電気車の空転再粘着制御のパラメータ調整への深層強化学習の応用に向けた基礎的検討

カテゴリ: 全国大会

論文No: 5-143

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): A Fundamental Study on the Application of Deep Reinforcement Learning to the Adjustment for Readhesion Control in Electric Rolling Stock

著者名: 佐藤陽高（明治大学）,丹治寛樹（明治大学）,山下道寛（鉄道総合技術研究所）,村上隆啓（明治大学）

著者名(英語): Akitaka Sato (Meiji University , School of Science and Technology),Hiroki Tanji (Meiji University , School of Science and Technology),Michihiro Yamashita (Railway Technical Research Institute , Vehicle Technology Division ,Traction System),Takahiro Murakami (Meiji University , School of Science and Technology)

キーワード: 電気車|空転再粘着制御|接線力|深層強化学習|electric rolling stock|readhesion control|tangential force|deep reinforcement learning

要約(日本語): 電気鉄道は，電力を主電動機トルクに変換し，そのトルクで車輪を回転させることで前進し，高速かつ確実な移動を実現している。しかし，悪天候時には，車輪の回転力がレールへ十分に伝わらない空転という現象が発生しやすくなる。空転は車輪やレールの損傷につながり，それによって遅延や，場合によっては運休が引き起こされることが懸念される。そのため，十分な前進速度を確保しつつ空転を抑制する空転再粘着制御のためのパラメータ調整の方法が研究されている。今回は，粘着環境変動発生時の空転再粘着制御のためのパラメータ調整における性能改善に向けて，機械学習の一種である深層強化学習を応用したパラメータ調整が可能であることを確認した。

本誌掲載ページ: 224-225 p

原稿種別: 日本語

PDFファイルサイズ: 562 Kバイト