[發(fā)明專利]基于機(jī)器學(xué)習(xí)的模型參數(shù)獲取方法、系統(tǒng)及可讀介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110483532.5
• 申請(qǐng)日: 2021-04-30
• 公開（公告）號(hào): CN113191082B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 顧亞;朱培逸;李向麗;魯明麗
• 申請(qǐng)（專利權(quán)）人: 常熟理工學(xué)院
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N7/00;G06F17/18;G06F17/11
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 滕詣迪

1.一種基于機(jī)器學(xué)習(xí)的模型參數(shù)獲取方法，其特征在于：

建立延遲狀態(tài)空間模型，

其中，{x_t}是精餾塔精餾過程中不可測量的狀態(tài)；輸入{u_t,t＝1,2,...,L}是精餾塔的回流流量和再沸器加熱流量，并且在每個(gè)采樣周期Δt可測量；頂部產(chǎn)物的組成是不規(guī)則采樣的輸出，僅在時(shí)刻t＝T_i·Δt且具有未知的時(shí)間延遲λ_i·Δt時(shí)才可用，每個(gè)數(shù)據(jù)樣本的延遲有所不同；ω_t和分別是精餾過程噪聲和測量噪聲；ω_t和是分別具有協(xié)方差矩陣Q和R的獨(dú)立且分布均勻的高斯噪聲；延遲λ_i為遵循任何離散分布的隨機(jī)整數(shù)；

建立全局模型，即每個(gè)局部模型的加權(quán)插值，采用指數(shù)加權(quán)函數(shù)來表示每個(gè)局部模型的權(quán)重；

通過機(jī)器學(xué)習(xí)算法即EM算法確定參數(shù)估計(jì)，所述的延遲狀態(tài)空間模型，引入一個(gè)隱藏變量表示在時(shí)間t生效的子模型，得到輸出模型；

利用貝葉斯規(guī)則得出延遲的概率，使用卡爾曼濾波器對(duì)這些密度函數(shù)進(jìn)行數(shù)值計(jì)算；用當(dāng)前估計(jì)的參數(shù)Θ^k評(píng)估Q函數(shù)，在下一個(gè)最大化步驟中，通過最大化Q函數(shù)獲得新參數(shù)Θ^k+1；為了最大化Q函數(shù)，對(duì)每個(gè)參數(shù)執(zhí)行微分運(yùn)算；通過將導(dǎo)數(shù)等于零來計(jì)算每次迭代時(shí)系統(tǒng)參數(shù)的最佳估計(jì)；

通過EM算法確定參數(shù)估計(jì)：

對(duì)于所提出的狀態(tài)空間模型，引入一個(gè)隱藏變量I_t表示在時(shí)間t生效的子模型；數(shù)據(jù)集C_obs為{u₁,...,u_Τ}和{H₁,...,H_Τ}，隱藏狀態(tài)X＝{x₁,...,x_Τ}，則隱藏的模型特性I＝{I₁,...,I_Τ}和時(shí)間延遲λ_i看作是潛在數(shù)據(jù)C_mis；Q函數(shù)為

其中，τ_ik為延遲的概率，為精餾在T_i時(shí)刻的輸出，為精餾在T_i-λ_i時(shí)刻的狀態(tài)估計(jì)值，λ_i為延遲，k、N為正整數(shù)，T為時(shí)間，C為常數(shù)；將第j^th個(gè)局部模型在第t^th個(gè)采樣時(shí)間生效的概率計(jì)算為

其中，H_t表示在時(shí)間t的調(diào)度變量的測量值，H_j是第j^th個(gè)工作點(diǎn)，σ_j表示第j^th個(gè)局部模型的有效寬度；

使用移位算子的屬性，狀態(tài)方程改寫為

x_t＝(zI-A)^-1bu_t+(zI-A)^-1w_t

假設(shè)ω_t＝0，得到輸出方程：傳遞函數(shù)為

其中，α(z)是傳遞函數(shù)的分母，即系統(tǒng)的特征多項(xiàng)式，而β(z)是傳遞函數(shù)的分子，由下式定義

α(z)：＝z^-ndet[zI-A]

＝z^-n(zⁿ+α₁z^n-1+α₂z^n-2+…+α_n)

＝1+α₁z^-1+α₂z^-2+…+α_nz^-n，

β(z)：＝z^-ncadj[zI-A]b

＝β₀+β₁z^-1+β₂z^-1+…+β_nz^-n

OE模型和FIR模型的參數(shù)之間的關(guān)系描述為

f₀＝β₀，

輸出誤差OE或傳遞函數(shù)模型已被廣泛用于設(shè)計(jì)高級(jí)控制，一個(gè)多慮輸出誤差模型為：

用來近似由下式給出的階數(shù)n_f的方程

定義信息向量和參數(shù)向量θ為

綜上，得到輸出模型：