ニューロコンピューティングによる鉱物処理プロセスのオンライン制御

• 研究課題/領域番号: 02452226
• 研究種目: 一般研究(B)
• 配分区分: 補助金
• 研究分野: 資源開発工学
• 研究機関: 東京大学
• 研究代表者: 井上 外志雄 東京大学, 工学部, 教授 (80010742)
• 研究分担者: 岡屋 克則 東京大学, 工学部, 助手 (80134493) ; 野中 道郎 東京大学, 工学部, 助手 (70010981) ; 岡野 靖彦 東京大学, 工学部, 助教授 (30011092)
• 研究期間 (年度): 1990 – 1992
• 研究課題ステータス: 完了 (1992年度)
• 配分額: 7,100千円 (直接経費: 7,100千円); 1992年度: 1,000千円 (直接経費: 1,000千円); 1991年度: 1,700千円 (直接経費: 1,700千円); 1990年度: 4,400千円 (直接経費: 4,400千円)
• キーワード: ニューラルネットワーク / プロセス制御 / プログラミング / バックプロパゲーション / プロセス同定 / ニュ-ロ / ニュ-ラルネットワ-ク / 鉱物処理 / 制御器の調節 / 学習機能 / 教師信号 / ニュ-ロコンピュ-ティング / 学習 / 鉱物処理プロセス / オンライン制御

研究概要

学習能力を有する関数としての観点によりニューラルネットワーク(ANN)によるプロセス制御の可能性を探るために、(1)ANN演算に適したプログラミング言語環境、(2)ANNの学習方法、(3)ANNによるプロセス特性の掌握法、(4)ANNによるプロセス制御法についての検討をおこなった。
(1)については、大量データの処理が可能で、高速な配列演算子が用意されたプログラミング言語の開発に成功した。
(2)については、数値演算に適するように階層型ANNの計算式を統合・整理することができた。同時にANNのパラメータや学習方法のオプションを検討し、逐次モーメント法がANNの学習にとって効果的であることを見いだした。
(3)については、プロセスの動特性を直接学習する試みと、プロセスの特性値を推論するANNの開発をおこなった。前者は、必ずしも安定解に到達し得ず、今後の研究課題となった。後者で、は観測ノイズによる攪乱を除いてほぼ良好な成果が得られた。
(4)については、既存の制御器の特性を学習する方法と、プロセスの逆モデルを利用する方法について研究した。前者は、制御特性の向上のための有効な打開策が得られなかった。後者では、適当な参照モデルを用意することによって最適制御ができることが分かった。
以上の成果により、ニューロコンピューティングによる鉱物処理プロセスのオンライン制御を実現するための手法と知識が得られた。