| Project/Area Number |
21K14186
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 21040:Control and system engineering-related
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
Kinoshita Takuya 広島大学, 先進理工系科学研究科(工), 助教 (80825323)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | データ駆動型制御 / オフラインデータ生成 / 制御性能劣化早期検出 / データベース駆動型制御 / データ生成 / 異常診断 |
|---|
| Outline of Research at the Start |
一般的に大量のデータを取得することができれば，所望の制御性能を実現する制御系の設計は容易であり，その一つとして，非線形システムに対して有効な「データベース駆動型制御法」が提案されている。しかしながら，大量のデータを取得するためには，様々な条件でのシステムの運用が必要となり，さらにそれに関わる人的コストが生じる。そこで，本研究では，一組の操業データからオフラインで仮想的にデータを生成し，それを非線形システムへ拡張することで，より実用に耐えうるデータベース駆動型制御系を構築することを目指す。
|
| Outline of Final Research Achievements |
A method using independent component analysis was proposed for estimating unknown disturbances, addressing an issue in offline data generation. Additionally, a method for early detection of control performance degradation using convolutional neural network (CNN) was proposed. Finally, a technique for predicting closed-loop response data under system variations was developed. Specifically, the characteristics of a linear time-varying system are represented by a FIR-type filter, and the generated data are stored in a database to validate the improvement in control performance.
|
| Academic Significance and Societal Importance of the Research Achievements |
内閣府はAI技術のさらなる革新のため，ムーンショット型研究開発制度を提唱し，「自ら学習・行動し人と共生するロボットの実現」を掲げている。その中で制御工学の分野では，未知環境下では良好な制御性能を得ることが難しい。しかし，良好な制御結果を得るための初期データ取得のためには，様々な条件でのシステム運用が望ましいが，一方で，それに関わる人的コストが生じる。したがって，いかに初期データを「大量に」かつ「容易に」取得するかが，今後のAI技術発展の鍵となる。これが実現できれば，「データ収集・制御性能向上」という観点で大きなブレークスルーを起こすことが期待できる。
|
