JP2004334714A - パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 - Google Patents
パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 Download PDFInfo
- Publication number
- JP2004334714A JP2004334714A JP2003132258A JP2003132258A JP2004334714A JP 2004334714 A JP2004334714 A JP 2004334714A JP 2003132258 A JP2003132258 A JP 2003132258A JP 2003132258 A JP2003132258 A JP 2003132258A JP 2004334714 A JP2004334714 A JP 2004334714A
- Authority
- JP
- Japan
- Prior art keywords
- statistical model
- parameter
- evaluation value
- control
- operation information
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
Abstract
【課題】所定の制御対象に対する制御システムの制御処理に係るパラメータの実時間上での最適化に好適なパラメータ最適化方法、パラメータ最適化装置、及び、パラメータ最適化プログラムを提供する。
【解決手段】航走制御装置３を、定速航走制御部３０と、トリム角制御部３１と、を含んだ構成とし、トリム角制御部３１を、トリム角の評価値を算出する評価値算出モジュール３１ａと、情報記憶部３１ｂと、情報記憶部３１ｂに記憶された評価値を被説明変数、トリム角を含む動作情報を説明変数として統計モデルを作成する統計モデル作成モジュール３１ｃと、前記統計モデルから目標トリム角を算出する目標トリム角算出モジュール３１ｄと、作成された統計モデルを記憶する統計モデル記憶部３１ｅと、を含んだ構成とした。
【選択図】 図１
【解決手段】航走制御装置３を、定速航走制御部３０と、トリム角制御部３１と、を含んだ構成とし、トリム角制御部３１を、トリム角の評価値を算出する評価値算出モジュール３１ａと、情報記憶部３１ｂと、情報記憶部３１ｂに記憶された評価値を被説明変数、トリム角を含む動作情報を説明変数として統計モデルを作成する統計モデル作成モジュール３１ｃと、前記統計モデルから目標トリム角を算出する目標トリム角算出モジュール３１ｄと、作成された統計モデルを記憶する統計モデル記憶部３１ｅと、を含んだ構成とした。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、所定の制御システムの制御処理に係るパラメータを最適化する方法に係り、特に、実時間上でパラメータの最適化を行うのに好適なパラメータ最適化方法に関する。
【０００２】
【従来の技術】
従来、船舶や自動車等の所定の制御システムの制御処理に係るパラメータの準最適解を高速に求める手法として、応答曲面法（Ｒｅｓｐｏｎｓｅ Ｓｕｒｆａｃｅ Ｍｅｔｈｏｄｏｒｏｇｙ：ＲＳＭ）がよく知られている。応答曲面法は、サンプル値から応答曲面と呼ばれる統計モデルを作成し、この応答曲面上で最適化を行う。この方法は最適化を行う関数が不連続等の理由で勾配法が使えない場合や、シミュレーションが非常に計算コストが高い場合に有効であり、サンプル値を効率よく得るためにモンテカルロ法や実験計画法が用いられる（非特許文献１参照）。
【０００３】
また、得られた応答曲面から推定される最適値付近のサンプル値を採取し、そのサンプル値を用いて新たな応答曲面を作成することで、次第に精度を向上させていく手法も提案されている。この手法によれば、初期におおまかな応答曲面を作成し、推定される最適値付近のサンプルを得て次第に精度を向上させていくので、少ないサンプル数で高速に準最適解を得ることができる。
【０００４】
例えば、ＳＡＯ（Ｓｅｑｅｎｔｉａｌ Ａｐｐｒｏｘｉｍａｔｅ Ｏｐｔｉｍｉｚａｔｉｏｎ）という手法（非特許文献２参照）では、サブ領域という小さな領域で実験計画法に基づいた少数サンプリングおよび応答曲面による最適化を行い、得られた最適解の応答曲面による推定値と実際の評価値から精度を算出し、この精度に応じてサブ領域の移動・縮小・拡大を繰り返しながら最適解を得る。また、最適解付近の効率的なサンプリングを行うために実数値遺伝的アルゴリズムで用いられる交叉を組み込んだ手法も提案されている（非特許文献３参照）。
一般に、応答曲面法やその改良手法は大規模シミュレーションや、実システムをオフラインで最適化する手法として認知されているが、実システムをオンラインで短時間に最適化する場合にも有効であると考えられる。
【０００５】
【非特許文献１】
轟：応答曲面法による非線形問題の最適設計入門、機会学会講習会資料（１９９９）
【非特許文献２】
Ｇｕｉｎｔａ ａｎｄ Ｅ１ｄｒｅｄ：Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ａ Ｔｒｕｓｔ Ｒｅｇｉｏｎ Ｍｏｄｅ１ Ｍａｎａｇｅｍｅｎｔ Ｓｔｒａｔｅｇｙ ｉｎ ｔｈｅ ＤＡＫＯＴＡ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｔｏｏｌｋｉｔ，ｐａｐｅｒＡＩＡＡ−２０００−４９３５ ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ８ｔｈＡＩＡＡ／ＵＳＡＦ／ＮＡＳＡ／ＩＳＳＭＯ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍｕｌｔｉｄｉｓｃｉｐｌｉｎａｒｙ Ａｎａｌｙｓｉｓ ａｎｄ Ｏｐｔｉｍｉｚａｔｉｏｎ，Ｌｏｎｇ Ｂｅａｃｈ，ＣＡ，Ｓｅｐｔｅｍｂｅｒ ６−８（２０００）
【非特許文献３】
長谷川ほか：実数型交差モデルと応答曲面モデルを用いた逐次的近似最適化に関する一試行、日本計算工学会論文集，Ｎｏ．２０００００１９（２０００）
【０００６】
【発明が解決しようとする課題】
しかしながら、これまでに提案されている手法を実システムのオンライン最適化に用いる場合、サンプル値のばらつき、及び、サンプリング範囲と最適解との位置関係による推定解のずれという問題がある。
ここで、サンプル値のばらつきについては、シミュレーションであれば考慮する必要はない。また、実機をオフラインで最適化するときは可能な限り観測ノイズを減らし、安定した計測が行えるように実験環境を構築することが可能である。
【０００７】
しかし、実際の環境おいてオンラインで最適化を行う場合は、計測器にノイズが加わるだけではなく、制御出来ない要因によりシステムの動作が微妙に変化するために、安定した計測が出来ないという問題がある。これは最適化を行う関数の形状に対してサンプル値が大きくばらつくことにつながり、応答曲面の精度に悪影響を与える。特に、想定外の外乱により、システムが正常な動作をしなかった場合は外れ値（ｏｕｔｌｉｅｒ）を得ることになり、この外れ値は、最小二乗法による応答曲面の作成に大きな悪影響を与えることが知られている。
【０００８】
また、サンプリング範囲と最適解との位置関係による推定解のずれについて述べる。実際にシステムが稼働している状況で、大きくパラメータを変化させてサンプル値を採取することは、システムの挙動を大きく変化させる可能性がある。特に、そのシステムが人間によって使用されるものである場合（例えば、乗り物など）は実施は困難である。このような場合は、ある程度動作が安定していることがわかっている狭い範囲内で初期のサンプリングを開始し、徐々にサンプリング範囲を大きくして最適解を推定する方法が有効である。
【０００９】
しかし、サンプル値に加わるノイズが大きく、最適解が初期のサンプリング範囲外に存在する場合は、推定される最適解が初期サンプリング範囲の方向に依存して真の最適解を得ることができないという問題がある。
これは、サンプリング範囲の境界付近でサンプリングされたサンプル値が、応答曲面の形状に大きな影響を及ぼすことによる。例えば、下記の式（１）に示す、回帰診断におけるクックの距離を用いて、応答曲面に及ぼす各サンプル値の影響力を調べると、中央付近に比べて境界付近のサンプル値の影響力が大きくなることからわかる。
【００１０】
【数１】
【００１１】
但し、ｙｈａｔＪは全サンプルを用いて作成した応答曲面の推定値であり、ｙｈａｔＪｉはｉ番目のサンプルを除く全サンプルを用いて作成した応答曲面の推定値であり、ｐはモデルのパラメータ数であり、σｈａｔ２は分散の推定値である。
すなわち、最適値が初期のサンプリング範囲外に存在する場合において、境界付近のサンプル値がノイズの影響により本来得られる値よりも極端に高い又は低い場合は、最適値の推定精度が極端に悪くなり、サンプリング回数が制限されているオンライン最適化においては致命的な影響をもたらす。
すなわち、従来提案されている応答曲面法、及び、その改良手法は、製品の出荷前に最適化を行う手法としては有効であるが、最終的なシステムが設計段階で不定の場合は、上記の理由により、このような問題に対処できない。
【００１２】
例えば、具体的には、船外機の使用者が任意の艇体に取り付けた場合は、出荷前にその船外機−艇体システムを想定することは困難であり、定速航走制御や姿勢角制御を実施しようとした場合は、出荷後にシステムのパラメータを最適化することが必要となる。このとき、最適化のためのサンプル値を得るために、モンテカルロ法や実験計画法の適用を考えると、サンプル値を得るために調整するパラメータの範囲をどのように設定すれば良いのか、という問題が生じる。すなわち、範囲が狭すぎる場合は上記の理由により真の最適解を得ることが出来ず、広すぎる場合は使用中に急激な動作変化の原因となり想定外の挙動を起こす可能性がある。また、この船外機−艇体システムの場合は、乗船人数や荷物によって重量及び重心が大幅に変化するために、一度最適化を行えば終了というわけではなく、継続的に最適化を行う必要がある。
【００１３】
そこで、本発明は、このような従来の技術の有する未解決の課題に注目してなされたものであって、所定の制御対象に対する制御システムの制御処理に係るパラメータの実時間上での最適化に好適なパラメータ最適化方法、パラメータ最適化装置、及び、パラメータ最適化プログラムを提供することを目的としている。
【００１４】
【課題を解決するための手段】
上記目的を達成するために、本発明に係る請求項１記載のパラメータ最適化方法は、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化方法であって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴としている。
【００１５】
例えば、制御対象を船舶とし、艇体と推進器の姿勢角を制御するシステムにおいて、船舶の動作に係る動作情報として、航走中に姿勢角と燃料消費率を計測し、その計測データから統計モデルを作成し、統計モデル上で、艇体に対する推進器の最適な姿勢角を選択するための制御に係るパラメータを推定することで、航走中の外乱の影響を受けずに短時間で最適な姿勢角を選択することが可能となる。また、２回目以降の最適化において、過去の統計モデルに基づいて初期サンプリング範囲を設定（例えば、過去の最適解を含むように）することで、サンプリング範囲と最適解の位置関係によって生じる問題を解決（または緩和）することが可能である。
【００１６】
ここで、所定の制御対象とは、船舶、航空機、自動車などであり、制御に係るパラメータを統計モデルにより最適化することが可能なものであればどのようなものでも良い。これらの制御システムとしては、例えば、船舶であれば、その航走速度制御や姿勢制御等を行うシステムになり、航空機であれば、その飛行速度制御や姿勢制御等を行うシステムになり、自動車であれば、走行速度制御や車間距離制御等を行うシステムになる。これらはいずれも、気象などの環境によってその制御条件が大きく変化するものである。
【００１７】
また、統計モデルとは、ランダムではない測定値または観測値として扱われる説明変数（独立変数とも言う）によって、確率変数とみなす被説明変数（基準変数、目的変数、応答変数、従属変数とも言う）を説明するものである。そして、公知の統計モデルとしては、応答曲面モデル、重回帰モデル、判別モデル、分類木（決定木）、自己回帰モデル、移動平均自己回帰モデル、ニューラルネットワークモデル等がある。
【００１８】
また、請求項２に係る発明は、請求項１記載のパラメータ最適化方法において、前記初期の評価値を算出するときの前記所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴としている。
つまり、前記統計モデル作成手段によって、制御初期に前記評価値を算出するときに、過去に作成した統計モデルにおいて当該統計モデルの最適値を得る制御対象の動作に係る動作情報を含むように、前記動作情報の取得範囲を設定することが可能である。
【００１９】
例えば、初期サンプル値（前記動作情報）を獲得する範囲を、過去の統計モデルを利用して運転者に不快感を与えない範囲で適切に調整することによって統計モデルの精度を向上させることが可能である。具体的には、船舶の姿勢角制御を例とすると、初期状態では統計モデルが無いので最も艇体の安定性が高いフルトリムインから探索を開始するが、一度統計モデルを作成した後に新たに統計モデルを作成する際は過去の統計モデルを利用して初期サンプル値を獲得する範囲を決める。
【００２０】
また、請求項３に係る発明は、請求項１又は請求項２記載のパラメータ最適化方法において、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴としている。
つまり、サンプル値（制御対象の動作に係る動作情報）から統計モデルを作成するときに、重み付き最小二乗法、又は、ロバスト推定法を用いるので、外れ値に対して頑健な統計モデルが作成可能である。
ここで、重み付き最小二乗法、及び、ロバスト推定法の説明をする。
通常の最小二乗法では、以下の式（２）に示す最小二乗平均基準を最小にする統計モデルのパラメータを推定する。
【００２１】
【数２】
【００２２】
ここで、ｎはサンプル値の数、ｙはサンプル値、ｙｈａｔは統計モデルの出力である。重み付き最小二乗法では、ＬＭＳの代わりに以下の式（３）に示す重み付き最小二乗平均基準を最小にする統計モデルのパラメータを推定する。
【００２３】
【数３】
【００２４】
ここで、ｗｉは重みであり、重みは各サンプル値がパラメータの推定に及ぼす影響を調整するものである。例えば、ある値ｘ１におけるサンプル値ｙ１の分散σ１ ２よりも、ｘ２におけるサンプル値ｙ２の分散σ２ ２が小さなことが予め解っているような場合、ｙ２のほうが精度の良いサンプル値であると言える。このまま、ＬＭＳ基準を用いて統計モデルのパラメータを推定すると、精度の悪いサンプル値 ｙ１の影響を受けて推定が上手くいかない可能性がある。そこで、重みとしてｗｉ＝１／σｉ ２を用いると、分散の大きなサンプル値の影響を減らすことが出来るので、推定を有効に行うことができる。
【００２５】
これまで、上記したような重み与える方法は、様々なものが提案されている。ロバスト推定法においても、例えば、代表的な手法としてＬＭｅｄＳ（Ｌｅａｓｔ Ｍｅｄｉａｎ ｏｆ Ｓｑｕａｒｅｓ）推定法がある。この手法では、ＬＭＳ基準の代わりに以下の式（４）に示す最小二乗メディアン基準を最小にする統計モデルを推定する。
ＬＭｅｄＳ＝ｍｅｄｉａｎ（ｙｉ−ｙｈａｔｉ）２………（４）
ここで、メディアンは中央値を求めることを表す。例えば、１つの外れ値（ｏｕｔｌｉｅｒ：想定外の大きなノイズが加わったサンプル値）を含む３つのサンプル値から線形モデル「ｙ＝α０＋α１ｘ」を推定する場合、ＬＭＳ基準では１つの外れ値の大小によって大きな影響を受けてしまうが、式（４）に示すように、中央値を求めるＬＭｅｄＳ基準では１つの外れ値の大小による影響は無関係となることが解る。従って、外れ値が含まれた場合でも、その影響を受けないので、推定を有効に行うことができる。
【００２６】
ロバスト推定法には他に、ＬＭｅｄＳ推定法のような順序統計量を利用したものとして、最小２乗分位点（ＬＱＳ）推定法、最小２乗トリム（ＬＴＳ）推定法、重み付き最小二乗法の一種であるＭ推定法などがある。
また、請求項４に係る発明は、請求項１乃至請求項３のいずれか１項に記載のパラメータ最適化方法において、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴としている。
【００２７】
まず、遺伝的アルゴリズムについて説明する。遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａ１ｇｏｒｉｔｈｍｓ：ＧＡ）は生物の進化の過程を模倣した最適化手法であり、様々な最適化問題に適用されている。ＧＡには、大別して最適化するパラメータをビットストリングで表現する単純ＧＡと、実数値のまま表現する実数値ＧＡがあるが、関数の最適化には実数値ＧＡが高い効果を示すことが知られている。実数値ＧＡは次のステップから構成される。
【００２８】
１．初期化：探索空間内にランダムな初期値を与えた個体を配置する。
２．選択：個体部中から親となる個体をランダム、または適応度に応じて確率的に選択する。
３．交叉：複数の親個体の情報を用いて子個体を生成する。代表的な交叉手法として単峰性正規分布交叉（ＵＮＤＸ）、ブレンド交叉（ＢＬＸ‐α）等が挙げられる。
【００２９】
４．評価：評価関数に従って個体の評価を行い、個体の淘汰を行なった後、２に戻る。
更に、ＧＡが口バスト推定の解法に適している理由を説明する。通常の最小二乗法においては、統計モデルの厳密なパラメータを求める場合には行列計算を用いる。しかしながら、組込型のマイクロプロセッサに本手法を用いる場合、統計モデルの次数が大きくなった場合や、ＬＭＳ基準以外の基準を用いた場合は、解析的にパラメータを求めることが計算時間や計算精度の面で困難となるために、最急降下法に代表される、関数の勾配情報を利用した近似解法が有効である。
【００３０】
しかし、ＬＭｅｄＳ基準のような順序統計量基準を用いた場合は、その関数形状が多峰性で不連続になるために、関数の勾配情報を利用した近似解法を使うと局所解に陥ってしまい、最適なパラメータが推定できないという問題点がある。この問題により、解析的な解法は未だ示されていない。
つまり、ＧＡは、関数の勾配情報を用いない直接探索による最適化手法であるので、このような問題点の影響を受けずに最適なパラメータを推定することが可能である。
【００３１】
また、本発明に係る請求項５記載のパラメータ最適化装置は、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化装置であって、
統計モデル記憶手段によって記憶された過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記所定の制御対象の動作に係る動作情報の取得範囲を設定する取得範囲設定手段と、
現在の環境下における前記動作情報を取得する動作情報取得手段と、
当該動作情報取得手段によって取得した前記動作情報に基づき、前記制御処理結果を評価するための評価値を算出する評価値算出手段と、
当該評価値算出手段によって算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する統計モデル作成手段と、
当該統計モデル作成手段によって作成された統計モデルを記憶する統計モデル記憶手段と、
当該統計モデル記憶手段によって記憶された前記統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する推定値算出手段と、
当該推定値算出手段によって算出された前記パラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新するパラメータ更新手段と、を備えることを特徴としている。
【００３２】
このような構成であれば、取得範囲設定手段によって、統計モデル記憶手段によって記憶された過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記所定の制御対象の動作に係る動作情報の取得範囲を設定することが可能であり、動作情報取得手段によって、現在の環境下における前記動作情報を取得することが可能であり、評価値算出手段によって、現在の環境下において取得した前記動作情報に基づき、前記制御処理結果を評価するための評価値を算出することが可能であり、統計モデル作成手段によって、評価値算出手段によって算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成することが可能であり、統計モデル記憶手段によって、統計モデル作成手段によって作成された統計モデルを記憶することが可能であり、推定値算出手段によって、統計モデル記憶手段によって記憶された前記統計モデルに基づき、その最適解となる前記パラメータの推定値を算出することが可能であり、パラメータ更新手段によって、推定値算出手段によって算出された前記パラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新することが可能である。
【００３３】
ここで、本発明は、請求項１記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、請求項６に係る発明は、請求項５記載のパラメータ最適化装置において、前記取得範囲設定手段は、前記初期の評価値を算出するときの所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴としている。
【００３４】
つまり、前記取得範囲設定手段は、前記初期の評価値を算出するときの所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することが可能である。
ここで、本発明は、請求項２記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
【００３５】
また、請求項７に係る発明は、請求項５又は請求項６記載のパラメータ最適化装置において、前記統計モデル作成手段は、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴としている。
つまり、前記統計モデル作成手段は、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することが可能である。
【００３６】
ここで、本発明は、請求項３記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、請求項８に係る発明は、請求項５乃至請求項７のいずれか１項に記載のパラメータ最適化装置において、前記統計モデル作成手段は、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴としている。
【００３７】
つまり、前記統計モデル作成手段は、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることが可能である。
ここで、本発明は、請求項４記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、本発明に係る請求項９記載のパラメータ最適化プログラムは、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するためのコンピュータが実行可能なプログラムであって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴としている。
【００３８】
ここで、本発明は、請求項１記載のパラメータ最適化方法を実現するためのプログラムであり、その効果は重複するので記載を省略する。
また、本発明に係る請求項１０記載の航走制御装置は、船舶の航走を制御する航走制御装置であって、
前記請求項５乃至請求項８のいずれか１項に記載のパラメータ最適化装置を備え、当該パラメータ最適化装置によって、前記船舶の航走中に、当該船舶の航走制御に係るパラメータを最適化し、当該最適化されたパラメータを用いて前記船舶の航走を制御することを特徴としている。
【００３９】
つまり、上記請求項５乃至請求項８のいずれか１項に記載のパラメータ最適化装置を備えた航走制御装置であり、例えば、推進器から出力される各種情報に基づき、姿勢角制御に係る統計モデルを作成し且つ当該モデルのパラメータを最適化し、この最適化されたパラメータを用いて船舶の姿勢角を制御し、船舶の航走状態を制御することが可能である。
【００４０】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照しながら説明する。図１乃至図１３は、本発明に係る小型船舶の姿勢角制御に係るパラメータの最適化装置を備える航走制御システムの第１の実施の形態を示す図である。まず、本発明に係る航走制御システムの構成を図１に基づき説明する。図１は、本発明に係る航走制御システムの構成を示すブロック図である。
【００４１】
航走制御システム１は、船外機２と、航走制御装置３と、を含んだ構成となっている。
船外機２は、推進力調整装置として電子スロットル弁２ａと、姿勢角調整装置としてパワートリム＆チルト（以下、ＰＴＴと称す）装置２ｂと、を含んだ構成となっている。
【００４２】
航走制御装置３は、定速航走制御部３０と、トリム角制御部３１と、を含んだ構成となっている。
定速航走制御部３０は、所定の入力情報に基づき目標エンジン回転数を算出する目標エンジン回転数算出モジュール３０ａと、当該算出された目標エンジン回転数に基づき電子スロットル弁開度を算出する電子スロットル弁開度算出モジュール３０ｂと、を含んだ構成となっている。
【００４３】
目標エンジン回転数算出モジュール３０ａは、ファジィ推論システムによって構成されており、速度偏差（現在の速度と目標速度との差）、加速度を入力として目標エンジン回転数変化量を推論し、この推論結果に１つ前の算出処理における目標エンジン回転数を加えて現在の目標エンジン回転数を出力するものである。
電子スロットル弁開度算出モジュール３０ｂは、目標エンジン回転数算出モジュール３０ａと同様にファジィ推論システムによって構成されており、エンジン回転数偏差（現在のエンジン回転数と目標エンジン回転数との差）とエンジン回転数変化量とを入力として電子スロットル弁開度変化量を推論し、この推論結果に１つ前の算出処理における電子スロットル弁開度を加えて現在の電子スロットル弁開度として出力するものである。ここで、ファジィ推論システムのファジィテーブルは、熟練者の操船知識を基に設計され、且つ、推論法には簡略型推論法を用いており、この方法におけるファジィルールは実数値で表される。
【００４４】
トリム角制御部３１は、トリム角の評価値を算出する評価値算出モジュール３１ａと、少なくともトリム角を含む動作情報及び評価値を、両者を対応付けて記憶する情報記憶部３１ｂと、情報記憶部３１ｂに記憶された評価値を被説明変数、少なくともトリム角を含む動作情報を説明変数として統計モデルを作成する統計モデル作成モジュール３１ｃと、前記統計モデルから目標トリム角を算出する目標トリム角算出モジュール３１ｄと、を含んだ構成となっている。
【００４５】
評価値算出モジュール３１ａは、艇体の燃料タンクから船外機２の燃料噴射装置に至る燃料経路中に挿入された燃料流量計にて計測された燃料消費量と、速度計にて計測された速度から算出した移動距離から燃料消費率を算出し、これをトリム角の評価値として出力するものである。
情報記憶部３１ｂは、トリム角と、その時の燃料消費率と、を対応付けて記憶するものである。
【００４６】
統計モデル作成モジュール３１ｃは、情報記憶媒部３１ｂに記憶された燃料消費率を被説明変数、トリム角を説明変数として、予め与えられた回帰式の偏回帰係数をＬＴＳ推定法を用いて推定し、この推定結果に基づき統計モデルを作成するものである。
目標トリム角算出モジュール３１ｄは、統計モデル作成モジュール３１ｃにより作成された統計モデルを用いて目標姿勢角を算出するものである。
【００４７】
統計モデル記憶部３１ｅは、作成された統計モデルのパラメータを記憶するものである。
更に、図２乃至図５に基づき、航走制御システム１の具体的な動作を説明する。
図２は、目標エンジン回転数算出モジュール３０ａにおいて目標エンジン回転数を算出するためのファジィルールの説明図であり、図３は、電子スロットル弁開度算出モジュール３０ｂにおいて電子スロットル弁開度を算出するためのファジィルールの説明図であり、図４は、評価値算出モジュール３１ａ、情報記憶部３１ｂ及び統計モデル作成モジュール３１ｃ間のデータの流れを示す図であり、図５は、燃料消費率とトリム角との関係を示す図である。
【００４８】
本発明の第１の実施の形態として、本システム１を電子スロットル弁装置を有する船外機を備えた船舶に適用し、使用者の設定した速度での定速航走中に船外機トリム角（以下トリム角という）の制御を実施した場合を説明する。
まず、使用者は目標速度の設定を行う。目標速度は使用者が決定した任意の値を入力しても良いし、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。目標速度が設定されると、次に、この速度に基づき目標エンジン回転数の初期値が設定されることになる。例えば、現在の船舶の航走速度が目標速度付近であるときは、現在のエンジン回転数が目標エンジン回転数として設定され、一方、現在の船舶の航走速度が目標速度付近でないときは、予め設定された目標エンジン回転数の初期値を用いる。ここで、目標エンジン回転数の初期値は、使用者が決定した任意の値を入力しても良いし、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
【００４９】
目標エンジン回転数の初期値設定後は、実際の船舶の航走状態に応じて、図２に示すファジィルールに基づき、そのときの航走速度に応じた目標エンジン回転数を算出することになる。つまり、図２（ａ）に示すメンバシップ関数から速度偏差及び加速度の推論値を求め、これを図２（ｂ）のファジィルールに当てはめて重みの平均を求め目標エンジン回転数の変化量を算出する。メンバシップ関数の速度偏差（目標速度と実際の速度との差）は、実際の速度の検出値から求め、加速度は算出された速度を演算して求める。図２（ａ）に示すように、速度偏差及び加速度に応じてメンバシップ関数から、プラス側の大小（ＰＬ、ＰＳ）及びマイナス側の大小（ＮＬ、ＮＳ）に対応した４つの値が求まり、これらを図２（ｂ）に示すファジィルールに対応する４つの値に重み付けして平均値を算出する。これにより、目標エンジン回転数の変化量が求められる。そして、この変化量を現在の目標エンジン回転数に加えることで、新たな目標エンジン回転数が求まる。
【００５０】
更に、目標エンジン回転数算出モジュール３０ａは、目標エンジン回転数を、電子スロットル弁開度算出モジュール３０ｂに対して出力し、当該電子スロットル弁開度算出モジュール３０ｂは、入力された目標エンジン回転数に基づきスロットル弁開度を算出する。ここで、電子スロットル弁開度算出モジュール３０ｂも、目標エンジン回転数算出モジュール３０ａと同様にファジィ推論システムにより電子スロットル弁開度を算出する。つまり、目標エンジン回転数算出モジュール３０ａから目標エンジン回転数を取得すると、図３（ａ）に示すメンバシップ関数に基づき、エンジン回転数の検出値からエンジン回転数偏差の推論値を求め、また、エンジン回転数の変化量は、エンジン回転数の検出値から演算により求める。つまり、上記図２と同様に、メンバシップ関数の値から、図３（ｂ）のファジィルールの重み付けによる演算処理を行って電子スロットル弁開度の変化量が求められる。この変化量を電子スロットル弁開度に加えることで、新たな電子スロットル弁開度が求まる。
【００５１】
このようにして新たな電子スロットル弁開度が算出されると、定速航走制御部３０は、この算出された新たな電子スロットル弁開度に一致するように電子スロットル弁装置２ａの制御を行う。
本実施の形態においては、トリム角は「−５°〜８°」の範囲で制御されることとする。
【００５２】
トリム角は、通常、使用者のトリムスイッチへの入力により操作されるが、定速航走中にトリム角制御を選択するとトリム角制御が開始される。
トリム角制御が開始されると、まず、トリム角制御部３１は、初期トリム角が「−５°」となるようにＰＴＴ装置２ｂを制御する。これと同時に、評価値算出モジュール３１ａは、一定時間の燃料消費率の算出をおこなう。具体的には、例えば、２０秒間の平均速度より算出した２０秒間に進んだ距離を、図示しない燃料流量計により計測した２０秒間の燃料消費量で割ることにより求められる。そして、図４に示すように、求められた評価値（トリム角と燃料消費率との組（以下サンプル値という））は、逐次、情報記憶部３１ｂに記憶される。
【００５３】
本実施の形態では、以後「２°」刻みに「−３°」、「−１°」、「１°」まで、これら４つのトリム角における燃料消費率のサンプル値を初期サンプル値として取得する。
次に、図４（ａ）に示すように初期サンプル値が獲得されると、図４（ｂ）に示すように統計モデル作成モジュール３１ｃは、サンプル値の燃料消費量を被説明変数ｙ、トリム角を説明変数ｔとして、予め与えられた以下の式（５）に示す２次多項式の偏回帰係数β０、β１、β２を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定する。
【００５４】
ｙ＝β０＋β１×ｔ＋β２×ｔ２ ………（５）
本実施の形態で用いるＬＴＳ推定法では、ＬＴＳ基準として以下の式（６）を用いる。ここで、式（６）における、ｉはｎ個の残差ｒ２＝（ｙｉ−ｙｈａｔｉ）２の小さい方からの順番を示し、ｈは０．８ｎ（小数点以下切り上げ）とする。
【００５５】
【数４】
【００５６】
更に、本実施の形態ではＬＴＳ推定法の解法として実数値遺伝的アルゴリズム（以下、実数値ＧＡという）を用いる。実数値ＧＡは、偏回帰係数β０、β１、β２を個体の遺伝子とし、ＬＴＳ基準を適応度関数として、適応度関数を最小にする個体を探索する。実数値ＧＡのパラメータを以下に示す。
・個体群サイズ：５０
・選択手法：最良個体＋ランダムに１個体
・世代交代モデル：最小世代間ギャップ（Ｍｉｎｉｍａ１ Ｇｅｎｅｒａｔｉｏｎ Ｇａｐ：ＭＧＧ）モデル
・家族個体群サイズ：２０
・交叉手法：単峰性正規分布交叉（Ｕｎｉｍｏｄａ１ Ｎｏｒｍａ１ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｃｒｏｓｓｏｖｅｒ：ＵＮＤＸ）
そして、目標トリム角算出モジュール３１ｄは、得られた２次多項式を−５≦ｔ≦８の範囲で最大のｙを与えるｔを求め、それを目標トリム角Ｔｔとして出力する。
【００５７】
このようにして新たな目標トリム角が算出されると、トリム角制御部３１は、この算出された新たな目標トリム角に一致するようにＰＴＴ装置２ｂの制御を行う。
更に、再び評価値算出モジュール３１ａは、目標トリム角Ｔｔによって燃料消費率を算出し、統計モデル作成モジュール３１ｃは、新たなサンプル値を獲得して、再び上記手順を繰り返して新たな統計モデルを作成する。このようにして、逐次、上記した式（５）の多項式を更新していき、目標トリム角算出モジュール３１ｄにおいて算出される目標トリム角が変化しなくなった時点で最適化を終了する。
【００５８】
ここで、一般に、サンプル値から統計モデルを作成し、統計モデル上で最適化を行う方法は応答曲面法と呼ばれ、サンプル値を効率よく得るためにモンテカルロ法や実験計画法が用いられる。具体的には、サンプル値が得られる範囲を覆うようにランダムサンプリング、もしくは実験計画法に基づく方法（例えば、ラテン方格や直交計画）を用いてサンプリングを行う。しかしながら、本実施の形態ではトリム角という船体抵抗を調整するパラメータを最適化することを目的としているために、これを急激に変化させることは船外機の負荷や操舵特性が急激な変化を引き起こす原因となり、使用者に不安を与えてしまう可能性がある。
【００５９】
これを避けるために、本実施の形態では、上記したようにまず最初に最も安定性の高いフルトリムイン付近で初期サンプル値を獲得する。具体的には、例えば、最適化開始時の初期目標トリム角度として−５°にセットし、以後２°刻みに−３°、一１°、１°まで４つのサンプル値を取得するようにサンプル値の取得範囲を設定する。そして、これら４つのサンプル値を取得した時点で多項式回帰方程式を推定する。こうすることで、不用意にトリム角を上昇させることなく最適値を算出することが出来る。
【００６０】
また、トリム角の変化量に限度を設けている。具体的には、例えば、トリム角の１回の変化量の限度を±２°として、図５（ａ）に示されるように、現在のトリム角と統計モデルから算出される目標トリム角の差が変化量の限度を超えない場合はそのまま目標トリム角を出力する。一方、図５（ｂ）に示されるように、変化量の限度を超える場合は限度として設定した値を新たな目標トリム角として出力する。こうすることで、トリム角を急激に変化させることがないので、使用者に上記したような不安を与えることが無くなる。
【００６１】
本実施の形態においては、上記の手法に加えて、サンプル値を効率よく得るための手法として、最適値付近での確率的なサンプル値の収集と、過去の統計モデルを利用した初期サンプル値収集範囲の調整を行う。
まず、図７に基づき、最適トリム角付近での確率的なサンプル値の収集について説明する。図７は、目標トリム角Ｔｔがランダムで生成される場合の燃料消費率とトリム角との関係を示す図である。
【００６２】
図７に示されるように、現在のトリム角Ｔと最適トリム角Ｔｂが一致した場合、±１°の確率的な摂動を加えたものを目標トリム角Ｔｔとして出力する。このようにすることで、最適トリム角付近での効率の良いサンプル値収集が可能となり、統計モデルの精度が向上する。
次に、図８に基づき、過去の統計モデルを利用した初期サンプル値収集範囲の調整について説明する。図８は、過去の統計モデルを利用した場合の燃料消費率とトリム角との関係を示す図である。
【００６３】
図８に示されるように、１回目の最適化における初期サンプリング範囲は、上述したように予め定められたものを使用する。この１回目の最適化で得られた統計モデルの偏回帰係数は、統計モデル記憶部３１ｅに記憶される。２回目以降の最適化における初期サンプリング範囲は、統計モデル記憶部３１ｅに記憶された統計モデルの最適解を得るトリム角を若干越えるように初期サンプリング範囲を定め、必要なサンプル数が得られるように等間隔にトリム角を設定する。
【００６４】
また、例えば、過去に得られた複数の統計モデルの偏回帰係数から平均値を算出し、この平均値を偏回帰係数とした統計モデルの最適解を得るトリム角を若干越えるように初期サンプリング範囲を定め、必要なサンプル数が得られるように等間隔にトリム角を設定してもよい。こうすることにより、サンプル値に加わるノイズが大きく、個々の統計モデルがばらついている場合でも安定して初期サンプリング範囲を定めることが可能となる。
【００６５】
以上の操作を繰り返すことによって、外乱が加わる環境に置いても少ないサンプル数で最適なトリム角を選択することが可能となる。
更に、図９に基づき、定速航走制御部３０における動作処理の流れを説明する。図９は、定速航走制御部３０における動作処理を示すフローチャートである。
図９に示すように、まずステップＳ１００に移行し、目標速度の設定を行いステップＳ１０２に移行する。
【００６６】
ここで、目標速度は、上記したように、使用者が決定した任意の値を入力しても良く、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
ステップＳ１０２では、目標エンジン回転数の初期値を設定してステップＳ１０４に移行する。
ここで、目標エンジン回転数の初期値は、上記したように、使用者が決定した任意の値を入力しても良く、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
【００６７】
ステップＳ１０４では、目標エンジン回転数算出モジュール３０ａによって、上記したようにファジィ推論システムを用いて、目標エンジン回転数を算出して、算出結果を電子スロットル弁開度算出モジュール３０ｂに入力してステップＳ１０６に移行する。
ステップＳ１０６では、電子スロットル弁開度算出モジュール３０ｂによって、前記入力された目標エンジン回転数に基づき、上記したように、ファジィ推論システムを用いて目標エンジン回転数に応じた電子スロットル弁開度を算出して、ステップＳ１０８に移行する。
【００６８】
ステップＳ１０８では、定速航走制御部３０によって、算出された電子スロットル弁開度に基づき船外機２の電子スロットル弁装置２ａを制御してステップＳ１１０に移行する。
ステップＳ１１０では、航走制御がＯＦＦになっているか否かを判定し、ＯＦＦになっていると判定された場合（Ｙｅｓ）はステップＳ１１２に移行し、そうでない場合（Ｎｏ）はステップＳ１０４に移行する。
【００６９】
ステップＳ１１２に移行した場合は、スロットル開度を検出して処理を終了する。
更に、図１０に基づき、トリム角制御部３１の動作処理の流れを説明する。図１０は、トリム角制御部３１の動作処理を示すフローチャートである。
図１０に示すように、まずステップＳ２００に移行し、初期の目標トリム角Ｔｔ＝−５°と設定してステップＳ２０２に移行する。
【００７０】
ステップＳ２０２では、過去の統計モデル情報が統計モデル記憶部３１ｅに存在するか否かを判定し、存在しない場合（Ｎｏ）はステップＳ２０４に移行し、存在する場合（Ｙｅｓ）はステップＳ２０６に移行する。
ステップＳ２０４に移行した場合は、初期サンプリング範囲の上限Ｔｕ＝１°と設定してステップＳ２１２に移行する。
【００７１】
一方、ステップＳ２０６に移行した場合は、統計モデル記憶部３１ｅから過去の統計モデル情報として偏回帰係数β０、β１、β２の読み込みを行い、ステップＳ２０８に移行する。
ステップＳ２０８では、偏回帰係数β０、β１、β２の２次多項式の最適値Ｔｂを探索してステップＳ２１０に移行する。
【００７２】
ステップＳ２１０では、Ｔｕ＝Ｔｂ＋２°と設定してステップＳ２１２に移行する。
ステップＳ２１２では、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、ステップＳ２１４に移行する。
ステップＳ２１４では、２０秒間に進んだ距離とその間の燃料消費量に基づいて評価値算出モジュール３１ａによって燃料消費量を算出し、これを情報記憶部３１ｂに記憶してステップＳ２１６に移行する。
【００７３】
ステップＳ２１６では、現在のトリム角ＴがＴｕに達したか否かを判定し、達していない場合（Ｎｏ）はステップＳ２１８に移行し。達した場合（Ｙｅｓ）はステップＳ２２０に移行する。
ステップＳ２１８に移行した場合は、Ｔｔ＝Ｔｔ＋２°と設定してステップＳ２１２に移行する。
【００７４】
一方、ステップＳ２２０に移行した場合は、情報記憶部３１ｂに記憶されたサンプル値に基づいて統計モデル作成モジュール３１ｃによって統計モデルを作成し、ステップＳ２２２に移行する。
ステップＳ２２２では、作成された統計モデルを目標トリム角算出モジュール３１ｄによって最適化を行ない、最適な評価値を得るトリム角を目標トリム角として算出し、ステップＳ２２４に移行する。
【００７５】
ステップＳ２２４では、サンプル値が既に１０個以上獲得されているか否かを判定し、獲得されていない場合（Ｎｏ）はステップＳ２２６に移行し、獲得されている場合（Ｙｅｓ）はステップＳ２３０に移行する。
ステップＳ２２６に移行した場合は、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、ステップＳ２２８に移行する。
【００７６】
ステップＳ２２８では、２０秒間に進んだ距離とその間の燃料消費量に基づいて評価値算出モジュール３１ａによって燃料消費量を算出し、これを情報記憶部３１ｂに記憶してステップＳ２２０に移行する。
また、ステップＳ２３０に移行した場合は、現在のＴｔが前回のＴｔと一致しているか否かを判定し、一致していない場合（Ｎｏ）はステップＳ２２６に移行し、一致している場合（Ｙｅｓ）はステップＳ２３２に移行する。
【００７７】
ステップＳ２３２に移行した場合は、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、処理を終了する。
更に、図１１に基づき、評価値算出モジュール３１ａの動作処理の流れを説明する。図１１は、評価値算出モジュール３１ａの動作処理を示すフローチャートである。
【００７８】
図１１に示すように、まずステップＳ３００に移行し、燃料流量計によって計測された２０秒間の燃料消費量Ｆを取得してステップＳ３０２に移行する。
ステップＳ３０２では、船外機２から取得した速度に基づく２０秒間の平均速度から２０秒間の移動距離Ｄを算出してステップＳ３０４に移行する。
ここで、本実施の形態において、上記したステップＳ３００及びステップＳ３０２の処理は、並行して行われることとする。
【００７９】
ステップＳ３０４では、燃料消費量Ｆ及び移動距離Ｄに基づき下記に示す式（３）に従い燃料消費率Ｆｃを算出してステップＳ３０６に移行する。
Ｆｃ＝Ｄ／Ｆ ………（７）
ステップＳ３０６では、現在のトリム角Ｔと燃料消費率Ｆｃを情報記憶部３１ｂに格納して処理を終了する。
【００８０】
更に、図１２に基づき、統計モデル作成モジュール３１ｃの動作処理の流れを説明する。図１２は、統計モデル作成モジュール３１ｃの動作処理を示すフローチャートである。
図１２に示すように、まずステップＳ４００に移行し、情報記憶部３１ｂからサンプル値の読み込みを行いステップＳ４０２に移行する。
【００８１】
ステップＳ４０２では、最小二乗基準に基づいて、最急降下法による２次多項式モデル（上記式（５））の偏回帰係数β０、β１、β２の推定を行いステップＳ４０４に移行する。
ステップＳ４０４では、得られた統計モデル情報である偏回帰係数β０、β１、β２を目標トリム角算出モジュール３１ｄに出力して処理を終了する。
【００８２】
更に、図１３に基づき、目標トリム角算出モジュール３１ｄの動作処理の流れを説明する。図１３は、目標トリム角算出モジュール３１ｄの動作処理を示すフローチャートである。
図１３に示すように、まずステップＳ５００に移行し、統計モデル作成モジュール３１ｃから偏回帰係数β０、β１、β２を取得してステップＳ５０２に移行する。
【００８３】
ステップＳ５０２では、偏回帰係数β０、β１、β２の２次多項式の最適解Ｔｂを探索してステップＳ５０４に移行する。
ステップＳ５０４では、上記得られたＴｂと現在のトリム角Ｔとの差を算出し、且つ、「−２°＜Ｔ−Ｔｂ＜２°」が真か偽かを判定し、真の場合（Ｙｅｓ）はステップＳ５０６に移行し、偽の場合（Ｎｏ）はステップＳ５０８に移行する。
【００８４】
ステップＳ５０６に移行した場合は、上記得られたＴｂを目標トリム角Ｔｔとして出力して処理を終了する。
一方、ステップＳ５０８に移行した場合は、「Ｔ−Ｔｂ＞２°」ならば「Ｔｔ＝Ｔ＋２°」として出力し、「Ｔ−Ｔｂ＜−２°」ならば「Ｔｔ＝Ｔ−２°」として目標トリム角Ｔｔを出力して処理を終了する。
【００８５】
以上、小型船舶の航走中において、評価値算出モジュール３１ａにおいて、トリム角と燃料消費率を取得し、当該取得したデータから評価値を算出し、統計モデル作成モジュール３１ｃにおいて、算出された評価値及びトリム角から統計モデルを生成し、目標トリム角算出モジュール３１ｄにおいて、前記生成された統計モデルを用いて艇体に対する船外機２の最適なトリム角を算出することが可能である。
【００８６】
更に、図１４乃至図２２に基づき、本発明の第２の実施の形態として、本システム１を、電子スロットル弁装置を有する船外機を備えた船舶に適用し、使用者の設定した速度での定速航走制御における、エンジン回転数制御特性の最適化を実施した場合の動作を説明する。図１４は、第２の実施の形態における航走制御システムの構成を示すブロック図であり、図１５（ａ）は、エンジン回転数の変化量を求めるためのメンバシップ関数を示す図であり、図１５（ｂ）は、電子スロットル弁開度の変化量を求めるためのファジイルールを示す図である。
【００８７】
定速航走制御については、基本的に上記した第１の実施の形態と同様であるので全体の説明は省略するが、以下の点が異なる。
航走制御装置５は、定速航走制御部５０と、規格化係数最適化部５１と、を含んだ構成となっている。
低速航走制御部５０は、目標エンジン回転数算出モジュール５０ａと、電子スロットル弁開度算出モジュール５０ｂと、を含んだ構成となっている。
【００８８】
電子スロットル弁開度算出モジュール５０ｂは、目標エンジン回転数算出モジュール５０ａから目標エンジン回転数を取得すると、図１５（ａ）に示す基本メンバシップ関数にそれぞれ規格化係数ｓ１、ｓ２を乗じたものを新たなメンバシップ関数とし、これに基づき、エンジン回転数の検出値からエンジン回転数偏差の推論値を求める。また、エンジン回転数の変化量は、エンジン回転数の検出値から演算により求める。メンバシップ関数の値から、図１５（ｂ）の基本ファジィルールに対して規格化係数ｓ３を乗じたものを新たなファジィルールとし、これに基づき、重み付けによる演算処理を行うことで電子スロットル弁開度の変化量を求める。この変化量を電子スロットル弁開度に加えることで、新たな電子スロットル弁開度が求まる。
【００８９】
本実施の形態においては、規格化係数は０．５〜２．０の範囲で調整される。
定速航走制御を開始すると規格化係数の最適化が開始される。
規格化係数の最適化が開始されると、まず、規格化係数最適化部５１は、基準規格化係数ベクトルＳｓを、Ｓｓ＝［１ １ １］と設定する。一方、評価値算出モジュール５１ａは、一定時間のエンジン回転数制御評価値の算出を行う。具体的には、例えば、以下に示す式（８）を用いる。
【００９０】
（評価値）＝（１分間の平均エンジン回転数偏差）＋（１分間の平均エンジン回転数変動）………（８）
ここで、エンジン回転数制御特性に対する最適な規格化係数は、制御対象によって変化する。具体的には、艇体の変更に伴う抵抗変化によってエンジン回転数制御の評価関数の景観が変化し、これに伴って最適な規格化係数の位置が変化する。ここで、図２２は、艇体の大きさ毎に後件部メンバシップ関数の規格化係数を変化させた場合の評価関数の景観を描いたものである（このほかにも前件部メンバシップ関数の規格化係数２つを変化させた場合も同様に考えられるが、ここでは簡単のため省略する）。この図によれば、小型の艇体では追従性よりも変動の悪化を押さえるために規格化係数を小さくすると適応度が良くなり、大型の挺体では艇体の受ける抵抗が大きくなるために、変動よりも追従性の悪化を押さえるために規格化係数を大きくすると適応度が良くなることがわかる。
【００９１】
上記の例は、形状が同じタイプである場合について述べたものであるが、例えば、全長が同じ艇体でも高速移動を目的としたパスポートと安定性を重視した和船とでは艇体の受ける抵抗が大きく異なる。この例のように、艇体の種類が違っている場合についても同様の問題が生じる。世界中には数多くの艇体メーカが存在し、また、地域や用途によって使われ方が異なるために、事前に制御対象を想定して最適な規格化係数を設定することは困難であり、実際の航走中に実時間上で最適化を行う必要がある。
【００９２】
求められた規格化係数ベクトルとエンジン回転数制御評価値の組（以下サンプル値という）は逐次、情報記憶部５１ｂに記憶される。
本実施の形態では、更に、ベクトルＳｓの各要素に対して±０．２の範囲でランダムに決定された１１個の規格化係数ベクトルとその評価値を初期サンプル値として取得する。
【００９３】
次に、初期サンプル値が獲得されると、統計モデル作成モジュール５１ｃは、サンプル値のエンジン回転数制御評価値を被説明変数ｙ、規格化係数を説明変数ベクトルＳ（Ｓ＝［ｓ１ ｓ２ ｓ３］）として、以下の式（９）に示す、予め与えられた３変数２次多項式の偏回帰係数β０〜β９を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定する。
【００９４】
ｙ＝β０＋β１×ｓ１＋β２×ｓ２＋β３×ｓ３＋β２×ｓ１×ｓ２＋β２×ｓ１×ｓ３＋β２×ｓ２×ｓ３＋β７×ｓ１２＋β８×ｓ２２＋β９×ｓ３２………（９）
ここで、ＬＴＳ推定法及びこれを用いた解法については上記した第１の実施の形態と同様であるので説明を省略する。
以下、実数値ＧＡのパラメータを以下に示す。
・個体群サイズ：５０
・選択手法：最良個体＋ランダムに１個体
・世代交代モデル：最小世代間ギャップ（Ｍｉｎｉｍａ１Ｇｅｎｅｒａｔｉｏｎ Ｇａｐ：ＭＧＧ）モデル
・家族個体群サイズ：５０
・交叉手法：単峰性正規分布交叉（Ｕｎ１ｍｏｄａ１ Ｎｏｒｍａ１ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｃｒｏｓｓｏｖｅｒ：ＵＮＤＸ）
そして、規格化係数算出モジュール５１ｄは、得られた２次多項式を０．５≦ｔ≦２の範囲で最大のｙを与える最適な規格化係数Ｓｂを求め、出力する。
【００９５】
このようにして新たな規格化係数が算出されると、定速航走制御部５０は、この算出された新たな規格化係数を用いて定速航走制御を行う。
更に、再び評価値算出モジュール５１ａは、規格化係数Ｓによってエンジン回転数制御評価値を算出し、統計モデル作成モジュール５１ｃは、新たなサンプル値を獲得して、再び上記手順を繰り返して新たな統計モデルを生成する。このようにして、逐次上記した式（９）の多項式を更新していき、サンプル値が２０個を超え、かつ規格化係数算出モジュール５１ｄにて算出される規格化係数が変化しなくなった時点で最適化を終了する。
【００９６】
本実施の形態も上記第１の実施の形態と同様に、規格化係数という電子スロットル制御の入出力を調整するパラメータを最適化することを目的としているために、これを急激に変化させることは操舵特性が急激な変化を引き起こす原因となり、使用者に不安を与えてしまう可能性がある。
これを避けるために、本実施の形態では上記したように、まず初めに最も平均的な規格化係数の周辺で初期サンプル値を獲得する（これは、規格化係数が大きすぎる場合はハンチングが起こって乗りごこちが悪化し、小さすぎる場合は追従性が悪化するためである）。具体的には、例えば、最適化開始時の基準規格化係数ベクトルとして［１ １ １］を設定し、各要素±０．２の範囲でランダムにサンプル値を取得出来るように取得範囲を設定する。そして、１１個のサンプル値を取得した時点で３変数２次多項式の偏回帰係数を推定する。こうすることで、不用意に規格化係数を変化させることなく最適値を算出することが出来る。
【００９７】
また、規格化係数の変化量に限度を設けている。具体的な例を、図１６に基づき説明する。図１６は、規格化係数の変化量に限度を設けた場合の規格化係数１と規格化係数２との関係を示す図である。
図１６（ａ）に示されるように、規格化係数の１回の変化量の限度を各要素±０．２として、現在の規格化係数と応答曲面から算出される目標規格化係数との差が変化量の限度を超えない場合はそのまま目標規格化係数を出力する。一方、図１６（ｂ）に示されるように、変化量の限度を超える場合は限度を新たな規格化係数として出力する。こうすることで、規格化係数を急激に変化させることがないので、使用者に不安を与えることが無くなる。
【００９８】
本実施の形態においても、上記の手法に加えて、サンプル値を効率よく得るための手法として、最適値付近での確率的なサンプル値の収集と、過去の統計モデルを利用した初期サンプル値収集範囲の調整を行う。
図１７に基づき、初期サンプル値収集範囲の調整処理の一例を説明する。図１７は、初期サンプル値収集範囲の調整した場合の規格化係数１と規格化係数２との関係の一例を示す図である。
【００９９】
まず、最適な規格化係数付近での確率的なサンプル値の収集について説明する。図１７に示されるように、現在の規格化係数Ｓと最適な規格化係数Ｓｂが一致した場合、Ｓの各要素に±０．１の確率的な摂動を加えたものを新たな規格化係数Ｓとして出力する。このようにすることで、最適規格化係数付近での効率の良いサンプル値収集が可能となり、統計モデルの精度が向上する。
【０１００】
過去の統計モデルを利用した初期サンプル値収集範囲の調整については上記第１の実施の形態と同様となるので説明を省略する（図１８参照）。
以上の操作を繰り返すことによって、外乱が加わる環境においても少ないサンプル数で最適な規格化係数を選択することが可能となる。
更に、図１９に基づき、規格化係数最適化部５１の動作処理の流れを説明する。図１９は、規格化係数最適化部５１の動作処理を示すフローチャートである。
【０１０１】
図１９に示すように、まずステップＳ６００に移行し、基準規格化係数ベクトルＳｓをＳｓ＝［１ １ １］と設定してステップＳ６０２に移行する。
ステップＳ６０２では、過去の統計モデル情報が統計モデル記憶部５１ｅに存在するか否かを判定し、存在すると判定された場合（Ｙｅｓ）はステップＳ６０４に移行し、存在しないと判定された場合（Ｎｏ）はステップＳ６１０に移行する。
【０１０２】
ステップＳ６０４に移行した場合は、統計モデル記憶部５１ｅから過去の統計モデル情報として偏回帰係数βｉ（ｉ＝０、１、２、…、９）の読み込みを行い、ステップＳ６０６に移行する。
ステップＳ６０６では、読み込んだ偏回帰係数を持つ３変数２次多項式の最適値Ｓｂを探索してステップＳ６０８に移行する。
【０１０３】
ステップＳ６０８では、Ｓｓ＝Ｓｂと設定してステップＳ６１０に移行する。
また、ステップＳ６１０に移行した場合は、１分間の平均エンジン回転数偏差と平均エンジン回転数変動とに基づいて評価値を算出し、これを情報記憶部５１ｂに記憶してステップＳ６１２に移行する。
ステップＳ６１２では、初期サンプル値の個数が１２個に達したか否かを判定し、達していない場合（Ｎｏ）はステップＳ６１４に移行し、達した場合（Ｙｅｓ）はステップＳ６１６に移行する。
【０１０４】
ステップＳ６１４に移行した場合は、Ｓｓの各要素に±０．２の一様乱数を加えたものを新たな規格化係数Ｓとして出力し、ステップＳ６１０に移行する。
一方、ステップＳ６１６に移行した場合は、情報記憶部５１ｂに記憶されたサンプル値に基づいて統計モデル作成モジュール５１ｃよって統計モデルを作成し、ステップＳ６１８に移行する。
【０１０５】
ステップＳ６１８では、作成された統計モデルに対して規格化係数算出モジュール５１ｄによって最適化を行い、最適な評価値を得る規格化係数を新たな規格化係数として算出し、ステップＳ６２０に移行する。
ステップＳ６２０では、サンプル値が既に２０個以上獲得されているか否かを判定し、獲得されていない場合（Ｎｏ）はステップＳ６２２に移行し、獲得されている場合（Ｙｅｓ）はステップＳ６２４に移行する。
【０１０６】
ステップＳ６２２に移行した場合は、１分間の平均エンジン回転数偏差と平均エンジン回転数変動とに基づいて評価値を算出し、これを情報記憶部５１ｂに記憶してステップＳ６１６に移行する。
一方、ステップＳ６２４に移行した場合は、現在の規格化係数Ｓが前回の規格化係数Ｓと一致しているか否かを判定し、一致していない場合（Ｎｏ）はステップＳ６２２に移行し、一致している場合（Ｙｅｓ）は処理を終了する。
【０１０７】
更に、図２０に基づき、評価値算出モジュール５１ａの動作処理の流れを説明する。図２０は、評価値算出モジュール５１ａの動作処理を示すフローチャートである。
図２０に示すように、まずステップＳ７００に移行し、１分間の平均エンジン回転数偏差Ｅｄを計測してステップＳ７０２に移行する。
【０１０８】
ステップＳ７０２では、１分間の平均エンジン回転数変化量Ｅｖを計測してステップＳ７０４に移行する。
ここで、本実施の形態において、上記したステップＳ７００及びステップＳ７０２の処理は、並行して行われることとする。
ステップＳ７０４では、上記計測されたＥｄ及びＥｖから評価値Ｅを以下に示す式（１０）に従い算出してステップＳ７０６に移行する。
【０１０９】
Ｅ＝Ｅｄ＋Ｅｖ………（１０）
ステップＳ７０６では、現在の規格化係数ベクトルＳと評価値Ｅとを情報記憶部５１ｂに格納して処理を終了する。
更に、図２１に基づき、規格化係数算出モジュール５１ｄの動作処理の流れを説明する。図２１は、規格化係数算出モジュール５１ｄの動作処理を示すフローチャートである。
【０１１０】
図２１に示すように、まずステップＳ８００に移行し、統計モデル作成モジュール５１ｃから偏回帰係数βｉ（ ｉ＝０、１、…、９）の読み込みを行い、ステップＳ８０２に移行する。
ステップＳ８０２では、３変数２次多項式の最適値Ｓｂを探索してステップＳ８０４に移行する。
【０１１１】
ステップＳ８０４では、得られた最適値Ｓｂと現在の規格化係数Ｓとの差を算出し、要素ｓｉ（ｉ＝１、２、３）について−０．２＜ｓｉ−ｓｂｉ＜０．２が真か偽かを判定し、真の場合（Ｙｅｓ）はステップＳ８０６に移行し、偽の場合（Ｎｏ）はステップＳ８０８に移行する。
ステップＳ８０６に移行した場合は、最適値Ｓｂを規格化係数Ｓとして出力して処理を終了する。
【０１１２】
一方、ステップＳ８０８に移行した場合は、要素ｓｉを、ｓｉ−ｓｂｉ＜−０．２ならばｓｉ＝ｓｉ−０．２として出力し、−０．２≦ｓｉ−ｓｂｉ≦０．２ならばｓｉ＝ｓｂｉとして出力し、ｓｉ−ｓｂｉ＞０．２ならばｓｉ＝ｓｉ＋０．２として出力して処理を終了する。
以上、小型船舶の航走中において、エンジン回転数制御評価値を被説明変数ｙ、規格化係数を説明変数ベクトルＳ（Ｓ＝［ｓ１ ｓ２ ｓ３］）として、上記式（９）に示す、予め与えられた３変数２次多項式の偏回帰係数β０〜β９を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定して統計モデルを生成し、当該生成された統計モデルを用いて定速航走制御行うことが可能である。
【０１１３】
ここで、図１に示す、評価値算出モジュール３１ａにおける最も安定性の高いフルトリムイン付近で初期サンプル値を獲得するための取得範囲の設定処理は、請求項５及び請求項６記載の取得範囲設定手段に対応し、評価値算出モジュール３１ａにおける燃料消費量及び速度の取得処理は、請求項５記載の動作情報取得手段に対応し、評価値算出モジュール３１ａにおける評価値の算出処理は、請求項５記載の評価値算出手段に対応し、統計モデル作成モジュール３１ｃは、請求項５、７及び８記載の統計モデル作成手段に対応し、目標トリム角算出モジュール３１ｄは、請求項５記載の推定値算出手段に対応し、統計モデル記憶部３１ｅは、請求項５記載の統計モデル記憶手段に対応し、図１４に示す、評価値算出モジュール５１ａにおける最適化開始時の基準規格化係数ベクトルとして［１ １１］を設定し、各要素±０．２の範囲でランダムにサンプル値を取得するための取得範囲の設定処理は、請求項５及び請求項６記載の取得範囲設定手段に対応し、評価値算出モジュール５１ａにおける規格化係数ベクトルとエンジン回転数制御評価値の取得処理は、請求項５記載の動作情報取得手段に対応し、評価値算出モジュール５１ａにおける評価値の算出処理は、請求項５記載の評価値算出手段に対応し、統計モデル作成モジュール５１ｃは、請求項５、７及び８記載の統計モデル作成手段に対応し、規格化係数算出モジュール５１ｄは、請求項５記載の推定値算出手段に対応し、統計モデル記憶部５１ｅは、請求項５記載の統計モデル記憶手段に対応する。
【０１１４】
なお、上記実施の形態では、統計モデルの構造として２次多項式を予め定めて用いたが、統計モデル作成モジュール３１ｃ又は５１ｃが統計モデルの構造を決定しても良い。例えば、統計モデルのサンプル値への当てはまりの良さを表す指標として、赤池の統計量基準ＡＩＣ（Ａｋａｉｋｅ Ｉｎｆｏｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ）に代表される統計量基準がある。ＡＩＣは最尤推定されるモデルの自由度をＦとすると以下に示す式（８）で表される。
【０１１５】
ＡＩＣ＝−２（最大対数尤度）＋２Ｆ ………（１１）
このＡＩＣが小さいほど、サンプル値への当てはまりが良い統計モデルと判断される。従って、与えられたサンプル値に対して複数の統計モデル（例えば、線形式、２次多項式、３次多項式）を作成し、ＡＩＣが最も小さい統計モデルを採用することで、常に最適な統計モデルを作成することが可能となる。
また、ＡＩＣの他にも、ＢＩＣ（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉａ）、ＭＤＬ（Ｍｉｎｉｍｕｍ Ｄｅｓｃｒｉｐｔｉｏｎ Ｌｅｎｇｔｈ）、Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎ、ＦＰＥ（Ｆｉｎａｌ Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ）などの統計モデルを選択する基準がある。
【０１１６】
【発明の効果】
以上説明したように、本発明に係るパラメータ最適化装置によれば、過去の統計モデルに基づき、当該統計モデルを作成するための制御対象の動作に係る動作情報の取得範囲を設定し、当該制御対象の動作中に、前記動作情報を計測し、その計測データから統計モデルを作成し、統計モデル上で、制御対象の制御に係る最適なパラメータを算出するようにしたので、制御対象の動作中の外乱の影響を受けずに短時間で最適なパラメータを算出することが可能となる。
【０１１７】
ここで、本発明に係るパラメータ最適化方法は、上記パラメータ最適化装置により実現されるものであり、その効果は重複するので記載を省略する。
また、本発明に係るパラメータ最適化プログラムは、上記パラメータ最適化装置を制御するためのプログラムであり、その効果は重複するので記載を省略する。
また、本発明に係る航走制御装置は、上記パラメータ最適化装置を備えたものであり、その効果は重複するので記載を省略する。
【図面の簡単な説明】
【図１】本発明に係る第１の実施の形態の航走制御システムの構成を示すブロック図である。
【図２】目標エンジン回転数算出モジュール３０ａにおいて目標エンジン回転数を算出するためのファジィルールの説明図である。
【図３】電子スロットル弁開度算出モジュール３０ｂにおいて電子スロットル弁開度を算出するためのファジィルールの説明図である。
【図４】評価値算出モジュール３１ａ、情報記憶部３１ｂ及び統計モデル作成モジュール３１間のデータの流れを示す図である。
【図５】燃料消費率とトリム角との関係を示す図である。
【図６】ロバスト推定法を用いて２次多項式を推定する一例を示す図である。
【図７】目標トリム角Ｔｔをランダムに生成した際の燃料消費率とトリム角との関係を示す図である。
【図８】初期サンプル値を獲得する範囲を、過去の統計モデルを利用して調整する一例を示す図である。
【図９】定速航走制御部３０における動作処理を示すフローチャートである。
【図１０】トリム角制御部３１の動作処理を示すフローチャートである。
【図１１】評価値算出モジュール３１ａの動作処理を示すフローチャートである。
【図１２】統計モデル作成モジュール３１ｃの動作処理を示すフローチャートである。
【図１３】目標トリム角算出モジュール３１ｄの動作処理を示すフローチャートである。
【図１４】第２の実施の形態における航走制御システムの構成を示すブロック図である。
【図１５】（ａ）は、エンジン回転数の変化量を求めるためのメンバシップ関数を示す図であり、（ｂ）は、電子スロットル弁開度の変化量を求めるためのファジイルールを示す図である。
【図１６】規格化係数の変化量に限度を設けた場合の規格化係数１と規格化係数２との関係を示す図である。
【図１７】初期サンプル値収集範囲の調整した場合の規格化係数１と規格化係数２との関係の一例を示す図である。
【図１８】初期サンプル値を獲得する範囲を、過去の統計モデルを利用して調整する一例を示す図である。
【図１９】規格化係数最適化部５１の動作処理を示すフローチャートである。
【図２０】評価値算出モジュール５１ａの動作処理を示すフローチャートである。
【図２１】規格化係数算出モジュール５１ｄの動作処理を示すフローチャートである。
【図２２】艇体の大きさ毎に後件部メンバシップ関数の規格化係数を変化させた場合の評価関数の景観を描いたものである。
【符号の説明】
１，４ 航走制御システム
２ 船外機
２ａ 電子スロットル弁装置
２ｂ パワーとリム＆チルト装置
３，５ 航走制御装置
３０，５０ 定速航走制御部
３０ａ，５０ａ 目標エンジン回転数算出モジュール
３０ｂ，５０ｂ 電子スロットル弁開度算出モジュール
３１ トリム角制御部
３１ａ 評価値算出モジュール
３１ｂ 情報記憶部
３１ｃ 統計モデル作成モジュール
３１ｄ 目標トリム角算出モジュール
３１ｅ 統計モデル記憶部
５１ 規格化係数最適化部
５１ａ 評価値算出モジュール
５１ｂ 情報記憶部
５１ｃ 統計モデル算出モジュール
５１ｄ 規格化係数算出モジュール
５１ｅ 統計モデル記憶部
【発明の属する技術分野】
本発明は、所定の制御システムの制御処理に係るパラメータを最適化する方法に係り、特に、実時間上でパラメータの最適化を行うのに好適なパラメータ最適化方法に関する。
【０００２】
【従来の技術】
従来、船舶や自動車等の所定の制御システムの制御処理に係るパラメータの準最適解を高速に求める手法として、応答曲面法（Ｒｅｓｐｏｎｓｅ Ｓｕｒｆａｃｅ Ｍｅｔｈｏｄｏｒｏｇｙ：ＲＳＭ）がよく知られている。応答曲面法は、サンプル値から応答曲面と呼ばれる統計モデルを作成し、この応答曲面上で最適化を行う。この方法は最適化を行う関数が不連続等の理由で勾配法が使えない場合や、シミュレーションが非常に計算コストが高い場合に有効であり、サンプル値を効率よく得るためにモンテカルロ法や実験計画法が用いられる（非特許文献１参照）。
【０００３】
また、得られた応答曲面から推定される最適値付近のサンプル値を採取し、そのサンプル値を用いて新たな応答曲面を作成することで、次第に精度を向上させていく手法も提案されている。この手法によれば、初期におおまかな応答曲面を作成し、推定される最適値付近のサンプルを得て次第に精度を向上させていくので、少ないサンプル数で高速に準最適解を得ることができる。
【０００４】
例えば、ＳＡＯ（Ｓｅｑｅｎｔｉａｌ Ａｐｐｒｏｘｉｍａｔｅ Ｏｐｔｉｍｉｚａｔｉｏｎ）という手法（非特許文献２参照）では、サブ領域という小さな領域で実験計画法に基づいた少数サンプリングおよび応答曲面による最適化を行い、得られた最適解の応答曲面による推定値と実際の評価値から精度を算出し、この精度に応じてサブ領域の移動・縮小・拡大を繰り返しながら最適解を得る。また、最適解付近の効率的なサンプリングを行うために実数値遺伝的アルゴリズムで用いられる交叉を組み込んだ手法も提案されている（非特許文献３参照）。
一般に、応答曲面法やその改良手法は大規模シミュレーションや、実システムをオフラインで最適化する手法として認知されているが、実システムをオンラインで短時間に最適化する場合にも有効であると考えられる。
【０００５】
【非特許文献１】
轟：応答曲面法による非線形問題の最適設計入門、機会学会講習会資料（１９９９）
【非特許文献２】
Ｇｕｉｎｔａ ａｎｄ Ｅ１ｄｒｅｄ：Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ａ Ｔｒｕｓｔ Ｒｅｇｉｏｎ Ｍｏｄｅ１ Ｍａｎａｇｅｍｅｎｔ Ｓｔｒａｔｅｇｙ ｉｎ ｔｈｅ ＤＡＫＯＴＡ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｔｏｏｌｋｉｔ，ｐａｐｅｒＡＩＡＡ−２０００−４９３５ ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ８ｔｈＡＩＡＡ／ＵＳＡＦ／ＮＡＳＡ／ＩＳＳＭＯ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍｕｌｔｉｄｉｓｃｉｐｌｉｎａｒｙ Ａｎａｌｙｓｉｓ ａｎｄ Ｏｐｔｉｍｉｚａｔｉｏｎ，Ｌｏｎｇ Ｂｅａｃｈ，ＣＡ，Ｓｅｐｔｅｍｂｅｒ ６−８（２０００）
【非特許文献３】
長谷川ほか：実数型交差モデルと応答曲面モデルを用いた逐次的近似最適化に関する一試行、日本計算工学会論文集，Ｎｏ．２０００００１９（２０００）
【０００６】
【発明が解決しようとする課題】
しかしながら、これまでに提案されている手法を実システムのオンライン最適化に用いる場合、サンプル値のばらつき、及び、サンプリング範囲と最適解との位置関係による推定解のずれという問題がある。
ここで、サンプル値のばらつきについては、シミュレーションであれば考慮する必要はない。また、実機をオフラインで最適化するときは可能な限り観測ノイズを減らし、安定した計測が行えるように実験環境を構築することが可能である。
【０００７】
しかし、実際の環境おいてオンラインで最適化を行う場合は、計測器にノイズが加わるだけではなく、制御出来ない要因によりシステムの動作が微妙に変化するために、安定した計測が出来ないという問題がある。これは最適化を行う関数の形状に対してサンプル値が大きくばらつくことにつながり、応答曲面の精度に悪影響を与える。特に、想定外の外乱により、システムが正常な動作をしなかった場合は外れ値（ｏｕｔｌｉｅｒ）を得ることになり、この外れ値は、最小二乗法による応答曲面の作成に大きな悪影響を与えることが知られている。
【０００８】
また、サンプリング範囲と最適解との位置関係による推定解のずれについて述べる。実際にシステムが稼働している状況で、大きくパラメータを変化させてサンプル値を採取することは、システムの挙動を大きく変化させる可能性がある。特に、そのシステムが人間によって使用されるものである場合（例えば、乗り物など）は実施は困難である。このような場合は、ある程度動作が安定していることがわかっている狭い範囲内で初期のサンプリングを開始し、徐々にサンプリング範囲を大きくして最適解を推定する方法が有効である。
【０００９】
しかし、サンプル値に加わるノイズが大きく、最適解が初期のサンプリング範囲外に存在する場合は、推定される最適解が初期サンプリング範囲の方向に依存して真の最適解を得ることができないという問題がある。
これは、サンプリング範囲の境界付近でサンプリングされたサンプル値が、応答曲面の形状に大きな影響を及ぼすことによる。例えば、下記の式（１）に示す、回帰診断におけるクックの距離を用いて、応答曲面に及ぼす各サンプル値の影響力を調べると、中央付近に比べて境界付近のサンプル値の影響力が大きくなることからわかる。
【００１０】
【数１】
但し、ｙｈａｔＪは全サンプルを用いて作成した応答曲面の推定値であり、ｙｈａｔＪｉはｉ番目のサンプルを除く全サンプルを用いて作成した応答曲面の推定値であり、ｐはモデルのパラメータ数であり、σｈａｔ２は分散の推定値である。
すなわち、最適値が初期のサンプリング範囲外に存在する場合において、境界付近のサンプル値がノイズの影響により本来得られる値よりも極端に高い又は低い場合は、最適値の推定精度が極端に悪くなり、サンプリング回数が制限されているオンライン最適化においては致命的な影響をもたらす。
すなわち、従来提案されている応答曲面法、及び、その改良手法は、製品の出荷前に最適化を行う手法としては有効であるが、最終的なシステムが設計段階で不定の場合は、上記の理由により、このような問題に対処できない。
【００１２】
例えば、具体的には、船外機の使用者が任意の艇体に取り付けた場合は、出荷前にその船外機−艇体システムを想定することは困難であり、定速航走制御や姿勢角制御を実施しようとした場合は、出荷後にシステムのパラメータを最適化することが必要となる。このとき、最適化のためのサンプル値を得るために、モンテカルロ法や実験計画法の適用を考えると、サンプル値を得るために調整するパラメータの範囲をどのように設定すれば良いのか、という問題が生じる。すなわち、範囲が狭すぎる場合は上記の理由により真の最適解を得ることが出来ず、広すぎる場合は使用中に急激な動作変化の原因となり想定外の挙動を起こす可能性がある。また、この船外機−艇体システムの場合は、乗船人数や荷物によって重量及び重心が大幅に変化するために、一度最適化を行えば終了というわけではなく、継続的に最適化を行う必要がある。
【００１３】
そこで、本発明は、このような従来の技術の有する未解決の課題に注目してなされたものであって、所定の制御対象に対する制御システムの制御処理に係るパラメータの実時間上での最適化に好適なパラメータ最適化方法、パラメータ最適化装置、及び、パラメータ最適化プログラムを提供することを目的としている。
【００１４】
【課題を解決するための手段】
上記目的を達成するために、本発明に係る請求項１記載のパラメータ最適化方法は、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化方法であって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴としている。
【００１５】
例えば、制御対象を船舶とし、艇体と推進器の姿勢角を制御するシステムにおいて、船舶の動作に係る動作情報として、航走中に姿勢角と燃料消費率を計測し、その計測データから統計モデルを作成し、統計モデル上で、艇体に対する推進器の最適な姿勢角を選択するための制御に係るパラメータを推定することで、航走中の外乱の影響を受けずに短時間で最適な姿勢角を選択することが可能となる。また、２回目以降の最適化において、過去の統計モデルに基づいて初期サンプリング範囲を設定（例えば、過去の最適解を含むように）することで、サンプリング範囲と最適解の位置関係によって生じる問題を解決（または緩和）することが可能である。
【００１６】
ここで、所定の制御対象とは、船舶、航空機、自動車などであり、制御に係るパラメータを統計モデルにより最適化することが可能なものであればどのようなものでも良い。これらの制御システムとしては、例えば、船舶であれば、その航走速度制御や姿勢制御等を行うシステムになり、航空機であれば、その飛行速度制御や姿勢制御等を行うシステムになり、自動車であれば、走行速度制御や車間距離制御等を行うシステムになる。これらはいずれも、気象などの環境によってその制御条件が大きく変化するものである。
【００１７】
また、統計モデルとは、ランダムではない測定値または観測値として扱われる説明変数（独立変数とも言う）によって、確率変数とみなす被説明変数（基準変数、目的変数、応答変数、従属変数とも言う）を説明するものである。そして、公知の統計モデルとしては、応答曲面モデル、重回帰モデル、判別モデル、分類木（決定木）、自己回帰モデル、移動平均自己回帰モデル、ニューラルネットワークモデル等がある。
【００１８】
また、請求項２に係る発明は、請求項１記載のパラメータ最適化方法において、前記初期の評価値を算出するときの前記所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴としている。
つまり、前記統計モデル作成手段によって、制御初期に前記評価値を算出するときに、過去に作成した統計モデルにおいて当該統計モデルの最適値を得る制御対象の動作に係る動作情報を含むように、前記動作情報の取得範囲を設定することが可能である。
【００１９】
例えば、初期サンプル値（前記動作情報）を獲得する範囲を、過去の統計モデルを利用して運転者に不快感を与えない範囲で適切に調整することによって統計モデルの精度を向上させることが可能である。具体的には、船舶の姿勢角制御を例とすると、初期状態では統計モデルが無いので最も艇体の安定性が高いフルトリムインから探索を開始するが、一度統計モデルを作成した後に新たに統計モデルを作成する際は過去の統計モデルを利用して初期サンプル値を獲得する範囲を決める。
【００２０】
また、請求項３に係る発明は、請求項１又は請求項２記載のパラメータ最適化方法において、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴としている。
つまり、サンプル値（制御対象の動作に係る動作情報）から統計モデルを作成するときに、重み付き最小二乗法、又は、ロバスト推定法を用いるので、外れ値に対して頑健な統計モデルが作成可能である。
ここで、重み付き最小二乗法、及び、ロバスト推定法の説明をする。
通常の最小二乗法では、以下の式（２）に示す最小二乗平均基準を最小にする統計モデルのパラメータを推定する。
【００２１】
【数２】
ここで、ｎはサンプル値の数、ｙはサンプル値、ｙｈａｔは統計モデルの出力である。重み付き最小二乗法では、ＬＭＳの代わりに以下の式（３）に示す重み付き最小二乗平均基準を最小にする統計モデルのパラメータを推定する。
【００２３】
【数３】
ここで、ｗｉは重みであり、重みは各サンプル値がパラメータの推定に及ぼす影響を調整するものである。例えば、ある値ｘ１におけるサンプル値ｙ１の分散σ１ ２よりも、ｘ２におけるサンプル値ｙ２の分散σ２ ２が小さなことが予め解っているような場合、ｙ２のほうが精度の良いサンプル値であると言える。このまま、ＬＭＳ基準を用いて統計モデルのパラメータを推定すると、精度の悪いサンプル値 ｙ１の影響を受けて推定が上手くいかない可能性がある。そこで、重みとしてｗｉ＝１／σｉ ２を用いると、分散の大きなサンプル値の影響を減らすことが出来るので、推定を有効に行うことができる。
【００２５】
これまで、上記したような重み与える方法は、様々なものが提案されている。ロバスト推定法においても、例えば、代表的な手法としてＬＭｅｄＳ（Ｌｅａｓｔ Ｍｅｄｉａｎ ｏｆ Ｓｑｕａｒｅｓ）推定法がある。この手法では、ＬＭＳ基準の代わりに以下の式（４）に示す最小二乗メディアン基準を最小にする統計モデルを推定する。
ＬＭｅｄＳ＝ｍｅｄｉａｎ（ｙｉ−ｙｈａｔｉ）２………（４）
ここで、メディアンは中央値を求めることを表す。例えば、１つの外れ値（ｏｕｔｌｉｅｒ：想定外の大きなノイズが加わったサンプル値）を含む３つのサンプル値から線形モデル「ｙ＝α０＋α１ｘ」を推定する場合、ＬＭＳ基準では１つの外れ値の大小によって大きな影響を受けてしまうが、式（４）に示すように、中央値を求めるＬＭｅｄＳ基準では１つの外れ値の大小による影響は無関係となることが解る。従って、外れ値が含まれた場合でも、その影響を受けないので、推定を有効に行うことができる。
【００２６】
ロバスト推定法には他に、ＬＭｅｄＳ推定法のような順序統計量を利用したものとして、最小２乗分位点（ＬＱＳ）推定法、最小２乗トリム（ＬＴＳ）推定法、重み付き最小二乗法の一種であるＭ推定法などがある。
また、請求項４に係る発明は、請求項１乃至請求項３のいずれか１項に記載のパラメータ最適化方法において、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴としている。
【００２７】
まず、遺伝的アルゴリズムについて説明する。遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａ１ｇｏｒｉｔｈｍｓ：ＧＡ）は生物の進化の過程を模倣した最適化手法であり、様々な最適化問題に適用されている。ＧＡには、大別して最適化するパラメータをビットストリングで表現する単純ＧＡと、実数値のまま表現する実数値ＧＡがあるが、関数の最適化には実数値ＧＡが高い効果を示すことが知られている。実数値ＧＡは次のステップから構成される。
【００２８】
１．初期化：探索空間内にランダムな初期値を与えた個体を配置する。
２．選択：個体部中から親となる個体をランダム、または適応度に応じて確率的に選択する。
３．交叉：複数の親個体の情報を用いて子個体を生成する。代表的な交叉手法として単峰性正規分布交叉（ＵＮＤＸ）、ブレンド交叉（ＢＬＸ‐α）等が挙げられる。
【００２９】
４．評価：評価関数に従って個体の評価を行い、個体の淘汰を行なった後、２に戻る。
更に、ＧＡが口バスト推定の解法に適している理由を説明する。通常の最小二乗法においては、統計モデルの厳密なパラメータを求める場合には行列計算を用いる。しかしながら、組込型のマイクロプロセッサに本手法を用いる場合、統計モデルの次数が大きくなった場合や、ＬＭＳ基準以外の基準を用いた場合は、解析的にパラメータを求めることが計算時間や計算精度の面で困難となるために、最急降下法に代表される、関数の勾配情報を利用した近似解法が有効である。
【００３０】
しかし、ＬＭｅｄＳ基準のような順序統計量基準を用いた場合は、その関数形状が多峰性で不連続になるために、関数の勾配情報を利用した近似解法を使うと局所解に陥ってしまい、最適なパラメータが推定できないという問題点がある。この問題により、解析的な解法は未だ示されていない。
つまり、ＧＡは、関数の勾配情報を用いない直接探索による最適化手法であるので、このような問題点の影響を受けずに最適なパラメータを推定することが可能である。
【００３１】
また、本発明に係る請求項５記載のパラメータ最適化装置は、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化装置であって、
統計モデル記憶手段によって記憶された過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記所定の制御対象の動作に係る動作情報の取得範囲を設定する取得範囲設定手段と、
現在の環境下における前記動作情報を取得する動作情報取得手段と、
当該動作情報取得手段によって取得した前記動作情報に基づき、前記制御処理結果を評価するための評価値を算出する評価値算出手段と、
当該評価値算出手段によって算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する統計モデル作成手段と、
当該統計モデル作成手段によって作成された統計モデルを記憶する統計モデル記憶手段と、
当該統計モデル記憶手段によって記憶された前記統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する推定値算出手段と、
当該推定値算出手段によって算出された前記パラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新するパラメータ更新手段と、を備えることを特徴としている。
【００３２】
このような構成であれば、取得範囲設定手段によって、統計モデル記憶手段によって記憶された過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記所定の制御対象の動作に係る動作情報の取得範囲を設定することが可能であり、動作情報取得手段によって、現在の環境下における前記動作情報を取得することが可能であり、評価値算出手段によって、現在の環境下において取得した前記動作情報に基づき、前記制御処理結果を評価するための評価値を算出することが可能であり、統計モデル作成手段によって、評価値算出手段によって算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成することが可能であり、統計モデル記憶手段によって、統計モデル作成手段によって作成された統計モデルを記憶することが可能であり、推定値算出手段によって、統計モデル記憶手段によって記憶された前記統計モデルに基づき、その最適解となる前記パラメータの推定値を算出することが可能であり、パラメータ更新手段によって、推定値算出手段によって算出された前記パラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新することが可能である。
【００３３】
ここで、本発明は、請求項１記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、請求項６に係る発明は、請求項５記載のパラメータ最適化装置において、前記取得範囲設定手段は、前記初期の評価値を算出するときの所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴としている。
【００３４】
つまり、前記取得範囲設定手段は、前記初期の評価値を算出するときの所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することが可能である。
ここで、本発明は、請求項２記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
【００３５】
また、請求項７に係る発明は、請求項５又は請求項６記載のパラメータ最適化装置において、前記統計モデル作成手段は、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴としている。
つまり、前記統計モデル作成手段は、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することが可能である。
【００３６】
ここで、本発明は、請求項３記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、請求項８に係る発明は、請求項５乃至請求項７のいずれか１項に記載のパラメータ最適化装置において、前記統計モデル作成手段は、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴としている。
【００３７】
つまり、前記統計モデル作成手段は、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることが可能である。
ここで、本発明は、請求項４記載のパラメータ最適化方法を実現するための装置であり、その効果は重複するので記載を省略する。
また、本発明に係る請求項９記載のパラメータ最適化プログラムは、制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するためのコンピュータが実行可能なプログラムであって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴としている。
【００３８】
ここで、本発明は、請求項１記載のパラメータ最適化方法を実現するためのプログラムであり、その効果は重複するので記載を省略する。
また、本発明に係る請求項１０記載の航走制御装置は、船舶の航走を制御する航走制御装置であって、
前記請求項５乃至請求項８のいずれか１項に記載のパラメータ最適化装置を備え、当該パラメータ最適化装置によって、前記船舶の航走中に、当該船舶の航走制御に係るパラメータを最適化し、当該最適化されたパラメータを用いて前記船舶の航走を制御することを特徴としている。
【００３９】
つまり、上記請求項５乃至請求項８のいずれか１項に記載のパラメータ最適化装置を備えた航走制御装置であり、例えば、推進器から出力される各種情報に基づき、姿勢角制御に係る統計モデルを作成し且つ当該モデルのパラメータを最適化し、この最適化されたパラメータを用いて船舶の姿勢角を制御し、船舶の航走状態を制御することが可能である。
【００４０】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照しながら説明する。図１乃至図１３は、本発明に係る小型船舶の姿勢角制御に係るパラメータの最適化装置を備える航走制御システムの第１の実施の形態を示す図である。まず、本発明に係る航走制御システムの構成を図１に基づき説明する。図１は、本発明に係る航走制御システムの構成を示すブロック図である。
【００４１】
航走制御システム１は、船外機２と、航走制御装置３と、を含んだ構成となっている。
船外機２は、推進力調整装置として電子スロットル弁２ａと、姿勢角調整装置としてパワートリム＆チルト（以下、ＰＴＴと称す）装置２ｂと、を含んだ構成となっている。
【００４２】
航走制御装置３は、定速航走制御部３０と、トリム角制御部３１と、を含んだ構成となっている。
定速航走制御部３０は、所定の入力情報に基づき目標エンジン回転数を算出する目標エンジン回転数算出モジュール３０ａと、当該算出された目標エンジン回転数に基づき電子スロットル弁開度を算出する電子スロットル弁開度算出モジュール３０ｂと、を含んだ構成となっている。
【００４３】
目標エンジン回転数算出モジュール３０ａは、ファジィ推論システムによって構成されており、速度偏差（現在の速度と目標速度との差）、加速度を入力として目標エンジン回転数変化量を推論し、この推論結果に１つ前の算出処理における目標エンジン回転数を加えて現在の目標エンジン回転数を出力するものである。
電子スロットル弁開度算出モジュール３０ｂは、目標エンジン回転数算出モジュール３０ａと同様にファジィ推論システムによって構成されており、エンジン回転数偏差（現在のエンジン回転数と目標エンジン回転数との差）とエンジン回転数変化量とを入力として電子スロットル弁開度変化量を推論し、この推論結果に１つ前の算出処理における電子スロットル弁開度を加えて現在の電子スロットル弁開度として出力するものである。ここで、ファジィ推論システムのファジィテーブルは、熟練者の操船知識を基に設計され、且つ、推論法には簡略型推論法を用いており、この方法におけるファジィルールは実数値で表される。
【００４４】
トリム角制御部３１は、トリム角の評価値を算出する評価値算出モジュール３１ａと、少なくともトリム角を含む動作情報及び評価値を、両者を対応付けて記憶する情報記憶部３１ｂと、情報記憶部３１ｂに記憶された評価値を被説明変数、少なくともトリム角を含む動作情報を説明変数として統計モデルを作成する統計モデル作成モジュール３１ｃと、前記統計モデルから目標トリム角を算出する目標トリム角算出モジュール３１ｄと、を含んだ構成となっている。
【００４５】
評価値算出モジュール３１ａは、艇体の燃料タンクから船外機２の燃料噴射装置に至る燃料経路中に挿入された燃料流量計にて計測された燃料消費量と、速度計にて計測された速度から算出した移動距離から燃料消費率を算出し、これをトリム角の評価値として出力するものである。
情報記憶部３１ｂは、トリム角と、その時の燃料消費率と、を対応付けて記憶するものである。
【００４６】
統計モデル作成モジュール３１ｃは、情報記憶媒部３１ｂに記憶された燃料消費率を被説明変数、トリム角を説明変数として、予め与えられた回帰式の偏回帰係数をＬＴＳ推定法を用いて推定し、この推定結果に基づき統計モデルを作成するものである。
目標トリム角算出モジュール３１ｄは、統計モデル作成モジュール３１ｃにより作成された統計モデルを用いて目標姿勢角を算出するものである。
【００４７】
統計モデル記憶部３１ｅは、作成された統計モデルのパラメータを記憶するものである。
更に、図２乃至図５に基づき、航走制御システム１の具体的な動作を説明する。
図２は、目標エンジン回転数算出モジュール３０ａにおいて目標エンジン回転数を算出するためのファジィルールの説明図であり、図３は、電子スロットル弁開度算出モジュール３０ｂにおいて電子スロットル弁開度を算出するためのファジィルールの説明図であり、図４は、評価値算出モジュール３１ａ、情報記憶部３１ｂ及び統計モデル作成モジュール３１ｃ間のデータの流れを示す図であり、図５は、燃料消費率とトリム角との関係を示す図である。
【００４８】
本発明の第１の実施の形態として、本システム１を電子スロットル弁装置を有する船外機を備えた船舶に適用し、使用者の設定した速度での定速航走中に船外機トリム角（以下トリム角という）の制御を実施した場合を説明する。
まず、使用者は目標速度の設定を行う。目標速度は使用者が決定した任意の値を入力しても良いし、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。目標速度が設定されると、次に、この速度に基づき目標エンジン回転数の初期値が設定されることになる。例えば、現在の船舶の航走速度が目標速度付近であるときは、現在のエンジン回転数が目標エンジン回転数として設定され、一方、現在の船舶の航走速度が目標速度付近でないときは、予め設定された目標エンジン回転数の初期値を用いる。ここで、目標エンジン回転数の初期値は、使用者が決定した任意の値を入力しても良いし、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
【００４９】
目標エンジン回転数の初期値設定後は、実際の船舶の航走状態に応じて、図２に示すファジィルールに基づき、そのときの航走速度に応じた目標エンジン回転数を算出することになる。つまり、図２（ａ）に示すメンバシップ関数から速度偏差及び加速度の推論値を求め、これを図２（ｂ）のファジィルールに当てはめて重みの平均を求め目標エンジン回転数の変化量を算出する。メンバシップ関数の速度偏差（目標速度と実際の速度との差）は、実際の速度の検出値から求め、加速度は算出された速度を演算して求める。図２（ａ）に示すように、速度偏差及び加速度に応じてメンバシップ関数から、プラス側の大小（ＰＬ、ＰＳ）及びマイナス側の大小（ＮＬ、ＮＳ）に対応した４つの値が求まり、これらを図２（ｂ）に示すファジィルールに対応する４つの値に重み付けして平均値を算出する。これにより、目標エンジン回転数の変化量が求められる。そして、この変化量を現在の目標エンジン回転数に加えることで、新たな目標エンジン回転数が求まる。
【００５０】
更に、目標エンジン回転数算出モジュール３０ａは、目標エンジン回転数を、電子スロットル弁開度算出モジュール３０ｂに対して出力し、当該電子スロットル弁開度算出モジュール３０ｂは、入力された目標エンジン回転数に基づきスロットル弁開度を算出する。ここで、電子スロットル弁開度算出モジュール３０ｂも、目標エンジン回転数算出モジュール３０ａと同様にファジィ推論システムにより電子スロットル弁開度を算出する。つまり、目標エンジン回転数算出モジュール３０ａから目標エンジン回転数を取得すると、図３（ａ）に示すメンバシップ関数に基づき、エンジン回転数の検出値からエンジン回転数偏差の推論値を求め、また、エンジン回転数の変化量は、エンジン回転数の検出値から演算により求める。つまり、上記図２と同様に、メンバシップ関数の値から、図３（ｂ）のファジィルールの重み付けによる演算処理を行って電子スロットル弁開度の変化量が求められる。この変化量を電子スロットル弁開度に加えることで、新たな電子スロットル弁開度が求まる。
【００５１】
このようにして新たな電子スロットル弁開度が算出されると、定速航走制御部３０は、この算出された新たな電子スロットル弁開度に一致するように電子スロットル弁装置２ａの制御を行う。
本実施の形態においては、トリム角は「−５°〜８°」の範囲で制御されることとする。
【００５２】
トリム角は、通常、使用者のトリムスイッチへの入力により操作されるが、定速航走中にトリム角制御を選択するとトリム角制御が開始される。
トリム角制御が開始されると、まず、トリム角制御部３１は、初期トリム角が「−５°」となるようにＰＴＴ装置２ｂを制御する。これと同時に、評価値算出モジュール３１ａは、一定時間の燃料消費率の算出をおこなう。具体的には、例えば、２０秒間の平均速度より算出した２０秒間に進んだ距離を、図示しない燃料流量計により計測した２０秒間の燃料消費量で割ることにより求められる。そして、図４に示すように、求められた評価値（トリム角と燃料消費率との組（以下サンプル値という））は、逐次、情報記憶部３１ｂに記憶される。
【００５３】
本実施の形態では、以後「２°」刻みに「−３°」、「−１°」、「１°」まで、これら４つのトリム角における燃料消費率のサンプル値を初期サンプル値として取得する。
次に、図４（ａ）に示すように初期サンプル値が獲得されると、図４（ｂ）に示すように統計モデル作成モジュール３１ｃは、サンプル値の燃料消費量を被説明変数ｙ、トリム角を説明変数ｔとして、予め与えられた以下の式（５）に示す２次多項式の偏回帰係数β０、β１、β２を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定する。
【００５４】
ｙ＝β０＋β１×ｔ＋β２×ｔ２ ………（５）
本実施の形態で用いるＬＴＳ推定法では、ＬＴＳ基準として以下の式（６）を用いる。ここで、式（６）における、ｉはｎ個の残差ｒ２＝（ｙｉ−ｙｈａｔｉ）２の小さい方からの順番を示し、ｈは０．８ｎ（小数点以下切り上げ）とする。
【００５５】
【数４】
更に、本実施の形態ではＬＴＳ推定法の解法として実数値遺伝的アルゴリズム（以下、実数値ＧＡという）を用いる。実数値ＧＡは、偏回帰係数β０、β１、β２を個体の遺伝子とし、ＬＴＳ基準を適応度関数として、適応度関数を最小にする個体を探索する。実数値ＧＡのパラメータを以下に示す。
・個体群サイズ：５０
・選択手法：最良個体＋ランダムに１個体
・世代交代モデル：最小世代間ギャップ（Ｍｉｎｉｍａ１ Ｇｅｎｅｒａｔｉｏｎ Ｇａｐ：ＭＧＧ）モデル
・家族個体群サイズ：２０
・交叉手法：単峰性正規分布交叉（Ｕｎｉｍｏｄａ１ Ｎｏｒｍａ１ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｃｒｏｓｓｏｖｅｒ：ＵＮＤＸ）
そして、目標トリム角算出モジュール３１ｄは、得られた２次多項式を−５≦ｔ≦８の範囲で最大のｙを与えるｔを求め、それを目標トリム角Ｔｔとして出力する。
【００５７】
このようにして新たな目標トリム角が算出されると、トリム角制御部３１は、この算出された新たな目標トリム角に一致するようにＰＴＴ装置２ｂの制御を行う。
更に、再び評価値算出モジュール３１ａは、目標トリム角Ｔｔによって燃料消費率を算出し、統計モデル作成モジュール３１ｃは、新たなサンプル値を獲得して、再び上記手順を繰り返して新たな統計モデルを作成する。このようにして、逐次、上記した式（５）の多項式を更新していき、目標トリム角算出モジュール３１ｄにおいて算出される目標トリム角が変化しなくなった時点で最適化を終了する。
【００５８】
ここで、一般に、サンプル値から統計モデルを作成し、統計モデル上で最適化を行う方法は応答曲面法と呼ばれ、サンプル値を効率よく得るためにモンテカルロ法や実験計画法が用いられる。具体的には、サンプル値が得られる範囲を覆うようにランダムサンプリング、もしくは実験計画法に基づく方法（例えば、ラテン方格や直交計画）を用いてサンプリングを行う。しかしながら、本実施の形態ではトリム角という船体抵抗を調整するパラメータを最適化することを目的としているために、これを急激に変化させることは船外機の負荷や操舵特性が急激な変化を引き起こす原因となり、使用者に不安を与えてしまう可能性がある。
【００５９】
これを避けるために、本実施の形態では、上記したようにまず最初に最も安定性の高いフルトリムイン付近で初期サンプル値を獲得する。具体的には、例えば、最適化開始時の初期目標トリム角度として−５°にセットし、以後２°刻みに−３°、一１°、１°まで４つのサンプル値を取得するようにサンプル値の取得範囲を設定する。そして、これら４つのサンプル値を取得した時点で多項式回帰方程式を推定する。こうすることで、不用意にトリム角を上昇させることなく最適値を算出することが出来る。
【００６０】
また、トリム角の変化量に限度を設けている。具体的には、例えば、トリム角の１回の変化量の限度を±２°として、図５（ａ）に示されるように、現在のトリム角と統計モデルから算出される目標トリム角の差が変化量の限度を超えない場合はそのまま目標トリム角を出力する。一方、図５（ｂ）に示されるように、変化量の限度を超える場合は限度として設定した値を新たな目標トリム角として出力する。こうすることで、トリム角を急激に変化させることがないので、使用者に上記したような不安を与えることが無くなる。
【００６１】
本実施の形態においては、上記の手法に加えて、サンプル値を効率よく得るための手法として、最適値付近での確率的なサンプル値の収集と、過去の統計モデルを利用した初期サンプル値収集範囲の調整を行う。
まず、図７に基づき、最適トリム角付近での確率的なサンプル値の収集について説明する。図７は、目標トリム角Ｔｔがランダムで生成される場合の燃料消費率とトリム角との関係を示す図である。
【００６２】
図７に示されるように、現在のトリム角Ｔと最適トリム角Ｔｂが一致した場合、±１°の確率的な摂動を加えたものを目標トリム角Ｔｔとして出力する。このようにすることで、最適トリム角付近での効率の良いサンプル値収集が可能となり、統計モデルの精度が向上する。
次に、図８に基づき、過去の統計モデルを利用した初期サンプル値収集範囲の調整について説明する。図８は、過去の統計モデルを利用した場合の燃料消費率とトリム角との関係を示す図である。
【００６３】
図８に示されるように、１回目の最適化における初期サンプリング範囲は、上述したように予め定められたものを使用する。この１回目の最適化で得られた統計モデルの偏回帰係数は、統計モデル記憶部３１ｅに記憶される。２回目以降の最適化における初期サンプリング範囲は、統計モデル記憶部３１ｅに記憶された統計モデルの最適解を得るトリム角を若干越えるように初期サンプリング範囲を定め、必要なサンプル数が得られるように等間隔にトリム角を設定する。
【００６４】
また、例えば、過去に得られた複数の統計モデルの偏回帰係数から平均値を算出し、この平均値を偏回帰係数とした統計モデルの最適解を得るトリム角を若干越えるように初期サンプリング範囲を定め、必要なサンプル数が得られるように等間隔にトリム角を設定してもよい。こうすることにより、サンプル値に加わるノイズが大きく、個々の統計モデルがばらついている場合でも安定して初期サンプリング範囲を定めることが可能となる。
【００６５】
以上の操作を繰り返すことによって、外乱が加わる環境に置いても少ないサンプル数で最適なトリム角を選択することが可能となる。
更に、図９に基づき、定速航走制御部３０における動作処理の流れを説明する。図９は、定速航走制御部３０における動作処理を示すフローチャートである。
図９に示すように、まずステップＳ１００に移行し、目標速度の設定を行いステップＳ１０２に移行する。
【００６６】
ここで、目標速度は、上記したように、使用者が決定した任意の値を入力しても良く、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
ステップＳ１０２では、目標エンジン回転数の初期値を設定してステップＳ１０４に移行する。
ここで、目標エンジン回転数の初期値は、上記したように、使用者が決定した任意の値を入力しても良く、また、メーカが出荷段階で用意した複数の値の中から選択しても良い。
【００６７】
ステップＳ１０４では、目標エンジン回転数算出モジュール３０ａによって、上記したようにファジィ推論システムを用いて、目標エンジン回転数を算出して、算出結果を電子スロットル弁開度算出モジュール３０ｂに入力してステップＳ１０６に移行する。
ステップＳ１０６では、電子スロットル弁開度算出モジュール３０ｂによって、前記入力された目標エンジン回転数に基づき、上記したように、ファジィ推論システムを用いて目標エンジン回転数に応じた電子スロットル弁開度を算出して、ステップＳ１０８に移行する。
【００６８】
ステップＳ１０８では、定速航走制御部３０によって、算出された電子スロットル弁開度に基づき船外機２の電子スロットル弁装置２ａを制御してステップＳ１１０に移行する。
ステップＳ１１０では、航走制御がＯＦＦになっているか否かを判定し、ＯＦＦになっていると判定された場合（Ｙｅｓ）はステップＳ１１２に移行し、そうでない場合（Ｎｏ）はステップＳ１０４に移行する。
【００６９】
ステップＳ１１２に移行した場合は、スロットル開度を検出して処理を終了する。
更に、図１０に基づき、トリム角制御部３１の動作処理の流れを説明する。図１０は、トリム角制御部３１の動作処理を示すフローチャートである。
図１０に示すように、まずステップＳ２００に移行し、初期の目標トリム角Ｔｔ＝−５°と設定してステップＳ２０２に移行する。
【００７０】
ステップＳ２０２では、過去の統計モデル情報が統計モデル記憶部３１ｅに存在するか否かを判定し、存在しない場合（Ｎｏ）はステップＳ２０４に移行し、存在する場合（Ｙｅｓ）はステップＳ２０６に移行する。
ステップＳ２０４に移行した場合は、初期サンプリング範囲の上限Ｔｕ＝１°と設定してステップＳ２１２に移行する。
【００７１】
一方、ステップＳ２０６に移行した場合は、統計モデル記憶部３１ｅから過去の統計モデル情報として偏回帰係数β０、β１、β２の読み込みを行い、ステップＳ２０８に移行する。
ステップＳ２０８では、偏回帰係数β０、β１、β２の２次多項式の最適値Ｔｂを探索してステップＳ２１０に移行する。
【００７２】
ステップＳ２１０では、Ｔｕ＝Ｔｂ＋２°と設定してステップＳ２１２に移行する。
ステップＳ２１２では、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、ステップＳ２１４に移行する。
ステップＳ２１４では、２０秒間に進んだ距離とその間の燃料消費量に基づいて評価値算出モジュール３１ａによって燃料消費量を算出し、これを情報記憶部３１ｂに記憶してステップＳ２１６に移行する。
【００７３】
ステップＳ２１６では、現在のトリム角ＴがＴｕに達したか否かを判定し、達していない場合（Ｎｏ）はステップＳ２１８に移行し。達した場合（Ｙｅｓ）はステップＳ２２０に移行する。
ステップＳ２１８に移行した場合は、Ｔｔ＝Ｔｔ＋２°と設定してステップＳ２１２に移行する。
【００７４】
一方、ステップＳ２２０に移行した場合は、情報記憶部３１ｂに記憶されたサンプル値に基づいて統計モデル作成モジュール３１ｃによって統計モデルを作成し、ステップＳ２２２に移行する。
ステップＳ２２２では、作成された統計モデルを目標トリム角算出モジュール３１ｄによって最適化を行ない、最適な評価値を得るトリム角を目標トリム角として算出し、ステップＳ２２４に移行する。
【００７５】
ステップＳ２２４では、サンプル値が既に１０個以上獲得されているか否かを判定し、獲得されていない場合（Ｎｏ）はステップＳ２２６に移行し、獲得されている場合（Ｙｅｓ）はステップＳ２３０に移行する。
ステップＳ２２６に移行した場合は、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、ステップＳ２２８に移行する。
【００７６】
ステップＳ２２８では、２０秒間に進んだ距離とその間の燃料消費量に基づいて評価値算出モジュール３１ａによって燃料消費量を算出し、これを情報記憶部３１ｂに記憶してステップＳ２２０に移行する。
また、ステップＳ２３０に移行した場合は、現在のＴｔが前回のＴｔと一致しているか否かを判定し、一致していない場合（Ｎｏ）はステップＳ２２６に移行し、一致している場合（Ｙｅｓ）はステップＳ２３２に移行する。
【００７７】
ステップＳ２３２に移行した場合は、現在のトリム角Ｔが目標トリム角Ｔｔに一致するようにＰＴＴ装置２ｂの制御を行い、処理を終了する。
更に、図１１に基づき、評価値算出モジュール３１ａの動作処理の流れを説明する。図１１は、評価値算出モジュール３１ａの動作処理を示すフローチャートである。
【００７８】
図１１に示すように、まずステップＳ３００に移行し、燃料流量計によって計測された２０秒間の燃料消費量Ｆを取得してステップＳ３０２に移行する。
ステップＳ３０２では、船外機２から取得した速度に基づく２０秒間の平均速度から２０秒間の移動距離Ｄを算出してステップＳ３０４に移行する。
ここで、本実施の形態において、上記したステップＳ３００及びステップＳ３０２の処理は、並行して行われることとする。
【００７９】
ステップＳ３０４では、燃料消費量Ｆ及び移動距離Ｄに基づき下記に示す式（３）に従い燃料消費率Ｆｃを算出してステップＳ３０６に移行する。
Ｆｃ＝Ｄ／Ｆ ………（７）
ステップＳ３０６では、現在のトリム角Ｔと燃料消費率Ｆｃを情報記憶部３１ｂに格納して処理を終了する。
【００８０】
更に、図１２に基づき、統計モデル作成モジュール３１ｃの動作処理の流れを説明する。図１２は、統計モデル作成モジュール３１ｃの動作処理を示すフローチャートである。
図１２に示すように、まずステップＳ４００に移行し、情報記憶部３１ｂからサンプル値の読み込みを行いステップＳ４０２に移行する。
【００８１】
ステップＳ４０２では、最小二乗基準に基づいて、最急降下法による２次多項式モデル（上記式（５））の偏回帰係数β０、β１、β２の推定を行いステップＳ４０４に移行する。
ステップＳ４０４では、得られた統計モデル情報である偏回帰係数β０、β１、β２を目標トリム角算出モジュール３１ｄに出力して処理を終了する。
【００８２】
更に、図１３に基づき、目標トリム角算出モジュール３１ｄの動作処理の流れを説明する。図１３は、目標トリム角算出モジュール３１ｄの動作処理を示すフローチャートである。
図１３に示すように、まずステップＳ５００に移行し、統計モデル作成モジュール３１ｃから偏回帰係数β０、β１、β２を取得してステップＳ５０２に移行する。
【００８３】
ステップＳ５０２では、偏回帰係数β０、β１、β２の２次多項式の最適解Ｔｂを探索してステップＳ５０４に移行する。
ステップＳ５０４では、上記得られたＴｂと現在のトリム角Ｔとの差を算出し、且つ、「−２°＜Ｔ−Ｔｂ＜２°」が真か偽かを判定し、真の場合（Ｙｅｓ）はステップＳ５０６に移行し、偽の場合（Ｎｏ）はステップＳ５０８に移行する。
【００８４】
ステップＳ５０６に移行した場合は、上記得られたＴｂを目標トリム角Ｔｔとして出力して処理を終了する。
一方、ステップＳ５０８に移行した場合は、「Ｔ−Ｔｂ＞２°」ならば「Ｔｔ＝Ｔ＋２°」として出力し、「Ｔ−Ｔｂ＜−２°」ならば「Ｔｔ＝Ｔ−２°」として目標トリム角Ｔｔを出力して処理を終了する。
【００８５】
以上、小型船舶の航走中において、評価値算出モジュール３１ａにおいて、トリム角と燃料消費率を取得し、当該取得したデータから評価値を算出し、統計モデル作成モジュール３１ｃにおいて、算出された評価値及びトリム角から統計モデルを生成し、目標トリム角算出モジュール３１ｄにおいて、前記生成された統計モデルを用いて艇体に対する船外機２の最適なトリム角を算出することが可能である。
【００８６】
更に、図１４乃至図２２に基づき、本発明の第２の実施の形態として、本システム１を、電子スロットル弁装置を有する船外機を備えた船舶に適用し、使用者の設定した速度での定速航走制御における、エンジン回転数制御特性の最適化を実施した場合の動作を説明する。図１４は、第２の実施の形態における航走制御システムの構成を示すブロック図であり、図１５（ａ）は、エンジン回転数の変化量を求めるためのメンバシップ関数を示す図であり、図１５（ｂ）は、電子スロットル弁開度の変化量を求めるためのファジイルールを示す図である。
【００８７】
定速航走制御については、基本的に上記した第１の実施の形態と同様であるので全体の説明は省略するが、以下の点が異なる。
航走制御装置５は、定速航走制御部５０と、規格化係数最適化部５１と、を含んだ構成となっている。
低速航走制御部５０は、目標エンジン回転数算出モジュール５０ａと、電子スロットル弁開度算出モジュール５０ｂと、を含んだ構成となっている。
【００８８】
電子スロットル弁開度算出モジュール５０ｂは、目標エンジン回転数算出モジュール５０ａから目標エンジン回転数を取得すると、図１５（ａ）に示す基本メンバシップ関数にそれぞれ規格化係数ｓ１、ｓ２を乗じたものを新たなメンバシップ関数とし、これに基づき、エンジン回転数の検出値からエンジン回転数偏差の推論値を求める。また、エンジン回転数の変化量は、エンジン回転数の検出値から演算により求める。メンバシップ関数の値から、図１５（ｂ）の基本ファジィルールに対して規格化係数ｓ３を乗じたものを新たなファジィルールとし、これに基づき、重み付けによる演算処理を行うことで電子スロットル弁開度の変化量を求める。この変化量を電子スロットル弁開度に加えることで、新たな電子スロットル弁開度が求まる。
【００８９】
本実施の形態においては、規格化係数は０．５〜２．０の範囲で調整される。
定速航走制御を開始すると規格化係数の最適化が開始される。
規格化係数の最適化が開始されると、まず、規格化係数最適化部５１は、基準規格化係数ベクトルＳｓを、Ｓｓ＝［１ １ １］と設定する。一方、評価値算出モジュール５１ａは、一定時間のエンジン回転数制御評価値の算出を行う。具体的には、例えば、以下に示す式（８）を用いる。
【００９０】
（評価値）＝（１分間の平均エンジン回転数偏差）＋（１分間の平均エンジン回転数変動）………（８）
ここで、エンジン回転数制御特性に対する最適な規格化係数は、制御対象によって変化する。具体的には、艇体の変更に伴う抵抗変化によってエンジン回転数制御の評価関数の景観が変化し、これに伴って最適な規格化係数の位置が変化する。ここで、図２２は、艇体の大きさ毎に後件部メンバシップ関数の規格化係数を変化させた場合の評価関数の景観を描いたものである（このほかにも前件部メンバシップ関数の規格化係数２つを変化させた場合も同様に考えられるが、ここでは簡単のため省略する）。この図によれば、小型の艇体では追従性よりも変動の悪化を押さえるために規格化係数を小さくすると適応度が良くなり、大型の挺体では艇体の受ける抵抗が大きくなるために、変動よりも追従性の悪化を押さえるために規格化係数を大きくすると適応度が良くなることがわかる。
【００９１】
上記の例は、形状が同じタイプである場合について述べたものであるが、例えば、全長が同じ艇体でも高速移動を目的としたパスポートと安定性を重視した和船とでは艇体の受ける抵抗が大きく異なる。この例のように、艇体の種類が違っている場合についても同様の問題が生じる。世界中には数多くの艇体メーカが存在し、また、地域や用途によって使われ方が異なるために、事前に制御対象を想定して最適な規格化係数を設定することは困難であり、実際の航走中に実時間上で最適化を行う必要がある。
【００９２】
求められた規格化係数ベクトルとエンジン回転数制御評価値の組（以下サンプル値という）は逐次、情報記憶部５１ｂに記憶される。
本実施の形態では、更に、ベクトルＳｓの各要素に対して±０．２の範囲でランダムに決定された１１個の規格化係数ベクトルとその評価値を初期サンプル値として取得する。
【００９３】
次に、初期サンプル値が獲得されると、統計モデル作成モジュール５１ｃは、サンプル値のエンジン回転数制御評価値を被説明変数ｙ、規格化係数を説明変数ベクトルＳ（Ｓ＝［ｓ１ ｓ２ ｓ３］）として、以下の式（９）に示す、予め与えられた３変数２次多項式の偏回帰係数β０〜β９を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定する。
【００９４】
ｙ＝β０＋β１×ｓ１＋β２×ｓ２＋β３×ｓ３＋β２×ｓ１×ｓ２＋β２×ｓ１×ｓ３＋β２×ｓ２×ｓ３＋β７×ｓ１２＋β８×ｓ２２＋β９×ｓ３２………（９）
ここで、ＬＴＳ推定法及びこれを用いた解法については上記した第１の実施の形態と同様であるので説明を省略する。
以下、実数値ＧＡのパラメータを以下に示す。
・個体群サイズ：５０
・選択手法：最良個体＋ランダムに１個体
・世代交代モデル：最小世代間ギャップ（Ｍｉｎｉｍａ１Ｇｅｎｅｒａｔｉｏｎ Ｇａｐ：ＭＧＧ）モデル
・家族個体群サイズ：５０
・交叉手法：単峰性正規分布交叉（Ｕｎ１ｍｏｄａ１ Ｎｏｒｍａ１ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｃｒｏｓｓｏｖｅｒ：ＵＮＤＸ）
そして、規格化係数算出モジュール５１ｄは、得られた２次多項式を０．５≦ｔ≦２の範囲で最大のｙを与える最適な規格化係数Ｓｂを求め、出力する。
【００９５】
このようにして新たな規格化係数が算出されると、定速航走制御部５０は、この算出された新たな規格化係数を用いて定速航走制御を行う。
更に、再び評価値算出モジュール５１ａは、規格化係数Ｓによってエンジン回転数制御評価値を算出し、統計モデル作成モジュール５１ｃは、新たなサンプル値を獲得して、再び上記手順を繰り返して新たな統計モデルを生成する。このようにして、逐次上記した式（９）の多項式を更新していき、サンプル値が２０個を超え、かつ規格化係数算出モジュール５１ｄにて算出される規格化係数が変化しなくなった時点で最適化を終了する。
【００９６】
本実施の形態も上記第１の実施の形態と同様に、規格化係数という電子スロットル制御の入出力を調整するパラメータを最適化することを目的としているために、これを急激に変化させることは操舵特性が急激な変化を引き起こす原因となり、使用者に不安を与えてしまう可能性がある。
これを避けるために、本実施の形態では上記したように、まず初めに最も平均的な規格化係数の周辺で初期サンプル値を獲得する（これは、規格化係数が大きすぎる場合はハンチングが起こって乗りごこちが悪化し、小さすぎる場合は追従性が悪化するためである）。具体的には、例えば、最適化開始時の基準規格化係数ベクトルとして［１ １ １］を設定し、各要素±０．２の範囲でランダムにサンプル値を取得出来るように取得範囲を設定する。そして、１１個のサンプル値を取得した時点で３変数２次多項式の偏回帰係数を推定する。こうすることで、不用意に規格化係数を変化させることなく最適値を算出することが出来る。
【００９７】
また、規格化係数の変化量に限度を設けている。具体的な例を、図１６に基づき説明する。図１６は、規格化係数の変化量に限度を設けた場合の規格化係数１と規格化係数２との関係を示す図である。
図１６（ａ）に示されるように、規格化係数の１回の変化量の限度を各要素±０．２として、現在の規格化係数と応答曲面から算出される目標規格化係数との差が変化量の限度を超えない場合はそのまま目標規格化係数を出力する。一方、図１６（ｂ）に示されるように、変化量の限度を超える場合は限度を新たな規格化係数として出力する。こうすることで、規格化係数を急激に変化させることがないので、使用者に不安を与えることが無くなる。
【００９８】
本実施の形態においても、上記の手法に加えて、サンプル値を効率よく得るための手法として、最適値付近での確率的なサンプル値の収集と、過去の統計モデルを利用した初期サンプル値収集範囲の調整を行う。
図１７に基づき、初期サンプル値収集範囲の調整処理の一例を説明する。図１７は、初期サンプル値収集範囲の調整した場合の規格化係数１と規格化係数２との関係の一例を示す図である。
【００９９】
まず、最適な規格化係数付近での確率的なサンプル値の収集について説明する。図１７に示されるように、現在の規格化係数Ｓと最適な規格化係数Ｓｂが一致した場合、Ｓの各要素に±０．１の確率的な摂動を加えたものを新たな規格化係数Ｓとして出力する。このようにすることで、最適規格化係数付近での効率の良いサンプル値収集が可能となり、統計モデルの精度が向上する。
【０１００】
過去の統計モデルを利用した初期サンプル値収集範囲の調整については上記第１の実施の形態と同様となるので説明を省略する（図１８参照）。
以上の操作を繰り返すことによって、外乱が加わる環境においても少ないサンプル数で最適な規格化係数を選択することが可能となる。
更に、図１９に基づき、規格化係数最適化部５１の動作処理の流れを説明する。図１９は、規格化係数最適化部５１の動作処理を示すフローチャートである。
【０１０１】
図１９に示すように、まずステップＳ６００に移行し、基準規格化係数ベクトルＳｓをＳｓ＝［１ １ １］と設定してステップＳ６０２に移行する。
ステップＳ６０２では、過去の統計モデル情報が統計モデル記憶部５１ｅに存在するか否かを判定し、存在すると判定された場合（Ｙｅｓ）はステップＳ６０４に移行し、存在しないと判定された場合（Ｎｏ）はステップＳ６１０に移行する。
【０１０２】
ステップＳ６０４に移行した場合は、統計モデル記憶部５１ｅから過去の統計モデル情報として偏回帰係数βｉ（ｉ＝０、１、２、…、９）の読み込みを行い、ステップＳ６０６に移行する。
ステップＳ６０６では、読み込んだ偏回帰係数を持つ３変数２次多項式の最適値Ｓｂを探索してステップＳ６０８に移行する。
【０１０３】
ステップＳ６０８では、Ｓｓ＝Ｓｂと設定してステップＳ６１０に移行する。
また、ステップＳ６１０に移行した場合は、１分間の平均エンジン回転数偏差と平均エンジン回転数変動とに基づいて評価値を算出し、これを情報記憶部５１ｂに記憶してステップＳ６１２に移行する。
ステップＳ６１２では、初期サンプル値の個数が１２個に達したか否かを判定し、達していない場合（Ｎｏ）はステップＳ６１４に移行し、達した場合（Ｙｅｓ）はステップＳ６１６に移行する。
【０１０４】
ステップＳ６１４に移行した場合は、Ｓｓの各要素に±０．２の一様乱数を加えたものを新たな規格化係数Ｓとして出力し、ステップＳ６１０に移行する。
一方、ステップＳ６１６に移行した場合は、情報記憶部５１ｂに記憶されたサンプル値に基づいて統計モデル作成モジュール５１ｃよって統計モデルを作成し、ステップＳ６１８に移行する。
【０１０５】
ステップＳ６１８では、作成された統計モデルに対して規格化係数算出モジュール５１ｄによって最適化を行い、最適な評価値を得る規格化係数を新たな規格化係数として算出し、ステップＳ６２０に移行する。
ステップＳ６２０では、サンプル値が既に２０個以上獲得されているか否かを判定し、獲得されていない場合（Ｎｏ）はステップＳ６２２に移行し、獲得されている場合（Ｙｅｓ）はステップＳ６２４に移行する。
【０１０６】
ステップＳ６２２に移行した場合は、１分間の平均エンジン回転数偏差と平均エンジン回転数変動とに基づいて評価値を算出し、これを情報記憶部５１ｂに記憶してステップＳ６１６に移行する。
一方、ステップＳ６２４に移行した場合は、現在の規格化係数Ｓが前回の規格化係数Ｓと一致しているか否かを判定し、一致していない場合（Ｎｏ）はステップＳ６２２に移行し、一致している場合（Ｙｅｓ）は処理を終了する。
【０１０７】
更に、図２０に基づき、評価値算出モジュール５１ａの動作処理の流れを説明する。図２０は、評価値算出モジュール５１ａの動作処理を示すフローチャートである。
図２０に示すように、まずステップＳ７００に移行し、１分間の平均エンジン回転数偏差Ｅｄを計測してステップＳ７０２に移行する。
【０１０８】
ステップＳ７０２では、１分間の平均エンジン回転数変化量Ｅｖを計測してステップＳ７０４に移行する。
ここで、本実施の形態において、上記したステップＳ７００及びステップＳ７０２の処理は、並行して行われることとする。
ステップＳ７０４では、上記計測されたＥｄ及びＥｖから評価値Ｅを以下に示す式（１０）に従い算出してステップＳ７０６に移行する。
【０１０９】
Ｅ＝Ｅｄ＋Ｅｖ………（１０）
ステップＳ７０６では、現在の規格化係数ベクトルＳと評価値Ｅとを情報記憶部５１ｂに格納して処理を終了する。
更に、図２１に基づき、規格化係数算出モジュール５１ｄの動作処理の流れを説明する。図２１は、規格化係数算出モジュール５１ｄの動作処理を示すフローチャートである。
【０１１０】
図２１に示すように、まずステップＳ８００に移行し、統計モデル作成モジュール５１ｃから偏回帰係数βｉ（ ｉ＝０、１、…、９）の読み込みを行い、ステップＳ８０２に移行する。
ステップＳ８０２では、３変数２次多項式の最適値Ｓｂを探索してステップＳ８０４に移行する。
【０１１１】
ステップＳ８０４では、得られた最適値Ｓｂと現在の規格化係数Ｓとの差を算出し、要素ｓｉ（ｉ＝１、２、３）について−０．２＜ｓｉ−ｓｂｉ＜０．２が真か偽かを判定し、真の場合（Ｙｅｓ）はステップＳ８０６に移行し、偽の場合（Ｎｏ）はステップＳ８０８に移行する。
ステップＳ８０６に移行した場合は、最適値Ｓｂを規格化係数Ｓとして出力して処理を終了する。
【０１１２】
一方、ステップＳ８０８に移行した場合は、要素ｓｉを、ｓｉ−ｓｂｉ＜−０．２ならばｓｉ＝ｓｉ−０．２として出力し、−０．２≦ｓｉ−ｓｂｉ≦０．２ならばｓｉ＝ｓｂｉとして出力し、ｓｉ−ｓｂｉ＞０．２ならばｓｉ＝ｓｉ＋０．２として出力して処理を終了する。
以上、小型船舶の航走中において、エンジン回転数制御評価値を被説明変数ｙ、規格化係数を説明変数ベクトルＳ（Ｓ＝［ｓ１ ｓ２ ｓ３］）として、上記式（９）に示す、予め与えられた３変数２次多項式の偏回帰係数β０〜β９を口バスト推定法の一つである最小二乗トリム（ＬＴＳ）推定法により推定して統計モデルを生成し、当該生成された統計モデルを用いて定速航走制御行うことが可能である。
【０１１３】
ここで、図１に示す、評価値算出モジュール３１ａにおける最も安定性の高いフルトリムイン付近で初期サンプル値を獲得するための取得範囲の設定処理は、請求項５及び請求項６記載の取得範囲設定手段に対応し、評価値算出モジュール３１ａにおける燃料消費量及び速度の取得処理は、請求項５記載の動作情報取得手段に対応し、評価値算出モジュール３１ａにおける評価値の算出処理は、請求項５記載の評価値算出手段に対応し、統計モデル作成モジュール３１ｃは、請求項５、７及び８記載の統計モデル作成手段に対応し、目標トリム角算出モジュール３１ｄは、請求項５記載の推定値算出手段に対応し、統計モデル記憶部３１ｅは、請求項５記載の統計モデル記憶手段に対応し、図１４に示す、評価値算出モジュール５１ａにおける最適化開始時の基準規格化係数ベクトルとして［１ １１］を設定し、各要素±０．２の範囲でランダムにサンプル値を取得するための取得範囲の設定処理は、請求項５及び請求項６記載の取得範囲設定手段に対応し、評価値算出モジュール５１ａにおける規格化係数ベクトルとエンジン回転数制御評価値の取得処理は、請求項５記載の動作情報取得手段に対応し、評価値算出モジュール５１ａにおける評価値の算出処理は、請求項５記載の評価値算出手段に対応し、統計モデル作成モジュール５１ｃは、請求項５、７及び８記載の統計モデル作成手段に対応し、規格化係数算出モジュール５１ｄは、請求項５記載の推定値算出手段に対応し、統計モデル記憶部５１ｅは、請求項５記載の統計モデル記憶手段に対応する。
【０１１４】
なお、上記実施の形態では、統計モデルの構造として２次多項式を予め定めて用いたが、統計モデル作成モジュール３１ｃ又は５１ｃが統計モデルの構造を決定しても良い。例えば、統計モデルのサンプル値への当てはまりの良さを表す指標として、赤池の統計量基準ＡＩＣ（Ａｋａｉｋｅ Ｉｎｆｏｍａｔｉｏｎ Ｃｒｉｔｅｒｉｏｎ）に代表される統計量基準がある。ＡＩＣは最尤推定されるモデルの自由度をＦとすると以下に示す式（８）で表される。
【０１１５】
ＡＩＣ＝−２（最大対数尤度）＋２Ｆ ………（１１）
このＡＩＣが小さいほど、サンプル値への当てはまりが良い統計モデルと判断される。従って、与えられたサンプル値に対して複数の統計モデル（例えば、線形式、２次多項式、３次多項式）を作成し、ＡＩＣが最も小さい統計モデルを採用することで、常に最適な統計モデルを作成することが可能となる。
また、ＡＩＣの他にも、ＢＩＣ（Ｂａｙｅｓｉａｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｅｒｉａ）、ＭＤＬ（Ｍｉｎｉｍｕｍ Ｄｅｓｃｒｉｐｔｉｏｎ Ｌｅｎｇｔｈ）、Ｃｒｏｓｓ Ｖａｌｉｄａｔｉｏｎ、ＦＰＥ（Ｆｉｎａｌ Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ）などの統計モデルを選択する基準がある。
【０１１６】
【発明の効果】
以上説明したように、本発明に係るパラメータ最適化装置によれば、過去の統計モデルに基づき、当該統計モデルを作成するための制御対象の動作に係る動作情報の取得範囲を設定し、当該制御対象の動作中に、前記動作情報を計測し、その計測データから統計モデルを作成し、統計モデル上で、制御対象の制御に係る最適なパラメータを算出するようにしたので、制御対象の動作中の外乱の影響を受けずに短時間で最適なパラメータを算出することが可能となる。
【０１１７】
ここで、本発明に係るパラメータ最適化方法は、上記パラメータ最適化装置により実現されるものであり、その効果は重複するので記載を省略する。
また、本発明に係るパラメータ最適化プログラムは、上記パラメータ最適化装置を制御するためのプログラムであり、その効果は重複するので記載を省略する。
また、本発明に係る航走制御装置は、上記パラメータ最適化装置を備えたものであり、その効果は重複するので記載を省略する。
【図面の簡単な説明】
【図１】本発明に係る第１の実施の形態の航走制御システムの構成を示すブロック図である。
【図２】目標エンジン回転数算出モジュール３０ａにおいて目標エンジン回転数を算出するためのファジィルールの説明図である。
【図３】電子スロットル弁開度算出モジュール３０ｂにおいて電子スロットル弁開度を算出するためのファジィルールの説明図である。
【図４】評価値算出モジュール３１ａ、情報記憶部３１ｂ及び統計モデル作成モジュール３１間のデータの流れを示す図である。
【図５】燃料消費率とトリム角との関係を示す図である。
【図６】ロバスト推定法を用いて２次多項式を推定する一例を示す図である。
【図７】目標トリム角Ｔｔをランダムに生成した際の燃料消費率とトリム角との関係を示す図である。
【図８】初期サンプル値を獲得する範囲を、過去の統計モデルを利用して調整する一例を示す図である。
【図９】定速航走制御部３０における動作処理を示すフローチャートである。
【図１０】トリム角制御部３１の動作処理を示すフローチャートである。
【図１１】評価値算出モジュール３１ａの動作処理を示すフローチャートである。
【図１２】統計モデル作成モジュール３１ｃの動作処理を示すフローチャートである。
【図１３】目標トリム角算出モジュール３１ｄの動作処理を示すフローチャートである。
【図１４】第２の実施の形態における航走制御システムの構成を示すブロック図である。
【図１５】（ａ）は、エンジン回転数の変化量を求めるためのメンバシップ関数を示す図であり、（ｂ）は、電子スロットル弁開度の変化量を求めるためのファジイルールを示す図である。
【図１６】規格化係数の変化量に限度を設けた場合の規格化係数１と規格化係数２との関係を示す図である。
【図１７】初期サンプル値収集範囲の調整した場合の規格化係数１と規格化係数２との関係の一例を示す図である。
【図１８】初期サンプル値を獲得する範囲を、過去の統計モデルを利用して調整する一例を示す図である。
【図１９】規格化係数最適化部５１の動作処理を示すフローチャートである。
【図２０】評価値算出モジュール５１ａの動作処理を示すフローチャートである。
【図２１】規格化係数算出モジュール５１ｄの動作処理を示すフローチャートである。
【図２２】艇体の大きさ毎に後件部メンバシップ関数の規格化係数を変化させた場合の評価関数の景観を描いたものである。
【符号の説明】
１，４ 航走制御システム
２ 船外機
２ａ 電子スロットル弁装置
２ｂ パワーとリム＆チルト装置
３，５ 航走制御装置
３０，５０ 定速航走制御部
３０ａ，５０ａ 目標エンジン回転数算出モジュール
３０ｂ，５０ｂ 電子スロットル弁開度算出モジュール
３１ トリム角制御部
３１ａ 評価値算出モジュール
３１ｂ 情報記憶部
３１ｃ 統計モデル作成モジュール
３１ｄ 目標トリム角算出モジュール
３１ｅ 統計モデル記憶部
５１ 規格化係数最適化部
５１ａ 評価値算出モジュール
５１ｂ 情報記憶部
５１ｃ 統計モデル算出モジュール
５１ｄ 規格化係数算出モジュール
５１ｅ 統計モデル記憶部
Claims (10)
- 制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化方法であって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴とするパラメータ最適化方法。 - 前記初期の評価値を算出するときの前記所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴とする請求項１記載のパラメータ最適化方法。
- 重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴とする請求項１又は請求項２記載のパラメータ最適化方法。
- 前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴とする請求項１乃至請求項３のいずれか１項に記載のパラメータ最適化方法。
- 制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するパラメータ最適化装置であって、
統計モデル記憶手段によって記憶された過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記所定の制御対象の動作に係る動作情報の取得範囲を設定する取得範囲設定手段と、
現在の環境下における前記動作情報を取得する動作情報取得手段と、
当該動作情報取得手段によって取得した前記動作情報に基づき、前記制御処理結果を評価するための評価値を算出する評価値算出手段と、
当該評価値算出手段によって算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する統計モデル作成手段と、
当該統計モデル作成手段によって作成された統計モデルを記憶する統計モデル記憶手段と、
当該統計モデル記憶手段によって記憶された前記統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する推定値算出手段と、
当該推定値算出手段によって算出された前記パラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新するパラメータ更新手段と、を備えることを特徴とするパラメータ最適化装置。 - 前記取得範囲設定手段は、前記初期の評価値を算出するときの所定の制御範囲を、過去に作成した前記統計モデルの最適解を含むように設定することを特徴とする請求項５記載のパラメータ最適化装置。
- 前記統計モデル作成手段は、重み付き最小二乗法、又は、ロバスト推定法を用いて前記統計モデルを作成することを特徴とする請求項５又は請求項６記載のパラメータ最適化装置。
- 前記統計モデル作成手段は、前記ロバスト推定法の解法として、遺伝的アルゴリズムを用いることを特徴とする請求項５乃至請求項７のいずれか１項に記載のパラメータ最適化装置。
- 制御条件が動的に変化する環境下において使用される、所定の制御対象を制御する制御システムの制御処理に係るパラメータを、実時間上で最適化するためのコンピュータが実行可能なプログラムであって、
所定の記憶媒体に記憶されている過去に作成された統計モデルに基づいて、初期の評価値を算出するときの前記制御対象の動作に係る動作情報の取得範囲を設定する第１のステップと、
現在の環境下における前記動作情報を取得する第２のステップと、
前記取得した動作情報に基づき、前記制御処理結果を評価するための評価値を算出する第３のステップと、
当該算出された評価値を被説明変数とし、それに対応する前記動作情報を説明変数として前記統計モデルを作成する第４のステップと、
当該作成された統計モデルを、前記所定の記憶媒体に記憶する第５のステップと、
前記記憶された統計モデルに基づき、その最適解となる前記パラメータの推定値を算出する第６のステップと、
当該算出されたパラメータの推定値に基づき、前記制御処理に用いられているパラメータを更新する第７のステップと、を備え、
前記第１のステップの実行後に、前記第２〜第７のステップを、所定時間間隔で繰り返し行うことで、前記パラメータを実時間上で最適化することを特徴とするパラメータ最適化プログラム。 - 船舶の航走を制御する航走制御装置であって、
前記請求項５乃至請求項８のいずれか１項に記載のパラメータ最適化装置を備え、当該パラメータ最適化装置によって、前記船舶の航走中に、当該船舶の航走制御に係るパラメータを最適化し、当該最適化されたパラメータを用いて前記船舶の航走を制御することを特徴とする航走制御装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003132258A JP2004334714A (ja) | 2003-05-09 | 2003-05-09 | パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 |
| US10/835,302 US7243009B2 (en) | 2003-05-09 | 2004-04-29 | Parameter optimization method, parameter optimization apparatus, parameter optimization program, and marine vessel navigation control apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003132258A JP2004334714A (ja) | 2003-05-09 | 2003-05-09 | パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004334714A true JP2004334714A (ja) | 2004-11-25 |
Family
ID=33410612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003132258A Pending JP2004334714A (ja) | 2003-05-09 | 2003-05-09 | パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7243009B2 (ja) |
| JP (1) | JP2004334714A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007296816A (ja) * | 2006-05-08 | 2007-11-15 | Sumitomo Chemical Co Ltd | 成形条件の設定方法、プログラムおよび射出成形機 |
| JP2010144655A (ja) * | 2008-12-19 | 2010-07-01 | Mitsubishi Heavy Ind Ltd | マップ作成支援装置およびその方法並びにプログラム |
| JP2011242981A (ja) * | 2010-05-18 | 2011-12-01 | Yamatake Corp | 関数生成装置、及び関数生成方法 |
| JP2012162234A (ja) * | 2011-02-09 | 2012-08-30 | Suzuki Motor Corp | 船外機の制御装置、方法及びプログラム |
| WO2018134903A1 (ja) * | 2017-01-18 | 2018-07-26 | 富士通株式会社 | パラメータ値決定方法、パラメータ値決定プログラム及びパラメータ値決定装置 |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4275442B2 (ja) * | 2003-03-31 | 2009-06-10 | ヤマハ発動機株式会社 | 姿勢角制御装置、姿勢角制御方法、姿勢角制御装置制御プログラム、及び、航走制御装置 |
| AU2006277573B2 (en) * | 2005-08-11 | 2012-02-02 | Marorka Ehf | Optimization of energy source usage in ships |
| US8099674B2 (en) | 2005-09-09 | 2012-01-17 | Tableau Software Llc | Computer systems and methods for automatically viewing multidimensional databases |
| JP4555219B2 (ja) * | 2005-12-20 | 2010-09-29 | ヤマハ発動機株式会社 | 航走制御装置およびそれを備えた船舶 |
| US7999809B2 (en) | 2006-04-19 | 2011-08-16 | Tableau Software, Inc. | Computer systems and methods for automatic generation of models for a dataset |
| WO2008140363A1 (en) * | 2007-05-14 | 2008-11-20 | Volvo Technology Corporation | Remote diagnosis modellin |
| JP5469536B2 (ja) * | 2010-05-28 | 2014-04-16 | 本田技研工業株式会社 | 船外機の制御装置 |
| JP5469535B2 (ja) * | 2010-05-28 | 2014-04-16 | 本田技研工業株式会社 | 船外機の制御装置 |
| US8388390B2 (en) * | 2010-05-28 | 2013-03-05 | Honda Motor Co., Ltd. | Outboard motor control apparatus |
| JP2012076680A (ja) * | 2010-10-05 | 2012-04-19 | Mitsubishi Heavy Ind Ltd | 船舶設計支援システム |
| WO2012088537A1 (en) | 2010-12-23 | 2012-06-28 | Cummins Intellectual Property, Inc. | System and method of vehicle operating condition management |
| WO2012088534A1 (en) * | 2010-12-23 | 2012-06-28 | Cummins Intellectual Property, Inc. | System and method of vehicle speed-based operational cost optimization |
| FI20106391A0 (fi) * | 2010-12-31 | 2010-12-31 | Eniram Oy | Menetelmä aluksen ominaisparametrien tilastollisen jakauman määrittämiseksi |
| CN102530220B (zh) * | 2012-01-17 | 2014-07-30 | 苏州船用动力系统股份有限公司 | 恒速转舵伺服装置及其控制方法 |
| CN103693163A (zh) * | 2013-12-11 | 2014-04-02 | 上海应用技术学院 | 一种lng船舶数字化信息集成方法 |
| US9841463B2 (en) * | 2014-02-27 | 2017-12-12 | Invently Automotive Inc. | Method and system for predicting energy consumption of a vehicle using a statistical model |
| US9424318B2 (en) | 2014-04-01 | 2016-08-23 | Tableau Software, Inc. | Systems and methods for ranking data visualizations |
| US9613102B2 (en) | 2014-04-01 | 2017-04-04 | Tableau Software, Inc. | Systems and methods for ranking data visualizations |
| US20150278214A1 (en) | 2014-04-01 | 2015-10-01 | Tableau Software, Inc. | Systems and Methods for Ranking Data Visualizations Using Different Data Fields |
| US9555869B1 (en) | 2015-01-30 | 2017-01-31 | Brunswick Corporation | Systems and methods for setting engine speed in a marine propulsion device |
| US10518856B2 (en) | 2015-06-23 | 2019-12-31 | Brunswick Corporation | Systems and methods for automatically controlling attitude of a marine vessel with trim devices |
| US9745036B2 (en) | 2015-06-23 | 2017-08-29 | Brunswick Corporation | Systems and methods for automatically controlling attitude of a marine vessel with trim devices |
| US9764810B1 (en) | 2015-06-23 | 2017-09-19 | Bruswick Corporation | Methods for positioning multiple trimmable marine propulsion devices on a marine vessel |
| US9919781B1 (en) | 2015-06-23 | 2018-03-20 | Brunswick Corporation | Systems and methods for automatically controlling attitude of a marine vessel with trim devices |
| US9745052B2 (en) * | 2015-10-30 | 2017-08-29 | Ge Aviation Systems Llc | Determining enhanced operating state for aircraft |
| US9751605B1 (en) | 2015-12-29 | 2017-09-05 | Brunswick Corporation | System and method for trimming a trimmable marine device with respect to a marine vessel |
| DE102017200468A1 (de) * | 2017-01-12 | 2018-07-12 | Thyssenkrupp Ag | Verfahren zur Bestimmung von hydrodynamischen Koeffizienten bei Unterseebooten |
| DE102017200470B4 (de) * | 2017-01-12 | 2019-02-21 | Thyssenkrupp Ag | Vorrichtung und Verfahren zur Steuerung eines Unterwasserfahrzeugs |
| US10059415B1 (en) | 2017-08-14 | 2018-08-28 | Brunswick Corporation | System and method for controlling a tilt-trim position of a marine propulsion device |
| SG11202007021VA (en) * | 2018-03-28 | 2020-08-28 | Agency Science Tech & Res | Method and system for predicting a port-stay duration of a vessel at a port |
| CN113365909A (zh) * | 2019-02-07 | 2021-09-07 | 国际壳牌研究有限公司 | 用于减少船舶燃料消耗的方法和系统 |
| CN110083983B (zh) * | 2019-05-17 | 2022-10-04 | 大连海事大学 | 一种船舶分段航速优化方法和智能管理系统 |
| US11372411B1 (en) | 2019-08-08 | 2022-06-28 | Brunswick Corporation | Marine steering system and method |
| CN111709579B (zh) * | 2020-06-17 | 2023-12-01 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 船舶航速优化方法及装置 |
| CN113343391B (zh) * | 2021-07-02 | 2024-01-09 | 华电电力科学研究院有限公司 | 一种刮板取料系统控制方法、装置及设备 |
| CN113743014A (zh) * | 2021-09-08 | 2021-12-03 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 一种航速优化方法和装置 |
| CN114313140B (zh) * | 2021-12-13 | 2023-04-28 | 中国船舶重工集团公司第七一九研究所 | 一种船舶装置性能参数退化轨迹的拟合方法和系统 |
| CN114662244B (zh) * | 2022-04-07 | 2024-03-01 | 西北工业大学 | 一种基于bp神经网络的螺旋桨多工况优化设计方法 |
| CN114879513B (zh) * | 2022-07-07 | 2022-12-16 | 浙江中控技术股份有限公司 | 循环水系统的实时优化节能控制方法及装置 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61229693A (ja) * | 1985-04-04 | 1986-10-13 | Sanshin Ind Co Ltd | 船舶推進機の自動トリム角調整装置 |
| JPH0796400B2 (ja) | 1986-07-31 | 1995-10-18 | スズキ株式会社 | 船外機の制御装置 |
| JPS63301196A (ja) | 1987-05-29 | 1988-12-08 | Sanshin Ind Co Ltd | 船舶の姿勢制御装置 |
| JPH058792A (ja) | 1991-07-03 | 1993-01-19 | Yamaha Motor Co Ltd | 船外装置の制御装置 |
| JPH0640391A (ja) | 1991-12-26 | 1994-02-15 | Suzuki Motor Corp | 船外機の姿勢制御装置 |
| JP3456229B2 (ja) | 1993-09-07 | 2003-10-14 | 日産自動車株式会社 | 船舶の自動姿勢制御装置 |
| SE505922C2 (sv) | 1996-01-29 | 1997-10-20 | Volvo Penta Ab | Sätt vid trimning av ett båtpropellerdrev samt drivaggregat med organ för genomförande av sättet |
| JP2001152898A (ja) * | 1999-12-01 | 2001-06-05 | Sanshin Ind Co Ltd | 航走特性制御装置 |
| US6816822B1 (en) * | 2000-08-16 | 2004-11-09 | Abb Automation Inc. | System and method for dynamic modeling, parameter estimation and optimization for processes having operating targets |
| US6458003B1 (en) | 2000-11-28 | 2002-10-01 | Bombardier Motor Corporation Of America | Dynamic trim of a marine propulsion system |
| US6990401B2 (en) * | 2002-10-04 | 2006-01-24 | Daimlerchrysler Ag | Predictive speed control for a motor vehicle |
| JP4275442B2 (ja) * | 2003-03-31 | 2009-06-10 | ヤマハ発動機株式会社 | 姿勢角制御装置、姿勢角制御方法、姿勢角制御装置制御プログラム、及び、航走制御装置 |
| US7565333B2 (en) * | 2005-04-08 | 2009-07-21 | Caterpillar Inc. | Control system and method |
-
2003
- 2003-05-09 JP JP2003132258A patent/JP2004334714A/ja active Pending
-
2004
- 2004-04-29 US US10/835,302 patent/US7243009B2/en active Active
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007296816A (ja) * | 2006-05-08 | 2007-11-15 | Sumitomo Chemical Co Ltd | 成形条件の設定方法、プログラムおよび射出成形機 |
| JP2010144655A (ja) * | 2008-12-19 | 2010-07-01 | Mitsubishi Heavy Ind Ltd | マップ作成支援装置およびその方法並びにプログラム |
| JP2011242981A (ja) * | 2010-05-18 | 2011-12-01 | Yamatake Corp | 関数生成装置、及び関数生成方法 |
| JP2012162234A (ja) * | 2011-02-09 | 2012-08-30 | Suzuki Motor Corp | 船外機の制御装置、方法及びプログラム |
| WO2018134903A1 (ja) * | 2017-01-18 | 2018-07-26 | 富士通株式会社 | パラメータ値決定方法、パラメータ値決定プログラム及びパラメータ値決定装置 |
| JPWO2018134903A1 (ja) * | 2017-01-18 | 2019-11-07 | 富士通株式会社 | パラメータ値決定方法、パラメータ値決定プログラム及びパラメータ値決定装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040224577A1 (en) | 2004-11-11 |
| US7243009B2 (en) | 2007-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004334714A (ja) | パラメータ最適化方法、パラメータ最適化装置、パラメータ最適化プログラム、及び、航走制御装置 | |
| JP4275442B2 (ja) | 姿勢角制御装置、姿勢角制御方法、姿勢角制御装置制御プログラム、及び、航走制御装置 | |
| Khayyam et al. | Adaptive cruise control look-ahead system for energy management of vehicles | |
| JP4781104B2 (ja) | 運転行動推定装置、及び運転支援装置 | |
| CN108563119B (zh) | 一种基于模糊支持向量机算法的无人艇运动控制方法 | |
| Zeng et al. | A stochastic driver pedal behavior model incorporating road information | |
| CN108423005A (zh) | 用于自主车辆的基于反馈的控制模型的生成 | |
| US6721647B1 (en) | Method for evaluation of a genetic algorithm | |
| JP2016536597A (ja) | 移動中に行先を予測するための方法 | |
| JP2018013446A (ja) | 情報推定システム、情報推定方法及びプログラム | |
| James et al. | Longitudinal vehicle dynamics: A comparison of physical and data-driven models under large-scale real-world driving conditions | |
| JP2008018872A (ja) | 運転支援装置、自動車及び運転支援方法 | |
| Wang et al. | Personalized adaptive cruise control via gaussian process regression | |
| Yin et al. | Risk-aware model predictive path integral control using conditional value-at-risk | |
| JP2009145951A (ja) | ドライバ状態推定装置及びプログラム | |
| Thanok et al. | Longitudinal control of an intelligent vehicle using particle swarm optimization based sliding mode control | |
| Son et al. | A Driving Decision Strategy (DDS) Based on Machine learning for an autonomous vehicle | |
| CN110779526B (zh) | 一种路径规划方法、装置及存储介质 | |
| JP2022014974A (ja) | 評価装置、プラント制御支援システム、評価方法、及びプログラム | |
| JP2005216202A (ja) | 未来値予測装置および未来値予測方法 | |
| Wang et al. | Developing a car-following model with consideration of driver’s behavior based on an Adaptive Neuro-Fuzzy Inference System | |
| Sanford et al. | Improving the predictions of ML-corrected climate models with novelty detection | |
| CN115214691A (zh) | 汽车行驶车速预测方法、装置、电子设备以及存储介质 | |
| Ren et al. | Adaptive Regulation for Hammerstein and Wiener Systems with Event-Triggered Observations | |
| Imanishi et al. | Model-less location-based vehicle behavior prediction for intelligent vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060307 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070703 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070710 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070828 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080205 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080617 |