JP2023031903A - 情報処理装置 - Google Patents

Abstract

【課題】制御対象の時間変化に対する十分な制御性能を得ることが可能な情報処理装置を提供する。【解決手段】情報処理装置は、フィードフォワード制御器およびフィードバック制御器のそれぞれの制御パラメータを最適化する情報処理装置であって、参照信号に対する目標応答を示す目標応答伝達関数規範モデルの目標応答と制御対象の出力との誤差に関する評価関数を漸近化する第１漸近部と、所定の外乱に対する感度関数規範モデルの出力と所定の外乱を含む制御入力との誤差に関する評価関数を漸近化する第２漸近部と、第１漸近部により漸近化された評価関数を最小化した結果に基づいて、フィードフォワード制御器の制御パラメータを調整する第１パラメータ調整部と、第２漸近部により漸近化された評価関数を最小化した結果に基づいて、フィードバック制御器の制御パラメータを調整する第２パラメータ調整部と、を備える。【選択図】図１

Description

特許法第３０条第２項適用申請有り ▲１▼刊行物 北海道大学令和２年卒業論文 ▲２▼発行日 令和３年２月１日 ▲３▼発行所 国立大学法人北海道大学 ▲４▼該当ページ 第４章 ▲５▼公開者 坂井達成、梶原逸朗 ▲６▼公開のタイトル データ駆動制御手法を用いた二自由度制御系の適応パラメータチューニング

本開示は、情報処理装置に関する。

制御対象は、経年変化などによりその特性が時間的に変動する場合がある。そのような時変系システムに対して、制御パラメータを制御対象の変化に伴い適応的に変化させながら制御する適応制御が有効である。ＦＲＩＴ（Fictitious Reference Iterative Tuning）に適応機構を導入する技術が提案されている。その技術では、適応機構に忘却型ＲＬＳ法（Recursive Least Squares with forgetting）を用いることで、フィードバック制御系に対してオンラインＦＲＩＴを適用している。また、二自由度制御系におけるフィードフォワード制御器の適応更新方法も提案されている。この方法では、評価規範を導入し、所定の評価区間において制御性能の評価を行い、制御性能の悪化が、ある閾値を超えた時に、所定区間に対してオンラインで評価関数の最小二乗法によるＦＲＩＴを実行し、パラメータを適応的に変化させている。いずれの提案も二自由度制御系におけるフィードフォワード制御器の適応更新をしているが、フィードバック制御器の制御パラメータの適応更新をしてなくそのままである。特許文献１には、フィードフォワード制御部の制御パラメータの適応更新をすることが開示されている。

制御対象が時変系ならば、感度関数の規範モデルに対して、フィードバック制御器の理想モデルも変わることが知られている。

また、フィードバック制御系におけるオフラインＦＲＩＴでは、目標応答に対して最適な制御パラメータを、自動的に調整可能である。しかし、制御対象には制御入力に加えて外乱が印加される状況も想定される。このような場合、オフラインＦＲＩＴによって得られた最適な制御パラメータを用いても、外乱の影響で応答性が悪くなる。したがって、目標応答性に加えて、外乱応答性も改善する必要がある。

特開２０２０－１３４３７５号公報

ところで、制御対象の特性が時間的に変動する場合、フィードバック制御器の制御パラメータが適応更新しないため、制御対象の時間変化に対する十分な制御性能を得ることができない場合があるという問題がある。

本開示はこれらの点に鑑みてなされたものであり、制御対象の時間変化に対する十分な制御性能を得ることが可能な情報処理装置を提供することを目的とする。

上記の目的を達成するため、本開示における情報処理装置は、
外乱を含む制御入力が入力される制御対象と、
参照信号に基づく操作量を前記制御入力として前記制御対象へ出力するフィードフォワード制御器と、
参照信号に対する目標応答を示す目標応答伝達関数規範モデルと、
目標応答伝達関数規範モデルの目標応答と前記制御対象の出力との偏差に基づく操作量を前記制御入力として前記制御対象へ出力するフィードバック制御器と、
を備えた制御システムにおいて、前記フィードフォワード制御器および前記フィードバック制御器のそれぞれの制御パラメータを最適化する情報処理装置であって、
前記制御入力および前記制御対象の出力を取得する状態取得部と、
前記目標応答伝達関数規範モデルの目標応答と前記制御対象の出力との誤差に関する評価関数を漸近化する第１漸近部と、
外乱から前記制御入力までの伝達関数である感度関数規範モデルにおいて、所定の外乱に対する前記感度関数規範モデルの出力と前記所定の外乱を含む制御入力との誤差に関する評価関数を漸近化する第２漸近部と、
第１漸近部により漸近化された前記評価関数を最小化した結果に基づいて、前記フィードフォワード制御器の制御パラメータを調整する第１パラメータ調整部と、
第２漸近部により漸近化された前記評価関数を最小化した結果に基づいて、前記フィードバック制御器の制御パラメータを調整する第２パラメータ調整部と、
を備える。

本開示によれば、制御対象の時間変化に対する十分な制御性能を得ることができる。

図１は、ＲＬＳ法の適応機構を用いたモデルマッチング二自由度制御系を示す図である。 図２は、制御対象を用いたシミュレーションの手順を示すフローチャートである。 図３は、時変系システムに対して所定外乱（ｄ＝０．０）におけるオンラインＦＲＩＴによる適応制御をしたときの応答を示す図である。 図４は、時変系システムに対して所定外乱（ｄ＝０．５）におけるオンラインＦＲＩＴによる適応制御をしたときの応答を示す図である。 図５は、本開示の実施形態に係る情報処理装置の機能構成を模式的に示す図である。 図６は、本開示の実施形態に係る情報処理装置の動作の一例を示すフローチャートである。

＜実施の形態の前提となる技術＞
本開示の実施の形態を説明する。まず、モデルマッチング二自由度制御系について図１を参照して説明する。図１は、ＲＬＳ法の適応機構を用いたモデルマッチング二自由度制御系を示す図である。図１において、「Ｃ_ｒ（ｔ，ρベクトル）」はフィードフォワード制御器（ＦＦ制御器）、「Ｃ_ｅ（ｔ，ρベクトル）」はフィードバック制御器（ＦＢ制御器）、「ｒ」は参照信号、「ｄ」は未知の外乱、「ｕ」は制御入力、「ｙ」は制御出力、「ρベクトル」は制御器の持つ制御パラメータ、「Ｔ_ｄ」は参照信号ｒから出力ｙまでの目標応答伝達関数規範モデル、「Ｇ（ｔ）」は制御対象である。制御対象Ｇ（ｔ）は、線形時変システムであり、その動特性は未知であるとする。適応機構として忘却型ＲＬＳアルゴリズムを採用する。

適応機構は、目標応答伝達関数規範モデルＴ_ｄに対してＦＦ制御部Ｃ_ｒの制御パラメータを最適化する。また、適応機構は、外乱ｄから制御入力ｕまでの伝達関数である感度関数規範モデルＳ_ｄに対してＦＢ制御器Ｃ_ｅの制御パラメータを最適化する。

ＦＦ制御器Ｃ_ｒの制御パラメータは、次式に示す通りである。

ここで、ＦＦ制御器はＦＩＲ（Finite Impulse Response）フィルタである。ＦＦ制御器は制御パラメータに対して線形である。式中の「ｎ」はフィルタ次数、「ｚ」はｚ変換における複素変数、「Ｔ」はベクトルの転置を表す。また、式中の「ρ」はＦＦ制御器の制御パラメータである。なお、以下の説明において、特に言及しない限り、ＦＦ制御器に関する式中に用いられる場合の「ρ」はＦＦ制御器の制御パラメータであり、ＦＢ制御器に関する式中に用いられる場合の「ρ」はＦＢ制御器の制御パラメータである。

また、ＦＢ制御器Ｃ_ｅの制御パラメータは、次式に示す通りである。

ここで、ＦＢ制御器はＰＩＤ制御器、ＦＢ制御器は制御パラメータに対して線形である。式中の「ρ」はＦＢ制御器の制御パラメータ、「Ｋ_ｐ」は比例パラメータ、「Ｋ_ｉ」は積分パラメータ、「Ｋ_ｄ」は微分パラメータ、「τ_ｆ」はフィルタ時定数、「ｓ」はラプラス演算子、「ｚ」はｚ変換における複素変数、「Ｔ」はベクトルの転置を表す。

ＦＦ制御器の適応更新に用いる評価関数を次式に示す。

式中の「λ」は、ＲＬＳアルゴリズムにおける忘却係数（重み係数ともいう）であり、０＜λ＜１として設定される。定性的な意味として、忘却係数λが１に近いほど、過去の結果を強く反映し、忘却係数λが０に近いほど、時間変化に対して敏感となる。式中の「ｅハット」は、目標応答伝達関数規範モデルＴ_ｄの出力と制御出力ｙとの誤差である。

適応更新に用いられる忘却型ＲＬＳアルゴリズムは次式のようになる。

式中の「ｂ」は所定値、「γ」は定数、「Ｐ（０）」は初期値、「Ｉ」は、単位行列である。また、初期値Ｐ（０）には、比較的大きい定数γ（例えば１０^２）が用いられる。

［オフラインの場合のＦＢ制御器の適応更新］
次に、ＦＢ制御器の適応更新について説明する。図１に示すように、二自由度制御系に対するオフラインＦＲＩＴにおいて、ＦＢ制御器の適正化には、参照信号ｒ＝０，外乱信号ν≠０としたときの入出力データｕ_{ν＿ｉｎｉ}，ｙ_{ν＿ｉｎｉ}が必要であった。適応更新をするオンラインＦＲＩＴにおいて、制御実行中は、参照信号ｒ≠０，外乱信号ν＝０であることが想定されるため、参照信号ｒ＝０，外乱信号ν≠０における入出力データを直接取得することはできない。

そこで、ＥＲＩＴ（Estimated Response Iterative Tuning）という応答予測手法を用いる。ＥＲＩＴは、二自由度制御系において、「データ駆動予測」というコンセプトのもと、既知であるパラメータ更新前の入出力データにより、ＦＦ制御器を更新した際の応答予測をすることができ、実装する前に、その安定性や応答性を評価できるという手法である。この手法では、例えば、参照信号ｒ＝ｒ_１≠０，外乱信号ν＝ν_１＝０のもと得られる入出力データｕ_ｉｎｉ，ｙ_ｉｎｉによって、参照信号ｒ＝ｒ_２＝０，外乱信号ν＝ν_２≠０のもと取得されるべき入出力データｕ_{ν＿ｉｎｉ}，ｙ_{ν＿ｉｎｉ}を予測する。なお、参照信号ｒ＝ｒ_２＝０のときの外乱信号ν＝ν_２≠０が本開示の「所定の外乱」に対応する。

先ず、ｒ＝ｒ_２＝０，ν＝ν_２≠０のもと、取得されるべき入出力データｕ_{ν＿ｉｎｉ}，ｙ_{ν＿ｉｎｉ}は次式のように表される。

また、ｒ＝ｒ_１≠０，ν＝ν_１＝０のもと、得られる入出力データｕ_ｉｎｉ，ｙ_ｉｎｉは次式のように表される。

式（９）から式（１２）までをｚ変換の形で書き、未知である制御対象Ｇ（ｚ）を消去するように式変形をすると次式が得られる。

このとき、一回目の実験に用いる参照信号ｒ＝ｒ_１≠０を定値とし、さらに、二回目の実験に用いるはずの、低周波数に強調された疑似的に印加する外乱ν＝ν_２≠０を定値とした場合、式（１３）と式（１４）とは次式となる。

ここで、評価関数が式（１７）で表され、Ｃ_ｅ（ｚ，ρベクトル）＝Ｃ_ｅ（ｚ，ρ_ｉｎｉベクトル）と固定されるとき、式（１７）を満たすプレフィルタＦは式（１８）となる。

特に、ｒ_１＝１，ν_２＝１と設定すれば、式（１８）に示したプレフィルタＦ（ｚ，ρ_ｉｎｉベクトル）と同じ形であるため、Ｆ（ｚ，ρ_ｉｎｉベクトル）として表すと、式（１５）は式（１９）となる。また、式（１６）は、式（２０）となる。

以上のようにして、制御実行中は、ｒ＝ｒ_１≠０，ν＝ν_１＝０における入出力データｕ，ｙからｒ＝ｒ_２＝０，ν＝ν_２≠０における入出力データｕ_ν，ｙ_νを計算により求める。求めた入出力データｕ_ν，ｙ_νは次式のようになる。定値制御を目的として、参照信号ｒは定数とし、低周波帯域に強調された外乱信号としてνも定数であるとする。

オフラインＦＲＩＴにおけるＦＢ制御器の最適化の評価関数を次式に示す。

［オンラインの場合のＦＢ制御器の適応更新］
次に、オンラインの場合のＦＢ制御器の適応更新について説明する。
式（２３）に従えば、オンラインの場合の評価関数Ｊチルダ_Ｓｄ ^ｋ（ρベクトル）は次式のようになる。

このとき、プレフィルタＦ（ｚ，ρ（ｋ）ベクトル）は適応更新される制御パラメータρベクトルに伴い、その特性が変化する。時間的に変わるプレフィルタＦ（ｚ，ρ（ｋ）ベクトル）に対して、その応答Ｆ（ｚ，ρ（ｋ）ベクトル）ｙ（ｋ）を計算するのは困難である。そのため、最小化する際に、式（２４）と漸近的に等価となる次式を導く。

式（２５）の最小化は、式（２４）の最小化と漸近的に等価となる。また、参照信号ｒが定値としていたが、参照信号ｒが時間的に変化するｒ＝ｒ（ｔ）の場合でも、同様に式（２５）の最小化は、式（２４）と漸近的に等価となる。以上により、ＦＢ制御器の適応更新に用いる評価関数を次式に示す。

式中の「λ」は、ＲＬＳアルゴリズムにおける忘却係数（重み係数ともいう）である。

適応更新に用いられる忘却型ＲＬＳアルゴリズムは次式のようになる。

式中の「ａ」は所定値、「γ」は定数である。「Ｐ（０）」は初期値、「Ｉ」は、単位行列である。初期値Ｐ（０）には、比較的大きい定数γ（例えば１０^２）が用いられる。

なお、ｒ＝０の場合、ＦＦ制御器の最適化に必要な入出力データを得ることはできない。また、ＦＢ制御器に必要な入出力データは式（２１）と式（２２）で計算されるが、ｒ＝０の場合、両者は、本来、計算不能である。本開示は、ｒ≠０の場合の定値制御が目的であって、ｒ＝０の場合の定値制御を目的としないため、ｒ＝０の場合における適応アルゴリズムは適切に機能しない。

［ＦＦ制御器の最適化］
次に、ＦＦ制御器の最適化について説明する。ＦＦ制御器にＦＩＲフィルタを利用する。ＦＩＲフィルタとする理由は、必ず安定であること、線形位相を持たせることができること、構造が分かりやすいことなどが挙げられる。しかしながら、一般にＦＩＲフィルタは次数を高くする必要があるため、非線形最適化では、計算量が多くなり、時間とコストがかかる。そのため、ＦＩＲフィルタとＰＩＤ制御器がパラメータに対して線形であることから、最小二乗法により求解できることが理想である。二自由度制御系のＦＦ制御器の最適化におけるＦＲＩＴで最小二乗法を導入する。

ＦＦ制御器の最適化を考える。式（３２）を式（３３）へ代入し、式（３４）に示すように、誤差信号ｅ_Ｍを定義する。

プレフィルタＦにより、ｒ＝ｒ_１≠０、ν＝ν_１＝０のもと取得される入出力データｕ_ｉｎｉ，ｙ_ｉｎｉを整形し、次式に示す評価関数Ｊチルダ_Ｔｄ ^Ｆ（ρベクトル）を考える。

また、式（３６）に示す評価関数を式（３７）のように書き換える。

同様に、式（３５）も式（３８）のように書き換える。

式（３７）と式（３８）は次式を満たすとき、等価となる。

独立に設計できることから、別々に最適化するため、Ｃ_ｅ（ｚ，ρベクトル）＝Ｃ_ｅ（ｚ，ρ_ｉｎｉベクトル）と固定させる。
式（３９）を満たすプレフィルタＦは式（４０）となる。

ＦＦ制御器Ｃ_ｒが、式（４１）のように、制御パラメータρに対して線形であるとする。

このとき、式（３５）は、式（４２）のようになる。

最適パラメータは、最小二乗法により、式（４３）のように求解される。

以上、ＦＦ制御器の最適化について説明した。

次に、時変系システムに対するシミュレーションについて説明する。図２は、制御対象を用いたシミュレーションの手順を示すフローチャートである。

先ず、ステップＳ１において、制御対象Ｇ（ｔ）は時不変とし、初期パラメータでの入出力データｕ_ｉｎｉ，ｙ_ｉｎｉを取得する。このとき、参照信号ｒ＝ｒ_１＝１．０とする。

次に、ステップＳ２において、取得した入出力データｕ_ｉｎｉ，ｙ_ｉｎｉにより、オフラインＦＲＩＴで、ＦＦ制御器Ｃ_ｒの制御パラメータを最適化し、ＦＢ制御器Ｃ_ｅの制御パラメータを最適化する。

次に、ステップＳ３において、オフラインＦＲＩＴで得られた最適パラメータを初期値として、時変系の制御対象Ｇ（ｔ）に対して制御を開始する。

次に、ステップＳ４において、ＲＬＳアルゴリズムによるオンラインＦＲＩＴにより、ＦＦ制御器Ｃ_ｒの制御パラメータを適応更新し、ＦＢ制御器Ｃ_ｅの制御パラメータを適応更新する。

［検証結果］

オフラインＦＲＩＴで得られた最適パラメータを初期値として、時変系システムに対してオンラインＦＲＩＴによる適応制御をした。図３に外乱（ｄ＝０．０）におけるオンラインＦＲＩＴの入出力データの時間履歴を示す。図４に外乱（ｄ＝０．５）におけるオンラインＦＲＩＴの入出力データの時間履歴を示す。図３および図４はそれぞれ、適応更新なし（二点鎖線）、ＦＦ制御器のみ適応更新（一点鎖線）、ＦＦ制御器、ＦＢ制御器ともに適応更新（点線）についての入出力データを示す。

図３および図４に示すように、二点鎖線が示す適応更新がないときの応答に比べて点線、一点鎖線の示す適応更新を導入したときの応答が改善されることが分かる。特に破線の示すＦＦ制御器、ＦＢ制御器ともに適応更新させたときの応答は、ＦＦ制御器のみを適応更新させたときよりも、制御対象のゲインの減少に伴い、目標応答に対して追従性が高いことが分かる。

＜実施の形態に係る情報処理装置１の機能構成＞
以上の技術を前提として、実施の形態に係る情報処理装置１を説明する。なお、情報処理装置１は、図１に「ＲＬＳ」で示す適応機構を有する。

図５は、本開示の実施形態に係る情報処理装置１の機能構成を模式的に示す図である。情報処理装置１は、記憶部２と制御部３とを備える。図５において、矢印は主なデータの流れを示しており、図５に示していないデータの流れがあってもよい。図５において、各機能ブロックはハードウェア（装置）単位の構成ではなく、機能単位の構成を示している。そのため、図５に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。

記憶部２は、情報処理装置１を実現するコンピュータのＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）や情報処理装置１の作業領域となるＲＡＭ（Random Access Memory）、ＯＳ（Operating System）やアプリケーションプログラム、当該アプリケーションプログラムの実行時に参照される種々の情報、制御対象Ｇの状態と制御器Ｃの制御パラメータとを紐づけて格納するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量記憶装置である。

制御部３は、情報処理装置１のＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等のプロセッサであり、記憶部２に記憶されたプログラムを実行することによって状態取得部３０、第１漸近部３１、第２漸近部３２、第１パラメータ調整部３３、第２パラメータ調整部３４および入出力データ推定部３５として機能する。

なお、図５は、情報処理装置１が単一の装置で構成されている場合の例を示している。しかしながら、情報処理装置１は、例えばクラウドコンピューティングシステムのように複数のプロセッサやメモリ等の計算リソースによって実現されてもよい。この場合、制御部３を構成する各部は、複数の異なるプロセッサの中の少なくともいずれかのプロセッサがプログラムを実行することによって実現される。

状態取得部３０は、制御対象の入出力データを取得する。状態取得部３０により取得された入出力データは記憶部２に記憶される。具体的には、状態取得部３０は、参照信号ｒ＝ｒ_１≠０、外乱信号ν＝ν_１＝０としたときの入出力データｕ_ｉｎｉ，ｙ_ｉｎｉを取得する。

入出力データ推定部３５は、状態取得部３０により取得された入出力データに基づいて、参照信号ｒ＝ｒ_２＝０，外乱信号ν＝ν_２≠０としたときの入出力データを推定する。具体的には、入出力データｕ_ｉｎｉ，ｙ_ｉｎｉに基づいて、参照信号ｒ＝ｒ_２＝０，外乱信号ν＝ν_２≠０としたときの入出力データｕ_{ν＿ｉｎｉ}，ｙ_{ν＿ｉｎｉ}を推定する。

第１漸近部３１は、状態取得部３０が取得した入出力データに基づいて、目標応答伝達関数規範モデルＴ_ｄの目標応答と、制御対象の出力との誤差に関する評価関数を漸近化する。具体的には、第１漸近部３１は、式（４２）に示す評価関数を漸近化する。式（４２）に示す評価関数にはプレフィルタFが含まれているが、プレフィルタFを使わなくても、式（４４）に示す評価関数は、式（４２）に示す評価関数と漸近的に等価といえる。これにより、オンラインで最小二乗法によるＦＲＩＴを実行する場合、プレフィルタＦを計算する必要がないため、計算コストを低減できる。

第２漸近部３２は、入出力データ推定部３５が推定した入出力データに基づいて、感度関数規範モデルの出力と所定の外乱を含む制御入力との誤差に関する評価関数を漸近化する。具体的には、第２漸近部３２は、式（２４）に示す評価関数を漸近化する。式（２４）に示す評価関数にはプレフィルタFが含まれているが、プレフィルタFを使わなくても、式（２４）に示す評価関数は、式（２６）に示す評価関数と漸近的に等価といえる。これにより、オンラインで最小二乗法によるＦＲＩＴを実行する場合、プレフィルタＦを計算する必要がないため、計算コストを低減できる。

第１パラメータ調整部３３は、第１漸近部３１により漸近化された評価関数を最小化した結果に基づいて、ＦＦ制御器の制御パラメータを調整する。

第２パラメータ調整部３４は、第２漸近部３２により漸近化された評価関数を最小化した結果に基づいて、ＦＢ制御器の制御パラメータを調整する。具体的には、式（２５）に示す評価関数を最小化した結果に基づいてＦＢ制御器の制御パラメータを調整する。

＜情報処理装置１が実行する情報処理の処理フロー＞
図６は、実施の形態に係る情報処理装置１が実行するオンラインＦＲＩＴの情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置１が起動したときに開始され、開始後、所定時間毎に繰り返し実行される。

状態取得部３０は、参照信号ｒ＝ｒ_１≠０、外乱信号ν＝ν_１＝０としたときの制御対象の入出力データを取得する（ステップＳ１００）。

入出力データ推定部３５は、取得された入出力データに基づいて、参照信号ｒ＝ｒ_２＝０、外乱信号ν＝ν_２≠０としたときの制御対象の入出力データを推定する（ステップＳ１１０）。

第１漸近部３１は、目標応答伝達関数規範モデルの目標応答と制御対象の出力との誤差に関する評価関数を漸近化する（ステップＳ１２０）。

第２漸近部３２は、所定の外乱に対する感度関数規範モデルの出力と所定の外乱を含む制御入力との誤差に関する評価関数を漸近化する（ステップＳ１３０）。

第１パラメータ調整部３３は、ＦＦ制御器の制御パラメータを調整する（ステップＳ１４０）。

第２パラメータ調整部３４は、ＦＢ制御器の制御パラメータを調整する（ステップＳ１５０）。その後、本フローチャートにおける処理は終了する。

＜実施の形態に係る情報処理装置１が奏する効果＞
以上説明したように、実施の形態に係る情報処理装置１によれば、目標応答伝達関数規範モデルの目標応答と制御対象の出力との誤差に関する評価関数、および、感度関数規範モデルの出力と所定の外乱を含む制御入力との誤差に関する評価関数のそれぞれに含まれるプレフィルタＦを使うことなく、評価関数のそれぞれを最小化するように構成した。これにより、フィードフォワード制御系およびフィードバック制御系のそれぞれのオンラインＦＲＩＴを実行する場合、プレフィルタＦを計算する必要がないため、計算コストを低減することが可能となる。ひいては、制御対象の時間変化に対する十分な制御性能を得ることができる。

なお、本実施の形態では、フィードフォワード制御系およびフィードバック制御系のそれぞれにオンラインＦＲＩＴを適用したものを説明したが、本開示では、制御器の制御パラメータを制御対象の変化に伴い適応的に変化させながら制御するものであればよく、ＦＲＩＴに限定しない。また、ＦＦ制御器にＦＩＲフィルタを適用したものを説明したが、本開示ではＦＩＲフィルタに限定しない。

以上、本開示を実施の形態を用いて説明したが、本開示の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本開示の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

その他、上記実施の形態は、何れも本開示の実施をするにあたっての具体化の一例を示したものに過ぎず、これらによって本開示の技術的範囲が限定的に解釈されてはならないものである。すなわち、本開示はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

本開示は、制御対象の時間変化に対する十分な制御性能を得ることが要求される情報処理装置を備えた産業システム、特に、エンジンや自動変速機等の非線形性が強い産業システムに好適に利用される。

１ 情報処理装置
２ 記憶部
３ 制御部
３０ 状態取得部
３１ 第１漸近部
３２ 第２漸近部
３３ 第１パラメータ調整部
３４ 第２パラメータ調整部
Ｃ_ｒ フィードフォワード制御器（ＦＦ制御器）
Ｃ_ｅ フィードバック制御器（ＦＢ制御器）
Ｇ 制御対象
Ｔ_ｄ 目標応答伝達関数規範モデル

Claims (2)

1. 外乱を含む制御入力が入力される制御対象と、
   参照信号に基づく操作量を前記制御入力として前記制御対象へ出力するフィードフォワード制御器と、
   参照信号に対する目標応答を示す目標応答伝達関数規範モデルと、
   目標応答伝達関数規範モデルの目標応答と前記制御対象の出力との偏差に基づく操作量を前記制御入力として前記制御対象へ出力するフィードバック制御器と、
   を備えた制御システムにおいて、前記フィードフォワード制御器および前記フィードバック制御器のそれぞれの制御パラメータを最適化する情報処理装置であって、
   前記制御入力および前記制御対象の出力を取得する状態取得部と、
   前記目標応答伝達関数規範モデルの目標応答と前記制御対象の出力との誤差に関する評価関数を漸近化する第１漸近部と、
   外乱から前記制御入力までの伝達関数である感度関数規範モデルにおいて、所定の外乱に対する前記感度関数規範モデルの出力と前記所定の外乱を含む制御入力との誤差に関する評価関数を漸近化する第２漸近部と、
   第１漸近部により漸近化された前記評価関数を最小化した結果に基づいて、前記フィードフォワード制御器の制御パラメータを調整する第１パラメータ調整部と、
   第２漸近部により漸近化された前記評価関数を最小化した結果に基づいて、前記フィードバック制御器の制御パラメータを調整する第２パラメータ調整部と、
   を備える、
   情報処理装置。
2. 前記第１パラメータ調整部は、オンラインで前記フィードフォワード制御器の制御パラメータを調整し、
   前記第２パラメータ調整部は、オンラインで前記フィードバック制御器の制御パラメータを調整する、
   請求項１に記載の情報処理装置。
   
   

Images