文献

J-GLOBAL ID：201702267475965203   整理番号：17A0054804

エコーステートネットワークに基づく油圧ショベルのオンライン学習制御【Powered by NICT】

Online Learning Control of Hydraulic Excavators Based on Echo-State Networks

著者 (5件)： Park Jaemann (Department of Mechanical and Aerospace Engineering, Automation and Systems Research Institute, Seoul National University, Seoul, South Korea) ,  Lee Bongju (Department of Mechanical and Aerospace Engineering, Automation and Systems Research Institute, Seoul National University, Seoul, South Korea) ,  Kang Seonhyeok (Hyundai Heavy Industry, Construction Equipment Research Institute, Ulsan, South Korea) ,  Kim Pan Young (Hyundai Heavy Industry, Construction Equipment Research Institute, Ulsan, South Korea) ,  Kim H. Jin (Department of Mechanical and Aerospace Engineering, Automation and Systems Research Institute, Seoul National University, Seoul, South Korea)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 14  号： 1  ページ： 249-259  発行年： 2017年 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 建設機械の自動化における最近の進歩のいくつかでは,安全性と効率性のために産業界及び学界の双方における油圧式掘削機の制御上で実施された研究が行われている。しかし,最も関連する研究は,標的植物の数学的表現を必要とするモデルベース制御手法を採用した。油圧掘削機のために,制御のための有用な動的モデルを得る油圧サーボ系の非線形性のために挑戦的である。このことを念頭に,本論文では油圧式掘削機の位置制御へのエコー状態ネットワーク(ESN)に基づくオンライン学習制御フレームワークの実現可能性を調べた。ESNはリカレントニューラルネットワークのクラスであるが,ESNの訓練は,線形回帰問題を解くことに相当する,オンライン実装に適している。ESNの動的特性を利用することにより,展開制御フレームワークは,プラントの入力と出力信号を用いる逆モデル,次に同時に要求した軌跡を追跡する制御入力を生成するために使用することを学習した。tonクラス油圧掘削機上で行った実験は,正確な追跡を動的モデルの非存在下でさえも達成されることで有望な結果を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 位置制御 ,  ダイナミックモデル ,  *油圧 ,  サーボ系 ,  掘削機 ,  非線形性 ,  モデルベース制御 ,  *油圧ショベル
準シソーラス用語： 制御入力 ,  逆モデル ,  *オンライン ,  線形回帰 ,  リカレントニューラルネットワーク ,  エコー状態ネットワーク ,  *オンライン学習 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (3件)： 油圧ショベル ,  オンライン ,  学習制御