NonSysId: A nonlinear system identification package with improved model term selection for NARMAX models

要約

システムの同定には、入出力データを使用した動的システムの数学的モデルの構築が含まれ、時間領域と周波数領域の両方でシステム動作の分析と予測が可能になります。
このアプローチでは、システム全体をモデル化したり、システム内の特定のダイナミクスをキャプチャしたりできます。
意味のある分析を行うには、モデルが基礎となるシステムの動作を正確に反映することが不可欠です。
このペーパーでは、特に NARMAX モデルに焦点を当てた、非線形システム同定用に設計されたオープンソースの MATLAB ソフトウェア パッケージである NonSysId を紹介します。
このソフトウェアには、モデルの節約を維持しながらシミュレーション (フリーラン) の精度を優先する高度な項選択手法が組み込まれています。
重要な機能は、反復直交前方回帰 (iOFR) と予測残差二乗和 (PRESS) 統計ベースの項選択を統合し、別個の検証データセットを必要とせずに堅牢なモデルの一般化を促進することです。
さらに、計算オーバーヘッドを削減するための技術が実装されています。
これらの機能により、NonSysId は、構造健全性モニタリング、故障診断、生体信号処理などのリアルタイム アプリケーションに特に適しています。これらのアプリケーションでは、一貫した条件下で信号をキャプチャすることが困難であり、検証データが限られているか、まったくデータが得られません。

要約(オリジナル)

System identification involves constructing mathematical models of dynamic systems using input-output data, enabling analysis and prediction of system behaviour in both time and frequency domains. This approach can model the entire system or capture specific dynamics within it. For meaningful analysis, it is essential for the model to accurately reflect the underlying system’s behaviour. This paper introduces NonSysId, an open-sourced MATLAB software package designed for nonlinear system identification, specifically focusing on NARMAX models. The software incorporates an advanced term selection methodology that prioritises on simulation (free-run) accuracy while preserving model parsimony. A key feature is the integration of iterative Orthogonal Forward Regression (iOFR) with Predicted Residual Sum of Squares (PRESS) statistic-based term selection, facilitating robust model generalisation without the need for a separate validation dataset. Furthermore, techniques for reducing computational overheads are implemented. These features make NonSysId particularly suitable for real-time applications such as structural health monitoring, fault diagnosis, and biomedical signal processing, where it is a challenge to capture the signals under consistent conditions, resulting in limited or no validation data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google