2021 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, 大学院工学研究科, 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 / 線形システム / 機械学習 / ネットワーク化システム |
|---|
| Outline of Annual Research Achievements |
システム同定に関する研究に従来研究の多くは、安定なシステムを対象とした、開ループ同定に関するものであった。しかし、ネットワーク化システム内の一部分や、そもそも不安定な系においてはフィードバックループの存在を考慮にいれた、閉ループ同定が必要となる。本研究は、その中でも、閉ループ内部の制御器を含む各サブシステムが不確かである場合を扱ったものである。
離散時間モデルの閉ループ同定に関しては、多入力多出力線形系を扱える部分空間法の枠組み内で議論し、行列ランクの低次元化を目的とする核ノルム最小化を用いた一つの手法を確立した。制御器の情報が全く不要であり、信号の射影を用いることで耐雑音性にすぐれたものとなっている。システム同定の大きな課題の一つは「モデルの次数」決定であるが、これが容易に決定できる手法である点も大きな利点としてあげられる。この成果は国際論文誌に成果発表している。一方、連続時間モデルの閉ループ同定については、一入力一出力線形系を対象として、固定極の観測器をもちいる手法を提案した。制御器や外部励起信号の情報を全く用いずに、対象システムを高精度に同定できる利点がある。詳細な数値例の検討により、この手法の有効性を検証した。一定値外乱が存在する場合にも拡張できる。この成果は国際会議において発表している。多入力多出力系への拡張は今後の課題として残された。
機械学習的な手法の一つであるカーネル正則化に基づくシステム同定については、従来は安定系しか取り扱えなかった。これを閉ループ内に存在する不安定系に拡張するシンプルな手法を提案した。その有効性は種々の数値例で検証されている。この成果は、国際会議において発表した。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
