📊 Part 8: データ駆動型制御 / Data-Driven Control

本章では、数式モデルを用いずに観測データから制御器や予測モデルを構築する
データ駆動型制御（Data-Driven Control）の基本から応用までを学びます。
これは現代制御やAI制御とも親和性が高く、産業界でも注目される実践技術です。

This chapter focuses on building controllers and predictive models directly from observational data,
without relying on explicit mathematical modeling.
Data-driven control is highly compatible with modern and AI-based control and is increasingly adopted in industry.

🎯 学習目標 / Learning Objectives

• モデルフリー制御とデータ駆動制御の違いを理解する
  Understand the difference between model-free and data-driven control
• Koopman演算子による非線形系の線形化を学ぶ
  Learn how to linearize nonlinear systems using Koopman operators
• 動的モード分解（DMD）を使ってシステム挙動を抽出する
  Apply Dynamic Mode Decomposition (DMD) for system behavior analysis
• サブスペース同定法や識別制御の考え方を習得する
  Understand subspace identification and model-free design principles
• Pythonでの実装と可視化を通じて手法を体験する
  Implement and visualize these techniques using Python

📁 ディレクトリ構成 / Directory Structure

part08_data_driven/
├── theory/                   # 理論資料 / Theory Notes
│   ├── 01_model_free_control.md
│   ├── 02_koopman_operator.md
│   ├── 03_dmd.md
│   ├── 04_subspace_id.md
│   └── 05_data_vs_model.md
├── simulation/               # 実装コード / Simulation Scripts
│   ├── koopman_linearization.py
│   ├── dmd_analysis.py
│   └── subspace_identification.py
├── notebooks/                # Notebook / 可視化と分析用
│   └── koopman_vs_dmd_visual.ipynb
├── figures/                  # 図版 / Figures
└── README.md

📚 理論資料（Markdown）/ Theory Notes

🧪 実験コード / Simulation Code (Python)

📊 可視化Notebook / Visualization Notebook

• koopman_vs_dmd_visual.ipynb
  KoopmanとDMDの比較と可視化
  Visualization comparing Koopman and DMD approaches

🔜 今後の展開 / Future Extensions

• Deep KoopmanやAutoencoderによる次世代識別手法
  Next-gen identification with Deep Koopman or Autoencoders
• 対象特化のデータ拡張・識別器設計
  Domain-specific data augmentation and classifier design
• AITL構想への応用：観測主導の適応・学習制御層の構築
  Application to AITL: observation-based adaptive learning controllers

👤 著者・ライセンス | Author & License

📌 項目 / Item	📄 内容 / Details
著者 / Author	三溝 真一（Shinichi Samizo）
💻 GitHub
ライセンス / License	MIT License（再配布・改変自由） Redistribution and modification allowed

⬅️ 前章 / Previous Chapter
強化学習による制御（Q学習、DDPG、PPOなど）を扱います。
Covers reinforcement learning control methods including Q-learning, DDPG, and PPO.

次章 / Next Chapter ➡️➡️
LLM統合・ハイブリッド制御（FSM×PID×LLMなど）を扱います。
Covers LLM-integrated hybrid control such as FSM×PID×LLM.

🏠 トップページ / Back to Home