Novel and practical object re-identification and search in intelligent surveillance systems

Tang, Qing 울산대학교 대학원 2022 국내박사

Some of the most populated cities in all over the world are under a heavy amount of public surveillance systems for monitoring the population surrounding. In order to save labor costs, intelligent surveillance systems have rapidly developed in recent years by supplying and assisting security workers in detecting, analyzing, and predicting undesirable incidents. Object re-identification (re-ID) and search are the foundation of a wide range of applications in intelligent surveillance systems. The targets of Object re-ID and search systems indicate person and vehicle. It can be used for a cross-camera person or vehicle tracking and search. The work on this manuscript focus on the camerabased object re-ID and search system in public datasets and real-world scenario. To design a more realistic and practical object re-ID and search system for intelligent surveillance systems, we focus on three aspects. Firstly, this manuscript focus on investigating the unsupervised object re-ID. Secondly, we argue that training a system which able to identify a specific object from full scene images is closer to the real-world applications, therefore we investigate object search systems. Third, this manuscript focus on combining the supervised detection methods and unsupervised object re-ID methods. We improve the performance of the re-ID systems by designing a more robust sampling strategy, refining pseudo labels, and designing loss functions. Moreover, we improve the performance of the search by designing learning strategies for unlabeled data and designing loss function. Extensive experimental results demonstrate the effectiveness of the proposed methods and their practicality in real-world unsupervised person re-ID applications. The experimental results of object re-ID have been evaluated on three public person re-ID datasets and one public vehicle re-ID dataset. The experiments are performed in two public person search datasets. Moreover, several outdoor real-world videos are used to validate the performance of the proposed methods in real-world applications.

A Study On System Identification Techniques Using Artificial Fish Swarm Algorithm : AFSA를 이용한 구조계 규명 기법 연구

장전롱 세종대학교 대학원 2012 국내석사

Regarding the problem of conducting system identification with sample data,a new method for identification of structural systems based on artificial fish swarm algorithm (AFSA) is presented. The basic theory of this method is: transform the problem of structure identification into a multimodal nonlinear nonconvex programming problem,and then use the artificial fish swarm algorithm find the optimal estimation of the system parameters. The proposed method is also compared to the identification method based on GA(genetic algorithm). The identification algorithm given in this paper has been proved to be reasonable and effective by results of analog simulation and of actual system identification.

Adaptive and reliable system identification methods for modal parameters of high-rise buildings

윤다요 Graduate School, Yonsei University 2022 국내박사

Finite-Memory Online Learning of Neural Networks for System Identification and Formation Control of UAVs

HyunHo Kang 고려대학교 대학원 2024 국내박사

학습 알고리즘은 뉴럴 네트워크 기반의 시스템 식별과 시스템의 동역학에 기반한 비선형 제어기 설계에 있어 미지의 함수를 근사화하는데 사용하는 뉴럴네트워크의 가중치를 추정하는데 많이 사용됩니다. 특히나 온라인 학습 알고리즘은 시스템의 실시간 변화를 반영하여 더 정확한 모델을 구축하거나 적응형 제어기를 설계하는데 있어 중요한 역할을 하고 있습니다. 기존의 학습 알고리즘은 과거의 정보를 반영하는 무한 기억 구조에 기반하고 있습니다. 무한 기억 구조의 온라인 학습 알고리즘에 기반한 시스템 식별과 제어기는 에러 누적, 초기값 에러, 외란과 시스템 불확실성에 대해 성능이 저하될 수 있습니다. 반면에 최근 유한 개의 정보만을 활용하는 유한 기억 구조의 온라인 학습 알고리즘은 이러한 에러 누적, 초기값 에러, 외란과 시스템 불확실성에 대해 강인한 성능을 보일 수 있으며, 이는 시스템 식별과 제어기의 강인하고 정확한 성능으로 이어집니다. 이 학위 논문에서는 예상치 못한 상황에 대해 강인성과 정확성을 향상시킬 수 있는 유한 기억 구조의 새로운 온라인 학습 알고리즘에 기반한 시스템 식별과 군집 제어를 설계합니다. 이 학위 논문에서는 첫 번째로 단일 드론의 시스템 식별을 위해 드론의 동역학 모델을 신경망과 융합하고 신경망의 가중치를 상태 방정식으로 유도함에 따라 가중치 학습 문제를 추정기 설계로 간주합니다. 유한한 개수의 정보와 학습 이득을 바탕으로 배치 형태의 유한 기억 구조 기반의 온라인 학습 알고리즘인 FiMos-TA를 정의하고 학습 이득의 프로베니어스 놈을 최소화시킴과 동시에 외란, 시스템 불확실성, 에러의 영향을 최소화 할 수 있는 프로베니어스 놈 최적화 문제를 해결하여 학습 이득을 유도합니다. 배치 형태의 FiMos-TA의 연산량과 시스템 식별 성능을 향상시키고자 반복 형태의 유한 기억 구조 기반의 온라인 학습 알고리즘인 TSIFNN을 제안합니다. 유한 기억 구조 내에서 두 단계로 나누어 배치 형태의 FiMos-TA의 사용을 최소화하며, 이의 결과를 바탕으로 초기 가중치에 대한 에러를 줄이고 반복 구조를 통해 가중치를 학습합니다. 단일 드론에서의 시스템 식별 문제를 다중 드론 시스템에서의 시스템 식별 문제로 확장하여 이웃한 드론 간의 가중치를 공유함에 따라 분산 시스템에서의 유한 기억 구조 기반의 온라인 학습 알고리즘인 DFMOL을 제안합니다. 이는 온라인 시스템 식별의 성능이 저하되는 순간에도 이웃한 드론의 정보를 바탕으로 성능 저하의 구간을 최소화할 수 있습니다. 다중 드론 시스템에서의 위상 그래프를 그래프 이론을 바탕으로 해석하고 이를 바탕으로 가중치에 대한 분산 측정 모델을 유도하고 랜덤워크 모델링과 융합하여 가중치의 상태 방정식을 구축합니다. 우선 프로베니어스 놈 최적화를 통해 가중치에 적용할 수 있는 외란, 시스템 불확실성과 에러의 영향을 최소화할 수 있는 배치 형태에서의 분산 유한 기억 구조 기반의 온라인 학습 알고리즘을 유도합니다. 다중 드론 시스템의 크기가 커짐에 따라 연산량 측면에서 작용할 수 있는 단점을 극복하고자 반복 구조 형태로 제안합니다. 다중 드론 시스템에서 드론 동역학 기반의 군집 비선형 제어기 설계에 있어 분산 유한 기억 구조 기반의 학습 알고리즘을 통한 군집 제어기인 FML-DSFC를 제안합니다. 다중 드론 시스템 내에서 위상 그래프를 반영한 그래프 이론을 바탕으로 군집 에러를 정의하고 슬라이딩 모드 제어 기법을 통해 제어기를 유도합니다. 군집 에러에 반영되어 있는 드론 동역학에서 사전에 정의하기 힘든 미지의 함수를 근사화하기 위해 신경망을 도입하고 신경망의 가중치를 학습하기 위해 유한 기억 구조 기반의 학습 알고리즘을 설계합니다. 유한 기억 구조 기반의 학습 알고리즘은 기존의 무한 기억 구조 기반의 학습 알고리즘을 바탕으로 신경망의 가중치에 대한 상태 방정식을 정의하고 유한 시간내에 수렴성을 보장하도록 설계가 됩니다. 이 학위 논문에서 제안하는 학습 알고리즘은 유한 기억 구조의 특징으로 인해 외란, 시스템 불확실성, 에러 누적에 대해 강인한 성능을 보이며 빠른 수렴성을 보장합니다. The learning algorithm is commonly employed in estimating the weights of neural networks used for approximating unknown functions in system identification based on neural network-based systems and designing nonlinear controllers based on the system dynamics. In particular, online learning algorithms play a crucial role in building more accurate models or designing adaptive controllers by reflecting real-time changes in the system. Traditional learning algorithms are based on infinite memory structures that incorporate past information. However, online learning algorithms based on infinite memory structures in system identification and controllers may experience degraded performance in terms of error accumulation, initial value errors, disturbances, and system uncertainties. On the contrary, recent online learning algorithms based on finite memory structures, utilizing only a finite amount of information, exhibit robust performance against error accumulation, initial value errors, disturbances, and system uncertainties. This robustness leads to resilient and accurate performance in system identification and controller design. In this dissertation, a novel online learning algorithm based on finite memory structures is proposed for system identification and formation control to enhance robustness and accuracy in unexpected scenarios. In this dissertation, firstly, for the system identification of unmanned aerial vehicles (UAVs), we integrate the UAV dynamics a neural network, considering the weight learning problem as an estimation problem and deriving the state equation of weights in neural networks. Utilizing a finite number of information, we define a batch-form finite memory structure-based online learning algorithm called FiMos-TA. We induce the learning gain by minimizing the Frobenius norm of the learning gain while simultaneously minimizing the impact of disturbances, system uncertainties, and errors. To enhance computational efficiency and improve system identification performance, we propose an iterative form finite memory structure-based online learning algorithm called TSIFNN. By dividing the use of batch-form FiMos-TA into two steps within a finite memory structure, we reduce the impact of errors in initial weights and learn weights through an iterative structure. Expanding the problem of system identification from a UAV to a multi-UAV system, we propose a distributed finite memory structure-based online learning algorithm, DFMOL. This algorithm shares weights among neighboring UAVs, facilitating a decentralized system. Even when the performance of online system identification degrades, DFMOL minimizes the intervals of performance degradation by leveraging information from neighboring UAVs. We combine a multi-UAV system and the graph theory, deducing a distributed measurement model for weights. Incorporating random walk modeling, we establish the state equations for weights. We derive a batch-form distributed finite memory structure-based online learning algorithm through Frobenius norm optimization, minimizing the impact of disturbances, system uncertainties, and errors on the weights. To overcome computational challenges with increasing multi-UAV system size, we propose an iterative structure. In the context of designing a formation nonlinear controller based on the UAV dynamics in a multi-UAV system, we propose the finite-memory learning-based distributed sliding mode formation control called FML-DSFC. Within the multi-UAV system, we incorporate graph theory reflecting the topology graph, defining the formation error, and guide the controller through sliding mode control techniques. To approximate the unknown functions inherent in the UAV dynamics contributing to the formation error, we introduce a neural network and design a learning algorithm based on finite memory structure to learn the weights of the neural network. The finite memory structure-based learning algorithm is designed by defining the state equations for the weights of the neural network based on the existing learning algorithm and ensuring a finite-time convergence. The proposed learning algorithms in this dissertation demonstrate robust performance against disturbances, system uncertainties, and error accumulation, ensuring fast convergence due to the finite memory characteristics.

A Structural Model Updating Method of Finite Element Models Enhanced by the System Reduction and Neural Networks

성희준 서울대학교 대학원 2020 국내박사

Model updating methods for structural systems have been introduced in various numerical processes. To improve the updating method, the process must require an accurate analysis and minimized experimental uncertainties. Finite element model was employed to describe structural system. Structural vibration behavior of a plate model is expressed as a combination of the initial state behavior of the structure and its associated perturbations. The dynamic behavior obtained from a limited number of accessible nodes and their associated degrees of freedom is employed to detect structural changes that are consistent with the perturbations. The equilibrium model is described in terms of the measured and unmeasured modal data. Unmeasured information is estimated using an iterated improved reduction scheme. Because the identification problem depends on the measured information, the quality of the measured data determines the accuracy of the identified model and the convergence of the identification problem. The accuracy of the identification depends on the measurement/sensor location. We propose a more accurate identification method using the optimal sensor location selection method. Experimental examples are adopted to examine the convergence and accuracy of the proposed method applied to an inverse problem of system identification. Model updating methods for structural systems have been introduced in various fields. Model updating processes are important for improving a model’s accuracy by considering experimental data. Structural system identification was achieved here by applying the degree of freedom-based reduction method and the inverse perturbation method. Experimental data were obtained using the specific sensor location selection method. Experimental vibration data were restored to a full finite element model using the reduction method to compare and update the numerical model. Applied iteratively, the improved reduced system method boosts model accuracy during full model restoration; however, iterative processes are time-consuming. The calculation efficiency was improved using the system equivalent reduction-expansion process in concert with the proper orthogonal decomposition. A convolutional neural network was trained and applied to the updating process. We propose the use of an efficient model updating method using a convolutional neural network to reduce calculation time. Experimental and numerical examples were adopted to examine the efficiency and accuracy of the model updating method using a convolutional neural network. A more complex model is applied for model updating method and validated with proposed methods. A bolt assembly modeling is introduced and simplified with verified methodologies. 구조 시스템에 대한 모델 갱신 방법이 다양한 해석에 도입되고 있습니다. 갱신 방법을 개선하려면 프로세스에 정확한 분석과 최소화된 실험적 불확실성이 필요합니다. 유한 요소 모델을 사용하여 구조 시스템을 구현했습니다. 평판 모델의 구조적 진동 거동은 구조의 초기 상태 거동과 그와 관련된 섭동의 조합으로 표현됩니다. 제한된 수의 가능한 위치와 그에 해당하는 자유도에서 얻은 동적 거동은 섭동과 일치하는 구조적 변화를 감지하는 데 사용됩니다. 등가 모델은 측정 및 측정되지 않은 모드 데이터의 관점에서 설명됩니다. 측정되지 않은 정보는 반복적 인 개선된 축소 기법을 사용하여 추정됩니다. 시스템 식별 문제는 측정된 정보에 의존하기 때문에 측정된 데이터의 정확도는 식별된 모델의 정확성과 식별 문제의 수렴성을 결정합니다. 시스템 식별의 정확성은 측정 및 센서의 위치에 따라 달라집니다. 최적의 센서 위치를 선정하는 방법을 사용하여, 보다 정확한 식별 방법을 제안합니다. 실험 예제는 시스템 식별의 역 해석 문제에 적용된 제안된 방법의 수렴성과 정확성을 조사하기 위해 선정되었습니다. 실험 데이터를 고려하여 모델의 정확성을 높이려면 모델 갱신 방법이 중요합니다. 여기서 자유도 기반 축소 기법과 역 섭동 방법을 적용하여 구조 시스템 식별을 수행했습니다. 센서 위치 선정 방법을 사용하여 양질의 실험 데이터를 얻을 수 있었습니다. 실험 모델과 해석 모델을 비교하고 갱신하기 위해 실험 데이터와 축소 기법의 변환행렬을 사용하여 전체 유한 요소 모델로 복원되었습니다. 반복적으로 적용되는 개선된 축소 기법은 전체 모델 복원 과정에서 모델의 정확도를 높여줍니다. 그러나 반복 계산으로 인해 시간이 많이 걸립니다. 적합 직교 분해와 함께 반복 계산이 필요 없는 자유도 축소 기법의 변환행렬을 사용하여 계산 효율을 향상시켰습니다. 합성 곱 인공 신경 회로망을 학습하여 모델 갱신 방법에 적용되었습니다. 본 연구를 통해 계산 시간을 줄일 수 있는 합성 곱 인공 신경 회로망을 사용하는 효율적인 모델 갱신 방법의 사용을 제안합니다. 합성 곱 인공 신경 회로망을 사용하는 모델 갱신 방법의 효율성과 정확성을 조사하기 위해 실험 및 수치 예제를 선정하고 검증했습니다. 또한 제안된 방법의 검증을 위해 보다 복잡한 모델이 모델 갱신 방법에 적용되었습니다. 검증된 방법을 볼트 결합 모델링에 도입하고 실험을 통한 모델 갱신으로 더욱 단순화된 모델링을 제안합니다.

Data-driven Motion Control Framework of Model-based Approach for Multi-axis Flexible System

Hanul Jung DGIST 2024 국내박사

건물 에너지 시뮬레이션에서 선형 열교를 포함한 비정상상태 건물 외피 열류 해석 방법 개발

김희강 서울대학교 대학원 2021 국내박사

최근 저에너지 건물, 패시브 하우스 등 건물 에너지 소비량을 줄이기 위해 다양한 기술이 적용된 건물이 증가하고 있는 추세이며, 이를 평가하기 위해 건물 에너지 시뮬레이션(BES) 프로그램이 사용되고 있다. 특히, 정부가 건물 외피에 대한 규제를 강화함에 따라 건물 외피의 단열 성능이 점점 향상되고 있다. 단열 성능이 강화된 건물 외피에서는 단열재가 끊어진 열교 부위를 통한 열 손실의 비율이 증가하기 때문에 건물 외피를 해석함에 있어서 열교는 점차 무시할 수 없는 수준이 된다. 한편, BES에서는 건물 에너지를 해석하기 위한 수 많은 다양한 요소들을 동시에 고려하며, 1년 동안 비정상상태로 해석하기 때문에 계산양이 많아 해석 시간이 오래 걸리며, 컴퓨터 메모리 또한 많이 사용된다. 이러한 이유로 대부분의 BES에서는 건물 외피를 1차원으로 가정하고 있다. 그런데 열교는 1차원으로 가정할 수 없는 복잡한 형상으로 구성되기 때문에 1차원 플랫폼인 BES에서 해석하는 것은 쉽지 않다. 따라서, 건물 외피에서 열교의 영향이 점점 커지고 있는 시점에, BES에서 열교를 포함한 건물 외피를 간단하면서 정확하게 해석할 수 있는 방법이 필요하다. 이를 위하여, 기존 건물 외피 열류 해석 방법을 검토하고, 복잡한 시스템을 Data를 활용하여 간단하게 모델링 할 수 있는 방법인 System Identification의 배경 이론을 고찰하여 건물 에너지 시뮬레이션에서 열교를 포함한 비정상상태 건물 외피 열류 해석 방법을 제안하였다. 본 연구에서 제안한 방법의 아이디어는 다음과 같다. (1) 열교를 포함한 정상상태 건물 외피 열류 해석 방법과 유사한 방법으로 비정상상태 해석에서도 건물 외피를 통해 실내로 들어오는 열류 관점에서 1차원 해석이 가능한 부위(1차원 부위, 1D region)와 다차원 해석이 필요한 부위(열교 부위, TB region)로 나누어(Disaggregation) 각각의 부위를 통해 실내로 들어오는 열류를 계산하여 더한다. 이 때, 1차원 부위 열류 해석은 기존 건물 에너지 시뮬레이션에서 사용하고 있는 방법을 그대로 사용하며, 열교 부위 열류 해석은 열교 부위 모델을 만들어 해석한다. (2) 열교 부위 모델은 전체 건물 외피(Entire Wall)를 통해 실내로 들어오는 열류에서 1차원 부위를 통해 실내로 들어오는 열류를 뺀 나머지 열류를 계산할 수 있는 모델이며, 건물 외피 해석에 영향을 주는 요소와 실내로 들어오는 열류에 대한 전달함수 형태로 제안한 열교부위전달함수모델(TBTFM)이다. (3) TBTFM은 열교 부위를 선형 시불변 시스템(LTI System)으로 가정하여 구축하며, TBTFM parameter는 Data-driven 형태인 System Identification 방법으로 추정하여 결정한다. 제안한 방법을 구축하기 위해 BES에서 고려해야 할 건물 외피 열류 해석 영향 요소를 도출하였으며, 이를 바탕으로 TBTFM을 개발 및 검증하였다. 또한 본 방법의 적용성(Applicability)을 위해 TBTFM을 BES에서 계산할 수 있는 적용 방안을 마련한 후, 국내 공동주택 건물 외피에 본 연구에서 제안한 방법과 기존 방법을 적용하여 비교 분석하였다. 본 연구의 결과를 요약하면 다음과 같다. (1) 영향 요소는 실내외 온도, 표면 복사 열류, 표면 대류 열전달 계수 로 도출되었으며, 여러가지 가정을 통해 열교 부위에 대한 LTI System을 구축할 수 있으며, 타당성 검토를 통해 LTI System이 타당함을 밝혔다. (2) TBTFM을 개발할 수 있는 System Identification 방법 및 절차 마련하였으며, 절차에 따라 특정 선형 열교가 포함된 건물 외피에 대해 정밀 시뮬레이션을 활용하여 Data를 생성하여 TBTFM parameter를 추정하였으며, TBTFM이 타당하게 개발되었다. (3) Step, Sinusoidal, 기상데이터 등으로 영향 요소를 다양하게 변화시켜 가면서 TBTFM을 검증하였으며, 기존 방법에 비해 상당히 높은 정확도를 나타냈다. (4) 적용 방안으로 TBTFM을 z-transfer function으로 바꾸어 이산적으로 계산하는 방법을 제시하였으며, 국내 공동주택 건물 외피에 적용한 결과 연간 난방 및 냉방 에너지 요구량의 오차가 3% 내외로 정확하게 계산되었다. 또한 열교의 영향은 건물 외피의 60% 수준까지 나타남으로써 본 방법이 실효성이 있다고 판단되었다. Recently, buildings to which various technologies are applied to reduce the energy consumption of buildings such as low energy buildings and passive houses are increasing, and a building energy simulation(BES) program is being used to evaluate this. Especially, as the government tightens regulations on the building envelope, the insulation performance of the building envelope is gradually improving. In the case of the building envelope with enhanced insulation performance, the heat loss through the thermal bridge gradually becomes a level that cannot be ignored in the analysis of the building envelope because the effect of heat loss through the thermal bridge increases. On the other hand, BES considers a number of various factors for analyzing building energy at the same time, and because it is analyzed under unsteady state conditions for one year, it takes a long time to analyze due to a large amount of calculations, and a lot of computer memory is used. For this reason, most BESs assume that the building envelope is one-dimensional. However, since thermal bridges are composed of complex shapes that cannot be assumed as one-dimensional, it is difficult to analyze them in the BES of a one-dimensional platform. Therefore, at a time when the influence of the thermal bridge on the building envelope is increasing, there is a need for a simple and accurate method of analyzing the building envelope including the thermal bridge in BES. To this end, first, the existing method for the heat flow analysis of the building envelope and the background theory of System Identification were reviewed. Based on this, a method for analyzing heat flow of unsteady building envelopes including thermal bridges in the building energy simulation was proposed. The idea of the method proposed in this study is as follows: (1) By analogy from the steady state analysis, even in the unsteady state analysis, the entire building envelope is divided into a one-dimensional analysis region (1D region) and a multi-dimensional analysis region (TB region) from the viewpoint of heat flow entering the room (Disaggregation). And the heat flow entering the room through each part is calculated and added. At this time, the one-dimensional heat flow analysis is performed using the method used in the existing BES as it is, and in the heat flow analysis of the TB region, a Thermal Bridge Model is created and analyzed. (2) The Thermal Bridge Model is a transfer function model that can calculate the remaining heat flow by subtracting the heat flow entering the room through the 1D region from the heat flow entering the room through the Entire (Thermal Bridge Region Transfer Function Model, TBTFM). (3) The TBTFM is constructed by assuming the TB region as a linear time-invariant system (LTI System), and the TBTFM parameter is determined by estimating the data-driven System Identification method In order to establish the proposed method, the influencing factors of the building envelope heat flow analysis to be considered in BES were derived, and based on this, TBTFM was developed and verified. In addition, for the applicability of this method, an application method that can calculate TBTFM in BES was prepared, and then the method proposed in this study and the existing method were applied to the building envelope of domestic residential buildings for comparative analysis. The summary of the results of this study is as follows. (1) The influencing factors were derived as indoor/outdoor temperature, surface radiant heat flow, and surface convective heat transfer coefficient, and it was possible to construct an LTI system for the TB region through various assumptions, and it was revealed that the LTI system is valid through a feasibility study. (2) A procedure for System Identification to develop TBTFM was prepared, and TBTFM parameters were estimated by generating data using FDM simulation for a specific building envelope according to the procedure, and TBTFM was developed appropriately. (3) Using Step, Sinusoidal, and weather data, TBTFM was verified for various influencing factors, and the accuracy was considerably higher than that of the existing method. (4) To apply TBTFM to BES, a discrete calculation method was proposed by changing TBTFM into a z-transfer function, and as a result of applying it to the building envelope of a domestic residential building, the error in annual heating and cooling energy demand is around 3%. In addition, the effect of the thermal bridge was found to be at the level of 60% of the building envelope, so this method was judged to be effective.

Adaptive iterative learning identification and control for parametric dynamic systems

최준영 Pohang Univ. of Science and Technology 2002 국내박사

선형 시스템과 로봇 시스템에 대하여 Adaptive Iterative Learning Control (AILC)을 제시하고, 시스템 식별을 가능하게 해주는 충분 조건을 확립한다. 제안된 AILC의 매개 변수 학습 규칙은 기본적으로 적분형 ILC 형태를 갖고 있으나, 다른 관점으로는 시간영역에서 기존의 적응제어와 같은 형태를 취하고 있다고 볼 수도 있다. 선형 시스템에 대한 AILC는 적응 backstepping 접근 방식에 의해 설계되고 폐루프 시스템을 안정화 시키는 피드백 제어기의 기초 위에 구성된다. 다른 기존의 ILC 알고리즘과 구별되는 제안된 AILC의 특징은 임의의 상대 차수를 갖는 선형 시스템에 대하여 반복 영역에서 출력 오차가 0으로 점근적으로 수렴한다는 것이다. 또한, 매개 변수 추정 에러가 0으로 수렴하기 위한충분 조건은 회귀 벡터가 AILC의 동작 시간 구간에서 PE (Persistent Excitation)조건을 만족하는 것이고, 회귀 벡터의 PE 조건은 레퍼런스 입력이 미지의 매개변수의 개수만큼의 차수로 충분한 주파수 성분을 포함하는 것과 동치라는 것 이 증명된다. 상대 차수가 1인 선형 시스템의 경우에는 제안된 AILC와 UPILC(Unstructured Proportional-type ILC)를 결합하면 출력 성능이 향상되는데, 이 결합된 제어 알고리즘을 adaptive P-type ILC(APILC)라 명명 한다. APILC의 UPILC부분은 현재 시스템 출력의 피드백과 이전 반복 동작의 시스템출력의 피드포워드에 의해 학습된다. 특히, 모의실험 결과로부터 APILC는 반복 영역에서 출력 오차의 수렴 비율을 향상시키는 효과가 있음을 알 수 있다. An adaptive iterative learning control (AILC) is presented for linear and robotic systems, and a sufficient condition to enable the system identification is established. The parameter learning rule of the AILC is basically in the form of an integral-type ILC (IILC); from a different point of view, it can be implied that it takes the same form in the time domain as in the conventional adaptive control. The AILC for linear systems is constructed on the basis of a feedback controller that is designed by the adaptive backstepping approach and takes the responsibility for stabilizing the closed-loop system. It is a distinct feature from other existing ILC schemes that the AILC establishes the asymptotic convergence of output error to zero in the iteration domain for linear systems with arbitrary relative degrees. It is found out that a sufficient condition for the parameter error convergence to zero is the persistent excitation (PE) condition on the regressor vector over the time period of the AILC operation. In addition, the PE condition on the regressor vector proves to be equivalent to the condition that the reference input is sufficiently rich of order of P, where p is the number of unknown parameters. In the case of linear systems with relative degree one, it is revealed that there is an opportunity to improve the output performance by combining the AILC with an unstructured proportional-type ILC (UPILC). The resulting new scheme is named adaptive PILC (APILC), and the UPILC part in APILC is updated by both the feedback of current output and the feedforward of the output from the previous iteration. In particular, it is shown from the simulation results that APILC is effective in improving the convergence rate of output error in the iteration domain. The applications of the AILC and APILC are extended to robotic systems that are highly nonlinear and multi-variable, but possess the property of linear parameterization. As in the case of linear systems, it is guaranteed that the velocity and position errors asymptotically converge to zero uniformly on the predefined operation time. It is proved that a sufficient condition for parameter error convergence to zero is the PE condition on the regressor matrix evaluated at the desired reference trajectory. Since the desired regressor matrix can be easily computed in advance before the real operation, the AILC for robotic systems provides a convenient method to verify whether the parameter error converges to zero or not. The APILC is also applied to robotic systems, and the simulation results illustrate that the APILC for robotic systems outperforms the AILC in terms of the performances of position and velocity errors in the iteration domain.

시간영역 System identification 기법을 사용한 구조물의 손상진단

오성호 東亞大學校 大學院 1998 국내석사

시간이력을 아는 동적하중으로 가진한 구조물의 가속도를 일부 자유도에서 측정하여 구조물에 발생한 손상의 위치 및 손상 정도를 확인하는 연구를 수행하였다. 개발된 알고리듬에서는 동적 지배방정식의 입력 오차를 사용한 최적화기법으로 추정된 최적의 구조변수를 사용하여 구조물의 상태를 평가하는 시간영역 구조시스템 확인기법(Time-Domain System Identification)을 적용하였으며, 부분적으로 측정된 가속도를 사용하여 손상된 부위를 추적하기 위하여 적합적 변수모음법(Adaptive Parameter Grouping Scheme)을 적용하였다. 가속도가 측정된 자유도에서의 속도 및 변위는 측정된 가속도를 수치 적분하여 근사적으로 계산하였으며, 측정되지 않은 자유도에서는 미측정 변위를 추가의 미지수로 고려하여 추정하고자 하는 구조변수와 같이 구하고 유한차분에 의해 속도 및 가속도를 수치적으로 계산하였다. 본 논문에서는 개발된 구조물 손상진단 알고리듬을 검증하기 위하여 다양한 수치모의 실험을 수행하였다. 수치모의 실험에서는 구조해석 모델의 오차를 고려하였으며, 특히 측정 오차를 고려한 통계적 분석을 통하여 손상 진단 알고리듬의 효율성을 확인하였다. The study develops a damage detection and assessment algorithm by measuring accelerations at limited locations of a structure with a priori knowledge of dynamic forces. The developed algorithm applies a Time-Domain System Identification method that identifies a structure with the structural parameters estimated from an optimization. An equation error of the dynamic governing equilibrium is minimized to estimate optimal parameters. An adaptive parameter grouping scheme is applied to localize the damaged members with sparsely measured accelerations. Displacements and velocities at the measured degrees of freedom are computed by integrating the measured accelerations. At the unmeasured degrees of freedom, the unknown displacements are estimated as additional unknowns to the unknown parameters, and the corresponding velocities and accelerations are confuted by the finite difference. Various numerical simulation studies are earned out to demonstrate the developed damage assessment algorithm. Model error is considered in the simulation. A statistical analysis is applied to evaluate damage with noisy measurements.

Koopman Operators and System Identification for Stochastic Systems

Wanner, Mathias University of California, Santa Barbara ProQuest D 2023 해외박사(DDOD)

The use of the Koopman operator framework in dynamical systems has greatly expanded in recent years. Instead of considering the evolution of the state of a system, the Koopman semigroup tracks the evolution of observables on the state. Since the Koopman operator defined for an arbitrary dynamical system is linear, it allows us to use linear system theory and spectral methods to analyze nonlinear systems. This framework has also been extended to stochastic systems. Since the evolution of observables can only be defined probabilistically for random systems, stochastic Koopman operators are defined by taking the expectation of the future value of observables.In the first part of this thesis, we review the basic theory of random dynamical systems and stochastic Koopman operators. We can use these operators to represent a nonlinear RDS as an infinite dimensional linear operator. The basic theorems and definitions are given in this section, which will help form the foundation for the algorithms discussed in the second and third sections. Further, some simple examples are given for which the stochastic Koopman operator is well understood. These examples will recur as we use them to test the algorithms in the second section.The second section is devoted to the analysis of Dynamic Mode Decomposition (DMD) algorithms. DMD algorithms approximate a finite section of the (stochastic) Koopman operator using data from a trajectory. However, these methods are sensitive to noise, and will give a biased approximation if the observables contains randomness. To combat this, we introduce an new DMD variant which can approximate a finite section of the stochastic Koopman operator even when the data contains measurement noise. Further, we extend this algorithm for use with time delayed observables to create a variant of Hankel DMD which will converge for stochastic systems. We then demonstrate these algorithms on numerical examples.In the final section, we will discuss the Sparse Identification of Nonlinear Dynamics (SINDy) algorithm for stochastic differential equations. The SINDy algorithm allows one to generate a representation of an ODE using a dictionary of functions and data from a trajectory. This algorithm has been extended to SDEs, but the accuracy is limited by the numerical approximations of the drift and diffusion functions. We demonstrate how we can use higher order approximations to these functions to generate a far more accurate representation of the SDE. We then test these approximations on several examples.