JP4918682B2

JP4918682B2 - 超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラム

Info

Publication number: JP4918682B2
Application number: JP2007542270A
Authority: JP
Inventors: 幹也田中
Original assignee: NATIONAL UNIVERSITY CORPORATION YAMAGUCHI UNIVERSITY
Current assignee: NATIONAL UNIVERSITY CORPORATION YAMAGUCHI UNIVERSITY
Priority date: 2005-10-27
Filing date: 2006-09-20
Publication date: 2012-04-18
Anticipated expiration: 2026-09-20
Also published as: WO2007049412A1; JPWO2007049412A1

Description

本発明は超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラムに関する。

超音波モータは、ロボット、精密工作機械、自動車電装品、カメラオートフォーカス用レンズ駆動、コンピュータ関連機器等の幅広い分野に利用されている。超音波モータには、定在波型と進行波型があり、ここでは進行波型について説明する。

図１は進行波型の超音波モータの動作原理を示す。超音波モータは圧電振動子、弾性体、動体の３要素から構成される。圧電振動子から発生する超音波振動で弾性体を励振すると、弾性体は固有の振動数で振動し、その振動波が弾性体中で連続的に進行する。このとき弾性体表面上の質点は楕円運動となり、丁度、波が物体を運ぶように動体は推力を受け移動する。このような方式で圧電振動子と弾性体を張り合わせ、リング状に構成すれば回転型超音波モータ、直線状にすればリニア型超音波モータとなる。

次に、超音波モータの詳細について図２で説明する。図２に示す超音波モータ１は主としてスライダ２と、下面に超音波振動を発生させる圧電振動子３が接着されたステータ（弾性振動体）４とから構成される市販の超音波モータであり、上面に櫛歯のような溝が形成されたステータ４の上にスライダ２を重ねた構造となっている。

よって、ステータ４下面の圧電振動子３に特定の高周波電圧を加えて圧電振動子３を励振させると、この励振が圧電振動子３に接着されているステータ４にも伝わり、弾性振動体であるステータ４上に一方向に進む進行波が作り出される。スライダ２をステータ４に一定の圧力で圧接すると、これによってスライダ２とステータ４との間に摩擦力が発生し、スライダ２はこの摩擦力によりステータ４の進行波の進行方向と逆のへ方向に移動する。即ち、超音波モータ１が駆動される。そして、シャフト５を介してこの超音波モータ１の駆動力が負荷の回転力へと変換される。符号６、７はシャフト５のベアリング及びケースである。

超音波モータは、（１）摩擦駆動のため保持トルクが大きい、（２）外部磁界の影響を受けない、（３）応答性が優れている、（４）小型軽量である、という長所があり、上記のような用途が多岐にわたる。反面、（１）摩擦駆動のため強い非線形性を持つ、（２）駆動条件（温度上昇等）により動特性が大きく変化する、（３）複雑な駆動回路が必要である、という短所もある。

そこで、上記短所を小さくするために、従来は、図１５に示すようなＰＩＤ制御の制御構成をとっている。即ち、超音波モータをＵＳＭ、目標入力をｒ（ｋ）、制御入力をｕ（ｋ）、出力偏差をｅ（ｋ）、出力をｙ（ｋ）とすると、次式のＰＩＤコントローラが実現される。ここで、Ｋpは比例ゲイン、Ｋ_Iは積分ゲイン、Ｋ_Dは微分ゲインであり、固定された値である。

従来のＰＩＤ制御回路による補正制御としては、特許文献１に開示されるようなものがある。
特開２００３−２５６００５号公報特許文献１には、ＰＩＤ制御を補償するための一手段として、ニューラルネットワークを用いた制御あるいは遺伝的アルゴリズム（ＧＡ）によってＰＩＤ制御回路のパラメータを直接制御することが開示されている。このＰＩＤ制御は、制御対象が温度、圧力、流量、速度あるいは液位などの物理状態を制御する制御装置として、制御対象の出力および目標値に基づいて、制御対象を制御するＰＩＤ制御回路と、このＰＩＤ制御回路のＰＩＤゲインを調整するニューラルネットワークとを備えており、ニューラルネットワークは、遺伝的アルゴリズムによって予め決定された結合係数およびシグモイト関数のパラメータで構成され、設計パラメータの調整を容易にするとともに局所解に陥るのを抑制するものである。

従来のＰＩＤ制御回路による超音波モータの制御では、超音波モータの非線形性、摩擦による駆動のため温度変化によるモータの動特性の変動を補償できず、ＰＩＤ制御では高精度な制御ができなかった。また、特許文献１に示されるようなＰＩＤ制御は特に超音波モータを制御対象とするものではないが、このＰＩＤ制御を超音波モータの制御に用いたとしても、遺伝的アルゴリズムにより予め決定された結合係数およびシグモイト関数のパラメータを有するニューラルネットワークの出力によりＰＩＤ制御回路のゲインを直接調整する制御となり、制御系としても複雑なものであって、簡単な制御系により超音波モータの摩擦熱による動特性の変動を補償する上で効果的ではない。

また、制御系を簡素化する上で、通常の超音波モータとＰＩＤ制御回路とが一体化された超音波モータユニットの形の製品を用いた簡単な構成により超音波モータの制御を行うことが求められていた。

本発明は、上記課題を解決すべくなしたものであり、本発明による超音波モータの制御方法は、超音波モータの出力を目標値に基づいて制御する超音波モータの制御方法であって、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行することと、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定することと、前記決定された結合係数及び設計パラメータに基づくニューラルネットワークの出力をＰＩＤ制御手段の出力に加算点において付加して超音波モータを制御することと、からなるものである。

また、超音波モータの出力を目標値に基づいて制御する超音波モータの制御方法であって、可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて超音波モータの動特性の変化を反映した伝達関数を求め、求められた前記伝達関数を有する内部モデル制御回路により超音波モータへの制御信号を生成する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段を構成することと、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定することと、前記可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段の出力と前記ニューラルネットワークの出力とをともにＰＩＤ制御手段の出力に加算点において付加することにより超音波モータを制御することと、からなるものとしてもよい。

本発明による超音波モータ制御装置は、超音波モータに制御信号を与えて超音波モータの出力を目標値に基づいて制御するための制御信号付加手段を有する超音波モータ制御装置であって、前記制御信号付加手段は、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行するための遺伝的アルゴリズム回路と、該遺伝的アルゴリズム回路により決定された結合係数及び設計パラメータに基づいて学習過程を行い前記ＰＩＤ制御部の出力に対し加算点において付加出力を生ずるニューラルネットワークと、からなるようにしたものである。

また、超音波モータに制御信号を与えて超音波モータの出力を目標値に基づいて制御するための制御信号付加手段を有する超音波モータ制御装置であって、前記制御信号付加手段は、可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて求められた超音波モータの動特性の変化を反映した伝達関数を有する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御回路と、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行するための遺伝的アルゴリズム回路での遺伝的アルゴリズムにより決定された結合係数及び設計パラメータに基づいて学習過程を行い前記ＰＩＤ制御回路の出力に対し加算点において付加出力を生ずるニューラルネットワークと、からなるものとしてもよい。

本発明による超音波モータを制御するためのプログラムは、超音波モータの出力を目標値に基づいて制御するようにした超音波モータを制御するためのプログラムであって、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定し、前記決定された結合係数及び設計パラメータに基づくニューラルネットワークの出力をＰＩＤ制御手段の出力に加算点において付加して超音波モータを制御するようにしたものである。

また、超音波モータの出力を目標値に基づいて制御するように超音波モータを制御するためのプログラムであって、可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて超音波モータの動特性の変化を反映した伝達関数を求め、求められた前記伝達関数を有する内部モデル制御回路により超音波モータへの制御信号を生成する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段を構成し、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定し、前記可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段の出力と前記ニューラルネットワークの出力とをともにＰＩＤ制御手段の出力に加算点において付加することにより超音波モータを制御ようにしたものとしてもよい。

超音波モータとＰＩＤ制御回路とが一体された超音波モータユニットに遺伝的アルゴリズム（ＧＡ）を学習に適用したニューラルネットワーク（ＮＮ）の出力をＰＩＤ制御における加算点に付加することにより、ＮＮによりＰＩＤのゲインを調整する制御手法に比して、超音波モータの摩擦熱による動特性の変化を補償し、超音波モータの非直線性を補償する上で格段の改善がなされ、出力応答、適応度及び位置決め精度において従来法に比して改善を達成することができる。また、ＰＩＤ制御手段と超音波モータとが一体化されたＰＩＤ超音波ユニットを用いて簡単な制御系の構成とすることができる。さらに、仮想モデル型ＩＭＣ−ＰＩＤ制御回路を用いるものでは、負荷変動や外乱による急激で大きな特性変動を補償する制御を行う上でより効果的である。

本発明の超音波モータの制御系は、モータの摩擦熱による動特性の変化を補償する制御を行うために、以下に説明するように、図３〜図５し示すような構成となっている。

図３は、超音波モータ（ＵＳＭ）の入力信号ｕ（ｋ）、出力信号ｙ（ｋ）により伝達関数のパラメータを推定するために、周知の同定手法を適用し、可変仮想モデルを得るための制御系を示している。この可変仮想モデルの伝達関数Ｇ（ｚ^‐１）は式（２）のようになる。これにより、超音波モータの摩擦熱による動特性の変化を反映した伝達関数が得られる。

次に、この可変仮想モデルの伝達関数Ｇ（ｚ^‐１）を用いた内部モデル制御回路（ＩＭＣ）の構成の制御系は図４に示すようになる。ここで可変仮想モデルの伝達関数Ｇ（ｚ^‐１）は式（３）で示され、制御回路の伝達関数Ｇ_IMC（ｚ^‐１）は式（４）で示される。

この可変仮想モデルの伝達関数Ｇ（ｚ^‐１）を用いた内部モデル制御回路（ＩＭＣ）をＰＩＤ制御に適用したＩＭＣ‐ＰＩＤ制御回路は図５に示すようになる。ここでＩＭＣ‐ＰＩＤの伝達関数Ｇ_C（ｚ^‐１）は式（５）となり、Ｇ_C（ｚ^‐１）をＧ_PID（ｚ^‐１）と置くことにより、式（６）のＰＩＤゲインを得ることができる。

従って、最終の仮想モデル型ＩＭＣ‐ＰＩＤ制御回路は、図６に示すものになる。そして、仮想モデル型ＩＭＣ‐ＰＩＤ制御回路の可変ＰＩＤゲインは、それぞれ式（７）のようになる。

このように、仮想モデル型ＩＭＣ‐ＰＩＤ制御回路により超音波モータの制御を行うことにより、超音波モータの摩擦熱による動特性の変化を補償することができる。
ただし、超音波モータは極めて非線形性が強いので、これを補償するために、本発明では、また、図７に示すように、この超音波モータユニットに対し、遺伝的アルゴリズム（ＧＡ）を学習に適用したニューラルネットワーク（ＮＮ）の出力をＰＩＤ制御における加算点に付加する構成による制御を行う。

図７において、超音波モータ（ＵＳＭ）１と仮想モデル型ＩＭＣ‐ＰＩＤ制御器１１とにより構成されたＰＩＤ超音波モータユニット１０に対し、ニューラルネットワーク（ＮＮ）１２の出力をＰＩＤ制御器１１からの出力に加算点１５において付加する。ニューラルネットワーク（ＮＮ）１２は、遺伝的アルゴリズム（ＧＡ）回路１３による遺伝的アルゴリズムを適用する。１４は目標値と出力の偏差を求める信号加算点である。

このように、遺伝的アルゴリズム回路１３による遺伝的アルゴリズムを適用してニューラルネットワークの結合係数及び設計パラメータを決定したニューラルネットワーク（ＮＮ）１２の出力を、加算点１５において付加する。この制御系における各部の入出力信号は式（８）のようになる。

ニューラルネットワーク（ＮＮ）の構成は、図８に示す階層構造タイプでは、入力層、中間層、出力層から構成され、入力層の入力、ｒ（ｋ）、ｙ（ｋ）、ｙ（ｋ−１）、ｕ（ｋ−１）に対して、中間層入出力は式（９）となり、出力層入出力は式（１０）のようになる。

式（９），（１０）における結合荷重ｗ_ｊｉ ^（１）（ｋ），ｗ_ｊ ^（２）（ｋ）を更新する手順において、ニューラルネットワークでの学習過程において、自然界の適応進化メカニズムをモデル化した最適化手法である遺伝的アルゴリズム（ＧＡ）を用いて確率的探索を行い、ニューラルネットワーク（ＮＮ）の学習過程での重みを最適化させるのがよい。

遺伝的アルゴリズム（ＧＡ）の手順は、図９に示すステップに従って処理される。すなわち、図１０に示すように、定常応答における１周期を１個体とし、１０個体を１世代とする初期個体集団とし、各個体の適応度を式（１１）により算出し、適応度によってランク付けして、個体の評価を行なう。

次に、ランク付けされた個体集団から適応度の高い個体ほど多くの子孫を残す機会をもたせるために、交配する染色体を選択する。選択交配は、図１１に示すように、（１）適応度によって各個体にランク付けし、予め決められた確率で交叉する個体を選択するランキング選択と、（２）集団の中で適応度の最も高い個体をそのまま次世代に残すエリート保存選択があり、これらの選択を併用する。

交叉は、図１２に示すように、２つの染色体間で遺伝子を組み替えて、次世代の個体集団の染色体を創出する。図１２では、交叉点の前後で親の染色体を入れ換え、子の染色体を創っている。また、遺伝子のある部分の値を強制的に変えて、遺伝子集団としての多様性、つまりバラツキを大きくして、より良い解をもつ個体の発生を期待する。特に、学習過程で局所最適解に陥ることを防ぐことができる。

本発明では、仮想モデル型ＩＭＣ‐ＰＩＤ制御回路１１により、また、ＰＩＤ制御回路の出力に遺伝的アルゴリズム回路１３による遺伝的アルゴリズムをニューラルネットワーク（ＮＮ）１２の学習課程に適用しニューラルネットワーク１２の出力を加算点１５においてＰＩＤ制御回路１１の出力に付加することにより、超音波モータの摩擦熱による動特性の変化を補償することができるものである。

仮想モデル型ＩＭＣ‐ＰＩＤ制御回路による制御においては、超音波モータにおける負荷変動や外乱による急激で大きな特性変動を補償するのに有効である。
遺伝的アルゴリズムをニューラルネットワークに適用した制御においては、従来のように遺伝的アルゴリズム（ＧＡ）により予め決定された結合係数およびシグモイト関数のパラメータを有するニューラルネットワークの出力によりＰＩＤ制御回路のゲインを直接調整する制御手法とは異なって、ニューラルネットワークにより制御入力を修正するという制御手法により超音波モータの特性変動をより効果的に補償した制御がなされる。

仮想モデル型ＩＭＣ−ＰＩＤ制御回路による制御と、遺伝的アルゴリズムをニューラルネットワークに適用した制御とは、いずれか一方を独自に用いることができるものであり、また、両方の制御を併用して制御を行うようにしてもよい。両方を併用した制御形態においては、ＰＩＤ超音波モータユニット１０を利用した制御系とすることができ、制御装置の構成を簡単にすることができる。

本発明は、前述した特徴を有する超音波モータの制御方法、超音波モータ制御として、また、そのような制御を行う超音波モータを制御するためのプログラムという形態として実現されるものである。

本発明を適用した超音波モータの特性試験の結果、出力応答、適応度はもちろん従来法に比して良好な結果が得られた。また、位置決めの精度を＋４５度と−４５度について、３０回の繰り返し試験を行なった結果を、横軸に目標と出力の差（誤差）を、縦軸に回数をグラフ分布表示すると、従来法のＢＰ法により学習したＮＮ併用型ＰＩＤ制御による位置決め精度は図１３のようになり、本発明のＧＡ法により学習したＮＮ併用型ＰＩＤ制御による位置決め精度は図１４のようになった。

このことから明らかなように本発明は簡単な制御系の構成により、超音波モータの摩擦熱による動特性の変化を補償し、しかも超音波モータの非線形性を補償することができ、出力応答、適応度及び位置決め精度において、従来法に比して格段の改善を達成することができた。

本発明は超音波モータを駆動源として利用するロボット、精密工作機械、自動車電装品、カメラオートフォーカス用レンズ駆動、コンピュータ関連機器等に適用され、また、他のサーボ系やプロセス制御系にも適用可能である。

超音波モータの動作原理図である。超音波モータの具体例を示す図である。超音波モータ（ＵＳＭ）の可変仮想モデルの導入図である。内部モデル制御回路（ＩＭＣ）の構成の制御系を示す図である。内部モデル制御回路（ＩＭＣ）をＰＩＤ制御に適用したＩＭＣ‐ＰＩＤ制御系を示す図である。最終の仮想モデル型ＩＭＣ‐ＰＩＤ制御系を示す図である。本発明のＧＡにより学習したＮＮ併用型ＰＩＤ制御系を示す図である。ニューラルネットワーク（ＮＮ）の構成図である。遺伝的アルゴリズム（ＧＡ）の手順を示す図である。遺伝的アルゴリズム（ＧＡ）の個体の説明図である。遺伝的アルゴリズム（ＧＡ）の選択交配の説明図である。遺伝的アルゴリズム（ＧＡ）の交叉の説明図である。ＢＰ法により学習したＮＮ併用型ＰＩＤ制御（従来法）による位置決め精度を示すグラフである。ＧＡにより学習したＮＮ併用型ＰＩＤ制御（本発明）による位置決め精度を示すグラフである。従来のＰＩＤ制御系を示す図である。

符号の説明

１超音波モータ
２スライダ
３圧電振動子
４ステータ（弾性振動体）
５シャフト
６ベアリング
７ケース
１０ＰＩＤ超音波モータユニット
１１仮想モデル型ＩＭＣ‐ＰＩＤ制御器
１２ニューラルネットワーク（ＮＮ）
１３遺伝的アルゴリズム（ＧＡ）回路
１４，１５信号加算点

Claims

超音波モータの出力を目標値に基づいて制御する超音波モータの制御方法であって、
それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行することと、
該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定することと、
前記決定された結合係数及び設計パラメータに基づくニューラルネットワークの出力をＰＩＤ制御手段の出力に加算点において付加して超音波モータを制御することと、
からなることを特徴とする超音波モータの制御方法。
超音波モータの出力を目標値に基づいて制御する超音波モータの制御方法であって、
可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて超音波モータの動特性の変化を反映した伝達関数を求め、求められた前記伝達関数を有する内部モデル制御回路により超音波モータへの制御信号を生成する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段を構成することと、
それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定することと、
前記可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段の出力と前記ニューラルネットワークの出力とをともにＰＩＤ制御手段の出力に加算点において付加することにより超音波モータを制御することと、
からなることを特徴とする超音波モータの制御方法。
超音波モータに制御信号を与えて超音波モータの出力を目標値に基づいて制御するための制御信号付加手段を有する超音波モータ制御装置であって、前記制御信号付加手段は、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行するための遺伝的アルゴリズム回路と、
該遺伝的アルゴリズム回路により決定された結合係数及び設計パラメータに基づいて学習過程を行い前記ＰＩＤ制御部の出力に対し加算点において付加出力を生ずるニューラルネットワークと、
からなることを特徴とする超音波モータ制御装置。
超音波モータに制御信号を与えて超音波モータの出力を目標値に基づいて制御するための制御信号付加手段を有する超音波モータ制御装置であって、前記制御信号付加手段は、可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて求められた超音波モータの動特性の変化を反映した伝達関数を有する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御回路と、
それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行するための遺伝的アルゴリズム回路での遺伝的アルゴリズムにより決定された結合係数及び設計パラメータに基づいて学習過程を行い前記ＰＩＤ制御回路の出力に対し加算点において付加出力を生ずるニューラルネットワークと、
からなることを特徴とする超音波モータ制御装置。
超音波モータの出力を目標値に基づいて制御するようにした超音波モータを制御するためのプログラムであって、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定し、前記決定された結合係数及び設計パラメータに基づくニューラルネットワークの出力をＰＩＤ制御手段の出力に加算点において付加して超音波モータを制御するようにしたことを特徴とする超音波モータを制御するためのプログラム。
超音波モータの出力を目標値に基づいて制御するように超音波モータを制御するためのプログラムであって、可変仮想モデルを得るための制御系を用いて超音波モータの制御系における入力信号と出力信号により同定手法を用いて超音波モータの動特性の変化を反映した伝達関数を求め、求められた前記伝達関数を有する内部モデル制御回路により超音波モータへの制御信号を生成する可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段を構成し、それぞれ定常応答における１周期を個体とした複数の個体からなる初期個体集団を設定し、予め設定された評価関数に基づいて各個体に対する適応度を算出することにより各個体をランク付けし、適応度がより高くなるように新たな個体を生成する過程を反復して適応度が最も高くなる複数の個体を得る遺伝的アルゴリズムを実行し、該遺伝的アルゴリズムの実行により得られた個体集団によりニューラルネットワークの結合係数及び設計パラメータを決定し、前記可変仮想モデル化した内部モデル制御系を取り込んだＰＩＤ制御手段の出力と前記ニューラルネットワークの出力とをともにＰＩＤ制御手段の出力に加算点において付加することにより超音波モータを制御ようにしたことを特徴とする超音波モータを制御するためのプログラム。