Data-Driven Approximate Abstraction for Black-Box Piecewise Affine Systems
本文提出一种数据驱动算法,用于在未知动态下对分段仿射系统进行近似抽象,通过系统识别、抽象和主动采样三个步骤,确保在不确定条件下安全关键系统的正确运行。
2018-01-30 cs.FL cs.SY eess.SY
Piecewise Convex Function Estimation: Representations, Duality and Model Selection
我们考虑样条估计,保持规定的分段凸性质的未知函数。一个强大的版本的惩罚的可能性,并示出对应于一个可变的半宽度内核平滑的半宽度自适应地减少在未知函数的快速变化的区域。当指定凸性变点时,我们推导出估计的表示结果和光滑性。给出了一个对偶公式,它减少了估计减少到一个有限维凸优化的对偶空间。
2018-03-11 cs.SY eess.SP eess.SY
Piecewise constant tuning gain based singularity-free MRAC with application to aircraft control systems
本文提出一种带分段常数调节增益的无奇点输出反馈MRAC方法,将估计误差方程转为线性回归形式以直接估计未知参数,无需高频增益先验知识,可保证闭环稳定与渐近跟踪,经飞控仿真验证有效。
2024-11-04 cs.SY eess.SY
Fast identification and stabilization of unknown linear systems
在目前的工作中,提出了一个简单的算法,用于稳定一个未知的线性定常系统,仅假设该系统是可镇定的。所建议的算法是基于首先执行的系统的部分识别,然后稳定的可控子系统。应该强调的是,我们的方法不依赖于任何先验模型知识,只需要最少的样本个数。
2022-11-11 cs.SY eess.SY math.OC
Minimum Input Design for Direct Data-driven Property Identification of Unknown Linear Systems
在直接数据驱动的方法中,本文研究了{ \em属性识别(ID)}问题,以分析未知线性系统是否具有感兴趣的属性,例如,稳定性和结构性能。与基于模型的分析形成鲜明对比的是,我们直接使用未知系统的输入和状态反馈数据来逼近它。通过引入输入截面数据充分丰富度的概念,首先建立了最小输入设计激励系统性能ID的充要条件,具体地说,输入截面数据对于性能ID { \em}是充分丰富的当且仅当}它跨越一个线性子空间,该线性子空间包含一个与性能相关的最小线性子空间,其任何基础也可以容易地用于形成最小激励输入。有趣的是,我们发现,许多结构特性可以识别的最小输入,但无法识别显式系统模型。总体而言,我们的结果严格量化的优势,直接数据驱动的分析,基于模型的分析线性系统的数据效率。
2022-08-29 cs.SY eess.SY
Observer Design for a Class of Systems Described by Differential-Algebraic Equations and Parameter Identification of an Unmeasured Disturbance
ITMO University(圣彼得堡国立信息技术、机械与光学大学)
研究一类受未知不匹配干扰的线性广义系统的观测器设计与未测干扰参数辨识问题,引入结构假设构建观测器,提出新参数化方法,经数值仿真验证了方法的有效性。
2026-07-13 cs.SY eess.SY
Exponentially Stable MRAC of MIMO Switched Systems with Matched Uncertainty and Completely Unknown Control Matrix
本文试图将指数稳定自适应控制的概念推广到一类具有匹配非线性和未知分段常数参数的多输入多输出(MIMO)对象。在连续两次参数切换的间隔时间内,所提出的自适应控制系统保证:1)参数和参考模型跟踪误差指数收敛到零; 2)控制律可调参数的单调性。这两个属性都是保证的情况下,回归是令人兴奋的地方在每个这样的间隔。与现有方法相比,该方法适用于开关信号函数未知和控制矩阵完全未知的系统。数值实验验证了理论分析的正确性。
2022-08-08 cs.SY eess.SY
Analytical Gradient and Hessian Evaluation for System Identification using State-Parameter Transition Tensors
本文利用爱因斯坦求和约定构造状态-参数转移矩阵与张量,解析推导代价函数的梯度和海森矩阵,用于系统参数与初始条件辨识,并在两个真实动态系统基准数据集上验证了其优于MATLAB拟牛顿法工具箱的鲁棒性。
2024-07-03 cs.SY eess.SY
Self-Excited Dynamics of Discrete-Time Lur'e Models with Affinely Constrained, Piecewise-C1 Feedback Nonlinearities
本文研究具有仿射约束、分段C1反馈非线性的离散时间Lur'e模型,给出保证响应有界且对几乎所有初始条件不收敛的自激充分条件,为自激系统的辨识与数字控制提供理论支撑。
2023-07-07 cs.SY eess.SY nlin.CD
Safe Control Design for Unknown Nonlinear Systems with Koopman-based Fixed-Time Identification
研究了一类非线性控制仿射系统在未知的、可加的、非线性扰动下的安全控制设计问题。利用最近的进展在应用Koopman算子理论领域的系统辨识识别和控制,我们引入了一种新的固定时间识别计划的无穷小生成器的无穷维,但特别是线性,Koopman动力系统类似的非线性系统的利益。也就是说,我们推导出一个参数自适应法,使我们能够恢复未知的,残留的非线性动态系统在有限的时间内独立的初始估计。然后,我们使用固定时间稳定性的属性,以获得作为时间的显式函数的残余向量场估计误差的误差界,这使我们能够使用基于控制障碍函数的方法来合成可证明安全的控制器。我们进行了一个四旋翼启发的案例研究,以支持我们提出的方法,在该方法中,我们表明,尽管未知的,非线性动力学,实现安全的轨迹跟踪。
2022-12-01 cs.SY eess.SY math.OC
Active Fault Identification and Robust Control for Unknown Bounded Faults via Volume-Based Costs
本文提出一种基于集员辨识和椭球体积代价的主动故障诊断框架,结合管道模型预测控制,在不依赖预定义故障模型的情况下实现更快、更鲁棒的故障辨识与闭环控制。
2025-08-16 cs.SY eess.SY math.OC
Distributed System Identification for Linear Stochastic Systems with Binary Sensors
研究了时变网络上系数未知的线性随机系统的分布式辨识问题。为了估计未知系数,网络中的每个智能体只能访问本地系统的输入和二进制值输出。与现有的分布式优化和估计工作相比,本文考虑的二值局部输出观测问题具有挑战性。通过假设网络中的智能体可以与其相邻的邻居进行通信,提出了一种基于随机逼近的分布式辨识算法,并建立了估计的一致性和收敛性。最后给出了一个数值算例,仿真结果与理论分析相一致。
2021-08-03 cs.SY eess.SY
Error Bounds for Kernel-Based Linear System Identification with Unknown Hyperparameters
基于核的方法已成功地应用于线性系统的识别使用稳定的核设计。从高斯过程的角度来看,它自动提供概率误差界的后验协方差,这是有用的鲁棒性和随机控制的识别模型。然而,误差界需要在内核设计的真正的超参数的知识,并证明是不准确的轻阻尼系统的超参数估计或存在高噪声。在这项工作中,我们提供了可靠的量化的超参数未知时的估计误差。通过首先从边缘似然函数中构造真实超参数的高概率集合,然后在集合中找到最坏情况的后验协方差,来获得边界。数值模拟结果验证了该界的有效性。
2023-03-17 cs.SY eess.SY stat.ML
Data-driven and Model-based Verification: a Bayesian Identification Approach
Eindhoven University of Technology(埃因霍温理工大学);University of Oxford(牛津大学)
本文提出一种结合可达性分析和贝叶斯推断的数据驱动与模型驱动形式验证方法,用于部分未知动态系统。通过案例研究探讨了部分未知线性时不变系统的有界和无界时间安全性。
2015-09-10 cs.SY eess.SY
Direct identification of continuous-time linear switched state-space models
提出了一种线性切换状态空间(LSS)模型的直接连续时间(CT)辨识算法。直接CT识别的关键思想是基于由LSS模型和积分块组成的积分架构。该结构用于近似切换系统的连续时间状态映射。提出了一种基于积分结构的合理构造的客观准则,用于估计LSS模型的未知参数和信号。采用坐标下降算法优化该目标,该算法在计算未知模型矩阵、切换序列和估计状态变量之间交替进行。仿真实例表明了该算法的有效性。
2022-10-04 cs.SY eess.SY
N2SID: Nuclear Norm Subspace Identification
Delft University(代尔夫特理工大学)
本文提出基于凸核范数优化的子空间识别框架,用于解决多变量状态空间模型的创新形式识别问题,通过避免工具变量投影步骤提升短数据序列模型预测精度。
2016-12-14 cs.SY eess.SY
Adaptive Identification of Nonlinear Time-delay Systems Using Output Measurements
针对由线性、Lipschitz和非Lipschitz分量组成的非线性时滞系统,提出了一种新的自适应辨识器。首先,设计了一个辨识器的先验已知的延迟值的不确定系统,然后将其推广到未知的延迟值的系统。该算法利用梯度算法保证了参数估计和状态观测的渐近性。通过对系统方程的一种特殊的等价扩展,对系统的未知时滞和系统参数进行了估计。算法的稳定性由线性矩阵不等式的可解性给出。仿真结果被调用,以支持开发的标识符设计,并说明所提出的综合过程的效率。
2020-05-05 cs.SY eess.SY
Direct Continuous-Time LPV System Identification of Li-ion Batteries via L1-Regularized Least Squares
针对锂离子电池参数随SOC变化及OCV非线性依赖问题,提出连续时间LPV辨识方法,用B样条建模参数变化,联合辨识参数与OCV-SOC映射,实验验证优于传统RLS方法。
2025-09-25 cs.SY eess.SY
On continuous-time sparse identification of nonlinear polynomial systems
Univ. Grenoble Alpes, CNRS, Grenoble INP, GIPSA-lab(格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔理工学院、GIPSA实验室)
本文提出一种连续时间稀疏辨识方法,结合高阶导数重建与稀疏多项式辨识,从少量数据中识别相对阶不超过4的单输入单输出非线性系统,并在电子节气门控制系统中验证。
2025-09-22 cs.SY eess.SY
A Dynamic Mode Decomposition Approach to Parameter Identification
Oklahoma State University(俄克拉荷马州立大学);University of Florida(佛罗里达大学)
本文提出了一种数据驱动算法,用于控制仿射非线性系统的联合系统识别和参数估计,通过训练预测模型准确恢复系统轨迹和未知参数。
2026-10-09 cs.SY eess.SY math.OC
Piecewise regression via mixed-integer programming for MPC
针对现有分段回归方法易陷入局部最优、或受限于特定函数类/结构复杂难以用于控制的问题,提出一种新的基于混合整数规划的分段回归方法,可求全局最优解,生成的函数求值快、可嵌入优化,适配控制场景需求。
2024-07-09 cs.SY eess.SY math.OC
Min-max piecewise constant optimal control for multi-model linear systems
本文研究了不确定系统在有限时间 horizon 下的线性二次最优控制问题,采用最小-最大方法处理参数不确定性,通过多模型拉格朗日乘数法求解最优控制,基于离散时间Riccati方程和简单xes上的优化问题提出数值算法。
2014-12-12 cs.SY eess.SY math.DS
Nonlinear system identification in Sobolev spaces
我们考虑的问题,从实验数据推导出一个未知函数的近似,其衍生物也近似未知函数的衍生物。解决这个问题是有用的,例如,在非线性系统识别的背景下,获得比传统的更准确和可靠的模型,基于普通函数逼近。实际上,通过考虑导数来识别的模型可以在若干任务中提供更好的性能,例如多步预测、仿真、非线性模型预测控制和一般的控制设计。在本文中,我们提出了一种新的方法,基于凸优化,使我们能够解决上述识别问题。我们开发了一个最优性分析,表明使用这种方法得到的模型在Sobolev空间中具有合适的最优性。最优性分析还导致推导出未知函数及其导数的严格不确定性界。我们证明了两个数值例子的方法的有效性。第一个是一元函数的逼近,第二个是蔡氏混沌电路的多步预测。
2019-11-07 cs.SY eess.SY math.DS
Simultaneously Parameter Identification and Measurement-Noise Covariance estimation of a Proton Exchange Membrane Fuel Cell
提出了质子交换膜燃料电池(PEMFC)半经验模型参数的在线辨识方法。同时估计了未知测量噪声的协方差。实际数据被馈送到卡尔曼滤波器(对于参数线性模型)或扩展卡尔曼滤波器(对于非线性模型),它们已经被适配用于参数识别。这些滤波器的缺点是测量的噪声是未知的。为了解决这一难题,同时估计的测量噪声,并在滤波器中使用的估计。估计测量噪声的最终结果是误差减少,这已被仿真结果所证明。
2019-11-02 cs.SY eess.SY math.OC
A Probabilistic Model for Planar Sliding of Objects with Unknown Material Properties: Identification and Robust Planning
Rutgers University(罗格斯大学)
本文介绍了一种新的技术,学习未知物体的质量和摩擦分布的概率模型,并通过使用学习到的模型执行鲁棒滑动动作。所提出的方法在两个连续的阶段中执行。在探索阶段,机器人从不同角度戳桌面物体。观察到的物体的运动与各种假设的质量和摩擦模型的模拟运动进行比较。然后,相对于未知的质量和摩擦参数对仿真与现实的差距进行微分,并使用解析计算的梯度来优化这些参数。由于它是很难解开的质量从摩擦系数在低数据和准静态运动制度,我们的方法保留了一组局部最优的对质量和摩擦模型。基于每对模型的相对准确度来计算模型上的概率分布。在开发阶段,使用概率规划器来选择具有高置信度的稳定的目标配置和航路点。所提出的技术进行评估,对真实的物体,并使用一个真正的机械手。结果表明,该方法不仅可以准确识别非均匀物体的质量和摩擦系数,而且可以在不需要人工帮助或反馈的情况下,成功地将未知物体滑到桌子边缘并从那里拾取。
2020-08-05 cs.RO cs.SY eess.SY
Data-driven identification of dissipative linear models for nonlinear systems
我们考虑的问题,识别一个未知的非线性系统,已知是耗散的,从时域输入输出数据的耗散线性模型。我们首先学习一个近似的线性模型的非线性系统,使用标准的系统辨识技术,然后扰动的线性模型的系统矩阵,以执行耗散,同时密切近似的非线性系统的动态行为。此外,我们提供了一个解析的扰动的大小和半径之间的关系,其中的线性模型的耗散性保证局部耗散的未知非线性系统。我们展示了应用这种识别技术的问题,学习耗散模型的微电网具有高渗透率的可变可再生能源。
2019-07-29 cs.SY eess.SY math.OC
Adaptive tracking MPC for nonlinear systems via online linear system identification
针对未知非线性系统控制问题,提出基于移动窗口在线线性辨识的自适应跟踪MPC方案,证明其最优可达平衡点的实际指数稳定性,仿真验证其性能优于基于基本引理的直接数据驱动MPC。
2024-05-16 cs.SY eess.SY math.OC
Exact Asymptotic Estimation of Unknown Parameters of Perturbed LRE with Application to State Observation
针对现有线性回归方程参数辨识律在加性扰动下仅能保证误差有界的问题,提出满足特殊平均条件时可实现参数估计误差渐近收敛的新辨识律,并成功应用于状态重构,经数值仿真验证。
2024-02-02 cs.SY eess.SY math.ST
Online Optimization with Unknown Time-varying Parameters
针对含不可测未知线性动态时变参数的在线优化问题,提出利用代价函数梯度测量在线辨识参数动态并求解的方法,证明温和条件下仅需有限次梯度测量,经数值算例验证有效。
2025-03-19 cs.SY eess.SY math.OC
Switching Network System Identification via Convex Optimizations
本文提出凸优化框架,从采样数据中辨识切换网络系统的节点动力学与图拓扑,无需模式标签,数值实验验证了其准确性。
2025-10-27 cs.SY eess.SY math.OC
A scalable multi-step least squares method for network identification with unknown disturbance topology
动态网络的识别方法通常需要网络和扰动拓扑的先验知识,并且通常依赖于解决可扩展性差的非凸优化问题。虽然用于估计网络拓扑的方法在文献中是可用的,但是较少注意估计干扰拓扑,即,(空间)噪声相关结构和干扰信号的滤波白噪声表示中的噪声秩。在这项工作中,我们提出了一种动态网络的识别方法,其中的扰动拓扑结构的估计之前,识别的完整的动态网络与已知的网络拓扑。为此,我们扩展了多步序贯线性回归和加权线性空间拟合的方法来处理降秩噪声,并使用这些方法来估计的干扰拓扑结构和网络动态的全测量情况。因此,我们提供了一个多步最小二乘算法,并行计算能力,只依赖于明确的解析解,从而避免了通常的非凸优化。因此,我们一致地估计Box Jenkins模型结构的动态网络,同时保持较低的计算负担。我们提供了一个一致性证明,包括基于路径的数据信息性条件分配的激励信号的实验设计。在一个具有降低秩噪声的动态网络上进行的数值模拟清楚地说明了这种方法的潜力。
2022-05-25 cs.SY eess.SY math.DS
Preparing for the Unknown: Learning a Universal Policy with Online System Identification
Georgia Institute of Technology(佐治亚理工学院);Google(谷歌)
本文提出了一种学习通用策略的方法,通过在线系统识别和大量训练示例,使策略在未知动态模型下具备鲁棒性,适用于多种动态模型和环境变化。
2017-05-15 cs.LG cs.RO cs.SY
Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee
针对配电网线路故障识别中故障模式未知的难题,提出一种仅利用电压幅值、结合梯度下降与Bregman散度约束的数据驱动方法,在保证收敛的同时实现及时检测与定位,并在多种真实场景下验证了有效性。
2023-09-10 cs.LG cs.SY eess.SY
Fast Adaptive Identification of Stable Innovation Filters
研究了新息滤波器冲激响应的自适应辨识问题。脉冲响应是具有未知系数的已知基函数的有限和。这些未知的系数估计使用伪线性回归。该估计是使用基于位移秩结构的平方根算法来实现的。当初始条件具有低位移秩时,滤波器更新为$O(n)$。如果滤波器结构被选择为三角输入平衡,则估计问题是良好条件的,并且简单的低秩初始化是可用的。
2018-03-11 cs.SY eess.SP eess.SY
Online Parameter Identification of Generalized Non-cooperative Game
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);University of Chinese Academy of Sciences(中国科学院大学);Tongji University(同济大学);Shanghai Research Institute for Intelligent Autonomous Systems(上海自主智能无人系统科学中心)
本文针对广义非合作博弈中的参数辨识问题,提出一种基于正则化损失和KKT条件的在线算法,在参数线性及学习率递减假设下达到O(√K)遗憾界,并通过Nash-Cournot仿真验证其性能接近离线方法。
2023-10-14 cs.GT cs.LG cs.SY