公开(公告)号：CN114595634B

公开(公告)日：2024-07-23

申请号：CN202210240507.9

申请日：2022-03-10

Applicant: 中南大学

Inventor： 裘智峰 ,  穆伟伟 ,  桂宁 ,  魏佳雯 ,  林文威

IPC: G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本公开实施例中提供了一种火电机组控制系统建模方法、装置、设备及介质，属于数据处理技术领域，具体包括：采集时序序列数据集；通过神经常微分方程网络将火电机组控制系统对应的传递函数模型转换为带有不确定项的状态空间模型的离散形式，得到状态方程；将状态变量和输入变量输入状态方程，得到一阶微分的近似值；将近似值进行归一化后输入常微分求解器，计算预测值；将预测值进行反向传播，迭代训练神经常微分方程网络中的权重参数直至收敛，得到火电机组控制系统对应的预测模型。通过本公开的方案，以神经常微分方程网络为基础，结合系统状态空间模型，引入状态方程结构知识对系统进行了建模，提高了建模后的预测精准度和适应性。

公开(公告)号：CN114595634A

公开(公告)日：2022-06-07

申请号：CN202210240507.9

申请日：2022-03-10

Applicant: 中南大学

Inventor： 裘智峰 ,  穆伟伟 ,  桂宁 ,  魏佳雯 ,  林文威

IPC: G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本公开实施例中提供了一种火电机组控制系统建模方法、装置、设备及介质，属于数据处理技术领域，具体包括：采集时序序列数据集；通过神经常微分方程网络将火电机组控制系统对应的传递函数模型转换为带有不确定项的状态空间模型的离散形式，得到状态方程；将状态变量和输入变量输入状态方程，得到一阶微分的近似值；将近似值进行归一化后输入常微分求解器，计算预测值；将预测值进行反向传播，迭代训练神经常微分方程网络中的权重参数直至收敛，得到火电机组控制系统对应的预测模型。通过本公开的方案，以神经常微分方程网络为基础，结合系统状态空间模型，引入状态方程结构知识对系统进行了建模，提高了建模后的预测精准度和适应性。

公开(公告)号：CN112733076B

公开(公告)日：2023-08-04

申请号：CN202110038650.5

申请日：2021-01-12

Applicant: 中南大学

Inventor： 裘智峰 ,  林文威 ,  魏佳雯 ,  穆伟伟 ,  桂卫华

IPC: G06F17/13 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种基于神经网络常微分方程在非持续激励下的系统辨识方法，主要解决系统辨识需要持续激励或大量输入输出数据的问题。该辨识方法，主要分为用于数据拓展的神经网络常微分方程和用于模型辨识的线性神经网络。采样的非持续激励数据用于优化神经网络常微分方程，神经网络常微分方程用于产生同分布数据；线性神经网络拟合神经网络常微分方程所产生的随机数据，辨识对象模型。本发明提出的辨识方法引入神经网络微分方程避免了持续激烈的采样条件，同时降低了所需数据量，达到了现有辨识方法相近的效果。

公开(公告)号：CN112733076A

公开(公告)日：2021-04-30

申请号：CN202110038650.5

申请日：2021-01-12

Applicant: 中南大学

Inventor： 裘智峰 ,  林文威 ,  魏佳雯 ,  穆伟伟 ,  桂卫华

IPC: G06F17/13 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于神经网络常微分方程在非持续激励下的系统辨识方法，主要解决系统辨识需要持续激励或大量输入输出数据的问题。该辨识方法，主要分为用于数据拓展的神经网络常微分方程和用于模型辨识的线性神经网络。采样的非持续激励数据用于优化神经网络常微分方程，神经网络常微分方程用于产生同分布数据；线性神经网络拟合神经网络常微分方程所产生的随机数据，辨识对象模型。本发明提出的辨识方法引入神经网络微分方程避免了持续激烈的采样条件，同时降低了所需数据量，达到了现有辨识方法相近的效果。