JP7060080B2 - 組み合わせ制御システム、組み合わせ制御方法、および、組み合わせ制御プログラム - Google Patents
組み合わせ制御システム、組み合わせ制御方法、および、組み合わせ制御プログラム Download PDFInfo
- Publication number
- JP7060080B2 JP7060080B2 JP2020504732A JP2020504732A JP7060080B2 JP 7060080 B2 JP7060080 B2 JP 7060080B2 JP 2020504732 A JP2020504732 A JP 2020504732A JP 2020504732 A JP2020504732 A JP 2020504732A JP 7060080 B2 JP7060080 B2 JP 7060080B2
- Authority
- JP
- Japan
- Prior art keywords
- control
- action
- actions
- subcontroller
- combination control
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/029—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and expert systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Feedback Control In General (AREA)
Description
図1は、本発明による組み合わせ制御システムの第一の実施形態の構成例を示すブロック図である。図2は、本発明による組み合わせ制御システムの第一の実施形態の構成例を示す説明図である。本実施形態の組み合わせ制御システムは、プラント制御のための異なる制御アプローチを組み合わせる。
想定される各サブコントローラの内容は、以下で説明される。
次いで、分類器/結合器105は、プラント106で作動される最終的な制御アクションを出力する。
次に、本発明の組み合わせ制御システムの第二の実施形態を説明する。図4は、本発明による第二の実施形態の組み合わせ制御システムの構成例を示すブロック図である。図5は、本発明による第二の実施形態の組み合わせ制御システムの構成例を示す説明図である。
101 予測器
102 学習サブコントローラ
103 モデル予測サブコントローラ
104 代替サブコントローラ
105 分類器/結合器
106 プラント
108 メインコントローラ
110 出力
111,112,113 予測器
120 サブコントローラ
Claims (10)
- 異なる種類のプラント制御を組み合わせた組み合わせ制御システムであって、
予測器による予測結果に基づいて、前記プラント制御のためのアクションをそれぞれ出力する複数のサブコントローラと、
前記サブコントローラのそれぞれが出力する前記アクションに基づき、アンサンブル法を使用して、最適な制御アクションとして、予測を最大化するためのアクション、または、パフォーマンスを制御するためのアクションを、結合または切り替える、コンピュータとを備え、
前記複数のサブコントローラは、少なくとも2種類のサブコントローラを含み、
第1の種類のサブコントローラは、アクションを計算するために最小化されるコスト関数である目的関数を最適化し、制御のためのアクションを出力する最適化ベースのサブコントローラであり、
第2の種類のサブコントローラは、機械学習モデルに基づいてアクションを予測し、予測されたアクションを出力する予測型のサブコントローラである
ことを特徴とする組み合わせ制御システム。 - 複数の第1の種類のサブコントローラにおいて、目的関数はそれぞれ異なる
請求項1記載の組み合わせ制御システム。 - 第1の種類のサブコントローラは、1つ以上の状態および制御の制約を使用して目的関数を最適化し、
少なくとも2つの第2の種類のサブコントローラは、異なる機械学習モデルに基づいてアクションを予測する
請求項1または請求項2記載の組み合わせ制御システム。 - コンピュータは、一連の制御アクションおよび各サブコントローラによって出力される予測されたアクションにより作動する最適な制御アクションを計算する
請求項1から請求項3のうちのいずれか1項に記載の組み合わせ制御システム。 - プラントの動特性および制約を使用することにより、一連の制御アクションおよび各サブコントローラによって出力される予測されたアクションにより作動する最適な制御アクションを計算するメインコントローラをさらに備えた
請求項1から請求項3のうちのいずれか1項に記載の組み合わせ制御システム。 - コンピュータは、最適な制御アクションを計算し、
メインコントローラは、プラントの動特性および制約を使用することにより、作動する最終的な最適アクションを計算する
請求項5記載の組み合わせ制御システム。 - 異なる種類のプラント制御を組み合わせた組み合わせ制御方法であって、
アクションを計算するために最小化されるコスト関数である目的関数を最適化し、予測器による予測結果に基づいて、制御のためのアクションを出力し、
機械学習モデルに基づいてアクションを予測し、予測されたアクションを出力し、
それぞれ出力される前記制御のためのアクションと前記予測されたアクションに基づき、アンサンブル法を使用して、最適な制御アクションとして、予測を最大化するためのアクション、または、パフォーマンスを制御するためのアクションを、結合または切り替える
ことを特徴とする組み合わせ制御方法。 - 目的関数はそれぞれ異なる
請求項7記載の組み合わせ制御方法。 - 異なる種類のプラント制御を組み合わせるコンピュータに適用される組み合わせ制御プログラムであって、
前記コンピュータに、
アクションを計算するために最小化されるコスト関数である目的関数を最適化し、予測器による予測結果に基づいて、制御のためのアクションを出力する最適化処理、
機械学習モデルに基づいてアクションを予測し、予測されたアクションを出力する予測処理、および、
それぞれ出力される前記制御のためのアクションと前記予測されたアクションに基づき、アンサンブル法を使用して、最適な制御アクションとして、予測を最大化するためのアクション、または、パフォーマンスを制御するためのアクションの、結合または切り替える処理を実行させる
ための組み合わせ制御プログラム。 - 目的関数はそれぞれ異なる
請求項9記載の組み合わせ制御プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/034316 WO2019058508A1 (en) | 2017-09-22 | 2017-09-22 | ASSEMBLY REGULATION SYSTEM, ASSEMBLY REGULATION METHOD, AND ASSEMBLY REGULATION PROGRAM |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020529664A JP2020529664A (ja) | 2020-10-08 |
JP2020529664A5 JP2020529664A5 (ja) | 2020-11-19 |
JP7060080B2 true JP7060080B2 (ja) | 2022-04-26 |
Family
ID=65810678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020504732A Active JP7060080B2 (ja) | 2017-09-22 | 2017-09-22 | 組み合わせ制御システム、組み合わせ制御方法、および、組み合わせ制御プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200249637A1 (ja) |
JP (1) | JP7060080B2 (ja) |
WO (1) | WO2019058508A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636681B2 (en) * | 2018-11-21 | 2023-04-25 | Meta Platforms, Inc. | Anticipating future video based on present video |
JP7329845B2 (ja) * | 2019-06-27 | 2023-08-21 | 国立大学法人広島大学 | 制御系の設計方法 |
JP7401260B2 (ja) * | 2019-11-01 | 2023-12-19 | 東京都下水道サービス株式会社 | 情報処理システム、情報処理方法及びコンピュータプログラム |
US20210142225A1 (en) * | 2019-11-07 | 2021-05-13 | Cortica Ltd. | Ensemble of narrow ai agents |
CN113325696B (zh) * | 2021-06-01 | 2022-07-19 | 吉林大学 | 一种应用于交联电缆生产设备的单神经元pid与模型预测结合的混合控制方法 |
KR102671874B1 (ko) * | 2021-06-17 | 2024-06-03 | 주식회사 마키나락스 | 최적 제어 수행 방법 및 장치 |
JP2023048674A (ja) | 2021-09-28 | 2023-04-07 | 株式会社J-QuAD DYNAMICS | 移動体の制御装置 |
KR102616364B1 (ko) * | 2023-05-30 | 2023-12-21 | 국방과학연구소 | 신경망을 이용한 동역학 학습 모델의 불확실성 완화 시스템 및 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284388A (ja) | 2004-03-26 | 2005-10-13 | Toshiba Corp | プラントの運転スケジュール最適化方法および最適化システム |
US20150370227A1 (en) | 2014-06-19 | 2015-12-24 | Hany F. Bassily | Controlling a Target System |
JP2016045799A (ja) | 2014-08-25 | 2016-04-04 | 富士電機株式会社 | 予測モデル生成装置、予測モデル生成方法及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05297904A (ja) * | 1992-04-22 | 1993-11-12 | Hitachi Ltd | 最適制御方式選定方法及び装置 |
GB201305067D0 (en) * | 2013-03-19 | 2013-05-01 | Massive Analytic Ltd | Apparatus for controlling a land vehicle which is self-driving or partially self-driving |
EP3200038A4 (en) * | 2014-09-26 | 2018-06-13 | Nec Corporation | Model evaluation device, model evaluation method, and program recording medium |
-
2017
- 2017-09-22 US US16/639,821 patent/US20200249637A1/en not_active Abandoned
- 2017-09-22 WO PCT/JP2017/034316 patent/WO2019058508A1/en active Application Filing
- 2017-09-22 JP JP2020504732A patent/JP7060080B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284388A (ja) | 2004-03-26 | 2005-10-13 | Toshiba Corp | プラントの運転スケジュール最適化方法および最適化システム |
US20150370227A1 (en) | 2014-06-19 | 2015-12-24 | Hany F. Bassily | Controlling a Target System |
JP2016045799A (ja) | 2014-08-25 | 2016-04-04 | 富士電機株式会社 | 予測モデル生成装置、予測モデル生成方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20200249637A1 (en) | 2020-08-06 |
JP2020529664A (ja) | 2020-10-08 |
WO2019058508A1 (en) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7060080B2 (ja) | 組み合わせ制御システム、組み合わせ制御方法、および、組み合わせ制御プログラム | |
Kuutti et al. | A survey of deep learning applications to autonomous vehicle control | |
EP3832420B1 (en) | Deep learning based motion control of a group of autonomous vehicles | |
Grigorescu et al. | Neurotrajectory: A neuroevolutionary approach to local state trajectory learning for autonomous vehicles | |
US11884302B2 (en) | Social behavior for autonomous vehicles | |
US10915106B2 (en) | Human supervision of an automated driving system | |
Xiao et al. | Appl: Adaptive planner parameter learning | |
Tram et al. | Learning when to drive in intersections by combining reinforcement learning and model predictive control | |
US11579574B2 (en) | Control customization system, control customization method, and control customization program | |
Hwang et al. | Autonomous vehicle cut-in algorithm for lane-merging scenarios via policy-based reinforcement learning nested within finite-state machine | |
Goli et al. | MPC-based lateral controller with look-ahead design for autonomous multi-vehicle merging into platoon | |
Eilbrecht et al. | Optimization-based maneuver automata for cooperative trajectory planning of autonomous vehicles | |
Kubota et al. | Learning of mobile robots using perception-based genetic algorithm | |
Alighanbari et al. | Deep reinforcement learning with nmpc assistance nash switching for urban autonomous driving | |
Gupta et al. | Interaction-aware trajectory planning for autonomous vehicles with analytic integration of neural networks into model predictive control | |
Moghadam et al. | An end-to-end deep reinforcement learning approach for the long-term short-term planning on the frenet space | |
Moghadam et al. | A deep reinforcement learning approach for long-term short-term planning on frenet frame | |
Sharma et al. | Highway lane-changing prediction using a hierarchical software architecture based on support vector machine and continuous hidden markov model | |
Hoffmann | An overview on soft computing in behavior based robotics | |
KR20210068449A (ko) | 자동차의 경로 및/또는 궤적을 계획하는 장치 | |
Nguyen et al. | An MPC approximation approach for adaptive cruise control with reduced computational complexity and low memory footprint | |
Sarvesh et al. | Reshaping local path planner | |
Li et al. | Reciprocal collision avoidance for general nonlinear agents using reinforcement learning | |
Kuutti | End-to-end deep learning control for autonomous vehicles | |
Xu et al. | A decision support framework for autonomous driving in normal and emergencysituations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200129 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211029 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220328 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7060080 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |