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

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。

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。