基于平衡模型降阶的最优传感器与执行器选择

最优传感器与执行器选择是高维估计与控制中的核心挑战。几乎所有后续的控决策都受这些传感器/执行器位置影响,而最优布置等同于在组合可能性中进行难以处理的暴力搜索。本工作中,我们利用平衡模型降阶与贪婪优化来高效确定优化可观性与可控性的传感器与执行器选择。具体而言,我们通过对直接平衡变换与伴随平衡变换主导模态的贪婪矩阵QR枢轴选取,确定优化可观性与可控性标量度量的位置。枢轴运行时间随状态维度线性缩放,使该方法对高维系统可行。结果在线性化Ginzburg-Landau系统上得到验证,我们的算法近似了使用代价高昂的梯度下降方法计算出的已知最优布置。