刘庆耀;陈飞燕 基于模型变换的多元输出误差系统分布式随机梯度算法。 （英语） Zbl 1520.93246号 国际期刊系统。科学。，王子。申请。系统。集成。 54，第7期，1484-1502（2023）. 摘要：本文研究受有色噪声干扰的多元系统的参数估计问题。由于有色噪声会降低估计精度，因此采用模型变换技术在不改变输入输出关系的情况下对原始系统进行白化。为了减轻高维变量和不同类型参数带来的沉重计算负担，将变换后的模型根据输出的数量划分为若干个子模型。然而，分解后，所有子模型都包含相同的参数向量，导致许多冗余估计。推导了一种基于模型变换的分布式随机梯度（MT-DSG）算法，以减少冗余估计并在子模型之间交换信息。与集中式多元广义随机梯度算法相比，MT-DSG算法具有更高的估计精度和更少的计算复杂度。最后，通过一个实例验证了该方法的有效性。 引用于2文件 理学硕士： 93立方35 多变量系统、多维控制系统 93E10型 随机控制理论中的估计与检测 关键词：模型转换;分布式技术;随机梯度;参数估计;多元系统 PDF格式BibTeX公司 XML格式引用 \textit｛Q.Liu｝和\textit｛F.Chen｝，国际系统杂志。科学。，王子。申请。系统。集成。54，第7号，1484--1502（2023；Zbl 1520.93246） 全文： 内政部 参考文献： [1] 巴苏，H。；Yoon，S.Y.，《通信和测量延迟下观察员网络的分布式状态估计》，《系统与控制快报》，133（2019）·Zbl 1427.93013号 ·doi:10.1016/j.sysconle.2019.104554 [2] 巴蒂洛蒂，S。；Mekhail，M.，非线性系统的分布式估计，Automatica，107562-573（2019）·Zbl 1429.93005号 ·doi:10.1016/j.automatica.2019.06.024 [3] 曹伟斌（Cao，W.B.）。；Zhang，W.W.，多变量系统偏微分方程的数据驱动和基于物理的识别，《理论与应用力学快报》，12，2（2022）·doi:10.1016/j.taml.2022.100334 [4] 曹小强。；Ayalew，B.，激光辅助粉末沉积过程的鲁棒多变量预测控制，富兰克林研究所杂志，356，5，2505-2529（2019）·Zbl 1411.93071号 ·doi:10.1016/j.jfranklin.2018.12.015 [5] Chan，S.C。；Wu，H.C。；Ho，C.H。；Zhang，L.，用于大规模系统中分布式鲁棒估计的增广拉格朗日方法，IEEE系统期刊，13，3，2986-2997（2019）·doi:10.1109/JSYST.4267003 [6] 陈，X。；Zhao，T。；Chen，Q.，热力系统在线参数识别和实时优化平台及其应用，应用能源，307（2022）·doi:10.1016/j.apenergy.2021.1181999年 [7] 陈，Y。；张，C。；刘，C。；Wang，Y。；Wan，X.，使用前馈神经网络检测心房颤动，医学和生物工程杂志，42，1，63-73（2022）·doi:10.1007/s40846-022-00681-z [8] Ding，F.，多变量系统的耦合最小二乘辨识，IET控制理论与应用，7，1，68-79（2013）·doi:10.1049/cth2.v7.1 [9] Ding，F.，用于hammerstein非线性系统建模的分层多创新随机梯度算法，应用数学建模，37，4，1694-1704（2013）·Zbl 1349.93391号 ·doi:10.1016/j.apm.2012.04.039 [10] Ding，F.，动态系统的组合状态和最小二乘参数估计算法，应用数学建模，38，1，403-412（2014）·Zbl 1449.93254号 ·doi:10.1016/j.apm.2013.06.007 [11] 丁·F。；Chen，T.，使用辅助模型的双速率系统的组合参数和输出估计，Automatica，40，10，1739-1748（2004）·Zbl 1162.93376号 ·doi:10.1016/j.automatica.2004.05.001 [12] 丁·F。；Chen，T.，使用输出误差方法对双速率随机系统的参数估计，IEEE自动控制汇刊，50，9，1436-1441（2005）·Zbl 1365.93480号 ·doi:10.1109/TAC.2005.854654 [13] 丁，J。；Chen，J.Z。；林，J.X。；Wan，L.J.，基于粒子滤波的输出误差型模型结构系统参数估计，富兰克林研究所杂志，356，10，5521-5540（2019）·Zbl 1415.93249号 ·doi:10.1016/j.jfranklin.2019.04.027 [14] 丁，J。；Zhang，W.，基于指令滤波器的不确定参数非线性系统的有限时间自适应控制，国际自适应控制和信号处理杂志，35，9，1754-1767（2021）·doi:10.1002/acs.v35.9 [15] 范，Y。；Liu，X.，具有可变增益非线性的输入非线性控制自回归滑动平均系统的基于辅助模型的多新息递归辨识算法，国际自适应控制和信号处理杂志，36，3，521-540（2022）·doi:10.1002/acs.v36.3 [16] 耿福仲。；Wu，X.Y.，求解脉冲边值问题的新型核函数算法，《应用数学快报》，134（2022）·Zbl 1503.65151号 ·doi:10.1016/j.aml.2022.108318 [17] 顾毅。；朱，Q。；Nouri，H.，时滞状态空间系统的识别与U控制，国际自适应控制与信号处理杂志，36，1，138-154（2022）·doi:10.1002/acs.v36.1 [18] 胡，H.G。；罗，C。；关，Q。；李，X.X。；Chen，S.Y。；周庆伟，温室环境控制问题的快速在线多变量识别方法，神经计算，31263-73（2018）·doi:10.1016/j.neucom.2018.05.055 [19] Jeong，D.H。；Lee，C.J。；Lee，J.M.，通过各种回归方法对具有相关性的多变量系统的实验梯度估计及其在修正适应中的应用，《过程控制杂志》，70，65-79（2018）·doi:10.1016/j.jprocon.2018.08.008 [20] 纪毅。；康，Z。；Zhang，C.，使用数据滤波对非线性模型进行基于两阶段梯度的递归估计，国际控制、自动化和系统杂志，19，8，2706-2715（2021）·doi:10.1007/s12555-019-1060-y [21] 姜世勇（Jiang，S.Y.）。；何晓云。；周永瑞，基于自适应加权分解的多目标进化算法，应用软计算，84（2019）·doi:10.1016/j.asoc.2019.105731 [22] 小D·S。；Serpa，A.L.，带测量噪声MIMO系统的数据相关迭代状态空间识别方法，富兰克林研究所杂志，359，11，5682-5711（2022）·Zbl 1492.93189号 ·doi:10.1016/j.jfranklin.2022.05.053 [23] 康，Z。；纪毅。；刘晓明，哈默斯坦非线性自回归输出误差系统的递阶递推最小二乘算法，国际自适应控制与信号处理杂志，35，11，2276-2295（2021）·doi:10.1002/acs.v35.11 [24] Li，C.Y。；Qu，Z.H。；齐，D.L。；Wang，F.，有向图代数连通性界的分布式有限时间估计，Automatica，107289-295（2019）·兹比尔1429.93332 ·doi:10.1016/j.automatica.2019.05.060 [25] 李，F。；贾，L。；Peng，D.G。；Han，C.，基于神经模糊的有色噪声hammerstein输出误差模型识别方法，神经计算，24490-101（2017）·doi:10.1016/j.neucom.2017.03.026 [26] Li，J.，使用递增数据准则拟合非线性信号模型，IEEE信号处理快报，291302-1306（2022）·doi:10.1109/LSP.2022.3177352 [27] 李立伟。；张，H.L。；张杰。；Ren，X.M.，有色噪声下非线性多输入多输出系统的一种新的自适应辨识框架，应用数学建模，103，105-121（2022）·Zbl 1525.93487号 ·doi:10.1016/j.apm.2021.10.032 [28] 李，M。；Liu，X.，基于最大似然分层最小二乘法的双速率随机系统迭代辨识，国际自适应控制与信号处理杂志，35，2，240-261（2021）·doi:10.1002/acs.v35.2 [29] 李，M。；Liu，X.，一类双线性系统的粒子滤波迭代辨识方法，国际自适应控制与信号处理杂志，35，10，2056-2074（2021）·doi:10.1002/acs.v35.10 [30] 刘庆云。；Hayat，T.，基于模型变换的多元系统部分耦合递归最小二乘算法，IEEE Access，7（2019）·doi:10.1109/Access.6287639 [31] 刘庆云。；Yang，E.，多变量受控自回归自回归滑动平均系统的参数估计算法，数字信号处理，83，323-331（2018）·doi:10.1016/j.dsp.2018年9月10日 [32] 刘，S。；张，X。；Xu，L.，使用Rauch-Tung-Striebel平滑器的双线性系统期望最大化算法，Automatica，142（2022）·Zbl 1494.93030号 ·doi:10.1016/j.automatica.2022.110365 [33] 刘，Y。；丁·F。；Shi，Y.，通用双速率采样数据系统的一种高效分层识别方法，Automatica，50，3，962-970（2014）·Zbl 1298.93227号 ·doi:10.1016/j.automatica.2013.12.025 [34] 马，H。；潘，J。；Ding，W.，多变量类输出误差自回归滑动平均系统基于部分耦合最小二乘的迭代参数估计，IET控制理论与应用，13，18，3040-3051（2019）·doi:10.1049/cth2.v13.18 [35] 马，P。；Wang，L.，利用多创新理论对多元方程误差系统进行基于滤波的递推最小二乘估计方法，国际自适应控制与信号处理杂志，35，9，1898-1915（2021）·doi:10.1002/acs.v35.9 [36] 马伟杰（Ma，W.J.）。；罗，X.H。；朱庆霞，随机年龄相关资本系统在L（####）vy噪声下的实际指数稳定性，系统与控制快报，144（2020）·Zbl 1454.91371号 ·doi:10.1016/j.sysconle.2020.104759 [37] 潘，J。；蒋，X。；Wan，X.K。；Ding，W.，多变量控制系统的基于滤波的多创新扩展随机梯度算法，国际控制自动化与系统杂志，15，3，1189-1197（2017）·doi:10.1007/s12555-016-0081-z [38] 潘，J。；马，H。；张，X。；刘，Q。；丁·F。；Chang，Y。；Sheng，J.，有色噪声多变量类输出误差系统的递归耦合投影算法，IET信号处理，14，7，455-466（2020）·doi:10.1049/sil2.v14.7 [39] Ricco，R.A。；Teixeira，B.O.S.，状态平等约束下状态空间模型的最小二乘参数估计，国际系统科学杂志，53，1，1-13（2022）·Zbl 1483.93659号 ·doi:10.1080/0207721.2021.1936273 [40] Risuleo，R.S。；Bottegal，G。；Hjalmarsson，H.，《不确定性输入系统的建模与识别》，Automatica，105，130-141（2019）·Zbl 1429.93068号 ·doi:10.1016/j.automatica.2019.03.014 [41] Tabatabaei，S.S。；塔瓦科利，M。；Talebi，H.A.，非整数阶非线性系统的有限时间自适应阶估计方法，ISA Transactions，127，383-394（2022）·doi:10.1016/j.isatra.2021.08.034 [42] Wang，H。；风扇，H。；Pan，J.，一个真正的三涡卷混沌吸引子，离散和连续动力系统-系列B，27，5，2891-2915（2022）·Zbl 1495.34025号 ·doi:10.3934/dcdsb.2021165 [43] Wang，J。；丁，C。；吴，M。；刘，Y。；Chen，G.，用于真实世界模糊图像的轻量级多尺度补丁去雾网络，KSII互联网和信息系统交易，15，12，4420-4438（2022）·doi:10.3837/tiis.2021.12.009 [44] Wang，J。；纪毅。；Zhang，X.，利用分层辨识原理求解分数阶非线性系统的两阶段梯度迭代算法，国际自适应控制与信号处理杂志，36，7，1778-1796（2022）·doi:10.1002/acs.v36.7 [45] Wang，J.W。；纪毅。；Zhang，C.，使用关键项分离的分数阶非线性有限脉冲响应系统的迭代参数和阶数识别，国际自适应控制和信号处理杂志，35，8，1562-1577（2021）·doi:10.1002/acs.v35.8 [46] Wang，Y.J.，使用辅助模型的多输入多输出系统基于新型数据滤波的参数识别，Automatica，71，308-313（2016）·Zbl 1343.93087号 ·doi:10.1016/j.automatica.2016.05.024 [47] Xing，Y。；Gravell，B。；何，X.K。；Johansson，K.H。；Summers，T.H.，从多轨迹数据中识别带乘性噪声的线性系统，Automatica，144（2022）·Zbl 1498.93759号 ·doi:10.1016/j.automatica.2022.110486 [48] Xu，H。；Champagne，B.，一类非线性时间序列模型的联合参数和时延估计，IEEE信号处理快报，29947-951（2022）·doi:10.10109/LSP.2022.3152108 [49] Xu，L.，基于滑动测量窗口的多频信号可分离多创新牛顿迭代建模算法，电路系统与信号处理，41，2，805-830（2022）·兹比尔1509.94036 ·doi:10.1007/s00034-021-01801-x [50] Xu，L.，基于动态离散测量的系统响应的可分离牛顿递推估计方法，数据长度增加，国际控制自动化与系统杂志，20，2，432-443（2022）·doi:10.1007/s12555-020-0619-y [51] 徐，L。；Chen，F.，基于离散测量数据的多频信号递阶递归信号建模，国际自适应控制与信号处理杂志，35，5，676-693（2021）·doi:10.1002/acs.v35.5 [52] 徐，L。；Yang，E.，非线性夹层系统的辅助模型多创新随机梯度参数估计方法，国际鲁棒与非线性控制杂志，31，1，148-165（2021）·Zbl 1525.93043号 ·doi:10.1002/rnc.v31.1版本 [53] 徐，L。；朱强，基于分解策略的脉冲响应控制系统分层最小二乘算法，国际系统科学杂志，52，9，1806-1821（2021）·Zbl 1483.93637号 ·网址：10.1080/00207721.2020.1871107 [54] 徐，L。；Zhu，Q.，在线测量的可分离同步多创新梯度迭代信号建模，IEEE仪器与测量汇刊，71，第6501313（2022）号文章·文件编号：10.1109/TIM.2022.3154797 [55] 尹，C.C。；Wen，Y.Z.，paulsen-Gjessing随机投资回报风险模型的扩展，保险数学与经济学，52，3，469-476（2013）·Zbl 1284.91281号 ·doi:10.1016/j.insmateco.2013.02.014 [56] 尹，C.C。；Yuen，K.C.，复合泊松模型阈值股息策略的最优性，《统计与概率快报》，81，12，1841-1846（2011）·Zbl 1225.91030号 ·doi:10.1016/j.spl.2011.07.022 [57] 尹，C.C。；Yuen，K.C.，带资本注入和比例交易成本的跳跃扩散模型的最优股利问题，《工业与管理优化杂志》，11，4，1247-1262（2015）·Zbl 1328.93285号 ·doi:10.3934/jimo.2015.111.247 [58] 尹，C.C。；Zhao，J.S.，更新方程解的非指数渐近性及其应用，应用概率杂志，43，3，815-824（2006）·Zbl 1125.60090号 ·doi:10.1239/jap/1158784948 [59] 尹晓云（音）。；迪卡迪·内尔森（Decardi-Nelson），B。；Liu，J.F.，废水处理厂的子系统分解和分布式移动时域估计，化学工程研究与设计，134，405-419（2018）·doi:10.1016/j.cherd.2018.04.032 [60] Yu，L。；陈永强。；Zhang，Y.L。；王，R。；Zhang，Z.D.，非平稳和非高斯噪声测量中的在线谐波信号去噪，信号处理，201（2022）·doi:10.1016/j.sigpro.2022.108723 [61] Yu，M。；郭，G。；Liu，J.C.，利用奇偶空间对连续时间系统基于增量算子的闭环子空间识别，国际系统科学杂志，52，15，3323-3334（2021）·Zbl 1483.93089号 ·doi:10.1080/0207721.2021.1928328 [62] 张立伟。；尹晓云（音）。；Liu，J.F.，基于加权图的分布式状态估计复杂系统分解，化工研究与设计，151，10-22（2019）·doi:10.1016/j.cherd.2019.08.015 [63] Zhang，X.，双线性系统的层次参数和状态估计，国际系统科学杂志，51，2，275-290（2020）·Zbl 1483.93677号 ·doi:10.1080/00207721.2019.1704093 [64] Zhang，X.，具有未知状态的一般动力系统的自适应参数估计，国际鲁棒和非线性控制杂志，30，4，1351-1372（2020）·Zbl 1465.93115号 ·doi:10.1002/rnc.v30.4 [65] Zhang，X.，利用分数阶导数的最佳自适应滤波算法，IEEE信号处理快报，29399-403（2022）·doi:10.1109/LSP.2021.3136504 [66] 张，X。；Xu，L.，基于delta算子的高计算效率状态滤波器，国际自适应控制和信号处理杂志，33，6，875-889（2019）·Zbl 1425.93290号 ·doi:10.1002/acs.v33.6 [67] 张，X。；Xu，L.，一类特殊非线性系统的递归参数估计方法和收敛性分析，国际鲁棒与非线性控制杂志，30，4，1373-1393（2020）·Zbl 1465.93218号 ·doi:10.1002/rnc.v30.4 [68] 张，X。；Yang，E.F.，通过最小化状态估计误差的协方差矩阵实现双线性系统的状态估计，国际自适应控制和信号处理杂志，33，7，1157-1173（2019）·Zbl 1425.93278号 ·doi:10.1002/acs.v33.7操作系统 [69] Zhao，N。；Wu，A。；裴，Y。；Liang，Y.C。；Niyato，D.，用于有效移动蜂窝流量预测的时空聚集图卷积网络，IEEE通信快报，26，3，587-591（2022）·doi:10.1109/LCOMM.2021.3138075 [70] Zhirabok，A。；Zuev，A。；菲拉雷托夫，V。；Shumsky，A.，不满足匹配、最小相位和可检测性条件的非线性动态系统的故障识别，国际系统科学杂志，53，7，1390-1400（2021）·Zbl 1497.93048号 ·doi:10.1080/00207721.2021.2003471 [71] 周，Y。；Ding，F.，使用基于径向基函数的状态相关自回归模型建模非线性过程，IEEE信号处理快报，271600-1604（2020）·doi:10.1109/LSP.97 [72] 周，Y。；张，X。；Ding，F.，基于增加数据长度的回归权重RBF-AR模型的层次估计方法，IEEE电路与系统学报II：简报，68，12，3597-3601（2021）·doi:10.1109/TCSII.2021.3076112 [73] 周，Y。；张，X。；Ding，F.，一类多元混合模型的部分耦合非线性参数优化算法，应用数学与计算，414（2022）·Zbl 1510.93338号 ·doi:10.1016/j.amc.2021.126663 [74] Zhu，Y.C。；杨，C。；陈，X。；周杰明。；Zhao，J.，基于识别的实时优化及其在电厂中的应用，控制工程实践，123（2022）·doi:10.1016/j.engprac.2022.105160 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。