JP7199483B2 - 学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム - Google Patents
学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム Download PDFInfo
- Publication number
- JP7199483B2 JP7199483B2 JP2021131179A JP2021131179A JP7199483B2 JP 7199483 B2 JP7199483 B2 JP 7199483B2 JP 2021131179 A JP2021131179 A JP 2021131179A JP 2021131179 A JP2021131179 A JP 2021131179A JP 7199483 B2 JP7199483 B2 JP 7199483B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- vibration
- learning
- building
- simulation
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Buildings Adapted To Withstand Abnormal External Influences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Vibration Prevention Devices (AREA)
Description
人工ニューラルネットなどを含めて構成されるモデルの学習に、測定により検出された結果に基づいたデータなどを用いる場合があった。
本発明の一態様の学習装置における前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられる。
本発明の一態様の学習装置における前記モデルの強化学習は、前記対象の建物の低層側の揺れの状況を前記対象の建物の制御に反映させるように前記モデルを学習させる深層強化学習である。
本発明の一態様の学習装置における前記強化学習処理部は、前記対象の建物の振動に関し、地震動による前記実現象を再現又は模擬するシミュレーションの結果を学習過程の評価に活用して、前記モデルの強化学習を実施する。
本発明の一態様の学習装置は、実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する強化学習処理部を備え、前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、前記強化学習処理部は、前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析する。
本発明の一態様の学習装置は、実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する強化学習処理部を備え、前記強化学習処理部は、複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施して、前記学習処理後の前記モデルを含めて形成される制御部によって、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整させる。
本発明の一態様の学習方法は、対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を、前記対象の建物の制振制御に用いるモデルの強化学習に活用するステップを含む。
本発明の一態様の学習方法は、実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する学習装置による学習方法であって、前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析する学習方法である。
本発明の一態様の学習方法は、実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する学習装置による学習方法であって、複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施して、前記学習処理後の前記モデルを含めて形成される制御部によって、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整させる学習方法である。
本発明の一態様の制御装置は、対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習によって生成されたモデルを前記対象の建物の制振制御に用いる制御部を備える。
本発明の一態様の制御装置における前記制御部は、前記学習処理後の前記モデルを含めて形成され、前記対象の建物が備える複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整する。
本発明の一態様の建築構造物は、実現象を再現又は模擬するシミュレーションの結果を活用した強化学習によって生成されるモデルを含み、前記シミュレーションによって前記再現又は前記模擬する対象物の制振制御を実施する制振制御部を備える。
本発明の一態様の建築構造物における前記制振制御部は、複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって学習処理された前記モデルを用いて、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整する。
本発明の一態様の学習済みモデルの生成方法は、対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習を実施して、前記対象の建物の制振制御に用いる学習済みモデルを生成するステップを含む。
本発明の一態様の学習済みモデルの生成方法において、前記学習済みモデルの特性は、前記学習済みモデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、前記学習済みモデルを生成するステップには、前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析するステップ、が含まれる。
本発明の一態様の学習済みモデルの生成方法において、前記学習済みモデルを生成するステップには、複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施するステップが含まれる。
本発明の一態様のプログラムは、コンピュータに、対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習を実施して、前記対象の建物の制振制御に用いる学習済みモデルを生成するステップを実行させるためのプログラムである。
本発明の一態様に係る制振制御システムは、複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いて学習処理がなされた第1人工ニューラルネット(以下、第1NNという。)を含み、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を、前記第1NNにより調整する制御部を備える制振制御システムである。
なお、実施形態において建物は、建築構造物の一例であり、例えば、ラーメン構造を有するものであってよい。また、建物の「層」は、互いに地上高が異なる複数の床(床部分)に挟まれた範囲のことである。例えば、上記の複数の床が互いに隣り合う位置に配置されている場合には、各床部分は、建物の階に対応する。なお、偶力を作用させる一対の床の間には、偶力を作用させない他の床が配置されていてもよい。また、偶力を作用させる「床部分」は、振動シミュレータにおける仮想建築構造物モデルを多質点系で形成した場合の質点又は基準面に対応する。上記の基準面とは、仮想建築構造物モデルに対応する建物における地表面、基礎部、1階の床などに対応する。なお、実施形態において「人工ニューラルネットの特徴情報」とは、人工ニューラルネットにおける振動制御ルールとして獲得した情報のことである。
図1は、本発明の実施形態に係る制振制御システムの概要を説明するための図である。
制振制御システム1は、建物BLを制御対象にして、建物BLの制振制御を実施する。
図2は、実施形態の制振装置11が設置される建物BLの一部を示す図である。図2に示すように、建物BLは、例えば、建物BLの1フロアを形成する構造材の一部として、第1梁B1、第2梁B2、第1柱P1、第2柱P2、およびY形ブレースBrを有する。
図3は、実施形態の制振装置11を示す断面図である。図3に示すように、制振装置11は、ケース21、固定部材22、回転型ダンパー23、固定機構24、伝達部25、およびアクチュエータ26を備えている。
伝達部25は、アクチュエータ26と回転型ダンパー23の外筒31との間に設けられ、アクチュエータ26からの動力を回転型ダンパー23の外筒31に伝える。伝達部25は、例えば、外筒31の外周面に設けられたギアである。伝達部25は、例えば、外筒31の外周面に沿う環状に形成され、外筒31の外周面の全周に亘って設けられている。なお、伝達部25は、アクチュエータ26からの動力を回転型ダンパー23の外筒31に伝えることができる部材であれば、構成や取付位置などは限定されない。伝達部25は、外筒31とは別体に形成されて外筒31に取り付けられていてもよく、外筒31と一体に成形されていてもよい。また、伝達部25は、ギアに限定されず、高摩擦部材(例えばゴム部材)などでもよい。
報酬rは、強化学習に用いられる。実施形態の報酬生成部150は、コントローラ130の制御を受けた場合の仮想建築構造物モデルの振動の大きさ(状態s)に基づいて、報酬rを生成する。例えば、式(1)に報酬rを算出するための関数R(・)を示す。
ある程度学習が進むと、関数Q(s,a)の値を最大にする行動aが、実際に選択すべき行動に近いものになる。ただし、条件により、所望の学習が進行しなくなる場合がある。
振動解析部100は、建物BLの仮想建築構造物モデルと、制振装置11の特性と配置位置に関する情報を取得する。
振動解析部100は、強化学習のための状態s、報酬r、行動aの初期値を定める。
振動解析部100は、振動シミュレーションに適用する外乱データを決定する。例えば、外乱データは、エピソード1回分の振動シミュレーションに適用する全ての波形を含む。
学習制御部170は、振動解析部100に対して行動方策を指示して、外乱データに基づいた振動シミュレーションを実施させる。
振動解析部100は、上記の行動方策に従い、エピソード中の状態skに基づいた行動ak+1を決定し、外乱データに基づいた振動シミュレーションを実施して、その結果である状態sk+1を逐次記録する。このステップSA15の処理は、エピソードの始めから終わりまで遂次実施される。
報酬生成部150は、エピソード1回分の振動シミュレーションの結果である状態sk+1に基づいて、報酬rk+1を導出する。なお、この報酬rk+1の導出は、ステップSA15の処理を終えた後に実施してもよく、ステップSA15の処理と並行して実施してもよい。
学習制御部170は、行動akと状態sk+1と報酬rk+1に基づいて、次の行動方策に対応するQ値を定めて、それを振動解析部100に通知する。
第1変形例は、第1の実施形態とは異なる強化学習アルゴリズムを適用した事例である。本変形例の制御部13は、強化学習によって決定された振動制御ルールに基づいて、制御部13としての応答特性が調整されたものである。以下、強化学習に、方策勾配法を適用した場合について説明する。
第2の実施形態において振動解析部100による振動シミュレーションのより具体的な一例を示す。振動解析部100は、仮想建築構造物モデルを駆動して、仮想建築構造物モデルの各部の動きを表す状態値を生成する応答解析を実施する。
質点系モデルの一例としては、せん断多質点系モデルがある。せん断多質点系モデルの地震応答は、以下の式(5)に示す運動方程式を解くことによって求めることができる。
{x’}=[x1’x2’x3’・・・xm’]T
{x}=[x1 x2 x3 ・・・xm ]T
{P}=[P1 P2 P3 ・・・Pm ]T
・・・(6)
・・・(7)
F1=f1―f2,F2=f2,F3=F4=・・・=Fm=0
・・・(8)
・・・(9)
Claims (17)
- 対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を、前記対象の建物の制振制御に用いるモデルの強化学習に活用する強化学習処理部
を備える学習装置。 - 前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられる、
請求項1に記載の学習装置。 - 前記モデルの強化学習は、前記対象の建物の低層側の揺れの状況を前記対象の建物の制御に反映させるように前記モデルを学習させる深層強化学習である、
請求項1又は請求項2に記載の学習装置。 - 前記強化学習処理部は、
前記対象の建物の振動に関し、地震動による前記実現象を再現又は模擬するシミュレーションの結果を学習過程の評価に活用して、前記モデルの強化学習を実施する、
請求項1から請求項3の何れか1項に記載の学習装置。 - 実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する強化学習処理部
を備え、
前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、
前記強化学習処理部は、
前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析する、
学習装置。 - 実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する強化学習処理部
を備え、
前記強化学習処理部は、
複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施して、
前記学習処理後の前記モデルを含めて形成される制御部によって、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整させる
学習装置。 - 対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を、前記対象の建物の制振制御に用いるモデルの強化学習に活用するステップ
を含む学習方法。 - 実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する学習装置による学習方法であって、
前記モデルの特性は、前記モデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、
前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析する
学習方法。 - 実現象を再現又は模擬するシミュレーションの結果をモデルの強化学習に活用する学習装置による学習方法であって、
複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施して、
前記学習処理後の前記モデルを含めて形成される制御部によって、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整させる
学習方法。 - 対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習によって生成されたモデルを前記対象の建物の制振制御に用いる制御部
を備える制御装置。 - 前記制御部は、
前記学習処理後の前記モデルを含めて形成され、前記対象の建物が備える複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整する
請求項10に記載の制御装置。 - 実現象を再現又は模擬するシミュレーションの結果を活用した強化学習によって生成されるモデルを含み、前記シミュレーションによって前記再現又は前記模擬する対象物の制振制御を実施する制振制御部
を備える建築構造物。 - 前記制振制御部は、
複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって学習処理された前記モデルを用いて、前記複数の層のうちの特定の層を挟む2つの床部分に応力調整部が水平方向の偶力として作用させる力を調整する
請求項12に記載の建築構造物。 - 対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習を実施して、前記対象の建物の制振制御に用いる学習済みモデルを生成するステップ
を含む学習済みモデルの生成方法。 - 前記学習済みモデルの特性は、前記学習済みモデルに対応付けられる人工ニューラルネットの特性情報によって特徴づけられ、
前記学習済みモデルを生成するステップには、
前記シミュレーションによって模擬する対象の建物の制振制御に適用可能な前記人工ニューラルネットの特性情報を解析するステップ、
が含まれる、請求項14に記載の学習済みモデルの生成方法。 - 前記学習済みモデルを生成するステップには、
複数の層を備える建築構造物の振動を模擬する振動シミュレータを用いた前記シミュレーションによって前記モデルの学習処理を実施するステップ
が含まれる、請求項14に記載の学習済みモデルの生成方法。 - コンピュータに、
対象の建物の振動に関する実現象を再現又は模擬するシミュレーションの結果を活用した強化学習を実施して、前記対象の建物の制振制御に用いる学習済みモデルを生成するステップ
を実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021131179A JP7199483B2 (ja) | 2017-11-09 | 2021-08-11 | 学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム |
JP2022203054A JP7453325B2 (ja) | 2017-11-09 | 2022-12-20 | 学習装置、学習方法、制御装置、建築構造物、構造物、学習済みモデルの生成方法、及びプログラム |
JP2024035265A JP2024056067A (ja) | 2017-11-09 | 2024-03-07 | 情報処理装置、情報処理方法、制御装置、構造物、学習済みモデルの生成方法、及びプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017216621A JP6930901B2 (ja) | 2017-11-09 | 2017-11-09 | 制振制御システム、制振制御方法、振動解析装置及び振動解析方法 |
JP2021131179A JP7199483B2 (ja) | 2017-11-09 | 2021-08-11 | 学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017216621A Division JP6930901B2 (ja) | 2017-11-09 | 2017-11-09 | 制振制御システム、制振制御方法、振動解析装置及び振動解析方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022203054A Division JP7453325B2 (ja) | 2017-11-09 | 2022-12-20 | 学習装置、学習方法、制御装置、建築構造物、構造物、学習済みモデルの生成方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021185367A JP2021185367A (ja) | 2021-12-09 |
JP7199483B2 true JP7199483B2 (ja) | 2023-01-05 |
Family
ID=66762913
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017216621A Active JP6930901B2 (ja) | 2017-11-09 | 2017-11-09 | 制振制御システム、制振制御方法、振動解析装置及び振動解析方法 |
JP2021131179A Active JP7199483B2 (ja) | 2017-11-09 | 2021-08-11 | 学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム |
JP2022203054A Active JP7453325B2 (ja) | 2017-11-09 | 2022-12-20 | 学習装置、学習方法、制御装置、建築構造物、構造物、学習済みモデルの生成方法、及びプログラム |
JP2024035265A Pending JP2024056067A (ja) | 2017-11-09 | 2024-03-07 | 情報処理装置、情報処理方法、制御装置、構造物、学習済みモデルの生成方法、及びプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017216621A Active JP6930901B2 (ja) | 2017-11-09 | 2017-11-09 | 制振制御システム、制振制御方法、振動解析装置及び振動解析方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022203054A Active JP7453325B2 (ja) | 2017-11-09 | 2022-12-20 | 学習装置、学習方法、制御装置、建築構造物、構造物、学習済みモデルの生成方法、及びプログラム |
JP2024035265A Pending JP2024056067A (ja) | 2017-11-09 | 2024-03-07 | 情報処理装置、情報処理方法、制御装置、構造物、学習済みモデルの生成方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (4) | JP6930901B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021017649A (ja) * | 2019-07-16 | 2021-02-15 | 株式会社神戸製鋼所 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置 |
WO2021010413A1 (ja) * | 2019-07-16 | 2021-01-21 | 株式会社神戸製鋼所 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置 |
JP6737944B1 (ja) * | 2019-07-16 | 2020-08-12 | 株式会社神戸製鋼所 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置 |
JP2021017932A (ja) * | 2019-07-19 | 2021-02-15 | 株式会社大林組 | 構造体の制振システム |
JP7280609B2 (ja) * | 2019-09-24 | 2023-05-24 | 国立研究開発法人宇宙航空研究開発機構 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
CN113609449B (zh) * | 2021-08-17 | 2024-05-31 | 北京计算机技术及应用研究所 | 惯性测量装置加速试验数据有效性评估方法 |
CN116400627A (zh) * | 2023-04-13 | 2023-07-07 | 深圳市丰源升科技有限公司 | 一种基于5g的工业远程控制系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004036164A (ja) | 2002-07-02 | 2004-02-05 | Japan Science & Technology Corp | 構造物の振動制御方法および振動制御装置 |
US20170094187A1 (en) | 2015-09-30 | 2017-03-30 | Apple Inc. | Mobile zoom using multiple optical image stabilization cameras |
JP2017068325A (ja) | 2015-09-28 | 2017-04-06 | ファナック株式会社 | 最適な加減速を生成する工作機械 |
JP2017100203A (ja) | 2015-11-30 | 2017-06-08 | ファナック株式会社 | 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置 |
WO2017163538A1 (ja) | 2016-03-25 | 2017-09-28 | ソニー株式会社 | 情報処理装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2723738B2 (ja) * | 1992-01-31 | 1998-03-09 | 大成建設株式会社 | 構造物の振動制御装置 |
JPH0736505A (ja) * | 1993-07-21 | 1995-02-07 | Nkk Corp | 制御対象の同定・制御方法 |
US5526609A (en) * | 1994-01-28 | 1996-06-18 | Research Foundation Of State University Of New York | Method and apparatus for real-time structure parameter modification |
JPH11159191A (ja) * | 1997-11-25 | 1999-06-15 | Toshiba Corp | 制振装置 |
JP2000080673A (ja) | 1998-09-08 | 2000-03-21 | Ishikawajima Harima Heavy Ind Co Ltd | 浚渫船向け経路計画法 |
JP6616170B2 (ja) | 2015-12-07 | 2019-12-04 | ファナック株式会社 | コアシートの積層動作を学習する機械学習器、積層コア製造装置、積層コア製造システムおよび機械学習方法 |
JP6709646B2 (ja) * | 2016-03-15 | 2020-06-17 | 株式会社Nttファシリティーズ | 制振装置、制振システム |
-
2017
- 2017-11-09 JP JP2017216621A patent/JP6930901B2/ja active Active
-
2021
- 2021-08-11 JP JP2021131179A patent/JP7199483B2/ja active Active
-
2022
- 2022-12-20 JP JP2022203054A patent/JP7453325B2/ja active Active
-
2024
- 2024-03-07 JP JP2024035265A patent/JP2024056067A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004036164A (ja) | 2002-07-02 | 2004-02-05 | Japan Science & Technology Corp | 構造物の振動制御方法および振動制御装置 |
JP2017068325A (ja) | 2015-09-28 | 2017-04-06 | ファナック株式会社 | 最適な加減速を生成する工作機械 |
US20170094187A1 (en) | 2015-09-30 | 2017-03-30 | Apple Inc. | Mobile zoom using multiple optical image stabilization cameras |
JP2017100203A (ja) | 2015-11-30 | 2017-06-08 | ファナック株式会社 | 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置 |
WO2017163538A1 (ja) | 2016-03-25 | 2017-09-28 | ソニー株式会社 | 情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2023038192A (ja) | 2023-03-16 |
JP2019086468A (ja) | 2019-06-06 |
JP6930901B2 (ja) | 2021-09-01 |
JP2024056067A (ja) | 2024-04-19 |
JP7453325B2 (ja) | 2024-03-19 |
JP2021185367A (ja) | 2021-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7199483B2 (ja) | 学習装置、学習方法、制御装置、建築構造物、学習済みモデルの生成方法、及びプログラム | |
Wang et al. | Real-time dynamic hybrid testing for soil–structure interaction analysis | |
Lu et al. | Experimental studies of the effects of buffered particle dampers attached to a multi-degree-of-freedom system under dynamic loads | |
Zhu et al. | Real-time hybrid simulation of full-scale tuned liquid column dampers to control multi-order modal responses of structures | |
Mohebbi et al. | Designing optimal tuned mass dampers for nonlinear frames by distributed genetic algorithms | |
Shook et al. | GA-optimized fuzzy logic control of a large-scale building for seismic loads | |
Ouyang et al. | Backstepping adaptive control for real-time hybrid simulation including servo-hydraulic dynamics | |
Abdel Raheem et al. | Ground motion spatial variability effects on seismic response control of cable-stayed bridges | |
JP3882014B2 (ja) | 構造物の振動試験装置およびその振動試験方法 | |
Tanveer et al. | Application of tuned liquid column ball damper (TLCBD) for improved vibration control performance of multi-storey structure | |
Banaei et al. | Active control of structures using genetic algorithm with dynamic weighting factors using in the constrained objective function | |
Paul et al. | Recent advances in bidirectional modeling and structural control | |
Yao et al. | Real-time hybrid testing for active mass driver system based on an improved control strategy against control-structure-interaction effects | |
JP7220989B2 (ja) | 振動解析装置、学習システム、振動解析方法及びプログラム | |
JP7080106B2 (ja) | 装置、制振制御システム、波形データ生成方法、制振制御方法及びプログラム | |
Lu et al. | Optimization design of impact dampers and particle dampers | |
Song | Modeling, identification and simulation of dynamics of structures with joints and interfaces | |
Almashhor et al. | Development of a new tuned vibration absorber based on one degree-of-freedom of translational motion | |
Mohebbi et al. | Effect of response related weighting matrices on performance of active control systems for nonlinear frames | |
El Ouni et al. | Numerical Study of the Active Tendon Control of a Cable‐Stayed Bridge in a Construction Phase | |
Sousa et al. | Numerical prediction and experimental validation of an onboard rotor under bending | |
Orlenko et al. | Localization of vibration effects: the possibilities of dynamic damping of vibrations | |
Mukai et al. | Development of Resilient Seismic Response Control with a Semi-active System | |
Idels et al. | Optimization-based seismic design of irregular self-centering moment resisting frames with ED bars or fluid viscous dampers | |
Compton et al. | Deep Reinforcement Learning for Active Structure Stabilization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210908 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220826 |
|
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: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7199483 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |