非线性系统辨识中基于主动学习的在线实验设计
系统与控制
2025-06-30 v1 系统与控制
摘要
我们研究了使用主动学习 (AL) 策略在运行时生成输入激励信号，以用于线性和非线性自回归模型和状态空间模型的系统辨识。我们将各种现有 AL 方法从静态模型回归扩展到动态情境，同时将其与卡尔曼滤波耦合，以递归更新模型参数，并应对输入和输出约束的存在。我们展示了相对于随机激励，所提出方法在不同的非线性系统辨识基准测试中的样本效率提升。
引用
@article{arxiv.2506.21754,
title = {Online design of experiments by active learning for nonlinear system identification},
author = {Kui Xie and Alberto Bemporad},
journal= {arXiv preprint arXiv:2506.21754},
year = {2025}
}