(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111179110.5 (22)申请日 2021.10.09 (71)申请人 福州大学 地址 362251 福建省泉州市晋 江市金井镇 水城路1号福州大 学晋江科教园 (72)发明人 方圣恩　王璐　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 丘鸿超　蔡学俊 (51)Int.Cl. G06F 30/27(2020.01) G06N 7/00(2006.01) G06F 111/08(2020.01) G06F 119/10(2020.01) (54)发明名称 结合贝叶斯网络和卡尔曼滤波的结构系统 噪声误差 评估方法 (57)摘要 本发明提出一种结合贝叶斯网络和卡尔曼 滤波的结构系统噪声误差评估 方法， 包括以下步 骤： 步骤S1： 以带噪声及不含噪声的系统观测数 据为样本， 分别构建贝叶斯网络BN1及BN2。 步骤 S2： 将无噪声实测数据和带噪声实测数据分别输 入BN1和BN2,推理后得到 各节点预测和实测节点 状态概率， 二者分别代入卡尔曼滤波算法， 经推 导后得到贝叶斯网络各节点最优状态 概率； 步骤 S3： 将该节点最优状态概率数据与预测节 点状态 概率、 实测状态概率相比较， 从而判断误差来源。 其通过BN推理避免KF算法中过程噪声协方差Q的 调谐， 达到过滤噪声及锁定BN节点当前最优状态 概率的目的。 权利要求书2页 说明书4页 附图1页 CN 113919223 A 2022.01.11 CN 113919223 A 1.一种结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方法， 其特征在于， 包 括以下步骤： 步骤S1： 以带噪声及不含噪声的系统观测数据为样本， 分别构建贝叶斯网络BN1及 BN2。 步骤S2： 将无噪声实测数据和带噪声实测数据分别输入BN1和BN2,推理后得到各节点 预测和实测节点状态概率， 二者分别代入卡尔曼滤波算法， 经推导后得到贝叶斯网络各节 点最优状态概 率； 步骤S3： 将该节点最优状态概率数据与预测节点状态概率、 实测状态概率相比较， 从而 判断误差来源。 2.根据权利要求1所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 还 包括步骤S4： 通过L1范 数损失法评估系统噪声误差的影响。 3.根据权利要求1所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 步骤S1具体包括： BN的建立包含网格拓扑定义和参数学习两个部 分： 其中， 拓扑定义采用网络结构学习算法或者根据专家经验得到； 以带噪声及不含噪声的系统观测 数据为样本， 对网络参数进 行学习， 获取节点变量间的条件概率表， 完成对BN的建立； 其中， 以BN1为根据真实系统观测数据建立的贝叶斯网络， BN2 为现场传感器获取的带噪声 数据学 习得到的贝叶斯网络 。 4.根据权利要求1所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 步骤S2具体包括以下步骤： 步骤S21： 获取t ‑1时刻BN最优状态概 率Xi(t‑1)及后验概 率协方差p(t ‑1)； 步骤S22： 将 当前时刻t获取的滤除噪声的实测数据输入BN1， 经推理得到各节点的状态 概率数据X‑1(t)、 X‑2(t)…X‑i(t),同时输出预测值的协方差p‑(t)； 将带噪声的实测数据输 入BN2， 推理得 各节点预测状态概 率Z1(t),Z2(t), …,Zn(t)； 步骤S23： 根据BN2推理得到的各节点状态概率数据和BN1推理得到的tk时刻各杆件状 态值为X‑1(t),X‑2(t),…,X‑n(t)， 预测t时刻的最优值X1(t),X2(t), …,Xn(t)。 5.根据权利要求4所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 步骤S22中， 将当前时刻t 获取的滤除噪声的实测数据输入BN1， 经推理得到各节点的状 态概率数据X‑1(t)、 X‑2(t)、 、 、 X‑i(t),同时输出 预测值的协方差p‑(t)， 计算方法如下： P‑(t)＝AP(t ‑1)AT+Q     (1) A＝X‑ i(t)Xi(t‑1)T      (2) 式中A为状态转移矩阵； Xi(t‑1)为t‑1时刻BN各节点状态概率的最优 值； Q为过程激励噪 声协方差， 取0； 步骤S23具体通过 下式计算获得： Xi(t)＝X‑ i(t)+K(t)(Zi(t)‑HX‑ i(t))     (4) P(t)＝(1 ‑K(t)H)P‑(t)                (5) H＝OiTui                            (6) 式中H为BN1与BN2推理得到的节点状态概率数据之间的转换矩阵； K(t)为滤波增益矩权　利　要　求　书 1/2 页 2 CN 113919223 A 2阵； P(t)为t时刻的后验概 率协方差； R为测量噪声的协方差 。 6.根据权利要求4所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 在步骤S3中， 将步骤S2得到各节 点状态概率最优值X1(t),X2(t), …,Xn(t) 分别与Z1(t),Z2(t), …,Zn(t)和X‑1(t),X‑2(t),…,X‑n(t)比较， 确定最优值和预测值、 实 测值之间的误差， 以此判断系统误差来源于BN建模误差还是噪声误差 。 7.根据权利要求2所述的结合贝叶斯网络和卡尔曼滤波的结构系统噪声误差评估方 法， 其特征在于： 步骤S4具体为： 根据L1范 数损失法， 通过式(7)评估t时刻的噪声误差影响： 上式MAE(Xi(t),Zi(t))为t时刻噪声误差的评估结果， Xi(t)为t时刻节点概率最优值， Zi (t)为t时刻 BN2输出的节点状态概 率， n为BN节点数目。权　利　要　求　书 2/2 页 3 CN 113919223 A 3