买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种用于系统辨识的高斯过程回归方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116794977B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310561555.2，技术领域涉及：G05B13/04；该发明授权一种用于系统辨识的高斯过程回归方法及装置是由程林;郑腾杰;龚胜平;黄煦;崔朗福;张庆振设计研发完成，并于2023-05-18向国家知识产权局提交的专利申请。

本一种用于系统辨识的高斯过程回归方法及装置在说明书摘要公布了：本发明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。

本发明授权一种用于系统辨识的高斯过程回归方法及装置在权利要求书中公布了：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； 基于所述训练输入矩阵、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； 其中，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、输出维数为； 记原始数据集为，其中和分别是第组数据的输入数据和输出数据，为数据总组数； 2创建一个初始为空的数据子集，该数据子集的容量为； 3令j=1； 4对数据子集中已存储数据组数N进行判定： 若，则表示当前数据子集是空集，将第j组数据添加到中并设该组数据的重要性因子，令=+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Mi，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mi，其中当j=1时，；；将当前添加的作为当前数据子集中最后一次添加的输入数据，即，然后进入步骤6； 若，则表示当前数据子集不是空集，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： 1 计算中的输入数据与当前数据子集中最后一次添加的输入数据之间的欧式距离： 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，计算空间中包含的最小-方格的体积： 3 计算可接收距离： 4 然后进入步骤5； 5对欧式距离进行判定： 5-1若，则第j组原始数据不加入当前数据子集； 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，则将第j组原始数据添加到当前数据子集中并设该组数据的重要性因子，令=+1，将当前添加的作为数据子集中最后一次添加的输入数据，即令； 然后按下式更新高斯核参数： 当时： 5 其中，是高斯核的标准差； 当时，取； 计算当前数据子集中每组数据的重要性缩减增益，k≠j： 6 更新当前数据子集中每组数据的重要性因子，k≠j： 7 然后进入步骤6； 6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，则对N进行判定：若，则表示数据子集已满，将当前数据子集D中重要性因子最小的数据移出，然后令j=j+1，然后重新返回步骤4；若N≤C，则令j=j+1，然后重新返回步骤4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100083 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。