2020 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 / 機械学習 / 線形システム / ネットワーク化システム |
|---|
| Outline of Annual Research Achievements |
安定化出力誤差法について、従来手法と比較したメリットを明確に記述し、制御器の情報が線形ではあるが不確かな場合や、人間が制御器として介在する場合を含め、説得力のあるシミュレーション結果が得られた。これらの点を含め、これまでの成果を論文としてまとめた。制御器の情報が全くない場合については、どのように仮想制御器を構成するのかについての検討を進め、今後の足がかりとなる部分的な成果が得られつつある。
信号の射影に基づくシステム同定については，離散時間モデルの同定に関するこれまでの成果を精査した結果、論文化するには、より多様な数値例での検討が必要であることがわかってきた。また、核ノルム最小化の手法を用いているが、この際の評価関数に含まれる重みに関して同定結果が大きく変化するため、重みの決め方を定める必要性が明らかとなった。これらについては現在、問題点を解消する基礎的な結果を得つつある。
機械学習的な手法の援用については，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。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する一つの合理的な手法について提案した。
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、議論を精密にし、国際学会で発表した。ただ、これをより一般化する必要があり、これは今後の課題として残された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
安定化出力誤差法については論文として成果をまとめることができ、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も、上述のように進展している。
|
| Strategy for Future Research Activity |
安定化誤差法については、非常に実用性の高い手法であると考えており、さらなる検討をおこなう。一つは、制御器の情報が全くない場合への安定化誤差法の拡張であり、令和2年度の成果を発展させ、論文としてまとめることに注力する。もう一つは、同定対象のシステムの次数が未知の場合への対応である。現状では、システムの次数が既知であることを前提として最適化しており、この制約を緩和する手法を開発することが重要となっている。
核ノルム最小化に基づく閉ループ同定手法についての研究をすすめ、現実的に使い易い手法として確立する。非線形系を同定対象とした場合への検討は、等価な線形系への変換や機械学習手法の導入などについて、より詳細な検討を進める。
信号の射影に基づくシステム同定については，離散時間モデルの同定に関するこれまでの成果の問題点、特に評価関数の選定および多様システムを対象とした有効性の検証をおこない、論文として成果をまとめる。
|
Research Products
(5 results)
