-
题名含输入噪声的多类别高斯过程液体火箭发动机故障诊断
- 1
-
-
作者
董宝阳
解晖
许兆宋
刘久富
-
机构
郑州理工职业学院信息工程学院
南京航空航天大学自动化学院
-
出处
《南京师大学报(自然科学版)》
北大核心
2025年第5期75-84,共10页
-
基金
国家自然科学基金资助项目(61473144)。
-
文摘
针对传统多类别高斯过程分类算法往往忽略数据受到的噪声污染导致预测准确性降低的问题,提出一种基于变分推断优化算法的含输入噪声的多类别高斯过程分类算法.以多类别高斯过程模型作为底层分类器,在传统模型上引入加性高斯噪声,使用变分推断方法优化改进后的模型,近似模型隐变量的后验分布,并据此进行新的预测.将含输入噪声的多类别高斯过程分类方法应用到液体火箭发动机的故障分类问题中,实验证明,与传统多类别高斯过程分类算法相比,提出的算法在预测精度上有一定提高,负似然对数指标有效降低,改进后的模型与真实后验分布更接近.
-
关键词
多类别高斯过程
变分推断
液体火箭发动机
输入噪声
-
Keywords
multi class gaussian process
variational inference
liquid rocket engine
input noise
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名抗噪性高斯过程用于风电系统暂态电压稳定性的评估
被引量：3
- 2
-
-
作者
王强
张津
李上杨
-
机构
三峡大学电气与新能源学院
智慧能源技术湖北省工程研究中心
-
出处
《南方电网技术》
CSCD
北大核心
2024年第9期126-137,共12页
-
基金
国家自然科学基金资助项目(52077120)
宜昌科技研究与开发项目(A201230215)。
-
文摘
基于机器学习的风电系统安全评估方法已成为当下热点,但对样本噪声影响不予以充分考虑,则难以保证系统暂态电压稳定性评估的准确性和可靠性。为此构建抗噪性高斯过程多分类模型(noisy input multi-class Gaussian process,NIMGP),首先,引入稀疏高斯过程,选用诱导点代替部分原输入点进行训练,以降低模型计算的复杂度;其次,对模型中的输入数据引入可加性高斯噪声实现抗噪处理,通过泰勒级数法近似求解含噪声输入的高斯过程,使输入噪声转化为输出噪声、改善模型评估性能。最后,在含风电场的新英格兰39节点系统进行仿真,对系统暂态电压的稳定、临界和失稳状态及稳定样本的稳定裕度进行预测。多种不同工况仿真结果对比表明,NIMGP具有较强的泛化能力、在不同工况下仍有较好的预测精度。
-
关键词
风电系统
稀疏高斯过程
抗噪性高斯过程
多分类
稳定裕度
-
Keywords
wind power systems
sparse gaussian processes
noisy input multi-class gaussian process
multi-classification
stability margin
-
分类号
TM712
[电气工程—电力系统及自动化]
-
