2023 Fiscal Year Research-status Report
機械学習による高精度故障検出システムを用いるアクティブ型耐故障制御に関する研究
| Project/Area Number |
20K04537
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
國松 禎明 熊本大学, 大学院先端科学研究部(工), 助教 (30379309)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
水本 郁朗 熊本大学, 大学院先端科学研究部(工), 教授 (30239256)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | 耐故障制御 / 故障検出 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
令和5年度における研究実績の概要は以下のとおりである．
1) これまでは耐故障制御のために開ループ系における制御対象のパラメータ推定手法による故障検出手法を提案してきた．しかし，操業時における故障検出を想定すると，閉ループ系における制御対象のパラメータ推定手法が必要である．そこで，制御器を実装した閉ループ系において，深層学習を用いる低次システムに対する制御対象のパラメータ推定手法を提案した．今回は制御対象への入力データを利用する方法も提案しており，ある程度ノイズに強い推定手法となった．
2) これまで消耗部品の故障なども想定し，深層学習による故障箇所推定を行ってきたが，開ループ系に対してのみ故障箇所推定を行っていた．令和5年度では閉ループ系に対しても深層学習を利用して瞬時に故障箇所推定を低次システムに対しては行えるようになった．これは上記1)の閉ループ系にに対するパラメータ推定手法を用いることによって，今までは難しかった物理的な異常に対するパラメータ変動もある程度推定することができるようになったためであり，実際の操業時における故障箇所推定の可能性が広がった．
3) 耐故障制御を実現するために，フィードフォワード制御器を切り替えることで性能劣化を防ぐ枠組みを構築してきた．非線形システムに対する制御器の設計にRBFニューラルネットワークによる手法を採用して，適応的にフィードフォワード入力を調整する手法の開発を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
以下の進捗状況から，研究はやや遅れていると考えている．
これまでに研究予定であった故障の誤検出に対するロバスト性について，誤検出の枠組み設定が難航しているため，誤検出のロバスト性を検証するまでには至っていない．誤検出に対するロバスト性も重要な研究テーマであると考えており，研究を遂行する予定である．
上記以外に関しては以下の点から順調に進展していると考えている．
操業時は閉ループ系となっていることが多いため，閉ループ系に対するパラメータ推定手法ならびに故障箇所推定を行える可能性が示せたため，実用化に一歩前身したと考えられる．
|
| Strategy for Future Research Activity |
令和6年度では，以下の研究を中心に推進していく予定である．
1）現在までの進捗状況でも述べたように，ロバスト性を議論するための誤検出の枠組み設定が難航しており，適切に設定する．また，故障の誤検出があったとしても，制御系が不安定とならないような仕組みを検討する．
2) 閉ループ系に対する深層学習による故障箇所推定を行ってきたが，高次システムに対する検討が十分ではなかったため，高次システムに対して故障箇所推定が実現するように改良を進める．
3）保有する車両連結システムを活用して，故障検出と切り替え制御の実用化に向けた実験を行い，提案手法の実用面からみた改良を行う．
|
| Causes of Carryover |
（理由）今年度分は総額としてほぼ割り当て通り使用したが，目的をより精緻に達成するために前年度までの残額分を残したため．
（使用計画）深層学習の規模が大きくなっており，計算時間が想定以上にかかっている．このため，並列にプログラムを実行して計算効率を上げるために，計算機やソフトウェアを購入する予定である．
|
