| 研究課題/領域番号 |
20K04537
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
國松 禎明 熊本大学, 大学院先端科学研究部(工), 助教 (30379309)
|
|---|
| 研究分担者 |
水本 郁朗 熊本大学, 大学院先端科学研究部(工), 教授 (30239256)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 耐故障制御 / 故障検出 / 深層学習 |
|---|
| 研究実績の概要 |
令和3年度における研究実績の概要は以下のとおりである．
1) これまで安定な制御系に対して，センサ・アクチュエータの同時故障が発生した場合でも，受動定理に基づいて耐故障制御が実現可能であることを示してきた．しかし，モデル化誤差がない前提での手法となっており，現実には存在するモデル化誤差に対応する必要あった．そこで，モデル化誤差が存在する場合でもロバスト安定性を保証できる可能性が高いことを示した．
2) 機械学習を用いた制御対象の故障箇所推定について，制御対象の次数が小さい場合には，ステップ応答波形から，物理的な故障箇所を推定可能であることが例証できた．次数が大きい場合には，物理的な故障箇所の推定までには至らなかったが，伝達関数の係数に関する異常については推定できることを例証した．
3) 個々に独立した駆動系を持つ車両を2つ連結したシステムを製作し，自動的にセンサ故障の検出と駆動系の切り替えを行う実機実験を行った．実際に駆動中の信号データから故障判定を自動的に行い，その故障検出から駆動系を自動的に切り替えることで，車両の走行を継続することに成功した．
4) これまでセンサ故障検出後にフィードフォワード制御器を切り替えることで，制御系の性能を保証する枠組みを構築してきた．切り替えるフィードフォワード制御器の設計に小脳モデルに基づく手法を採用することで，フィードフォワード制御器の切り替えに新たな可能性があることを示した．
|
| 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
以下の進捗状況から，研究はおおむね順調に進展していると考えている．
1) これまで安定な制御系に対して，センサ・アクチュエータの同時故障が発生した場合でも，受動定理に基づいて耐故障制御が実現可能であることを示してきた．センサ・アクチュエータの同時故障において，モデル化誤差が存在する場合でもロバスト安定性を保証できる可能性が高いことを確認できた．
2) 機械学習を用いた制御対象の故障箇所推定について，制御対象の次数が小さい場合には，ステップ応答波形から，物理的な故障箇所を推定可能であることが例証できた．低次数ではあるが，リアルタイムに推定可能なことを例証できたことから，実用化できる可能性があることを確認できた．
3) これまでの実用化に向けての検証はすべてシミュレーションによって行っていた．ところが，令和3年度は個々に独立した駆動系を持つ車両を2つ連結したシステムを製作し，自動的にセンサ故障の検出と駆動系の切り替えを行う実機実験を行い，車両の走行を継続することに成功した．この実験によって，実用化できる可能性があることを確認できた．
|
| 今後の研究の推進方策 |
令和4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）センサ・アクチュエータの同時故障に対して，モデル化誤差がある場合でも安定化が実現可能な設計方法は導出できているが，故障の誤検出に対するロバスト性などの検証については不十分であるため，検出方法の更なる改善を試みる．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) 消耗部品の故障なども想定し，機械学習による故障箇所推定を行ってきたが，まだ低次数のシステムにしか故障箇所推定が実現できていないため，より高次の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）作製した車両連結システムを活用して，故障検出と制御器の切り替えによる耐故障制御の実用化に向けた様々な実験を行い，提案手法の実用面からみた改良を行う．
|
| 次年度使用額が生じた理由 |
（理由）新型コロナウイルスの影響で，予定していた出張が取りやめになったため．
（使用計画）計算機にて機械学習を実行する際，1回の計算に多くの演算時間がかかっており，多くのパターンを実行することができない．このため，性能の高い計算機をもう1台購入予定である．
|
