システムの動特性を考慮したCNN によるシステム変動検出法とその特徴量の抽出に関する一考察

カテゴリ: 研究会(論文単位)

論文No: CT24103

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2024/12/04

タイトル(英語): Study on a System Variation Detection by CNN Considering System Dynamic Characteristics and its Feature Extraction

著者名: 川本 敦史(広島大学),木下 拓矢(広島大学),林田 智弘(広島大学),山本 透(広島大学)

著者名(英語): Atsushi Kawamoto(Hiroshima University),Takuya Kinoshita(Hiroshima University),Tomohiro Hayashida(Hiroshima Unviersity),Toru Yamamoto(Hiroshima Unviersity)

キーワード: ＣＮＮ|制御性能評価|機械学習|CNN|control performance evaluation|machine learning

要約(日本語): K近傍法やカルマンフィルタ，スマート適応制御は制御性能劣化の自動検出に用いられるが，データ次元の増大やモデル精度の低下により効果が限定され，人間による検出が優れる場合もある。本研究では，入出力データの動的特性を考慮したCNNを用いた教師あり学習手法を提案する。数値例により，本手法が従来手法よりも高精度に制御性能劣化を検出できることを示す。

要約(英語): K-nearest neighbor, Kalman filter, and smart adaptive control methods face challenges with high-dimensional data or low model accuracy. This study proposes a CNN-based supervised learning approach, accounting for input-output dynamics in time-series data. Numerical results demonstrate that the proposed method outperforms conventional schemes in detecting control performance degradation.

本誌: 2024年12月7日制御研究会

本誌掲載ページ: 7-12 p

原稿種別: 日本語

PDFファイルサイズ: 2,103 Kバイト