[論文レビュー] From Noise to Knowledge: System Identification with Systematic Polytope Construction via Cyclic Reformulation

Hiroshi Okajima, Shun Shirahama+2 more|arXiv (Cornell University)|Jan 19, 2026

Control Systems and Identification被引用数 0

ひとこと要約

論文はノイズ誘起パラメータ変動を用いた循環再構成による polytope ベースの不確実性モデルを導出し、線形時不変システムに適用可能性を示す。単一の識別実験から N 個の頂点を用いて不確実性を表現するとパラメータ推定と予測精度が向上し、N が大きいほど不確実性の表現が細かくなる。

ABSTRACT

Model-based control requires accurate mathematical models to guarantee control performance and stability. However, obtaining accurate models is challenging due to process and sensor noise. This paper proposes a novel identification algorithm that derives polytopic uncertainty models by interpreting noise-induced parameter fluctuations as intrinsic uncertainty. The method applies cyclic reformulation with period N to linear time-invariant systems, yielding N parameter sets with slight variations that serve as polytope vertices. This enables systematic polytopic model construction from a single identification experiment. Simulation results demonstrate significant improvements: the proposed method achieves higher parameter estimation accuracy and reduces prediction errors by approximately half compared to conventional approaches. The vertex count N provides systematic control over the precision of uncertainty representation.

研究の動機と目的

• ノイズと不確実性の下でモデルベース制御における正確なモデルの必要性を動機づける。
• ノイズ識別データからポリトープ不確実性モデルを系統的に導出する方法を提案する。
• 循環再構成がLTIシステムをポリトープ構築に適した形に変換できることを示す。
• ノイズ誘起のパラメータ変動をポリトープの頂点として用いると推定と予測の精度が向上することを示す。

提案手法

• N期間で循環再構成を適用し、N個のパラメータセットをポリポイントの頂点として得る。
• 循環信号に対して部分空間識別を用いて拡張循環系行列を推定する。
• 座標変換を適用して循環構造を回復し、1周期内のN個の時変パラメータセットを抽出する。
• A(λ), B(λ), C(λ), D(λ)としてポリオート型不確実性モデルを、標準シンプレックス内のλでN個の頂点集合の凸結合として構築する。
• 計算コストとN、データ長、および表現品質のトレードオフを分析する。

実験結果

リサーチクエスチョン

• RQ1 循環再構成におけるノイズ誘起変動を活用して、単一識別実験からポリトープ不確実性モデルを構築できるか。
• RQ2 得られたポリトープ表現は従来の単一モデル識別と比較してパラメータ推定と予測精度を向上させるか。
• RQ3 ポリトープ頂点数 N の選択は不確実性表現の忠実度と計算コストにどう影響するか。
• RQ4 LTIシステムの循環再構成から1周期内の時変パラメータを実際に抽出する手順は何か。

主な発見

• 手法は1回の識別実行からN個の頂点パラメータセットを抽出できる。
• シミュレーション結果は、従来法と比較してパラメータ推定精度が向上し予測誤差が低減する。
• 頂点数 N は不確実性表現の精度を体系的に制御できる。
• より大きな N は不確実性表現を細かくするが計算コストは増加する（O((Nn)^3)）。
• 本手法は不確実性構造について事前仮定なしに系統的なポリトープモデル構築を可能にする。