2018 Fiscal Year Research-status Report
オペレータ法、適応手法と機械学習を組み合わせた故障早期検出と早期耐故障制御
| Project/Area Number |
17K06225
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
とう 明聡 東京農工大学, 工学(系)研究科(研究院), 教授 (20295124)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | オペレータ法 / 適応手法 / 機械学習法 / 早期故障検出 / 早期耐故障制御 / 非線形制御 / プラント実験装置 |
|---|
| Outline of Annual Research Achievements |
平成30年度は以下の研究実績を得た。課題1．オペレータ法、適応手法の機械学習法への組み込みでは、Change Finderを用いた早期故障検知および故障耐性制御系を新たに提案し、理論解析、シミュレーションを行った。課題2. 機械学習法のオペレータ法、適応手法への組み込み，仮定するプラント構造について、SVMの一般化ガウス関数の形状係数の推定法をもとに、形状係数推定値の変動をモデルの組み込み故障検出に用いる手法を提案し、シミュレーションを行った。課題3．機械学習法の改良では、One-Class SVMを用い、課題1、2において、その影響について検討した。課題4.早期耐故障制御法の考案では、多変数系、非線形系の場合の、微小故障信号の場合についてのFDI(Fault detection and isolation))を適用した耐故障制御法を提案し、シミュレーションによる検証を行った。課題5. プラント実験装置による実験的検討では、課題1~4の提案手法についてすべて実験を行い、有効性を確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2018年度において、当初に提出した研究計画に沿って研究を進めてきた。研究目的の研究課題１から研究課題5までを取り込んで、比較的満足できる結果が得られた。特に研究課題１で機械学習法に組み込むオペレータ法、適応手法として、新たな早期故障検出法を提案した。また、研究課題4でFDI機構の設計法も提案した。
|
| Strategy for Future Research Activity |
当初に提出した研究計画に沿って、研究課題1において提案法をより広く適用するための検討を行い、数値シミュレーションを行う。研究課題2において、Support Vector Regression(SVR)による方法にいて再検討し、形状係数推定値のオンライン手法を再検討する。研究課題3において機械学習法の改良では、One-Class SVMを用い、課題1、2での手法との比較を行う。課題4において早期耐故障制御法の考案では、より大規模な非線形系の場合への耐故障制御法の拡張、および、数値シミュレーションによる検証を行う。研究課題5において引き続き、多出力系の故障検出を行う。実験結果から明らかとなった、さらに必要となる手法の拡張、適用範囲の拡大について、課題1~4の研究に反映させる。
|
