含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法技术

本发明专利技术提供了一种含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，包括：引入噪声并建立具有噪声的多分类高斯过程模型、基于高斯变分推断，将数据分类问题转化为后验近似问题、采用小批量数据近似方法，对变分下界进行优化估计、通过最大化变分下界得到近似后验分布，并建立分类预测模型。本发明专利技术以多类别高斯过程作为底层分类器模型，引入加性高斯噪声，使用变分推断方法近似模型隐变量的后验分布，优化含输入噪声的分类器模型，以此对液体火箭发动机进行故障诊断，提高含输入噪声的液体火箭发动机故障分类准确性。

【技术实现步骤摘要】

本专利技术属于故障诊断领域，更具体地，涉及含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法。

技术介绍

1、高斯过程(gaussian process,gp)是一种在机器学习中常用的概率建模工具，在贝叶斯框架的基础上给出概率输出，适用于处理具有不确定性的任务。gp算法的不确定性能够从目标变量的预测分布来体现，可能会受到模型中噪声的影响。gp算法通常被用来解决回归问题或简单的二分类问题，当任务涉及多个类别时，单类别高斯过程需要被扩展以适应多类别的情况。

2、多类别分类任务广泛存在于工业、科学等各个领域。当机器学习算法处理这类问题时，通常会假设数据集中的数据是真实且不带噪声的。然而，这种假设在理论上忽略了测量噪声对数据的影响。尽管忽略噪声可以在算法设计和迭代时间上带来一些优势，但如果未考虑的噪声对输入数据的生成过程产生重大影响，那么多类别分类问题的预测结果可能并非最优。相反，将输入数据中的噪声纳入先验知识，并结合归纳偏差，可以使算法更具鲁棒性，能够更好地适应现实世界中数据的变化和不确定性，预测结果往往会更加出色。因此，在多类别分类问题本文档来自技高网...

【技术保护点】

1.含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，包括：

2.根据权利要求1所述的含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，步骤1中：

3.根据权利要求2所述的含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，步骤2中：

4.根据权利要求3所述的含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，步骤3中：

5.根据权利要求4所述的含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，步骤4中：

【技术特征摘要】

1.含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，包括：

2.根据权利要求1所述的含输入噪声多类别高斯过程的液体火箭发动机变分推断学习与诊断方法，其特征在于，步骤1中：

3.根据权利要求2所述的含输入噪声多类别高斯过程的液体火箭发动机变分...

【专利技术属性】
技术研发人员：刘久富，许兆宋，汪超，程杰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：