[发明专利]一种基于混合专家网络的产品可靠性评估方法

摘要

本发明涉及一种基于混合专家网络的产品可靠性评估方法，属于数据处理技术领域。本发明采用分层的混合专家网络，该分层混合专家网络结构为一棵完全二叉树结构，包括多层专家系统和多层门网。其中底层专家系统即叶子节点，是步骤二得到的n个底层拟合模型。每两层相邻专家系统之间有一层门网。非叶子节点为其下一层专家系统中的两个子节点的输出分别乘以对应的门网输出参数后相加得到。混合专家网络根节点的输出为最终产品可靠性评估结果。本方法可以剔除人为选择模型的过程，减少了人工干预，提高了自动化过程。拓展了退化数据分析方法的适用范围，增加了该方法的可用性。

主权项

1.一种基于混合专家网络的产品可靠性评估方法，其特征在于：包括以下步骤：步骤一、对性能退化数据做相应的归一化处理，将性能退化数据的时间和退化量统一到同一数量级上；输入的性能退化数据为包含时间和退化量的二维数据组(t_k，x_k)，输入数据总数为m；对时间和退化量的归一化规则为：t′_k=t_k／max(t)x′_k=x_k／max(x)其中t_k为第k个数据对应的输入时刻，t′_k为第k个数据输入时刻的归一化结果；k=1，2，…，m；m为输入的数据总数，max(t)为输入时刻t_k的最大值；x_k为第k个数据输入时刻的退化量，max(x)为所有退化量中的最大值，x′_k为第k个数据输入时刻的归一化退化量；步骤二、应用归一化处理后的数据对产品退化轨迹数据模型进行模型拟合；将步骤一归一化得到的数据输入产品退化轨迹所涉及的n个数据模型，根据输出数据，推导出模型参数，代入模型，得到n个底层拟合模型；步骤三、将步骤一得到的归一化数据输入步骤二得到的底层拟合模型，计算得到拟合结果；将拟合结果和真实测量数据作为训练数据，根据贝叶斯概率理论以及期望最大化方法调整门网内部参数，进而调整门网针对输入数据的输出参数；本发明采用分层的混合专家网络，该分层混合专家网络结构为一棵完全二叉树结构，包括多层专家系统和多层门网；其中底层专家系统即叶子节点，是步骤二得到的n个底层拟合模型；每两层相邻专家系统之间有一层门网；非叶子节点为其下一层专家系统中的两个子节点的输出分别乘以对应的门网输出参数后相加得到；混合专家网络根节点的输出为最终产品可靠性评估结果；门网参数的具体训练方法为：步骤3.1，训练数据分别输入到各个底层拟合模型以及各个底层门网中，计算模型输出以及门网输出参数；二叉树型的分层混合专家网络叶子节点数为n，n为2的幂级数，共有层；i表示该混合专家网络的层级，最上层为根节点层，训练过程中的层级最大值为i的取值范围为叶子节点层为第1层，每层的节点总数为n／2^i-1个；j表示第i层的节点计数；当层级i=1时，对于底层专家系统的第j个拟合模型，输入归一化退化量x′_k对应的拟合退化时间为最后计算输出结果μ_1jk：μ1jk=f1j-1(xk′)]]>上式中为步骤二中训练的第j个底层拟合模型的反函数；步骤3.2，计算以第j个底层拟合模型的失效时间为均值的正态分布P_jk：P_jk=αexp(-(t′_k-μ_1jk)²)上式中α为常数，μ_1jk为第j个底层拟合模型的输出结果，t′_k为实际第k个数据输入时刻的归一化数；步骤3.3，计算分层结构中第i层门网的输出参数为：当j为奇数时，gijk=evijTxk′evijTxk′+evij+1Txk′]]>当j为偶数时，gijk=evijTxk′evij-1Txk′+evijTxk′]]>上式中x′_k为输入退化量，c_ij为底层门网参数向量，初始值为1，且有二叉树计数规则1<=j<=n／2^i-1；通过模型组合的一般方法得到组合后各个分层混合专家网络非叶子节点的输出值为：μ_(i+1)jk=μ_i(2j-1)kg_i(2y-1)k+μ_i(2j)kg_i(2j)k步骤3.4，采用贝叶斯概率论以及期望最大化方法调节门网参数；由于对任意输入x_k，所有的g_ijk和g_i(j-1)k，j为偶数，将其看作先验概率，依据贝叶斯法则计算后验概率hijk：j为奇数时，hijk=PijkgijkPijkgijk+Pij+1kgij+1k]]>j为偶数时，hijk=PijkgijkPijkgijk+Pij-1kgij-1k]]>上两式中，当i=1时，P_ijk为上述的第j个底层模型失效为均值的正态分布为P_jk，当i>1时，P_ijk如下式所示：P_ijk＝P_(i-1)(2j-1)kg_(i-1)(2j-i)k+P_(i-1)(2j)kg_(i-1)(2j)k步骤3.5，采用期望最大化算法，计算用于调节门网参数的调节参数为：Sijk=λ-1Sij(-1)-λ-1Sij(k-1)xk′xk′TSij(k-1)λ[hijk]-1+xk′TSij(k-1)xk′,k>=2]]>上式中λ为衰减因子是一个常数，当k=1时，S_ijk=1；当i取最大值时，即时，h_ijk＝1；步骤3.6，最后调整门网内部参数的调整公式为：v_ij(k+1)=v_ijk+S_ijkh_{(i+1)((j+1)／2)k}(1nh_ijk-g_ijkμ_ijk)x_k上式中v_ijk为第i层的第(j+1)／2个门网的内部参数；h_{(i+1)((j+1)／2)k}为h_ijk对应节点的父节点的后验概率；当最上层时，公式中的h_{(i+1)((j+1)／2)k}=1；步骤3.7，迭代步骤3.3至步骤3.6，直到得到满足收敛门限，得到各个门网内部参数；步骤四、根据步骤三训练好的门网和基础模型以及失效阈值计算伪失效寿命；伪失效寿命计算步骤如下：步骤4.1，用户输入失效阈值x_th，归一化后，带入底层专家系统得到每个模型对应的输出结果；x′_th=x_th/ max(x)μ_1jth=f_1j(x′_th)max(x)值与步骤三中的归一化的分母值相同；步骤4.2，将失效阈值带入步骤三训练好的混合专家模型计算门网输出参数；gijth=evijTxth′evijTxth′+evij+1Txth′,]]>j为奇数时gijth=evijTxth′evij-1Txth′+evijTxth′,]]>j为偶数时步骤4.3，由门网输出参数以及步骤二各个模型的输出结果，计算最后的混合结果；μ_(i+1)jth=μ_i(2j-1)ghg_i(2j-1)th+μ_i(2j)thg_i(2j)th从i=1到迭代上式，最后得到的即失效时间；步骤4.4，将步骤4.3的结果进行反归一化；t_th=t′_th*max(t)步骤五、根据步骤四得到的产品伪失效寿命绘画可靠性曲线，进行可靠性评估。