滑动数据窗口驱动的贝叶斯-高斯网络及其在非线性系统辨识中的应用 (2009年)

工业控制场合中,需要获取非线性被控对象的结构特性,而系统动态响应的数据直接从外部特征上反映了 非线性系统结构关系.为了充分利用非线性动态系统响应过程中的数据,本文提出了一种基于滑动数据窗口(sliding data window)的贝叶斯--高斯神经网络(SW--BGNN)模型.该模型将数据融合于网络模型结构中,借助于贝叶斯推理 和高斯假设,利用滑动窗口数据,实现非线性动态系统的辨识和预测.整个SW--BGNN本身需要确定的参数很少,因此运算的时间很短,适合于非线性动态系统的在线辨识.将SW--BGNN应