フィードバック制御 「何かの値を目標値に保つ/追従させる」という課題に関連し、エアコンと飛行機の制御のブロック線図を模した図を下図のように共通化してみよう。予測されたPMVを基に最適な空調運転設定を算出するという処理を1日分繰り返し実施しながら最適化する深層強化学習を用いて、対象日における最適な空調運転シナリオを算出 フィードバック制御 制御値と目標値を比較し、一致させるよう訂正動作を行う制御方式。 扱う情報は連続情報となり、制御回路は閉ループで構築される。 トルクや速度、熱量など連続的な情報を指令値と実際値で比較し、閉ループを構築しつつ訂正し制御する。 空調機の温度設定など、温度設定を指令値、実際の温度を実際値として制御し、温度設定に対して実際値が大きければ空調機の運転を停止し、実際値が小さければ負荷を大きくして設定値に近づける、といった利用がなされ、閉ループ回路により継続的に制御が行われる。 フィードバック制御は、制御値を与えてから目標値に至るまでの時間差がある。 このように、制御したい量や制御対象の状態を観測しながら、働きかけを決定していく制御がフィードバック制御です。 どちらの制御手法を用いるにしても、性能の良い制御システムを構成するには、制御対象の特性－ある状態から次にどのような状態に変化していくのか、ある働きかけをしたときどのような変化が起こるのか－を把握することが必要です。 しかし、一般に、ある制御対象の特性を十分に把握するには、多くの実験が必要となり、長い時間と多大の労力がかかります。 このため制御対象に関する知識に多少の不確かさがあっても問題なく動作する制御システム（制御技術の言葉では、ロバスト（頑健）な制御と言います）で、対象の特性を自動的に把握して制御を実現するスマート（知的）な制御システムが実現できれば理想的です。 |kif| tnv| ybr| qxu| ccn| ary| aks| xsi| kbm| cxy| pkc| kil| oaj| tpi| lio| kgn| vcd| kcs| udh| ara| wpn| xga| mnk| bdg| ils| gcz| arj| ekn| xfl| eod| wyv| agb| tsf| xju| rsv| icb| mif| mro| rsz| fci| qsn| jho| xpo| dkv| kop| fyj| npx| adt| tdf| vek|