JP2023048388A - 制御装置、制御システム、および制御方法 - Google Patents

Abstract

【課題】制御対象に対するフィードフォワード制御の精度を向上させる。
【解決手段】制御対象２００へのフィードバック操作量ｒｂは、目標値ｑｒと制御量ｑとの誤差ｅｑに基づいてフィードバック制御手段１１０によって決定される。フィードフォワード補償手段１２０は、予測モデルＭｐを用いて外乱ｄからフィードバック操作量ｒｂのフィードフォワード補償値ｒｆを予測する。学習手段１３０は、教師データＤｓを用いて予測モデルＭｐに対して機械学習を行う。学習手段１３０は、誤差ｅｑの絶対値が基準値αよりも小さい場合の外乱ｄと操作量ｒとを含む組合せを教師データＤｓに追加する。
【選択図】図１

Description

本開示は、制御対象に対してフィードフォワード制御を行なう制御装置、制御システム、および制御方法に関する。

従来、制御対象に対してフィードフォワード制御を行なう制御装置が知られている。たとえば、特開平１０－２２２２０７号公報（特許文献１）には、外乱を受ける所定のプロセスに対して、フィードフォワード信号発生器による制御を行うフィードフォワード制御装置が開示されている。当該フィードフォワード制御装置は、フィードフォワード信号発生器における演算に必要なパラメータを、当該フィードフォワード信号発生器において算出されたパラメータから学習するパラメータ学習器を備える。当該フィードフォワード制御装置によれば、パラメータ学習器によるフィードフォワード信号発生器のパラメータの動的な学習機能により、外乱が変動するような場合でも安定した制御性能を得ることができるとともに、プロセスの特性が経時変化する場合でも高精度の制御性能を維持することができる。

特開平１０－２２２２０７号公報

特許文献１に開示されているフィードフォワード信号発生器に含まれるフィードフォワード補償器の構成は、予め定められている。一般に、フィードフォワード補償器のようなフィードバック制御のフィードフォワード補償値を算出する構成は、制御対象のプロセスの逆モデル（逆系）として設計される。プロセスの逆モデルの設計にはプロセスの分析を要するため、外乱の変動およびプロセスの特性の変化に応じて逆モデルの構造を短時間で更新することは困難である。そのため、特許文献１に開示されたフィードフォワード制御装置によると、外乱の変動の程度またはプロセスの特性の変化の程度によっては制御対象に対する制御への外乱の影響を抑制することが困難になり得る。

本開示は上記のような課題を解決するためになされたものであり、その目的は、制御対象に対するフィードフォワード制御の精度を向上させることである。

本開示の一局面に係る制御装置は、外乱を受ける制御対象の制御量が目標値に近づくように制御対象へのフィードバック操作量のフィードフォワード補償値を決定する。当該フィードバック操作量は、目標値と制御量との誤差に基づいてフィードバック制御手段によって決定される。フィードバック操作量およびフィードフォワード補償値の和が、操作量として制御対象に出力される。制御装置は、フィードフォワード補償手段と、学習手段とを備える。フィードフォワード補償手段は、予測モデルを用いて外乱からフィードフォワード補償値を決定する。学習手段は、教師データを用いて予測モデルに対して機械学習を行う。学習手段は、目標値と、目標値に対応する操作量と、外乱と、外乱および操作量の両方に対応する制御量とを含む少なくとも１つの第１組合せを取得する。学習手段は、少なくとも１つの第１組合せのうち、誤差の絶対値が第１基準値よりも小さい場合の外乱と操作量とを含む少なくとも１つの第２組合せを教師データに追加する。

この開示によれば、フィードフォワード制御の結果から教師データが選択されるため、フィードフォワード制御と並行して外乱および制御対象の特性に予測モデルをリアルタイムに適合させることができる。その結果、制御対象に対するフィードフォワード制御の精度を向上させることができる。

上記の開示において、学習手段は、教師データにおいて、外乱の絶対値が第２基準値よりも小さい場合の操作量の平均値を算出してもよい。学習手段は、予測モデルによって表現される、外乱と操作量および平均値の差としての補償値との関係を、補償値を目的変数とするとともに、外乱を説明変数とする関数として近似してもよい。学習手段は、少なくとも１つの第１組合せのうち外乱の絶対値が第２基準値より大きい第３組合せの数に対する、少なくとも１つの第２組合せのうち外乱の絶対値が第２基準値より大きい第４組合せの数の割合が第３基準値より大きい場合、機械学習を終了してもよい。

この開示によれば、予測モデルの精度が十分に高くなるまで機械学習が継続されるため、制御対象に対するフィードフォワード制御の精度を十分に向上させることができる。

上記の開示において、学習手段は、教師データにおいて、外乱の絶対値が第２基準値よりも小さい場合の操作量の平均値を算出してもよい。学習手段は、予測モデルによって表現される外乱と操作量との関係を、操作量を目的変数とするとともに、外乱を説明変数とする関数として近似してもよい。学習手段は、少なくとも１つの第１組合せのうち、外乱の絶対値が第２基準値より大きい第３組合せの数に対する、少なくとも１つの第２組合せのうち外乱の絶対値が第２基準値より大きい第４組合せの数の割合が第３基準値より大きい場合、機械学習を終了してもよい。フィードフォワード補償手段は、予測モデルによって外乱から予測された操作量から、操作量の平均値を引いた値をフィードフォワード補償値として決定してもよい。

この開示によれば、予測モデルの精度が十分に高くなるまで機械学習が継続されるため、制御対象に対するフィードフォワード制御の精度を十分に向上させることができる。

上記の開示において、学習手段は、機械学習が終了し、かつ、上記割合が第３基準値より小さい場合、機械学習を再開してもよい。

この開示によれば、制御対象の特性の変化に応じて予測モデルが当該特性に再適合されるため、制御対象の特性の変化によるフィードフォワード制御の精度の低下を抑制することができる。

本開示の他の局面に係る制御システムは、外乱を受ける制御対象の制御量が目標値に近づくように制御対象へのフィードバック操作量とフィードフォワード補償値との和を操作量として制御対象に出力する。制御システムは、フィードバック制御装置と、フィードフォワード補償装置と、学習装置とを備える。フィードバック制御装置は、目標値と制御量との誤差に基づいてフィードバック操作量を決定する。フィードフォワード補償装置は、予測モデルを用いて外乱からフィードフォワード補償値を決定する。学習装置は、教師データを用いて予測モデルに対して機械学習を行う。学習装置は、目標値と、目標値に対応する操作量と、外乱と、外乱および操作量の両方に対応する制御量とを含む少なくとも１つの第１組合せを取得する。学習装置は、少なくとも１つの第１組合せのうち、誤差の絶対値が第１基準値よりも小さい場合の外乱と操作量とを含む少なくとも１つの第２組合せを教師データに追加する。

この開示によれば、フィードフォワード制御の結果から教師データが選択されるため、フィードフォワード制御と並行して外乱および制御対象の特性に予測モデルをリアルタイムに適合させることができる。その結果、制御対象に対するフィードフォワード制御の精度を向上させることができる。

本開示の他の局面に係る制御方法は、外乱を受ける制御対象の制御量が目標値に近づくように制御対象へのフィードバック操作量のフィードフォワード補償値を決定する。フィードバック操作量は、目標値と制御量との誤差に基づいてフィードバック制御手段によって決定される。フィードバック操作量およびフィードフォワード補償値の和が、操作量として制御対象に出力される。制御方法は、予測モデルを用いて外乱からフィードフォワード補償値を決定するステップと、教師データを用いて予測モデルに対して機械学習を行うステップとを含む。機械学習を行うステップは、目標値と、目標値に対応する操作量と、外乱と、外乱および操作量の両方に対応する制御量とを含む少なくとも１つの第１組合せを取得するステップと、少なくとも１つの第１組合せのうち、誤差の絶対値が第１基準値よりも小さい場合の外乱と操作量とを含む少なくとも１つの第２組合せを教師データに追加するステップとを含む。

この開示によれば、フィードフォワード制御の結果から教師データが選択されるため、フィードフォワード制御と並行して外乱および制御対象の特性に予測モデルをリアルタイムに適合させることができる。その結果、制御対象に対するフィードフォワード制御の精度を向上させることができる。

本開示に係る制御装置、フィードフォワード補償装置、制御システム、および制御方法によれば、制御対象に対するフィードフォワード制御の精度を向上させることができる。

実施の形態１に係る制御装置の機能構成を示すブロック図である。 外乱および操作量の分布図である。 図２の操作量と予測モデルの目的変数との関係を示す図である。 学習済みの予測モデルによって表現される目的変数と説明変数との関係を示す図である。 ４つの組合せの包含関係を示すベン図である。 予測モデルが未学習である場合の制御量、操作量、および外乱の各々のタイムチャートを示す図である。 予測モデルＭｐが学習済みである場合の制御量、操作量、および外乱の各々のタイムチャートを示す図である。 図１のフィードバック制御系、フィードフォワード制御系、および学習手段１３０の各々によって行われる処理の流れを示すフローチャートを示す図である。 図８の機械学習処理の具体的な処理の流れを示すフローチャートである。 図２の学習手段によって行われる追加学習処理の流れを示す図である。 実施の形態１の変形例１に係る制御装置の機能構成を示すブロック図である。 図２の機械学習処理の具体的な処理の流れの他の例を示すフローチャートである。 実施の形態２に係る制御システムの機能構成を示すブロック図である。 実施の形態３に係る制御システムのネットワーク構成例を示す模式図である。 図１４の制御装置のハードウェア構成例を示すブロック図である。

以下、実施の形態について図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は原則として繰り返さない。

［実施の形態１］
＜適用例＞
図１は、実施の形態１に係る制御装置１００の機能構成を示すブロック図である。図１に示されるように、制御装置１００は、フィードバック制御手段１１０と、フィードフォワード補償手段１２０と、学習手段１３０と、記憶手段１４０と、減算器１５０と、加算器１６０とを備える。

制御装置１００は、外乱ｄを受ける制御対象２００の出力値である制御量ｑが目標値ｑｒに近づくように制御対象２００へのフィードバック操作量ｒｂとフィードフォワード補償値ｒｆとの和を操作量ｒとして制御対象２００に出力する。記憶手段１４０には、予測モデルＭｐおよび教師データＤｓが保存されている。制御装置１００と制御対象２００とは、ネットワーク（たとえば、インターネット、あるいはクラウドシステム）を介して接続され、互いに遠隔に配置されていてもよい。予測モデルＭｐを構築する機械学習アルゴリズムとしては、ディープバイナリーツリー、あるいはサポートベクターマシンを挙げることができる。

以下では、フィードバック制御手段１１０と減算器１５０とを含む構成をフィードバック制御系とも呼び、フィードフォワード補償手段１２０と加算器１６０とを含む構成をフィードフォワード制御系とも呼ぶ。なお、外乱ｄとは、制御装置１００と制御対象２００とを含む制御系の状態を乱す量である。外乱ｄは、たとえば、制御対象に偶発的あるいは突発的に入力される光量、電圧、電流、および温度を含む。

減算器１５０は、目標値ｑｒと制御量ｑとの誤差ｅｑ（＝ｑｒ－ｑ）をフィードバック制御手段１１０に出力する。フィードバック制御手段１１０は、誤差ｅｑに基づいてフィードバック操作量ｒｂを決定して加算器１６０に出力する。フィードフォワード補償手段１２０は、予測モデルＭｐを用いて外乱ｄからフィードフォワード補償値ｒｆを予測して加算器１６０に出力する。加算器１６０は、フィードバック操作量ｒｂとフィードフォワード補償値ｒｆとの和を操作量ｒとして制御対象２００および学習手段１３０に出力する。

加算器１６０は、フィードバック操作量ｒｂとフィードフォワード補償値ｒｆとの和を操作量ｒとして制御対象２００および学習手段１３０に出力する。

学習手段１３０は、教師データＤｓを用いて予測モデルＭｐに対して機械学習を行う。学習手段１３０は、目標値ｑｒと、目標値ｑｒに対応する操作量ｒと、外乱ｄと、外乱ｄおよび操作量ｒの両方に対応する制御量ｑとを含む少なくとも１つの組合せＣｍ１（第１組合せ）を取得する。学習手段１３０は、少なくとも１つの組合せＣｍ１のうち、誤差ｅｑの絶対値が基準値α（第１基準値）よりも小さい場合（制御対象２００に対して高精度の制御が行われた場合）の外乱ｄと操作量ｒとを含む少なくとも１つの組合せＣｍ２（第２組合せ）を機械学習の正解データとして教師データＤｓに追加する。基準値αは、たとえば、実機実験、シミュレーション、製品の規格値、ある製造工程の管理値に基づいて適宜決定することができる。

学習手段１３０は、教師データＤｓにおいて、外乱ｄの絶対値が基準値β（第２基準値）よりも小さい場合（制御系が定常状態である場合）の操作量ｒの平均値ｒｂ０を算出する。基準値βは、たとえば、実機実験、シミュレーション、製品の規格値、あるいは製造工程の管理値に基づいて適宜決定することができる。学習手段１３０は、外乱ｄと、操作量ｒおよび平均値ｒｂ０の差（＝ｒ－ｒｂ０）としてのフィードフォワード補償値ｒｆとの関係を、フィードフォワード補償値ｒｆを目的変数とするとともに、外乱ｄを説明変数とする関数（回帰曲線）として近似する。予測モデルＭｐは、当該関数を含む。学習手段１３０は、少なくとも１つの組合せＣｍ１のうち外乱ｄの絶対値が基準値βより大きい組合せＣｍ３（第３組合せ）の数に対する、少なくとも１つの組合せＣｍ２のうち外乱ｄの絶対値が基準値βより大きい組合せＣｍ４（第４組合せ）の数の割合Ｃｒが基準値δ（第３基準値）より大きい場合、予測モデルＭｐに対する機械学習を終了する。

学習手段１３０は、予測モデルＭｐに対する機械学習（初回の学習または追加学習）が終了し、かつ、割合Ｃｒが基準値δ以下である場合、制御対象２００の特性が変化したとして、予測モデルＭｐに対する機械学習（追加学習）を再開する。基準値δは、たとえば、実機実験、シミュレーション、製品の規格値、ある製造工程の管理値に基づいて適宜決定することができる。制御対象２００の特性には、たとえば、外乱ｄおよび操作量ｒと、制御量ｑとの対応関係が含まれる。

制御装置１００によれば、フィードフォワード制御の結果から教師データＤｓが選択されるため、フィードフォワード制御と並行して外乱ｄおよび制御対象２００の特性に予測モデルＭｐをリアルタイムに適合させることができる。その結果、制御対象２００に対するフィードフォワード制御の精度を向上させることができる。また、予測モデルＭｐの精度が十分に高くなるまで機械学習が継続されるため、制御対象２００に対するフィードフォワード制御の精度を十分に向上させることができる。さらに、制御対象２００の特性の変化に応じて予測モデルＭｐが当該特性に再適合されるため、制御対象２００の特性の変化によるフィードフォワード制御の精度の低下を抑制することができる。

図２は、外乱ｄおよび操作量ｒの分布図である。図２において、四角の点は、複数の組合せＣｍ１のうち、誤差ｅｑの絶対値が基準値α以上である場合の組合せＣｍ１を表し、丸の点は誤差ｅｑの絶対値が基準値αより小さい場合の組合せＣｍ２を表す。学習手段１３０は、丸の点で表される複数の組合せＣｍ２を教師データＤｓに追加する。

図３は、図２の操作量ｒと予測モデルＭｐの目的変数ｒｆとの関係を示す図である。図３に示されるように、複数の組合せＣｍ２の各々の操作量ｒから平均値ｒｂ０が引かれたデータが、目的変数ｒｆに対応する。

図４は、学習済みの予測モデルＭｐによって表現される目的変数ｒｆと説明変数ｄとの関係を示す図である。当該関係は、学習手段１３０によって、回帰曲線Ｒｃとして近似される。図４に示されるように、予測モデルＭｐは、外乱ｄを受けて、回帰曲線Ｒｃにおいて外乱ｄに対応する目的変数ｒｆを出力する。

図５は、４つの組合せＣｍ１～Ｃｍ４をそれぞれ含む４つのデータセットＳｃｍ１，Ｓｃｍ２，Ｓｃｍ３，Ｓｃｍ４の包含関係を示すベン図である。データセットＳｃｍ１は、目標値ｑｒと、操作量ｒと、外乱ｄと、制御量ｑとを含む組合せＣｍ１の全てを含むデータセットである。データセットＳｃｍ２は、データセットＳｃｍ１のうち、誤差ｅｑの絶対値が基準値αよりも小さい場合の外乱ｄと操作量ｒとを含む組合せＣｍ２の全てを含むデータセットである。データセットＳｃｍ３は、データセットＳｃｍ１のうち、外乱ｄの絶対値が基準値βより大きい場合の組合せＣｍ３の全てを含むデータセットである。データセットＳｃｍ４は、データセットＳｃｍ２のうち、外乱ｄの絶対値が基準値βより大きい組合せＣｍ４の全てを含むデータセットである。図５に示されるように、データセットＳｃｍ１は、データセットＳｃｍ２，Ｓｃｍ３を包含する。データセットＳｃｍ４は、データセットＳｃｍ２とＳｃｍ３との共通部分（積集合）である。平均値ｒｂ０は、データセットＳｃｍ２からデータセットＳｃｍ４が除かれたデータセットの平均値である。

図６は、予測モデルＭｐが未学習である場合の制御量ｑ、操作量ｒ、および外乱ｄの各々のタイムチャートを示す図である。図６に示されるように、５００秒の時刻において、一次遅れ系のステップ応答としての外乱ｄが入力されている。外乱ｄに応じて、５００秒から６００秒の時間間隔における制御量ｑには、パルス状のノイズが重畳されている。

図７は、予測モデルＭｐが学習済みである場合の制御量ｑ、操作量ｒ、および外乱ｄの各々のタイムチャートを示す図である。図７においても図６と同様に、５００秒の時刻において、一次遅れ系のステップ応答としての外乱ｄが入力されている。しかし、制御量ｑには、図６に示されているようなパルス状のノイズはほとんど生じていない。図７においては、学習済みの予測モデルＭｐが予測するフィードフォワード補償値ｒｆによってフィードバック操作量ｒｂが修正されることにより、制御対象２００に対する制御の精度が維持されている。

図８は、図１のフィードバック制御系、フィードフォワード制御系、および学習手段１３０の各々によって行われる処理の流れを示すフローチャートを示す図である。フィードバック制御系およびフィードフォワード制御系の各々のフローチャートに対応するルーチンは、たとえば、サンプリングタイム毎に実行される。学習手段１３０のフローチャートに対応するルーチンは、たとえば、フィードフォワード制御系の各々のフローチャートに対応するルーチンの初回実行に応じて実行される。以下ではステップを単にＳと記載する。

図８に示されるように、減算器１５０は、Ｓ１１１において、目標値ｑｒと制御量ｑとの誤差ｅｑを算出してフィードバック制御手段１１０に出力する。フィードバック制御手段１１０は、Ｓ３１２において、誤差ｅｑに基づいてフィードバック操作量ｒｂを決定して加算器１６０に出力して、処理を終了する。

フィードフォワード補償手段１２０は、Ｓ１２１において、外乱ｄからフィードフォワード補償値ｒｆを決定して加算器１６０に出力する。加算器１６０は、Ｓ１２２において、フィードバック操作量ｒｂとフィードフォワード補償値ｒｆとの和を操作量ｒとして制御対象２００および学習手段１３０に出力して、処理を終了する。

学習手段１３０は、Ｓ１３０において予測モデルＭｐに対して教師データＤｓを用いた機械学習を行って、処理を終了する。

図９は、図８の機械学習処理Ｓ１３０の具体的な処理の流れを示すフローチャートである。学習手段１３０は、Ｓ１３１において、目標値ｑｒ、操作量ｒ、外乱ｄ、および制御量ｑを取得して誤差ｅｑを算出して処理をＳ１３２に進める。学習手段１３０は、Ｓ１３２において誤差ｅｑの絶対値が基準値αより小さいか否かを判定する。誤差ｅｑの絶対値が基準値α以上である場合（Ｓ１３２においてＮＯ）、学習手段１３０は、処理をＳ１３７に進める。誤差ｅｑの絶対値が基準値αより小さい場合（Ｓ１３２においてＹＥＳ）、学習手段１３０は、Ｓ１３３において、外乱ｄと操作量ｒとを含む組合せＣｍ２を教師データＤｓに追加して処理をＳ１３４に進める。学習手段１３０は、Ｓ１３４において、教師データＤｓにおいて外乱ｄの絶対値が基準値βよりも小さい場合の操作量ｒの平均値ｒｂ０を算出して処理をＳ１３５に進める。学習手段１３０は、Ｓ１３５において、予測モデルＭｐによって表現される外乱ｄと、操作量ｒおよび平均値ｒｂ０の差としてのフィードフォワード補償値ｒｆとの関係を、フィードフォワード補償値ｒｆを目的変数とするとともに、外乱ｄを説明変数とする関数（回帰曲線）として近似して処理をＳ１３６に進める。学習手段１３０は、Ｓ１３６において、少なくとも１つの組合せＣｍ１のうち外乱ｄの絶対値が基準値βより大きい組合せＣｍ３の数Ｍ１に対する、少なくとも１つの組合せＣｍ２のうち外乱ｄの絶対値が基準値βより大きい組合せＣｍ４の数Ｍ２の割合Ｃｒ（＝Ｍ２／Ｍ１）を算出して、処理をＳ１３７に進める。学習手段１３０は、Ｓ１３７において、割合Ｃｒが基準値δより大きいか否かを判定する。割合Ｃｒが基準値δ以下である場合（Ｓ１３７においてＮＯ）、学習手段１３０は、制御対象２００へのフィードフォワード制御の精度が不十分であるとして、処理をＳ１３１に戻す。割合Ｃｒが基準値δより大きい場合（Ｓ１３７においてＹＥＳ）、制御対象２００へのフィードフォワード制御の精度が十分に高まったとして、学習手段１３０は、機械学習を終了する。

図１０は、図２の学習手段１３０によって行われる追加学習処理の流れを示す図である。図１０に示される処理は、たとえば、初回の機械学習が開始した後、サンプリングタイム毎に実行される。学習手段１３０は、Ｓ１３１Ａにおいて、機械学習が終了し、かつ、割合Ｃｒが基準値δ以下であるか否かを判定する。機械学習が終了していないか、または割合Ｃｒが基準値δより大きい場合（Ｓ１３１ＡにおいてＮＯ）、制御対象２００の特性が変化しておらず既存の学習済みの予測モデルＭｐが制御対象２００に適合しているとして、学習手段１３０は、処理を終了する。機械学習が終了し、かつ割合Ｃｒが基準値δより以下である場合（Ｓ１３１ＡにおいてＹＥＳ）、学習手段１３０は、前回の機械学習が終了した後、制御対象２００の特性が変化したとして、予測モデルＭｐを制御対象２００の特性に再度適合させるために、図８と同様のＳ１３０において予測モデルＭｐに対する機械学習を再開する。制御装置１００によれば、制御対象２００の特性の変化に応じて予測モデルＭｐに対する追加学習が行われるため、制御対象２００の特性の変化によるフィードフォワード制御の精度の低下を抑制することができる。

［実施の形態１の変形例１］
実施の形態１においては、フィードバック制御系およびフィードフォワード制御系の両方が含まれる構成について説明した。実施の形態１の変形例１においては、フィードバック制御系が含まれない構成について説明する。

図１１は、実施の形態１の変形例１に係る制御装置１００Ａの機能構成を示すブロック図である。制御装置１００Ａの構成は、図１の制御装置１００から減算器１５０およびフィードバック制御手段１１０が除かれた構成である。これ以外は同様であるため、同様の構成についての説明を繰り返さない。なお、加算器１６０は、制御装置１００Ａに含まれていなくてもよい。

制御装置１００Ａは、外乱ｄを受ける制御対象２００の制御量ｑが目標値ｑｒに近づくように制御対象２００へのフィードバック操作量ｒｂのフィードフォワード補償値ｒｆを決定する。制御装置１００Ａによれば、既存のフィードバック制御系を残存させながら、当該フィードバック制御系に制御装置を追加することにより、既存のフィードバック制御系をフィードフォワード制御系および学習機能を含む制御系に容易に拡張することができる。

［実施の形態１の変形例２］
実施の形態１においては、予測モデルによって、外乱ｄと、操作量ｒおよび平均値ｒｂ０の差としてのフィードフォワード補償値ｒｆとの関係が表現される場合について説明した。実施の形態１の変形例２においては、予測モデルによって表現される関係が、外乱ｄと操作量ｒとの関係である場合について説明する。

図１２は、図２の機械学習処理Ｓ１３０の具体的な処理の流れの他の例を示すフローチャートである。図１２に示されるフローチャートは、図９のＳ１３５がＳ１３５Ｂに置き換えられたフローチャートである。図１２に示されるように、学習手段１３０は、実施の形態１と同様にＳ１３１～Ｓ１３４を行った後、Ｓ１３５Ｂにおいて、予測モデルＭｐによって表現される外乱ｄと操作量ｒとの関係を、操作量ｒを目的変数とするとともに、外乱ｄを説明変数とする関数（回帰曲線）として近似して処理をＳ１３６に進める。学習手段１３０は、実施の形態１と同様にＳ１３６，Ｓ１３７を行って処理を終了する。フィードフォワード補償手段１２０は、予測モデルＭｐを用いて外乱ｄから操作量ｒを予測し、操作量ｒから平均値ｒｂ０を引いた値（＝ｒ－ｒｂ０）をフィードフォワード補償値ｒｆとして加算器１６０に出力する。

以上、実施の形態１および変形例１，２に係る制御装置、および制御方法によれば、制御対象に対するフィードフォワード制御の精度を向上させることができる。

［実施の形態２］
実施の形態１においてはフィードバック制御系と、フィードフォワード制御系と、予測モデルに対して機械学習を行う構成とが１つの制御装置に含まれている場合について説明した。実施の形態２においては、フィードバック制御系と、フィードフォワード制御系と、予測モデルに対して機械学習を行う構成とが互いに別個の装置に分かれている構成について説明する。

図１３は、実施の形態２に係る制御システム２の機能構成を示すブロック図である。図１３において図１と同様の参照符号が付されている構成は、実施の形態１において説明された当該参照符号によって特定される構成と同様の機能を有するため、当該同様の構成についての説明を繰り返さない。

図１３に示されるように、制御システム２は、フィードバック制御装置１１と、フィードフォワード補償装置１２と、学習装置１３とを備える。フィードバック制御装置１１は、フィードバック制御手段１１０と、減算器１５０とを含む。フィードフォワード補償装置１２は、フィードフォワード補償手段１２０と、加算器１６０とを含む。学習装置１３は、学習手段１３０と、記憶手段１４０とを含む。フィードバック制御装置１１、フィードフォワード補償装置１２、学習装置１３、および制御対象２００は、ネットワークを介して互いに接続され、互いに遠隔に配置されていてもよい。なお、加算器１６０は、フィードフォワード補償装置１２ではなく、フィードバック制御装置１１に含まれていてもよい。

制御システム２によれば、既存のフィードバック制御装置を残存させながら、当該フィードバック制御装置にフィードフォワード補償装置および学習装置を追加することにより、既存の制御システムを容易に拡張することができる。

以上、制御システム、フィードフォワード補償装置、および制御方法によれば、制御対象に対するフィードフォワード制御の精度を向上させることができる。

［実施の形態３］
実施の形態３においては、実施の形態１に係る制御装置の一例として、当該制御装置がＰＬＣ（Programmable Logic Controller）を含む構成について説明する。

＜制御システムのネットワーク構成例＞
図１４は、実施の形態３に係る制御システム３のネットワーク構成例を示す模式図である。図１４に示されるように、制御システム３は、複数のデバイスが互いに通信可能に構成されたデバイス群を含む。典型的には、デバイスは、制御プログラムを実行する処理主体である制御装置３００と、制御装置３００に接続される周辺装置とを含み得る。制御装置３００は、図１に示される制御装置１００と同様の機能構成を有する。

制御装置３００は、各種の設備または装置などの制御対象を制御する産業用コントローラに相当する。制御装置３００は、制御演算を実行する一種のコンピュータであり、典型的には、ＰＬＣ（Programmable Logic Controller）を含む。制御装置３００は、フィールドネットワーク２０を介してフィールドデバイス２００Ｃに接続されている。制御装置３００は、フィールドネットワーク２０を介して、少なくとも１つのフィールドデバイス２００Ｃとの間でデータを遣り取りする。

制御装置３００において実行される制御演算は、フィールドデバイス２００Ｃにおいて収集または生成されたデータを収集する処理、フィールドデバイス２００Ｃに対する指令値（操作量）などのデータを生成する処理、および生成した出力データを対象のフィールドデバイス２００Ｃへ送信する処理などを含む。フィールドデバイス２００Ｃにおいて収集または生成されたデータには、フィールドデバイス２００Ｃに入力された外乱に関するデータ、および指令値に従ってフィールドデバイス２００Ｃが実際に動作した結果としての制御量が含まれる。フィールドデバイス２００Ｃに対する指令値は、制御装置３００によって実行される制御プログラムに基づいて算出された制御目標値（目標値）と実際の制御量との誤差に基づいて暫定的に算出された操作量に、予測モデルによって外乱から予測されたフィードフォワード補償値が加算されることによって決定される。

フィールドネットワーク２０は、定周期通信を行うバスまたはネットワークを採用することが好ましい。このような定周期通信を行うバスまたはネットワークとしては、ＥｔｈｅｒＣＡＴ（登録商標）、ＥｔｈｅｒＮｅｔ／ＩＰ（登録商標）、ＤｅｖｉｃｅＮｅｔ（登録商標）、またはＣｏｍｐｏＮｅｔ（登録商標）などが知られている。データの到達時間が保証される点において、ＥｔｈｅｒＣＡＴ（登録商標）が好ましい。

フィールドネットワーク２０には、任意のフィールドデバイス２００Ｃを接続することができる。フィールドデバイス２００Ｃは、フィールド側にあるロボットまたはコンベアなどに対して何らかの物理的な作用を与えるアクチュエータ、および、フィールドとの間で情報を遣り取りする入出力装置などを含む。

制御システム３においてフィールドデバイス２００Ｃは、複数のサーボドライバ２２０＿１，２２０＿２と、複数のサーボドライバ２２０＿１，２２０＿２にそれぞれ接続された複数のサーボモータ２２２＿１，２２２＿２とを含む。フィールドデバイス２００Ｃは、「制御対象」の一例である。

サーボドライバ２２０＿１，２２０＿２は、制御装置３００からの指令値（たとえば、位置指令値または速度指令値など）に従って、サーボモータ２２２＿１および２２２＿２のうちの対応するサーボモータを駆動する。このようにして、制御装置３００は、フィールドデバイス２００Ｃを制御することができる。

制御装置３００は、上位ネットワーク３２を介して、他の装置にも接続されている。上位ネットワーク３２は、ゲートウェイ７００を介して、外部ネットワークであるインターネット９００に接続されている。上位ネットワーク３２には、一般的なネットワークプロトコルであるイーサネット（登録商標）、あるいはＥｔｈｅｒＮｅｔ／ＩＰ（登録商標）が採用されてもよい。より具体的には、上位ネットワーク３２には、少なくとも１つのサーバ装置６００および少なくとも１つの表示装置５００が接続されてもよい。

サーバ装置６００としては、データベースシステム、または製造実行システム（ＭＥＳ：Manufacturing Execution System）などが想定される。製造実行システムは、制御対象の製造装置または設備からの情報を取得して、生産全体を監視および管理するものであり、オーダ情報、品質情報、あるいは出荷情報などを扱うこともできる。これらに限らず、情報系サービスを提供する装置を上位ネットワーク３２に接続するようにしてもよい。情報系サービスとしては、制御対象の製造装置または設備からの情報を取得して、マクロ的またはミクロ的な分析などを行う処理が想定される。たとえば、情報系サービスとしては、制御対象の製造装置または設備からの情報に含まれる何らかの特徴的な傾向を抽出するデータマイニング、あるいは制御対象の設備または機械からの情報に基づく機械学習を行うための機械学習ツールなどが想定される。

表示装置５００は、ユーザからの操作を受けて、制御装置３００に対してユーザ操作に応じたコマンドなどを出力するとともに、制御装置３００での演算結果などをグラフィカルに表示する。

制御装置３００には、サポート装置４００が接続可能になっている。サポート装置４００は、上位ネットワーク３２またはインターネット９００を介して制御装置３００に接続されてもよい。サポート装置４００は、制御装置３００が制御対象を制御するために必要な準備を支援する装置である。具体的には、サポート装置４００は、制御装置３００で実行されるプログラムの開発環境（プログラム作成編集ツール、パーサ、およびコンパイラなど）、制御装置３００および制御装置３００に接続される各種デバイスの構成情報（コンフィギュレーション）を設定するための設定環境、生成したプログラムを制御装置３００へ出力する機能、および制御装置３００上で実行されるプログラムなどをオンラインで修正および変更を行う機能などを提供する。

制御システム３においては、制御装置３００、サポート装置４００、および表示装置５００がそれぞれ別体として構成されているが、これらの機能の全部または一部を単一の装置に集約するような構成が採用されてもよい。

制御装置３００は、一の生産現場のみで使用される場合に限らず、他の生産現場においても使用される。また、一の生産現場内においても複数の異なるラインで使用される場合もある。

＜制御装置のハードウェア構成例＞
図１５は、図１４の制御装置３００のハードウェア構成例を示すブロック図である。図１５に示されるように、制御装置３００は、プロセッサ３０２と、メインメモリ３０４と、ストレージ３６０と、メモリカードインターフェイス３１２と、上位ネットワークコントローラ３０６と、フィールドネットワークコントローラ３０８と、ローカルバスコントローラ３１６と、ＵＳＢ（Universal Serial Bus）インターフェイスを提供するＵＳＢコントローラ３７０とを含む。これらのコンポーネントは、プロセッサバス３１８を介して接続されている。

プロセッサ３０２は、制御演算を実行する演算処理部に相当し、ＣＰＵ（Central Processing Unit）および／またはＧＰＵ（Graphics Processing Unit）などで構成される。具体的には、プロセッサ３０２は、ストレージ３６０に保存されたプログラムを読み出して、メインメモリ３０４に展開して実行することで、制御対象に対する制御演算を実現する。

メインメモリ３０４は、ＤＲＡＭ（Dynamic Random Access Memory）および／またはＳＲＡＭ（Static Random Access Memory）などの揮発性記憶装置などで構成される。ストレージ３６０は、たとえば、ＳＳＤ（Solid State Drive）および／またはＨＤＤ（Hard Disk Drive）などの不揮発性記憶装置などで構成される。

ストレージ３６０には、制御プログラムＰｃと、教師データＤｓと、予測モデルＭｐとが保存されている。ストレージ３６０は、図１の記憶手段１４０に対応する。制御プログラムＰｃは、制御装置３００を統合的に制御して、制御装置３００の各機能を実現するためのプログラムを含む。すなわち、制御プログラムＰｃを実行するプロセッサ３０２が、図１のフィードバック制御系（フィードバック制御手段１１０および減算器１５０）、フィードフォワード制御系（フィードフォワード補償手段１２０および加算器１６０）、ならびに学習手段１３０に対応する。

メモリカードインターフェイス３１２は、着脱可能な記憶媒体の一例であるメモリカード３１４を受け付ける。メモリカードインターフェイス３１２は、メモリカード３１４に対して任意のデータの読み書きが可能になっている。

上位ネットワークコントローラ３０６は、上位ネットワーク３２（たとえばローカルエリアネットワーク）を介して、上位ネットワーク３２に接続された任意の情報処理装置との間でデータを遣り取りする。

フィールドネットワークコントローラ３０８は、フィールドネットワーク２０を介して、サーボモータ２２２＿１，２２２＿２等の任意のデバイスとの間でデータを遣り取りする。

ローカルバスコントローラ３１６は、ローカルバス１２２を介して、制御装置３００を構成する任意の機能ユニット３８０との間でデータを遣り取りする。機能ユニット３８０は、たとえば、アナログ信号の入力および／または出力を担当するアナログＩ／Ｏユニット、デジタル信号の入力および／または出力を担当するデジタルＩ／Ｏユニット、ならびにエンコーダなどからのパルスを受け付けるカウンタユニットなどからなる。

ＵＳＢコントローラ３７０は、ＵＳＢ接続を介して、任意の情報処理装置との間でデータを遣り取りする。ＵＳＢコントローラ３７０には、たとえばサポート装置４００が接続される。

以上、制御装置、および制御方法によれば、制御対象に対するフィードフォワード制御の精度を向上させることができる。

＜付記＞
上記したような本実施の形態は、以下のような技術思想を含む。

［構成１］
外乱（ｄ）を受ける制御対象（２００，２００Ｃ）の制御量（ｑ）が目標値（ｑｒ）に近づくように前記制御対象（２００，２００Ｃ）へのフィードバック操作量（ｒｂ）のフィードフォワード補償値（ｒｆ）を決定する制御装置（１００，３００）であって、
前記フィードバック操作量（ｒｂ）は、前記目標値（ｑｒ）と前記制御量（ｑ）との誤差（ｅｑ）に基づいてフィードバック制御手段（１１０）によって決定され、
前記フィードバック操作量（ｒｂ）および前記フィードフォワード補償値（ｒｆ）の和が、操作量（ｒ）として前記制御対象（２００，２００Ｃ）に出力され、
前記制御装置（１００，３００）は、
予測モデル（Ｍｐ）を用いて前記外乱（ｄ）から前記フィードフォワード補償値（ｒｆ）を決定するフィードフォワード補償手段（１２０）と、
教師データ（Ｄｓ）を用いて前記予測モデル（Ｍｐ）に対して機械学習を行う学習手段（１３０）とを備え、
前記学習手段（１３０）は、
前記目標値（ｑｒ）と、前記目標値（ｑｒ）に対応する前記操作量（ｒ）と、前記外乱（ｄ）と、前記外乱（ｄ）および前記操作量（ｒ）の両方に対応する前記制御量（ｑ）とを含む少なくとも１つの第１組合せ（Ｃｍ１）を取得し、
前記少なくとも１つの第１組合せ（Ｃｍ１）のうち、前記誤差（ｅｑ）の絶対値が第１基準値（α）よりも小さい場合の前記外乱（ｄ）と前記操作量（ｒ）とを含む少なくとも１つの第２組合せ（Ｃｍ２）を前記教師データ（Ｄｓ）に追加する、制御装置（１００，３００）。

［構成２］
前記学習手段（１３０）は、
前記教師データ（Ｄｓ）において、前記外乱（ｄ）の絶対値が第２基準値（β）よりも小さい場合の前記操作量（ｒ）の平均値（ｒｂ０）を算出し、
前記予測モデル（Ｍｐ）によって表現される、前記外乱（ｄ）と前記操作量（ｒ）および前記平均値（ｒｂ０）の差としての補償値（ｒｆ）との関係を、前記補償値（ｒｆ）を目的変数とするとともに、前記外乱（ｄ）を説明変数とする関数として近似し、
前記少なくとも１つの第１組合せ（Ｃｍ１）のうち前記外乱（ｄ）の絶対値が前記第２基準値（β）より大きい第３組合せ（Ｃｍ３）の数に対する、前記少なくとも１つの第２組合せ（Ｃｍ２）のうち前記外乱（ｄ）の絶対値が前記第２基準値（β）より大きい第４組合せ（Ｃｍ４）の数の割合が第３基準値（δ）より大きい場合、前記機械学習を終了する、構成１に記載の制御装置（１００，３００）。

［構成３］
前記学習手段（１３０）は、
前記教師データ（Ｄｓ）において、前記外乱（ｄ）の絶対値が第２基準値（β）よりも小さい場合の前記操作量（ｒ）の平均値（ｒｂ０）を算出し、
前記予測モデル（Ｍｐ）によって表現される前記外乱（ｐ）と前記操作量（ｒ）との関係を、前記操作量（ｒ）を目的変数とするとともに、前記外乱（ｄ）を説明変数とする関数として近似し、
前記少なくとも１つの第１組合せ（Ｃｍ１）のうち前記外乱（ｄ）の絶対値が前記第２基準値（β）より大きい第３組合せ（Ｃｍ３）の数に対する、前記少なくとも１つの第２組合せ（Ｃｍ２）のうち前記外乱（ｄ）の絶対値が前記第２基準値（β）より大きい第４組合せ（Ｃｍ４）の数の割合（Ｃｒ）が第３基準値（δ）より大きい場合、前記機械学習を終了し、
前記フィードフォワード補償手段（１２０）は、前記予測モデル（Ｍｐ）によって前記外乱（ｄ）から予測された前記操作量（ｒ）から、前記平均値（ｒｂ０）を引いた値をフィードフォワード補償値として決定する、構成１に記載の制御装置（１００，３００）。

［構成４］
前記学習手段（１３０）は、前記機械学習が終了し、かつ、前記割合（Ｃｒ）が前記第３基準値（δ）より小さい場合、前記機械学習を再開する、構成２または３に記載の制御装置（１００，３００）。

［構成５］
外乱（ｄ）を受ける制御対象（２００，２００Ｃ）の制御量（ｑ）が目標値（ｑｒ）に近づくように前記制御対象（２００，２００Ｃ）へのフィードバック操作量（ｒｂ）とフィードフォワード補償値（ｒｆ）との和を操作量（ｒ）として前記制御対象（２００，２００Ｃ）に出力する制御システム（２）であって、
前記目標値（ｑｒ）と前記制御量（ｑ）との誤差（ｅｑ）に基づいて前記フィードバック操作量（ｒｂ）を決定するフィードバック制御装置（１１）と、
予測モデル（Ｍｐ）を用いて前記外乱（ｄ）から前記フィードフォワード補償値（ｒｆ）を決定するフィードフォワード補償装置（１２）と、
教師データ（Ｄｓ）を用いて前記予測モデル（Ｍｐ）に対して機械学習を行う学習装置（１３）とを備え、
前記学習装置（１３）は、
前記目標値（ｑｒ）と、前記目標値（ｑｒ）に対応する前記操作量（ｒ）と、前記外乱（ｄ）と、前記外乱（ｄ）および前記操作量（ｒ）の両方に対応する前記制御量（ｑ）とを含む少なくとも１つの第１組合せ（Ｃｍ１）を取得し、
前記少なくとも１つの第１組合せ（Ｃｍ１）のうち、前記誤差（ｅｑ）の絶対値が第１基準値（α）よりも小さい場合の前記外乱（ｄ）と前記操作量（ｒ）とを含む少なくとも１つの第２組合せ（Ｃｍ２）を前記教師データ（Ｄｓ）に追加する、制御システム（２）。

［構成６］
外乱（ｄ）を受ける制御対象（２００，２００Ｃ）の制御量（ｑ）が目標値（ｑｒ）に近づくように前記制御対象（２００，２００Ｃ）へのフィードバック操作量（ｒｂ）のフィードフォワード補償値（ｒｆ）を決定する制御方法であって、
前記フィードバック操作量（ｒｂ）は、前記目標値（ｑｒ）と前記制御量（ｑ）との誤差（ｅｑ）に基づいてフィードバック制御手段（１１０）によって決定され、
前記フィードバック操作量（ｒｂ）および前記フィードフォワード補償値（ｒｆ）の和が、操作量（ｒ）として前記制御対象（２００，２００Ｃ）に出力され、
前記制御方法は、
予測モデル（Ｍｐ）を用いて前記外乱（ｄ）から前記フィードフォワード補償値（ｒｆ）を決定するステップ（Ｓ１２１）と、
教師データ（Ｄｓ）を用いて前記予測モデル（Ｍｐ）に対して機械学習を行うステップ（Ｓ１３０）とを含み、
前記機械学習を行うステップ（Ｓ１３０）は、
前記目標値（ｑｒ）と、前記目標値（ｑｒ）に対応する前記操作量（ｒ）と、前記外乱（ｄ）と、前記外乱（ｄ）および前記操作量（ｒ）の両方に対応する前記制御量（ｑ）とを含む少なくとも１つの第１組合せ（Ｃｍ１）を取得するステップ（Ｓ１３１）と、
前記少なくとも１つの第１組合せ（Ｃｍ１）のうち、前記誤差（ｅｑ）の絶対値が第１基準値（α）よりも小さい場合の前記外乱（ｄ）と前記操作量（ｒ）とを含む少なくとも１つの第２組合せ（Ｃｍ２）を前記教師データ（Ｄｓ）に追加するステップ（Ｓ１３２，Ｓ１３３）とを含み、制御方法。

今回開示された各実施の形態は、矛盾しない範囲で適宜組み合わされて実施されることも予定されている。今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

２，３ 制御システム、１１ フィードバック制御装置、１２ フィードフォワード補償装置、１３ 学習装置、２０ フィールドネットワーク、３２ 上位ネットワーク、１００，１００Ａ，３００ 制御装置、１１０ フィードバック制御手段、１２０ フィードフォワード補償手段、１２２ ローカルバス、１３０ 学習手段、１４０ 記憶手段、１５０ 減算器、１６０ 加算器、２００ 制御対象、２００Ｃ フィールドデバイス、２２０ サーボドライバ、２２２ サーボモータ、３０２ プロセッサ、３０４ メインメモリ、３０６ 上位ネットワークコントローラ、３０８ フィールドネットワークコントローラ、３１２ メモリカードインターフェイス、３１４ メモリカード、３１６ ローカルバスコントローラ、３１８ プロセッサバス、３６０ ストレージ、３７０ コントローラ、３８０ 機能ユニット、４００ サポート装置、５００ 表示装置、６００ サーバ装置、７００ ゲートウェイ、９００ インターネット、Ｄｓ 教師データ、Ｍｐ 予測モデル、Ｐｃ 制御プログラム。

Claims (6)

1. 外乱を受ける制御対象の制御量が目標値に近づくように前記制御対象へのフィードバック操作量のフィードフォワード補償値を決定する制御装置であって、
   前記フィードバック操作量は、前記目標値と前記制御量との誤差に基づいてフィードバック制御手段によって決定され、
   前記フィードバック操作量および前記フィードフォワード補償値の和が、操作量として前記制御対象に出力され、
   前記制御装置は、
   予測モデルを用いて前記外乱から前記フィードフォワード補償値を決定するフィードフォワード補償手段と、
   教師データを用いて前記予測モデルに対して機械学習を行う学習手段とを備え、
   前記学習手段は、
   前記目標値と、前記目標値に対応する前記操作量と、前記外乱と、前記外乱および前記操作量の両方に対応する前記制御量とを含む少なくとも１つの第１組合せを取得し、
   前記少なくとも１つの第１組合せのうち、前記誤差の絶対値が第１基準値よりも小さい場合の前記外乱と前記操作量とを含む少なくとも１つの第２組合せを前記教師データに追加する、制御装置。
2. 前記学習手段は、
   前記教師データにおいて、前記外乱の絶対値が第２基準値よりも小さい場合の前記操作量の平均値を算出し、
   前記予測モデルによって表現される、前記外乱と前記操作量および前記平均値の差としての前記フィードフォワード補償値との関係を、前記フィードフォワード補償値を目的変数とするとともに、前記外乱を説明変数とする関数として近似し、
   前記少なくとも１つの第１組合せのうち前記外乱の絶対値が前記第２基準値より大きい第３組合せの数に対する、前記少なくとも１つの第２組合せのうち前記外乱の絶対値が前記第２基準値より大きい第４組合せの数の割合が第３基準値より大きい場合、前記機械学習を終了する、請求項１に記載の制御装置。
3. 前記学習手段は、
   前記教師データにおいて、前記外乱の絶対値が第２基準値よりも小さい場合の前記操作量の平均値を算出し、
   前記予測モデルによって表現される前記外乱と前記操作量との関係を、前記操作量を目的変数とするとともに、前記外乱を説明変数とする関数として近似し、
   前記少なくとも１つの第１組合せのうち前記外乱の絶対値が前記第２基準値より大きい第３組合せの数に対する、前記少なくとも１つの第２組合せのうち前記外乱の絶対値が前記第２基準値より大きい第４組合せの数の割合が第３基準値より大きい場合、前記機械学習を終了し、
   前記フィードフォワード補償手段は、前記予測モデルによって前記外乱から予測された前記操作量から、前記平均値を引いた値を前記フィードフォワード補償値として決定する、請求項１に記載の制御装置。
4. 前記学習手段は、前記機械学習が終了し、かつ、前記割合が前記第３基準値より小さい場合、前記機械学習を再開する、請求項２または３に記載の制御装置。
5. 外乱を受ける制御対象の制御量が目標値に近づくように前記制御対象へのフィードバック操作量とフィードフォワード補償値との和を操作量として前記制御対象に出力する制御システムであって、
   前記目標値と前記制御量との誤差に基づいて前記フィードバック操作量を決定するフィードバック制御装置と、
   予測モデルを用いて前記外乱から前記フィードフォワード補償値を決定するフィードフォワード補償装置と、
   教師データを用いて前記予測モデルに対して機械学習を行う学習装置とを備え、
   前記学習装置は、
   前記目標値と、前記目標値に対応する前記操作量と、前記外乱と、前記外乱および前記操作量の両方に対応する前記制御量とを含む少なくとも１つの第１組合せを取得し、
   前記少なくとも１つの第１組合せのうち、前記誤差の絶対値が第１基準値よりも小さい場合の前記外乱と前記操作量とを含む少なくとも１つの第２組合せを前記教師データに追加する、制御システム。
6. 外乱を受ける制御対象の制御量が目標値に近づくように前記制御対象へのフィードバック操作量のフィードフォワード補償値を決定する制御方法であって、
   前記フィードバック操作量は、前記目標値と前記制御量との誤差に基づいてフィードバック制御手段によって決定され、
   前記フィードバック操作量および前記フィードフォワード補償値の和が、操作量として前記制御対象に出力され、
   前記制御方法は、
   予測モデルを用いて前記外乱から前記フィードフォワード補償値を決定するステップと、
   教師データを用いて前記予測モデルに対して機械学習を行うステップとを含み、
   前記機械学習を行うステップは、
   前記目標値と、前記目標値に対応する前記操作量と、前記外乱と、前記外乱および前記操作量の両方に対応する前記制御量とを含む少なくとも１つの第１組合せを取得するステップと、
   前記少なくとも１つの第１組合せのうち、前記誤差の絶対値が第１基準値よりも小さい場合の前記外乱と前記操作量とを含む少なくとも１つの第２組合せを前記教師データに追加するステップとを含む、制御方法。
   

Images