【研究分野】システム工学

【研究領域課題番号】17360186 (KAKENデータベースで見る）

【研究キーワード】

進化論的計算手法 / 遺伝的アルゴリズム / 遺伝的プログラミング / データマイニング / 相関ルール / 進化型計算 / 学習 / 共生 / 機能局在 / マクロノード / 進化 / ニューラルネットワーク

【研究成果の概要】

自然や生物に学ぶ問題解決法である遺伝的アルゴリズム(GA)は、は自然界のシステムの適応過程を説明するモデルとして提唱されてきた。また、知識表現、プログラム、概念木などを扱う遺伝的プログラミング(GP)が開発されている。これらのいわゆる進化論的計算手法は工学的最適化のための手法として現在アルゴリズムの開発と応用への展開が盛んに進められている。しかし、従来の進化論的計算手法は、遺伝子をストリングあるいは木構造で表現しているため、その表現能力、進化性能等で対象システムのモデル化および最適化の点で不十分である。したがって、研究代表者らは有向グラフを遺伝子とする遺伝的ネットワークプログラミング(Genetic Network Programming, GNP)を提案し、その有効性の検証を行ってきたが、本研究課題では、以下のようなGNPの新たな展開と実システムへの応用を推進した。
1. GNPの新たな展開
学習と進化の融合、機能局在型GNP、マクロノード付きGNP、共生学習進化型GNP、可変構造型GNP
2. GNPの応用展開
エレベータ群管理システムへの応用、データマイニングへの応用、株式売買モデルへの応用
GNPは、判定ノードと処理ノードを方向付きリンクで接続したもので、グラフ構造ゆえにノードの重複活用が可能であり、表現能力、アルゴリズムの把握のしやすさ、進化性能の点で優れている。また、有限オートマトンとも異なり、必要な情報を必要な時に判定するなど部分観測マルコフ決定過程下での進化が可能であり、応用分野の拡大が期待できる。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】14,820千円 (直接経費: 13,800千円、間接経費: 1,020千円)

【研究分野】医用システム

【研究領域課題番号】16680023 (KAKENデータベースで見る）

【研究キーワード】

磁場源推定 / 逆問題 / 遺伝的アルゴリズム / ニューラルネットワーク / バーチャルキーボード / 電流ダイポール / MEG / 脳磁図計測 / 分散遺伝子アルゴリズム / 磁場発生源逆推定 / 分散遺伝的アルゴリズム

【研究成果の概要】

本研究においては、複数の双極子モデルを用いた電流源の推定法のための逆問題計算アルゴリズムの確立がもっとも重要となる。そこで平成18年度は、空問分解能の良い拡がりを持った磁気双極子(磁場源)の位置およぴベクトルを推定できる手法を開発することを目的とし、次の2点を実施した。
(1)逆問題解析方法として、遺伝的アルゴリズムとシフティングアパチャー法を組み合わせた方法を新たに提案し、推定を行った。電流源が離れて存在する場合には、同一のボクセルに推定することができ、空間分解能1mm以下の良い推定結果が得られた。2個の磁気双極子(磁場源)が近接する時も、分離して推定することが出来た。更に、極狭い領域に拡がりを持つ電流源が存在する場合には、現状の装置では細かな電流の流れを可視化表現できない。しかし、今回開発したコードを用いることでは、他の手法でよくあるように複数の電流ダイポールが1つに重なった巨大な電流ダイポールが現れてしまう結果とは異なり、複数の電流ダイポールによる拡がりを表現できた。
(2)また、磁気マーカ、ホールセンサアレイ、PCから構成される磁場源推定装置を製作し、センサアレイによって計測した磁場分布をから磁気双極子の三次元位置と向きを連続的に推定するツールを開発した。位置推定には非線形最小二乗法を用いている。センサアレイからの高さ60mm以下の範囲内では2±1mm精度でマーカの位置推定が可能だった。

【研究種目】若手研究(A)

【研究期間】2004 - 2006

【配分額】19,630千円 (直接経費: 15,100千円、間接経費: 4,530千円)

【研究分野】システム工学

【研究領域課題番号】14350212 (KAKENデータベースで見る）

【研究キーワード】

学習 / 進化 / 共生 / 強化学習 / 遺伝的アルゴリズム / 知的システム / 相互作用 / マルチエージェント / ニューラルネットワーク / 遺伝的プログラミング / 知的エージェント / 複雑システム / 共生学習 / 共生進化 / ネットワーク構造

【研究成果の概要】

本研究では、知的システムの構築に必要な、知的工一ジェントの構築、エージェント問の相互作用の構築、マルチエージェントシステムの学習と進化をテーマに研究を推進してきた。
1.知的工一ジェントの構築:有向グラフ構造でプログラムを構成する遺伝的ネットワークプログラミング(GNP)を開発し、エージェントの行動生成における性能評価を行ったところ、従来手法と比べて良い性能を示すことが明らかになった。
2.エージェント間の相互作用の構築:GNPで構成される複数のエージェント間の知的相互作用を構築するため、共利、競争、搾取、利他という生態系における共生の概念を応用した、共生学習進化アルゴリズム(Masbiole)を開発した。タイルワールド問題を用いたシミュレーションの結果、提案手法が共生戦略を導入したことによる複雑なエージェント間の相互作用を示すことを明らかにした。
3.マルチエージェントシステムの学習と進化:一般に、生物は長い世代を通じて行われる進化と、一生の間に試行錯誤を通じて行われる学習が相互に影響しあってその発達を促進していると考えられる。この考え方を基に、上記1で提案したGNPと強化学習と呼ばれる学習アルゴリズムを組み合わせることで、より効率的な処理ができるプログラムを自動生成する手法を開発した(学習進化型GNP)。複数の個体問で選択、交叉、突然変異を行うことで良い個体が生成される進化に加え、各個体の処理実行中にもオンライン学習によるプログラムの改善が行えることにより、進化のみのGNPおよび従来の進化型計算手法(遺伝的プログラミング)より性能が良くなることを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2002 - 2004

【配分額】14,200千円 (直接経費: 14,200千円)

【研究分野】物理化学

【研究領域課題番号】11740333 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 遺伝的アルゴリズム / 波束動力学 / 移動型最小二乗法 / 解適合基底

【研究成果の概要】

移動型最小二乗近似を用いた要素フリー・ガラーキン法を基に高次元(二・三次元)系の定常状態量子力学計算用汎用基底を開発した。さらに、二次元用基底をHOD分子振動の波束動力学計算に応用し、レーザーによる選択的励起に関する理論的な解析を行った。また、一方でニューラルネットワークを用いて波動関数を表現し、そのネットワークパラメータを遺伝的アルゴリズムで最適化することによりシュレディンガー方程式の解を求めることに成功した。ニューラルネットワークとしては入力・中間・出力層の3層からなる階層型パーセプトロンを採用し、入力信号として座標の値を、ネットワーク出力として波動関数の振幅と位相の値を対応付けることにより解である波動関数を表現している。ネットワークを構成する各パラメータはシュレディンガー方程式を満足する様にネットワークを教育することによって最適化された。また、ネットワークが初期値のとり方によって局所解に陥ってしまい正確解に至らないという事態を遺伝的アルゴリズムを併用することによって回避した。この際、遺伝的アルゴリズムとしては最適化の際に用いる染色糸数を抑えるために有効であると思われるマイクロ遺伝的アルゴリズムを採用している。開発された手法を、一次元調和振動子、モース型ポテンシャル、および二重井戸型ポテンシャルに適用したところ、いずれの場合においても励起状態固有関数を直接求めることが出来た。また、注目される点として励起状態を記述する際に必要とされるネットワークのユニット数がほとんど基底状態と変わらないという事が確認された。また、本手法はネットワークの入力層のユニットを増加させるだけで多次元系の波動関数が記述できるため拡張が容易である。以上の結果より、今回開発された方法は従来の基底関数展開が不得意としていた多次元高励起状態振動計算に有用であろうと結論付けられた。

【研究種目】奨励研究(A)

【研究期間】1999 - 2000

【配分額】700千円 (直接経費: 700千円)

【研究分野】制御工学

【研究領域課題番号】10650433 (KAKENデータベースで見る）

【研究キーワード】

学習 / ニューラルネットワーク / 強化学習 / 非線形システム制御 / カオス / 遺伝的アルゴリズム / 連想記憶 / ファジィ / モデル化 / 制御 / 不完全観測 / オブザーバ / 高速化 / ロバスト性

【研究成果の概要】

非線形複雑系のモデル化と制御には、生物の学習方式及び記憶方式を解明し、その工学的利用が有益であると考えられる。このことから、生物の学習方式を範とするモデル化と学習方式及び,複雑系の代表格である脳の連想記憶方式とそのモデル化に関する研究を行った.
1.モデル化に関する研究
遺伝的アルゴリズムを用いた可変長の遺伝子コードを間接符号化法に基づく,最適ネットワークサイズと適切なネットワークパラメータを持つニューラルネットワーク設計法を提案し,シミュレーションによりその有効性を確認した.
2.学習及び制御に関する研究
・ロバストな制御器構築を目的として,制御器構造をコンパクト化する方式の検討を行い,非線形クレーンシステム制御のシミュレーションによりその有効性を確認した.
・ネットワークによるモデルを学習にて構成する場合の学習時間の短縮化に関する検討を行い,学習すべきシナプス重みパラメータを関数表現化する方式を提案し,学習の高速化の点で有効であることを確認した.
・生物の自然な学習方式である強化学習方式について,不完全観測環境下におけるactor-critic学習方式と確率傾斜法の協調学習方式を開発,また,強化学習における試行錯誤において試行に関する探索方向を適応的に変化させることを提案し,倒立振子の制御及び自律走行ロボットの行動学習を例題として高い探索効率及び学習試行回数の減少効果を持つことを確認した.
3.連想記憶方式とそのモデル化に関する検討
・記憶の記銘・想起のうち,想起に関する記憶検索モデルについて検討し,従来方式に比較して想起したい記憶を想起するまでの時間ステップが短い記憶探索モデルを提案した.

【研究種目】基盤研究(C)

【研究期間】1998 - 2000

【配分額】2,700千円 (直接経費: 2,700千円)

【研究分野】化学工学一般

【研究領域課題番号】10555263 (KAKENデータベースで見る）

【研究キーワード】

遺伝的アルゴリズム / ニューラルネットワーク / 非線形性 / プロセス / 情報処理 / スケジューリング / モデル化 / 反応・分離システム / 反応分離システム / (1)遺伝的アルゴリズム / (2)ニューラルネットワーク / (3)非線形 / (4)プロセス / (5)スケジューリング / (6)モデル化 / (7)反応システム / (8)分離システム / 非線形 / 反応システム / 分離システム

【研究成果の概要】

遺伝的アルゴリズム(GA)を用いてニューラルネットワーク(NN)の学習と構造決定を同時に行う新たなハイブリッド手法(GANN)を、複雑な制約条件を持つバッチプロセスの運転管理とスケジューリング、また非線形反応・分離プロセスのモデリングと制御へ応用し、実用的システムとして展開していくことを目的として研究を行い、以下のような成果を挙げることができた。
1.GANNの基盤技術となるニューラルネットワークを用いて、重合反応プロセスや液クロマト分取プロセスから得られる非線形プロセスデータを的確にモデル化できることを示すことができた。また、この成果を通してニューラルネットワークの汎化性能を支配する因子として中間層のユニット数が重要であること明らかにし、GANNの遺伝子展開における構造を的確に設計することができた。
2.プロセスの状態を把握しながら変種変量生産にリアルタイムかつ柔軟に対応してプロセスの運転計画を管理する統合運転管理システムの中核となる外乱適応型のGANN動的スケジューリングシステムを完成させることができた。そして、同システムが、突然の生産計画変更や装置の故障や修理に適切に対応できることを示すことができた。
3.撹拌槽型反応モデル装置の制御系の基本構造をGANNシステムを用いて設計する方法を一例として検討し、同システムが制御系設計における最適化手法として極めて有益であることを示すことができた。
以上により、非線形性の強いプロセス情報に関するモデル化、制御、運転管理の領域でのシステム開発を行うことができ、ならびに同システムの有効性、汎用性の実証を行うことができた。

【研究種目】基盤研究(B)

【研究期間】1998 - 2000

【配分額】12,500千円 (直接経費: 12,500千円)

【研究分野】計測・制御工学

【研究領域課題番号】09450171 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 遺伝的アルゴリズム / ファジイ / 一般化学習ネットワーク / 高次微分 / 共生 / ロバスト制御 / カオス制御 / モデル化 / 学習 / 確率 / 制御 / 安定性 / カオス / 集中化・多様化 / ネットワーク / 離散事象 / オートマトン / ゲート

【研究成果の概要】

本報告は、科学研究補助金に関する研究課題「学習ネットワークによる複雑システムのモデル化とインテリジェント制御に関する研究」についての研究成果である。
広域電力ネットワークシステム、分散型交通・物流ネットワークシステム、総合上水道ネットワークシステム、大規模複雑原子力・火力・化学プラント等最近の制御対象は大規模化、複雑化、広域化、分散化する傾向にある。
それに従い、従来の制御理論の枠組では環境の変化と多様な目的に対応する高度な制御を行う事が困難となり、従って、制御システム全体を非線形ネットワークとして捉え、これにより既存の制御手法にはない柔軟性と創造性を持ったシステムを構築する事が強く求められていた。
そこで、本研究では生命現象をも含む自然現象及び論理の世界を大規模複雑なシステムとして捉え、これをモデル化し制御するための一般化学習ネットワーク(ULNs:Universal Learning Networks)と確率一般化学習ネットワーク(PrULNs:Probabilistic Universal Learning Networks)およびネットワーク最適化の学習方式である適応的ランダム探索法(RasID:Random Search Method with Intensification and Diversification)と遺伝的共生アルゴリズム(GSA:Genetic Symbiosis Algorithm)を開発した。
又、これ等の手法を具体的応用システムに展開し、ロバスト制御、カオス制御等が統一した枠組の中で論ずる事が出来る事を明らかにしている。

【研究種目】基盤研究(B)

【研究期間】1997 - 1999

【配分額】9,500千円 (直接経費: 9,500千円)

【研究分野】社会システム工学

【研究領域課題番号】08680471 (KAKENデータベースで見る）

【研究キーワード】

ファジィポートフォリオ / ファジィ数理計画法 / ファジィ二次計画法 / 遺伝的アルゴリズム / 平均分散分析法 / ボルツマンマシーン / 階層的ボルツマンマシーン / 限定証券数の選択 / ファジィ理論 / 希求水準 / ニューラルネットワーク

【研究成果の概要】

平成8年度から平成10年度までの3年間に渡り、限定証券数の選択のためのファジィ手法を開発する研究を行った.第1年度では,特に専門家の方法論を調査し,並行してパイロットモデルを開発した.第2年度では,それらのモデルによって分析した結果を専門家に諮問し,有効性を検討した.さらにそれらの意見を反映させたモデルの改良を行った.第3年度の研究では,ファジィモデルのみでなく,高速計算を行うためのにニューラルネットワークの方法論を導入したモデルを用いることを行った.この結果,ファジィ理論とともに意思決定者の希求水準を反映させた限定証券数の選択を可能とした効果的なモデルを開発した.
以下に得られた成果をまとめる.
1)第1年度および第2年度での投資の専門家とのインタヴィユーで明らかになった、投資パターンの決定において専門家の判断を反映させることの重要性を考慮して、投資の専門家の判断をモデルに反映させる方法を確立した. 2)本研究の目的である大規模な証券数の中から限定証券数を選択するための方法としてファジィ手法を提案した。 3)証券の売買が市場をディスターブするため,また売買手数料を考慮しなければならないので、前年度のポートフォリオからの変化量の少ない投資が好ましい。このためここでは前年度のポートフォリオからの変化量の少ない投資パターンを選択の方法を提案した。 4)また、ニュウーラルネットワークであるボルツマンマシーンによるポートフォリオ選択問題の解法では、期待収益とリスクとのウェイトを変更することによって、ハイリスク・ハイリターン戦略であるかローリスク・ローリターン戦略であるかを、投資意思決定者の好みにより調整できるモデルを考案した。 5)さらに、ボルツマンマシーンによる限定証券数の選択を可能にする階層型ボルツマンマシーンをモデル化した。
以上の成果をさらに発展させて、次の成果を得た。
6)ニューラルネットワークの手法であるボルツマン・マシーンを用いて効率的にポートフォリオ選択問題を解く方法を確立した。 7)これらの応用として国際的な投資を行うための方法論を階層的投資戦略として確立した。このための解決をボルツマン・マシーンを用いて構成した。

【研究種目】基盤研究(C)

【研究期間】1996 - 1998

【配分額】2,200千円 (直接経費: 2,200千円)

【研究分野】機械力学・制御

【研究領域課題番号】08650298 (KAKENデータベースで見る）

【研究キーワード】

最適設計 / ファジィ推論 / ニューラルネットワーク / 遺伝的アルゴリズム / 設計の上流部 / 支援システム

【研究成果の概要】

経済状況の沈滞,人手不足,産業空洞化,アジア諸国の追い上げ,環境問題などをはじめとして,今日,機械・構造の設計を取り巻く環境は,極めて厳しいものがある.そこで設計に対しては,高機能,高付加価値のある,また創造的な設計が強く望まれている.これらの設計では,下流部で行われる従来の設計を基準とした変更を加えた設計段階よりも設計上流部,すなわち概念設計や基本設計の段階が極めて重要である.つまり,従来の設計の延長線上に無い,あるいは従来に設計では十分に対処できない種類の設計とも言えよう.これらの段階の設計では,設計条件のあいまいさ,多くの設計条件からの選択,下流の設計における変更への適応性などが問われ,従来の数理計画法を中心とした最適化手法などでは十分に対処できず,ファジィ推論,ニューラルネットワークや遺伝的アルゴリズムなどの活用が不可欠である.
筆者らは,従来の研究でファジィ推論,ニューラルネットワーク,遺伝的アルゴリズムなどを上流部の設計の最適化に用いた研究を継続的に進めてきており,その成果も着々と上がってきた.そこで,本研究ではそれらの研究を集大成し,上流部の設計において機械・構造の機能,強度,感性などを考慮して,しかも独創的な設計が生み出せるような最適設計支援システムの開発・研究を目的として,多くの処理が可能なコンピュータなどのシステムを構築した.そのうえでシステムを用いて種々の設計例を持って検討を行いシステムの有効性を確認した.

【研究種目】基盤研究(C)

【研究期間】1996

【配分額】2,200千円 (直接経費: 2,200千円)

【研究分野】機械工作・生産工学

【研究領域課題番号】07555357 (KAKENデータベースで見る）

【研究キーワード】

三次元測定機 / 熱変形 / 変形センサ / 変温環境 / ニューラルネットワーク / 遺伝的アルゴリズム / オン・ワン・サイト / 内部モニタリング / 広範囲高精度測定 / 原子間力顕微鏡 / 粗動機構 / 微動機構 / ピエゾアクチュエータ / ナノブロック / ニューラル・ネットワーク

【研究成果の概要】

一般に三次元測定機による高精度測定を実現するためには、測定機を恒温室に設置して測定するが、工作機械までを恒温室に設置するのは困難なことが多い。このため、加工を行なう場所と測定を行なう場所とが離れてしまい加工と測定とを繰り返そうとすると工作物のクランプ、アンクランプが繰り返され、結果として精度が出ないことが多い。そこで変温環境であっても測定精度のよい三次元測定機を開発した。
具体的には、三次元測定機の構造体に変形センサを装着した。この変形センサはスーパーインバー材でできているので、周囲や構造体の温度変化の影響を受けずに被測定物の変形量を直接測定可能である。
実験では基準ゲージをスーパーインバー材で作成し、基準ゲージとした。温度変化による測定誤差を補償するために空間補正用の行列を設け、これの各要素を遺伝的アルゴリズムを組み込んだニューラルネットワークで決定した。ニューラルネットワークの入力として、上記の変形センサの出力、三次元測定機上中下部の温度、光学スケールの温度を用いた。
上記の方法によって長さの測定誤差は補償しない場合に比べて15%程度に、角度の測定誤差は補償しない場合に比べて30%程度に減少させることが可能であった。

【研究種目】基盤研究(A)

【研究期間】1995 - 1996

【配分額】1,900千円 (直接経費: 1,900千円)

【研究分野】医用生体工学・生体材料学

【研究領域課題番号】06808094 (KAKENデータベースで見る）

【研究キーワード】

造形法 / アシナガバチ / 巣作り行動 / 触角 / 走性 / ニューラルネットワーク / 遺伝的アルゴリズム

【研究成果の概要】

1ハチは規則正しく並んだ六角形の巣を作ることができる。本研究では、巣作りにおける触角の動作の観察と造形法の検討を行った。分析と検討のため、触角の動作に基づく巣作り行動と巣作りの過程をVTRを用いて記録した。巣作りにおいて触角は非常に活発に動き、その動作は、巣作りの各々の過程において、規則的、特徴的である。観察結果から、触角の特徴的な動作は、巣の形状を決定するために用いられており、「走性」と呼ばれている性質と深く関係していることがわかった。
2ハチの造形方法を、コンピュータシミュレーションにより検討した。シミュレーションは、走性のような簡単な動作ルールと作られる形状の関係を確かめるために行われた。シミュレーション結果から、指標となる土台形状を基にして、走性のような単純な動作ルールにより、直線や曲線、六角形といった形状を作成できることを確認した。
3ハチの巣作り行動に基づく造形ロボットを構築した。造形ロボットは、ハチの触角を模擬した2つのセンサーを備えており、これにより造形実験を行った。指標となる土台形状を基にして、センサーの動作と簡単な動作ルールに基づく造形ルールにより、土台形状を維持した造形や、異なる形状への作り変えができることを確認した。
基本的な形状をトレースすることのできる、造形のための最適なルールの獲得を試みた。ロボットの造形ルールはニューラルネットワークを用いて表現し、コンピュータシミュレーションにより、基本的な形状をトレースできるルールの獲得を行った。トレースのための最適なルールは遺伝的アルゴリズムを用いて学習、決定した。分析の結果、遺伝的操作により得られたルールは、走性と関係していることが示された。

【研究種目】一般研究(C)

【研究期間】1994 - 1995

【配分額】1,900千円 (直接経費: 1,900千円)

【研究分野】機械材料・材料力学

【研究領域課題番号】06452145 (KAKENデータベースで見る）

【研究キーワード】

計算力学 / 知的情報処理 / マイクロマシン / 設計 / 遺伝的アルゴリズム / ニューラルネットワーク / ファジィ理論 / メッシュ生成 / CAE / デザインウインドウ / 複合現象 / 仮想現実感 / マイクロウォブルモータ / 自動解析 / 3次元 / マイクロウオブルモータ

【研究成果の概要】

本研究では、新たにマイクロマシン設計のための知的計算力学システムの開発を行った。具体的には、マイクロマシンのおおよその概念・構造が提案された段階において、そのモデリング、連続体力学レベルでの各種挙動評価(構造挙動、熱伝導、電磁気現象)を自動的に行い、評価結果の解釈、設計可能解の導出までを自動的に行うシステムを開発した。さらに、マイクロマシン世界の解析・評価結果を設計者が容易に理解できるようにするために、インターネット技術や人工現実感技術に基づく新しいインターフェースを構築した。
具体的には、初年度に、商用のソリッドモデラ-、ファジィ理論と計算幾何学に基づく自動要素分割システム、汎用有限要素法解析コードMARCを統合化したCAEシステムに、ニューラルネットワークに基づくデザインウインドウ(満足設計解の存在領域)導出機能を付加した。このシステムを用いて、シリコン薄膜加工技術によって作成される静電容量型のマイクロアクチュエータの満足化設計を行い、4次元のデザインウインドウの導出を行った。その結果、3次元静電場解析や静応力解析、振動解析を行いながら、可動可能な寸法、起動電圧に関するデザインウインドウを効率的に描くことができた。第2年度には、連続変数空間の探索が可能な遺伝的アルゴリズムを開発し、それを上記のCAEシステムに組み込むことにより、最適設計機能を付与した。これを用いてトンネル電流を利用したマイクロ加速度センサーの最適設計を行った。その結果、3次元静応力解析や固有値解析をもとに最適な形状および物性値を導出できるようになった。また、遠隔地からインターネット経由で本CAEシステムを利用し、仮想現実感技術によってリアルなシミュレーションが可能となる新しいインターフェースを開発した。

【研究種目】一般研究(B)

【研究期間】1994 - 1995

【配分額】7,200千円 (直接経費: 7,200千円)

【研究分野】機械力学・制御

【研究領域課題番号】05650246 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 遺伝的アルゴリズム / 構造同定 / 感度同定 / 最適設計

【研究成果の概要】

本研究における研究実績の概要を以下にまとめて記す.
(1)振動実験,荷重実験の実施
いくつかの既存の構造物に対してインパルスハンマーによる打撃実験や応答実験,荷重実験を行い,そのデータをいろいろ加工してコンピュータ上に保存した.
(2)機械構造の特性マトリクスの同定システムの開発
(1)で得られた実験データを基に機械構造の質量,減衰,剛性等を同定できるような階層型のニューラルネットワークを構築し,その精度を検討しながらシステムの向上をはかった.
(3)最適設計問題の設定
軽量化,静特性,動特性の向上などを目的としたパラメータの最適化問題としての最適設計問題を実用的な見地から設定した.
(4)最適設計システムの開発
上記の設定した最適設計問題を解くために同定システムと同じ形の階層型ニューラルネットワーク及びその一部に遺伝的アルゴリズムを導入したシステムの開発をはかり,その精度の向上をはかった.また,その有効性を数値計算及び実験で検討した.
(5)統合システムの整備
(2),(4)で開発したシステムの統合をはかり,一つのシステムとして入出力関係を整備し,実用に供せられるシステムを開発した.

【研究種目】一般研究(C)

【研究期間】1993

【配分額】2,300千円 (直接経費: 2,300千円)