.png){kind=icon}
.png){kind=icon}
返回
A Kernel-Based Approach to Physics-Informed Nonlinear System Identification
.png){kind=icon}
OA
AI
DOI：10.1109/tac.2026.3663111.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于核的物理信息非线性系统辨识框架，该框架扩展了基于核的技术以考虑未建模动力学，能够无缝嵌入部分已知的基于物理的模型，从而提高参数估计和整体模型精度。两种模型的组件同时从数据中辨识，从而最小化一个合适的成本函数，该函数平衡了模型中物理部分和黑箱部分的相对重要性。此外，采用非线性状态平滑来处理涉及状态空间模型中状态不完全可测量的场景。在实验基准系统上的数值仿真结果表明，所提出的方法是有效的，与仅物理模型相比，仿真均方根误差降低了高达51%，与当前最先进的辨识技术相比，性能提升了31%。
Keyword:
Estimation
grey-box modeling
kernel methods
nonlinear systems identification
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
查看更多机构