JP2014002698A - Power assist system using model prediction control - Google Patents
Power assist system using model prediction control Download PDFInfo
- Publication number
- JP2014002698A JP2014002698A JP2012139521A JP2012139521A JP2014002698A JP 2014002698 A JP2014002698 A JP 2014002698A JP 2012139521 A JP2012139521 A JP 2012139521A JP 2012139521 A JP2012139521 A JP 2012139521A JP 2014002698 A JP2014002698 A JP 2014002698A
- Authority
- JP
- Japan
- Prior art keywords
- future
- value
- control
- generation circuit
- state quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
Description
本発明は、モデル予測制御を用いたパワーアシストシステムに関するものであり、特にモデル予測制御を用いた動作制御に基づいて、操作者の操作トルクに対応して人間機械協調系(操作者及び制御対象機器)における未来の状態量をリアルタイムで予測可能なモデル予測制御を用いたパワーアシストシステムに関するものである。 The present invention relates to a power assist system using model predictive control, and in particular, based on motion control using model predictive control, a human-machine cooperative system (operator and control target) corresponding to an operator's operation torque. The present invention relates to a power assist system using model predictive control capable of predicting a future state quantity in a device in real time.
種々の産業分野(医療・福祉分野等)では、操作者(作業者、介護者、動作者等)の動作負担の軽減を目的として、パワーアシストシステム(パワーアシスト装置)に関する技術開発が進められている。ここで、パワーアシストシステムは、操作者の動きによって発生した力(トルク)を力検知センサ等によって検知し、さらに検知したセンサ信号を増幅することにより、アシスト力を発生させるものである。そして、発生したアシスト力に基づいてロボットアーム等の制御対象機器を制御することが行われている。これにより、重量物の搬送作業等の大きな力を必要とする作業を、操作者によって加えられる小さな力で実現することが可能となり、操作者の動作負担の軽減を行うことができる。 In various industrial fields (medical and welfare fields, etc.), technical development related to power assist systems (power assist devices) has been promoted for the purpose of reducing the operational burden on operators (operators, caregivers, operators, etc.). Yes. Here, the power assist system detects the force (torque) generated by the movement of the operator with a force detection sensor or the like, and further generates the assist force by amplifying the detected sensor signal. And control object apparatus, such as a robot arm, is performed based on the generated assist force. As a result, a work requiring a large force such as a work for transporting a heavy object can be realized with a small force applied by the operator, and the operation burden on the operator can be reduced.
上記パワーアシストシステムの一例を示すと、例えば、医療工学の分野において、上肢切断者のパワーアシストによる日常生活の動作支援を目的として、筋電位センサと力センサとを併用した上肢動作の人間−筋電義手の協調制御に関する試みがなされている。また、力検知センサに加え、操作者の肘や指等の関節角度や関節可動速度、さらには関節の各部位の移動距離等を精細に計測するための複数のセンサを操作者に装着し、これらの複数のセンサによって得られた信号に基づいて制御するパワーアシストシステムも開発されている。 An example of the power assist system is as follows. For example, in the field of medical engineering, for the purpose of assisting the operation of daily life by the power assist of the upper limb amputee, the human-muscle of the upper limb motion using both the myoelectric potential sensor and the force sensor Attempts have been made regarding cooperative control of electric prostheses. In addition to the force detection sensor, the operator is equipped with a plurality of sensors for finely measuring the joint angle and joint moving speed of the operator's elbow, finger, etc., and the movement distance of each part of the joint, etc. A power assist system has also been developed that performs control based on signals obtained by the plurality of sensors.
一般的なパワーアシストシステムにおいて、操作者の加えた力の大きさ(トルク量)に対し、発生させるアシスト力の大きさ(アシスト率)を如何に設定するかが大きな問題となる。すなわち、入力された力に対してアシスト率が低い場合、操作者の動作負担が大きくなり、十分な動作負担の軽減効果を得られないことがあった。一方、アシスト率が大きい場合、ロボットアーム等の制御対象機器の制御量や移動速度が過剰となり、正確な位置へ物品等を移動させることが困難となったり、周囲に危険を及ぼすことがあった。 In a general power assist system, how to set the magnitude (assist rate) of the assist force to be generated becomes a big problem with respect to the magnitude (torque amount) applied by the operator. That is, when the assist rate is low with respect to the input force, the operation burden on the operator becomes large, and a sufficient effect of reducing the operation burden may not be obtained. On the other hand, when the assist rate is large, the control amount and movement speed of the control target equipment such as the robot arm become excessive, and it may be difficult to move the article etc. to an accurate position or may cause danger to the surroundings. .
上述の人間機械協調系の制御を含むプロセス制御において、制御対象機器の挙動をモデル化し、その挙動モデルを用いて未来の状態量を予測し、予測された未来の状態量に基づいて目標値に近づけるように操作量を決定する「モデル予測制御」が知られている。このモデル予測制御は、制御偏差値が現れてから修正を行うPID制御方式では困難であった、長い応答時間や時間遅れを持つシステムに対して高い有用性を備えていた。しかしながら、モデル予測制御方式は、演算量がPID制御方式と比べて著しく増大することが知られ、短い演算周期が必要な機械制御系への適用は難しいことが一般に知られている。 In the process control including the control of the human machine cooperation system described above, the behavior of the controlled device is modeled, the future state quantity is predicted using the behavior model, and the target value is set based on the predicted future state quantity. “Model predictive control” is known in which an operation amount is determined so as to approach the model. This model predictive control has high utility for a system having a long response time and a time delay, which is difficult in the PID control method in which correction is performed after a control deviation value appears. However, the model predictive control method is known to have a significantly increased calculation amount as compared to the PID control method, and is generally known to be difficult to apply to a machine control system that requires a short calculation cycle.
これに対し、人−ロボットの協調作業において、可能な限り小さい操作力で、できるだけ目標の最終位置からのずれを小さく抑えることができる上記モデル予測制御を適用したパワーアシスト装置とその適用モデル予測制御方法が提案されている(特許文献1参照)。上記装置及び方法によって、リアルタイムで検出された関節角度ベクトル、手先部位置、及び作業者の力に基づいて、手先粘性係数、その弾性係数、及び作業者の手先自然長位置をリアルタイムに推定し、推定された各値に基づいて、アシスト力を最適化することが可能となり、小さなロボットで位置決め誤差を最小に抑え、ロボットにアシスト力を発生させることができる。 On the other hand, in the human-robot cooperative work, the power assist device to which the above model predictive control is applied and the applied model predictive control can suppress the deviation from the target final position as small as possible with the smallest possible operation force. A method has been proposed (see Patent Document 1). Based on the joint angle vector, the hand position, and the operator's force detected in real time by the above apparatus and method, the hand viscosity coefficient, its elastic coefficient, and the operator's hand natural length position are estimated in real time, Based on each estimated value, the assist force can be optimized, and a positioning error can be minimized with a small robot, and the assist force can be generated in the robot.
しかしながら、上記パワーアシストシステムは、下記に掲げる問題点を生じることがあった。すなわち、筋電位センサを用いるものは、発生する筋電位信号の大きさにバラツキ等が生じやすく、周囲の環境等の各種要因によって当該信号が大きく影響されることが知られていた。そのため、筋電位センサの信号によって正確な動作制御を行うことが困難なことがあった。また、複数のセンサ等を用いて関節角度や可動速度等を勘案し、パワーアシストを行うものは、予め規定された特定の動きに対しては十分な効果を発揮することが可能であるものの、周囲の条件変化によって特定の動き以外の動作制御が必要となる場合には、臨機応変な対応が困難で、十分な動作支援をすることができないことがあった。 However, the power assist system sometimes has the following problems. That is, it has been known that those using a myoelectric potential sensor are likely to vary in the magnitude of the generated myoelectric potential signal, and that the signal is greatly influenced by various factors such as the surrounding environment. For this reason, it may be difficult to perform accurate operation control using a signal from the myoelectric potential sensor. In addition, considering a joint angle, a moving speed, etc. using a plurality of sensors or the like and performing power assist can exhibit a sufficient effect for a predetermined specific movement, When operation control other than a specific movement is required due to changes in ambient conditions, it is difficult to respond flexibly, and sufficient operation support may not be possible.
一方、パワーアシスト装置にモデル予測制御を適用したものは、作業者の腕の数学モデルを粘弾性で表すインピーダンスモデルを構築する必要があり、さらにリアルタイムに推定する情報が、作業者の手先粘性係数、弾性係数、手先位置の現在値等の複数の値を必要とするものであり、係る推定のために目標値の最終位置情報を必要とするものであった。そのため、個々の作業者毎に腕の数学モデルを構築する必要があり、作業者が多人数に亘る場合、個々の数学モデルの構築作業に多くの時間を要することがあった。 On the other hand, when the model predictive control is applied to the power assist device, it is necessary to construct an impedance model that expresses the mathematical model of the worker's arm in viscoelasticity, and the information estimated in real time is the operator's hand viscosity coefficient Further, a plurality of values such as an elastic coefficient and a current value of the hand position are required, and final position information of the target value is required for such estimation. Therefore, it is necessary to construct a mathematical model of an arm for each individual worker. When there are a large number of workers, it takes a lot of time to construct each mathematical model.
そこで、本発明は、上記実情に鑑み、人間の動作を支援をすることを目的とし、制御対象機器をモデル化し、入力された現在の操作トルクから未来の状態量等をリアルタイムで予測し、制御対象機器の予見制御が可能なモデル予測制御を用いたパワーアシストシステムの提供を課題とするものである。 Therefore, in view of the above circumstances, the present invention aims to support human movements, models a control target device, predicts future state quantities and the like in real time from the input current operation torque, and performs control. An object of the present invention is to provide a power assist system using model predictive control capable of predictive control of a target device.
上記の課題を解決するため、本発明のモデル予測制御を用いたパワーアシストシステム(以下、単に「パワーアシストシステム」と称す)は、「現在の操作トルクから制御対象機器に対応する内部モデルの未来の制御入力値及び前記内部モデルの未来の状態量を予測する第一モデル予測制御系と、予測された前記未来の状態量から前記未来の制御入力値の最適値を予測する第二モデル予測制御系とを具備し、前記第一モデル予測制御系は、入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、生成された前記追従誤差から1ステップ未来の入力変化に係る1ステップ変化値を生成する変化値生成回路と、前記1ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、前記制御対象機器に対応して構築された2次ローパスフィルタ及び前記制御対象機器の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、前記制御入力値から1ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路とを具備し、前記追従誤差生成回路は、前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、前記第二モデル予測制御系は、前記未来の状態量から未来の変位誤差を生成する変位誤差生成回路と、前記未来の状態量から生成された前記未来の変位誤差を減算し、未来の参照軌道を生成する未来参照軌道生成回路と、前記未来の参照軌道から未来の追従誤差を生成する未来追従誤差生成回路と、前記未来の追従誤差から予測コントローラに基づいて1ステップ未来の入力変化に係る最適値を生成する最適値生成回路と、生成された前記最適値を積分し、前記制御対象機器に入力するための実制御値を生成する第二積分回路と、前記実制御値から1ステップ過去の入力変化に係る過去実制御値を生成する第二サンプルホールド回路と、前記実制御値から現在の出力値を出力可能な前記制御対象機器と、前記現在の出力値から現在の制御量を生成する現制御量生成回路とを具備し、前記変位誤差生成回路は、前記未来の状態量から前記現制御量を減算して前記未来の変位誤差が生成され、前記未来参照軌道生成回路は、前記過去実制御値に過去入力から変位情報のみを抽出する過去変位抽出係数を積算した値、及び、前記過去実制御値及び前記現在の出力値を状態観測回路に通し、さらに現在から変位情報のみを抽出する現在変位係数を積算した値をそれぞれ前記未来の参照軌道から減算し、前記未来の追従誤差を生成する」ものから主に構成されている。 In order to solve the above problems, a power assist system using model predictive control according to the present invention (hereinafter simply referred to as “power assist system”) is described as “the future of an internal model corresponding to a control target device from a current operation torque. A first model predictive control system for predicting a control input value and a future state quantity of the internal model, and a second model predictive control for predicting an optimum value of the future control input value from the predicted future state quantity The first model predictive control system amplifies the input operation torque, generates an amplified operation torque, and subtracts the amplified operation torque from the current target value, A current deviation generating circuit for generating a deviation; a set value trajectory generating circuit for generating a set value trajectory relating to a future operation torque from the current target value; and a future operation torque from the current deviation. An error generation circuit that generates an error related to the reference, a reference trajectory generation circuit that generates a reference trajectory related to the future operation torque by subtracting the error from the generated set value trajectory, and the generated reference trajectory A follow-up error generating circuit for generating a follow-up error related to the future operating torque from the generated follow-up error, a change value generating circuit for generating a one-step change value related to an input change of one step future from the generated follow-up error, and the one step A first integration circuit that integrates a change value to generate a control input value of the internal model, a secondary low-pass filter constructed corresponding to the control target device, and a mathematical model of the control target device, The internal model that generates the model state quantity from the input value, and the total change value that generates the total step change value related to the input change in the future of all steps from the generated tracking error A first sample and hold circuit that generates a past control input value related to a control input that is one step past from the control input value, and a first basic coefficient that serves as a basis for all future state quantities in the all step change values The first total state quantity obtained by integrating the past control input value, the second total state quantity obtained by adding the second basic coefficient serving as the basis of the future total state quantity, and the future total state quantity added to the model state quantity. Each of the third total state quantities obtained by accumulating the third basic coefficient that is the basis of the total state quantity, a total state quantity generation circuit for generating the future total state quantity, and extracting only the displacement information from the future total state quantity, A state quantity generation circuit that generates the future state quantity, and the tracking error generation circuit integrates a second torque coefficient that extracts only the operation torque from the second total state quantity, and From the third total state quantity, the operating torque The tracking error is generated by subtracting a value obtained by integrating the third torque coefficient for extracting only the reference trajectory, and the second model predictive control system generates a future displacement error from the future state quantity. A displacement error generating circuit that generates a future reference trajectory by subtracting the future displacement error generated from the future state quantity, and a future tracking error from the future reference trajectory. A future tracking error generation circuit to generate, an optimal value generation circuit for generating an optimal value related to an input change in one step future based on the prediction controller from the future tracking error, and the generated optimal value are integrated, A second integration circuit that generates an actual control value to be input to the control target device, and a second sample circuit that generates a past actual control value related to an input change of one step from the actual control value. A displacement control circuit, a control target device capable of outputting a current output value from the actual control value, and a current control amount generation circuit for generating a current control amount from the current output value. The circuit subtracts the current control amount from the future state quantity to generate the future displacement error, and the future reference trajectory generation circuit extracts only the displacement information from the past input to the past actual control value. The value obtained by integrating the displacement extraction coefficient, the past actual control value and the current output value are passed through the state observation circuit, and the value obtained by integrating the current displacement coefficient for extracting only the displacement information from the present is referred to the future. Subtract from the trajectory to generate the future tracking error ".
したがって、本発明のパワーアシストシステムによれば、現在の操作トルクの入力によって第一モデル予測制御系に基づいて未来の制御入力に係るモデル制御値及び制御対象機器に対応する内部モデルの未来の状態量の予測が可能となり、得られた未来の状態量を第二モデル予測制御系に適用することで、制御対象機器の実際の制御のための最適値が求められる。 Therefore, according to the power assist system of the present invention, based on the first model predictive control system based on the input of the current operation torque, the model control value related to the future control input and the future state of the internal model corresponding to the control target device The quantity can be predicted, and the obtained future state quantity is applied to the second model predictive control system, whereby the optimum value for actual control of the control target device is obtained.
さらに、本発明のパワーアシストシステムは、上記構成に加え、「前記制御入力値及び前記実制御値の少なくとも一方に対し、予め規定された制約条件を付与する」ものであっても構わない。 Furthermore, in addition to the above-described configuration, the power assist system of the present invention may be one that “gives a predetermined constraint condition to at least one of the control input value and the actual control value”.
したがって、本発明のパワーアシストシステムによれば、規定された制約条件が内部モデルの制御入力値及び実制御値の少なくとも一方に付与され、内部モデル及び制御対象機器の制御が行われる。ここで、制約条件とは、可動範囲や可動速度等の上限値及び下限値を予め規定したものであり、これにより係る条件の範囲内での内部モデル及び制御対象機器の動きに制限される。これにより、安全性の確保等が可能となる。 Therefore, according to the power assist system of the present invention, the specified constraint condition is applied to at least one of the control input value and the actual control value of the internal model, and the internal model and the control target device are controlled. Here, the constraint conditions are defined in advance as upper limit values and lower limit values such as a movable range and a movable speed, and are thereby limited to the movement of the internal model and the control target device within the range of the conditions. This makes it possible to ensure safety.
本発明の効果として、現在の操作トルクから未来の状態量をリアルタイムで予測することができ、人間の意思よりも先に制御対象機器の停止位置や操作力等を把握することが可能となる。その結果、制御対象機器の予見制御を行うことができ、安定したパワーアシスト率での制御が可能となる。 As an effect of the present invention, a future state quantity can be predicted in real time from the current operation torque, and the stop position, operation force, and the like of the control target device can be grasped prior to human intention. As a result, foreseeable control of the control target device can be performed, and control at a stable power assist rate is possible.
以下、本発明の一実施形態であるパワーアシストシステム1について、図1乃至図3に基づいて説明する。ここで、本実施形態のパワーアシストシステム1において、パワーアシストの対象となる動作として、物体を「押す」及び「引く」動作を想定している。具体的には、操作者がグリップを把持し、当該グリップから伝わる力覚を感じながらスライダ2(制御対象機器に相当)を、当該操作者の操作意思(活動意思)に任せて任意の初期位置から目標値まで直線往復運動を行うものを想定している。また、図1乃至図3は、基本的なブロック線図の記載様式に従って作成されたものであり、(1)加え合わせ点(図中の「○」に相当)、(2)引き出し線(図中の「●」に相当)、及び(3)伝達要素(図中の四角枠部分に相当、ブロック)の三つの要素から構成され、各制御系における信号(情報)等の信号伝達の様子を表したものである。ここで、加え合わせ点において、2つ(またはそれ以上)の信号の和または差が、加え合わせ点に入る信号に「+」或いは「−」を付して示したものである。また、伝達要素は、入力された信号に対しブロック内の関数(配列等)を作用させることで変換された信号が出力されるものである。
Hereinafter, a
本実施形態のパワーアシストシステム1は、図1乃至図3に示すように、現在の操作トルク3から未来の制御入力に係る制御入力値4及び未来の状態量5を予測するものであり、2次ローパスフィルタ6及びスライダ2の数学モデル7に基づく第一モデル予測制御系Fと、予測された未来の状態量5から未来の制御入力に係る最適値8を予測するための第二モデル予測制御系Sとの組合わせによって構成されている。ここで、図1は第一モデル予測制御系Fにおいて現在の操作トルク3から未来の制御入力に係る制御入力値4を予測するための構成を抽出したものであり、図2は当該制御入力値4に基づいて未来の状態量5を予測するための第一モデル予測制御系Fの全体を表したものである。
As shown in FIGS. 1 to 3, the
さらに具体的に説明すると、第一モデル予測制御系Fは、図1及び図2に示されるように、入力された操作トルク3を増幅し、増幅操作トルク9を生成する増幅回路10と、現在の目標値11から増幅操作トルク9を減算し、現在の偏差12を生成する現在偏差生成回路13と、現在の目標値11から未来の操作トルクに係る設定値軌道14を生成する設定値軌道生成回路15と、現在の偏差12から未来の操作トルクに係る誤差16を生成する誤差生成回路17と、生成された設定値軌道14から誤差16を減算し、未来の操作トルクに係る参照軌道19を生成する参照軌道生成回路20と、生成された参照軌道19から未来の操作トルクに係る追従誤差21を生成する追従誤差生成回路22と、生成された追従誤差21から予測コントローラのフィードバックゲインに基づいて1ステップ未来の入力変化に係る1ステップ変化値23を生成する変化値生成回路24と、1ステップ変化値23を積分し、内部モデル28の制御入力値4を生成する第一積分回路25と、スライダ2に対応して構築された2次ローパスフィルタ6及びスライダ2の数学モデル7を含み、制御入力値4からモデル状態量26を生成する内部モデル28と、生成された追従誤差21から全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値29を生成する全変化値生成回路30と、モデル状態量26から1ステップ過去の制御入力に係る過去制御入力値31を生成する第一サンプルホールド回路32と、全ステップ変化値29に未来の全状態量の基礎となる第一基礎係数33を積算した第一全状態量34、過去制御入力値31に未来の全状態量の基礎となる第二基礎係数35を積算した第二全状態量36、及びモデル状態量26に未来の全状態量の基礎となる第三基礎係数37を積算した第三全状態量38をそれぞれ加算し、未来の全状態量39を生成する全状態量生成回路40と、未来の全状態量39から変位情報のみを抽出し、未来の状態量5を生成する状態量生成回路41とを具備し、追従誤差生成回路22は、第二全状態量36から操作トルク3のみを抽出する第二トルク係数42を積算した値、及び、第三全状態量38から操作トルク3のみを抽出する第三トルク係数43を積算した値をそれぞれ参照軌道19から減算することによって追従誤差21が生成されるものである。
More specifically, as shown in FIGS. 1 and 2, the first model predictive control system F amplifies the
ここで、操作トルク3とは、操作者が実際にスライダ2のグリップを把持し、所定方向に加えたトルクの大きさに係る情報(信号)であり、増幅操作トルク9とは、増幅回路10を介して当該操作トルク3の情報を規定の増幅率に基づいて信号増幅したものである。そして、現在の操作トルク3から増幅操作トルク9の値を減算することにより、現時刻における現在の目標値11からの偏り(現在の偏差12)が求められる。さらに、この現在の偏差12に未来の操作トルクに係る誤差16を生成するための配列を積算することにより(誤差生成回路17)により、当該誤差16が求められる。一方、現在の目標値11に未来の操作トルクに係る設定値軌道14を生成するための配列を積算することにより(設定値軌道生成回路15)、当該設定値軌道14が求められる。求められた設定値軌道14から誤差16を減算することにより(参照軌道生成回路20)、未来の操作トルクに係る参照軌道19が生成される。係る参照軌道19が内部モデル28における取り敢えずの目標値となる。
Here, the
ここで、第一モデル予測制御系Fにおいて構築された内部モデル28は、設計モデルに相当し、スライダ2の数学モデル7と2次ローパスフィルタ6を含んで一体的に構成されている。本実施形態の内部モデル28に2次ローパスフィルタ6を適用することにより、状態空間の拡大が可能となる。その結果、フィードバック情報の中に操作トルク3に関する情報を含めることが可能となり、これに基づいて追従誤差21を計算することが可能となる。2次ローパスフィルタ6は、フィルタ回路の一種として知られ、一般にある遮断周波数より高い周波数の帯域を減衰させるために主に用いられている。したがって、本実施形態に適用することにより、内部モデル28の制御入力値4に含まれるノイズを、2次ローパスフィルタ6の減衰効果によって減衰させる効果も併せて有している。
Here, the
そして、参照軌道19から追従誤差生成回路22を経て生成された追従誤差21は、予測コントローラのフィードバックゲインに基づいて1ステップ未来の入力変化に係る1ステップ変化値23が生成される。これにより、現時刻よりも1ステップ先(例えば、0.02秒先)の値が予測される。そして、得られた値を第一積分回路25で積分することにより、内部モデル28に対して入力される制御入力値4が求められる。ここで、予測コントローラとはモデル予測制御において使用される周知のモデル予測制御フィーダコントローラが相当し、入力された追従誤差21に係る信号に基づいて、1ステップ変化値23が生成される。
The
さらに、生成された制御入力値4を第一サンプルホールド回路32に通す。ここで、サンプルホールド回路は、一般に変化している値を、ある時点において一時的に保持するための回路であり、ADコンバータによるアナログ信号をデジタル信号に変換する際に用いるものである。これにより、第一サンプルホールド回路32を経た信号は、現時刻よりも1ステップ過去の制御入力値(過去制御入力値31)となる。係る過去制御入力値31に未来の全状態量の元となる係数(第二基礎係数35)を積算し第二全状態量36を求め、さらに第二全状態量36から操作トルク3に関する情報のみを抽出する第二トルク係数42を積算した値を求める。さらに、制御入力値4が入力された内部モデル28から出力されるモデル状態量26に対し、未来の全状態量の元となる係数(第二基礎係数35)を積算して第三全状態量38を求め、さらに第三全状態量から操作トルク3に係る情報のみを抽出する第三トルク係数43を積算した値を求める。そして、それぞれ求めた2つの値を参照軌道19から減算することにより、フィードバック情報に基づいた追従誤差21が生成される(追従誤差生成回路22)。これにより、内部モデル28の制御入力値4がフィードバック情報を考慮して生成されることになる。
Further, the generated
さらに、第一モデル予測制御系Fは、図2に示すように、未来の操作トルクに係る追従誤差に対して全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値29を生成し(全変化値生成回路30)、前述した第二基礎係数35を過去制御入力値31に積算した第二全状態量36、及び第三基礎係数37をモデル状態量26に積算した第三全状態量38に加え、生成された全ステップ変化値29に未来の全状態量の元となる第一基礎係数33を積算し得られた第一全状態量34をそれぞれ加算することにより、未来の全状態量39を生成する(全状態量生成回路40)。そして、生成された未来の全状態量39に対し、変位情報のみを抽出する配列を積算することにより、設定値軌道に係る未来の状態量5が求められる(状態量生成回路41)。
Further, as shown in FIG. 2, the first model predictive control system F has an all-step change value related to an input change in all future steps based on a feedback gain of all predictive controllers with respect to a tracking error related to a future operation torque. 29 (total change value generation circuit 30), and the second
これにより、最終的に現在の操作トルク3から、未来の状態量5に関する情報を得ることができる。その結果、2次ローパスフィルタ6及び数学モデル7から一体的に形成された内部モデル28に係る過去、現在、未来に関する情報から、未来の全状態量39(例えば、操作トルク、スライダ2のグリップ位置、或いはグリップの移動速度等)をリアルタイムですべて予測しすることが可能となる。
Thereby, information about the
さらに、本実施形態の第一モデル予測制御系Fは、下記に掲げる特徴を有している。すなわち、通常のフィードバックループ回路の代替として、外部からの情報(操作トルク3)を用い、現在の目標値11との間での現在の偏差12を求めることを行っている。また、2次ローパスフィルタ6及びスライダ2の数学モデル7を一体化した内部モデル28を構築することにより、状態空間の拡大を図ることができ、フィルタ処理された近似的な操作トルク及びその微分値を得ることができる。また、未来の操作トルクに係る追従誤差21に対し、離散モデルに基づく予測モデルを適用することにより、未来の全状態量を得ることができる。
Furthermore, the first model predictive control system F of the present embodiment has the following characteristics. That is, as an alternative to the normal feedback loop circuit, information (operation torque 3) from the outside is used to obtain the
一方、第二モデル予測制御系Sは、第一モデル予測制御系Fによって生成された未来の状態量5から未来の変位誤差44を生成する変位誤差生成回路45と、未来の状態量5から生成された未来の変位誤差44を減算し、未来の参照軌道47を生成する未来参照軌道生成回路48と、未来の参照軌道47から未来の追従誤差49を生成する未来追従誤差生成回路50と、未来の追従誤差49から予測コントローラに基づいて1ステップ未来の入力変化に係る最適値8を生成する最適値生成回路46と、生成された最適値8を積分し、スライダ2に入力するための実制御値51を生成する第二積分回路52と、実制御値から1ステップ過去の入力変化に係る過去実制御値53を生成する第二サンプルホールド回路54と、実制御値51から現在の出力値55を出力可能なスライダ2と、現在の出力値55から現在の制御量56を生成する現制御量生成回路57とを具備し、変位誤差生成回路45は、未来の状態量5から現在の制御量56を減算して未来の変位誤差44が生成され、未来参照軌道生成回路48は、過去実制御値53に過去入力から変位情報のみを抽出する過去変位抽出係数60を積算した値、及び、過去実制御値53及び現在の出力値55を状態観測回路58に通し、さらに現在から変位情報のみを抽出する現在変位係数59を積算した値をそれぞれ未来の参照軌道か47ら減算し、未来の追従誤差49が生成されるものである。
On the other hand, the second model predictive control system S generates a
第二モデル予測制御系Sは、第一モデル予測制御系Fからの出力結果(未来の状態量5)に基づき、未来の制御入力に係る最適値8を予測するものである。具体的に説明すると、未来の状態量5から未来の変位誤差44を減算し、未来の参照軌道47を生成する。そして、未来の参照軌道47からフィードバック情報(詳細は後述する)に基づいて未来の追従誤差49を生成し、これに基づいて最適値8を生成することができる。その後、最適値8を第二積分回路52によって積分することにより実際の制御入力に係る値である実制御値51を得ることができる。ここで、未来の追従誤差49は、実制御値51を第二サンプルホールド回路54を経た過去実制御値53から過去の入力から変位情報のみを抽出する過去変位抽出係数を積算した値、及び、過去実制御値53及び実際の制御対象となるスライダ2に実制御値51を入力した結果を示す現在の出力値55を状態観測回路58に通し、さらに現在の状態から変位情報のみを抽出する現在変位係数59を積算した値をそれぞれ減算することによって生成されている。これにより、未来の追従誤差49の生成にフィードバック情報を与えることができる。さらに、未来の変位誤差44は、第一モデル予測制御系Fによる出力結果である未来の状態量5から、現在の出力値55から生成された現在の制御量56を減算することによって生成されている。
The second model predictive control system S predicts the
その結果、制御対象機器(スライダ2)のモデルに関する過去、現在の情報、及び未来の参照軌道47に基づいて、実際のスライダ2の最適値8を得ることができる。なお、最適値8を生成するための予測コントローラによるフィードバックゲインは、第一モデル予測制御系Fと異なるものを用いて実現されている。また、第一モデル予測制御系F及び第二モデル予測制御系Sにおいて、予測ホライズンは共に同じ値が必要であり、また制御ホライズンも同様に共に同じ値が必要である。
As a result, the
本実施形態の各モデル予測制御系F,Sにおいて計算される未来の状態量5は、厳密にプロパーな伝達関数である制御対象の離散モデルに基づく予測モデルを用いて求められるため、一般的に知られているPID制御や状態フィードバック制御と異なり、現在(現時刻)から設定した未来の時刻までの各時刻における全状態量が常にフィルタリングされているものとみなすことができる。その結果、安定的なものとなり、ノイズに対する影響が小さくなる。これにより、高い安定的かつ増幅率の高いパワーアシストシステム1を実現することができる。
Since the
さらに、本実施形態のパワーアシストシステム1では、モデル予測制御により、内部モデル28のモデル状態量26(位置、速度、制御入力等)に対して上限値及び下限値等の制約条件を制御入力値4に付加することができる。これにより、パワーアシストシステム1における安全性をさらに向上させることができる。例えば、上述の上肢動作を支援するロボット等の場合、ロボットアームの安全または危険な可動域、或いは安全または危険な速度を予め定義しておくことより、パワーアシストによる制御が制約条件の範囲内に抑えられる。そのため、周囲の人間に対する安全性の確保とともに、パワーアシストシステム1(制御対象機器)の故障や破損等を防ぐことができる。また、操作ミスにより、過剰な入力があった場合でも当該入力をキャンセルすることができる。
Furthermore, in the
次に、本実施形態のパワーアシストシステム1にスライダ2の位置決め動作に係る未来の操作トルク3及び未来の変位に関する数値シミュレーションのシミュレーション結果を図4及び図5に基づいて説明する。ここで、数値シミュレーションの実験を行うための実験装置として、トルクセンサとアナログ速度指令入力型DCサーボモータドライバを介して、DCサーボモータ、プーリ、及びゴムベルトにより直線的に駆動される1自由度のスライダ2を構成している。なお、スライダ2のグリップ根本部分に設けられたトルクセンサによって検知された操作トルク3に基づいて、係るスライダ2の駆動が開始され、スライダ2の位置の移動(変位)が生じる。係るスライダ2の移動(変位)を検出するためにポテンショメータが用いられ、さらに各種制御のための制御用コントローラとして市販のパーソナルコンピュータ及びデジタルシグナルプロセッサ(DSP)が用いられている。
Next, the simulation results of the numerical simulation regarding the
上記実験装置を使用し、スライダ2の位置決め動作を「引く」に限定した場合の初期位置から目標位置(ここでは、「200mm」に設定)までの位置決めをするための適当な操作トルク3を与え、数値シミュレーションを行った。その結果、図4(a)に示すように、1サンプル毎の操作トルク3に基づいて、25ステップ先の未来の参照軌道19が生成され、操作トルク3の現在の目標値11に向かうように縦軸方向に向かう予測軌道(図4(a)における下向き矢印参照)として予測されていることが確認される。また、図4(b)は、図4(a)において予測された参照軌道19を横軸方向に写像したものである。これによると、現在の操作トルク3を図3(a)と比較した場合、予測軌道の方向(傾き)が(図4(b)における右斜め下向き矢印参照)、図4(a)の場合と異なっていることが確認される。これは、参照軌道19が、現在の目標値11と、1次遅れの減衰性を持つ配列(誤差生成回路17に相当)によって予測される未来の操作トルクの誤差16の差をとることによって生成されるためである(図1等参照)。
ここで、予測軌道の方向が大きく相違するものの、予測された現在の操作トルク3や2次ローパスフィルタ6によって雑音除去された操作トルク(内部モデル28のモデル状態量26に相当)は、現在の操作トルクより相似形で、かつ少し大きく予測される。一方、実際のスライダ2に対する制御入力値して出力される実制御値51は、現在の操作トルク3との単純な相似形ではなく、比較することが困難である。そのため、本実施形態におけるモデル予測制御系F,Sをパワーアシストシステム1に適用する場合、操作トルク3のスケーリングファクタを大きく設定する必要があることが示唆される。
Here, although the direction of the predicted trajectory is greatly different, the predicted
また、図5(a)により、未来の設定値軌道(=未来の状態量5)と現在変位係数59によって予測された未来の参照軌道47が、未来の設定値軌道に向かうように縦軸予測されていることが確認される。また、図5(b)は、図5(a)において縦軸方向に予測した未来の設定値軌道(未来の状態量5)及び未来の参照軌道47をそれぞれ横軸方向に写像したものである。これにより、内部モデル28のモデル状態量26に係る変位(図5における内部モデルの出力)と、実際のスライダ2から出力される現在の出力値55に係る変位(図5における実際の出力)とを比較すると、いずれもそれぞれの予測軌道(未来の状態量5、及び未来の参照軌道47)が実際の軌道と近く、ほぼ正しく動作予測が行われているものと判断される。さらに、「内部モデルの出力」と「実際の出力」を比較すると、第一モデル予測制御系F及び第二モデル予測制御系Sのそれぞれにおいて、異なる位置決め動作予測を行っていることが確認される。
Further, according to FIG. 5A, the vertical reference prediction is made so that the future
以上のシミュレーション結果から、操作トルク3を予測する主に第一モデル予測制御系F及び未来の変位を予測する第二モデル予測制御系Sを組み合わせることにより、現在の操作トルク3に関する情報を入力するだけで、位置決め動作の動作予測が可能であることが確認された。そのため、係る動作予測を採用しパワーアシストシステム1を構築することができる。
Based on the above simulation results, information on the
その結果、人間の意思よりも先に、制御対象機器(スライダ2等)の操作トルク3(=操作力)や停止位置(=変位)等を知覚することが可能となり、パワーアシストシステム1において制御対象機器の挙動を予見制御することが可能となる。これにより、ロボットアーム等が周囲の物体に衝突する衝突回避機能、或いは緊急時に行う緊急停止操作等を予め予測し、行うことができる。したがって、人間機械協調系のシステムにおいて、正確な位置決め操作を可能とすることで作業効率の向上を図ることができ、さらに操作性自体の向上も可能となる。例えば、上肢動作を支援する義手等のロボットアームを含むロボットに本実施形態のパワーアシストシステムを適用した場合、ロボットアームの位置制御性や可動性が優れたものとなる。また、下肢動作を支援する義足等を含むロボットに本実施形態のパワーアシストシステムを適用した場合、歩行動作時における転倒防止性の向上や周囲状況の変化に対する即応性の向上を図ることができる。
As a result, it is possible to perceive the operation torque 3 (= operation force), stop position (= displacement), etc. of the control target device (
以上、本発明について好適な実施形態を挙げて説明したが、本発明はこれらの実施形態に限定されるものではなく、以下に示すように、本発明の要旨を逸脱しない範囲において、種々の改良及び設計の変更が可能である。 The present invention has been described with reference to preferred embodiments. However, the present invention is not limited to these embodiments, and various modifications can be made without departing from the spirit of the present invention as described below. And design changes are possible.
例えば、本実施形態のパワーアシストシステム1として、主にスライダ2を制御対象機器として想定するものを示したが、これに限定されるものではなく、モータやアクチュエータ等の各種可動機構を備える人間機械協調系の操作制御において適用するものであっても構わない。
For example, as the
1 パワーアシストシステム(モデル予測制御を用いたパワーアシストシステム)
2 スライダ(制御対象機器)
3 操作トルク
4 制御入力値
5 未来の状態量
6 2次ローパスフィルタ
7 数学モデル
8 最適値
9 増幅操作トルク
10 増幅回路
11 現在の目標値
12 現在の偏差
13 現在偏差生成回路
14 設定値軌道
15 設定値軌道生成回路
16 誤差
17 誤差生成回路
19 参照軌道
20 参照軌道生成回路
21 追従誤差
22 追従誤差生成回路
23 1ステップ変化値
24 変化値生成回路
25 第一積分回路
26 モデル状態量
28 内部モデル
29 全ステップ変化値
30 全変化値生成回路
31 過去制御入力値
32 第一サンプルホールド回路
33 第一基礎係数
34 第一全状態量
35 第二基礎係数
36 第二全状態量
37 第三基礎係数
38 第三全状態量
39 未来の全状態量
40 全状態量生成回路
41 状態量生成回路
42 第二トルク係数
43 第三トルク係数
44 未来の変位誤差
45 変位誤差生成回路
46 最適値生成回路
47 未来の参照軌道
48 未来参照軌道生成回路
49 未来の追従誤差
50 未来追従誤差生成回路
51 実制御値
52 第二積分回路
53 過去実制御値
54 第二サンプルホールド回路
55 現在の出力値
56 現在の制御量
57 現制御量生成回路
58 状態観測回路
59 現在変位係数
60 過去変位抽出係数
F 第一モデル予測制御系
S 第二モデル予測制御系
1 Power assist system (power assist system using model predictive control)
2 Slider (Controlled device)
3 Operation torque 4 Control input value 5 Future state quantity 6 Secondary low-pass filter 7 Mathematical model 8 Optimal value 9 Amplifying operation torque 10 Amplifying circuit 11 Current target value 12 Current deviation 13 Current deviation generating circuit 14 Set value trajectory 15 Setting Value trajectory generation circuit 16 Error 17 Error generation circuit 19 Reference trajectory 20 Reference trajectory generation circuit 21 Tracking error 22 Tracking error generation circuit 23 1 step change value 24 Change value generation circuit 25 First integration circuit 26 Model state quantity 28 Internal model 29 All Step change value 30 Total change value generation circuit 31 Past control input value 32 First sample hold circuit 33 First basic coefficient 34 First total state quantity 35 Second basic coefficient 36 Second total state quantity 37 Third basic coefficient 38 Third Total state quantity 39 Future total state quantity 40 Total state quantity generation circuit 41 State quantity generation circuit 42 Coefficient 43 Third torque coefficient 44 Future displacement error 45 Displacement error generation circuit 46 Optimal value generation circuit 47 Future reference trajectory 48 Future reference trajectory generation circuit 49 Future tracking error 50 Future tracking error generation circuit 51 Actual control value 52 Second Integration circuit 53 Past actual control value 54 Second sample hold circuit 55 Current output value 56 Current control amount 57 Current control amount generation circuit 58 State observation circuit 59 Current displacement coefficient 60 Past displacement extraction coefficient F First model predictive control system S Second model predictive control system
Claims (2)
予測された前記未来の状態量から前記未来の制御入力値の最適値を予測する第二モデル予測制御系と
を具備し、
前記第一モデル予測制御系は、
入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、
現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、
前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、
前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、
生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、
生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、
生成された前記追従誤差から1ステップ未来の入力変化に係る1ステップ変化値を生成する変化値生成回路と、
前記1ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、
前記制御対象機器に対応して構築された2次ローパスフィルタ及び前記制御対象機器の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、
生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、
前記制御入力値から1ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、
前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、
前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路と
を具備し、
前記追従誤差生成回路は、
前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、
前記第二モデル予測制御系は、
前記未来の状態量から未来の変位誤差を生成する変位誤差生成回路と、
前記未来の状態量から生成された前記未来の変位誤差を減算し、未来の参照軌道を生成する未来参照軌道生成回路と、
前記未来の参照軌道から未来の追従誤差を生成する未来追従誤差生成回路と、
前記未来の追従誤差から予測コントローラに基づいて1ステップ未来の入力変化に係る最適値を生成する最適値生成回路と、
生成された前記最適値を積分し、前記制御対象機器に入力するための実制御値を生成する第二積分回路と、
前記実制御値から1ステップ過去の入力変化に係る過去実制御値を生成する第二サンプルホールド回路と、
前記実制御値に基づいて制御され、制御結果に基づく現在の出力値を出力する前記制御対象機器と、
前記現在の出力値から現在の制御量を生成する現制御量生成回路と
を具備し、
前記変位誤差生成回路は、
前記未来の状態量から前記現制御量を減算して前記未来の変位誤差が生成され、
前記未来参照軌道生成回路は、
前記過去実制御値に過去入力から変位情報のみを抽出する過去変位抽出係数を積算した値、及び、前記過去実制御値及び前記現在の出力値を状態観測回路に通し、さらに現在から変位情報のみを抽出する現在変位係数を積算した値をそれぞれ前記未来の参照軌道から減算し、前記未来の追従誤差を生成することを特徴とするモデル予測制御を用いたパワーアシストシステム。 A first model predictive control system that predicts a future control input value of the internal model corresponding to the device to be controlled and a future state quantity of the internal model from the current operation torque;
A second model predictive control system that predicts an optimal value of the future control input value from the predicted future state quantity;
The first model predictive control system is:
An amplification circuit that amplifies the input operation torque and generates an amplification operation torque;
A current deviation generating circuit for subtracting the amplification operation torque from a current target value to generate a current deviation;
A setpoint trajectory generation circuit for generating a setpoint trajectory relating to a future operation torque from the current target value;
An error generation circuit for generating an error relating to the future operation torque from the current deviation;
A reference trajectory generating circuit that subtracts the error from the generated set value trajectory and generates a reference trajectory related to the future operation torque;
A tracking error generation circuit that generates a tracking error related to the future operation torque from the generated reference trajectory;
A change value generation circuit that generates a one-step change value related to an input change of one step future from the generated tracking error;
A first integration circuit that integrates the one-step change value and generates a control input value of the internal model;
The internal model for generating a model state quantity from the control input value, including a secondary low-pass filter constructed corresponding to the control target device and a mathematical model of the control target device;
A total change value generating circuit for generating a total step change value related to an input change of all steps from the generated tracking error; and
A first sample and hold circuit for generating a past control input value related to a control input of one step past from the control input value;
A first total state quantity that is the basis of all future state quantities is added to all the step change values, and a second basic coefficient that is the basis of all future state quantities is added to the past control input value. The second total state quantity and the model state quantity are all added to a third total state quantity obtained by integrating a third basic coefficient that is the basis of the future total state quantity, thereby generating a future total state quantity. A quantity generation circuit;
A state quantity generation circuit that extracts only displacement information from all the future state quantities and generates the future state quantities;
The tracking error generation circuit includes:
A value obtained by integrating a second torque coefficient for extracting only the operating torque from the second total state quantity, and a value obtained by integrating a third torque coefficient for extracting only the operating torque from the third total state quantity, respectively. The tracking error is generated by subtracting from the reference trajectory,
The second model predictive control system is
A displacement error generating circuit for generating a future displacement error from the future state quantity;
A future reference trajectory generation circuit that subtracts the future displacement error generated from the future state quantity and generates a future reference trajectory;
A future tracking error generating circuit for generating a future tracking error from the future reference trajectory;
An optimum value generation circuit for generating an optimum value related to a one-step future input change from the future tracking error based on a prediction controller;
A second integration circuit that integrates the generated optimum value and generates an actual control value for input to the control target device;
A second sample and hold circuit for generating a past actual control value related to an input change of one step past from the actual control value;
The control target device that is controlled based on the actual control value and outputs a current output value based on a control result;
A current control amount generating circuit for generating a current control amount from the current output value,
The displacement error generation circuit includes:
The future displacement error is generated by subtracting the current control amount from the future state quantity,
The future reference trajectory generation circuit includes:
A value obtained by integrating past displacement extraction coefficients for extracting only displacement information from past input to the past actual control value, and passing the past actual control value and the current output value through a state observation circuit, and further only displacement information from the present. A power assist system using model predictive control that subtracts a value obtained by integrating the current displacement coefficients for extracting from the future reference trajectory to generate the future tracking error.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012139521A JP5964671B2 (en) | 2012-06-21 | 2012-06-21 | Power assist system using model predictive control |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012139521A JP5964671B2 (en) | 2012-06-21 | 2012-06-21 | Power assist system using model predictive control |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014002698A true JP2014002698A (en) | 2014-01-09 |
JP5964671B2 JP5964671B2 (en) | 2016-08-03 |
Family
ID=50035791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012139521A Expired - Fee Related JP5964671B2 (en) | 2012-06-21 | 2012-06-21 | Power assist system using model predictive control |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5964671B2 (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119797A (en) * | 2012-12-13 | 2014-06-30 | Institute Of National Colleges Of Technology Japan | Power assist system using model prediction control |
CN104192322A (en) * | 2014-07-22 | 2014-12-10 | 北京航空航天大学 | Planet power descending branch anti-interference guidance control method with online track generation function |
CN104932272A (en) * | 2015-06-09 | 2015-09-23 | 北京航空航天大学 | Planet power descending section robustness control method based on thruster error compensation |
DE102014105730A1 (en) * | 2014-04-23 | 2015-10-29 | Kastanienbaum GmbH | Method and arrangement for reducing the torque ripple of a DC motor |
CN108345211A (en) * | 2017-01-23 | 2018-07-31 | 深圳市祈飞科技有限公司 | Biped anthropomorphic robot and its non-linear gait planning method and control method |
WO2021095349A1 (en) * | 2019-11-15 | 2021-05-20 | 株式会社神戸製鋼所 | Electric motor drive control device and method, and electric motor drive control system |
CN114912290A (en) * | 2022-05-31 | 2022-08-16 | 沈阳工业大学 | Intelligent auxiliary method for nursing robot in standing and sitting interaction |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109787881A (en) * | 2018-12-26 | 2019-05-21 | 广州灵聚信息科技有限公司 | A kind of dialogue method and device with forecast function |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007076807A (en) * | 2005-09-14 | 2007-03-29 | Institute Of Physical & Chemical Research | Power assist device and its adaptive model prediction control method |
-
2012
- 2012-06-21 JP JP2012139521A patent/JP5964671B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007076807A (en) * | 2005-09-14 | 2007-03-29 | Institute Of Physical & Chemical Research | Power assist device and its adaptive model prediction control method |
Non-Patent Citations (4)
Title |
---|
JPN6016011672; 田中 優弥: '表面筋電位センサとトルクセンサを併用したモデル予測制御の位置決め動作予測に基づくパワーアシストの実現' ロボティクス・メカトロニクス講演会 '12 講演論文集 , 20120527, 第1A2-S09(1)-(4)頁, 一般社団法人日本機械学会 * |
JPN6016011675; 瓜野琢也: '表面筋電位センサとトルクセンサを併用したモデル予測制御の力動作予測に基づくパワーアシストの実現' ロボティクス・メカトロニクス講演会 '12 講演論文集 , 20120527, 第1A1-U11(1)-(4)頁, 一般社団法人日本機械学会 * |
JPN6016011676; 高木 智之: '零位相差ノッチフィルタとモデル予測制御を用いた天井クレーンの遠隔操縦システムに関する研究' ロボティクス・メカトロニクス講演会 '12 講演論文集 , 20120527, 第1A1-U10(1)-(4)頁, 一般社団法人日本機械学会 * |
JPN6016011678; 高木 智之: '表面筋電位センサとトルクセンサを併用した零位相差ディジタルフィルタ切替法の提案とパワーアシストシステ' ロボティクス・メカトロニクス講演会 '12 講演論文集 , 20120527, 第1A2-V06(1)-(4)頁, 一般社団法人日本機械学会 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014119797A (en) * | 2012-12-13 | 2014-06-30 | Institute Of National Colleges Of Technology Japan | Power assist system using model prediction control |
DE102014105730A1 (en) * | 2014-04-23 | 2015-10-29 | Kastanienbaum GmbH | Method and arrangement for reducing the torque ripple of a DC motor |
US10069447B2 (en) | 2014-04-23 | 2018-09-04 | Kastanienbaum GmbH | Method and arrangement for reducing the torque ripple of a DC motor |
CN104192322A (en) * | 2014-07-22 | 2014-12-10 | 北京航空航天大学 | Planet power descending branch anti-interference guidance control method with online track generation function |
CN104932272A (en) * | 2015-06-09 | 2015-09-23 | 北京航空航天大学 | Planet power descending section robustness control method based on thruster error compensation |
CN104932272B (en) * | 2015-06-09 | 2016-04-27 | 北京航空航天大学 | A kind of planetary power descending branch robust control method based on thruster error compensation |
CN108345211A (en) * | 2017-01-23 | 2018-07-31 | 深圳市祈飞科技有限公司 | Biped anthropomorphic robot and its non-linear gait planning method and control method |
WO2021095349A1 (en) * | 2019-11-15 | 2021-05-20 | 株式会社神戸製鋼所 | Electric motor drive control device and method, and electric motor drive control system |
JP2021083168A (en) * | 2019-11-15 | 2021-05-27 | 株式会社神戸製鋼所 | Motor drive control device and method, and motor drive control system |
JP7209617B2 (en) | 2019-11-15 | 2023-01-20 | 株式会社神戸製鋼所 | MOTOR DRIVE CONTROL APPARATUS AND METHOD, AND MOTOR DRIVE CONTROL SYSTEM |
CN114912290A (en) * | 2022-05-31 | 2022-08-16 | 沈阳工业大学 | Intelligent auxiliary method for nursing robot in standing and sitting interaction |
CN114912290B (en) * | 2022-05-31 | 2024-03-19 | 沈阳工业大学 | Intelligent auxiliary method for nursing robot in standing-sitting interaction |
Also Published As
Publication number | Publication date |
---|---|
JP5964671B2 (en) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5964671B2 (en) | Power assist system using model predictive control | |
JP6006630B2 (en) | Power assist system using model predictive control | |
Kim et al. | Force-mode control of rotary series elastic actuators in a lower extremity exoskeleton using model-inverse time delay control | |
Goldman et al. | Compliant motion control for multisegment continuum robots with actuation force sensing | |
Haidegger et al. | Cascade control for telerobotic systems serving space medicine | |
Wu et al. | Development and hybrid force/position control of a compliant rescue manipulator | |
Do et al. | Position control of asymmetric nonlinearities for a cable-conduit mechanism | |
Pandey et al. | A novel 2-DOF fractional-order PIλ-Dμ controller with inherent anti-windup capability for a magnetic levitation system | |
WO2010103399A1 (en) | Robot apparatus and control method therefor | |
Vick et al. | Safe physical human-robot interaction with industrial dual-arm robots | |
Pan et al. | Development a multi-loop modulation method on the servo drives for lower limb rehabilitation exoskeleton | |
Zhao et al. | Stability and performance limits of latency-prone distributed feedback controllers | |
Nguyen et al. | Direct torque control for cable conduit mechanisms for the robotic foot for footwear testing | |
Saków et al. | Nonlinear inverse modeling with signal prediction in bilateral teleoperation with force-feedback | |
Zhang et al. | Robot collision detection without external sensors based on time-series analysis | |
KR101470164B1 (en) | Method for improving sensitivity of robot | |
Isik et al. | A fixed structure gain selection strategy for high impedance series elastic actuator behavior | |
CN105813011A (en) | Manipulator device on-site sensing signal detection method based on mobile phone client | |
Sulistijono et al. | Teleoperated Food and Medicine Courier Mobile Robot for Infected Diseases Patient | |
Lewis et al. | Dynamically evaluated gravity compensation for the raven surgical robot | |
Khan et al. | Robust position control of assistive robot for paraplegics | |
Ohashi et al. | Nonlinear disturbance compensation for haptic device | |
Pulloquinga et al. | Trajectory planner for type II singularities avoidance based on output twist screws | |
KR101338082B1 (en) | Method and system for eliminating disturbance of robot | |
Smisek et al. | Naturally-transitioning rate-to-force controller robust to time delay by model-mediated teleoperation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150427 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160329 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160524 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160630 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5964671 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |