arXiv · battery（eess.SY 系统与控制）· Farzaneh Barat·2026-09-19 10:33· 2026-09-19AI 评分40

基于序列化集合卡尔曼反演的非线性随机状态空间模型递归参数辨识

Recursive Parameter Identification of Nonlinear Stochastic State-Space Models via Sequentialized Ensemble Kalman Inversion

模型导读

该论文提出序列化集合卡尔曼反演方法，用于从流式测量中递归辨识非线性随机状态空间模型的参数。方法以演化集合表示参数后验并随新测量序贯更新，对每个集合成员用隐式粒子滤波近似参数校正所需的预测观测统计量。在强非线性基准和双电容锂离子电池模型上验证，数值结果实现了准确的递归参数辨识与隐状态估计。