[論文レビュー] Identification of Nonlinear Block-Oriented Systems starting from Linear Approximations: A Survey.

Maarten Schoukens, Koen Tiels|arXiv (Cornell University)|Jul 5, 2016

Neural Networks and Applications被引用数 11

ひとこと要約

この論文は、線形近似（特に最良線形近似およびε-近似フレームワーク）を用いて、ブロック指向の非線形システム同定手法を概説している。これらの線形フレームワークが非線形システム同定におけるモデル構造選択、次数決定、収束性の向上を可能にし、複雑な非線形モデリングタスクの堅牢な出発点を提供することを強調している。

ABSTRACT

Block-oriented models are popular in nonlinear modeling because of their advantages to be quite simple to understand and easy to use. Many different identification approaches were developed over the years to estimate the parameters of a wide range of block-oriented models. One class of these approaches uses linear approximations to initialize the identification algorithm. The best linear approximation framework and the $\epsilon$-approximation framework, or equivalent frameworks, allow the user to extract important information about the system, guide the user in selecting good candidate model structures and orders, and they prove to be a good starting point for nonlinear system identification algorithms. This paper gives an overview of the different block-oriented models that can be modeled using linear approximations, and of the identification algorithms that have been developed in the past. A non-exhaustive overview of the most important other block-oriented system identification approaches is also provided throughout this paper.

研究の動機と目的

• 線形近似を介して同定可能なブロック指向モデルの包括的概説を提供すること。
• 線形近似フレームワークがモデル構造および次数の選択をどのように導くかを検討すること。
• 線形近似が非線形システム同定アルゴリズムの初期化および改善に果たす役割を評価すること。
• 線形初期化を用いて開発された主要な同定アルゴリズムを調査すること。
• 線形近似フレームワークが非線形システムモデリングを単純化および強化する点における利点を強調すること。

提案手法

• 入出力データからシステム特性を抽出するために、最良線形近似フレームワークを用いる。
• 線形近似のシステム行動を捉える精度を定量化するために、ε-近似フレームワークを採用する。
• 非線形同定アルゴリズムの初期化ツールとして線形近似を適用する。
• モデル構造および次数選択をガイドするために線形近似を用いる同定アルゴリズムをレビューする。
• 線形近似に基づく同定の文脈において、さまざまなブロック指向モデル構造（例：ウィener、ハンマーシュタイン）を比較する。
• さまざまな同定アプローチの知見を統合し、非線形システムモデリングにおける線形近似の有用性を示す。

実験結果

リサーチクエスチョン

• RQ1 線形近似は非線形システム同定の初期化および改善にどのように利用できるか？
• RQ2 どのブロック指向モデル構造が線形近似フレームワークを用いた同定に適しているか？
• RQ3 線形近似から得られる情報は、モデル構造および次数選択をガイドするためにどのように活用できるか？
• RQ4 最良線形近似フレームワークとε-近似フレームワークは、非線形システム同定を支援する能力においてどのように比較されるか？
• RQ5 非線形システム同定における初期化として線形近似を使用する主な利点は何か？

主な発見

• 線形近似フレームワークは、非線形システム同定における収束性を向上させる信頼性の高い出発点を提供する。
• 最良線形近似およびε-近似フレームワークは、効果的なモデル構造および次数の選択を可能にする。
• これらのフレームワークは、入出力データから意味のあるシステム特性を抽出し、モデル開発を支援する。
• ウィナーおよびハンマーシュタインなどのブロック指向モデルは、線形近似に基づく初期化を用いることで効果的に同定可能である。
• 線形近似の使用により、候補となるモデル構造の範囲を絞ることで、非線形システム同定の複雑さが低減される。
• 本サーベイは、線形近似が非線形システム同定プロセスのガイドおよび強化に強力なツールであることを示している。