[发明专利]一种基于随机变分贝叶斯学习的压力传感器标定装置温度建模方法有效
申请号: | 202111457681.0 | 申请日: | 2021-12-02 |
公开(公告)号: | CN114136538B | 公开(公告)日: | 2023-09-05 |
发明(设计)人: | 刘切;李俊豪;王浩;柴毅 | 申请(专利权)人: | 重庆大学 |
主分类号: | G01L25/00 | 分类号: | G01L25/00;G01L27/00;G06N7/01 |
代理公司: | 重庆市嘉允启行专利代理事务所(普通合伙) 50243 | 代理人: | 胡柯 |
地址: | 400044 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 随机 分贝 学习 压力传感器 标定 装置 温度 建模 方法 | ||
1.一种基于随机变分贝叶斯学习的压力传感器标定装置温度建模方法,其特征在于,所述方法包括以下步骤:
1)以△T为采样间隔,采集压力传感器标定装置的历史数据,包括有空气流量un和温度yn;
2)构建维纳非线性模型;
3)对维纳模型采用随机变分贝叶斯算法SVBI进行辨识,优化维纳模型;
4)采集新的流量u′n,通过优化后的维纳模型对压力传感器标定装置的温度y′n进行计算,根据压力传感器标定装置的温度y′n对空气流量进行调节;
步骤2)中所述构建的维纳模型公式如下:
yn=f(xn)+en
其中,un为系统输入变量,yn为系统输出变量并受到测量噪声en的干扰,xn为局部隐变量并受到过程噪声ωn的干扰,f(xn)为系统的非线性部分,G(q)为输入传递函数;
步骤3)中所述对维纳模型采用随机变分贝叶斯算法SVBI进行辨识,优化维纳模型的具体方法如下:
3-1)通过极大似然估计MLE算法,对维纳模型中的参数G(q)、fi(·)、ωn、en进行最优估计,可以表示为其中,Θ为G(q)中需要辨识参数,Λ为fi(·)中需要辨识参数,δw为过程噪声ωn的精度,δe为测量噪声en的精度,v为测量噪声en的自由度;
联合先验分布表示为:
其中,α-1为参数Θ和Λ的协方差,I是与参数Θ和Λ具有相同维度的单位矩阵;a0和b0表示系统的超参数,为常量;
3-2)记为观测数据,为局部隐变量,为全局隐变量,为结构参数集;设为变分下界,
3-3)通过SVBI算法迭代更新,求解维纳模型的解局部隐变量、全局变量对应的变分参数;
步骤3-3)中所述SVBI算法迭代更新,求解维纳模型的解局部隐变量、全局变量对应的变分参数的具体步骤如下:
3-3-1)初始化,设定初始迭代时刻k=1,初始化各变量{x1:N,r1:N,Θ,Λ,δw,δe,α}的分布以及全局隐变量{Θ,Λ,δw,δe,α}对应的自然参数;分别设定超参数a0=10-2和b0=10-4以及结构参数v=5.分别设定超参数a0和b0以及结构参数v的初始值;
3-3-2)设定步长ρk=(k+τ)-γ,ρk=(k+τ)-γ£1,k表示第k个迭代时刻,遗忘率γ表示控制旧信息遗忘的速率;延迟因子τ ≥0;
3-3-3)从原始数据点均匀分布的地采样Z个数据点Iz;
3-3-4)计算第n个数据点对应的局部隐变量xn和rn:
更新局部隐变量xn:
其中,δ(·)表示δ-函数.至此,我们可以得到局部隐变量xn在第k次迭代时的期望和方差;
更新局部隐变量q(rIz):
根据伽马分布的性质,可以得到局部隐变量rn在第k次迭代时的期望和方差:
3-3-5)分别计算全局隐变量Θ和Λ对应的全局变分参数;
更新全局隐变量Θ:
可以得到下界函数在第k次迭代关于全局变分参数βΘ的自然梯度估计值为:
此时全局变量Θ对应的全局变分参数βΘ的更新方式为
按照高斯分布性质,得到全局隐变量Θ在第k次迭代时的期望和方差:
其中,表示的第i个元素,idvec(·)定义为向量矩阵化操作;
更新全局隐变量Λ:
可以得到下界函数在第k次迭代关于全局变分参数βΛ的自然梯度估计值为:
此时全局变量Λ对应的全局变分参数βΛ的更新方式为
按照高斯分布性质,得到全局隐变量Λ在第k次迭代时的期望和方差:
3-3-6)分别计算全局隐变量δw和δe对应的全局变分参数;
更新全局隐变量δw:
可以得到下界函数在第k次迭代关于全局变分参数的自然梯度估计值为:
此时全局变量Λ对应的全局变分参数的更新方式为
按照伽马分布性质,得到全局隐变量δw在第k次迭代时的期望和方差:
更新全局隐变量δe:
可以得到下界函数在第k次迭代关于全局变分参数的自然梯度估计值为:
此时全局变量Λ对应的全局变分参数的更新方式为
按照伽马分布性质,得到全局隐变量δe在第k次迭代时的期望和方差:
3-3-7)计算全局隐变量α对应的全局变分参数;
可以得到下界函数在第k次迭代关于全局变分参数βα的自然梯度估计值为:
此时全局变量α对应的全局变分参数βα的更新方式为
按照伽马分布性质,得到全局隐变量α在第k次迭代时的期望和方差:
3-3-8)求解优化问题更新vk:
其中,Ψ(·)表示lnΓ(·)的微分;
3-3-9)当下界函数收敛时停止迭代;否则返回步骤3-3-2)重复。
2.如权利要求1所述的基于随机变分贝叶斯学习的压力传感器标定装置温度建模方法,其特征在于,步骤4)中所述根据压力传感器标定装置的温度y′n对空气流量进行调节的具体方法如下:
采集新的空气流量u′n,利用得到优化后的维纳模型对标定装置温度y′n进行识别,并根据当标定装置的温度稳定在62.5℃,对空气流量进行调节。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111457681.0/1.html,转载请声明来源钻瓜专利网。