本技术涉及健康评估，特别是涉及一种激光陀螺仪健康状态评估方法、装置、设备及存储介质。
背景技术：
1、近年来，物联网、大数据、数字孪生、人工智能等新一代信息技术飞速发展，带来了大量的决策信息。对及时准确决策的挑战不再是缺乏信息，而是理解和管理不可靠、不完整、欺骗性和相互冲突的信息所带来的固有不确定性的风险。因此，对不确定性的深刻理解是实现科学合理决策的重要前提。
2、由于对不确定性及其属性的认识不同，人们对不确定性的理解也不尽相同。从认知特征来看，它可以分为先验不确定性和认识不确定性。从属性维度的角度来看，它包括随机性、模糊性、不完全性、空虚性、含糊性、不准确性、不和谐性、非特定性、复合不确定性等。为了解决决策中的各种不确定性，已经开发了几种具有代表性的方法，如概率论、模糊集理论、粗糙集理论、证据论、决策论、机器/深度学习相关理论等。需要注意的是，这些理论在不同领域都有很好的应用。
3、关于独立证据组合，d-s证据理论最早由dempster于1967年提出，由shafer于1976年提出。然而，d-s规则在处理高度矛盾的证据时存在严重的“反直觉”问题，认为证据是完全重要和可靠的。1994年，yang和singh提出了证据推理（er）方法，该方法改进了d-s规则，并很好地应用于不确定条件下的多属性决策问题。为了增强er方法处理区间不确定性的能力，提出了两种类型的区间证据推理（ier）方法，分别对区间命题和区间置信度进行建模。2013年，yang和xu提出了具有证据权重和可靠性的er规则，扩展了d-s规则和er方法。使用似然分析，er规则已被证明是传统贝叶斯规则的广义形式。
4、关于相关证据组合，yang和xu提出了最大似然证据推理（maximum likelihoodevidential reasoning, maker），引入边际概率和联合概率来获取证据的相关性系数。在随后的研究中，maker得到了改进，并在不同领域得到了应用。例如，kong等人构建了一个基于maker的创伤管理决策临床决策支持系统。he等人结合主成分分析设计了一种基于maker的数据分类器。
5、然而，当面对大量证据时，受个人经验和知识的限制，专家通常倾向于给出区间形式的证据参数，而不是清晰的值，另外，区间不确定性的表现形式是广泛的，包括区间命题、区间参考值、区间置信度和其他区间证据参数。其次，证据相关性的定义各不相同，具有代表性的相关测度包括皮尔逊系数、余弦相似性、斯皮尔曼系数、肯德尔相关系数、互信息等。如果证据存在区间不确定性，如何分析证据相关性还处于初级阶段。此外，在时间序列的背景下，证据应该是动态的，这对证据组合规则的设计提出了很大的挑战。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种激光陀螺仪健康状态评估方法、装置、设备及存储介质。
2、一种激光陀螺仪健康状态评估方法，所述方法包括：
3、对激光陀螺仪的健康评估证据进行不确定性建模，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间、区间权重以及可靠度；
4、建立基于两条健康评估证据的区间证据推理规则；所述区间证据推理规则是根据两条健康评估证据进行区间证据融合后得到的区间置信分布以及混合概率质量表示；
5、根据所述区间证据推理规则，构建优化模型，根据所述优化模型以及所述健康评估证据的置信区间、区间权重以及可靠度，输出激光陀螺仪的健康评估证据的最优区间，以此得到激光陀螺仪健康状态。
6、在其中一个实施例中，还包括：根据健康评估证据的辨识框架的参考值区间以及健康评估证据的观测值区间，得到健康评估证据的置信区间为：
7、当观测值区间在参考值区间内时，区间置信度的表达式为：
8、；
9、其中，分别表示参考值区间的上界和下界，表示参考值，分别表示观测值区间的上界和下界，表示辨识框架中的第个等级，表示辨识框架的等级数量，和分别表示隶属于等级的置信度的上界和下界，和分别表示隶属于等级的置信度的上界和下界；
10、证据的置信分布表示为：
11、；
12、其中，；
13、当观测值区间在跨越参考值区间时，区间置信度的表达式为：
14、；
15、其中，和分别表示隶属于等级的置信度的上界和下界；
16、证据的置信分布表示为：
17、；
18、其中，。
19、在其中一个实施例中，还包括：证据在第次采样中时间内的均值和方差分别：
20、；
21、；
22、其中，表示第次采样中时刻来自证据的数据，表示均值，表示方差；
23、采用变异系数法和蒙特卡洛仿真，计算证据在第次采样中时间内的区间权重为：
24、；
25、其中，和分别表示区间证据权重的上界和下界。
26、在其中一个实施例中，还包括：获取证据在第次采样中时间内的满足阈值要求的观测数据的数量，计算证据的可靠度为：
27、；
28、其中，表示可靠度；
29、根据时间内所有的采样结果，计算可靠度为：
30、；
31、其中，和分别表示可靠度的上界和下界。
32、在其中一个实施例中，还包括：计算证据和的区间相似度为：
33、；
34、其中，是和中第大的数，是符号函数；
35、根据所述可靠度对所有证据进行排序，基于排序结果，得到 l条证据的相关性矩阵为：
36、；
37、根据所述相关性矩阵，计算证据与其它证据之间的区间相关性系数为：
38、；
39、其中，是一个时变量，且。
40、在其中一个实施例中，还包括：对任意一条健康评估证据进行建模为：
41、；
42、其中，表示辨识框架，表示辨识框架的等级，表示时刻证据分配给等级的区间置信度，；
43、计算证据的混合概率质量为：
44、；
45、其中，表示混合概率质量，表示混合权重；
46、混合权重的表达式为：
47、。
48、在其中一个实施例中，还包括：根据所述区间证据推理规则，构建优化模型为：
49、；
50、其中，和分别表示区间权重的下界和上界，和分别表示可靠度的下界和上界，和分别表示的下界和上界，表示的效用。
51、一种激光陀螺仪健康状态评估装置，所述装置包括：
52、不确定性建模模块，用于对激光陀螺仪的健康评估证据进行不确定性建模，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间、区间权重以及可靠度；
53、区间证据推理规则建立模块，用于建立基于两条健康评估证据的区间证据推理规则；所述区间证据推理规则是根据两条健康评估证据进行区间证据融合后得到的区间置信分布以及混合概率质量表示；
54、状态评估模块，用于根据所述区间证据推理规则，构建优化模型，根据所述优化模型以及所述健康评估证据的置信区间、区间权重以及可靠度，输出激光陀螺仪的健康评估证据的最优区间，以此得到激光陀螺仪健康状态。
55、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
56、对激光陀螺仪的健康评估证据进行不确定性建模，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间、区间权重以及可靠度；
57、建立基于两条健康评估证据的区间证据推理规则；所述区间证据推理规则是根据两条健康评估证据进行区间证据融合后得到的区间置信分布以及混合概率质量表示；
58、根据所述区间证据推理规则，构建优化模型，根据所述优化模型以及所述健康评估证据的置信区间、区间权重以及可靠度，输出激光陀螺仪的健康评估证据的最优区间，以此得到激光陀螺仪健康状态。
59、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
60、对激光陀螺仪的健康评估证据进行不确定性建模，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间、区间权重以及可靠度；
61、建立基于两条健康评估证据的区间证据推理规则；所述区间证据推理规则是根据两条健康评估证据进行区间证据融合后得到的区间置信分布以及混合概率质量表示；
62、根据所述区间证据推理规则，构建优化模型，根据所述优化模型以及所述健康评估证据的置信区间、区间权重以及可靠度，输出激光陀螺仪的健康评估证据的最优区间，以此得到激光陀螺仪健康状态。
63、上述激光陀螺仪健康状态评估方法、装置、设备及存储介质，首先根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间、区间权重以及可靠度，实现了区间不确定性的统一建模，其次建立基于两条健康评估证据的区间证据推理规则，并且实现了区间证据融合得到的区间置信分布以及混合概率质量表示，以此根据区间证据推理规则，构建优化模型，得到最优的健康评估结果。
1.一种激光陀螺仪健康状态评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的置信区间，包括：
3.根据权利要求2所述的方法，其特征在于，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的区间权重，包括：
4.根据权利要求3所述的方法，其特征在于，根据建立的不确定性建模对输入的健康评估证据进行计算，得到健康评估证据的可靠度，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，根据两条健康评估证据进行区间证据融合后得到的区间置信分布以及混合概率质量表示，包括：
7.根据权利要求6所述的方法，其特征在于，根据所述区间证据推理规则，构建优化模型，包括：
8.一种激光陀螺仪健康状态评估装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
