对火工品高响应点进行估计的方法和系统技术方案

本申请公开了对火工品高响应点进行估计的方法和系统，该方法设置火工品初始试验水平值，对火工品进行响应处理，生成初始响应结果数据，设置试验水平值和响应结果迭代关系，进行迭代处理生成迭代试验水平值；识别初始响应结果数据所对应的响应状态为响应时，加大损失权重调整该迭代试验水平值再次响应处理，监测到为未响应时，减小损失权重调整该迭代试验水平值响应处理，直到出现响应时，再次增大该损失权重调整并进行响应处理，直至遍历预定的样本量，最后迭代出的试验水平值作为火工品高响应点的估计值输出。本发明专利技术解决对火工品高响应点的估计试验方法中，估计精度差、无效试验发生率较高以及由于初始值的设置偏差导致估计精度严重恶化的问题。

【技术实现步骤摘要】
对火工品高响应点进行估计的方法和系统
本申请涉及火工品感度试验与分析领域，更具体地，涉及一种对火工品高响应点进行估计的方法和系统。
技术介绍
现有技术中，火工品是内部装有少量药剂，可在较小的外界刺激(如：电流、电压等电性刺激；落锤等物理刺激)作用下激发，产生燃烧或爆炸，从而完成点火、传火、起爆、传爆以及做功等功能的一次性使用器件和装置。对任意一个火工品而言，都有一个固有的临界刺激量。不同的火工品，该固有的临界刺激量不一定相同，在临界刺激量下，火工品存在不被激发的情况(即火工品在临界刺激量下的激发便成为概率事件)。火工品临界刺激量的概率分布称为火工品的感度分布，在火工品的感度分布中，使得火工品被激发的概率达到p的刺激值称为p响应点。通常火工品的感度分布为正态分布N(μ,σ2)，火工品高响应点指的是对应于p＝0.99～0.999(高概率)的p响应点。在火工品使用时，对火工品的p响应点的精度要求极高，当某一火工品投入使用时，首先需估计p响应点，再对刺激值进行设置，以保证在该刺激值下，该火工品被激发的概率能够达到0.999。过高的刺激值将造成相关产品上有限的激发条件过渡使用，影响其他功能的正常运行；过低的刺激值将导致火工品被激发的概率大幅下降，甚至不能被激发。这就要求在使用前对火工品的高响应点进行精确的估计，火工品p响应点可以通过试验方法进行估计，在试验中赋予火工品的刺激值也称为试验水平，由于火工品为一次性使用产品，所以试验次数即为试验中消耗的火工品发数。现有技术中，估计火工品p响应点所使用的试验方法包括：步进法、升降法、D最优方法以及随机逼近法。其中：(1)对于步进法，其要求在试验前给定若干个具体的试验水平以及在每个试验水平下的试验数量，然后逐一完成试验。(2)对于升降法，需要事先猜测μ的取值μg和σ的取值σg。取第一次试验的水平的刺激值x1＝μg，试验步长d＝σg。然后按照以下方式序贯设置试验水平并记录试验结果：xi+1＝xi+2d(yi-0.5)，i＝1,…,n其中xi表示第i次试验施加于第i个火工品的刺激值，yi表示第i次试验的结果(通常称为响应数据)，yi＝1表示在该刺激下火工品被激发，yi＝0表示在该刺激下火工品未被激发。在消耗n发火工品进行n次试验后，获得试验数据(x1,y1),…,(xn,yn)，应用似然方法求得参数(μ,σ)的极大似然估计然后通过关系式xp＝μ+σΦ-1(p)求出火工品的p响应点的估计值(即估计出来的使得火工品被激发概率达到p的刺激值)。其中，所述升降法在定量试验后的无效率如表1所示，其对高响应点的估计精度如表2和3所示。(3)对于D最优方法，需要事先猜测μ的范围[μmin,μmax]和σ的值σg。也可以事先猜测μ的值μg和σ的值σg，然后取μmin＝μg-4σg，μmax＝μg+4σg。试验分三部分进行。第一部分试验是获得0响应和1响应试验数据。第二部分试验是获得具有交错区间的试验数据，即最大0响应试验水平要大于最小1响应试验水平。具体步骤为：(i)基于已获试验数据(x1,y1)…(xn,yn)，计算最小1响应试验水平MinX和最大0响应试验水平Max0，令Diff＝Minx-Max0,若该步是第二部分试验的第一次试验，令σn,g＝σg；(ii)如果Diff>σn,g，选择新的试验水平xn+1＝(MinX+Max0)/2。在xn+1处进行试验，记结果为yn+1。否则，选择新的试验水平xn+1，使得在水平x1,…,xn,xn+1处进行试验，Fisher信息矩阵的行列式达到最大。在xn+1处进行试验，记结果为yn+1，同时更新对σ的猜测，σn+1，g＝0.8×σn,g；(iii)重复(i)—(ii)步骤，直到出现交错区间，停止第二部分的试验。第三部分试验是逐步改善参数(μ,σ)的估计，使其更加有效。该部分的试验步骤为：(a)基于已获试验数据，计算(μ,σ)的最大似然估计(b)选择新的试验水平xn+1，使得Fisher信息矩阵的行列式达到最大。在xn+1处进行试验，获得结果yn+1；(c)重复(a)—(b)，直到完成一定样本量的试验。做完n次试验后，求出参数(μ,σ)的最大似然估计，再通过关系式xp＝μ+σΦ-1(p)估计xp。其中，所述D最优方法在定量试验后的无效率如表1所示，其对高响应点的估计精度如表2和3所示。(4)随机逼近法。随机逼近法试验前需猜测μ的值μg和σ的值σg，并给出用xp,g＝μg+σgΦ-1(p)估计xp的不确定性τ，假设xp～N(xp,g,τ2)。令第1次试验的水平为x1＝xp,g，观测试验结果y1，按如下形式设计试验xi+1＝xi-ai(yi-bi),i≥1,其中xi是第i次试验的水平，yi是试验结果，ai和bi按照“试验水平在xp附近选取，而且它与xp的差具有最小的不确定性”的原则给出，它们为其中φ(.)表示标准正态密度函数，Φ(.)表示标准正态分布函数。在进行完n次试验后，火工品p响应点xp的点估计为xn+1。其中，所述随机逼近法对高响应点的估计精度如表2和3所示。但是，在上述方法中：步进法由于不能对试验过程进行优化，同时也没有通过前期试验进行序贯调整的功能，所以步进法中试验数据所含信息量较小。为了达到可用的估计精度，步进法所需样本量非常大，样本量通常不小于100；升降法和D最优方法使用极大似然方法估计感度分布的参数，只有试验数据存在交错区间(即出现1响应的最小水平小于出现0响应的最大水平)时，参数(μ,σ)的极大似然估计才存在唯一。这也是使用升降法和D最优方法的限制条件，不满足该限制条件的数据通常称为无效试验数据，相应的试验称为无效试验；反之称为有效试验。针对经典感度分布模型N(10，1)进行模拟，在各种可能的初始值下，以获得1000次有效试验数据为目的，模拟了样本量为30的升降法和D最优方法试验，伴随发生的无效试验比率见表1，可见，有效试验存在着较为严重的不确定性现象：在样本量较小(小于30)且待估响应点较高(即p较大时)，升降法的估计精度(用RMSE表示，RMSE＝{E(估计-真值)2}1/2，RMSE越小估计精度越好，RMSE越大估计精度越差)很差，D最优方法的估计精度有待进一步提高。随机逼近法虽然不存在无效试验的情况，但是当初始参数猜测值μg和σg与真值有较大正偏差时，第一次试验的水平与实际高响应点的正偏差较大，很容易导致试验结果全部出现1响应的情况，试验数据包含信息太少，估计精度严重恶化，参见表2和表3。通常，在试验前对感度分布参数的认识较为粗糙，很难猜测到较为准确的参数取值，一旦猜错，估计精度非常差。随机逼近法具有严重的不稳健性，这为随机逼近方法的使用带来了很大的风险。表1样本量30，无效升降法试验和D最优法试验的比率表2样本文档来自技高网...

【技术保护点】
一种对火工品高响应点进行估计的方法，其特征在于，包括：设置火工品的初始试验水平值，根据所述初始试验水平值对所述火工品进行响应处理，生成初始响应结果数据，并设置所述试验水平值和初始响应结果数据的迭代关系，通过所述迭代关系对所述初始试验水平值和初始响应结果数据进行迭代处理，生成迭代试验水平值；识别所述初始响应结果数据所对应的响应状态为响应时，对所述迭代试验水平值进行损失权重调整，并加大所述损失权重调整该迭代试验水平值；对调整后的所述迭代试验水平值再次进行所述响应处理，并监测该响应处理所生成的迭代响应结果数据的响应状态，监测到所述迭代响应结果数据的响应状态为未响应时，减小所述损失权重调整该迭代试验水平值并进行所述响应处理，直到所述迭代响应结果数据的响应状态出现响应时，再次增大该损失权重调整该迭代试验水平值并进行所述响应处理，直至遍历预定的样本量，将最后迭代出的试验水平值作为所述火工品高响应点的估计值输出。

【技术特征摘要】
1.一种对火工品高响应点进行估计的方法，其特征在于，包括：设置火工品的初始试验水平值，根据所述初始试验水平值对所述火工品进行响应处理，生成初始响应结果数据，并设置所述试验水平值和初始响应结果数据的迭代关系，通过所述迭代关系对所述初始试验水平值和初始响应结果数据进行迭代处理，生成迭代试验水平值；从初始试验水平值x1,1＝μg，其中，所述μg为感度分布N(μ,σ)中μ的参数值，开始设置所述试验水平值和初始响应结果数据的迭代关系，进一步为：x1,i+1＝x1,i-a1,i(y1,i-b1,i),i≥1，其中，用于迭代的常数序列b1,i＝1/2、τ21，i是误差zi的方差，β2是响应分布方差猜测值的倒数，进行至少8次迭代处理后，计算响应分布标准差参数σ的估计为：其中x+＝min{x1,i:y1,i＝1,i＝1,…,8}，x-＝max{x1,i:y1,i＝0,i＝1,…,8}；x+中的冒号为：在8次试验中，响应数据y1,i＝1所对应的试验水平值；x-中的冒号为：在8次试验中，响应数据y1,i＝0所对应的试验水平值；进一步设置所述试验水平值和初始响应结果数据的迭代关系：x2,i+1＝x2,i-a2,i(y2,i-b2,i)将该迭代关系下的首次试验水平取为x2,1＝xp,g+v1，其中xp,g是火工品高响应点的猜测值，v1满足使平均损失函数E{L(z2.1)}达到最小，设置第i+1(i≥1)个试验水平x2,i+1，其中a2，i和b2，i满足使平均损失函数E{L(z2,i+1)}达到最小，并将误差定义为z2,i＝x2,i-xp，其中，所述xp为火工品高响应点，z2,i服从正态分布其中z2,i的均值vi，方差获得：其中[M(z2,i)]的均值[z2,iM(z2,i)]的均值vi，分别是z2,i的均值与方差；M(z2,i)＝Φ(γz2,i+Φ-1(p))，响应分布标准差估计的倒数识别所述初始响应结果数据所对应的响应状态为响应时，对所述迭代试验水平值进行损失权重调整，并加大所述损失权重调整该迭代试验水平值；由不对称损失函数进行损失权重调整，进一步为：其中，zi＝xi-xp为试验水平xi与所述火工品的高响应点xp的误差；w为不对称损失权重，当zi≤0时，w＝λ，当zi>0时，w＝1，该不对称损失权重w为对调整后的所述迭代试验水平值再次进行所述响应处理，并监测该响应处理所生成的迭代响应结果数据的响应状态，监测到所述迭代响应结果数据的响应状态为未响应时，减小所述损失权重调整该迭代试验水平值并进行所述响应处理，直到所述迭代响应结果数据的响应状态出现响应时，再次增大该损失权重调整该迭代试验水平值并进行所述响应处理，直至遍历预定的样本量，将最后迭代出的试验水平值作为所述火工品高响应点的估计值输出。2.如权利要求1所述的对火工品高响应点进行估计的方法，其特征在于，识别所述初始响应结果数据所对应的响应状态为响应时，对所述迭代试验水平值进行损失权重调整，并加大所述损失权重调整该迭代试验水平值，进一步为：识别所述初始响应结果数据所对应的响应状态，若所述响应状态为未响应时，减小所述损失权重调整该迭代试验水平值并再次进行所述响应处理，在所述响应处理后生成的迭代结果数据所对应的响应状态为响应时，对所述迭代试验水平值进行所述损失权重调整，并加大所述损失权重调整该迭代试验水平值。3.如权利要求1所述的对火工品高响应点进行估计的方法，其特征在于，设置火工品感度分布的初始试验水平值，并根据所述初始试验水平值对所述火工品进行响应处理，生成初始响应结果数据，进一步为：将所述火工品感度分布的0.5分位数设置为所述初始试验水平值，根据该初始试验水平值进行所述响应处理，生成初始响应结果数据；其中，所述0.5分位数，进一步为所述火工品感度...

【专利技术属性】
技术研发人员：王典朋，房永飞，田玉斌，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11