リカレントニューラルネットワークを用いた時系列データ予測に基づく非線形特性を持つ PID 制御手法の提案

摘要

フィードバック制御の一種である PID 制御では，コントローラのパラメータを，制御対象に対応した適切な値に設定すれば，優れた制御性能を持つことができる．ところが，対象のシステムが非線形特性を持つ場合，目標値に依存してパラメータの再調整をする必要がある場合がある．パラメータの再設定には一定のコストが必要となるため，このようなシステムを制御する場合，PID コントローラのパラメータを調整する最適なタイミングを決定する必要がある．山本は，逐次型最小 2 乗法を用いたシステム制御性能の評価に基づくパラメータ調整手法を考案した[1].ところが，複雑なシステムの特性を，数理モデルで予測，評価するのは困難な場合がある．そこで，本研究ではニューラルネットワーク (NN：Neural Network)を用いた時系列データ予測を応用した手法を提案する．NN は，結線重みや閾値などのパラメータを適切に設定することで任意の多次元の非線形関数に対する高い近似能力を持つため，パターン認識やデータ分析に応用されている．また，NN の内部にフィードバック構造を持つリカレントニューラルネットワーク（RNN：Recurrent Neural Network）は，株価予測，気象予測などの時系列データに対して高い予測精度を持つことが報告されている．本研究では，PID 制御の対象が非線形特性を持つ場合に，RNN を用いた時系列データの予測に基づいて，制御パラメータの再調整の必要性を適切に判定し，検出する手法を提案する．