已知延迟的DDE系统参数k的GEKKO估计偏差修正问询

针对已知延迟τ的延迟微分方程（DDE）系统，计划采用直接配点法通过GEKKO工具估计参数k。

• 系统仿真（使用jitcdde包）：

from jitcdde import t, y, jitcdde
import numpy as np

# 方程中的常数
k = -0.2
tau = 0.5

# 方程定义
f = [    
    k*y(0, t-tau)
    ]

# 初始化积分器
DDE = jitcdde(f)

# 设置初始条件
DDE.constant_past([1.0])

# 短时间预积分处理不连续性
DDE.step_on_discontinuities()

# 创建时间轴
stoptime = 10.5
numpoints = 100
times = np.arange(DDE.t, stoptime, 1/10)

# 执行积分
data = []
for time in times:
    data.append( DDE.integrate(time) ) # 警告是因为采样步长过小，无需担心

• 参数估计（使用GEKKO）：

# 采样间隔为0.1秒，延迟为0.5秒
# 所以延迟值ydelayed应取ydata前5步的数据
tdata = times[5:]
ydata =  np.array(data)[5:]
ydelayed = np.array(data)[0:-5]

m = GEKKO(remote=False)
m.time = tdata
x = m.CV(value=ydata); x.FSTATUS = 1 # 拟合测量数据
xdelayed = m.CV(value=ydelayed); x.FSTATUS = 1  # 拟合测量数据
k = m.FV(); k.STATUS = 1               # 可调参数
m.Equation(x.dt()== k * xdelayed)            # 微分方程

m.options.IMODE = 5   # 动态估计模式
m.options.NODES = 5   # 配点节点数
m.solve(disp=False)   # 不显示求解器输出
k = k.value[0]

上述代码估计得到的k值为-0.03253，与真实值-0.2偏差较大，如何修正该参数识别问题？

错误根源 #

你将xdelayed设为CV（受控变量，用于拟合测量值），但xdelayed本质是状态变量x的延迟值，属于模型内部推导量，而非独立的测量拟合目标。直接把历史数据赋值给xdelayed并开启拟合，会破坏微分方程的约束逻辑，导致参数估计严重偏离真实值。

修正后的参数估计代码 #

使用GEKKO内置的delay函数自动计算状态变量的延迟值，让模型基于微分方程约束拟合数据：

# 保留完整时间序列和数据
tdata = times
ydata = np.array(data)

m = GEKKO(remote=False)
m.time = tdata
# 定义状态变量，绑定测量数据用于拟合
x = m.CV(value=ydata); x.FSTATUS = 1
# 设置参数k的初始猜测值（可选，加速收敛），开启可调状态
k = m.FV(value=-0.1); k.STATUS = 1
# 用delay函数自动计算x的τ=0.5秒延迟值
xdelayed = m.delay(x, tau)
# 建立延迟微分方程约束
m.Equation(x.dt() == k * xdelayed)

m.options.IMODE = 5   # 动态估计模式
m.options.NODES = 5   # 配点节点数
m.solve(disp=True)    # 显示求解器输出便于调试

print(f"估计的k值：{k.value[0]}")

额外优化建议 #

• 忽略初始不连续点：由于DDE初始阶段存在不连续性，可设置x.MEAS_GAP = 5（对应0.5秒延迟），让模型跳过前5个数据点的拟合，提升估计精度。
• 限制参数范围：给k设置上下限避免求解器输出不合理值，比如k.LOWER = -1.0、k.UPPER = 0.0。

内容的提问来源于stack exchange，提问作者Page David