[論文レビュー] Passivity and Immersion based-modified gradient estimator: A control perspective in parameter estimation

Syed Shadab Nayyer, G. Revati+2 more|arXiv (Cornell University)|Nov 19, 2022

Model Reduction and Neural Networks被引用数 13

ひとこと要約

本稿では、非線形システムにおけるパrameter推定を向上させるために、仮想制御則を勾配ダイナミクスに組み込むことで、漸近的なパrameter誤差収束を保証する、パッシブ性およびインマERSIONに基づく修正勾配推定器（MGE）を提案する。メモリレグレッサー拡張（MRE）を統合することで、非持続的励起条件下でもより速い過渡応答と改善された収束性を達成し、P&Iアプローチおよびパッシブ出力設計による理論的裏付けが与えられる。

ABSTRACT

In this paper, a constructive and systematic strategy with more apparent degrees of freedom to achieve the accurate estimation of unknown parameters via a control perspective is proposed. By adding a virtual control in the final equation of the gradient dynamics, the Gradient Estimator (GE) and Memory Regressor and Extension (MRE) approaches are extended. The solution of the virtual control law is identified by the P&I approach. The P&I approach is based on the choice of an appropriate implicit manifold and the generation of a suitable passive output and a related storage function. This facilitates the virtual control law being obtained in a way that the parametric error converges asymptotically to zero. Because the above ideas connect with the P&I approach and GE, the developed methodology is labeled the passivity and immersion-based modified gradient estimator (MGE). The proposed P&I-based modified gradient estimator is extended via the MRE approach. This modification provides improved transient response and fast convergence. Based on certain PE and non-PE examples, a comparative analysis is carried out to show the efficacy of the proposed approaches.

研究の動機と目的

• 持続的励起（PE）条件を満たすことが難しい非線形システムにおけるパrameter推定の課題に対処すること。
• 閉ループシステムにおけるレグレッサー・ベクトルの挙動とパrameter収束の間の循環的依存関係を克服すること。
• 制御理論的アプローチを用いて、パラメータ推定の過渡応答と収束速度を向上させること。
• インマERSIONと不変性（I&I）フレームワークに根ざした仮想制御則を用いて、勾配推定器（GE）およびメモリレグレッサー拡張（MRE）手法を拡張すること。
• 非PEおよびPE条件下でも、強靭なパラメータ推定が可能な、体系的でパッシブ性に基づく、自由度の高い手法を提供すること。

提案手法

• パラメータ誤差ダイナミクスに仮想制御則を導入することで、勾配推定器の安定化と漸近的収束の確保を図る。
• インマERSIONと不変性（I&I）アプローチを用いて、パッシブ出力およびストレージ関数を設計し、エネルギーに基づく解析により安定性を保証する。
• 擬リーマン計量を用いて接空間を水平部分空間と垂直部分空間に分解し、計量変換下でも直交性を維持する。
• パッシブ出力 $ y = \lambda + q(x) $ とストレージ関数 $ \mathbb{S} $ を採用し、これは候補となるリャプノフ関数として機能する。
• 過渡性能の向上と収束速度の加速を図るため、メモリレグレッサー拡張（MRE）を用いて手法を拡張する。
• 制御則 $ u = -\frac{\partial q(x)}{\partial x}f(x,\lambda) + v $ を導出し、新たな入力 $ v $ に対してパッシブ性を保証することで、修正されたダイナミクス下でのロバストな誤差ダイナミクスを実現する。

実験結果

リサーチクエスチョン

• RQ1 仮想制御則を勾配ダイナミクスに効果的に組み込むことで、パラメータ推定の収束性と過渡応答が向上するか？
• RQ2 インマERSIONと不変性（I&I）フレームワークを活用することで、厳密な持続的励起に依存せずに、漸近的なパラメータ誤差収束を確保できるか？
• RQ3 メモリレグレッサー拡張（MRE）は、非PE状況下における修正勾配推定器の性能をどの程度向上させるか？
• RQ4 パッシブ出力とストレージ関数は、エネルギー形状化を介してパラメータ推定プロセスの安定化に果たす役割は何か？
• RQ5 収束速度およびオンライン検証可能性の観点から、本手法は、並列学習や複合学習といった既存手法と比較してどのように差をつけるか？

主な発見

• 提案されたP&IベースのMGEは、I&Iフレームワークに由来する仮想制御則を組み込むことで、パラメータ誤差がゼロに漸近収束することを保証する。
• MREとの統合により、過渡応答の改善と収束速度の向上が達成される。
• ストレージ関数 $ \mathbb{S} $ が $ \frac{1}{2} \| \lambda + q(x) \|^2 $ として定義され、有効なリャプノフ関数として機能し、不変多様体の吸引性を証明する。
• パッシブ出力 $ y = \lambda + q(x) $ は、新たな入力 $ v $ に対してパッシブ性を保証し、修正されたダイナミクス下でもロバストな安定性を実現する。
• 理論的解析により、一般の擬リーマン計量下でも、接空間の分解の直交性が維持されることを確認し、構造的安定性を支持する。
• PEおよび非PEの例に対する比較分析から、標準的なGEおよびMREよりも収束速度と耐障害性において優れた性能を示す。