JP2004280286A - 出力制御方法、出力制御装置および出力制御プログラム - Google Patents
出力制御方法、出力制御装置および出力制御プログラム Download PDFInfo
- Publication number
- JP2004280286A JP2004280286A JP2003068592A JP2003068592A JP2004280286A JP 2004280286 A JP2004280286 A JP 2004280286A JP 2003068592 A JP2003068592 A JP 2003068592A JP 2003068592 A JP2003068592 A JP 2003068592A JP 2004280286 A JP2004280286 A JP 2004280286A
- Authority
- JP
- Japan
- Prior art keywords
- control
- command generation
- simulated
- state quantity
- command
- 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.)
- Pending
Links
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
【課題】制御器がシステムに与える影響を考慮しつつ、指令生成部から出力される指令信号を最適化する。
【解決手段】模擬指令生成部１０５は、指令生成部１０１を模擬するととともに、模擬制御部１０６は、実制御部１０２の構成とパラメータを模擬し、調整手段１０９は、評価部１０８による評価結果に基づいて、模擬指令生成部１０５の各パラメータを調整し、模擬指令生成部１０５は、調整手段１０９による模擬指令生成部１０５のパラメータの調整結果を指令生成部１０１に反映させる。
【選択図】 図１
【解決手段】模擬指令生成部１０５は、指令生成部１０１を模擬するととともに、模擬制御部１０６は、実制御部１０２の構成とパラメータを模擬し、調整手段１０９は、評価部１０８による評価結果に基づいて、模擬指令生成部１０５の各パラメータを調整し、模擬指令生成部１０５は、調整手段１０９による模擬指令生成部１０５のパラメータの調整結果を指令生成部１０１に反映させる。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は出力制御方法、出力制御装置および出力制御プログラムに関し、特に、制御対象への指令生成も含めた最適化方法に適用して好適なものである。
【０００２】
【従来の技術】
従来のロボットなどを対象とした制振制御方法では、例えば、特許文献１に開示されているように、ロボットアーム停止時の振動を打ち消すように、ロボットアームの制御指令を補正する方法があった。
図６は、従来のロボットアームの駆動方法を示すフローチャートである。
【０００３】
図６のステップＳ１１、ステップＳ１２において、ロボットアームの固有振動周期を測定する。そして、ステップＳ１３において、ロボットアームを所望の距離だけ駆動するための速度パターンを求める。次に、ステップＳ１４において、速度パターンに対応してロボットアームを駆動する駆動系の加速と減速のそれぞれのトルクピークの時間差を求める。次に、ステップＳ１５〜Ｓ１７において、ステップＳ１４で得られたトルクピークの時間差がロボットアームの固有振動周期の整数倍になるように速度パターンを修正する。そして、ステップＳ１８において、ステップＳ１５〜Ｓ１７で修正された速度パターンに基づいてサーボモータを駆動する。
【０００４】
【特許文献１】
特開平６−１１４７６１号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、図６のロボットアームの制振制御方法では、ロボットアームの固有振動数の測定結果に基づいて制御指令が補正されるため、制御器と制御指令とを同時に最適化することができず、制御器がシステムに与える影響を考慮することができないという問題があった。
【０００６】
また、図６のロボットアームの制振制御方法では、加速時と減速時のトルクピークの時間差から速度パターンを決定することしかできないため、固有振動周期が複数ある制御対象には適用できないという問題もあった。
そこで、本発明の目的は、制御器がシステムに与える影響を考慮しつつ、指令生成部から出力される指令信号を最適化することが可能な出力制御方法、出力制御装置および出力制御プログラムを提供することである。
【０００７】
【課題を解決するための手段】
上述した課題を解決するために、請求項１記載の出力制御方法によれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップと、前記制御対象の状態量を少なくとも１つ観測するステップと、前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【０００８】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を制御する制御手段を模擬しながら、模擬した指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となる。このため、実際の制御システムとは独立に、制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
【０００９】
また、請求項２記載の出力制御方法によれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップと、前記制御対象の状態量を少なくとも１つ観測するステップと、前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１０】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を制御する制御手段を模擬しながら、模擬した指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となるとともに、模擬した制御手段の調整結果を実際の制御手段に反映させることが可能となる。このため、実際の制御システムとは独立に、制御手段および指令生成手段から出力される指令信号を同時に最適化することが可能となる。
【００１１】
また、請求項３記載の出力制御方法によれば、前記指令生成手段を模擬するステップ、前記制御手段を模擬するステップ、前記模擬状態量を出力するステップおよび前記調整を行うステップの動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする。
これにより、制御対象が複雑な構造を持っている場合においても、繰り返し探索によって最もよい応答の得られる指令信号を求めることができ、固有振動周期が複数ある制御対象に対しても最適化を図ることが可能となる。
【００１２】
また、請求項４記載の出力制御方法によれば、前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする。
これにより、概念が簡単なアルゴリズムを用いて、連続型の変数のままで実制御出力の最適化を図ることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
【００１３】
また、請求項５記載の出力制御方法によれば、前記制御対象を電動機機械システムとしたことを特徴とする。
これにより、観測量として制御対象の電動機速度を観測することにより、電動機の速度パターを最適化することが可能となる。
また、請求項６記載の出力制御装置によれば、制御対象の状態量を少なくとも１つ観測する状態観測手段と、前記制御対象に対する指令信号を生成する指令生成手段と、前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、前記制御対象を模擬し、模擬状態量を出力する数値モデルと、前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、前記数値モデルから出力された模擬状態量を評価する評価手段と、前記評価手段による評価結果に基づいて、前記模擬指令生成手段の調整を行い、前記調整結果を前記指令生成手段に反映させる調整手段とを備えることを特徴とする。
【００１４】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、数値モデルの模擬状態量が所望の応答となる指令信号を求めることができ、実制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
また、請求項７記載の出力制御装置によれば、制御対象の状態量を少なくとも１つ観測する状態観測手段と、前記制御対象に対する指令信号を生成する指令生成手段と、前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、前記制御対象を模擬し、模擬状態量を出力する数値モデルと、前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、前記数値モデルから出力された模擬状態量を評価する評価手段と、前記評価手段による評価結果に基づいて、前記模擬指令生成手段および前記模擬制御手段の調整を行い、前記調整結果を前記指令生成手段および前記実制御手段に反映させる調整手段とを備えることを特徴とする。
【００１５】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、模擬指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となるとともに、模擬制御手段の調整結果を実際の制御手段に反映させることが可能となり、実制御手段および指令生成手段から出力される指令信号とを同時に最適化することが可能となる。
【００１６】
また、請求項８記載の出力制御装置によれば、前記数値モデル、模擬指令生成手段、前記模擬制御手段、前記評価手段および前記調整手段の動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする。
これにより、制御対象が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデルの状態量が最もよい応答となる指令信号を求めることができ、固有振動周期が複数ある制御対象に対しても最適化を図ることが可能となる。
【００１７】
また、請求項９記載の出力制御装置によれば、前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする。
これにより、各ステップで目的関数を評価する必要がある場合においても、問題の規模によらず、エージェント数のみに依存して評価回数を決定することができ、大規模問題への適用を容易に行うことができる。
【００１８】
また、請求項１０記載の出力制御装置によれば、前記制御対象を電動機機械システムとしたことを特徴とする。
これにより、観測量として制御対象の電動機速度を観測することにより、電動機の速度パターを最適化することが可能となる。
また、請求項１１記載の出力制御プログラムによれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップとをコンピュータに実行させることを特徴とする。
【００１９】
これにより、コンピュータに処理を行わせることで、実際の制御システムとは独立に、制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
また、請求項１２記載の出力制御プログラムによれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップとをコンピュータに実行させることを特徴とする。
【００２０】
これにより、コンピュータに処理を行わせることで、実際の制御システムとは独立に、制御手段および指令生成手段から出力される指令信号を同時に最適化することが可能となる。
【００２１】
【発明の実施の形態】
以下、本発明の実施形態に係る制御システムについて、制御対象を電動機機械システムとした場合を例にとって説明する。
図１は、本発明の第１実施形態に係る制御システムの概略構成を示すブロック図である。
【００２２】
図１において、制御システムには、指令生成部１０１、実制御部１０２、観測器１０３、制御対象１０４、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９が設けられている。
ここで、制御対象１０４が電動機機械システムの場合、制御対象１０４は、例えば、電動機と、電動機へ電力を供給し、電動機のトルクを制御する電力変換器と、電動機により駆動される機械とで構成することができる。
【００２３】
指令生成部１０１は、制御対象１０４に所定の動作を指示するもので、制御対象１０４が電動機機械システムの場合、制御対象１０４への指令信号として速度パターンを生成することができる。なお、速度パターンは、図２に示すように、目標速度、目標速度までの加速時間、加減速時のＳ字カーブの時定数パラメータなどを含むことができる。
【００２４】
観測器１０３は、制御対象１０４の状態量を少なくとも１つ推定または観測するもので、制御対象１０４が電動機機械システムの場合、観測量として制御対象１０４の電動機速度を観測することができる。
実制御部１０２は、指令生成部１０１で生成された指令信号および観測器１０３で観測された観測信号に基づいて制御対象１０４を制御するものである。ここで、制御対象１０４が電動機機械システムの場合、指令生成部１０１で生成された指令信号および観測器１０３で観測された電動機速度に基づいて、操作量としてトルク指令を制御対象１０４に出力することができる。なお、実制御部１０２は、例えば、指令信号と電動機速度との偏差を比例積分するＰＩ制御器などで構成することができる。
【００２５】
模擬指令生成部１０５は、指令生成部１０１を模擬し、指令信号を模擬制御部１０６に出力するとともに、調整手段１０９による模擬指令生成部１０５のパラメータの調整結果を指令生成部１０１に反映させる。
模擬制御部１０６は、実制御部１０２の構成とパラメータを模擬し、模擬指令生成部１０５から出力される指令信号および数値モデル１０７から出力される模擬状態量に基づいて、操作量を数値モデル１０７に出力する。
【００２６】
数値モデル１０７は、実制御部１０２より出力される操作量から観測器１０３で観測される状態量までの制御対象１０４の特性を数値モデル化することにより、制御対象１０４を模擬し、模擬状態量を模擬制御部１０６および評価部１０８に出力する。
評価部１０８は、数値モデル１０７から出力される模擬状態量としての電動機速度に基づいてその制御性能を評価する。
【００２７】
調整手段１０９は、評価部１０８による評価結果に基づいて、模擬指令生成部１０５の各パラメータを調整する。
ここで、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９にて行われる動作は、繰り返し探索のアルゴリズムを用いて実行することができ、繰り返し探索のアルゴリズムとしては、例えば、パーティクル・スウォーム・オプティマイゼーションを用いることができる。
【００２８】
パーティクル・スウォーム・オプティマイゼーションは、簡単化した社会モデルのシミュレーションを通して開発されたモダンヒューリスティック（Ｍｏｄｅｒｎ Ｈｅｕｒｉｓｔｉｃ：ＭＨ）手法の１つであり、鳥の群れの動きを連続変数の２次元空間で表現することを通して開発された。
なお、パーティクル・スウォーム・オプティマイゼーションについては、Ｊ．Ｋｅｎｎｅｄｙ ａｎｄ Ｒ．Ｅｂｅｒｈａｒｔによる“Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ”（Ｐｒｏｃ． ｏｆ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，Ｖｏｌ．ＩＶ，ｐｐ．１９４２−１９４８，Ｐｅｒｔｈ，Ａｕｓｔｒａｌｉａ，１９９５．）や、吉田・福山他による「電圧信頼度を考慮したＰａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎによる電圧無効電力制御方式の検討」（電気学会論文誌Ｂ，１１９巻１２号，１９９９年１２月）、特開２０００−１１６００３「電圧無効電力制御方法」、特開２００２−５１４６４「配電系統における状態推定法」などに記載されている。
【００２９】
図３は、図１の制御システムにおけるパーティクル・スウォーム・オプティマイゼーションを用いた最適化動作を示すフローチャートである。
図３において、パーティクル・スウォーム・オプティマイゼーションにおける各エージェントｉの状態変数ｓｉおよび速度ｖｉをセットするとともに、模擬制御部１０６のパラメータを設定する（ステップＳ１）。なお、各エージェントｉの状態変数ｓｉには、模擬指令生成部１０５の加速時間、Ｓ字時定数の変数を持たせることができ、各エージェントｉの状態変数ｓｉおよび速度ｖｉは、設定された範囲でランダムに初期値を決定することができる。また、模擬制御部１０６のパラメータは、実制御部１０２のパラメータに一致させることができる。
【００３０】
次に、エージェントｉの数だけ、模擬指令生成部１０５の速度パターンをエージェントｉの状態変数ｓｉの設定にし、模擬制御部１０６および数値モデル１０７を動作させる。そして、評価部１０８にて、各エージェントｉ分の数値モデル１０７の状態量としての電動機速度を記録し、例えば、図４に示すように、電動機速度に関してエージェントｉそれぞれ分の整定時間Ｔｓや速度オーバシュート量Ｎｓなどの測定を行い、以下の（１）式により、各エージェントｉの評価結果Ｆｉを得る（ステップＳ２）。
【００３１】
Ｆｉ＝Ｋ１Ｔｓ＋Ｋ２Ｎｓ ・・・（１）
次に、次のステップでの各エージェントｉの変数を求めるために、以下の（２）式により、各エージェントｉの速度ｖｉ ｋ＋１を求める。
ｖｉ ｋ＋１＝ｗ×ｖｉ ｋ＋ｃ１×ｒａｎｄ（）×（ｐｂｅｓｔｉ−ｓｉ ｋ）
＋ｃ２×ｒａｎｄ（）×（ｇｂｅｓｔ−ｓｉ ｋ） ・・・（２）
ただし、ｖｉ ｋは、エージェントｉの速度、ｒａｎｄ（）は、０〜１までの一様乱数、ｓｉ ｋは、エージェントｉの探索ｋ回目の位置（探索点）、ｐｂｅｓｔｉは、エージェントｉの探索における目的関数のそれまでの最も良い評価の変数、ｇｂｅｓｔは、ｐｂｅｓｔｉのうち集団の中で最良のもの、ｗは、エージェント速度に対する重み関数、ｃ１、ｃ２は、各項に対する重み係数である。
【００３２】
そして、（２）式によりエージェントｉの速度ｖｉ ｋ＋１が求まると、次のステップのための新しいエージェントｉの状態変数ｓｉ ｋ＋１を以下の（３）式により求める（ステップＳ３）。
ｓｉ ｋ＋１＝ｓｉ ｋ＋ｖｉ ｋ＋１ ・・・（３）
そして、ステップＳ２、Ｓ３の処理が所定の繰り返し数だけ行われると（ステップＳ４）、ｇｂｅｓｔの値を指令生成部１０１にコピーする（ステップＳ５）。
【００３３】
これにより、指令信号を生成する指令生成部１０１だけでなく、制御対象１０４を実制御する実制御部１０２を模擬しながら、数値モデル１０７の模擬状態量が所望の応答となる指令信号を求めることができ、実制御部１０２がシステム全体に与える影響を考慮しつつ、指令生成部１０１から出力される指令信号を最適化することが可能となる。
【００３４】
また、制御対象１０４が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデル１０７の状態量が最もよい応答となる指令信号を求めることができ、固有振動周期が複数ある制御対象１０４に対しても最適化を図ることが可能となる。
また、パーティクル・スウォーム・オプティマイゼーションでは、遺伝的アルゴリズムと同様に複数の探索点を持った多点探索で、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔを用いて各探索点を確率的に変更していくことにより、大域最適解（最良解）を得ることができる。
【００３５】
また、パーティクル・スウォーム・オプティマイゼーションでは、これまでの速度を維持しようとする大域探索（（２）式の右辺第１項）と、最良値ｐｂｅｓｔ、ｇｂｅｓｔとを用いてこれらに近づこうとする局所探索（（２）式の右辺第２、３項）とをバランスよく行うことができる。
さらに、パーティクル・スウォーム・オプティマイゼーションでは、各ステップで目的関数を評価する必要があるが、評価回数は問題の規模によらず、エージェント数のみでよいため、大規模問題への適用を容易に行うことができる。
【００３６】
また、上述した実施形態において、エージェントを評価する（１）式は、目的に応じて自由に設定することができ、例えば、理想的な応答に対する偏差を評価するようにしてもよい。
また、模擬指令生成部１０５のパラメータは、任意のパターンを実現できるパラメータならば、状況に応じて自由な構造と指標を適用しても良い。
【００３７】
また、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９は全て計算機内で処理することができるため、模擬指令生成部１０５と指令生成部１０１とはハード的に切り離すようにしてもよい。
また、上述した実施形態において、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９は、複数のコンピュータと通信手段で実現してもよく、例えば、ネットワークに接続されたコンピュータ間でデータの送受信を行ないながら、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９の動作を実現するようにしてもよい。
【００３８】
また、上述した実施形態では、パーティクル・スウォーム・オプティマイゼーションを適用した最適化アルゴリズムを用いることにより、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９を動作させる方法について説明したが、遺伝的アルゴリズムなどの繰り返し探索アルゴリズムを用いるようにしてもよい。
【００３９】
図５は、本発明の第２実施形態に係る制御システムの概略構成を示すブロック図である。
図５において、制御システムには、指令生成部４０１、実制御部４０２、観測器４０３、制御対象４０４、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９が設けられている。
【００４０】
ここで、制御対象４０４が電動機機械システムの場合、制御対象４０４は、例えば、電動機と、電動機へ電力を供給し、電動機のトルクを制御する電力変換器と、電動機により駆動される機械とで構成することができる。
指令生成部４０１は、制御対象４０４に所定の動作を指示するもので、制御対象４０４が電動機機械システムの場合、制御対象４０４への指令信号として速度パターンを生成することができる。
【００４１】
観測器４０３は、制御対象４０４の状態量を少なくとも１つ推定または観測するもので、制御対象４０４が電動機機械システムの場合、観測量として制御対象４０４の電動機速度を観測することができる。
実制御部４０２は、指令生成部４０１で生成された指令信号および観測器４０３で観測された観測信号に基づいて制御対象４０４を制御するもので、制御対象４０４が電動機機械システムの場合、指令生成部４０１で生成された指令信号および観測器４０３で観測された電動機速度に基づいて、操作量としてトルク指令を制御対象４０４に出力することができる。
【００４２】
模擬指令生成部４０５は、指令生成部４０１を模擬し、指令信号を模擬制御部４０６に出力するとともに、調整手段４０９による模擬指令生成部４０５のパラメータの調整結果を指令生成部４０１に反映させる。
模擬制御部４０６は、実制御部４０２の構成とパラメータを模擬し、模擬指令生成部４０５から出力される指令信号および数値モデル４０７から出力される模擬状態量に基づいて操作量を数値モデル４０７に出力するとともに、調整手段４０９による模擬制御部４０６のパラメータの調整結果を実制御部４０２に反映させる。
【００４３】
数値モデル４０７は、実制御部４０２より出力される操作量から観測器４０３で観測される状態量までの制御対象４０４の特性を数値モデル化することにより、制御対象４０４を模擬し、模擬状態量を模擬制御部４０６および評価部４０８に出力する。
評価部４０８は、数値モデル４０７から出力される模擬状態量としての電動機速度に基づいてその制御性能を評価する。
【００４４】
調整手段４０９は、評価部４０８による評価結果に基づいて、模擬指令生成部４０５および模擬制御部４０６の各パラメータを調整する。
以下、図５の制御システムについて、パーティクル・スウォーム・オプティマイゼーションを用いた場合の最適化動作を説明する。
図５において、パーティクル・スウォーム・オプティマイゼーションにおける各エージェントｉの状態変数ｓｉおよび速度ｖｉをセットするとともに、模擬制御部４０６のパラメータを設定する。なお、各エージェントｉの状態変数ｓｉには、模擬指令生成部４０５の加速時間、Ｓ字時定数の変数の他に、模擬制御部４０６のゲインＫｐおよび積分時定数Ｔｉを持たせることができ、模擬制御部４０６のパラメータは各エージェントｉに持たせることができる。
【００４５】
次に、エージェントｉの数だけ、模擬指令生成部４０５の速度パターンをエージェントｉの状態変数ｓｉの設定にし、模擬制御部４０６および数値モデル４０７を動作させる。そして、評価部４０８にて、各エージェントｉ分の数値モデル４０７の状態量としての電動機速度を記録し、電動機速度に関してエージェントｉそれぞれ分の整定時間Ｔｓや速度オーバシュート量Ｎｓなどの測定を行い、（１）式により、各エージェントｉの評価結果Ｆｉを得る。
【００４６】
次に、次のステップでの各エージェントｉの変数を求めるために、（２）式により、各エージェントｉの速度ｖｉ ｋ＋１を求める。
そして、（２）式によりエージェントｉの速度ｖｉ ｋ＋１が求まると、次のステップのための新しいエージェントｉの状態変数ｓｉ ｋ＋１を（３）式により求める。
そして、以上の処理が所定の繰り返し回数だけ行われると、ｇｂｅｓｔが持つパラメータを指令生成部４０１および実制御部４０２にコピーする。
【００４７】
これにより、指令信号を生成する指令生成部４０１だけでなく、制御対象４０４を実制御する実制御部４０２を模擬しながら、模擬指令生成部４０５の調整結果を実際の指令生成部４０１に反映させることが可能となるとともに、模擬制御部４０６の調整結果を実制御部４０２に反映させることが可能となり、実制御部４０２および指令生成部４０１から出力される指令信号とを同時に最適化することが可能となる。
【００４８】
また、制御対象４０４が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデル４０７の状態量が最もよい応答となる指令信号および実制御部４０２のパラメータを求めることができ、固有振動周期が複数ある制御対象４０４に対しても最適化を図ることが可能となる。
また、上述した実施形態において、エージェントを評価する（１）式は、目的に応じて自由に設定することができ、例えば、理想的な応答に対する偏差を評価するようにしてもよい。
【００４９】
また、模擬指令生成部４０５のパラメータは、任意のパターンを実現できるパラメータならば、状況に応じて自由な構造と指標を適用しても良い。
また、実制御部４０２は、パラメータを持つならば、線形や非線形を問わず、どのような構造または特性でもよく、例えば、リミットを持つ要素やノッチフィルタなどで構成するようにしてもよい。
【００５０】
また、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９は全て計算機内で処理することができるため、模擬指令生成部４０５と指令生成部４０１とはハード的に切り離すようにしてもよい。
また、上述した実施形態において、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９は、複数のコンピュータと通信手段で実現してもよく、例えば、ネットワークに接続されたコンピュータ間でデータの送受信を行ないながら、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９の動作を実現するようにしてもよい。
【００５１】
また、上述した実施形態では、パーティクル・スウォーム・オプティマイゼーションを適用した最適化アルゴリズムを用いることにより、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９を動作させる方法について説明したが、遺伝的アルゴリズムなどの繰り返し探索アルゴリズムを用いるようにしてもよい。
また、上述した実施形態では、電動機の速度制御に適用した場合を例にとって説明したが、電動機の速度制御だけでなく位置制御に適用してもよい。
【００５２】
【発明の効果】
以上説明したように、本発明によれば、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、数値モデルの模擬状態量が所望の応答となる指令信号を求めることができ、実制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
【図面の簡単な説明】
【図１】本発明の第１実施形態に係る制御システムの概略構成を示すブロック図である。
【図２】図１の指令生成部１０１から出力される指令信号の速度パターンを示す図である。
【図３】図１の制御システムにおけるパーティクル・スウォーム・オプティマイゼーションを用いた最適化動作を示すフローチャートである。
【図４】図１の数値モデル１０７の状態量としての電動機速度を示す図である。
【図５】本発明の第２実施形態に係る制御システムの概略構成を示すブロック図である。
【図６】従来のロボットアームの駆動方法を示すフローチャートである。
【符号の説明】
１０１、４０１ 指令生成部
１０２、４０２ 実制御部
１０３、４０３ 観測器
１０４、４０４ 制御対象
１０５、４０５ 模擬指令生成部
１０６、４０６ 模擬制御部
１０７、４０７ 数値モデル
１０８、４０８ 評価部
１０９、４０９ 調整手段
【発明の属する技術分野】
本発明は出力制御方法、出力制御装置および出力制御プログラムに関し、特に、制御対象への指令生成も含めた最適化方法に適用して好適なものである。
【０００２】
【従来の技術】
従来のロボットなどを対象とした制振制御方法では、例えば、特許文献１に開示されているように、ロボットアーム停止時の振動を打ち消すように、ロボットアームの制御指令を補正する方法があった。
図６は、従来のロボットアームの駆動方法を示すフローチャートである。
【０００３】
図６のステップＳ１１、ステップＳ１２において、ロボットアームの固有振動周期を測定する。そして、ステップＳ１３において、ロボットアームを所望の距離だけ駆動するための速度パターンを求める。次に、ステップＳ１４において、速度パターンに対応してロボットアームを駆動する駆動系の加速と減速のそれぞれのトルクピークの時間差を求める。次に、ステップＳ１５〜Ｓ１７において、ステップＳ１４で得られたトルクピークの時間差がロボットアームの固有振動周期の整数倍になるように速度パターンを修正する。そして、ステップＳ１８において、ステップＳ１５〜Ｓ１７で修正された速度パターンに基づいてサーボモータを駆動する。
【０００４】
【特許文献１】
特開平６−１１４７６１号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、図６のロボットアームの制振制御方法では、ロボットアームの固有振動数の測定結果に基づいて制御指令が補正されるため、制御器と制御指令とを同時に最適化することができず、制御器がシステムに与える影響を考慮することができないという問題があった。
【０００６】
また、図６のロボットアームの制振制御方法では、加速時と減速時のトルクピークの時間差から速度パターンを決定することしかできないため、固有振動周期が複数ある制御対象には適用できないという問題もあった。
そこで、本発明の目的は、制御器がシステムに与える影響を考慮しつつ、指令生成部から出力される指令信号を最適化することが可能な出力制御方法、出力制御装置および出力制御プログラムを提供することである。
【０００７】
【課題を解決するための手段】
上述した課題を解決するために、請求項１記載の出力制御方法によれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップと、前記制御対象の状態量を少なくとも１つ観測するステップと、前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【０００８】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を制御する制御手段を模擬しながら、模擬した指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となる。このため、実際の制御システムとは独立に、制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
【０００９】
また、請求項２記載の出力制御方法によれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップと、前記制御対象の状態量を少なくとも１つ観測するステップと、前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１０】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を制御する制御手段を模擬しながら、模擬した指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となるとともに、模擬した制御手段の調整結果を実際の制御手段に反映させることが可能となる。このため、実際の制御システムとは独立に、制御手段および指令生成手段から出力される指令信号を同時に最適化することが可能となる。
【００１１】
また、請求項３記載の出力制御方法によれば、前記指令生成手段を模擬するステップ、前記制御手段を模擬するステップ、前記模擬状態量を出力するステップおよび前記調整を行うステップの動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする。
これにより、制御対象が複雑な構造を持っている場合においても、繰り返し探索によって最もよい応答の得られる指令信号を求めることができ、固有振動周期が複数ある制御対象に対しても最適化を図ることが可能となる。
【００１２】
また、請求項４記載の出力制御方法によれば、前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする。
これにより、概念が簡単なアルゴリズムを用いて、連続型の変数のままで実制御出力の最適化を図ることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
【００１３】
また、請求項５記載の出力制御方法によれば、前記制御対象を電動機機械システムとしたことを特徴とする。
これにより、観測量として制御対象の電動機速度を観測することにより、電動機の速度パターを最適化することが可能となる。
また、請求項６記載の出力制御装置によれば、制御対象の状態量を少なくとも１つ観測する状態観測手段と、前記制御対象に対する指令信号を生成する指令生成手段と、前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、前記制御対象を模擬し、模擬状態量を出力する数値モデルと、前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、前記数値モデルから出力された模擬状態量を評価する評価手段と、前記評価手段による評価結果に基づいて、前記模擬指令生成手段の調整を行い、前記調整結果を前記指令生成手段に反映させる調整手段とを備えることを特徴とする。
【００１４】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、数値モデルの模擬状態量が所望の応答となる指令信号を求めることができ、実制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
また、請求項７記載の出力制御装置によれば、制御対象の状態量を少なくとも１つ観測する状態観測手段と、前記制御対象に対する指令信号を生成する指令生成手段と、前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、前記制御対象を模擬し、模擬状態量を出力する数値モデルと、前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、前記数値モデルから出力された模擬状態量を評価する評価手段と、前記評価手段による評価結果に基づいて、前記模擬指令生成手段および前記模擬制御手段の調整を行い、前記調整結果を前記指令生成手段および前記実制御手段に反映させる調整手段とを備えることを特徴とする。
【００１５】
これにより、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、模擬指令生成手段の調整結果を実際の指令生成手段に反映させることが可能となるとともに、模擬制御手段の調整結果を実際の制御手段に反映させることが可能となり、実制御手段および指令生成手段から出力される指令信号とを同時に最適化することが可能となる。
【００１６】
また、請求項８記載の出力制御装置によれば、前記数値モデル、模擬指令生成手段、前記模擬制御手段、前記評価手段および前記調整手段の動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする。
これにより、制御対象が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデルの状態量が最もよい応答となる指令信号を求めることができ、固有振動周期が複数ある制御対象に対しても最適化を図ることが可能となる。
【００１７】
また、請求項９記載の出力制御装置によれば、前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする。
これにより、各ステップで目的関数を評価する必要がある場合においても、問題の規模によらず、エージェント数のみに依存して評価回数を決定することができ、大規模問題への適用を容易に行うことができる。
【００１８】
また、請求項１０記載の出力制御装置によれば、前記制御対象を電動機機械システムとしたことを特徴とする。
これにより、観測量として制御対象の電動機速度を観測することにより、電動機の速度パターを最適化することが可能となる。
また、請求項１１記載の出力制御プログラムによれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップとをコンピュータに実行させることを特徴とする。
【００１９】
これにより、コンピュータに処理を行わせることで、実際の制御システムとは独立に、制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
また、請求項１２記載の出力制御プログラムによれば、制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、前記制御対象を制御する制御手段を模擬するステップと、前記制御対象を模擬し、模擬状態量を出力するステップと、前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップとをコンピュータに実行させることを特徴とする。
【００２０】
これにより、コンピュータに処理を行わせることで、実際の制御システムとは独立に、制御手段および指令生成手段から出力される指令信号を同時に最適化することが可能となる。
【００２１】
【発明の実施の形態】
以下、本発明の実施形態に係る制御システムについて、制御対象を電動機機械システムとした場合を例にとって説明する。
図１は、本発明の第１実施形態に係る制御システムの概略構成を示すブロック図である。
【００２２】
図１において、制御システムには、指令生成部１０１、実制御部１０２、観測器１０３、制御対象１０４、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９が設けられている。
ここで、制御対象１０４が電動機機械システムの場合、制御対象１０４は、例えば、電動機と、電動機へ電力を供給し、電動機のトルクを制御する電力変換器と、電動機により駆動される機械とで構成することができる。
【００２３】
指令生成部１０１は、制御対象１０４に所定の動作を指示するもので、制御対象１０４が電動機機械システムの場合、制御対象１０４への指令信号として速度パターンを生成することができる。なお、速度パターンは、図２に示すように、目標速度、目標速度までの加速時間、加減速時のＳ字カーブの時定数パラメータなどを含むことができる。
【００２４】
観測器１０３は、制御対象１０４の状態量を少なくとも１つ推定または観測するもので、制御対象１０４が電動機機械システムの場合、観測量として制御対象１０４の電動機速度を観測することができる。
実制御部１０２は、指令生成部１０１で生成された指令信号および観測器１０３で観測された観測信号に基づいて制御対象１０４を制御するものである。ここで、制御対象１０４が電動機機械システムの場合、指令生成部１０１で生成された指令信号および観測器１０３で観測された電動機速度に基づいて、操作量としてトルク指令を制御対象１０４に出力することができる。なお、実制御部１０２は、例えば、指令信号と電動機速度との偏差を比例積分するＰＩ制御器などで構成することができる。
【００２５】
模擬指令生成部１０５は、指令生成部１０１を模擬し、指令信号を模擬制御部１０６に出力するとともに、調整手段１０９による模擬指令生成部１０５のパラメータの調整結果を指令生成部１０１に反映させる。
模擬制御部１０６は、実制御部１０２の構成とパラメータを模擬し、模擬指令生成部１０５から出力される指令信号および数値モデル１０７から出力される模擬状態量に基づいて、操作量を数値モデル１０７に出力する。
【００２６】
数値モデル１０７は、実制御部１０２より出力される操作量から観測器１０３で観測される状態量までの制御対象１０４の特性を数値モデル化することにより、制御対象１０４を模擬し、模擬状態量を模擬制御部１０６および評価部１０８に出力する。
評価部１０８は、数値モデル１０７から出力される模擬状態量としての電動機速度に基づいてその制御性能を評価する。
【００２７】
調整手段１０９は、評価部１０８による評価結果に基づいて、模擬指令生成部１０５の各パラメータを調整する。
ここで、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９にて行われる動作は、繰り返し探索のアルゴリズムを用いて実行することができ、繰り返し探索のアルゴリズムとしては、例えば、パーティクル・スウォーム・オプティマイゼーションを用いることができる。
【００２８】
パーティクル・スウォーム・オプティマイゼーションは、簡単化した社会モデルのシミュレーションを通して開発されたモダンヒューリスティック（Ｍｏｄｅｒｎ Ｈｅｕｒｉｓｔｉｃ：ＭＨ）手法の１つであり、鳥の群れの動きを連続変数の２次元空間で表現することを通して開発された。
なお、パーティクル・スウォーム・オプティマイゼーションについては、Ｊ．Ｋｅｎｎｅｄｙ ａｎｄ Ｒ．Ｅｂｅｒｈａｒｔによる“Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ”（Ｐｒｏｃ． ｏｆ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，Ｖｏｌ．ＩＶ，ｐｐ．１９４２−１９４８，Ｐｅｒｔｈ，Ａｕｓｔｒａｌｉａ，１９９５．）や、吉田・福山他による「電圧信頼度を考慮したＰａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎによる電圧無効電力制御方式の検討」（電気学会論文誌Ｂ，１１９巻１２号，１９９９年１２月）、特開２０００−１１６００３「電圧無効電力制御方法」、特開２００２−５１４６４「配電系統における状態推定法」などに記載されている。
【００２９】
図３は、図１の制御システムにおけるパーティクル・スウォーム・オプティマイゼーションを用いた最適化動作を示すフローチャートである。
図３において、パーティクル・スウォーム・オプティマイゼーションにおける各エージェントｉの状態変数ｓｉおよび速度ｖｉをセットするとともに、模擬制御部１０６のパラメータを設定する（ステップＳ１）。なお、各エージェントｉの状態変数ｓｉには、模擬指令生成部１０５の加速時間、Ｓ字時定数の変数を持たせることができ、各エージェントｉの状態変数ｓｉおよび速度ｖｉは、設定された範囲でランダムに初期値を決定することができる。また、模擬制御部１０６のパラメータは、実制御部１０２のパラメータに一致させることができる。
【００３０】
次に、エージェントｉの数だけ、模擬指令生成部１０５の速度パターンをエージェントｉの状態変数ｓｉの設定にし、模擬制御部１０６および数値モデル１０７を動作させる。そして、評価部１０８にて、各エージェントｉ分の数値モデル１０７の状態量としての電動機速度を記録し、例えば、図４に示すように、電動機速度に関してエージェントｉそれぞれ分の整定時間Ｔｓや速度オーバシュート量Ｎｓなどの測定を行い、以下の（１）式により、各エージェントｉの評価結果Ｆｉを得る（ステップＳ２）。
【００３１】
Ｆｉ＝Ｋ１Ｔｓ＋Ｋ２Ｎｓ ・・・（１）
次に、次のステップでの各エージェントｉの変数を求めるために、以下の（２）式により、各エージェントｉの速度ｖｉ ｋ＋１を求める。
ｖｉ ｋ＋１＝ｗ×ｖｉ ｋ＋ｃ１×ｒａｎｄ（）×（ｐｂｅｓｔｉ−ｓｉ ｋ）
＋ｃ２×ｒａｎｄ（）×（ｇｂｅｓｔ−ｓｉ ｋ） ・・・（２）
ただし、ｖｉ ｋは、エージェントｉの速度、ｒａｎｄ（）は、０〜１までの一様乱数、ｓｉ ｋは、エージェントｉの探索ｋ回目の位置（探索点）、ｐｂｅｓｔｉは、エージェントｉの探索における目的関数のそれまでの最も良い評価の変数、ｇｂｅｓｔは、ｐｂｅｓｔｉのうち集団の中で最良のもの、ｗは、エージェント速度に対する重み関数、ｃ１、ｃ２は、各項に対する重み係数である。
【００３２】
そして、（２）式によりエージェントｉの速度ｖｉ ｋ＋１が求まると、次のステップのための新しいエージェントｉの状態変数ｓｉ ｋ＋１を以下の（３）式により求める（ステップＳ３）。
ｓｉ ｋ＋１＝ｓｉ ｋ＋ｖｉ ｋ＋１ ・・・（３）
そして、ステップＳ２、Ｓ３の処理が所定の繰り返し数だけ行われると（ステップＳ４）、ｇｂｅｓｔの値を指令生成部１０１にコピーする（ステップＳ５）。
【００３３】
これにより、指令信号を生成する指令生成部１０１だけでなく、制御対象１０４を実制御する実制御部１０２を模擬しながら、数値モデル１０７の模擬状態量が所望の応答となる指令信号を求めることができ、実制御部１０２がシステム全体に与える影響を考慮しつつ、指令生成部１０１から出力される指令信号を最適化することが可能となる。
【００３４】
また、制御対象１０４が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデル１０７の状態量が最もよい応答となる指令信号を求めることができ、固有振動周期が複数ある制御対象１０４に対しても最適化を図ることが可能となる。
また、パーティクル・スウォーム・オプティマイゼーションでは、遺伝的アルゴリズムと同様に複数の探索点を持った多点探索で、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔを用いて各探索点を確率的に変更していくことにより、大域最適解（最良解）を得ることができる。
【００３５】
また、パーティクル・スウォーム・オプティマイゼーションでは、これまでの速度を維持しようとする大域探索（（２）式の右辺第１項）と、最良値ｐｂｅｓｔ、ｇｂｅｓｔとを用いてこれらに近づこうとする局所探索（（２）式の右辺第２、３項）とをバランスよく行うことができる。
さらに、パーティクル・スウォーム・オプティマイゼーションでは、各ステップで目的関数を評価する必要があるが、評価回数は問題の規模によらず、エージェント数のみでよいため、大規模問題への適用を容易に行うことができる。
【００３６】
また、上述した実施形態において、エージェントを評価する（１）式は、目的に応じて自由に設定することができ、例えば、理想的な応答に対する偏差を評価するようにしてもよい。
また、模擬指令生成部１０５のパラメータは、任意のパターンを実現できるパラメータならば、状況に応じて自由な構造と指標を適用しても良い。
【００３７】
また、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９は全て計算機内で処理することができるため、模擬指令生成部１０５と指令生成部１０１とはハード的に切り離すようにしてもよい。
また、上述した実施形態において、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９は、複数のコンピュータと通信手段で実現してもよく、例えば、ネットワークに接続されたコンピュータ間でデータの送受信を行ないながら、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９の動作を実現するようにしてもよい。
【００３８】
また、上述した実施形態では、パーティクル・スウォーム・オプティマイゼーションを適用した最適化アルゴリズムを用いることにより、模擬指令生成部１０５、模擬制御部１０６、数値モデル１０７、評価部１０８および調整手段１０９を動作させる方法について説明したが、遺伝的アルゴリズムなどの繰り返し探索アルゴリズムを用いるようにしてもよい。
【００３９】
図５は、本発明の第２実施形態に係る制御システムの概略構成を示すブロック図である。
図５において、制御システムには、指令生成部４０１、実制御部４０２、観測器４０３、制御対象４０４、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９が設けられている。
【００４０】
ここで、制御対象４０４が電動機機械システムの場合、制御対象４０４は、例えば、電動機と、電動機へ電力を供給し、電動機のトルクを制御する電力変換器と、電動機により駆動される機械とで構成することができる。
指令生成部４０１は、制御対象４０４に所定の動作を指示するもので、制御対象４０４が電動機機械システムの場合、制御対象４０４への指令信号として速度パターンを生成することができる。
【００４１】
観測器４０３は、制御対象４０４の状態量を少なくとも１つ推定または観測するもので、制御対象４０４が電動機機械システムの場合、観測量として制御対象４０４の電動機速度を観測することができる。
実制御部４０２は、指令生成部４０１で生成された指令信号および観測器４０３で観測された観測信号に基づいて制御対象４０４を制御するもので、制御対象４０４が電動機機械システムの場合、指令生成部４０１で生成された指令信号および観測器４０３で観測された電動機速度に基づいて、操作量としてトルク指令を制御対象４０４に出力することができる。
【００４２】
模擬指令生成部４０５は、指令生成部４０１を模擬し、指令信号を模擬制御部４０６に出力するとともに、調整手段４０９による模擬指令生成部４０５のパラメータの調整結果を指令生成部４０１に反映させる。
模擬制御部４０６は、実制御部４０２の構成とパラメータを模擬し、模擬指令生成部４０５から出力される指令信号および数値モデル４０７から出力される模擬状態量に基づいて操作量を数値モデル４０７に出力するとともに、調整手段４０９による模擬制御部４０６のパラメータの調整結果を実制御部４０２に反映させる。
【００４３】
数値モデル４０７は、実制御部４０２より出力される操作量から観測器４０３で観測される状態量までの制御対象４０４の特性を数値モデル化することにより、制御対象４０４を模擬し、模擬状態量を模擬制御部４０６および評価部４０８に出力する。
評価部４０８は、数値モデル４０７から出力される模擬状態量としての電動機速度に基づいてその制御性能を評価する。
【００４４】
調整手段４０９は、評価部４０８による評価結果に基づいて、模擬指令生成部４０５および模擬制御部４０６の各パラメータを調整する。
以下、図５の制御システムについて、パーティクル・スウォーム・オプティマイゼーションを用いた場合の最適化動作を説明する。
図５において、パーティクル・スウォーム・オプティマイゼーションにおける各エージェントｉの状態変数ｓｉおよび速度ｖｉをセットするとともに、模擬制御部４０６のパラメータを設定する。なお、各エージェントｉの状態変数ｓｉには、模擬指令生成部４０５の加速時間、Ｓ字時定数の変数の他に、模擬制御部４０６のゲインＫｐおよび積分時定数Ｔｉを持たせることができ、模擬制御部４０６のパラメータは各エージェントｉに持たせることができる。
【００４５】
次に、エージェントｉの数だけ、模擬指令生成部４０５の速度パターンをエージェントｉの状態変数ｓｉの設定にし、模擬制御部４０６および数値モデル４０７を動作させる。そして、評価部４０８にて、各エージェントｉ分の数値モデル４０７の状態量としての電動機速度を記録し、電動機速度に関してエージェントｉそれぞれ分の整定時間Ｔｓや速度オーバシュート量Ｎｓなどの測定を行い、（１）式により、各エージェントｉの評価結果Ｆｉを得る。
【００４６】
次に、次のステップでの各エージェントｉの変数を求めるために、（２）式により、各エージェントｉの速度ｖｉ ｋ＋１を求める。
そして、（２）式によりエージェントｉの速度ｖｉ ｋ＋１が求まると、次のステップのための新しいエージェントｉの状態変数ｓｉ ｋ＋１を（３）式により求める。
そして、以上の処理が所定の繰り返し回数だけ行われると、ｇｂｅｓｔが持つパラメータを指令生成部４０１および実制御部４０２にコピーする。
【００４７】
これにより、指令信号を生成する指令生成部４０１だけでなく、制御対象４０４を実制御する実制御部４０２を模擬しながら、模擬指令生成部４０５の調整結果を実際の指令生成部４０１に反映させることが可能となるとともに、模擬制御部４０６の調整結果を実制御部４０２に反映させることが可能となり、実制御部４０２および指令生成部４０１から出力される指令信号とを同時に最適化することが可能となる。
【００４８】
また、制御対象４０４が複雑な構造を持っている場合においても、繰り返し探索によって、数値モデル４０７の状態量が最もよい応答となる指令信号および実制御部４０２のパラメータを求めることができ、固有振動周期が複数ある制御対象４０４に対しても最適化を図ることが可能となる。
また、上述した実施形態において、エージェントを評価する（１）式は、目的に応じて自由に設定することができ、例えば、理想的な応答に対する偏差を評価するようにしてもよい。
【００４９】
また、模擬指令生成部４０５のパラメータは、任意のパターンを実現できるパラメータならば、状況に応じて自由な構造と指標を適用しても良い。
また、実制御部４０２は、パラメータを持つならば、線形や非線形を問わず、どのような構造または特性でもよく、例えば、リミットを持つ要素やノッチフィルタなどで構成するようにしてもよい。
【００５０】
また、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９は全て計算機内で処理することができるため、模擬指令生成部４０５と指令生成部４０１とはハード的に切り離すようにしてもよい。
また、上述した実施形態において、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９は、複数のコンピュータと通信手段で実現してもよく、例えば、ネットワークに接続されたコンピュータ間でデータの送受信を行ないながら、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９の動作を実現するようにしてもよい。
【００５１】
また、上述した実施形態では、パーティクル・スウォーム・オプティマイゼーションを適用した最適化アルゴリズムを用いることにより、模擬指令生成部４０５、模擬制御部４０６、数値モデル４０７、評価部４０８および調整手段４０９を動作させる方法について説明したが、遺伝的アルゴリズムなどの繰り返し探索アルゴリズムを用いるようにしてもよい。
また、上述した実施形態では、電動機の速度制御に適用した場合を例にとって説明したが、電動機の速度制御だけでなく位置制御に適用してもよい。
【００５２】
【発明の効果】
以上説明したように、本発明によれば、指令信号を生成する指令生成手段だけでなく、制御対象を実制御する実制御手段を模擬しながら、数値モデルの模擬状態量が所望の応答となる指令信号を求めることができ、実制御手段がシステムに与える影響を考慮しつつ、指令生成手段から出力される指令信号を最適化することが可能となる。
【図面の簡単な説明】
【図１】本発明の第１実施形態に係る制御システムの概略構成を示すブロック図である。
【図２】図１の指令生成部１０１から出力される指令信号の速度パターンを示す図である。
【図３】図１の制御システムにおけるパーティクル・スウォーム・オプティマイゼーションを用いた最適化動作を示すフローチャートである。
【図４】図１の数値モデル１０７の状態量としての電動機速度を示す図である。
【図５】本発明の第２実施形態に係る制御システムの概略構成を示すブロック図である。
【図６】従来のロボットアームの駆動方法を示すフローチャートである。
【符号の説明】
１０１、４０１ 指令生成部
１０２、４０２ 実制御部
１０３、４０３ 観測器
１０４、４０４ 制御対象
１０５、４０５ 模擬指令生成部
１０６、４０６ 模擬制御部
１０７、４０７ 数値モデル
１０８、４０８ 評価部
１０９、４０９ 調整手段
Claims (12)
- 制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、
前記制御対象を制御する制御手段を模擬するステップと、
前記制御対象を模擬し、模擬状態量を出力するステップと、
前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、
前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップと、
前記制御対象の状態量を少なくとも１つ観測するステップと、
前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、
前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。 - 制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、
前記制御対象を制御する制御手段を模擬するステップと、
前記制御対象を模擬し、模擬状態量を出力するステップと、
前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、
前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップと、
前記制御対象の状態量を少なくとも１つ観測するステップと、
前記模擬した指令生成手段の調整結果が反映された実際の指令生成手段にて、前記制御対象に対する指令信号を生成するステップと、
前記実際の指令生成手段にて生成された指令信号および前記観測された状態量に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。 - 前記指令生成手段を模擬するステップ、前記制御手段を模擬するステップ、前記模擬状態量を出力するステップおよび前記調整を行うステップの動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする請求項１または２記載の出力制御方法。
- 前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする請求項３記載の出力制御方法。
- 前記制御対象を電動機機械システムとしたことを特徴とする請求項１〜４のいずれか１項記載の出力制御方法。
- 制御対象の状態量を少なくとも１つ観測する状態観測手段と、
前記制御対象に対する指令信号を生成する指令生成手段と、
前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、
前記制御対象を模擬し、模擬状態量を出力する数値モデルと、
前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、
前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、
前記数値モデルから出力された模擬状態量を評価する評価手段と、
前記評価手段による評価結果に基づいて、前記模擬指令生成手段の調整を行い、前記調整結果を前記指令生成手段に反映させる調整手段とを備えることを特徴とする出力制御装置。 - 制御対象の状態量を少なくとも１つ観測する状態観測手段と、
前記制御対象に対する指令信号を生成する指令生成手段と、
前記指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を実制御する実制御手段と、
前記制御対象を模擬し、模擬状態量を出力する数値モデルと、
前記指令生成手段を模擬し、前記数値モデルに対する模擬指令信号を生成する模擬指令生成手段と、
前記実制御手段を模擬し、前記模擬指令信号および前記模擬状態量に基づいて、前記数値モデルを模擬制御する模擬制御手段と、
前記数値モデルから出力された模擬状態量を評価する評価手段と、
前記評価手段による評価結果に基づいて、前記模擬指令生成手段および前記模擬制御手段の調整を行い、前記調整結果を前記指令生成手段および前記実制御手段に反映させる調整手段とを備えることを特徴とする出力制御装置。 - 前記数値モデル、模擬指令生成手段、前記模擬制御手段、前記評価手段および前記調整手段の動作が繰り返し探索のアルゴリズムを用いて実行されることを特徴とする請求項６または７記載の出力制御装置。
- 前記繰り返し探索のアルゴリズムはパーティクル・スウォーム・オプティマイゼーションであることを特徴とする請求項８記載の出力制御装置。
- 前記制御対象を電動機機械システムとしたことを特徴とする請求項６〜９のいずれか１項記載の出力制御装置。
- 制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、
前記制御対象を制御する制御手段を模擬するステップと、
前記制御対象を模擬し、模擬状態量を出力するステップと、
前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段の調整を行うステップと、
前記模擬した指令生成手段の調整結果を実際の指令生成手段に反映させるステップとをコンピュータに実行させることを特徴とする出力制御プログラム。 - 制御対象に対する指令信号を生成する指令生成手段を模擬するステップと、
前記制御対象を制御する制御手段を模擬するステップと、
前記制御対象を模擬し、模擬状態量を出力するステップと、
前記模擬状態量の評価結果に基づいて、前記模擬した指令生成手段および制御手段の調整を行うステップと、
前記模擬した指令生成手段および制御手段の調整結果を実際の指令生成手段および制御手段に反映させるステップとをコンピュータに実行させることを特徴とする出力制御プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003068592A JP2004280286A (ja) | 2003-03-13 | 2003-03-13 | 出力制御方法、出力制御装置および出力制御プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003068592A JP2004280286A (ja) | 2003-03-13 | 2003-03-13 | 出力制御方法、出力制御装置および出力制御プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004280286A true JP2004280286A (ja) | 2004-10-07 |
Family
ID=33285878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003068592A Pending JP2004280286A (ja) | 2003-03-13 | 2003-03-13 | 出力制御方法、出力制御装置および出力制御プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004280286A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014053988A (ja) * | 2012-09-05 | 2014-03-20 | Nissan Motor Co Ltd | モータ制御装置およびモータ制御方法 |
| US20200241502A1 (en) * | 2019-01-28 | 2020-07-30 | Kabushiki Kaisha Yaskawa Denki | Industrial machine management system, method for managing industrial machine, and non-transitory computer-readable storage medium |
-
2003
- 2003-03-13 JP JP2003068592A patent/JP2004280286A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014053988A (ja) * | 2012-09-05 | 2014-03-20 | Nissan Motor Co Ltd | モータ制御装置およびモータ制御方法 |
| US20200241502A1 (en) * | 2019-01-28 | 2020-07-30 | Kabushiki Kaisha Yaskawa Denki | Industrial machine management system, method for managing industrial machine, and non-transitory computer-readable storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10331104B2 (en) | Machine tool, simulation apparatus, and machine learning device | |
| Allaoua et al. | Intelligent PID DC motor speed control alteration parameters using particle swarm optimization | |
| Ou et al. | Comparison between PSO and GA for parameters optimization of PID controller | |
| JP4698656B2 (ja) | 制御システムおよび制御支援装置 | |
| US20170090452A1 (en) | Machine tool for generating speed distribution | |
| JP2004038428A (ja) | 制御対象モデル生成方法、制御パラメータ調整方法、制御対象モデル生成プログラムおよび制御パラメータ調整プログラム | |
| GB2603064A (en) | Improved machine learning for technical systems | |
| JP2018151899A (ja) | 制御装置、制御プログラムおよび制御システム | |
| CN113298257A (zh) | 用于从测量中创建技术系统的模型的方法和设备 | |
| CN101390024A (zh) | 运转控制方法、运转控制装置和运转控制系统 | |
| CN105469142A (zh) | 一种基于样本增量驱动的神经网络增量型前馈算法 | |
| Cai et al. | Iterative learning control for a non-minimum phase plant based on a reference shift algorithm | |
| Farhan et al. | Reinforcement learning in anylogic simulation models: a guiding example using pathmind | |
| Yatim et al. | Self-tuning active vibration controller using particle swarm optimization for flexible manipulator system | |
| Ismeal et al. | DC motor identification based on Recurrent Neural Networks | |
| WO2024212426A1 (zh) | 一种机械臂残余振动抑制方法、控制设备、存储介质、及机械臂组件 | |
| JP7264845B2 (ja) | 制御システム及び制御方法 | |
| JP2004280286A (ja) | 出力制御方法、出力制御装置および出力制御プログラム | |
| Euler-Rolle et al. | Automated generation of feedforward control using feedback linearization of local model networks | |
| Maraba et al. | Speed control of an asynchronous motor using pid neural network | |
| JP2004164426A (ja) | 出力制御方法、出力制御装置および出力制御プログラム | |
| Karandikar et al. | Evaluation of automated stability testing in machining through closed-loop control and Bayesian machine learning | |
| JPWO2019142728A1 (ja) | 制御装置、制御方法およびプログラム | |
| JP2019109601A (ja) | 制御装置 | |
| JP4301049B2 (ja) | 最適化方法、最適化装置および最適化プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050215 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070220 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070227 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070419 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071204 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080401 |