基于贝叶斯优化的数据驱动滚动时域估计
系统与控制
2023-11-14 v1 系统与控制
摘要
本文针对模型动态未知系统，提出了一种基于贝叶斯优化的创新性数据驱动滚动时域状态估计方法。只要接收到测量数据，就可通过一个基于贝叶斯优化的离线学习框架获得局部线性动力学模型。在此框架下，所学模型根据实际观测数据持续迭代更新，以逼近实际系统动态，旨在最小化滚动时域估计器的代价函数，直至达到期望性能。同时，贝叶斯优化的特性能够保证所学模型对实际系统动态的最逼近近似。进而，可基于此所学模型进一步设计一种有效的数据驱动滚动时域估计器。最后，通过若干数值仿真验证了所提状态估计算法的有效性。
引用
@article{arxiv.2311.06787,
title = {Data-Driven Moving Horizon Estimation Using Bayesian Optimization},
author = {Qing Sun and Shuai Niu and Minrui Fei},
journal= {arXiv preprint arXiv:2311.06787},
year = {2023}
}
备注
12 pages,3 figures