2020 Fiscal Year Annual Research Report
Fundamental study of fusion of machine leaning and dynamics for model-based control
| Project/Area Number |
18K04211
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
足立 修一 慶應義塾大学, 理工学部(矢上), 教授 (40222624)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
丸田 一郎 京都大学, 工学研究科, 准教授 (20625511)
井上 正樹 慶應義塾大学, 理工学部(矢上), 講師 (80725680) [Withdrawn]
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | システム同定 / 物理的特性 / 自動車 / 能動学習 |
|---|
| Outline of Annual Research Achievements |
前年度に引き続いて，対象の入出力データだけでなく，対象がもつ物理的特性や対象の構造を活用したシステム同定に関する研究を継続した。
まず，ガウス過程回帰（Gaussian Process Regression: GPR）を用いた能動学習（active learning）について検討した。まず，従来法であるActive Learning McKay（ALM）とActive Learning Cohn（ALC）の比較を行った。その比較結果より，汎化能力をもつALCを改良した新しい能動学習法を考案し，自動車のガソリンエンジンの吸気制御系のモデリング問題に適用した。吸気システムは燃焼を含むため，非線形性が強く，自動車エンジンの中でもモデリングが難しいことが知られている。そのため，非線形性を考慮したモデリング法の開発が望まれている。現段階では，実車データに対する適用検討まで進むことはできなかったが，エンジンモデルを用いた数値シミュレーションにおいて，非線形性の強い対象に対する提案法の有効性を確認した。
つぎに，電気自動車やハイブリッド自動車用の二次電池のモデリングについて検討した。今年度は，電池から電力をどれだけ多く出し入れできるかという充放電可能電力（State-Of-Power: SOP）に着目して研究を進めた。SOPを特徴づける物理量に二次電池のT秒抵抗値がある。T秒抵抗値をμ-マルコフモデルと用いてオンラインで推定する方法を提案した。そして，実電池の実験データを用いて提案法の有効性を明らかにした。
以上のように，自動車エンジンや自動車用二次電池を具体的な対象として，実際に測定されるデータだけでなく，対象の物理的特性を考慮したシステム同定法について研究した。
|
Research Products
(5 results)
