JP7435847B1

JP7435847B1 - 制御装置及び制御方法

Info

Publication number: JP7435847B1
Application number: JP2023006531A
Authority: JP
Inventors: 修一矢作; 元哉鈴木
Original assignee: Isuzu Motors Ltd
Current assignee: Isuzu Motors Ltd
Priority date: 2023-01-19
Filing date: 2023-01-19
Publication date: 2024-02-21
Anticipated expiration: 2043-01-19
Also published as: JP2024102558A; CN118363293A; US20240246605A1; DE102024100752A1

Abstract

【課題】測定ノイズの影響を抑制しつつ、モデル誤差を補償する。
【解決手段】制御対象への目標値と、制御対象からの出力値との差に基づいて、制御対象への制御入力値をＰＩ制御する制御装置４は、測定ノイズを含む制御対象の出力値の微分が、制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおけるずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定する推定部３４と、推定したずれ量、比例ゲイン及び積分ゲインに基づいて、制御入力値を求める算出部３５と、カルマンフィルタのカルマンゲインを設定するためのパラメータを調整する調整部３６を備える。
【選択図】図１

Description

本発明は、ＰＩ制御を行う制御装置及び制御方法に関する。

目標値と制御対象からの出力値との差に基づいて制御対象への制御入力値を制御する制御装置として、車両のヨーレートを制御するヨーレート制御装置が知られている。ヨーレート制御装置は、例えば、目標ヨーレートと実ヨーレートの差に応じて、車両の操舵角を制御している。

特開２０１０－１２６０９３号公報

近年、目標値と制御対象の出力値の乖離を抑制すべく、ＰＩ制御を用いると共に、ウルトラローカルモデル（Ultra-Local Model）に規定された制御対象からの出力のずれ量を推定して制御入力を求める方式が提案されている。
しかし、上記の方式では、誤差を推定する際に出力を微分するため、出力に含まれる外乱である測定ノイズの影響が増大するおそれがあった。

そこで、本発明はこれらの点に鑑みてなされたものであり、測定ノイズの影響を抑制しつつ、モデル誤差を補償することを目的とする。

本発明の第１の態様においては、制御対象への目標値と、前記制御対象からの出力値との差に基づいて、前記制御対象への制御入力値をＰＩ制御する制御装置であって、測定ノイズを含む前記制御対象の出力値の微分が、前記制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおける前記ずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定する推定部と、推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力値を求める算出部と、前記カルマンフィルタのカルマンゲインを設定するためのパラメータを調整する調整部と、を備える、制御装置を提供する。

また、前記調整部は、前記パラメータを入力とし、前記目標値、前記制御入力値及び前記出力値で規定される評価関数の評価値を出力とした関数を推定し、推定した前記関数の最小値を求めることで、前記パラメータを調整することとしてもよい。

また、前記調整部は、前記パラメータを前記カルマンフィルタに入力してＰＩ制御を行った場合の前記目標値、前記制御入力値及び前記出力値の評価値を求めて、前記関数を再度推定することとしてもよい。

また、前記調整部は、前記制御入力値の微分が所定値以下になるように制約して、前記パラメータを調整することとしてもよい。

また、前記目標値は、車両の目標ヨーレートであり、前記制御対象への制御入力は、前記車両の操舵角であり、前記制御対象からの出力は、前記車両の実ヨーレートであることとしてもよい。

本発明の第２の態様においては、プロセッサが実行する、制御対象への目標値と、前記制御対象からの出力値との差に基づいて、前記制御対象への制御入力値をＰＩ制御する制御方法であって、測定ノイズを含む前記制御対象の出力値の微分が、前記制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおける前記ずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定するステップと、推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力値を求めるステップと、前記カルマンフィルタのカルマンゲインを設定するためのパラメータを調整するステップと、を有する、制御方法を提供する。

本発明によれば、測定ノイズの影響を抑制しつつ、モデル誤差を補償できるという効果を奏する。

本実施形態に係る車両Ｓの概要を説明するための図である。制御入力値を決定する動作を説明するための制御ブロック図である。パラメータＱ、Ｒの自動調整の流れを説明するための図である。

＜車両Ｓの概要＞
図１は、本実施形態に係る車両Ｓの概要を説明するための図である。図１に示す車両Ｓは、センサ部１と、状態特定部２と、操舵部３と、制御装置４を備える。車両Ｓは、設定された設定経路に沿って走行するための操舵角を算出し、旋回時の車両Ｓを自動操舵する機能を有する。

センサ部１は、例えば操舵角センサ及びヨーレートセンサを有しており、走行中の車両Ｓの操舵角及びヨーレートを検出する。

状態特定部２は、ＧＮＳＳ（Global Navigation Satellite System）等の外部の測位システムから車両Ｓの位置を示す電波を受信する受信装置と、加速度センサ及び角速度センサを含むＩＭＵ（Inertial Measurement Unit）とを有する。状態特定部２は、受信装置及びＩＭＵを用いて、設定経路を走行するための目標ヨーレートを特定する。

状態特定部２は、例えば、受信装置が受信した電波に基づいて複数の時刻における車両Ｓの位置を特定することにより車両Ｓの進行方向を特定する。状態特定部２は、設定経路が示す方向と特定した車両Ｓの進行方向との差、及び設定経路に含まれる位置と車両Ｓの位置との差に基づいて目標ヨーレートを特定する。

操舵部３は、車両Ｓを自動操舵する機能を有する。操舵部３は、例えば、制御装置４から入力された操舵角に基づいて、操舵用モータ等によりステアリング軸を回転させ、走行中の車両Ｓを左又は右に旋回させる。

制御装置４は、センサ部１が検出した車両Ｓのヨーレートと状態特定部２が特定した車両Ｓの目標ヨーレートとに基づいて、旋回時の車両Ｓの操舵角を算出する処理を実行する。制御装置４は、所定時刻ごとに算出した操舵角に基づいて操舵部３に旋回時の車両Ｓを自動操舵させることで、旋回時の車両Ｓのヨーレートを制御する。

＜制御装置の詳細構成＞
制御装置４は、制御対象への目標値と制御対象からの出力値との差に基づいて、制御対象への制御入力値をＰＩ制御する。以下では、制御対象として操舵部３を例に挙げて説明するが、これに限定されず、制御対象が車両Ｓの他のユニットであってもよい。

制御装置４は、車両の目標ヨーレートと実ヨーレートとの差に基づいて、制御入力である車両Ｓの操舵角をＰＩ制御する。制御装置４は、図１に示すように、記憶部２０と制御部３０を有する。

記憶部２０は、コンピュータのＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）、作業領域となるＲＡＭ（Random Access Memory）を含む。また、記憶部２０は、ＯＳ（Operating System）やアプリケーションプログラム、当該アプリケーションプログラムの実行時に参照される種々の情報を格納するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量記憶装置である。

制御部３０は、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等のプロセッサである。制御部３０は、記憶部２０に記憶されたプログラムを実行することによって、データ取得部３２、モデル変換部３３、推定部３４、算出部３５及び調整部３６として機能する。なお、制御部３０は、１つのプロセッサで構成されていてもよいし、複数のプロセッサ又は１以上のプロセッサと電子回路との組み合わせにより構成されていてもよい。

データ取得部３２は、目標ヨーレートと実ヨーレートを取得する。例えば、データ取得部３２は、状態特定部２が特定した目標ヨーレートを取得する。また、データ取得部３２は、センサ部１が検出した実ヨーレートを取得する。データ取得部３２は、車両Ｓの走行中の所定間隔毎に、目標ヨーレート及び実ヨーレートを取得しうる。

モデル変換部３３は、制御対象の制御モデルを状態空間モデルに変換する。ここで、制御モデルは、外乱である測定ノイズを含んでおり、操舵部３の出力値の微分が、制御入力値と規範モデルに対するずれ量とで規定されたモデルである。規範モデルは、所望の応答特性を満たすように設計されたモデルである。

ここで、制御対象の制御モデルについて、図２を参照しながら説明する。
図２は、制御入力値を決定する動作を説明するための制御ブロック図である。図２において、制御対象１０２は、車両Ｓの操舵部３である。制御対象１０２には、制御入力である操舵角ｕが入力される。また、制御対象１０２からは出力として実ヨーレートｙが出力される。制御装置４は、目標値である目標ヨーレートｒと実ヨーレートｙの偏差に基づいて、制御対象１０２の制御入力である操舵角ｕを制御する。制御装置４は、目標ヨーレートｒと実ヨーレートｙの偏差ｅをゼロにするように、操舵角ｕをフィードバック制御する。また、制御装置４は、ＰＩ制御を行うべく、比例器１０５ａ及び積分器１０５ｂを有する。

制御装置４は、所望のヨーレート応答を実現すべく、制御対象１０２の制御モデルとして公知のウルトラローカルモデル（Ultra-Local Model）を用いる。ウルトラローカルモデルは、超局所モデルとも呼ばれ、式（１）のように示される。

式（１）において、ａは設計パラメータであり、Ｆはずれ量である。ずれ量Ｆは、所望の応答特性に設計された規範モデルに対するずれ量であり、様々な誤差を含めたものである。

ずれ量Ｆを推定した推定ずれ差Ｆ_ｅは、式（１）から式（２）のように示される。
式（２）のｕ_ｅは、制御入力である操舵角ｕを推定した推定入力であり、式（３）のように示される。
式（３）において、Ｔは時定数である。

この場合、操舵角ｕは、図２から分かるように式（４）のように示される。
式（４）において、Ｋ_ｐは比例ゲインであり、Ｋ_ｉは積分ゲインであり、ｓはラプラス演算子である。

制御対象１０２の出力ｙ_ｐと測定ノイズｄとから、実ヨーレートｙが決定される。このため、式（１）に示すウルトラローカルモデルは、測定ノイズｄを含む制御対象１０２の出力の微分を、操舵角ｕとずれ量Ｆとで規定したモデルである。

式（２）の推定ずれ量Ｆ_ｅは、式（５）のように示される。

式（２）に示されるように、推定ずれ量Ｆｅは、実ヨーレートｙを微分した値を用いてあらわされ、また、式（５）に示されるように、測定ノイズｄを微分した値であらわされる。そして、測定ノイズｄを微分すると増大するため、推定ずれ量Ｆ_ｅが測定ノイズｄの影響を受けやすい。この結果、制御入力である操舵角ｕも、振動してしまうことになる。

これに対して、本実施形態では、詳細は後述するが、推定部３４が、カルマンフィルタを適用して推定ずれ量Ｆ_ｅを求めることで、測定ノイズｄの影響を抑制できるヨーレート制御を実現できる。

モデル変換部３３は、制御対象１０２のウルトラローカルモデル（式（１）参照）を、状態空間モデルに変換する。ウルトラローカルモデルの状態空間モデルへの変換は、以下のように行われる。

ここでは、前述した式（１）のずれ量Ｆの変化速度が微小であると仮定する。この場合、式（６）が満たされる。

上記の仮定のもとで、モデル変換部３３は、ウルトラローカルモデルを状態空間モデルに変換する。変換された状態空間モデルは、式（７）～式（１２）で規定される。
なお、式（７）が状態方程式であり、式（８）が観測方程式である。ｘは状態変数であり、Ａ、Ｂ、Ｃは、例えば設計者によって設定される係数である。

推定部３４は、制御モデルにおいて規範モデルに対するずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定する。カルマンフィルタは、状態空間モデルにおける状態を推定するための手法である。カルマンフィルタは、ここでは定常カルマンフィルタであり、式（１３）～式（１５）で規定される。

なお、式（１３）におてい、ｘ_ｅは、状態変数ｘの推定値であり、ｙ_ｅは、実ヨーレートｙの推定値である。また、カルマンゲインＬは、代数的リカッチ方程式を用いて下記のように計算できる。
式（１６）において、Ｐは、リカッチ方程式の解であり、Ｑ及びＲは、設計パラメータである正定値行列である。

算出部３５は、推定ずれ量Ｆ_ｅ、比例ゲイン及び積分ゲインに基づいて、制御入力値を求める。すなわち、算出部３５は、推定ずれ量Ｆ_ｅの推定則とＰＩ制御則から、操舵角ｕを求める。具体的には、算出部３５は、下記の式（１８）～（２２）から、制御入力である車両の操舵角ｕを求める。

式（１３）～式（１５）から明らかなように、カルマンフィルタを適用する場合には、推定ずれ量Ｆ_ｅを推定する際に実ヨーレートｙを微分する必要がない。このため、実ヨーレートｙに含まれる測定ノイズｄの影響を抑制して推定ずれ量Ｆ_ｅを推定できる。この結果、式（１８）で示される操舵角ｕが測定ノイズｄの増大に起因して振動することも抑制できる。

推定部３４でカルマンフィルタを用いる場合には、パラメータ調整が必要である。カルマンフィルタのカルマンゲインＬを直接調整する方策を検討しうるが、カルマンゲインＬを直接調整する場合には、システムが不安定になるおそれがある。本実施形態では、上述した問題を解消すべく、カルマンゲインＬを直接調整するのではなく、カルマンゲインＬを設定するパラメータＱ、Ｒを自動調整する方策を採用している。これにより、カルマンフィルタのパラメータを試行錯誤しながら調整する必要がなくなる。

調整部３６は、カルマンフィルタのカルマンゲインＬを設定するためのパラメータＱ、Ｒを調整する。具体的には、まず、調整部３６は、パラメータＱ、Ｒを入力とし、目標値（目標ヨーレートｒ）、制御入力値（操舵角ｕ）及び出力値（実ヨーレートｙ）で規定される評価関数の評価値を出力とした関数を推定する。上記の関数は、公知のガウス過程回帰（Gaussian Process Regression）によって得られた関数である。

調整部３６は、推定した関数の最小値を求めることで、パラメータＱ、Ｒを調整する。具体的には、調整部３６は、ベイズ最適化を行うことによって、パラメータＱ、Ｒを調整する。ベイズ最適化は、ガウス過程回帰により未知の関数をデータから学習しつつ、少ない試行回数で前記関数の大域的最適解の推定を行う手法である。ベイズ最適化では、ガウス過程回帰によって得られた関数に対し、獲得関数と呼ばれる関数を用いて大域的最適解の推定において最適な入力を算出する。これにより、少ない試行回数で、カルマンフィルタを設計するためのパラメータＱ、Ｒを最適化できる。また、ベイズ最適化を用いる場合には、他の手法を用いる場合に比べて高速に反復することができるため、パラメータＱ、Ｒを短時間で調整しやすくなる。

調整部３６は、制御入力値の微分が所定値以下になるように制約して、パラメータＱ、Ｒを調整してもよい。例えば、調整部３６は、操舵角ｕの速度が所定値以下になるように制約を行い、パラメータＱ、Ｒを調整する。所定値は、設計者が設定した値である。特定の制約下でパラメータＱ、Ｒを調整することで、より最適なパラメータに調整できる。

調整部３６は、下記の式を用いて、パラメータＱ、Ｒを求める。
なお、式（２３）において、θがパラメータＱ、Ｒを意味しており、θを求めることでパラメータＱ、Ｒを求めることになる。式（２３）の右辺の第１項は、実際の応答と目標応答の差の二乗を示し、第２項はペナルティ項を示していている。Ｔ_ｄは、設計者が希望する応答であり、Ｐ_ｃ（ｕ）がペナルティ関数であり、ｗが重みである。式（２
であり、一例として１又は０．１である。

ペナルティ関数を用いるペナルティ関数法は、制約付き最適化問題を無制約最適化問題に変換して解く方法である。ペナルティ関数法では、制約を満たさないことに対するペナルティ項（式（２４）の右辺の第２項）を目的関数（式（２４）の右辺の第１項項）に加えて定義されるペナルティ関数を無制約最適化することを、ペナルティ項の重みを増やしながら繰り返す。

本実施形態では、調整部３６は、パラメータＱ、Ｒを自動調整するために、図３に示す処理を行う。図３は、パラメータＱ、Ｒの自動調整の流れを説明するための図である。調整部３６は、図３に示す処理（ステップＳ１０２～Ｓ１０６）を繰り返すことで、パラメータＱ、Ｒを最適化する。

まず、調整部３６は、前述したベイズ最適化を行う（ステップＳ１０２）。すなわち、調整部３６は、パラメータＱ、Ｒを入力とし、目標値、制御入力値及び出力値で規定される評価関数の評価値を出力とした関数を推定し、当該関数の最小値を求めることで最適化されたパラメータＱ、Ｒを求める。

次に、ステップＳ１０２で求まったパラメータＱ、Ｒをカルマンフィルタに入力して、ＰＩ制御の実験を行う（ステップＳ１０４）。制御装置４は、パラメータＱ、Ｒが最適化されたカルマンフィルタを用いて、ヨーレートのＰＩ制御を行う。

次に、調整部３６は、ステップＳ１０４の実験結果から取得したデータを用いて、ＰＩ制御の評価を行う（ステップＳ１０６）。例えば、調整部３６は、操舵追従性とノイズレベルの評価を行う。取得されるデータは、目標値ｒ、制御入力値ｕ、出力値ｙであり、データ取得部３２によって取得される。調整部３６は、前述した式（２３）の評価関数の評価値ｚを求める。

その後、調整部３６は、ステップＳ１０２に戻って、ステップＳ１０６で求めた評価値ｚを用いて、ベイズ最適化を行う（Ｓ１０２）。すなわち、調整部３６は、パラメータＱ、Ｒをカルマンフィルタに入力してＰＩ制御を行った場合の、目標値、制御入力値及び出力値の評価値を求めて、関数を再度推定する。そして、調整部３６は、推定した関数の最小値を求めることで、パラメータＱ、Ｒを再度最適化する。調整部３６は、ステップＳ１０２～Ｓ１０６を所定回数だけ繰り返す。これにより、制御モデルが精度良くなり（別言すれば、モデル誤差を補償することになり）、より最適なパラメータＱ、Ｒを求めることができる。

＜本実施形態における効果＞
上述した実施形態の制御装置４は、測定ノイズを含む制御対象１０２の出力値の微分が、制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおけるずれ量Ｆ_ｅを、状態空間モデルから構成されるカルマンフィルタによって推定する推定部３４と、推定したずれ量Ｆ_ｅ、比例ゲイン及び積分ゲインに基づいて、制御入力値を求める算出部３５と、カルマンフィルタのカルマンゲインＬを設定するためのパラメータＲ、Ｑを調整する調整部３６を有する。
推定部３４がカルマンフィルタを適用して推定ずれ量Ｆ_ｅを推定する場合には、カルマンフィルタが実ヨーレートｙ（制御対象の出力）の微分を行わないため、実ヨーレートｙに含まれる測定ノイズｄの影響を抑制できる。また、調整部３６は、カルメンゲインＬを直接調整する代わりにパラメータＲ、Ｑを調整することで、システムが不安定になることを抑制しつつ、カルマンフィルタを設計するためのパラメータを最適化できる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

３操舵部
４制御装置
３４推定部
３５算出部
３６調整部
１０２制御対象
Ｒ、Ｑパラメータ
Ｓ車両

Claims

制御対象への目標値と、前記制御対象からの出力値との差に基づいて、前記制御対象への制御入力値をＰＩ制御する制御装置であって、
測定ノイズを含む前記制御対象の出力値の微分が、前記制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおける前記ずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定する推定部と、
推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力値を求める算出部と、
前記カルマンフィルタのカルマンゲインを設定するためのパラメータを調整する調整部と、
を備える、制御装置。
前記調整部は、
前記パラメータを入力とし、前記目標値、前記制御入力値及び前記出力値で規定される評価関数の評価値を出力とした関数を推定し、
推定した前記関数の最小値を求めることで、前記パラメータを調整する、
請求項１に記載の制御装置。
前記調整部は、前記パラメータを前記カルマンフィルタに入力してＰＩ制御を行った場合の前記目標値、前記制御入力値及び前記出力値の評価値を求めて、前記関数を再度推定する、
請求項２に記載の制御装置。
前記調整部は、前記制御入力値の微分が所定値以下になるように制約して、前記パラメータを調整する、
請求項２に記載の制御装置。
前記目標値は、車両の目標ヨーレートであり、
前記制御対象への制御入力は、前記車両の操舵角であり、
前記制御対象からの出力は、前記車両の実ヨーレートである、
請求項１に記載の制御装置。
プロセッサが実行する、
制御対象への目標値と、前記制御対象からの出力値との差に基づいて、前記制御対象への制御入力値をＰＩ制御する制御方法であって、
測定ノイズを含む前記制御対象の出力値の微分が、前記制御入力値と規範モデルに対するずれ量とで規定された制御モデルにおける前記ずれ量を、状態空間モデルから構成されるカルマンフィルタによって推定するステップと、
推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力値を求めるステップと、
前記カルマンフィルタのカルマンゲインを設定するためのパラメータを調整するステップと、
を有する、制御方法。