深層強化学習型拡張カルマンフィルタによる非線形外乱を考慮した最適サーボ制御系

カテゴリ：研究会(論文単位)

論文No：MEC25016

グループ名：【D】産業応用部門 メカトロニクス制御研究会

発行日：2025/12/10

タイトル(英語)：Optimal servo control system considering nonlinear disturbances using a deep reinforcement learning-based extended kalman filter

著者名：柳沢 宗(芝浦工業大学),桑原 央明(芝浦工業大学)

著者名(英語)： Shu Yanagisawa(Shibaura Institute of Technology),Hiroaki Kuwahara(Shibaura Institute of Technology)

キーワード：非線形外乱補償,最適サーボ制御,状態推定,カルマンフィルタ,深層強化学習,Nonlinear Disturbance Compensation,Optimal Servo Control,State Estimation,Kalmanfilter,Deep Reinforcement Learning

要約(日本語)：本研究では、ノイズなどの非線形外乱に適応する最適サーボ制御システムを提案する。提案手法では、エージェントがノイズ特性を適応的に学習し、共分散行列を調整する深層強化学習型拡張カルマンフィルタ（DRL-EKF）を導入する。さらに、DRL-EKFを最適サーボ系に統合した設計手法を提示し、その有効性を示す。

要約(英語)：This study proposes an optimal servo control system that adapts to nonlinear disturbances, including complex noise. The proposed method incorporates a deep reinforcement learning-based extended kalman filter (DRL-EKF) , in which an agent autonomously acquires noise behavior and adaptively regulates the covariance matrices in real time. Furthermore, a design framework integrating the DRL-EKF into the optimal servo control system is presented. The effectiveness of the proposed method is validated through simulation results.

本誌：2025年12月13日メカトロニクス制御研究会

本誌掲載ページ：17-22p

原稿種別：日本語

PDFファイルサイズ：1,318Kバイト