Online State Estimation for Time-Varying Systems
本文研究了线性测量模型的时变系统的状态估计问题;特别是,本文考虑了可用测量数小于状态数的情况。代替一批线性最小二乘(LS)的方法-非常适合静态网络,其中可以收集足够数量的测量值,以获得满秩设计矩阵-本文提出了一种在线算法来估计可能随时间变化的状态,通过处理测量值和可用时。该算法的设计取决于一个广义LS成本与邻近点型正则化增强。利用以封闭形式可用的正则化LS问题的解,在线算法被写为线性动力系统,其中状态基于先前的估计和基于新的可用测量来更新。条件下的算法步骤实际上是一个收缩映射,并得出不同的噪声模型的估计误差的界限。数值模拟证实了分析结果。
2021-04-05 cs.SY eess.SY math.OC
Parameter Estimation in Adaptive Control of Time-Varying Systems Under a Range of Excitation Conditions
Massachusetts Institute of Technology(麻省理工学院);The Boeing Company(波音公司);Air Force Research Laboratory(空军研究实验室)
针对一类时变对象的适应控制,提出了一种新的参数估计算法。该算法的主要特点是时变学习率矩阵,当满足激励条件时,该矩阵使参数估计误差轨迹以指数形式快速趋于一个紧集。该算法是采用在一个大类的问题,其中未知参数是存在的,是随时间变化的。结果表明,该算法保证了系统的状态和参数误差的全局有界性,避免了常用的滤波方法来构造关键回归信号。此外,在有限和持续激励的存在下,这些错误往往以指数方式快速向紧凑集的时间间隔。一个投影算子用于确保学习率矩阵的有界性,相比随时间变化的遗忘因子。提供了数值模拟来补充理论分析。
2021-11-17 cs.LG cs.SY eess.SY
Robust Filtering for Adaptive Homodyne Estimation of Continuously Varying Optical Phase
School of Engineering and Information Technology, University of New South Wales, Canberra(新南威尔士大学堪培拉校区工程与信息技术学院)
针对连续变化光相位的自适应零差估计问题,提出使用最优卡尔曼滤波和保证成本鲁棒滤波来降低均方误差并增强对噪声参数波动的鲁棒性。
2012-11-30 cs.SY eess.SY math.OC
Comparison of Derivative Estimation Methods in Solving Optimal Control Problems Using Direct Collocation
本文研究了四种导数估计方法在求解一个大型稀疏非线性规划问题时的性能,该问题是由直接配置法逼近最优控制问题而产生的。特别是,泰勒级数为基础的有限差分,双复步骤,超对偶导数估计方法进行评估和比较旁边的一个众所周知的自动微分方法。基于迭代次数、每次迭代的计算时间和解决非线性规划问题所需的总计算时间来评估每种导数估计方法的性能。通过求解三个基准最优控制问题,比较了四种导数估计方法的效率。据发现,而中央有限差分通常是更有效的每迭代比超对偶或双复步骤,后两种方法有显着降低的整体计算时间,由于这样的事实,即较少的迭代所需的非线性规划问题相比,中央有限差分。此外,虽然双复步长和超对偶方法在性能上相似,但超对偶方法明显更容易实现。此外,自动微分方法被发现是计算效率大大低于任何三个泰勒级数为基础的方法。本研究的结果表明,超对偶方法提供了几个好处比其他三种方法无论是在计算效率和易于实施。
2019-05-29 math.OC
An Improved Stability Method for Linear Systems with Fast-Varying Delays
在标称时滞值不等于零的假设下,研究了具有不确定有界时变时滞的线性系的稳定性。一个输入-输出的方法来稳定这样的系统是已知的,是基于一定的积分算子的$L_2$ -范数的界。该算子在两种情况下有界:时滞导数不大于1的情况和时滞导数无约束的情况。在本说明中,我们填补了这两种情况之间的差距,推导出一个运营商的界限,这是一个增加和连续函数的延迟导数上界$d \geq 1$。对于$d\to \infty$,新的界限对应于第二种情况,并改进了现有的界限。在此基础上,针对时滞导数大于1的系统,给出了改进的频域和时域稳定性判据。
2006-02-27 math.FA math.OC
Uniform Lipschitz Property of Nonnegative Derivative Constrained B-Splines and Applications to Shape Constrained Estimation
受一般非负导数约束下的形状约束估计的启发,考虑了约束函数的B-样条逼近,研究了约束B-样条估计的渐近性能.通过引用B样条理论中的一个深层次的结果(称为de Boor猜想),首先证明了A。Shardin以及其他新的分析技术,我们建立了一个关键的均匀Lipschitz性质的B-样条估计受到任意非负导数约束下的$\ell_\infty$ -范数可能非等距设计点和节点。这一性质导致了B样条估计量的重要渐近分析结果,例如,在整个区间上的一致收敛性和相合性。本文的结果不仅恢复了单调和凸逼近和估计的特殊情况,而且在一个统一的框架内处理一般的非负导数约束,并打开了大门的约束B-样条逼近和估计受到更广泛的一类形状约束。
2015-10-18 math.CA math.OC math.ST
Learning and Planning for Time-Varying MDPs Using Maximum Likelihood Estimation
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种形式化的方法,在线学习和规划代理商在先验未知的,时变的环境中工作。所提出的方法计算的最大可能的环境模型,给定的观察由代理在系统运行的早期,并假设知识的最大变化率的系统动态的约束的环境。这种方法推广了通常用于具有时不变转移概率的未知马尔可夫决策过程的学习算法中的估计方法,但也能够快速且正确地识别变化后的系统动态。基于所提出的方法,我们推广的探索奖金用于学习时不变的马尔可夫决策过程通过引入一个学习的时变模型的不确定性的概念,并开发一个控制策略的基础上开发和探索权衡的时变马尔可夫决策过程。我们证明了所提出的方法在四个数值例子:一个巡逻任务与系统动力学的变化,一个两个状态的MDP与定期变化的行动结果,一个风流量估计任务,和一个多臂土匪问题与定期变化的概率不同的奖励。
2021-02-08 cs.LG cs.SY eess.SY
Accelerated derivative-free nonlinear least-squares applied to the estimation of Manning coefficients
针对溃坝水力模型中 Manning 系数等参数估计问题,提出带两种降维过程和割线加速步骤的无导数非线性最小二乘框架,并给出全局收敛理论与数值算例。
2021-04-06 cs.NA math.NA math.OC
Novel Parameter Estimation Strategies for Time-Varying Systems via Real-Time Non-Linear Receding Horizon Control in Chaotic Environments
基于实时非线性滚动时域控制方法,提出了一种混沌环境下时不变和时变非线性动力系统参数估计的新方法。这里,参数估计问题转化为一族有限时域优化控制问题。相应的滚动时域控制问题,然后解决数值,实时,不求助于任何迭代逼近方法,通过引入稳定的连续方法和向后扫描算法。这项工作的意义在于它的实时性和它的强大的结果对非线性混沌系统的时变参数。所提出的方法的有效性证明了两个混沌系统,具有时不变和时变参数。最后,研究了该算法对有界噪声的鲁棒性。
2014-12-18 math.OC
Adaptive Finite-Difference Interval Estimation for Noisy Derivative-Free Optimization
最小化光滑非线性函数的常用方法是采用梯度的有限差分近似。虽然当函数评估中不存在错误时可以轻松执行,但当函数有噪声时,最佳选择需要有关函数的噪声水平和高阶导数的信息,而这些信息通常是不可用的。鉴于噪声水平的功能,我们提出了一个二分法搜索找到一个有限差分间隔的任何有限差分计划,平衡的截断误差,这是由泰勒级数近似的误差,和测量误差,这导致在函数评估的噪声。我们的程序产生可靠的估计,以低成本的有限差分区间,而不显式近似高阶导数。我们展示了一组测试问题的数值可靠性和准确性。当结合L-BFGS,我们得到了一个强大的方法,最大限度地减少噪音的黑盒函数,如所示的一个子集上的无约束CUTEst问题与合成添加噪声。
2022-03-22 math.OC
Real-Time Non-Linear Receding Horizon Control Methodology for Estimation of Time-Varying Parameters
在控制和工程领域,模型通常包含许多未知或粗略已知的参数。这些参数的完整知识对于描述和分析系统的动态特性至关重要。提出了一种基于实时非线性滚动时域控制策略的非线性系统未知时变参数估计新方法。为此,将估计问题转化为最优化问题,用后向扫描Riccati法求解。方法实施两个非线性的例子,没有提供任何参考的参数。结果表明,该算法能够有效地估计出非线性系统的未知时变参数。
2015-01-29 math.OC
A New Adaptive Channel Estimation for Frequency Selective Time Varying Fading OFDM Channels
针对频率选择性时变衰落OFDM信道,提出了一种新的自适应动态信道估计算法。新算法采用了一种新的策略,成功地提高了OFDM符号速率。该算法不使用固定的训练导频序列,而是使用一个逻辑控制器在几个可用的训练模式中进行选择。控制器的选择是基于在两个连续的时刻(这被认为是一个合适的测量信道平稳性),以及从期望的BER的偏差导频符号之间的互相关。系统性能的仿真结果证实了这种新的信道估计技术的有效性,在提高OFDM符号的数据速率,而保持相同的错误概率比传统的非自适应估计方法。
2010-09-22 math.OC
On derivative-free extended Kalman filtering and its Matlab-oriented square-root implementations for state estimation in continuous-discrete nonlinear stochastic systems
针对连续-离散非线性随机系统,本文提出一种无导数扩展卡尔曼滤波方法,推导了矩与样本点微分方程及其平方根形式,并设计了基于MATLAB内置ODE求解器的精确数值实现,有效解决了高度非线性系统难以计算雅可比矩阵的估计难题。
2024-02-17 math.OC
A scaled conjugate gradient based direct search algorithm for high dimensional box constrained derivative free optimization
在这项工作中,我们提出了一个有效的方法来解决盒约束导数自由最优化问题涉及高维。所提出的方法依赖于探索可行域使用直接搜索方法的基础上缩放共轭梯度与二次插值模型。对不同维数的试验问题进行了大量的数值计算,结果表明所提出的无导数优化方法具有良好的性能。
2019-01-16 math.OC
Automatic Differentiation of Optimization Algorithms with Time-Varying Updates
University of Tübingen(蒂宾根大学);Saarland University(萨尔大学)
本文针对时变更新优化算法研究自动微分,证明导数迭代的收敛速率保证,并通过近端梯度下降、FISTA及正则化回归实验验证。
2024-10-24 cs.LG math.OC
Nonlinear parameter-varying embeddings for nonlinear state estimation with application to a two-link robot manipulator
本文提出非线性参数变化嵌入方法设计观测器,在保留非线性结构的同时减少调度参数,并在两连杆机器人上验证,优于扩展卡尔曼滤波和移动horizon估计。
2026-09-17 math.OC
Real-time Fault Estimation for a Class of Discrete-Time Linear Parameter-Varying Systems
估计和检测故障对于确保安全和高效的自动化系统至关重要。在存在干扰、噪声或变化的系统动态的情况下,这样的估计甚至更具挑战性。为了解决这一问题,本文提出了一种新的滤波器来估计多个故障信号的一类离散时间线性变参数(LPV)系统。这种滤波器的设计被公式化为最优化问题,并且被递归地求解,而系统动态可能随时间而变化。介绍了故障存在和可检测的条件,并使用二次规划框架来制定和解决该问题。我们进一步提出了一个近似的计划,可以是任意精确的,而它享有的解析解,支持实时实现。该方法的说明和验证自动车辆的横向动力学,这是一个实际的LPV系统相关的例子。结果表明,估计滤波器可以解耦未知干扰和已知或可测的动态参数变化,同时估计未知故障。
2021-12-10 math.OC
Asymptotic Properties of Recursive Maximum Likelihood Estimation in Non-Linear State-Space Models
使用随机梯度搜索和最优滤波器导数,可以执行递归(即,在线)非线性状态空间模型中的极大似然估计。由于这种模型的最优滤波器及其导数在解析上是难以处理的,因此需要对它们进行数值近似。在[Poyiadjis,Doucet and Singh,Biometrika 2018]中,提出了一种基于粒子逼近最佳滤波器导数的递归最大似然算法,并通过数值模拟进行了研究。本文对该算法及其渐近行为进行了理论分析。我们表明,该算法准确地估计最大值的基本(平均)的对数似然粒子的数量是足够大时。我们还推导出(相对)紧界的估计误差。所得到的结果保持在(相对)温和的条件下,并涵盖了几类非线性状态空间模型在实践中遇到的。
2021-01-02 math.OC math.ST stat.ML
Optimal Estimation via Nonanticipative Rate Distortion Function and Applications to Time-Varying Gauss-Markov Processes
本文利用非预期率失真理论提出了{有限时域}因果滤波器。我们应用{开发}理论{设计最优滤波器}时变多维高斯-马尔可夫过程,均方误差保真度约束。我们表明,这样的过滤器是等效的最佳的\texttt{\{encoder, channel, decoder\}},这确保了误差满足{a}保真度约束的设计。此外,我们得到了条件互信息下时变多维Gauss-Markov过程的任何估计的均方误差的一个普遍下界。与经典的卡尔曼滤波器,开发的过滤器的特点是由一个反向注水算法,它确保{that}的保真度约束得到满足。理论结果表明,通过例证。
2017-02-10 cs.IT math.DS math.IT