強化学習によるモータ速度制御の実機検証

カテゴリ: 部門大会

論文No: GS4-2

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Experiment of Motor Speed Control by Reinforcement Learning Approach

著者名: 高野 俊也（東芝インフラシステムズ）,茂田 智秋（東芝インフラシステムズ）

著者名(英語): Toshiya Takano (Toshiba Infrastructure Systems & Solutions Corporation),Tomoaki Shigeta (Toshiba Infrastructure Systems & Solutions Corporation)

キーワード: 強化学習|永久磁石同期モータ|速度制御|実機検証|Reinforcement learning|Permanent Magnet Synchronous Motor|Speed Control|Experiment

要約(日本語): 近年、自動運転技術 やロボット制御 などモデルが複雑で、高度な制御が要求される分野のブレークスルー技術として、人工知能技術のひとつである強化学習(Reinforcement Learning)が注目されている。従来、モータ回転速度制御において、コンプレッサなど負荷変動下では、制御モデルを設計し、制御モデルのパラメータを繰り返し調整することで速度脈動を低減していた。このように人間系で構築していた速度制御モデルに対して、強化学習により、モデルフリー化かつパラメータ調整フリー化を実現する手法を提案し、PMSM(Permanent Magnet Synchronous Motor)シミュレーションモデルにおいて有効性を確認した。本稿では、PMSM制御実機環境において、変動負荷下での速度制御モデルを強化学習により構築し、その有効性について検討する。

PDFファイルサイズ: 1,100 Kバイト