面向网络的输入-输出数据驱动传感器选取

本文考虑面向未知网络的输入-输出数据驱动传感器选取问题。具体而言，在大量可用传感器中选取一部分子集，以最大化网络可观测性指标。所考察的可观测性指标与$\mathcal{H}_2$系统范数相关，该范数量化所选传感器在有限或无限时域上的平均输出能量。然而，其计算本质上需要对未知矩阵的知识，因此我们从强化学习文献中寻找关联性，设计一种以数据为驱动的算法，以无模型方式计算该指标。随后，我们利用派生的数据驱动指标表达式在多项式时间内选取系统的最佳传感器，有效获得一个在模型自由度下收敛的传感器选取过程。此外，我们展示了该数据驱动方法可用于选取优化可观测性体积测度的传感器，同时指出其对执行器选取的双问题的适用性。通过仿真演示了所提出方法的有效性和有效性。