適用対象と制御方式の拡大に向けたデータ駆動型制御法の開発

开发数据驱动的控制方法以扩展适用的目标和控制方法

基本信息

批准号：
21K04123
负责人：
若佐裕治
金额：
$ 2.58万
依托单位：
Yamaguchi University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04123/
关键词：
データ駆動型制御非線形要素深層学習

项目摘要

本研究では、主に線形システムを対象として開発されているデータ駆動型制御法に対して、制御系設計における代表的な非線形要素である不感帯、飽和、ヒステリシスなどが制御対象に含まれる場合にも統一的に良好な制御性能を達成できるよう、制御法の適用対象の範囲の拡大を検討する。また、近年進展が著しい深層学習の要素技術を応用して、高速モデリングが可能な非線形要素モデルの表現形式を開発するとともに、データ駆動型制御法の適応制御、ロバスト制御、分散制御への拡張により、このアプローチを充実させ、体系化を図る。本年度は、まず制御系における典型的な非線形要素を表現可能な、簡易ニューラルネットワークの開発を検討した。とくに、非線形要素として、不感帯を特別な場合として含むヒステリシスを扱い、これを深層学習分野で近年よく用いられる正規化線形関数を活性化関数とするニューラルネットワークで表現し、高速にモデリングするための基礎的な方法を提案した。この結果を第31回計測自動制御学会中国支部学術講演会において発表した。また、近年通信ネットワークを介して分散化された制御システム環境への対応が必要となってきているが、その対応策の一つである事象駆動型制御に対して、データ駆動型制御法を組み合わせることによって、制御対象のモデルを用いることなく、入出力データのみから、状態フィードバック制御系を構成する方法を提案した。この結果をSICE Annual Conference 2022において発表した。さらに、機械学習分野において非線形性を扱う際に有効性が認められているカーネル法を応用して、制御系における非線形要素を統一的に表現し、最適制御をベースにしたデータ駆動型制御の枠組みで、非線形要素の推定と制御系の制御を行う手法を提案した。

在这项研究中，即使控制目标是代表性的非线性元素，饱和度和磁滞，这是控制系统设计中的典型非线性元素，主要用于为线性系统开发的数据驱动的控制方法。适用于实现统一良好控制绩效的控制方法。此外，近年来，通过应用出色的发展元素技术以及数据驱动的控制方法的适应控制，可靠的控制方法，强大的控制和扩展到扩展来开发可以执行高速建模的非线性元素模型的表达格式。分布式控制，增强此方法并系统化。今年，我们首先考虑了一个简单的神经网络的发展，该网络可以在控制系统中表达典型的非线性元素。特别是，作为一种非线性元素，一种在特殊情况下包括特殊情况的歇斯底里，在神经网络中表示，该神经网络在最近的归一化线函数中表达，通常在深度学习领域中使用，作为激活功能和高速建模。这一结果是在中国自动控制学会的第31自动社会中提出的。近年来，有必要通过通信网络响应受控的控制系统环境，但是它与数据驱动的控制方法相结合，这是事件类型的控制方法，这是措施之一。仅在不使用控制目标模型的情况下，仅在输入 /输出数据中的输入 /输出数据中制作状态反馈控制系统。该结果在2022年SICE年度会议上宣布。此外，通过应用机械学习领域的非线性识别的内核方法，控制系统中的非线性元素是均匀表达的，并且最佳控制型-Type Controled框架基于最佳控制。估计非线性元件和控制控制系统。