強化学習を活用したPID制御系の適応パラメータ最適化手法

カテゴリ：部門大会

論文No：TC1-3

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Adaptive Parameter Optimization Method with Reinforcement Learning for PID control

著者名：秦 洋（東芝株式会社）,高野 俊也（東芝株式会社）,難波 諒（東芝株式会社）,山中 理（東芝株式会社）

著者名(英語)： Yang Qin (Toshiba Corporation),Toshiya Takano (Toshiba Corporation),Ryo Namba (Toshiba Corporation),Osamu Yamanaka (Toshiba Corporation)

キーワード：強化学習,PID制御,パラメータ調整,ロバスト性,一次遅れ系,Reinforcement learning,PID control,parameter optimizationfirst order plus dead time (FOPDT) system,first order plus dead time (FOPDT) system

要約(日本語)：The Proportional-Integral-Derivative (PID) controller plays an important role in industrial processes, aerospace industry, automotive industry and so on. However, it requires expert knowledge to tune appropriate PID parameters to achieve desired control performance and demands continuous tuning to adapt to disturbance or system variations. To address these challenges, we propose a novel adaptive parameter optimization method using reinforcement learning (RL) technology. In this method the parameters of the PID controller are adjusted adaptive to the response of the system to various disturbance and system variances.　Simulation results on a first order plus dead time (FOPDT) system demonstrate that the proposed method exhibits higher robustness compared to PID controller.

本誌掲載ページ：9-15p

原稿種別：日本語

PDFファイルサイズ：1,113Kバイト