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

基本信息

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

项目摘要

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．

2022财政年度研究结果的概述如下。 1）到目前为止，深度学习已被用来从一组输入/输出数据中估算传输函数的参数，但是多层神经网络的独特功能是一种参数估计方法，该方法同时估计了多项式和振动表示。通过同时估计，即使对于每个不擅长的信号，也可以稳定地估计参数。 2）到目前为止，我们已经使用深度学习估算了故障位置，估计了消耗零件的故障，但是只有二次系统的传输功能才能产生明显的故障位置。在2022年，可以使用深度学习在四阶传输函数中在一定程度上估算故障的位置。这是因为通过使用上述多项式和振动型同时估计方法1）现在有可能在某种程度上估算物理异常的参数变化，而物理异常的参数变化以前很难，并且估计失败位置的可能性已经扩大。 3）我们已经建立了一个框架，以防止性能恶化，以响应因故障而导致的控制性能恶化而切换进发液。采用了RBF神经网络方法来设计前馈控制器的设计，并进行了控制方法的开发以采用各种情况。 4）使用2021年制造的车辆连接系统，我们进行了一个实验，以改善容错控制的复杂性，该实验可以通过失败检测进行定期切换控制和突然的切换控制。