基于Kolmogorov-Arnold网络的参数辨识：关于buck变换器的案例研究
机器学习
2025-06-13 v1 系统与控制
系统与控制
摘要
Kolmogorov-Arnold 网络 (KAN) 正在成为动态系统中可解释且高效系统辨识的强大框架。通过利用Kolmogorov-Arnold 表示定理，KAN 能够通过可学习的激活函数实现函数逼近，相较于传统神经网络在可扩展性、准确性和可解释性方面具有改进。本文探讨了将 KAN 应用于buck 变换器系统建模与分析的应用，重点关注状态空间参数估计以及发现系统方程。通过仿真数据，该方法涉及用 KAN 逼近状态导数、构建可解释的状态空间表示，并通过数值实验进行验证。结果表明，KAN 能够准确识别系统动力学，验证模型一致性，并检测参数变化，为其在现代工业系统辨识中的应用提供了宝贵的见解。
引用
@article{arxiv.2506.10434,
title = {System Identification Using Kolmogorov-Arnold Networks: A Case Study on Buck Converters},
author = {Nart Gashi and Panagiotis Kakosimos and George Papafotiou},
journal= {arXiv preprint arXiv:2506.10434},
year = {2025}
}
备注
2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works