[論文レビュー] N2SID: Nuclear Norm Subsystem Identification.

Michel Verhaegen, Anders Hansson|arXiv (Cornell University)|Jan 19, 2015

Control Systems and Identification被引用数 4

ひとこと要約

N2SIDは、多変数状態空間モデルのイノベーション形式における部分空間同定に対して、凸核ノルム最適化アプローチを提案する。インストルメンタル変数の射影を回避することで、特に短いデータ系列において予測精度を向上させる。効率的なADMMベースの実装を用い、DaSIyライブラリのデータで検証された。

ABSTRACT

The identification of multivariable state space models in innovation form is solved in a subspace identification framework using convex nuclear norm optimization. The convex optimization approach allows to include constraints on the unknown matrices in the data-equation characterizing subspace identification methods, such as the lower triangular block-Toeplitz of weighting matrices constructed from the Markov parameters of the unknown observer. The classical use of instrumental variables to remove the influence of the innovation term on the data equation in subspace identification is avoided. The avoidance of the instrumental variable projection step has the potential to improve the accuracy of the estimated model predictions, especially for short data length sequences. This is illustrated using a data set from the DaSIy library. An efficient implementation in the framework of the Alternating Direction Method of Multipliers (ADMM) is presented that is used in the validation study.

研究の動機と目的

• 制約付き行列構造を伴うイノベーション形式の多変数状態空間モデルの同定の課題に取り組む。
• 古典的なインストルメンタル変数手法の部分空間同定における限界を克服し、予測精度の低下を防ぐ。
• 観測者マーフォー・パラメータに下三角ブロックトーペリッツ構造を含むような構造的制約を、凸最適化フレームワーク内に組み込むことを可能にする。
• 短時間データ系列におけるモデルの予測精度を向上させる。これは、システム同定分野における長年の課題である。
• 実用的な検証に適した、効率的かつスケーラブルな実装を、交替方向乗数法（ADMM）を用いて開発する。

提案手法

• イノベーション項と未知のシステム行列を組み込んだデータ方程式を用いて、部分空間同定問題を定式化する。
• 解の低ランク構造を促進するために核ノルム正則化を適用し、構造的制約を含む凸最適化を可能にする。
• 重み行列に下三角ブロックトーペリッツ構造を導入することで、観測者のマーフォー・パラメータへの制約を組み込む。
• 凸制約下でデータ方程式を直接最適化することで、インストルメンタル変数の射影ステップを回避する。
• 交替方向乗数法（ADMM）を用いて最適化を実装し、効率的かつスケーラブルな計算を実現する。
• 収束が保証され、有限長データ長に対してもロバストな凸最適化問題を解く。

実験結果

リサーチクエスチョン

• RQ1 核ノルム最適化が部分空間同定におけるインストルメンタル変数の射影を置き換えることで、予測精度が向上するか？
• RQ2 観測者のマーフォー・パラメータにブロックトーペリッツ構造などの構造的制約を組み込むと、モデルの精度にどのような影響を与えるか？
• RQ3 短いデータ系列において、提案手法が古典的手法に比べてどの程度の性能向上を達成するか？
• RQ4 ADMMを用いた実用的な核ノルム最適化の解法は、どの程度効率的か？
• RQ5 特にデータが限られた場合に、インストルメンタル変数の射影を排除することで、モデル予測のバイアスが低減するか？

主な発見

• 提案されたN2SID手法は、インストルメンタル変数の射影を回避することで、バイアスを低減し、特に短いデータ系列において予測精度が向上する。
• 核ノルム最適化による構造的制約の組み込みにより、より正確で物理的に整合性のあるシステム行列が得られる。
• ADMMベースの実装により、凸最適化問題の効率的かつスケーラブルな解法が実現され、実世界の応用に適している。
• DaSIyライブラリのデータを用いた検証により、古典的手法に比べて予測性能が向上していることが示された。
• 近似を用いず、観測者のマーフォー・パラメータの構造的性質を直接強制することで、モデルの忠実度が向上している。