M. Umar B. Niazi

用于非线性系统的新型物理信息学习观测器合成方法

研究人员开发了一种新颖的基于物理信息学习的方法，用于合成非线性系统的Kazantzis-Kravaris (KKL) 观测器。该方法使用一个物理信息神经网络来学习正向映射，并使用一个标准的馈送前向神经网络来学习反向映射。该论文为状态估计在近似误差和系统不确定性（包括非渐近学习保证）下的鲁棒性提供了理论保证。在基准示例上的数值模拟表明，与现有方法相比，该方法在训练域之外提供了更好的泛化能力。