SMP-RCR: A Sparse Multipoint Moment Matching Method for RC Reduction
Empyrean, China(芯原微电子)
针对多端口RC电路MOR中精度、稀疏性与效率难以兼顾的问题,提出SMP-RCR稀疏多点矩匹配方法,并通过理论分析、稀疏控制和收缩优化实现更高频精度与两倍以上加速。
2025-10-18 cs.SY eess.SY
Model Reduction by Moment Matching for Linear Switched Systems
Aalborg University(奥尔堡大学);École des Mines de Douai(杜埃国立高等矿业学院)
本文提出两种用于线性切换系统模型降阶的矩匹配方法,基于可达性或可观测性空间中的向量选择,结合部分实现理论,开发算法并提供应用条件及数值示例。
2015-01-29 cs.SY eess.SY
Moment Matching for Descriptor Systems: A Möbius Mapping Approach
Romanian Academy(罗马尼亚科学院)
提出一种基于莫比乌斯映射的矩匹配方法,适用于连续和离散时间描述符系统,可灵活可靠地降阶并约束极点和零点,并通过实际数值示例验证。
2026-09-10 cs.SY eess.SY
On model reduction by least squares moment matching
针对连续时间、线性、定常系统,研究了最小二乘矩匹配模型降阶问题。最小二乘矩匹配背后的基本思想是通过确保在最小二乘意义上满足由矩匹配施加的插值条件来近似传递函数。这个想法是重新使用不变性方程和稳态响应,提供一个新的最小二乘矩匹配的时域表征。的表征,反过来,然后用于获得一个参数化的家庭的模型实现最小二乘矩匹配。通过算例说明了理论的正确性。
2021-09-24 cs.SY eess.SY math.OC
Data-Driven Model Reduction by Moment Matching for Linear and Nonlinear Parametric Systems
该研究提出基于矩匹配的参数化降阶模型构建理论与方法,定义参数化矩并给出线性/非线性系统的模型基、数据驱动矩逼近方法,构建保关键系统特性的降阶模型,通过两类基准验证并对比方法优劣。
2025-06-12 cs.SY eess.SY
On Moment Matching for Stochastic Systems
本文研究随机系统的矩匹配模型降阶问题。我们描述的数学对象,它的概念推广的时刻随机微分方程,我们发现一类模型,实现矩匹配。然而,不同于确定性的情况下,这些降阶模型不能被认为是“简单”,因为高的计算成本支付确定的时刻。为了克服这个困难,我们放松的时刻匹配问题,在两种不同的方式,我们提出了两类降阶模型,近似匹配的随机时刻,是计算上容易处理的。
2021-05-04 cs.SY eess.SY math.OC
Model reduction by least squares moment matching for linear and nonlinear systems
本文利用最小二乘矩匹配的概念讨论了线性和非线性系统的模型降阶问题。对于线性系,主要思想是通过确保在最小二乘意义下满足由矩匹配施加的插值条件来近似传递函数。本文重温这一想法,使用输出调节理论的工具,提供一个新的时域表征的最小二乘矩匹配。它示出,最小二乘矩匹配可以其特征在于在一个最优化问题涉及的不变性方程和误差系统的稳态行为。这种表征,反过来,然后被用来定义一个非线性增强的最小二乘矩匹配的概念,并开发一个模型约化理论的基础上的概念,最小二乘矩匹配的非线性系统。实现最小二乘矩匹配的模型的参数化的家庭被确定为线性和非线性系统。新的参数化承认自然的几何和系统理论的解释。数值算例说明了理论的正确性。
2021-10-12 cs.SY eess.SY math.OC
Power-Series Approach to Moment-Matching-Based Model Reduction of MIMO Polynomial Nonlinear Systems
本文提出基于幂级数分解的MIMO多项式非线性系统矩匹配降阶方法,将非线性PDE求解转化为递归Sylvester方程,并揭示了降阶模型阶数下界与输入输出通道比的关系及线性状态或输出方程的可构造性。
2025-08-19 cs.SY eess.SY
Bridging Abstraction-Based Hierarchical Control and Moment Matching: A Conceptual Unification
Department of Electrical and Electronic Engineering, Imperial College London(帝国理工学院电气电子工程系)
本文通过建立基于抽象的分层控制与矩匹配技术之间的概念桥梁,揭示了两者在线性系统中的关联与统一。
2025-12-07 cs.SY eess.SY math.OC
Scenario Generation for Cooling, Heating, and Power Loads Using Generative Moment Matching Networks
冷、热、电负荷情景生成对于综合能源系统的经济运行和稳定性分析具有重要意义。本文提出了一种新的深度生成网络,基于生成矩匹配网络(GMMN)对制冷、制热和电力负荷曲线进行建模,其中自动编码器将高维负荷曲线转换为低维潜变量,最大平均差异表示生成样本与真实样本之间的相似性度量。在训练模型后,通过向GMMN的场景生成器馈送高斯噪声来生成新的场景。与显式密度模型不同,GMMN不需要人为假设负荷曲线的概率分布,具有更强的普适性。仿真结果表明,GMMN不仅能很好地拟合多类负荷曲线的概率分布,而且能准确地捕捉负荷曲线的形状(例如,大峰值、快速斜坡和波动)、频域特性以及冷却、加热和功率负载的时空相关性。此外,生成的样本的能量消耗非常类似于真实样本的能量消耗。
2022-04-21 cs.SY eess.SY
From data to reduced-order models via moment matching
提出了一种数据驱动的插值模型降阶新方法。使用所谓的数据信息的角度来看,我们定义了一个框架,使计算的时刻在给定的(可能是复杂的)插值点的基础上的时域输入输出数据,而不明确确定的高阶系统。相反,通过描述解释数据的所有系统的集合,提供了在该集合中的所有系统在给定插值点共享相同时刻的充分必要条件。此外,这些条件允许显式计算这些时刻。降阶模型,然后通过采用经典的有理插值方法的变化。作为获得稳定降阶模型的一种手段,本文还讨论了采用指定极点进行矩匹配降阶的条件。一个电路的例子说明了这个框架。
2022-04-28 cs.SY eess.SY math.DS
Bounded Linear Programs for Data-Driven Optimal Control via Moment-Matching
ETH Zürich(苏黎世联邦理工学院)
该研究针对数据驱动最优控制的线性规划方法存在的有界解获取难题,利用矩匹配技术推导了相关有界性条件,并给出非线性系统的实用设计方法,拓展了线性规划在最优控制领域的应用。
2026-08-26 cs.SY eess.SY math.OC
Implicit Higher-Order Moment Matching Technique for Model Reduction of Quadratic-bilinear Systems
针对二次双线性系统的模型降阶问题,提出了一种基于投影的多矩匹配方法。我们的目标是构建一个简化的系统,确保高阶矩匹配的多元传递函数出现在非线性系统的输入输出表示。现有技术对于前两个多变量传递函数实现了这一点,即所谓的多变量传递函数的对称形式。我们扩展这个框架的等价和简化的形式,经常的形式,这使我们能够显示矩匹配的前三个多变量传递函数。三个基准的二次双线性系统的数值结果表明,所提出的框架具有更好的性能,降低了计算成本相比,现有的技术。
2019-11-13 cs.SY eess.SY math.AP
Practicable Simulation-Free Model Order Reduction by Nonlinear Moment Matching
本文提出一种基于非线性矩匹配的实用免仿真模型降阶方法,通过求解非线性方程组替代昂贵仿真,实现了可行且数值高效的非线性模型降阶算法。
2019-01-30 cs.NA cs.SY eess.SY
Nonlinear Moment Matching for the Simulation-Free Reduction of Structural Systems
Technical University of Munich(慕尼黑工业大学)
本文将矩匹配的概念扩展到非线性结构系统,并提出一种无需模拟的降阶方案。首先介绍了线性矩匹配的稳态解释,然后基于Astolfi [2010]将该降阶概念扩展到非线性二阶情况,并提出类似的简化方法以实现无模拟的非线性矩匹配算法。讨论了这些简化及其局限性,并通过数值示例展示了算法的效率。
2019-03-28 cs.CE cs.NA cs.SY
Recursive Inference for Heterogeneous Multi-Output GP State-Space Models with Arbitrary Moment Matching
School of Astronautics(航天学院)
本文提出一种异构多输出高斯过程状态空间模型的递归推断方法,通过异构核、诱导点管理和统一矩匹配框架,实现高效准确的非线性系统在线学习,精度与离线方法相当,速度大幅提升。
2025-10-17 cs.LG cs.SY eess.SY