状態フィードバック制御系のIFTにおける勾配求解実験省略のためのデータ駆動予測

カテゴリ: 部門大会

論文No: TC8-2-1

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): On deta-driven prediction for reduction of experiments for gradient computations in IFT for state feedback

著者名: 木室 佑理（電気通信大学）,池崎 太一（岡山大学）,金子 修（電気通信大学）

著者名(英語): Yusuke Kimuro (The University of Electro-Communications),Taichi Ikezake (Okayama University),Osamu Kaneko (The University of Electro-Communications)

キーワード: Iterative Feedback Control|データ駆動予測|状態フィードバック制御|ガウスニュートン法|データ駆動制御|Iterative Feedback Control|deta-driven prediction|state feedback control|Gauss-Newton method|deta-driven control

要約(日本語): IFT(Iterative Feedback Tuning)とは実験から得られたデータを利用して制御器を更新するデータ駆動制御器調整の一つである．この手法では，目標応答への追従を実際の応答と比較評価し，仕様を満たすようなパラメータをチューニングすることが可能である．IFTでは最適化手法としてガウスニュートン法(GN法)が用いられることが多いが，GN法に必要な勾配を求めるにはさらなる実験が必要になる．状態空間で勾配を求める際には，初期実験だけでなく，状態数分の実験が必要になり状態数が多いほど多大な数の実験を要する．そこで，初期実験から得られた入出力データを用いて閉ループシステムを予測するデータ駆動予測という手法を利用することで勾配実験の省略を試みた．数値例を通じて，データ駆動予測を利用したIFTは実験数を削減できることが確認された．これにより，制御器チューニングをより効率的に行うことができ，さらなる実用的な応用が期待できる．