2018 Fiscal Year Annual Research Report
Detection / isolation / recovery of sensor failure by particle filters
| Project/Area Number |
16K06418
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
西田 健 九州工業大学, 大学院工学研究院, 准教授 (30346861)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | パーティクルフィルタ / 異常の定量化 / 状態量推定 / 状態フィードバック / オブザーバ |
|---|
| Outline of Annual Research Achievements |
確率的なノイズが混入するシステムの状態推定には，カルマンフィルタ（KF: Kalman filter）やパーティクルフィルタ(PF:particle filter)などの確率フィルタが広く利用される．特にPFは，状態量を多数の状態の仮説（粒子）を用いてフィルタ分布を離散近似するため，非ガウス分布に従うノイズが混入する系の状態を推定することができる．また，PFの粒子分布を監視することで，所与のモデルからの逸脱を定量化できる．さらに，PFを制御系に組み込み，状態推定器（オブザーバ）として利用する手法が提案されている．
本研究では，これらの手法を統合し，状態フィードバック制御系のオブザーバとしてPFを利用することで，制御系の状態推定とシステムの異常の定量化を同時に実行する手法を提案した．具体的には，オブザーバとして制御系に組み込まれたPFの粒子分布の監視により，制御系の所与のモデルからの逸脱を定量化することで，システムの異常を検知する手法を提案した．また，粒子分布の監視のための距離尺度や時系列情報の集積手法を複数提案した．さらに，提案手法の有効性をシミュレーションによって比較検討した．
その結果，提案手法では，PFによって非線形確率系の状態推定と異常の進行の時系列監視だけでなく，未知の故障の検知や定量化，異常の種類の特定などが可能であることが示された．また，異常の種類によって，その検出に有効な距離尺度が異なることが見出された．さらに，PFのアルゴリズムに含まれるリサンプリング処理が，異常を検出するための情報を消去してしまうことも見出された．
|
