进化稀疏数据驱动的复杂多体系统动力学发现
摘要：多体系统未知参数的价值对于预测、监测和控制至关重要，有时候使用有偏的基于物理的模型来估计，导致不正确的结果。从时间序列数据中发现多体系统的运动方程具有一定挑战性，因为它们包含复杂的有理函数、常数作为函数参数以及各种函数项，这些不是轻而易举就能猜测出来的。本研究旨在开发一种用于多体系统系统识别的进化符号稀疏回归方法。该程序发现出现在函数参数中的运动方程和系统参数，可以是常数值，也可以是函数表达式的系数。编写了一个遗传编程算法来生成符号函数表达式，其中嵌入了硬阈值回归方法。在进化过程中，识别复杂的函数形式、常数参数和未知系数，最终发现给定系统的控制方程。提出了一种适应度度量方法，以促进简约化方程和减少拟合数据误差。还研究了混合离散连续动力系统，提出了一种方法来确定模态数量和系统子模型。在仿真环境中评估了所建议的进化符号稀疏回归方法的性能和效率。通过研究几个多体系统，还演示了所开发方法的能力。该过程高效，并有可能估计系统参数和提炼相应的控制方程。这种技术降低了函数字典未能涵盖解开隐藏的物理定律所需的所有功能以及先前了解感兴趣机制的需求的风险。
作者：Ehsan Askari, Guillaume Crevecoeur
论文ID：2210.11656
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2022-10-24