| Project/Area Number |
23K03896
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21040:Control and system engineering-related
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
伊達 央 筑波大学, システム情報系, 准教授 (50531985)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | モデル予測制御 / サンプルベース / 衝突現象 / GPU / サンプルベース最適化 |
|---|
| Outline of Research at the Start |
本研究は、GPUの性能を活かした非線形モデル予測制御を実現することを目的とする。使用するアルゴリズムであるモンテカルロモデル予測制御は、超並列アルゴリズムにより実装できることから適した方法と言えるが、乱数を使用することに由来する乱雑さにより、整定が難しい課題があった。これを克服するため、新たに開発するサンプルベースニュートン法を適用して、様々なGPUで実行可能な非線形モデル予測制御の汎用アルゴリズムの実現を目指す。
|
| Outline of Annual Research Achievements |
本研究は、モデル予測制御における最適化計算をサンプルベース最適化法により解くサンプルベースモデル予測制御を発展させることを目指すものである。なかでもサンプルベース最適化法としてモンテカルロ法を用いたモンテカルロモデル予測制御は、GPUのような超並列計算デバイスとの親和性が高く、実時間実行の実現見込みが高い一方、乱数に基づいて生成されたサンプルにより最適化を行う乱択アルゴリズムであるため、解の精度が低いという課題があった。本研究は、この課題に対して多面的に取り組むものである。今年度は、まずはじめにモデル予測制御の対象として、倒立振子の振り上げ安定化を取り上げ、予測モデルの予測精度をオンラインで評価しながら修正する適応制御可を試みて、シミュレーションと実機実験により有効性を確かめた。次に、二輪車のサーキットにおける走行制御を取りあげ、二輪車のダイナミクスを考慮しながら、他の車両の追い越しや回避などに適切な評価関数設定について検証し、モンテカルロモデル予測制御への適用への下準備を完了した。モンテカルロモデル予測制御の精度が低下する他入力系としての適用対象として多くの関節を有する水中ヘビ型ロボットの推進制御を取り扱い、遊泳しつつも沈没船のような狭い空間への進入をシミュレーション上で達成した。ドローンの飛行制御については、空中を飛来する物体を受け止める問題を考え、シミュレーションにより有効性を確かめた。最後に、従来のモデル予測制御では定式化の困難である偏微分方程式系である磁気流体力学方程式に基づいたプラズマ制御に対して提案法を適用し、ついてシミュレーションベースで有効性を確認した。以上について、1件の雑誌論文、4件の国際会議、1件の国内会議発表に投稿し、いずれも採択された（国際会議の2件はアブストラクト査読）。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度は、複数の適用対象における適用可能性を重点的に調査研究し、概ね予期した結果が得られた。
|
| Strategy for Future Research Activity |
引き続き複数の制御対象についての研究を実施して、GPUを使用した効果的な制御アルゴリズムの実現に向けて取り組む。
|
