2023 Fiscal Year Annual Research Report
制御・データ・仕様の三項関係に基づくデータ駆動制御理論―創成・体系化・新展開
Project/Area Number |
20H02169
|
Research Institution | The University of Electro-Communications |
Principal Investigator |
金子 修 電気通信大学, 大学院情報理工学研究科, 教授 (00314394)
|
Co-Investigator(Kenkyū-buntansha) |
定本 知徳 電気通信大学, 大学院情報理工学研究科, 准教授 (40839966)
増田 士朗 東京都立大学, システムデザイン研究科, 教授 (60219334)
山本 豪志朗 京都大学, 医学研究科, 准教授 (70571446)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Keywords | データ駆動制御 / データ駆動予測 / 目標応答 / 制御仕様 / ネットワークシステム / データ量 / 学習 / 定値制御 |
Outline of Annual Research Achievements |
データ駆動予測に基づく目標応答更新法の問題点を整理し,いくつかの制御系に展開し有効性を検討した.状態フィードバックサーボ系に対し,目標応答も用いずにデータ駆動入力予測により制限の範囲内で速応性の高い制御器を得る更新法を与えた.これらの成果は,データ駆動制御における制御と仕様とデータに関する成果として重要である.データ駆動予測を併用したPSOによる制御器更新法,入力を直接予測する方法等を提案した.これらもデータ駆動予測の応用として重要である.なお,データ駆動制御の応用としての反応のモデル化と制御は実験方法を再検討する必要があり,昨年からは進展はない.代わりに人間の反応に特徴的なむだ時間を対象として,リアルタイムデータ駆動制御器更新を提案し実験で検証した. 定値制御系に対するデータ駆動制御器調整法として予測誤差法による制御器と外乱モデルの同時推定を行うVRFT法の提案,非線形系に対するVRFT法としてバックステッピング法を構成する方法の提案,繰返し学習制御によるフィードフォーワード補償器を導入したデータ駆動制御器調整法に関する提案を行い,各々論文を発表した. 強化学習法を用いて適応2次規範最適レギュレータを構成する手法についても提案した.また,大規模系への展開および学習に関する成果として,同質のサブシステムから構成される階層システムと呼ばれるクラスのネットワークシステムを対象として完全に分散的に学習可能な手法を提案し,さらに,サブシステムが異質な状況へのロバスト性解析を与えた.本成果は,学習に要する計算量・データ量が対象のサブシステム数に依存しないスケーラブルな手法であるという特徴を持つ.本結果は制御分野で最高峰の国際雑誌の一つに掲載された. さらに,国内学会誌にデータ駆動制御の観点からの強化学習,目標応答の与え方,定置制御系に関する解説記事を執筆した.
|
Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|