Bounding the l_2 sensitivity for positive linear observers
考虑正线性系统的差分私人Luenberger观测器的设计。特别是，我们推导出一个界限的$l_2$灵敏度的Luenberger观察员，这是用来量化所需的噪声，通过高斯机制，实现宽松的差分隐私。一种方法，以尽量减少这方面的积极观察员，并推导出几个界限相关的这个问题。
2020-08-25 cs.SY eess.SY
KOOPMAN-Luenberger Observer Design for Nonlinear Systems with Application to the Monitoring of a Latent Thermal Energy Storage
KTH Royal Institute of Technology（皇家理工学院）；Rubitherm Technologies GmbH（鲁比热姆技术有限公司）；AIT Austrian Institute of Technology GmbH, Center for Energy（奥地利技术研究院能源中心）
本研究提出KOOPMAN-LSO设计框架，结合Koopman提升与线性观测器优势，在LTES系统上实现了受限感知下的非线性状态高精度估计，验证了其实际应用潜力。
2026-08-12 cs.SY eess.SY
Estimation of superconducting cavity bandwidth and detuning using a Luenberger observer
本文提出用Luenberger观测器在原生采样率下估计超导腔带宽与失谐，无需显式滤波，增益可调，利于连续波直线加速器运行。
2025-07-10 cs.SY eess.SY physics.acc-ph
Learning-based Design of Luenberger Observers for Autonomous Nonlinear Systems
KTH Royal Institute of Technology（瑞典皇家理工学院）；Massachusetts Institute of Technology（麻省理工学院）
针对非线性系统Luenberger观测器设计中单射转换及其逆映射难以求解的挑战，提出利用监督式physics-informed neural networks同时近似转换映射及其逆映射的新方法，该方法具有更优的泛化能力且对近似误差与系统不确定性具备鲁棒性。
2023-04-05 cs.LG cs.SY eess.SY
Data-driven Output Regulation via Gaussian Processes and Luenberger Internal Models
针对多变量非线性系统的自适应输出调节问题，提出了一种基于学习的自适应内模设计策略。该方法建立在最近提出的自适应内部模型设计技术的基础上的非线性Luenberger观测器的理论，和适应方面接近作为一个概率回归问题。特别地，高斯过程先验被用来处理学习问题。与以前的方法在该领域中，这里只需要粗略的假设的朋友结构，使所提出的方法适用于应用程序的外系统是高度不确定的。本文提出的性能界限所达到的调节误差和数值模拟显示如何所提出的方法优于以前的方法。
2022-10-28 cs.SY eess.SY
Learning Robust State Observers using Neural ODEs (longer version)
University of Oxford（牛津大学）
本文基于神经ODE提出了一种非线性系统状态观测器设计方法，通过分析可调谐KKL观测器在收敛速度与鲁棒性间的权衡，提升了基于学习的观测器的鲁棒性，并在数值仿真中验证了其优势。
2023-05-17 cs.LG cs.SY eess.SY
Data-Driven Observer Synthesis for Autonomous Limit Cycle Systems through Estimation of Koopman Eigenfunctions
本文针对平面极限环系统，提出一种基于Koopman算子的数据驱动KKL观测器构造方法，将内射映射求解转化为最小二乘回归与核岭回归问题，并在Brusselator系统上验证了状态估计精度。
2025-09-20 cs.SY eess.SY
Functional Observers with Linear Error Dynamics for Nonlinear Systems
本文针对一般非线性系统，讨论了观测器设计问题，并给出了观测器设计的一般公式。函数观测器线性化的概念也制定，在条款实现精确的线性误差动态变换坐标和规定的衰减率的错误。导出了线性动态系统存在低阶函数观测器的充分必要条件。这些结果将Luenberger的线性函数观测器理论直接推广到非线性系统。
2021-09-14 cs.SY eess.SY
Functional observers with linear error dynamics for discrete-time nonlinear systems, with application to fault diagnosis
本文研究离散时间非线性系统状态估计的观测器设计问题。给出了具有线性动态和线性输出映射的低阶函数观测器存在的充要条件。结果提供了一个直接的推广Luenberger的线性理论的功能观察员。非等温CSTR的案例研究的设计方法进行了测试。
2021-10-17 cs.SY eess.SY
Towards gain tuning for numerical KKL observers
本文针对一般非线性系统的 KKL 观测器，提出一种在瞬态性能与噪声灵敏度之间权衡的经验准则，并利用神经网络学习观测器与系统映射，结合高效状态空间采样方法实现增益整定。
2023-04-14 cs.SY eess.SY
On State Observers for Nonlinear Systems: A New Design and a Unifying Framework
Shanghai Jiao Tong University（上海交通大学）；CNRS-CentraleSupélec（法国国家科学研究中心-中央理工高等电学院）
本文提出了一种新的非线性系统观测器设计方法，结合了经典的Kazantzis-Kravaris-Luenberger观测器和参数估计观测器，扩展了两种方法的应用范围，并证明其可作为沉浸与不变观测器的特例，提供统一分析设计框架。
2018-07-11 cs.SY eess.SY
Observer design for nonlinear triangular systems with unobservable linearization
National Technical University of Athens（雅典国立技术大学）
针对一类具有不可观测线性化的三角时变非线性系统，推导了Luenberger型观测器存在的充分条件，并通过时变动力学切换序列实现状态估计。
2012-04-15 cs.SY eess.SY math.OC
A Unified KKL-based Interval Observer for Nonlinear Discrete-time Systems
本文基于KKL范式提出一种适用于一般非线性离散时间系统的区间观测器设计，通过目标坐标变换和Lipschitz单射性实现原始坐标的边界重建，无需对系统结构作假设。
2024-04-27 cs.SY eess.SY
Learning a Contracting KKL-observer with Local Optimal Guarantees
SUPSI（瑞士应用科学与艺术大学）；Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫莱人工智能研究所）；Université Claude Bernard Lyon 1（里昂第一大学）；CNRS（法国国家科学研究中心）
本文提出一种学习KKL观察器的方法，结合全局稳定性与局部最优性，通过深度学习近似变换和潜在动态，验证了在非线性基准中的有效性。
2026-05-13 cs.SY eess.SY
Robust asymptotic observer of motion states with nonlinear friction
本文针对仅可测位移且含非线性摩擦的运动系统，提出一种适用于预滑动和滑动阶段的鲁棒降阶Luenberger观测器，并通过摩擦学实验验证其状态估计性能。
2023-05-25 cs.SY eess.SY
Chaos Synchronization using Nonlinear Observers with applications to Cryptography
这篇综述论文的目的是介绍使用非线性观测器的混沌同步及其在密码学中的应用。我先从密码学的概述开始。然后，我回顾了混沌理论的基础知识以及如何将混沌系统用于密码学，并介绍了混沌同步问题。然后，介绍了用于混沌系统同步的非线性观测器理论。我先解释一下可观测性问题。然后介绍了几种经典的观测器：卡尔曼滤波器、Luenberger观测器、扩展卡尔曼滤波器、Thau观测器和高增益观测器。最后，介绍了更先进的观测器：自适应观测器，未知输入观测器，滑模观测器和ANFIS（自适应神经模糊推理系统）观测器。
2021-08-03 cs.CR cs.SY eess.SY
Verifiable Error Bounds for Physics-Informed Neural KKL Observers
Department of Applied Mathematics, University of Waterloo（滑铁卢大学应用数学系）；University of Toronto（多伦多大学）
本文提出了一种可计算的状态估计误差界，用于基于学习的KKL观测器。通过物理信息神经网络和传统神经网络分别学习KKL变换映射及其左逆映射，推导出仅依赖于可验证区域内的量的误差界，并扩展至有界加性测量噪声，验证非线性基准系统的保证。
2026-03-20 cs.LG cs.SY eess.SY
Comparison of linear observation techniques for robust load torque estimation in actuators
本文比较了两种线性观测技术在旋转执行器中鲁棒负载转矩估计中的性能与应用。
2025-11-21 cs.SY eess.SY
Reduced-order asymptotic observer of nonlinear friction for precise motion control
University of Agder（阿格德尔大学）
本文提出了一种用于精确运动控制的非线性摩擦降阶渐近观测器，通过鲁棒观测律和参数约束分析，实现摩擦补偿并提升控制精度。
2025-12-19 cs.SY eess.SY
Data-Driven Nonlinear State Observation using Video Measurements
针对非线性系统状态观测难题，提出基于线性时不变动力学转换与主成分降维的数据驱动KKL观测器方法，并在B-Z反应系统视频中成功恢复振荡状态轨道。
2023-11-25 cs.SY eess.SY
Observer Switching Strategy for Enhanced State Estimation in CSTR Networks
针对CSTR网络状态估计受传感器覆盖和不确定性限制的问题，提出融合多种先进估计器、基于$L_1$范数与KL散度切换的多观测器框架，仿真验证其可显著降误差且适用于实时工业场景。
2025-06-16 cs.SY eess.SY
Optimal Observer Design Using Reinforcement Learning and Quadratic Neural Networks
本文提出利用强化学习策略迭代和二次神经网络设计最优观测器，通过凸优化训练QNN并解析导出线性修正项，以纠正线性化模型误差，并在单摆系统上验证了其对非线性系统的有效性。
2023-11-27 cs.SY eess.SY
Observer Design for the State Estimation of Epidemic Processes
虽然适当地选择测量状态变量可以确保可观测性，但为流行病模型的状态估计设计状态观测器仍然是一项具有挑战性的任务。流行病传播是一个非线性过程，通常建模为质量作用定律，这是一个二次型，因此，在一个紧凑的域，其Lipschitz常数原来是本地和相对较大的，这使得现有的观测器架构的Lipschitz为基础的设计标准是不可行的。针对一类包含确定性传染病模型的非线性系统，提出了一种新的观测器结构，用于状态估计。建议的观察员提供额外的杠杆，以减少非线性的影响，估计误差动态，这是不可能在其他Luenberger类观察员。在局部Lipschitz假设和广义Lipschitz假设下，得到了估计误差渐近收敛到零的充分条件，即代数Riccati不等式.给出了代数Riccati不等式的线性矩阵不等式的等价形式。建议的观测器设计的有效性说明其应用程序上著名的SIDARTHE-V流行病模型。
2022-07-25 cs.SY eess.SY math.DS
Synthesis of Data-Driven Nonlinear State Observers using Lipschitz-Bounded Neural Networks
针对未知控制方程的非线性自治系统，提出基于Lipschitz有界神经网络的KKL观测器无模型综合方法，建立泛化损失界关系并通过直接参数化训练，在Lorenz系统上验证了有效性。
2023-10-04 cs.SY eess.SY math.OC
Adaptive Meta-Learning-Based KKL Observer Design for Nonlinear Dynamical Systems
Technical University of Berlin（柏林工业大学）
本文提出基于元学习的KKL观测器设计框架，利用系统输出测量实现在线自适应，并通过实验验证其在变初始条件和参数下的高精度、泛化性与抗噪鲁棒性。
2023-10-30 cs.LG cs.SY eess.SY
Newton-series-based observer-predictor control for disturbed input-delayed discrete-time systems
本文研究了存在未知扰动的离散时间输入时滞系统的未来状态预测问题，这些未知扰动可以同时影响被控对象的状态方程和输出方程。由于干扰是未知的，计算未来工厂状态的准确预测是不可能的。为了规避这个问题，我们建议使用高阶扩展Luenberger型观测器的植物状态，干扰，和他们的有限差分变量，结合一个新的方程计算预测的基础上牛顿级数从微积分的有限差分。进行了详细的性能分析表明，在一定的假设下，既增强了预测和改进的未知干扰的衰减实现。线性矩阵不等式（LMI）的观测器的设计，以最大限度地减少预测误差。一个稳定的迭代设计算法的基础上的过程中，植物是受时变不确定性的情况下，也提出了。文献中的例子说明了该计划的优点。
2022-08-09 cs.SY eess.SY math.OC
KKL Observer Synthesis for Nonlinear Systems via Physics-Informed Learning
Division of Decision and Control Systems, Digital Futures, KTH Royal Institute of Technology, SE-100 44 Stockholm, Sweden（决策与控制系统系，数字未来，皇家理工学院）；Department of Engineering Science, University of Oxford, Parks Road, Oxford, OX1 3PJ, UK（工程科学系，牛津大学）
本文提出基于物理信息学习的非线性系统KKL观测器设计方法，通过神经网络学习正向与逆向映射，实现鲁棒的状态估计与泛化能力。
2026-08-12 cs.LG cs.SY eess.SY
Optimal State Estimation Synthesis over Unreliable Network in Presence of Denial-of-Service Attack: an Operator Framework Approach
在本文中，我们考虑的状态估计问题存在的拒绝服务（DoS）攻击。我们制定了这个问题作为一个状态估计问题的工厂切换测量输出。在没有攻击的情况下，状态估计器可以访问所有测量的输出，然而，在存在攻击的情况下，只有所有测量的子集可用于状态估计器。我们试图找到一个状态估计，结果在最坏情况下的攻击策略的最小估计误差。首先，我们参数化的所有状态估计器，导致在最坏情况下的攻击场景的稳定估计误差的集合。然后，我们将证明，在这个集合中的任何状态估计器可以被写为一个广义的Luenberger观测器与一个适当定义的增益。一般来说，这种双稳态增益可以是一个算子，并且可能是无界的，这与经典的静态双稳态增益相反。此外，我们将证明，找到最佳的状态估计器，结果在最小的估计误差可以作为一个凸规划的观测器运营商增益的稳定因素。这种优化在实际上是线性规划而易处理的.
2019-07-24 cs.SY eess.SY math.OC
Synthesis of an adaptive observer of state variables for a linear stationary object in the presence of measurement noise
针对测量通道含小幅值未知噪声的完全可观测线性定常系统，本文提出一种无需Luenberger观测器和卡尔曼滤波先验信息的状态观测器综合方法，通过估计线性回归模型中未知初始条件向量实现状态变量估计。
2023-05-24 cs.SY eess.SY
Delay Compensation for Regular Linear Systems
本文是针对抽象线性系统（A，B，C）的时滞补偿问题的四个系列论文的第三部分。研究了输入延迟和输出延迟。首先提出一种全状态反馈控制方法来镇定具有输入时滞的系统（A，B），然后根据时滞输出设计系统（A，C）的Luenberger型观测器。我们在正则线性系统的框架内建立了时滞补偿。所开发的方法建立在与西尔维斯特算子方程相关联的上块三角形变换的基础上。发现系统（-A，B）/（-A，-C）的能控能观映射恰好是相应Sylvester方程的解.作为直接的结果，反馈法和状态观测器都可以用算子的形式显式地表示。在不使用李雅普诺夫泛函方法的情况下，建立了闭环系统的指数稳定性和观测误差的指数收敛性。通过对一维波动方程的延迟补偿验证了理论结果。
2020-09-04 cs.SY eess.SY
HyperKKL: Enabling Non-Autonomous State Estimation through Dynamic Weight Conditioning
MBZUAI（穆扎布伊人工智能研究所）；Univ Gustave Eiffel（吉尔伯特·伊夫尔大学）
HyperKKL通过动态权重条件方法，实现非自主非线性系统的状态估计，解决了传统KKL观测器在非自主系统中的应用难题。
2026-10-20 cs.LG cs.SY eess.SY
HyperKKL: Learning KKL Observers for Non-Autonomous Nonlinear Systems via Hypernetwork-Based Input Conditioning
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）；Univ Gustave Eiffel, COSYS-ESTAS（古斯塔夫·埃菲尔大学，交通与系统科学实验室-交通系统评估与安全技术）；Department of Decision and Control Systems and Digital Futures, KTH Royal Institute of Technology（KTH皇家理工学院，决策与控制系统系及数字未来中心）
本文提出HyperKKL框架，通过两种输入条件化策略设计神经KKL观察器，用于非自主系统，理论分析误差界并验证在四个非线性系统中输入条件化提升了估计精度，SMAPE平均减少29%。
2026-03-31 cs.LG cs.SY eess.SY
Observer-based neural networks for flow estimation and control
提出神经网络观测器（NNO），结合NN替代模型与传感器数据实时估计流场状态，并在三个非线性动力系统中验证了其抗噪估计与闭环控制能力。
2025-11-04 cs.SY eess.SY physics.flu-dyn
