JP2023032320A - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JP2023032320A JP2023032320A JP2021138370A JP2021138370A JP2023032320A JP 2023032320 A JP2023032320 A JP 2023032320A JP 2021138370 A JP2021138370 A JP 2021138370A JP 2021138370 A JP2021138370 A JP 2021138370A JP 2023032320 A JP2023032320 A JP 2023032320A
- Authority
- JP
- Japan
- Prior art keywords
- output
- input
- controlled object
- controller
- estimated
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims description 31
- 230000000295 complement effect Effects 0.000 claims description 14
- 230000035945 sensitivity Effects 0.000 claims description 14
- 230000004043 responsiveness Effects 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 51
- 238000000034 method Methods 0.000 description 20
- 230000000052 comparative effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
【課題】応答性を早めつつ制御対象を適切に作動させる情報処理装置を提供する。【解決手段】制御器の出力を制御対象に入力すると共に制御対象の出力を制御器の入力にフィードバックする制御システムにおいて制御器の制御パラメータを調整する情報処理装置であって、制御対象の基準入力および基準出力を取得する取得部と、制御対象の基準入力および基準出力に基づいて制御対象の推定出力を算出し、制御対象の推定出力に基づいて制御器の制御パラメータに応じた制御対象の推定入力を算出する推定部と、制御対象の推定入力を所定の入力許容範囲に制約した中で、制御対象の出力をモデル化した参照モデルが参照信号に対して出力する参照応答を評価することにより、制御器の制御パラメータを調整するパラメータ調整部とを備える。【選択図】図2
Description
本開示は、情報処理装置に関する。
近年、産業界では、電子機器の急激な増加に伴って、制御器の数が増加している。このため、所望の制御性能を得るために、制御器の制御パラメータは、試行錯誤して調整される。この調整プロセスの問題点として、開発期間が長くなることと、個人のスキルに依存することが挙げられる。また、モデルベース制御を採用することもできるが、産業界で使用されている制御器の9割以上は、直感的に理解でき且つ計算コストが低いPID(Proportional-Integral-derivative)制御器である(例えば、特許文献1を参照)。
このため、制御対象の入出力データを用いて制御器のパラメータを直接調整するデータ駆動型制御(DDC;data-driven control)の研究が注目されている。DDCは、VRFT(virtual reference feedback tuning)やFRIT(Fictitious Reference Iterative Tuning)などがあり、線型時不変系(LTI)システムにおいて、制御対象のワンショット入出力データから制御器の最適な制御パラメータを得ることができる。そして、DDCでは、試行錯誤やシステム同定を行うことなく、制御器の制御パラメータを直接求めることができるため、開発工数を削減することができる。
しかしながら、DDCは、得られた制御パラメータを実際に使用すると、閉ループ系が安定しない場合がある。また、参照モデルをどのように調整するかという問題もある。例えば、制御器と参照モデルのパラメータを評価する評価関数を最小化すると、設計者が最速の応答を望んでいるにもかかわらず保守的な応答が得られる場合がある。
なお、制御器の制御パラメータを直接調整することで、BIBO(Bounded-Input, Bounded-Output)安定性を確保する技術が提案されている。この技術では、モデルマッチングのために参照モデルのパラメータを自動調整する。しかしながら、参照モデルのパラメータを調整するためには、むだ時間の識別が必要であり、明確なモデルマッチング設計を行うことが困難となる。
なお、制御器の制御パラメータを直接調整することで、BIBO(Bounded-Input, Bounded-Output)安定性を確保する技術が提案されている。この技術では、モデルマッチングのために参照モデルのパラメータを自動調整する。しかしながら、参照モデルのパラメータを調整するためには、むだ時間の識別が必要であり、明確なモデルマッチング設計を行うことが困難となる。
本開示は、応答性を早めつつ制御対象を適切に作動させる情報処理装置を提供することを目的とする。
本開示に係る情報処理装置は、制御器の出力を制御対象に入力すると共に制御対象の出力を制御器の入力にフィードバックする制御システムにおいて制御器の制御パラメータを調整する情報処理装置であって、制御対象の基準入力および基準出力を取得する取得部と、制御対象の基準入力および基準出力に基づいて制御対象の推定出力を算出し、制御対象の推定出力に基づいて制御器の制御パラメータに応じた制御対象の推定入力を算出する推定部と、制御対象の推定入力を所定の入力許容範囲に制約した中で、制御対象の出力をモデル化した参照モデルが参照信号に対して出力する参照応答を評価することにより、制御器の制御パラメータを調整するパラメータ調整部とを備えるものである。
本開示によれば、応答性を早めつつ制御対象を適切に作動させることが可能となる。
以下、本開示に係る実施の形態を添付図面に基づいて説明する。
<緒言>
[問題設定]
図1に、参照モデルを用いた一般的なフィードバック制御系を示す。ここで、rは参照信号(設定値)、uは制御入力、yは制御出力、yrは参照モデル出力を示す。また、Pは制御対象であり、未知の線型時不変系で単入力単出力のシステムである。ここで、Pは最小位相のシステムであると仮定する。さらに、制御対象には、むだ時間と制御入力の制約があるものとする。多くの産業システムにはむだ時間があり、ほとんど全てのアクチュエータには制御入力の制約がある。また、C(θ,z)は産業用制御システムの90%以上で使用されているPID制御器とする。
[問題設定]
図1に、参照モデルを用いた一般的なフィードバック制御系を示す。ここで、rは参照信号(設定値)、uは制御入力、yは制御出力、yrは参照モデル出力を示す。また、Pは制御対象であり、未知の線型時不変系で単入力単出力のシステムである。ここで、Pは最小位相のシステムであると仮定する。さらに、制御対象には、むだ時間と制御入力の制約があるものとする。多くの産業システムにはむだ時間があり、ほとんど全てのアクチュエータには制御入力の制約がある。また、C(θ,z)は産業用制御システムの90%以上で使用されているPID制御器とする。
ここで、
zはシフト演算子、θは調整可能なパラメータベクトル、Kpは比例ゲイン、Kiは積分ゲイン、Kdは微分ゲイン、τfは1次微分フィルタの時定数、Tsはサンプリング周期、Mdは参照モデルを目標相補感度関数で示すものである。Mdは以下のように定義される。
本開示では、データ駆動型制御(DDC)に基づく制御対象のワンショット入出力データから、モデルマッチングや入力制約を満たしつつ、高速応答を実現する制御器と参照モデルのパラメータを得ることを目的とする。
[FRIT]
FRITは、制御対象の入出力データから閉ループ系システムの制御器のパラメータを直接調整する手法である。FRITの手順としては、まず、システムを安定化させる制御器のパラメータを用いて閉ループ実験を行うことで、時系列の入出力データ{u0(k)、y0(k);k=1,2,・・・,N}を取得する。次に、取得した初期入出力時系列データと制御器の伝達関数の逆数C-1(θ)とを用いて、疑似参照信号rチルダを次のように計算する。
FRITは、制御対象の入出力データから閉ループ系システムの制御器のパラメータを直接調整する手法である。FRITの手順としては、まず、システムを安定化させる制御器のパラメータを用いて閉ループ実験を行うことで、時系列の入出力データ{u0(k)、y0(k);k=1,2,・・・,N}を取得する。次に、取得した初期入出力時系列データと制御器の伝達関数の逆数C-1(θ)とを用いて、疑似参照信号rチルダを次のように計算する。
この疑似参照信号に基づいて、FRITの評価関数は次式のように表すことができる。
この式を最小化することで、最適な制御パラメータを得ることができる。ここで、評価関数の解釈をパーセバルの定理(Parseval’s theorem)を用いて説明すると、Nが無限に近づくにつれて以下の式が得られる。
前述のように、FRITは魅力的なアプローチだが、このアプローチでは、閉ループ系の安定性を確保することが困難な場合がある。次に、FRITが安定性を確保できない理由について説明する。z領域における疑似参照信号rチルダ(疑似信号)と制御変数y(実信号)の関係は次のように与えられる。
また、FRITで扱われる誤差と疑似参照信号との関係は次のように表される。
この式から極-零点が相殺されて極が得られないことがわかる。このように、評価関数を最小化する制御パラメータを求めると、閉ループ系が不安定になる場合がある。
<本開示の方法>
[ID-FRIT]
閉ループ系システムのBIBO安定性を取得可能なパラメータを得るために、不安定性検出を考慮した評価関数を導出する。ID-FRITの評価関数では、極情報を含む推定出力と参照出力との誤差を用いる。この推定出力は、制御器のパラメータの関数である。そして、閉ループ系システムの参照信号(設定値)と出力の関係は次のように与えられる。
[ID-FRIT]
閉ループ系システムのBIBO安定性を取得可能なパラメータを得るために、不安定性検出を考慮した評価関数を導出する。ID-FRITの評価関数では、極情報を含む推定出力と参照出力との誤差を用いる。この推定出力は、制御器のパラメータの関数である。そして、閉ループ系システムの参照信号(設定値)と出力の関係は次のように与えられる。
式12のようにz領域の相補感度関数を同定する場合、ARXモデルなどのモデルと制御対象のオーダー情報とを用いたパラメトリック同定法の適用が必要となる。ここでは、モデルの構造やオーダーなどの事前情報を用いることなく、制御器のパラメータを自動的に調整するために、相補感度関数を時間領域で同定する。時間領域では、疑似参照信号と制御対象の出力の関係は次のように与えられる。
そして、評価関数の解釈をパーセバルの定理を用いて説明すると、Nが無限に近づくにつれて以下の式が得られる。
このように、従来のFRITでは極情報が失われるためBIBO安定性を確保できないが、ID-FRITでは極情報を含む推定出力を用いるためBIBO安定性を確保することができる。
また、データ駆動型制御(DDC)に基づく推定方法が従来から提案されているが、これらの方法とは異なり、不安定なプラントに上記の方法を適用して、ノイズ除去処理を含む過渡信号を扱うことができる。
[本開示の評価関数]
次に、推定された入出力データを用いて、モデルマッチングと入力制約を実現するための評価関数を導き出す。最適化条件は、下記の式19~式21で表される。この関数は、できるだけ応答性の高い参照モデルを求める評価部分と、モデルマッチング誤差の制約や入力制約などの制約部分とから構成される。
次に、推定された入出力データを用いて、モデルマッチングと入力制約を実現するための評価関数を導き出す。最適化条件は、下記の式19~式21で表される。この関数は、できるだけ応答性の高い参照モデルを求める評価部分と、モデルマッチング誤差の制約や入力制約などの制約部分とから構成される。
従来のFRITおよびID-FRITでは、モデルマッチングのトラッキング誤差のみを評価していた。また、参照モデルの応答性パラメータの調整が提案されているが、むだ時間の同定が必要となる。さらに、入力制約は考慮されていない。本開示で提案される方法では、評価関数は、調整可能なパラメータを有する参照モデルを含み、制約条件は推測されるトラッキング誤差と入力量を含む。
なお、トラッキング誤差は、以下のように評価することも考えられる。
この形式では、式16に示すように、参照モデルのパラメータがID-FRITに追加される。この方法で得られたパラメータは、保守的な応答をもたらすことになる。
また、以下のように、トラッキング誤差と重み付けされた参照モデルが評価関数に含まれていると考えることもできる。
ここで、wは重みである。重みを決めるのは簡単ではなく、試行錯誤しながら決めていくことになる。
そこで、本開示では、式19~式21の制約条件付きの評価関数を用いることにする。
<制御装置の構成>
図2に、本開示の実施の形態に係る情報処理装置の構成を示す。この情報処理装置は、図1の制御システムにおいて制御器の制御パラメータ(θ)を調整するもので、取得部1と、推定部2と、記憶部3と、パラメータ調整部4とを有する。取得部1が、推定部2を介してパラメータ調整部4に接続され、このパラメータ調整部4が記憶部3に接続されている。
図2に、本開示の実施の形態に係る情報処理装置の構成を示す。この情報処理装置は、図1の制御システムにおいて制御器の制御パラメータ(θ)を調整するもので、取得部1と、推定部2と、記憶部3と、パラメータ調整部4とを有する。取得部1が、推定部2を介してパラメータ調整部4に接続され、このパラメータ調整部4が記憶部3に接続されている。
取得部1は、制御対象の基準入力および基準出力を取得する。例えば、取得部1は、制御対象の初期入力u0および初期出力y0を基準入力および基準出力としてそれぞれ取得することができる。このとき、制御器は、所定の初期制御パラメータに設定されている。
推定部2は、取得部1で取得された基準入力および基準出力に基づいて、制御器の制御パラメータに応じた制御対象の推定出力(式14)を算出する。このとき、推定部2は、制御器の疑似参照信号(式6)を用いて制御器の相補感度関数(式12)を算出し、その相補感度関数に基づいて極情報を含むように制御対象の推定出力を算出する。そして、推定部2は、算出された制御対象の推定出力に基づいて、制御器の制御パラメータに応じた制御対象の推定入力(式18)を算出する。
記憶部3は、図1に示す参照モデル、すなわち参照信号に対する制御対象の出力をモデル化した参照モデルが予め記憶されている。また、記憶部3には、式19~式21の最適化条件や、時定数(τ)およびむだ時間(L)に対する制御パラメータ(θ)の対応テーブルなどが予め記憶されている。
パラメータ調整部4は、図1の制御システムの入力部分と制御器にそれぞれ接続されている。パラメータ調整部4は、制御システムの入力部分から入力される参照信号(r)に基づいて、記憶部3に記憶された参照モデル(Md)の出力(Mdr)を算出する。続いて、パラメータ調整部4は、推定部2で算出された制御対象の推定出力(y*)に対する参照モデルの出力(Mdr)のトラッキング誤差、例えば「y*-Mdr」を算出する。そして、パラメータ調整部4は、推定部2で算出された制御対象の推定入力を所定の入力許容範囲に制約(式21)すると共にトラッキング誤差を所定の出力許容範囲に制約(式20)した中で、参照信号(r)に対して参照モデル(Md)が出力する参照応答、例えば「r-Mdr」を評価することにより、制御器の制御パラメータ(θ)を調整する。
このとき、パラメータ調整部4は、参照信号に対する参照モデルの出力の差(r-Mdr)を評価する評価関数(式19)を最小化するように制御パラメータを調整する。すなわち、パラメータ調整部4は、制御対象の推定入力とトラッキング誤差をそれぞれ制約した中で、参照応答ができるだけ早くなるように制御パラメータを調整する。
パラメータ調整部4は、調整した制御パラメータを制御器に出力する。
パラメータ調整部4は、調整した制御パラメータを制御器に出力する。
<制御パラメータの調整方法>
次に、制御パラメータの調整方法について、図3のフローチャートを参照して説明する。
次に、制御パラメータの調整方法について、図3のフローチャートを参照して説明する。
まず、ステップS1で、取得部1が、制御対象の初期入力u0および初期出力y0をそれぞれ取得する。このとき、制御器は、所定の初期制御パラメータに設定されているものとする。取得部1は、取得された初期入力u0および初期出力y0を推定部2に出力する。
推定部2は、ステップS2で、取得部1で取得された初期入力u0および初期出力y0に基づいて、疑似参照信号を算出する(式6)。推定部2は、例えば、予め記憶された制御器の伝達関数の逆数(C-1(θ))を用いて疑似参照信号を算出することができる。
続いて、推定部2は、ステップS3で、疑似参照信号、初期入力u0、および初期出力y0を用いて、制御器の相補感度関数(式12)を算出する。このとき、推定部2は、時間領域の相補感度関数を算出し、式13を用いてインパルス応答の相補感度関数(t(k)チルダ)を推定する。
そして、推定部2は、相補感度関数(t(k)チルダ)に基づいて、制御器の制御パラメータに応じた制御対象の推定出力(y*)を式14から算出する。ここで、推定出力(y*)は、相補感度関数(t(k)チルダ)を用いて算出されるため、極情報が相殺されることなく、極情報を含む形式で表すことができる。
さらに、推定部2は、ステップS4で、制御対象の推定出力(y*)に基づいて、制御器の制御パラメータに応じた制御対象の推定入力(u*)を式18から算出する。すなわち、推定部2は、参照信号(r)と制御対象の推定出力(y*)との偏差に基づいて、制御器の伝達関数から制御対象の推定入力(u*)を算出する。
推定部2は、制御対象の推定入力(u*)をパラメータ調整部4に出力する。また、推定部2は、制御対象の推定出力(y*)をパラメータ調整部4に出力する。
さらに、推定部2は、ステップS4で、制御対象の推定出力(y*)に基づいて、制御器の制御パラメータに応じた制御対象の推定入力(u*)を式18から算出する。すなわち、推定部2は、参照信号(r)と制御対象の推定出力(y*)との偏差に基づいて、制御器の伝達関数から制御対象の推定入力(u*)を算出する。
推定部2は、制御対象の推定入力(u*)をパラメータ調整部4に出力する。また、推定部2は、制御対象の推定出力(y*)をパラメータ調整部4に出力する。
パラメータ調整部4は、ステップS5で、制御システムから入力される参照信号(r)と、推定部2で算出された制御対象の推定入力(u*)および推定出力(y*)とに基づいて、制御パラメータを調整する。具体的には、パラメータ調整部4は、参照信号(r)に対する参照モデルの出力(Mdr)を記憶部3から取得し、推定部2で推定された制御対象の推定出力(y*)に対する参照モデルの出力(Mdr)のトラッキング誤差(y*-Mdr)を算出する。そして、パラメータ調整部4は、制御対象の推定入力(u*)を所定の入力許容範囲に制約すると共にトラッキング誤差(y*-Mdr)を所定の出力許容範囲に制約した中で、参照信号(r)に対して参照モデルが出力する参照応答(r-Mdr)を評価することにより、制御器の制御パラメータ(θ)を調整する。
このとき、パラメータ調整部4は、参照信号に対する参照モデルの出力の差を評価する評価関数(式19)を最小化するように制御パラメータを調整する。なお、最適化法としては、例えば、共分散行列適応進化戦略(covariance matrix adaptation evolution strategy)を用いることができる。
例えば、図4に示すように、参照信号rに対する参照モデルの出力Mdr1が得られる場合に、参照信号rとの差Dを最小化する、すなわち時定数(τ)やむだ時間(L)をより小さくするように参照モデルの出力Mdr1を算出する。このとき、パラメータ調整部4は、参照信号rとの差Dを無制限に最小化した参照モデルの出力を算出するのではなく、トラッキング誤差が所定の出力許容範囲に収まる参照モデルの出力Mdr1およびMdr2の中で、参照信号rとの差Dが最小となる参照モデルの出力Mdr1を算出する。このため、参照モデルの出力Mdr1のトラッキング誤差が所定の出力許容範囲から外れている場合には、参照信号rとの差Dが出力Mdr1より大きな参照モデルの出力の中で差Dが最小となるもの、例えば参照モデルの出力Mdr2が算出されることになる。
なお、トラッキング誤差の所定の出力許容範囲は、制御対象の出力がオーバーシュートするなど急激に変動しない範囲で、モデルマッチングの許容度に応じて設定することができ、例えば-0.01~0.01の範囲(式20のεminが-0.01でεmaxが0.01)に設定することができる。このため、所定の出力許容範囲は、例えば、制御対象の出力の安定性(変動し難さ)に応じて変更することもできる。
このように、参照信号rと参照モデルの出力との差Dを最小化するのに従って、時定数(τ)やむだ時間(L)がより小さく調整されることになる。パラメータ調整部4は、調整された時定数(τ)やむだ時間(L)に基づいて、記憶部3に記憶された制御パラメータの対応テーブルを参照し、時定数(τ)やむだ時間(L)に対応する制御パラメータ(θ)を算出する。
従来、制御パラメータは、例えば式16に示すように、制御対象の推定出力(y*)に対する参照モデルの出力Mdrのトラッキング誤差を最小化することで調整されていた。このため、トラッキング誤差の最小化に従って、時定数(τ)などが大きくなるおそれがあった。例えば、トラッキング誤差が最小化するように制御パラメータを調整すると、制御対象の出力がオーバーシュートするなど大きく変動する場合がある。その結果、トラッキング誤差が反対に大きくなり、時定数(τ)などを小さく調整することが困難となる。
そこで、本開示では、パラメータ調整部4が、参照信号(r)に対して参照モデルが出力する参照応答を評価することにより、制御器の制御パラメータ(θ)を調整する。これにより、参照応答を早めるに従って時定数(τ)などを小さくすることができ、応答性を早めることができる。
このとき、応答性が早まるのに応じて、制御対象の入力(u)が制御対象の許容範囲を超えて大きくなるおそれがある。例えば、制御対象がバルブなどの場合には、バルブの開度の許容範囲を超えた入力(u)が入力されて、バルブが適切に作動しないおそれがある。
そこで、本開示では、パラメータ調整部4が、制御対象の推定入力を所定の入力許容範囲に制約した中で、参照信号(r)に対して参照モデルが出力する参照応答を評価することにより、制御器の制御パラメータ(θ)を調整する。これにより、応答性を早めつつ制御対象を適切に作動させることができる。
そこで、本開示では、パラメータ調整部4が、制御対象の推定入力を所定の入力許容範囲に制約した中で、参照信号(r)に対して参照モデルが出力する参照応答を評価することにより、制御器の制御パラメータ(θ)を調整する。これにより、応答性を早めつつ制御対象を適切に作動させることができる。
このとき、パラメータ調整部4は、入力(u)に対する制御対象の作動限界に基づいて所定の入力許容範囲を設定する。例えば、制御対象がバルブなどの場合には、バルブが開度の限界値を超えて開閉しないように所定の入力許容範囲が設定される。このように、制御対象の作動限界を超えないように入力(u)を制限するため、制御対象をより適切に作動させることができる。また、設計者がパラメータを設定する必要がないため、幅広い設計者が制御パラメータを容易に調整することができる。
なお、所定の入力許容範囲は、制御対象の作動限界に基づいて設定されるものに限られるものではなく、例えば、入力(u)に対する制御対象の故障の増加率など、制御対象が適切に作動するための許容値に基づいて設定することができる。例えば、所定の入力許容範囲を0~1.01の範囲(式21のuminが0で、umaxが1.01)に設定することができる。
また、パラメータ調整部4は、さらに、制御対象の推定出力(y*)に対する参照モデルの出力(Mdr)のトラッキング誤差を所定の出力許容範囲に制約した中で、参照応答を評価することにより制御パラメータ(θ)を調整する。このように、許容できるトラッキング誤差の範囲で参照応答を評価するため、参照応答を早めるに従って時定数(τ)などを確実に小さくすることができ、応答性を確実に早めることができる。この応答性の早まりに応じて制御対象の入力(u)が制御対象の許容範囲を超えるおそれが高まるが、制御対象の入力を制約することで、応答性を確実に早めつつ制御対象を適切に作動させることができる。
また、パラメータ調整部4は、参照信号(r)に対する参照モデル(Mdr)の出力の差を評価する評価関数を最小化するように制御パラメータを調整する。これにより、許容できるトラッキング誤差の範囲で参照応答をできるだけ早くすることができ、応答性をより早めつつ制御対象を適切に作動させることができる。
また、推定部2が、疑似参照信号を用いて算出される制御器の相補感度関数(t(k)チルダ)に基づいて、極情報を含むように制御対象の推定出力(y*)を算出する。これにより、極情報を含んだ状態で評価関数が算出されるため、制御パラメータを適切に調整することができ、制御システムを安定して動作させることができる。
このようにして、制御パラメータが調整されると、パラメータ調整部4は、その制御パラメータを制御器に出力する。これにより、制御器は、パラメータ調整部4で調整された制御パラメータにより、応答性を早めつつ制御対象を適切に作動させることができる。
このような情報処理装置は、例えば、車両システムなどの産業システムに適用することができる。例えば、車両搭載前の制御器について、情報処理装置を用いて応答性を向上しつつ制御対象を適切に作動させる制御パラメータに調整することができる。また、車両搭載後の制御器について、制御対象の作動性が低下した場合などに、情報処理装置を用いて作動性を再調整することができる。
本実施の形態によれば、パラメータ調整部4が、制御対象の推定入力を所定の入力許容範囲に制約した中で、参照信号(r)に対して参照モデルが出力する参照応答を評価することにより、制御器の制御パラメータ(θ)を調整する。これにより、応答性を早めつつ制御対象を適切に作動させることができる。
<シミュレーション例>
[シミュレーション条件]
制御対象は、データ駆動型制御(DDC)の数値例とされることの多いプロセスシステムである。さらに、システムには、むだ時間が付加されている。多くの産業システムでは、材料輸送や信号伝達において遅れが生じるように、むだ時間が存在しており、安定したパラメータを得ることは困難である。そこで、むだ時間が付加されたシステムに対する本開示の方法の有効性を以下に示す。ここで、制御対象は次のように与えられる。
[シミュレーション条件]
制御対象は、データ駆動型制御(DDC)の数値例とされることの多いプロセスシステムである。さらに、システムには、むだ時間が付加されている。多くの産業システムでは、材料輸送や信号伝達において遅れが生じるように、むだ時間が存在しており、安定したパラメータを得ることは困難である。そこで、むだ時間が付加されたシステムに対する本開示の方法の有効性を以下に示す。ここで、制御対象は次のように与えられる。
また、オーバーシュート特性のない参照モデルは、次のように表すことができる。
ここで、τMは応答性パラメータであり、Lはむだ時間である。シミュレーションでは、比較例と実施例を比較した。なお、サンプリング周期は、100msであった。
[シミュレーション結果]
式19~式21の評価関数を用いた実施例の有効性を確認した。また、比較例として、式19および式20の評価関数を用いた。
式19~式21の評価関数を用いた実施例の有効性を確認した。また、比較例として、式19および式20の評価関数を用いた。
図5および6に、初期制御パラメータを用いて閉ループ系試験を行ったときの入力(u0)と出力(y0)の経時変化を示す。ここで、初期のPIDゲインは、KP=0.5、Ki=0.05、Kd=0.01、τfは0.1に設定した。これにより、最も早く「1」に近づくようなパラメータ(θ,L,τ)を得ることができる。
続いて、図7および8に、取得されたパラメータ(θ,L,τ)を用いて、比較例(式19および式20)と実施例(式19~式21)において制御対象の出力(y)の経時変化を算出した結果を示す。ここで、トラッキング誤差の制約範囲は、評価関数において-0.01から0.01とした。また、制御対象の推定入力の制約範囲(式21)は、0から1.01とした。
図7および図8から、実施例は、比較例と同様に、応答性の早い応答性パラメータが得られることがわかる。ここで、最適化された実施例のパラメータは、KP=0.3156、Ki=0.0459、Kd=0.3358、τM=15.836、L=5.5225であった。なお、式22の評価関数を用いて同様のシミュレーションを行ったところ、パラメータは、KP=0.2567、Ki=0.0395、Kd=0.4022、τM=19.999、L=5.2562であった。ここで、実施例は、式22の評価関数を用いた従来の方法と比べて、応答性パラメータ(τM)が大きな値を示しており、応答性が早いことがわかる。また、図8に示されるように、実施例の出力は、比較例の出力と同様に、参照応答にほぼ一致した変化を示しており、トラッキング誤差を小さく維持できることがわかる。
図9に、比較例における制御対象の入力を示し、図10に、実施例における制御対象の入力を示す。図9から、制御入力が制約されていない比較例は、入力直後に4を超すまで入力値が大きく増加することがわかる。一方、図10から、制御入力が制約された実施例では、入力直後からその後の全体にわたって0から1の範囲に入力値が収まっていることがわかる。
このように、実施例は、ワンショットデータからモデルマッチングと入力制約の下でPID制御器と参照モデルの最適化パラメータを得ることができる。
このように、実施例は、ワンショットデータからモデルマッチングと入力制約の下でPID制御器と参照モデルの最適化パラメータを得ることができる。
本開示の方法は、トラッキング誤差の制約と入力制約の下で、実験を繰り返すことなく高速な応答を得るために、疑似参照信号に基づいて、PID制御器と参照モデルのパラメータを直接調整する。本開示の方法では、制御器の制御パラメータに関する入出力データを予測し、その予測された入出力データを用いて制約条件付きの新たな評価関数を導出する。この評価関数は、できるだけ応答性の高い参照モデルを求める評価部分と、トラッキング誤差の制約や入力制約の制約部分とから構成されている。したがって、制御器や参照モデルのパラメータを自動的に得ることができる。さらに、いくつかの設計パラメータを有する。これらの特徴により、本開示の方法を容易に適用することができる。本開示の方法の有効性を検証するために、むだ時間を有するシステムでシミュレーションを行った。その結果、本開示の方法を用いることで、最適な制御パラメータが得られることがわかった。このように、本開示の方法を用いて得られたパラメータは、トラッキング誤差の制約や入力制約の下で、従来の方法よりも高速に応答することができた。
なお、上記の実施の形態では、パラメータ調整部4は、制御対象の推定入力(u*)を所定の入力許容範囲に制約すると共にトラッキング誤差を所定の出力許容範囲に制約した中で参照応答を評価したが、制御対象の推定入力(u*)を所定の入力許容範囲に制約した中で参照応答を評価すればよく、これに限られるものではない。
また、上記の実施の形態では、パラメータ調整部4は、評価関数を最小化するように制御パラメータを調整したが、参照応答を評価することにより制御パラメータを調整することができればよく、これに限られるものではない。
また、上記の実施の形態では、パラメータ調整部4は、時定数(τ)とむだ時間(L)をパラメータとして含む評価関数(式19)を最小化するように制御パラメータを調整したが、参照応答を最小化することができればよく、時定数(τ)とむだ時間(L)を含むものに限られるものではない。例えば、パラメータ調整部4は、時定数(τ)のみを含む評価関数を最小化するように制御パラメータを調整することができる。
以上、本開示に係る実施の形態について図面を参照して詳述してきたが、上述した各装置の機能は、コンピュータプログラムにより実現することができる。
上述した各装置の機能をプログラムにより実現するコンピュータは、キーボードやマウス、タッチパッドなどの入力装置、ディスプレイやスピーカなどの出力装置、CPU(Central Processing Unit)、ROM(Read Only Memory)、RAM(Random Access Memory)、ハードディスク装置やSSD(Solid State Drive)などの記憶装置、DVD-ROM(Digital Versatile Disk Read Only Memory)やUSB(Universal Serial Bus)メモリなどの記録媒体から情報を読み取る読取装置、ネットワークを介して通信を行うネットワークカードなどを備え、各部はバスにより接続される。
そして、読取装置は、上記各装置の機能を実現するためのプログラムを記録した記録媒体からそのプログラムを読み取り、記憶装置に記憶させる。あるいは、ネットワークカードが、ネットワークに接続されたサーバ装置と通信を行い、サーバ装置からダウンロードした上記各装置の機能を実現するためのプログラムを記憶装置に記憶させる。
そして、CPUが、記憶装置に記憶されたプログラムをRAMにコピーし、そのプログラムに含まれる命令をRAMから順次読み出して実行することにより、上記各装置の機能を実現することができる。
その他、上記の実施の形態は、何れも本発明の実施をするにあたっての具体化の一例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。例えば、上記の実施の形態で説明した各部の形状や個数などについての開示はあくまで例示であり、適宜変更して実施することができる。
本開示に係る情報処理装置は、制御器の制御パラメータを調整する装置に利用できる。
1 取得部
2 推定部
3 記憶部
4 パラメータ調整部
D 参照信号と参照モデルの出力との差
Mdr 参照応答
r 参照信号
u 制御対象の入力
u0 制御対象の初期入力
y 制御対象の出力
y0 制御対象の初期出力
θ 制御パラメータ
2 推定部
3 記憶部
4 パラメータ調整部
D 参照信号と参照モデルの出力との差
Mdr 参照応答
r 参照信号
u 制御対象の入力
u0 制御対象の初期入力
y 制御対象の出力
y0 制御対象の初期出力
θ 制御パラメータ
Claims (5)
- 制御器の出力を制御対象に入力すると共に前記制御対象の出力を前記制御器の入力にフィードバックする制御システムにおいて前記制御器の制御パラメータを調整する情報処理装置であって、
前記制御対象の基準入力および基準出力を取得する取得部と、
前記制御対象の基準入力および基準出力に基づいて前記制御対象の推定出力を算出し、前記制御対象の推定出力に基づいて前記制御器の制御パラメータに応じた前記制御対象の推定入力を算出する推定部と、
前記制御対象の推定入力を所定の入力許容範囲に制約した中で、前記制御対象の出力をモデル化した参照モデルが参照信号に対して出力する参照応答を評価することにより、前記制御器の制御パラメータを調整するパラメータ調整部とを備える情報処理装置。 - 前記所定の入力許容範囲は、入力に対する前記制御対象の作動限界に基づいて設定される請求項1に記載の情報処理装置。
- 前記パラメータ調整部は、さらに、前記制御対象の推定出力に対する、前記参照モデルに前記参照信号を入力したときの出力のトラッキング誤差を所定の出力許容範囲に制約した中で、前記参照応答を評価することにより、前記制御器の制御パラメータを調整する請求項1または2に記載の情報処理装置。
- 前記パラメータ調整部は、前記参照信号に対する前記参照モデルの出力の差を評価する評価関数を最小化するように前記制御パラメータを調整する請求項1~3のいずれか一項に記載の情報処理装置。
- 前記推定部は、前記制御器の疑似参照信号を用いて算出される前記制御器の相補感度関数に基づいて、極情報を含むように前記制御対象の推定出力を算出する請求項1~4のいずれか一項に記載の情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021138370A JP7207474B1 (ja) | 2021-08-26 | 2021-08-26 | 情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021138370A JP7207474B1 (ja) | 2021-08-26 | 2021-08-26 | 情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7207474B1 JP7207474B1 (ja) | 2023-01-18 |
JP2023032320A true JP2023032320A (ja) | 2023-03-09 |
Family
ID=84939299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021138370A Active JP7207474B1 (ja) | 2021-08-26 | 2021-08-26 | 情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7207474B1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043573A (ja) * | 2019-09-09 | 2021-03-18 | 学校法人近畿大学 | 出力推定方法 |
JP2021051462A (ja) * | 2019-09-24 | 2021-04-01 | いすゞ自動車株式会社 | 情報処理装置及びプログラム |
-
2021
- 2021-08-26 JP JP2021138370A patent/JP7207474B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043573A (ja) * | 2019-09-09 | 2021-03-18 | 学校法人近畿大学 | 出力推定方法 |
JP2021051462A (ja) * | 2019-09-24 | 2021-04-01 | いすゞ自動車株式会社 | 情報処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7207474B1 (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9720387B2 (en) | Scaling and parameterizing a controller | |
Ge et al. | Adaptive neural network control for a class of MIMO nonlinear systems with disturbances in discrete-time | |
Di Cairano et al. | An MPC design flow for automotive control and applications to idle speed regulation | |
CN113874865A (zh) | 借助于贝叶斯优化方法确定技术系统的调节策略的模型参数的方法和装置 | |
JP7090734B2 (ja) | 制御システム、制御方法及び記憶媒体 | |
JP2021051462A (ja) | 情報処理装置及びプログラム | |
CN111930010A (zh) | 一种基于lstm网络的通用mfa控制器设计方法 | |
WO2003040584A2 (en) | Method and apparatus for generating input signals in a physical system | |
Ohnishi et al. | State‐tracking iterative learning control in frequency domain design for improved intersample behavior | |
JP7207474B1 (ja) | 情報処理装置 | |
Yi et al. | DC motor control using the Lambert W function approach | |
JP7207473B1 (ja) | 情報処理装置 | |
Yahagi et al. | Direct tuning of PID controller and reference model with input constraint | |
Kuchwa-Dube et al. | Chattering performance criteria for multi-objective optimisation gain tuning of sliding mode controllers | |
da Silva et al. | Mechatronic design concept and its application to pick-and-place robotic systems | |
Karandikar et al. | Evaluation of automated stability testing in machining through closed-loop control and Bayesian machine learning | |
WO2021006332A1 (ja) | 情報処理装置、プログラム、及び算出方法 | |
WO2020246531A1 (ja) | 情報処理装置、プログラム、及び算出方法 | |
CN115867870A (zh) | 使用广义同质性来改进pid控制命令 | |
JP2022112300A (ja) | パラメータ調整装置及びパラメータ調整方法 | |
Huang et al. | Iterative learning control bandwidth tuning using the particle swarm optimization technique for high precision motion | |
Singh et al. | Recent results in reference prefiltering for precision motion control | |
JP7287420B2 (ja) | 情報処理装置 | |
Trojaola et al. | Iterative learning control for a hydraulic cushion | |
JP2023161913A (ja) | 情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211215 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7207474 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |