論文の概要: Constrained PSO Six-Parameter Fuzzy PID Tuning Method for Balanced Optimization of Depth Tracking Performance in Underwater Vehicles

• arxiv url: http://arxiv.org/abs/2602.12700v1
• Date: Fri, 13 Feb 2026 08:11:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.42754
• Title: Constrained PSO Six-Parameter Fuzzy PID Tuning Method for Balanced Optimization of Depth Tracking Performance in Underwater Vehicles
• Title（参考訳）: 水中車両における深度追尾性能のバランス最適化のための制約付きPSO6パラメータファジィPID調整法
• Authors: Yanxi Ding, Tingyue Jia,
• Abstract要約: 本稿ではファジィPIDコントローラをチューニングするための制約付き粒子群最適化(PSO)手法を提案する。 ファジィPIDシステムの全体的なチューニング強度と動的応答特性の相乗的最適化を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depth control of underwater vehicles in engineering applications must simultaneously satisfy requirements for rapid tracking, low overshoot, and actuator constraints. Traditional fuzzy PID tuning often relies on empirical methods, making it difficult to achieve a stable and reproducible equilibrium solution between performance enhancement and control cost. This paper proposes a constrained particle swarm optimization (PSO) method for tuning six-parameter fuzzy PID controllers. By adjusting the benchmark PID parameters alongside the fuzzy controller's input quantization factor and output proportional gain, it achieves synergistic optimization of the overall tuning strength and dynamic response characteristics of the fuzzy PID system. To ensure engineering feasibility of the optimization results, a time-weighted absolute error integral, adjustment time, relative overshoot control energy, and saturation occupancy rate are introduced. Control energy constraints are applied to construct a constraint-driven comprehensive evaluation system, suppressing pseudo-improvements achieved solely by increasing control inputs. Simulation results demonstrate that, while maintaining consistent control energy and saturation levels, the proposed method significantly enhances deep tracking performance: the time-weighted absolute error integral decreases from 0.2631 to 0.1473, the settling time shortens from 2.301 s to 1.613 s, and the relative overshoot reduces from 0.1494 to 0.01839. Control energy varied from 7980 to 7935, satisfying the energy constraint, while saturation occupancy decreased from 0.004 to 0.003. These results validate the effectiveness and engineering significance of the proposed constrained six-parameter joint tuning strategy for depth control in underwater vehicle navigation scenarios.
• Abstract（参考訳）: 工学的応用における水中車両の深度制御は、迅速追跡、低オーバーシュート、アクチュエータ制約の要件を同時に満たさなければならない。 従来のファジィPIDチューニングは、しばしば経験的手法に依存しており、性能向上と制御コストの間の安定かつ再現可能な平衡解を達成することは困難である。 本稿では6パラメータファジィPIDコントローラをチューニングするための制約付き粒子群最適化(PSO)手法を提案する。 ファジィコントローラの入力量子化係数と出力比例利得とともにベンチマークPIDパラメータを調整することにより、ファジィPIDシステムの全体的なチューニング強度と動的応答特性の相乗的最適化を実現する。 最適化結果の工学的実現性を確保するため、時間重み付き絶対誤差積分、調整時間、相対オーバーシュート制御エネルギー、飽和占有率を導入する。 制御エネルギー制約を適用して制約駆動型総合評価システムを構築し,制御入力の増加による擬似改善を抑える。 シミュレーションの結果,一貫した制御エネルギーと飽和レベルを維持しながら,時間重み付き絶対誤差積分は0.2631から0.1473に減少し,沈降時間は2.301秒から1.613秒に減少し,相対オーバーシュートは0.1494から0.01839に減少することがわかった。 制御エネルギーは7980から7935まで変化し, 飽和占有率は0.004から0.003に減少した。 これらの結果は,水中航法シナリオにおける深度制御のための制約付き6パラメータジョイントチューニング戦略の有効性と工学的意義を検証した。

関連論文リスト

• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
  本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。 我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。 安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
  論文  参考訳（メタデータ） (2026-01-29T07:15:39Z)
• TS-DP: Reinforcement Speculative Decoding For Temporal Adaptive Diffusion Policy Acceleration [64.32072516882947]
  拡散ポリシーは、具体的制御が優れているが、高い推論遅延と計算コストに悩まされている。 時間認識強化に基づく投機的拡散政策(TS-DP)を提案する。 TS-DPは94%以上のドラフトで最大4.17倍高速な推論を実現し、推論周波数は25Hzに達した。
  論文  参考訳（メタデータ） (2025-12-13T07:53:14Z)
• PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
  ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。 PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。 ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
  論文  参考訳（メタデータ） (2025-10-27T03:04:46Z)
• Real Time Self-Tuning Adaptive Controllers on Temperature Control Loops using Event-based Game Theory [3.156133122658661]
  本稿では,イベントベース動的ゲーム理論を用いた産業システムにおけるPID制御の適応性向上手法を提案する。 従来の自己学習手法とは対照的に,提案手法はイベント駆動型制御戦略とゲーム理論学習アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2025-06-16T07:19:46Z)
• Application of Soft Actor-Critic Algorithms in Optimizing Wastewater Treatment with Time Delays Integration [0.6775616141339018]
  観測と動作の遅延は、効率的なリン除去を実現するために、比例独立微分制御器を最適以下にする。 本研究は,ソフトアクター・クライブアルゴリズムに基づく新しい深層強化学習手法を用いて,これらの課題に対処する。 シミュレータにはLong Short-Term Memory Networkが組み込まれており、正確なマルチステップ状態予測が可能で、現実的なトレーニングシナリオが実現されている。
  論文  参考訳（メタデータ） (2024-11-27T12:52:48Z)
• Real-Time Model-Free Deep Reinforcement Learning for Force Control of a Series Elastic Actuator [56.11574814802912]
  最先端のロボットアプリケーションは、歩行、揚力、操作などの複雑なタスクを達成するために、閉ループ力制御を備えた連続弾性アクチュエータ(SEAs)を使用する。 モデルフリーPID制御法はSEAの非線形性により不安定になりやすい。 深層強化学習は連続制御タスクに有効なモデルレス手法であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-11T00:51:47Z)
• A GOA-Based Fault-Tolerant Trajectory Tracking Control for an Underwater Vehicle of Multi-Thruster System without Actuator Saturation [9.371458775465825]
  本稿では,スラスタ損傷(パワーロス)を受けた水中車両(UV)の軌道追尾問題に対処するために,インテリジェントな耐故障制御(FTC)戦略を提案する。 提案した制御戦略では、速度変化を制御する改良されたバックステッピングアルゴリズムにより軌道追跡成分を形成し、スライディングモード制御によりトルク/フォース出力を減算する。
  論文  参考訳（メタデータ） (2023-01-04T21:30:16Z)
• One-shot, Offline and Production-Scalable PID Optimisation with Deep Reinforcement Learning [0.0]
  PID制御は、97%以上の自動化産業プロセスの基盤となっている。 汎用システム特性の関係を学習する深層強化学習に基づく手法を提案する。 この方法は、最も困難な目標切換速度に該当するアクチュエータの数を5倍に改善する。
  論文  参考訳（メタデータ） (2022-10-25T10:49:26Z)
• Performance-Driven Controller Tuning via Derivative-Free Reinforcement Learning [6.5158195776494]
  我々は,新しい微分自由強化学習フレームワークを用いて,制御器のチューニング問題に取り組む。 我々は,PIDコントローラを用いた適応走行制御とMPCコントローラを用いた軌道追跡という,自律走行による2つの具体例に関する数値実験を行った。 実験の結果,提案手法は一般的なベースラインよりも優れており,コントローラチューニングの強い可能性を強調している。
  論文  参考訳（メタデータ） (2022-09-11T13:01:14Z)
• Regret-optimal Estimation and Control [52.28457815067461]
  後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。 非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
  論文  参考訳（メタデータ） (2021-06-22T23:14:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。