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

点击翻译按钮获取中文摘要

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．