[논문 리뷰] N2SID: Nuclear Norm Subsystem Identification.

Michel Verhaegen, Anders Hansson|arXiv (Cornell University)|2015. 01. 19.

Control Systems and Identification인용 수 4

한 줄 요약

N2SID는 다변수 상태공간 모델의 혁신 형식에서 부분공간 식별을 위한 볼록 핵심노름 최적화 접근법을 제안하며, 예측 정확도를 향상시키기 위해 공구 변수 투영을 피함—특히 짧은 데이터 시퀀스에서 유리함—효율적인 ADMM 기반 구현을 통해 DaSIy 라이브러리 데이터에 검증됨.

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.

연구 동기 및 목표

• 제약 행렬 구조를 가진 혁신 형식의 다변수 상태공간 모델 식별의 정확성 도전 과제를 해결할 것.
• 기존의 공구 변수 방법이 부분공간 식별에서 예측 정확도를 떨어뜨릴 수 있는 한계를 극복할 것.
• 관측기 마르코프 매개변수의 하삼각 블록-토플리츠 구조와 같은 구조적 제약 조건을 볼록 최적화 프레임워크 내에 통합할 수 있도록 할 것.
• 짧은 길이의 데이터 시퀀스에 대해 모델 예측 정확도를 향상시킬 것—시스템 식별 분야에서 지속적인 과제임.
• 실제 검증에 적합한 효율적이고 확장 가능한 구현을 개발할 것—알터너레이팅 디렉션 메서드 오브 멀티플라이어(ADMM)를 활용함.

제안 방법

• 혁신 항과 미지의 시스템 행렬을 포함하는 데이터 방정식을 사용하여 부분공간 식별 문제를 수립할 것.
• 해결책의 저랭크 구조를 촉진하기 위해 핵심노름 정규화를 적용하여 구조적 제약 조건을 가진 볼록 최적화를 가능하게 할 것.
• 가중치 행렬에 하삼각 블록-토플리츠 구조를 도입하여 관측기 마르코프 매개변수에 대한 제약 조건을 통합할 것.
• 볼록 제약 조건 하에서 직접 데이터 방정식을 최적화함으로써 공구 변수 투영 단계를 생략할 것.
• 알터너레이팅 디렉션 메서드 오브 멀티플라이어(ADMM)를 사용하여 효율적이고 확장 가능한 계산을 위한 최적화를 구현할 것.
• 보장된 수렴성과 유한한 데이터 길이에 대한 강건성을 확보한 볼록 최적화 문제를 해결할 것.

실험 결과

연구 질문

• RQ1 핵심노름 최적화가 부분공간 식별에서 공구 변수 투영을 대체하여 예측 정확도를 향상시킬 수 있는가?
• RQ2 관측기 마르코프 매개변수에 블록-토플리츠와 같은 구조적 제약 조건을 통합할 경우 모델 정확도에 어떤 영향을 미치는가?
• RQ3 제안된 방법이 짧은 데이터 시퀀스에 대해 기존의 부분공간 식별 방법보다 성능 향상이 얼마나 이루어지는가?
• RQ4 실제로 ADMM를 사용할 때 핵심노름 최적화는 얼마나 효율적으로 해결될 수 있는가?
• RQ5 한정된 데이터에서 공구 변수 투영이 생략됨으로써 예측의 편향이 감소하는가—특히 짧은 데이터에서?

주요 결과

• 제안된 N2SID 방법은 공구 변수 투영을 피함으로써 편향을 감소시키고 예측 정확도를 향상시킴—특히 짧은 데이터 시퀀스에서 유리함.
• 핵심노름 최적화를 통한 구조적 제약 조건 통합은 더 정확하고 물리적으로 타당한 시스템 행렬을 도출함.
• ADMM 기반 구현은 볼록 최적화 문제의 효율적이고 확장 가능한 해법을 가능하게 하여 실세계 응용에 적합함.
• DaSIy 라이브러리 데이터에 대한 검증 결과, 기존의 부분공간 방법보다 더 뛰어난 예측 성능을 보임.
• 관측기 마르코프 매개변수의 구조적 특성을 근사 없이 직접 강제 적용함으로써 더 높은 모델 충실도를 달성함.