JP7280609B2 - 制御装置、学習装置、制御方法、学習方法、及びプログラム - Google Patents
制御装置、学習装置、制御方法、学習方法、及びプログラム Download PDFInfo
- Publication number
- JP7280609B2 JP7280609B2 JP2019173265A JP2019173265A JP7280609B2 JP 7280609 B2 JP7280609 B2 JP 7280609B2 JP 2019173265 A JP2019173265 A JP 2019173265A JP 2019173265 A JP2019173265 A JP 2019173265A JP 7280609 B2 JP7280609 B2 JP 7280609B2
- Authority
- JP
- Japan
- Prior art keywords
- wing
- model
- control amount
- load
- input
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
- B64C13/02—Initiating means
- B64C13/16—Initiating means actuated automatically, e.g. responsive to gust detectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C3/00—Wings
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C9/00—Adjustable control surfaces or members, e.g. rudders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
-
- 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
- Feedback Control In General (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Description
図1は、実施形態の制御装置100を備える航空機1の構成の一例を示す図である。図示のように、航空機1は、例えば、主翼10と、垂直尾翼12と、水平尾翼14と、制御装置100とを備える。図中X、Y、Z軸は、機体固定座標系を表しており、X軸は、ロール軸を表し、Y軸はピッチ軸を表し、Z軸はヨー軸を表している。航空機1は、「構造物」の一例である。
図2は、実施形態の制御装置100の構成の一例を示す図である。図示のように、制御装置100は、例えば、通信部102と、駆動部104と、制御部110と、記憶部130とを備える。
以下、フローチャートに即して制御部110の運用時の一連の処理の流れを説明する。運用とは、予め学習された第1モデルMDL1及び第2モデルMDL2の出力結果を用いて、主翼10の可動翼を制御する動作の状態を表す。図3は、実施形態の制御部110の一連の処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。
(2)可動翼の舵角をプラス1度大きくする。
(3)可動翼の舵角をマイナス1度小さくする。
以下、第1モデルMDL1及び第2モデルMDL2を学習する学習装置200について説明する。学習装置200は、単一の装置であってもよいし、WANやLANといったネットワークを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、学習装置200は、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータ(プロセッサ)によって実現されてもよい。
以下、フローチャートに即して制御部210の学習時の一連の処理の流れを説明する。学習とは、運用時に参照される第1モデルMDL1及び第2モデルMDL2を学習(訓練)する動作の状態を表す。図7は、実施形態の制御部210の一連の処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、第1モデルMDL1を学習する際に所定の周期で繰り返し行われてよい。また、学習装置200が、分散コンピューティングやクラウドコンピューティングを利用したシステムに含まれる複数のコンピュータによって実現される場合、本フローチャートの処理の一部または全部は、複数のコンピュータによって並列処理されてよい。
例えば、制御装置100は、風力発電装置が備えるタービンブレードや潮流発電装置が備えるタービンブレードの構造的負荷を低減するために、深層強化学習を適用して、各種タービンブレードの制御量を決定してもよい。この場合、タービンブレードには、主翼10のように、光ファイバセンサSFBが設けられるものとする。風力発電装置及び潮流発電装置は、「構造物」の他の例であり、タービンブレードは、「構造物の翼」の他の例である。
また、例えば、タービンブレードが可変ピッチブレードである場合も考えられる。この場合、タービンブレードそのものが可動翼として機能する。すなわち、タービンブレードが、航空機1でいうところの主翼と可動翼との両方の機能を兼ねている。
Claims (16)
- 構造物の翼に設けられた光ファイバセンサによって検出された前記翼のひずみを示す情報と、前記構造物の可動翼の制御量を示す情報とを取得する取得部と、
前記取得部により取得された情報が示す前記ひずみ及び前記制御量に基づいて、前記翼の荷重及び迎角を決定する第1決定部と、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、前記第1決定部により決定された前記荷重及び前記迎角と、前記取得部により取得された情報が示す前記制御量とのうち一部または全部を前記状態変数として入力し、前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定する第2決定部と、
前記第2決定部により決定された前記制御量に基づいて、前記可動翼を制御する制御部と、
を備える制御装置。 - 前記第1決定部は、前記ひずみ及び前記制御量が入力されると、前記翼の荷重及び迎角を出力するように学習された第2モデルに、前記取得部により取得された情報が示す前記ひずみ及び前記制御量を入力し、前記ひずみ及び前記制御量を入力した前記第2モデルの出力結果に基づいて前記翼の前記荷重及び前記迎角を決定する、
請求項1に記載の制御装置。 - 構造物の可動翼の制御量、前記構造物の翼の荷重、及び前記構造物の翼の迎角のうち一部または全部を含む情報を取得する取得部と、
深層強化学習を用いて、前記取得部により取得された情報を状態変数として入力すると、入力された前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するようにモデルを学習する学習部と、を備え、
前記取得部は、ある第1時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第1情報と、前記第1時刻よりも将来の第2時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第2情報とを取得し、
前記学習部は、前記第1情報を前記モデルに入力したときに前記モデルが出力した価値を表す第1価値と、前記第2情報を前記モデルに入力したときに前記モデルが出力した価値を表す第2価値と、前記第1価値を基に選択した行動に対する報酬とに基づいて、前記モデルを学習する、
学習装置。 - 前記学習部は、
前記第1価値を基に、前記可動翼の翼面に交差する方向に関して前記翼面の一方の面である第1面側に前記可動翼を動かすこと、前記方向に関して前記翼面の他方の面である第2面側に前記可動翼を動かすこと、前記方向に関して前記可動翼を前記第1面側と前記第2面側とのいずれにも動かさないこと、の中からいずれかの行動を選択し、
前記選択した行動に対する前記報酬を算出し、
前記第1価値と、前記第2価値と、前記算出した報酬とに基づいて、前記モデルを学習する、
請求項3に記載の学習装置。 - 前記学習部は、対象時刻における前記翼の荷重が許容範囲の上限値を超える、前記対象時刻における前記翼の荷重が前記許容範囲の下限値未満となる、又は前記対象時刻における前記翼のモーメントが初期時刻における前記翼のモーメントを超える所定条件を満たす場合、前記報酬をゼロとする、
請求項3または4に記載の学習装置。 - 前記学習部は、前記所定条件を満たさない場合、前記所定条件を満たす場合よりも前記報酬を大きくする、
請求項5に記載の学習装置。 - 前記学習部は、前記所定条件を満たさない場合、前記報酬を、前記対象時刻における前記翼のモーメントと前記初期時刻における前記翼のモーメントとの差と、前記対象時刻における前記翼の荷重と前記初期時刻における前記翼の荷重との商とに基づく値とする、
請求項6に記載の学習装置。 - 前記学習部は、前記所定条件を満たさない場合、前記報酬を、前記対象時刻における前記翼のモーメントと前記初期時刻における前記翼のモーメントとの差と、前記対象時刻における前記翼の荷重と前記初期時刻における前記翼の荷重との差とに基づく値とする、
請求項6に記載の学習装置。 - 前記可動翼には、可動位置が互いに異なる複数の翼片が含まれ、
前記学習部は、対象時刻において、可動させる前記翼片の数が多いほど、前記対象時刻における前記報酬を小さくする、
請求項3から8のうちいずれか一項に記載の学習装置。 - 構造物の可動翼に設けられた光ファイバセンサによって検出された前記可動翼のひずみを示す情報と、前記可動翼の制御量を示す情報とを取得する取得部と、
前記取得部により取得された情報が示す前記ひずみ及び前記制御量に基づいて、前記可動翼の荷重及び迎角を決定する第1決定部と、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、前記第1決定部により決定された前記荷重及び前記迎角と、前記取得部により取得された情報が示す前記制御量とのうち一部または全部を前記状態変数として入力し、前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定する第2決定部と、
前記第2決定部により決定された前記制御量に基づいて、前記可動翼を制御する制御部と、
を備える制御装置。 - コンピュータが、
構造物の翼に設けられた光ファイバセンサによって検出された前記翼のひずみを示す情報と、前記構造物の可動翼の制御量を示す情報とを取得し、
取得した情報が示す前記ひずみ及び前記制御量に基づいて、前記翼の荷重及び迎角を決定し、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、決定した前記荷重及び前記迎角と、取得した情報が示す前記制御量とのうち一部または全部を前記状態変数として入力し、
前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定し、
決定した前記制御量に基づいて、前記可動翼を制御する、
制御方法。 - コンピュータが、
構造物の可動翼に設けられた光ファイバセンサによって検出された前記可動翼のひずみを示す情報と、前記可動翼の制御量を示す情報とを取得し、
取得した情報が示す前記ひずみ及び前記制御量に基づいて、前記可動翼の荷重及び迎角を決定し、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、決定した前記荷重及び前記迎角と、取得した情報が示す前記制御量とのうち一部または全部を前記状態変数として入力し、
前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定し、
決定した前記制御量に基づいて、前記可動翼を制御する、
制御方法。 - コンピュータが、
構造物の可動翼の制御量、前記構造物の翼の荷重、及び前記構造物の翼の迎角のうち一部または全部を含む情報を取得し、
深層強化学習を用いて、前記取得した情報を状態変数として入力すると、入力された前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するようにモデルを学習し、
ある第1時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第1情報と、前記第1時刻よりも将来の第2時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第2情報とを取得し、
前記第1情報を前記モデルに入力したときに前記モデルが出力した価値を表す第1価値と、前記第2情報を前記モデルに入力したときに前記モデルが出力した価値を表す第2価値と、前記第1価値を基に選択した行動に対する報酬とに基づいて、前記モデルを学習する、
学習方法。 - コンピュータに、
構造物の翼に設けられた光ファイバセンサによって検出された前記翼のひずみを示す情報と前記構造物の可動翼の制御量を示す情報とを取得すること、
取得した情報が示す前記ひずみ及び前記制御量に基づいて、前記翼の荷重及び迎角を決定すること、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、決定した前記荷重及び前記迎角と、取得した情報が示す前記制御量とのうち一部または全部を前記状態変数として入力すること、
前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定すること、及び
決定した前記制御量に基づいて、前記可動翼を制御すること、
を実行させるためのプログラム。 - コンピュータに、
構造物の可動翼に設けられた光ファイバセンサによって検出された前記可動翼のひずみを示す情報と、前記可動翼の制御量を示す情報とを取得すること、
取得した情報が示す前記ひずみ及び前記制御量に基づいて、前記可動翼の荷重及び迎角を決定すること、
状態変数が入力されると、前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するように学習されたモデルに、決定した前記荷重及び前記迎角と、取得した情報が示す前記制御量とのうち一部または全部を前記状態変数として入力すること、
前記状態変数を入力した前記モデルの出力結果に基づいて前記可動翼の制御量を決定すること、及び
決定した前記制御量に基づいて、前記可動翼を制御すること、
を実行させるためのプログラム。 - コンピュータに、
構造物の可動翼の制御量、前記構造物の翼の荷重、及び前記構造物の翼の迎角のうち一部または全部を含む情報を取得すること、
深層強化学習を用いて、前記取得した情報を状態変数として入力すると、入力された前記状態変数に応じてとるべき行動の価値又は前記行動を示す変数を出力するようにモデルを学習すること、
ある第1時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第1情報と、前記第1時刻よりも将来の第2時刻における前記制御量、前記荷重、及び前記迎角のうち一部または全部を含む第2情報とを取得すること、及び
前記第1情報を前記モデルに入力したときに前記モデルが出力した価値を表す第1価値と、前記第2情報を前記モデルに入力したときに前記モデルが出力した価値を表す第2価値と、前記第1価値を基に選択した行動に対する報酬とに基づいて、前記モデルを学習すること、
を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019173265A JP7280609B2 (ja) | 2019-09-24 | 2019-09-24 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
PCT/JP2020/030640 WO2021059787A1 (ja) | 2019-09-24 | 2020-08-12 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019173265A JP7280609B2 (ja) | 2019-09-24 | 2019-09-24 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021049841A JP2021049841A (ja) | 2021-04-01 |
JP7280609B2 true JP7280609B2 (ja) | 2023-05-24 |
Family
ID=75156769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019173265A Active JP7280609B2 (ja) | 2019-09-24 | 2019-09-24 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7280609B2 (ja) |
WO (1) | WO2021059787A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022014485A1 (ja) * | 2020-07-14 | 2022-01-20 | ||
CN113777919B (zh) * | 2021-08-13 | 2023-11-17 | 哈尔滨工程大学 | 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 |
JP2023175366A (ja) * | 2022-05-30 | 2023-12-12 | 国立研究開発法人宇宙航空研究開発機構 | 制御装置、制御方法、及びプログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019086468A (ja) | 2017-11-09 | 2019-06-06 | 株式会社Nttファシリティーズ | 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 Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4422152C2 (de) * | 1994-06-27 | 2000-02-03 | Daimler Chrysler Aerospace | Verfahren und Anordnung zum Optimieren der aerodynamischen Wirkung eines Tragflügels |
US9227721B1 (en) * | 2011-10-07 | 2016-01-05 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Variable camber continuous aerodynamic control surfaces and methods for active wing shaping control |
JP6706235B2 (ja) * | 2017-11-02 | 2020-06-03 | 株式会社Subaru | 航空機の制御システム、航空機の制御方法及び航空機 |
-
2019
- 2019-09-24 JP JP2019173265A patent/JP7280609B2/ja active Active
-
2020
- 2020-08-12 WO PCT/JP2020/030640 patent/WO2021059787A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019086468A (ja) | 2017-11-09 | 2019-06-06 | 株式会社Nttファシリティーズ | 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 |
Also Published As
Publication number | Publication date |
---|---|
JP2021049841A (ja) | 2021-04-01 |
WO2021059787A1 (ja) | 2021-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7280609B2 (ja) | 制御装置、学習装置、制御方法、学習方法、及びプログラム | |
CN113111430B (zh) | 基于非线性气动力降阶的弹性飞机飞行动力学建模方法 | |
Goetzendorf-Grabowski et al. | Stability analysis using SDSA tool | |
US11629694B2 (en) | Wind turbine model based control and estimation with accurate online models | |
CN103930940B (zh) | 能悬停航空器的旋翼尾流在航空器本身上产生的空气动力载荷的效应的实时模拟系统及其方法 | |
Siddiqui et al. | Lab-scale, closed-loop experimental characterization, model refinement, and validation of a hydrokinetic energy-harvesting ocean kite | |
CN113885320B (zh) | 一种基于混合量子鸽群优化的飞行器随机鲁棒控制方法 | |
Fasel et al. | Aeroservoelastic optimization of morphing airborne wind energy wings | |
Verma et al. | Aircraft parameter estimation using ELM network | |
US20220229948A1 (en) | Simulation of the behavior of a vehicle in a fluid by Hamiltonian neural network | |
Yang et al. | Optimization and control application of sensor placement in aeroservoelastic of UAV | |
CN117436322B (zh) | 基于叶素理论的风力机叶片气动弹性仿真方法和介质 | |
Moens et al. | Multi‐point optimization of shapes and settings of high‐lift system by means of evolutionary algorithm and Navier‐Stokes equations | |
Díaz-Casás et al. | Wind turbine design through evolutionary algorithms based on surrogate CFD methods | |
Reel et al. | Using computational fluid dynamics to generate complex aerodynamic database for VTOL aircraft | |
Poland | Modelling aeroelastic deformation of soft wing membrane kites | |
US20220319257A1 (en) | Aircraft motion observer configured for use in electric aircraft | |
Mocsányi et al. | Grid and polytopic LPV modeling of aeroelastic aircraft for co-design | |
Ben Mosbah et al. | Artificial Neural Networks-Extended Great Deluge Model to predict Actuators Displacements for a Morphing Wing Tip System. | |
Wada et al. | Smart wing load alleviation through optical fiber sensing, load identification, and deep reinforcement learning | |
Haughn et al. | MFC Morphing Aileron Control With Intelligent Sensing | |
Paulson et al. | The rapid development of bespoke small unmanned aircraft: A proposed design loop | |
Mosbah et al. | New methodology combining neural network and extended great deluge algorithms for the ATR-42 wing aerodynamics analysis | |
Mkhoyan et al. | On-line black-box aerodynamic performance optimization for a morphing wing with distributed sensing and control | |
Rashid et al. | Knowledge-based aerodynamic estimation of airships |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20191024 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230316 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230502 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7280609 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |