【技术实现步骤摘要】
本专利技术涉及航天产品试验，尤其涉及一种基于高斯过程回归的不确定失效边界域构建方法。
技术介绍
1、失效边界域是在航天器研制领域中的一个重要的概念，它描述了航天器产品在不同的工作应力组合情况下所能达到的应力极限包络，当产品的工作应力组合在这个包络内时，产品保持在一个有效和安全的状态；因此，准确构建产品的失效边界域，对提升产品使用可靠性，支撑产品固有可靠性改进提高具有重要意义。
2、随着航天技术的发展，航天器产品的工作应力也愈发多样和极端；例如空间站舱外维修工具极端工作温度范围为-55℃～85℃，同时执行航天员的多项复杂操作；控制力矩陀螺要承受高低温、高转速、航天器反作用力矩等复杂综合应力。
3、产品失效边界域通常由多应力拉偏试验获得，如果完全按照真实的多应力条件去设计试验，试验应力数量和应力组合数量将大大增加，这不仅需要大量的经费，还需要较长的时间，在实际工程中难以实现。因此，通过少量试验构建失效边界域成为一个重要的技术趋势。鉴于多应力与失效特性之间很可能具有相互耦合的非线性关系，人工智能技术已被广泛应用于构建失效边界域。现有技术提供了一种基于综合应力工作态试验和神经网络的cmg失效边界域预测技术，这项技术能够显著降低获取失效边界域试验所需的高昂开销。
4、然而，失效边界域是个连续曲面，基于少量离散的试验点去构建失效边界域不可避免会带来不确定性；例如，在远离试验点的区域，失效边界信息是通过人工智能模型泛化得到的，具有不确定性；如果考虑这种不确定性，失效边界域不再是个确定的曲面，而是一个区域，即
5、综上所述，在减少试验开支，高效构建失效边界域的同时，掌握失效边界域不确定性的量化表征方法，从而准确得到不确定失效边界域非常重要，也是该
的重要技术趋势。但现有技术未能够提供一种能够科学、准确、高效、形象地获取产品多应力不确定失效边界域的方法。
技术实现思路
1、针对上述的缺陷，本专利技术的目的在于提供一种基于高斯过程回归的不确定失效边界域构建方法，能够科学、准确、高效、形象地获取产品多应力不确定失效边界域。
2、为了实现上述目的，本专利技术提供了一种基于高斯过程回归的不确定失效边界域构建方法，包括步骤：
3、构建产品基于正交试验设计的p应力q水平的多应力试验，得到nt组试验；其中，所述p应力为可导致所述产品失效的p个应力，所述q水平为各所述应力取值范围内的q个应力水平；
4、获取所述nt组试验的多应力试验条件以及对应的失效特征量，以构建生成试验数据集；
5、确定模型训练的置信度，并基于所述试验数据集训练高斯过程回归模型；
6、基于训练后的所述高斯过程回归模型，获得失效特征量预测值、失效特征量置信上限预测值和失效特征量置信下限预测值分别满足预设条件时对应的第一多应力数据集、第二多应力数据集以及第三多应力数据集；其中，所述预设条件为判断对象与所述产品的失效阈值之间的误差小于或等于预设的误差阈值；
7、分别对所述第一多应力数据集、所述第二多应力数据集以及所述第三多应力数据集进行拟合，得到失效边界域中位面、失效边界上限面和失效边界下限面；
8、将所述失效边界上限面和所述失效边界下限面之间的包络区域确定为所述置信度对应的不确定失效边界域。
9、可选的，所述基于训练后的所述高斯过程回归模型，获得失效特征量预测值、失效特征量置信上限预测值和失效特征量置信下限预测值分别满足预设条件时对应的第一多应力数据集、第二多应力数据集以及第三多应力数据集的步骤包括：
10、基于训练后的所述高斯过程回归模型，获得失效特征量预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第一多应力数据集；
11、基于训练后的所述高斯过程回归模型，获得失效特征量置信上限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第二多应力数据集；
12、基于训练后的所述高斯过程回归模型，获得失效特征量置信下限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第三多应力数据集。
13、可选的，所述构建产品基于正交试验设计的p应力q水平的多应力试验，得到nt组试验的步骤包括：
14、分别在导致所述产品失效的p个应力的取值范围内各选择q个应力水平，并采用a因素b水平的标准正交试验矩阵设计正交试验，获得nt组试验；其中，a≥p，b≥q。
15、可选的，所述获取所述nt组试验的多应力试验条件以及对应的失效特征量，以构建生成试验数据集的步骤包括：
16、记录所述nt组试验对应的失效特征量取值；
17、将nt组试验中p个所述应力的应力水平组合及对应的所述失效特征量取值组合形成试验数据集。
18、可选的，所述确定模型训练的置信度，并基于所述试验数据集训练高斯过程回归模型的步骤包括：
19、设置模型训练的置信度和模型训练参数，并将所述试验数据集随机划分为训练集和测试集；
20、根据所述置信度、所述模型训练参数、所述训练集和所述测试集，训练高斯过程回归模型。
21、可选的，所述基于训练后的所述高斯过程回归模型，获得失效特征量预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第一多应力数据集的步骤包括：
22、在p个所述应力的取值范围内分别提取rp个数值点，并从小到大依此排序；其中，rp大于等于正交试验水平数；
23、基于训练后的所述高斯过程回归模型，通过多重循环对p个所述应力的所有取值组合进行扫描，查找所有满足失效特征量预测值与所述失效阈值之间的误差小于或等于所述误差阈值的应力取值组合，得到第一多应力数据集。
24、可选的，所述基于训练后的所述高斯过程回归模型，获得失效特征量置信上限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第二多应力数据集的步骤包括：
25、在p个所述应力的取值范围内分别提取rp个数值点，并从小到大依此排序；其中，rp大于等于正交试验水平数；
26、基于训练后的所述高斯过程回归模型，通过多重循环对p个所述应力的所有取值组合进行扫描，查找所有满足失效特征量置信上限预测值与所述失效阈值之间的误差小于或等于所述误差阈值的应力取值组合，得到第二多应力数据集。
27、可选的，所述基于训练后的所述高斯过程回归模型，获得失效特征量置信下限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第三多应力数据集的步骤包括：
28、在p个所述应力的取值范围内分别提取rp个数值点，并从小到大依此排序；其中，rp大于等于正交试验水平数；
29、基于训练后的所述高斯过程回归模型，通过多重循环对p个所述应力的所有取值组合进行扫描，本文档来自技高网...
【技术保护点】
1.一种基于高斯过程回归的不确定失效边界域构建方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯过程回归模型，获得失效特征量预测值、失效特征量置信上限预测值和失效特征量置信下限预测值分别满足预设条件时对应的第一多应力数据集、第二多应力数据集以及第三多应力数据集的步骤包括：
3.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述构建产品基于正交试验设计的p应力q水平的多应力试验，得到nT组试验的步骤包括：
4.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述获取所述nT组试验的多应力试验条件以及对应的失效特征量，以构建生成试验数据集的步骤包括：
5.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述确定模型训练的置信度，并基于所述试验数据集训练高斯过程回归模型的步骤包括：
6.根据权利要求2所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于
7.根据权利要求2所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯过程回归模型，获得失效特征量置信上限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第二多应力数据集的步骤包括：
8.根据权利要求2所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯过程回归模型，获得失效特征量置信下限预测值与所述失效阈值之间的误差小于或等于所述误差阈值时对应的第三多应力数据集的步骤包括：
9.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯过程回归模型，获得失效特征量预测值、失效特征量置信上限预测值和失效特征量置信下限预测值分别满足预设条件时对应的第一多应力数据集、第二多应力数据集以及第三多应力数据集的步骤之前，还包括：
10.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述置信度为0～1。
...【技术特征摘要】
1.一种基于高斯过程回归的不确定失效边界域构建方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯过程回归模型，获得失效特征量预测值、失效特征量置信上限预测值和失效特征量置信下限预测值分别满足预设条件时对应的第一多应力数据集、第二多应力数据集以及第三多应力数据集的步骤包括：
3.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述构建产品基于正交试验设计的p应力q水平的多应力试验，得到nt组试验的步骤包括：
4.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述获取所述nt组试验的多应力试验条件以及对应的失效特征量，以构建生成试验数据集的步骤包括：
5.根据权利要求1所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述确定模型训练的置信度，并基于所述试验数据集训练高斯过程回归模型的步骤包括：
6.根据权利要求2所述的基于高斯过程回归的不确定失效边界域构建方法，其特征在于，所述基于训练后的所述高斯...
【专利技术属性】
技术研发人员：黄首清，何贝琛，张兆霖，李芳勇，杨勇，王浩，李昊，闫琦，许庶，杨艳斌，
申请(专利权)人：北京卫星环境工程研究所，
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。