[論文レビュー] A Bird's Eye View of Nonlinear System Identification

Luís A. Aguirre|arXiv (Cornell University)|Jul 16, 2019

Control Systems and Identification参考文献 126被引用数 8

ひとこと要約

本稿は、定常状態データ、対称性、分岐、ヒステリシスなどの補助情報を取り入れるグレイボックス手法に焦点を当て、非線形システム同定の哲学的かつ実用的な概要を提供する。システム同定の構造的フレームワーク—テスト、モデルクラス選択、構造選択、パrameter推定、検証—を提示し、実世界の応用例（気動弁、オイルウェルなど）において、事前知識がモデルの精度と解釈可能性を向上させることを示している。

ABSTRACT

This text aims at providing a bird's eye view of system identification with special attention to nonlinear systems. The driving force is to give a feeling for the philosophical problems facing those that build mathematical models from data. Special attention will be given to grey-box approaches in nonlinear system identification. In this text, grey-box methods use auxiliary information such as the system steady-state data, possible symmetries, some bifurcations and the presence of hysteresis. The text ends with a sample of applications. No attempt is made to be thorough nor to survey such an extensive and mature field as system identification. In most parts references will be provided for a more detailed study.

研究の動機と目的

• データからのモデリングにおける哲学的課題に焦点を当て、非線形システム同定の概念的・手法的枠組みを提供すること。
• 定常状態データ、対称性、分岐などの補助情報（例：定常状態データ、対称性、分岐）を統合するグレイボックスアプローチの利点を強調し、モデルの忠実性を向上させること。
• テスト、モデルクラス選択、構造選択、パrameter推定、モデル検証の5つのコアステップを段階的に説明し、研究者を導くこと。
• 補助情報の統合が、過剰適合を低減させ、複雑な力学系における解釈可能性を向上させることを示すこと。
• 工学的・物理的システムにおける事例研究を通じて、これらの手法の実用的影響を提示すること。

提案手法

• テスト／データ収集、モデルクラス選択、構造選択、パrameter推定、モデル検証の5段階フレームワークを用いる。
• 静的関数、定常状態データ、分岐構造などの補助情報をモデル開発プロセスに組み込むグレイボックス技術を導入する。
• 構造選択にはERR、SRR、SSMRなどの基準を適用し、モデル検証には残差検定、動的不変量、同期性を用いる。
• 動的データと静的データの適合をバランスさせる二目的最適化を採用し、構造的不確実性を低減し、モデルの頑健性を向上させる。
• 局所的モデリングのため、自己組織化マップとK近傍法によるデータ分割を用いた分(piecewise) ARX、SNARX、ニューラルファジィモデルを活用する。
• 太陽ダイナモや気動弁の応用例で示されるように、モデル構築に対称性およびヒステリシス制約を組み込む。

実験結果

リサーチクエスチョン

• RQ1 定常状態データや対称性などの補助情報は、非線形システムモデルの精度と解釈可能性をどのように向上させることができるか？
• RQ2 データが限られたりノイズが多い状況で、適切なモデル構造を選択する際の主な課題は何か？
• RQ3 非線形かつ非凸の最適化問題を用いる場合、パrameter推定をどのように安定化・信頼性を高めることができるか？
• RQ4 残差分析に加えて、動的不変量や残差検定が、標準的な誤差指標を超えてモデル検証をどのように強化するか？
• RQ5 二目的最適化を用いることで、動的データと静的データの適合をどのようにバランスさせ、構造的不確実性を低減できるか？

主な発見

• 定常状態データや分岐構造をモデル開発に組み込むことで、特に平衡状態の捉え込みにおいて、非線形システムモデルの精度が顕著に向上する。
• 動的データと静的データの適合をバランスさせる二目的最適化を用いることで、構造的不確実性が低減され、より頑健なモデルが得られることを、油圧ポンプシステムの事例で示した。
• 太陽ダイナモモデルにおける対称性制約の統合を含むグレイボックス手法により、複雑で周期的な時系列の長期予測がより正確に行えるようになった。
• K近傍法および自己組織化マップによるデータ駆動型分割を用いた分(piecewise) ARXおよびSNARXモデルは、局所的な非線形ダイナミクスを捉える点で、グローバルモデルを上回る性能を示した。
• 動的不変量と同期性を用いたモデル検証は、単なる残差解析よりも、モデルの妥当性をより強く裏付ける証拠を提供した。
• ヒステリシスやトランスクリティカル分岐などの補助情報の統合により、気動弁のようなシステムにおいて物理的に妥当なモデルが得られた。