利用激励集和变点检测的时变系统在线辨识
系统与控制
2025-08-19 v2 系统与控制
摘要
在这项工作中，我们首先证明了参数辨识问题通常是病态的，并且缺乏在线学习方案收敛所需的持续激励。为了应对这些挑战，我们引入了最优和贪婪激励集的概念，这些集合包含具有足够丰富性的数据点，有助于辨识任务。然后，我们提出了基于贪婪激励集的递归最小二乘算法，以缓解缺乏持续激励的问题，并证明了所提算法生成的迭代最小化了一个辅助加权最小二乘代价函数。当数据点由时变参数生成时，在线估计器往往欠拟合真实的参数轨迹，其可预测性变差。为了解决这个问题，我们提出了一种利用变点检测技术的内存重置方案。最后，我们通过几个数值案例研究展示了所提算法在学习（时变）网络化流行病动力学参数方面的性能，并将其与使用传统方法获得的结果进行了比较。
引用
@article{arxiv.2406.10349,
title = {Online Identification of Time-Varying Systems Using Excitation Sets and Change Point Detection},
author = {Chi Ho Leung and Ashish R. Hota and Philip E. Paré},
journal= {arXiv preprint arXiv:2406.10349},
year = {2025}
}