物理信息引导非线性动力学辨识
李远禄1
王静远2
王毓2
吴至伟2
1.南京信息工程大学自动化学院 南京 210000;江苏省大气环境与装备技术协同创新中心 南京 2100002.南京信息工程大学自动化学院 南京 210000
摘要：非线性系统结构复杂,常见辨识方法对测量数据要求较高且噪声鲁棒性差,针对不同非线性系统选择高精度高效率的辨识模型一直是系统辨识领域的挑战.当前深度学习在数据驱动、科学计算方面取得的突破已被应用于动力学领域,但深度学习模型的黑箱原理导致其缺乏可解释性.基于此,提出物理信息神经网络进行参数辨识的方法,将物理约束与数据驱动结合构建损失函数,将待辨识的参数加入网络训练过程,随网络训练更新,加入随时间变化的权值以优化训练.结果表明,该方法能够较准确地辨识出系统参数及估计系统状态,相较于传统神经网络模型和稀疏辨识等数据驱动算法对数据需求较小,展示了作为状态估计器用于反馈控制的潜力.
关键词：物理信息神经网络数据驱动非线性动力学
分类号：TP183(自动化基础理论)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2156-2161 )
英文信息