多层复杂动态网络的状态估计与拓扑辨识

The multilayer complex dynamical networks, which exist widely in real world, attract more and more attentions of researchers. Recently, the studies of multilayer complex dynamical networks have mainly focused on synchronization, diffusion dynamics, cascading failures, etc. However, the state estimation and topology identification of multilayer complex dynamical networks have not been well studied. The aim of project is mainly concentrated on the state estimation and topology identification of multilayer complex dynamical networks. First, based on the multilayer complex dynamical network with different kinds of inter-layer state coupling, we will investigate the state estimation problem. Using the outputs of nodes, we will build the corresponding state estimator and determine the appropriate estimator gain. Second, we will investigate the topology identification problem of multilayer complex dynamical networks. In order to identify the topological structure of the networks, we will design proper feedback controllers and updating laws by the node states of multilayer complex dynamical networks. Finally, we will propose a new model of the multilayer complex dynamical network with inter-layer output coupling. In addition, the state estimation and topology identification of the new network model will also be studied. By designing the appropriate state estimator and updating laws of the topological parameters, we will obtain rigorous criterions and achieve the goal of estimating states and identifying topology of multilayer complex dynamical network with inter-layer output coupling.

多层复杂动态网络在现实世界中大量存在，已经得到越来越多的重视和研究。目前多层复杂动态网络的研究主要集中在同步、扩散动力学和级联故障等，针对多层复杂动态网络状态估计与拓扑辨识的研究还很少。本项目主要研究多层复杂动态网络的状态估计与拓扑辨识问题。首先，针对多种层间节点耦合方式的多层复杂动态网络，研究其节点状态估计问题，利用多层复杂动态网络的节点输出信息，构建其状态观测器，并确定适当的观测器增益。其次，研究多层复杂动态网络拓扑结构辨识问题，利用多层复杂动态网络的节点状态信息，设计适当的辨识器，对多层复杂动态网络的整体结构进行拓扑辨识。最后，提出层间耦合采用输出耦合方式的多层复杂动态网络新模型，并研究其节点状态估计和拓扑辨识问题。设计适当的状态观测器和辨识器，得出状态观测器增益和辨识器参数的设计准则，实现层间输出耦合的多层复杂动态网络的状态估计和拓扑辨识目标。

多层复杂网络在实际工程和社会网络中广泛存在，如智能电网、交通网络、社交网络、生物网络等。实际应用中，多层复杂网络往往规模巨大、结构复杂、动力学特性复杂，拓扑结构难以完整获取、节点状态难以直接测量，因此研究多层复杂网络的状态估计和拓扑辨识方法及其在故障诊断、网络传播和多智能体控制中的应用具有重要意义。.本项目重点研究了多层复杂动态网络的状态估计和拓扑辨识问题和方法，并应用于网络故障诊断、病毒传播、多智能体控制等。首先，研究了多层复杂动态网络状态估计和拓扑辨识方法。分别基于驱动—响应数学模型方法和数据驱动方法，针对不同层间结构的多层复杂动态网络模型，考虑了网络通信时延、噪声等情况，提出了多层复杂动态网络状态估计及拓扑辨识新方法。其次，研究了多层复杂动态网络的可控性、可观性及多智能体的群可控性问题。利用图论最大匹配原理，首次提出了辨识多层复杂网络最少受控节点方法；针对具有双时间尺度特征的多智能体网络，提出了复杂网络群可控性及其准则。最后，研究了多层复杂动态网络相关应用问题，包括病毒传播、无人机集群控制等。针对网络病毒传播，基于Multiplex PageRank策略，提出了COVID-19的传播新模型并进行病例预测；针对多智能体间持续通信功耗大的情况，基于事件触发策略，提出了双层多智能体系统同步方法。通过本项目研究，充分探讨了多层复杂网络状态估计和拓扑辨识方法，深刻揭示了层间耦合作用、通信干扰因素等对多层网络状态估计、拓扑辨识及故障诊断等产生的影响，为多层复杂网络状态估计、拓扑辨识、故障诊断和信息传播等提供了新方法，在多无人机集群作战、智能电网故障诊断、生物网络病毒传播等领域具有良好的应用前景。.通过研究，在高水平学术期刊及会议上发表学术论文55篇。出版专著1部。授权发明专利33件。获得江苏省科学技术奖三等奖1项。培养1位青年教师获得江苏省优秀青年基金，培养出站博士后3人，博士研究生12人；培养硕士研究生31人。