PHYSICS-AWARE TUNING OF UNSCENTED KALMAN FILTER TO ESTIMATE PARAMETERS, QUANTIFY ABRUPT PARAMETER CHANGE, AND QUANTIFY UNCERTAINTY IN IDENTIFICATION OF A DYNAMIC SYSTEM WITH MANY DOFS
Notice bibliographique
Résumé
The Unscented Kalman Filter (UKF) represents a robust method for estimating latent states and parameters within specified nonlinear equations of dynamic systems under noisy sensor data. Nonetheless, adjusting the filter's hyperparameters (HP)s is essential for effective performance and poses difficulties, especially in systems with many parameters and states to identify, or when it is necessary for the filter to both detect and measure anomaly levels in parameters. Building on the authors previous research on introducing a physics-aware objective function to tune the UKF, this study advances the capabilities of the objective function to tune different adaptive variants of the UKF which facilitates virtual sensing, joint state-parameter estimation, damage quantification and uncertainty quantification under partial observation for systems with many degrees of freedom (DoF) as an open-ended question in structural health monitoring field. To validate the framework, a three DoF damped mass-spring system experiencing a sudden change in physical characteristics is used. Subsequently, the filter's precision in estimating parameters and states is evaluated using a ten DoF system with 40 states and unknown parameters, featuring sparsely placed sensors. Furthermore, the Lorenz attractor under partial observation is used as another case study to highlight why and how the physics-aware objective outperforms other commonly used data-driven objective functions. These results demonstrate the potential of the proposed framework for addressing challenging identification problems in dynamical systems such as tracking sudden changes and evaluating the uncertainties linked to both modeling and measurement, particularly those with limited and noisy sensor data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».