| 研究課題/領域番号 |
22K14969
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分41040:農業環境工学および農業情報工学関連
|
|---|
| 研究機関 | 琉球大学 |
|---|
研究代表者 |
青柳 悠也 琉球大学, 農学部, 助教 (20882195)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 農用車両 / 転倒事故防止 / 自動制御 / 制御パラメータ / AI / 挙動シミュレーション / 事故防止 / 転倒防止制御 / パラメータ探索 / A.I. |
|---|
| 研究開始時の研究の概要 |
近年，農用車両の転倒・転落事故は深刻な問題となっている。車輪の浮き上がりや脱論に至るような姿勢不安定性を制御する安全対策が必要である。この安全対策において条件に応じた大幅な制御パラメータ調整が重要であるが，条件の組み合わせは膨大であり，リアルタイムでの適切な制御パラメータ設定は困難である。そこで，本研究では，AIを活用したリアルタイムでの制御パラメータ探索により様々な条件下で効果的な姿勢安定化制御を実現する。具体的には，複数の制御モデルに対して，挙動シミュレーションに基づくデータセットを構築し，事前に深層学習をしたAIによるパラメータ設定機能の効果検証を進める。
|
| 研究実績の概要 |
AIを活用したリアルタイムでの制御パラメータ探索により様々な条件下で効果的な姿勢安定化制御を実現する。具体的には，複数の制御モデルに対して，挙動シミュレーションに基づくデータセットを構築し，事前に深層学習をしたAIによるパラメータ設定機能の効果検証を進める。
2022年度の実績としては，PID制御を利用した自律走行アルゴリズムを開発した。また，シミュレータの開発も併せて行い，凹凸路面を走行する際の振動を抑制する速度制御アルゴリズムについても開発を行った。本アルゴリズムにより，凹凸路面による振動を低減可能であることが示唆された。また，駆動力の影響を考慮した4自由度の運動方程式を立案し，事故現場地形における制御モデルと非制御モデルの走行挙動について比較した。制御モデルはPID制御を利用して対象地形における静的な転倒角を目標値とした駆動力制御を行う仕様とした。制御パラメータは網羅的な繰り返し計算により最大姿勢角変位が最も小さくなる値を算出した。本事故事例については既に300万通り以上のパラメータの組み合わせにおけるシミュレーション結果を有しており，これらのパラメータの組合せおよび車両状態・地形情報と最大姿勢角変位の組合せのデータセットは作成済みである。今後は，車両状態および地形情報のバリエーションを増やして，さらに学習データの充実を図る。その後，これらのデータセットを用いた学習により，適切なパラメータ予測AIモデルの開発を行う。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究では，AIを活用したリアルタイムでの制御パラメータ設定機能を開発し，瞬時に状況に応じた制御パラメータ設定ができれば，様々な条件下で効果的な駆動力制御が可能になると考えた。そこで，本研究では，AIを活用したリアルタイムでの適切な制御パラメータ設定機能を開発し，様々な条件下で効果的な駆動力制御が可能な制御システムの構築を最終的な目的とした。
現段階での進捗としては，PID制御を利用した自律走行アルゴリズムを開発した。また，シミュレータの開発も併せて行い，凹凸路面を走行する際の振動を抑制する速度制御アルゴリズムについても開発を行った。本アルゴリズムにより，凹凸路面による振動を低減可能であることが示唆された。また，駆動力の影響を考慮した4自由度の運動方程式を立案し，事故現場地形における制御モデルと非制御モデルの走行挙動について比較した。制御モデルはPID制御を利用して対象地形における静的な転倒角を目標値とした駆動力制御を行う仕様とした。制御パラメータは網羅的な繰り返し計算により最大姿勢角変位が最も小さくなる値を算出した。これらの比較結果から，制御モデルの理論的な検証をしてその有効性が示された。さらに，本事故事例については，有効性実証の過程で，既に300万通り以上のパラメータの組み合わせにおけるシミュレーション結果を有しており，これらのパラメータの組合せおよび車両状態・地形情報と最大姿勢角変位の組合せのデータセットは作成できた。今後，試験的に，現状得られた学習データを用いた予測精度について検証を行う。
これらの進捗状況から，1種の制御システムについては，制御モデルの構築，制御モデルの理論的な妥当性検証，供試条件下における学習用データの構築が完了している。このことから，本研究進捗状況はおおむね順調である。
|
| 今後の研究の推進方策 |
今後は，AIモデルのパラメータ予測精度の検証を行いつつ，模型車両を用いた制御効果の検証を行っていく。さらに，スライディングモード制御や状態空間モデルについてもモデルの開発・検証を進めていく。また，これらにより得られた未発表の成果は，投稿・発表の準備ができ次第，順次公表していく。
|
