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！

申请/专利权人：上海交通大学

摘要：本发明涉及一种基于高斯过程回归的动力设备极端工况性能预测系统，该系统包括：常规工况数据采集单元：用以通过传感设备动态获取动力设备在实验环境下的系统输入、系统输出及环境数据，即常规工况数据；终端处理单元：用以接收常规工况数据并通过数据传输单元发送到服务器单元；服务器单元：构建高斯过程回归模型并进行标准工况和极端工况的训练得到训练好的高斯过程回归模型，将训练好的高斯过程回归模型通过数据传输单元反馈给终端处理单元，并通过人机交互单元人工输入数据，进行动力设备极端工况性能预测并通过人机交互单元将预测结果进行展示。与现有技术相比，本发明具有全工况下性能预测、降低实验成本等优点。

主权项：1.一种基于高斯过程回归的动力设备极端工况性能预测系统，其特征在于，该系统包括：常规工况数据采集单元：用以通过传感设备动态获取动力设备在实验环境下的系统输入、系统输出及环境数据，即常规工况数据；终端处理单元：用以接收常规工况数据并通过数据传输单元发送到服务器单元；服务器单元：接收常规工况数据进行预处理形成常规工况数据集，构建高斯过程回归模型并进行标准工况和极端工况的训练得到训练好的高斯过程回归模型，将训练好的高斯过程回归模型通过数据传输单元反馈给终端处理单元，并通过人机交互单元人工输入数据，进行动力设备极端工况性能预测并通过人机交互单元将预测结果进行展示；所述的动力设备的系统输入数据具体为表征运行状态的物理量，动力设备的系统输出数据具体为在运行过程中表征其性能的物理量，环境数据具体为在动力设备运行过程中所处的温度、大气压以及量化后的振动数据，所述的常规工况数据均为时间序列数据，具体为按照设定的采样频率采集一段时间间隔内随时间变化的序列；将系统输入数据和环境数据作为模型输入，将系统输出作为模型输出，根据不同的动力设备及预测项目，选择不同的模型输入、输出，具体为： 所述的服务器单元中，通过模型预训练单元对高斯过程回归模型进行标准工况的训练，具体为：根据训练数据及核函数确定负对数边际似然函数，得到一个以负对数边际似然函数为目标函数，以超参数为决策变量的最优化问题，求解该最优化问题，即得到合适的超参数，完成高斯过程回归模型的训练，并将高斯过程回归模型记为Gh，其中，h为高斯过程回归模型的超参数；所述的服务器单元中，通过模型极端训练单元对高斯过程回归模型进行极端工况的训练，具体为：1初始化神经网络模型Dω，其中，ω为神经网络模型的参数，输出层的激活函数为Sigmoid函数；2采样得到训练数据的DG函数；3执行模型极端训练算法，完成极端工况的训练；所述的步骤2具体包括以下步骤：21分别采样batch次得到x～fx,ε～U0,1，其中，fx为输入x服从的分布，ε为从均匀分布U0,1中随机采样得到的权重系数；22将训练数据输入x代入高斯过程回归模型Gh中，得到置信区间的上下界p±；23分别将置信区间的上界p+代入神经网络模型Dω得到d1，将将置信区间的下界p-代入神经网络模型Dω得到d2，其中，d1、d2为DG函数的过程变量；24得到训练数据的DG函数所述的步骤3具体包括以下步骤：31固定高斯过程回归模型Gh的超参数h，训练神经网络Dω的参数ω，具体为使用DG函数获取训练数据，输入神经网络模型Dω中利用神经网络模型Dω的输出构造损失函数lossD，使用Αdam优化器，寻找使lossD尽可能小的神经网络模型Dω的参数ω；32固定神经网络模型Dω的参数ω，训练高斯过程回归模型Gh的超参数h，具体为：使用DG函数获取训练数据，输入高斯过程回归模型Gh中，利用高斯过程回归模型Gh的输出构造损失函数lossG，使用Αdam优化器，寻找使lossG尽可能小的高斯过程回归模型Gh的超参数h；33将高斯过程回归模型Gh的超参数h返回终端处理单元获取高斯过程回归模型的函数表达式。

全文数据：

权利要求：

百度查询： 上海交通大学 一种基于高斯过程回归的动力设备极端工况性能预测系统