基于线性分数表示的仿射与有理依赖 LPV 模型的高效学习
系统与控制
2026-05-13 v1 系统与控制
摘要
在系统辨识与控制交叉领域，识别非线性系统的控制友好模型仍是主要挑战之一。线性参数变动 (LPV) 框架提供了可行的解决方案，但现有的辨识方法常依赖仿射调度依赖的模型结构。相反，本工作提出使用具备线性分数表示 (LFR) 且允许有理调度依赖的 LPV 模型，能够用更少的调度变量来建模复杂非线性系统。本工作引入一种直接参数化方法，确保有理 LPV-LFR 模型的可解性。通过联合估计 LPV 系统和调度映射，只需输入-输出数据，即可对复杂非线性系统进行建模。通过两个仿真示例展示了所提方法的准确性。
引用
@article{arxiv.2605.12203,
title = {Efficient Learning of Affine and Rational Dependency LPV Models With Linear Fractional Representation},
author = {Roel Drenth and Jan H. Hoekstra and Maarten Schoukens and Roland Tóth},
journal= {arXiv preprint arXiv:2605.12203},
year = {2026}
}
备注
Accepted for IFAC WC 2026