入出力データの動特性を考慮したCNNによるシステム変動検出法に関する一研究

カテゴリ: 部門大会

論文No: TC6-5

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): Study on a Detection of Control Performance Degradation by CNN Considering Dynamic Characteristics of Input/Output Data

著者名: 川本 敦史（広島大学）,木下 拓矢（広島大学）,林田 智弘（広島大学）,山本 透（広島大学）

著者名(英語): Atsushi Kawamoto (Hiroshima University), Takuya Kinoshita (Hiroshima University), Tomohiro Hayashida (Hiroshima University), Toru Yamamoto (Hiroshima University)

キーワード: 畳み込みニューラルネットワーク|制御性能劣化の検知|機械学習機械学習|convolutional neural network|detection of control performance degradation|machine learning

要約(日本語): 近年，人がシステムに介在するヒューマン・イン・ザ・ループが注目されており，制御性能の劣化の検出を人が行う事例がある．一方，制御性能劣化を自動検出する手法として，K-近傍法，カルマンフィルタが提案されているが、これらの方式はデータの次元が高い場合や、モデルの精度が低い場合にうまく適用できない場合がある．また，制御性能評価を行い自動で制御性能を調整する制御方法も提案されているが，検出窓の幅の大きさによって誤検知が発生する場合がある．そのような場合には，人による検出の方が正確である。そこで本研究では時系列データを対象に，入出力データの動特性を考慮したCNNを用いた教師あり学習による制御性能劣化の検出法を提案する．数値例では，提案法は従来法よりも精度よく制御性能劣化を検出できることを確認した．