LSTMを用いた制御対象のシステムパラメータ変動検出および分類手法の改良

カテゴリ: 研究会(論文単位)

論文No: CT22002

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2022/01/05

タイトル(英語): Improvement of system change detection and classification method using LSTM

著者名: 森 仁紀(広島大学),林田 智弘(広島大学),西崎 一郎(広島大学),関崎 真也(広島大学)

著者名(英語): Satoki Mori(Hiroshima University),Tomohiro Hayashida(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University)

キーワード: システム変動分類|深層学習|時系列データ|ＬＳＴＭ|学習データ|system fluctuation classification|deep learning|time series data|Lomg-Short Term Memory|training data

要約(日本語): プロセス制御の現場において適切な制御パラメータを設定することは重要であり外的要因や経年変化などによりシステム特性が変動した場合，制御パラメータを再設定する必要がある．本研究では，長期の時系列特性を持つデータに適合したLSTM を用いてシステム変動の検出と分類をするための手法(森ら,2021)における教師データを適切に与えることで，パフォーマンス向上を実現する．

要約(英語): In a process control , it is important to set appropriate control parameters．If the system characteristics change due to external factors or changes in the characteristics of the internal structure, it is necessary to modify the control parameters. This study improves a method for detection and classifying the system variability using LSTM, which is suitable for long-term time series data by using appropriate training data.

本誌: 2022年1月8日-2022年1月9日制御研究会-1

本誌掲載ページ: 5-11 p

原稿種別: 日本語

PDFファイルサイズ: 1,130 Kバイト