[发明专利]一种融合不完整监测序列的层次系统结构函数学习方法

权利要求书

1.一种融合不完整监测序列的层次系统结构函数学习方法，其特征在于，包括：

S1、基于层次系统的内部结构关系构建系统的动态贝叶斯网络结构；所述层次系统具体为电子机械传动器系统，电子机械传动器系统包括2个相同类型的脉宽调制控制器、2个相同类型的直流电机和1个电源供应器；2个相同类型的脉宽调制控制器分别记为脉宽调制控制器#1、脉宽调制控制器#2，2个相同类型的直流电机分别记为直流电机#1、直流电机#2；脉宽调制控制器#1和直流电机#1共同组成执行机构伺服驱动子系统#1，脉宽调制控制器#2和直流电机#2共同组成执行机构伺服驱动子系统#2；

S2、利用不同时刻下在部件、子系统和系统层次监测到的状态信息，更新S1步骤所建成的动态贝叶斯网络中各节点与其父节点的联合状态概率分布；部件包括：脉宽调制控制器#1、直流电机#1、脉宽调制控制器#2、直流电机#2和电源供应器#1，脉宽调制控制器#1、直流电机#1、脉宽调制控制器#2、直流电机#2和电源供应器#1依次记为部件#1、部件#2、部件#3、部件#4、部件#5，部件#1、部件#2、部件#3、部件#4、部件#5在贝叶斯网络中分别表示为部件节点U₁(t)、部件节点U₂(t)、部件节点U₃(t)、部件节点U₄(t)和部件节点U₅(t)；

子系统包括：执行机构伺服驱动子系统#1、执行机构伺服驱动子系统#2以及执行机构伺服驱动子系统#1与执行机构伺服驱动子系统#2共同组成的子系统，执行机构伺服驱动子系统#1、执行机构伺服驱动子系统#2以及执行机构伺服驱动子系统#1与执行机构伺服驱动子系统#2共同组成的子系统分别记为子系统#1、子系统#2、子系统#3，子系统#1、子系统#2、子系统#3在贝叶斯网络中分别表示为子系统节点S₁(t)、子系统节点S₂(t)、子系统节点S₃(t)；

电子机械传动器系统在贝叶斯网络中表示为系统节点S(t)；

S3、利用步骤S2中获得的各节点与其父节点的联合状态概率分布，基于期望最大化算法估计动态贝叶斯网络中节点条件概率表的未知参数，即系统结构函数参数；

步骤S3具体为：若所得的系统结构函数参数估计值满足收敛条件，则得到最终的系统结构函数参数估计结果；否则，利用所得的系统结构函数参数估计值更新动态贝叶斯网络的节点条件概率表中的待估计未知参数，返回步骤S2，直至满足收敛条件后终止；

用和分别表示子系统#1和子系统#2在其父节点处于第j个状态组合下，其自身处于状态k的未知参数和的估计结果，则有：

其中，k∈{1,2,3,4}，j∈{1,2,...,16}，pa(S₁)表示S₁的父节点，pa(S₂)表示S₂的父节点，D表示状态监测序列数据；

用表示系统节点在其父节点处于第j个状态组合下，其自身处于状态k的未知参数的估计结果，则有：

其中，pa(S)表示S的父节点；

终止条件为：

|ln(Pr{D|Θ^unknown,new,Θ^known})-ln(Pr{D|Θ^unknown,old,Θ^known})|≤ε

其中，Θ^known为动态贝叶斯网络中已知的参数，Θ^unknown,old和Θ^unknown,new分别为相邻两次迭代下的未知参数估计值，ε为阈值。