Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
大草 享一; 佐伯 昭; 吉川 信治; 遠藤 昭
9th Power Plant Dynamics, Control & Testing Symposium, ,
原子力プラントにおいて、運転員が果たしていた役割を人工知能で代替し、加えて制御性能を向上させるべく自律型運転制御システムの開発を行っている。この開発では、運転員の知識ベースレベルの判断をAIで実現する為、モデルベーストアプローチを採用する。システム構成としては、機能の動的な再組織化などに優れた階層分散型強調システムを採用し、その実現は、マルチエージェントシステムによる。自律運転に対するこれらAI技術の適用性を評価する為にプロトタイプシステムの開発を行っている。プロトタイプシステムは、プラント全体の診断・制御を行うプラントレベル、実際の機器を対象にそれらを行うローカルレベルの階層からなり、それぞれの階層は、診断や制御を行う複数のサブシステムからなる。これまでに製作を行ったサブシステムについて、その機能及び実験結果について報告する。
Ugolini; 吉川 信治; 小沢 健二
9th Power Plant Dynamics, Control & Testing Symposium, ,
モデル適応制御(MRAC)に、対象機器へある時間遅れを伴って到達する物理量の情報と、対象機器の挙動に関する予測とに基づく制御信号の補正機能を組み込む手法を提案し、この手法をFRRプラントの蒸発器への適用検証結果を述べる。このMRAC制御では制御システム内部のモデルとしてニューラルネットワークを用いる。シミュレーションデータによりオフラインの学習を行い、この後に実際の対象機器の制御を、オンラインの学習と並行として行うことにより、高い精度と対象機器の特性変化への適用能力を有する制御手法として提案されたものである。本報告書では、対象機器に印加される過去及び未来の境界条件をもニューラルネットワークに学習させてその柔軟な学習機能を活用し、制御性能を高める手法を開発し、その有効性をFBRプラントの蒸発器への適用性を通じて検証する。