Data-Driven Model Reduction of Monotone Systems by Nonlinear DC Gains
Data-Driven Model Reduction of Monotone Systems by Nonlinear DC Gains
复制标题
通过非线性直流增益减少单调系统的数据驱动模型
DOI：
10.1109/tac.2019.2939191
复制
发表时间：
2020
影响因子：
6.8
通讯作者：
Ming Cao
中科院分区：
文献类型：
--
作者：
Yu Kawano;Bart Besselink;Jacquelien M.A. Scherpen;Ming Cao
在本文中，我们开发了基于直流增益非线性版本的单调非线性控制系统的数据驱动模型简化方法。非线性直流增益是输入幅度的函数，可用于评估每个状态变量的重要性。事实上，非线性直流增益与系统的无穷大诱导范数以及输出可达性的概念直接相关。给定直流增益，模型缩减是通过截断不太重要的状态变量或聚合具有相似重要性的状态变量来执行的。在这种截断和聚类下，非线性直流增益的单调性和有界性得以保留；而且，这两个操作可以仅基于模拟或实验数据来近似地执行。这种经验模型简化方法通过基因调控网络的例子来说明。
In this paper, we develop data-driven model reduction methods for monotone nonlinear control systems based on a nonlinear version of the dc gain. The nonlinear dc gain is a function of the amplitude of the input and can be used to evaluate the importance of each state variable. In fact, the nonlinear dc gain is directly related to the infinity-induced norm of the system as well as a notion of output reachability. Given the dc gain, model reduction is performed by either truncating not-so-important state variables or aggregating state variables having similar importance. Under such truncation and clustering, monotonicity and boundedness of the nonlinear dc gain are preserved; moreover, these two operations can be approximately performed based on simulation or experimental data alone. This empirical model reduction approach is illustrated by an example of a gene regulatory network.
登录
查看更多内容
网络无源系统基于聚类的模型简化
影响因子：
6.8
作者：
B. Besselink;H. Sandberg;K. Johansson
通讯作者：
K. Johansson
通过矩匹配简化非线性模型
DOI：
10.1561/2600000012
发表时间：
2017
期刊：
Foundations and Trends® in Systems and Control
影响因子：
--
作者：
Astolfi A
通讯作者：
Astolfi A
通过无穷远矩匹配简化端口哈密尔顿系统的结构保持模型
DOI：
10.1016/j.automatica.2010.01.018
发表时间：
2010
期刊：
Autom.
影响因子：
--
作者：
R. Polyuga;A. Schaft
通讯作者：
A. Schaft
影响因子：
6.8
作者：
Astolfi, Alessandro
通讯作者：
Astolfi, Alessandro