JP2005535025A - 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム - Google Patents
量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム Download PDFInfo
- Publication number
- JP2005535025A JP2005535025A JP2004525029A JP2004525029A JP2005535025A JP 2005535025 A JP2005535025 A JP 2005535025A JP 2004525029 A JP2004525029 A JP 2004525029A JP 2004525029 A JP2004525029 A JP 2004525029A JP 2005535025 A JP2005535025 A JP 2005535025A
- Authority
- JP
- Japan
- Prior art keywords
- control
- plant
- entropy
- control system
- quantum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B82—NANOTECHNOLOGY
- B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
- B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
Abstract
【課題】非線形運動特性を有する衝撃吸収装置を最適化するための制御システムを提供する。
【解決手段】制御システムは、最小エントロピーの物理法則と、機械的制約やライダー快適性、運転性などに関連する生物的感受制約に基づく適合(性能)関数を利用する。ある実施形態においては、遺伝的解析装置をオフラインモードで使用して、教示信号を生成する。教示信号は、知識ベースからの知識を利用して動作するファジー制御装置によって、オンラインで近似化することができる。学習システムを使用して、オンラインファジー制御装置によって使用される知識ベースを生成する。ある実施形態において、学習システムは、量子探索アルゴリズムを使用して、多数の解空間を検索し、知識ベースのための情報を得る。オンラインファジー制御装置を使用して、線形制御装置をプログラムする。
【解決手段】制御システムは、最小エントロピーの物理法則と、機械的制約やライダー快適性、運転性などに関連する生物的感受制約に基づく適合(性能)関数を利用する。ある実施形態においては、遺伝的解析装置をオフラインモードで使用して、教示信号を生成する。教示信号は、知識ベースからの知識を利用して動作するファジー制御装置によって、オンラインで近似化することができる。学習システムを使用して、オンラインファジー制御装置によって使用される知識ベースを生成する。ある実施形態において、学習システムは、量子探索アルゴリズムを使用して、多数の解空間を検索し、知識ベースのための情報を得る。オンラインファジー制御装置を使用して、線形制御装置をプログラムする。
Description
開示発明は、一般的に制御システムに関し、特に、電子制御サスペンションシステムに関する。
動的システムの出力を所望の値から逸脱させるような外乱があっても動的システムの出力を所望の値に維持するために、フィードバック制御システムが広く使用されている。例えば、サーモスタットにより制御される家庭用の空間暖房燃焼炉は、フィードバック制御システムの一例である。サーモスタットは、屋内空気温度を継続的に測定し、所望の最低温度を下回ると、サーモスタットが燃焼炉をオンにする。屋内温度が所望の最低温度に達すると、サーモスタットが燃焼炉をオフにする。サーモスタット/燃焼炉システムは、屋外温度の低下などの外乱にもかかわらず、家屋温度をほぼ一定の値に維持する。同様のタイプのフィードバック制御装置が、数多くの用途で使用されている。
フィードバック制御システムの主要な構成要素としては、制御対象の出力変数または性能特性を有する「プラント」として定義可能な制御対象の物体、機械またはプロセスがある。上記の例では、「プラント」は家屋であり、出力変数は家屋の屋内空気温度であり、外乱は家屋壁を介する熱の流れ(消散)である。プラントは、制御システムにより制御される。上記の例では、制御システムは、燃焼炉と組み合わせたサーモスタットである。サーモスタット/燃焼炉システムは、家屋の温度を維持するための単純なオン/オフフィードバック制御システムを使用している。モータシャフト位置またはモータ速度制御システムなどの数々の制御環境においては、単純なオン/オフフィードバック制御では不十分である。より高度な制御システムは、比例フィードバック制御、積分フィードバック制御、微分フィードバック制御の組み合わせに依存している。比例フィードバック+積分フィードバック+微分フィードバックに基づくフィードバック制御は、しばしばPID制御と呼ばれている。
PID制御システムは、プラントの動的モデルに基づく線形制御システムである。古典的な制御システムにおいて、線形動的モデルは、運動方程式、通常、常微分方程式の形態で得られる。プラントは、比較的線形であり、時間的に不変であり、安定していると想定されている。しかし、現実のプラントの多くは、時間的な変動があり、非線形であり、不安定である。例えば、動的モデルは、パラメータ(例えば、質量、インダクタンス、空力学的係数など)を含んでおり、これらのパラメータは、単に概数的に知られているものや可変環境に依存するものである。パラメータの変化が小さく、動的モデルが安定な場合には、PID制御装置は充分であろう。しかし、パラメータの変化が大きな場合や、動的モデルが不安定な場合には、適応型またはインテリジェント(AI)制御機能をPID制御システムに追加するのが一般的である。
AI制御システムは、PID制御装置の動作をプログラムするために、最適化装置、典型的には非線形最適化装置を使用し、これにより制御システムの全体的な動作を改善する。
古典的な高度制御理論は、平衡ポイントの近傍において、すべての制御対象の「プラント」が線形システムとして近似化されるという仮定に基づいている。しかし、この仮定は、現実に真実であることは稀である。大抵のプラントは、極めて非線形であり、単純な制御アルゴリズムを有さないことが多い。非線形制御に対するこの様な必要性を満たすために、遺伝的アルゴリズム、ファジーニューラルネットワーク、ファジー制御装置などのソフト演算コンセプトを利用するシステムが開発されている。この様な技術によって、制御システムは、制御対象の「プラント」および/または動作環境において起こり得る変化に対してそれ自体を適応させるために、時間と共に進化(変化)する。
遺伝的解析装置を使用してファジーニューラルネットワークのための教示信号を生成する場合、通常、教示信号には不必要な確率論的ノイズが含まれており、後に教示信号の近似値を生成することが難しくなる。さらに、ある動作条件(例えば、あるタイプの道路)のために生成された教示信号は、異なる環境(例えば、別のタイプの道路)に使用された場合、制御性能が劣化する。
本発明は、知識ベース(KB)の大域最適化のための量子アルゴリズム法および量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステムのためのロバストなファジー制御アルゴリズム設計を提供することによって、これらの問題点およびその他の問題点を解決する。ある実施形態においては、量子遺伝的探索アルゴリズムを使用して、様々なタイプの道路に対して良好な制御性能を提供する普遍的教示信号を生成する。ある実施形態においては、遺伝的解析装置は、各タイプの道路のためのトレーニング信号(解決策)を生成し、量子探索アルゴリズムは、普遍的トレーニング信号を生成するために必要な情報のためのトレーニング信号を検索する。ある実施形態においては、ロバストなルックアップテーブルのシミュレーションのための量子論理フィードバックを有するインテリジェントサスペンション制御システムが提供される。最小エントロピー生成速度の原則を使用して、ファジー制御のロバスト性のための条件を保証する。遺伝的量子アルゴリズムの動的シミュレーションのためのゲート設計が提供される。量子ゲートの動的解析および情報解析は、所望の精度と信頼性とを有する「良好な」解決策に導く。
ある実施形態においては、制御システムは、最小エントロピーの物理法則や、ライダー快適性や運転性などに関連する生物的感受制約に基づく適合(性能)関数を利用する。ある実施形態においては、オフラインモードで遺伝的解析装置を使用して、様々な統計的な特性を有する1以上の道路のための教示信号を生成する。各教示信号は、ある特定のタイプの道路のための遺伝的アルゴリズムによって最適化される。量子アルゴリズムを使用して、遺伝的アルゴリズムによって生成された教示信号から単一の普遍的教示信号を生成する。情報フィルタを使用して、教示信号をフィルタリングして、圧縮教示信号を生成する。知識ベースからの知識を利用して動作するファジー制御装置によって、圧縮教示信号をオンラインで近似化することができる。この制御システムを利用して、非線形で不安定で消散的なモデルにより記述される複雑なプラントを制御することができる。制御システムは、衝撃吸収装置(プラント)を制御するための洗練されたシミュレーション技術を用いるように構成されている。
ある実施形態において、制御システムは、遺伝的解析装置によってトレーニングされるニューラルネットワークなどの学習システムを備えている。遺伝的解析装置は、生物的感受制約に基づいてエントロピー生成を最小化する一方で、センサ情報を最大化する適合関数を用いる。
ある実施形態において、サスペンション制御システムは、学習制御ユニットからのエントロピーの時間微分(導関数)(すなわち、制御信号のエントロピー生成速度)と制御対象のプロセス内部のエントロピーの時間微分(制御対象のプロセスのモデル、すなわち、制御プロセスのエントロピー生成速度)との差を制御性能の尺度として用いる。ある実施形態において、エントロピー計算は、開放型動的システムとして扱われる制御対象のプロセスプラントのための運動方程式の熱力学的モデルに基づいている。
制御システムは、各解空間のための教示信号を生成する遺伝的解析装置によってトレーニングされる。最適化された制御システムは、1以上のセンサから得られるデータに基づいて最適制御信号を提供する。例えば、サスペンションシステムにおいて、複数の角度センサおよび位置センサを使用することができる。オフライン学習モードにおいて(例えば、研究室、工場、サービスセンタなどにおいて)、車両やそのサスペンションシステムの運動モデル(またはシミュレーション)を用いて、ファジールールを進化させる。運動モデルからのデータは、モデルの入出力エントロピー生成を計算するエントロピー計算装置に与えられる。入出力エントロピー生成は、ライダーの嗜好から得られる1以上の制約に制約される遺伝的解析装置のためのエントロピー生成速度の差として適合関数を計算する適合関数計算装置に与えられる。遺伝的解析装置は、適合関数を用いて、オフライン制御システムのためのトレーニング信号群を生成し、各トレーニング信号は、動作環境に対応する。量子探索アルゴリズムを使用し、普遍的教示信号を生成することによって、複数の解空間にわたる教示信号データの複雑性を低減する。オフライン制御システムからの制御パラメータ(知識ベースの形態)は、知識ベースからの情報を用いて制御戦略を展開する車両のオンライン制御システムに与えられる。
ある実施形態において、本発明は、プラントのエントロピーの時間微分(dSu/dt)と制御装置からプラントに与えられるエントロピーの時間微分(dSc/dt)とのエントロピー生成差を得ることによって、非線形対象物(プラント)を制御する方法を含む。エントロピー生成差を適合(性能)関数として使用する遺伝的アルゴリズムは、オフライン制御装置における制御ルールを進化させる。プラントの非線形安定特性は、リヤプノフ(Lyapunov)関数を用いて評価される。遺伝的解析装置は、エントロピーを最小化し、センサ情報内容を最大化する。オフライン制御装置からのフィルタリングされた制御ルールは、サスペンションシステムを制御するために、オンライン制御装置に与えられる。ある実施形態においては、オンライン制御装置は、車両サスペンションシステムにおいて1以上の衝撃吸収装置(緩衝装置)の緩衝係数を制御する。
ある実施形態において、制御方法は、また、遺伝的アルゴリズムによって制御装置の変数に関する制御ルールを進化させることを含む。遺伝的アルゴリズムは、プラントのエントロピーの時間微分(dSu/dt)とプラントに与えられるエントロピーの時間微分(dSc/dt)との差に基づく適合関数を利用する。変数は、進化させた制御ルールを用いて補正される。
ある実施形態において、本発明は、非線形プラントを制御する自己組織化(self-organizing)制御システムを含む。AI制御システムは、プラントの非線形運動方程式の熱力学的モデルを使用するように構成されたシミュレータを備えている。熱力学的モデルは、リヤプノフ関数(V)との相互作用に基づいており、シミュレータは、この関数Vを用いてプラントの状態安定性の制御を解析する。制御システムは、プラントのエントロピーの時間微分(dSu/dt)と、プラントを制御する下位レベル制御装置によってプラントに与えられるエントロピーの時間微分(dSc/dt)とのエントロピー生成差を計算する。遺伝的アルゴリズムが、このエントロピー生成差を用いて、エントロピー生成差が制約下で最小化される適合関数を得る。遺伝的アルゴリズムは、複数の解空間に対応する複数の教示信号を提供する。複数の教示信号は、大域教示信号を見付けるために量子探索アルゴリズムによって処理される。ある実施形態においては、大域教示信号をフィルタリングして確率論的ノイズを取り除く。大域教示信号は、学習プロセスを利用して1以上のファジールールを決定するファジー論理分類装置に与えられる。ファジー論理制御装置は、また、車両において制御装置の制御変数を設定する1以上の制御ルールを生成するように構成されている。
ある実施形態において、本発明は、最小生成エントロピーに基づく制御性能の新たな物理的尺度を含み、最適制御システム設計における遺伝的アルゴリズムの適合関数のためにこの尺度を用いることを含む。この方法は、制御システムにおける局所エントロピーフィードバックループを提供する。エントロピーフィードバックループは、(リヤプノフ関数を使用する)プラントの安定性と(制御システムの生成エントロピーに基づく)プラントの制御性とを関連付けることによって、最適制御構造設計を可能とする。制御システムは、例えば、機械系システム、生体機械系システム、ロボット、電気機械系システムなどを含む広範な制御システムに適用可能である。
ある実施形態において、指数的記憶容量を有する量子結合記憶装置(QuAM)が提供される。これは、単純スピン1/2(2状態)量子系を用い、量子演算子としてのパターンを表現する。ある実施形態においては、量子ニューラルネットワークにおいてQuAMを使用する。ある実施形態においては、量子演算学習アルゴリズムは、量子演算の独自機能を活用してニューラルネットワークを生成する。
本発明の上記およびその他の態様、特徴および利点は、以下の図面に関連して示された以下の説明から更に明らかになるであろう。
図面において、3桁の部材参照番号の最初の桁は、一般的に、参照される部材が最初に現れる図面番号を示す。4桁の部材参照番号の最初の2桁は、一般的に、参照される部材が最初に現れる図面番号を示す。
説明
図1は、ソフト演算に基づいてプラントを制御するための制御システム100のブロック図である。制御装置100において、基準信号yが加算器105の第1入力に与えられる。加算器105の出力は、誤差信号εであり、これはファジー制御装置(FC)143の入力および比例積分微分(PID)制御装置150の入力に与えられる。PID制御装置150の出力は、制御信号u*であり、これはプラント120の制御入力およびエントロピー計算モジュール132の第1入力に与えられる。外乱m(t)110も、プラント120の入力に与えられる。プラント120の出力は、応答xであり、これはエントロピー計算モジュール132の第2入力および加算器105の第2入力に与えられる。加算器105の第2入力は、加算器105の出力(誤差信号ε)が第1入力の値マイナス第2入力の値となるように無効化される。
説明
図1は、ソフト演算に基づいてプラントを制御するための制御システム100のブロック図である。制御装置100において、基準信号yが加算器105の第1入力に与えられる。加算器105の出力は、誤差信号εであり、これはファジー制御装置(FC)143の入力および比例積分微分(PID)制御装置150の入力に与えられる。PID制御装置150の出力は、制御信号u*であり、これはプラント120の制御入力およびエントロピー計算モジュール132の第1入力に与えられる。外乱m(t)110も、プラント120の入力に与えられる。プラント120の出力は、応答xであり、これはエントロピー計算モジュール132の第2入力および加算器105の第2入力に与えられる。加算器105の第2入力は、加算器105の出力(誤差信号ε)が第1入力の値マイナス第2入力の値となるように無効化される。
エントロピー計算モジュール132の出力は、適合関数として遺伝的解析装置(GA)131に与えられる。GA131からの出力解は、FNN142の入力に与えられる。FNN142の出力は、知識ベースとしてFC143に与えられる。FC143の出力は、ゲインスケジュールとしてPID制御装置150に与えられる。
GA131およびエントロピー計算モジュール132は、制御性能シミュレーションシステム(SSCQ)130の一部である。FNN142およびFC143は、ファジー論理分類システム(FLCS)140の一部である。
入力群および適合関数132を使用して、遺伝的アルゴリズム131は、生物進化プロセスと同様の方法で動作し、望ましくは最適な解に到達する。遺伝的アルゴリズム131は、「染色体」群(すなわち、考え得る解)を生成し、適合関数132を用いて各解を評価することによって染色体を分類する。適合関数132は、各解が適合度スケール上のどの位置にランク付けされるかを決定する。比較的適合度の高い染色体(解)は、適合度スケール上で高く評価される解に対応する染色体である。比較的適合度の低い染色体は、適合度スケール上で低く評価される解に対応する染色体である。
適合度の高い染色体は維持され(生き残り)、適合度の低い染色体は廃棄される(死に絶える)。新たな染色体が生成されて、廃棄された染色体に置き換わる。新たな染色体は、既存の染色体片を交叉させたり、突然変異を導入することによって生成される。
PID制御装置150は、線形伝達関数を有するので、制御対象の「プラント」120のための線形化運動方程式に基づいている。PID制御装置をプログラムするために使用される従来の遺伝的アルゴリズムは、通常、単純適合度を利用するので、線形化モデルに一般的に見られる低制御性の問題の解決とはならない。大抵の最適化装置の場合と同様に、最適化の成否は、最終的には性能(適合)関数の選択に依存することが多い。
(2.10)を(2.8)に代入すると、
式(2.8)より、
この場合FPK方程式から次式が得られる。
これは、下記の場合に成立する。
下記の状態を構築する。
式中、次式の量が導入され、
下記の状態を検討する。
下記のようになる。
または、下記の行列表記
そして、同様の方法で、
一般的には、
したがって、
Claims (50)
- 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステムのためのロバストなファジー制御アルゴリズム設計と知識ベースの大域最適化とのための量子探索システムであって、
ファジー論理サスペンション制御装置のための教示信号を生成するように構成された量子遺伝的探索モジュールであって、前記教示信号が様々なタイプの道路に対して所望の制御性能群を提供するように構成されている量子遺伝的探索モジュールと、
前記様々なタイプの道路の各々に対して、少なくとも1つの解が存在するように、複数の解を生成するように構成された遺伝的解析装置モジュールと、
前記教示信号を生成するための情報のために、前記複数の解を検索するように構成された量子探索モジュールとを備えた量子探索システム。 - 前記ファジー論理サスペンション制御装置のためのルックアップテーブルのシミュレーションのための量子論理フィードバックモジュールを更に備えた請求項1の量子探索システム。
- 前記遺伝的解析装置モジュールが、前記ファジー論理制御装置によって制御されるサスペンションシステムにおいてエントロピー生成を低減する適合関数を使用する請求項1の量子探索システム。
- 前記遺伝的解析装置モジュールが、最小エントロピーの物理法則と、ライダー快適性または運転性に関連する生物的感受制約とに基づく適合関数を備えている請求項1の量子探索システム。
- 前記遺伝的解析装置をオフラインモードで使用して、様々な統計的な特性を有する1以上の道路のために前記複数の解を生成する請求項1の量子探索システム。
- 前記解が、それぞれ、ある特定のタイプの道路のために、前記遺伝的解析装置によって最適化される請求項1の量子探索システム。
- 情報フィルタを使用して、前記複数の解をフィルタリングし、複数の圧縮解を生成する請求項1の量子探索システム。
- 知識ベースからの知識を利用して、前記教示信号を近似化するファジー制御装置を更に備えた請求項7の量子探索システム。
- プラントのための制御システムであって、
前記プラントを制御する線形制御装置を制御するように構成されたファジー制御装置を制御するように構成されたニューラルネットワークと、
前記ニューラルネットワークをトレーニングするように構成された遺伝的解析装置であって、生物的感受制約に基づいてエントロピー生成を低減する一方で、センサ情報を低減する適合関数を備えている遺伝的解析装置とを備えた制御システム。 - 前記遺伝的解析装置が、学習制御ユニットからの制御信号のエントロピーの時間微分と、前記プラント内部のエントロピーの時間微分との差を、制御性能の尺度として用いる請求項9の制御システム。
- 前記プラント内部のエントロピーのエントロピー計算が、開放型動的システムとして扱われる前記プラントのための運動方程式の熱力学的モデルに基づいている請求項10の制御システム。
- 前記遺伝的解析装置が、複数の解空間の各々のための教示信号を生成する請求項9の制御システム。
- 前記線形制御システムが、前記プラントを測定する1以上のセンサから得られるデータに基づいて制御信号を生成する請求項9の制御システム。
- 前記プラントが、サスペンションシステムを備え、前記1以上のセンサが、前記サスペンションシステムの構成要素の角度および位置を測定する角度センサおよび位置センサを含む請求項13の制御システム。
- 前記ファジー制御装置により使用されるファジールールを、オフライン学習モードにおいて、前記プラントの運動モデルを用いて進化させる請求項9の制御システム。
- 前記運動モデルからのデータが、前記プラントの入力エントロピー生成と出力エントロピー生成とを計算するエントロピー計算装置に与えられる請求項15の制御システム。
- 前記入力エントロピー生成と前記出力エントロピー生成とが、ライダーの嗜好から得られる1以上の制約に制約されるエントロピー生成速度の差として適合関数を計算する適合関数計算装置に与えられる請求項16の制御システム。
- 前記遺伝的解析装置が、前記適合関数を用いて、オフライン制御システムのためのトレーニング信号群を生成し、各トレーニング信号が、異なる動作環境に対応する請求項17の制御システム。
- 量子探索アルゴリズムを使用し、普遍的トレーニング信号を生成することによって、前記トレーニング信号群の複雑性を低減する請求項18の制御システム。
- オフライン制御システムからの知識ベースの形態の制御パラメータが、前記知識ベースからの情報を用いて、制御戦略を展開するオンライン制御システムに与えられ、前記知識ベースの一部が、量子探索アルゴリズムによって生成される請求項9の制御システム。
- 非線形プラントを制御する方法であって、
前記プラントのエントロピーの時間微分dSu/dtと、制御装置から前記プラントに与えられるエントロピーの時間微分dSc/dtとのエントロピー生成差を得ることと、
前記エントロピー生成差を性能関数として使用する遺伝的アルゴリズムを使用して、オフライン制御装置における制御ルールを進化させることと、
オフライン制御装置からの制御ルールをフィルタリングして、情報内容を簡約することと、
フィルタリングされた制御ルールをオンライン制御装置に与えて、前記プラントを制御することとによる方法。 - 前記オンライン制御装置を使用して、車両サスペンションシステムにおいて1以上の衝撃吸収装置の緩衝係数を制御することを更に含む請求項21の方法。
- 遺伝的アルゴリズムの使用によって、前記制御装置の変数に関する制御ルールを進化させることを更に含み、前記遺伝的アルゴリズムが、前記エントロピー生成差に基づく適合関数を使用する請求項21の方法。
- プラントの非線形運動方程式の熱力学的モデルを使用するように構成されたシミュレータと、
前記プラントのエントロピーの時間微分dSu/dtと、前記プラントを制御する線形制御装置によって前記プラントに与えられるエントロピーの時間微分dSc/dtとのエントロピー生成差に基づいて適合関数を計算する適合関数モジュールと、
前記適合関数を使用して、複数の教示信号を提供する遺伝的解析装置であって、各教示信号が解空間に対応している遺伝的解析装置と、
前記複数の教示信号から大域教示信号を見付け出すように構成された量子探索アルゴリズムモジュールと、
学習プロセスおよび前記大域教示信号を利用して、1以上のファジールールを決定するファジー論理分類装置と、
前記ファジールールを用いて、前記線形制御装置の制御変数を設定するファジー論理制御装置とを備えた自己組織化制御システム。 - 前記大域教示信号をフィルタリングして、確率論的ノイズを取り除く請求項24の自己組織化制御システム。
- 各空間におけるエントロピー生成の低減に基づく制御性能の尺度を与える適合関数を用いて、複数の空間に対応する複数の教示信号を提供する遺伝的アルゴリズムと、
プラントの安定性と、前記プラントの制御性とを関連付けることによって、制御を提供する局所エントロピーフィードバックループと、
前記複数の教示信号から大域制御教示信号を生成する量子探索モジュールとを備えた制御システム。 - 前記量子探索モジュールが、量子結合メモリを備えている請求項26の制御システム。
- 前記量子結合メモリが、量子ニューラルネットワークで使用される請求項27の制御システム。
- 前記プラントが、車両サスペンションシステムである請求項28の制御システム。
- 前記空間が、それぞれ、選択された一筋の道路の確率論的特性に対応している請求項29の制御システム。
- 衝撃吸収装置のための最適化制御方法であって、
衝撃吸収装置内部のエントロピーの時間微分と、前記衝撃吸収装置を制御する制御ユニットから前記衝撃吸収装置に与えられるエントロピーの時間微分との差を得るステップと、
遺伝的アルゴリズムおよび量子探索アルゴリズムを使用することによって前記制御ユニットの少なくとも1つの制御パラメータを最適化するステップであって、前記遺伝的アルゴリズムが、前記差を適合関数として利用し、前記適合関数が、少なくとも1つの生物的感受制約によって制約されるステップとを含む方法。 - 前記最適化ステップの前記時間微分が、前記制御ユニットから前記衝撃吸収装置に与えられたエントロピーを低減する請求項31の最適化制御方法。
- 前記制御ユニットが、ファジーニューラルネットワークを備え、ファジールールのための結合係数の値が、前記遺伝的アルゴリズムを使用することによって最適化される請求項31の最適化制御方法。
- 記制御ユニットが、オフラインモジュールとオンライン制御モジュールとを備え、
前記性能関数を利用することによって、前記遺伝的アルゴリズムに基づいて制御パラメータを最適化するステップと、
前記制御パラメータに基づいて、前記オンライン制御モジュールの前記制御パラメータを決定するステップと、
前記オンライン制御モジュールを用いて、前記衝撃吸収装置を制御するステップとを更に含む請求項31の最適化制御方法。 - 前記オフラインモジュールが、シミュレーションモデルを利用して最適化を提供し、前記シミュレーションモデルが、車両サスペンションシステムの運動モデルに基づいている請求項34の最適化制御方法。
- 前記衝撃吸収装置が、オイル通路の横断面積を変化させることによって緩衝力を変化させるように構成され、前記制御ユニットが、スロットルバルブを制御し、これにより、前記オイル通路の前記横断面積を調節する請求項34の最適化制御方法。
- プラントの制御のための方法であって、
前記プラントのモデルに与えられた制御信号のエントロピー生成速度に対応する第1のエントロピー生成速度を計算するステップと、
前記プラントの前記モデルのエントロピー生成速度に対応する第2のエントロピー生成速度を計算するステップと、
前記第1のエントロピー生成速度および前記第2のエントロピー生成速度を用いて、遺伝的最適化装置のための適合関数を決定するステップと、
前記適合関数を前記遺伝的最適化装置に与えるステップと、
教示出力を、前記遺伝的最適化装置から量子探索アルゴリズムに与え、その後、情報フィルタに与えるステップと、
前記情報フィルタからファジーニューラルネットワークに圧縮教示信号を与えるステップであって、前記ファジーニューラルネットワークが知識ベースを生成するように構成されているステップと、
前記知識ベースをファジー制御装置に与えるステップであって、前記ファジー制御装置が、誤算信号および前記知識ベースを利用して、係数ゲインスケジュールを生成するステップと、
前記係数ゲインスケジュールを線形制御装置に与えるステップとを含む方法。 - 前記遺伝的最適化装置が、1以上の制約の下、エントロピー生成を最小化する請求項37の方法。
- 前記制約の少なくとも1つが、制御性能に対するユーザの感覚的な評価に関連している請求項38の方法。
- 前記プラントの前記モデルが、サスペンションシステムのモデルを含む請求項37の方法。
- 前記第2の制御システムが、物理的プラントを制御するように構成されている請求項37の方法。
- 前記第2の制御システムが、衝撃吸収装置を制御するように構成されている請求項37の方法。
- 前記第2の制御システムが、衝撃吸収装置の緩衝率を制御するように構成されている請求項37の方法。
- 前記線形制御装置が、車両サスペンションシステムをモニタする1以上のセンサからのセンサ入力データを受信する請求項37の方法。
- 前記センサの少なくとも1つが、車両ヒーブを測定するヒーブセンサである請求項44の方法。
- 前記センサの少なくとも1つが、前記サスペンションシステムの少なくとも一部の長さの変化を測定する長さセンサである請求項44の方法。
- 前記センサの少なくとも1つが、前記車両に対する前記サスペンションシステムの少なくとも一部の角度を測定する角度センサである請求項44の方法。
- 前記センサの少なくとも1つが、前記サスペンションシステムの第2の部分に対する、前記サスペンションシステムの第1の部分の角度を測定する角度センサである請求項44の方法。
- 前記第2の制御システムが、衝撃吸収装置のスロットルバルブを制御するように構成されている請求項37の方法。
- エントロピー生成速度から制御パラメータを決定して、量子探索アルゴリズムによって見付け出された圧縮教示信号から知識ベースを生成するオフライン最適化手段と、
前記知識ベースを利用して、プラントを制御するための制御パラメータを生成するオンライン制御手段とを備えた制御装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/210,865 US20040024750A1 (en) | 2002-07-31 | 2002-07-31 | Intelligent mechatronic control suspension system based on quantum soft computing |
PCT/US2003/023727 WO2004012139A2 (en) | 2002-07-31 | 2003-07-29 | Intelligent mechatronic control suspension system based on quantum soft computing |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005535025A true JP2005535025A (ja) | 2005-11-17 |
Family
ID=31187451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004525029A Pending JP2005535025A (ja) | 2002-07-31 | 2003-07-29 | 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20040024750A1 (ja) |
EP (1) | EP1525555A2 (ja) |
JP (1) | JP2005535025A (ja) |
CN (1) | CN1672171A (ja) |
AU (1) | AU2003256997A1 (ja) |
WO (1) | WO2004012139A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018521382A (ja) * | 2015-05-05 | 2018-08-02 | キンダイ、インコーポレイテッドKyndi, Inc. | 古典的なプロセッサで量子類似計算をエミュレートするためのquanton表現 |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITVA20020069A1 (it) * | 2002-12-13 | 2004-06-14 | St Microelectronics Srl | Metodo di esecuzione di un algoritmo quantistico di |
JP3809614B2 (ja) * | 2003-02-14 | 2006-08-16 | 関西ティー・エル・オー株式会社 | 仮想パワーモニタを備えることにより制御対象の安定性を評価解析する機能を備えた制御システム |
WO2005013019A2 (en) * | 2003-07-25 | 2005-02-10 | Yamaha Motor Co., Ltd | Soft computing optimizer of intelligent control system structures |
US7251638B2 (en) * | 2004-03-03 | 2007-07-31 | Yamaha Hatsudoki Kabushiki Kaisha | Intelligent robust control system for motorcycle using soft computing optimizer |
US7769474B2 (en) * | 2005-09-20 | 2010-08-03 | Honeywell International Inc. | Method for soft-computing supervision of dynamical processes with multiple control objectives |
JP2009524857A (ja) * | 2006-01-27 | 2009-07-02 | ディー−ウェイブ システムズ,インコーポレイテッド | 断熱量子計算の方法 |
US7778951B2 (en) * | 2006-08-02 | 2010-08-17 | The Mitre Corporation | Efficient construction of quantum computational clusters using Hadamard rotations |
WO2008051218A2 (en) * | 2006-10-24 | 2008-05-02 | D & H Global Enterprise, Llc | Permanent magnet reluctance machine and controller for using the same with a system |
US8110050B2 (en) * | 2007-05-16 | 2012-02-07 | Thyssenkrupp Elevator Capital Corporation | Actively damped tension member |
US8672649B2 (en) | 2007-10-10 | 2014-03-18 | Delta T Corporation | Ceiling fan system with brushless motor |
DE602008002703D1 (de) * | 2008-02-29 | 2010-11-04 | Corning Inc | Verfahren und Vorrichtung für fallende Filmreaktoren mit integriertem Wärmeaustausch |
CN102063060B (zh) * | 2010-04-27 | 2012-12-05 | 武汉大学 | 基于fpga平台的模糊逻辑控制器在线演化优化系统 |
US8515882B2 (en) | 2010-11-18 | 2013-08-20 | International Business Machines Corporation | Efficient storage of individuals for optimization simulation |
US8489526B2 (en) | 2010-11-24 | 2013-07-16 | International Business Machines Corporation | Controlling quarantining and biasing in cataclysms for optimization simulations |
US8111083B1 (en) | 2010-12-01 | 2012-02-07 | Northrop Grumman Systems Corporation | Quantum processor |
US8631367B2 (en) | 2010-12-16 | 2014-01-14 | Northrop Grumman Systems Corporation | Methods of increasing fidelity of quantum operations |
US9109972B2 (en) | 2011-05-27 | 2015-08-18 | Paul Alan Larkin | Direct field acoustic testing system and method |
US10295434B2 (en) | 2011-05-27 | 2019-05-21 | Marcos Underwood | Direct field acoustic testing system, controls, and method |
US9563844B2 (en) | 2011-06-30 | 2017-02-07 | International Business Machines Corporation | Speculative asynchronous sub-population evolutionary computing utilizing a termination speculation threshold |
US9683912B2 (en) | 2011-10-27 | 2017-06-20 | Msi Dfat Llc | Drive signal distribution for direct field acoustic testing |
CN102501737B (zh) * | 2011-11-02 | 2013-09-04 | 青岛大学 | 一种车辆半主动悬架系统智能粒子群模糊混合控制方法 |
US9165247B2 (en) | 2012-01-04 | 2015-10-20 | International Business Machines Corporation | Using global and local catastrophes across sub-populations in parallel evolutionary computing |
WO2014062729A1 (en) * | 2012-10-15 | 2014-04-24 | Msi Dfat Llc | Direct field acoustic testing in a semi-reverberant enclosure |
CN102998976A (zh) * | 2012-11-14 | 2013-03-27 | 东南大学 | 一种智能减震结构的在线实时控制方法 |
US9944520B2 (en) * | 2013-01-15 | 2018-04-17 | Alcatel Lucent | Syndrome of degraded quantum redundancy coded states |
US9305257B2 (en) | 2013-05-20 | 2016-04-05 | International Business Machines Corporation | Adaptive cataclysms in genetic algorithms |
CN103646168A (zh) * | 2013-11-26 | 2014-03-19 | 浙江工商大学 | 微油点火预警方法 |
DE102014211171A1 (de) * | 2014-06-11 | 2015-12-17 | Continental Teves Ag & Co. Ohg | Verfahren und System zur Anpassung eines Navigationssystems |
EP3221822A1 (en) | 2014-11-21 | 2017-09-27 | Microsoft Technology Licensing, LLC | Method for efficient implementation of diagonal operators over clifford+t basis |
CA2978968C (en) * | 2015-03-09 | 2021-06-01 | Michele MOSCA | Quantum circuit synthesis using deterministic walks |
US10467226B2 (en) * | 2016-04-27 | 2019-11-05 | Tibco Software Inc | Method for in-database feature selection for high-dimensional inputs |
US11443206B2 (en) | 2015-03-23 | 2022-09-13 | Tibco Software Inc. | Adaptive filtering and modeling via adaptive experimental designs to identify emerging data patterns from large volume, high dimensional, high velocity streaming data |
AU2015413915B2 (en) * | 2015-11-06 | 2019-09-12 | Google Llc | In-situ quantum error correction |
US10429811B2 (en) | 2016-04-08 | 2019-10-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for testing convergence of closed-loop control systems |
US10229355B2 (en) * | 2016-04-13 | 2019-03-12 | Iqb Information Technologies Inc. | Quantum processor and its use for implementing a neural network |
WO2017189052A1 (en) * | 2016-04-25 | 2017-11-02 | Google Inc. | Quantum assisted optimization |
US20180046933A1 (en) * | 2016-08-11 | 2018-02-15 | Board Of Regents, The University Of Texas System | System and method for controlling a quantum computing emulation device |
WO2018080553A1 (en) * | 2016-10-24 | 2018-05-03 | Google Llc | Simulating materials using quantum computation |
US11636314B2 (en) | 2016-11-15 | 2023-04-25 | Google Llc | Training neural networks using a clustering loss |
EP3574453A1 (en) * | 2017-02-23 | 2019-12-04 | Google LLC | Optimizing neural network architectures |
CN107272707B (zh) * | 2017-08-03 | 2020-11-27 | 郑州轻工业学院 | 基于ipv6的无人车自动轨迹模糊pid跟随控制方法 |
CN109426859B (zh) * | 2017-08-22 | 2021-03-05 | 华为技术有限公司 | 神经网络训练系统、方法和计算机可读存储介质 |
DE102017218813A1 (de) * | 2017-10-20 | 2019-04-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Einstellen mindestens eines Parameters eines Aktorregelungssystems und Aktorregelungssystem |
US11334693B1 (en) * | 2018-03-07 | 2022-05-17 | Keysight Technologies Canada Inc. | Systems and methods for optimizing quantum computers |
CN110428055A (zh) | 2018-04-27 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 量子计算方法和设备 |
KR102100368B1 (ko) * | 2018-05-17 | 2020-04-14 | 한국과학기술원 | 양자 데이터베이스를 위한 효과적 양자 메모리 구조 |
CN109189007A (zh) * | 2018-07-16 | 2019-01-11 | 河海大学常州校区 | 一种面向工业机器人的能量流建模方法 |
CN108876560B (zh) | 2018-07-18 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 一种基于区块链对作品发布者进行信用评价的方法及装置 |
US11816594B2 (en) | 2018-09-24 | 2023-11-14 | International Business Machines Corporation | Stochastic control with a quantum computer |
US11514038B2 (en) * | 2018-10-25 | 2022-11-29 | Georgia Tech Research Corporation | Systems and methods for quantum global optimization |
CN109446678B (zh) * | 2018-11-02 | 2022-09-20 | 合肥工业大学 | 基于内外层嵌套的第二代非支配遗传算法的纵向连通空气悬架的几何参数优化方法 |
CN109213178A (zh) * | 2018-11-15 | 2019-01-15 | 武汉南华工业设备工程股份有限公司 | 一种航向控制方法及装置 |
CN109598149B (zh) | 2018-11-20 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 业务处理的方法和装置 |
US11238043B2 (en) | 2018-12-10 | 2022-02-01 | International Business Machines Corporation | Automatic quantum searching of object databases |
CN110046482A (zh) | 2018-12-25 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 身份核实方法及其系统 |
US20220101173A1 (en) * | 2019-02-22 | 2022-03-31 | Unm Rainforest Innovations | System and methods for producing magic states for universal quantum computation using gkp error correction |
CN109782605B (zh) * | 2019-02-27 | 2022-04-12 | 南京理工大学 | 一种用于汽车悬架系统的采样控制方法 |
JP7108579B2 (ja) * | 2019-06-03 | 2022-07-28 | 本田技研工業株式会社 | 管理装置、管理方法、およびプログラム |
CN110569979B (zh) * | 2019-09-09 | 2022-09-06 | 中国科学技术大学 | 面向嘈杂中型量子设备的逻辑-物理比特重映射方法 |
US11551130B2 (en) * | 2019-10-02 | 2023-01-10 | Microsoft Technology Licensing, Llc | Quantum computing device model discretization |
CN110778447A (zh) * | 2019-11-04 | 2020-02-11 | 云南电网有限责任公司电力科学研究院 | 一种混流式水轮发电机调速器空载pid参数优化方法 |
US20210150403A1 (en) * | 2019-11-15 | 2021-05-20 | Board Of Regents, The University Of Texas System | Methods and Circuits for Copying Qubits and Quantum Representation of Images and Signals |
CN110806688B (zh) * | 2019-11-20 | 2022-12-09 | 中山大学 | 一种时变非线性质量弹簧阻尼系统的运动控制方法 |
CN113222151B (zh) * | 2020-01-21 | 2023-09-05 | 本源量子计算科技(合肥)股份有限公司 | 一种量子态的变换方法及装置 |
CN111256697B (zh) * | 2020-02-24 | 2022-09-27 | 哈尔滨工业大学 | 一种针对路径点聚类机器学习的无人机航迹规划方法 |
CN111439086B (zh) * | 2020-03-27 | 2022-10-25 | 荣成市莫林汽车科技有限公司 | 一种基于粒子群优化的车辆isd悬架pdd控制理想模型 |
US11823010B2 (en) * | 2020-05-28 | 2023-11-21 | IonQ, Inc. | Accelerated pattern matching method on a quantum computing system |
US20200326667A1 (en) * | 2020-06-24 | 2020-10-15 | Intel Corporation | Robust multimodal sensor fusion for autonomous driving vehicles |
CN112817988B (zh) * | 2021-01-06 | 2022-11-15 | 贵阳迅游网络科技有限公司 | 一种企业业务的同步加速方法 |
CN113110031A (zh) * | 2021-04-23 | 2021-07-13 | 石河子大学 | 基于遗传算法优化的模糊pid主动悬架控制系统及方法 |
US20220391705A1 (en) | 2021-05-27 | 2022-12-08 | QC Ware Corp. | Training Classical and Quantum Algorithms for Orthogonal Neural Networks |
US11294797B1 (en) * | 2021-06-22 | 2022-04-05 | Classiq Technologies LTD. | Debugger for quantum computers |
US11569821B2 (en) | 2021-06-22 | 2023-01-31 | Northrop Grumman Systems Corporation | Superconducting exclusive-OR (XOR) gate system |
CN113627469B (zh) * | 2021-07-01 | 2024-02-09 | 北京科技大学 | 一种基于模糊推理算法的热轧带钢板形凸度预测的方法 |
TWI822072B (zh) * | 2022-06-01 | 2023-11-11 | 崑山科技大學 | 基於螞蟻演算法的最佳狀態回授控制器 |
WO2024006919A1 (en) * | 2022-06-30 | 2024-01-04 | Advanced Energy Industries, Inc. | Estimation law modules for an adaptive engine |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02283513A (ja) * | 1989-04-22 | 1990-11-21 | Mitsubishi Electric Corp | サスペンション制御装置 |
US6398736B1 (en) * | 1999-03-31 | 2002-06-04 | Mayo Foundation For Medical Education And Research | Parametric imaging ultrasound catheter |
US6578018B1 (en) * | 1999-07-27 | 2003-06-10 | Yamaha Hatsudoki Kabushiki Kaisha | System and method for control using quantum soft computing |
DE60031401D1 (de) * | 2000-03-09 | 2006-11-30 | St Microelectronics Srl | Verfahren und hardware-architektur zur prozesssteuerung oder zur datenverarbeitung mittels quantumsoftdatenverarbeitung |
US6675154B2 (en) * | 2001-02-23 | 2004-01-06 | Magiq Technologies, Inc. | Method and system for the quantum mechanical representation and processing of fuzzy information |
-
2002
- 2002-07-31 US US10/210,865 patent/US20040024750A1/en not_active Abandoned
-
2003
- 2003-07-29 AU AU2003256997A patent/AU2003256997A1/en not_active Abandoned
- 2003-07-29 EP EP03772055A patent/EP1525555A2/en not_active Withdrawn
- 2003-07-29 JP JP2004525029A patent/JP2005535025A/ja active Pending
- 2003-07-29 CN CNA038181738A patent/CN1672171A/zh active Pending
- 2003-07-29 WO PCT/US2003/023727 patent/WO2004012139A2/en not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018521382A (ja) * | 2015-05-05 | 2018-08-02 | キンダイ、インコーポレイテッドKyndi, Inc. | 古典的なプロセッサで量子類似計算をエミュレートするためのquanton表現 |
US11205135B2 (en) | 2015-05-05 | 2021-12-21 | Kyndi, Inc. | Quanton representation for emulating quantum-like computation on classical processors |
Also Published As
Publication number | Publication date |
---|---|
CN1672171A (zh) | 2005-09-21 |
EP1525555A2 (en) | 2005-04-27 |
US20040024750A1 (en) | 2004-02-05 |
WO2004012139A3 (en) | 2005-02-24 |
WO2004012139A2 (en) | 2004-02-05 |
AU2003256997A8 (en) | 2004-02-16 |
AU2003256997A1 (en) | 2004-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005535025A (ja) | 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム | |
US6496761B1 (en) | Optimization control method for shock absorber | |
US6950712B2 (en) | System and method for nonlinear dynamic control based on soft computing with discrete constraints | |
US6701236B2 (en) | Intelligent mechatronic control suspension system based on soft computing | |
JP2005538886A (ja) | 少なくされた数のセンサーを用いるファジー制御装置 | |
JP2000170592A (ja) | ソフト計算に基づくエンジンのインテリジェント制御システム | |
US6411944B1 (en) | Self-organizing control system | |
Kuo et al. | GA-based fuzzy PI/PD controller for automotive active suspension system | |
US6721718B2 (en) | System for intelligent control based on soft computing | |
Huang et al. | Adaptive fuzzy controller with sliding surface for vehicle suspension control | |
Ren et al. | Identification and control of continuous-time nonlinear systems via dynamic neural networks | |
US20060293817A1 (en) | Intelligent electronically-controlled suspension system based on soft computing optimizer | |
Li et al. | Genetic algorithm automated approach to the design of sliding mode control systems | |
US6463371B1 (en) | System for intelligent control of a vehicle suspension based on soft computing | |
Pal et al. | Self-tuning fuzzy PI controller and its application to HVAC systems | |
JP2005310114A (ja) | ソフト演算最適化装置を用いた自動二輪車のためのインテリジェントロバスト制御システム | |
EP3404497B1 (en) | A method and system for providing an optimized control of a complex dynamical system | |
US20030028267A1 (en) | Method and system for controlling setpoints of manipulated variables for process optimization under constraint of process-limiting variables | |
US20040039555A1 (en) | System and method for stochastic simulation of nonlinear dynamic systems with a high degree of freedom for soft computing applications | |
Lin et al. | DSP-based self-organising fuzzy controller for active suspension systems | |
Rhinehart | Nonlinear model-predictive control using first-principles models | |
Huang et al. | Application of a fuzzy enhance adaptive control on active suspension system | |
JP2021152702A (ja) | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 | |
JP7111761B2 (ja) | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 | |
CN111781821B (zh) | SISO紧格式无模型控制器基于Attention机制循环神经网络的参数自整定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060418 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090514 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090924 |