网络动力系统协同控制的逆向推理

近年来，针对由节点动力学和拓扑结构等组成的网络动力系统 (NDS) 的控制机制理解取得了快速进展。本文揭示了连续时间状态反馈协同控制 NDS 的关键组成部分可仅从离散观测中推断出来。具体而言，我们提出一种双层推理框架来估计全局闭环系统并提取各组成部分。其创新点在于从离散观测桥接到连续时间模型，并有效地解耦关注的组成部分。首先，设计一种基于因果性的离散时间闭环系统矩阵估计器，可在 NDS 稳定时实现渐近无偏性能。其次，引入基于矩阵对数的方法来恢复连续时间对应的矩阵，提供新的抽样周期保证并建立恢复误差界。利用 NDS 的图属性，开发最小二乘法程序来解耦关注的组成部分，最多仅存在一个标量歧义。进一步，运用逆最优控制技术重建驱动控制过程的目标函数，推导解的必要条件。数值仿真表明所提出的方法有效。