Development of Next-Generation Nonlinear Subspace Identification Methods Suitable for Model Predictive Control

• Project/Area Number: 24K00908
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 21040:Control and system engineering-related
• Research Institution: Kyoto University
• Principal Investigator: 丸田 一郎 京都大学, 工学研究科, 准教授 (20625511)
• Co-Investigator(Kenkyū-buntansha): 藤本 健治 京都大学, 工学研究科, 教授 (10293903)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,330,000 (Direct Cost: ¥14,100,000、Indirect Cost: ¥4,230,000); Fiscal Year 2027: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2026: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2025: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2024: ¥6,760,000 (Direct Cost: ¥5,200,000、Indirect Cost: ¥1,560,000)
• Keywords: 制御工学 / システム同定

Outline of Research at the Start

本研究では、機械学習分野の技術を積極的に取り入れた新しい非線形システム同定法を開発し、モデル予測制御（MPC）の適用範囲を大きく広げることを目指す。具体的には、MPCでの利用に特化した形で、状態推定器と予測器を直接合成する同定法を提案する。これにより、画像などの大規模な入出力や、流体などの複雑なダイナミクスを持つシステムに対しても、MPCに適した低次元モデルを効率的に構築できるようにする。また、システム同定で得られたモデルの特性を活かし、計算量や安全性の面でMPCを改良する方法についても検討する。