機械学習を用いた非線形システムの既約分解に基づく設計手法

カテゴリ: 研究会(論文単位)

論文No: CT24090

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2024/10/23

タイトル(英語): Design method based on coprime factorization of nonlinear systems using machine learning

著者名: 諸星 裕貴(東京農工大学),保科 友哉 (東京農工大学),鄧 明聡(東京農工大学)

著者名(英語): Yuuki Morohoshi(Tokyo University of Agriculture and Technology),Tomoya Hoshina(Tokyo University of Agriculture and Technology),Mingcong Deng(Tokyo University of Agriculture and Technology)

キーワード: 安定化補償器|機械学習|非線形制御|既約分解|ロバスト制御|ロバスト安定性|Stabilizing compensator|Machine learning|Nonlinear control|Coprime factorization|Robust control|Robust stability

要約(日本語): 　この論文は非線形システムの既約分解の実用化を目的としています。既約分解は多くの研究者が研究してきましたが、その制御系設計にはシステムの数理モデルが必要であるため、実務上で用いることが難しいです。そこで、この論文は非線形システムの既約分解のフィー_x000D_ ドバック制御系を機械学習を用いて構成することを提案している。まず、提案する制御系設計の手法について説明します。また、それについてのロバスト安定性の条件を示します。最後に、提案手法の有効性を示します。_x000D_

要約(英語): This paper is aimed at practical applications of coprime factorization of nonlinear systems. Although many researchers have studied coprime factorization, it is difficult to use it in _x000D_ practice because its control system design requires a mathematical model of the system._x000D_ Therefore, this paper is proposed to construct a feedback control system of coprime factorization of a nonlinear system using machine learning. First, we describe our proposed control system design methodology. Also, we show robust stability conditions for it. Finally, we show the effectiveness of the proposed method.

本誌: 2024年10月26日制御研究会

本誌掲載ページ: 23-28 p

原稿種別: 日本語

PDFファイルサイズ: 696 Kバイト