COSMIC：基于大规模数据的线性时变系统快速闭式辨识
最优化与控制
2022-05-31 v2 天体物理仪器与方法
系统与控制
系统与控制
机器学习
摘要
我们引入了一种从数据中辨识离散时间线性时变系统的闭式方法，将学习问题表述为正则化最小二乘问题，其中正则化项倾向于轨迹内的平滑解。我们开发了一种具有最优性保证的闭式算法，其复杂度随每条轨迹所考虑的时刻数线性增长。即使存在海量数据，COSMIC 算法也能实现理想的结果。我们的方法求解该问题所用的计算能力比通用凸求解器少两个数量级，并且比专门设计的随机块坐标下降法快约 3 倍。即使对于 1 万和 10 万个时间时刻，我们方法的计算时间仍保持在秒的数量级，而通用求解器则崩溃了。为了证明其对现实世界系统的适用性，我们使用弹簧-质量-阻尼器系统进行了测试，并利用估计的模型来寻找最优控制路径。我们的算法被应用于彗星拦截任务的低保真度和功能工程模拟器，该任务要求在快速动态环境中实现星载相机的精确指向。因此，本文为线性时变系统提供了一种替代经典系统辨识技术的快速方法，同时证明了其作为航天工业应用坚实基础的地位，也是在将利用数据的算法纳入此类安全关键环境方面迈出的一步。
引用
@article{arxiv.2112.04355,
title = {COSMIC: fast closed-form identification from large-scale data for LTV systems},
author = {Maria Carvalho and Claudia Soares and Pedro Lourenço and Rodrigo Ventura},
journal= {arXiv preprint arXiv:2112.04355},
year = {2022}
}