CN114492112B 基于采样分位数回归的卫星框架结构可靠性分析方法 （中国人民解放军军事科学院国防科技创新研究院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114492112B(45)授权公告日2025.07.01

(21)申请号202210004486.0

(22)申请日2022.01.04

(65)同一申请的已公布的文献号申请公布号CN114492112A

(43)申请公布日2022.05.13

(73)专利权人中国人民解放军军事科学院国防

科技创新研究院

地址100071北京市丰台区东大街53号

(72)发明人姚雯郑小虎张俊张小亚

姜廷松

(74)专利代理机构北京奥文知识产权代理事务所(普通合伙)11534

专利代理师张文

(51)Int.CI.

GO6F30/23(2020.01)

GO6F30/27(2020.01)

GO6N3/0464(2023.01)

G06F113/26(2020.01)

GO6F119/02(2020.01)

G06F119/10(2020.01)

(56)对比文件

CN113609763A,2021.11.05

CN113591215A,2021.11.02审查员焦天栋

权利要求书2页说明书6页附图1页

(54)发明名称

基于采样分位数回归的卫星框架结构可靠性分析方法

(57)摘要

CN114492112B本发明公开了一种基于采样分位数回归的卫星框架结构可靠性分析方法，包括：构建用于预测卫星框架结构一阶频率的深度神经网络模型；获取待分析的卫星框架结构的多组基于有限元模型分析卫星框架结构一阶频率的输入参数值，确定每组输入参数值对应的一阶频率，在一阶频率中添加随机噪声，获取一阶频率修正值，得到多个包括输入参数值和输入参数值对应的一阶频率修正值的训练数据；设定分位数，利用分位数构建损失函数，利用训练数据和损失函数训练深度神经网络模型；利用深度神经网络模型进行卫星框架结构可靠性分析。本发明能够避免采用有限元模型分析时所存在的计算时间长、计

CN114492112B

构建用于预测卫星框架结构一阶频率的深度神经网络模型

获取待分析的卫星框架结构的多组基于有限元模型分析卫星

框架结构一阶频率的输入参数值，利用有限元方法确定每组

输入参数值对应的一阶频率，在一阶频率中添加随机噪声，

获取一阶频率修正值，得到多个包括输入参数值和输入参数

值对应的一阶频率修正值的训练数据

设定分位数，利用分位数构建损失函数，利用训练数据和损

失函数训练深度神经网络模型，以拟合输入参数值与一阶频

率的映射关系

利用训练后的深度神经网络模型进行卫星框架结构可靠性分析

S1

S2

S3

CN114492112B权利要求书1/2页

2

1.一种基于采样分位数回归的卫星框架结构可靠性分析方法，其特征在于，包括：

构建用于预测卫星框架结构一阶频率的深度神经网络模型；

获取待分析的卫星框架结构的多组基于有限元模型分析卫星框架结构一阶频率的输入参数值，利用有限元方法确定每组输入参数值对应的一阶频率，在一阶频率中添加随机噪声，获取一阶频率修正值，得到多个包括输入参数值和输入参数值对应的一阶频率修正值的训练数据；

设定分位数，利用分位数构建损失函数，利用训练数据和损失函数训练深度神经网络模型，以拟合输入参数值与一阶频率的映射关系；

利用训练后的深度神经网络模型进行卫星框架结构可靠性分析；

所述获取待分析的卫星框架结构的多组基于有限元模型分析卫星框架结构一阶频率的输入参数值，利用有限元方法确定每组输入参数值对应的一阶频率，包括：

根据待分析的卫星框架结构，确定基于有限元模型分析卫星框架结构一阶频率的输入参数和各个输入参数的取值范围，分别从每个输入参数的取值范围随机采样一次，获取一组基于有限元模型分析卫星框架结构一阶频率的输入参数值，重复多次随机采样过程，获取多组基于有限元模型分析卫星框架结构一阶频率的输入参数值，利用有限元方法分析确

定每组输入参数值对应的一阶频率；

利用以下公式获取一阶频率修正值；y;=y°+ε

其中，y,表示第i组输入参数值对应的一阶频率修正值，y°表示利用有限元方法确定的第i组输入参数值对应的一阶频率，ε表示随机噪声；

设定分位数为τ;,t;～U(0,1),构建损失函数为：

其中，t;表示第i个训练数据对应的分位数，t;~U(0,1)表示分位数t服从[0,1]上的均

匀分布，L[y,.(x;θ)