システムのモデル化・モデル化誤差・制御とその相互関係に関する研究
【研究分野】計測・制御工学
【研究キーワード】
学習ペトリネットワーク / ニューラルネットワーク / 自己組織化 / モデル化 / モデル化誤差 / ロバスト制御 / 領域極配置 / L・T・R / モデル / Loop Transfer Recovery / 学習ペトソネットワーク
【研究成果の概要】
[非線形システムの自己組織的モデル化]
ニューラルネットワークを用いた機能局在型ネットワークによる自己組織化的モデル化の提案,ニューラルネットワークの学習機能に倣った学習ペトリネットワークによる自己組織化的モデル化の提案を行い,非線形システムの同定において両者とも通常のニューラルネットワークより良い結果が得られた.また、非線形ダイナミックスを線形近似モデルで推定し,非線形性による誤差をニューラルネットワークで補償するという提案を行い,非線形システムの同定にて良い結果を得た.
「非線形システムのモデル化および制御]
制御対象である非線形システムの公称モデルとして線形モデルを作成し,これで表せない非線形部分をニューラルネットワークで表現し制御系設計を行う方法について,以下のような方法を考案した.新たなパラメータの導入により線形/非線形を統一的に表現,認識できるニューラルネットワークの開発とそれによる同定手法,微分方程式とニューラルネットワークを組み合わせたシステム同定および適応制御手法,ネットワーク内の信号の冗長性に着目した最適なニューラルネットワーク構成法,フィルタを用いた学習型線形/非線形混合制御器の構築法.これらはシミュレーションにてその有効性を確認した.
[分布定数系のモデル化・モデル化誤差・制御]
モデル化誤差存在下で,一定の応答を保証する制御系の極の指定領域極配置・2次形式評価関数最小化,を満たす状態フィードバック系の設計法を提案.指定領域極配置・2次形式評価関数最小化・オブザーバ使用によるロバスト安定性劣化の回復,という複数の要求を満たす多目的最適化設計法を提案し,両者ともその有効性を非線形性をもつクレーン制御のシミュレーションにて確認した.
【研究代表者】