一种用于系统辨识的高斯过程回归方法及装置制造方法及图纸

本发明专利技术提出了一种用于系统辨识的高斯过程回归方法及装置，属于自动控制技术领域。其中，所述方法包括：获取自动控制系统中待辨识模型的原始数据集，通过为每组原始数据赋予重要性因子，基于输入数据间的欧氏距离对重要性因子进行更新，剔除原始数据集中重要性低的原始数据，以获得分布均匀的数据子集；将数据子集的输入数据组成训练输入矩阵，将输出数据组成训练输出矩阵，通过对数据子集进行高斯过程回归训练，得到考虑数据噪声的协方差矩阵，进而计算待预测输入数据对应的输出预测结果，以实现系统辨识。本发明专利技术能提取出分布均匀的小样本集，解决高斯过程回归在应用于系统辨识时存在的计算量大的问题，促进高精度稳定控制器的实现。实现。实现。

【技术实现步骤摘要】
一种用于系统辨识的高斯过程回归方法及装置


[0001]本专利技术属于自动控制
，涉及一种用于系统辨识的高斯过程回归方法及装置。

技术介绍

[0002]系统辨识是自动控制技术的重要组成部分，在系统辨识的基础上设计自适应控制算法将能够有效提高控制系统的跟踪性能和鲁棒性。高斯过程回归(Gaussian process regression，GPR)作为一种非参数化的回归方法，其在系统辨识方面的应用已得到了许多学者的关注。高斯过程回归的基本原理是，使用高斯过程先验和输入输出数据，基于贝叶斯推断，以获得给定输入条件下的输出后验分布。相比于线性回归和神经网络等方法，高斯过程回归具有超参数可自适应获取、可结合先验知识、输出具有统计意义和泛化能力强的优点，在高维数、小样本和非线性的问题中具有优势。
[0003]但是，高斯过程回归的计算需要进行大矩阵求逆，在训练数据较多时存在计算量大的问题。为了降低计算量，已有的解决思路主要包括了数据子集法、降秩近似法和稀疏伪输入法。其中，数据子集法的原理是基于一定规则获取原始数据的子集，高斯过程回归只对数据子集进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于系统辨识的高斯过程回归方法，其特征在于，包括：获取自动控制系统中待辨识模型的原始数据组成原始数据集，通过为每组原始数据赋予对应的重要性因子，基于所述原始数据中输入数据间的欧氏距离对所述重要性因子进行更新，剔除所述原始数据集中重要性低的原始数据，以获得分布均匀的数据子集；将所述数据子集的输入数据组成训练输入矩阵，将所述数据子集的输出数据组成训练输出矩阵，通过对所述数据子集进行高斯过程回归训练，得到考虑数据噪声的协方差矩阵；基于所述训练输出矩阵、所述训练输出矩阵和所述协方差矩阵，计算所述待辨识模型中待预测输入数据对应的输出预测结果，以实现系统辨识。2.根据权利要求1所述的方法，其特征在于，所述获得分布均匀的数据子集，包括：1)获取自动控制系统中待辨识模型的原始数据组成原始数据集；其中，待辨识模型原始数据的输入维数为n
i
、输出维数为n
o
；记原始数据集为S＝{(x
(j)
,y
(j)
),j＝1,2,...,P}，其中和分别是第j组数据的输入数据和输出数据，P为数据总组数；2)创建一个初始为空的数据子集D，该数据子集的容量为C；3)令j＝1；4)对数据子集D中已存储数据组数N进行判定：若N＝0，则表示当前数据子集D是空集，将第j组数据(x
(j)
,y
(j)
)添加到D中并设该组数据的重要性因子μ
j
＝1，令N＝N+1，记原始数据集中第1组到第j组输入数据中第i个元素的最大值为M
i
，其中当j＝1时，设置原始数据集的第1组到第j组输入数据中第i个元素的最小值为m
i
，其中当j＝1时，，其中当j＝1时，将当前添加的x
(j)
作为当前数据子集D中最后一次添加的输入数据x
last
，即x
last
＝x
(j)
，然后进入步骤6)；若N＞0，则表示当前数据子集D不是空集，更新原始数据集的第1组到第j组输入数据中每个元素的最大、最小值如下：计算(x
(j)
,y
(j)
)中的输入数据x
(j)
与当前数据子集D中最后一次添加的输入数据x
last
之间的欧式距离d：d＝||x
(j)
‑
x
last
||2ꢀꢀꢀꢀ
(2)设原始数据集的第1组到第j组输入数据组成的集合为X＝{x
(k)
|k＝1,2,...j}，计算空间中包含X的最小n
i
‑
方格的体积V：计算可接收距离d
a
：
然后进入步骤5)；5)对欧式距离进行判定：5
‑
1)若d≤d
a
，则第j组原始数据不加入当前数据子集D；然后对j进行判定：若j＝P，则原始数据集中所有数据遍历完毕，当前数据子集D即为最终的数据子集D；若j﹤P，则令j＝j+1，然后重新返回步骤4)；5
‑
2)若d＞d
a
，则将第j组原始数据(x
(j)
,y
(j)
)添加到当前数据子集D中并设该组数据的重要性因子μ
j
＝1，令N＝N+1，将当前添加的x
(j)
作为数据子集D中最后一次添加的输入数据x
last
，即令x
last
＝x
(j)
；然后按下式更新高斯核参数γ，当V＞0时：其中，s是高斯核的标准差；当V＝0时，取γ...

【专利技术属性】
技术研发人员：程林，郑腾杰，龚胜平，黄煦，崔朗福，张庆振，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：