Concetti Chiave
過剰アクチュエータを持つ現代の航空機では、制御コマンドをアクチュエータに分配する非線形制御配分問題が重要となる。本研究では、人工ニューラルネットワークを用いて非線形制御配分問題を解く手法を提案する。提案手法では、制御効果マップの逆写像をニューラルネットワークで学習し、オンラインの最適化問題を解くのではなく、その学習結果を配分器として実装する。閉ループシステムにおける安定性条件を示し、ピースワイズ線形の制御効果関数とニューラルネットワークベースの配分器に関する計算上の課題を探る。提案手法の有効性を示すため、標準的な二次計画法ベースの制御配分手法と比較する。
Sintesi
本研究では、過剰アクチュエータを持つ現代の航空機における非線形制御配分問題に取り組む。従来の最適化ベースの手法では大きな計算リソースを必要とするため、人工ニューラルネットワーク(ANN)を用いた新しい手法を提案する。
提案手法の概要は以下の通り:
- 制御効果マップの逆写像をANNで学習する
- 学習結果を配分器として実装し、オンラインの最適化問題を解く必要がない
- 閉ループシステムの安定性条件を示す
- ピースワイズ線形の制御効果関数とANNベースの配分器に関する計算上の課題を分析する
- 標準的な二次計画法ベースの手法と比較し、提案手法の有効性を示す
具体的な結果は以下の通り:
- ANNの構造や学習データ量が性能に大きな影響を与える
- 提案手法は二次計画法ベースの手法と同等の性能を示しつつ、計算効率が大幅に優れる
- ピースワイズ線形の制御効果関数に対して、提案手法の最大配分誤差が線形関数となることを示した
- 閉ループシステムの安定性条件を最大配分誤差の観点から導出した
以上より、提案手法は非線形制御配分問題に対して有効な解決策となることが示された。
Statistiche
提案手法のANNモデルの最大配分誤差(∆ˆu)は0.0155以下
二次計画法ベースの手法の最大配分誤差は、ポリノミアルモデルで0.0328、スプラインモデルで0.0776
提案手法のANNモデルの計算時間は平均0.02 msec
二次計画法ベースの手法の計算時間は、ポリノミアルモデルで平均1.608 msec、スプラインモデルで平均9.013 msec