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

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，我们将考虑扩大控制方法的应用范围，即使控制目标包括死区，饱和度，磁滞和控制系统设计中其他典型的非线性元素。此外，通过应用深度学习的元素技术，近年来一直在取得重大进展，我们为非线性元素模型开发了一种表示形式，可用于高速建模，并通过扩展数据驱动的控制方法来适应性控制，强大的控制和分布式控制，这种方法得到了增强和系统化。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，我们处理滞后，将死区作为非线性元素，作为一种特殊情况，并在使用归一化线性函数的神经网络中表达这一点，这些函数通常在深度学习领域作为激活功能，并提出了一种以高速建模的基本方法。这些结果在测量和控制学会的中国分支机构的第31届学术讲座上介绍。近年来，有必要通过通信网络对分布式控制系统环境做出响应，并通过将事件驱动的控制方法结合起来，这是对策之一，我们提出了一种仅基于输入/输出数据来构建状态反馈控制系统的方法，而无需使用模型来控制。这些结果在2022年SICE年度会议上介绍。此外，我们提出了一种方法，用于估算非线性元素并使用内核方法控制控制系统，在处理机器学习领域的非线性时，该方法在统一的方式和控制元件中估算了一个元素和控制元素，该方法在处理机器学习领域的非线性元素时被认为有效。