2019 Fiscal Year Research-status Report
| Project/Area Number |
17K06498
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
若佐 裕治 山口大学, 大学院創成科学研究科, 教授 (60263620)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 制御系設計 / 深層学習 / データ駆動制御 |
|---|
| Outline of Annual Research Achievements |
本研究では、近年飛躍的に進展した深層学習の諸技術をデータ駆動型制御系設計法に適用し、不感帯やヒステリシスなどのさまざまな非線形性を有する制御対象に対して、統一的に良好な制御性能を与えるニューラルネットワークによる制御器、および補償器を構成する方法の開発を行う。また、通常制御系を設計する際には、設計者の試行錯誤による各種設定が必要であるが、この設定作業を深層学習、およびニューラルネットワークの諸技術を用いて低減させる方法を検討する。
令和元年度は、まず、技術者が通常直感的に行う制御特性の評価を、技術者に代わってニューラルネットワークが行うシステムの開発を試みた。時間応答、周波数応答などの多くの制御特性が可視化されたグラフを用いて評価されることに注目し、画像分野で進展が著しい畳み込みニューラルネットワーク (CNN: Convolutional Neural Network) を適用した。深層学習フレームワークの一種であるTensorFlowを用いてCNNに基づくシステムを構築し、実験検証を行った。本成果を第63回システム制御情報学会研究発表講演会において発表した。さらに、VRFT (Virtual Reference Feedback Tuning) に基づく応答予測法の予測精度の向上を目的として、入出力データにプレフィルタを適用する手法を提案した。これは、1組の入出力データから、制御対象のモデルを用いることなく、また反復実験を必要とせず、制御器変更に伴う応答を予測する手法であり、前年度までに検討したニューラルネットワーク制御器、および補償器のデータ駆動型設計の制御性能向上にも寄与する技術である。本成果を第28回計測自動制御学会中国支部学術講演会において発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究で開発するデータ駆動型制御系設計法の有効性を検証するために、検証実験システムの構築が必要であるが、現有する設備と新規購入する部品の整合性の検討に想定以上の時間を要し、実験システムの完成までに遅れが生じた。実験検証、および成果発表を行うことによって、当初の目的をより精緻に達成するため、研究期間を1年延長することとなった。
|
| Strategy for Future Research Activity |
令和元年度までに得られたデータ駆動型制御系設計における各手法に対して、これらの有効性を検証できる検証実験システムを構築する。また、データ駆動型制御系設計の実用化を目指して、ソフトウェアの開発を検討する。さらに、これまでの研究成果を総括し、国内外の学術会議、論文誌等で成果発表を行う。
|
| Causes of Carryover |
検証実験システム構築に係る機器、部品の購入を保留したことや、当初計画していた研究発表を見送ったことなどにより未使用額が生じた。未使用額はこれらを実施するために使用する予定である。また、計算機やシミュレーション用ソフトウェアの購入も適宜行う予定である。
|
Research Products
(9 results)
