ロバスト制御やモデル予測制御などのようなモデルに基づく制御（Model-Based Control: MBD）やカルマンフィルタのようなモデルに基づく状態推定を行うためには，対象の高精度な数学モデルが必要になる。本研究では，データに基づく機械学習とダイナミクスを考慮した制御理論を融合することにより，新たなモデリングの方法論の構築を目指した。具体的に，自動車用エンジンや電気自動車用リチウム二次電池などといった非線形性の強い対象のモデリング問題を検討した。エンジンに対しては能動学習を用いたエンジンデータ収集の方法を検討した。二次電池に対しては電池の通電抵抗を適応的に推定する新しい方法を提案した。
In order to utilize Model-Based-Control (MBD) such as robust control and model predictive control, and Model-Based-State-Estimation (MBSE) such as Kalman filter, it is necessary to build a precise mathematical model of the target plant.  In this study, we aim to construct new modeling methods for practical systems by combining the data-based machine-learning in AI and system identification of the dynamic control theory.  In particular, two modeling problems of nonlinear systems are considered.  One is a gasoline engine of automobile and the other is lithium-ion secondary battery for electric vehicles.  For the modeling of gasoline engine which has heavy nonlinearity, Gaussian process regression with active learning method is applied to design an effective modeling experiment.  An adaptive identification method in consideration of the physical property of the lithium-ion battery is proposed, and the effectiveness if the method is examined through experiments with real battery.

研究種目 : 基盤研究 (C) (一般)
研究期間 : 2018～2020
課題番号 : 18K04211
研究分野 : 制御工学