System Identification Toolbox

주요 업데이트

 

System Identification Toolbox

입출력 데이터로부터의 선형 및 비선형 동적 시스템 모델 생성

System Identification Toolbox™는 동적 시스템 모델링, 시계열 분석, 예측을 위한 MATLAB® 함수, Simulink® 블록 및 앱을 제공합니다. 사용자는 측정된 변수 간의 동적 관계를 알아보고 시간 영역 또는 주파수 영역 데이터를 사용하면서 전달 함수, 공정 모델, 상태공간 모델을 연속시간이나 이산시간으로 생성할 수 있습니다. AR, ARMA 또는 기타 선형 및 비선형 자기회귀 모델링 기법을 사용하여 시계열을 예측할 수 있습니다.

이 툴박스를 통해 Hammerstein-Wiener 및 비선형 ARX 모델을 GP(가우스 과정), SVM(서포트 벡터 머신) 및 기타 표현법 같은 머신러닝 기법과 함께 사용하여 비선형 시스템 동역학을 추정할 수 있습니다. 또는 딥러닝을 사용해서 비선형 시스템 동역학을 포착하는 신경 ODE(상미분 방정식) 모델을 생성할 수도 있습니다. 이 툴박스를 통해 사용자 정의 모델의 파라미터 추정을 위한 그레이박스 시스템 식별을 수행할 수 있습니다. 식별된 모델은 신속한 시뮬레이션을 위해 Simulink에 통합하여 제어 설계, 진단 및 예지진단 응용 분야를 지원할 수 있습니다.

적응형 제어, 결함 검출, 소프트 센싱 응용 분야를 위해 확장 또는 무향 칼만 필터와 입자 필터를 사용하여 온라인 파라미터 및 상태 추정을 수행할 수 있습니다. 이 툴박스를 통해 온라인 추정 알고리즘에 대한 C/C++ 코드를 생성하여 임베디드 기기에 타겟팅할 수 있습니다.

시스템 식별 앱

시스템 식별 앱을 사용하여 시스템의 선형 및 비선형 모델을 대화형 방식으로 추정할 수 있습니다. 시간 영역 및 주파수 영역 데이터를 가져와 전처리할 수 있습니다. 모델을 식별 및 비교하고, 그 속성을 분석하고, 테스트 데이터셋과 비교하여 모델을 검증할 수 있습니다.

선형 시스템 식별

제어 설계, 시스템 시뮬레이션, 예측 같은 응용 분야를 위해 측정된 시간 영역 또는 주파수 영역 데이터로부터 선형 모델을 추정할 수 있습니다. 전달 함수, 공정 모델, 상태공간 모델, 다항식 모델을 연속시간이나 이산시간으로 생성할 수 있습니다. 스펙트럼 분석을 사용하여 주파수 응답 모델을 추정할 수 있습니다. 파라미터 불확실성이 시간 영역 및 주파수 영역에서 모델 응답에 미치는 영향을 계산하고 시각화할 수 있습니다.

비선형 시스템 식별

비선형 ARX 및 Hammerstein-Wiener 모델을 추정하여 시스템의 비선형 동역학을 포착할 수 있습니다. 비선형 ARX 모델을 사용하여 자기회귀 모델을 웨이블릿 신경망, 트리 분할, 시그모이드 신경망에 의해 표현되는 동적 비선형성과 결합할 수 있습니다. 또한 회귀 변수를 지정하여 시스템의 물리적 특성을 포착하거나 비선형 ARX 모델에 최적인 회귀 변수의 부분 집합을 자동으로 선택할 수 있습니다. Hammerstein-Wiener 모델을 사용하여 입출력 비선형성을 제외하면 선형인 시스템의 입출력 비선형성을 추정할 수 있습니다.

AI 기반 비선형 시스템 식별

머신러닝 및 딥러닝 기법을 비선형 ARX 및 Hammerstein-Wiener 모델과 결합하여 시스템의 비선형 동역학을 설명할 수 있습니다. Statistics and Machine Learning Toolbox™Deep Learning Toolbox™로 SVM(서포트 벡터 머신), 트리 앙상블, 가우스 과정, 피드포워드 신경망을 사용하여 비선형성을 표현할 수 있습니다. 또한 신경 ODE를 사용하여 딥러닝 기반의 비선형 상태공간 모델을 생성할 수도 있습니다.

그레이박스 시스템 식별

선형 또는 비선형 미분 방정식, 차분 방정식 또는 상태공간 시스템을 사용하여 시스템을 모델링할 수 있습니다. 측정된 입출력 데이터에서 그레이박스 모델의 지정된 파라미터를 추정하여 시스템의 동역학을 포착할 수 있습니다.

시계열 모델

시계열 모델 또는 신호 모델을 추정하여 시스템에서 측정된 데이터를 피팅할 수 있습니다. AR, ARMA, ARIMA, 상태공간 모델 같은 선형 모델이나 비선형 ARX 같은 비선형 모델을 사용하여 시계열을 예측할 수 있습니다.

온라인 추정

새로운 데이터가 발생하면 모델 파라미터를 업데이트하는 재귀 알고리즘을 사용하여 시스템의 모델을 실시간으로 추정할 수 있습니다. 선형, 확장 또는 무향 칼만 필터와 입자 필터를 사용하여 시스템 상태를 추정할 수 있습니다.

제어 시스템 설계와 Simulink

Control System Toolbox™를 사용하여 추정된 모델을 제어기 설계와 조정을 위한 플랜트 모델로 활용할 수 있습니다. 시스템 분석, 가상 센서 모델링, 차수 축소 모델링, 제어 설계를 위해 Simulink에서 내장 블록을 사용하여 추정된 모델, 상태 추정기 및 재귀 모델을 구현할 수 있습니다.

배포

온라인 결함 검출, ROM(차수 축소 모델링), 진단 및 예지진단 같은 응용 분야를 위해 코드 생성을 사용하여 추정된 모델, 상태 추정기 및 재귀 모델을 배포할 수 있습니다. Simulink에서 구현한 모델에 대해 Simulink Coder™Simulink PLC Coder™를 사용하여 각각 C/C++ 코드 및 IEC 61131-3 Structured Text를 생성할 수 있습니다. MATLAB Coder™를 사용하여 MATLAB에서 C/C++ 코드를 생성할 수 있습니다. 또는 MATLAB Compiler™를 사용하여 독립형 응용 프로그램을 생성할 수도 있습니다.

“Optimization Toolbox와 System Identification Toolbox를 사용해서 기존 AFR 제어 시스템의 성능을 개선함에 따라 배기가스 방출량을 크게 줄일 수 있었습니다. 개발 중인 엔진에 대한 개발 평가 연구의 일환으로서, 특정 조건에서는 NOx 및 CO 배출이 50% 이상 줄었다는 점을 확인했습니다.”

Hiroshi Katoh, Nissan Motor Corporation