2022 Fiscal Year Research-status Report
可変型同調回転慣性質量トランスデューサーを用いたリアルタイムハイブリッド実験
| Project/Area Number |
21K14285
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
浅井 健彦 筑波大学, システム情報系, 准教授 (90775793)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 同調回転慣性質量トランスデューサー / イナーター / 制振 / 深層強化学習 |
|---|
| Outline of Annual Research Achievements |
研究代表者らが提案している構造物の振動エネルギーを電気エネルギーへと効率的に変換することで振動制御を実現する新たな制振装置である同調回転慣性質量トランスデューサーの地震動を受ける建築構造物における有効性を検証するため、数値解析シミュレーションと実験の両方から研究を行っている。同調回転慣性質量トランスデューサーは回転慣性質量を同調バネによって共振させることで高いエネルギー吸収効率を実現させているため、予め想定した周波数に対しては非常に高い性能を発揮する一方で、想定外の周波数域をもつ外乱に対してはその性能が低下する欠点が指摘されていた。本研究でははこれまでに研究、開発を行ってきた同調回転慣性質量トランスデューサーのさらなる性能の向上を目指した、可変型同調回転慣性質量トランスデューサーの開発とその制御アルゴリズムの開発に取り組んでいる。可変型同調回転慣性質量機構を実現するために、回転半径を可変に出来る装置を試作し、実験によりその有効性を実証した。
当該年度は、この回転慣性質量値を実時間で適切に制御する方法として、深層強化学習の適用に取り組んでいる。深層強化学習は一般的な制御理論を適用しにくい非線形なシステムの制御にも比較的簡単に応用可能である。ここでは、一自由度系の簡単なモデルに提案する可変型の同調回転慣性質量トランスデューサーを設置したシステムを考え、数値解析シミュレーションにより深層強化学習により同調回転慣性質量トランスデューサーのモーターと回転慣性質量値をオンラインで適切に制御し、制振効率を飛躍的に改善出来ることを確認した。今後は試験体を試作し、実験による実証を行う予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
新たな試みとして、当初予定していたモデル予測制御だけでなく、深層強化学習による制御にも取り組み良好な結果を得ている。
|
| Strategy for Future Research Activity |
今後は数値解析シミュレーションだけでなく、実験による実施にも取り組む予定である。
|
| Causes of Carryover |
新たな試みとして深層強化学習による制御に着手したため、実験の実施予定を送らせたことにより、予算の使用計画に違いが生じた。次年度に実験を実施する予定であるため、試験体の試作費、改良費に充てる。
|
