摘要
本发明公开了一种结合基于模型和数据驱动技术的无监督状态估计方法,包括:S1、通过状态估计框架对动态系统中状态进行先验预测与后验估计;S2、通过参数分区的元学习策略,将任务无关的全局参数与任务特定的局部参数分离;S3、通过物理信息损失调整构建软约束机制,引入领域知识确保状态转换的合理性。根据本发明,显著提高了状态估计的鲁棒性、泛化性和可解释性,为复杂动态系统的状态估计提供了一种高效可靠的解决方案。
技术关键词
数据驱动技术
状态估计方法
协方差矩阵
参数
数据驱动模型
递归神经网络
高斯混合模型
模型预测值
物理
分区
估计误差
模型更新
动态更新
测量误差
鲁棒性
机制
框架
密度
系统为您推荐了相关专利信息
分类识别模型
网络
多模态特征
数据
计算机程序产品
微服务实例
数据
多模态
故障检测方法
神经网络模型
不确定性参数
无人机集群
作业场景
智能决策模型
构建无人机
电力变压器电磁
损耗控制方法
智能电网环境
预测电力负荷
序列