Project/Area Number |
22K04142
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 21030:Measurement engineering-related
|
Research Institution | Kagoshima University |
Principal Investigator |
八野 知博 鹿児島大学, 理工学域工学系, 教授 (50284906)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
|
Keywords | 計測工学 / 制御工学 / システム工学 / システム同定 / ガウシャンプロセスモデル / Hammersteinシステム |
Outline of Research at the Start |
本研究では、Hammersteinシステムを対象とし、進化型ガウシャンプロセスモデルによる簡便で高精度なシステム同定アルゴリズムを提供することを目的としている。本研究の特徴は、同定用入力信号の印加方法を工夫して非線形静的部の推定と線形動的部の推定が分離された二段階同定アルゴリズムを導出する点である。シミュレーション実験により、本研究による同定アルゴリズムは従来の干渉型の同定法と比べて簡便で、非線形静的部の信頼性の情報まで推定でき、高精度でありながら計算負担を低減できることを明らかにする。
|
Outline of Annual Research Achievements |
本研究では、Hammersteinシステムを対象とし、進化型ガウシャンプロセスモデルとベイズ推定の協調による、簡便で高精度なシステム同定アルゴリズムを提供することを目的としている。令和4年度の研究において、離散時間Hammersteinシステムを対象とした二段階同定法を開発した知見を基に、令和5年度では連続時間Hammersteinシステムを対象とした二段階同定法の開発を行った。具体的には、第1段階で複数個の一定値入力信号に対する定常出力値を計測し、ガウシャンプロセスモデルの学習により対象システムの非線形部を推定した。この学習には進化型最適化アルゴリズムの一種であるカッコウ探索と最小二乗法とのハイブリッド手法を適用した。次に第2段階で対象システムに新たな持続振動的入力信号を加えてその出力を計測した後、第1段階で推定済みの非線形静的部を用いて、ガウシャンプロセスによるベイズ推定の枠組みで対象システムの中間信号を推定した。さらに、双一次変換とローパスフィルタに基づき、対象システムの線形動的部のパラメータを保持した近似離散時間同定モデルを導出し、推定中間信号と出力のデータに基づいて線形動的部のパラメータ推定を行うアルゴリズムを開発した。開発した同定アルゴリズムを計算機上で実現するため、MATLABコード化も行った。シミュレーション実験により、本同定法によれば精度の良い同定結果が得られることを確認した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和5年度の研究実施計画のほとんどの項目を実施し、その一部は学術講演会で公表できていることから、おおむね順調に進展していると判断できる。
|
Strategy for Future Research Activity |
令和5年度の研究において、連続時間Hammersteinシステムを対象とした進化型ガウシャンプロセスモデルに基づく二段階同定の基礎的なアルゴリズムを構築できたことから、今後は、この同定精度をさらに改善していく方向で研究を推進していく。具体的には、雑音に乱された同定用入出力データに対するフィルタリングの検討、ガウシャンプロセスモデルの学習に用いる最適化アルゴリズムの検討、などを行っていく。また、令和5年度のシミュレーション対象よりも高次のシステムに対してどの程度開発した同定アルゴリズムが有効であるか、従来の一括同定法との精度や計算負担の比較を含めて検証していく。さらに、入力部に非線形増幅器を有する直流電動機を連続時間Hammersteinシステムに見立てたシミュレーション実験により、開発した同定アルゴリズムの実際的なシステムへの適用可能性についても検証する。
|