买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于指数最优平滑正则化的时滞工业系统线性变参数建模方法，属于系统辨识及工业自动化技术领域。本发明针对现有工业系统采用的建模方法将模型参数与时滞参数分步估计，累计误差大并且造成模型精度低的问题。包括建立局部线性有限脉冲响应时滞模型，并得到时滞工业系统的全局模型；在概率框架下引入模型身份隐变量，基于局部输出分布特性得到全局模型全局输出的概率密度函数；再基于指数最优平滑正则化方法构造平滑矩阵，得到局部模型参数先验分布；建立观测数据集和缺失数据集，基于广义期望最大化算法得到全局模型参数的迭代更新公式，算法收敛获得全局模型参数估计值，实现全局模型的建模。本发明用于时滞工业系统线性变参数建模。

主权项：1.一种基于指数最优平滑正则化的时滞工业系统线性变参数建模方法，其特征在于，基于时滞工业系统的非线性特性，建立给定工作点处的局部线性有限脉冲响应时滞模型；将所有局部线性有限脉冲响应时滞模型进行加权组合，得到时滞工业系统的全局模型；在概率框架下，引入模型身份隐变量，基于局部线性有限脉冲响应时滞模型的局部输出分布特性，得到全局模型全局输出的概率密度函数；根据时滞工业系统的有限脉冲响应系数呈负指数衰减的先验知识，基于指数最优平滑正则化方法构造平滑矩阵，并得到局部线性有限脉冲响应时滞模型的局部模型参数先验分布；建立观测数据集和缺失数据集，在广义期望最大化算法框架下进行全局模型参数的迭代估计，最终得到的最优全局模型参数使全局模型全局输出的对数似然函数取极值，实现全局模型的建模；全局模型参数的迭代估计方法为：由观测数据集和缺失数据集构建完整数据集，计算完整数据集的对数似然函数；再基于广义期望最大化算法框架，计算完整数据集在观测数据集和当前全局模型参数估计条件下关于模型身份隐变量和时滞变量的数学期望，并确定所述数学期望中的未知后验概率；计算全局模型参数的联合概率分布，并构建全局模型参数的待优化损失函数；对待优化损失函数关于所有全局模型参数求极值，得到全局模型参数的更新公式，并计算得到全局模型参数的更新值，直到计算得到的全局模型参数满足收敛条件，确定最优全局模型参数，根据最优全局模型参数计算得到最优时滞变量。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于指数最优平滑正则化的时滞工业系统线性变参数建模方法