[论文解读] From Noise to Knowledge: System Identification with Systematic Polytope Construction via Cyclic Reformulation

Hiroshi Okajima, Shun Shirahama+2 more|arXiv (Cornell University)|Jan 19, 2026

Control Systems and Identification被引用 0

一句话总结

该论文提出一种基于多面体的由噪声引起的参数变化得到的不确定性模型，利用线性时不变系统的循环 Reformulation。结果显示，在单次辨识实验中用来自N个顶点的不确定性表示能提升参数和预测精度，且N越大、不确定性表示越精细。

ABSTRACT

Model-based control requires accurate mathematical models to guarantee control performance and stability. However, obtaining accurate models is challenging due to process and sensor noise. This paper proposes a novel identification algorithm that derives polytopic uncertainty models by interpreting noise-induced parameter fluctuations as intrinsic uncertainty. The method applies cyclic reformulation with period N to linear time-invariant systems, yielding N parameter sets with slight variations that serve as polytope vertices. This enables systematic polytopic model construction from a single identification experiment. Simulation results demonstrate significant improvements: the proposed method achieves higher parameter estimation accuracy and reduces prediction errors by approximately half compared to conventional approaches. The vertex count N provides systematic control over the precision of uncertainty representation.

研究动机与目标

• 在噪声与不确定性条件下，推动基于模型的控制所需准确模型的发展。
• 提出从带噪声的辨识数据推导多面体不确定性模型的系统方法。
• 证明循环 Reformulation 能将 LTI 系统转换为适合多面体构造的形式。
• 展示将噪声引起的参数变化作为多面体顶点可提高估计与预测精度。

提出的方法

• 对线性时不变系统应用周期为 N 的循环 Reformulation，以获得 N 个参数集作为多面体顶点。
• 对循环信号进行子空间辨识以估计扩展的循环系统矩阵。
• 应用坐标变换以恢复循环结构并在一个周期内提取 N 个时变参数集。
• 将 A(λ)、B(λ)、C(λ)、D(λ) 作为由 N 个顶点集合的凸组合，λ 在标准单纯形内的多面体型不确定性模型构造。
• 分析计算复杂度以及 N、数据长度与表示质量之间的权衡。

实验结果

研究问题

• RQ1 是否可以利用循环 Reformulation 中的噪声引起的变化，从单次辨识实验中构建多面体不确定性模型？
• RQ2 与传统单模型辨识相比，得到的多面体表示是否能提高参数估计和预测精度？
• RQ3 顶点数 N 的选择如何影响不确定性表示的保真度与计算成本？
• RQ4 从 LTI 系统的循环 Reformulation 中在一个周期内提取时变参数的实际步骤是什么？

主要发现

• 该方法从一次辨识运行中提取出 N 个顶点参数集。
• 仿真结果显示参数估计精度更高、预测误差更小，相较于传统方法。
• 顶点数 N 对不确定性表示的精度具有系统性控制作用。
• 更大的 N 提供更细的不确定性表示但计算代价增加（O((Nn)^3)）。
• 该方法能够在没有先验不确定性结构假设的情况下实现系统化的多面体模型构建。