2019 Fiscal Year Annual Research Report
Identification of systems in uncertain networks
| Project/Area Number |
17H03281
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
杉江 俊治 大阪大学, 工学研究科, 特任教授 (80171148)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
丸田 一郎 京都大学, 工学研究科, 准教授 (20625511)
東 俊一 名古屋大学, 工学研究科, 教授 (40420400)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | システム同定 / ネットワーク化システム / 機械学習 / 線形システム / 非線形システム |
|---|
| Outline of Annual Research Achievements |
安定化出力誤差法について：この手法の一つの本質は仮想補償器による対象システムの初期状態の影響の抑制であったが，実際の補償器に関する情報が不完全な場合に対応する方法について検討した。この結果、安定化出力誤差法の制約と性能は仮想制御器を既知としたときは間接法に，仮想制御器を同定対象としたときは直接法に一致しており，安定化出力誤差法は仮想制御器の扱いによって間接法と直接法の両方の性質を持ちうるという知見を得た。
機械学習的な手法の援用については，昨年度に続き，カーネル法を中心とした機械学習的手法を，システム同定および制御に有効に利用する方法について，検討を進めた。その結果、データ駆動型の制御器チューニングにカーネル法を直接適用することにより、効率的にチューニングがおこなえることを確認した。主に線形系を対象とした、数値例での確認および実験によりその有効性を検証したものは論文として成果発表した。
周波数領域でのノンパラメトリックモデルの同定は閉ループ同定とは相性のよいことが確認でき、数値例でも検証した。ただし、観測雑音には弱く、非常に多くの周期データを要するという弱点もあきらかとなった。
ネットワーク化システムに関連した、マルチエージェントシステムのフォーメーション制御に関しては、昨年の結果をおおきく発展させることができた。これまでは各サブシステムが正三角形の形状である場合の理論解析結果であったが、この三角形の形状に関する制約をなくして、フォーメーションを実現する方法が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
安定化出力誤差法、機械学習の援用、ネットワーク化システムのそれぞれの項目において、上述のように進展している。
|
| Strategy for Future Research Activity |
安定化出力誤差法について、昨年度は主として線形系を対象として解析をすすめ、補償器の情報がない場合もふくめ、その一つの本質的な側面を明らかにしてきた。今後は、これまでの成果の論文化にむけて注力する。また非線形系への応用が大きな柱であるので、詳細なシミュレーションをおこない、有効性の確認、および手法の向上について検討を進める。
信号の射影に基づくシステム同定については，昨年度実施予定であった離散時間モデルの同定に関するこれまでの成果の精査、および論文化を進める。また、連続時間モデルの同定については，これまでのシミュレーション結果を精査し、実用的な手法の確立に努める。
機械学習的な手法の援用については，昨年度に続き，カーネル法を中心とした機械学習的手法を，システム同定および制御に有効に利用する方法について，検討を進める．特に、周波数領域でのノンパラメトリックモデルへのカーネル法の適用、ノンパラメトリックモデルからパラメトリックモデルへの変換について考察を進める。
ネットワーク化システムに関連した、マルチエージェントシステムのフォーメーション制御に関しては、昨年の進展が大きいが、いまだ制御手法については発見的な手法にとどまっている。これを系統的に構築する手法について検討を進める。
|
Research Products
(5 results)
