2021 Fiscal Year Research-status Report
周波数領域における非線形システム同定についての実用化検討
| Project/Area Number |
21K04112
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
足立 修一 慶應義塾大学, 理工学部(矢上), 教授 (40222624)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
丸田 一郎 京都大学, 工学研究科, 准教授 (20625511)
川口 貴弘 群馬大学, 大学院理工学府, 助教 (00869844)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 非線形システム同定 / 深層学習 / 周波数 / 制御 |
|---|
| Outline of Annual Research Achievements |
AIの分野で機械学習が活発に研究されている。機械学習の中心テーマは「深層学習」であり，特に，画像認識や自然言語処理において精力的に研究されている。AIの得意分野が明らかになってきた一方で，まだ研究が十分でない分野もある。その一つが制御理論で対象としている動的システムである。機械学習を制御理論の言葉で置き換えると，本研究でターゲットとする非線形動的システム同定になる。この非線形動的システムの同定問題において，線形制御理論で重要な「周波数」を活用することが本研究のポイントである。そして，さまざまな実システムに対して非線形システム同定の適用を考察する。
本研究では，非線形動的システムをモデリングの対象とする。これまでシステム同定の主な対象は線形システムであり，線形性という利点のために「周波数」という「時間や空間」以外の仮想的な特徴量を用いることができた。それに対して，複雑な非線形システムを対象とする機械学習では，これまで周波数を利用することは陽には考えられておらず，時間や空間といった現実世界での解析・評価が行われていた。
今年度は，多数のパラメータを含む深層ニューラルネットワークの問題点に対処するため，深層ニューラルネットワークの軽量化についての理論検討を行った，代表的な軽量化手法の枝刈り法に着目して，再学習不要な枝刈り法を提案した。この提案法を，動的システムの非線形システム同定問題に適用した。提案した非線形システム同定法を非線形 linear Fractional Representation モデルに適用した。提案法を，非線形システム同定のベンチマーク問題に適用してその有効性を示した。
実問題への応用については，自動車エンジンの吸気制御系のモデリング，二次電池の状態量推定のためのモデリングなどへの適用検討を続けている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
3名の研究者が分担・協力して，周波数領域における非線形システム同定についての理論的検討とその実用化検討を行っている。
まず，理論面では，(1) システム同定入力の設計（担当 足立，丸田，川口），(2) システム同定モデルの回帰ベクトルの選定（担当 足立），(3) 深層ネットワークを用いた非線形システム同定（担当 川口，足立），(4) 非線形閉ループシステム同定法（担当 丸田，川口，足立）を研究対象としているが，今年度は，特に(3)の深層ネットワークを用いた非線形システム同定についての理論研究を行った。通常は，慶大，京大，群馬大をネットで結んでオンラインでディスカッションを行っているが，2021年12月には京都大学で3名のメンバーと慶大修士学生がの4名で，対面で研究ディスカッションを行うことができた。対面に勝るものはなく，このミーティングの意味は大きかった。研究成果の一部を，国内学会で発表した。また，国際会議発表論文の準備も行っている。
つぎに，応用面ではつぎの３つの実問題について主に検討している。(1) ガソリンエンジンの吸排気システムのモデリング（担当 足立），(2) 電気自動車の二次電池のモデリング（担当 足立，丸田，川口），(3) 鉄鋼圧延プロセスのモデリング（担当 足立，川口）。この中では特に(2)の研究では，ほぼ毎月3名でオンラインミーティングを行い，実システムの非線形モデリングに対するディスカッションを行い，二次電池の状態推定のための非線形モデリングについての実際的な検討を続けている。また，(1)と(3)の課題に対しても，実システムの非線形現象を考慮したモデリングを検討している。
|
| Strategy for Future Research Activity |
理論面においては，深層ニューラルネットワークの再学習不要な軽量化法に関する研究を進めていく。特に，多数のパラメータをもつ複雑な深層ニューラルネットワークを軽量化することにより，説明可能な深層学習への一つのアプローチを切り開きたいと考えている。また，深層学習の対象は主に静的システムであったが，その対象を動的システムへ拡張して，深層学習を用いた非線形システム同定法の検討を続けていく。その中で，「時間と空間」につぐ「周波数」のような新たな特徴量を用いたモデルの解釈法を考えていきたい。この研究は，複雑な深層ニューラルネットワークの説明可能性に対する一つの解決策につながっていくだろう。
また，非線形性を含むフィードバックシステムの同定問題に対する研究を行う予定である。この問題は，鉄鋼業の圧延プロセスの実問題を想定しており，実システムに存在するさまざまな非線形性を考慮した非線形システム同定法の開発を目指す。
実問題については，３つの実問題についての検討を続けていく。(1) ガソリンエンジンの吸排気システムのモデリングに関する研究を続けていく。非線形性が強いガソリンエンジンに対して有効な非線形システム同定法の開発を引き続き目指していく。(2) 電気自動車の二次電池のモデリングについても，ヒステリシスのような非線形性が強い電気化学反応から構成される二次電池のモデリングを引き続く行う。(3) 鉄鋼圧延プロセスのモデリングについては，理論研究のところで述べたように，フィードバックシステムの非線形システム同定問題の検討を続けていく。
さらに，本研究の総まとめとしてシステム同定の実用的な書籍の出版の準備も進めていく。
|
| Causes of Carryover |
COVID-19 下の行動が制限される状況が続いているため、予定していた出張が実行できなかった。次年度の学会参加費として使用したい。
|
