[論文レビュー] Sample-based detectability and moving horizon state estimation of continuous-time systems

Isabelle Krauss, Victor G. Lopez+1 more|arXiv (Cornell University)|Mar 23, 2026

Control Systems and Identification被引用数 0

ひとこと要約

要約：本論文はincremental integral input/output-to-state stability のサンプルベース版（i-iIOSS）を導入し、それが成り立つ十分条件を提供し、線形系のサンプルベース観測可能性へと結びつけ、ロバストに安定なサンプルベースの moving horizon estimator（MHE）を開発し、下垂体–甲状腺系の生物医療モデルで手法を実証する。

ABSTRACT

In this paper we propose a detectability condition for nonlinear continuous-time systems with irregular/infrequent output measurements, namely a sample-based version of incremental integral input/output-to-state stability (i-iIOSS). We provide a sufficient condition for an i-iIOSS system to be sample-based i-iIOSS. This condition is also exploited to analyze the relationship between sample-based i-iIOSS and sample-based observability for linear systems, such that previously established sampling strategies for linear systems can be used to guarantee sample-based i-iIOSS. Furthermore, we present a sample-based moving horizon estimation scheme, for which robust stability can be shown. Finally, we illustrate the applicability of the proposed estimation scheme through a biomedical simulation example.

研究の動機と目的

• irregular/頻度の少ない出力の下での非線形連続時間系の状態推定を動機づける。
• 不規則なサンプリングに合わせたサンプルベースの検出可能性概念（i-iIOSS）を定義する。
• i-iIOSS からサンプルベースの i-iIOSS の十分条件を導出する。
• 不規則な測定に対してロバストに安定なサンプルベースの MHE スキームを開発する。
• pituitary–thyroid 生物医療モデルでアプローチを実証する。

提案手法

• 定義3を用いたサンプルベースの i-iIOSS の定義を離散測定列とともに導入する。
• Lipschitz型仮定（仮定4）の下で i-iIOSS とサンプルベースの i-iIOSS を結ぶ十分条件（定理5）を証明する。
• サンプルベースの i-iIOSS と線形系の観測可能性の関係を分析する（セクション5、定義10および定理9–15）。
• 初期状態誤差、プロセス乱数、測定不一致をペナルティするコスト関数を備えたロバストに安定なサンプルベースの MHE スキームを提案する（セクション4）。
• サンプルベースの指数 i-iIOSS 仮定（仮定7）の下でEstimator の RGES を示す安定性証明（定理8）を提供する。
• estimator の性能を示す生物医療シミュレーション例（pituitary–thyroid ループ）を提示する（セクション6）。

実験結果

リサーチクエスチョン

• RQ1 不規則な測定を持つ非線形連続時間系がサンプルベースで検出可能であることを保証する条件は何か。
• RQ2 i-iIOSS を不規則サンプリングへ拡張する（サンプルベースの i-iIOSS）と推定量の安定性に対する含意は何か。
• RQ3 サンプルベースの i-iIOSS とサンプルベースの観測可能性の関係は線形系でどうなるか。
• RQ4 不規則な測定列に対してロバストに安定なサンプルベースの moving horizon estimator を設計できるか。
• RQ5 提案手法は、 spars な測定データを持つ生物医療モデル（例：pituitary–thyroid 系）に適用可能か。

主な発見

• サンプルベース版の i-iIOSS が定義され、 irregular な出力を用いた検出可能性分析が可能になる。
• Lipschitz 连續性仮定の下で i-iIOSS からサンプルベースの i-iIOSS を保証する有限時間の十分条件（定理5）を提供。
• 線形系ではサンプルベースの i-iIOSS をサンプルベースの観測可能性から推定でき、サンプリング戦略を安定性保証と結びつける。
• ロバストに安定なサンプルベースの MHE を開発（定理8）、ホライズン長と指数 i-iIOSS 条件が必要。
• estimator は pituitary–thyroid ループの六状態非線形生物医療モデルで不規則測定下でも正確な状態推定を示す。