多段階モデルを用いたシステムパラメータ変動検出および分類手法の開発

カテゴリ: 研究会(論文単位)

論文No: CT23039

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2023/02/01

タイトル(英語): Development of system change detection and classification using a multi-step model

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|多段階モデル|system change classification|deep learning|time-series data|Long-Short Term Memory|multi-step model

要約(日本語): プロセス制御の現場においては適切な制御パラメータを設定することが求められるが，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(Long-Short Term Memory)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,2022)を応用し，多段階モデルを用いた変動分類を行うことで複数のパラメータが同時に変動する場合の変動分類手法の開発を行う．

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 develops a multi-step model for detection and classifying the system variability using LSTM(Long-Short Term Memory), which is suitable long-term time series data.

本誌: 2023年2月4日-2023年2月5日制御研究会-2

本誌掲載ページ: 65-69 p

原稿種別: 日本語

PDFファイルサイズ: 1,223 Kバイト