基于延迟嵌入输入输出的不确定性感知非线性系统预测方法

《IEEE Control Systems Letters》：A Delay-Embedded Uncertainty-Aware Estimator for Trustworthy Cyber-Physical Systems

　　

摘要：

可信的网信息系统需要具备能够处理不确定性的预测模型，以应对准确物理模型不可用且测量数据存在噪声的情况。本研究提出了一种基于延迟嵌入输入输出表示的、具有不确定性感知能力的、面向非线性系统一步预测输出的数据驱动框架。一个循环神经网络学习未来嵌入状态的二阶高斯描述，而一个卡尔曼型校正步骤则在概率滤波框架内整合新的测量数据。所形成的估计器提供了费舍尔一致的输出预测矩，以及经过校准的不确定性估计，这些估计可以支持基于学习的网信息系统的监测和异常检测，而不需要真实预测分布满足高斯性假设。数值结果表明，该方法的性能与基于模型的扩展卡尔曼滤波器相当，且无需了解系统动力学。