The prodigious amount of data movement among sources, data centers, or processing elements precludes the utilization of least-squares (LS) and fusion-center (FC)-based modeling and control. The LS methods are offline in nature, hence may face difficulty in real-time implementation. FC-based methods that are nonrobust due to single point failure, require large communication bandwidth and computationally fast processing unit. To curb these limitations, this article identifies distributed parameter systems by estimating the parameters of spatio-temporal Volterra model using in-network data processing. It can handle the immense volume of data by distributing the processing tasks of FC among the wireless sensor network nodes. To facilitate distributed optimization, the global objective function is reformulated as a multiple constrained separable problem which is then decomposed into augmented Lagrangian form. Then, alternating direction method of multipliers along with coordinate descent method is employed to obtain the global optimal solution collaboratively. Further, a communication-efficient algorithm is designed for the proposed approach to deploy in an ad-hoc network. Simulations are carried out on two industrial distributed parameter systems (catalytic rod and tubular reactor) to illustrate the practicality of the proposed algorithm.

中文翻译：

---

基于无线传感器网络的分布式方法识别工业分布式参数系统的时空沃尔泰模型

源，数据中心或处理元素之间大量的数据移动使基于最小二乘（LS）和基于融合中心（FC）的建模和控制无法使用。LS方法本质上是离线的，因此可能面临实时实施的困难。由于单点故障而导致的基于FC的方法不可靠，需要较大的通信带宽和计算速度快的处理单元。为了限制这些限制，本文通过使用网络内数据处理估计时空Volterra模型的参数来标识分布式参数系统。它可以通过在无线传感器网络节点之间分配FC的处理任务来处理大量数据。为了促进分布式优化，全局目标函数被重新表述为多重约束可分离问题，然后分解为增广的拉格朗日形式。然后，采用乘数的交替方向法和坐标下降法共同获得全局最优解。此外，针对所提出的方法设计了一种通信有效的算法，以在自组织网络中进行部署。在两个工业分布参数系统（催化棒和管式反应器）上进行了仿真，以说明所提出算法的实用性。针对该提议的方法设计了一种通信有效的算法，以在自组织网络中进行部署。在两个工业分布参数系统（催化棒和管式反应器）上进行了仿真，以说明所提出算法的实用性。针对该提议的方法设计了一种通信有效的算法，以在自组织网络中进行部署。在两个工业分布参数系统（催化棒和管式反应器）上进行了仿真，以说明所提出算法的实用性。