JP2015045963A

JP2015045963A - 自律制御方法及び自律制御装置並びにこれを搭載した機器

Info

Publication number: JP2015045963A
Application number: JP2013176168A
Authority: JP
Inventors: 建蔵野波; Kenzo Nonami; 一磨北澤; Kazuma Kitazawa; 岩倉　大輔; Daisuke Iwakura; 大輔岩倉
Original assignee: Chiba University NUC
Current assignee: Chiba University NUC
Priority date: 2013-08-27
Filing date: 2013-08-27
Publication date: 2015-03-12

Abstract

【課題】実機においても有効性のある自律制御方法及び自律制御装置並びにこれを搭載した機器を提供する。
【解決手段】本発明の一観点にかかる自律制御方法は、リアルタイムシステム同定を行うステップ、制御部のゲインのチューニングを行うステップ、を実行することを特徴の一つとする。なおこの場合において、マニュアル操作による入力信号に基づき行われることが好ましい。
また、本発明の他の一観点に係る自律制御装置は、リアルタイムシステム同定部、制御部のゲインのチューニングを行うゲインチューニング部と、を備える。
また、本発明の他の一観点に係る自律制御機器は、リアルタイムシステム同定部、制御部のゲインのチューニングを行うゲインチューニング部と、を有する自律制御装置を備える。
【選択図】図１

Description

本発明は、自律制御方法及び自律制御装置並びにこれを搭載した機器に関する。

自然災害・人的災害の発生時における被害情報収集と伝達は非常に重要な事項である。この被害情報収集手段として、無人飛行体（ＵｎｍｍａｎｎｅｄＡｉｒＶｅｈｉｃｌｅ：ＵＡＶ）が注目されてきている。

しかしながら、ＵＡＶを自在に操縦するためには卓越した操縦技術が必要であり、オペレータの有視界外では飛行が不可能であるといった問題が存在する。特に、ＵＡＶの操縦には複数の入力が必要であり、安定した飛行を行うことができるようには訓練が必須であり、多くの労力と時間を要する。

これに対し、ＵＡＶの自律飛行制御を確立することができれば、上記問題を大きく改善することができる。ＵＡＶの自律飛行制御に関する試みに関する技術としては、例えば非特許文献１に記載の技術がある。

下記非特許文献１には、４発ロータ型ヘリコプタに対し、ＰＩＤ制御とファジィ制御側を組み合わせることで、機器の質量が増加しても水平方向に安定した制御を行う技術が開示されている。

"ＰａｔｈＴｒａｃｋｉｎｇｏｆＵＡＶＵｓｉｎｇＳｅｌｆ-ＴｕｎｉｎｇＰＩＤＣｏｎｔｒｏｌｌｅｒＢａｓｅｄｏｎＦｕｚｚｙＬｏｇｉｃ"，ＴｈｅｅｒａｓａｋＳａｎｇｙａｍ，ＰｉｎｅｄＬａｏｈａｐｉｅｎｇｓａｋ，ＷｏｎｌｏｐＣｈｏｎｇｃｈａｒｏｅｎ，ａｎｄＩｔｔｈｉｓｅｋＮｉｌｋｈａｍｈａｎｇ，ＳＩＣＥＡｎｎｕａｌＣｏｎｆｅｒｅｎｃｅ，２０１０

しかしながら、上記非特許文献１に記載の技術はあくまでシミュレーションであって、質量増加に伴う慣性モーメントの数値に不確かさが含まれており実機での有効性には課題が残る。

そこで、本発明は、実機においても有効性のある自律制御方法及び自律制御装置並びにこれを搭載した機器を提供することを目的とする。

上記課題を解決する本発明の一観点に係る自律制御方法は、（１）リアルタイムシステム同定を行うステップ、（２）制御部のゲインのチューニングを行うステップ、を含む。

また、本発明の他の一観点に係る自律制御装置は、（１）リアルタイムシステム同定部、（２）制御部のゲインのチューニングを行うゲインチューニング部と、を備える。

また、本発明の他の一観点に係る機器は、（１）リアルタイムシステム同定部、（２）制御部のゲインのチューニングを行うゲインチューニング部と、を有する制御装置を備える。

以上、本発明により、実機においても有効性のある自律制御方法及び自律制御装置並びにこれを搭載した機器を提供することができる。

実施形態に係る自律制御装置の機能ブロックを示す図である。規範モデルの目標値ステップ応答を示す図である。連続時間系Ｉ−ＰＤ制御則のブロック線図である。従来手法と、本実施形態にかかる方法との比較を示す図である。

以下、本発明の実施形態について図面を用いて説明する。ただし、本発明は多くの異なる形態による実施が可能であり、以下に記述する具体的な例示にのみ限定されるわけではない。

図１は、本実施形態に係る自律制御装置（以下「本制御装置」という。）を搭載した機器（以下「本機器」という。）の機能ブロックを示す図である。本図で示すとおり、本制御装置は機器に搭載可能であり、本制御装置が搭載された機器は安定した自律制御が可能となる。

本機器は、自律制御の対象となりうる限りにおいて限定されず、マルチローターヘリコプタ、無人航空機、自動車、海上・海中・海底ロボット、移動ロボット、ロボットマニピュレータ等の移動装置に好適なものであるが、これ以外であっても、動く機械であれば適用可能である。また、他に高通信号の最適化やエレベータ等の自律運転にも適用可能である。なお、本実施形態では説明を分かりやすく行う観点からマルチローターヘリコプタの例を用いて説明する。

本制御装置は、本図で示すように４つの部を備えて構成されている。この４つとは、リアルタイムシステム同定部、制御部のゲインのチューニングを行うゲインチューニング部、制御部、センサノイズ除去部である。

本制御装置において、リアルタイムシステム同定部は、限定されるわけではないが、機器の高度モデル等、制御において用いられる各種モデルをリアルタイムにシステム同定する処理を行う。

このモデルをリアルタイムにシステム同定する処理は、限定されるわけではないが、操縦装置からの制御入力と機器に設けられたセンサに基づきモデルをシステム同定処理することが好ましい。また、この場合において、操縦装置からの制御入力は、機器を操縦する人間（ユーザー）によるいわゆるマニュアル操縦により得られる制御入力であることが好ましい。ヘリコプタの例でいえば、プロポからの制御入力が該当する。

本制御装置におけるリアルタイムシステム同定部は、上記の処理を行った結果作成したパラメータ等のデータをゲインチューニング部に送る。

ところで、機器がヘリコプタ等の場合、高度モデルを採用することができる。この高度モデルの例及びシステム同定の流れについて下記に示しておく。まず、連続時間系の高度モデルは下記で示される。

ところで、上記式に係る高度モデルを離散化すると下記式のとおりとなる。

ここで、上記の離散時間系高度モデルの伝達関数を差分方程式で表現すると以下のように表すことができる。

更に、高度モデルの差分方程式は以下のように表現することができる。

ここで、上記式のθを同定するために上記式に対応して次の同定モデルを定義する。

更に、システム同定の推定誤差ε_ｚ（ｋ）を以下のように定義する。

この推定誤差ε_ｚ（ｋ）を漸近的に０に収束させるようにリアルタイムで調整を行うことでシステム同定が可能となる。

またこの場合のパラメータ調整の方法としては、限定されるわけではないが、固定トレースゲイン法であることが好ましい。これは、固定トレースゲイン法が、パラメータ調整則として一般的な逐次最小二乗法と比較して推定パラメータの収束速度が速く、ＰＥ性（ＰｅｒｓｉｓｔｅｎｔｌｙＥｘｃｉｔｉｎｇ）を満たさない環境下でも真値への収束を保証しているためである。

ここで、上記固定トレースゲイン法を用いた離散時間系演算アルゴリズムを下記に示しておく。

そして、上記式（具体的には第１、３、４段の式）を逐次的に更新していくことで未知のパラメータを推定することが可能となる。

次に、ゲインチューニング部は、制御部において用いられるパラメータを決定し、ゲインデータとして制御部に対して出力する部である。限定されるわけではないが、上記の例において、目標値ｒ（ｔ）から出力値ｙ_ｚ（ｔ）の閉ループ系連続時間系伝達関数Ｇ_ｒｙ（ｓ）は以下のようになる。

そして、上記式の逆数を取ると以下のようになる。

そして、上記式をラプラス領域ｓ＝０近傍でテイラー展開を行うと以下のような級数展開によって近似することができる。

ここで、下記のように規範モデルを定義する。また、規範モデルの目標値ステップ応答を図２に示しておく。なお、下記式の規範モデルは、アクチュエータの動作特性を１次遅れ系、機器の動特性を２次遅れ系と仮定し規範モデルの設計を行っている。

ここで、規範モデルの各設計パラメータＴ、ω、ζの値は下記であるとした。

なお、上記式を整理すると、下記のように表現することができる。

また、上記式で表現される規範モデルＧ_Ｍ（ｓ）の逆数は以下で示される。

この結果、上記した閉ループ閉伝達関数の逆数式と上記した規範モデルの逆数式のラプラス演算子の各次数項を比較することで、下記のＫ_Ｐ、Ｋ_Ｉ、Ｋ_Ｄを求めることができる。

ところで、上記連続時間系の高度モデルの各パラメータとＩ−ＰＤ制御則のＫ_Ｐ、Ｋ_Ｉ、Ｋ_Ｄは、逐次的に推定されるものであるため、上記式を次のように表現しなおすことができる。

ところで、上記した閉ループ閉伝達関数や上記規範モデルは連続時間系で記述してきたものの、リアルタイムシステム同定部で推定されるパラメータは上記したとおり離散時間系のモデルのパラメータであるため、リアルタイムシステム同定部で推定されたパラメータは直接調整則に用いることができないといった問題が生じうる。

ここで、本実施形態では、システム同定部で推定されるパラメータを近似的に連続時間系のパラメータへ変換させることによってシステム同定部とゲインチューニング部を結合させている。この方法によると、ゲインチューニング部の調整則を連続時間系のまま用いることができるため全体のアルゴリズムが簡略化できるといった利点がある。

まず、ここでも、上記のように高度モデルを例に説明する。高度モデルの連続時間系伝達関数は以下で表すことができる。

そして、上記式の各次数の係数をまとめて以下のように表現することができる。

また、上記式の連続時間系伝達関数を離散時間系伝達関数に変換するために、まず上記式に対してデルタ変換を行う。すると下記の式となる。

なお、上記式においてδはデルタ演算子であり、下記に示す関係がある。

ここで、デルタ変換について補足を加える。デルタ演算子とラプラス演算子には下記に示す関係がある。

つまり、サンプリング周期Ｔｓを０に近づけることによってデルタ演算子δとラプラス演算子ｓが一致する。よって、デルタ変換を行うことによって連続時間系と離散時間系の対応関係を理解しやすい利点がある。また、連続時間系が最小位相系であれば、離散時間系も最小位相系を保証される。

上記デルタ変換後の式に、上記デルタ演算子とラプラス演算子の関係式を代入すると、離散時間系伝達関数に変換することができる。

そして、上記式の各シフト演算子次数の係数をまとめて以下のように表現することができる。

ここで連続時間系と離散時間系の各パラメータの関係は以下である。

上記式により、離散時間系の各パラメータが得られることができた場合、以下の演算により連続時間系の各パラメータに変換することができる。

ここで、上記連続時間系と離散時間系の各パラメータの関係式からａ_ｃｐ１を二通りの関係式から求めることができる。一方だけを用いる方法でもよいが、ここではこの二通りから演算されるａ_ｃｐ１の平均を取り、その平均値をａ_ｃｐ１であるとみなし、調整則に用いることとする。

よって、上記式の離散時間系の各パラメータは、上記リアルタイムシステム同定部で推定されるため、以下のような表現を用いることができる。

制御部は、上記ゲインチューニング部から出力されるゲインデータに基づき制御を行う部である。なお、限定されるわけではないが、制御部とゲインチューニング部の間にはスイッチが設けられており、所定のタイミングに一度制御部の上記ゲインデータの更新を行うこととするのが好ましい。このタイミングについては限定されるわけではないが、マニュアル操作から自律飛行に切り替えた瞬間であることは好ましい一例である。もちろん、常時制御部を更新する設定に変更することも可能である。

制御部が行う制御は、限定されるわけではないが、Ｉ−ＰＤ制御則、より具体的には比例微分先行型ＰＩＤ制御則を用いることが好ましい。ここで、本制御部が行うＩ−ＰＤ制御則について説明しておく。

まず、連続時間系Ｉ−ＰＤ制御則は、下記式で示される。また、連続時間系Ｉ−ＰＤ制御則をブロック線図で表すと図３のようになる。

Ｉ−ＰＤ制御則は、ＰＩＤ制御則の比例動作と微分動作を制御量ｙ（ｔ）のみに働くようにした制御部である。上記式をＩ−ＰＤ制御則に書き換えると下記のようになる。

この結果、Ｉ−ＰＤ制御則は２自由度制御系と等価であり、入力ｒ（ｓ）、ｄ（ｓ）から出力ｙ（ｓ）への伝達関数Ｇｒｙ（ｓ）、Ｇｄｙ（ｓ）は、下記のようになる。

つまり、Ｉ−ＰＤ制御則では、目標値信号ｒ（ｔ）を２次遅れ要素の目標値フィルタＣ２（ｓ）に通すことによって滑らかにし、通常のＰＩＤ制御則を行っている。また、Ｉ−ＰＤ制御則の入力外乱特性は通常のＰＩＤ制御則と変わらない。

本機器では、上記の結果、制御部からの出力に基づき機器のモータ等の駆動部を制御する。

また、本実施形態において、センサノイズ部は、センサにおけるノイズを除去するためのものである。センサノイズ部は、図１で示すように、機器からの出力に対してノイズ除去を行い、この結果を制御部及びリアルタイムシステム同定部に出力する。

本実施形態において、センサノイズを除去する手段としては、限定されるわけではないが、カルマンフィルタを用いることが好ましい。一般に、機器のセンサは安価なものを用いたいという要求があり、例えば機器がＵＡＶである場合、機器の高度は安価な気圧センサを用いているため屋外で用いる場合にはセンサの測定値に多くのノイズが入ってしまう。このノイズを除去するためにカルマンフィルタが好適である。カルマンフィルタではなく低周波フィルタを用いると、時間遅れが生じてしまい制御部に悪影響を与えてしまう虞があり、また、センサの測定値が異常値を示してもこれを排除するのが容易ではない一方、カルマンフィルタによると、上記時間遅れが生じる虞が少なく、また異常値があった場合であってもセンサの測定値を推定してくれるため安定した測定値を得られることができるためである。このことにより安価なセンサとカルマンフィルタを用いることによってノイズが多い屋外でも精度良く機器の高度を測定することが可能となる。

ここで、本実施形態の高度制御について説明しておく。今回は機器の高度制御について記述する。先に述べた問題点の解決策を述べる前に本発明の動作の流れを説明する。

まず、機器をマニュアル操縦する。そして、マニュアル操縦開始から所定の期間経過後にリアルタイムシステム同定が開始されると共にシステム同定データを用いて自動的に制御部のチューニングを行う。このマニュアル操縦する所定の期間としては、限定されるわけではないが、１０秒以上１分以内であることが好ましい。

そして上記所定の期間経過後、マニュアル操縦から自律飛行制御モードに切り替わるとゲインチューニング部の各パラメータが制御部に渡され、自律飛行を行うことができるようになる。

本実施形態によると、システム(機器)の入力(例えばプロポのＰＰＭ信号)から出力(例えば機器の高度)までを３次の伝達関数と仮定し、リアルタイムでシステム同定を行うことで機器の動特性やセンサの時間遅れなどシステムの全ての動特性を陽に考慮したモデルを得ることができる。

また、本実施形態によると、上述したようにリアルタイムシステム同定によって得られたモデルを用いて部分モデルマッチング法により制御部の各パラメータを自動的にチューニングする。このため、機器のマニュアル操縦を行うことができれば制御理論の知識が無い者でも容易にチューニングを行うことができると共に誰でも同じ制御性能を持った制御部を設計することが可能となる。

なお図４に、従来の手法と本発明手法のシステム同定から自律制御動作までの流れを示す。従来手法ではステップ１からステップ５まであるのに対して、本実施形態にて述べた方法ではステップ１とステップ２しかない。そのため、産業用を考えた時にチューニング作業のコストが劇的に削減される。従来手法では熟練者が作業を行った場合に約１時間掛かるのに対して、本発明手法では機器をマニュアル操縦できる者だったら約１分で行うことができる。そのため、産業用を考えた時にチューニング作業に掛かる時間が１／６０程度にまで短縮できるため、チューニング作業コストを劇的に削減することがでる。また、従来手法では制御理論や機器に関する知識を持った熟練者でなければチューニングを行うことができなかったが、本発明では機器をマアニュアル操縦できる者だったら誰でも同じ制御性能を持ったチューニングを行うことが可能である。

本発明は、自律制御方法、自律制御装置及びこれを搭載した移動装置として産業上の利用可能性がある。

Claims

リアルタイムシステム同定を行うステップ、
制御部のゲインのチューニングを行うステップ、を実行する自律制御方法。
前記リアルタイムシステム同定は、マニュアル制御による制御入力に基づき行われる請求項１記載の自律制御方法。
リアルタイムシステム同定部、
制御部のゲインのチューニングを行うゲインチューニング部と、を備える自律制御装置。
リアルタイムシステム同定部、制御部のゲインのチューニングを行うゲインチューニング部と、を有する自律制御装置を備える機器。