お知らせ
紙やフィルムなどの薄い素材（ウェブ）を搬送する装置では，搬送中に生じる横ずれが製品品質に大きく影響する。本研究では，AIとモデルベース制御の長所を融合し，ウェブ搬送装置の性能を最大限に引き出すことを目的とする。具体的には，数式モデルでは表現が難しい複雑なウェブ挙動をAIにより補完しつつ，カルマンフィルタやモデル予測制御（MPC）などのモデルベース手法と統合することで，高精度かつ低計算負荷な横ずれ推定と事前補償を実現する。これにより，高速搬送時でも安定したウェブ搬送を可能とし，印刷エレクトロニクスなど次世代R2R製造の高度化に貢献する。
関連論文[1]：Shu Yanagisawa, Ryutaro Yamaguchi, Hiroaki Kuwahara, “Optimal Servo Control System Considering Nonlinear Disturbances Using a Deep Reinforcement Learning-Based Extended Kalman Filter,” Proc. of the 12th IEEJ International Workshop on Sensing, Actuation, Motion Control, and Optimization (SAMCON), pp. 72-78, 2026.
関連論文[2]：Kazuhiro Yokogawa, Ryutaro Yamaguchi, Hiroaki Kuwahara, “Predicting Lateral Position Errors in Precision Web Handling Using AI Models,” Proc. of the 11th IEEJ International Workshop on Sensing, Actuation, Motion Control, and Optimization (SAMCON), pp. 163-168, 2025.