JP2001008476A - Identification device for mechanical system - Google Patents
Identification device for mechanical systemInfo
- Publication number
- JP2001008476A JP2001008476A JP11173183A JP17318399A JP2001008476A JP 2001008476 A JP2001008476 A JP 2001008476A JP 11173183 A JP11173183 A JP 11173183A JP 17318399 A JP17318399 A JP 17318399A JP 2001008476 A JP2001008476 A JP 2001008476A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- parent
- simulation
- response signal
- child
- 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
Landscapes
- Control Of Electric Motors In General (AREA)
- Feedback Control In General (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、例えば、工作機械
におけるテーブルやロボットのアームのような負荷機械
を駆動する電動機（直流電動機、誘導電動機、同期電動
機、リニアモータなど）の制御調整装置に関するもので
ある。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a control and adjustment device for a motor (a DC motor, an induction motor, a synchronous motor, a linear motor, etc.) for driving a load machine such as a table or a robot arm in a machine tool. It is.
【０００２】[0002]
【従来の技術】従来例の構成を、図９を参照しながら説
明する。図９は、例えば、特開平9-131087で公開された
従来の電動機の制御装置を示すブロック図である。図９
において、４０はサーボシステム、４１はコントロー
ラ、４２は近似モデル、４３はモデル同定部、４４は制
御ゲイン調整部、４５は切り換え手段、４６は規範モデ
ル、４７は評価値演算部である。次に、上述した従来例
の動作について説明する。図９に示すように、従来例の
近似モデル４２を作成するためのモデル同定部４３と遺
伝アルゴリズムの手法を用いて制御ゲインの自動調整を
行う制御調整装置４４を有する。モデル同定部４３に関
しては、調整を行うに妥当なモデルを近似モデル４２に
予め設定しており、未知の定数のみを最小二乗法等によ
り同定する。制御ゲイン調整装置４４については、遺伝
アルゴリズム（Genetic Algorithm以下、ＧＡと略す）
を利用して、制御ゲインの最適化を行う。また、調整後
は制御対象側へ切り換え、通常運転に入る。前記の調整
装置および調整方法により、局所解に陥ることなく、し
かも高速にサーボ系の制御ゲインを最適に調整できる。2. Description of the Related Art The structure of a conventional example will be described with reference to FIG. FIG. 9 is a block diagram showing, for example, a conventional motor control device disclosed in Japanese Patent Application Laid-Open No. Hei 9-31087. FIG.
, 40 is a servo system, 41 is a controller, 42 is an approximate model, 43 is a model identification unit, 44 is a control gain adjustment unit, 45 is a switching unit, 46 is a reference model, and 47 is an evaluation value calculation unit. Next, the operation of the above-described conventional example will be described. As shown in FIG. 9, there is provided a model identification unit 43 for creating an approximate model 42 of a conventional example, and a control adjustment device 44 for automatically adjusting a control gain by using a genetic algorithm technique. With respect to the model identification unit 43, a model appropriate for adjustment is set in the approximate model 42 in advance, and only unknown constants are identified by the least square method or the like. Regarding the control gain adjusting device 44, a genetic algorithm (hereinafter abbreviated as GA) is used.
Is used to optimize the control gain. After the adjustment, the operation is switched to the control target side and the normal operation starts. According to the adjusting device and the adjusting method, the control gain of the servo system can be optimally adjusted at high speed without falling into a local solution.
【０００３】[0003]
【発明が解決しようとする課題】しかしながら、従来の
制御装置では、制御ゲインの最適化を行う時にもかかわ
らず、実コントローラ４１を利用するので、応用上には
不便が生じる場合がある。また、同定用指令は実指令と
同一であるので、指令の変更などが困難であり、よって
調整時間が長くかかるなどの問題があった。なお、従来
の遺伝的アルゴリズム（以下、GAと略す）を用いて最適
化するとき、乱数指針の変化により評価関数値の収束状
況が大きく左右されている。すなわち、最適化判断条件
に達する調整時間にばらつきが激しいという問題があっ
た。本発明が解決すべき課題は、制御ゲインを自動的に
かつより高速にかつ最適に調整することにある。However, in the conventional control device, the actual controller 41 is used in spite of optimizing the control gain, which may cause inconvenience in application. In addition, since the identification command is the same as the actual command, it is difficult to change the command, and there is a problem that it takes a long adjustment time. When optimizing using a conventional genetic algorithm (hereinafter abbreviated as GA), the convergence of the evaluation function value is greatly affected by changes in the random number pointer. That is, there is a problem that the adjustment time to reach the optimization determination condition varies greatly. The problem to be solved by the present invention is to adjust the control gain automatically, faster and optimally.
【０００４】[0004]
【課題を解決するための手段】上記問題を解決するた
め、本発明の請求項１における機械システムの同定装置
は、以下に述べるような手段を備えるものである。 １）負荷機械、伝達機構、電動機、動力変換装置により
構成される機械システムの状態量の少なくとも一部を観
測し、実応答信号を提供する実観測器。 ２）実指令信号を提供する指令発生器。 ３）実指令信号と実応答信号とに基づいて前記電動機に
実トルク信号を提供する実制御器。 ４）実トルク信号に基づいて、実応答保存器にトルク信
号を提供する第1前処理器。 ５）実応答信号に基づいて、実応答保存器に位置応答信
号及び速度応答信号を提供する第２前処理器。 ６）実応答保存器。 ７）少なくとも１回の積分演算より構成され、実応答保
存器からトルク信号を読み込み、模擬パラメータに基づ
いて、模擬位置応答信号と模擬速度応答信号とを提供す
る模擬回路。 ８）実応答保存器から読み込まれた位置応答信号及び速
度応答信号と模擬位置応答信号と模擬速度応答信号とに
基づいて、評価値を提供する評価関数器。 ９）遺伝アルゴリズムに基づいて、前記評価値を最適化
するように、前記模擬回路の模擬パラメータを調整し、
最適模擬パラメータを提供するトータル調整装置。 本発明の請求項２における機械システムの同定装置は、
更に、以下に述べるような手段を備えるものである。 １）少なくとも２回の積分演算より構成され、トルク信
号と模擬ねじりトルク信号とに基づいて第1模擬位置信
号と第1模擬速度信号とを提供する第1慣性系模擬回路。 ２）第1模擬位置信号と第２模擬位置信号とに基づいて
模擬ねじりトルク信号を提供する第1ばね系模擬回路。 ３）模擬ねじりトルク信号に基づいて第２模擬位置信号
と第２模擬速度信号とを提供する第2慣性系模擬回路。 ４）第1慣性系模擬回路と第2慣性系模擬回路との状態量
の一部を観測し、模擬位置応答信号と模擬速度応答信号
を提供する模擬観測器。 本発明の請求項３における機械システムの同定装置は、
更に、以下に述べるような手段を備えるものである。 １）第１前処理器が、第1カット周波数を持つ第1フィル
タから構成される。 ２）第２前処理器が、第1カット周波数を持ち、位置応
答信号を提供する第２フィルタと、第1カット周波数を
持ち、速度応答信号を提供する第2擬似微分器。 本発明の請求項４、５における機械システムの同定装置
は、更に、以下に述べるような手段を備えるものであ
る。 １）親集団の生成を含む初期設定を行う第０工程。 ２）集団サイズで決められた数の個体からなる親集団の
各親個体を1つずつ模擬回路に提供し、各評価値に対応
した適応度を計算する第１工程。 ３）適応度に対応した確率で、親集団から２つの異なる
親を親ペアとして選出する第２工程。 ４）選出された親ペアのコードを乱数的に交換させるこ
とにより、第1子ペアを生成する第３工程。 ５）第３工程で生成された第1子ペアのコードに対し
て、事前に決められた第1突然変異確率で逆転させ、第
２子のペアを生成する第４工程。 ６）第２子ペアの２つの第２子を、集団サイズで決めら
れた数の個体からなる子集団に保存する第５工程。 ７）第２工程〜第５工程を、集団サイズの子が生成され
るまで繰り返す第６工程。 ８）親集団から、適応度が最も高い親であるエリート
を、そのまま直接子集団の子にする第７工程。 ９）エリートを、第1突然変異確率と異なる第２突然変
異確率で逆転させ、子集団の子にする第８工程。 １０）子集団の子を親集団の親にする第９工程。 １１）最適化判断条件が満足されるまで、第１工程〜第
７工程を繰り返し、最適化判断条件が満足されたとき、
エリートが表すパラメータを最適模擬パラメータとして
提供する第１０工程。 本発明の請求項６、７における機械システムの同定装置
は、更に、以下に述べるような手段を備えるものであ
る。 １）第０工程の操作を行うと共に、村数を設定する第１
１工程。 ２）第１１工程で生成された親集団を村数の村に分ける
第１２工程。 ３）指定された村において、村内親集団に対して、上述
第１工程〜第８工程の操作を行う第１３工程。 ４）村数まで、各村を指定し、前記第１３工程を繰り返
す第１４工程。 ５）全村から、２つの異なる村を乱数的に選択し、村ペ
アとする第１５工程。 ６）前記村ペアのそれぞれの適応度が最も高い親を選択
し、親ペアとして、第１４工程を行い、移民子ペアを生
成する第１６工程。 ７）移住確率で、前記移民子ペアを１つずつ、前記村ペ
アの村内親集団に、エリート以外の親にする第１７工
程。 ８）最適化判断条件が満足されるまで、前記第１３工程
〜第１７工程を繰り返し、最適化判断条件が満足された
とき、前記各村のエリートの適応度を比較し、最適な適
応度を持つエリートを最適親として選択し、最適親が表
すパラメータを最適模擬パラメータとして提供する第１
８工程。 本発明の請求項８における機械システムの同定装置は、
シミュレータ部が複数のマイクロプロセッサで構成され
るものである。Means for Solving the Problems To solve the above problem, an identification apparatus for a mechanical system according to claim 1 of the present invention comprises the following means. 1) An actual observer that observes at least a part of a state quantity of a mechanical system including a load machine, a transmission mechanism, an electric motor, and a power conversion device and provides an actual response signal. 2) A command generator that provides an actual command signal. 3) An actual controller that provides an actual torque signal to the electric motor based on an actual command signal and an actual response signal. 4) A first preprocessor that provides a torque signal to an actual response storage based on the actual torque signal. 5) A second preprocessor that provides the position response signal and the speed response signal to the actual response storage based on the actual response signal. 6) Actual response storage. 7) A simulation circuit configured by at least one integration operation, reads a torque signal from an actual response storage, and provides a simulation position response signal and a simulation speed response signal based on simulation parameters. 8) An evaluation function unit that provides an evaluation value based on the position response signal and the speed response signal, the simulated position response signal, and the simulated speed response signal read from the actual response storage. 9) adjusting a simulation parameter of the simulation circuit so as to optimize the evaluation value based on a genetic algorithm;
Total adjustment device that provides optimal simulation parameters. An identification device for a mechanical system according to claim 2 of the present invention includes:
Further, it is provided with the following means. 1) A first inertial system simulation circuit configured by at least two integration operations and providing a first simulation position signal and a first simulation speed signal based on the torque signal and the simulation torsion torque signal. 2) A first spring-based simulation circuit that provides a simulated torsional torque signal based on the first simulated position signal and the second simulated position signal. 3) A second inertial system simulation circuit that provides a second simulation position signal and a second simulation speed signal based on the simulation torsion torque signal. 4) A simulation observer that observes a part of the state quantities of the first inertial system simulation circuit and the second inertial system simulation circuit and provides a simulation position response signal and a simulation speed response signal. According to a third aspect of the present invention, there is provided an identification device for a mechanical system,
Further, it is provided with the following means. 1) The first pre-processor comprises a first filter having a first cut frequency. 2) a second preprocessor having a first cut frequency and providing a position response signal; and a second pseudo differentiator having a first cut frequency and providing a velocity response signal. The apparatus for identifying a mechanical system according to claims 4 and 5 of the present invention further comprises the following means. 1) A 0th step of performing initialization including generation of a parent group. 2) A first step in which each parent individual of a parent population consisting of a number of individuals determined by the population size is provided one by one to a simulation circuit, and a fitness value corresponding to each evaluation value is calculated. 3) A second step of selecting two different parents from the parent group as a parent pair with a probability corresponding to the fitness. 4) A third step of generating a first child pair by exchanging codes of the selected parent pair in a random manner. 5) A fourth step of inverting the code of the first child pair generated in the third step with a predetermined first mutation probability to generate a second child pair. 6) A fifth step of storing the two second offspring of the second offspring pair in an offspring population consisting of a number of individuals determined by the population size. 7) A sixth step in which the second to fifth steps are repeated until children of a group size are generated. 8) The seventh step in which the elite that is the parent with the highest fitness is directly made a child of the child group from the parent group. 9) Eighth step of reversing the elite with a second mutation probability different from the first mutation probability to become children of the child population. 10) A ninth step in which the children of the child group are made the parents of the parent group. 11) The first to seventh steps are repeated until the optimization judgment condition is satisfied, and when the optimization judgment condition is satisfied,
A tenth step of providing a parameter represented by the elite as an optimal simulation parameter. The apparatus for identifying a mechanical system according to claims 6 and 7 of the present invention further comprises the following means. 1) Perform the operation of the 0th step and set the number of villages.
One step. 2) A twelfth step of dividing the parent group generated in the eleventh step into villages corresponding to the number of villages. 3) A thirteenth step of performing the above-described first to eighth steps on the parent group in the designated village. 4) A fourteenth step in which each village is designated up to the number of villages and the thirteenth step is repeated. 5) A fifteenth step in which two different villages are randomly selected from all the villages and made into a village pair. 6) A 16th step of selecting a parent having the highest fitness of each of the village pairs, performing the 14th step as a parent pair, and generating an immigrant child pair. 7) A 17th step in which the immigrant child pairs are set one by one in the village parent group of the village pair by a migration probability, except for the elite. 8) The thirteenth to seventeenth steps are repeated until the optimization judgment condition is satisfied. When the optimization judgment condition is satisfied, the fitness of the elite of each village is compared, and the optimum fitness is determined. The elite that has the best parent is selected as the optimal parent, and the parameter represented by the optimal parent is provided as the optimal simulation parameter.
8 steps. An identification device for a mechanical system according to claim 8 of the present invention comprises:
The simulator section includes a plurality of microprocessors.
【０００５】[0005]
【発明の実施の形態】［実施例１］以下、本発明の実施
例を図に基づいて詳細に説明する。まず、本発明の第１
実施例を、図１、図２に基づいて説明する。図１は、第
１実施例の全体構成を示すブロック図である。図１にお
いて、負荷機械１と伝達機構２と電動機３と動力変換装
置４とから構成された機械システム５と、実観測器６
と、指令発生器７と、実制御器８と、第1前処理器９
と、第２前処理器１０と、実応答保存器１１と、模擬回
路１２と、評価関数器１３と、トータル調整装置１４と
から構成されている。システム５と実観測器６と指令発
生器７と実制御器８とは従来装置のものと同一である。
第1前処理器９は、連続または離散信号τM(t)を一定の
サンプル間隔T毎に離散信号τM(k)に変換し、τM(k)を
データ行列として実応答保存器１１に保存するものであ
る。第２前処理器１０は、まず、連続または離散的な応
答信号θM(t)をサンプル間隔T毎に離散信号θM(k)に変
換する。次に、（１）式を計算し、[Embodiment 1] An embodiment of the present invention will be described below in detail with reference to the drawings. First, the first of the present invention
An embodiment will be described with reference to FIGS. FIG. 1 is a block diagram showing the overall configuration of the first embodiment. In FIG. 1, a mechanical system 5 including a load machine 1, a transmission mechanism 2, an electric motor 3, and a power converter 4;
, Command generator 7, actual controller 8, first preprocessor 9
, A second preprocessor 10, an actual response storage 11, a simulation circuit 12, an evaluation function unit 13, and a total adjustment device 14. The system 5, the actual observer 6, the command generator 7, and the actual controller 8 are the same as those of the conventional apparatus.
The first preprocessor 9 converts the continuous or discrete signal τM (t) into a discrete signal τM (k) at regular sampling intervals T, and stores τM (k) in the real response storage 11 as a data matrix. Things. The second preprocessor 10 first converts the continuous or discrete response signal θM (t) into a discrete signal θM (k) at each sampling interval T. Next, calculate equation (1),
【０００６】[0006]
【数１】 (Equation 1)
【０００７】その値をωM(k)とする。最後に、θM(k)と
ωM(k)とを２つのデータ行列として実応答保存器１１に
保存するものである。実応答保存器１１は、P組の、τm
(k)、θm(k)、ωm(k)データを保存できる保存器（例え
ば、メモリ）である。図2は、模擬回路１２の構成を示
すブロック図である。図2に示すように、模擬回路１２
は、係数器２１と、積分器２２，２３とから構成されて
いる。模擬回路１２において、与えられたＪmiを用い
て、実応答保存器１１に保存されたτM(k)のデータに対
して、1つずつ、図に示す所定の計算を行い、θM＾
(k)、ωM＾(k)を計算し、評価関数器１３に提供する。
評価関数器１３は、模擬回路１２からθM＾(k)、ωM＾
(k)を、実応答保存器１１からθM (k)、ωM (k)を読み
込み、式（２）所定の計算を行う。計算された評価関数
値Ｊiをトータル調整装置１４に提供する。The value is ωM (k). Finally, θM (k) and ωM (k) are stored in the actual response storage 11 as two data matrices. The actual response storage 11 is composed of P sets of τm
(k), θm (k), and ωm (k) are storage devices (for example, memories) that can store data. FIG. 2 is a block diagram showing a configuration of the simulation circuit 12. As shown in FIG.
Is composed of a coefficient unit 21 and integrators 22 and 23. In the simulation circuit 12, using the given Jmi, the data of τM (k) stored in the actual response storage 11 is subjected to a predetermined calculation shown in FIG.
(k) and ωM ＾ (k) are calculated and provided to the evaluation function unit 13.
The evaluation function unit 13 obtains θM ＾ (k), ωM ＾
As for (k), θM (k) and ωM (k) are read from the actual response storage unit 11 and a predetermined calculation of Expression (2) is performed. The calculated evaluation function value Ji is provided to the total adjustment device 14.
【０００８】[0008]
【数２】 (Equation 2)
【０００９】トータル調整装置１４は、評価関数値Ｊi
に対して、特開平9-131087で公開されたGA調整方法で、
Ｊiを最小化するものである。そのGA調整方法の最適化
判定条件が満足されたときＪmiは、同定された最適模擬
パラメータである。最適化判定条件は、世代数が２００
０に達することである。 ［実施例２］次に、本発明の第２実施例を、図１、図３
に基づいて説明する。図３は、第２の実施例の全体構成
を示すブロック図である。図３において、本発明の実施
例は、負荷機械１と伝達機構２と電動機３と動力変換装
置４とから構成されたシステム５と、実観測器６と、指
令発生器７と、実制御器８と、第1前処理器９と、第２
前処理器１０と、実応答保存器１１と、模擬回路１２
と、評価関数器１３と、トータル調整装置１４とから構
成されている。システム５と観測器６と指令発生器７と
実制御器８と第1前処理器９と第２前処理器１０と実応
答保存器１１と評価関数器１３とは実施例１の装置のも
のと同一である。第１の実施例と異なるのは、模擬回路
３０の構成である。図４は、模擬回路３０の構成を示す
ブロック図である。図４に示すように、模擬回路３０
は、係数器３０ｂ、３０ｆ、３０ｇと、積分器３０ｃ，
３０ｄ，３０ｈ，３０ｉと、比較器３０ａ，３０ｅと、
模擬観測器３０ｊから構成されている。模擬回路３０に
おいて、与えられたパラメータＰiを用いて、係数器３
０ｂ、３０ｆ、３０ｇの係数Ｊmi、ＪLi、Ｋciを更新
し、実応答保存器１１に保存されたτM(k)のデータに対
して、1つずつ、図４に示す所定の計算を行い、θM＾
(k)、ωM＾(k)を計算し、評価関数器１３に提供する。
トータル調整装置３１は、評価関数値Ｊiに対して、特
開平9-131087で公開されたGA調整方法で、Ｊiを最小化
するものである。そのGA調整方法の最適化判定条件が満
足されたときＰi（Ｊmi、ＪLi、Ｋciを含む）は、同定
された最適模擬パラメータ行列である。最適化判定条件
は、世代数が２０００に達することである。 ［実施例３］次に、本発明の請求項３に関する実施例
を、図５、６を参照しながら説明する。本発明の実施例
の全体は、図１または図２のように構成される。ただ
し、第1前処理器９と、第２前処理器１０とは、それぞ
れ、図５、６のように構成されるものである。図５は、
第1前処理器９を示すブロック図である。図５におい
て、第1前処理器９は、第１カット周波数ｆを持つ一次
フィルタ９ａ通じて、トルク信号τM(t)をデータ行列τ
M(k)に変換し、実応答保存器１１に提供する。図６は、
第２前処理器１０を示すブロック図である。図６におい
て、第２前処理器１０は、第１カット周波数ｆを持つ一
次フィルタ１０ａ、擬似微分器１０ｂ通じて、応答信号
θM(t)をデータ行列θM(k)、ωM(k)に変換し、実応答保
存器１１に提供する。 ［実施例４］次に、本発明の請求項４に関する実施例
を、図７を参照しながら説明する。本発明の実施例の全
体は、図１または図２のように構成される。ただし、ト
ータル調整装置１４は、図７のように構成されるもので
ある。図７は、トータル調整装置１４のフローチャート
を示す。トータル調整装置１４は、第０工程〜第１０工
程で構成されている。第０、２〜６、９、１０工程は従
来の従来装置のものと同一である。また、最適化判定条
件は、前記第１工程〜第９工程の繰り返す回数が２００
０に達することである。第１工程は、まず、親集団か
ら、第ｉ親個を選択し、それが代表する模擬回路の模擬
パラメータ行列を、模擬回路１２、または、３０に提供
する。次に、評価関数器１３から評価値を読み込み、第
ｉ個の評価値Ｊｉとする。その作業を繰り返し、親集団
のすべての親の評価値を生成する。更に、次計算式で、
各親の適応度を計算する。[0009] The total adjustment device 14 calculates the evaluation function value Ji.
In contrast, the GA adjustment method disclosed in Japanese Patent Application Laid-Open
Ji is to be minimized. Jmi is the identified optimal simulation parameter when the optimization determination condition of the GA adjustment method is satisfied. The optimization judgment condition is that the number of generations is 200
To reach zero. Embodiment 2 Next, a second embodiment of the present invention will be described with reference to FIGS.
It will be described based on. FIG. 3 is a block diagram showing the overall configuration of the second embodiment. In FIG. 3, the embodiment of the present invention includes a system 5 including a load machine 1, a transmission mechanism 2, an electric motor 3, and a power conversion device 4, an actual observation device 6, a command generator 7, and an actual controller. 8, the first preprocessor 9 and the second
Pre-processor 10, real response storage 11, and simulation circuit 12
, An evaluation function unit 13, and a total adjustment device 14. The system 5, the observer 6, the command generator 7, the real controller 8, the first preprocessor 9, the second preprocessor 10, the real response storage unit 11, and the evaluation function unit 13 are those of the device of the first embodiment. Is the same as What differs from the first embodiment is the configuration of the simulation circuit 30. FIG. 4 is a block diagram showing the configuration of the simulation circuit 30. As shown in FIG.
Are coefficient units 30b, 30f, 30g and integrators 30c,
30d, 30h, 30i, comparators 30a, 30e,
The simulation observer 30j is provided. In the simulation circuit 30, using the given parameter Pi, the coefficient unit 3
The coefficients Jmi, JLi, and Kci of 0b, 30f, and 30g are updated, and the data of τM (k) stored in the actual response storage 11 is subjected to a predetermined calculation shown in FIG. ＾
(k) and ωM ＾ (k) are calculated and provided to the evaluation function unit 13.
The total adjustment device 31 minimizes Ji with respect to the evaluation function value Ji by the GA adjustment method disclosed in Japanese Patent Application Laid-Open No. Hei 9-31087. When the optimization determination condition of the GA adjustment method is satisfied, Pi (including Jmi, JLi, and Kci) is the identified optimal simulation parameter matrix. The optimization judgment condition is that the number of generations reaches 2000. Third Embodiment Next, a third embodiment of the present invention will be described with reference to FIGS. The whole embodiment of the present invention is configured as shown in FIG. 1 or FIG. However, the first pre-processor 9 and the second pre-processor 10 are configured as shown in FIGS. FIG.
FIG. 2 is a block diagram showing a first preprocessor 9; In FIG. 5, a first preprocessor 9 converts a torque signal τM (t) into a data matrix τ through a primary filter 9a having a first cut frequency f.
It is converted to M (k) and provided to the actual response storage 11. FIG.
FIG. 2 is a block diagram illustrating a second preprocessor 10. In FIG. 6, a second preprocessor 10 converts a response signal θM (t) into a data matrix θM (k), ωM (k) through a primary filter 10a having a first cut frequency f and a pseudo differentiator 10b. Then, it is provided to the actual response storage 11. Fourth Embodiment Next, a fourth embodiment of the present invention will be described with reference to FIG. The whole embodiment of the present invention is configured as shown in FIG. 1 or FIG. However, the total adjustment device 14 is configured as shown in FIG. FIG. 7 shows a flowchart of the total adjustment device 14. The total adjustment device 14 includes a 0th step to a 10th step. The 0th, 2nd, 6th, 9th, and 10th steps are the same as those of the conventional conventional apparatus. The optimization determination condition is that the number of repetitions of the first to ninth steps is 200.
To reach zero. In the first step, first, the i-th parent is selected from the parent group, and a simulation parameter matrix of the simulation circuit represented by the i-th parent is provided to the simulation circuit 12 or 30. Next, the evaluation value is read from the evaluation function unit 13 and set as the i-th evaluation value Ji. The process is repeated to generate evaluation values for all parents in the parent population. Furthermore, in the following formula,
Calculate the fitness of each parent.
【００１０】[0010]
【数３】 (Equation 3)
【００１１】ただし、は十分小さいな定数を表す。第７
工程は、親集団から、（３）式で計算された適応度が最
も高い親を選択し、それをエリートとする。エリートを
子集団の第１子にコピーする。第８工程は、まず、エリ
ートを子集団の第２子にコピーする。子集団の第２子の
各bitに対して、第４工程で使われている第１突然変異
確率と異なる第２突然変異確率で、逆転させる。 ［実施例５］上述第８工程は、ＧＡを利用した他の同定
装置及び方法にも容易に利用できるものである。 ［実施例６］次に、本発明の請求項６に関する実施例
を、図８を参照しながら説明する。本発明の実施例の全
体は、図１または図２のように構成される。ただし、ト
ータル調整装置１４は、図８のように構成されるもので
ある。第１１工程は、上述第０工程の操作を行うと共
に、移住確率をＮに、村数をMに設定する。第１２工程
は、上述第１１工程で設定されたS個の親を有する親集
団SSを（４）式のように、M個の村MS1、MS2、…、MSMに
分ける。ただし、Pijは、各親を表すデータ行列であ
る。However, represents a sufficiently small constant. Seventh
In the process, a parent having the highest fitness calculated by the equation (3) is selected from the parent group, and is set as an elite. Copy the elite to the first child of the offspring. The eighth step first copies the elite to the second child of the child population. For each bit of the second child of the child group, the bit is reversed with a second mutation probability different from the first mutation probability used in the fourth step. [Embodiment 5] The above eighth step can be easily applied to other identification devices and methods using GA. Sixth Embodiment Next, a sixth embodiment of the present invention will be described with reference to FIG. The whole embodiment of the present invention is configured as shown in FIG. 1 or FIG. However, the total adjustment device 14 is configured as shown in FIG. In the eleventh step, the operation of the above-described step 0 is performed, and the migration probability is set to N and the number of villages is set to M. 12th step, the parent population S S having the S parents are set in the above eleventh step (4) as in type, M-number of village M S1, M S2, ..., divided into M SM. Here, P ij is a data matrix representing each parent.
【００１２】[0012]
【数４】 (Equation 4)
【００１３】第１３工程は、指定されたｉに基づいて、
村MSiに対して、上述第１工程〜第９工程の操作を行
う。第１４工程は、ｉを１からMまで、指定し、前記第
１３工程を繰り返す。その後、次工程に入る。第１５工
程は、M個の村MS1、MS2、…、MSMから、MSi、MSjを乱数
的に選択し、村ペアにする。第１６工程は、村ペア
MSi、MSjから、それぞれの適応度が最も高い親Ｐik、Ｐ
jnを選択し、親ペアにする。次に、親ペアＰik、Ｐjnに
対して、第１４工程を行い、移民子ペアＫ1、Ｋ2を生成
する。第１７工程は、移住確率Ｎで、移民子Ｋ1を村MSi
の第３親に、移民子Ｋ2を村M Sjの第３親にコピーする。
第１８工程は、最適化判断条件が満足されるまで、前記
第１３工程〜第１７工程を繰り返す。最適化判断条件が
満足されたとき、前記各村のエリートの適応度を比較
し、最適な適応度を持つエリートを最適親として選択
し、最適親が表すパラメータを最適模擬パラメータとし
て提供する。最適化判定条件は、前記第１３工程〜第１
７工程の繰り返す回数が２０００に達することである。
なお、上述第１１、１２、１３〜１８工程は、ＧＡを利
用した他の同定や最適化装置及び方法にも容易に利用で
きるものである。なお、上述実制御器と第1前処理器と
第２前処理器と実応答保存器と模擬回路と評価関数器と
トータル調整装置とを複数のマイクロプロセッサで構成
することが容易に実現できる。In a thirteenth step, based on the designated i,
Village MSiTo the above-mentioned first to ninth steps.
U. In a fourteenth step, i is specified from 1 to M, and
Repeat 13 steps. Thereafter, the next step is started. 15th work
The process is M villages MS1, MS2,…, MSMFrom, MSi, MSjIs a random number
And make a village pair. The 16th process is a village pair
MSi, MSjFrom the parent P with the highest fitnessik, P
jnSelect to make a parent pair. Next, the parent pair Pik, PjnTo
In the 14th step, immigrant child K1, KTwoGenerate a
I do. In the seventeenth step, immigrant child K1The village MSi
Immigrant child K to the third parentTwoThe village M SjTo the third parent of
In an eighteenth step, the above-described optimization is performed until the optimization judgment condition is satisfied.
The thirteenth to seventeenth steps are repeated. Optimization criteria
When satisfied, compare fitness of elites in each village
And select the elite with the best fitness as the best parent
The parameter represented by the optimal parent is the optimal simulation parameter.
To provide. The optimization determination conditions are as described in the thirteenth step to the first step.
The number of repetitions of the seven steps reaches 2000.
In the above-described eleventh, twelfth, and thirteenth to eighteenth steps, GA is used.
Easy to use for other identification and optimization devices and methods used
It can be. In addition, the actual controller and the first pre-processor
Second preprocessor, real response storage, simulation circuit, evaluation function unit
The total adjustment device is composed of multiple microprocessors
Can be easily realized.
【００１４】[0014]
【発明の効果】本発明請求項１では、システムの一定時
間区間の入出力信号を、複数回ではなく、１回だけ計測
すれば、システムを模擬回路のパラメータとして同定す
ることができる。すなわち、同定システムは、より利用
しやすくなり、同一な同定精度に到達までの同定時間を
減らすことも可能になる。本発明請求項２では、システ
ムを２慣性系として近似し、２慣性系模擬回路のパラメ
ータを同定することができる。本発明請求項３では、実
トルク信号と実応答信号にのせられたノイズによる同定
精度の劣化を避けることができる。本発明請求項４で
は、乱数指針の変化によって、同一な同定精度に到達ま
での計算時間のばらつきを減らすことができる。本発明
請求項５では、他のＧＡ同定システムに対しても、同一
な同定精度に到達までの計算時間のばらつきを減らすこ
とができる。本発明請求項６では、同一な計算時間内
に、よい同定精度の同定結果を得られる確率を増やすこ
とができる。本発明請求項７では、他のＧＡ同定システ
ムに対しても、同一な同定精度に到達までの計算時間の
ばらつきを減らすことができる。本発明請求項８では、
同一な同定精度に到達までの計算時間のばらつきを大幅
に減らすことができる。According to the first aspect of the present invention, the system can be identified as a parameter of the simulation circuit by measuring the input / output signals of the system for a certain time period only once instead of a plurality of times. In other words, the identification system becomes easier to use, and the identification time until reaching the same identification accuracy can be reduced. According to the second aspect of the present invention, the system can be approximated as a two-inertia system, and the parameters of the two-inertia simulation circuit can be identified. According to the third aspect of the present invention, it is possible to avoid the deterioration of the identification accuracy due to the noise on the actual torque signal and the actual response signal. According to the fourth aspect of the present invention, it is possible to reduce the variation in the calculation time required to reach the same identification accuracy by changing the random number pointer. According to the fifth aspect of the present invention, it is possible to reduce the variation in the calculation time required to reach the same identification accuracy for other GA identification systems. According to claim 6 of the present invention, it is possible to increase the probability of obtaining an identification result with good identification accuracy within the same calculation time. According to the seventh aspect of the present invention, it is possible to reduce the variation in the calculation time required to reach the same identification accuracy for other GA identification systems. In claim 8 of the present invention,
Variations in the calculation time required to reach the same identification accuracy can be significantly reduced.
【図１】本発明の第１実施例を示すブロック図である。FIG. 1 is a block diagram showing a first embodiment of the present invention.
【図２】本発明の第１実施例の模擬回路１２を示すブロ
ック図である。FIG. 2 is a block diagram showing a simulation circuit 12 according to the first embodiment of the present invention.
【図３】本発明の第２実施例を示すブロック図である。FIG. 3 is a block diagram showing a second embodiment of the present invention.
【図４】本発明の第２実施例の模擬回路３０を示すブロ
ック図である。FIG. 4 is a block diagram showing a simulation circuit 30 according to a second embodiment of the present invention.
【図５】本発明の第３実施例の第１前処理器９を示すブ
ロック図である。FIG. 5 is a block diagram showing a first preprocessor 9 according to a third embodiment of the present invention.
【図６】本発明の第３実施例の第２前処理器１０を示す
ブロック図である。FIG. 6 is a block diagram showing a second preprocessor 10 according to a third embodiment of the present invention.
【図７】本発明の第４実施例のトータル調整装置１４を
示すフローチャートである。FIG. 7 is a flowchart showing a total adjustment device 14 according to a fourth embodiment of the present invention.
【図８】本発明の第６実施例のトータル調整装置１４を
示すフローチャートである。FIG. 8 is a flowchart illustrating a total adjustment device 14 according to a sixth embodiment of the present invention.
【図９】従来技術を示すブロック図である。FIG. 9 is a block diagram showing a conventional technique.
１ 負荷機械 ２ 伝達機構 ３ 電動機 ４ 動力変換回路 ５ 機械システム ６ 実観測器 ７ 指令発生器 ８ 実制御器 ９ 第１前処理器 ９ａ フィルタ １０ 第２前処理器 １０ａ フィルタ １０ｂ 擬似微分器 １１ 実応答保存器 １２ 模擬回路 １３ 評価関数器 １４ トータル調整装置 ２１ 係数器 ２２ 積分器 ２３ 積分器 ３０ 模擬回路 ３０ａ 減算器 ３０ｂ 係数器 ３０ｃ 積分器 ３０ｄ 積分器 ３０ｅ 減算器 ３０ｆ 係数器 ３０ｇ 係数器 ３０ｈ 積分器 ３０ｉ 積分器 ３０ｊ 模擬観測器 ３１ トータル調整装置 ４０ サーボシステム ４１ コントローラ ４２ 近似モデル ４３ モデル同定部 ４４ 制御ゲイン調整装置 ４５ スイッチ ４６ 規範応答モデル ４７ 評価値演算部 REFERENCE SIGNS LIST 1 load machine 2 transmission mechanism 3 motor 4 power conversion circuit 5 mechanical system 6 actual observer 7 command generator 8 actual controller 9 first preprocessor 9a filter 10 second preprocessor 10a filter 10b pseudo differentiator 11 real response Saver 12 Simulator 13 Evaluation functioner 14 Total adjuster 21 Coefficient unit 22 Integrator 23 Integrator 30 Simulator 30a Subtractor 30b Coefficient unit 30c Integrator 30d Integrator 30e Subtractor 30f Coefficient unit 30g Coefficient unit 30h Integrator 30i Integrator 30j Simulated observer 31 Total adjustment device 40 Servo system 41 Controller 42 Approximate model 43 Model identification unit 44 Control gain adjustment device 45 Switch 46 Reference response model 47 Evaluation value calculation unit
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5H004 GA18 GB16 HA07 HB07 HB08 JB21 KA31 KC08 KC45 KD67 KD70 MA11 5H550 AA18 BB08 BB10 DD03 DD04 DD06 DD10 GG01 GG03 JJ03 JJ17 JJ22 JJ23 JJ26 LL01 LL34 ──────────────────────────────────────────────────続 き Continued on the front page F term (reference) 5H004 GA18 GB16 HA07 HB07 HB08 JB21 KA31 KC08 KC45 KD67 KD70 MA11 5H550 AA18 BB08 BB10 DD03 DD04 DD06 DD10 GG01 GG03 JJ03 JJ17 JJ22 JJ23 JJ26 LL01 LL34
Claims (8)
と、前記伝達機構を介して前記負荷機械を駆動する電動
機と、実トルク信号に基づいて前記電動機に電気信号を
提供する動力変換装置と、前記負荷機械、伝達機構、電
動機、動力変換装置により構成される機械システムの状
態量の少なくとも一部を観測し実応答信号を提供する実
観測器と、実指令信号を提供する指令発生器と、前記実
指令信号と前記実応答信号とに基づいて前記動力変換装
置に実トルク信号を提供する実制御器とからなる機械シ
ステムの同定装置において、 前記実トルク信号に基づいて実応答保存器にトルク信号
を一定のサンプル間隔毎に離散化して提供する第1前処
理器と、 前記実応答信号に基づいて実応答保存器に位置応答信号
と速度応答信号とを一定のサンプル間隔毎に離散化して
提供する第２前処理器と、 一定のサンプル間隔毎に離散化された前記トルク信号と
前記位置応答信号と速度応答信号をデータ行列として保
存する実応答保存器と、 少なくとも１回の積分演算より構成され、前記実応答保
存器からトルク信号を読み込み、模擬パラメータに基づ
いて、模擬位置応答信号と模擬速度応答信号とを提供す
る模擬回路と、 前記実応答保存器から読み込まれた位置応答信号及び速
度応答信号と前記模擬位置応答信号と模擬速度応答信号
とに基づいて評価値を提供する評価関数器と、 遺伝アルゴリズムに基づいて前記評価値を最適化するよ
うに前記模擬回路の模擬パラメータを調整し最適模擬パ
ラメータを提供するトータル調整装置とを備えたことを
特徴とする機械システムの同定装置。1. A load machine, a transmission mechanism for transmitting power, an electric motor for driving the load machine via the transmission mechanism, and a power conversion device for providing an electric signal to the electric motor based on an actual torque signal. An actual observer that provides an actual response signal by observing at least a part of a state quantity of a mechanical system including the load machine, the transmission mechanism, the electric motor, and the power conversion device, and a command generator that provides an actual command signal. An actual controller that provides an actual torque signal to the power conversion device based on the actual command signal and the actual response signal. A first preprocessor that provides the torque signal by discretizing it at regular sampling intervals, and a position response signal and a velocity response signal that are stored in the actual response storage based on the actual response signal at a constant sampling interval. A second pre-processor for discretizing every time, a real response storage for storing the torque signal, the position response signal, and the velocity response signal discretized at a constant sampling interval as a data matrix; A simulating circuit that is constituted by integral calculations, reads a torque signal from the actual response storage, and provides a simulated position response signal and a simulated speed response signal based on simulated parameters. An evaluation function unit for providing an evaluation value based on the position response signal and the speed response signal, the simulated position response signal and the simulated speed response signal, and the simulation circuit for optimizing the evaluation value based on a genetic algorithm. And a total adjustment device that adjusts the simulation parameters and provides optimal simulation parameters.
算より構成され、前記トルク信号と模擬ねじりトルク信
号とに基づいて第1模擬位置信号と第1模擬速度信号とを
提供する第1慣性系模擬回路と、 第1模擬位置信号と第２模擬位置信号とに基づいて模擬
ねじりトルク信号を提供する第1ばね系模擬回路と、 前記模擬ねじりトルク信号に基づいて第２模擬位置信号
と第２模擬速度信号とを提供する第2慣性系模擬回路
と、 前記第1慣性系模擬回路と第2慣性系模擬回路との状態量
の一部を観測し、模擬位置応答信号と模擬速度応答信号
を前記評価関数器へ提供する模擬観測器とから構成され
た２慣性系模擬回路とを備えたことを特徴とする請求項
１記載の機械システムの同定装置。2. A first inertial system, wherein the simulation circuit is configured by at least two integration operations, and provides a first simulation position signal and a first simulation speed signal based on the torque signal and the simulation torsion torque signal. A simulation circuit, a first spring system simulation circuit that provides a simulation torsion torque signal based on the first simulation position signal and the second simulation position signal, and a second simulation position signal and a second simulation signal based on the simulation torsion torque signal. A second inertial system simulation circuit that provides a simulated speed signal, and a part of the state quantity of the first inertial system simulated circuit and the second inertial system simulated circuit is observed, and a simulated position response signal and a simulated speed response signal are obtained. The identification apparatus for a mechanical system according to claim 1, further comprising: a two-inertial-system simulation circuit including a simulation observer provided to the evaluation function unit.
を持つ第1フィルタから構成され、 前記第２前処理器が、第1カット周波数を持ち位置応答
信号を提供する第２フィルタと、第1カット周波数を持
ち、速度応答信号を提供する第2擬似微分器とを備えた
ことを特徴とする請求項１または２記載の機械システム
の同定装置。3. The first preprocessor comprises a first filter having a first cut frequency, and the second preprocessor has a second filter having a first cut frequency and providing a position response signal. 3. The apparatus according to claim 1, further comprising a second pseudo differentiator having a first cut frequency and providing a speed response signal.
を含む初期設定を行う第０工程と、 集団サイズで決められた数の個体からなる親集団の各親
個体を1つずつ模擬回路に提供し、各評価値に対応した
適応度を計算する第１工程と、 適応度に対応した確率で、親集団から２つの異なる親を
親ペアとして選出する第２工程と、 選出された親ペアのコードを乱数的に交換させることに
より、第1子ペアを生成する第３工程と、 前記第３工程で生成された第1子ペアのコードに対し
て、事前に決められた第1突然変異確率で逆転させ、第
２子のペアを生成する第４工程と、 第２子ペアの２つの第２子を、集団サイズで決められた
数の個体からなる子集団に保存する第５工程と、 前記第２工程〜第５工程を、集団サイズの子が生成され
るまで繰り返す第６工程と、 親集団から、適応度が最も高い親をエリートとして子集
団の子にする第７工程と、 親集団から、適応度が最も高い親に対して、第1突然変
異確率と異なる第２突然変異確率で逆転させ、子集団の
子にする第８工程と、 子集団の子を親集団の親にする第９工程と、 最適化判断条件が満足されるまで、第１工程〜第９工程
を繰り返し、最適化判断条件が満足されたとき、エリー
トが表すパラメータを最適模擬パラメータとして提供す
る第１０工程とを備えたことを特徴とする請求項１から
３記載の機械システムの同定装置。4. A 0th step in which the total adjustment device performs an initial setting including generation of a parent group, and a parent circuit of a parent group consisting of a number of individuals determined by a group size, one by one in a simulation circuit. A first step of providing a fitness value corresponding to each evaluation value, a second step of selecting two different parents as a parent pair from a parent population with a probability corresponding to the fitness value, and a selected parent pair. A third step of generating a first child pair by causing the codes of the first child pair to be randomly exchanged, and a first mutation determined in advance for the code of the first child pair generated in the third step. A fourth step of reversing with a probability to generate a pair of second offspring, and a fifth step of storing two second offspring of the second offspring pair in a offspring population consisting of a number of individuals determined by the population size Repeating the second to fifth steps until a child of a group size is generated. The sixth step, from the parent group, the seventh step in which the parent with the highest fitness is the child of the child group as an elite, and the seventh step, from the parent group, for the parent with the highest fitness that differs from the first mutation probability. Eighth step of reversing with two mutation probabilities to make the child of the child group a ninth step of making the child of the child group a parent of the parent group, and the first step to the fifth step until the optimization judgment condition is satisfied The apparatus according to any one of claims 1 to 3, further comprising: a tenth step of providing a parameter represented by the elite as an optimal simulation parameter when the optimization determination condition is satisfied by repeating the nine steps. .
８工程を備えたことを特徴とする請求項１から３記載の
機械システムの同定装置。5. The apparatus according to claim 1, wherein the operation of the genetic algorithm includes the eighth step.
の操作を行うと共に、村数を設定する第１１工程と、 第１１工程で生成された親集団を村数の村に分ける第１
２工程と、 指定された村において、村内親集団に対して、前記第１
工程〜第９工程の操作を行う第１３工程と、 村数まで、各村を指定し、前記第１３工程を繰り返す第
１４工程と、 全村から、２つの異なる村を乱数的に選択し、村ペアと
する第１５工程と、 前記村ペアのそれぞれの適応度が最も高い親を選択し、
親ペアとして第１４工程を行い、移民子ペアを生成する
第１６工程と、 移住確率で、前記移民子ペアを１つずつ、前記村ペアの
村内親集団に、エリート以外の親にする第１７工程と、 最適化判断条件が満足されるまで、前記第１３工程〜第
１７工程を繰り返し、最適化判断条件が満足されたと
き、前記各村のエリートの適応度を比較し、最適な適応
度を持つエリートを最適親として選択し、最適親が表す
パラメータを最適模擬パラメータとして提供する第１８
工程とを備えたことを特徴とする請求項１から５記載の
機械システムの同定装置。6. An eleventh step in which the total adjustment device performs the operation of the zeroth step and sets the number of villages, and a first step of dividing the parent group generated in the eleventh step into villages having the number of villages.
In the two steps, in the designated village, the first
A thirteenth step of performing the operations from the step to the ninth step, a fourteenth step of designating each village up to the number of villages and repeating the thirteenth step, and randomly selecting two different villages from all villages, A fifteenth step as a village pair, selecting a parent having the highest fitness of each of the village pairs,
Performing a fourteenth step as a parent pair to generate an immigrant child pair; and a 17th step of setting the immigrant child pairs one by one to a non-elite parent in the village parent group of the village pair with a migration probability. Steps 13 and 17 are repeated until the optimization judgment condition is satisfied. When the optimization judgment condition is satisfied, the fitness of the elite of each village is compared, and the optimum fitness is determined. An elite having the optimal parent is selected as an optimal parent, and a parameter represented by the optimal parent is provided as an optimal simulation parameter.
6. The apparatus for identifying a mechanical system according to claim 1, further comprising:
１１工程から第１８工程とを備えたことを特徴とする請
求項６記載の機械システムの同定装置。7. The apparatus according to claim 6, wherein the operation of the genetic algorithm includes the eleventh to eighteenth steps.
第２前処理器と前記実応答保存器と前記模擬回路と前記
評価関数器と前記トータル調整装置とを複数のマイクロ
プロセッサで構成したものである請求項１から７のいず
れか１項に記載の機械システムの同定装置。8. The real controller, the first preprocessor, the second preprocessor, the real response storage device, the simulation circuit, the evaluation function device, and the total adjustment device using a plurality of microprocessors. The identification device for a mechanical system according to any one of claims 1 to 7, wherein the identification device is configured.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17318399A JP4415424B2 (en) | 1999-06-18 | 1999-06-18 | Mechanical system identification device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17318399A JP4415424B2 (en) | 1999-06-18 | 1999-06-18 | Mechanical system identification device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001008476A true JP2001008476A (en) | 2001-01-12 |
| JP4415424B2 JP4415424B2 (en) | 2010-02-17 |
Family
ID=15955643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP17318399A Expired - Fee Related JP4415424B2 (en) | 1999-06-18 | 1999-06-18 | Mechanical system identification device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4415424B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100890526B1 (en) | 2007-07-13 | 2009-03-27 | 한국생산기술연구원 | Auto Tuning Method for Motion Controller Using Genetic Algorithm |
| CN102245356A (en) * | 2008-12-10 | 2011-11-16 | Abb研究有限公司 | Method and system for in-production optimization of the parameters of a robot used for assembly |
| CN112183843A (en) * | 2020-09-24 | 2021-01-05 | 国网辽宁省电力有限公司辽阳供电公司 | Thermal power plant load optimal distribution method based on hybrid intelligent algorithm |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109307835B (en) * | 2018-03-12 | 2020-09-18 | 电子科技大学 | Analog circuit measuring point optimization method based on sawtooth wave and genetic algorithm |
-
1999
- 1999-06-18 JP JP17318399A patent/JP4415424B2/en not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100890526B1 (en) | 2007-07-13 | 2009-03-27 | 한국생산기술연구원 | Auto Tuning Method for Motion Controller Using Genetic Algorithm |
| CN102245356A (en) * | 2008-12-10 | 2011-11-16 | Abb研究有限公司 | Method and system for in-production optimization of the parameters of a robot used for assembly |
| CN102245356B (en) * | 2008-12-10 | 2017-04-05 | Abb研究有限公司 | For optimizing the method and system of the parameter of the robot for assembling in production |
| CN112183843A (en) * | 2020-09-24 | 2021-01-05 | 国网辽宁省电力有限公司辽阳供电公司 | Thermal power plant load optimal distribution method based on hybrid intelligent algorithm |
| CN112183843B (en) * | 2020-09-24 | 2023-06-06 | 国网辽宁省电力有限公司辽阳供电公司 | Load optimization distribution method for thermal power plant based on hybrid intelligent algorithm |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4415424B2 (en) | 2010-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10564619B2 (en) | Machine learning device, servo control device, servo control system, and machine learning method | |
| Boyer et al. | Dynamics of continuum and soft robots: A strain parameterization based approach | |
| Wang et al. | A Lagrangian network for kinematic control of redundant robot manipulators | |
| Ryu et al. | Stability guaranteed control: Time domain passivity approach | |
| JP2017199077A (en) | Cell controller optimizing operation of production system having plurality of industrial machines | |
| Qazani et al. | Optimising control and prediction horizons of a model predictive control-based motion cueing algorithm using butterfly optimization algorithm | |
| WO2020183864A1 (en) | Learning system and learning method for operation inference learning model for controlling automatic driving robot | |
| JP7058202B2 (en) | Information processing method and information processing system | |
| Andrade et al. | Evolutionary algorithms for a better gaming experience in rehabilitation robotics | |
| CN110097191A (en) | Information processing method and information processing system | |
| JP6791600B2 (en) | Motor excitation signal search method and electronic equipment | |
| JP2001008476A (en) | Identification device for mechanical system | |
| KR20210069410A (en) | Learning system for robotic object manipulation | |
| Hirche et al. | Human perceived transparency with time delay | |
| WO2017037859A1 (en) | Information processing device and method | |
| Hu et al. | Biped gait optimization using spline function based probability model | |
| JP2005535023A (en) | System and method for simulation of nonlinear dynamic systems applicable in soft arithmetic | |
| JP4612989B2 (en) | Mechatronics system simulation method | |
| Smith et al. | Adaptive teleoperation using neural network-based predictive control | |
| WO2022172812A1 (en) | Robot model learning device, robot model machine learning method, robot model machine learning program, robot control device, robot control method, and robot control program | |
| WO2021095512A1 (en) | Machine learning device, information processing method, and recording medium | |
| CN114028164A (en) | Rehabilitation robot control method and device and rehabilitation robot | |
| Kano et al. | Design and prototype of a remote arm-wrestling system | |
| JP2004265069A (en) | Model parameter identification method for virtual passive joint model and its control process | |
| Inci et al. | Adaptive co-simulation framework exploiting system physics of mechatronic systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060515 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090409 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090413 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090604 |
|
| 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: 20091104 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20091117 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121204 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |