2016 Fiscal Year Annual Research Report
ノンパラメトリック区分的アフィンモデルを用いたデータ駆動制御法の確立
| Project/Area Number |
15J05700
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
藤本 悠介 京都大学, 情報学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2015-04-24 – 2018-03-31
|
| Keywords | データ駆動制御 / ノンパラメトリック |
|---|
| Outline of Annual Research Achievements |
産業機械を含む実システムは複雑な非線形性を有し，線形な制御器では十分な制御性能が達成できない場合が存在する．また，非線形制御を適用するためには対象の非線形モデルが必要となるが，複雑な対象ではモデリングそのものが困難な場合も多い．本研究では，非線形システムを対象とし，非常に多くのデータ点で表現される（すなわちノンパラメトリックな）制御器を，観測された入出力関係から直接設計する手法に関する研究を行う．ノンパラメトリックであるために自由度が高く，柔軟に対象システムに適応していくことができると期待される．
平成28年度は，学習理論の一種であるカーネル法に関する調査を行い，本研究への応用可能性について模索した．カーネル法は，入出力データから背後にある関数を推定する手法の一種であり，本研究と同じくノンパラメトリックな方法である．主要な特徴として，カーネル法では対象に関する事前知識を積極的に利用するという点が挙げられる．機械学習の分野で発展してきたカーネル法であるが，近年は制御理論の分野でも注目を集めており，その特性に関するさまざまな研究が報告されている．このカーネル法に関する調査を行い，本研究への応用可能性を検討した．
主要な結果として，国際会議での発表一件と，国内学会での発表一件が挙げられる．いずれの内容もカーネルを用いたシステム同定に関する内容である．特に，カーネル法の特徴である対象に関する事前知識を利用し，同定入力を適切に設計するための手法についての議論を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当該年度の目的は，観測データから最適な軌道を設計することであった．本年度の成果はその基礎となり得るものではあったが，直接の解をただちに与えるものではなかった．しかし，カーネル法のアイデアから，本研究に関連した重要な示唆がいくつか得られた．特に，対象に関する事前知識を積極的に利用することにより，データの数が少なくとも適切な解が与えられるようにするという考えは，本研究にも応用可能である．実際，最適な軌道の具体的な関数形は未知でも，連続性や微分可能性などの条件は事前知識としてわかる場合が存在する．次年度はこの考えを基に，少数のデータから最適な軌道を構成する方法についてより検討していく．
|
| Strategy for Future Research Activity |
最終年度である平成29年度は，引き続き観測データからの最適軌道の設計を行う．また，並行して実機実証などの有効性検証も行う．特に前者に関しては，平成28年度の調査に基づき，カーネル法の考え方を導入することを試みる．多くの制御対象では，不連続性を持たず，そのため最適軌道が滑らかな曲線となると予想される．このような事前知識の下，軌道の設計を行うとどのような結果が得られるのかについて検討を行う．実機検証の対象としては，強い摩擦を有するDCモータなどを想定している．
|
