动力系统建模方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种动力系统建模方法、装置、电子设备及存储介质。方法包括获取动力系统输入输出数据集；确定动力系统弹性网络正则化参数的初始参数值，基于初始参数值对数据集中的数据进行弹性网络回归计算，获取动力系统的初始模型系数及误差结果；根据误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值；基于二次参数值对数据集中的数据进行弹性网络回归计算，获取动力系统的二次模型系数及误差结果；以此迭代，直至误差结果最小为止；获取误差结果最小时所对应的最优模型系数，将最优模型系数对应的模型确定为动力系统的模型。本申请能自动化地进行动力系统模型构建，保证构建模型具有较好的学习质量与抗过拟合能力。量与抗过拟合能力。量与抗过拟合能力。

【技术实现步骤摘要】
动力系统建模方法、装置、电子设备及存储介质


[0001]本专利技术涉及模型构建
，尤其涉及一种动力系统建模方法、装置、电子设备及存储介质。

技术介绍

[0002]动力系统是一类系统状态随时间变化的物理系统，需要根据初始状态和演变规律来进行具体描述。由于工程环境中存在较多的限制和影响因素，因此，工程中的动力系统常表现为非线性的复杂系统。为准确表达这类系统中各位置随时间的具体变化关系，常使用偏微分方程对动力系统进行建模。
[0003]现有技术中，常利用弹性网络进行回归计算获得偏微分方程，来实现系统建模过程。该建模方式需要选取合适的正则化参数，在没有先验数据的前提下，该正则化参数往往基于经验确定，需要消耗一定的人力和时间，同时也违背了流程的自动化处理原则。

技术实现思路

[0004]为解决基于弹性网络的动力系统建模过程中正则化参数需要人工根据经验确定的技术问题，本专利技术实施例提供一种动力系统建模方法、装置、电子设备及存储介质。
[0005]本专利技术实施例的技术方案是这样实现的：
[0006]本专利技术实施例提供了一种动力系统建模方法，所述动力系统建模方法包括：获取动力系统输入输出数据集；确定所述动力系统弹性网络正则化参数的初始参数值，基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果；根据所述误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值；基于所述二次参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的二次模型系数及误差结果；以此迭代，直至所述误差结果最小为止；获取所述误差结果最小时所对应的最优模型系数，将所述最优模型系数对应的模型确定为所述动力系统的模型。
[0007]在一实施例中，所述获取动力系统输入输出数据集之后，所述动力系统建模方法还包括：对所述数据集中的数据进行预处理，去除所述数据中的噪声和坏值；所述对所述数据集中的数据进行弹性网络回归计算，包括：对预处理后的数据进行弹性网络回归计算。
[0008]在一实施例中，所述对所述数据集中的数据进行预处理，去除所述数据中的噪声和坏值，包括：采用加窗平滑方法对所述数据中的坏值进行平滑处理；采用多项式插值法构造网格数据，并基于小波过滤方法对所述数据中的噪声进行滤波。
[0009]在一实施例中，所述基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果，包括：基于所述初始参数值利用预设表达式对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数；对代入所述初始模型系数的预设表达式进行差分化处理，基于差分化处理结果进行计算，确定所述初始模型的误差结果。
[0010]在一实施例中，所述对代入所述初始模型系数的预设表达式进行差分化处理，基于差分化处理结果进行计算，确定所述初始模型的误差结果，包括：使用一阶差分对代入所述初始模型系数的预设表达式进行差分化处理，获得恢复方程；对所述恢复方程的左侧进行计算，获得第一矩阵；对所述恢复方程的右侧进行计算，获得第二矩阵；基于所述第一矩阵和所述第二矩阵，利用如下公式确定所述初始模型的误差结果：
[0011][0012]其中，δ表示误差结果，L表示第一矩阵，R表示第二矩阵。
[0013]在一实施例中，所述根据所述误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值，包括：根据所述误差结果判断是否进行下一次弹性网络回归计算；在确定进行下一次弹性网络回归计算的情况下，利用最小角回归算法确定参数调整的步进值；根据所述步进值，在初始参数值的基础上进行数值调整，获得下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值。
[0014]在一实施例中，所述根据所述误差结果判断是否进行下一次弹性网络回归计算，包括：将所述误差结果与上一次弹性网络回归计算的误差结果进行比较；若本次弹性网络回归计算的误差结果小于上一次弹性网络回归计算的误差结果，则确定进行下一次弹性网络回归计算；若本次弹性网络回归计算的误差结果大于或等于上一次弹性网络回归计算的误差结果，则确定不进行下一次弹性网络回归计算。
[0015]本专利技术实施例还提供了一种动力系统建模装置，所述动力系统建模装置包括：获取模块，用于获取动力系统输入输出数据集；回归计算模块，用于确定所述动力系统弹性网络正则化参数的初始参数值，基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果；迭代模块，用于根据所述误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值；基于所述二次参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的二次模型系数及误差结果；以此迭代，直至所述误差结果最小为止；确定模块，用于获取所述误差结果最小时所对应的最优模型系数，将所述最优模型系数对应的模型确定为所述动力系统的模型。
[0016]本专利技术实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，处理器用于运行计算机程序时，执行上述任一方法的步骤。
[0017]本专利技术实施例还提供了一种存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一方法的步骤。
[0018]本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法通过迭代方式进行动力系统弹性网络正则化参数的选择，可保证选取参数的有效性，实现动力系统弹性网络正则化参数的自适应选择。该自动选择方式无需消耗人力和时间，容易实现，复杂度低。且能保证根据自动化过程获取的正则化参数所建立的动力系统模型具有较好的学习质量与抗过拟合能力。
附图说明
[0019]图1为本专利技术实施例动力系统建模方法的流程示意图；
[0020]图2为本专利技术实施例基于弹性网络的动力系统学习算法流程示意图；
[0021]图3为本专利技术实施例K
‑
S方程的理论数值解与习得数值解的比较示意图；
[0022]图4为本专利技术实施例动力系统建模装置的结构示意图；
[0023]图5为本专利技术实施例计算机设备的内部结构图。
具体实施方式
[0024]下面将结合附图及实施例对本专利技术作进一步详细的描述。
[0025]本专利技术实施例提供了一种动力系统建模方法，如图1所示，该方法包括：
[0026]步骤101：获取动力系统输入输出数据集；
[0027]步骤102：确定所述动力系统弹性网络正则化参数的初始参数值，基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果；
[0028]步骤103：根据所述误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值；基于所述二次参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的二次模型系数及误差结果；以此迭代，直至所述误差结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力系统建模方法，其特征在于，所述动力系统建模方法包括：获取动力系统输入输出数据集；确定所述动力系统弹性网络正则化参数的初始参数值，基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果；根据所述误差结果确定下一次进行弹性网络回归计算的弹性网络正则化参数的二次参数值；基于所述二次参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的二次模型系数及误差结果；以此迭代，直至所述误差结果最小为止；获取所述误差结果最小时所对应的最优模型系数，将所述最优模型系数对应的模型确定为所述动力系统的模型。2.根据权利要求1所述的动力系统建模方法，其特征在于，所述获取动力系统输入输出数据集之后，所述动力系统建模方法还包括：对所述数据集中的数据进行预处理，去除所述数据中的噪声和坏值；所述对所述数据集中的数据进行弹性网络回归计算，包括：对预处理后的数据进行弹性网络回归计算。3.根据权利要求2所述的动力系统建模方法，其特征在于，所述对所述数据集中的数据进行预处理，去除所述数据中的噪声和坏值，包括：采用加窗平滑方法对所述数据中的坏值进行平滑处理；采用多项式插值法构造网格数据，并基于小波过滤方法对所述数据中的噪声进行滤波。4.根据权利要求1所述的动力系统建模方法，其特征在于，所述基于所述初始参数值对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数及误差结果，包括：基于所述初始参数值利用预设表达式对所述数据集中的数据进行弹性网络回归计算，获取所述动力系统的初始模型系数；对代入所述初始模型系数的预设表达式进行差分化处理，基于差分化处理结果进行计算，确定所述初始模型的误差结果。5.根据权利要求4所述的动力系统建模方法，其特征在于，所述对代入所述初始模型系数的预设表达式进行差分化处理，基于差分化处理结果进行计算，确定所述初始模型的误差结果，包括：使用一阶差分对代入所述初始模型系数的预设表达式进行差分化处理，获得恢复方程；对所述恢复方程的左侧进行计算，获得第一矩阵；对所述恢复方程的右侧进行计算，获得第二矩阵；基于所述第一矩阵和所述第二矩阵，利用如...

【专利技术属性】
技术研发人员：陈启涵，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：