JPH04358202A - 学習制御方法 - Google Patents
学習制御方法Info
- Publication number
- JPH04358202A JPH04358202A JP16103191A JP16103191A JPH04358202A JP H04358202 A JPH04358202 A JP H04358202A JP 16103191 A JP16103191 A JP 16103191A JP 16103191 A JP16103191 A JP 16103191A JP H04358202 A JPH04358202 A JP H04358202A
- Authority
- JP
- Japan
- Prior art keywords
- correction amount
- δσk
- control input
- value
- future
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 abstract 4
- 239000000654 additive Substances 0.000 abstract 3
- 230000000996 additive effect Effects 0.000 abstract 3
- 238000011156 evaluation Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明は、繰り返し動作をする工
作機械、ロボット等の制御方式に関する。
作機械、ロボット等の制御方式に関する。
【0002】
【従来の技術】繰り返し目標値に対する学習制御系の設
計法としては、本出願人が特開平1−237701号公
報において、提案した方式がある。この方式は、同じ目
標値に対する動作を繰り返し、過去の偏差および制御対
象の動特性に関する情報をもとに未来の偏差を予測し、
その予測値の重み付き2乗和を評価関数として、その評
価関数が最小となるように制御入力を補正していくとい
うもので、最終的には目標値と出力が一致するため、高
精度な追従動作が実現される。
計法としては、本出願人が特開平1−237701号公
報において、提案した方式がある。この方式は、同じ目
標値に対する動作を繰り返し、過去の偏差および制御対
象の動特性に関する情報をもとに未来の偏差を予測し、
その予測値の重み付き2乗和を評価関数として、その評
価関数が最小となるように制御入力を補正していくとい
うもので、最終的には目標値と出力が一致するため、高
精度な追従動作が実現される。
【0003】
【発明が解決しようとする課題】ところが、上述の方式
では、評価関数が未来の偏差の予測値のみに関するもの
であるため、補正の度合いを調節したり、制御入力の値
やその変化の度合いに制約を与えたりすることができな
かった。そこで、本発明は、補正の度合いを調節したり
、制御入力の値やその変化の度合いに制約を与えること
ができる方式を提供することを目的とする。
では、評価関数が未来の偏差の予測値のみに関するもの
であるため、補正の度合いを調節したり、制御入力の値
やその変化の度合いに制約を与えたりすることができな
かった。そこで、本発明は、補正の度合いを調節したり
、制御入力の値やその変化の度合いに制約を与えること
ができる方式を提供することを目的とする。
【0004】
【課題を解決するための手段】上記課題を解決するため
、本願の第1の発明では、同じパターンを繰り返す目標
指令に制御対象の出力を追従させるよう試行を繰り返し
、k回目の試行の、時刻iにおける制御入力uk (i
) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と補
正量σk (i) の重み付き2乗和が最小となるよう
に、増分補正量Δσk (i) を決定することを特徴
としている。本願の第2の発明では、同じパターンを繰
り返す目標指令に制御対象の出力を追従させるよう試行
を繰り返し、k回目の試行の、時刻iにおける制御入力
uk (i) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と増
分補正量Δσk (i) の重み付き2乗和が最小とな
るように、増分補正量Δσk (i) を決定すること
を特徴としている。本願の第3の発明では、同じパター
ンを繰り返す目標指令に制御対象の出力を追従させるよ
う試行を繰り返し、k回目の試行の、時刻iにおける制
御入力uk (i) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と制
御入力uk (i) の重み付き2乗和が最小となるよ
うに、増分補正量Δσk (i) を決定することを特
徴としている。 本願の第4の発明では、同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう試行を繰り返し、
k回目の試行の、時刻iにおける制御入力uk(i)
を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と制
御入力の増分値Δuk (i) の重み付き2乗和が最
小となるように、増分補正量Δσk (i) を決定す
ることを特徴としている。
、本願の第1の発明では、同じパターンを繰り返す目標
指令に制御対象の出力を追従させるよう試行を繰り返し
、k回目の試行の、時刻iにおける制御入力uk (i
) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と補
正量σk (i) の重み付き2乗和が最小となるよう
に、増分補正量Δσk (i) を決定することを特徴
としている。本願の第2の発明では、同じパターンを繰
り返す目標指令に制御対象の出力を追従させるよう試行
を繰り返し、k回目の試行の、時刻iにおける制御入力
uk (i) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と増
分補正量Δσk (i) の重み付き2乗和が最小とな
るように、増分補正量Δσk (i) を決定すること
を特徴としている。本願の第3の発明では、同じパター
ンを繰り返す目標指令に制御対象の出力を追従させるよ
う試行を繰り返し、k回目の試行の、時刻iにおける制
御入力uk (i) を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と制
御入力uk (i) の重み付き2乗和が最小となるよ
うに、増分補正量Δσk (i) を決定することを特
徴としている。 本願の第4の発明では、同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう試行を繰り返し、
k回目の試行の、時刻iにおける制御入力uk(i)
を、次式 uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と制
御入力の増分値Δuk (i) の重み付き2乗和が最
小となるように、増分補正量Δσk (i) を決定す
ることを特徴としている。
【0005】
【作用】本発明は、追従偏差の予測値と補正量等との重
み付き2乗和が最小となるように、増分補正量を決定す
るため、補正量側の重みを加減することにより、補正の
度合いを調節したり、制御入力の値やその変化の度合い
に制約を与えたりすることが可能となる。
み付き2乗和が最小となるように、増分補正量を決定す
るため、補正量側の重みを加減することにより、補正の
度合いを調節したり、制御入力の値やその変化の度合い
に制約を与えたりすることが可能となる。
【0006】
【実施例】以下、本発明の具体的実施例を図1に示して
説明する。図中1は指令発生器であり、現在時刻iにお
ける目標指令値r(i) を発生する。2は減算器であ
り、目標指令rとの偏差eを出力する。3は、定数q1
、q2 、・・・ 、qM 、Q、g1 、g2 、
・・・ 、gN−1 を記憶するメモリ、4は、前回の
試行の時刻iから現在時刻iまでの偏差e(ek−1(
i)〜ek(i) )を記憶するメモリ、5は、現在時
刻iに至るまでの増分補正量(Δσk (j),j=i
−1,i−2,・・,i−N+1) を記憶するメモリ
、6は前回の試行の時刻iから現在時刻iまでの制御入
力(uk−1(i)〜uk (i) )を記憶するメモ
リである。7は演算器であり、本願の第1の発明では、
説明する。図中1は指令発生器であり、現在時刻iにお
ける目標指令値r(i) を発生する。2は減算器であ
り、目標指令rとの偏差eを出力する。3は、定数q1
、q2 、・・・ 、qM 、Q、g1 、g2 、
・・・ 、gN−1 を記憶するメモリ、4は、前回の
試行の時刻iから現在時刻iまでの偏差e(ek−1(
i)〜ek(i) )を記憶するメモリ、5は、現在時
刻iに至るまでの増分補正量(Δσk (j),j=i
−1,i−2,・・,i−N+1) を記憶するメモリ
、6は前回の試行の時刻iから現在時刻iまでの制御入
力(uk−1(i)〜uk (i) )を記憶するメモ
リである。7は演算器であり、本願の第1の発明では、
【0007】
【数9】
【0008】本願の第2の発明では、
【0009】
【数10】
【0010】本願の第3の発明では、
【0011】
【数11】
【0012】本願の第4の発明では、
【0013】
【数12】
【0014】なる演算によって、時刻iにおける増分補
正量Δσk (i) を算出する。また、8は積算器で
、σk (i) = σk (i−1) + Δσk
(i)なる演算によって、時刻iにおける補正量σk
(i) を算出する。さらに、9は現在時刻iにおける
補正量σk (i) と、前回の試行の時刻iの制御入
力uk−1(i)とを加算して、今回の制御入力uk
(i) を出力する加算器である。10、11はサンプ
リング周期Tで閉じるサンプラであり、12はホールド
回路である。13は入力がu(t)で出力がy(t)
の制御対象である。(1a)〜(1d)式の導出を行う
。制御対象13はステップ応答モデルにより、
正量Δσk (i) を算出する。また、8は積算器で
、σk (i) = σk (i−1) + Δσk
(i)なる演算によって、時刻iにおける補正量σk
(i) を算出する。さらに、9は現在時刻iにおける
補正量σk (i) と、前回の試行の時刻iの制御入
力uk−1(i)とを加算して、今回の制御入力uk
(i) を出力する加算器である。10、11はサンプ
リング周期Tで閉じるサンプラであり、12はホールド
回路である。13は入力がu(t)で出力がy(t)
の制御対象である。(1a)〜(1d)式の導出を行う
。制御対象13はステップ応答モデルにより、
【0015】
【数13】
【0016】と表すことができる。ここで、{H 1
,H2 , …,HN }は、前もって測定された制御
対象13の単位ステップ応答のサンプル値である(図2
)。Nは応答が十分に整定するように、すなわち、H
n ≒H N (n>N)となるように選ぶものとし、
H0= 0 である。Δu(i) は、入力u(i)
の増分値で、Δu(i)=u(i)−u(i−1) で
ある。さらに、実際の出力y(i) と(2) 式のモ
デル出力
,H2 , …,HN }は、前もって測定された制御
対象13の単位ステップ応答のサンプル値である(図2
)。Nは応答が十分に整定するように、すなわち、H
n ≒H N (n>N)となるように選ぶものとし、
H0= 0 である。Δu(i) は、入力u(i)
の増分値で、Δu(i)=u(i)−u(i−1) で
ある。さらに、実際の出力y(i) と(2) 式のモ
デル出力
【0017】
【数14】
【0018】との差、すなわち、推定誤差をd(i)
とする。
とする。
【0019】
【数15】
【0020】いまk回目の試行の、時刻iにおける制御
入力uk (i) を、次式で与えるものとする。 uk (i) = uk−1 (i) + σ
k (i)
(4) ただし、kは試行
回数を表わし、σk (i) は前回の制御入力uk−
1 (i) からの補正量である。ここで、未来の追従
偏差の予測値ek * を以下の手順で求める。k回目
の試行の時刻iにおいて、出力yk (i) は、次式
で表すことができる。
入力uk (i) を、次式で与えるものとする。 uk (i) = uk−1 (i) + σ
k (i)
(4) ただし、kは試行
回数を表わし、σk (i) は前回の制御入力uk−
1 (i) からの補正量である。ここで、未来の追従
偏差の予測値ek * を以下の手順で求める。k回目
の試行の時刻iにおいて、出力yk (i) は、次式
で表すことができる。
【0021】
【数16】
【0022】さらにk−1回目の試行の時刻iにおいて
は、
は、
【0023】
【数17】
【0024】となる。(5) 式から(6) 式を引く
ことにより、次式を得る。
ことにより、次式を得る。
【0025】
【数18】
【0026】ただし、
【0027】
【数19】
【0028】である。ここでδk (i) は、出力y
k (i) の、前回試行時の同じ時刻の出力yk−1
(i) からの変化分である。さらに、時刻 i+m
の出力変化分δk (i+m) は次式で表される。
k (i) の、前回試行時の同じ時刻の出力yk−1
(i) からの変化分である。さらに、時刻 i+m
の出力変化分δk (i+m) は次式で表される。
【0029】
【数20】
【0030】いま、時刻iにおいてMステップ先までの
出力変化分の予測値δk * (i+m) (m=1,
2,…,M) を求める際に、■(2) 式のモデルに
よる推定誤差の変化分は不変、すなわち、dk (i+
m) −dk−1(i+m)=d k (i)−dk−
1(i)であり、さらに、■未来の補正量の増分値Δσ
k (i+m) はすべて零であると仮定すると、予測
値δk * (i+m) は、(10)式より、
出力変化分の予測値δk * (i+m) (m=1,
2,…,M) を求める際に、■(2) 式のモデルに
よる推定誤差の変化分は不変、すなわち、dk (i+
m) −dk−1(i+m)=d k (i)−dk−
1(i)であり、さらに、■未来の補正量の増分値Δσ
k (i+m) はすべて零であると仮定すると、予測
値δk * (i+m) は、(10)式より、
【0031】
【数21】
【0032】となる。したがって、(7) 、(9)
、(11)式より、予測値δk * (i+m) は次
式で与えられる。
、(11)式より、予測値δk * (i+m) は次
式で与えられる。
【0033】
【数22】
【0034】δk (i) の定義により、時刻i+m
における追従偏差ek (i+m) は次式で表される
。 ek (i+m) = ek−1 (
i+m) −δk (i+m)
(13) したがって、その予測
値ek * (i+m) は次式で与えられる。 ek * (i+m) = ek−1
(i+m) − δk * (i+m)
(14) さらに、δk (i)
も次式のように追従偏差で表すことができる。 δk (i) = ek−1 (i)
− ek (i)
(15) (12)、(14
)、(15)式より、偏差の予測値ek* (i+m)
は結局次式で与えられる。
における追従偏差ek (i+m) は次式で表される
。 ek (i+m) = ek−1 (
i+m) −δk (i+m)
(13) したがって、その予測
値ek * (i+m) は次式で与えられる。 ek * (i+m) = ek−1
(i+m) − δk * (i+m)
(14) さらに、δk (i)
も次式のように追従偏差で表すことができる。 δk (i) = ek−1 (i)
− ek (i)
(15) (12)、(14
)、(15)式より、偏差の予測値ek* (i+m)
は結局次式で与えられる。
【0035】
【数23】
【0036】上式より未来の追従偏差の予測値ek *
(i+m) は、前回の試行における追従偏差ek−
1 、現在の追従偏差ek (i) 、現在に至るまで
に入力してきた増分補正量Δσk (i−n) 、およ
び現在決定すべき増分補正量Δσk (i)によって予
測されている。そこで、本願の第1の発明では、Mステ
ップ未来までの追従偏差の予測値ek * (i+m)
(m=1,2,…,M) をより小さくするための指
標として、次の評価関数J
(i+m) は、前回の試行における追従偏差ek−
1 、現在の追従偏差ek (i) 、現在に至るまで
に入力してきた増分補正量Δσk (i−n) 、およ
び現在決定すべき増分補正量Δσk (i)によって予
測されている。そこで、本願の第1の発明では、Mステ
ップ未来までの追従偏差の予測値ek * (i+m)
(m=1,2,…,M) をより小さくするための指
標として、次の評価関数J
【0037】
【数24】
【0038】を考え、この評価関数Jが最小となるよう
にΔσk (i) を決定する。ここでw m は、m
ステップ未来の追従偏差の予測値ek * (i+m
) にかける重み係数であり、近い未来の予測値ほど重
視する減衰型(図3)や、現在決定する増分補正量Δσ
k (i) が出力に与える影響度を考慮したインパル
ス応答型(図4 ,wm =Hm −Hm−1 )など
が考えられる。ただし,wm >0 (m=1,2,…
,M) とする。また、c は補正量σk (i) に
かける重み係数であり、c ≧0とする。(16)、(
17a) 式より、
にΔσk (i) を決定する。ここでw m は、m
ステップ未来の追従偏差の予測値ek * (i+m
) にかける重み係数であり、近い未来の予測値ほど重
視する減衰型(図3)や、現在決定する増分補正量Δσ
k (i) が出力に与える影響度を考慮したインパル
ス応答型(図4 ,wm =Hm −Hm−1 )など
が考えられる。ただし,wm >0 (m=1,2,…
,M) とする。また、c は補正量σk (i) に
かける重み係数であり、c ≧0とする。(16)、(
17a) 式より、
【0039】
【数25】
【0040】は、
【0041】
【数26】
【0042】となり、上式は未知数Δσk (i) に
関する1次方程式である。さらに、
関する1次方程式である。さらに、
【0043】
【数27】
【0044】であるため、(17a) 式の評価関数を
最小にするΔσk (i) は(18)式より、
最小にするΔσk (i) は(18)式より、
【00
45】
45】
【数28】
【0046】を満たす。したがって、時刻iにおける増
分補正量Δσk(i) は(1a)式に従って決定され
る。本願の第2の発明では、次の評価関数J
分補正量Δσk(i) は(1a)式に従って決定され
る。本願の第2の発明では、次の評価関数J
【0047】
【数29】
【0048】を考え、この評価関数Jを最小とするΔσ
k (i) を同様に求めると(1b)式となる。本願
の第3の発明では、次の評価関数J
k (i) を同様に求めると(1b)式となる。本願
の第3の発明では、次の評価関数J
【0049】
【数30】
【0050】を考え、この評価関数Jを最小とするΔσ
k (i) を同様に求めると(1c)式となる。本願
の第4の発明では、次の評価関数J
k (i) を同様に求めると(1c)式となる。本願
の第4の発明では、次の評価関数J
【0051】
【数31】
【0052】を考え、この評価関数Jを最小とするΔσ
k (i) を同様に求めると(1d)式となる。ただ
し、
k (i) を同様に求めると(1d)式となる。ただ
し、
【0053】
【数32】
【0054】であり、これらの定数は、ステップ応答デ
ータ{H n }を測定し、重み係数{w m }を適
当に与えることにより、学習を行う前にあらかじめ算出
できる。 以上で、(1a)〜(1d)式で与えられる増分補正量
Δσk (i) が、(17a) 〜(17d)式の評
価関数Jを最小にすることが示された。なお、重み係数
c は、試行を重ねる過程で、学習が利きすぎる場合は
大きくしたり、収束を速くしたい箇所では小さくしたり
して、変化させても良い。
ータ{H n }を測定し、重み係数{w m }を適
当に与えることにより、学習を行う前にあらかじめ算出
できる。 以上で、(1a)〜(1d)式で与えられる増分補正量
Δσk (i) が、(17a) 〜(17d)式の評
価関数Jを最小にすることが示された。なお、重み係数
c は、試行を重ねる過程で、学習が利きすぎる場合は
大きくしたり、収束を速くしたい箇所では小さくしたり
して、変化させても良い。
【0055】
【発明の効果】以上述べたように、本発明によれば、同
じパターンの目標値に対する動作を繰り返す学習制御系
において、過去の偏差および制御対象の動特性に関する
情報をもとに未来の偏差を予測し、その予測値および制
御入力あるいはその補正量の重み付き2乗和が最小とな
るように制御入力を補正していくため、補正の度合いを
調節したり、制御入力の値やその変化の度合いに制約を
与えたりすることが可能であり、最終的には目標値と出
力が一致し、高精度な追従動作が実現される。
じパターンの目標値に対する動作を繰り返す学習制御系
において、過去の偏差および制御対象の動特性に関する
情報をもとに未来の偏差を予測し、その予測値および制
御入力あるいはその補正量の重み付き2乗和が最小とな
るように制御入力を補正していくため、補正の度合いを
調節したり、制御入力の値やその変化の度合いに制約を
与えたりすることが可能であり、最終的には目標値と出
力が一致し、高精度な追従動作が実現される。
【図1】本発明の実施例を示す図
【図2】本発明の動作説明図
【図3】本発明の動作説明図
【図4】本発明の動作説明図
【符号説明】3 定数q1 、q2 、・・・ 、q
M 、Q、g1 、g2 、・・・ 、gN−1を記憶
するメモリ4 前回の試行の時刻iから現在時刻iま
での偏差e(ek−1(i)〜ek (i) )を記憶
するメモリ5 現在時刻iに至るまでの増分補正量(
Δσk (j),j=i−1,i−2,・・,i−N+
1) を記憶するメモリ6 前回の試行の時刻iから
現在時刻iまでの制御入力(uk−1(i)〜uk (
i) )を記憶するメモリ7 演算回路 12 ホールド回路 13 制御対象
M 、Q、g1 、g2 、・・・ 、gN−1を記憶
するメモリ4 前回の試行の時刻iから現在時刻iま
での偏差e(ek−1(i)〜ek (i) )を記憶
するメモリ5 現在時刻iに至るまでの増分補正量(
Δσk (j),j=i−1,i−2,・・,i−N+
1) を記憶するメモリ6 前回の試行の時刻iから
現在時刻iまでの制御入力(uk−1(i)〜uk (
i) )を記憶するメモリ7 演算回路 12 ホールド回路 13 制御対象
Claims (9)
- 【請求項1】同じパターンを繰り返す目標指令に制御対
象の出力を追従させるよう試行を繰り返し、k回目の試
行の、時刻iにおける制御入力uk (i) を、次式
uk (i) = uk−1(i)+σk (i)σk
(i) = σk (i−1)+Δσk (i)(た
だし、kは試行回数を表わし、σk (i) は前回の
制御入力uk−1(i)からの補正量であり、Δσk
(i) はその増分値である)で与える学習制御系にお
いて、Mステップ未来までの追従偏差eを予測し、それ
らの予測値{ek * (i+1),ek * (i+
2),…, ek * (i+M) }と補正量σk
(i) の重み付き2乗和 【数1】 (ただし、 wm は、m ステップ未来の追従偏差の
予測値ek * (i+m) にかける重み係数であり
、cは補正量σk (i) にかける重み係数である)
が最小となるように、増分補正量Δσk (i) を決
定することを特徴とする学習制御方式。 - 【請求項2】k回目の試行の、時刻iにおける増分補正
量Δσk (i)を、 【数2】 (ただし、qm 、Q、gn 、Cは、制御対象のステ
ップ応答のサンプル値と、予測される未来の偏差および
補正量に掛ける重みによって決定される定数である)と
することを特徴とする請求項1記載の学習制御方式。 - 【請求項3】同じパターンを繰り返す目標指令に制御対
象の出力を追従させるよう試行を繰り返し、k回目の試
行の、時刻iにおける制御入力uk (i) を次式u
k (i) = uk−1 (i) +σk (i)σ
k (i) = σk (i−1)+Δσk (i)(
ただし、kは試行回数を表わし、σk (i) は前回
の制御入力uk−1 (i) からの補正量であり、Δ
σk (i) はその増分値である)で与える学習制御
系において、Mステップ未来までの追従偏差eを予測し
、それらの予測値{ek * (i+1),ek *
(i+2),…, ek * (i+M) }と増分補
正量Δσk (i) の重み付き2乗和【数3】 (ただし、 wm は、m ステップ未来の追従偏差の
予測値ek * (i+m) にかける重み係数であり
、cは増分補正量Δσk (i) にかける重み係数で
ある)が最小となるように、増分補正量Δσk (i)
を決定することを特徴とする学習制御方式。 - 【請求項4】k回目の試行の、時刻iにおける補正量Δ
σk (i) を、 【数4】 (ただし、qm 、Q、gn は、制御対象のステップ
応答のサンプル値と、予測される未来の偏差および補正
量の増分値に掛ける重みによって決定される定数である
)とすることを特徴とする請求項3記載の学習制御方式
。 - 【請求項5】同じパターンを繰り返す目標指令に制御対
象の出力を追従させるよう試行を繰り返し、k回目の試
行の、時刻iにおける制御入力uk (i) を、次式
uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)(ただし、kは試行回数を表わし、σk (i) は
前回の制御入力uk−1 (i) からの補正量であり
、Δσk (i) はその増分値である)で与える学習
制御系において、Mステップ未来までの追従偏差eを予
測し、それらの予測値{ek * (i+1),ek
* (i+2),…, ek * (i+M) }と制
御入力uk (i) の重み付き2乗和 【数5】 (ただし、 wm は、m ステップ未来の追従偏差の
予測値ek * (i+m) にかける重み係数であり
、cは制御入力uk (i) にかける重み係数である
)が最小となるように、増分補正量Δσk (i) を
決定することを特徴とする学習制御方式。 - 【請求項6】k回目の試行の、時刻iにおける補正量Δ
σk (i) を、 【数6】 (ただし、qm 、Q、gn 、Cは、制御対象のステ
ップ応答のサンプル値と、予測される未来の偏差および
制御入力に掛ける重みによって決定される定数である)
とすることを特徴とする請求項5記載の学習制御方式。 - 【請求項7】同じパターンを繰り返す目標指令に制御対
象の出力を追従させるよう試行を繰り返し、k回目の試
行の、時刻iにおける制御入力uk (i) を、次式
uk (i) = uk−1 (i) + σk (i
)σk (i) = σk (i−1)+Δσk (i
)ただし、kは試行回数を表わし、σk (i) は前
回の制御入力uk−1 (i) からの補正量であり、
Δσk (i) はその増分値である。で与える学習制
御系において、Mステップ未来までの追従偏差eを予測
し、それらの予測値{ek * (i+1),ek *
(i+2),…, ek * (i+M) }と制御
入力の増分値Δuk−1 (i) の重み付き2乗和【
数7】 ただし、 wm は、m ステップ未来の追従偏差の予
測値ek * (i+m) にかける重み係数であり、
cは制御入力の増分値Δuk (i) にかける重み係
数である。が最小となるように、増分補正量Δσk (
i) を決定することを特徴とする学習制御方式。 - 【請求項8】k回目の試行の、時刻iにおける増分補正
量Δσk (i)を、 【数8】 (ただし、qm 、Q、gn 、Cは、制御対象のステ
ップ応答のサンプル値と、予測される未来の偏差および
制御入力の増分値に掛ける重みによって決定される定数
である)とすることを特徴とする請求項7記載の学習制
御方式。 - 【請求項9】試行を重ねる過程で、重み係数c の値を
変化させることを特徴とする請求項1、3、5、または
7記載の学習制御方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP03161031A JP3109605B2 (ja) | 1991-06-04 | 1991-06-04 | 学習制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP03161031A JP3109605B2 (ja) | 1991-06-04 | 1991-06-04 | 学習制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04358202A true JPH04358202A (ja) | 1992-12-11 |
JP3109605B2 JP3109605B2 (ja) | 2000-11-20 |
Family
ID=15727285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP03161031A Expired - Fee Related JP3109605B2 (ja) | 1991-06-04 | 1991-06-04 | 学習制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3109605B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07141004A (ja) * | 1993-11-12 | 1995-06-02 | Yaskawa Electric Corp | 最適予見学習制御装置 |
JP2019053594A (ja) * | 2017-09-15 | 2019-04-04 | ファナック株式会社 | 制御装置及び機械学習装置 |
-
1991
- 1991-06-04 JP JP03161031A patent/JP3109605B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07141004A (ja) * | 1993-11-12 | 1995-06-02 | Yaskawa Electric Corp | 最適予見学習制御装置 |
JP2019053594A (ja) * | 2017-09-15 | 2019-04-04 | ファナック株式会社 | 制御装置及び機械学習装置 |
US10691091B2 (en) | 2017-09-15 | 2020-06-23 | Fanuc Corporation | Controller and machine learning device |
Also Published As
Publication number | Publication date |
---|---|
JP3109605B2 (ja) | 2000-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR970003823B1 (ko) | 주기적 목표치에 최적하게 추종하는 제어방식 | |
JPH05127706A (ja) | ニユーラルネツト型シミユレータ | |
EP0709754A1 (en) | Prediction controller | |
KR100267362B1 (ko) | 예견제어장치 | |
JP3362379B2 (ja) | 力制御装置における力の検出方法 | |
JPH04358202A (ja) | 学習制御方法 | |
JP2921056B2 (ja) | 速度指令の補正による学習制御装置 | |
JPH04369002A (ja) | 近似ステップ応答による予見学習制御方式 | |
JP3039814B2 (ja) | 学習制御方式 | |
JP3039573B2 (ja) | 学習制御方式 | |
JP2876702B2 (ja) | 学習制御方法 | |
JP3036654B2 (ja) | 学習制御方式 | |
JP3191836B2 (ja) | 学習制御装置 | |
JP3152251B2 (ja) | 増分値演算による学習制御方法 | |
JPH01237701A (ja) | 周期的目標値に最適に追従する制御方法 | |
JPS62118406A (ja) | 未来目標値と過去の操作量及び試行時の偏差の情報を用いる制御方式 | |
JP4155508B2 (ja) | 制御装置の制御パラメータ調整方法 | |
JP3196907B2 (ja) | 出力検出にむだ時間を持つ系の学習制御装置 | |
JP3256950B2 (ja) | 最適予見学習制御装置 | |
JPH05143109A (ja) | 速度指令の補正による学習制御方式 | |
CN114118307A (zh) | 抑制温度效应的光磁编码器智能数据融合处理方法及装置 | |
JPH0527829A (ja) | 予見制御方式 | |
RU2295151C2 (ru) | Устройство для моделирования системы управления | |
JPH0743608B2 (ja) | 未来目標値と過去の操作量の情報を用いるディジタル制御装置 | |
JPH0272405A (ja) | メンバーシップ関数決定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070914 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080914 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080914 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090914 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |