機械学習による高精度故障検出システムを用いるアクティブ型耐故障制御に関する研究

基于机器学习的高精度故障检测系统主动容错控制研究

• 批准号: 20K04537
• 负责人: 國松 禎明
• 金额: $ 2.75万
• 依托单位: Kumamoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K04537/
• 关键词: 耐故障制御; 故障検出; 深層学習; 機械学習

令和4年度における研究実績の概要は以下のとおりである．1) これまで深層学習を用いて1組の入出力データから伝達関数のパラメータ推定を行ってきたが，多層ニューラルネットワークならではの特徴として，多項式表現と振動型表現を同時に推定するパラメータ推定手法を提案した．同時に推定することによって，それぞれの不得意な信号に対しても安定してパラメータ推定ができるようになった．2) これまで消耗部品の故障なども想定し，深層学習による故障箇所推定を行ってきたが，2次系の伝達関数でしか明確な故障箇所推定を行えていなかった．令和4年度では4次系の伝達関数に対しても深層学習を利用して瞬時に故障箇所推定をある程度行えるようになった．これは上記1)の多項式・振動型の同時推定手法を用いることによって，今までは難しかった物理的な異常に対するパラメータ変動もある程度推定することができるようになったためであり，故障箇所推定の可能性が広がった．3) 故障に伴う制御性能の劣化に対して，フィードフォワード制御器を切り替えることで性能劣化を防ぐ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RBFニューラルネットワークによる手法を採用して，色々な状況を想定した制御手法の開発を行った．4）令和3年度に作製した車両連結システムを活用して，定期的な切り替え制御と故障検出による突発的な切り替え制御を実現する耐故障制御の高度化に向けた実験を行った．

2020财年的研究成果总结如下。 1）到目前为止，深度学习一直被用来从一组输入和输出数据来估计传递函数的参数，但作为多层神经网络独有的特征，我们提出了一种同时估计多项式表达式的参数估计方法和振荡表达式。通过同时估计它们，即使对于我们不擅长的信号，我们现在也能够稳定地估计参数。 2）到目前为止，我们假设易损件发生故障，并使用深度学习来估计故障位置，但我们只能使用二次系统传递函数来清楚地估计故障位置。 2020年，利用四阶传递函数的深度学习在一定程度上瞬时估计故障位置成为可能。这是因为，通过使用上述1)中描述的多项式/振动型同时估计方法，可以在一定程度上估计由于物理异常而导致的参数波动，这在以前是困难的，并且可以估计故障性的地点已经扩大。 3）为了应对因故障导致的控制性能恶化，我们构建了一个通过切换前馈控制器来防止性能恶化的框架。我们采用了使用 RBF 神经网络的方法来设计切换的前馈控制器，并开发了一种假设各种情况的控制方法。 4）利用2021财年创建的车辆耦合系统，进行了旨在改进容错控制的实验，该实验实现了基于故障检测的周期性切换控制和突发切换控制。

项目成果

ASPR based Adaptive Anti-Windup Control for Adaptive Output Feedback Control with PFC and Adaptive Feedforward Input

基于 ASPR 的自适应抗饱和控制，用于具有 PFC 和自适应前馈输入的自适应输出反馈控制

• 发表时间: 2022
• 期刊: Proc. of the 13th Asian Control Conference (ASCC 2022)
• 作者: Yongjie Yu;Sadaaki Kunimatsu;Ikuro Mizumoto
• 通讯作者: Ikuro Mizumoto

Adaptive output feedback control with cerebellar model articulation controller-based adaptive PFC and feedforward input

采用基于小脑模型关节控制器的自适应 PFC 和前馈输入的自适应输出反馈控制

• DOI: 10.1080/18824889.2022.2035925
• 发表时间: 2022
• 期刊: SICE Journal of Control, Measurement, and System Integration
• 作者: Nozomu Otakara;Kota Akaike;Sadaaki Kunimatsu;Ikuro Mizumoto
• 通讯作者: Ikuro Mizumoto

受動定理に基づく耐故障制御系のロバスト性について

基于无源定理的容错控制系统的鲁棒性研究

• 发表时间: 2021
• 作者: 本田 康平;奥田 裕之;鈴木 達也;望月絢斗，小口俊樹;田中 秀幸，池田 建司;齋藤 華弥汰，國松 禎明
• 通讯作者: 齋藤 華弥汰，國松 禎明

機械学習によるパラメータ推定と故障箇所推定への 応用に関する試み

将机器学习应用于参数估计和故障定位估计的尝试

• 发表时间: 2022
• 作者: Darmaraju Shalini;Kamal Md Abdus Samad;Shanmugavel Madhavan;Tan Chee Pin;齋藤 華弥汰，國松 禎明
• 通讯作者: 齋藤 華弥汰，國松 禎明

センサ・アクチュエータの同時故障に対する故障検出と耐故障サーボに関する研究

传感器/执行器同时故障的故障检测与容错伺服研究

• 发表时间: 2020
• 作者: Kamal Md Abdus Samad;Hashikura Kotaro;Hayakawa Tomohisa;Yamada Kou;Imura Jun-ichi;Kenji Ikeda and Hideyuki Tanaka;Ito Hiroshi;牧山幸右，國松禎明
• 通讯作者: 牧山幸右，國松禎明