌, 王海涛, 王玉峰, 张文武. 热障涂层水助激光扫描加工试验[J]. 航空学报, 2022, 43(4): 525353-525353.
[6]	吴宝海, 张阳, 郑志阳, 张莹, 张思琪. 数控加工进给速度参数优化研究现状与展望[J]. 航空学报, 2022, 43(4): 525467-525467.
[7]	郭磊, 高远, 辛会. 热障涂层的激光表面改性参数优化和结构设计[J]. 航空学报, 2021, 42(7): 424114-424114.
[8]	徐勇, 尹阔, 夏亮亮, 门向南, 曾一畔, 张士宏. 面向航空铝合金薄壁深腔构件的冲击液压成形工艺优化[J]. 航空学报, 2021, 42(10): 524831-524831.
[9]	唐帅文, 周志杰, 姜江, 曹友, 陈媛, 叶燕清. 考虑扰动的无人机集群协同态势感知一致性评估[J]. 航空学报, 2020, 41(S2): 724233-724233.
[10]	吴爱国, 巩志浩. 基于改进鸽群算法的气动捕获轨道优化[J]. 航空学报, 2020, 41(9): 324292-324292.
[11]	房冠成, 贾大鹏, 刘毅飞, 刘海涛. 基于飞行参数数据挖掘的军机健康评估技术[J]. 航空学报, 2020, 41(6): 523458-523458.
[12]	刘一鸣, 盛文, 胡冰, 张磊. 相控阵雷达长时跟踪波束调度与波形优化策略[J]. 航空学报, 2020, 41(3): 323519-323519.
[13]	楚中毅, 赖咪, 燕少博. 欠驱动指爪机构的被动弹性元件参数优化设计[J]. 航空学报, 2018, 39(1): 421370-421370.
[14]	刘凯, 曹毅, 周睿, 葛姝翌, 丁锐. 二自由度平板折展柔性铰链的分析及优化[J]. 航空学报, 2017, 38(2): 420317-420326.
[15]	张健, 张德虎. 高空长航时太阳能无人机总体设计要点分析[J]. 航空学报, 2016, 37(S1): 1-7.

基于相关证据推理规则的激光惯组健康评估

Health assessment of LIMU based on evidential reasoning rule with dependent evidence

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 37

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价