申请/专利权人：湘江实验室

申请日：2024-03-12

公开（公告）日：2024-04-12

公开（公告）号：CN117875398A

主分类号：G06N3/084

分类号：G06N3/084;G06F18/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请涉及一种可学习极点配置的一类非线性系统灰箱辨识方法，该方法包括：构建出系统的状态空间方程；基于系统的状态空间方程构建状态观测器；对状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；采用全连接神经网络，并基于状态可重构性映射构建状态重构网络；对状态重构网络进行极点配置以及训练，得到完备的状态重构网络；基于一类非线性系统的输入、输出数据，并通过完备的状态重构网络对系统的状态空间方程进行系统状态估计及参数辨识。该方法具有较好的可解释性，且在状态可重构网络训练过程中在达到最小化损失的同时可实现极点的自适应配置，能够有效地对一类非线性系统进行状态估计及参数辨识。

主权项：1.一种可学习极点配置的一类非线性系统灰箱辨识方法，基于无线功率传输系统，所述无线功率传输系统包括多种参数，多种参数分别为：谐振器发送端的电容、谐振器接收端的电容、输出滤波器的电容、谐振器发送端的电感、谐振器接收端的电感、谐振器发送端与谐振器接收端之间的互感、谐振器发送端回路的等效电阻、谐振器接收端回路的等效电阻、负载电阻、开关和二极管的导通电阻、直流电压源的电压、二极管的正向电压、全桥逆变器的驱动频率、延迟时间，其特征在于，包括：S1：采用数学公式描述一类非线性系统，构建出系统的状态空间方程；S2：基于所述系统的状态空间方程构建状态观测器；对所述状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；S3：采用全连接神经网络，并基于所述状态可重构性映射构建状态重构网络；S4：对所述状态重构网络进行极点配置以及训练，得到完备的状态重构网络；S5：基于一类非线性系统的输入、输出数据，并通过所述完备的状态重构网络对所述系统的状态空间方程进行系统状态估计及参数辨识，辨识出系统的状态空间方程中的系统矩阵和非线性映射。

全文数据：

权利要求：

百度查询： 湘江实验室 一种可学习极点配置的一类非线性系统灰箱辨识方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD