2016 Fiscal Year Research-status Report
計算知能援用制御法の開発 －IoT時代の大規模複雑システムへの適用を目指して－
| Project/Area Number |
16K06409
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
河辺 徹 筑波大学, システム情報系, 教授 (40224844)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 計算知能援用制御 / IoT / 大規模複雑システム / モデル予測制御 / スライディングモード制御 / ポテンシャル法 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
計算知能援用制御法の構築の第1段階として、深層学習を基盤とする制御法開発のために，MP-PID （Model Predictive PID）制御法の設計のための評価関数の重みの値と対象システムの非線形性や複雑性との定性的/定量的関係について検討し、汎用的で実用性を高めたMP-PID制御系の構成方法の開発を行った。この成果を日本機械学会論文集Vol. 83, No. 845にて発表した。
また、IoT時代の道路交通システムへの適用を見据えて、自動車の走行データを制御ユニットからクラウドサービスを用いて収集／蓄積し、これを解析することで、運転特性モデルや乗り心地の良い運転特性の定量的評価基準の導出運転支援システムや自動運転技術確立のための基盤技術開発の検討を開始した。特に、電気自動車を対象として、加減速に対する乗り心地の改善を目的とした速度パターンの生成法についての研究を行った。提案した生成法は，走行の途中で走行条件（停止位置など）が変更された場合でも、乗り心地の良い運転の規範となる速度パターンが導出できるもので、この成果を、国際会議ICINCO2016にて発表するとともに、International Journal of Intelligent Control and Automation, Vol.8, No.1にて発表した。
さらに、自動運転技術を前提とする、次世代都市交通システム(ART：Advanced Rapid Transit) の一つである電子連結車両を対象とし、機械学習等のデータ解析を基礎とした制御法として、搭乗者の負荷を軽減しつつ，静止物や移動物等の障害物を安全に回避する走行制御法とコウモリの飛行ダイナミクスに基づく電子連結車両の追従制御法の研究開発を開始し、これまでの成果を計測自動制御学会第4回制御部門マルチシンポジウムにて発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究実績の概要欄で述べた、「汎用的で実用性を高めたMP-PID制御系の構成方法」、「電気自動車を対象とした加減速に対する乗り心地の改善を目的とした速度パターンの生成法」、「搭乗者の負荷を軽減しつつ静止物や移動物等の障害物を安全に回避する走行制御法」、「コウモリの飛行ダイナミクスに基づく電子連結車両の追従制御法」の研究開発とその成果発表を行うことができたことから“おおむね順調”と判断している。ただしMP-PID法の設計パラメータと対象モデルの非線形性や複雑性(次元やパラメータ数等)との定性的／定量的関係の解析が十分にできていない。このため、非線形で複雑な対象について、従来の線形近似モデルに非線形性や複雑性に起因するモデル化誤差を深層学習により吸収する補正項を加えたモデルの構築方法の開発にまだ至っていない。
また、制御性能と学習効果の関係の解析やそれに基づいた、制御器のパラメータ値を制御ループ中で適応的に学習／補正する機能を付加した制御系の設計方法の開発についてはまだ途上である。これらが平成29年度以降の課題である。
|
| Strategy for Future Research Activity |
平成28年度に具体的に研究開発を開始した、自動車の走行データを、自動車の制御ユニットのデータ（（車速，加速度、エンジン回転数、エンジン負荷、ペダルスロットル開度等の時系列データ））をOBD-2コネクタからクラウドサービスを用いて収集／蓄積し、これを解析することで、運転特性モデルの導出や乗り心地の良い運転特性の定量的評価基準の導出とそれらによる運転支援システムや自動運転技術確立のための基盤技術開発を進める。具体的には、車両の走行データを市販自動車にほぼ標準で装備されているOBD-2(On-board diagnostics-2)コネクタに専用デバイスを接続し、デバイスの通信機能によりクラウドサービスにアップロードすることで、データ収集と蓄積を行う。これらのデータを活用して、深層学習による補正機能を備えたモデル化手法の開発と、層学習を用いたMP-PID/MP-SMC法の設計パラメータと対象特性とのさらなる関係性解析と改良を進める。併せて、データマイニングや機械学習の手法を用いてデータ解析を進め，運転者の運転特性モデルの導出，乗り心地の良い運転特性の定量的評価基準の導出も行う。
また、 次世代都市交通システム(ART：Advanced Rapid Transit) の一つである電子連結車両の運動制御法である「搭乗者の負荷を軽減しつつ静止物や移動物等の障害物を安全に回避する走行制御法」、「コウモリの飛行ダイナミクスに基づく電子連結車両の追従制御法」の研究開発を引き続き進め、複数の電子連結車両を総合的に制御する交通システムの基盤となる計算知能援用制御法の構築を進める。
|
| Causes of Carryover |
平成28年度の物品費においては、当初は、深層学習を用いたMP-PID/MP-SMC法の設計パラメータの解析と手法改良用に専用PCと研究データの保存用記録メディアの購入を予定していたが、解析用データの収集体制の構築が遅れたため、最新の専用PCの購入を見合わせ、まずはこれまで研究室で蓄積してきた既存データと、同じく研究室で所有している既存PCを活用して研究を進めたことによる。 また，謝金等については、研究協力者となる学生が修士１年生ということもあり特に前半は授業履修で忙しく、想定していたほど研究補助を依頼できなかったことによる。
|
| Expenditure Plan for Carryover Budget |
平成29年度は自動車の走行データの収集／蓄積とその解析を特に精力的に進める予定であるため、平成28年度に見送ったデータ解析用の専用PCと記録用メディアの購入を早期に行う。併せて、データ蓄積と整理用として大学院生研究補助者が効率よく研究開発補助を行えるよう、専用の計算機の購入も予定している。また、大学院生研究協力者に、データ収集や整理、データ解析の補助を行ってもらうために、謝金等については、繰り越し分と合わせて執行する予定である。その他、研究成果の発表と情報収集のための国際会議参加や雑誌論文発表，研究成果公開用サーバの整備等も精力的に進める予定で、これらの経費を含めて全体的な執行を行う。
|
