JP2021043004A - 振動試験装置 - Google Patents

Abstract

【課題】試験条件通りに供試体に振動を与えることができる振動試験装置の提供である。【解決手段】上記した目的を達成するため、本発明の振動試験装置１は、供試体Ｄに振動を与える加振器Ｅと、目標指令Ｕｒｅｆに基づいて加振器Ｅを制御するコントローラＣとを備え、コントローラＣがニューラルネットワークモデルを利用して加振器Ｅの応答特性を同定して加振器Ｅの応答の逆特性を求める同定部３と、同定部３で求めた逆特性に基づいて目標指令Ｕｒｅｆを補正して補正指令Ｕａを求める補正部４と、補正指令Ｕａに基づいて加振器Ｅを制御する制御部５とを備えている。【選択図】図２

Description

本発明は、振動試験装置に関する。

振動試験装置は、たとえば、供試体に振動を与える加振器と、加振器を制御するコントローラを備えている。コントローラは、一般的には、加振器の応答をセンサで検知して、検知した応答をフィードバックする制御を行って加振器を制御するが、加振器が油圧アクチュエータで供試体に振動を与える油圧サーボ系では応答に位相遅れがあり、非線形特性を備えているので、単なるフィードバック制御では試験条件通りに供試体に振動を与えることが難しい。

そこで、このような振動試験装置では、供試体を装着した後に、加振器にランダムノイズ信号を与え、加振器に設けたセンサで供試体に作用する加速度を検出することで、加振器へ与える信号とセンサ出力との関係を伝達関数マトリクスとして得ておき、この伝達関数マトリクスの逆マトリクスを用いて試験条件が指示する加速度データを加振器へ入力すべき加振信号に変換することが行われる（たとえば、特許文献１参照）。つまり、従来の振動試験装置では、コントローラが加振器の制御信号に対する応答の逆特性を周波数に対するゲインのテーブルとして保有しており、目標指令にテーブルから得られるゲインを乗じて制御指令を生成して加振器を制御する。このように従来の振動試験装置は、加振器の応答遅れや非線形な特性に起因した波形乱れ等を解消する制御指令を生成して加振器を制御し、試験条件通りに供試体に振動を与えている。

特開２０１３−１６７５５７号公報

しかしながら、振動試験装置が製品は同じであるが異なる供試体に振動を与える場合、加振器および供試体でなる系全体の特性が変化して、予め用意しておいたテーブルでは最適な制御指令を生成できなくなってしまう可能性がある。

つまり、前述の振動試験装置では、予め加振器で供試体を振動させた場合の加振器の応答の特性から逆特性を求めておき、この逆特性を用いて制御指令を生成しているので、供試体の特性が変化すると加振器の応答の特性も変化してしまって最適な制御指令を生成することが難しくなるのである。

また、従来の振動試験装置では、加振器の逆特性のテーブルにノイズが残ってしまう場合があり、ノイズが残ったテーブルを利用して制御指令を生成して加振器を制御すると、ノイズの影響で加振器が与える振動にノイズが重畳したり歪みが生じたりしてしまう。

このように従来の振動試験装置では、最適な制御指令の生成を生成できない場合があり、試験条件通りに供試体に振動を与え得る振動試験装置が要望される。

そこで、本発明は、試験条件通りに供試体に振動を与えることができる振動試験装置の提供を目的としている。

上記した目的を達成するため、本発明のダンパの振動試験装置は、供試体に振動を与える加振器と、目標指令に基づいて加振器を制御するコントローラとを備え、コントローラがニューラルネットワークモデルを利用して目標指令に対する加振器の応答特性を同定する同定部と、同定部で求めた応答特性の逆特性に基づいて目標指令を補正して補正指令を求める補正部と、補正指令に基づいて制御指令を生成して加振器を制御する制御部とを備えている。このように構成された振動試験装置は、ニューラルネットワークモデルを利用した同定部による加振器の応答特性の同定を行って目標指令を補正するために参照される応答特性を絶えず最適化しつつ、加振器を制御することができる。したがって、振動試験装置によれば、製品は同じでも異なる供試体に振動を与える場合であっても加振器および供試体でなる系全体の特性が変化しても最適な制御指令を生成して、試験条件に合致する理想的な振動を供試体に与えられる。また、補正部で参照する応答特性は、ニューラルネットワークモデルを利用した同定部によって加振器の応答特性を同定して最適化され、応答特性にノイズが残ってしまうのを防止できるので、加振器が与える振動にノイズが重畳したり歪みが生じたりしてしまう恐れもない。

また、振動試験装置は、加振器の応答を検知する検知器とを備え、制御部が検知器で検知した加振器の応答と補正指令との偏差に基づいて操作指令を求めるフィードバック部と、加振器に与える制御指令の入力に対して加振器の応答を模擬して出力する規範モデル部を有し、検知器で検知した加振器の応答と規範モデル部が模擬した加振器の応答との差と操作指令とに基づいて制御指令を求めてもよい。このように構成された振動試験装置は、規範モデル部にて加振器の応答を模擬して、加振器の応答と模擬した応答との差で操作指令を修正して制御指令を求めるので、実際の加振器の応答と規範モデル部が模擬した応答との差を調節するように制御指令が修正でき、加振器の応答をより高精度に目標指令通りに追従させ得る。

さらに、振動試験装置は、規範モデル部が加振器の応答を模擬する加振器応答模擬部と、加振器応答模擬部が模擬した応答の入力により供試体の応答を模擬する供試体応答模擬部とを有し、加振器応答模擬部が制御指令と供試体応答模擬部が模擬した供試体の応答との入力により加振器の応答を模擬して出力してもよい。このように構成された振動試験装置では、規範モデル部が加振器の応答を模擬し、さらに、模擬された応答を受けた供試体の応答を模擬するので、実際の加振器と供試体の系を模擬して応答を求めることができる。よって、このように構成された振動試験装置によれば、実際の系に即して加振器の規範となる応答を求めることができ、加振器が供試体に対して精度よく制御指令通りの振動を与えられるようになる。

また、振動試験装置は、加振器応答模擬部が制御指令と供試体応答模擬部が模擬した供試体の応答とに基づいて加振器の物理モデルを利用して加振器の応答を求める加振器物理モデル部と、加振器物理モデル部に並列されて制御指令と供試体応答模擬部が模擬した供試体の応答とに基づいてニューラルネットワークモデルを利用して加振器物理モデル部が求めた応答に加算する加振器の非線形応答を求める加振器非線形部とを備えていてもよい。このように構成された振動試験装置によれば、学習によって精度よく加振器を模擬して加振器の応答を求め得るから、加振器が供試体に対してより高精度に制御指令通りの振動を与えられるようになる。

さらに、振動試験装置は、加振器物理モデル部および加振器非線形部とに並列されてニューラルネットワークモデルを利用して制御指令および供試体応答模擬部が模擬した供試体の応答に基づいて加振器物理モデル部が求めた応答に加算する線形応答を求める加振器線形部とを備えていてもよい。このように構成された振動試験装置によれば、学習によって精度よく加振器を模擬して応答を求め得るから、加振器が供試体に対してより高精度に制御指令通りの振動を与えられるようになる。また、前述のように構成された振動試験装置によれば、加振器線形部を設けることで、加振器の応答特性による成分を学習できるから、実際の加振器の応答と高精度で一致する模擬応答を得るまでの学習時間を短縮できる。

そして、振動試験装置は、供試体応答模擬部が加振器応答模擬部が模擬した加振器の応答に基づいて供試体の物理モデルを利用して供試体の応答を求める供試体物理モデル部と、供試体物理モデル部に並列されて加振器応答模擬部が模擬した加振器の応答に基づいてニューラルネットワークモデルを利用して供試体物理モデル部が求めた応答に加算する供試体の非線形応答を求める供試体非線形部とを備えていてもよい。このように構成された振動試験装置によれば、供試体の応答を学習して精度よく供試体を模擬して応答を求めるので、全く異なる供試体の試験を行う場合であっても、精緻に供試体と加振器の系全体を模擬して加振器の応答を求め得るから、加振器が供試体に対してより高精度に制御指令通りの振動を与えられるようになる。また、既知の物理モデルに従う応答を求める供試体物理モデル部と、実際の供試体の応答に現れる非線形なノイズや歪みの成分を模擬した非線形応答を求める供試体非線形部とを備えているので、振動試験装置によれば、製品が同じで異なる供試体の試験を行う場合であっても、供試体非線形部が細かな調整を行うための学習をすれば足りるため、供試体の応答を得るための学習時間を短縮できる。

さらに、振動試験装置は、加振器がシリンダと、シリンダ内に移動自在に挿入されてシリンダ内を伸側室と圧側室とに区画するピストンと、シリンダ内に移動自在に挿入されてピストンに連結されるロッドと、ポンプから吐出される作動油を伸側室と圧側室とに選択的に供給するサーボ弁とを備えたアクチュエータであって、同定部が加振器の周波数とサーボ弁の弁開度に対する加振器の応答特性を同定してもよい。このように同定部が目標指令の周波数とサーボ弁の弁開度に対する加振器の応答特性を同定すると、加振器の制御にあたりサーボ弁の弁開度の影響も加味したより最適な補正指令を求めることができ、より高精度に加振器を制御でき供試体により高精度に試験条件通りの振動を与えられる。

また、同定部は、目標指令の周波数、サーボ弁の弁開度および供試体の温度に対する加振器の応答特性を同定してもよい。このように同定部が目標指令の周波数、サーボ弁の弁開度および供試体の温度に対する加振器の応答特性を同定すると、加振器の制御にあたり供試体の温度の影響も加味したより最適な補正指令を求めることができ、より高精度に加振器を制御でき供試体により高精度に試験条件通りの振動を与えられる。

本発明の振動試験装置によれば、試験条件通りに供試体に振動を与えることができる。

一実施の形態における振動試験装置のコントローラの制御ブロック図である。 一実施の形態における振動試験装置の具体的な構成図である。 加振器の応答のゲイン特性を示したマップである。 加振器の応答の位相特性を示したマップである。 同定部の構成を示した図である。 加振器の応答のゲイン特性の逆特性を示したマップである。 一実施の形態の第一変形例における振動試験装置のコントローラの制御ブロック図である。 一実施の形態の第一変形例における振動試験装置の加振機応答模擬部の制御ブロック図である。 （ａ）は、加振器物理モデル部が生成する変位を示した図である。（ｂ）は、加振器線形部が生成する線形応答を示した図である。（ｃ）は、加振器非線形部が生成する非線形応答を示した図である。（ｄ）は、加振器応答模擬部が模擬した応答を示した図である。 一実施の形態の第一変形例における振動試験装置の供試体応答模擬部の制御ブロック図である。 （ａ）は、供試体物理モデル部が生成する変位を示した図である。（ｂ）は、供試体非線形部が生成する非線形応答を示した図である。（ｃ）は、供試体応答模擬部が模擬した応答を示した図である。

以下、図に示した実施の形態に基づき、本発明を説明する。図１に示すように、一実施の形態におけるダンパの振動試験装置１は、供試体としてのテレスコピック型のダンパＤに振動を与える加振器Ｅと、加振器Ｅの応答として変位Ｘを検知する検知器としてのストロークセンサ２と、目標指令Ｕｒｅｆに基づいて制御指令Ｕｃを生成して加振器Ｅを制御するコントローラＣとを備えている。

以下、振動試験装置１の各部について詳細に説明する。供試体としてのダンパＤは、シリンダ８と、シリンダ８内に出入りするロッド９とを備えたテレスコピック型のダンパとされており、シリンダ８に対してロッド９が軸方向に変位する伸縮時に減衰力を発揮する。

他方、加振器Ｅは、図２に示すように、架台１０と、架台１０に設けられて図２中左右方向へ移動可能であってダンパＤの一端を保持する保持部１１と、架台１０に設けられてダンパＤの他端に接続されてダンパＤに振動を与えるアクチュエータ１３と、アクチュエータ１３を架台１０に取り付けるブラケット１４とを備えている。

アクチュエータ１３は、シリンダ１３ａと、シリンダ１３ａ内に移動自在に挿入されてシリンダ１３ａ内を伸側室Ｒ１と圧側室Ｒ２とに区画するピストン１３ｂと、シリンダ１３ａ内に移動自在に挿入されてピストン１３ｂに連結されるロッド１３ｃと、ポンプＰから供給される圧油を伸側室Ｒ１と圧側室Ｒ２とに選択的に送り込むサーボ弁１３ｄとを備えている。

サーボ弁１３ｄは、詳細には図示はしないが、中空なハウジングと、ハウジング内に移動自在に挿入されるスプールと、スプールを駆動するソレノイドと、スプールを中立位置に位置決めするばねと、外部からの入力を受け取ってソレノイドを駆動する駆動回路とを備えている。ソレノイドは、駆動回路から供給される電流量に応じてスプールに与える推力を変更でき、スプールの位置を調節できる。そして、サーボ弁１３ｄは、スプールの位置に応じて、前記伸側室へ圧油を供給するポジションと、前記圧側室へ圧油を供給するポジションと、両者への圧油の供給を遮断するポジションとに切り替わり、前記伸側室或いは前記圧側室へ圧油を供給するポジションではソレノイドへ供給される電流量に応じて弁開度を変化させて流量を調節する。

本実施の形態では、サーボ弁１３ｄは、入力として制御指令Ｕｃを受けとるとソレノイドの推力を調整して、スプールのハウジングに対する位置を調節して、前記伸側室と前記圧側室のうち入力が指示する室に対して入力が指示する流量の圧油を供給する。アクチュエータ１３は、伸側室と圧側室のうちサーボ弁１３ｄから圧油の供給を受けた室を拡大させるとともに圧油の供給のない室を縮小させて、伸縮駆動する。このように、加振器Ｅは、コントローラＣから入力を受けるとアクチュエータ１３を伸縮駆動させてダンパＤの一端を加振して、ダンパＤに振動を与える。なお、駆動回路は、ソレノイドに流れる電流を検知する電流センサを備えており、電流センサで検知する電流をフィードバックして、コントローラＣから入力される制御指令Ｕｃ通りにソレノイドへ電流を与える。なお、駆動回路は、サーボ弁１３ｄ側ではなく、コントローラＣに内包されていてもよい。

検知器としてのストロークセンサ２は、本実施の形態では、アクチュエータ１３のシリンダ１３ａに対するロッド１３ｃの相対的な変位Ｘを加振器Ｅの応答として検知し、コントローラＣへ入力する。なお、本実施の形態の場合、加振器Ｅの応答として変位Ｘを検知するので、検知器をストロークセンサ２としているが、加振器Ｅの応答を荷重或いは速度とする場合には検知する対象に応じて適するセンサを検知器とすればよい。

コントローラＣは、図１に示すように、ニューラルネットワークモデルを利用して目標指令Ｕｒｅｆに対する加振器Ｅの応答特性を同定する同定部３と、同定部３で同定した応答特性の逆特性に基づいて加振器Ｅの目標指令Ｕｒｅｆを補正して補正指令Ｕａを求める補正部４と、補正指令Ｕａに基づいて制御指令Ｕｃを生成して加振器Ｅを制御する制御部５とを備えている。目標指令Ｕｒｅｆは、供試体であるダンパＤに所定周波数の正弦波振動を繰り返し与える指令となっており、コントローラＣは、目標指令Ｕｒｅｆが入力されると制御指令Ｕｃを生成して加振器Ｅを制御する。

本実施の形態では、同定部３は、予め目標指令Ｕｒｅｆに対する加振器Ｅの応答特性を同定する。加振器Ｅの応答特性の同定のため、同定部３は、スイープ信号の入力によってコントローラＣが加振器Ｅへ制御指令Ｕｃを与えて供試体であるダンパＤに振動を与える際に、ストロークセンサ２で検知する変位Ｘと、コントローラＣが加振器Ｅへ与える前記スイープ信号と、サーボ弁１３ｄの弁開度の入力を受けて、ニューラルネットワークモデルを利用して、加振器Ｅへ与える制御指令の周波数とサーボ弁１３ｄの弁開度に対する加振器Ｅの応答である変位Ｘのゲインと位相を得るまでの前記周波数と前記弁開度に乗じる重みづけ係数を加振器Ｅの応答特性として同定する。

スイープ信号は、振幅と周波数を指示する指令となっているので、同定部３は、スイープ信号が指示する加振器Ｅを伸縮させる周波数を把握することができる。また、サーボ弁１３ｄの弁開度は、サーボ弁１３ｄに供給される電流量と弁開度とが一対一の関係にあるので、前記スイープ信号が指示するサーボ弁１３ｄへ供給する電流量から求めることができるので、スイープ信号の入力によって同定部３はサーボ弁１３ｄの弁開度を把握できる。

図３に示すように、コントローラＣに入力される指令が指示する振動の周波数が高くなると、加振器Ｅの応答が小さくなる、つまり、変位Ｘの振幅が小さくなる傾向となる。つまり、周波数が高くなると加振器Ｅの変位Ｘにおけるゲインが小さくなる。また、図４に示すように、コントローラＣに入力される指令が指示する振動の周波数が高くなると、加振器Ｅの応答が遅れる、つまり、指令に対して変位Ｘが遅れる傾向となる。

さらに、図３に示すように、サーボ弁１３ｄの弁開度が小さくなると、振動の周波数が高くなった際の変位Ｘのゲインの落ち込み度合が小さくなる。つまり、サーボ弁１３ｄの弁開度が大きくなると、同じ周波数でも変位Ｘのゲインが小さくなる。また、図４に示すように、コントローラＣに入力される指令が指示する弁開度が大きくなると、加振器Ｅの応答が遅れる、つまり、指令に対して変位Ｘが遅れる傾向となる。

同定部３は、周波数と弁開度を入力として変位Ｘのゲインを得るまでの重みづけ係数を加振器Ｅの応答のゲインと位相の特性を応答特性としてニューラルネットワークモデルを利用して同定する。

具体的には、同定部３は、図５に示すように、スイープ信号が指示する周波数、弁開度を入力層に入力する情報とし、出力層をストロークセンサ２が検知する変位Ｘのゲインとして、各情報に乗じる重みづけ係数Ｗ１１，Ｗ１２，・・・Ｗ１ｎ，Ｗ２１，Ｗ２２，・・・Ｗ２ｎ，Ｗ３１と、中間層のｎ個の情報ｙ１，ｙ２，・・・，ｙｎに乗じる係数Ｗ３１，Ｗ３２，・・・Ｗ３ｎを入力層の周波数と弁開度の入力に対して変位Ｘのゲインが得られるように同定する。同様に、同定部３は、図５に示すように、スイープ信号が指示する周波数、弁開度を入力層に入力する情報とし、出力層をストロークセンサ２が検知する変位Ｘの位相として、各情報に乗じる重みづけ係数Ｗ１１，Ｗ１２，・・・Ｗ１ｎ，Ｗ２１，Ｗ２２，・・・Ｗ２ｎ，Ｗ３１と、中間層のｎ個の情報ｙ１，ｙ２，・・・，ｙｎに乗じる係数Ｗ３１，Ｗ３２，・・・Ｗ３ｎを入力層の周波数と弁開度の入力に対して変位Ｘの位相が得られるように同定する。

このようにして同定した重みづけ係数は、加振器Ｅの周波数と弁開度を入力とした場合に変位Ｘのゲインと位相を得るための係数となっており、両者は加振器Ｅの応答特性を特徴づける係数となっている。この加振器Ｅの応答特性は、ダンパＤの特性も含めた系全体としての応答特性である。なお、同定部３による学習には、Ａｄａｍの学習則の他、種々の学習則を利用可能である。

そして、同定部３によって同定された加振器Ｅの応答特性の逆特性を得れば、コントローラＣは、その時の加振器Ｅへ与える制御指令の周波数とサーボ弁１３ｄの弁開度に応じて前記逆特性を用いて目標指令Ｕｒｅｆを補正して、加振器Ｅの応答である変位Ｘを目標指令Ｕｒｅｆ通りに制御できる。

なお、シリンダ８内の作動油の温度が変化すると、ダンパＤの減衰特性は変化する。具体的には、ダンパＤ内の作動油の温度が上昇すると、作動油の粘度が低下してダンパＤの減衰係数が低下するので、ダンパＤの減衰力が低下する。このようなダンパＤの減衰特性の変化に対応する場合、ダンパＤの温度を温度センサで検知して、温度センサで検知したダンパＤの温度を周波数、弁開度とともに同定部３に入力してゲインと位相を得るための重みづけ係数を加振器Ｅの応答特性として同定すればよい。ニューラルネットワークモデルでは、情報量が増えても、学習によって重みづけ係数を最適化できるので、制御に必要な加振器Ｅの応答特性を同定できる。

また、同定部３は、振動試験中も絶えず、目標指令Ｕｒｅｆと変位Ｘの入力を得て、周波数および弁開度に対する変位Ｘの応答特性を学習によって同定し、応答特性を更新し続ける。なお、本実施の形態では、学習時間を短縮するためにスイープ信号の入力によってコントローラＣが加振器Ｅを制御して供試体であるダンパＤに振動を与え、同定部３が予め加振器Ｅの応答特性を同定している。ただし、同定部３は、振動試験に際して予め応答特性を同定していなくとも、目標指令Ｕｒｅｆの入力による振動試験が進めば加振器Ｅの応答特性を学習して、順次更新して最適化できる。

補正部４は、目標指令Ｕｒｅｆの入力を受けて同定部３が同定した応答特性の逆特性に基づいて、目標指令Ｕｅｒｆを補正して補正指令Ｕａを求める。ここで、同定部３の応答特性の同定によって得られるゲインと位相は、ゲインをｒとし、位相をθとすると複素平面のある点ｚを極座標と用いて表現するとｚ＝ｒ（ｃｏｓθ＋ｉ・ｓｉｎθ）として示すことができる。ある周波数と弁開度に対してゲインｒと位相θが同定されているので、補正部４は、この逆特性を求め、目標指令が指示する点をフーリエ変換して複素平面に写像してから逆特性を用いて同じ複素平面内で補正し、補正後の点を逆フーリエ変換によって、ユークリッド平面に写像して、補正後の目標指令Ｕａを得る。

なお、、補正部４は、目標指令Ｕｒｅｆが指示する周波数と弁開度をパラメータとした応答特性の逆特性のマップを用意しておき、マップ演算によってゲイン補償と位相補償とを行って目標指令Ｕｒｅｆを補正して補正指令Ｕａを求めてもよい。

このように目標指令Ｕｒｅｆに対する加振器Ｅの応答のゲイン特性の逆特性は、マップとして示すと、図６に示すような３次元マップとなる。このマップは、周波数と弁開度の双方に対する加振器Ｅの変位Ｘの応答特性の逆特性となっているので、図６に示すように、周波数が高くなるとゲインを大きくし、弁開度が大きくなるとゲインを大きくするマップとなっている。なお、図示はしないが、位相特性の逆特性もマップとして示すと３次元マップとなる。

ただし、３次元マップを利用する場合、コントローラＣの記憶容量を圧迫するので、補正部４は、実際には図６に示したゲイン特性の逆特性の３次元マップと位相特性の逆特性の３次元マップを保有せず、前述のように、フーリエ変換によって目標指令を複素平面内に写像して、目標指令Ｕｒｅｆが指示する振動の周波数とサーボ弁１３ｄの弁開度に対応する逆特性に基づいてこの写像を補正し、補正後の写像を逆フーリエ変換して、補正指令Ｕａを求める。

本実施の形態では、補正部４は、マップを用いずに補正指令Ｕａを求めるので、コントローラＣの記憶容量の軽減につながる。このようにして補正部４が逆特性に基づいて目標指令Ｕｅｒｆを補正すると、補正後の補正指令Ｕａは、加振器Ｅの応答特性を踏まえて目標指令Ｕｒｅｆ通りに加振器Ｅに応答させるのに適した指令となる。

ここで、目標指令Ｕｒｅｆは、加振器Ｅを正弦波振動させる指令であり、アクチュエータ１３が理想的な正弦波で伸縮する変位を指示する指令となっている。目標指令Ｕｒｅｆを加振器Ｅに入力すると、ダンパＤの特性が加味された加振器Ｅの応答特性によって周波数や弁開度によってゲインと位相が変化するのでアクチュエータ１３の変位Ｘは目標指令Ｕｒｅｆが指示する変位に対してずれる。そこで、補正部４で同定部３が生成した加振器Ｅの応答特性の逆特性に基づいて目標指令Ｕｒｅｆに乗じて補正すれば、加振器Ｅの変位Ｘを目標指令Ｕｒｅｆが指示する変位と一致させる補正指令Ｕａが得られる。

このようにして補正部４によって目標指令Ｕｒｅｆが補正されて補正指令Ｕａが求められると、補正部４は、補正指令Ｕａを制御部５へ入力する。制御部５は、補正指令Ｕａの入力を受けて補正指令Ｕａに基づいて制御指令Ｕｃを生成して、制御指令Ｕｃを加振器Ｅへ入力する。

制御部５は、目標指令Ｕｒｅｆを補正する補正部４が出力する補正指令Ｕａとストロークセンサ２が検知した変位Ｘとの偏差を求めてＰＩＤ補償して制御指令Ｕｃを生成するＰＩＤ補償器とされており加振器Ｅをフィードバック制御する。本実施の形態では、制御部５は、ＰＩＤ補償器とされているが、ＰＩ補償器とされてもよし、Ｈ∞制御器とされてもよい。

このように構成された振動試験装置１は、以下のように動作する。コントローラＣに目標指令Ｕｒｅｆが入力されると加振器Ｅが供試体であるダンパＤに振動を与え、ストロークセンサ２が所定のサンプリング周期で加振器Ｅの変位Ｘを検知してコントローラＣに入力する。同定部３は、目標指令Ｕｒｅｆと加振器Ｅの変位Ｘの入力によって、加振器Ｅの振動中に加振器Ｅの応答特性を学習して応答特性を同定して順次更新する。補正部４は、応答特性としての重みづけ係数を参照してその逆特性に基づいて目標指令Ｕｒｅｆを補正して補正指令Ｕａを生成し、制御部５が補正指令Ｕａと変位Ｘの偏差をＰＩＤ補償して制御指令Ｕｃを生成して、加振器Ｅのサーボ弁１３ｄへ制御指令Ｕｃを与える。制御指令Ｕｃが入力されたサーボ弁１３ｄは、スプールの位置を制御指令Ｕｃが指示する通りに調節して、アクチュエータ１３を伸縮させる。アクチュエータ１３が伸縮状況はストロークセンサ２によってモニタされており、変位Ｘを絶えずコントローラＣに入力して、同定部３の加振器Ｅの応答特性の同定と加振器Ｅの制御が並行して行われ、目標指令Ｕｒｅｆを補正するために参照される応答特性が絶えず最適化される。

以上のように、本実施の形態の振動試験装置１は、ダンパ（供試体）Ｄに振動を与える加振器Ｅと、目標指令Ｕｒｅｆに基づいて加振器Ｅを制御するコントローラＣとを備え、コントローラＣがニューラルネットワークモデルを利用して目標指令Ｕｒｅｆに対する加振器Ｅの応答特性を同定する同定部３と、同定部３で求めた応答特性の逆特性に基づいて目標指令Ｕｒｅｆを補正して補正指令Ｕａを求める補正部４と、補正指令Ｕａに基づいて加振器Ｅを制御する制御部５とを備えている。このように構成された振動試験装置１は、ニューラルネットワークモデルを利用した同定部３による加振器Ｅの応答特性の同定を行って目標指令Ｕｒｅｆを補正するために参照される応答特性を絶えず最適化しつつ、加振器Ｅを制御することができる。したがって、振動試験装置１によれば、製品は同じでも異なるダンパ（供試体）Ｄに振動を与える場合であっても加振器Ｅおよびダンパ（供試体）Ｄでなる系全体の特性が変化しても最適な制御指令Ｕｃを生成して、試験条件に合致する理想的な振動をダンパ（供試体）Ｄに与えられる。また、補正部４で参照する応答特性は、ニューラルネットワークモデルを利用した同定部３によって同定されて最適化されるので、応答特性にノイズが残ってしまうのを防止できるので、加振器Ｅが与える振動にノイズが重畳したり歪みが生じたりしてしまう恐れもない。以上より、本実施の形態の振動試験装置１によれば、試験条件通りにダンパ（供試）Ｄに振動を与えることができる。

また、同定部３は、ニューラルネットワークモデルを利用しているので、入力される情報がいくら増えても加振器Ｅの応答特性を同定できるので、加振器Ｅの応答が変化する因子に対して目標指令Ｕｒｅｆを補正し得る。

さらに、同定部３は、ニューラルネットワークモデルを利用して加振器Ｅの応答特性を同定するので、状態方程式や伝達関数を利用した同定に比べて、容易に応答特性を同定できる。

そして、同定部３は、ニューラルネットワークモデルを利用して直接に制御指令を求めるのではなく、ニューラルネットワークモデルを利用して加振器Ｅの応答特性を求めるので、データ量を圧縮できるほか、不連続なテーブルではなくデータの値が連続的に変化するような応答特性を同定でき加振器Ｅの制御性も向上する。

さらに、本実施の形態の振動試験装置１では、加振器Ｅがシリンダ１３ａと、シリンダ１３ａ内に移動自在に挿入されてシリンダ１３ａ内を伸側室Ｒ１と圧側室Ｒ２とに区画するピストン１３ｂと、シリンダ１３ａ内に移動自在に挿入されてピストン１３ｂに連結されるロッド１３ｃと、ポンプＰから吐出される作動油を伸側室Ｒ１と圧側室Ｒ２とに選択的に供給するサーボ弁１３ｄとを備えたアクチュエータ１３であって、同定部３が加振器Ｅの周波数とサーボ弁１３ｄの弁開度に対する加振器Ｅの応答特性を同定する。このように同定部３が目標指令Ｕｒｅｆの周波数とサーボ弁１３ｄの弁開度に対する加振器Ｅの応答特性を同定すると、加振器Ｅの制御にあたりサーボ弁１３ｄの弁開度の影響も加味したより最適な補正指令Ｕａを求めることができ、より高精度に加振器Ｅを制御できダンパ（供試体）Ｄにより高精度に試験条件通りの振動を与えられる。

また、同定部３が目標指令Ｕｒｅｆの周波数、サーボ弁１３ｄの弁開度およびダンパ（供試体）Ｄの温度に対する加振器Ｅの応答特性を同定してもよい。このように同定部３が目標指令Ｕｒｅｆの周波数、サーボ弁１３ｄの弁開度およびダンパ（供試体）Ｄの温度に対する加振器Ｅの応答特性を同定すると、加振器Ｅの制御にあたりダンパ（供試体）Ｄの温度の影響も加味したより最適な補正指令Ｕａを求めることができ、より高精度に加振器Ｅを制御できダンパ（供試体）Ｄにより高精度に試験条件通りの振動を与えられる。

つづいて、制御部５は、図７に示すように、構成されてもよい。一実施の形態の第一変形例における振動試験装置１ａの制御部５は、目標指令Ｕｒｅｆを補正する補正部４が出力する補正指令Ｕａとストロークセンサ２が検知した変位Ｘとの偏差を求めてＰＩＤ補償して操作指令Ｕｂを生成するフィードバック部としてのＰＩＤ補償器５ａと、加振器Ｅに与える制御指令Ｕｃの入力に対して加振器Ｅの応答である変位Ｘｓを模擬して出力する規範モデル部５ｂと、ストロークセンサ２で検知した加振器Ｅの変位Ｘと規範モデル部５ｂが模擬した変位Ｘｓとの差ΔＸを求める加算器５ｃと、差ΔＸと操作指令Ｕｂとを加算して制御指令Ｕｃを求める加算器５ｄとを備えている。

ＰＩＤ補償器５ａは、目標指令Ｕｒｅｆを補正する補正部４が出力する補正指令Ｕａと、ストロークセンサ２が検知した変位Ｘとの偏差を求めてＰＩＤ補償して操作指令Ｕｂを生成するＰＩＤ補償器とされている。本実施の形態では、ＰＩＤ補償器５ａは、ＰＩＤ補償器とされているが、ＰＩ補償器とされてもよいし、Ｈ∞制御器とされてもよい。

規範モデル部５ｂは、図７に示すように、加振器Ｅの変位Ｘｓを模擬する加振器応答模擬部５ｂ１と、加振器応答模擬部５ｂ１が模擬した変位Ｘｓの入力によりダンパＤの応答として荷重Ｆｄを模擬する供試体応答模擬部５ｂ２とを備えている。加振器応答模擬部５ｂ１は、制御指令Ｕｃと供試体応答模擬部５ｂ２が模擬したダンパＤの荷重Ｆｄとの入力により加振器Ｅの変位Ｘｓを模擬して出力する。

加振器応答模擬部５ｂ１は、図８に示すように、具体的には、加振器物理モデル部５ｂ１１と、加振器物理モデル部５ｂ１１に並列される加振器線形部５ｂ１２と、加振器物理モデル部５ｂ１１と加振器線形部５ｂ１２とに並列される加振器非線形部５ｂ１３と、加振器物理モデル部５ｂ１１、加振器線形部５ｂ１２および加振器非線形部５ｂ１３の各出力を加算する加算器５ｂ１４とを備えている。

加振器物理モデル部５ｂ１１は、制御指令Ｕｃと供試体応答模擬部５ｂ２が模擬したダンパＤの荷重Ｆｄとに基づいて、加振器Ｅの物理モデルを利用して加振器Ｅの変位Ｘ１を求める。加振器Ｅの物理モデルは、加振器Ｅの系を表現したものであり、物理モデルに制御指令Ｕｃが指示する変位とダンパＤから受ける荷重とパラメータとして入力すると応答としての変位Ｘ１を求め得るものである。物理モデルは、任意に設計でき、パラメータの係数等には設計値を用いてもよいし、機械学習による最適化問題の解を入力してもよい。加振器物理モデル部５ｂ１１が求める変位Ｘ１は、物理モデルの応答であるから、制御指令Ｕｃや荷重Ｆｄにノイズが重畳していなければ、図９（ａ）に示すように、外乱やノイズを含まない正弦波波形を持つものとなる。

加振器線形部５ｂ１２は、加振器物理モデル部５ｂ１１と加振器非線形部５ｂ１３とに並列されて、ニューラルネットワークモデルを利用して制御指令Ｕｃおよび供試体応答模擬部５ｂ２が模擬したダンパＤの荷重Ｆｄに基づいて線形応答Ｘ２を求める。線形応答Ｘ２は、加振器物理モデル部５ｂ１１が求めた変位Ｘ１に加算されて加振器物理モデル部５ｂ１１の変位Ｘ１の位相および振幅を補正する値である。加振器線形部５ｂ１２は、ニューラルネットワークモデルを利用して制御指令Ｕｃが指示する周波数、弁開度および荷重Ｆｄの入力から加振器Ｅの変位Ｘを得るまでの重みづけ係数を同定し、同定した重みづけ係数を利用して制御指令Ｕｃと荷重Ｆｄの入力から線形応答Ｘ２を求める。詳細には、加振器線形部５ｂ１２は、制御指令Ｕｃが指示する周波数、弁開度およびダンパＤの荷重Ｆｄを入力層に入力して、各情報に重みづけ係数を乗じて重みづけして出力層の線形応答Ｘ２を得る。このように、加振器線形部５ｂ１２は、学習によって、入力層から中間層を得る重みづけ係数と、中間層から出力層を得る重みづけ係数を同定することによって加振器Ｅの応答特性を同定する。こうして得られた線形応答Ｘ２は、図９（ｂ）に示すように、実際の加振器Ｅの応答特性によって生じる変位Ｘ１と変位Ｘのずれを修正する信号である。なお、加振器線形部５ｂ１２による学習には、Ａｄａｍの学習則の他、種々の学習則を利用可能である。

そして、加振器非線形部５ｂ１３は、加振器物理モデル部５ｂ１１と加振器線形部５ｂ１２とに並列されて、ニューラルネットワークモデルを利用して制御指令Ｕｃおよび供試体応答模擬部５ｂ２が模擬したダンパＤの荷重Ｆｄに基づいて加振器Ｅの非線形応答Ｘ３を求める。

加振器非線形部５ｂ１３は、ニューラルネットワークモデルを利用して制御指令Ｕｃおよび荷重Ｆｄの入力から加振器Ｅの変位Ｘに重畳されているノイズや歪みといった高周波の非線形応答Ｘ３を求める。加振器非線形部５ｂ１３は、制御指令Ｕｃが指示する周波数、弁開度およびダンパＤの荷重Ｆｄを入力層に入力して、各情報に重みづけ係数を乗じて重みづけして出力層の非線形応答Ｘ３を得る。つまり、加振器非線形部５ｂ１３は、学習によって、入力層から中間層を得る重みづけ係数と、中間層から出力層を得る重みづけ係数を同定することによって加振器Ｅの非線形応答Ｘ３を求める。こうして得られた非線形応答Ｘ３は、図９（ｃ）に示すように、加振器Ｅの応答特性に起因しない実際の加振器Ｅの変位Ｘに現れる非線形なノイズや歪みの成分を模擬した信号となる。なお、加振器非線形部５ｂ１３による学習には、Ａｄａｍの学習則の他、種々の学習則を利用可能である。

加算器５ｂ１４は、図９（ｄ）に示すように、加振器物理モデル部５ｂ１１が求めた変位Ｘ１と、加振器線形部５ｂ１２が求めた線形応答Ｘ２と、加振器非線形部５ｂ１３が求めた非線形応答Ｘ３を加算して、加振器Ｅの応答を模擬した変位Ｘｓを求める。

加振器応答模擬部５ｂ１は、既知の物理モデルに従う変位Ｘ１を加振器物理モデル部５ｂ１１で求め、加振器Ｅの応答特性に起因した線形応答Ｘ２を加振器物理モデル部５ｂ１１に並列される加振器線形部５ｂ１２で求め、加振器Ｅの応答特性に起因しない実際の加振器Ｅの変位Ｘに現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｘ３を加振器物理モデル部５ｂ１１と加振器線形部５ｂ１２とに並列される加振器非線形部５ｂ１３で求め、加振器物理モデル部５ｂ１１、加振器線形部５ｂ１２および加振器非線形部５ｂ１３の各出力を加算して変位Ｘｓを求める。したがって、加振器応答模擬部５ｂ１は、ダンパＤの特性を含めた加振器Ｅの変位Ｘを学習して精度よく加振器Ｅを模擬して変位Ｘｓを求め得る。

なお、加振器線形部５ｂ１２を省略して、加振器Ｅの応答特性の成分についても加振器非線形部５ｂ１３の学習によって模擬し、加振器応答模擬部５ｂ１を加振器物理モデル部５ｂ１１と加振器物理モデル部５ｂ１１に並列される加振器非線形部５ｂ１３と、変位Ｘ１と非線形応答Ｘ３とを加算する加算器５ｂ１４とで構成してもよい。ただし、加振器線形部５ｂ１２を設けることで、加振器Ｅの応答特性による成分を学習できるから、実際の加振器Ｅの変位Ｘと高精度で一致する変位Ｘｓを得るまでの学習時間を短縮できる。

このようにして加振器応答模擬部５ｂ１が模擬した変位Ｘｓは、供試体応答模擬部５ｂ２に入力される。供試体応答模擬部５ｂ２は、図１０に示すように、具体的には、ダンパＤの応答として荷重Ｆ１を求める供試体物理モデル部５ｂ２１と、ダンパＤの非線形応答Ｆ２を求める供試体非線形部５ｂ２２と、供試体物理モデル部５ｂ２１および供試体非線形部５ｂ２２の各出力を加算する加算器５ｂ２３とを備えている。

供試体物理モデル部５ｂ２１は、加振器応答模擬部５ｂ１が模擬した変位Ｘｓに基づいて、ダンパＤの物理モデルを利用してダンパＤの荷重Ｆ１を求める。ダンパＤの物理モデルは、ダンパＤをマクスウェルモデル、ケルビンフォークトモデル或いは標準線形固体モデル等で表現したものであり、物理モデルに変位Ｘｓをパラメータとして入力すると応答としての荷重Ｆ１を求め得るものである。物理モデルは、任意に設計でき、パラメータの係数等には設計値を用いてもよいし、機械学習による最適化問題の解を入力してもよい。供試体物理モデル部５ｂ２１が求める荷重Ｆ１は、物理モデルの応答であるから、制御指令Ｕｃや荷重Ｆｄにノイズが重畳していなければ、図１１（ａ）に示すように、外乱やノイズを含まない正弦波波形を持つものとなる。

供試体非線形部５ｂ２２は、ニューラルネットワークモデルを利用して加振器応答模擬部５ｂ１が模擬した変位ＸｓからダンパＤの荷重に重畳されているノイズや歪みといった高周波の非線形応答Ｆ２を求める。供試体非線形部５ｂ２２は、変位Ｘｓを入力層に入力して、加振器Ｅに設けたロードセル１５で検知したダンパＤの荷重Ｆを出力層として、変位Ｘｓから荷重Ｆを得るまでの重みづけ係数を学習して同定する。つまり、供試体非線形部５ｂ２２は、学習によって、入力層から中間層を得る重みづけ係数と、中間層から出力層を得る重みづけ係数を同定する。そして、供試体非線形部５ｂ２２は、同定した重みづけ係数を利用して加振器応答模擬部５ｂ１が模擬した変位ＸｓからダンパＤの非線形応答Ｆ２を求める。こうして得られた非線形応答Ｆ２は、図１１（ｂ）に示すように、ダンパＤが持つヒステリシスや摩擦等の影響によって実際のダンパＤの荷重Ｆｄに現れる非線形なノイズや歪みの成分を模擬した信号となる。なお、供試体非線形部５ｂ２２による学習には、Ａｄａｍの学習則の他、種々の学習則を利用可能である。

加算器５ｂ２３は、図１１（ｃ）に示すように、供試体物理モデル部５ｂ２１が求めた荷重Ｆ１と、供試体非線形部５ｂ２２が求めた非線形応答Ｆ２を加算して、ダンパＤの応答を模擬した荷重Ｆｄを求める。

供試体応答模擬部５ｂ２は、既知の物理モデルに従う荷重Ｆ１を供試体物理モデル部５ｂ２１で求め、実際のダンパＤの荷重に現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｆ２を供試体物理モデル部５ｂ２１に並列される供試体非線形部５ｂ２２で求め、供試体物理モデル部５ｂ２１および供試体非線形部５ｂ２２の各出力を加算して荷重Ｆｄを求める。したがって、供試体応答模擬部５ｂ２は、ダンパＤの荷重を学習して精度よくダンパＤを模擬して荷重Ｆｄを求め得る。このようにして供試体応答模擬部５ｂ２が模擬した荷重Ｆｄは、加振器応答模擬部５ｂ１に入力されて、加振器応答模擬部５ｂ１の変位Ｘｓの生成に利用される。

そして、規範モデル部５ｂは、振動試験装置１によるダンパＤの試験中に順次入力される制御指令Ｕｃから変位Ｘｓを模擬して加算器５ｃに入力する。加算器５ｃは、変位Ｘｓの他、ストロークセンサ２が検知した変位Ｘの入力を受けて、変位Ｘと変位Ｘｓの差ΔＸを求める。加算器５ｃが求めた差ΔＸは、操作指令Ｕｂとともに加算器５ｄに入力され、加算器５ｄは、差ΔＸと操作指令Ｕｂとを加算して制御指令Ｕｃを求める。加算器５ｄが求めた制御指令Ｕｃは、加振器Ｅと規範モデル部５ｂの双方に入力される。

このように構成された振動試験装置１ａは、以下のように動作する。コントローラＣに目標指令Ｕｒｅｆが入力されると加振器Ｅが供試体であるダンパＤに振動を与え、ストロークセンサ２が所定のサンプリング周期で加振器Ｅの変位Ｘを検知してコントローラＣに入力される。同定部３は、目標指令Ｕｒｅｆと加振器Ｅの変位Ｘの入力によって、加振器Ｅの振動中に加振器Ｅの応答特性を学習して同定して順次更新する。補正部４は、応答特性の逆特性に基づいて目標指令Ｕｒｅｆを補正して補正指令Ｕａを生成する。制御部５は、補正指令ＵａをＰＩＤ補償して操作指令Ｕｂを求め、さらに、規範モデル部５ｂが模擬した変位Ｘｓとストロークセンサ２が検知した変位Ｘとの差ΔＸで操作指令Ｕｂを修正して制御指令Ｕｃを求めて、加振器Ｅのサーボ弁１３ｄへ制御指令Ｕｃを与える。また、制御部５は、制御指令Ｕｃを求めると規範モデル部５ｂに入力して加振器Ｅの応答特性および非線形応答、ダンパＤの特性を順次学習し、加振器Ｅの変位を模擬した変位Ｘｓを求める。制御指令Ｕｃが入力されたサーボ弁１３ｄは、スプールの位置を制御指令Ｕｃが指示する通りに調節して、アクチュエータ１３を伸縮させる。アクチュエータ１３が伸縮状況はストロークセンサ２によってモニタされており、変位Ｘを絶えずコントローラＣに入力して、同定部３の加振器Ｅの応答特性の同定と加振器Ｅの制御が並行して行われ、目標指令Ｕｒｅｆを補正するために参照される応答特性が絶えず最適化される。また、制御部５は、規範モデル部５ｂにて加振器Ｅと供試体であるダンパＤの特性を学習し、加振器Ｅの変位を模擬した変位Ｘｓを求めて、変位Ｘと模擬した変位Ｘｓとの差ΔＸで操作指令Ｕｂを修正して制御指令Ｕｃを求めるので、実際の加振器Ｅの変位Ｘと規範モデル部５ｂの変位Ｘｓとの差を調節するように制御指令Ｕｃが修正されるので、加振器Ｅの変位Ｘをより高精度に目標指令Ｕｒｅｆ通りに追従させ得る。

以上より、本実施の形態の振動試験装置１ａは、ダンパ（供試体）Ｄに振動を与える加振器Ｅと、目標指令Ｕｒｅｆに基づいて加振器Ｅを制御するコントローラＣとを備え、コントローラＣがニューラルネットワークモデルを利用して目標指令Ｕｒｅｆに対する加振器Ｅの応答特性を同定する同定部３と、同定部３で求めた応答特性の逆特性に基づいて目標指令Ｕｒｅｆを補正して補正指令Ｕａを求める補正部４と、補正指令Ｕａに基づいて目標指令Ｕｒｅｆを生成して加振器Ｅを制御する制御部５と、加振器Ｅの応答を検知するストロークセンサ（検知器）２とを備え、制御部５がストロークセンサ（検知器）２で検知した加振器Ｅの変位（応答）Ｘと補正指令Ｕａとの偏差に基づいて操作指令Ｕｂを求めるＰＩＤ補償器（フィードバック部）５ａと、加振器Ｅに与える制御指令Ｕｃの入力に対して加振器Ｅの変位（応答）Ｘｓを模擬して出力する規範モデル部５ｂを有し、ストロークセンサ（検知器）２で検知した加振器Ｅの変位（応答）Ｘと規範モデル部５ｂが模擬した変位（応答）Ｘｓとの差と操作指令Ｕｂとに基づいて制御指令Ｕｃを求めている。

このように構成された振動試験装置１ａは、ニューラルネットワークモデルを利用した同定部３による加振器Ｅの応答特性の同定を行って目標指令Ｕｒｅｆを補正するために参照される応答特性を絶えず最適化しつつ、加振器Ｅを制御することができる。したがって、振動試験装置１ａによれば、製品は同じでも異なるダンパ（供試体）Ｄに振動を与える場合であっても加振器Ｅおよびダンパ（供試体）Ｄでなる系全体の特性が変化しても最適な制御指令Ｕｃを生成して、試験条件に合致する理想的な振動をダンパ（供試体）Ｄに与えられる。また、補正部４で参照する応答特性は、ニューラルネットワークモデルを利用した同定部３によって同定されて最適化され、応答特性にノイズが残ってしまうのを防止できるので、加振器Ｅが与える振動にノイズが重畳したり歪みが生じたりしてしまう恐れもない。以上より、本実施の形態の振動試験装置１によれば、試験条件通りにダンパ（供試）Ｄに振動を与えることができる。

また、このように構成された振動試験装置１ａは、規範モデル部５ｂにて加振器Ｅの変位（応答）Ｘｓを模擬して、変位（応答）Ｘと模擬した変位（応答）Ｘｓとの差ΔＸで操作指令Ｕｂを修正して制御指令Ｕｃを求めるので、実際の加振器Ｅの変位Ｘと規範モデル部５ｂの変位（応答）Ｘｓとの差を調節するように制御指令Ｕｃが修正でき、加振器Ｅの変位（応答）Ｘをより高精度に目標指令Ｕｒｅｆ通りに追従させ得る。なお、規範モデル部５ｂにおいて、ニューラルネットワークモデルを利用せず、伝達関数や状態方程式或いはあらかじめ用意したテーブルやマップを利用して加振器Ｅの変位Ｘｓを模擬して出力することも可能である。ただし、振動試験装置１ａは、規範モデル部５ｂにおいてニューラルネットワークモデルを利用した学習によって変位Ｘｓを求めると、より精度よく加振器Ｅの変位（応答）Ｘに一致する変位（応答）Ｘｓを求め得るので、加振器Ｅの変位Ｘをより効果的に目標指令Ｕｒｅｆ通りに追従させ得る。

さらに、本実施の形態の振動試験装置１ａは、規範モデル部５ｂが加振器Ｅの変位（応答）Ｘｓを模擬する加振器応答模擬部５ｂ１と、加振器応答模擬部５ｂ１が模擬した変位（応答）Ｘｓの入力によりダンパ（供試体）Ｄの荷重（応答）Ｆｄを模擬する供試体応答模擬部５ｂ２とを有し、加振器応答模擬部５ｂ１が制御指令Ｕｃと供試体応答模擬部５ｂ２が模擬したダンパ（供試体）Ｄの荷重（応答）Ｆｄとの入力により加振器Ｅの変位（応答）Ｘｓを模擬して出力してもよい。このように構成された振動試験装置１ａでは、規範モデル部５ｂが加振器Ｅの変位（応答）Ｘｓを模擬し、さらに、模擬された変位（応答）Ｘｓの入力を受けたダンパ（供試体）Ｄの荷重（応答）Ｆｄを模擬するので、実際の加振器Ｅとダンパ（供試体）Ｄの系を模擬して変位（応答）Ｘｓを求めることができる。よって、本実施の形態の振動試験装置１ａによれば、実際の系に即して加振器Ｅの規範となる変位（応答）Ｘｓを求めることができ、加振器Ｅがダンパ（供試体）Ｄに対して精度よく目標指令Ｕｒｅｆ通りの振動を与えられるようになる。

また、本実施の形態の振動試験装置１ａは、加振器応答模擬部５ｂ１が制御指令Ｕｃと供試体応答模擬部５ｂ２が模擬したダンパ（供試体）Ｄの荷重（応答）Ｆｄとに基づいて加振器Ｅの物理モデルを利用して加振器Ｅの変位（応答）Ｘ１を求める加振器物理モデル部５ｂ１１と、加振器物理モデル部５ｂ１１に並列されて制御指令Ｕｃと供試体応答模擬部５ｂ２が模擬したダンパ（供試体）Ｄの荷重（応答）Ｆｄとに基づいてニューラルネットワークモデルを利用して加振器物理モデル部５ｂ１１が求めた変位（応答）Ｘ１に加算する加振器Ｅの非線形応答Ｘ３を求める加振器非線形部５ｂ１３とを備えていてもよい。このように振動試験装置１ａでは、加振器応答模擬部５ｂ１が既知の物理モデルに従う変位（応答）Ｘ１を加振器物理モデル部５ｂ１１で求め、加振器Ｅの応答特性に起因しない実際の加振器Ｅの変位（応答）Ｘに現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｘ３を加振器物理モデル部５ｂ１１に並列される加振器非線形部５ｂ１３で求めるので、ダンパＤの特性を含めた加振器Ｅの変位（応答）Ｘを学習して精度よく加振器Ｅを模擬して変位（応答）Ｘｓを求め得る。よって、前述のように構成された振動試験装置１ａによれば、学習によって精度よく加振器Ｅを模擬して変位（応答）Ｘｓを求め得るから、加振器Ｅがダンパ（供試体）Ｄに対してより高精度に目標指令Ｕｒｅｆ通りの振動を与えられるようになる。

さらに、本実施の形態の振動試験装置１ａは、加振器物理モデル部５ｂ１１および加振器非線形部５ｂ１３とに並列されて、ニューラルネットワークモデルを利用して制御指令Ｕｃおよび供試体応答模擬部５ｂ２が模擬したダンパ（供試体）Ｄの荷重（応答）Ｆｄに基づいて加振器物理モデル部５ｂ１１が求めた変位（応答）Ｘ１に加算する線形応答Ｘ２を求める加振器線形部５ｂ１２とを備えていてもよい。このように振動試験装置１ａでは、加振器応答模擬部５ｂ１が既知の物理モデルに従う変位（応答）Ｘ１を加振器物理モデル部５ｂ１１で求め、加振器Ｅの応答特性に起因した線形応答Ｘ２を加振器物理モデル部５ｂ１１に並列される加振器線形部５ｂ１２で求め、加振器Ｅの応答特性に起因しない実際の加振器Ｅの変位（応答）Ｘに現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｘ３を加振器物理モデル部５ｂ１１に並列される加振器非線形部５ｂ１３で求めるので、ダンパＤの特性を含めた加振器Ｅの変位Ｘを学習して精度よく加振器Ｅを模擬して変位（応答）Ｘｓを求め得る。よって、前述のように構成された振動試験装置１ａによれば、学習によって精度よく加振器Ｅを模擬して変位（応答）Ｘｓを求め得るから、加振器Ｅがダンパ（供試体）Ｄに対してより高精度に目標指令Ｕｒｅｆ通りの振動を与えられるようになる。また、前述のように構成された振動試験装置１ａによれば、加振器線形部５ｂ１２を設けることで、加振器Ｅの応答特性による成分を学習できるから、実際の加振器Ｅの変位（応答）Ｘと高精度で一致する模擬変位（応答）Ｘｓを得るまでの学習時間を短縮できる。

さらに、本実施の形態の振動試験装置１ａは、供試体応答模擬部５ｂ２が、加振器応答模擬部５ｂ１が模擬した加振器Ｅの変位（応答）Ｘｓに基づいてダンパ（供試体）Ｄの物理モデルを利用してダンパ（供試体）Ｄの荷重（応答）Ｆ１を求める供試体物理モデル部５ｂ２１と、供試体物理モデル部５ｂ２１に並列されて加振器応答模擬部５ｂ１が模擬した加振器Ｅの変位（応答）Ｘｓに基づいてニューラルネットワークモデルを利用して供試体物理モデル部５ｂ２１が求めた荷重（応答）Ｆ２に加算するダンパ（供試体）Ｄの非線形応答Ｆ２を求める供試体非線形部５ｂ２２とを備えていてもよい。このように、振動試験装置１ａは、既知の物理モデルに従う荷重（応答）Ｆ１を供試体物理モデル部５ｂ２１で求め、実際のダンパＤの荷重に現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｆ２を供試体物理モデル部５ｂ２１に並列される供試体非線形部５ｂ２２で求め、供試体物理モデル部５ｂ２１および供試体非線形部５ｂ２２の各出力を加算して荷重（応答）Ｆｄを求めるので、ダンパＤの荷重を学習して精度よくダンパＤを模擬して荷重（応答）Ｆｄを求め得る。よって、前述このように構成された振動試験装置１ａによれば、ダンパ（供試体）Ｄの荷重を学習して精度よくダンパ（供試体）Ｄを模擬して荷重（応答）Ｆｄを求めるので、全く異なる供試体の試験を行う場合であっても、精緻に供試体と加振器Ｅの系全体を模擬して加振器Ｅの変位（応答）Ｘｓを求め得るから、加振器Ｅが供試体に対してより高精度に目標指令Ｕｒｅｆ通りの振動を与えられるようになる。また、既知の物理モデルに従う荷重（応答）Ｆ１を求める供試体物理モデル部５ｂ２１と、実際のダンパＤの荷重（応答）に現れる非線形なノイズや歪みの成分を模擬した非線形応答Ｆ２を求める供試体非線形部５ｂ２２とを備えているので、前述このように構成された振動試験装置１ａによれば、製品が同じで異なるダンパ（供試体）Ｄの試験を行う場合であっても、供試体非線形部５ｂ２２が細かな調整を行うための学習をすれば足りるため、ダンパ（供試体）Ｄの荷重（応答）Ｆｄを得るための学習時間を短縮できる。

なお、本実施の形態の振動試験装置１，１ａの説明にあたり、供試体をダンパＤとしているが、ダンパＤ以外の供試体の試験にも利用できる。その場合、規範モデル部５ｂにおける供試体応答模擬部５ｂ２で供試体の応答の模擬できるように設計変更すればよい。

以上、本発明の好ましい実施の形態を詳細に説明したが、特許請求の範囲から逸脱しない限り、改造、変形、および変更が可能である。

１，１ａ・・・振動試験装置、２・・・ストロークセンサ（検知器）、３・・・同定部、４・・・補正部、５・・・制御部、５ａ・・・ＰＩＤ補償器（フィードバック部）、５ｂ・・・規範モデル部、５ｂ１・・・加振器応答模擬部、５ｂ１１・・・加振器物理モデル部、５ｂ１２・・・加振器線形部、５ｂ１３・・・加振器非線形部、５ｂ２・・・供試体応答模擬部、５ｂ２１・・・供試体物理モデル部、５ｂ２２・・・供試体非線形部、１３・・・アクチュエータ、１３ａ・・・シリンダ、１３ｂ・・・ピストン、１３ｃ・・・ロッド、１３ｄ・・・サーボ弁、Ｃ・・・コントローラ、Ｄ・・・ダンパ（供試体）、Ｅ・・・加振器、Ｐ・・・ポンプ、Ｒ１・・・伸側室、Ｒ２・・・圧側室

Claims (8)

1. 供試体に振動を与える加振器と、
   目標指令に基づいて前記加振器を制御するコントローラとを備え、
   前記コントローラは、
   ニューラルネットワークモデルを利用して前記目標指令に対する前記加振器の応答特性を同定する同定部と、
   前記同定部で求めた前記応答特性の逆特性に基づいて前記目標指令を補正して補正指令を求める補正部と、
   前記補正指令に基づいて制御指令を生成して前記加振器を制御する制御部とを有する
   ことを特徴とする振動試験装置。
2. 前記加振器の応答を検知する検知器を備え、
   前記制御部は、
   前記検知器で検知した前記加振器の応答と前記補正指令との偏差に基づいて操作指令を求めるフィードバック部と、
   前記加振器に与える前記制御指令の入力に対する前記加振器の応答を模擬して出力する規範モデル部を有し、
   前記検知器で検知した前記加振器の応答と前記規範モデル部が模擬した応答との差と前記操作指令とに基づいて前記制御指令を求める
   ことを特徴とする請求項１に記載の振動試験装置。
3. 前記規範モデル部は、
   前記加振器の応答を模擬する加振器応答模擬部と、
   前記加振器応答模擬部が模擬した前記加振器の応答の入力により前記供試体の応答を模擬する供試体応答模擬部とを有し、
   前記加振器応答模擬部は、前記制御指令と前記供試体応答模擬部が模擬した前記供試体の応答との入力により前記加振器の応答を模擬して出力する
   ことを特徴とする請求項２に記載の振動試験装置。
4. 前記加振器応答模擬部は、
   前記制御指令と前記供試体応答模擬部が模擬した前記供試体の応答とに基づいて、前記加振器の物理モデルを利用して前記加振器の応答を求める加振器物理モデル部と、
   前記加振器物理モデル部に並列されて、前記制御指令と前記供試体応答模擬部が模擬した前記供試体の応答とに基づいて、ニューラルネットワークモデルを利用して、前記加振器物理モデル部が求めた応答に加算する前記加振器の非線形応答を求める加振器非線形部とを有する
   ことを特徴とする請求項３に記載の振動試験装置。
5. 前記加振器物理モデル部および前記加振器非線形部とに並列されて、ニューラルネットワークモデルを利用して前記加振器に与える制御指令および前記制御指令および前記供試体応答模擬部が模擬した前記供試体の応答に基づいて前記加振器物理モデル部が求めた応答に加算する前記加振器の線形応答を求める加振器線形部とを有する
   ことを特徴とする請求項４に記載の振動試験装置。
6. 前記供試体応答模擬部は、
   前記加振器応答模擬部が模擬した前記加振器の応答に基づいて、前記供試体の物理モデルを利用して前記供試体の応答を求める供試体物理モデル部と、
   前記供試体物理モデル部に並列されて、前記加振器応答模擬部が模擬した前記加振器の応答に基づいてニューラルネットワークモデルを利用して、前記供試体物理モデル部が求めた応答に加算する前記供試体の非線形応答を求める供試体非線形部とを有する
   ことを特徴とする請求項３から５のいずれか１項に記載の振動試験装置。
7. 前記加振器は、シリンダと、前記シリンダ内に移動自在に挿入されて前記シリンダ内を伸側室と圧側室とに区画するピストンと、前記シリンダ内に移動自在に挿入されて前記ピストンに連結されるロッドと、ポンプから吐出される作動油を前記伸側室と前記圧側室とに選択的に供給するサーボ弁とを備えたアクチュエータであって、
   前記同定部は、前記目標指令の周波数と前記サーボ弁の弁開度に対する前記加振器の前記応答特性を同定する
   ことを特徴とする請求項１から６のいずれか１項に記載の振動試験装置。
8. 前記同定部は、前記目標指令の周波数、前記サーボ弁の開度および供試体の温度に対する前記加振器の前記応答特性を同定する
   ことを特徴とする請求項７に記載の振動試験装置。

Images