Sensor placement for fault location identification in water networks: A minimum test cover approach
MIT(麻省理工学院)
本文研究了大规模城市水系统中管道故障定位的最优传感器布置问题,采用最小测试覆盖方法,通过贪心算法和改进贪心算法提供近似解,通过实验验证了方法的有效性。
2016-03-22 cs.SY eess.SY
Sparse Kalman Identification for Partially Observable Systems via Adaptive Bayesian Learning
School of Astronautics(航天学院)
本文提出一种基于自适应贝叶斯学习的在线稀疏卡尔曼识别方法,用于部分可观测系统的高效模型识别与结构选择。
2025-11-22 cs.LG cs.SY eess.SY
Asymptotically Efficient Identification of Known-Sensor Hidden Markov Models
KTH Royal Institute of Technology(皇家理工学院);Cornell University(康奈尔大学)
本文提出一种两步算法,通过矩估计和牛顿-拉夫森最大似然估计,理论证明其一致性与渐进效率,并在大规模数据集上展示计算效率优势。
2017-02-01 cs.SY eess.SY
Data-Driven Identification of Attack-free Sensors in Networked Control Systems
Uppsala University(乌普萨拉大学);Eindhoven University of Technology(埃因霍温理工大学)
本文提出了一种数据驱动方法,用于在线识别网络化控制系统中未受攻击的传感器,并通过数值实验验证了其有效性。
2023-12-08 cs.SY eess.SY math.OC
Direct identification of fault estimation filter for sensor faults
Delft University of Technology(代尔夫特理工大学)
本文提出一种系统方法,直接从无故障条件下采集的系统输入输出数据中识别传感器故障估计滤波器,通过系统反演和识别的马尔可夫参数参数化,避免了模型降阶误差对滤波器设计的影响,适用于不稳定系统中的传感器故障检测。
2015-05-08 cs.SY eess.SY
Boosting-Enabled Robust System Identification of Partially Observed LTI Systems Under Heavy-Tailed Noise
Vinay Kanakeri and Aritra Mitra(Vinay Kanakeri 和 Aritra Mitra)
针对重尾噪声下部分观测LTI系统的辨识问题,提出基于鲁棒统计与提升思想的算法,在仅要求噪声二阶矩和输入四阶矩下,实现与亚高斯情形几乎匹配的样本复杂度界。
2025-04-25 cs.LG cs.SY eess.SY
Finite Sample Identification of Partially Observed Bilinear Dynamical Systems
Cornell(康奈尔大学);MIT(麻省理工学院);U Washington(华盛顿大学)
针对部分观测双线性动力系统的辨识难题,提出基于重尾非线性协变量回归的类马尔可夫参数学习算法,给出一致稳定性下的高概率误差界,通过合成数据实验验证了结论。
2025-10-21 cs.LG cs.SY eess.SY
Inverse Problems for Matrix Exponential in System Identification: System Aliasing
Luxembourg Centre for Systems Biomedicine (LCSB), University of Luxembourg(卢森堡系统生物医学中心(LCSB),卢森堡大学)
本文研究连续时间线性动态系统状态空间形式中A矩阵的辨识问题,探讨部分已知或稀疏结构的A矩阵如何简化辨识,并提出系统混叠问题导致矩阵对数非唯一性,通过附加条件和先验知识可部分克服。
2016-05-23 cs.SY eess.SY
Scalable Identification of Partially Observed Systems with Certainty-Equivalent EM
Stanford University(斯坦福大学)
系统辨识是基于模型的控制、估计器设计和输出预测的关键步骤。本文研究部分可观测非线性系统的离线辨识问题。我们的经验表明,确定性等效近似期望最大化可以是一个可靠的和可扩展的方法,高维确定性系统,这是常见的机器人。我们制定确定性等价的期望最大化块坐标上升,并提供了一个有效的实现。该算法的耦合洛伦兹吸引子的模拟系统上进行测试,证明其识别高维系统,可以是棘手的基于粒子的方法的能力。我们的方法也被用来识别一个特技直升机的动力学。通过用未观察到的流体状态来增强状态,学习到比最先进的方法更好地预测直升机的加速度的模型。这个工作的代码库可以在https://github.com/sisl/CEEM上找到。
2020-06-20 cs.LG cs.RO cs.SY
Distributed Adaptive Estimation with ISS Guarantees for Sensor Networks with Partially Unknown Source Dynamics
Northeastern University(东北大学)
本文研究了具有部分未知源动态的传感器网络中的分布式自适应估计,提出并行连续时间和离散时间设计,通过局部自适应观测器和图结构信息交换,证明了网络耦合操作的稳定性,信号的有界性和估计的收敛性,并推导了输入到状态稳定性(ISS)界限以量化对有界过程噪声的鲁棒性。
2026-11-03 cs.MA cs.SY eess.SY
Sensor Fault Detection, Isolation and Identification Using Multiple Model-based Hybrid Kalman Filter for Gas Turbine Engines
Concordia University(康科迪亚大学);Qatar University(卡塔尔大学)
本文提出一种基于多模型的新型传感器故障检测与隔离策略,通过混合卡尔曼滤波实现对燃气涡轮发动机全工况下传感器故障的检测与隔离,并利用改进的广义似然比方法进行故障识别,对比传统滤波方法验证了其有效性。
2015-08-27 cs.SY eess.SY
System Identification for Virtual Sensor-Based Model Predictive Control: Application to a 2-DoF Direct-Drive Robotic Arm
Department of Aeronautics and Astronautics, Graduate School of Engineering, Kyoto University(航空学系,工学研究科,京都大学);Kobe Steel, Ltd.(神户钢铁株式会社)
本文提出PVSID框架,利用高成本传感器在建模阶段创建虚拟传感器,实现二自由度直接驱动机械臂的非线性模型预测控制,无需运动捕捉系统即可实现精确末端轨迹跟踪。
2026-02-02 cs.RO cs.SY eess.SY
Partially Observable Minimum-Age Scheduling: The Greedy Policy
本文研究了无线传感器网络中的最小年龄调度问题,其中接入点(AP)通过一组传感器来监视对象的状态。由信息年龄(AoI)测量的感测状态的新鲜度在不同的传感器处变化,并且AP不能直接观察到。AP必须决定查询/采样哪个传感器,以便获得对象的最新状态信息(即,具有最小AoI的状态信息)。在本文中,我们制定的最小年龄调度问题作为一个多臂强盗问题,部分可观察的武器,并探讨贪婪的政策,以尽量减少预期的AoI采样在无限的地平线。为了分析贪婪策略的性能,我们1)提出了一种放松的贪婪策略,该策略简化了臂的采样过程,2)将每个臂的采样过程表示为部分可观测马尔可夫决策过程(POMDP),3)将放松贪婪策略下的平均采样AoI导出为从各个臂采样的平均AoI之和。数值和仿真结果验证了放松贪婪策略是一个很好的近似贪婪政策的期望AoI采样在一个无限的地平线。
2021-10-22 cs.IT cs.SY eess.SY
A Moving Target Approach for Identifying Malicious Sensors in Control Systems
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种移动目标方法,通过动态改变系统动态来主动识别恶意传感器,提升系统抗攻击能力。
2017-03-13 cs.SY eess.SY
Optimization-Based System Identification and Moving Horizon Estimation Using Low-Cost Sensors for a Miniature Car-Like Robot
Institute for Dynamic Systems and Control, ETH Zurich(苏黎世联邦理工学院动态系统与控制研究所)
本文提出一种低成本开源微型类车机器人,采用改进自行车模型和优化系统辨识,结合移动视界估计,实现高精度状态估计与鲁棒控制,并在传感器故障下保持性能。
2024-12-14 cs.RO cs.SY eess.SY
Sensor Control for Information Gain in Dynamic, Sparse and Partially Observed Environments
SRI International(SRI国际)
本文提出一种基于深度预期网络强化学习的自主传感器控制方法,通过引入信息增益奖励和混合卷积-循环神经网络层,在部分可观测、动态和稀疏采样的射频环境中有效搜索和跟踪未知信号,优于基线专家智能体。
2023-05-22 cs.AI cs.CV cs.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
Identification of System Vulnerability under a Smart Sensor Attack via Attack Model Reduction
在这项工作中,我们研究如何利用模型简化技术来识别一个闭环系统的脆弱性,包括一个工厂和一个主管,可能会邀请攻击。这里,系统漏洞是指存在可以被特定智能传感器攻击利用以造成损害的关键观察序列。我们考虑一种非确定性智能攻击,即,对于每个接收到的观测,可能存在多于一个的攻击选择,并且采用我们先前提出的建模框架,其中,这样的攻击由标准有限状态自动机捕获。对于给定的管理者S和智能传感器攻击模型A,如果所得到的受损管理者(定义为管理者S和攻击模型A '的组合)是与原始受损管理者(定义为S和A的组合)等效的控制,则另一个智能攻击模型A'被称为相对于S的攻击等效于A。遵循依赖于控制一致性概念的管理者归约的精神,我们将证明,合成简化的智能攻击模型A '(其攻击等价于A关于S)的问题可以转化为经典的管理者归约问题,使得所有现有的用于管理者归约的合成工具直接适用于我们的问题。一个简化的、理想的最小状态攻击模型可以揭示攻击者成功所需的所有观测序列,从而提醒系统设计者提前采取必要的预防措施,这可以显著提高系统的弹性。一个例子来显示我们提出的攻击模型约简技术来识别系统的脆弱性的有效性。
2022-01-25 cs.SY eess.SY
Improved rates for prediction and identification of partially observed linear dynamical systems
Duke University(杜克大学)
从部分观测值辨识线性时不变动态系统是控制理论中的一个基本问题。特别具有挑战性的是表现出长期记忆的系统。一个自然的问题是如何学习这样的系统与非渐近统计率取决于系统的固有维数(顺序)$d$,而不是在可能更大的内存长度。我们提出了一种算法,给出了一个单一的轨迹长度$T$与高斯观测噪声,学习系统的$\widetilde O\left(\sqrt\frac{d}{T}\right)$在$\mathcal{H}_2$错误的接近最优的速率,只有对数,而不是多项式依赖于内存长度。我们还给出了边界下的过程噪声和改进的边界学习实现的系统。我们的算法是基于多尺度低秩近似:SVD应用于几何增加大小的汉克尔矩阵。我们的分析依赖于仔细应用的浓度范围上的傅立叶域-我们给相关输入的样本协方差和$\mathcal H_\infty$范数估计,这可能是独立的利益更清晰的浓度范围。
2022-03-07 cs.LG cs.SY eess.SY
Distributed Sparse Identification for Stochastic Dynamic Systems under Cooperative Non-Persistent Excitation Condition
研究了无线传感器网络中的分布式稀疏辨识问题,即所有传感器利用邻居节点的局部信息协同估计随机动态系统的未知稀疏参数向量。提出了一种分布式稀疏最小二乘算法,该算法通过最小化局部信息准则,将局部信息准则表示为累积局部估计误差和L1正则项的线性组合。给出了该算法自适应预测器的估计误差和估计误差的上界。此外,通过基于局部观测数据设计合适的自适应加权系数,得到了在合作非持续激励条件下,有限观测数下零元的集合收敛性.结果表明,所提出的分布式算法可以很好地工作在一个合作的方式,即使没有一个单独的传感器可以完成估计任务。我们的理论结果是在不依赖于回归信号的独立性假设,已在现有文献中常用的。因此,我们的结果有望应用于随机反馈系统。最后,通过数值模拟验证了理论结果的有效性.
2022-03-05 cs.SY eess.SY
SPIRAL-PO: Symbolic Identification of Partially Observed Nonlinear Dynamics with Application to Rotating Machinery
Santa Clara University(圣克拉拉大学);Thermo Fisher Scientific(赛默飞世尔科技)
本文提出SPIRAL-PO框架,用于从含隐藏状态的部分观测数据中识别非线性动力学控制方程,在旋转机械案例中成功恢复耦合项与非线性特性,实现隐藏轨迹重建。
2026-11-05 cs.SY eess.SY
Sensor Model Identification via Simultaneous Model Selection and State Variable Determination
University of Klagenfurt(克拉根福大学)
本研究提出一种传感器模型无人值守灰箱辨识方法,通过同步模型选择与状态确定,结合健康度指标验证结果,可简化传感器集成,适用于非专业用户及模块化机器人场景。
2025-06-12 cs.IT cs.NA cs.RO
A Stochastic Global Identification Framework for Aerospace Vehicles Operating Under Varying Flight States
Stanford University(斯坦福大学)
本文提出了一种基于数据的随机全局识别框架,用于在变化飞行状态和不确定性下识别航空器的动力学模型,通过最小数量的估计参数成功表征翼的气弹响应,展示了该框架的高精度和有效性。
2016-12-15 cs.SY eess.SY
Geometric Fault Identification via Mirror Descent Learning
California Institute of Technology(加州理工学院)
本文提出了一种用于非线性控制仿射系统在同时存在执行器和传感器故障下的故障检测与识别方法,采用几何方法研究故障的可隔离性,并开发了包含收缩保证的鲁纳伯格似观测器的混合估计器,结合神经网络估计执行器和传感器故障,通过镜像下降法适应最后一层网络以满足故障通道的可隔离性条件,最终通过航天器三轴姿态控制系统验证了方法的有效性。
2026-05-16 cs.SY eess.SP eess.SY
Model Identification Adaptive Control with $ρ$-POMDP Planning
Stanford University(斯坦福大学);TerraAI;Toyota Research Institute(丰田研究院)
针对部分可观测下系统误辨识导致的误差累积问题,提出将MIAC建模为$\ ho$-POMDP并用改进的BiLQR求解,在cart-pole和飞机飞行域上优于回归、滤波等基线方法。
2025-05-22 cs.RO cs.SY eess.SY
Noise Tolerant Identification and Tuning Approach Using Deep Neural Networks For Visual Servoing Applications
Khalifa University(哈利法大学)
由于低成本的机载传感器和计算机的可用性,基于视觉的无人机(UAV)控制已被广泛应用。调整这样的系统以使其正常工作需要广泛的领域特定经验,这限制了新兴应用程序的增长。此外,由于所使用的模型的复杂性,获得基于无人机的视觉伺服的性能极限是困难的。在本文中,我们提出了一种新的噪声容忍的方法,实时识别和调整的视觉伺服系统,基于深度神经网络(DNN)分类的系统响应所产生的修改后的继电器反馈测试(MRFT)。所提出的方法,称为DNN与噪声保护MRFT(DNN-NP-MRFT),可以与众多的视觉传感器和估计算法,尽管传感器的噪声水平很高。研究了DNN-NP-MRFT对噪声扰动的响应,分析了其对辨识和调谐性能的影响。所提出的DNN-NP-MRFT能够检测由于使用高延迟视觉传感器或由于在UAV状态估计中集成惯性测量单元(IMU)测量而导致的性能变化。实验识别密切匹配的仿真结果,可以用来解释系统的行为和预测给定的硬件和软件设置的闭环性能限制。我们还展示了DNN-NP-MRFT调谐无人机拒绝外部干扰(如风或人类推拉)的能力。最后,我们讨论了所提出的DNN-NP-MRFT视觉伺服设计方法的优点相比,文献中的其他方法。
2022-02-08 cs.RO cs.SY eess.SY
Global Task-aware Fault Detection, Identification For On-Orbit Multi-Spacecraft Collaborative Inspection
Purdue University(普渡大学);California Institute of Technology(加州理工学院);Jet Propulsion Laboratory(喷气推进实验室)
本文提出一种全局到局部的任务感知故障检测与识别算法,利用巡检任务代价泛函及其高阶梯度设计度量和自适应阈值,在多航天器协同巡检中实现故障检测与故障类型识别。
2025-05-06 cs.MA cs.RO cs.SY
Learning Stable Deep Dynamics Models for Partially Observed or Delayed Dynamical Systems
ETH Zürich(苏黎世联邦理工学院)
了解复杂动态系统如何随时间演化是系统辨识的一个关键挑战。对于安全关键系统,保证学习模型收敛到某个平衡点通常是至关重要的。为此,神经常微分方程正则化神经李雅普诺夫函数是一个很有前途的方法时,状态完全观察。然而,对于实际应用,部分观测是规范。正如我们将证明的那样,初始化不可观测的增广状态可能成为神经常微分方程的一个关键问题。为了缓解这个问题,我们建议增加系统的历史状态。受离散时间系统状态增广的启发,我们得到了神经时滞微分方程。基于经典的时滞稳定性分析,我们展示了如何确保学习模型的稳定性,并从理论上分析了我们的方法。我们的实验表明,它适用于部分观测系统的稳定系统辨识和学习的延迟反馈控制的稳定反馈政策。
2021-12-10 cs.LG cs.SY eess.SY
Experimental verification of an online traction parameter identification method
Technische Universität Chemnitz(开姆尼茨工业大学);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
表征地轮接触动力学的牵引参数是车辆能源效率的核心因素。为了优化油耗、减少轮胎磨损、提高生产率等,当前牵引参数的知识是不可避免的。不幸的是,这些参数很难测量,需要昂贵的力和扭矩传感器。另一种方法是使用系统辨识来确定它们。在这项工作中,我们验证了这种方法在现场实验与移动机器人。该方法基于自适应卡尔曼滤波器。我们展示了它如何在线估计牵引力参数,在球场上的运动过程中,并将它们与通过安装用于验证的6向力-扭矩传感器确定的值进行比较。记录粘附滑移率曲线的数据,并与文献中的曲线进行比较,以进一步验证该方法。研究结果可为优化牵引方案奠定基础。
2023-03-20 cs.RO cs.SY eess.SY