|
数少ないデータから、機械学習的な手法を援用することにより，ノンパラメトリックなモデルを得るシステム同定手法についての検討をさらに進めた．精度の良いモデルを得るためには，同定実験のための入力設計が重要となる．特に，制御の観点からは周波数特性が重要となるため，この特性を考慮した入力設計法について考察した．特定の条件下では最適な解を得ることができる．これらの成果の一つを国際学術誌で発表している．種々の観点からの入力設計は今後取り組むべき大きな課題の一つであると思われる．
不安定システムにも適用可能な閉ループの同定手法については，これまでの成果を整理し，従来の閉ループ安定化手法との差異を明確にするとともに，非線形システムにも有用であることを明示した形で，この成果を国際会議で発表した．これに関しては，海外の同定のトップ研究者達から，いくつかのフィードバックを得ることができた．一方，部分空間法の枠組みで，モデルの次数を決めやすい核ノルム最小化をもちいる手法については，部分空間の選定にあたって，外部信号の情報が必要であるが，この点を回避することが今後の課題の一つであることも分かってきた．
制御に関する分散化については，マルチエージェントシステムのフォーメーション制御を対象として，分散化の基礎となる階層化手法の成果をまとめて，国際会議で発表した．非線形システムに対応可能なパラメータチューニングについては，カーネル関数を用いる手法について継続して検討し，種々の非線形システムにも有効であることを数値的に確認した．
|
