基于连续隐马尔可夫模型的仿真模型验证

doi:10.3969/j.issn.1000-1093.2012.03.020

兵工学报 ›› 2012, Vol. 33 ›› Issue (3): 367-372.doi: 10.3969/j.issn.1000-1093.2012.03.020

基于连续隐马尔可夫模型的仿真模型验证

吴静^1,2，吴晓燕₁，滕江川₁，陈永兴₁

(1.空军工程大学导弹学院，陕西三原 713800;2.解放军94221部队，山东新泰 271206)

收稿日期:2010-08-25 修回日期:2010-08-25 上线日期:2014-03-04
作者简介:吴静（1983—），男，博士研究生
基金资助:
陕西省自然科学基础研究计划项目(2007F40)；总装备部“十一五”武器装备预先研究项目(513040104)

Simulation Model Validation Based on Continuous Hidden Markov Model

WU Jing^1，2， WU Xiao-yan₁， TENG Jiang-chuan₁， CHEN Yong-xing₁

(1.Missile Institute，Air Force Engineering University, Sanyuan 713800, Shaanxi China；2.94221 PLA Troops, Xintai 271206, Shandong, China)

Received:2010-08-25 Revised:2010-08-25 Online:2014-03-04

摘要/Abstract

摘要： 将连续隐马尔科夫模型（CHMM）应用于仿真模型验证研究，在分段提取各可选仿真模型输出特征向量序列的基础上，采用Segmental K-Means算法训练并建立各可选仿真模型的CHMM，进而构建模型库；将实际系统的特征向量序列作用于模型库，依据其概率输出判别各可选仿真模型相对于实际系统的有效性。最后通过实例分析，证明了该方法的有效性。

关键词: 飞行器控制、导航技术, 模型验证, 连续隐马尔可夫模型, 模式识别

Abstract: A method based on continuous hidden Markov model (CHMM) is applied in the research on the simulation model validation. Firstly, the output feature vector of each selectuble simulation model is extracted in some segments. By using segmental K-means algorithm, CHMM for each simulation model is established and trained, the CHMM-base is built. Once the feature vector sequences of the real system are offered to CHMM-base, the probability outputs are generated. The validity of each selectable simulation model relative to the real system could be judged from the corresponding probability output. The method can be applied to model validation of aircraft guidance and control systems. The results show the reasonability and validity of the proposed method.

Key words: control and navigation technology of aerocraft, model validation, continuous hidden Markov model, pattern recognition

中图分类号:

TP391.9

吴静，吴晓燕₁，滕江川₁，陈永兴₁. 基于连续隐马尔可夫模型的仿真模型验证[J]. 兵工学报, 2012, 33(3): 367-372.

WU Jing， WU Xiao-yan₁， TENG Jiang-chuan₁， CHEN Yong-xing₁. Simulation Model Validation Based on Continuous Hidden Markov Model[J]. Acta Armamentarii, 2012, 33(3): 367-372.

参考文献

［1］周云龙，柳长昕，赵鹏，等. 基于自回归-连续隐马尔可夫模型的离心泵故障诊断[J]. 中国电机工程学报，2008，28(20)：88- 94.
ZHOU Yun-long， LIU Chang-xin， ZHAO Peng， et al. Fault diagnosis methods for centrifugal pump based on autoregressive and continuous hidden Markov model[J]. Proceedings of the CSEE，2008，28(20)：88-94. (in Chinese)
［2］ Rabiner L R. A tutorial on hidden Markov models and selected applications in speech recognition[J]. Proceedings of the IEEE，1989，77(2):257-286.
［3］冯长建. HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 杭州：浙江大学，2002.
FENG Chang-jian. HMM dynamical pattern recognition theories, methods and applications in faults diagnosis of rotating machine[D]. Hangzhou： Zhejiang University，2002. (in Chinese)
［4］叶大鹏. 基于2D-HMM的旋转机械故障诊断方法及其应用研究[D]. 杭州：浙江大学，2004.
YE Da-peng. Application and research on rotating machinery fault diagnosis basing on two dimensional hidden Markov model[D]. Hangzhou: Zhejiang University，2004. (in Chinese)
［5］ Barlas Y， Kanar K. A dynamic pattern-oriented test for model validation[C]∥Proceedings of 4th Systems Science European Congress. Spain: Valencia, 1999: 269-286.
［6］柳新民，温熙森，邱静，等.基于隐马尔可夫模型的机电系统机内测试虚警抑制[J].兵工学报，2005，26(3)：387-392.
LIU Xin-min，WEN Xi-sen，QIU Jing， et al. False alarm filter of mechatronics built-in test based on the hidden Markov model[J]. Acta Armamentarii， 2005，26(3)：387-392. (in Chinese)
［7］曾九孙，刘祥官，郜传厚，等. 基于隐Markov模型的高炉铁水硅质量分数预测算法[J]. 浙江大学学报：工学版，2008，42(5)： 742-746.
ZENG Jiu-sun，LIU Xiang-guan， GAO Chuan-hou， et al. Hidden Markov model based predictive algorithm of silicon content in molten iron of blast furnace[J]. Journal of Zhejiang University： Engineering Science，2008，42(5)：742-746. (in Chinese)
［8］ Tang X. Autoregressive hidden Markov model with application in El Nino study[D]. Saskatoon： University of Saskatchewan，2004.
［9］ He Y， Kundu A. 2-D shape classification using hidden Markov model[J]. IEEE Transactions on Pattern Analysis and Machine intelligence，1991，13(11)：1172-1184.
［10］ Martens J， Pauwels K， Put F. A neural network approach to the validation of simulation models[C]∥Proceedings of the 2006 Winter Simulation Conference. US: IEEE, 2006：905-910.

[1]	张瑞增, 龚建伟, 陈慧岩, 刘海鸥, 卢佳兴. 硬质路面条件下履带车辆转向模型分析及验证[J]. 兵工学报, 2023, 44(1): 233-246.
[2]	纪广，郝建国，张振伟. 面向无人机作战的虚拟孪生系统设计方案[J]. 兵工学报, 2022, 43(8): 1902-1912.
[3]	张民，陈亮，陈欣. 基于简便约束粒子群优化算法的空空导弹μ-PID控制器设计[J]. 兵工学报, 2017, 38(1): 89-96.
[4]	胡东方，姬源浩. 基于灰关联决策的模块化光电吊舱可靠性分析[J]. 兵工学报, 2016, 37(8): 1506-1516.
[5]	张松, 侯明善. 飞行器轨迹优化的造型降维方法[J]. 兵工学报, 2016, 37(6): 1125-1130.
[6]	李强，卢宝刚，王晓辉，王永海，庄凌. 一种导弹终端侵彻多约束最优制导方法[J]. 兵工学报, 2016, 37(6): 1131-1137.
[7]	张翼飞，董受全，毕开波. 基于Hough变换和聚类的舰艇编队队形识别算法[J]. 兵工学报, 2016, 37(4): 648-655.
[8]	王红辉，杨绍卿，吴成富，郝峰，车晓涛. 旋转矢量在高动态全姿态飞行器运动方程中的应用[J]. 兵工学报, 2016, 37(3): 439-446.
[9]	宁小磊，吴颖霞，于天朋，陈维波，单斌，张燕. 基于改进灰色关联分析的仿真模型综合验证方法[J]. 兵工学报, 2016, 37(2): 338-347.
[10]	张尧，郭杰，唐胜景，商巍，张浩强. 机动目标拦截含攻击角约束的新型滑模制导律[J]. 兵工学报, 2015, 36(8): 1443-1457.
[11]	李成，李建勋，童中翔，贾林通，张志波. 红外成像制导末端局部图像识别跟踪研究[J]. 兵工学报, 2015, 36(7): 1213-1221.
[12]	赵江，周锐. 基于倾侧角反馈控制的预测校正再入制导方法[J]. 兵工学报, 2015, 36(5): 823-830.
[13]	范世鹏，林德福，姚怀瑾，路宇龙，祁载康. 基于最优二次型理论的滚转导弹三回路驾驶仪设计与研究[J]. 兵工学报, 2015, 36(5): 831-838.
[14]	鲁天宇，尹健，杜肖，夏群利. 虚位技术对相控阵雷达导引头制导性能的影响[J]. 兵工学报, 2015, 36(12): 2262-2268.
[15]	丁勇，肖泽龙，许建中，彭树生. 毫米波交流辐射计半实物仿真系统设计[J]. 兵工学报, 2015, 36(10): 1867-1874.

基于连续隐马尔可夫模型的仿真模型验证

Simulation Model Validation Based on Continuous Hidden Markov Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价