強化学習を活用したPIDパラメータ最適化手法

カテゴリ: 部門大会

論文No: GS3-1

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Parameter Optimization of PID Controllers by Using Reinforcement Learning

著者名: 秦 洋（東芝インフラシステムズ）,高野 俊也（東芝インフラシステムズ）,難波 亮（東芝インフラシステムズ）,山中 理（東芝インフラシステムズ）

著者名(英語): YANG QIN (TOSHIBA Infrastructure Systems & Solution Cooperation),TOSHIYA TAKANO (TOSHIBA Infrastructure Systems & Solution Cooperation),Ryo Namba (TOSHIBA Infrastructure Systems & Solution Cooperation),Osamu Yamanaka (TOSHIBA Infrastructure Systems & Solution Cooperation)

キーワード: PID制御|パラメータ調整|強化学習|1次遅れ系|PID control|parameter optimization|reinforcement learning|first-order plus time-delay

要約(日本語): 上下水道処理や石油化学プラントのようなプラント制御システムでは、比例積分微分(PID)制御が広く利用されている。通常、プロセスモデルに対して所望の制御となるようにPID制御のパラメータを調整する。しかしながら、長期運用による設備の経年劣化や運転環境の変化に対応するためには制御パラメータを人手により再調整するなど、手間を要していた。このような課題に対して、AI手法のひとつである強化学習が自動制御の最適化運用を支援するための革新的な技術として注目されている。本論文では、1次遅れ系の線形伝達関数と非線形下水道システムにおける溶存酸素濃度制御に対して、強化学習を活用したPIDパラメータ自動調整方法を検討する。