基于滑窗滤波算法的半实物仿真试验任务周期预测方法及
系统
技术领域
背景技术
[0002] 近年来，航天在研型号数量快速增加，多任务并举已成为现实常态。半实物仿真资源属于高端制造业装备，其价格昂贵、建设周期长，航天企业如何实现在现有资源条件下的资源合理分配，保证在一定预期下的资源管控，从而使各任务条线的产品研制进展能够均衡地向前推进，已成为航天企业目前面临的难题。试验任务的项目数量是决定试验周期的一个主要因素，但航天产品本身也属于高端制造业产品，处在不同阶段下产品成熟不同，不同试验条线任务的产品复杂度不同，这些均对试验任务的完成周期产生影响。传统的如
专利文献CN110017836A所公开的一种
加速度计数字
采样滑窗滤波跨时钟域同步数据传输方法，包括如下步骤：第一步：指令控制及初始化，加速度计处理
电路接收外部下发指令，指令主要控制工作模式、串行传输波特率和触发间隔；触发间隔：根据外部指令确定传输数据间隔，内部触发和外部触发通用，在确定AD工作
频率和传输间隔之后，初始化
滤波器参数；判断工作在内部触发模式还是外部触发模式。
[0003] 但是传统的方法存在如下问题：
[0004] 1、不能对多个试验任务方进行统一评估，不便于企业试验管理部
门对试验任务进行统筹规划，不能取得了企业综合效益最大化的效果。
[0005] 2、不能对试验任务方的试验周期进行有效预测，不利于后续等待的试验任务方合理规划产品用途。
发明内容
[0006] 针对
现有技术中的
缺陷，本发明的目的是提供一种基于滑窗滤波算法的半实物仿真试验任务周期预测方法及系统。
[0007] 根据本发明提供的一种基于滑窗滤波算法的半实物仿真试验任务周期预测方法，包括如下步骤：
[0008] 步骤1：计算试验任务方前期每一次试验任务的效率，及其在本次任务效率预测计算中所占的权值；
[0009] 步骤2：通过滑窗滤波算法模型预测出本次试验任务的效率，结合本次试验任务量计算本次试验任务的预计时间。
[0010] 优选地，所述步骤1包括：
[0011] 计算试验任务方前期各次试验任务效率：
[0012] Ei＝Wi/Di (1)
[0013] 其中Ei为第i次试验任务的效率，Wi为第i次试验的任务量，Di为第i次试验所用的天数。
[0014] 优选地，所述步骤1还包括：
[0015] 确定滤波窗口大小和试验任务方前期各次试验任务效率的权重ci，ci满足下列条件：
[0016]
[0017] n为窗口大小，k表示窗口的起点，ci表示第i次试验任务效率的权重，k≤i≤k+n-1；
[0018] ci采用等差序列确定：
[0019] ci+1-ci＝d (3)
[0020] d为公差，表示前后两次试验任务效率权重的差值；
[0021] 带入式(2)中，得到：
[0022] ck+(ck+d)+(ck+2d)+…+[ck+(n-1)d]＝n (4)
[0023] 求解出：
[0024]
[0025] 其中，ck表示第k次试验任务效率的权重；
[0026] 由此得出所有权重：
[0027]
[0028] 取值过程中，需满足ck≤1，ck越小，越久远的试验任务效率占的权重越小，越新的试验任务效率占的权重越大；
[0029] 当ck取值为1时，各次试验任务的效率权重相同。
[0030] 优选地，所述步骤2包括：
[0031] 采用滑窗滤波算法，计算第k+n次试验的预估试验效率Ek+n，公式如下：
[0032]
[0033] 优选地，所述步骤2还包括：
[0034] 根据公式(7)，结合试验任务方第k+n次试验的任务量，可估计出该次试验所用的时间Pk+n，公式如下：
[0035]
[0036] 其中，Pk+n表示第k+n次试验的预计时间，Wk+n表示第k+n次试验的任务量。
[0038] 模块M1：计算试验任务方前期每一次试验任务的效率，及其在本次任务效率预测计算中所占的权值；
[0039] 模块M2：通过滑窗滤波算法模型预测出本次试验任务的效率，结合本次试验任务量计算本次试验任务的预计时间。
[0040] 优选地，所述模块M1包括：
[0041] 计算试验任务方前期各次试验任务效率：
[0042] Ei＝Wi/Di (1)
[0043] 其中Ei为第i次试验任务的效率，Wi为第i次试验的任务量，Di为第i次试验所用的天数。
[0044] 优选地，所述模块M1还包括：
[0045] 确定滤波窗口大小和试验任务方前期各次试验任务效率的权重ci，ci满足下列条件：
[0046]
[0047] n为窗口大小，k表示窗口的起点，ci表示第i次试验任务效率的权重，k≤i≤k+n-1；
[0048] ci采用等差序列确定：
[0049] ci+1-ci＝d (3)
[0050] d为公差，表示前后两次试验任务效率权重的差值；
[0051] 带入式(2)中，得到：
[0052] ck+(ck+d)+(ck+2d)+…+[ck+(n-1)d]＝n (4)
[0053] 求解出：
[0054]
[0055] 其中，ck表示第k次试验任务效率的权重；
[0056] 由此得出所有权重：
[0057]
[0058] 取值过程中，需满足ck≤1，ck越小，越久远的试验任务效率占的权重越小，越新的试验任务效率占的权重越大；
[0059] 当ck取值为1时，各次试验任务的效率权重相同。
[0060] 优选地，所述模块M2包括：
[0061] 采用滑窗滤波算法，计算第k+n次试验的预估试验效率Ek+n，公式如下：
[0062]
[0063] 优选地，所述模块M2还包括：
[0064] 根据公式(7)，结合试验任务方第k+n次试验的任务量，可估计出该次试验所用的时间Pk+n，公式如下：
[0065]
[0066] 其中，Pk+n表示第k+n次试验的预计时间，Wk+n表示第k+n次试验的任务量。
[0067] 与现有技术相比，本发明具有如下的有益效果：
[0068] 1、通过本发明所述方法，可以对
申请仿真资源的多个试验任务方进行统一评估，从而便于企业试验管理部门对试验任务进行统筹规划，实现有限仿真资源的合理配置，取得了企业综合效益最大化的效果。
[0069] 2、通过本发明所述方法，可以对试验任务方的试验周期进行有效预测，有利于后续等待的试验任务方合理规划产品用途，避免产品闲置浪费，取得了缩短产品的研制周期的效果。
附图说明
[0070] 通过阅读参照以下附图对非限制性
实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0071] 图1为本发明提供的一种基于滑窗滤波算法的半实物仿真试验任务周期预测方法的流程示意图。
[0072] 图2为本发明提供的某任务方的前5次试验任务数据。
具体实施方式
[0073] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
[0074] 如图1所示，根据本发明提供的一种基于滑窗滤波算法的半实物仿真试验任务周期预测方法，包括如下步骤：
[0075] 步骤1：计算试验任务方前期每一次试验任务的效率，及其在本次任务效率预测计算中所占的权值；
[0076] 步骤2：通过滑窗滤波算法模型预测出本次试验任务的效率，结合本次试验任务量计算本次试验任务的预计时间。
[0077] 进一步地，所述步骤1包括：
[0078] 计算试验任务方前期各次试验任务效率：
[0079] Ei＝Wi/Di (1)
[0080] 其中Ei为第i次试验任务的效率，Wi为第i次试验的任务量，Di为第i次试验所用的天数。
[0081] 进一步地，所述步骤1还包括：
[0082] 确定滤波窗口大小和试验任务方前期各次试验任务效率的权重ci，ci满足下列条件：
[0083]
[0084] n为窗口大小，k表示窗口的起点，ci表示第i次试验任务效率的权重，k≤i≤k+n-1；
[0085] ci采用等差序列确定：
[0086] ci+1-ci＝d (3)
[0087] d为公差，表示前后两次试验任务效率权重的差值；
[0088] 带入式(2)中，得到：
[0089] ck+(ck+d)+(ck+2d)+…+[ck+(n-1)d]＝n (4)
[0090] 求解出：
[0091]
[0092] 其中，ck表示第k次试验任务效率的权重；
[0093] 由此得出所有权重：
[0094]
[0095] 取值过程中，需满足ck≤1，ck越小，越久远的试验任务效率占的权重越小，越新的试验任务效率占的权重越大；
[0096] 当ck取值为1时，各次试验任务的效率权重相同。
[0097] 进一步地，所述步骤2包括：
[0098] 采用滑窗滤波算法，计算第k+n次试验的预估试验效率Ek+n，公式如下：
[0099]
[0100] 进一步地，所述步骤2还包括：
[0101] 根据公式(7)，结合试验任务方第k+n次试验的任务量，可估计出该次试验所用的时间Pk+n，公式如下：
[0102]
[0103] 其中，Pk+n表示第k+n次试验的预计时间，Wk+n表示第k+n次试验的任务量。
[0104] 进一步地，包括如下模块M：
[0105] 模块M1：计算试验任务方前期每一次试验任务的效率，及其在本次任务效率预测计算中所占的权值；
[0106] 模块M2：通过滑窗滤波算法模型预测出本次试验任务的效率，结合本次试验任务量计算本次试验任务的预计时间。
[0107] 进一步地，所述模块M1包括：
[0108] 计算试验任务方前期各次试验任务效率：
[0109] Ei＝Wi/Di (1)
[0110] 其中Ei为第i次试验任务的效率，Wi为第i次试验的任务量，Di为第i次试验所用的天数。
[0111] 进一步地，所述模块M1还包括：
[0112] 确定滤波窗口大小和试验任务方前期各次试验任务效率的权重ci，ci满足下列条件：
[0113]
[0114] n为窗口大小，k表示窗口的起点，ci表示第i次试验任务效率的权重，k≤i≤k+n-1；
[0115] ci采用等差序列确定：
[0116] ci+1-ci＝d (3)
[0117] d为公差，表示前后两次试验任务效率权重的差值；
[0118] 带入式(2)中，得到：
[0119] ck+(ck+d)+(ck+2d)+…+[ck+(n-1)d]＝n (4)
[0120] 求解出：
[0121]
[0122] 其中，ck表示第k次试验任务效率的权重；
[0123] 由此得出所有权重：
[0124]
[0125] 取值过程中，需满足ck≤1，ck越小，越久远的试验任务效率占的权重越小，越新的试验任务效率占的权重越大；
[0126] 当ck取值为1时，各次试验任务的效率权重相同。
[0127] 进一步地，所述模块M2包括：
[0128] 采用滑窗滤波算法，计算第k+n次试验的预估试验效率Ek+n，公式如下：
[0129]
[0130] 进一步地，所述模块M2还包括：
[0131] 根据公式(7)，结合试验任务方第k+n次试验的任务量，可估计出该次试验所用的时间Pk+n，公式如下：
[0132]
[0133] 其中，Pk+n表示第k+n次试验的预计时间，Wk+n表示第k+n次试验的任务量。
[0134] 在优选例中，用某参试任务方前5次试验任务的数据，对本次试验任务的周期进行预测。前5次试验任务的数据如图2所示，其中试验任务量为试验状态数量与试验状态重复次数的乘积。
[0135] 依据
权利要求2，前5次试验任务的效率计算结果如下：
[0136]
[0137] 依据权利要求3，计算前5次试验任务的效率在本次任务效率预测计算中所占的权值。
[0138] 用前5次试验任务的数据对本次试验任务的周期进行预测，则窗口n的值为5，窗口的起点k的值为1。取第1次试验任务效率的权重c1的值为0.5，则
[0139]
[0140] 根据等差数列算法，可得出所有试验任务效率权重：
[0141]
[0142] 依据权利要求4，通过滑窗滤波算法模型，预测出本次试验任务的效率E6：
[0143] E6＝(c1·E1+c2·E2+c3·E3+c4·E4+c5·E5)/n
[0144] ＝(c1·P1·Q1/D1+c2·P2·Q2/D2+c3·P3·Q3/D3+c4·P4·Q4/D4+c4·P5·Q5/D5)/n[0145] ＝2.90
[0146] ......(12)[0147] 依据权利要求5，根据本次试验任务量和预测的本次试验任务效率，计算本次试验任务的预计周期。
[0148] 假设本次试验状态数量P6＝5，试验重复次数Q6＝10，则本次试验任务预计周期计算如下：
[0149] D6＝W6/E6＝P6·Q6/E6≈18 (13)
[0150] 即本次试验任务的预计周期为18天。
[0151] 本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以
逻辑门、
开关、
专用集成电路、可编程逻辑
控制器以及嵌入式
微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种
硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的
软件模块又可以是硬件部件内的结构。
[0152] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或
修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
