Lifted Frequency-Domain Identification of Closed-Loop Multirate Systems: Applied to Dual-Stage Actuator Hard Disk Drives
本文提出一种仅用慢率输出测量、结合提升与局部建模的频域辨识方法，可在单次实验中准确辨识闭环多率系统，并在硬盘驱动器双级致动器基准上验证了有效性。
2025-04-09 cs.SY eess.SY
Recursive Experiment Design for Closed-Loop Identification of ARMAX Systems with Output Perturbation Limits
Uppsala University（乌普萨拉大学）
本文提出一种递归实验设计方法，通过在固定输出反馈控制器生成的输入中加入有界探测信号，以在保持输出扰动限制内实现ARMAX模型的闭环识别。
2026-06-05 cs.SY eess.SY
Closed-Loop Identification of Periodically Time-Varying Systems via Cyclic Reformulation
针对开环不稳定周期时变系统，提出基于循环闭环实现的代数提取定理，并构建闭环辨识算法，通过子空间辨识和坐标变换恢复系统参数。
2026-05-28 cs.SY eess.SY
Fast Sampling for System Identification: Overcoming Noise, Offsets, and Closed-Loop Challenges with State Variable Filter
本文提出利用状态变量滤波器结合快速采样进行系统辨识，证明估计误差方差随采样间隔线性减小，且对有色噪声和偏移鲁棒，有效解决了闭环MIMO系统辨识难题。
2025-06-04 cs.SY eess.SY
Small Noise Analysis of Non-Parametric Closed-Loop Identification
本文重新审视频域非参数闭环辨识问题，在两次相同激励的独立实验下对直接法、间接法和联合输入输出法进行小噪声渐近分析，并揭示了估计器精度与回路整形间的关系。
2024-11-12 cs.SY eess.SY
3D printing of a leaf spring: A demonstration of closed-loop control in additive manufacturing
Georgia Institute of Technology（佐治亚理工学院）
本文通过3D打印叶片弹簧展示闭环控制在增材制造中的应用，通过调整填充密度实现目标刚度，使刚度误差从11.63%降至1.34%。
2018-05-07 cs.SY eess.SY math.OC
Recursive Identification of Structured Systems: An Instrumental-Variable Approach Applied to Mechanical Systems
本文提出一种结合辅助变量法与块坐标下降的递归辨识算法，用于在可解释加性模型结构中实时估计机械系统的时变动态，并通过仿真和实验验证其有效性。
2025-04-24 cs.SY eess.SY
Consistency analysis of refined instrumental variable methods for continuous-time system identification in closed-loop
本文针对闭环场景下连续时间系统辨识的SRIVC及CLSRIVC方法的一致性问题展开研究，证明连续时间控制器下二者不具备通用一致性、离散时间控制器下可实现通用一致性，并通过数值模拟验证了理论结果。
2024-04-13 cs.SY eess.SY
Bayesian Diagnosability and Active Fault Identification
针对离散时间非线性系统的故障识别问题，提出基于定量贝叶斯可诊断性定义的主动FID策略，通过设计控制输入突破被动方法的限制，实验验证其能降低故障率、缩短识别延迟。
2025-09-04 cs.SY eess.SY
Neural Identification of Feedback-Stabilized Nonlinear Systems
本文提出了一种基于完整参数化的神经网络框架，用于稳定非线性系统的闭环识别，确保模型稳定性并提升识别精度。
2025-11-24 cs.SY eess.SY
Direct closed-loop identification of continuous-time systems using fixed-pole observer model
本文提出一种基于固定极点观测器模型的连续时间系统直接闭环辨识方法，可在无控制器和激励信号先验知识且数据含未知偏置条件下辨识不稳定系统，并将辨识问题转化为凸优化问题，兼具噪声鲁棒性和广泛适用性。
2025-06-04 cs.SY eess.SY
Some remarks on the bias distribution analysis of discrete-time identification algorithms based on pseudo-linear regressions
SATIE, Ecole normale supérieure Paris-Saclay（巴黎萨克雷高等师范学校 SATIE）
本文探讨了基于伪线性回归的闭环输出误差识别算法在频域中的偏差分布分析，指出其在高频下的优越性。
2018-06-18 cs.SY eess.SY
Closed Form Modelling and Identification of Banking Effects in Confined Waters
针对受限水域岸壁效应现有数值方法计算成本高、难以实时应用的问题，本文提出基于第一性原理的闭式岸壁效应模型，通过拖曳水池实验数据结合物理信息回归辨识系数，经Shapley值验证有效，且无量纲系数支持跨几何相似尺度应用。
2025-11-13 cs.SY eess.SY
Closed-loop Identification of a MSW Grate Incinerator using Bayesian Optimization for Selecting Model Inputs and Structure
针对城市固体废物炉排焚烧炉，提出利用贝叶斯优化选择模型输入与结构，实现低阶闭环辨识，获得高精度预测模型，支持基于模型的控制方案开发。
2024-01-10 cs.SY eess.SY
Frequency Domain Identification of Multirate Systems: A Lifted Local Polynomial Modeling Approach
多采样率系统的频域表示对于多采样率系统的控制器设计和性能评估以及采样控制都是必不可少的。本文的目的是在频域中开发一种多采样率系统的时间有效的闭环辨识方法。所开发的方法利用本地多项式建模的LPTV系统，这使得直接识别闭环多速率系统在一个单一的识别实验的提升表示。与LTI识别技术不同，所开发的方法不会因忽略LPTV动态而产生偏差。所开发的方法被证明在多速率的例子，从而在频域中的准确和快速的识别。
2022-08-31 cs.SY eess.SY
Closed-Loop Sensitivity Identification for Cross-Directional Systems
针对强方向性大规模横向系统难以在闭环下评估灵敏度的问题，本文提出逐模态参考激励与 SISO 解耦辨识方法，并给出抗噪幅值下界，可用于性能评估和故障检测。
2024-10-03 cs.SY eess.SY
Temperature states in Powder Bed Fusion additive manufacturing are structurally controllable and observable
粉末床融合（PBF）是一种增材制造（AM）技术，通过激光或电子束热源的选择性熔化作用，以逐层方式从金属粉末床中构建零件。该技术已经变得广泛，然而，对PBF系统中的闭环过程监测和控制的需求正在增长，以取代当今存在的开环体系结构。基于控制的模型有可能通过利用计算上易于处理的简化模型来满足这一需求，同时还减少了与这些模型相关的误差。本文介绍了PBF过程的控制理论分析，证明了PBF模型是渐近稳定的，可镇定的，和可检测的。我们表明，PBF的线性模型是结构可控和结构可观察的，只要构建的任何部分暴露于能源和测量，我们提供的条件，时不变PBF模型是经典的可控/可观察的，我们证明了执行状态估计和控制时不变系统的能量要求。因此，本文提出了一种有效的手段，实现闭环PBF质量控制的基础。
2020-01-07 cs.SY eess.SY
Parsimonious Identification of Continuous-Time Systems: A Block-Coordinate Descent Approach
针对连续时间系统识别中非因式分解传递函数缺乏简约描述的问题，提出一种块坐标下降算法，通过顺序估计传递函数的加性分解来构建简约模型，数值仿真验证了其有效性。
2023-04-06 cs.SY eess.SY
Closed-Loop Identification of Stabilized Models Using Dual Input-Output Parameterization
本文提出双输入-输出参数化方法，利用闭环传递函数参数化被控对象，无需互质分解或标称模型即可保证辨识模型被已知控制器稳定，仿真显示优于现有基准方法。
2023-11-15 cs.SY eess.SY math.OC
On simplification of Dual-Youla approach for closed-loop identification
Osaka University（大阪大学）；Kyoto University（京都大学）
闭环辨识的对偶尤拉法具有几个重要的实际优点。也就是说，它提供了一个准确的植物模型，不考虑噪声模型，并适合固有地处理不稳定的植物，通过互质分解。此外，该方法对控制器知识的不确定性具有经验鲁棒性。然而，互质分解的使用可能会对工业应用造成很大的障碍。本文展示了如何得到一个简化版本的方法，确定植物本身没有互质因式分解，同时享受所有的优点，双尤拉方法。这种简化的方法与作者最近提出的稳定预报误差法是一致的。详细的仿真结果证明了上述优点。
2020-12-15 cs.LG cs.SY eess.SY
Adaptive Nonlinear Control with Online Identification and Receding-Horizon Optimization
该研究提出结合滚动时域iLQR等技术的自适应非线性最优控制方案，通过AMIGO框架分三阶段计算，经多种非线性系统验证，为复杂控制场景提供有效方法。
2026-09-09 cs.SY eess.SY
Closed-loop Parameter Identification of Linear Dynamical Systems through the Lens of Feedback Channel Coding Theory
University of Texas at Austin（德克萨斯大学奥斯汀分校）
研究了具有高斯过程噪声的线性标量系统的闭环辨识问题，其中系统输入由确定性状态反馈策略确定。采用正则化最小二乘估计（LSE）算法，寻求基于无噪声状态测量的未知模型参数的最佳估计。我们感兴趣的是未知参数可以学习的速率的基本限制，在这个意义上的D-最优标量化标准受到二次控制成本。我们首先建立了一个新的连接之间的闭环识别问题的兴趣和信道编码问题，涉及加性高斯白噪声（AWGN）信道反馈和一定的结构约束。基于这种连接，我们表明，学习率从根本上是由相应的AWGN信道的容量上界。虽然反馈策略的最优设计仍然具有挑战性，我们得出的条件下，达到上限。最后，我们表明，得到的上界意味着超线性收敛是无法实现的任何选择的政策。
2020-03-27 cs.LG cs.SY eess.SY
Hawkes Identification with a Prescribed Causal Basis: Closed-Form Estimators and Asymptotics
the University of Melbourne（墨尔本大学）
本文提出了一种闭式最小二乘方法用于Hawkes过程的识别，提供了在正确和失配情况下的渐近理论分析。
2026-02-24 cs.SY eess.SY stat.ME
Model Identification and Adaptive State Observation for a Class of Nonlinear Systems
本文研究了一类输出反馈标准型连续时间非线性系统的状态估计和模型辨识的联合问题。提出了一种自适应观测器，它结合了扩展的高增益观测器和离散时间辨识器。扩展观测器向识别器提供允许识别系统模型的数据集，并且识别器根据新的估计模型来适配扩展观测器。作为一个系统辨识问题的标识符的设计接近和充分条件，如果满足，允许不同的识别算法被用于自适应阶段。递归最小二乘和多分辨率黑箱识别通过基于小波的标识符的情况下，具体解决。稳定性结果提供有关的渐近估计误差的预测能力的标识符。相对于影响系统方程和测量的附加干扰的鲁棒性也建立在相对于无噪声估计的输入到状态稳定性属性方面。
2020-11-30 cs.SY eess.SY
Non-Asymptotic State-Space Identification of Closed-Loop Stochastic Linear Systems using Instrumental Variables
本文推广了符号扰动和（SPS）方法，结合矩阵变量回归与工具变量，为闭环随机线性状态空间系统构造免分布置信区域，并提出计算高效的椭球外逼近算法。
2024-06-08 cs.SY eess.SY math.DS
On a closed-loop identification challenge in feedback optimization
研究了反馈优化中由闭环数据辨识模型导致的偏差问题，提出了基于闭环灵敏度与噪信比矩阵的充分收敛条件与反向发散条件。
2025-09-01 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
Integrated Identification of Collaborative Robots for Robot Assisted 3D Printing Processes
Department of Engineering “Enzo Ferrari”, University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学“恩佐·法拉利”工程系）
本文提出了一种基于模型的集成识别方法，用于识别协作机器人、执行器和控制器的参数，以提高机器人辅助3D打印过程的精度和误差预测能力。
2026-04-02 cs.RO cs.SY eess.SY
Non-Asymptotic Bounds for Closed-Loop Identification of Sub-Exponentially Growing Nonlinear Stochastic Systems
Leibniz University Hannover（汉诺威莱布尼茨大学）；University of Melbourne（墨尔本大学）
该研究针对离散时间不稳定闭环非线性随机系统，基于单轨迹数据开展最小二乘参数估计，在满足次指数输入到状态增长等条件下建立估计误差的非渐近保证，结果可用于现有工作之外的分析。
2026-08-27 cs.LG cs.SY eess.SY
Feedback Identification of conductance-based models
本文将经典预测误差法应用于受噪声影响的神经元非线性离散时间模型估计，利用基于电导模型指数收缩逆动力学的性质，证明了输出反馈下参数估计的一致性，为非线性系统辨识在随机神经元系统中的应用提供了严格框架。
2020-12-16 cs.SY eess.SY q-bio.NC
COSMIC: fast closed-form identification from large-scale data for LTV systems
我们介绍了一个封闭形式的方法，用于识别离散时间线性时变系统的数据，制定的学习问题作为一个正则化的最小二乘问题，其中正则化有利于光滑的解决方案在一个轨迹。我们开发了一个封闭形式的算法，保证最优性和复杂性，线性增加的数量考虑每个轨迹的时刻。COSMIC算法即使在存在大量数据的情况下也能达到预期的结果。我们的方法解决了这个问题，使用两个数量级的计算能力比一般用途的凸求解器，是约3倍的速度比随机块坐标下降特别设计的方法。我们的方法的计算时间保持在数量级的第二，即使为10k和100k的时刻，通用求解器崩溃。为了证明其适用于现实世界的系统，我们测试与弹簧质量阻尼器系统，并使用估计模型，以找到最优控制path.Our算法被应用到低保真和功能工程模拟器的彗星拦截器任务，这需要在快速动态环境中的车载摄像机的精确指向。因此，本文提供了一个快速的替代经典的线性时变系统的系统辨识技术，同时证明是一个坚实的基础，在航天工业中的应用程序，并向前迈出了一步，将利用数据在这样一个安全关键的环境中的算法。
2022-05-29 astro-ph.IM cs.SY eess.SY
When Is a Learned Command Adapter Worth It? Closed-Loop Identification and Counterfactual Auditing of Frozen Locomotion Policies
研究向冻结运动策略添加学习到的命令适配器是否值得，通过适配器必要性审计区分多种增益并映射到决策，经闭环识别等方法及实验评估，测试可观测信号能否证明依赖状态的自适应，而非预设适配器有价值。
2026-07-27 cs.AI cs.SY eess.SY
