基于贝叶斯推理模型的时变非线性系统在线输出监测

提出了采用贝叶斯推理模型BIM(Bayesian inferring model)对时变非线性系统的输出进行在线监测的实现思路和方法.首先描述了时变非线性系统的在线输出监测问题.然后介绍了BIM结构和训练方法,BIM的特点在于训练样本完全采自于在线闭环系统,采用改进的觅食优化算法IEFOA(Improved E.Coli Foraging Optimization Algorithm)离线训练门槛矩阵参数D.而在线预测应用时,采用滑动窗口数据实时更新BIM结构,从而实时跟踪系统的输出变化.最后,利用时变非线性对象对BIM的在线观测能力进行了验证,仿真结果表明BIM适合于系统的输出监测,并且具有设计简单、跟踪性能好等优点,为非线性系统的性能评估提供了一种新的底层数据预测方法.