LSTMを用いたシステムの変動検出および分類手法の改良

カテゴリ: 部門大会

論文No: TC1-6

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Improvement of detection and classification methods of system fluctuation using LSTM

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),Ichirou Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: システム変動検出|システム変動分類|深層学習|時系列データ|LSTM|detection of System Fluctuation|classification of system fluctuation|deep learning|time series data|Long-Short Term Memory

要約(日本語): PID制御はプロセス制御の現場において主力の制御方法であり，適切な制御パラメータを設定することで，優れた制御性能を発揮することができる．一方で，外的要因や内部構造の特性の変化などにより，システム特性が変動した場合には，制御パラメータを再設定する必要があるが，システムの特性が変動している対象に対して，適切に制御パラメータを設定することは困難である．そのため，システム変動の種類を推定し変動を検知することは制御パラメータを再設定する際に有用である．本研究では，機械学習の一種であり，内部に信号をフィードバックする構造を持つリカレントニューラルネットワークのなかでも，長期の時系列特性を持つデータの取り扱いに適したLSTMを用いる．また，システムパラメータを変動させたデータを複数ステップごとに学習データとして与えてシステム変動の特徴を学習させ，LSTMからの出力値を用いて分類する手法を提案する．