第 3 章 2 次元平行 3 噴流群における流速分布のフィードバック制御
3.6 制御結果
3.6 制御結果
式(3-2)で示される調整器を持つシステムとニューラルネットワークの調整器のシステ ムで，制御実験を行い，制御効果の確認および比較を行った．
3.6.1
式
(3-2)による制御結果
目標とする最大値位置を(ypeak/B)r = 0.12として，定値制御を行った．Fig. 3- 12はT0 = 10 秒間の移動平均速度分布から算出した最大値位置の時系列分布である．定常的にypeak/B = 0.12付近となる流速比で固定した場合では大きく変動しているのに対し，フィードバック 制御を行った場合は目標値付近にとどまっており，変動が抑制されている．Fig. 3- 13は外 乱が入った場合の応答である．外乱は噴流の流れが変わるように，x/B = 5，y/B = 9に幅 10mmのノズルを設置し，平均流速2.3m/sで，t = 10sから10秒間横風をステップ的に加 えた．制御なしでは，横風により最大値位置が大きくずれているが，制御を行っている場 合は目標値付近にとどまっており，フィードバック制御により，外乱を抑制する機能が付 与された．
Fig. 3- 14は目標最大値位置を(ypeak/B)r=0.0として，制御時，非制御時の最大値位置の変 動強度であり，変動強さが小さいほどよい制御であると評価する．横軸は最大値位置算出 に用いる平均速度を算出する時間T0である．平均する時間が短くなり，対象とする変動成 分の時間スケールが小さくなるにつれて制御効果が弱くなっているが，このシステムによ り，1 秒程度の速度変動まで制御できることがわかる．インバータ内の制御系時定数を 1 秒程度とした設定においても制御を行ない，比較した．0.08秒の小さい時定数を持つ制御 入力で制御を行なったほうが，短い平均時間でも変動が抑制されており，周波数帯域が拡 大されていることがわかる．
3.6.2
ニューラルネットワークを用いた制御結果
調整器としてニューラルネットワークを用いたシステムについて，比例積分制御器の変 更はせずに，制御実験を行なった．Fig. 3- 13に示されるように，ニューラルネットワーク を導入したシステムにおいても，式(3-2)で表される調整器のシステムと，同等の制御効果 があり，外乱除去特性に関しても同等の動特性が得られることを確認した．離散的な教示 信号から，それらの値の間も，補間がなされて適切に制御信号が出力されていることがわ かる．このことから，ニューラルネットワークを用い，教示信号として，パターン化され た速度分布を与え，その分布との誤差が最小になるように学習させる方法を導入し，速度 分布制御の多自由度化を行うことができる．
3.6 制御結果
Fig. 3- 12 Result of peak position control.
Fig. 3- 13 Peak position of response to disturbance of cross-flow.
0 20 40 t[s] 60 80 100
y peak
/B
-0.1 0.0 0.1 0.2
no control controlled
uncontrolled
0 10 t[s] 20 30 40
y pe
ak /B
-0.1 0.0 0.1 0.2 0.3 0.4
no control controlled
uncontrolled
3.6 制御結果
Fig. 3- 14 Fluctuation intensity of peak position.
Averaging Time T
0[s]
0 2 4 6 8 10 12
y
peak/ B (rms)
0.00 0.01 0.02 0.03 0.04 0.05 0.06
Uncontrolled
1s time constant control 0.08s time constant control Controlled with neuro