申请/专利权人:西北工业大学
申请日:2024-04-09
公开(公告)日:2024-05-10
公开(公告)号:CN118017976A
主分类号:H03H21/00
分类号:H03H21/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本申请提供了一种数据模型混合驱动的卡尔曼滤波器设计方法及系统,涉及数据模型混合驱动技术领域,该方法包括:配置输入特征向量,将输入数据经过输入特征向量处理后,作为重构输入数据;建立网络模型;将重构输入数据输入至网络模型,执行监督训练;设定超参数,并进行学习率调整;建立评价指标,并通过仿真试验执行模型验证,当验证通过,以训练完成的网络模型建立卡尔曼滤波器。通过本申请可以解决现有技术中由于现有的卡尔曼滤波器存在对系统建模精度要求高的问题,进一步影响卡尔曼滤波器的稳定性的技术问题,实现提高估计系统状态的准确性的技术目标,达到了增强卡尔曼滤波器的稳定性的技术效果。
主权项:1.一种数据模型混合驱动的卡尔曼滤波器设计方法,其特征在于,所述方法包括:配置输入特征向量,将输入数据经过输入特征向量处理后,作为重构输入数据;建立网络模型,其中,所述网络模型为融合Transformer架构后的神经网络模型;将所述重构输入数据输入至所述网络模型,执行监督训练,其中,监督训练包括正向传播和反向迭代损失的方式对网络进行训练,反向迭代过程如公式所示: ;其中,表示卡尔曼增益,表示时刻的系统观测值,为总损失,为时刻和时刻系统观测值的差值,为时刻的系统状态值,为时刻和时刻系统状态值的差值;在监督训练过程中,设定超参数,所述超参数包括学习率、权重衰减和批尺寸,并采用余弦退火算法进行学习率调整;建立评价指标,并通过仿真试验执行模型验证,当验证通过,则以训练完成的网络模型建立卡尔曼滤波器。
全文数据:
权利要求:
百度查询: 西北工业大学 一种数据模型混合驱动的卡尔曼滤波器设计方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。