ニューラルネットワークと機械学習法による適応制御システムアーキテクチャの研究
Project/Area Number |
05780293
|
Research Category |
Grant-in-Aid for Encouragement of Young Scientists (A)
|
Allocation Type | Single-year Grants |
Research Field |
Intelligent informatics
|
Research Institution | The University of Tokushima |
Principal Investigator |
|
Project Period (FY) |
1993
|
Project Status |
Completed (Fiscal Year 1993)
|
Budget Amount *help |
¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 1993: ¥900,000 (Direct Cost: ¥900,000)
|
Keywords | ニューラルネットワーク / 非線形制御 / システム同定 / 適応制御 / フィードフォーワド制御 / シミュレーション |
Research Abstract |
従来の適応制御系は、制御対象のモデルが必要であるため、未知な構造、または複雑な非線形を持っている制御対象に対する慣習適応制御手法は適切ではない。他方、ニューラルネットワークを用いた非線形なシステムの制御向きコントローラとシステム同定構造は、最近多く報告されているが、一般にシステム次数をほぼ正確に推定しなければならない。本研究は、ニューラルネットワークと機械学習法を用い、新しい離散時間系適応制御システムを開発することを目的としている。 本研究において、まず制御分野でよく知られている状態変数アプローチに基づき、多層ニューラルネットワークによる、新しいシステム同定構造とその学習法を提案した。提案したシステム同定構造は、フィードバックとフィードフォーワード、二つのニューラルネットで構成される。UNIXワークステーション上のシミュレーションにより、プラントの次数に対して、未知な非線形制御系の場合で従来のニューラルシステム同定構造よりロバスト性があると示した。更に、各時点そのシステム同定構造はプラントの状態ベクトルに近似する、内部情報のベクトルを出力するので、制御分野またデェジタル信号処理分野でも多くの応用が考えられる。次に、システム同定構造に対応するフィードフォーワードニューラルコントローラーを提案し、全体の制御システムをシミュレーションによって評価した。様々なプラントを用い、提案した制御システムの有効性を図ったが、収束が得られない場合もあるとわかった。その理由は、提案したシステム同定構造は柔軟過ぎるため、プラントのダイナミック状態を表わさない場合があるからである。そのため、現在、同定構造とそのアルゴリズムの改善方法を考慮しているところである。更に、プログラムを全てMacintosh Centrisに移し、オブジェクト指向言語に変更している最中である。
|
Report
(1 results)
Research Products
(6 results)