JP5997595B2

JP5997595B2 - 飛行制御システム

Info

Publication number: JP5997595B2
Application number: JP2012266065A
Authority: JP
Inventors: 維大佐藤; 直亮板橋
Original assignee: Fuji Jukogyo KK
Current assignee: Subaru Corp
Priority date: 2012-12-05
Filing date: 2012-12-05
Publication date: 2016-09-28
Anticipated expiration: 2032-12-05
Also published as: JP2014112282A

Description

本発明は、安定的な飛行制御を実現可能な飛行制御システムに関する。

航空機は、移動の自由度が高く、移動速度も高いので、飛行時の安全性には特に配慮が必要である。また、定常時の飛行のみならず、飛行状況の突発的な変化、例えば、バードストライク等の外的な要因による機体の損傷や、外部環境の変化、パイロットの操作エラーに対しても高いロバスト性を要する。そこで、飛行中の高い安全性を確保するための飛行制御システムの構築が急がれる。

例えば、特許文献１には、制御対象に制御入力を与える制御装置に対し、制御系の各パラメータに基づいて適応制御を行う技術が記載されている。また、特許文献２には、制御対象の出力をフィードバックさせるフィードバック制御系にニューラルネットワークを併設し、フィードバック制御装置の出力が０（ゼロ）となるようにニューラルネットワークに学習させる技術が記載されている。かかる技術では、ニューラルネットワークの学習により制御対象の逆モデルが形成されることとなる。

米国特許第６６１８６３１号明細書特開平７−２７７２８６号公報

しかし、上述した特許文献１や特許文献２の技術では、操縦装置からの制御指令に対する制御対象の出力が複雑な伝達関数となり、望ましい出力を得るための目標値の設定処理が重くなってしまうといった問題がある。そこで、制御対象をモデル化し、そのモデルを元に逆モデルを導出し、制御指令に対する制御対象の出力を望ましい応答とするダイナミックインバージョン法の採用が検討されている。ただし、ダイナミックインバージョン法は、制御対象の運動方程式の逆解法であるため、運動方程式を構成する空力特性や観測される状態量等の設計値が、実測値と隔たる場合（誤差を有する場合）、制御性能が低下するおそれがある。

そこで、ダイナミックインバージョン法にニューラルネットワークを併用することで、ダイナミックインバージョン法において生じ得る設計値と実測値の誤差を学習させることが考えられる。しかし、ニューラルネットワークは、その学習過程によっては不適切な補正を行ってしまい、制御系が不安定になるおそれがある。

本発明は、このような課題に鑑み、ニューラルネットワークの適用態様を工夫して制御系のロバスト性を高め、より安定的な飛行制御を実現可能な飛行制御システムを提供することを目的としている。

上記課題を解決するために、本発明の飛行制御システムは、操縦装置から入力された操作入力と、制御対象の状態値を検出してフィードバックした値とに基づき、当該飛行制御システム全体に設計者が求める望ましい特性を実現させる規範応答モデルと、ダイナミックインバージョン法に基づく制御対象の逆モデルであり、規範応答モデルの出力から制御対象の制御入力を生成するプラント逆モデルと、規範応答モデルのフィードバック制御ゲインに並行に設けられ、ニューラルネットワークを形成する補償器と、フィードバック制御ゲインの入力となる制御誤差が予め定められた更新閾値未満であれば、補償器の重み行列を更新せず、更新閾値以上であれば、重み行列を更新する更新制限部と、を備えることを特徴とする。

制御入力が予め定められた第１入力閾値以上であるか、または、制御入力の変化率が予め定められた第１変化閾値以上であれば、補償器へ入力される教師信号の入力ゲインを１．０未満の値に設定するゲイン調整部をさらに備えてもよい。

制御入力が予め定められた第２入力閾値未満であるか、または、制御入力の変化率が予め定められた第２変化閾値未満であれば、補償器へ入力される教師信号の入力ゲインを１．０より大きな値に設定するゲイン調整部をさらに備えてもよい。

制御誤差が予め定められた編成閾値以上であり、かつ、制御入力が予め定められた第１入力閾値以上であるか、または、制御入力の変化率が予め定められた第１変化閾値以上であれば、規範応答モデルの規範指令による応答性を規定するパラメータを調整するパラメータ再編成部をさらに備えてもよい。

パラメータ再編成部は、制御誤差が予め定められた編成閾値以上であり、かつ、制御入力が予め定められた第１入力閾値以上であるか、または、制御入力の変化率が予め定められた第１変化閾値以上であれば、プラント逆モデルのパラメータを再編成してもよい。

制御誤差が予め定められた編成閾値以上であり、かつ、制御入力が予め定められた第１入力閾値以上であるか、または、制御入力の変化率が予め定められた第１変化閾値以上であれば、プラント逆モデルのパラメータを再編成するパラメータ再編成部をさらに備えてもよい。

本発明によれば、ニューラルネットワークの適用態様を工夫して制御系のロバスト性を高め、より安定的な飛行制御を実現できる。

飛行制御システムを説明するための説明図である。飛行制御システムの特にダイナミックインバージョン法に基づく制御系を説明するための制御ブロック図である。飛行制御システムの特にダイナミックインバージョン法にニューラルネットワークを併用した場合の制御系を説明するための制御ブロック図である。飛行制御システムの最終的な制御系を説明するための制御ブロック図である。飛行制御方法の処理の流れを示したフローチャートである。

以下に添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。かかる実施形態に示す寸法、材料、その他具体的な数値等は、発明の理解を容易とするための例示にすぎず、特に断る場合を除き、本発明を限定するものではない。なお、本明細書及び図面において、実質的に同一の機能、構成を有する要素については、同一の符号を付することにより重複説明を省略し、また本発明に直接関係のない要素は図示を省略する。

（飛行制御システム１００）
図１は、飛行制御システム１００を説明するための説明図である。飛行制御システム（耐故障飛行制御システム）１００は、操縦装置１１０と、飛行制御装置１１２と、アクチュエータ１１４と、プラント１１６と、センサ１１８とを含んで構成され、航空機１の飛行に関する制御を実現する。ここで、航空機１は、翼が機体に固定されている固定翼と、推進力を得る内燃機関（例えば、ジェットエンジンやレシプロエンジン）とで構成され、推進力により翼周りに揚力を生じさせることで、機体が大気中に浮上した状態を維持することができる。ただし、揚力を生じさせる機構はかかる場合に限らず、回転可能に設けられた回転翼（ローター）により揚力を得たり、推進力を得ることも可能である。

操縦装置１１０は、航空機１を操縦するパイロットの操作入力を受けてアクチュエータ１１４を動作させる。例えば、操縦装置１１０のうちの操縦桿が前後に傾倒されると、その実操作量に応じ、操縦装置１１０とケーブルで直結された蛇面が変位して機体の姿勢が変化する。

飛行制御装置１１２は、中央処理装置（ＣＰＵ）、プログラム等が格納されたＲＯＭ、ワークエリアとしてのＲＡＭ等を含む半導体集積回路で構成され、航空機１全体を管理および制御する。また、飛行制御装置１１２は、後述するように、プラント逆モデル１３０、規範応答モデル１３２、補償器１５０、更新制限部１６０、ゲイン調整部１６２、パラメータ再編成部１６４として機能する。

アクチュエータ１１４は、航空機１の補助翼や昇降舵を変位させる動力源であり、バンク角（ロール角）、機首角（ピッチ角）、内燃機関の出力等を調整することで、飛行方位（ヨー角）、高度、飛行速度を変化させる。アクチュエータ１１４には、スラストベクタリング等、空力制御舵面も含まれる。

プラント１１６は、上記アクチュエータ１１４と共に制御対象であり、航空機１の飛行位置（経度、緯度、高度を含む）、機体速度、機体姿勢等を含む。パイロットは、当該プラント１１６が所望する状態になるように操縦装置１１０を操作する。

センサ１１８は、航空機１の様々な位置に複数設けられ、飛行位置（経度、緯度、高度を含む）、機体速度、機体姿勢、機体が受ける風力、風向き、天候、機体周囲の気圧、温度、湿度等の現在の飛行状態を検出する。本実施形態では、特に、プラント１１６の状態値を検出する。

上記飛行制御システム１００においては、定常時の飛行のみならず、突発的な飛行状況の変化、例えば、バードストライク等の外的な要因による航空機１の損傷や、外部環境の変化、パイロットの操作エラーに対しても高いロバスト性を有する。飛行制御システム１００では、このような突発的な飛行状況の変化を検出すると、変化後の機体特性を学習し、機体の操縦性を変化前の状態に回復することを目的とする。以下、図２から図４を用い、飛行制御システム１００としてのダイナミックインバージョン法やニューラルネットワークを段階的に説明する。

（ダイナミックインバージョン法）
図２は、飛行制御システム１００の特にダイナミックインバージョン法に基づく制御系を説明するための制御ブロック図である。ダイナミックインバージョン法とは、制御対象であるプラント１１６に関する情報（モデル）を元に、その逆モデルを導出し、入力から出力に対する望ましい応答を実現する制御器を構成する方法である。

図２（ａ）に示す飛行制御システム１００においてプラント１１６は、航空機１の運動を示し、アクチュエータ１１４と合わせて本実施形態の制御対象となる。また、アクチュエータ１１４とプラント１１６とにより下記数式１に示す運動方程式を形成する。ただし、数式１を含む以降で取り扱う全ての数式の各構成要素に関し、ベクトルおよび行列である旨の表記を省略する。

…（数式１）
ここでｘは運動方程式の状態量を示し、ｙはｘを用いて記述される制御対象量を示し、ｕは運動方程式への制御入力を示す。図２（ａ）の飛行制御システム１００におけるセンサ１１８ａ、１１８ｂは、それぞれ上記運動方程式の状態量ｘおよび制御対象量ｙを検出し、検出状態量ｘ_ｍｅａｓおよび検出制御対象量ｙ_ｍｅａｓを導出する。

また、図２（ａ）の飛行制御システム１００における飛行制御装置１１２には、プラント逆モデル１３０および規範応答モデル１３２が含まれる。プラント逆モデル１３０は、ダイナミックインバージョン法におけるプラント１１６の逆モデルである（ただし、本実施形態においてはアクチュエータ１１４も含む）。以下、プラント逆モデル１３０を説明する。上記数式１を変形すると、下記数式２を導出できる。

…（数式２）
プラント逆モデル１３０の入力（規範応答モデル１３２の出力）をν_ＤＩとし、プラント逆モデル１３０を数式３に示すように定めると、数式２は、数式４のように変形することができる。

…（数式３）
ここで、Ａ_ｄｅｓ、Ｂ_ｄｅｓ、Ｃ_ｄｅｓは数式１に示した運動方程式の各係数行列Ａ、Ｂ、Ｃを、機体慣性諸元および空力特性モデルを用いて定義（モデル化）したものである。

…（数式４）

規範応答モデル１３２は、制御されている系（飛行制御システム１００）全体に設計者が求める望ましい特性を実行させるための制御手段である。規範応答モデル１３２を、操作入力ｙ_ｄおよび検出制御対象量ｙ_ｍｅａｓを用い、仮に、数式５のように設定し、数式４に代入すると、数式６が得られる。

…（数式５）
ここで、Ｋはフィードバック制御ゲイン（正の定数）であり、後述するニューラルネットワークに基づく補償器１５０の学習値となるエラーダイナミクス（評価関数）を記述するためのパラメータとなる。

…（数式６）

ここで、制御誤差ｅを数式７のように定義し、ｙ＝ｙ_ｍｅａｓとすると、数式６が変形して、制御誤差ｅのエラーダイナミクスは、数式８となる。

…（数式７）

…（数式８）

したがって、図２（ａ）に示した飛行制御システム１００の制御系は、常に安定し、飛行状態の変化に応じて制御誤差ｅが生じたとしても最終的には０（ゼロ）に収束することとなる。また、規範応答モデル１３２におけるフィードバック制御ゲインとしてのＫを１／τとすると、飛行制御システム１００の操作入力ｙ_ｄから制御対象量ｙまでの伝達関数は、数式９で示す１次遅れの伝達関数で表すことができる。

…（数式９）

このように、ダイナミックインバージョン法を用いることで、数式１で定義される航空機１が有する本来の固有の特性を消失させ（癖をなくし）、上述したように設計者が求める望ましい特性を実現することができる。これは、理論上、フィードバックのないオープンループの制御系とみなせることを示す。オープンループの制御系とすることで、制御系の各段での状態値も容易に推定することが可能となる。

上述した数式１〜８を用いてプラント逆モデル１３０と規範応答モデル１３２とを具体的に示すと、図２（ｂ）のようになる。ここで、プラント逆モデル１３０と規範応答モデル１３２とがダイナミックインバージョン法に基づく制御手段に相当する。

ただし、上記ダイナミックインバージョン法は、制御対象であるプラント１１６の運動方程式の逆解法であるため、運動方程式を構成する空力特性、アクチュエータ１１４の動作や観測される状態量等に対する設計値が、実測値と隔たる場合、制御性能が低下するおそれがある。そこで、ダイナミックインバージョン法にニューラルネットワークを併用することで、ダイナミックインバージョン法において生じ得る設計値と実測値の誤差を学習させる。

（ニューラルネットワーク）
図３は、飛行制御システム１００の特にダイナミックインバージョン法にニューラルネットワークを併用した場合の制御系を説明するための制御ブロック図である。図３（ａ）に示すように、本実施形態では、ニューラルネットワークを構成する補償器１５０がフィードバック制御ゲイン１４０と併設され、制御誤差ｅを入力として、プラント１１６の入力ν_ＮＮを生成する。

本実施形態における補償器１５０は、図３（ｂ）に示すように、入力層（Input Layer）、中間層（Hidden Layer）、出力層（Output Layer）からなる３層モデルを用いており、上記のダイナミックインバージョン法において生じ得る設計値と実測値の誤差を学習させることができる。このとき、プラント１１６の入力ν_ＮＮは、制御誤差ｅ（ｅ_１…ｅ_ｎＩ）に対して数式１０で示すことができる。

…（数式１０）
ここで、ｎＩは入力層次元であり、ｎＨは中間層次元であり、ｗ_ｊ０およびｗ_ｋ０はバイアス項であり、σは中間層における非線形関数であり、本実施形態では、数式１１に示すシグモイド関数による写像伝達を用いる。

…（数式１１）
ここで、βはゲイン、αおよびλは任意の定数である。

そして、補償器１５０は、フィードバック制御ゲイン１４０から得られる信号を教師信号ｔとして、数式１０中のｗおよびσで示される重み行列を更新する。

当該飛行制御システム１００では、まず、プラント１１６をモデル化可能な範囲で、ダイナミックインバージョン法によって飛行制御システム１００の制御系の性能を保証する。そして、航空機１の故障等により機体性能が変化した場合、想定したシステムモデルの設計値と実測値との誤差により定常的に制御誤差ｅが生じてしまうが、補償器１５０がオンライン学習によって補償出力（プラント１１６の入力ν_ＮＮ）を付加するので制御誤差ｅが吸収される。こうして、故障発生時のように非線形なモデル誤差が存在するような状況においても、飛行制御システム１００の制御性能を維持することができる。

（ニューラルネットワークの改良）
しかし、ニューラルネットワークは、その学習過程によっては不適切な補正を行ってしまい、制御系が不安定になるおそれがある。そこで、ニューラルネットワークの適用態様を工夫し、補償器１５０が飛行制御システム１００に与える影響を制限して制御系のロバスト性を高め、より安全性の高い飛行を実現する。

図４は、飛行制御システム１００の最終的な制御系を説明するための制御ブロック図である。ここでは、特に、更新制限部１６０、ゲイン調整部１６２、パラメータ再編成部１６４を説明する。本実施形態では、航空機１の故障等により機体性能が突発的に変化した場合において、ニューラルネットワークの内部構造や様式を改良するのではなく、飛行制御システム１００全体に対するニューラルネットワークの影響を考慮して適切に対処している。

更新制限部１６０は、制御誤差ｅに応じて、数式１０においてｗおよびσで示した補償器１５０の重み行列を更新するか否か決定する。すなわち、更新制限部１６０は、制御誤差ｅが予め定められた更新閾値未満であれば、補償器１５０の重み行列を更新せず、更新閾値以上であれば、補償器１５０の重み行列を更新する。

こうすることで、制御誤差ｅが更新閾値より小さいといった、ニューラルネットワークによる補正が十分に安定し、重み行列の更新が不要な状況においてまで、重み行列を率先して更新することを避けることができる。したがって、補償器１５０による過剰な学習を防止し、補償器１５０において局所解や振動等の望ましくない応答が生じるのを回避することが可能となる。

ゲイン調整部１６２は、アクチュエータ１１４への制御入力ｕおよび制御入力ｕの変化率に応じ、それぞれに対応して設けられた第１入力閾値および第１変化閾値および、第１入力閾値より小さい第２入力閾値、第１変化閾値より小さい第２変化閾値と比較し、その結果に応じて、教師信号ｔに乗じる補償器１５０への入力ゲイン１６６を以下のように調整する。

すなわち、通常、入力ゲイン１６６は１．０であるところ、制御入力ｕが第１入力閾値以上であるか、または、制御入力ｕの変化率が第１変化閾値以上であれば、ゲイン調整部１６２は、入力ゲイン１６６を１．０未満の値に設定し、教師信号ｔの補償器１５０への影響を抑制する。

そもそも補償器１５０は、航空機１の故障等により機体性能が変化した場合にダイナミックインバージョン法において生じ得る設計値と実測値の誤差を学習させるためにある。したがって、定常的な機体性能と異なる有害な制御入力に対して、俊敏に反応すべきではない。ここで、有害な制御入力とは、周期的または発散傾向の高い振動を伴う制御入力ｕや、ハードウェアの能力の限界を超過した制御入力ｕをいう。ここでは、制御入力ｕやその変化率が高い間、教師信号ｔに乗じる入力ゲイン１６６を下げ、補償器１５０への影響を避けることで、補償器１５０による過剰な学習を防止する。こうすることで、例えば、補償器１５０が局所解のような状態に陥ったとしても、制御誤差ｅを極端に変化させて、その状態から抜け出すことができる。

ここで、第１入力閾値や第１変化閾値は、ハードウェアの能力の限界に対して７５％等、ハードウェアに応じて任意に設定することができる。また、ゲイン調整部１６２が入力ゲイン１６６に設定する値は、１．０未満の任意の値にできる。例えば、予め定められた固定値（例えば、√（０．０３）〜０．０３の間のいずれか）でもよいし、制御入力ｕと第１入力閾値との差分、または、制御入力ｕの変化率と第１変化閾値との差分に応じて単調増加または単調減少する値でもよい。

また、制御入力ｕが第２入力閾値未満であるか、または、制御入力ｕの変化率が第２変化閾値未満であれば、ゲイン調整部１６２は、入力ゲイン１６６を１．０より大きな値に設定し、教師信号ｔを補償器１５０に俊敏に反映させ応答を早める。

上述したように、補償器１５０は、航空機１の故障等により機体性能が変化した場合にダイナミックインバージョン法において生じ得る設計値と実測値の誤差を学習させるためにある。したがって、制御入力ｕが小さい場合は、制御誤差ｅが定常的な機体性能に基づいて生じている可能性が高くなる。ここでは、制御入力ｕが小さいとみなされる間、教師信号ｔに乗じる入力ゲイン１６６を上げ、補償器１５０への教師信号ｔの反映を進め、補償器１５０による学習率を高める。

ここで、第２入力閾値や第２変化閾値は、ハードウェアの能力の限界に対して５％等、ハードウェアに応じて任意に設定することができる。また、ゲイン調整部１６２が入力ゲイン１６６に設定する値は、１．０より大きい任意の値にできる。例えば、予め定められた固定値（例えば、√３〜３の間のいずれか）でもよいし、制御入力ｕと第２入力閾値との差分、または、制御入力ｕの変化率と第２変化閾値との差分に応じて単調増加または単調減少する値でもよい。

パラメータ再編成部１６４は、アクチュエータ１１４への制御入力ｕおよび制御入力ｕの変化率のいずれか一方または双方、ならびに、制御誤差ｅに応じて、飛行制御システム１００の各パラメータを調整する。

具体的に、パラメータ再編成部１６４は、制御誤差ｅが予め定められた編成閾値以上であり、かつ、制御入力ｕが第１入力閾値以上であるか、または、制御入力ｕの変化率が第１変化閾値以上であれば、すなわち、ゲイン調整部１６２が、入力ゲイン１６６を１．０未満の値に設定しているか否か判定する。その結果、制御誤差ｅが編成閾値以上であり、かつ、制御入力ｕが第１入力閾値以上であるか、または、制御入力ｕの変化率が第１変化閾値以上であれば、まず、補償器１５０の重み行列の各要素の値を考慮し、規範応答モデル１３２の規範指令による応答性を規定するパラメータを、応答性を緩和する側に調整する。

制御誤差ｅが編成閾値以上であるにも拘わらず、制御入力ｕが第１入力閾値以上、または、制御入力ｕの変化率が第１変化閾値以上となるということは、その時点のニューラルネットワークの誤差補正量が航空機１の操作能力に対して飽和している、すなわち、舵効きが足りない状態を示す。これは、例えば、補償器１５０の学習率調整判定結果が増強と緩和とを交互に行っている（学習調整しろがない）場合や、制御指令に追従できていない（定常偏差過大）場合に生じうる。したがって、パラメータ再編成部１６４は、規範応答モデル１３２の規範指令による応答性を規定するパラメータを高める方から緩和する方に反転して、ニューラルネットワークの誤差補正量の改善を試みる。

このような処理としては、例えば、舵角１００ｄｅｇ／ｓという要求があっても、そもそもハードウェアの能力が５０ｄｅｇ／ｓしかない場合、要求自体を舵角５０ｄｅｇ／ｓ以下に落とす等の処理が考えられる。

上記のように、規範応答モデル１３２の規範指令による応答性を規定するパラメータの応答性を緩和しても、ニューラルネットワークの誤差補正量が改善されない場合、次の手段として、以下の様に動作する。すなわち、パラメータ再編成部１６４は、プラント逆モデル１３０に対し、アクチュエータ１１４の制御入力ｕを生成するためのパラメータ、例えば、数式１のＡ、Ｂ、Ｃをニューラルネットワークの機能（例えば、ニューラルネットワーク内部の各層の重み行列の中身を評価することで、齟齬（制御誤差）の原因となっている個所を特定する等）により再編成（再構成）する。

このような処理としては、例えば、ロールに関してエルロンで機体を傾けるという制御則を、ラダーにより誘起される対気的な横滑りに対する上半角効果で機体を傾けるという制御則に変えるといったように、制御のアプローチ自体を変更する処理が考えられる。

こうして、ニューラルネットワークの誤差補正量を改善して、航空機１の操作能力に対して飽和している状態から離脱することができる。

（飛行制御方法）
図５は、飛行制御方法の処理の流れを示したフローチャートである。ここでは、本実施形態で特徴的な、更新制限部１６０、ゲイン調整部１６２、パラメータ再編成部１６４の処理のみを説明し、ダイナミックインバージョン法にニューラルネットワークを併用した場合の制御系に関しては、理解が容易であるため説明を省略する。

まず、飛行制御システム１００の更新制限部１６０は、制御誤差ｅを読み出し、制御誤差ｅが更新閾値未満であるか否か判定する（Ｓ２００）。そして、制御誤差ｅが更新閾値未満であれば（Ｓ２００におけるＹＥＳ）、補償器１５０の重み行列の更新を停止し（Ｓ２０２）、制御誤差ｅが更新閾値以上であれば（Ｓ２００におけるＮＯ）、補償器１５０の重み行列を更新する（Ｓ２０４）。

続いて、ゲイン調整部１６２は、アクチュエータ１１４への制御入力ｕが第１入力閾値以上であるか、または、制御入力ｕの変化率ｕ’が第１変化閾値以上であるか判定する（Ｓ２０６）。そして、いずれかの条件を満たしていれば（Ｓ２０６におけるＹＥＳ）、ゲイン調整部１６２は、入力ゲイン１６６を１．０未満の値に設定し、教師信号ｔの補償器１５０への影響を抑制する（Ｓ２０８）。

制御入力ｕが第１入力閾値未満であり、かつ、制御入力ｕの変化率ｕ’が第１変化閾値未満であれば（Ｓ２０６におけるＮＯ）、ゲイン調整部１６２は、制御入力ｕが第２入力閾値未満であるか、または、制御入力ｕの変化率ｕ’が第２変化閾値未満であるか判定する（Ｓ２１０）。そして、いずれかの条件を満たしていれば（Ｓ２１０におけるＹＥＳ）、ゲイン調整部１６２は、入力ゲイン１６６を１．０より大きな値に設定し、教師信号ｔを補償器１５０に俊敏に反映させ応答を早める（Ｓ２１２）。また、いずれの条件も満たしていなければ（Ｓ２１０におけるＮＯ）、入力ゲイン１６６を１．０に設定する（Ｓ２１４）。

次に、パラメータ再編成部１６４は、制御誤差ｅが編成閾値以上であり、かつ、制御入力ｕが第１入力閾値以上であるか、または、制御入力ｕの変化率ｕ’が第１変化閾値以上であるか否か判定する（Ｓ２１６）。そして、かかる条件を満たしていれば（Ｓ２１６におけるＹＥＳ）、パラメータ再編成部１６４は、補償器１５０の重み行列の各要素の値を考慮し、規範応答モデル１３２の規範指令による応答性を規定するパラメータを、応答性を緩和する側に調整する（Ｓ２１８）。また、上記条件を満たしていなければ（Ｓ２１６におけるＮＯ）、当該飛行制御方法を終了する。

続いて、パラメータ再編成部１６４は、上記規範応答モデル１３２のパラメータの調整の効果が生じたか否かを判定する（Ｓ２２０）。そして、パラメータの調整の効果が十分ではないと判定すると（Ｓ２２０におけるＮＯ）、パラメータ再編成部１６４は、プラント逆モデル１３０に対し、アクチュエータ１１４の制御入力ｕを生成するためのパラメータをニューラルネットワークの機能により再編成し（Ｓ２２２）、当該飛行制御方法を終了する。また、パラメータの調整の効果が十分にでていると判定すると（Ｓ２２０におけるＹＥＳ）、当該飛行制御方法を終了する。

以上、説明したように本実施形態の飛行制御システム１００および飛行制御方法によれば、ニューラルネットワークの適用態様を工夫して制御系のロバスト性を高め、より安定的な飛行制御を実現できる。また、本実施形態では、機体の構造的な損傷が生じたか否かをハードウェアによって直接検知しなくとも、ソフトウェアによって実現することができるので、損傷検知のための高価なハードウェアを別途準備しなくて済む。

また、コンピュータを、飛行制御システム１００として機能させるためのプログラムや当該プログラムを記録した、コンピュータで読み取り可能なフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ、ＤＶＤ、ＢＤ等の記憶媒体も提供される。ここで、プログラムは、任意の言語や記述方法にて記述されたデータ処理手段をいう。

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明はかかる実施形態に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

また、上述した飛行制御方法は、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はなく、並列的あるいはサブルーチンによる処理を含んでもよい。

本発明は、安定的な飛行制御を実現可能な飛行制御システムに利用することができる。

１００ …飛行制御システム
１１０ …操縦装置
１１２ …飛行制御装置
１１４ …アクチュエータ
１１６ …プラント
１１８ …センサ
１３０ …プラント逆モデル
１３２ …規範応答モデル
１４０ …フィードバック制御ゲイン
１５０ …補償器
１６０ …更新制限部
１６２ …ゲイン調整部
１６４ …パラメータ再編成部
１６６ …入力ゲイン

Claims

操縦装置から入力された操作入力と、制御対象の状態値を検出してフィードバックした値とに基づき、当該飛行制御システム全体に設計者が求める望ましい特性を実現させる規範応答モデルと、
ダイナミックインバージョン法に基づく前記制御対象の逆モデルであり、前記規範応答モデルの出力から前記制御対象の制御入力を生成するプラント逆モデルと、
前記規範応答モデルのフィードバック制御ゲインに並行に設けられ、ニューラルネットワークを形成する補償器と、
前記フィードバック制御ゲインの入力となる制御誤差が予め定められた更新閾値未満であれば、前記補償器の重み行列を更新せず、該更新閾値以上であれば、該重み行列を更新する更新制限部と、
を備えることを特徴とする飛行制御システム。
前記制御入力が予め定められた第１入力閾値以上であるか、または、該制御入力の変化率が予め定められた第１変化閾値以上であれば、前記補償器へ入力される教師信号の入力ゲインを１．０未満の値に設定するゲイン調整部をさらに備えることを特徴とする請求項１に記載の飛行制御システム。
前記制御入力が予め定められた第２入力閾値未満であるか、または、該制御入力の変化率が予め定められた第２変化閾値未満であれば、前記補償器へ入力される教師信号の入力ゲインを１．０より大きな値に設定するゲイン調整部をさらに備えることを特徴とする請求項１に記載の飛行制御システム。
前記制御誤差が予め定められた編成閾値以上であり、かつ、前記制御入力が予め定められた第１入力閾値以上であるか、または、該制御入力の変化率が予め定められた第１変化閾値以上であれば、前記規範応答モデルの規範指令による応答性を規定するパラメータを調整するパラメータ再編成部をさらに備えることを特徴とする請求項１から３のいずれか１項に記載の飛行制御システム。
前記パラメータ再編成部は、前記制御誤差が予め定められた編成閾値以上であり、かつ、前記制御入力が予め定められた第１入力閾値以上であるか、または、該制御入力の変化率が予め定められた第１変化閾値以上であれば、前記プラント逆モデルのパラメータを再編成することを特徴とする請求項４に記載の飛行制御システム。
前記制御誤差が予め定められた編成閾値以上であり、かつ、前記制御入力が予め定められた第１入力閾値以上であるか、または、該制御入力の変化率が予め定められた第１変化閾値以上であれば、前記プラント逆モデルのパラメータを再編成するパラメータ再編成部をさらに備えることを特徴とする請求項１から３のいずれか１項に記載の飛行制御システム。