【技术实现步骤摘要】
本专利技术涉及推进剂老化检测，尤其涉及一种固体推进剂老化检测方法及相关设备。
技术介绍
1、固体火箭发动机因其结构简单、工作可靠、使用安全且能长期贮存等诸多优点，被广泛应用于各国的导弹武器中。然而“长期贮存，一次使用”的武器特性也造成此类固体导弹装备会长期处于贮存状态下。作为固体火箭发动机的主要薄弱部位，固体燃料药柱会随着贮存时间的增加逐渐发生老化，宏观表现为力学性能的下降。当下降至失效阈值时，固体火箭发动机将无法正常使用并视为寿命终点。为了确保发动机处于正常使用的区间内，准确评估固体火箭发动机的寿命显得尤为重要。其中，固体推进剂是固体发动机中的关键材料，其性能优劣严重影响导弹和运载火箭的工作效能。而固体发动机的发射性能与固体推进剂贮存期的老化性能密切相关。由于固体推进剂主要由高分子复合材料、金属粉末等组成，其老化是一种不可逆的化学和物理变化过程，固体推进剂老化会导致附体发动机弹道性能下降，严重时，甚至会导致固体发动机失效。
2、探索固体推进剂的老化性能规律一直是科技人员的研究的热点，目前固体推进剂老化检测方法主要有力学性能检测法、图像检测法、组分含量检测法、化学老化检测法、计算机断层扫描(ct)检测法、红外检测法、气体含量检测法、压电阻抗谱法等。以上方法均取得一定的效果，但是这些方法均存在一定的问题。力学性能检测方法是目前较为成熟的老化检测方法，但是该方法难以检测固体推进剂的三维力学性能，且测量设备体积大、极易受到干扰，难以在贮存现场使用；组分含量检测、化学检测、气体含量检测法，存在检测周期长、成本高、不便于野外测
技术实现思路
1、有鉴于此，本专利技术提供了一种固体推进剂老化检测方法及相关设备，用于解决现有技术中设置单一参数(固体推进剂的阻抗数据)所得的测量结果易受干扰，导致检测准确率不佳的问题。
2、为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种固体推进剂老化检测方法，包括：获取待检测推进剂的属性数据和环境数据，其中，所述属性数据包括所述待检测推进剂的阻抗数据和所述待检测推进剂的容值数据，所述环境数据包括所述待检测推进剂所在环境的温度数据、所述待检测推进剂所在环境的湿度数据和所述待检测推进剂所在环境的气压数据；
3、将所述属性数据和所述环境数据输入预设预测模型，得到所述待检测推进剂的老化数据，所述预设预测模型包括按照误差逆向传播算法训练的多层前馈神经网络；
4、采用单一变量法确定所述温度数据与所述老化数据的第一关联度、所述湿度数据与所述老化数据的第二关联度和所述气压数据与所述老化数据的第三关联度，并基于所述第一关联度、所述第二关联度和所述第三关联度完成对所述待检测推进剂的检测。
5、可选的，在所述获取待检测推进剂的属性数据和环境数据的步骤之前，还包括：
6、获取所述待检测推进剂针对预设频率的交流电的响应信号；
7、通过傅里叶变换的方法基于所述响应信号获取所述待检测推进剂的阻抗数据；
8、获取通过所述待检测推进剂的交流电的电能变化数据；
9、根据所述电能变化数据确定所述待检测推进剂的容值数据；
10、将所述阻抗数据和所述容值数据均作为所述待检测推进剂的属性数据。
11、可选的，在所述将所述属性数据和所述环境数据输入预设预测模型，得到所述待检测推进剂的老化数据，所述预设预测模型包括按照误差逆向传播算法训练的多层前馈神经网络的步骤之前，还包括：
12、基于按照误差逆向传播算法训练的多层前馈神经网络构建初始预测模型，其中，所述初始预测模型包括输入层、第一隐含层、第二隐含层和输出层，所述输入层的激活函数为双曲函数，所述输出层的激活函数为线性传递函数；
13、采用梯度下降法训练所述初始预测模型，得到所述预设预测模型。
14、可选的，所述采用梯度下降法训练所述初始预测模型，得到所述预设预测模型的步骤，包括：
15、获取目标固体推进剂在预设时间段内的监测数据，其中，所述监测数据包括所述目标固体推进剂针对预设频率的交流电的目标阻抗数据、所述目标固体推进剂的目标容值数据、所述目标固体推进剂的目标环境数据和所述目标固体推进剂的目标老化数据；
16、基于所述目标阻抗数据、所述目标容值数据和所述目标环境数据构建所述初始预测模型的输入数据，将所述输入数据代入所述初始预测模型，得到初始老化数据；
17、根据所述初始老化数据和所述目标老化数据计算所述初始预测模型的准确度，并判断所述准确度是否满足预设条件；
18、若所述准确度不满足预设条件，则通过梯度下降法训练所述初始预测模型直至训练后的初始预测模型的准确度满足所述预设条件，将训练后的初始预测模型作为所述预设预测模型。
19、可选的，所述采用单一变量法确定所述温度数据与所述老化数据的第一关联度、所述湿度数据与所述老化数据的第二关联度和所述气压数据与所述老化数据的第三关联度的步骤，包括：
20、当所述温度数据作为所述单一变量法的目标变量时，通过相关系数法计算所述温度数据与所述老化数据的第一关联度；
21、当所述湿度数据作为所述单一变量法的目标变量时，通过相关系数法计算所述湿度数据与所述老化数据的第二关联度；
22、当所述气压数据作为所述单一变量法的目标变量时，通过相关系数法计算所述气压数据与所述老化数据的第三关联度。
23、可选的，在所述基于所述第一关联度、所述第二关联度和所述第三关联度完成对所述待检测推进剂的检测的步骤之前，还包括：
24、将所述第一关联度、所述第二关联度和所述第三关联度分别与关联度阈值进行比较；
25、在所述第一关联度、所述第二关联度和所述第三关联度中选择大于或者等于所述关联度阈值的值，作为目标关联度。
26、可选的，所述基于所述第一关联度、所述第二关联度和所述第三关联度完成对所述待检测推进剂的检测的步骤，包括：
27、获取所述待检测推进剂的检测数据，所述检测数据用于判断所述待检测推进剂的老化状态，所述老化状态包括正常状态和过老化状态，所述检测数据包括检测温度数据、检测湿度数据、检测气压数据和检测老化数据；
28、若所述第一关联度为所述目标关联度，则获取所述检测温度数据与所述待检测推进剂所在环境的温度数据的温度差值，并根据所述温度差值和所述第一关联度修正所述待检测推进剂的老化数据，根据修正后的老化数据和所述检测老化数据判断所述待检测推进剂的老化状态；
29、若所述第二关联度为所述目标关联度，则获取所述检测湿度数据与所述待检测推进本文档来自技高网...
【技术保护点】
1.一种固体推进剂老化检测方法，其特征在于，包括：
2.如权利要求1所述的固体推进剂老化检测方法，其特征在于，在所述获取待检测推进剂的属性数据和环境数据的步骤之前，还包括：
3.如权利要求1所述的固体推进剂老化检测方法，其特征在于，在所述将所述属性数据和所述环境数据输入预设预测模型，得到所述待检测推进剂的老化数据，所述预设预测模型包括按照误差逆向传播算法训练的多层前馈神经网络的步骤之前，还包括：
4.如权利要求3所述的固体推进剂老化检测方法，其特征在于，所述采用梯度下降法训练所述初始预测模型，得到所述预设预测模型的步骤，包括：
5.如权利要求1所述的固体推进剂老化检测方法，其特征在于，所述采用单一变量法确定所述温度数据与所述老化数据的第一关联度、所述湿度数据与所述老化数据的第二关联度和所述气压数据与所述老化数据的第三关联度的步骤，包括：
6.如权利要求5所述的固体推进剂老化检测方法，其特征在于，在所述基于所述第一关联度、所述第二关联度和所述第三关联度完成对所述待检测推进剂的检测的步骤之前，还包括：
7.如权利
8.一种固体推进剂老化检测系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的固体推进剂老化检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的固体推进剂老化检测方法的步骤。
...【技术特征摘要】
1.一种固体推进剂老化检测方法，其特征在于，包括：
2.如权利要求1所述的固体推进剂老化检测方法，其特征在于，在所述获取待检测推进剂的属性数据和环境数据的步骤之前，还包括：
3.如权利要求1所述的固体推进剂老化检测方法，其特征在于，在所述将所述属性数据和所述环境数据输入预设预测模型，得到所述待检测推进剂的老化数据，所述预设预测模型包括按照误差逆向传播算法训练的多层前馈神经网络的步骤之前，还包括：
4.如权利要求3所述的固体推进剂老化检测方法，其特征在于，所述采用梯度下降法训练所述初始预测模型，得到所述预设预测模型的步骤，包括：
5.如权利要求1所述的固体推进剂老化检测方法，其特征在于，所述采用单一变量法确定所述温度数据与所述老化数据的第一关联度、所述湿度数据与所述老化数据的第二关联度和所述气压数据与所述老化数据的第三关联度的步骤，包括：
6.如权利要求5所述的固体推进剂...
【专利技术属性】
技术研发人员：段磊光，王学仁，强洪夫，王婷，王鑫峰，裴书帝，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。