EnKI与CasEnKI非线性系统辨识方法提出

2026年10月20日arXiv Systems and Control刊出Farzaneh Barat等作者的研究，提出基于集合卡尔曼反演（EnKI）的非线性随机状态空间模型辨识方法。该方法通过连续局部高斯近似做最大后验参数估计，并结合状态估计实现参数辨识与隐状态恢复。在含10个状态变量、18个未知参数的锂离子电池模型上，EnKI表现出较高的辨识精度与参数搜索的经验稳定性。作者进一步提出级联EnKI（CasEnKI），按子数据集顺序同化，实验显示其在大规模电池数据集上具有计算效率与可扩展性。目前报道仅涵盖方法提出与电池模型验证，未见后续应用或对比跟进。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。