JP3188040B2 - 学習型フィードフォワード制御装置 - Google Patents
学習型フィードフォワード制御装置Info
- Publication number
- JP3188040B2 JP3188040B2 JP11049893A JP11049893A JP3188040B2 JP 3188040 B2 JP3188040 B2 JP 3188040B2 JP 11049893 A JP11049893 A JP 11049893A JP 11049893 A JP11049893 A JP 11049893A JP 3188040 B2 JP3188040 B2 JP 3188040B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- target
- input
- value
- state
- 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.)
- Expired - Fee Related
Links
Landscapes
- Feedback Control In General (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、学習型フィードフォワ
ード制御装置に関する。
ード制御装置に関する。
【０００２】
【従来の技術】従来、制御対象の入力に対する応答を早
め、また、偏差をなくすために図２に示すような学習型
フィードフォワード制御装置を用いている。即ち、目標
値を減算器１及び学習型フィードフォワード制御器２に
入力し、上記減算器１で目標値と制御対象５の観測値と
の偏差を求め、更に乗算器３でフィードバックゲインＫ
を乗じる。そして、この乗算器３の出力信号Ｔｆ（ｔ）
と学習型フィードフォワード制御器２の出力信号Ｔｔ
（ｔ）とを加算器４で加算して操作信号Ｔ（ｔ）を求
め、制御対象５及び学習型フィードフォワード制御器２
に入力する。
め、また、偏差をなくすために図２に示すような学習型
フィードフォワード制御装置を用いている。即ち、目標
値を減算器１及び学習型フィードフォワード制御器２に
入力し、上記減算器１で目標値と制御対象５の観測値と
の偏差を求め、更に乗算器３でフィードバックゲインＫ
を乗じる。そして、この乗算器３の出力信号Ｔｆ（ｔ）
と学習型フィードフォワード制御器２の出力信号Ｔｔ
（ｔ）とを加算器４で加算して操作信号Ｔ（ｔ）を求
め、制御対象５及び学習型フィードフォワード制御器２
に入力する。
【０００３】この学習型フィードフォワード制御器２
は、制御対象５が入力信号から出力信号を出すような機
能を有し、制御対象５の目標値を入力端に加えると、そ
の出力端に、制御対象５が目標としている出力を出すた
めの入力信号が得られる。学習型フィードフォワード制
御器２がこのような信号を作成するために、制御対象モ
デルのサブシステムを内部に備えている。これは制御対
象５の既知の運動方程式より導出される。上記サブシス
テムの出力には、重み係数ωi が掛かっており、学習に
よって ［Ｔ（ｔ）−Ｔｔ（ｔ）］＝［Ｔｆ（ｔ）］ が最小となるようにωi を収束させる。学習方程式は、 τωi ′＝Ｙi （ｔ）｛Ｔ（ｔ）−Ｔｔ（ｔ）｝ ＝Ｙi （ｔ）（Ｔｆ（ｔ）） で示される。
は、制御対象５が入力信号から出力信号を出すような機
能を有し、制御対象５の目標値を入力端に加えると、そ
の出力端に、制御対象５が目標としている出力を出すた
めの入力信号が得られる。学習型フィードフォワード制
御器２がこのような信号を作成するために、制御対象モ
デルのサブシステムを内部に備えている。これは制御対
象５の既知の運動方程式より導出される。上記サブシス
テムの出力には、重み係数ωi が掛かっており、学習に
よって ［Ｔ（ｔ）−Ｔｔ（ｔ）］＝［Ｔｆ（ｔ）］ が最小となるようにωi を収束させる。学習方程式は、 τωi ′＝Ｙi （ｔ）｛Ｔ（ｔ）−Ｔｔ（ｔ）｝ ＝Ｙi （ｔ）（Ｔｆ（ｔ）） で示される。
【０００４】
【発明が解決しようとする課題】従来の学習型フィード
フォワード制御装置は、多入出力系においては、サブシ
ステムを作成するのが非常に困難であった。本発明は上
記実情に鑑みてなされたもので、従来の学習型フィード
フォワード制御器のサブシステムに相当する部分を簡単
に作成し得る学習型フィードフォワード制御装置を提供
することを目的とする。
フォワード制御装置は、多入出力系においては、サブシ
ステムを作成するのが非常に困難であった。本発明は上
記実情に鑑みてなされたもので、従来の学習型フィード
フォワード制御器のサブシステムに相当する部分を簡単
に作成し得る学習型フィードフォワード制御装置を提供
することを目的とする。
【０００５】
【課題を解決するための手段】本発明は、目標値と制御
対象の観測値との偏差を求めて制御対象を制御するフィ
ードバック制御系と、上記制御対象の目標値から該制御
対象に対する入力信号を作成する学習型フィードフォワ
ード制御器とを備えた学習型フィードフォワード制御装
置において、上記学習型フィードフォワード制御器は、
入力ｖ、状態Ｘ、出力ｙを持つ制御対象の線形状態方程
式 Ｘ′＝ＡＸ＋Ｂｖ，ｙ＝ＣＸ に基づき、目標値から状態Ｘを得るマトリクスと、この
マトリクスから出力される状態Ｘを微分してＸ′を得る
微分手段と、この手段による微分値Ｘ′から上記状態Ｘ
に係数Ａを乗じた値ＡＸを減算してＢｖを得る演算手段
と、この演算手段の出力値Ｂｖに学習により得たＢ-1を
乗じて上記制御対象に対する入力ｖを取り出すニューラ
ルネットワークとからなることを特徴とする。
対象の観測値との偏差を求めて制御対象を制御するフィ
ードバック制御系と、上記制御対象の目標値から該制御
対象に対する入力信号を作成する学習型フィードフォワ
ード制御器とを備えた学習型フィードフォワード制御装
置において、上記学習型フィードフォワード制御器は、
入力ｖ、状態Ｘ、出力ｙを持つ制御対象の線形状態方程
式 Ｘ′＝ＡＸ＋Ｂｖ，ｙ＝ＣＸ に基づき、目標値から状態Ｘを得るマトリクスと、この
マトリクスから出力される状態Ｘを微分してＸ′を得る
微分手段と、この手段による微分値Ｘ′から上記状態Ｘ
に係数Ａを乗じた値ＡＸを減算してＢｖを得る演算手段
と、この演算手段の出力値Ｂｖに学習により得たＢ-1を
乗じて上記制御対象に対する入力ｖを取り出すニューラ
ルネットワークとからなることを特徴とする。
【０００６】
【作用】制御対象の線形状態方程式を「Ｘ′＝ＡＸ＋Ｂ
ｖ，ｙ＝ＣＸ」とすると、目標値入力はｙに相当する。
従って、マトリクスでｙにＣ-1を乗じてＸを作成し、こ
のＸを微分してＸ′とすると共に、ＸにＡを乗じてＡＸ
を作成する。そして、上記Ｘ′からＡＸを減算（Ｘ′−
ＡＸ）することにより、Ｂｖを求めてニューラルネット
ワークに入力する。ニューラルネットワークで、Ｂ-1が
得られるように学習することにより、制御対象に対する
入力ｖを得ることができる。上記の処理を行なうことに
より、多入出力系における学習型フィードフォワード制
御器のサブシステムに相当する部分を簡単に作成するこ
とができる。
ｖ，ｙ＝ＣＸ」とすると、目標値入力はｙに相当する。
従って、マトリクスでｙにＣ-1を乗じてＸを作成し、こ
のＸを微分してＸ′とすると共に、ＸにＡを乗じてＡＸ
を作成する。そして、上記Ｘ′からＡＸを減算（Ｘ′−
ＡＸ）することにより、Ｂｖを求めてニューラルネット
ワークに入力する。ニューラルネットワークで、Ｂ-1が
得られるように学習することにより、制御対象に対する
入力ｖを得ることができる。上記の処理を行なうことに
より、多入出力系における学習型フィードフォワード制
御器のサブシステムに相当する部分を簡単に作成するこ
とができる。
【０００７】
【実施例】以下、図面を参照して本発明の一実施例を説
明する。図１は本発明の一実施例に係る学習型フィード
フォワード制御装置の構成を示すブロック図である。図
１に示すように、目標値が減算器１１及び学習型フィー
ドフォワード制御器１２に入力される。減算器１１は、
目標値と制御対象１５の観測値との偏差を求め、その偏
差値に目標値を減算器１１及び学習型フィードフォワー
ド制御器１２に入力し、上記減算器１１で目標値と制御
対象１５の観測値との偏差を求め、更に乗算器１３でフ
ィードバックゲインＫを乗じる。そして、この乗算器１
３の出力信号Ｔｆ（ｔ）と学習型フィードフォワード制
御器１２の出力信号Ｔｔ（ｔ）とを加算器４で加算して
操作信号Ｔ（ｔ）を求め、制御対象５及び学習型フィー
ドフォワード制御器１２に入力する。
明する。図１は本発明の一実施例に係る学習型フィード
フォワード制御装置の構成を示すブロック図である。図
１に示すように、目標値が減算器１１及び学習型フィー
ドフォワード制御器１２に入力される。減算器１１は、
目標値と制御対象１５の観測値との偏差を求め、その偏
差値に目標値を減算器１１及び学習型フィードフォワー
ド制御器１２に入力し、上記減算器１１で目標値と制御
対象１５の観測値との偏差を求め、更に乗算器１３でフ
ィードバックゲインＫを乗じる。そして、この乗算器１
３の出力信号Ｔｆ（ｔ）と学習型フィードフォワード制
御器１２の出力信号Ｔｔ（ｔ）とを加算器４で加算して
操作信号Ｔ（ｔ）を求め、制御対象５及び学習型フィー
ドフォワード制御器１２に入力する。
【０００８】学習型フィードフォワード制御器１２は、
マトリクス回路１６、微分回路１７、乗算器１８、減算
器１９、ニューラルネットワーク２０、減算器２１から
なり、目標値がマトリクス回路１６に入力される。この
マトリクス回路１６は、目標値入力にＣ-1を乗じてＸを
求め、微分回路１７及び乗算器１８に入力される。微分
回路１７は、Ｘを微分してＸ′を求め、乗算器１８は、
Ｘに係数Ａを乗じてＡＸを求める。そして、減算器１９
で、上記微分回路１７の出力Ｘ′から乗算器１８の出力
ＡＸが減算され、その減算結果がニューラルネットワー
ク２０に入力される。このニューラルネットワーク２０
の出力は、学習型フィードフォワード制御器１２の出力
Ｔｔ（ｔ）として加算器１４へ送られると共に、減算器
２１の−端子に入力される。この減算器２１は、加算器
１４の出力である操作信号Ｔ（ｔ）からニューラルネッ
トワーク２０の出力を減算し、その減算結果をニューラ
ルネットワーク２０に学習信号として入力する。
マトリクス回路１６、微分回路１７、乗算器１８、減算
器１９、ニューラルネットワーク２０、減算器２１から
なり、目標値がマトリクス回路１６に入力される。この
マトリクス回路１６は、目標値入力にＣ-1を乗じてＸを
求め、微分回路１７及び乗算器１８に入力される。微分
回路１７は、Ｘを微分してＸ′を求め、乗算器１８は、
Ｘに係数Ａを乗じてＡＸを求める。そして、減算器１９
で、上記微分回路１７の出力Ｘ′から乗算器１８の出力
ＡＸが減算され、その減算結果がニューラルネットワー
ク２０に入力される。このニューラルネットワーク２０
の出力は、学習型フィードフォワード制御器１２の出力
Ｔｔ（ｔ）として加算器１４へ送られると共に、減算器
２１の−端子に入力される。この減算器２１は、加算器
１４の出力である操作信号Ｔ（ｔ）からニューラルネッ
トワーク２０の出力を減算し、その減算結果をニューラ
ルネットワーク２０に学習信号として入力する。
【０００９】次に上記実施例の動作を説明する。制御対
象１５は、入力ｖ、状態Ｘ、出力ｙに対し、 Ｘ′＝ＡＸ＋Ｂｖ，ｙ＝ＣＸ の関係にあり、学習型フィードフォワード制御器１２の
マトリクス回路１６は状態Ｘを取り出す役目のみを行な
っているものとする。
象１５は、入力ｖ、状態Ｘ、出力ｙに対し、 Ｘ′＝ＡＸ＋Ｂｖ，ｙ＝ＣＸ の関係にあり、学習型フィードフォワード制御器１２の
マトリクス回路１６は状態Ｘを取り出す役目のみを行な
っているものとする。
【００１０】つまり、制御対象１５の状態を制御するこ
とを目的とした制御系を仮定している。目標値入力は、
状態量を取り出しているだけの場合を考えているので、
出力ｙから状態Ｘを取り出す場合、「Ｘ＝Ｃ-1・ｙ」で
ある。目標値入力は、出力ｙに相当するので、マトリク
ス回路１６により、ｙにＣ-1を乗じて状態Ｘを求める。
この状態Ｘが求まると、上式を変形した「Ｂｖ＝Ｘ′−
ＡＸ」の関係からＢｖを求める。即ち、状態Ｘを微分回
路１７で微分してＸ′とし、また、状態Ｘに乗算器１８
で係数Ａを掛けてＡＸを作成し、減算器１９で「Ｘ′−
ＡＸ」の減算を行なってＢｖを求める。
とを目的とした制御系を仮定している。目標値入力は、
状態量を取り出しているだけの場合を考えているので、
出力ｙから状態Ｘを取り出す場合、「Ｘ＝Ｃ-1・ｙ」で
ある。目標値入力は、出力ｙに相当するので、マトリク
ス回路１６により、ｙにＣ-1を乗じて状態Ｘを求める。
この状態Ｘが求まると、上式を変形した「Ｂｖ＝Ｘ′−
ＡＸ」の関係からＢｖを求める。即ち、状態Ｘを微分回
路１７で微分してＸ′とし、また、状態Ｘに乗算器１８
で係数Ａを掛けてＡＸを作成し、減算器１９で「Ｘ′−
ＡＸ」の減算を行なってＢｖを求める。
【００１１】そして、上記Ｂｖからｖの信号を取り出す
ためにはＢ-1の処理が必要であるので、この処理をニュ
ーラルネットワーク２０で行なっている。ｖの信号は、
制御対象１５の入力信号であり、制御対象１５の入力数
と同じ個数を持っている。ニューラルネットワーク２０
では、各入力信号ｖにＢｖの信号を重みωijを掛けなが
ら結合させる。重みωijは［Ｔ（ｔ）−Ｔｔ（ｔ）］＝
［Ｔｆ（ｔ）］が最小となるように学習させる。この学
習の方程式は、次式に示すように τωij＝Ｙi （ｔ）｛Ｔ（ｔ）−Ｔｔ（ｔ）｝ ＝Ｙi （ｔ）［Ｔｆ（ｔ）］ である。このニューラルネットワーク２０の学習によ
り、「Ｂ-1」が作成され、目標値入力信号から制御対象
１５への入力信号を直接得ることのできる学習型フィー
ドフォワード制御器１２とすることができる。
ためにはＢ-1の処理が必要であるので、この処理をニュ
ーラルネットワーク２０で行なっている。ｖの信号は、
制御対象１５の入力信号であり、制御対象１５の入力数
と同じ個数を持っている。ニューラルネットワーク２０
では、各入力信号ｖにＢｖの信号を重みωijを掛けなが
ら結合させる。重みωijは［Ｔ（ｔ）−Ｔｔ（ｔ）］＝
［Ｔｆ（ｔ）］が最小となるように学習させる。この学
習の方程式は、次式に示すように τωij＝Ｙi （ｔ）｛Ｔ（ｔ）−Ｔｔ（ｔ）｝ ＝Ｙi （ｔ）［Ｔｆ（ｔ）］ である。このニューラルネットワーク２０の学習によ
り、「Ｂ-1」が作成され、目標値入力信号から制御対象
１５への入力信号を直接得ることのできる学習型フィー
ドフォワード制御器１２とすることができる。
【００１２】
【発明の効果】以上詳記したように本発明によれば、多
入出力系における学習型フィードフォワード制御器の従
来のサブシステムに相当する部分を簡単に作成すること
ができる。
入出力系における学習型フィードフォワード制御器の従
来のサブシステムに相当する部分を簡単に作成すること
ができる。
【図１】本発明の一実施例に係る学習型フィードフォワ
ード制御装置の構成を示すブロック図。
ード制御装置の構成を示すブロック図。
【図２】従来の学習型フィードフォワード制御装置の構
成を示すブロック図。
成を示すブロック図。
１１ 減算器 １２ 学習型フィードフォワード制御器 １３ 乗算器（フィードバックゲイン） １４ 加算器 １５ 制御対象 １６ マトリクス回路 １７ 微分回路 １８ 乗算器 １９ 減算器 ２０ ニューラルネットワーク ２１ 減算器
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−84303（ＪＰ，Ａ) 特開 昭63−214801（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G05B 13/02 G05B 11/32 G06N 1/00 - 3/10
Claims (1)
- 【請求項１】 目標値と制御対象の観測値との偏差を求
めて制御対象を制御するフィードバック制御系と、上記
制御対象の目標値から該制御対象に対する入力信号を作
成する学習型フィードフォワード制御器とを備えた学習
型フィードフォワード制御装置において、 上記学習型フィードフォワード制御器は、入力ｖ、状態
Ｘ、出力ｙを持つ制御対象の線形状態方程式 Ｘ′＝ＡＸ＋Ｂｖ，ｙ＝ＣＸ に基づき、目標値から状態Ｘを得るマトリクスと、この
マトリクスから出力される状態Ｘを微分してＸ′を得る
微分手段と、この手段による微分値Ｘ′から上記状態Ｘ
に係数Ａを乗じた値ＡＸを減算してＢｖを得る演算手段
と、この演算手段の出力値Ｂｖに学習により得たＢ-1を
乗じて上記制御対象に対する入力ｖを取り出すニューラ
ルネットワークとからなることを特徴とする学習型フィ
ードフォワード制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11049893A JP3188040B2 (ja) | 1993-05-12 | 1993-05-12 | 学習型フィードフォワード制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11049893A JP3188040B2 (ja) | 1993-05-12 | 1993-05-12 | 学習型フィードフォワード制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06324709A JPH06324709A (ja) | 1994-11-25 |
| JP3188040B2 true JP3188040B2 (ja) | 2001-07-16 |
Family
ID=14537291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11049893A Expired - Fee Related JP3188040B2 (ja) | 1993-05-12 | 1993-05-12 | 学習型フィードフォワード制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3188040B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5773938A (en) * | 1995-07-04 | 1998-06-30 | Samsung Electronics Co., Ltd. | Apparatus for controlling speed of a rotary motor |
-
1993
- 1993-05-12 JP JP11049893A patent/JP3188040B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06324709A (ja) | 1994-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100437178B1 (ko) | 위치 제어 장치 | |
| JP2771929B2 (ja) | ディジタル・サーボ制御システム | |
| JP3188040B2 (ja) | 学習型フィードフォワード制御装置 | |
| JP3288184B2 (ja) | 電動機の制御装置 | |
| JP4134599B2 (ja) | 同期制御装置 | |
| Elnaggar et al. | New method for delay estimation | |
| EP0474492B1 (en) | Two degrees of freedom type control system | |
| JP2882863B2 (ja) | サーボ制御装置 | |
| JPH09191678A (ja) | サーボモータの速度制御方法 | |
| Aquino et al. | Adaptive partial state feedback control of the induction motor: elimination of rotor flux and rotor velocity measurements | |
| JPH0580805A (ja) | Ｐｉ制御ループをベースにした適応スライデイングモード制御方式 | |
| JPS63144782A (ja) | 電動機の制御装置 | |
| JP3214514B2 (ja) | 位置決め制御方法およびその装置 | |
| JP2844289B2 (ja) | Ｉｍｃコントローラ | |
| JPH08314503A (ja) | 適応制御装置 | |
| KR102403517B1 (ko) | 로봇 제어 장치 및 로봇 제어 방법 | |
| JP2508129B2 (ja) | 電動機の制御装置 | |
| WO2005062138A1 (ja) | 制御演算装置 | |
| KR980010675A (ko) | 귀환 제어 장치 및 방법 | |
| JP2003259674A (ja) | サーボ制御装置 | |
| JPH09121579A (ja) | モータ速度制御装置 | |
| KR100218930B1 (ko) | 서보모터의 속도제어방법 및 속도제어장치 | |
| Lim | Experimental study of a fuzzy system for dc motor control | |
| JPS5941004A (ja) | プロセス制御装置 | |
| JPH05127701A (ja) | 制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20010403 |
|
| LAPS | Cancellation because of no payment of annual fees |