[发明专利]一种基于未确知深度理论的复杂系统健康状态评估方法

权利要求书

1.一种基于未确知深度理论的复杂系统健康状态评估方法，其特征在于：包括如下步骤：

(1)通过传感器采集系统中对应于传感器位置的测量点的数据；

(2)对采集到的数据进行预处理；

(3)根据采集到的数据与对应传感器的健康状态的映射关系，设定未确知测度函数；

(4)根据未确知测度函数，构建单传感器的未确知测度矩阵；

(5)根据未确知测度函数，构建子系统的未确知测度矩阵；

(6)对系统中各传感器，计算不同时刻点的权重分配；

(7)对系统中各传感器，计算不同传感器的权重分配；

(8)根据单传感器的未确知测度矩阵和不同时刻点的权重分配，计算各传感器的未确知隶属度参数；

(9)根据子系统的未确知测度矩阵和不同传感器的权重分配，计算子系统的未确知隶属度参数；

(10)分别计算各传感器的健康因子和子系统的健康因子；

(11)将最低的健康因子作为系统最终的健康因子；

所述步骤(4)中，针对第i个传感器在时间点j＝1,2,…,m处，其未确知测度评估矩阵记做：UME_i＝(ume_ijk)_m×n(j＝1,2,…,m；k＝1,2,…,n)，其格式为：

其中，i代表需计算的敏感单元序号，j代表数据所在的时间序列的位置，k代表未确知评估指标集的序号，ume_ijk是在时间点j处，评估集指标为k时敏感单元i对应的未确知函数值；

所述步骤(5)中，针对多功能传感器，在第j个时刻点所对应的未确知测度评估矩阵记为：UME_j＝(ume_ijk)_m×n(i＝1,2,…,m；k＝1,2,…,n)，其格式为：

其中，j代表时间点序列，i代表所对应的敏感单元序号，k代表评估指标集的序号，是在时间点j处，评估集指标为k时敏感单元i对应的未确知函数值；

所述步骤(6)中，计算权重分配的方法采用层次分析法；

所述步骤(7)中，计算权重分配的方法采用熵权法。

2.如权利要求1所述的基于未确知深度理论的复杂系统健康状态评估方法，其特征在于：在所述步骤(2)中，使用正态函数实现对未确知测度函数的特征值分配以完成构建。

3.如权利要求1所述的基于未确知深度理论的复杂系统健康状态评估方法，其特征在于：所述步骤(11)中计算方法采用卷积神经网络。

4.如权利要求1所述的基于未确知深度理论的复杂系统健康状态评估方法，其特征在于：所述步骤(6)分为如下步骤：

(6.1)计算传感器的时序偏差向量；

(6.2)应用偏差值构建两两比较的健康评估矩阵BCM_i；

(6.3)求解健康评估矩阵BCM_i的特征值λ和特征向量α，并选出最大特征值λ_max和对应的特征向量α_max；

(6.4)进行一致性检验。

5.如权利要求1所述的基于未确知深度理论的复杂系统健康状态评估方法，其特征在于：所述步骤(7)分为如下步骤：

(7.1)构建未确知测度评估矩阵；

(7.2)计算所有未确知评估指标集对应的概率百分比函数，其中敏感单元在评估指标k下的概率百分比函数为p_ik；

(7.3)计算所有敏感单元的信息熵E，其中敏感单元i的信息熵为E_i；

(7.4)计算所有敏感单元信息熵的偏差G，其中敏感单元i的信息熵偏差为G_i；

(7.5)根据信息熵E和G计算权重分配的权重分布向量W。