特許ウォッチ

公開番号2025100123
公報種別公開特許公報(A)
公開日2025-07-03
出願番号2023217257
出願日2023-12-22
発明の名称システム同定装置、システム同定方法及びプログラム
出願人日本電気株式会社
代理人個人,個人
主分類G05B 13/02 20060101AFI20250626BHJP(制御;調整)
要約【課題】学習データにノイズが含まれる場合であっても精度よく対象を同定することができる方法を提供する。
【解決手段】システム同定装置は、対象への入力値と前記同定対象の状態を示す観測値の時系列データを取得する手段と、前記時系列データを学習して、前記同定対象を同定した第1のモデルを構築する手段と、前記時系列データと、前記時系列データに基づいて前記第1のモデルが予測する前記同定対象の状態の予測値とに基づいて、前記時系列データからノイズを除去する手段と、前記ノイズが除去された前記時系列データを学習して、前記同定対象を同定した第2のモデルを構築する手段と、を備える。
【選択図】図12
特許請求の範囲【請求項１】
同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得する手段と、
前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築する手段と、
前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去する手段と、
前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する手段と、
を備えるシステム同定装置。
続きを表示（約 1,500 文字）【請求項２】
前記第１のモデルを構築する手段が、前記第１のモデルを構築し、
前記ノイズを除去する手段が、前記第１のモデルを用いて前記時系列データからノイズを除去した後に、
前記第１のモデルを構築する手段が、前記ノイズが除去された前記時系列データを学習して、前記第１のモデルを再度構築し、前記ノイズを除去する手段が、再度構築された前記第１のモデルを用いて前記時系列データからノイズを除去する、という処理を１回または複数回繰り返し、
前記第２のモデルを構築する手段は、前記処理を１回または複数回繰り返して生成された前記ノイズが除去された前記時系列データを学習して、前記第２のモデルを構築する、
請求項１に記載のシステム同定装置。
【請求項３】
前記同定対象は、時間とともに非線形に挙動が変化する非線形動的システムである、
請求項１または請求項２に記載のシステム同定装置。
【請求項４】
前記第１のモデルと前記第２のモデルは、リザーバコンピューティングである、
請求項１または請求項２に記載のシステム同定装置。
【請求項５】
前記第１のモデルと前記第２のモデルは、エコーステートネットワークである、
請求項１または請求項２に記載のシステム同定装置。
【請求項６】
前記ノイズを除去する手段は、カルマンスムーザーによって前記ノイズの除去を行う、
請求項１または請求項２に記載のシステム同定装置。
【請求項７】
前記入力値と前記観測値を前記第２のモデルに入力することにより、前記同定対象の状態を予測する手段、
をさらに備える請求項１または請求項２に記載のシステム同定装置。
【請求項８】
前記時系列データを取得する手段は、前記同定対象の動作中に当該同定対象から前記時系列データを取得し、
前記第１のモデルを構築する手段は、前記同定対象の動作中に前記第１のモデルを構築し、
前記ノイズを除去する手段は、前記同定対象の動作中に前記ノイズを除去し、
前記第２のモデルを構築する手段は、前記同定対象の動作中に前記第２のモデルを構築し、
前記予測する手段は、前記同定対象の動作中に構築された前記第２のモデルに基づいて、動作中の前記同定対象の未来の状態を予測する、
請求項７に記載のシステム同定装置。
【請求項９】
同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得し、
前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築し、
前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去し、
前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する、
システム同定方法。
【請求項１０】
コンピュータを、
同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得する手段、
前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築する手段、
前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去する手段、
前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する手段、
として機能させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、システム同定装置、システム同定方法及びプログラムに関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
特許文献１には、エコーステートネットワーク（ＥＳＮ：Echo State Network）で構築された学習済みモデルによって、自動車やデスクに着座するユーザの脈拍や呼吸等の観測値からユーザの眠気を推定するシステムが開示されている。ＥＳＮは、リカレントニューラルネットワークと同様に、入力層、リザバー（Reservoir）層、出力層から構成されるが、ＥＳＮの場合、入力層とリザバー層はランダムに生成した後、学習せず、出力層だけを学習してモデルを構築する。そのため、学習に要する計算コストが少なく、短時間にモデルを構築することができる。ＥＳＮは、リザーバコンピューティング（Reservoir computing）の一種である。ＥＳＮを用いると、例えば、モデル化対象の機械等の動作中に速やかにシステム同定してモデルを構築し、構築したモデルによって、未来の対象の状態を予測し、その予測を制御等に活用することができる。
【０００３】
ＥＳＮを用いると、短時間で高精度にシステム同定を行うことができるが、学習データとしてセンサ等の観測値を用いると、観測値に含まれるノイズの影響により、モデルの精度が低下する可能性がある。
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－１８５２８４
【発明の概要】
【発明が解決しようとする課題】
【０００５】
学習データにノイズが含まれる場合であっても、高精度にモデルを構築することができる技術を提供することを目的の一つとする。
【課題を解決するための手段】
【０００６】
本開示の一態様によれば、システム同定装置は、同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得する手段と、前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築する手段と、前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去する手段と、前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する手段と、を備える。
【０００７】
本開示の一態様によれば、システム同定方法は、同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得し、前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築し、前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去し、前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する。
【０００８】
本開示の一態様によれば、プログラムは、コンピュータを、同定対象への入力値および前記同定対象の状態を示す観測値の時系列データを取得する手段、前記時系列データを学習することにより、前記同定対象を同定した第１のモデルを構築する手段、前記時系列データと、前記時系列データに基づいて前記第１のモデルが予測する前記同定対象の状態の予測値と、に基づいて、前記時系列データからノイズを除去する手段、前記ノイズが除去された前記時系列データを学習することにより、前記同定対象を同定した第２のモデルを構築する手段、として機能させる。
【発明の効果】
【０００９】
本開示によれば、学習データにノイズが含まれる場合であっても、高精度にシステム同定を行って、対象のモデルを構築することができる。
【図面の簡単な説明】
【００１０】
実施形態に係るシステム同定装置の一例を示す図である。
実施形態に係るシステム同定処理の構成例を示す図である。
実施形態に係るシステム同定処理の一例を示すフローチャートである。
実施形態に係る予測処理の一例を示すフローチャートである。
ノイズを含まない観測値に基づく予測結果の一例を示す第１の図である。
ノイズを含む観測値に基づく予測結果の一例を示す第１の図である。
実施形態に係るＥＳＮを用いたノイズを含む観測値に基づく予測結果の一例を示す第１の図である。
ノイズを含まない観測値に基づく予測結果の一例を示す第２の図である。
ノイズを含む観測値に基づく予測結果の一例を示す第２の図である。
第１実施形態に係るＥＳＮを用いたノイズを含む観測値に基づく予測結果の一例を示す第２の図である。
実施形態に係るシステム同定処理の構成例を示す第２の図である。
実施形態に係るシステム同定装置の一例を示す第２の図である。
実施形態に係るシステム同定処理の一例を示す第２のフローチャートである。
実施形態に係るシステム同定装置のハードウェア構成の一例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許