[논문 리뷰] Regression techniques for subspace-based black-box state-space system identification: an overview

Guillaume Mercère|arXiv (Cornell University)|2013. 05. 30.

Control Systems and Identification인용 수 7

한 줄 요약

이 논문은 선형 시간 불변(LTI) 시스템을 대상으로 하여 상태공간 모델 식별을 위한 회귀 기반 프레임워크를 제안한다. 이는 부분공간 알고리즘을 최소 제곱 문제로 재구성함으로써 통계 분석과 사전 지식 통합을 가능하게 한다. 본 논문은 개방 루프 및 폐쇄 루프 부분공간 방법이 예측 기반 회귀 공식화에 통합될 수 있음을 보이며, PBSID 및 PBSIDopt와 같은 핵심 알고리즘은 구조적 선형 회귀 모델에서 유도된다.

ABSTRACT

As far as the identification of linear time-invariant state-space representation is concerned, among all of the solutions available in the literature, the subspace-based state-space model identification techniques have proved their efficiency in many practical cases since the beginning of the 90's. This paper introduces an overview of these techniques by focusing on their formulation as a least-squares problem. Apart from an article written by J. Qin, to the author's knowledge, such a regression formulation is not totally investigated in the books which can be considered as the references as far as subspace-based identification is concerned. Thus, in this paper, a specific attention is payed to the regression-based techniques used to identify systems working under open-loop as well as closed-loop conditions.

연구 동기 및 목표

• 회귀 공식화를 통해 부분공간 기반 상태공간 식별 기법을 통합하고 분석한다.
• 이를 통해 기존 부분공간 기법으로는 어려웠던 부분공간 추정치의 통계 분석을 가능하게 한다.
• 회귀 기반 재구성 방법을 통해 부분공간 방법의 폐쇄 루프 시스템 적용 가능성을 넓힌다.
• 구조적 회귀 제약 조건을 활용하여 사전 지식을 부분공간 식별에 통합할 수 있도록 한다.
• 예측 기반 부분공간 식별(PBSID) 및 그 변종에 대한 이론적이고 알고리즘 기반의 기초를 제공한다.

제안 방법

• 부분공간 식별을 구조적 최소 제곱 회귀 문제로 재구성하여, 시스템 상태를 과거 입력-출력 데이터와 연결한다.
• 오차 방정식의 예측기 형태를 사용하여 상태 시퀀스를 근사하는 회귀 모델을 유도한다.
• 가중치가 부여된 특이값 분해(SVD)를 활용하여 회귀 모델에서 상태 시퀀스를 추정한다.
• 마르코프 파라미터에서 유도된 블록-한켈 행렬 구조를 활용하여 회귀 설계 행렬을 구성한다.
• 하위공간 및 시스템 행렬의 안정적인 수치 계산을 위해 RQ 분해와 SVD를 적용한다.
• 이 회귀 공식화에서 PBSID 알고리즘을 유도하며, 실용적 구현을 위한 PBSIDopt 및 PBSIDToolbox와 같은 변종을 제공한다.

실험 결과

연구 질문

• RQ1 부분공간 기반 상태공간 식별 기법을 어떻게 최소 제곱 회귀 문제로 재구성하여 통계 분석을 가능하게 할 수 있는가?
• RQ2 예측기 형태는 개방 루프 및 폐쇄 루프 부분공간 식별 기법을 통합하는 데 어떤 역할을 하는가?
• RQ3 시스템 구조에 대한 사전 지식는 어떻게 회귀 기반 프레임워크를 통해 부분공간 식별에 통합할 수 있는가?
• RQ4 기존 부분공간 알고리즘에 비해 회귀 기반 공식화가 가지는 통계적 및 수치적 이점은 무엇인가?
• RQ5 다양한 부분공간 방법(MOESP, N4SID, CVA 등)은 제안된 회귀 공식화와 어떻게 관련이 있는가?

주요 결과

• 부분공간 기반 식별 기법은 구조적 최소 제곱 문제로 간주될 수 있으며, 이는 기존 표준 부분공간 기법으로서는 어려웠던 통계 분석을 가능하게 한다.
• 예측기 기반 공식화는 개방 루프 및 폐쇄 루프 부분공간 식별을 동일한 회귀 프레임워크 내에서 통합한다.
• 이 회귀 모델에서 유도된 PBSID 알고리즘은 상태공간 시스템 식별에 대해 강력하고 일관된 방법을 제공한다.
• VARX 모델 대신 VARMAX 모델을 사용함으로써 파라미터 $ p $ 가 요구하는 최소값을 낮출 수 있어 수치적 효율성이 향상된다.
• PBSIDToolbox는 LTI, LPV 및 비선형 시스템의 배치 및 순차적 식별을 위한 신뢰할 수 있고 확장 가능한 구현을 제공한다.
• 회귀 공식화를 통해 제약 조건이 있는 최적화를 통해 사전 지식 통합이 가능해져, 고전적 부분공간 방법의 핵심 한계를 극복한다.