基于数据增强的导弹延寿目标确立方法研究

在导弹贮存延寿工程的立项论证阶段,需要先统计分析每个导弹贮存期内环境剖面数据、故障数据等以分析导弹的贮存故障率变化趋势,进而科学确立延寿目标。针对高可靠性导弹故障数据样本少、环境数据的变化存在非线性、传统方法预测贮存可靠度精度不高等问题,提出SelfSVR算法对导弹贮存故障率进行预测。通过贝叶斯优化方法自适应计算出Mixup生成的样本个数、SVR算法的超参数核函数系数和核函数惩罚系数。基于Mixup增强算法构建新的训练样本。使用SVR算法对导弹贮存故障率进行非线性预测。通过示例验证,Self-SVR算法在预测非线性变化的贮存故障率方面具有良好的拟合效果,在R2系数、EVS和MSE三个指标上优于对比算法。在消融实验中证明了贝叶斯优化和Mixup增强算法对Self-SVR算法均具有优化作用。