JP7154954B2 - 感性フィードバック制御装置 - Google Patents

感性フィードバック制御装置 Download PDF

Info

Publication number
JP7154954B2
JP7154954B2 JP2018206633A JP2018206633A JP7154954B2 JP 7154954 B2 JP7154954 B2 JP 7154954B2 JP 2018206633 A JP2018206633 A JP 2018206633A JP 2018206633 A JP2018206633 A JP 2018206633A JP 7154954 B2 JP7154954 B2 JP 7154954B2
Authority
JP
Japan
Prior art keywords
control
operator
target
comfort level
output
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.)
Active
Application number
JP2018206633A
Other languages
English (en)
Other versions
JP2020071766A (ja
Inventor
透 山本
拓矢 木下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kobelco Construction Machinery Co Ltd
Hiroshima University NUC
Original Assignee
Kobelco Construction Machinery Co Ltd
Hiroshima University NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kobelco Construction Machinery Co Ltd, Hiroshima University NUC filed Critical Kobelco Construction Machinery Co Ltd
Priority to JP2018206633A priority Critical patent/JP7154954B2/ja
Priority to EP19879978.5A priority patent/EP3855258B1/en
Priority to CN201980070348.9A priority patent/CN112867973A/zh
Priority to PCT/JP2019/041919 priority patent/WO2020090659A1/ja
Priority to US17/288,757 priority patent/US11926991B2/en
Publication of JP2020071766A publication Critical patent/JP2020071766A/ja
Application granted granted Critical
Publication of JP7154954B2 publication Critical patent/JP7154954B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/2025—Particular purposes of control systems not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/2004—Control mechanisms, e.g. control levers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential
    • G05B6/02—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential electric
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Civil Engineering (AREA)
  • Mining & Mineral Resources (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Description

本発明は、感性フィードバック制御装置に関するものである。
内閣府の調査によれば、我が国は、国内総生産（ＧＤＰ）が高いにも関わらず、幸福度が低いとされている。すなわち、ＧＤＰに関する「物の豊かさ」と、幸福度に関する「心の豊かさ」との間には大きなギャップが存在している。
このようなギャップを埋めるための方策の１つとして、既に高度化されている「物」（福祉支援機器など）が、人の感性を考慮した動作を行うことによって、心の豊かさを向上させることが考えられている（例えば特許文献１）。また、「感性」の可視化技術についても、社会実装を想定した研究が行われている（例えば特許文献２）。
特開２０１８－３６７７３号公報 特開２０１７－７４３５６号公報
しかしながら、感性に関するほとんどの研究は、製品のデザイン評価・設計などの静的な分野であり、特に操作者によって操作される自動車や建設機械等の機器を対象として操作者の感性を動的に制御する研究はほとんど行われていない。
そこで、本発明は、操作者によって操作される機器において操作者の感性をフィードバック制御できる感性フィードバック制御装置を提供することを目的とする。
前記の目的を達成するために、本願発明者らは、人の感性は、時変系や非線形系であると考えられるため、そのモデル化は困難であることに着目し、以下のような発明を想到した。すなわち、操作者によって操作される対象機器の出力（例えば油圧ショベルの応答速度）に対応する人の感性を計測し、制御対象値として「快適度」を設定し、「快適度」が目標値を満足するように対象機器の制御を行うという発明である。ここで、「快適度」は、操作者が、脳内の対象機器の目標出力（例えば油圧ショベルの目標応答速度）と同様な出力が得られるように現実の対象機器の操作ができたときに、最も高い値を持つ。
以上のように、本発明は、(i) 操作者のモデルを必要とせず、(ii)感性情報がフィードバックされることから、本発明を「感性フィードバック制御」と称するものとする。また、本発明の基本構成は、対象機器に関する制御系である内側ループに、感性フィードバック制御系である外側ループを付加したカスケード制御系である。
具体的には、本発明に係る感性フィードバック制御装置は、操作者によって操作される対象機器と、対象機器の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、操作者の快適度ｙ（ｔ）を決定する感性メータと、快適度ｙ（ｔ）に関する第１目標値ｒ（ｔ）と、快適度ｙ（ｔ）との差分に基づき、出力ｕ（ｔ）に関する第２目標値ｗ（ｔ）を決定する第１制御部と、第２目標値ｗ（ｔ）と出力ｕ（ｔ）との差分に基づき、対象機器に対する制御入力ｖc （ｔ）を決定する第２制御部と、操作者による対象機器に対する操作入力ｖh （ｔ）、及び、制御入力ｖc （ｔ）のそれぞれについて、操作者の操作レベルに応じた重み付けを行う重み付け設定部とを備え、重み付け設定部によりそれぞれ重み付けされた操作入力ｖh （ｔ）及び制御入力ｖc （ｔ）が合算されて対象機器に入力される。
本発明に係る感性フィードバック制御装置によると、感性メータが、対象機器の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、操作者の快適度ｙ（ｔ）を決定する。また、第１制御部は、快適度ｙ（ｔ）に関する第１目標値ｒ（ｔ）と、快適度ｙ（ｔ）との差分に基づき、出力ｕ（ｔ）に関する第２目標値ｗ（ｔ）を決定する。また、第２制御部は、第２目標値ｗ（ｔ）と出力ｕ（ｔ）との差分に基づき、対象機器に対する制御入力ｖc （ｔ）を決定する。このため、感性メータ、第１制御部及び第２制御部を用いて、対象機器において操作者の感性（具体的には快適度）をフィードバックした制御を行うことができる。
また、本発明に係る感性フィードバック制御装置によると、重み付け設定部は、操作者による対象機器に対する操作入力ｖh （ｔ）、及び、制御入力ｖc （ｔ）のそれぞれについて、操作者の操作レベルに応じた重み付けを行い、重み付けされた操作入力ｖh （ｔ）及び制御入力ｖc （ｔ）が合算されて対象機器に入力される。このため、重み付け設定部を用いて、感性フィードバックの程度を操作者の操作レベルに応じて設定することができる。これにより、例えば、未熟な操作者に対しては感性フィードバックの程度を高くして、対象機器における当該操作者の操作入力の反映度を低くしたり、逆に、熟練操作者に対しては感性フィードバックの程度を低くして、対象機器における当該操作者の操作入力の反映度を高くしたりすることができる。
また、本発明に係る感性フィードバック制御装置において、感性メータは、快・不快、活性・非活性、期待感の３つの情報を生体情報ｘ（ｔ）として検出し、当該３つの情報の相関性から得られる感性値を快適度ｙ（ｔ）として決定してもよい。
このようにすると、感性である「快適度」を定量的に評価できるので、感性フィードバック制御の精度を向上させることができる。
また、本発明に係る感性フィードバック制御装置において、第１目標値ｒ（ｔ）、第２目標値ｗ（ｔ）及び快適度ｙ（ｔ）が逐次蓄積されるデータベースをさらに備え、第１制御部は、データベースに蓄積されているデータを用いて、制御パラメータの調整を行いながら、第２目標値ｗ（ｔ）を決定してもよい。
このようにすると、非線形系である操作者の感性をモデル化することなく、データベース駆動型制御を用いて、感性フィードバック制御を行うことができる。
また、本発明に係る感性フィードバック制御装置において、対象機器は、建設機械であってもよい。
このようにすると、操作者が、脳内の建設機械の目標出力（例えば油圧ショベルの目標応答速度）と同様な出力が得られるように現実の建設機械を操作することが可能になる。
本発明によると、操作者によって操作される機器において操作者の感性をフィードバック制御できる感性フィードバック制御装置を提供することができる。
実施形態に係る感性フィードバック制御装置の構成図である。 実施形態に係る感性フィードバック制御装置において用いられる感性多軸モデルの模式図である。 実施形態に係る感性フィードバック制御装置において用いられるデータベース駆動型制御を説明する図である。 実施形態に係る感性フィードバック制御装置によって得られる効果を示す図である。 図１に示す感性フィードバック制御装置においてδ値が１である場合の構成を簡単化して示す図である。 実施形態に係る感性フィードバック制御装置において用いられるＦＲＩＴのブロック線図である。 実施形態に係る感性フィードバック制御装置における快適度と出力誤差との関係を示す図である。 実施形態に係る感性フィードバック制御装置における快適度、出力及び入力の時間変化をシミュレーションした結果を示す図である。 実施形態に係る感性フィードバック制御装置における制御パラメータの時間変化をシミュレーションした結果を示す図である。 比較例に係る感性フィードバック制御装置の構成図である。 比較例に係る感性フィードバック制御装置における快適度、出力及び入力の時間変化をシミュレーションした結果を示す図である。
以下、図面を参照しながら、本発明の実施形態に係る感性フィードバック制御装置について説明する。尚、本発明の範囲は、以下の実施の形態に限定されず、本発明の技術的思想の範囲内で任意に変更可能である。
図１は、一実施形態に係る感性フィードバック制御装置の構成図である。図１に示すように、感性フィードバック制御装置１００は、対象機器１０と、感性メータ２０と、第１制御部３０と、第２制御部４０と、重み付け（δ）設定部５０とを備えている。対象機器１０は、操作者によって操作される機器、例えば、自動車や建設機械等である。感性メータ２０は、対象機器１０の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、操作者の快適度ｙ（ｔ）を決定する。対象機器１０の出力ｕ（ｔ）とは、例えば、油圧ショベルの応答速度である。第１制御部３０は、快適度ｙ（ｔ）に関する第１目標値（目標快適度）ｒ（ｔ）と、快適度ｙ（ｔ）との差分ｅ（ｔ）に基づき、出力ｕ（ｔ）に関する第２目標値（目標出力）ｗ（ｔ）を決定する。第２制御部４０は、目標出力ｗ（ｔ）と出力ｕ（ｔ）との差分ε（ｔ）に基づき、対象機器１０に対する制御入力ｖc （ｔ）を決定する。δ設定部５０は、操作者による対象機器１０に対する操作入力ｖh （ｔ）、及び、制御入力ｖc （ｔ）のそれぞれについて、操作者の操作レベルに応じた重み付けを行う。
（感性メータ）
本実施形態では、対象機器の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）に基づく快適度ｙ（ｔ）が制御パラメータに用いられる。感性メータ２０は、操作者の生体情報ｘ（ｔ）を検出する手段として、例えば、ＣＣＤカメラによる顔表情の検出、心拍センサによる心拍の検出、ＣＣＤカメラによる呼吸（回数や深さ）の検出、皮膚インピーダンスセンサによる皮膚抵抗の検出、筋電センサによる上肢筋電、下肢筋電の検出、マイクによる音声情報の検出等から適宜選択される一つ或いは二つ以上の手段を用いてもよい。
ところで、人は何かを見たり、聞いたり、或いは何かに触れたり、触れられたりしたときに、わくわくしたり、うきうきしたり、はらはらしたり、どきどきしたりといった感情或いは情動を抱くことがある。そのような感情或いは情動は人の複雑で高次の脳活動によってもたらされると考えられ、感情或いは情動の形成には、運動神経及び感覚神経を含む体性神経系、交感神経及び副交感神経を含む自律神経系、さらには記憶や経験などが深く関与していると考えられる。そこで、感性を、外受容感覚情報（体性神経系）と内受容感覚情報（自律神経系）を統合し、過去の経験、記憶と照らし合わせて生じる情動反応を、より上位のレベルで俯瞰する高次脳機能と定義する。換言すると、感性は、予測（イメージ）と結果（感覚情報）とのギャップを経験・知識と比較することによって“はっ”と気付く高次脳機能であると言える。
このような高次脳機能である感性は、種々の観点から総合的に捉える必要がある。例えば、人が快い、快適、或いは心地よいと感じているか、反対に人が気持ち悪い、不快、或いは心地よくないと感じているかといった「快／不快」の観点から感性を捉えることができる。また、例えば、人が覚醒、興奮、或いは活性状態にあるか、反対に人がぼんやり、沈静、或いは非活性状態にあるかといった「活性／非活性」の観点から感性を捉えることができる。また、例えば、人が何かを期待或いは予期してわくわくしているか、反対にわくわく感が阻害されているかといった「期待感」の観点から感性を捉えることができる。
快／不快及び活性／非活性を２軸に表したラッセル（Russell）の円環モデルが知られており、この円環モデルで感情を表すことができる。しかし、感性は予測（イメージ）と結果（感覚情報）とのギャップを経験・知識と比較する高次脳機能であるので、快／不快及び活性／非活性の２軸からなる既存の円環モデルでは十分に表し得ない。そこで、本実施形態では、例えば、ラッセルの円環モデルに時間軸（例えば期待感）を第３軸として加えた感性多軸モデルとして、感性をとらえる。
図２は、本実施形態において一例として採用する感性多軸モデルの模式図である。図２に示すように、感性多軸モデルは、「快／不快」を第１軸、「活性／非活性」を第２軸、「時間（期待感）」を第３軸として表すことができる。感性を多軸モデル化することのメリットは、各軸に評価値を算出し、それらを総合することで、漠然と広い概念の感性を定量的に評価する、つまり、可視化することができる点にある。具体的には、感性多軸モデルの各軸の脳生理情報から、各軸の脳生理指標値（EEG快，EEG活性，EEG期待感）を求め、被験者の主観的な統計データから得られた、感性多軸モデルの各軸の重み付け係数（a，b，c）を示す主観心理軸を用いて、次のような計算式で、感性値を評価できることが実証されている。
感性値＝[主観心理軸]＊[脳生理指標]＝a＊EEG快＋b＊EEG活性＋c＊EEG期待感
感性メータ２０は、例えば、このような計算式に従って得られた感性値を、快適度ｙ（ｔ）として用いてもよい。
（第１制御部）
第１制御部３０の入出力関係については、例えば、ＫP 、ＫI 、ＫD をそれぞれＰＩＤパラメータとして、下記の式（１）に示すＰＩＤ制御がなされる。
Figure 0007154954000001
本実施形態では、快適度ｙ（ｔ）を向上させることが目的となるが、フィードバック制御において個々に適した目標出力ｗ（ｔ）を設定することは困難である。そこで、図１に示すようなカスケード制御系を採用することにより、目標快適度ｒ（ｔ）を与えることによって、個々に適した目標出力ｗ（ｔ）を自動生成する。このとき、人の感性は時変系、非線形系であると考えられるため、第１制御部３０は、図１に示すように、データベース６０を利用したフィードバック制御（データベース駆動型制御：例えば「脇谷伸 他、FRIT法を用いた非線形PID制御系の設計、計測と制御、Vol.52、No.10、pp.885-891 (2013)」参照）を行う。データベース６０には、第１制御部３０のＰＩＤパラメータの調整に必要なデータ、例えば、目標快適度ｒ（ｔ）、快適度ｙ（ｔ）及び目標出力ｗ（ｔ）等が逐次蓄積される。
図３は、第１制御部３０のデータベース駆動型制御を説明する図である。第１制御部３０のデータベース駆動型制御については、後記の実施例で詳述するが、例えば、勾配法を用いた学習機能を利用してもよいし、さらには、ＦＲＩＴ（Fictitious Reference Iterative Tuning）法を組み合わせてオフライン学習を行ってもよい。
（第２制御部）
第２制御部４０の入出力関係については、例えば、ＫP ’、ＫI ’、ＫD ’をそれぞれＰＩＤパラメータとして、下記の式（２）に示すＰＩＤ制御がなされる。
Figure 0007154954000002
第２制御部４０のＰＩＤパラメータには、対象機器１０に応じた既存のパラメータを用いることが可能である。既存のパラメータは、固定した定数であってもよいし、或いは、可変パラメータであってもよい。
（δ設定部）
δ設定部５０は、基本的には、スキルの高い操作者には相対的に低い重み（δ値）を設定し、スキルの低い操作者には相対的に高いδ値を設定する。例えば、操作者のスキルレベルを５段階で予め評価しておき、δ設定部５０は、各スキルレベルに応じたδ値を定数として保持しておき、操作者のスキルレベルが入力されると、δ値を一意に決定してもよい。或いは、δ設定部５０は、操作者にテスト操作を行わせた結果に基づき、当該操作者の操作レベルを評価し、その評価結果に応じたδ値を設定してもよい。
（効果）
以上に説明したように、本実施形態の感性フィードバック制御装置１００によると、感性メータ２０が、対象機器１０の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、操作者の快適度ｙ（ｔ）を決定する。また、第１制御部３０は、快適度ｙ（ｔ）に関する第１目標値（目標快適度）ｒ（ｔ）と、快適度ｙ（ｔ）との差分に基づき、出力ｕ（ｔ）に関する第２目標値（目標出力）ｗ（ｔ）を決定する。また、第２制御部４０は、目標出力ｗ（ｔ）と出力ｕ（ｔ）との差分に基づき、対象機器１０に対する制御入力ｖc （ｔ）を決定する。このように、感性メータ２０、第１制御部３０及び第２制御部４０を用いて、対象機器１０において操作者の感性（具体的には快適度ｙ（ｔ））をフィードバックした制御を行うことができる。
図４は、本実施形態の感性フィードバック制御装置１００によって得られる効果を示す図である。図４に示すように、対象機器１０、例えば油圧ショベルにおいて操作者の感性をフィードバックした制御を行うことができるので、元来操作者のスキルレベルと無関係に画一的に設計されている対象機器１０に、多種多様なスキルレベルを持つ操作者に応じて出力応答させることが可能となる。従って、多種多様なスキルレベルを持つ操作者の快適度を向上させることができる。
また、本実施形態の感性フィードバック制御装置１００によると、δ設定部５０は、操作者による対象機器１０に対する操作入力ｖh （ｔ）、及び、制御入力ｖc （ｔ）のそれぞれについて、操作者の操作レベルに応じた重み付けを行い、重み付けされた操作入力ｖh （ｔ）及び制御入力ｖc （ｔ）が合算されて対象機器１０に入力される。このため、δ設定部５０を用いて、感性フィードバックの程度を操作者の操作レベルに応じて設定することができる。これにより、例えば、未熟な操作者に対しては感性フィードバックの程度を高くして、対象機器１０における当該操作者の操作入力の反映度を低くしたり、逆に、熟練操作者に対しては感性フィードバックの程度を低くして、対象機器１０における当該操作者の操作入力の反映度を高くしたりすることができる。
また、本実施形態の感性フィードバック制御装置１００において、感性メータ２０は、快・不快、活性・非活性、期待感の３つの情報を生体情報ｘ（ｔ）として検出し、当該３つの情報の相関性から得られる感性値を快適度ｙ（ｔ）として決定してもよい。このようにすると、感性である「快適度」を定量的に評価できるので、感性フィードバック制御の精度を向上させることができる。
また、本実施形態の感性フィードバック制御装置１００において、目標快適度ｒ（ｔ）、目標出力ｗ（ｔ）及び快適度ｙ（ｔ）が逐次蓄積されるデータベース６０をさらに備え、第１制御部３０は、データベース６０に蓄積されているデータを用いて、制御パラメータの調整を行いながら、目標出力ｗ（ｔ）を決定してもよい。このようにすると、非線形系である操作者の感性をモデル化することなく、データベース駆動型制御を用いて、感性フィードバック制御を行うことができる。
また、本実施形態の感性フィードバック制御装置１００において、対象機器１０が建設機械であると、操作者が、脳内の建設機械の目標出力（例えば油圧ショベルの目標応答速度）と同様な出力が得られるように現実の建設機械を操作することが可能になる。
また、本実施形態の感性フィードバック制御装置１００において、第１制御部３０のデータベース駆動型制御が学習機能を利用するものであると、操作者による対象機器１０の操作時間が長くなるに従って、対象機器１０は、当該操作者にとってより適した出力応答を行うように徐々に変化する。これにより、操作者の快適度をより一層向上させることができる。
（実施例）
以下、感性フィードバック制御装置１００においてδ値を「１」に設定し、対象機器１０に制御入力ｖc （ｔ）のみが入力される場合を例として、主として第１制御部３０のデータベース駆動型制御について説明する。
図５は、図１に示す感性フィードバック制御装置１００においてδ値が１である場合の構成を簡単化して示す図である。尚、図５において、図１と同じ構成要素には同じ符号を付し、δ設定部５０等の図示を省略している。
本実施例では、対象機器１０は油圧ショベル、対象機器１０の出力ｕ（ｔ）は油圧ショベルのバケットの応答速度、対象機器１０に対する制御入力ｖc （ｔ）はトルクである。
また、本実施例では、制御対象である操作者の快適度ｙ（ｔ）を非線形系と捉え、データベース駆動型制御を適用して第１制御部３０を構成する。尚、内側ループの第２制御部４０は、ＫP ’＝１．５、ＫI ’＝０．１、ＫD ’＝０．１として、式（２）に示すＰＩＤ制御を行うものとし、本実施例では調整対象とはしない。
具体的には、制御対象である快適度ｙ（ｔ）として，下記の式（３）で表される離散時間非線形システムを想定する。
Figure 0007154954000003
式（３）において、ｙ（ｔ）はシステム出力、ｆ（）は非線形関数、φ（ｔ－１）は、システムの時刻ｔより前の状態を表しており、情報ベクトルと呼ぶ。また、情報ベクトルφ（ｔ－１）は、下記の式（４）で定義される。
Figure 0007154954000004
ここで，ｗ（ｔ）（対象機器１０の目標出力ｗ（ｔ））は、快適度ｙ（ｔ）の制御におけるシステム入力であり、ｎy 、ｎw はそれぞれシステム出力及びシステム入力の次数である。データベース駆動型制御では、各操業データが式（４）の形式でデータベース６０（図３参照）に蓄積される。また、現在のシステムの状態を表す情報ベクトルφ（ｔ）を要求点(クエリ)と呼ぶ。
また、第１制御部３０の制御則として、下記の式（５）で表される速度型Ｉ－ＰＤ制御則を用いる。
Figure 0007154954000005
但し、式（５）において、ｅ（ｔ）は制御誤差信号であり、ｒ（ｔ）を目標快適度とすると、下記の式（６）で定義することができる。
Figure 0007154954000006
また、式（５）において、ＫP （ｔ）、ＫI （ｔ）、ＫD （ｔ）はそれぞれ、各ステップ（時刻ｔ）における比例ゲイン、積分ゲイン、微分ゲインを表している。さらに、Δ（：＝１－ｚ-1）は差分演算子を、ｚ-1は遅延演算子を示している。
本実施例では、ＦＲＩＴ法を用いて、１回の動作実験によって得られた入出力データｗ0 （ｔ）、ｙ0 （ｔ）、及び、これらの実験データから生成される擬似参照入力～ｒ（ｔ）によって、第１制御部３０の制御パラメータを直接的に算出する。図６は、本実施例で用いるＦＲＩＴのブロック線図を示す。図６において、Systemは、第２制御部４０と対象機器１０と感性メータ２０とからなるシステムであり、Ｃ（ｚ-1）は制御器（第１制御部３０）であり、下記の式（７）で表すことができる。
Figure 0007154954000007
式（７）において、ｎは制御則の次数を示し、ＰＩＤ制御則の場合はｎ＝２となる。また、図６に示すように、Ｃ（ｚ-1）の入出力関係を下記の式（８）で表すことができる。
Figure 0007154954000008
式（８）より、擬似参照入力～ｒは、下記の式（９）のように算出される。
Figure 0007154954000009
尚、ＦＲＩＴ法では、図６に示すように、予め所望の特性を有する参照モデルＧｍ（ｚ-1）を設計しておき、擬似参照入力～ｒに対する参照モデルＧｍ（ｚ-1）の出力を～ｙm （ｔ）とし、～ｙm （ｔ）とｙ0 （ｔ）との誤差が小さくなるように、制御パラメータを算出する。参照モデルＧｍ（ｚ-1）は、下記の式（１０）、式（１１）の特性多項式で表すことができる。
Figure 0007154954000010
Figure 0007154954000011
式（１１）において、α、σはそれぞれ制御系の立ち上がり特性、減衰特性に関係するパラメータを示しており、任意に設定可能である。また、Ｔs はサンプリング時間である。具体的には、σは制御系の出力がステップ状の目標値の約６０％に達するまでの時間を示している。また、αは０以上２．０以下の範囲で設定されることが望ましく、α＝０ではBinomialモデルの応答を示し、α＝１ではButterworthモデルの応答を示す。
以下、データベース駆動型ＰＩＤコントローラの設計手順について説明する。
＜初期データベースの作成＞
データベース駆動型制御では、過去の蓄積データが存在しない場合、原理的に局所コントローラの設計を行うことができない。従って、本実施例では、ある平衡点周りで得られた入出力データから、Zieglar & Nichols（ＺＮ）法（「J.G.Zieglar 他、Optimum settings for automatic controllers、Trans.ASME、Vol.64、No.8、pp.759-768 (1942)」参照）や、Chien，Hrones & Reswick（ＣＨＲ）法（「K.L. Chien 他、On the Automatic Control of Generalized Passive Systems、Trans.ASME、Vol.74、pp.175-185 (1972)」参照）などを用いてＰＩＤゲインを算出し、これらのＰＩＤゲインと前述の入出力データとからなる情報ベクトル（下記の式（１２）で表される）によって初期データベースを作成する。
Figure 0007154954000012
式（１２）において、ｊ＝１、２、・・・、Ｎ（０）であり、ｉ＝１、２、・・・Ｍであり、－φ（ｊ）、Ｋ（ｊ）はそれぞれ下記の式（１３）、式（１４）で与えられる。
Figure 0007154954000013
Figure 0007154954000014
また、Ｎ（０）は初期データ数（初期データベースにおける情報ベクトルの数)を表し、Ｍは要素数を表す。初期データベースにおけるＰＩＤゲインは固定であるので、Ｋ（１）＝Ｋ（２）＝・・・＝Ｋ（Ｎ（０））である。
＜距離の算出、近傍の選択＞
要求点－φ（ｔ）と、データベースに蓄えられている情報ベクトル－φ（ｊ）との距離を、下記の式（１５）で表される重みつきＬ1 ノルムにより求める。
Figure 0007154954000015
ここで、Ｎ（ｔ）は時刻ｔにおいてデータベースに蓄えられているデータ数（情報ベクトル）を表している。また、－φl （ｊ）は第ｊ番目の情報ベクトルの第ｌ番目の要素を表している。同じく、－φl （ｔ）は時刻ｔにおける要求点の第ｌ番目の要素を表している。さらに、ｍａｘ－φl （ｍ）は、データベースに存在する全ての情報ベクトル（－φ（ｊ）：ｊ＝１、２、・・・、Ｎ（ｔ））の第ｌ番目の要素の中で最も大きな要素を示しており、ｍｉｎ－φl （ｍ）は、同第ｌ番目の要素のなかで最も小さな要素を示している。
本実施例では、式（１５）により求められた、距離ｄが小さい方からｋ個の情報ベクトルを選択し、当該選択されたデータ集合を近傍として定義する。
＜局所コントローラの構成＞
次に、前述のように選択された近傍に対して、下記の式（１６）で示される、重みつき局所線形平均法（Linearly Weighted Average：ＬＷＡ）により局所コントローラを構成する。
Figure 0007154954000016
ここで、ｗi は選択された第ｉ番目の情報ベクトルに含まれるＫ（ｉ）に対する重みであり、下記の式（１７）で与えられる。
Figure 0007154954000017
以上の手順により各時刻ｔにおけるＰＩＤゲインを算出することができる。さらに、データベース駆動型ＰＩＤ制御系が各平衡点において適切にＰＩＤゲインを調整できようにするためには、データベースの学習（制御パラメータの更新）を行う必要がある。そこで、本実施例では、ＦＲＩＴを適用し、データベースの構築に用いた初期データから、学習によってデータベース内の各データセットにおけるＰＩＤゲインをオフラインで更新する。
＜ＦＲＩＴを用いたデータベース駆動型ＰＩＤ制御のオフライン学習＞
以下、ＦＲＩＴを用いたデータベース駆動型ＰＩＤ制御のオフライン学習について，具体的に説明する。まず、閉ループデータでの要求点－φ0 （ｔ）におけるＰＩＤゲインを算出するために、式（１５）によって、要求点とデータベース内の情報ベクトルとの間の距離を計算し、ｋ個の近傍データを選択する。続いて、式（１６）によってＰＩＤゲインを算出し、算出したＰＩＤゲインを用い、下記の式（１８）、式（１９）で表される最急降下法によってＰＩＤゲインＫold （ｔ）の学習を行い、新たにＫnew を導出する。
Figure 0007154954000018
Figure 0007154954000019
式（１８）、式（１９）において、ηは学習係数、Ｊ（ｔ＋１）は、下記の式（２０）、式（２１）で定義される評価規範を表している。
Figure 0007154954000020
Figure 0007154954000021
但し、～ｙm （ｔ）は、下記の式（２２）のように設計される。
Figure 0007154954000022
式（２２）において、Ｇm （１）＝１＋ｐ1 ＋ｐ2 である（式（１０）参照）。
また、式（１８）の右辺第２項のそれぞれの偏微分は、式（２３）のように展開される。
Figure 0007154954000023
式（２３）において、Γ（ｔ）は、下記の式（２４）のように表される。
Figure 0007154954000024
式（２３）に擬似参照入力～ｒ（ｔ）が含まれていることから、式（１８）は、ＦＲＩＴによるオフライン学習となっている。式（１８）により得られたＫnew （ｔ）を用いて、データベース上の各近傍データの更新を行う。この手順を、式（２０）で表される評価規範が十分小さくなるまで繰り返すことによって、最適なデータベースを取得することができる。システムに対してデータ駆動型制御を適用する際は、各ステップ（時刻）ごとに、前述の「初期データベースの作成」、「距離の算出、近傍の選択」、「局所コントローラの構成」の手順に従って局所コントローラを構成することにより、非線形システムに対して、より有効な制御性能を得ることが可能となる。
＜数値例＞
以下、本実施例による感性フィードバック制御の数値例について説明する。
ここで、図５に示す対象機器（操作者が操作する機器）１０は、油圧ショベルであるとし、下記の式（２５）の一次遅れ系で表す。
Figure 0007154954000025
一方、快適度ｙ（ｔ）は、ウェーバー・フェヒナーの法則（「I.P.Herman、Physics of the Human Body:Biological and Medical Physics、Biomedical Engineering、Springer-Verlag GmbH & CO.KG (2007)」参照）を用いて、快適度ｙ（ｔ）の最大値が１となるように、下記の式（２６）、式（２７）で表す。
Figure 0007154954000026
Figure 0007154954000027
式（２６）、式（２７）において、ｗh （ｔ）は、操作者が脳内で持つ油圧ショベルの目標速度であるが、これは制御系にとって未知である。また、ｅh （ｔ）は、操作者の脳内で感じる油圧ショベルの速度誤差である。
式（２６）から、操作者の脳内での速度誤差ｅh （ｔ）が完全にゼロであれば、快適度ｙ（ｔ）は最大の１となる。尚、Ｅ（ｔ）は、快適度ｙ（ｔ）に関する変数であり、操作者によって異なる値を持つ。図７は、操作者の脳内での速度誤差ｅh （ｔ）と、快適度ｙ（ｔ）との関係を示す。図７に示すように、速度誤差ｅh （ｔ）が大きくなればなるほど、快適度ｙ（ｔ）が低下している。また、Ｅ（ｔ）が大きくなればなるほど、快適度ｙ（ｔ）の低下率が大きくなる。
尚、以下に説明する数値例における各設定パラメータは、ｒ＝０．８、ｗh ＝４０、σ＝１０、α＝０、η＝[８０、６０、８０]とした。
また、内側ループの第２制御器４０には、既存の制御パラメータを用い、外側ループの第１制御部３０の制御パラメータの調整には、非線形システムに対して有効なデータベース駆動型制御（「脇谷伸 他、ＦＲＩＴ法を用いた非線形ＰＩＤ制御系の設計、計測と制御、Vol.52、No.10、pp.885-891 (2013)」参照）を用いた。
また、初期データ｛ｕ0 、ｙ0 ｝を取得するための外側ループ（第１制御部３０）のＰＩＤゲインは、ＫP ＝３．５、ＫI ＝０．５、ＫD ＝３．５とし、内側ループ（第２制御器４０）のＰＩＤゲインは、ＫP ’＝１．５、ＫI ’＝０．１、ＫD ’＝０．１とした。
以上の設定においてデータベース駆動型制御により第１制御部３０の制御パラメータの調整を行いながら感性フィードバック制御を行った結果（各ステップ（時刻）における快適度ｙ（ｔ）、速度ｕ（ｔ）、トルクｖ（ｔ））を図８に、また、各ステップ（時刻）における調整された制御パラメータ（ＰＩＤゲイン）を図９にそれぞれ示す。
図８に示すように、ＰＩＤゲインを固定した初期データｙ0 は、式（２６）で表される快適度ｙ（ｔ）が非線形系であるため、目標快適度ｒ（＝０．８）に追従していない。一方、データベース駆動型制御によりＰＩＤゲインの調整を行った場合（本実施例）の快適度ｙは、目標快適度ｒに追従している。すなわち、本実施例によって感性フィードバック制御が実現されている。これは、図９に示すように、ＰＩＤゲインが適応的に調整されているためであると考えられる。
また、操作者の脳内の目標速度ｗh （＝４０）は制御系にとっては未知であるが、本実施例によって得られた目標速度ｗは、最終的には４０になっている。このことから、データベースを解析すれば、操作者の脳内の目標速度を推定することが可能となることが示唆される。
また、図８に示すように、負荷が大きいときには、それに伴って大きいトルクｖ（対象機器１０に対する入力）が自動算出されていることが分かる。
（比較例）
以下、感性フィードバック制御を外側ループのみにより実現した場合、つまり、対象機器に関する内側の制御ループが無い場合を比較例として、本発明の感性フィードバック制御におけるカスケード制御系（外側ループ＋内側ループ）の有効性について説明する。
図１０は、比較例に係る感性フィードバック制御装置の構成図である。図１０に示すように、比較例に係る感性フィードバック制御装置２００は、対象機器１０と、感性メータ２０と、制御部３０Ａとを備えている。対象機器１０は、前述の実施例と同様に、操作者によって操作される油圧ショベルである。感性メータ２０は、図１に示す本実施形態の感性フィードバック制御装置２００の感性メータ２０と同様に、対象機器１０の出力ｕ（ｔ）に対応する操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、操作者の快適度ｙ（ｔ）を決定する。制御部３０Ａは、快適度ｙ（ｔ）に関する目標値（目標快適度）ｒ（ｔ）と、快適度ｙ（ｔ）との差分ｅ（ｔ）に基づき、対象機器１０に対する制御入力ｖ（ｔ）を決定する。
制御部３０Ａの入出力関係については、例えば、ＫP ’’、ＫI ’’、ＫD ’’をそれぞれＰＩＤパラメータとして、下記の式（２８）に示すＰＩＤ制御がなされる。
Figure 0007154954000028
また、制御部３０Ａは、図１０に示すように、データベース６０Ａを利用したデータベース駆動型制御を行う。データベース６０Ａには、制御部３０ＡのＰＩＤパラメータの調整に必要なデータ、例えば、目標快適度ｒ（ｔ）、快適度ｙ（ｔ）及び制御入力ｖ（ｔ）等が逐次蓄積される。
尚、本比較例でも、対象機器１０の出力ｕ（ｔ）は油圧ショベルのバケットの応答速度、対象機器１０に対する制御入力ｖc （ｔ）はトルクである。
データベース駆動型制御により制御部３０Ａの制御パラメータの調整を行いながら感性フィードバック制御を行った結果（各ステップ（時刻）における快適度ｙ（ｔ）、速度ｕ（ｔ）、トルクｖ（ｔ））を図１１に示す。尚、初期データ｛ｕ0 、ｙ0 ｝を取得するための制御部３０ＡのＰＩＤゲインは、前述の実施例と同様に、ＫP ＝３．５、ＫI ＝０．５、ＫD ＝３．５とし、その他のパラメータも、前述の実施例と同様に、ｒ＝０．８、ｗh ＝４０、σ＝１０、α＝０、η＝[８０、６０、８０]とした。
図１１に示すように、比較例においては、データベース駆動型制御によりＰＩＤゲインの調整を行っても、快適度ｙは目標快適度ｒに追従していない。すなわち、比較例に係る感性フィードバック制御は、十分な制御性能を実現できていない。
この結果から、本発明の感性フィードバック制御においてはカスケード制御系により内側ループ（第２制御部４０）の即応性を向上させていることによって、制御系の設計が容易になり、感性フィードバック制御の精度が向上したものと推認される。
以上、本発明についての実施形態（実施例を含む）を説明したが、本発明は前述の実施形態のみに限定されず、発明の範囲内で種々の変更が可能である。すなわち、前述の実施形態の説明は、本質的に例示に過ぎず、本発明、その適用物或いはその用途を制限することを意図するものではない。
例えば、本実施形態においては、油圧ショベル（建設機械）を例として、感性フィードバック制御装置を説明したが、操作者により操作される他の機器についても同様に適用可能である。
１０ 対象機器
２０ 感性メータ
３０ 第１制御部
４０ 第２制御部
５０ 重み付け（δ）設定部
６０ データベース
１００ 感性フィードバック制御装置

Claims (4)

  1. 操作者によって操作される対象機器と、
    前記対象機器の出力ｕ（ｔ）に対応する前記操作者の生体情報ｘ（ｔ）を検出し、当該生体情報ｘ（ｔ）に基づき、前記操作者の快適度ｙ（ｔ）を決定する感性メータと、
    前記快適度ｙ（ｔ）に関する第１目標値ｒ（ｔ）と、前記快適度ｙ（ｔ）との差分に基づき、前記出力ｕ（ｔ）に関する第２目標値ｗ（ｔ）を決定する第１制御部と、
    前記第２目標値ｗ（ｔ）と前記出力ｕ（ｔ）との差分に基づき、前記対象機器に対する制御入力ｖc （ｔ）を決定する第２制御部と、
    前記操作者による前記対象機器に対する操作入力ｖh （ｔ）、及び、前記制御入力ｖc （ｔ）のそれぞれについて、前記操作者が前記対象機器を操作するスキルの高低を示す操作レベルを予め評価した結果に応じた重み付けを行う重み付け設定部と
    を備え、
    前記重み付け設定部によりそれぞれ重み付けされた前記操作入力ｖh （ｔ）及び前記制御入力ｖc （ｔ）が合算されて前記対象機器に入力される、
    感性フィードバック制御装置。
  2. 請求項１に記載の感性フィードバック制御装置において、
    前記感性メータは、快・不快、活性・非活性、期待感の３つの情報を前記生体情報ｘ（ｔ）として検出し、当該３つの情報の相関性から得られる感性値を前記快適度ｙ（ｔ）として決定する、
    感性フィードバック制御装置。
  3. 請求項１又は２に記載の感性フィードバック制御装置において、
    前記第１目標値ｒ（ｔ）、前記第２目標値ｗ（ｔ）及び前記快適度ｙ（ｔ）が逐次蓄積されるデータベースをさらに備え、
    前記第１制御部は、前記データベースに蓄積されているデータを用いて、制御パラメータの調整を行いながら、前記第２目標値ｗ（ｔ）を決定する、
    感性フィードバック制御装置。
  4. 請求項１～３のいずれか１項に記載の感性フィードバック制御装置において、
    前記対象機器は、建設機械である、
    感性フィードバック制御装置。
JP2018206633A 2018-11-01 2018-11-01 感性フィードバック制御装置 Active JP7154954B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2018206633A JP7154954B2 (ja) 2018-11-01 2018-11-01 感性フィードバック制御装置
EP19879978.5A EP3855258B1 (en) 2018-11-01 2019-10-25 Sensibility feedback control device
CN201980070348.9A CN112867973A (zh) 2018-11-01 2019-10-25 感性反馈控制装置
PCT/JP2019/041919 WO2020090659A1 (ja) 2018-11-01 2019-10-25 感性フィードバック制御装置
US17/288,757 US11926991B2 (en) 2018-11-01 2019-10-25 Sensibility feedback control device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018206633A JP7154954B2 (ja) 2018-11-01 2018-11-01 感性フィードバック制御装置

Publications (2)

Publication Number Publication Date
JP2020071766A JP2020071766A (ja) 2020-05-07
JP7154954B2 true JP7154954B2 (ja) 2022-10-18

Family

ID=70464020

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018206633A Active JP7154954B2 (ja) 2018-11-01 2018-11-01 感性フィードバック制御装置

Country Status (5)

Country Link
US (1) US11926991B2 (ja)
EP (1) EP3855258B1 (ja)
JP (1) JP7154954B2 (ja)
CN (1) CN112867973A (ja)
WO (1) WO2020090659A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104793A1 (ja) 2015-12-17 2017-06-22 国立大学法人広島大学 乗員の感性向上システム
JP2017136922A (ja) 2016-02-02 2017-08-10 富士通テン株式会社 車両制御装置、車載機器制御装置、地図情報生成装置、車両制御方法及び車載機器制御方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008058459A (ja) * 2006-08-30 2008-03-13 Toyota Motor Corp 運転評価装置
CN101140656A (zh) * 2006-09-04 2008-03-12 张德富 一种音乐消费行为分析的方法
JP5640511B2 (ja) * 2010-07-12 2014-12-17 マツダ株式会社 車両用運転技量育成装置
US8872640B2 (en) 2011-07-05 2014-10-28 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for monitoring health and ergonomic status of drivers of vehicles
CN102679505B (zh) * 2012-06-13 2014-04-23 重庆大学 房间温度控制方法
JP6590411B2 (ja) 2015-10-16 2019-10-16 国立大学法人広島大学 感性評価方法
JP6658029B2 (ja) * 2016-02-04 2020-03-04 スズキ株式会社 車両用スロープ収納機構
KR101953051B1 (ko) * 2016-03-31 2019-02-27 히다찌 겐끼 가부시키가이샤 건설 기계의 출력 특성 변경 시스템
US10351000B2 (en) 2016-08-01 2019-07-16 International Business Machines Corporation Intelligent vehicle fuel gauge
JP6833195B2 (ja) 2016-08-30 2021-02-24 国立大学法人広島大学 データ指向型フィードバック制御装置およびデータ指向型フィードバック制御方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104793A1 (ja) 2015-12-17 2017-06-22 国立大学法人広島大学 乗員の感性向上システム
JP2017136922A (ja) 2016-02-02 2017-08-10 富士通テン株式会社 車両制御装置、車載機器制御装置、地図情報生成装置、車両制御方法及び車載機器制御方法

Also Published As

Publication number Publication date
EP3855258A4 (en) 2021-12-15
WO2020090659A1 (ja) 2020-05-07
US11926991B2 (en) 2024-03-12
US20210395977A1 (en) 2021-12-23
EP3855258B1 (en) 2022-10-05
CN112867973A (zh) 2021-05-28
JP2020071766A (ja) 2020-05-07
EP3855258A1 (en) 2021-07-28

Similar Documents

Publication Publication Date Title
WO2020090134A1 (ja) 推定器生成装置、モニタリング装置、推定器生成方法及び推定器生成プログラム
MacNeilage et al. Computational approaches to spatial orientation: from transfer functions to dynamic Bayesian inference
Bi et al. Queuing network modeling of driver EEG signals-based steering control
JP6833195B2 (ja) データ指向型フィードバック制御装置およびデータ指向型フィードバック制御方法
Stevenson et al. Bayesian integration and non-linear feedback control in a full-body motor task
Sassi et al. Active stability observer using artificial neural network for intuitive physical human–robot interaction
Nash et al. Identification and validation of a driver steering control model incorporating human sensory dynamics
Furui et al. An artificial EMG generation model based on signal-dependent noise and related application to motion classification
As’ arry et al. Hybrid learning control for improving suppression of hand tremor
JP7154954B2 (ja) 感性フィードバック制御装置
Lee et al. Identifying human postural dynamics and control from unperturbed balance
Botev et al. ChronoPilot—Modulating time perception
Ensastiga et al. Speed controller-based fuzzy logic for a biosignal-feedbacked cycloergometer
Kinoshita et al. Design of a database-driven kansei feedback control system using a hydraulic excavators simulator
Gaino et al. Discrete Takagi-Sugeno fuzzy models applied to control the knee joint movement of paraplegic patients
Venrooij et al. Mathematical biodynamic feedthrough model applied to rotorcraft
dos Santos et al. System identification of just walk: using matchable-observable linear parametrizations
Gradetsky et al. Features of human-exoskeleton interaction
Gradetsky et al. Switching operation modes algorithm for the exoskeleton device
CN114730162A (zh) 反馈控制装置
Petukhov et al. Measuring cognitive potential based on the performance of tasks of various levels of complexity
Wang et al. Modeling online adaptive navigation in virtual environments based on PID control
Courtemanche et al. Multiresolution feature extraction during psychophysiological inference: addressing signals Asynchronicity
US12020789B1 (en) Systems and methods enabling baseline prediction correction
Kaminskas et al. Predictor-based control of human emotions when reacting to a dynamic virtual 3D face stimulus

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191121

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210913

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220510

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220706

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: 20220927

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221005

R150 Certificate of patent or registration of utility model

Ref document number: 7154954

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150