JP2021040239A - 機械学習装置、受信装置及び機械学習方法 - Google Patents
機械学習装置、受信装置及び機械学習方法 Download PDFInfo
- Publication number
- JP2021040239A JP2021040239A JP2019160413A JP2019160413A JP2021040239A JP 2021040239 A JP2021040239 A JP 2021040239A JP 2019160413 A JP2019160413 A JP 2019160413A JP 2019160413 A JP2019160413 A JP 2019160413A JP 2021040239 A JP2021040239 A JP 2021040239A
- Authority
- JP
- Japan
- Prior art keywords
- information
- coefficient
- digital filter
- unit
- machine learning
- 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
- 238000010801 machine learning Methods 0.000 title claims description 124
- 238000004891 communication Methods 0.000 claims abstract description 121
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 58
- 230000009471 action Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 22
- 230000002093 peripheral effect Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003754 machining Methods 0.000 description 52
- 238000010586 diagram Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 11
- 230000002787 reinforcement Effects 0.000 description 9
- 238000005457 optimization Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013641 positive control Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/04—Control of transmission; Equalising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0052—Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H2017/0072—Theoretical filter design
- H03H2017/0081—Theoretical filter design of FIR filters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0061—Error detection codes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Numerical Control (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
【解決手段】通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、通信線に外乱を生じさせる装置の動作予定情報に基づいてデジタルフィルタの係数を調整する係数調整部と、動作予定情報に含まれる動作情報と動作情報に対応するデジタルフィルタの係数又は係数の修正情報との組み合わせを記録する情報テーブルと、を備えた受信装置であって、係数調整部は、動作予定情報に含まれる動作情報に基づいて情報テーブルからデジタルフィルタの係数又は係数の修正情報を求めて、デジタルフィルタの係数を調整する。
【選択図】図1
Description
このような外乱を含む外乱の影響を取り除くため、通信においては受信回路でアナログフィルタ又はデジタルフィルタが用いられる。
具体的には、特許文献1には、デジタル変調波を受信復調する受信部であって、前段のアナログフィルタと、アナログフィルタの特性を補うべくタップ係数によりそのフィルタ特性を可変可能なデジタルフィルタとを備え、テスト信号発生部は受信部にテスト用信号TSを供給し、エラー状態検出部は受信部によるテスト用信号のデジタル復調信号RSに基づき所定のエラー状態ERを検出し、そして、タップ係数設定部は検出されたエラー状態に基づきこれを少なくする方向のタップ係数を順次仮設定して上記テスト処理を繰り返すと共に、最終的にエラー状態を最小とする様なタップ係数を本設定するデジタル無線通信装置が記載されている。
前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、
前記動作予定情報に含まれる動作情報と、該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、
前記係数調整部は、前記動作予定情報に含まれる前記動作情報に基づいて前記情報テーブルから前記デジタルフィルタの係数又は該係数の修正情報を求めて、前記デジタルフィルタの係数を調整する、受信装置である。
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得する状態取得部と、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力する行動情報出力部と、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得する判定情報取得部と、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与える報酬計算部と、を有し、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習装置である。
通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、該デジタルフィルタの係数を調整する係数調整部と、前記デジタルフィルタの出力に基づいて通信エラーを検出する通信エラー検出部と、前記機械学習装置から出力される、前記通信線に前記外乱を生じさせる装置の動作情報及び最適化された前記係数又は該係数の調整情報を示す情報テーブルと、を備えた受信部と、
を備えた受信装置である。
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得し、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力し、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得し、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与え、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習方法である。
図1は本開示の第1の実施形態の受信装置の機械学習後の構成を示すブロック図である。図2は本開示の第1の実施形態の受信装置の機械学習中の構成を示すブロック図である。
図1及び図2に示すように、受信装置10は、受信部100と機械学習部200とを備えている。受信装置10が設けられる装置は特に限定されないが、例えば、工作機械、ロボット、産業機械等を制御する制御装置、又は制御装置と接続される周辺機器もしくはI/Oユニット等である。機械学習部200は受信部100に含まれてもよい。制御装置は数値制御装置であってもよい。
受信部100は、アナログフィルタ101、デジタルフィルタ102、データ処理部103、通信エラー検出部104、係数調整部105、及び情報テーブル106を備えている。情報テーブルには、加工種類又は動作種類と、機械学習により設定されたデジタルフィルタ102の最適な係数の修正情報との組み合わせ(エラーレートが最小となるように学習された学習済モデルとなる)が記録されている。
図2に示す破線は機械学習中において情報の送受信は行われない経路を示している。
デジタルフィルタ102は、アナログフィルタ101の出力を受信し、アナログフィルタ101のフィルタ特性を補う。
アナログフィルタ101及びデジタルフィルタ102は、通信線に加わる外乱を除去又は減衰する。なお、外乱の除去がデジタルフィルタ102で十分な場合は、アナログフィルタ101は設けなくともよい。
アナログフィルタ101は、フィルタ特性が使用部品で決まるために、実装後にパラメータを調整してフィルタ特性を変えることは困難である。デジタルフィルタ102はパラメータの調整により、フィルタ特性を変更することができる。
通信エラー検出部104は、機械学習中においてCRC(Cyclic Redundancy Check)を用いて、デジタルフィルタ102から出力される出力信号の誤り検出を行い、通信の誤りの頻度(エラーレート)を求め、機械学習部200に出力する。CRCは誤り検出符号の一種で、デジタル通信において、誤り(エラー)の検出に使われる。通信の誤りの頻度(エラーレート)は通信エラーの状況を示す情報となるが、通信エラーの状況を示す情報は通信の誤りの頻度以外のパラメータを用いてもよい。また、CRC以外の誤り検出符号を用いて誤りの検出を行ってもよい。
通信エラー検出部104により検出される誤りは、例えば、通信線を通して入力される信号に加えられる外乱によって生じる。外乱としては、工場環境においては、例えば、工作機械、搬送機等の産業機械又は産業用ロボットを駆動するモータ、周辺機器を駆動する電磁弁(ソレノイドバルブ)又は電磁継電器(リレー)による外乱があげられる。
加工予定情報は、工作機械の動作を制御する上位装置となるPLC(Programmable Logic Controller)から係数調整部105に送信される。なお、PLC以外の装置が上位装置となる構成をとってもよい。
表1は、通信線がI/Oユニットと工作機械とを接続し、通信線が加工種類によって工作機械M1のモータによる外乱の影響を受ける場合に、工作機械M1の加工種類(加工P1〜P3)と係数の異なるデジタルフィルタF1〜F3を設定するための係数修正情報との対応関係を示す。
また、表1は、当該通信線の周囲に他の工作機械M2が配置され、通信線が工作機械M1による加工P1による外乱の他に、工作機械M2の加工P4による外乱の影響を受ける場合に、工作機械M1と工作機械M2との加工P1、P4とデジタルフィルタF1を設定するための係数修正情報との対応関係を示す。表1において、フィルタの修正情報は、加工種類に対応するデジタルフィルタを設定するための係数修正情報を示す。なお、情報テーブル106に記録される情報は、係数修正情報に限定されず、修正された係数であってもよい。
(1)受信装置10を有する制御装置が、加工プログラムに基づいて工作機械のモータを駆動するアンプを制御するとともに、I/Oユニットから受信装置10で信号を受ける場合、アンプにより駆動されるモータによって、制御装置とI/Oユニットとを接続する通信線にモータによる外乱が加わる場合がある。
工作機械がモータを用いて駆動される場合、モータの動作とモータを制御する加工プログラムとが関連付けられる。そこで、機械学習部200は、複数の加工プログラムを取得し、複数の加工プログラムから特定される加工の種類ごとにエラーレートを用いて、デジタルフィルタ102の係数を学習する。受信装置10がI/Oユニットに設けられた場合でも同様に、機械学習部200は、制御装置から加工プログラムを取得し、加工プログラムから特定される加工の種類ごとにエラーレートを用いて、デジタルフィルタ102の係数を学習することができる。
受信装置10を有する制御装置によって駆動される、工作機械M1(図4では機械M1として示されている)のモータが、複数の加工プログラムにより駆動され、機械M1が加工P1、加工P2、加工P3、加工P1の処理をこの順で行う。加工P1、加工P2、加工P3はそれぞれ加工処理が異なるため、モータによって生ずる外乱が異なる。機械学習部200は、加工プログラムから特定される加工の種類ごと(加工P1、加工P2及び加工P3のそれぞれ)にデジタルフィルタ102の係数を調整して、係数の異なるフィルタF1、F2、F3を構成する。この対応関係は表1に示した対応関係と同じであり、機械学習部200は学習により求められた加工種類に対するデジタルフィルタ102の最適な係数の修正情報を送り、係数調整部105は加工種類とデジタルフィルタ102の最適な係数の修正情報との組み合わせを情報テーブル106に記録する。表1に加工P1〜P3とフィルタの係数の修正情報に関する表が示される。
図5は、工作機械となる機械が2台並んでいる場合の加工の種類を示す図である。
受信装置10を有する制御装置によって駆動される、工作機械M1(図5では機械M1として示されている)のモータが、複数の加工プログラムにより駆動され、工作機械M1が加工P1、加工P2、加工P3、加工P1の処理をこの順で行う。加工P1、加工P2、加工P3はそれぞれ加工処理が異なるため、モータによって生ずる外乱が異なる。また、工作機械M2(図5では機械M2として示されている)のモータが、複数の加工プログラムにより駆動され、工作機械M2が加工P4、加工P5、加工P6の処理をこの順で行う。加工P4、加工P5、加工P6はそれぞれ加工処理が異なるため、モータによって生ずる外乱が異なる。
この場合、例えば、加工P1、加工P3は工作機械M2のモータが駆動しない期間(例えば、図5の期間T1は工作機械M2のモータが駆動しない期間)を含み、この期間では上記(1)で説明したフィルタF1、F3にフィルタの係数が設定されればよい。
この場合、機械学習部200は、加工P1における工作機械M2のモータが駆動しない期間T1に学習を行い、また加工P1と加工P4が同時に行われる、工作機械M1及びM2の各モータが駆動する期間T2に学習を行う。機械学習部200は学習されたデジタルフィルタ102の係数が同一か係数の変更量が少ない場合には、加工P4による外乱がないか、外乱による影響が小さいと判断して、期間T2において、デジタルフィルタ102の係数を変更せず、デジタルフィルタ102をフィルタ1に設定するようにすることができる。表1に加工P1及び加工P4とフィルタ1の係数の修正情報とに関する表が示される。
なお、工作機械M2に置き替えて、電磁弁(ソレノイドバルブ)又は電磁継電器(リレー)を有する周辺機器を配置した場合、電磁弁又は電磁継電器による外乱の影響は大きいことが想定され、その場合には、期間T2において学習を周辺機器について行い、デジタルフィルタ102の係数を設定する。
なお、工作機械、産業機械、産業用ロボット、又は周辺機器の複数が信号線近傍に配置され、例えば、上記(2)で説明したように、1つの工作機械M1において、加工又は動作が行われているときに(例えば期間T1+期間T2の期間)、加工又は動作の途中で他の工作機械M2の加工又は動作が行われ(例えば、期間T2)、新たな外乱が信号線に加わる場合がある。この場合には、加工又は動作の重複期間で学習を行うために、工作機械M2における加工又は動作が開始する時刻に関する情報が必要となる場合がある。この場合は、機械学習部200は、工作機械、産業機械、産業用ロボット、又は周辺機器を制御する制御装置から、加工又は動作が開始する時刻に関する情報を取得することができる。また機械学習部200は、工作機械、産業機械、産業用ロボット、又は周辺機器の複数の動作を制御する上位装置となるPLC(Programmable Logic Controller)から、加工又は動作の種類、加工又は動作が開始する時刻のいずれか又は両方に関する情報を取得することもできる。
機械学習により、エラーレートに基づいてFIRフィルタのフィルタ特性を調整する方法については特許文献1に記載されており、本実施形態において、機械学習部200として同様な方法を採用することができる。
なお、以下の説明では機械学習部200が強化学習を行う場合について説明するが、機械学習部200が行う学習は特に強化学習に限定されず、例えば、教師あり学習を行う場合にも本発明は適用可能である。強化学習の詳細については、例えば、特開2018−152012号公報、特開2019−021024号公報等に記載されているので、以下の説明では、本実施形態に適用される機械学習部200について簡単に説明する。
教師あり学習が、完全な正解を示すのに対して、強化学習における報酬は、環境の一部の変化に基づく断片的な値であることが多い。このため、エージェントは、将来にわたっての報酬の合計を最大にするように行動を選択するように学習する。
Q学習では、或る状態Sのとき、取り得る行動Aのなかから、価値Q(S,A)の最も高い行動Aを最適な行動として選択することを目的とする。
この更新式は、状態Stにおける行動Atの価値Q(St,At)よりも、行動Atによる次の状態St+1における最良の行動の価値maxa Q(St+1,A)の方が大きければ、Q(St,At)を大きくし、逆に小さければ、Q(St,At)を小さくすることを示している。つまり、或る状態における或る行動の価値を、それによる次の状態における最良の行動の価値に近づける。ただし、その差は、割引率γと報酬rt+1のあり方により変わってくるが、基本的には、ある状態における最良の行動の価値が、それに至る一つ前の状態における行動の価値に伝播していく仕組みになっている。
以上説明をしたQ学習を機械学習部200が行う。
強化学習を行うために、図6に示すように、機械学習部200は、状態取得部201、学習部202、判定情報取得部203、行動情報出力部204、最適化行動情報出力部205及び価値関数記憶部206を備える。
以下、図6及び図7を用いて、機械学習部200の動作について説明する。以下の説明では、機械学習部200が上述した(1)における動作を実行する例について説明する。
図6に示すように、ステップS21において、状態取得部201は最初の状態Sの状態情報として、工作機械M1の制御装置から加工の種類(加工プログラムの種類に対応する)、例えば加工P1を取得し、係数調整部105からデジタルフィルタ102の係数となる、FIRフィルタのタップ係数h(i)(0≦i≦N−1)を取得する。また、判定情報取得部203は、受信装置10の通信エラー検出部104から判定情報としてエラーレートを取得する。
ステップS22において、学習部202の行動情報生成部2022は、デジタルフィルタ102となるFIRフィルタのフィルタ特性を微小変動(微小増加又は微小減少)させるようにタップ係数h(i)を修正する情報を生成し、行動情報出力部204はタップ係数h(i)を修正する情報を行動情報として係数調整部105に送る。なお、行動情報を受信した係数調整部105は、受信した行動情報に基づいて現在の状態Sに係るFIRフィルタのタップ係数h(i)(0≦i≦N−1)を修正する。タップ係数h(i)(0≦i≦N−1)が修正された状態S’により、工作機械M1は加工P1を行う。
ステップS23において、状態取得部201は、新たな状態S’における、加工の種類となる加工P1を取得し、係数調整部105からデジタルフィルタ102の係数となる、FIRフィルタのタップ係数h(i)(0≦i≦N−1)を取得する。また、判定情報取得部203は、受信装置10の通信エラー検出部104から判定情報として新たな状態S’における、エラーレートを取得する。
一方、状態S’におけるエラーレートが状態Sにおけるエラーレートよりも減少したときは、ステップS26において、報酬を正の値とする。状態S’におけるエラーレートが状態Sにおけるエラーレートと同じときは、ステップS27において、報酬をゼロとする。なお、報酬の負の値、正の値について重みづけを行うようにしてもよい。
なお、最適化行動情報を受信した係数調整部105は、受信した最適化行動情報と加工の種類となる加工P1を示す情報とに基づいてFIRフィルタのタップ係数h(i)(0≦i≦N−1)の修正情報を加工P1と対応づけて情報テーブル106に記憶する。
以上の学習を加工P2、P3について行うことで表1の加工P1〜P3とフィルタの係数の修正情報に関する表が作成できる。
これらの機能ブロックを実現するために、受信装置10は、CPU(Central Processing Unit)等の演算処理装置を備える。また、受信装置10は、アプリケーションソフトウェアやOS(Operating System)等の各種の制御用プログラムを格納したHDD(Hard Disk Drive)等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのRAM(Random Access Memory)といった主記憶装置も備える。
<機械学習部が受信装置の外部に設けられた変形例>
本変形例では、機械学習部は受信装置と独立して設けられるため、機械学習装置と呼ぶ。
図8は受信部と機械学習装置とを含む受信装置の他の構成例を示すブロック図である。図8に示す受信装置10Aは、n(nは2以上の自然数)個の受信部100−1〜100−nと、n個の機械学習装置200−1〜200−nと、受信部100−1〜100−nとn個の機械学習装置200−1〜200−nとを接続するネットワーク300とを備えている。n(nは2以上の自然数)個の受信部100−1〜100−nは工作機械、ロボット、産業機械等を制御する制御装置、又は制御装置と接続される周辺機器もしくはI/Oユニット等に含まれる。
受信部100−1〜100−nは受信部100と同じ構成を有し、機械学習装置200−1〜200−nは図6に示した機械学習部200と同じ構成を有している。
上述した実施形態では、受信部100−1〜100−nと、機械学習装置200−1〜200−nとはそれぞれ1対1の組とされて通信可能に接続されているが、例えば1台の機械学習装置が複数の受信部とネットワーク300を介して通信可能に接続され、各受信部のデジタルフィルタの機械学習を実施するようにしてもよい。
その際、1台の機械学習装置の各機能を、適宜複数のサーバに分散する、分散処理システムとしてもよい。また、クラウド上で仮想サーバ機能等を利用して、1台の機械学習装置の各機能を実現してもよい。
(1)本開示の第1の態様は、通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、
前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、
前記動作予定情報に含まれる動作情報と、該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、
前記係数調整部は、前記動作予定情報に含まれる前記動作情報に基づいて前記情報テーブルから前記デジタルフィルタの係数又は該係数の修正情報を求めて、前記デジタルフィルタの係数を調整する、受信装置である。
本開示の受信装置によれば、外乱を生じさせる装置の動作予定情報に基づいて、周囲で発生する外乱に対して適したデジタルフィルタの調整が可能となる。
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得する状態取得部と、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力する行動情報出力部と、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得する判定情報取得部と、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与える報酬計算部と、を有し、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習装置である。
本開示の機械学習装置によれば、外乱を生じさせる装置の動作情報に基づいて、周囲で発生する外乱に対して適したデジタルフィルタの係数を学習することができる。
通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、該デジタルフィルタの係数を調整する係数調整部と、前記デジタルフィルタの出力に基づいて通信エラーを検出する通信エラー検出部と、前記機械学習装置から出力される、前記通信線に前記外乱を生じさせる装置の動作情報及び最適化された前記係数又は該係数の調整情報を示す情報テーブルと、を備えた受信部と、
を備えた受信装置である。
本開示の受信装置によれば、外乱を生じさせる装置の動作情報に基づいて、周囲で発生する外乱に対して適したデジタルフィルタの調整が可能となる。
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得し、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力し、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得し、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与え、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習方法である。
本開示の機械学習装置によれば、外乱を生じさせる装置の動作情報に基づいて、周囲で発生する外乱に対して適したデジタルフィルタの係数を学習することができる。
100 受信部
200 機械学習部
101 アナログフィルタ
102 デジタルフィルタ
103 データ処理部
104 通信エラー検出部
105 係数調整部
201 状態取得部
202 学習部
203 判定情報取得部
204 行動情報出力部
205 最適化行動情報出力部
206 価値関数記憶部
200−1〜200−n 機械学習装置
300 ネットワーク
(1)本開示の第1の態様は、通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、
前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、
前記動作予定情報に含まれる動作情報と、該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、を備え、
前記係数調整部は、前記動作予定情報に含まれる前記動作情報に基づいて前記情報テーブルから前記デジタルフィルタの係数又は該係数の修正情報を求めて、前記デジタルフィルタの係数を調整する、受信装置である。
本開示の受信装置によれば、外乱を生じさせる装置の動作予定情報に基づいて、周囲で発生する外乱に対して適したデジタルフィルタの調整が可能となる。
Claims (11)
- 通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、
前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、
前記動作予定情報に含まれる動作情報と、該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、
前記係数調整部は、前記動作予定情報に含まれる前記動作情報に基づいて前記情報テーブルから前記デジタルフィルタの係数又は該係数の修正情報を求めて、前記デジタルフィルタの係数を調整する、受信装置。 - 前記装置は工作機械、ロボット、産業機械又は周辺機器であり、前記動作情報は前記工作機械の加工の種類、又はロボット、産業機械もしくは周辺機器の動作の種類に関する情報である、請求項1に記載の受信装置。
- 前記動作情報は加工プログラム又は動作シーケンスプログラムに基づいて求められる請求項2に記載の受信装置。
- 通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、前記動作予定情報に含まれる動作情報と該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、前記デジタルフィルタの出力に基づいて通信エラーを検出する通信エラー検出部と、を備えた受信部に対して、前記デジタルフィルタの最適な係数を機械学習する機械学習装置であって、
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得する状態取得部と、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力する行動情報出力部と、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得する判定情報取得部と、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与える報酬計算部と、を有し、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習装置。 - 前記報酬の値と、前記状態情報とに基づいて価値関数を更新する価値関数更新部を備える、請求項4に記載の機械学習装置。
- 前記価値関数更新部により更新された価値関数に基づいて、前記係数調整部に前記係数の調整情報を出力する最適化行動情報出力部を備えた請求項5に記載の機械学習装置。
- 通信エラーの状況を示す前記判定情報は、通信の誤り頻度である、請求項4から6のいずれか1項に記載の機械学習装置。
- 前記装置は工作機械、ロボット、産業機械又は周辺機器であり、前記動作情報は前記工作機械の加工の種類、又はロボット、産業機械もしくは周辺機器の動作の種類に関する情報である、請求項4から7のいずれか1項に記載の機械学習装置。
- 前記動作情報は加工プログラム又は動作シーケンスプログラムに基づいて求められる請求項4から8のいずれか1項に記載の機械学習装置。
- 請求項4から9のいずれか1項に記載の機械学習装置と、
通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、該デジタルフィルタの係数を調整する係数調整部と、前記デジタルフィルタの出力に基づいて通信エラーを検出する通信エラー検出部と、前記機械学習装置から出力される、前記通信線に前記外乱を生じさせる装置の動作情報及び最適化された前記係数又は該係数の調整情報を示す情報テーブルと、を備えた受信部と、
を備えた受信装置。 - 通信線を介して受信する信号に含まれる外乱を除去又は減衰させるデジタルフィルタと、前記通信線に前記外乱を生じさせる装置の動作予定情報に基づいて前記デジタルフィルタの係数を調整する係数調整部と、前記動作予定情報に含まれる動作情報と該動作情報に対応する前記デジタルフィルタの係数又は該係数の修正情報との組み合わせを記録する情報テーブルと、前記デジタルフィルタの出力に基づいて通信エラーを検出する通信エラー検出部と、を備えた受信部に対して、前記デジタルフィルタの最適な係数を機械学習する機械学習装置の機械学習方法であって、
前記通信線に前記外乱を生じさせる装置の動作情報と、前記デジタルフィルタの係数を状態情報として取得し、
前記状態情報に含まれる前記係数の調整情報を含む行動情報を前記係数調整部に出力し、
前記通信エラー検出部から通信エラーの状況を示す判定情報を取得し、
前記判定情報に基づいて、前記通信エラーの変動に対して報酬を与え、
前記報酬の値を用いて、前記通信エラーが少なくなるように前記デジタルフィルタの最適な係数を機械学習する、機械学習方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019160413A JP2021040239A (ja) | 2019-09-03 | 2019-09-03 | 機械学習装置、受信装置及び機械学習方法 |
US16/991,285 US20210065025A1 (en) | 2019-09-03 | 2020-08-12 | Machine learning device, receiving device and machine learning method |
DE102020210730.0A DE102020210730A1 (de) | 2019-09-03 | 2020-08-25 | Maschinenlernvorrichtung, empfangsvorrichtung und maschinenlernverfahren |
CN202010898810.9A CN112446500A (zh) | 2019-09-03 | 2020-08-31 | 机器学习装置、接收装置以及机器学习方法 |
JP2023127841A JP2023159893A (ja) | 2019-09-03 | 2023-08-04 | 受信装置及び機械学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019160413A JP2021040239A (ja) | 2019-09-03 | 2019-09-03 | 機械学習装置、受信装置及び機械学習方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023127841A Division JP2023159893A (ja) | 2019-09-03 | 2023-08-04 | 受信装置及び機械学習方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021040239A true JP2021040239A (ja) | 2021-03-11 |
Family
ID=74679903
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019160413A Pending JP2021040239A (ja) | 2019-09-03 | 2019-09-03 | 機械学習装置、受信装置及び機械学習方法 |
JP2023127841A Pending JP2023159893A (ja) | 2019-09-03 | 2023-08-04 | 受信装置及び機械学習方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023127841A Pending JP2023159893A (ja) | 2019-09-03 | 2023-08-04 | 受信装置及び機械学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210065025A1 (ja) |
JP (2) | JP2021040239A (ja) |
CN (1) | CN112446500A (ja) |
DE (1) | DE102020210730A1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011014029A (ja) * | 2009-07-03 | 2011-01-20 | Nakamura Tome Precision Ind Co Ltd | 工作機械の衝突防止方法 |
JP2011146909A (ja) * | 2010-01-14 | 2011-07-28 | Tokai Rika Co Ltd | 電子キーシステムのアンテナ構造 |
JP2012062044A (ja) * | 2010-08-20 | 2012-03-29 | Tokai Rika Co Ltd | 通信制御システム |
JP2015216613A (ja) * | 2013-10-09 | 2015-12-03 | 株式会社デンソー | 歪み補償システム及び通信装置 |
JP2017216568A (ja) * | 2016-05-31 | 2017-12-07 | 富士通株式会社 | 伝送装置 |
WO2018139397A1 (ja) * | 2017-01-26 | 2018-08-02 | 日本電気株式会社 | 無線通信装置、無線通信端末、無線通信システム、無線通信方法及び記録媒体 |
JP2019049968A (ja) * | 2017-07-21 | 2019-03-28 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | プロセス制御システムにおける暗号化されたトラフィックのためのファイアウォール |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3476662B2 (ja) | 1997-10-17 | 2003-12-10 | 富士通株式会社 | ディジタル移動無線通信装置 |
JP6176238B2 (ja) * | 2012-03-01 | 2017-08-09 | 日本電気株式会社 | デジタル信号処理装置、受信装置、及び信号送受信システム |
JP6490127B2 (ja) | 2017-03-15 | 2019-03-27 | ファナック株式会社 | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 |
JP6538766B2 (ja) | 2017-07-18 | 2019-07-03 | ファナック株式会社 | 機械学習装置、サーボモータ制御装置、サーボモータ制御システム、及び機械学習方法 |
-
2019
- 2019-09-03 JP JP2019160413A patent/JP2021040239A/ja active Pending
-
2020
- 2020-08-12 US US16/991,285 patent/US20210065025A1/en active Pending
- 2020-08-25 DE DE102020210730.0A patent/DE102020210730A1/de active Pending
- 2020-08-31 CN CN202010898810.9A patent/CN112446500A/zh active Pending
-
2023
- 2023-08-04 JP JP2023127841A patent/JP2023159893A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011014029A (ja) * | 2009-07-03 | 2011-01-20 | Nakamura Tome Precision Ind Co Ltd | 工作機械の衝突防止方法 |
JP2011146909A (ja) * | 2010-01-14 | 2011-07-28 | Tokai Rika Co Ltd | 電子キーシステムのアンテナ構造 |
JP2012062044A (ja) * | 2010-08-20 | 2012-03-29 | Tokai Rika Co Ltd | 通信制御システム |
JP2015216613A (ja) * | 2013-10-09 | 2015-12-03 | 株式会社デンソー | 歪み補償システム及び通信装置 |
JP2017216568A (ja) * | 2016-05-31 | 2017-12-07 | 富士通株式会社 | 伝送装置 |
WO2018139397A1 (ja) * | 2017-01-26 | 2018-08-02 | 日本電気株式会社 | 無線通信装置、無線通信端末、無線通信システム、無線通信方法及び記録媒体 |
JP2019049968A (ja) * | 2017-07-21 | 2019-03-28 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | プロセス制御システムにおける暗号化されたトラフィックのためのファイアウォール |
Also Published As
Publication number | Publication date |
---|---|
US20210065025A1 (en) | 2021-03-04 |
CN112446500A (zh) | 2021-03-05 |
JP2023159893A (ja) | 2023-11-01 |
DE102020210730A1 (de) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10730182B2 (en) | Action information learning device, robot control system and action information learning method | |
US8825185B2 (en) | Delay compensation for feedback controllers | |
JP6514257B2 (ja) | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 | |
US10061286B2 (en) | Model predictive control using wireless process signals | |
CN110376965B (zh) | 机器学习装置、控制装置以及机器学习方法 | |
JP5697899B2 (ja) | 連続的にスケジュールされるモデルパラメータに基づく適応制御装置 | |
JP5015416B2 (ja) | 状態に基づいて適応するフィードバック/フィードフォワードpidコントローラ | |
JP6474449B2 (ja) | 調整装置及び調整方法 | |
JP6901450B2 (ja) | 機械学習装置、制御装置及び機械学習方法 | |
JP6490131B2 (ja) | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 | |
US20180210431A1 (en) | Action information learning device, action information optimization system and computer readable medium | |
JP2018152012A (ja) | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 | |
US11592789B2 (en) | Output device, control device, and method for outputting evaluation functions and machine learning results | |
JP6956122B2 (ja) | フィルタの係数を最適化する機械学習システム、制御装置及び機械学習方法 | |
US11126149B2 (en) | Control parameter adjusting device and adjusting method using machine learning | |
JPWO2015004885A1 (ja) | 電動機の制御装置 | |
JP6841801B2 (ja) | 機械学習装置、制御システム及び機械学習方法 | |
JP6806746B2 (ja) | モータ制御装置 | |
JP2019021087A (ja) | 制御装置、制御装置の制御方法、情報処理プログラム、および記録媒体 | |
JP2021040239A (ja) | 機械学習装置、受信装置及び機械学習方法 | |
CN111722530B (zh) | 机器学习装置、控制系统以及机器学习方法 | |
Hatori et al. | Teleoperation with variable and large time delay based on MPC and model error compensator | |
JP6469320B1 (ja) | サーボ制御装置 | |
Ratcliffe et al. | Robustness analysis of an adjoint optimal iterative learning controller with experimental verification | |
WO2021251226A1 (ja) | 制御支援装置、制御装置及び制御支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200623 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220517 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230620 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231212 |