同定手法
同定手法とは、実機やプロセスの入出力データから、その動的挙動を記述する数学モデルを推定する体系である。制御設計やシミュレーション、監視・予兆保全の前段として有用であり、実験や運転データに基づき、対象の本質的な振る舞いを適切な複雑さで表現することを狙う。ブラックボックスからホワイトボックスまで知識の前提が異なる枠組みがあり、データ品質、外乱、計測条件、用途を踏まえた手法選択が重要である。
目的と基本概念
同定手法の目的は、将来の応答予測と設計に耐える一般化能力を持つモデルを得ることである。非パラメトリック（FIR・周波数応答など）は形を固定せず滑らかさを仮定して推定し、パラメトリック（ARX/ARMAX/OE/BJ、状態空間など）は有限個のパラメータで表す。確率的雑音を陽に扱うか、決定論的外乱として扱うかで推定バイアスが変わるため、騒音モデルの仮定は明示しておくべきである。
代表的なモデル構造
- FIR・周波数応答：周波数領域でのボード線図推定やインパルス応答推定に適する。解釈が直感的で前処理に強い。
- ARX/ARMAX：出力の自己回帰と入力の外因性を記述する。ARMAXはノイズモデルを持ち、予測性能が高い。
- OE/BJ：出力誤差（OE）やBox–Jenkins（BJ）は外乱経路を分離しやすく、実運転データに強い。
- 状態空間：N4SIDなどのサブスペース法で直接状態次元と行列を推定する。多入出力（MIMO）に向く。
- 非線形：Hammerstein–Wiener、切替（LPV）、ニューラルネットやガウス過程で非線形・時変を表現する。
モデル構造は、用途（制御器合成、診断、シミュレーション）とデータの励起度合い、雑音特性で選定する。解釈可能性と当てはまりのバランスを取ることが肝要である。
入力信号設計
- PRBS/M系列・白色雑音：広帯域励起でパラメータの識別性を高める。
- ステップ・ランプ・インパルス：実験容易だが帯域が偏りやすい。
- サインスイープ（chirp）：共振や遅れの周波数依存特性を炙り出す。
- 実運転データ（閉ループ同定）：安全だが入力と雑音の相関でバイアスが生じうる。
入力は「持続的励起（persistently exciting）」である必要がある。安全・品質の制約下で、サンプリング周波数と帯域、駆動振幅を計画し、飽和や熱影響を避ける。
推定アルゴリズム
- 最小二乗法（OLS/RLS）：線形回帰に基づく基本手法。RLSはオンライン更新に適する。
- 予測誤差法（PEM）：モデルで予測した誤差を最小化し、ARMAX/BJで高精度を狙う。
- 最大尤度・IV法：外乱と入力の相関を緩和し、閉ループでもバイアスを抑える。
- サブスペース法（N4SID）：SVDにより状態空間モデルを安定に推定する。
- 正則化・ベイズ（Ridge/Lasso、GPR）：過学習抑制と不確かさ表現に有効。
数値最適化は初期値依存で局所解に陥ることがある。適切な初期化とスケーリング、パラメータ境界の設定が精度を左右する。
モデル次数選定と正則化
次数や遅れはAIC/BIC、クロスバリデーションで決める。高次数は当てはまりが向上する一方、汎化を損ねるため、Ridge/Lassoなどの正則化で自由度を制御する。状態空間では可制御・可観測性に配慮し、極配置の物理妥当性を確認する。
検証と妥当性確認
- 残差の白色性・相関：自己相関・入力との相互相関が有意でないことを確認する。
- 検証データ：学習データと独立の時系列でNRMSEや一歩先予測誤差を評価する。
- 周波数応答比較：Bode・コヒーレンスで帯域ごとの一致度を確認する。
- シミュレーション一致：ステップ・ランプ・実運転シナリオで過渡応答を照合する。
評価指標は単一に依存せず、時間領域と周波数領域を併用する。物理的常識（極の安定性、ゲイン符号）と整合するかも重要である。
ワークフロー
- 目的定義（制御器設計か診断か）。
- 計測計画（センサ選定、サンプリング、同期、安全）。
- 入力設計と実験（励起帯域の確保）。
- 前処理（ドリフト除去、外れ値、スケーリング）。
- モデル構造仮説と初期化。
- 推定（PEM/IV/RLS/N4SIDなど）。
- 検証とモデル改良（反復）。
実務の勘所
- サンプリング定理：帯域の10倍程度のFsで離散化誤差とエイリアシングを抑える。
- 閉ループ・ノイズ：入力と誤差の相関でバイアスが出るためIV/2SLSやBJを検討する。
- スケーリング：物理量の桁差は条件数悪化を招く。単位系を統一する。
- 非定常：温度・摩耗・荷重で特性が動く場合、LPVやゲインスケジューリングを併用する。
- 非線形：飽和・デッドゾーンはHammerstein–Wienerや区分線形で近似する。
安全・品質要件が厳しい設備では、擾乱を小振幅・短時間に制限し、オペレーションへの影響を最小化する。ログのメタデータ（環境、治具、版数）を必ず残す。
閉ループ同定の注意
閉ループでの同定手法は、制御器が入力を歪めるため、OLSはバイアスを持つ。IV法、2段最小二乗、仮想閉ループ（外乱モデル化）やBJ構造により、入力と雑音の相関を絶つ。外乱の主帯域が制御帯域に重なる場合は、外乱観測やリファレンス注入で識別性を高める。
非線形・時変への拡張
大振幅や摩擦・バックラッシなどで線形近似が破れるときは、LPV、切替モデル、Hammerstein–Wiener、ニューラルネット、ガウス過程を用いる。過学習を避けるため、正則化と独立検証、感度分析を徹底する。
利用分野の例
機械振動ではEMA/OMAでモードを抽出し、制振やヘルスモニタリングに用いる。プロセス産業では遅れと時定数を抽出し、PIDやMPC設計に接続する。パワーエレクトロニクスでは小信号モデルを推定し、安定余裕を評価する。空圧・油圧・電磁アクチュエータでも、入出力ログから簡潔なモデルを得ることで、設計・保全・最適運用が一体化する。こうして同定手法は、データ駆動と物理知の橋渡しとして、工学の現場で継続的に活用される。
コメント（β版）