JP2018018398A - 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 - Google Patents
適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 Download PDFInfo
- Publication number
- JP2018018398A JP2018018398A JP2016149781A JP2016149781A JP2018018398A JP 2018018398 A JP2018018398 A JP 2018018398A JP 2016149781 A JP2016149781 A JP 2016149781A JP 2016149781 A JP2016149781 A JP 2016149781A JP 2018018398 A JP2018018398 A JP 2018018398A
- Authority
- JP
- Japan
- Prior art keywords
- control
- model
- information
- adaptive
- input
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 abstract description 28
- 238000012546 transfer Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241000255925 Diptera Species 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 206010049040 Weight fluctuation Diseases 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
【課題】実機においても有効性のある適応制御方法、適応制御装置およびこの適応制御装置を備えた機器を提供する。【解決手段】小型ヘリコプター1は、機体10の高度目標データS3ならびに加速度データS1と気圧データS2とに基づく推定高度データS4をI−PDゲインKI、KP、KDを用いてフィードバック演算することにより機体10のローター部11〜16に入力される制御データS5を生成する。また、小型ヘリコプター1は、ローター部11〜16に入力されるスロットル入力データS51および加速度データS1に基づいて機体10のモデルを生成し、このモデルに応じてI−PDゲインKI、KP、KDを調整する。【選択図】図9
Description
本発明は、適応制御方法、適応制御装置およびこの適応制御装置を備えた機器に関する。
無人ヘリコプターは、空中停止や垂直離着陸等の他の航空機にはない飛行特性を有していることや、有人機と比較してそのコストやリスクが少ないことなどから、農薬散布や物資運送等の様々な産業分野への活用が進められている。
このような無人ヘリコプターとして、近年、小型の電動型マルチローターヘリコプターが注目されている。マルチローターヘリコプターは、一般的なシングルローターヘリコプターと比べてそのメカニズムが単純であるため製造が容易であり、ローターを回転させるモータの回転数制御のみで飛行可能であるため飛行制御も比較的容易であるという利点がある。
一般に無人へリコプターの操縦は非常に難易度が高く、オペレータにおいて十分な訓練が必要となる。加えて、オペレータによる操縦のみで運用する場合には有視界外で飛行させることができない。そのため、無人ヘリコプターを産業分野に応用するためには自律制御は必須となる。
また、無人ヘリコプターに農薬散布や物資運送等のタスクを行わせる際には、飛行中に重量変動が生じるので、無人ヘリコプターの制御器に組み込んだ制御モデルと実機とにずれが生じて、制御器の劣化を生じる。そのため、無人ヘリコプターには、制御対象である自機体の動特性変動や外乱等の環境条件の変動に応じて制御器を逐次修正する適応制御の導入が必要となる。
このような適応制御の一例が非特許文献1に開示されている。この非特許文献1では、4発ローターヘリコプターの姿勢制御に対してリアプノフの定理に基づいたモデル規範型適応制御系を設計し、機体の慣性モーメントの変化に対して適応制御を行っている。
Schreier, M., "Modeling and adaptive control of a quadrotor, Proceeding of the IEEE2012,"-International Conference on Mechatronics and Automation (2012), pp.383-176
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、ヘリコプターの実機を用いた飛行実験による検証は行われていない。
そこで、本発明は、実機においても有効性のある適応制御方法、適応制御装置およびこの適応制御装置を備えた機器を提供することを目的とする。
上記目的を達成するために、本発明の一態様の適応制御方法は、制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御ステップ、前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定ステップ、および、前記システム同定ステップで生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整ステップを含むことを特徴とする。
上記特徴を有する適応制御方法の他の態様として、前記パラメータ調整ステップでは、部分的モデルマッチング法を用いて前記ゲインパラメータを調整することを特徴とする。
上記特徴を有する適応制御方法の他の態様として、前記同定制御情報が、マニュアル操縦により入力されることを特徴とする。
上記目的を達成するために、本発明の他の一態様の適応制御装置は、制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御部と、前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定部と、前記システム同定部により生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整部と、を有することを特徴とする。
上記目的を達成するために、本発明の他の一態様の機器は、制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御部と、前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定部と、前記システム同定部により生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整部と、を有する適応制御装置を備えたことを特徴とする。
本発明によれば、実機においても有効性のある適応制御方法、適応制御装置およびこの適応制御装置を備えた機器を提供することができる。
本発明に係る機器は、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ー、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、他にエレベーター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ーの例を用いて説明する。
以下、本発明の実施の形態を添付の図面を参照して説明する。
図1は、本発明の実施の形態に係る小型ヘリコプターの斜視図である。図2は、図1の小型ヘリコプターが有するコントロールユニットの斜視図である。図3は、図1の小型ヘリコプターの座標系を示す図である。
図1に示すように、小型ヘリコプター1は、ローターおよびモータを有する駆動部としての6つのローター部11〜16と、これらローター部11〜16を制御する適応制御装置としてのコントロールユニット20と、を備えている。
図2に示すコントロールユニット20は、制御演算等の処理を行うマイコンボード、ジャイロセンサ、慣性センサ(Inertial Measurement Unit)、GPSセンサ、気圧センサ、地上に設置されたパソコンとデータ通信を行うための無線モデム、無線制御信号を受信するための無線制御レシーバーなどを有している。マイコンボードは、小型ヘリコプター1の機体の角速度フィードバック制御などのマニュアル操縦に必須の演算を行う下位制御用マイコンボードと、機体の自律制御のための演算を行う上位制御用マイコンボードとを有している。また、コントロールユニット20は、マニュアル操縦に基づく制御信号、または、自律制御に基づく制御信号に応じて、制御信号に示される動作を行うようローター部11〜16を制御する。
図3に示すように、機体の固定座標系は、機体前方(front)をX軸、右方向(right)をY軸、下方向(gravity direction)をZ軸としている。本実施形態では、主に高度制御について述べるため、Z軸方向の制御について説明する。加速度については、Z軸の重力方向を正としているが、機体の高度については重力方向を負としている。
本実施形態の小型ヘリコプター1は、ローター部11〜16を含む最大幅が800mm、全高が340mm、バッテリー含む総重量が2545g、バッテリー重量が486g、バッテリー電圧が11.1V、バッテリー容量が6600mAhである。
(モデリング)
本実施形態の小型ヘリコプター1の機体の高度モデルを導出する。小型ヘリコプター1の伝達関数はKr、Tzをパラメータとする次の一次遅れ伝達関数で表すことができる。
本実施形態の小型ヘリコプター1の機体の高度モデルを導出する。小型ヘリコプター1の伝達関数はKr、Tzをパラメータとする次の一次遅れ伝達関数で表すことができる。
ΔDはローター部11〜16への指令値(制御入力)の平衡状態からの変化量であり、ΔΩは平衡状態からのローター回転数Ωの変動量である。ここでの平衡状態とは、外乱のない理想状態でかつ機体の姿勢が水平である際に高度が一定となる状態を示している。一般に、ローターによって生ずる揚力Tはローター回転数Ωの2乗に比例することが知られている。次の式において、Aは比例定数である。
上記平衡状態におけるローター回転数をΩ0、機体の質量をm、重力加速度をgとすると、カの釣り合いより次の式が成立する
揚力の変動量ΔTに対して回転数の変動量ΔΩが生じたとすると、次の式が成立する。
この式を変形して、モデルの線形化のためΔΩ2を微小とすると、次の式が成立する。
式(1.1)、式(1.5)より、ΔT、ΔDの関係は次の式で表される。
なお、Kz=2KrAΩ0である。ここで、xを機体の高度とすると、次の運動方程式が成立する。
なお、Czは空気抵抗の比例定数である。以上より、高度モデルGAlt(s)は式(1.7)をラプラス変換することで得ることができる。
式(1.8)に示す伝達関数の出力は高度方向(Z軸方向)の位置である。高度方向の加速度を出力とした伝達関数GZAcc(s)は、式(1.8)を二階微分することで得ることができる。
なお、式(1.3)において、機体が水平であると仮定して力の釣り合いの式を導出している。本実施形態の小型ヘリコプター1では機体の姿勢角に応じて推力の補償を行い制御入力を再計算していること、マルチローターヘリコプターは一般的な運用を行う上では大きな姿勢変動を伴わない事が多いことなどから、この仮定がモデルに与える影響は小さいと考える。しかしながら、式(1.5)においてΔΩ2を微小として線形化していることは、平衡点近傍から離れた際のモデルの誤差につながっている。この影響については後述する。
(δオペレータモデルの導出)
一般にオンラインシステム同定を行う場合、シフトオペレータを用いた線形離散時間モデルを作成してそのモデルの係数を逐次更新する方法が採用されることが多い。しかしながら、サンプリング時間が短い場合、連続時間モデルを離散化した際には不安定な極限零点が出現してしまう。すなわち、ある連続時間システムが最小位相系であったとしても、離散時間システムで表現した際には非最小位相系になることがある。モデル規範型適応制御等の多くの適応制御手法は通常の構成では非最小位相系に対する制御が困難であるため、この問題は可能な限り回避すべきである。加えて、シフトオペレータによるシステム同定は、サンプリング時間が短い場合には同定モデルの極が単位円上に向かい数値的条件が悪くなるという問題がある。そこで、本実施形態ではδオペレータによる逐次システム同定を行う。δオペレータはTsをサンプリング時間、zを時間進み演算子とすると、次の式で表される。
一般にオンラインシステム同定を行う場合、シフトオペレータを用いた線形離散時間モデルを作成してそのモデルの係数を逐次更新する方法が採用されることが多い。しかしながら、サンプリング時間が短い場合、連続時間モデルを離散化した際には不安定な極限零点が出現してしまう。すなわち、ある連続時間システムが最小位相系であったとしても、離散時間システムで表現した際には非最小位相系になることがある。モデル規範型適応制御等の多くの適応制御手法は通常の構成では非最小位相系に対する制御が困難であるため、この問題は可能な限り回避すべきである。加えて、シフトオペレータによるシステム同定は、サンプリング時間が短い場合には同定モデルの極が単位円上に向かい数値的条件が悪くなるという問題がある。そこで、本実施形態ではδオペレータによる逐次システム同定を行う。δオペレータはTsをサンプリング時間、zを時間進み演算子とすると、次の式で表される。
z=esTsの関係から、次の式となる。
δ−領域における伝達関数はTsを十分小さくすれば、s−領域の伝達関数に近似できる。本制御対象に対してδオペレータによる逐次システム同定を応用するため、その数学モデルを構築する。モデルの導出に際して、式(1.9)に対して0次ホールダH(s)=(1−z-1)/sによる離散化を行う。
α、βはs2+acp2s+acp1=0の解とする。GZAcc(s)H(s)に対してz変換を行ったGZAcc(z)は次の式で表される。
ここで、それぞれの係数は、以下となる。
δオペレータの定義である式(2.1)を式(2.4)に代入した結果をまとめると、次の式となる。
なお、それぞれの係数は以下となる。
ここで、式(2.9)のbδ0において、式(2.6)から常に0となることがわかる。よって、加速度モデルのδオペレータを用いた表記は次のようになる。
以上より、小型ヘリコプター1の高度モデルをδオペレータで表すことができる。
(δオペレータモデルの逐次同定)
式(2.10)で表されるモデルに対して雑音項を加えたARXモデルは次の式で表される。
式(2.10)で表されるモデルに対して雑音項を加えたARXモデルは次の式で表される。
GZAcc(δ)=B(δ)/A(δ)に置き換えて変形すると、次の式となる。
ここで、A(δ)、B(δ)は次のようになる。
信号の差分を直接同定に用いることは望ましくない。そのため、適応制御システムにおいて一般的に用いられる以下のE(δ)の逆数である状態変数フィルタ1/E(δ)を用いる。
式(3.2)に対し状態変数フィルタを適応して式変形を行うと次の式で表される。
ここで、yE(k)、uE(k)、νE(k)は次のようになる。
以上より、データベクトルΨ(k)とパラメータベクトルθ(k)とを次のように定義することで、式(3.9)に示す線形回帰方程式を得ることができる。
上記線形回帰方程式のパラメータベクトルを推定する。本実施形態において、小型ヘリコプター1の機体運用時のモデル変動を考慮する必要があるため、システムの変動状態により忘却係数を自動的に調整することが望ましい。そこで可変忘却要素を用いた逐次最小二乗法をシステム同定に応用する。まず、式(3.9)に対応した同定モデルと同定誤差を次のように定義する。
可変忘却要素を用いた逐次最小二乗法は次の式(3.12)、(3.13)、(3.14)で表される。
ここで、μ(k)、ξ(k)は次のようになる。
Iはパラメータベクトルの追従性を決定するためのパラメータであり、Iを小さくすると追従性は向上するが、安定性は低下する。一般に最小二乗法系統のアルゴリズムをそのままマイコンに実装すると、Γ(k)の計算に正定値対称行列同士の減算が存在するため、安定した計算が行えないことがある。そこで本実施形態ではUD分解フィルタを用いることで、数値的に不安定な計算を行わずにパラメータ調整を行っている。
(飛行データを用いた検証)
以上のアルゴリズムを用いることで、実際の飛行データから加速度モデルを導出した。導出の際、予めマニュアル操縦によりスロットル入力を振動させた飛行データを保存し、その入出力データに対してMATLAB(MathWorks社)を用いて本アルゴリズムを適用した。図4にスロットル入力データ(Throttle input)、図5に計測した加速度データ(Z−Acceleration)、図6にスロットル入力データおよび加速度データから推定したパラメータベクトルδ(k)の時間変化のグラフを示す。なお、このスロットル入力に関して、その絶対値が大きいほどZ軸方向に力を加える、即ち機体を浮上させる力が小さくなっている。図6より、推定パラメータは、アルゴリズム開始時から約10秒後にはほとんど収束していることがわかる。
以上のアルゴリズムを用いることで、実際の飛行データから加速度モデルを導出した。導出の際、予めマニュアル操縦によりスロットル入力を振動させた飛行データを保存し、その入出力データに対してMATLAB(MathWorks社)を用いて本アルゴリズムを適用した。図4にスロットル入力データ(Throttle input)、図5に計測した加速度データ(Z−Acceleration)、図6にスロットル入力データおよび加速度データから推定したパラメータベクトルδ(k)の時間変化のグラフを示す。なお、このスロットル入力に関して、その絶対値が大きいほどZ軸方向に力を加える、即ち機体を浮上させる力が小さくなっている。図6より、推定パラメータは、アルゴリズム開始時から約10秒後にはほとんど収束していることがわかる。
ここで、推定パラメータの妥当性を検討するために、システム同定により得られたモデルの出力と実際の加速度出力を比較する。推定パラメータとしては、図6における15秒時のパラメータを用いた。比較に際して、実際の加速度出力とδオペレータモデル出力に加え、式(2.2)より、サンプリング時聞が十分短い場合にはδ=sとなることから、得られたδオペレータモデルの係数をそのまま連続時間モデルの係数とした近似モデル出力を比較した。なお、サンプリング時間は制御周期を考慮して20msとしている。図7にこれらの比較結果を示し、図8にその拡大図を示す。図7、図8において、実際の加速度出力が「Z−Acceleration」、δオペレータモデル出力の加速度出力が「Identified model output」、近似モデルの加速度出力が「Appropriate model output」である。
図7、図8より、得られたモデル出力は実際の加速度出力の挙動を表現できていることがわかる。しかしながら、加速度が負の方向に生じている際よりも正の方向に生じている際の方がモデル出力の絶対値が大きくなる傾向が見て取れる。これが上述したΔΩ2を微小として線形化していることの影響である。ただし、実際に機体を自律制御で運用する場合このような加速度を生じることは稀であるため、制御性能への影響はほとんどないと考えられる。加えて、sオペレータモデル出力と近似連続時間モデル出力で大きな差異はないことがわかる。以上より、本アルゴリズムにより機体のオンラインシステム同定が可能なことと、以下の式のように求めたモデルと近似連続時間モデルはほとんど差異がないことが明らかとなった。
(適応I−PD制御系設計)
ここでは部分的モデルマッチング法を用いた適応I−PD制御系を設計する。部分的モデルマッチング法は、制御対象の閉ループ伝達関数と規範モデルを低次の項からマッチングさせることで、近似的にシステムと規範モデルを一致させる手法である。図9に小型ヘリコプター1内で構成される制御システムのブロック図を示す。この制御システムでは、機体の加速度出力と制御入力から高度モデルを逐次的に同定し、その同定結果を用いて調整機構によりI−PDゲインを更新する。また、搭載している気圧センサは風のない理想環境においても高度にして0.3m程度の誤差およびノイズを生じるため、観測値をそのまま制御に用いることはできない。加えて、気圧センサは突発的な風等により値が一時的に変動することが起こりえるため、実際の高度と1m以上の誤差を生じることがある。そのため、機体の加速度と気圧センサによる高度を使用したカルマンフィルタにより推定高度を算出し、その推定高度と目標高度との偏差を用いてI−PD制御を行っている。
ここでは部分的モデルマッチング法を用いた適応I−PD制御系を設計する。部分的モデルマッチング法は、制御対象の閉ループ伝達関数と規範モデルを低次の項からマッチングさせることで、近似的にシステムと規範モデルを一致させる手法である。図9に小型ヘリコプター1内で構成される制御システムのブロック図を示す。この制御システムでは、機体の加速度出力と制御入力から高度モデルを逐次的に同定し、その同定結果を用いて調整機構によりI−PDゲインを更新する。また、搭載している気圧センサは風のない理想環境においても高度にして0.3m程度の誤差およびノイズを生じるため、観測値をそのまま制御に用いることはできない。加えて、気圧センサは突発的な風等により値が一時的に変動することが起こりえるため、実際の高度と1m以上の誤差を生じることがある。そのため、機体の加速度と気圧センサによる高度を使用したカルマンフィルタにより推定高度を算出し、その推定高度と目標高度との偏差を用いてI−PD制御を行っている。
図9において、10は小型ヘリコプター1の機体、21はフィードバック制御部、22はシステム同定部、23はパラメータ調整部、24はカルマンフィルタである。機体10は、加速度データS1(動作情報)および気圧データS2を出力するセンサー部およびローター部11〜16を含む。
フィードバック制御部21は、高度目標データS3(制御目標情報)および推定高度データS4をI−PDゲイン(KI、KP、KD)を用いてフィードバック演算(I−PD制御)することにより機体10のローター部11〜16に入力される制御データS5(制御情報)を生成する。
なお、オンラインシステム同定時は、制御データS5に代えて、マニュアル操縦によるスロットル入力データS51(同定制御情報)がローター部11〜16に入力される。システム同定部22は、加速度データS1およびスロットル入力データS51に基づき機体10のモデルを生成する。システム同定部22は、機体10のモデルデータS6をパラメータ調整部23に出力する。
パラメータ調整部23は、システム同定部22で生成された機体10のモデルに応じてI−PDゲインを調整し、I−PDゲインデータS7をフィードバック制御部21に出力する。カルマンフィルタ24は、加速度データS1および気圧データS2に基づいて推定高度データS4を算出する。フィードバック制御部21は、パラメータ調整部23からのI−PDゲインデータS7を用いてI−PDゲインを更新する。フィードバック制御部21、システム同定部22、パラメータ調整部23およびカルマンフィルタ24は、コントロールユニット20のマイクロコンピュータによって実現されている。
上述したように、システム同定により得られたδオペレータモデルのパラメータをそのまま連続時間モデルに適用することができるため、高度方向の位置モデルは以下のように表される。
ここでは、上記式(5.1)で表されるモデルに対して制御系設計を行う。一般にI−PD制御則において、その制御入力は次の式のようにして生成される。
ここで、e(s)は目標値r(s)と出力y(s)との偏差である。式(5.1)と式(5.2)との目標値r(s)から出カy(s)までの閉ループ伝達関数は次の式で表される。
上記式(5.3)の逆数をとると次の式で表される。
ここで、次の式で表される規範モデルを定義する。
上記式(5.5)の逆数をとると次の式で表される。
式(5.4)と式(5.6)とを比較することで、I−PDゲイン(KI、KP、KD)がそれぞれ次のように求まる。
このようにして導出されるI−PDゲイン(すなわち、ゲインパラメータ)を用いて高度制御を行う。なお、本実施形態において、I−PD制御における微分項については、擬似微分を用いることでセンサノイズに対して鈍感にしている。
(飛行実験)
上述したシステム同定機構を有した適応I−PD制御系を小型ヘリコプター1の高度制御に実装して屋外での飛行実験を行った。実験当日は2m/s程度の微風だった。飛行実験に際して、最初に機体をマニュアル操縦で、ホバリング状態にする。その後、無線操縦器(プロポ)のスイッチを切り替えることでシステム同定アルゴリズムを開始し、機体の高度方向の出力が変動するようにスロットル入力を10秒程度与えることで、モデルのオンライン生成を行う。最後に、機体を再度ホバリング状態に戻し、高度制御を開始している。この飛行実験においてシステム同定アルゴリズムの各パラメータは次のようにした。
上述したシステム同定機構を有した適応I−PD制御系を小型ヘリコプター1の高度制御に実装して屋外での飛行実験を行った。実験当日は2m/s程度の微風だった。飛行実験に際して、最初に機体をマニュアル操縦で、ホバリング状態にする。その後、無線操縦器(プロポ)のスイッチを切り替えることでシステム同定アルゴリズムを開始し、機体の高度方向の出力が変動するようにスロットル入力を10秒程度与えることで、モデルのオンライン生成を行う。最後に、機体を再度ホバリング状態に戻し、高度制御を開始している。この飛行実験においてシステム同定アルゴリズムの各パラメータは次のようにした。
図10に機体の高度方向の制御入力、図11に機体の高度出力を示す。なお、以下の図の機体高度においては、機体の初期位置の気圧高度を基準として0mと表している。なお、図10、図11における縦の点線のうち左側はシステム同定の開始時を表し、右側は高度制御の開始時を表している。
図11より、自律制御を開始してから機体の高度は高度目標値に対して約10cm程度の誤差で追従できている。これは気圧センサによる高度情報を用いていることを考慮すると、良好な制御性能と考えられる。加えて、図10より、制御を開始してからの制御入力は安定していることがわかる。
また、図12に高度をステップ状に1m変化させた高度目標値(ステップ目標値)を機体に与えた際の制御入力(制御データS5)、図13にその時の機体の高度を示す。なお、図12、図13における縦の点線はステップ目標値を与えた時間を表している。加えて図13には、機体の高度(Altitude)と高度目標値(Command)、および部分的モデルマッチング法のために設計した規範モデルのステップ入力が入った際の出力(Reference model output)を示している。
図13より、本制御則では規範モデルの出力は制御入力に直接反映していないのに関わらず、ステップ目標値に対する機体の出力は設計した規範モデルの出力と同等の傾向を示している。これより、機体のモデルとコントローラからなる閉ループ伝達関数が十分に規範モデルと一致していることがわかる。また、図12より、制御入力はステップ目標値を与えても大きな変動を伴うこともなく安定していることがわかる。
また、図14に本制御則により自動で調整されたI−PDゲインを示す。なお、図14における0秒時においてシステム同定アルゴリズムを開始している。加えて、各ゲインKP、KI、KDの3回分の実験データを描画している。
図14より、KP、KIゲインはシステム同定開始後5秒程度、KDゲインは10秒程度でほとんど収束していることがわかる。また、これらの結果において各ゲインの関係は同じ傾向を示している。加えて、同様の屋外飛行実験を複数日に分けて10回程度行ったが、全ての実験においてI−PDゲインが10秒程度で収束し、機体の高度が高度目標値に対して良好に追従することを確認した。以上より、本制御則を用いることで、10秒程度のマニュアル操縦でオンラインシステム同定および制御系の設計が可能なことが示された。
以上より、本実施形態では、制御系設計時間の短縮および飛行中のモデル変動に対しての制御を目的として、マルチローターへリコプターの高度方向に対してオンラインシステム同定機構を有する適応I−PD制御系の設計を行った。提案した調整アルゴリズムにより、10秒程度のマニュアル操縦を行うことでシステム同定および制御器の調整を実際の機体上で完了することに成功した。加えて、調整されたコントローラとプラントからなる閉ループ伝達関数が設計した規範モデルと十分に一致していることを確認した。本実施形態では高度方向の自律制御についてのみ述べたが、これを全軸方向に実装することができれば、規範モデルの設計のみで望ましい制御系の設計が可能となり、自律制御のためのモデル同定や制御器のチューニングに要する労力や時聞を大幅に削減することができる。
上記に本発明の実施形態を説明したが、本発明はこれらの例に限定されるものではない。前述の実施形態に対して、当業者が適宜、構成要素の追加、削除、設計変更を行ったものや、実施形態の特徴を適宜組み合わせたものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。
1…小型ヘリコプター(制御対象)
10…機体
11、12、13、14、15、16…ローター部(駆動部)
20…コントロールユニット
21…フィードバック制御部
22…システム同定部
23…パラメータ調整部
24…カルマンフィルタ
S1…加速度データ(動作情報)
S2…気圧データ(動作情報)
S3…高度目標データ
S4…推定高度データ
S5…制御データ(制御情報)
S51…スロットル入力データ(同定制御情報)
S6…モデルデータ
S7…I−PDゲインデータ
KI、KP、KD…I−PDゲイン(ゲインパラメータ)
10…機体
11、12、13、14、15、16…ローター部(駆動部)
20…コントロールユニット
21…フィードバック制御部
22…システム同定部
23…パラメータ調整部
24…カルマンフィルタ
S1…加速度データ(動作情報)
S2…気圧データ(動作情報)
S3…高度目標データ
S4…推定高度データ
S5…制御データ(制御情報)
S51…スロットル入力データ(同定制御情報)
S6…モデルデータ
S7…I−PDゲインデータ
KI、KP、KD…I−PDゲイン(ゲインパラメータ)
Claims (5)
- 制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御ステップ、
前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定ステップ、および、
前記システム同定ステップで生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整ステップを含むことを特徴とする適応制御方法。 - 前記パラメータ調整ステップでは、部分的モデルマッチング法を用いて前記ゲインパラメータを調整することを特徴とする請求項1に記載の適応制御方法。
- 前記同定制御情報が、マニュアル操縦により入力されることを特徴とする請求項1または請求項2に記載の適応制御方法。
- 制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御部と、
前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定部と、
前記システム同定部により生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整部と、を有することを特徴とする適応制御装置。 - 制御対象の制御目標情報および前記制御対象の実動作に係る動作情報をゲインパラメータを用いてフィードバック演算することにより前記制御対象の駆動部に入力される制御情報を生成するフィードバック制御部と、前記制御対象の駆動部に入力される同定制御情報および前記動作情報に基づいて前記制御対象のモデルを生成するシステム同定部と、前記システム同定部により生成された前記制御対象のモデルに応じて前記ゲインパラメータを調整するパラメータ調整部と、を有する適応制御装置を備えたことを特徴とする機器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016149781A JP2018018398A (ja) | 2016-07-29 | 2016-07-29 | 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016149781A JP2018018398A (ja) | 2016-07-29 | 2016-07-29 | 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018018398A true JP2018018398A (ja) | 2018-02-01 |
Family
ID=61081722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016149781A Pending JP2018018398A (ja) | 2016-07-29 | 2016-07-29 | 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018018398A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020032903A (ja) * | 2018-08-30 | 2020-03-05 | 株式会社Ihi | 飛行体 |
CN110905671A (zh) * | 2019-11-20 | 2020-03-24 | 清华大学 | 无人直升机动力控制方法及直升机 |
JP2020149176A (ja) * | 2019-03-12 | 2020-09-17 | 株式会社日立製作所 | 制御装置 |
WO2020217623A1 (ja) * | 2019-04-24 | 2020-10-29 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
WO2020217624A1 (ja) * | 2019-04-24 | 2020-10-29 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
KR20210107517A (ko) * | 2020-02-21 | 2021-09-01 | 바이두 유에스에이 엘엘씨 | 차량 작동 역학을 해결하기 위한 모델 참조 적응형 제어 알고리즘 |
CN116184839A (zh) * | 2023-04-27 | 2023-05-30 | 中国科学院工程热物理研究所 | 一种航空发动机自适应抗扰解耦控制系统及方法 |
-
2016
- 2016-07-29 JP JP2016149781A patent/JP2018018398A/ja active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7119782B2 (ja) | 2018-08-30 | 2022-08-17 | 株式会社Ihi | 飛行体 |
JP2020032903A (ja) * | 2018-08-30 | 2020-03-05 | 株式会社Ihi | 飛行体 |
JP2020149176A (ja) * | 2019-03-12 | 2020-09-17 | 株式会社日立製作所 | 制御装置 |
JP7177746B2 (ja) | 2019-04-24 | 2022-11-24 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
WO2020217624A1 (ja) * | 2019-04-24 | 2020-10-29 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
JP2020179734A (ja) * | 2019-04-24 | 2020-11-05 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
JP2020179735A (ja) * | 2019-04-24 | 2020-11-05 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
WO2020217623A1 (ja) * | 2019-04-24 | 2020-10-29 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
JP7177747B2 (ja) | 2019-04-24 | 2022-11-24 | Hapsモバイル株式会社 | 制御装置、システム、プログラム、及び制御方法 |
CN110905671B (zh) * | 2019-11-20 | 2021-09-21 | 清华大学 | 无人直升机动力控制方法及直升机 |
CN110905671A (zh) * | 2019-11-20 | 2020-03-24 | 清华大学 | 无人直升机动力控制方法及直升机 |
KR20210107517A (ko) * | 2020-02-21 | 2021-09-01 | 바이두 유에스에이 엘엘씨 | 차량 작동 역학을 해결하기 위한 모델 참조 적응형 제어 알고리즘 |
KR102458608B1 (ko) * | 2020-02-21 | 2022-10-26 | 바이두 유에스에이 엘엘씨 | 차량 작동 역학을 해결하기 위한 모델 참조 적응형 제어 알고리즘 |
US11492008B2 (en) | 2020-02-21 | 2022-11-08 | Baidu Usa Llc | Model reference adaptive control algorithm to address the vehicle actuation dynamics |
CN116184839A (zh) * | 2023-04-27 | 2023-05-30 | 中国科学院工程热物理研究所 | 一种航空发动机自适应抗扰解耦控制系统及方法 |
CN116184839B (zh) * | 2023-04-27 | 2023-06-23 | 中国科学院工程热物理研究所 | 一种航空发动机自适应抗扰解耦控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018018398A (ja) | 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 | |
Liu et al. | Robust tracking control of a quadrotor helicopter | |
Modirrousta et al. | A novel nonlinear hybrid controller design for an uncertain quadrotor with disturbances | |
Ton et al. | Robust attitude tracking control of a quadrotor helicopter in the presence of uncertainty | |
Song et al. | Active model-based predictive control and experimental investigation on unmanned helicopters in full flight envelope | |
Li et al. | Full control of a quadrotor using parameter-scheduled backstepping method: implementation and experimental tests | |
Suzuki et al. | Attitude control of small electric helicopter by using quaternion feedback | |
CN107943070B (zh) | 一种无人直升机自抗扰飞行速度和姿态控制方法 | |
Farrell et al. | Error-state LQR control of a multirotor UAV | |
Son et al. | Model predictive control of a multi-rotor with a suspended load for avoiding obstacles | |
Kaba et al. | Model derivation, attitude control and Kalman filter estimation of a quadcopter | |
Jiang et al. | Integral sliding mode based control for quadrotors with disturbances: Simulations and experiments | |
Selfridge et al. | Multivariable output feedback MRAC for a quadrotor UAV | |
Stebler et al. | Nonlinear output feedback tracking control of a quadrotor UAV in the presence of uncertainty | |
Aboudonia et al. | Time domain disturbance observer based control of a quadrotor unmanned aerial vehicle | |
Modirrousta et al. | Adaptive robust sliding mode controller design for full control of quadrotor with external disturbances | |
Schulken et al. | Model-free sliding mode control algorithms including application to a real-world quadrotor | |
Kim et al. | Angular velocity observer-based quadcopter attitude stabilization via pole-zero cancellation technique | |
Xiang et al. | Adaptive flight control for quadrotor UAVs with dynamic inversion and neural networks | |
Tang et al. | Height and attitude active disturbance rejection controller design of a small-scale helicopter | |
Erasmus et al. | Linear quadratic gaussian control of a quadrotor with an unknown suspended payload | |
Ameho et al. | Adaptive control for quadrotors | |
Priyambodo et al. | PID self tuning control based on Mamdani fuzzy logic control for quadrotor stabilization | |
Alaimo et al. | LQR-PID control applied to hexacopter flight | |
Emami et al. | Nonlinear fault-tolerant trajectory tracking control of a quadrotor UAV |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20160824 |