JP2014119797A

JP2014119797A - モデル予測制御を用いたパワーアシストシステム

Info

Publication number: JP2014119797A
Application number: JP2012272292A
Authority: JP
Inventors: Takahiko Mori; 貴彦森
Original assignee: Institute of National Colleges of Technologies Japan
Current assignee: Institute of National Colleges of Technologies Japan
Priority date: 2012-12-13
Filing date: 2012-12-13
Publication date: 2014-06-30
Anticipated expiration: 2032-12-13
Also published as: WO2014091922A1; JP6006630B2

Abstract

【課題】入力された現在の操作トルクから未来の状態量を予測可能なパワーアシストシステムを提供することを課題とする。
【解決手段】パワーアシストシステム１は、増幅回路、現在偏差生成回路、設定値軌道生成回路、誤差生成回路、参照軌道生成回路、追従誤差生成回路、変化値生成回路、第一積分回路、内部モデル、全変化値生成回路、第一サンプルホールド回路、全状態量生成回路、及び状態量生成回路を有する第一モデル予測制御系と、制約前制御入力値４４を生成する制御器４５、制約後制御入力値４６を生成するリミッター４７、実際の出力値４８を生成するスライダ２、及び内部モデル出力値４９を生成する制御対象の内部モデル５０を有する第二モデル予測制御系Ｓとを具備する。
【選択図】図３

Description

本発明は、モデル予測制御を用いたパワーアシストシステムに関するものであり、特にモデル予測制御を用いた動作制御に基づいて、操作者の操作トルクに対応して人間機械協調系（操作者及び制御対象）における未来の状態量を予測可能なモデル予測制御を用いたパワーアシストシステムに関するものである。

種々の産業分野（医療・福祉分野等）では、操作者（作業者、介護者、動作者等）の動作負担の軽減を目的として、パワーアシストシステム（パワーアシスト装置）に関する技術開発が進められている。ここで、パワーアシストシステムは、操作者の動きによって発生した力（トルク）を力検知センサ等によって検知し、さらに検知したセンサ信号を増幅することにより、アシスト力を発生させるものである。そして、発生したアシスト力に基づいてロボットアーム等の制御対象を制御することが行われている。これにより、重量物の搬送作業等の大きな力を必要とする作業を、操作者によって加えられる小さな力で実現することが可能となり、操作者の動作負担の軽減を行うことができる。

上記パワーアシストシステムの一例を示すと、例えば、医療工学の分野において、上肢切断者のパワーアシストによる日常生活の動作支援を目的として、筋電位センサと力センサとを併用した上肢動作の人間−筋電義手の協調制御に関する試みがなされている。また、力検知センサに加え、操作者の肘や指等の関節角度や関節可動速度、さらには関節の各部位の移動距離等を精細に計測するための複数のセンサを操作者に装着し、これらの複数のセンサによって得られた信号に基づいて制御するパワーアシストシステムも開発されている。

一般的なパワーアシストシステムにおいて、操作者の加えた力の大きさ（トルク量）に対し、発生させるアシスト力の大きさ（アシスト率）を如何に設定するかが大きな問題となる。すなわち、入力された力に対してアシスト率が低い場合、操作者の動作負担が大きくなり、十分な動作負担の軽減効果を得られないことがあった。一方、アシスト率が大きい場合、ロボットアーム等の制御対象の制御量や移動速度が過剰となり、正確な位置へ物品等を移動させることが困難となったり、周囲に危険を及ぼすことがあった。

上述の人間機械協調系の制御を含むプロセス制御において、制御対象の挙動をモデル化し、その挙動モデルを用いて未来の状態量を予測し、予測された未来の状態量に基づいて目標値に近づけるように操作量を決定する「モデル予測制御」が知られている。これにより、制御偏差値が現れてから修正を行う従来のＰＩＤ制御方式では困難であった点を解消することができ、長い応答時間や時間遅れを持つシステムに対して適用可能な高い有用性を備えていた。しかしながら、モデル予測制御方式は、演算量がＰＩＤ制御方式と比べて著しく増大することが知られ、短い演算周期が必要な機械制御系への適用は難しいことが一般に知られている。

これに対し、人−ロボットの協調作業において、可能な限り小さい操作力で、できるだけ目標の最終位置からのずれを小さく抑えることができる上記モデル予測制御を適用したパワーアシスト装置とその適用モデル予測制御方法が提案されている（特許文献１参照）。上記装置及び方法によって、リアルタイムで検出された関節角度ベクトル、手先部位置、及び作業者の力に基づいて、手先粘性係数、その弾性係数、及び作業者の手先自然長位置をリアルタイムに推定し、推定された各値に基づいて、アシスト力を最適化することが可能となり、小さなロボットで位置決め誤差を最小に抑え、ロボットにアシスト力を発生させることができる。

しかしながら、上記パワーアシストシステムは、下記に掲げる問題点を生じることがあった。すなわち、筋電位センサを用いるものは、発生する筋電位信号の大きさにバラツキ等が生じやすく、周囲の環境等の各種要因によって当該信号が大きく影響されることが知られていた。そのため、筋電位センサの信号によって正確な動作制御を行うことが困難なことがあった。また、複数のセンサ等を用いて関節角度や可動速度等を勘案し、パワーアシストを行うものは、予め規定された特定の動きに対しては十分な効果を発揮することが可能であるものの、周囲の条件変化によって特定の動き以外の動作制御が必要となる場合には、臨機応変な対応が困難で、十分な動作支援をすることができないことがあった。

一方、パワーアシスト装置にモデル予測制御を適用したものは、作業者の腕の数学モデルを粘弾性で表すインピーダンスモデルを構築する必要があり、さらにリアルタイムに推定する情報が、作業者の手先粘性係数、弾性係数、手先位置の現在値等の複数の値を必要とするものであり、係る推定のために目標値の最終位置情報を必要とするものであった。そのため、個々の作業者毎に腕の数学モデルを構築する必要があり、作業者が多人数に亘る場合、個々の数学モデルの構築作業に多くの時間を要することがあった。

そこで、本発明は、上記実情に鑑み、人間の動作を支援をすることを目的とし、制御対象をモデル化し、入力された現在の操作トルクから未来の状態量等をリアルタイムで予測し、制御対象の予見制御が可能なモデル予測制御を用いたパワーアシストシステムの提供を課題とするものである。

上記の課題を解決するため、本発明のモデル予測制御を用いたパワーアシストシステム（以下、単に「パワーアシストシステム」と称す）は、「現在の操作トルクから制御対象に対応する内部モデルの未来の制御入力値及び前記内部モデルの未来の状態量を予測する第一モデル予測制御系と、予測された前記未来の状態量から制約された現在の制御入力の最適値に係る制約後制御入力値を演算する第二モデル予測制御系とを具備し、前記第一モデル予測制御系は、入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、生成された前記追従誤差から１ステップ未来の入力変化に係る１ステップ変化値を生成する変化値生成回路と、前記１ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、前記制御対象に対応して構築された２次ローパスフィルタ及び前記制御対象の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、前記制御入力値から１ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路とを具備し、前記追従誤差生成回路は、前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、前記第二モデル予測制御系は、前記未来の状態量から制約前の現在の制御入力の最適値に係る制約前制御入力値を生成する制御器と、前記制約前制御入力値から上限または下限が制約された制約後制御入力値を生成するリミッターと、前記制約後制御入力値から実際の出力値を生成する前記制御対象と、前記制約後制御入力値から内部モデル出力値を生成する制御対象の内部モデルとを具備し、前記制御器は、前記未来の状態量、前記実際の出力値、及び前記内部モデル出力値に基づいて、前記制約前制御入力値を生成する」ものから構成されている。

したがって、本発明のパワーアシストシステムによれば、現在の操作トルクの入力によって第一モデル予測制御系に基づいて未来の制御入力に係るモデル制御値及び制御対象に対応する内部モデルの未来の状態量の予測が可能となり、得られた未来の状態量を第二モデル予測制御系に適用することで、制御対象を実際に制御する際の最適値が求められる。ここで、第二モデル予測制御系は、いわゆる「ＰＦＣ（ＰｒｅｄｉｃｔｉｖｅＦｕｎｃｔｉｏｎａｌＣｏｎｔｒｏｌ）制御」を行うものである。ここで、ＰＦＣ制御は、通常のＰＩＤ制御では非線形性或いは不安定性のために十分な制御性能を発揮することが困難なプロセスに対しても容易に適用可能なものであり、高い制御性能が期待されるものであり、モデル予測制御（ＭＰＣ：ＭｏｄｅｌＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌ）の一種である。さらに、具体的に説明すると、制御入力や制御量の制約条件を数式上で見えるように設定することができ、時間関数（時間領域）で表現された数学モデルを用いることが特徴のＧＰＣ（ＧｅｎｅｒａｌｉｚｅｄＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌ）の特徴とともに、制御入力の値を求めるためにリアルタイムでコンピュータが計算して解く必要がないものである。そのため、コンピュータの計算負荷を大幅に削減することができる利点を有している。したがって、ＭＰＣ制御を基本とする第一モデル予測制御系と、ＰＦＣ制御を基本とする第二モデル予測制御系とを組合わせることにより、計算負荷をかけることなく精度の高い制御対象の予見制御が可能となり、制御対象に入力される制約後制御入力値の最適化を図ることができる。

さらに、本発明のパワーアシストシステムは、上記構成に加え、「前記制御対象の内部モデルは、前記制約後制御入力値を受付け、分解モデル出力値を生成する内部モデルの分解モデルと、前記分解モデルと接続し、前記分解モデル出力値から積分モデル出力値を生成する積分モデルを有する積分器とを具備し、前記制御器は、前記未来の状態量から前記実際の出力値を減算した制御偏差、前記分解モデル出力値、前記積分モデル出力値、及び前記内部モデル出力値の入力をそれぞれ受付ける複数の制御ゲイン」を具備するものであっても構わない。

したがって、本発明のパワーアシストシステムによれば、制御対象の内部モデルを分解モデル及び積分器からなる構成とすることにより、見かけ上は積分器を持たない制御対象の内部モデルを含む第二モデル予測制御系を有することができる。これにより、速度指令型の制御対象について予測制御を行う場合の位置決め制御が可能となる。

さらに、本発明のパワーアシストシステムは、上記構成に加え、「現在の測定外乱の入力を受付け、プロセス内部モデル出力値を生成するプロセスの内部モデルと、前記現在の測定外乱の入力を受付け、プロセス出力値を生成するプロセスと、前記実際の出力値に前記プロセス出力値を加算する加算回路とをさらに具備し、前記制御器は、前記プロセス内部モデル出力値の入力を受付け、前記制約前制御入力値を生成する」ものであっても構わない。

したがって、本発明のパワーアシストシステムによれば、第二モデル予測制御系に、現在の測定外乱（所定の信号系以外から加わる妨害となる信号に相当）を導入することにより、制約前制御入力値は、現在の測定外乱に基づくプロセス内部モデル出力値及びプロセス出力値が加算された実際の出力値を考慮して生成されることになり、係る生成の精度が向上し、最終的に生成される制約後制御入力値をさらに最適化することができる。

本発明の効果として、現在の操作トルクから未来の状態量をリアルタイムで予測することができ、人間の意思よりも先に制御対象の停止位置や操作力等の把握が容易となる。これにより、制御対象の予見制御を行うことができ、安定したパワーアシスト率での制御が可能となる。さらに、未来の状態量をＰＦＣ制御を行う第二モデル予測制御系に入力することにより、上限または下限が規定された制約後制御入力値の最適化が図られる。

第一モデル予測制御系の一部の概略構成を示すブロック線図である。第一モデル予測制御系の概略構成を示すブロック線図である。第二モデル予測制御系の概略構成を示すブロック線図である。第二モデル予測制御系の速度指令型の制御対象に適用した場合の詳細構成を示すブロック線図である。１サンプル毎に予測した２５ステップ先の未来（０．５秒先）を（ａ）縦軸方向に予測した未来の操作トルク、及び（ｂ）縦軸方向に予測した未来の操作トルクを横軸方向に写像した未来の操作トルクのシミュレーション結果をそれぞれ示すグラフである。１サンプル毎に予測した２５ステップ先の未来（０．５秒先）を（ａ）縦軸方向に予測した未来の変位、及び（ｂ）縦軸方向に予測した未来の変位を横軸に写像した未来の変位のシミュレーション結果をそれぞれ示すグラフである。

以下、本発明の一実施形態であるパワーアシストシステム１について、図１乃至図６に基づいて説明する。ここで、本実施形態のパワーアシストシステム１において、パワーアシストの対象となる動作として、物体を「押す」及び「引く」動作を想定している。具体的には、操作者がグリップを把持し、当該グリップから伝わる力覚を感じながらスライダ２（制御対象に相当）を、当該操作者の操作意思（活動意思）に任せて任意の初期位置から目標値まで直線往復運動を行うものを想定している。また、図１乃至図４は、基本的なブロック線図の記載様式に従って作成されたものであり、（１）加え合わせ点（図中の「○」に相当）、（２）引き出し線（図中の「●」に相当）、及び（３）伝達要素（図中の四角枠部分に相当、ブロック）の三つの要素から構成され、各制御系における信号（情報）等の信号伝達の様子を表したものである。ここで、加え合わせ点において、２つ（またはそれ以上）の信号の和または差が、加え合わせ点に入る信号に「＋」或いは「−」を付して示したものである。また、伝達要素は、入力された信号に対しブロック内の関数（配列等）を作用させることで変換された信号が出力されるものである。

本実施形態のパワーアシストシステム１は、図１乃至図６に示すように、現在の操作トルク３から未来の制御入力に係る制御入力値４及び未来の状態量５を予測するものであり、２次ローパスフィルタ６及びスライダ２の数学モデル７に基づく第一モデル予測制御系Ｆと、予測された未来の状態量５から未来の制御入力に係る最適値に係る制約後制御入力値４６を生成するための第二モデル予測制御系Ｓとの組合わせによって構成されている。ここで、図１は第一モデル予測制御系Ｆにおいて現在の操作トルク３から未来の制御入力に係る制御入力値４を予測するための構成を抽出したものであり、図２は当該制御入力値４に基づいて未来の状態量５を予測するための第一モデル予測制御系Ｆの全体を表したものである。

さらに具体的に説明すると、第一モデル予測制御系Ｆは、図１及び図２に示されるように、入力された操作トルク３を増幅し、増幅操作トルク９を生成する増幅回路１０と、現在の目標値１１から増幅操作トルク９を減算し、現在の偏差１２を生成する現在偏差生成回路１３と、現在の目標値１１から未来の操作トルクに係る設定値軌道１４を生成する設定値軌道生成回路１５と、現在の偏差１２から未来の操作トルクに係る誤差１６を生成する誤差生成回路１７と、生成された設定値軌道１４から誤差１６を減算し、未来の操作トルクに係る参照軌道１９を生成する参照軌道生成回路２０と、生成された参照軌道１９から未来の操作トルクに係る追従誤差２１を生成する追従誤差生成回路２２と、生成された追従誤差２１から予測コントローラのフィードバックゲインに基づいて１ステップ未来の入力変化に係る１ステップ変化値２３を生成する変化値生成回路２４と、１ステップ変化値２３を積分し、内部モデル２８の制御入力値４を生成する第一積分回路２５と、スライダ２に対応して構築された２次ローパスフィルタ６及びスライダ２の数学モデル７を含み、制御入力値４からモデル状態量２６を生成する内部モデル２８と、生成された追従誤差２１から全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値２９を生成する全変化値生成回路３０と、制御入力値４から１ステップ過去の制御入力に係る過去制御入力値３１を生成する第一サンプルホールド回路３２と、全ステップ変化値２９に未来の全状態量の基礎となる第一基礎係数３３を積算した第一全状態量３４、過去制御入力値３１に未来の全状態量の基礎となる第二基礎係数３５を積算した第二全状態量３６、及びモデル状態量２６に未来の全状態量の基礎となる第三基礎係数３７を積算した第三全状態量３８をそれぞれ加算し、未来の全状態量３９を生成する全状態量生成回路４０と、未来の全状態量３９から変位情報のみを抽出し、未来の状態量５を生成する状態量生成回路４１とを具備し、追従誤差生成回路２２は、第二全状態量３６から操作トルク３のみを抽出する第二トルク係数４２を積算した値、及び、第三全状態量３８から操作トルク３のみを抽出する第三トルク係数４３を積算した値をそれぞれ参照軌道１９から減算することによって追従誤差２１が生成されるものである。

ここで、操作トルク３とは、操作者が実際にスライダ２のグリップを把持し、所定方向に加えたトルクの大きさに係る情報（信号）であり、増幅操作トルク９とは、増幅回路１０を介して当該操作トルク３の情報を規定の増幅率に基づいて信号増幅したものである。そして、現在の操作トルク３から増幅操作トルク９の値を減算することにより、現時刻における現在の目標値１１からの偏り（現在の偏差１２）が求められる。さらに、この現在の偏差１２に未来の操作トルクに係る誤差１６を生成するための配列を積算することにより（誤差生成回路１７）により、当該誤差１６が求められる。一方、現在の目標値１１に未来の操作トルクに係る設定値軌道１４を生成するための配列を積算することにより（設定値軌道生成回路１５）、当該設定値軌道１４が求められる。求められた設定値軌道１４から誤差１６を減算することにより（参照軌道生成回路２０）、未来の操作トルクに係る参照軌道１９が生成される。係る参照軌道１９が内部モデル２８における取り敢えずの目標値となる。

ここで、第一モデル予測制御系Ｆにおいて構築された内部モデル２８は、設計モデルに相当し、スライダ２の数学モデル７と２次ローパスフィルタ６を含んで一体的に構成されている。本実施形態の内部モデル２８に２次ローパスフィルタ６を適用することにより、状態空間の拡大が可能となる。その結果、フィードバック情報の中に操作トルク３に関する情報を含めることが可能となり、これに基づいて追従誤差２１を計算することが可能となる。２次ローパスフィルタ６は、フィルタ回路の一種として知られ、一般にある遮断周波数より高い周波数の帯域を減衰させるために主に用いられている。したがって、本実施形態に適用することにより、内部モデル２８の制御入力値４に含まれるノイズを、２次ローパスフィルタ６の減衰効果によって減衰させる効果も併せて有している。

そして、参照軌道１９から追従誤差生成回路２２を経て生成された追従誤差２１は、予測コントローラのフィードバックゲインに基づいて１ステップ未来の入力変化に係る１ステップ変化値２３が生成される。これにより、現時刻よりも１ステップ先（例えば、０．０２秒先）の値が予測される。そして、得られた値を第一積分回路２５で積分することにより、内部モデル２８に対して入力される制御入力値４が求められる。ここで、予測コントローラとはモデル予測制御において使用される周知のモデル予測制御フィーダコントローラが相当し、入力された追従誤差２１に係る信号に基づいて、１ステップ変化値２３が生成される。

さらに、生成された制御入力値４を第一サンプルホールド回路３２に通す。ここで、サンプルホールド回路は、一般に変化している値を、ある時点において一時的に保持するための回路であり、ＡＤコンバータによるアナログ信号をデジタル信号に変換する際に用いるものである。これにより、第一サンプルホールド回路３２を経た信号は、現時刻よりも１ステップ過去の制御入力値（過去制御入力値３１）となる。係る過去制御入力値３１に未来の全状態量の元となる係数（第二基礎係数３５）を積算し第二全状態量３６を求め、さらに第二全状態量３６から操作トルク３に関する情報のみを抽出する第二トルク係数４２を積算した値を求める。さらに、制御入力値４が入力された内部モデル２８から出力されるモデル状態量２６に対し、未来の全状態量の元となる係数（第二基礎係数３５）を積算して第三全状態量３８を求め、さらに第三全状態量から操作トルク３に係る情報のみを抽出する第三トルク係数４３を積算した値を求める。そして、それぞれ求めた２つの値を参照軌道１９から減算することにより、フィードバック情報に基づいた追従誤差２１が生成される（追従誤差生成回路２２）。これにより、内部モデル２８の制御入力値４がフィードバック情報を考慮して生成されることになる。

さらに、第一モデル予測制御系Ｆは、図２に示すように、未来の操作トルクに係る追従誤差に対して全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値２９を生成し（全変化値生成回路３０）、前述した第二基礎係数３５を過去制御入力値３１に積算した第二全状態量３６、及び第三基礎係数３７をモデル状態量２６に積算した第三全状態量３８に加え、生成された全ステップ変化値２９に未来の全状態量の元となる第一基礎係数３３を積算し得られた第一全状態量３４をそれぞれ加算することにより、未来の全状態量３９を生成する（全状態量生成回路４０）。そして、生成された未来の全状態量３９に対し、変位情報のみを抽出する配列を積算することにより、設定値軌道に係る未来の状態量５が求められる（状態量生成回路４１）。

これにより、最終的に現在の操作トルク３から、未来の状態量５に関する情報を得ることができる。その結果、２次ローパスフィルタ６及び数学モデル７から一体的に形成された内部モデル２８に係る過去、現在、未来に関する情報から、未来の全状態量３９（例えば、操作トルク、スライダ２のグリップ位置、或いはグリップの移動速度等）をリアルタイムですべて予測しすることが可能となる。

さらに、本実施形態の第一モデル予測制御系Ｆは、下記に掲げる特徴を有している。すなわち、通常のフィードバックループ回路の代替として、外部からの情報（操作トルク３）を用い、現在の目標値１１との間での現在の偏差１２を求めることを行っている。また、２次ローパスフィルタ６及びスライダ２の数学モデル７を一体化した内部モデル２８を構築することにより、状態空間の拡大を図ることができ、フィルタ処理された近似的な操作トルク及びその微分値を得ることができる。また、未来の操作トルクに係る追従誤差２１に対し、離散モデルに基づく予測モデルを適用することにより、未来の全状態量を得ることができる。

一方、第二モデル予測制御系Ｓは、第一モデル予測制御系Ｆによって生成された未来の状態量５から制約前の現在の制御入力の最適値に係る制約前制御入力値４４を生成する制御器４５と、制約前制御入力値４４から上限または下限が制約された制約後制御入力値４６を生成するリミッター４７と、制約後制御入力値４６から実際の出力値４８を生成するスライダ２と制約後制御入力値４６から内部モデル出力値４９を生成する制御対象（スライダ２）の内部モデル５０と、現在の測定外乱５１の入力を受付け、プロセス内部モデル出力値５２を生成するプロセスの内部モデル５３と、現在の測定外乱５１の入力を受付け、プロセス出力値５４を生成するプロセス５５と、実際の出力値４８にプロセス出力値５４を加算する加算回路５６とを具備し、制御器４５は未来の状態量５、実際の出力値４８、内部モデル出力値４９、及びプロセス内部モデル出力値５２に基づいて、制約前制御入力値４４を生成するものである。なお、制御対象の内部モデル５０は、第一モデル予測制御系Ｆにおけるスライダ２の数学モデル７と同一のものであるが、それぞれ入力対象及び出力対象が相違するため、異なる符号を付して示している。

すなわち、第二モデル予測制御系Ｓは、第一モデル予測制御系Ｆからの出力結果（未来の状態量５）に基づき、現在の制御入力に係る最適値に相当する制約後制御入力値４６を演算することができるものであり、ＰＦＣ制御を行うものである。具体的に説明すると、未来の状態量５を制御器４５に入力し、係る制御器４５内で実際の出力値４８及び内部モデル出力値４９などに基づいて生成された値を結合することにより、上限または下限の制約がない制約前制御入力値４４を生成し、その後、所定の条件で上限または下限が設定されたリミッター４７を通すことにより制約後制御入力値４６を生成するものである。ここで、生成された制約後制御入力値４６は、その後、制御対象（スライダ２）の内部モデル５０に入力されることにより内部モデル出力値４９を生成し、次ステップ以降の制約前制御入力値４４の寄与することになる。また、制御対象であるスライダ２に実際に入力し、その出力結果である実際の出力値４８を得ることで、内部モデル出力値４９と同様に次ステップ以降の制約前制御入力値４４の生成に寄与することができる。さらに、本実施形態のパワーアシストシステム１は、現在の測定外乱５１（妨害となる信号、ノイズ）の入力を受付け、これに基づいて出力されたプロセス内部モデル出力値５２及びプロセス出力値５４を制約前制御入力値４４の生成に寄与させることができる。このとき、測定外乱５１からスライダ２の実際の出力値４８の生成までの伝達特性（プロセス）は陽に扱う必要がある。これにより、制約前制御入力値４４の生成に係る精度を高めることができる。なお、現在の測定外乱５１の影響が大きくない場合には、プロセス内部モデル出力値５２及びプロセス出力値５４を生成しないものであっても構わない。

第二モデル予測制御系Ｓについて図４に基づいてさらに詳細に説明すると、本実施形態におけるスライダ２のような“速度指令型制御対象”を扱う場合、そのままで位置決め制御を行うことができない。そこで、制御対象の内部モデル５０を、第一分解モデル５７ａ及び第二分解モデル５７ｂからなる分解モデル５８と、分解モデル５８と接続した、積分モデル５９を有する積分器６０とによって構成し、見かけ上は積分器を有さないものを構成する。ここで、制御対象の内部モデル５０は、（第一分解モデル＋第二分解モデル）／（１＋積分モデル）で表される。なお、図４において、現在の測定外乱５１の影響を考慮しないものを図示している。

制御対象の内部モデル５０は、リミッター４７によって生成され、出力された制約後制御入力値４６の入力をそれぞれの第一分解モデル５７ａ及び第二分解モデル５７ｂで受付けることにより第一分解モデル出力値６１ａ及び第二分解モデル６１ｂを出力する機能、及び、第一分解モデル出力値６１ａ及び第二分解モデル出力値６１ｂを加え合わせた値の入力を受付けるとともに、積分モデル５９から出力された積分モデル出力値６２を減算することで内部モデル出力値４９を出力する機能を備えている。なお、積分モデル出力値６２は、１ステップ前の内部モデル出力値４９を積分モデル５９に入力することによって生成される。

また、制御器４５は、第一分解モデル５７ａから出力される第一分解モデル出力値６１ａ、第二分解モデル５７ｂから出力される第二分解モデル出力値６１ｂ、積分モデル５９から出力される積分モデル出力値６２、及び内部モデル出力値４９の入力を受付ける機能を備えている。具体的には、制御器４５は、第０制御ゲイン６３、第１制御ゲイン６４、第２制御ゲイン６５、第３制御ゲイン６６、及び第４制御ゲイン６７を備えている。ここで、第０制御ゲイン６３は、未来の状態量５から実際の出力値４８を減算した制御偏差６８を比例倍する機能を有し、第１制御ゲイン６４は第一分解モデル出力値６１ａを比例倍する機能を有し、第２制御ゲイン６５は第二分解モデル出力値６１ｂを比例倍する機能を有し、第３制御ゲイン６６は積分モデル出力値６２を比例倍する機能を有し、第４制御ゲイン６７は内部モデル出力値４９を比例倍する機能を有している。そして、それぞれの制御ゲイン６３等を経て出力された値が加え合わされることで制約前制御入力値４４が生成される。

これにより、制御対象のスライダ２についての制約後制約入力値４６（＝最適値）を得ることができる。このとき、制約後制約入力値４６を算出するためには、非線形最適問題を事前に（オフラインで）１回解くだけでよい。すなわち、リアルタイムで計算を行う必要がなく、コンピュータに過大な計算負荷をかけることがない。また、第二モデル予測制御系Ｓのリミッター４７によって、予め変位量、速度、制御入力値などの物理量に対して直接制約をかけることができ、当該物理量に関して上限または下限が設定された制約後制御入力値４６を容易に求めることができる。これにより、パワーアシストシステム１における安全性を向上させることができる。例えば、上述の上肢動作を支援するロボット等の場合、ロボットアームの安全または危険な可動域、或いは安全または危険な速度を予め定義しておくことより、パワーアシストによる制御が制約条件の範囲内に抑えられる。そのため、周囲の人間に対する安全性の確保とともに、パワーアシストシステム１（制御対象）の故障や破損等を防ぐことができる。また、操作ミスにより、過剰な入力があった場合でも当該入力をキャンセルすることができる。また、第一モデル予測制御系Ｆ及び第二モデル予測制御系Ｓにおいて、予測ホライズンは同じ値である必要はない。

本実施形態の各モデル予測制御系Ｆ，Ｓにおいて計算される未来の状態量５は、厳密にプロパーな伝達関数である制御対象の離散モデルに基づく予測モデルを用いて求められるため、一般的に知られているＰＩＤ制御や状態フィードバック制御と異なり、現在（現時刻）から設定した未来の時刻までの各時刻における全状態量が常にフィルタリングされているものとみなすことができる。その結果、安定的なものとなり、ノイズに対する影響が小さくなる。これにより、高い安定的かつ増幅率の高いパワーアシストシステム１を実現することができる。

次に、本実施形態のパワーアシストシステム１にスライダ２の位置決め動作に係る未来の操作トルク３及び未来の変位に関する数値シミュレーションのシミュレーション結果を図５及び図６に基づいて説明する。ここで、数値シミュレーションの実験を行うための実験装置として、トルクセンサとアナログ速度指令入力型ＤＣサーボモータドライバを介して、ＤＣサーボモータ、プーリ、及びゴムベルトにより直線的に駆動される１自由度のスライダ２を構成さいている。なお、スライダ２のグリップ根本部分に設けられたトルクセンサによって検知された操作トルク３に基づいて、係るスライダ２の駆動が開始され、スライダ２の位置の移動（変位）が生じる。係るスライダ２の移動（変位）を検出するためにポテンショメータが用いられ、さらに各種制御のための制御用コントローラとして市販のパーソナルコンピュータ及びデジタルシグナルプロセッサ（ＤＳＰ）が用いられている。

上記実験装置を使用し、スライダ２の位置決め動作を「引く」に限定した場合の初期位置から目標位置（ここでは、「２００ｍｍ」に設定）までの位置決めをするための適当な操作トルク３を与え、数値シミュレーションを行った。その結果、図５（ａ）に示すように、１サンプル毎の操作トルク３に基づいて、２５ステップ先の未来の参照軌道１９が生成され、操作トルク３の現在の目標値１１に向かうように縦軸方向に向かう予測軌道（図５（ａ）における下向き矢印参照）として予測されていることが確認される。また、図５（ｂ）は、図５（ａ）において予測された参照軌道１９を横軸方向に写像したものである。これによると、現在の操作トルク３を図５（ａ）と比較した場合、予測軌道の方向（傾き）が（図５（ｂ）における右斜め下向き矢印参照）、図５（ａ）の場合と異なっていることが確認される。これは、参照軌道１９が、現在の目標値１１と、１次遅れの減衰性を持つ配列（誤差生成回路１７に相当）によって予測される未来の操作トルクの誤差１６の差をとることによって生成されるためである（図１等参照）。

ここで、予測軌道の方向が大きく相違するものの、予測された現在の操作トルク３や２次ローパスフィルタ６によって雑音除去された操作トルク（内部モデル２８のモデル状態量２６に相当）は、現在の操作トルクより相似形で、かつ少し大きく予測される。一方、実際のスライダ２に対する制約後制御入力値４６は、現在の操作トルク３との単純な相似形ではなく、比較することが困難である。そのため、本実施形態におけるモデル予測制御系Ｆ，Ｓをパワーアシストシステム１に適用する場合、操作トルク３のスケーリングファクタを大きく設定する必要があることが示唆される。

また、図６（ａ）により、未来の設定値軌道（＝未来の状態量５）と予測された未来の参照軌道が、未来の設定値軌道に向かうように縦軸予測されていることが確認される。また、図６（ｂ）は、図６（ａ）において縦軸方向に予測した未来の設定値軌道（未来の状態量５）及び未来の参照軌道をそれぞれ横軸方向に写像したものである。これにより、内部モデル２８のモデル状態量２６に係る変位（図６における内部モデルの出力）と、実際のスライダ２から出力される実際の出力値４８に係る変位（図６における実際の出力）とを比較すると、いずれもそれぞれの予測軌道（未来の状態量５、及び未来の参照軌道）が実際の軌道と近く、ほぼ正しく動作予測が行われているものと判断される。さらに、「内部モデルの出力」と「実際の出力」を比較すると、第一モデル予測制御系Ｆ及び第二モデル予測制御系Ｓのそれぞれにおいて、異なる位置決め動作予測を行っていることが確認される。

以上のシミュレーション結果から、操作トルク３を予測する主に第一モデル予測制御系Ｆ及び未来の変位を予測する第二モデル予測制御系Ｓを組み合わせることにより、現在の操作トルク３に関する情報を入力するだけで、位置決め動作の動作予測が可能であることが確認された。そのため、係る動作予測を採用しパワーアシストシステム１を構築することができる。

その結果、人間の意思よりも先に、制御対象（スライダ２等）の操作トルク３（＝操作力）や停止位置（＝変位）等を予測することが可能となり、パワーアシストシステム１において制御対象の挙動を予見制御することが可能となる。これにより、ロボットアーム等が周囲の物体に衝突する衝突回避機能、或いは緊急時に行う緊急停止操作等を予め予測し、行うことができる。したがって、人間機械協調系のシステムにおいて、正確な位置決め操作を可能とすることで作業効率の向上を図ることができ、さらに操作性自体の向上も可能となる。例えば、上肢動作を支援する義手等のロボットアームを含むロボットに本実施形態のパワーアシストシステムを適用した場合、ロボットアームの位置制御性や可動性が優れたものとなる。また、下肢動作を支援する義足等を含むロボットに本実施形態のパワーアシストシステムを適用した場合、歩行動作時における転倒防止性の向上や周囲状況の変化に対する即応性の向上を図ることができる。

以上、本発明について好適な実施形態を挙げて説明したが、本発明はこれらの実施形態に限定されるものではなく、以下に示すように、本発明の要旨を逸脱しない範囲において、種々の改良及び設計の変更が可能である。

例えば、本実施形態のパワーアシストシステム１として、主にスライダ２を制御対象として想定するものを示したが、これに限定されるものではなく、モータやアクチュエータ等の各種可動機構を備える人間機械協調系の操作制御において適用するものであっても構わない。

１パワーアシストシステム（モデル予測制御を用いたパワーアシストシステム）
２スライダ（制御対象）
３操作トルク
４制御入力値
５未来の状態量
６２次ローパスフィルタ
７数学モデル
９増幅操作トルク
１０増幅回路
１１現在の目標値
１２現在の偏差
１３現在偏差生成回路
１４設定値軌道
１５設定値軌道生成回路
１６誤差
１７誤差生成回路
１９参照軌道
２０参照軌道生成回路
２１追従誤差
２２追従誤差生成回路
２３１ステップ変化値
２４変化値生成回路
２５第一積分回路
２６モデル状態量
２８内部モデル
２９全ステップ変化値
３０全変化値生成回路
３１過去制御入力値
３２第一サンプルホールド回路
３３第一基礎係数
３４第一全状態量
３５第二基礎係数
３６第二全状態量
３７第三基礎係数
３８第三全状態量
３９未来の全状態量
４０全状態量生成回路
４１状態量生成回路
４２第二トルク係数
４３第三トルク係数
４４制約前制御入力値
４５制御器
４６制御後制御入力値
４７リミッター
４８実際の出力値
４９内部モデル出力値
５０制御対象の内部モデル
５１現在の測定外乱
５２プロセス内部モデル出力値
５３プロセスの内部モデル
５４プロセス出力値
５５プロセス
５６加算回路
５７ａ第一分解モデル
５７ｂ第二分解モデル
５８分解モデル
５９積分モデル
６０積分器
６１ａ第一分解モデル出力値
６１ｂ第二分解モデル出力値
６２積分モデル出力値
６３第０制御ゲイン
６４第１制御ゲイン
６５第２制御ゲイン
６６第３制御ゲイン
６７第４制御ゲイン
６８制御偏差
Ｆ第一モデル予測制御系
Ｓ第二モデル予測制御系

特開２００７−７６８０７号公報

Claims

現在の操作トルクから制御対象に対応する内部モデルの未来の制御入力値及び前記内部モデルの未来の状態量を予測する第一モデル予測制御系と、
予測された前記未来の状態量から制約された現在の制御入力の最適値に係る制約後制御入力値を演算する第二モデル予測制御系と
を具備し、
前記第一モデル予測制御系は、
入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、
現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、
前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、
前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、
生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、
生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、
生成された前記追従誤差から１ステップ未来の入力変化に係る１ステップ変化値を生成する変化値生成回路と、
前記１ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、
前記制御対象に対応して構築された２次ローパスフィルタ及び前記制御対象の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、
生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、
前記制御入力値から１ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、
前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、
前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路と
を具備し、
前記追従誤差生成回路は、
前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、
前記第二モデル予測制御系は、
前記未来の状態量から制約前の現在の制御入力の最適値に係る制約前制御入力値を生成する制御器と、
前記制約前制御入力値から上限または下限が制約された制約後制御入力値を生成するリミッターと、
前記制約後制御入力値から実際の出力値を生成する前記制御対象と、
前記制約後制御入力値から内部モデル出力値を生成する制御対象の内部モデルと
を具備し、
前記制御器は、
前記未来の状態量、前記実際の出力値、及び前記内部モデル出力値に基づいて、前記制約前制御入力値を生成することを特徴とするモデル予測制御を用いたパワーアシストシステム。
前記制御対象の内部モデルは、
前記制約後制御入力値を受付け、分解モデル出力値を生成する内部モデルの分解モデルと、
前記分解モデルと接続し、前記分解モデル出力値から積分モデル出力値を生成する積分モデルを有する積分器と
を具備し、
前記制御器は、
前記未来の状態量から前記実際の出力値を減算した制御偏差、前記分解モデル出力値、前記積分モデル出力値、及び前記内部モデル出力値の入力をそれぞれ受付ける複数の制御ゲインを具備することを特徴とする請求項１に記載のモデル予測制御を用いたパワーアシストシステム。
現在の測定外乱の入力を受付け、プロセス内部モデル出力値を生成するプロセスの内部モデルと、
前記現在の測定外乱の入力を受付け、プロセス出力値を生成するプロセスと、
前記実際の出力値に前記プロセス出力値を加算する加算回路と
をさらに具備し、
前記制御器は、
前記プロセス内部モデル出力値の入力を受付け、前記制約前制御入力値を生成することを特徴とする請求項１または請求項２に記載のモデル予測制御を用いたパワーアシストシステム。