Observer-based switched-linear system identification
在本文中，我们提出了一种方法来识别离散时间状态空间切换线性系统（SLS）的输入输出测量。假设连续状态不被测量。关键的一步是一个基于无差拍观测器的转换到一个开关自回归与外源输入（SARX）模型。这种转换减少了状态空间识别问题的SARX模型估计问题。解决了过度拟合问题。开关和参数的可识别性和持久性的激励条件的输入进行了详细讨论。通过求解一个非凸稀疏优化问题，在观测器域内辨识离散状态。聚类算法揭示了离散状态下温和的假设系统结构和停留时间。该方法利用多变量输出误差状态空间（MOESP）算法及其改进算法从输入输出数据中估计开关序列，通过稀疏优化问题的凸松弛得到块基追踪去噪（BBPDN）算法。理论研究结果支持通过一个详细的数值例子。在这个例子中，所提出的方法还比较了混杂系统文献中的另一种识别方案。
2021-08-11 cs.SY eess.SY
Nonlinear Bayesian Identification for Motor Commutation: Applied to Switched Reluctance Motors
针对开关磁阻电机转矩脉动问题，提出利用非理想换相闭环实验与贝叶斯估计辨识转矩-电流-角度非线性关系，从而无需转矩传感器即可设计高性能换相函数。
2023-09-29 cs.SY eess.SY
MRAC with Memory for Switched Linear Systems
针对多输入多输出（MIMO）切换线性系统，提出了一种具有记忆增强学习的切换模型参考自适应控制（S-MRAC）结构。所提出的方法，将其与大多数以前的结果分开的一个显着特点是使用存储器，存储在切换的估计器状态，并促进参数学习在一个子系统的活动和非活动阶段，从而提高整个切换系统的跟踪性能。具体地，来自子系统的先前活动持续时间的学习经验被保留在存储器中，并且当子系统不活动时以及当子系统再次变为活动时被重新使用。参数收敛的间歇性初始激励（IIE），这是显着放松比经典的持续激励（PE）条件的基础上。一个共同的李雅普诺夫函数被认为是确保闭环系统的稳定性与S-MRAC。进一步在IIE下，保证了跟踪和参数估计误差动态的指数稳定性。
2023-01-28 cs.SY eess.SY
A Mode-wise Adaptive Observer for Autonomous Switched Nonlinear Systems
University of Idaho（爱达荷大学）；Institute for Modeling Collaboration and Innovation (IMCI)（建模协作与创新研究所）
针对带切换未知参数的自主切换非线性系统，本文提出模式自适应观测器，解决切换扰动与无输入下持续激励问题，通过专用观测器及相关条件实现误差特性，经学术与实际示例验证性能。
2026-08-20 cs.SY eess.SY math.OC
Basis transform in switched linear system state-space models from input-output data
本文解决了基于输入输出数据的切换线性系统辨识中的基校正问题，提出在持续激励条件下校正局部子模型状态基以实现全局输出预测的方法，并通过仿真验证了其实用性。
2023-01-30 cs.SY eess.SY
Finite-sample analysis of identification of switched linear systems with arbitrary or restricted switching
Delft University of Technology（代尔夫特理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
对于切换系统的辨识问题，本文研究了切换策略对辨识误差的影响。用于识别的数据被假定为从全局渐近或边际稳定的切换系统下的开关是任意的或受到平均停留时间约束。然后，切换系统的最小二乘（LS）估计。为了捕捉切换策略的参数对LS估计误差的影响，在这项工作中开发了有限样本误差界。得到的误差界表明，当只存在稳定模式时，估计误差与开关参数成对数关系;而当存在不稳定模式时，估计误差界可随开关参数的变化而线性增大。这表明，在不稳定模式的存在下，切换策略应适当设计，以避免估计误差的显着增加。
2022-06-28 cs.LG cs.SY eess.SY
Identification of Switched Autoregressive Systems from Large Noisy Data Sets
School of Electrical Engineering and Computer Science, The Pennsylvania State University（宾夕法尼亚州立大学电气与计算机工程学院）；CNR-IEIIT, Politecnico di Torino（都灵理工大学意大利国家研究委员会信息与电子工程研究所）
本文提出了一种新的方法，用于从包含测量噪声的数据中识别切换自回归线性模型的系数。研究假设仅部分噪声概率分布信息可用，并通过期望值计算和大数定律来估计系统动态，展示了该方法在大规模数据下的高效性。
2019-03-25 cs.SY eess.SP eess.SY
Data-driven invariant subspace identification for black-box switched linear systems
我们提出了一个算法框架的候选不变子空间切换线性系的识别。也就是说，该框架允许计算规范正交基，其中系统的矩阵接近块三角形矩阵，基于有限集观察到的一步轨迹，并具有先验的置信水平。不变子空间的存在与系统矩阵的共同块三角化之间的联系是众所周知的。在对系统的某些假设下，当矩阵接近块三角形时，也可以推断出存在一个不变子空间。我们的方法依赖于二次李雅普诺夫分析和最近的工具，在场景优化。我们提出了两个应用程序的共识和意见动态的问题，我们的研究结果，第一个允许识别断开的组件在切换隐藏的网络，而第二个确定的静态意见向量的切换八卦过程与对抗的相互作用。
2022-09-12 cs.SY eess.SY math.OC
A Robust Algorithm for Online Switched System Identification
University of Michigan（密歇根大学）
本文提出一种两步算法，通过鲁棒准则分配数据并更新参数估计，提供局部收敛性保证，实验显示其优于现有方法。
2018-05-03 cs.SY eess.SP eess.SY
Nonlinear Discrete-time System Identification without Persistence of Excitation: Finite-time Concurrent Learning Methods
KIOS Research and Innovation Center of Excellence（KIOS卓越研究与创新中心）；University of Cyprus（塞浦路斯大学）
研究了离散非线性系统动态特性未知的有限时间学习问题，不要求激励持续性。提出了两种有限时间并行学习方法，利用当前数据和经验数据在线逼近离散非线性系统的不确定性，该方法满足一个易于检验的秩条件，与激励持续性条件相比，该秩条件的限制较小.对于所提出的有限时间并行学习方法，严格的证明保证有限时间收敛的估计参数的最优值的基础上离散时间李雅普诺夫分析。仿真结果表明，与现有文献相比，所提方法能够及时、准确地逼近不确定性。
2022-05-15 cs.LG cs.SY eess.SY
Learning event-driven switched linear systems
Indian Institute of Science Bangalore（班加罗尔印度科学院）；Kansas State University（堪萨斯州立大学）
提出了一种自动机理论学习算法，用于识别开关逻辑为事件驱动的黑箱开关线性系统。切换系统用一个确定性有限自动机（FA）表示，其节点标号是子系统矩阵。有了关于矩阵和事件集的维度的信息，并且可以访问两个预言机，该预言机可以在给定的输入上模拟系统，并且在给定不正确的假设自动机时提供反例，我们提供了一种输出未知FA的算法。我们的算法首先使用的oracle获得的节点标签的系统运行在一个给定的输入序列的事件，然后扩展Angluin的\(L^*\) -算法，以确定FA，接受给定的FA的语言。我们证明了我们的学习算法的性能在一组基准的例子。
2020-09-27 cs.LG cs.SY eess.SY
Data Driven Estimation of Stochastic Switched Linear Systems of Unknown Order
研究了具有未知潜在空间维数的均方稳定切换线性系统（SLS）的参数学习问题，即从其噪声输入输出数据中学习\textit{order}。特别是，我们专注于学习有限数据所允许的底层模型的良好低阶近似。受系统理论中基于子空间的算法的启发，我们利用普通最小二乘法从有限的噪声数据中构造了一个Hankel矩阵。这样的公式规避了在系统辨识中出现的非凸性，并且允许随着数据大小的增加而精确地估计潜在的SLS。由于模型阶数是未知的，我们的方法的关键思想是基于纯粹的数据依赖量的模型阶数选择。我们构造的Hankel矩阵的数据的尺寸从顺序选择过程。通过利用SLS模型降阶理论的工具，我们通过奇异值分解（SVD）获得了合适的近似，并表明系统参数估计接近于底层系统的平衡截断实现。
2020-05-05 cs.SY eess.SY
A finite-sample bound for identifying partially observed linear switched systems from a single trajectory
HUN-REN SZTAKI and ELTE（HUN-REN SZTAKI和ELTE）；Univ. Lille, CNRS, Centrale Lille, UMR 9189 CRIStAL；HUN-REN SZTAKI
该研究针对单轨迹下的线性切换系统辨识问题，推导了基于马尔可夫参数估计与Ho-Kalman算法变体的辨识算法的有限样本概率误差界，证明其在二次稳定假设下的统计一致性，为该场景下首个此类结果。
2025-05-16 cs.LG cs.SY eess.SY
Online learning of data-driven controllers for unknown switched linear systems
出于学习控制器的动态随时间变化的复杂系统的目标，我们考虑的问题，设计控制律的系统之间切换的一组有限的未知的离散时间线性子系统未知的切换信号。为此，我们提出了一种使用数据直接设计控制机制而无需任何显式识别步骤的方法。我们的方法是在线的，这意味着当系统在闭环中进化时，数据会随着时间的推移而收集，并直接用于迭代更新控制器。因此，所提出的在线实现的主要益处是控制器能够自动调整以适应系统的操作模式的变化。我们表明，所提出的控制机制，保证稳定的闭环切换线性系统的切换是足够慢。所提出的设计技术的有效性说明了两个航空航天应用。
2021-05-24 cs.SY eess.SY math.OC
Stability of input-output maps and their minimal realizations in state-linear, state-affine, LPV, and linear switched systems
Univ. Lille, CNRS, Centrale Lille（里尔大学、法国国家科学研究中心、中央理工学院里尔）；SPMS, NTU, Singapore（新加坡南洋理工大学精算与数学科学学院）；HUN-REN SZTAKI, Budapest, Hungary（匈牙利研究与创新网络萨塔基研究所）
研究输入-输出映射稳定性，通过汉克尔秩、响应衰减等条件判断其有限维稳定状态线性实现，还扩展到其他系统，且表明衰减/遗忘率决定最小实现的衰减率。
2026-07-07 cs.SY eess.SY math.OC
Identification of Markov Jump Autoregressive Processes from Large Noisy Data Sets
School of Electrical Engineering and Computer Science, The Pennsylvania State University（电气与计算机工程学院，宾夕法尼亚州立大学）
本文提出了一种新的方法，用于从切换自回归线性模型中识别切换动态。假设切换行为遵循马尔可夫模型，系统输出可能受到大测量噪声的污染。尽管提供的程序可以处理其他噪声分布，但为简单起见，假设分布为正态分布，方差未知。给定噪声输入输出数据，旨在识别切换系统的系数、噪声分布参数、切换动态和马尔可夫模型的概率转移矩阵。系统动态通过利用系统轨迹必须满足的代数约束来估计。切换动态通过求解最大似然估计问题来计算。通过多个学术示例展示了所提出方法的有效性。尽管信噪比可能较高，但该方法在可用测量数据量大时表现极为出色。
2019-03-25 cs.SY eess.SP eess.SY
Parameter Estimation of Switched Hammerstein Systems
University of Chinese Academy of Sciences (CAS)（中国科学院大学）；The Key Laboratory of Systems and Control, CAS（系统与控制重点实验室，中国科学院）
针对可在线观测切换律的SISO切换Hammerstein系统，通过引入“内在切换”概念并应用递推最小二乘算法，在两种激励条件下实现了参数估计的强一致性。
2017-05-17 cs.SY eess.SY math.OC
Linear Time-Periodic System Identification with Grouped Atomic Norm Regularization
本文提出了一种新的线性时间周期（LTP）系统辨识方法。与以前的方法，完全分离的动态在不同的标签时间进行识别，该方法侧重于施加适当的结构约束的线性时不变（LTI）的LTP系统的重新制定。该方法采用线性时变系统的切换截断无限脉冲响应模型，其中结构约束被解释为要求所有子模型的非截断模型的极点位于相同的位置。这种约束是通过将LTI系统的原子范数正则化框架与回归中的组套索技术相结合来施加的。因此，估计的系统是一致的和低阶的，这是很难实现与其他现有的估计器。MonteCarlo模拟表明，分组原子范数方法不仅比其他正则化方法具有更好的结果，而且在高噪声水平下的模型拟合性能也优于子空间辨识方法。
2020-03-17 cs.SY eess.SY
Adaptive Identification of SIS Models
针对SIS流行病模型参数辨识病态且缺乏持续激励的问题，提出结合初始激励与递归最小二乘的在线自适应辨识器，并证明其最小化加权最小二乘代价，数值实验验证了参数估计误差收敛。
2023-11-02 cs.SY eess.SY
Online Identification of Time-Varying Systems Using Excitation Sets and Change Point Detection
本文针对在线辨识中缺乏持续激励和时变参数欠拟合问题，提出基于贪心激励集的递归最小二乘算法及结合变点检测的内存重置方案，并在网络化流行病动力学参数学习中验证了其有效性。
2025-08-17 cs.SY eess.SY
A linear algorithm for the identification of a weakly singular relaxation kernel using two boundary measurements
University of Alaska, Fairbanks（阿拉斯加大学费尔班克斯分校）；Politecnico di Torino（都灵理工大学）
本文提出通过两个边界测量来识别弱奇异松弛核，将问题转化为线性反卷积问题，适用于具有记忆特性的扩散过程和粘弹性研究。
2016-09-26 cs.SY eess.SY math.OC
Real-time Hybrid System Identification with Online Deterministic Annealing
Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院，斯德哥尔摩）
本文提出一种基于双时间尺度随机逼近的实时辨识方法，通过在线确定性退火逐步估计切换信号与模式数量，适用于分段仿射及一般切换系统，兼顾计算效率与性能-复杂度权衡，仿真验证有效。
2025-09-25 cs.LG cs.SY eess.SY
Hierarchical parameter estimation for distributed networked systems: a dynamic consensus approach
Cinvestav-Guadalajara（瓜达拉哈拉墨西哥国立理工学院高级研究中心）；University of Zaragoza（萨拉戈萨大学）
本文提出一种两阶段分布式框架，用于全局估计网络系统中的常数参数，通过动态平均共识聚合代理测量，再利用局部估计器确定参数，设计合适共识增益以保证局部梯度估计器的指数收敛。
2026-05-12 cs.SY eess.SY math.OC
Identification and Adaptation with Binary-Valued Observations under Non-Persistent Excitation Condition
Key Laboratory of Systems and Control, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院系统与控制重点实验室）；School of Mathematical Science, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）
具有二值观测值的动力系统在信息产业、生物制药技术等领域有着广泛的应用。虽然已经有很多的努力致力于这类系统的识别，大多数以前的研究是基于一阶梯度算法，通常具有比拟牛顿算法的收敛速度慢得多。此外，激励持续性（PE）条件通常需要保证一致的参数估计在现有的文献中，这是很难验证或保证反馈控制系统。本文提出了一种在线投影拟牛顿型算法，用于二值变阈值随机回归模型的参数估计。利用随机李雅普诺夫函数和鞅估计方法，在一个比传统的PE条件弱得多的信号条件下，证明了估计算法的强相合性，并给出了估计算法的收敛速度.讨论了自适应预报器的收敛性及其在自适应控制中的应用。
2021-07-08 cs.LG cs.SY eess.SY
Granger Causality for Predictability in Dynamic Mode Decomposition
动态模式分解（DMD）技术提取的主导模式内的测量数据表征系统的固有动力学行为。为了从测量数据中适当地识别主导模式，DMD算法需要确保输入测量数据序列的质量。因此，为了验证数据集对DMD算法的可用性，本文提出了两个条件：激励持续性（PE）和Granger因果检验（GCT）。虚拟数据序列的设计与汉克尔矩阵表示，使子空间的维度跨越基本系统模式的增加，增加了新的状态变量。PE条件提供了轨迹长度的下限，GCT提供了模型的阶数。满足PE条件可以估计近似线性模型，但所识别模型的可预测性仅通过GCT搜索的数据之间的时间因果关系来保证。通过多机电力系统（MMPS）中的相关性识别（CI）（暂态稳定分析中的一个基本现象）的应用，验证了所提出的方法。PE条件和GCT的意义是通过22总线六发电机系统的各种案例研究证明。
2022-10-23 cs.SY eess.SY
