[发明专利]基于交叉熵法的多模式下设备的健康度评估方法及系统

权利要求书

1.一种基于交叉熵法的多模式下设备的健康度评估方法，其特征在于，包括：

获取设备或设备内一部件的健康数据和运行数据；

对获取到的健康数据和运行数据分别进行特征提取，形成健康特征数据库和运行特征数据库；

根据健康特征数据库内的数据采用交叉熵法确定高斯混合模型内高斯模式的个数；

采用以下步骤确定高斯混合模型内的高斯模式的个数：

步骤S31、初始化模式个数M；

步骤S32、以模式个数M用交叉熵法计算高斯混合模型；

高斯混合模型表示为：

其中，x表示数据点，μ为概率密度函数g(x；μ,∑)的中心点，∑为概率密度函数g(x；μ,∑)的共变异矩阵，θ＝(ω₁···ω_m,μ₁···μ_m,∑₁···∑_m)，ω₁···ω_m需要满足：

在所有θ的集合Ω中确定使目标函数取得最大值的高斯混合模型的参数，所述目标函数为：

高斯混合模型的参数的确定步骤为：

第一步，在Ω空间内根据指定的抽样分布函数产生多个随机样本并计算每个随机样本所对应的目标函数的值；

第二步，根据计算所得的目标函数的值对多个随机样本进行降序排序，选取前N^elite个随机样本更新抽样分布函数各参数；

第三步，在满足迭代条件的情况下，以更新的抽样分布函数重复第一步和第二步，直到迭代终止；

选取抽样分布函数为独立高斯分布，θ的每一个参数θ_i都服从一个一维的高斯分布其中，为方差向量，a_i为均值向量；

高斯混合模型的参数采用以下步骤进行确定：

步骤S321、初始化a和b²，得到a₀和b₀²，并设置迭代次数t＝1；

步骤S322、按照产生θ的多个随机样本Θ₁,…Θ_N；

步骤S323、根据每个随机样本计算目标函数的值；

步骤S324、将产生的多个随机样本按照目标函数的计算值进行降序排列，并选取前N^elite个随机样本，计算前N^elite个随机样本的均值向量和方差向量并根据以下公式更新a和b²：

其中α为介于0～1之间的一个数值；

步骤S325、判断是否满足迭代条件；

若不满足迭代条件，根据更新后的a和b²重复步骤S323至S325，重新计算目标函数的值，直到终止条件满足，确定使目标函数取得最大值的高斯混合模型的参数；

否则，迭代结束，确定高斯混合模型的参数；

步骤S33、判断计算所得的高斯混合模型是否过拟合；

当计算所得的高斯混合模型内存在任意两个模式间的重合度大于重合度阈值λ或计算所得的高斯混合模型内多个模式的最小权重ω小于权重阈值ρ时均判断计算所得的高斯混合模型过拟合；

步骤S34、若是，输出高斯混合模型的模式个数为M-1；

步骤S35、若否，将M加1并判断M加1是否小于最大迭代个数M_max；

若是，重复步骤S32至S35；

根据健康特征数据库内的数据和确定的高斯模式的个数建立健康高斯混合模型，根据运行特征数据库和确定的高斯模式的个数建立运行高斯混合模型；

计算多模式情况下健康高斯混合模型和运行高斯混合模型的重合度；

根据计算得到的重合度评估该设备或部件的健康度。

2.根据权利要求1所述的基于交叉熵法的多模式下设备的健康度评估方法，其特征在于，采用以下公式计算健康高斯混合模型和运行高斯混合模型的重合度：

g₁(x；μ₁,Σ₁)为健康高斯混合模型，g₂(x；μ₂,Σ₂)为运行高斯混合模型。