JPH05257919A - 適応型制御装置の学習処理方式 - Google Patents
適応型制御装置の学習処理方式Info
- Publication number
- JPH05257919A JPH05257919A JP4054611A JP5461192A JPH05257919A JP H05257919 A JPH05257919 A JP H05257919A JP 4054611 A JP4054611 A JP 4054611A JP 5461192 A JP5461192 A JP 5461192A JP H05257919 A JPH05257919 A JP H05257919A
- Authority
- JP
- Japan
- Prior art keywords
- control
- adaptive
- amount
- output
- conversion function
- 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.)
- Withdrawn
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】本発明は、適応型制御装置のデータ変換機能の
学習を実現する適応型制御装置の学習処理方式に関し、
適応型制御装置のデータ変換機能を教師信号を要求され
ることなく、かつ、オンラインで学習できるようにする
とともに、更に、ハードウェアによる実装を可能にする
ことを目的とする。 【構成】適応型制御装置が、制御対象の持つ制御状態量
と制御目標量との差分量と、制御対象に与えられる制御
操作量とを入力信号とするとともに、制御操作差分量を
出力信号とする構成を採り、かつ、制御操作量を入力と
して、出力信号と制御操作差分量との乗算量が、制御状
態差分量と一致することになるようにとデータ変換機能
が学習されるように構成される適応型データ処理装置を
備え、この適応型データ処理装置の出力する出力信号に
従って、適応型制御装置のデータ変換機能の学習を実行
していくように構成する。
学習を実現する適応型制御装置の学習処理方式に関し、
適応型制御装置のデータ変換機能を教師信号を要求され
ることなく、かつ、オンラインで学習できるようにする
とともに、更に、ハードウェアによる実装を可能にする
ことを目的とする。 【構成】適応型制御装置が、制御対象の持つ制御状態量
と制御目標量との差分量と、制御対象に与えられる制御
操作量とを入力信号とするとともに、制御操作差分量を
出力信号とする構成を採り、かつ、制御操作量を入力と
して、出力信号と制御操作差分量との乗算量が、制御状
態差分量と一致することになるようにとデータ変換機能
が学習されるように構成される適応型データ処理装置を
備え、この適応型データ処理装置の出力する出力信号に
従って、適応型制御装置のデータ変換機能の学習を実行
していくように構成する。
Description
【０００１】
【産業上の利用分野】本発明は、設定変更可能なデータ
変換機能に従って、入力信号に対応する出力信号を算出
して出力する構成を採って、この入出力信号関係に従っ
て制御対象を所望の制御状態に制御する構成を採る適応
型制御装置のデータ変換機能を学習する適応型制御装置
の学習処理方式に関し、特に、適応型制御装置のデータ
変換機能を教師信号を要求されることなく、かつ、オン
ラインで学習できるようにするとともに、更に、ハード
ウェアによる実装をも可能とする適応型制御装置の学習
処理方式に関するものである。
変換機能に従って、入力信号に対応する出力信号を算出
して出力する構成を採って、この入出力信号関係に従っ
て制御対象を所望の制御状態に制御する構成を採る適応
型制御装置のデータ変換機能を学習する適応型制御装置
の学習処理方式に関し、特に、適応型制御装置のデータ
変換機能を教師信号を要求されることなく、かつ、オン
ラインで学習できるようにするとともに、更に、ハード
ウェアによる実装をも可能とする適応型制御装置の学習
処理方式に関するものである。
【０００２】ニューロコンピュータ等のように、設定変
更可能なデータ変換機能に従ってデータ処理を実行する
適応型データ処理装置があり、この適応型データ処理装
置を用いて、制御対象を所望の制御状態に制御する適応
型制御装置を構築していくことが行われている。このよ
うな適応型制御装置を複雑な制御対象の制御処理にも用
いることができるようにするためには、そのデータ変換
機能を教師信号を用いずに学習できるようにしていく必
要がある。
更可能なデータ変換機能に従ってデータ処理を実行する
適応型データ処理装置があり、この適応型データ処理装
置を用いて、制御対象を所望の制御状態に制御する適応
型制御装置を構築していくことが行われている。このよ
うな適応型制御装置を複雑な制御対象の制御処理にも用
いることができるようにするためには、そのデータ変換
機能を教師信号を用いずに学習できるようにしていく必
要がある。
【０００３】
【従来の技術】ニューロコンピュータ等のような適応型
データ処理装置に従ってデータ処理目的を実現するとき
には、データ処理目的にかなう入出力信号関係を持つ教
師信号群を入手して、その教師信号群の入出力信号関係
が実現できるようにと、バックプロパゲーション法等の
学習アルゴリズムを用いて適応型データ処理装置のデー
タ変換機能を学習していくことになる。
データ処理装置に従ってデータ処理目的を実現するとき
には、データ処理目的にかなう入出力信号関係を持つ教
師信号群を入手して、その教師信号群の入出力信号関係
が実現できるようにと、バックプロパゲーション法等の
学習アルゴリズムを用いて適応型データ処理装置のデー
タ変換機能を学習していくことになる。
【０００４】この教師信号群を入手することは、データ
処理目的が、例えば入力値の論理積値を算出するといっ
たように数学的に明示的である場合や、入力文字の認識
といったように入出力信号関係が明示的である場合に
は、比較的容易に可能となるものの、データ処理目的が
複雑となってくると極めて困難なものとなっている。特
に、データ処理目的が制御対象の制御処理にある場合、
制御対象が複雑であることで教師信号群の入手が事実上
不可能という点が挙げられる。
処理目的が、例えば入力値の論理積値を算出するといっ
たように数学的に明示的である場合や、入力文字の認識
といったように入出力信号関係が明示的である場合に
は、比較的容易に可能となるものの、データ処理目的が
複雑となってくると極めて困難なものとなっている。特
に、データ処理目的が制御対象の制御処理にある場合、
制御対象が複雑であることで教師信号群の入手が事実上
不可能という点が挙げられる。
【０００５】次に、この点に関して、多関節を持つロボ
ットマニピュレータを具体例にして説明する。多関節の
ロボットマニピュレータでは、ｘi （ｉ＝１〜ｍ）をｍ
次元空間の空間座標、ｑj （ｊ＝１〜ｎ）をｎ個ある関
節の第ｊ関節の関節変位角度とするならば、ｑ ＝（ｑ1,ｑ2,ｑ3,…ｑn ）T 但し、Ｔは転置行列という関節変位角度ベクトルを制御
操作量として持ち、ｘ ＝（ｘ1,ｘ2,ｘ3,…ｘm ）T という手先位置ベクトルの制御状態量を持つことにな
り、これらの間には、非線形で表されるｘ ＝Ｆ（ｑ） 式 という関係式が成立することになる。
ットマニピュレータを具体例にして説明する。多関節の
ロボットマニピュレータでは、ｘi （ｉ＝１〜ｍ）をｍ
次元空間の空間座標、ｑj （ｊ＝１〜ｎ）をｎ個ある関
節の第ｊ関節の関節変位角度とするならば、ｑ ＝（ｑ1,ｑ2,ｑ3,…ｑn ）T 但し、Ｔは転置行列という関節変位角度ベクトルを制御
操作量として持ち、ｘ ＝（ｘ1,ｘ2,ｘ3,…ｘm ）T という手先位置ベクトルの制御状態量を持つことにな
り、これらの間には、非線形で表されるｘ ＝Ｆ（ｑ） 式 という関係式が成立することになる。
【０００６】この非線形な関係式から分かるように、関
節変位角度ベクトルｑが与えられれば、この関係式に代
入していくことで、手先位置ベクトルｘは容易に決定で
きる。すなわち、マニピュレータの各関節の駆動機構に
駆動電流等のエネルギーを与えれば、一義的にマニピュ
レータの手先位置が決定されていくことになることから
も分かるように、関節変位角度ベクトルｑが与えられれ
ば、この関係式に従って、手先位置ベクトルｘが一義的
に決定されることになるのである。
節変位角度ベクトルｑが与えられれば、この関係式に代
入していくことで、手先位置ベクトルｘは容易に決定で
きる。すなわち、マニピュレータの各関節の駆動機構に
駆動電流等のエネルギーを与えれば、一義的にマニピュ
レータの手先位置が決定されていくことになることから
も分かるように、関節変位角度ベクトルｑが与えられれ
ば、この関係式に従って、手先位置ベクトルｘが一義的
に決定されることになるのである。
【０００７】しかるに、実際にロボットマニピュレータ
で作業を行う場合には、手先位置ベクトルｘを指定して
マニピュレータに要求される移動軌道が与えられる。こ
れから、ロボットマニピュレータの制御を実現するため
には、この関係式を逆に解いていく必要がある。すなわ
ち、ｑ ＝Ｆ -1（ｘ） 式 という関係式を導き出す必要がある。この式を解く問
題は、逆運動学問題と言われるものであって、手先位置
ベクトルｘに対応する関節変位角度ベクトルｑが存在す
るものとは限らず、また、存在しても一意とは限らない
という性質を持っている。
で作業を行う場合には、手先位置ベクトルｘを指定して
マニピュレータに要求される移動軌道が与えられる。こ
れから、ロボットマニピュレータの制御を実現するため
には、この関係式を逆に解いていく必要がある。すなわ
ち、ｑ ＝Ｆ -1（ｘ） 式 という関係式を導き出す必要がある。この式を解く問
題は、逆運動学問題と言われるものであって、手先位置
ベクトルｘに対応する関節変位角度ベクトルｑが存在す
るものとは限らず、また、存在しても一意とは限らない
という性質を持っている。
【０００８】このように、ロボットマニピュレータの手
先位置が与えられるときに、それを実現する関節変位角
度を求めるには、式の関係式を解いていく必要があ
る。しかしながら、この方法は、単純な構造のロボット
マニピュレータに対しては実現可能であるものの、関節
数が多くなるような複雑な構造のロボットマニピュレー
タに対しては、複雑な解析処理が要求されることになっ
て現実には不可能である。これから、複雑な構造を持つ
ロボットマニピュレータについては、制御目的を実現す
るための教師信号群を得ることができないので、適応型
データ処理装置により構成される適応型制御装置を構築
することができないことになる。
先位置が与えられるときに、それを実現する関節変位角
度を求めるには、式の関係式を解いていく必要があ
る。しかしながら、この方法は、単純な構造のロボット
マニピュレータに対しては実現可能であるものの、関節
数が多くなるような複雑な構造のロボットマニピュレー
タに対しては、複雑な解析処理が要求されることになっ
て現実には不可能である。これから、複雑な構造を持つ
ロボットマニピュレータについては、制御目的を実現す
るための教師信号群を得ることができないので、適応型
データ処理装置により構成される適応型制御装置を構築
することができないことになる。
【０００９】図１２ないし図１６に、この問題点を解決
するために採用されている従来技術を図示する。ここ
で、図中、適応型制御装置のデータ変換機能の学習を実
行する学習処理装置については、適応型制御装置を斜め
に突きさす直線でもってその存在を示してあり、また、
Ｎは、適応型制御装置のデータ変換機能の学習処理の実
現のために用意される適応型データ処理装置（斜めに突
きさす直線は、そのデータ変換機能の学習を実行する学
習処理装置）を表している。
するために採用されている従来技術を図示する。ここ
で、図中、適応型制御装置のデータ変換機能の学習を実
行する学習処理装置については、適応型制御装置を斜め
に突きさす直線でもってその存在を示してあり、また、
Ｎは、適応型制御装置のデータ変換機能の学習処理の実
現のために用意される適応型データ処理装置（斜めに突
きさす直線は、そのデータ変換機能の学習を実行する学
習処理装置）を表している。
【００１０】図１２に示す従来技術（参考文献／D.Psal
tis,A.Sideris and A.A.Yamamura:AMultilayered Neura
l Network,IEEE Control Systems Magagine,Vol.8,No.
2,pp.17-21(1988). 以下資料１と略記）は、図１２
（ａ）に示すように、ランダムな制御操作量ｑを制御対
象に与えて実際に駆動し、そのときの制御対象の制御状
態量ｘを求めて適応型制御装置に入力するとともに、そ
のときの適応型制御装置の出力信号が制御対象に与えた
制御操作量ｑになるようにと、適応型制御装置の持つデ
ータ変換機能を学習する。そして、実際に制御対象を制
御するときには、図１２（ｂ）に示すように、学習され
たデータ変換機能を持つ適応型制御装置に制御状態量の
制御目標量ｘd を入力して、そのときの適応型制御装置
の出力する制御操作量ｑを制御対象に与えていくこと
で、制御対象の制御状態量が目標のものになるようにと
制御するものである。
tis,A.Sideris and A.A.Yamamura:AMultilayered Neura
l Network,IEEE Control Systems Magagine,Vol.8,No.
2,pp.17-21(1988). 以下資料１と略記）は、図１２
（ａ）に示すように、ランダムな制御操作量ｑを制御対
象に与えて実際に駆動し、そのときの制御対象の制御状
態量ｘを求めて適応型制御装置に入力するとともに、そ
のときの適応型制御装置の出力信号が制御対象に与えた
制御操作量ｑになるようにと、適応型制御装置の持つデ
ータ変換機能を学習する。そして、実際に制御対象を制
御するときには、図１２（ｂ）に示すように、学習され
たデータ変換機能を持つ適応型制御装置に制御状態量の
制御目標量ｘd を入力して、そのときの適応型制御装置
の出力する制御操作量ｑを制御対象に与えていくこと
で、制御対象の制御状態量が目標のものになるようにと
制御するものである。
【００１１】図１３に示す従来技術（参考文献／資料
１）は、制御目標量ｘd を入力とする適応型制御装置の
出力する制御操作量ｑを制御対象に与えていくときにあ
って、制御対象の出力する制御状態量ｘを入力とする適
応型データ処理装置Ｎを設けて、適応型制御装置の出力
信号と適応型データ処理装置Ｎの出力信号とが一致する
ようにと、適応型制御装置及び適応型データ処理装置Ｎ
のデータ変換機能を学習していくことで、制御目標量ｘ
d を実現する制御操作量ｑの出力を実行する適応型制御
装置の構築を実現するものである。
１）は、制御目標量ｘd を入力とする適応型制御装置の
出力する制御操作量ｑを制御対象に与えていくときにあ
って、制御対象の出力する制御状態量ｘを入力とする適
応型データ処理装置Ｎを設けて、適応型制御装置の出力
信号と適応型データ処理装置Ｎの出力信号とが一致する
ようにと、適応型制御装置及び適応型データ処理装置Ｎ
のデータ変換機能を学習していくことで、制御目標量ｘ
d を実現する制御操作量ｑの出力を実行する適応型制御
装置の構築を実現するものである。
【００１２】図１４に示す従来技術（参考文献／資料
１）は、制御目標量ｘd を入力とする適応型制御装置の
出力する制御操作量ｑを制御対象に与えていくときにあ
って、制御対象の逆Jacobianを算出する算出器を設け、
この算出器に従って、制御目標量ｘd と制御対象の制御
状態量ｘとの差分量に対応付けられる制御操作差分量Δ
ｑを算出して、この制御操作差分量Δｑが小さくなるよ
うにと適応型制御装置のデータ変換機能を学習していく
ことで、制御目標量ｘd を実現する制御操作量ｑの出力
を実行する適応型制御装置の構築を実現するものであ
る。
１）は、制御目標量ｘd を入力とする適応型制御装置の
出力する制御操作量ｑを制御対象に与えていくときにあ
って、制御対象の逆Jacobianを算出する算出器を設け、
この算出器に従って、制御目標量ｘd と制御対象の制御
状態量ｘとの差分量に対応付けられる制御操作差分量Δ
ｑを算出して、この制御操作差分量Δｑが小さくなるよ
うにと適応型制御装置のデータ変換機能を学習していく
ことで、制御目標量ｘd を実現する制御操作量ｑの出力
を実行する適応型制御装置の構築を実現するものであ
る。
【００１３】図１５に示す従来技術（参考文献／M.Kawa
to,Y.Uno,M.Isobe and R.Suzuki:Ahierarchical neural
network model for voluntary movement with applica
tion to robotics,IEEE Control Systems Magagine 8,8
-16(1988).)は、制御目標量ｘd と制御対象の制御状態
量ｘとの差分量を入力とする固定利得Ｋを持つフィード
バック制御器を設けるとともに、制御目標量ｘd を入力
とする適応型制御装置の出力する制御操作量ｑと、この
フィードバック制御器の出力する誤差量との加算量を制
御対象に与える構成を採って、フィードバック制御器の
出力する誤差量が小さくなるようにと適応型制御装置の
データ変換機能を学習していくことで、制御目標量ｘd
を実現する制御操作量ｑの出力を実行する適応型制御装
置の構築を実現するものである。
to,Y.Uno,M.Isobe and R.Suzuki:Ahierarchical neural
network model for voluntary movement with applica
tion to robotics,IEEE Control Systems Magagine 8,8
-16(1988).)は、制御目標量ｘd と制御対象の制御状態
量ｘとの差分量を入力とする固定利得Ｋを持つフィード
バック制御器を設けるとともに、制御目標量ｘd を入力
とする適応型制御装置の出力する制御操作量ｑと、この
フィードバック制御器の出力する誤差量との加算量を制
御対象に与える構成を採って、フィードバック制御器の
出力する誤差量が小さくなるようにと適応型制御装置の
データ変換機能を学習していくことで、制御目標量ｘd
を実現する制御操作量ｑの出力を実行する適応型制御装
置の構築を実現するものである。
【００１４】図１６に示す従来技術（参考文献／M.Jord
an:In ref.4.(ref.4/Neural Networks for Control: e
d. W.Thomas Miller,III et.al.(1990).)) は、適応型
制御装置の出力する制御操作量ｑを入力とする適応型デ
ータ処理装置Ｎを設けて、この適応型データ処理装置Ｎ
が制御対象と同一の入出力特性を持つ順システムとなる
ように学習する。そして、十分学習した後に、適応型デ
ータ処理装置Ｎの出力する制御状態量ｘ’と制御目標量
ｘd との誤差量を、適応型データ処理装置Ｎのデータ変
換機能の内部状態値を固定にして逆伝播させることで入
力誤差を得て、この入力誤差を学習信号として用いて適
応型制御装置のデータ変換機能を学習していくことで、
制御目標量ｘd を実現する制御操作量ｑの出力を実行す
る適応型制御装置の構築を実現するものである。
an:In ref.4.(ref.4/Neural Networks for Control: e
d. W.Thomas Miller,III et.al.(1990).)) は、適応型
制御装置の出力する制御操作量ｑを入力とする適応型デ
ータ処理装置Ｎを設けて、この適応型データ処理装置Ｎ
が制御対象と同一の入出力特性を持つ順システムとなる
ように学習する。そして、十分学習した後に、適応型デ
ータ処理装置Ｎの出力する制御状態量ｘ’と制御目標量
ｘd との誤差量を、適応型データ処理装置Ｎのデータ変
換機能の内部状態値を固定にして逆伝播させることで入
力誤差を得て、この入力誤差を学習信号として用いて適
応型制御装置のデータ変換機能を学習していくことで、
制御目標量ｘd を実現する制御操作量ｑの出力を実行す
る適応型制御装置の構築を実現するものである。
【００１５】
【発明が解決しようとする課題】しかしながら、この図
１２に示す従来技術では、オフライン学習であるという
問題点がある。そして、適応型制御装置のデータ変換機
能を正しい逆システムのものとするためには、極めて多
数のランダムな制御操作量ｑを制御対象に与えて学習を
行っていく必要があるという問題点がある。更に、ロボ
ットアームのリンク長といったような制御対象の持つパ
ラメータが変化すると、改めて学習をやり直さなくては
ならないという問題点がある。
１２に示す従来技術では、オフライン学習であるという
問題点がある。そして、適応型制御装置のデータ変換機
能を正しい逆システムのものとするためには、極めて多
数のランダムな制御操作量ｑを制御対象に与えて学習を
行っていく必要があるという問題点がある。更に、ロボ
ットアームのリンク長といったような制御対象の持つパ
ラメータが変化すると、改めて学習をやり直さなくては
ならないという問題点がある。
【００１６】また、図１３に示す従来技術では、適応型
制御装置のデータ変換機能の学習にあたって、適応型デ
ータ処理装置Ｎのデータ変換機能を予め学習しておく必
要があることから、オフライン学習になるという問題点
がある。そして、未学習の段階で、適応型制御装置の出
力信号と適応型データ処理装置Ｎの出力信号とが一致し
てしまうようなことが起こると、適応型制御装置のデー
タ変換機能の学習が実行できなくなるという問題点があ
る。
制御装置のデータ変換機能の学習にあたって、適応型デ
ータ処理装置Ｎのデータ変換機能を予め学習しておく必
要があることから、オフライン学習になるという問題点
がある。そして、未学習の段階で、適応型制御装置の出
力信号と適応型データ処理装置Ｎの出力信号とが一致し
てしまうようなことが起こると、適応型制御装置のデー
タ変換機能の学習が実行できなくなるという問題点があ
る。
【００１７】また、図１４に示す従来技術では、算出器
に従って逆Jacobianをリアルタイムでもって算出してい
く必要があることから、オフライン学習になるという問
題点がある。そして、算出器を備えるために、制御対象
の逆Jacobianの知識が必要になるという問題点がある。
に従って逆Jacobianをリアルタイムでもって算出してい
く必要があることから、オフライン学習になるという問
題点がある。そして、算出器を備えるために、制御対象
の逆Jacobianの知識が必要になるという問題点がある。
【００１８】また、図１５に示す従来技術では、オンラ
イン学習を実現できるという利点はある。しかしなが
ら、適応型制御装置のデータ変換機能の学習を実現する
ためには、フィードバック制御器の固定利得Ｋが適切に
設定される必要があるが、この固定利得Ｋの設定のため
には、制御対象の逆Jacobianの知識が必要になるという
問題点がある。
イン学習を実現できるという利点はある。しかしなが
ら、適応型制御装置のデータ変換機能の学習を実現する
ためには、フィードバック制御器の固定利得Ｋが適切に
設定される必要があるが、この固定利得Ｋの設定のため
には、制御対象の逆Jacobianの知識が必要になるという
問題点がある。
【００１９】また、図１６に示す従来技術では、適応型
制御装置のデータ変換機能の学習にあたって、適応型デ
ータ処理装置Ｎのデータ変換機能を予め学習しておく必
要があることから、オフライン学習になるという問題点
がある。
制御装置のデータ変換機能の学習にあたって、適応型デ
ータ処理装置Ｎのデータ変換機能を予め学習しておく必
要があることから、オフライン学習になるという問題点
がある。
【００２０】このようなことを背景にして、本出願人
は、先に出願の特願平３-51497号（発明の名称：適応型
制御装置の自己学習処理方式）において、適応型制御装
置のデータ変換機能を教師信号を要求されることなく、
すなわち、制御対象に対しての知識を要求されることな
く、かつ、オンラインで学習できるようにする新たな適
応型制御装置の学習処理方式の発明を開示した。しかる
に、この発明では、適応型制御装置の学習処理のアルゴ
リズムについては開示したものの、ハードウェア構成の
実現を可能とするまでに至っていない構成部分が残され
ていた。
は、先に出願の特願平３-51497号（発明の名称：適応型
制御装置の自己学習処理方式）において、適応型制御装
置のデータ変換機能を教師信号を要求されることなく、
すなわち、制御対象に対しての知識を要求されることな
く、かつ、オンラインで学習できるようにする新たな適
応型制御装置の学習処理方式の発明を開示した。しかる
に、この発明では、適応型制御装置の学習処理のアルゴ
リズムについては開示したものの、ハードウェア構成の
実現を可能とするまでに至っていない構成部分が残され
ていた。
【００２１】本発明はかかる事情に鑑みてなされたもの
であって、本出願人が先に出願した特願平３-51497号の
発明に従って、適応型制御装置のデータ変換機能を教師
信号を要求されることなく、かつ、オンラインで学習で
きるようにする構成を採るときにあって、この発明のハ
ードウェアによる実現を可能にする新たな適応型制御装
置の学習処理方式の提供を目的とするものである。
であって、本出願人が先に出願した特願平３-51497号の
発明に従って、適応型制御装置のデータ変換機能を教師
信号を要求されることなく、かつ、オンラインで学習で
きるようにする構成を採るときにあって、この発明のハ
ードウェアによる実現を可能にする新たな適応型制御装
置の学習処理方式の提供を目的とするものである。
【００２２】
【課題を解決するための手段】図１及び図２に本発明の
原理構成を図示する。図中、１は適応型制御装置、２は
非線形の制御対象、３は第１の適応型データ処理装置、
４は乗算器、５は第２の適応型データ処理装置、６は加
算器である。適応型制御装置１や第１の適応型データ処
理装置３や第２の適応型データ処理装置５としては、誤
差逆伝播型やＣＭＡＣ型や自己組織型等のネットワーク
構成データ処理装置といったような様々な形式の適応型
データ処理装置を用いることが可能である。また、制御
対象２は、その数学的なモデルを確立できる必要はない
が、入出力関係は測定可能であるものとし、特性パラメ
ータについては時間的に変化することも許容する。
原理構成を図示する。図中、１は適応型制御装置、２は
非線形の制御対象、３は第１の適応型データ処理装置、
４は乗算器、５は第２の適応型データ処理装置、６は加
算器である。適応型制御装置１や第１の適応型データ処
理装置３や第２の適応型データ処理装置５としては、誤
差逆伝播型やＣＭＡＣ型や自己組織型等のネットワーク
構成データ処理装置といったような様々な形式の適応型
データ処理装置を用いることが可能である。また、制御
対象２は、その数学的なモデルを確立できる必要はない
が、入出力関係は測定可能であるものとし、特性パラメ
ータについては時間的に変化することも許容する。
【００２３】適応型制御装置１は、設定変更可能なデー
タ変換機能ＮA に従って、入力信号に対応する出力信号
を算出して出力する構成を採り、この入出力信号関係に
従って制御対象２を所望の制御状態に制御するものであ
って、試行動作する制御対象２の持つ制御状態量（図中
のｘ）とこの制御状態量の制御目標量（図中のｘd ）と
の差分量（図中のｅx ）と、制御対象２に与えられる制
御操作量（図中のｑ）とを入力信号とするとともに、制
御対象２に与える制御操作差分量（図中のΔｑ）を出力
信号とする構成を採る。ここで、この適応型制御装置１
のデータ変換機能ＮA の学習を実行する学習処理装置に
ついては、適応型制御装置１を斜めに突きさす直線でも
ってその存在を示してある。
タ変換機能ＮA に従って、入力信号に対応する出力信号
を算出して出力する構成を採り、この入出力信号関係に
従って制御対象２を所望の制御状態に制御するものであ
って、試行動作する制御対象２の持つ制御状態量（図中
のｘ）とこの制御状態量の制御目標量（図中のｘd ）と
の差分量（図中のｅx ）と、制御対象２に与えられる制
御操作量（図中のｑ）とを入力信号とするとともに、制
御対象２に与える制御操作差分量（図中のΔｑ）を出力
信号とする構成を採る。ここで、この適応型制御装置１
のデータ変換機能ＮA の学習を実行する学習処理装置に
ついては、適応型制御装置１を斜めに突きさす直線でも
ってその存在を示してある。
【００２４】この適応型制御装置１のデータ変換機能Ｎ
A は、乗算器４の出力する出力信号に従って更新されて
いくことで学習されるように構成される。第１の適応型
データ処理装置３は、設定変更可能なデータ変換機能Ｎ
J に従って、入力信号に対応する出力信号を算出して出
力する構成を採り、制御対象２に与えられる制御操作量
（図中のｑ）を入力信号とするものであって、この出力
信号と上述の差分量（図中のｅx ）との乗算量が適応型
制御装置１のデータ変換機能ＮA の更新信号として用い
られることになる。ここで、この第１の適応型データ処
理装置３のデータ変換機能ＮJ の学習を実行する学習処
理装置については、第１の適応型データ処理装置３を斜
めに突きさす直線でもってその存在を示してある。
A は、乗算器４の出力する出力信号に従って更新されて
いくことで学習されるように構成される。第１の適応型
データ処理装置３は、設定変更可能なデータ変換機能Ｎ
J に従って、入力信号に対応する出力信号を算出して出
力する構成を採り、制御対象２に与えられる制御操作量
（図中のｑ）を入力信号とするものであって、この出力
信号と上述の差分量（図中のｅx ）との乗算量が適応型
制御装置１のデータ変換機能ＮA の更新信号として用い
られることになる。ここで、この第１の適応型データ処
理装置３のデータ変換機能ＮJ の学習を実行する学習処
理装置については、第１の適応型データ処理装置３を斜
めに突きさす直線でもってその存在を示してある。
【００２５】この第１の適応型データ処理装置３のデー
タ変換機能ＮJ は、出力信号と制御対象２に与えられる
制御操作差分量（図中のΔｑ）との乗算量が、制御対象
２の出力する制御状態差分量（図中のΔｘ）と一致する
ことになるようにと学習されるように構成される。
タ変換機能ＮJ は、出力信号と制御対象２に与えられる
制御操作差分量（図中のΔｑ）との乗算量が、制御対象
２の出力する制御状態差分量（図中のΔｘ）と一致する
ことになるようにと学習されるように構成される。
【００２６】乗算器４は、第１の適応型データ処理装置
３の出力する出力信号と上述の差分量（図中のｅx ）と
の乗算量を算出して、この乗算量を適応型制御装置１の
学習処理装置に出力する。
３の出力する出力信号と上述の差分量（図中のｅx ）と
の乗算量を算出して、この乗算量を適応型制御装置１の
学習処理装置に出力する。
【００２７】第２の適応型データ処理装置５は、設定変
更可能なデータ変換機能ＮF に従って、入力信号に対応
する出力信号を算出して出力する構成を採って、試行動
作する制御対象２の持つ制御状態量の制御目標量（図中
のｘd ）を入力信号とし、制御対象２に与える制御操作
量（図中のｑ’）を出力信号とする構成を採り、更に、
制御対象２の持つ特性パラメータを入力信号とすること
がある。ここで、この第２の適応型データ処理装置５の
データ変換機能ＮF の学習を実行する学習処理装置につ
いては、第２の適応型データ処理装置５を斜めに突きさ
す直線でもってその存在を示してある。
更可能なデータ変換機能ＮF に従って、入力信号に対応
する出力信号を算出して出力する構成を採って、試行動
作する制御対象２の持つ制御状態量の制御目標量（図中
のｘd ）を入力信号とし、制御対象２に与える制御操作
量（図中のｑ’）を出力信号とする構成を採り、更に、
制御対象２の持つ特性パラメータを入力信号とすること
がある。ここで、この第２の適応型データ処理装置５の
データ変換機能ＮF の学習を実行する学習処理装置につ
いては、第２の適応型データ処理装置５を斜めに突きさ
す直線でもってその存在を示してある。
【００２８】この第２の適応型データ処理装置５のデー
タ変換機能ＮF は、出力信号の制御操作量（図中の
ｑ’）が、適応型制御装置１により設定されて制御対象
２に与えられる制御操作量（図中のｑ）と一致すること
になるようにと学習されるように構成される。
タ変換機能ＮF は、出力信号の制御操作量（図中の
ｑ’）が、適応型制御装置１により設定されて制御対象
２に与えられる制御操作量（図中のｑ）と一致すること
になるようにと学習されるように構成される。
【００２９】加算器６は、適応型制御装置１の出力する
制御操作差分量（図中のΔｑ）と、適応型データ処理装
置４の出力する制御操作量（図中のｑ’）との加算量を
算出して、この加算量を制御対象２に制御操作量として
与えていく処理を実行する。
制御操作差分量（図中のΔｑ）と、適応型データ処理装
置４の出力する制御操作量（図中のｑ’）との加算量を
算出して、この加算量を制御対象２に制御操作量として
与えていく処理を実行する。
【００３０】
【作用】ｋサイクル目の試行サイクル時点において、制
御対象２に制御操作量ｑ（ｋ）が与えられるときに、制
御対象２が制御状態量ｘ（ｋ）を示すものとする。この
状態にあるときに、制御処理の目標となる制御目標量ｘ
d が与えられるとする。このとき、適応型制御装置１に
は、ｘ（ｋ）とｘd との誤差量である差分量ｅx ( ｋ）
が入力される。その結果、適応型制御装置１は、データ
変換機能ＮA を規定する内部状態値をｗA （ｋ）で表す
ならば、Δｑ （ｋ）＝ＮA （ｅx ( ｋ），ｑ（ｋ），ｗ
A （ｋ）） を出力する。これにより、制御対象２に制御操作量（ｑ
（ｋ）＋Δｑ（ｋ））が与えられることになり、制御対
象２の制御状態量はｘ（ｋ＋１）（≡ｘ（ｋ）＋Δｘ
（ｋ））に遷移する。
御対象２に制御操作量ｑ（ｋ）が与えられるときに、制
御対象２が制御状態量ｘ（ｋ）を示すものとする。この
状態にあるときに、制御処理の目標となる制御目標量ｘ
d が与えられるとする。このとき、適応型制御装置１に
は、ｘ（ｋ）とｘd との誤差量である差分量ｅx ( ｋ）
が入力される。その結果、適応型制御装置１は、データ
変換機能ＮA を規定する内部状態値をｗA （ｋ）で表す
ならば、Δｑ （ｋ）＝ＮA （ｅx ( ｋ），ｑ（ｋ），ｗ
A （ｋ）） を出力する。これにより、制御対象２に制御操作量（ｑ
（ｋ）＋Δｑ（ｋ））が与えられることになり、制御対
象２の制御状態量はｘ（ｋ＋１）（≡ｘ（ｋ）＋Δｘ
（ｋ））に遷移する。
【００３１】このような試行を実行していくときに、第
１の適応型データ処理装置３は、例えば、下記の評価関
数Ｊ1 を想定して、
１の適応型データ処理装置３は、例えば、下記の評価関
数Ｊ1 を想定して、
【００３２】
【数１】
【００３３】この評価関数Ｊ1 の関数値が極小値を示す
ことになるようにと評価していくことで、適応型制御装
置１のデータ変換機能ＮA の内部状態値をｗA （ｋ）を
更新するための更新信号を生成する。このデータ変換機
能ＮA の内部状態値の更新量ΔｗA （ｋ）は、例えば最
急降下法に従って、
ことになるようにと評価していくことで、適応型制御装
置１のデータ変換機能ＮA の内部状態値をｗA （ｋ）を
更新するための更新信号を生成する。このデータ変換機
能ＮA の内部状態値の更新量ΔｗA （ｋ）は、例えば最
急降下法に従って、
【００３４】
【数２】
【００３５】但し、μA ：学習係数 Ｔ ：転置行列 により決定される。
【００３６】この〔数２〕の第１項である“ｅx ( ｋ）
T ”は、制御対象２の制御状態量ｘ（ｋ）とその制御目
標量ｘd との差分量であり、計測により特定できる。第
２項である“∂ｘ（ｋ）／∂ｑ（ｋ）”は、制御対象２
の入出力微分特性（Jacobian）であり、計測により特定
できるとともに、制御対象２のモデルが既知であれば計
算により特定することも可能である。第３項である“∂
ｑ（ｋ）／∂ｗA （ｋ）”は、制御対象２に与えられる
制御操作量ｑの内部状態値ｗA （ｋ）についての偏微分
である。
T ”は、制御対象２の制御状態量ｘ（ｋ）とその制御目
標量ｘd との差分量であり、計測により特定できる。第
２項である“∂ｘ（ｋ）／∂ｑ（ｋ）”は、制御対象２
の入出力微分特性（Jacobian）であり、計測により特定
できるとともに、制御対象２のモデルが既知であれば計
算により特定することも可能である。第３項である“∂
ｑ（ｋ）／∂ｗA （ｋ）”は、制御対象２に与えられる
制御操作量ｑの内部状態値ｗA （ｋ）についての偏微分
である。
【００３７】この第３項は、適応型制御装置１のネット
ワーク構造にのみ依存する部分であり、以下に説明する
ように変形できる。すなわち、適応型制御装置１のデー
タ変換機能ＮA の遷移関数をφとすると、このデータ変
換機能ＮA の出力する制御操作差分量Δｑ（ｋ）は、 Δｑi ( ｋ）＝φ（ΣｗAij ( ｋ）Ｖj ( ｋ）−ｈi ） 但し、ｉ ：出力ユニットの番号 Ｖj ：出力ユニットの前層の出力 で与えられる。これから、ｎサイクル目の試行時点での
制御操作量ｑi ( ｎ）は、その初期値をｑi0とすると、
ワーク構造にのみ依存する部分であり、以下に説明する
ように変形できる。すなわち、適応型制御装置１のデー
タ変換機能ＮA の遷移関数をφとすると、このデータ変
換機能ＮA の出力する制御操作差分量Δｑ（ｋ）は、 Δｑi ( ｋ）＝φ（ΣｗAij ( ｋ）Ｖj ( ｋ）−ｈi ） 但し、ｉ ：出力ユニットの番号 Ｖj ：出力ユニットの前層の出力 で与えられる。これから、ｎサイクル目の試行時点での
制御操作量ｑi ( ｎ）は、その初期値をｑi0とすると、
【００３８】
【数３】
【００３９】で与えられることから、この第３項は、
【００４０】
【数４】
【００４１】但し、＜φ＞は遷移関数φの微分 ｕi ( ｋ）＝ΣｗAij ( ｋ）Ｖj ( ｋ）−ｈi と表せる。
【００４２】ここで、この〔数４〕中の遷移関数φの微
分項は、遷移関数φの関数が規定されているものである
ときには測定可能となるものであり、特に、線形関数で
あるときには定数となって、〔数４〕の値は出力ユニッ
トの前層の出力Ｖj により決定されることになる。そし
て、出力Ｖj が“１”か“０”を示す表参照形式のネッ
トワーク構造では、“１”のものだけが学習に寄与する
ことになる。
分項は、遷移関数φの関数が規定されているものである
ときには測定可能となるものであり、特に、線形関数で
あるときには定数となって、〔数４〕の値は出力ユニッ
トの前層の出力Ｖj により決定されることになる。そし
て、出力Ｖj が“１”か“０”を示す表参照形式のネッ
トワーク構造では、“１”のものだけが学習に寄与する
ことになる。
【００４３】これから、〔数２〕で表される適応型制御
装置１のデータ変換機能ＮA の内部状態値の更新量Δｗ
Aij ( ｋ）は、 ΔｗAij ( ｋ）＝μA ・Ｔ・＜φ（ｕi ( ｋ））＞・Ｖj ( ｋ） と表され、特に、遷移関数φが線形関数である場合に
は、 ΔｗAij ( ｋ）＝μA ・Ｔ・Ｖj ( ｋ） と表される。ここで、Ｔは、制御対象２の制御状態量と
制御目標量との差分量である“ｅx ( ｋ）T ”と、制御
対象２のJacobianである“∂ｘ（ｋ）／∂ｑ（ｋ）”と
の乗算量である
装置１のデータ変換機能ＮA の内部状態値の更新量Δｗ
Aij ( ｋ）は、 ΔｗAij ( ｋ）＝μA ・Ｔ・＜φ（ｕi ( ｋ））＞・Ｖj ( ｋ） と表され、特に、遷移関数φが線形関数である場合に
は、 ΔｗAij ( ｋ）＝μA ・Ｔ・Ｖj ( ｋ） と表される。ここで、Ｔは、制御対象２の制御状態量と
制御目標量との差分量である“ｅx ( ｋ）T ”と、制御
対象２のJacobianである“∂ｘ（ｋ）／∂ｑ（ｋ）”と
の乗算量である
【００４４】
【数５】
【００４５】として定義されるものである。第１の適応
型データ処理装置３は、〔課題を解決するための手段〕
の欄で説明したように、その出力信号と制御対象２に与
えられる制御操作差分量（図中のΔｑ）との乗算量が、
制御対象２の出力する制御状態差分量（図中のΔｘ）と
一致することになるようにとデータ変換機能ＮJ が学習
されるように構成されることで、制御対象２のJacobian
である“∂ｘ（ｋ）／∂ｑ（ｋ）”を出力信号として出
力するよう動作する。具体的には、第１の適応型データ
処理装置３のデータ変換機能ＮJ の学習処理装置は、第
１の適応型データ処理装置３のデータ変換機能ＮJ の内
部状態値ｗJ を、データ変換機能ＮJ が表参照形式で構
成される場合には、 ΔｗJ ＝μJ （Δｘ−Δｘ’）Δｑ データ変換機能ＮJ が線形出力細胞で構成される場合に
は、 ΔｗJ ＝μJ （Δｘ−Δｘ’）ΔｑΔＶ に従って更新していくことになる。ここで、Δｘ’は、
第１の適応型データ処理装置３の出力信号と制御操作差
分量Δｑとの乗算量を表している。
型データ処理装置３は、〔課題を解決するための手段〕
の欄で説明したように、その出力信号と制御対象２に与
えられる制御操作差分量（図中のΔｑ）との乗算量が、
制御対象２の出力する制御状態差分量（図中のΔｘ）と
一致することになるようにとデータ変換機能ＮJ が学習
されるように構成されることで、制御対象２のJacobian
である“∂ｘ（ｋ）／∂ｑ（ｋ）”を出力信号として出
力するよう動作する。具体的には、第１の適応型データ
処理装置３のデータ変換機能ＮJ の学習処理装置は、第
１の適応型データ処理装置３のデータ変換機能ＮJ の内
部状態値ｗJ を、データ変換機能ＮJ が表参照形式で構
成される場合には、 ΔｗJ ＝μJ （Δｘ−Δｘ’）Δｑ データ変換機能ＮJ が線形出力細胞で構成される場合に
は、 ΔｗJ ＝μJ （Δｘ−Δｘ’）ΔｑΔＶ に従って更新していくことになる。ここで、Δｘ’は、
第１の適応型データ処理装置３の出力信号と制御操作差
分量Δｑとの乗算量を表している。
【００４６】そして、この第１の適応型データ処理装置
３の出力信号を受けて、乗算器４は、第１の適応型デー
タ処理装置３の出力する“∂ｘ（ｋ）／∂ｑ（ｋ）”
と、制御対象２の制御状態量と制御目標量との差分量で
ある“ｅx ( ｋ）T ”との乗算量Ｔを算出して、適応型
制御装置１のデータ変換機能ＮA の学習処理装置に渡し
ていく。
３の出力信号を受けて、乗算器４は、第１の適応型デー
タ処理装置３の出力する“∂ｘ（ｋ）／∂ｑ（ｋ）”
と、制御対象２の制御状態量と制御目標量との差分量で
ある“ｅx ( ｋ）T ”との乗算量Ｔを算出して、適応型
制御装置１のデータ変換機能ＮA の学習処理装置に渡し
ていく。
【００４７】この乗算器４の出力する出力信号Ｔを受け
て、適応型制御装置１のデータ変換機能ＮA の学習処理
装置は、上述の ΔｗAij ( ｋ）＝μA ・Ｔ・＜φ（ｕi ( ｋ））＞・Ｖj ( ｋ） に従って、適応型制御装置１のデータ変換機能ＮA の内
部状態値ｗAij ( ｋ）を更新していくことで、データ変
換機能ＮA の学習を実行していく。このようにして実行
される学習処理は、〔数１〕で示される評価関数Ｊ1 の
関数値が極小値を示すことになるように実行されるもの
であることから、適応型制御装置１は、「ｘ（ｋ）→ｘ
d 」が実現されるようにと、データ変換機能ＮA の内部
状態値ｗA（ｋ）を更新していき、その結果、学習終了
後の適応型制御装置１のデータ変換機能ＮA には、
て、適応型制御装置１のデータ変換機能ＮA の学習処理
装置は、上述の ΔｗAij ( ｋ）＝μA ・Ｔ・＜φ（ｕi ( ｋ））＞・Ｖj ( ｋ） に従って、適応型制御装置１のデータ変換機能ＮA の内
部状態値ｗAij ( ｋ）を更新していくことで、データ変
換機能ＮA の学習を実行していく。このようにして実行
される学習処理は、〔数１〕で示される評価関数Ｊ1 の
関数値が極小値を示すことになるように実行されるもの
であることから、適応型制御装置１は、「ｘ（ｋ）→ｘ
d 」が実現されるようにと、データ変換機能ＮA の内部
状態値ｗA（ｋ）を更新していき、その結果、学習終了
後の適応型制御装置１のデータ変換機能ＮA には、
【００４８】
【数６】
【００４９】の写像が形成される。この写像は、制御対
象２が正確に数学モデルとして表されるときに導出され
るΔｑ ＝Ｊ（ｑ） -1Δｘ に相当するものである。ここで、Ｊ（ｑ）-1はInverse
Jacobianであって、Ｊ （ｑ）-1＝（∂Ｆ（ｑ）／∂ｑ）-1 と表される。
象２が正確に数学モデルとして表されるときに導出され
るΔｑ ＝Ｊ（ｑ） -1Δｘ に相当するものである。ここで、Ｊ（ｑ）-1はInverse
Jacobianであって、Ｊ （ｑ）-1＝（∂Ｆ（ｑ）／∂ｑ）-1 と表される。
【００５０】すなわち、ハードウェア構成による実装が
可能となる第１の適応型データ処理装置３は、正確な数
学モデルが確立できないような制御対象２であっても、
教師信号を要求することなく、かつ、オンライン処理で
もって、適応型制御装置１のデータ変換機能ＮA に制御
目標量への制御処理の実現のためのInverse Jacobianを
形成することで、適応型制御装置１をその制御対象２の
制御処理のための制御装置として構築していくよう処理
することになる。
可能となる第１の適応型データ処理装置３は、正確な数
学モデルが確立できないような制御対象２であっても、
教師信号を要求することなく、かつ、オンライン処理で
もって、適応型制御装置１のデータ変換機能ＮA に制御
目標量への制御処理の実現のためのInverse Jacobianを
形成することで、適応型制御装置１をその制御対象２の
制御処理のための制御装置として構築していくよう処理
することになる。
【００５１】このようにして、適応型制御装置１のデー
タ変換機能ＮA の学習が実行されていくときに、図１の
原理構成に従う本発明では、第２の適応型データ処理装
置５のデータ変換機能ＮF の学習を実行する学習処理装
置は、制御対象２に与えられる制御操作量（図中ｑ）を
教師信号として用いて、この制御操作量（図中のｑ）
と、第２の適応型データ処理装置５の出力する制御操作
量（図中のｑ’）との誤差値が極小値を示すようにと、
データ変換機能ＮF を規定するｗF （ｋ）を更新してい
く。
タ変換機能ＮA の学習が実行されていくときに、図１の
原理構成に従う本発明では、第２の適応型データ処理装
置５のデータ変換機能ＮF の学習を実行する学習処理装
置は、制御対象２に与えられる制御操作量（図中ｑ）を
教師信号として用いて、この制御操作量（図中のｑ）
と、第２の適応型データ処理装置５の出力する制御操作
量（図中のｑ’）との誤差値が極小値を示すようにと、
データ変換機能ＮF を規定するｗF （ｋ）を更新してい
く。
【００５２】この学習処理は、具体的には、制御対象２
に与えられて教師信号をなす制御操作量ｑ（ｋ）と、第
２の適応型データ処理装置５の出力する制御操作量ｑ’
( ｋ）との誤差値の２乗和により定義される下記の評価
関数Ｊ2
に与えられて教師信号をなす制御操作量ｑ（ｋ）と、第
２の適応型データ処理装置５の出力する制御操作量ｑ’
( ｋ）との誤差値の２乗和により定義される下記の評価
関数Ｊ2
【００５３】
【数７】
【００５４】の関数値が極小値を示すことになるように
と、第２の適応型データ処理装置５のデータ変換機能Ｎ
F の内部状態値をｗF （ｋ）を更新していくことで実行
されるものであって、この更新量ΔｗF （ｋ）は、例え
ば最急降下法に従って、
と、第２の適応型データ処理装置５のデータ変換機能Ｎ
F の内部状態値をｗF （ｋ）を更新していくことで実行
されるものであって、この更新量ΔｗF （ｋ）は、例え
ば最急降下法に従って、
【００５５】
【数８】
【００５６】但し、μF ：学習係数 により決定される。ここで、この〔数８〕の第３項は、
遷移関数φが線形関数である場合には、上述の〔数４〕
により“ＶFj（ｋ）”と表されることになる。
遷移関数φが線形関数である場合には、上述の〔数４〕
により“ＶFj（ｋ）”と表されることになる。
【００５７】この第２の適応型データ処理装置５のデー
タ変換機能ＮF の学習は、適応型制御装置１のデータ変
換機能ＮA の学習が終了する時点で終了して、その結
果、学習終了後の第２の適応型データ処理装置５のデー
タ変換機能ＮF には、制御対象２の入出力の逆変換であ
る「ｘd →ｑ」変換が形成される。このようにして、第
２の適応型データ処理装置５のデータ変換機能ＮF の学
習が実行されると、再び同一の制御目標量ｘd への制御
要求があるときに、第２の適応型データ処理装置５は、
直ちにその制御目標量ｘd への制御を実現する制御操作
量ｑを出力していくように動作する。
タ変換機能ＮF の学習は、適応型制御装置１のデータ変
換機能ＮA の学習が終了する時点で終了して、その結
果、学習終了後の第２の適応型データ処理装置５のデー
タ変換機能ＮF には、制御対象２の入出力の逆変換であ
る「ｘd →ｑ」変換が形成される。このようにして、第
２の適応型データ処理装置５のデータ変換機能ＮF の学
習が実行されると、再び同一の制御目標量ｘd への制御
要求があるときに、第２の適応型データ処理装置５は、
直ちにその制御目標量ｘd への制御を実現する制御操作
量ｑを出力していくように動作する。
【００５８】これから、第２の適応型データ処理装置５
のデータ変換機能ＮF の学習処理の終了時点に出力する
制御操作量を、制御対象２に与える制御操作量の初期量
として設定していくことで、再び同一の制御目標量ｘd
への制御要求があるときに、直ちにその制御目標量ｘd
への制御を実現できるようになる。そして、この構成に
あって、第２の適応型データ処理装置５が制御対象２の
持つ特性パラメータを入力信号としていると、その特性
パラメータが変化するようなときにあっても、第２の適
応型データ処理装置５の持つ汎化能力により、それに迅
速に対応して学習を進めていけるようになる。
のデータ変換機能ＮF の学習処理の終了時点に出力する
制御操作量を、制御対象２に与える制御操作量の初期量
として設定していくことで、再び同一の制御目標量ｘd
への制御要求があるときに、直ちにその制御目標量ｘd
への制御を実現できるようになる。そして、この構成に
あって、第２の適応型データ処理装置５が制御対象２の
持つ特性パラメータを入力信号としていると、その特性
パラメータが変化するようなときにあっても、第２の適
応型データ処理装置５の持つ汎化能力により、それに迅
速に対応して学習を進めていけるようになる。
【００５９】図１の原理構成に従う本発明の第２の適応
型データ処理装置５のデータ変換機能ＮF の学習方式
は、以下のように解釈できるものである。すなわち、制
御対象２に与えられる制御操作量ｑ（ｋ）と、第２の適
応型データ処理装置５の出力する制御操作量ｑ’( ｋ）
と、適応型制御装置１の出力する制御操作差分量Δｑ
（ｋ）との間に、ｑ （ｋ）＝Δｑ（ｋ）＋ｑ’( ｋ） という関係式が成立することから、評価関数Ｊ2 の関数
値が極小値をとるようにするというこの学習方式は、制
御対象２に与えられる制御操作量ｑ（ｋ）を仮想的な教
師信号として、適応型制御装置１の出力する制御操作差
分量Δｑ（ｋ）が極小値をとるようにとする学習方式と
等価なものとなる。
型データ処理装置５のデータ変換機能ＮF の学習方式
は、以下のように解釈できるものである。すなわち、制
御対象２に与えられる制御操作量ｑ（ｋ）と、第２の適
応型データ処理装置５の出力する制御操作量ｑ’( ｋ）
と、適応型制御装置１の出力する制御操作差分量Δｑ
（ｋ）との間に、ｑ （ｋ）＝Δｑ（ｋ）＋ｑ’( ｋ） という関係式が成立することから、評価関数Ｊ2 の関数
値が極小値をとるようにするというこの学習方式は、制
御対象２に与えられる制御操作量ｑ（ｋ）を仮想的な教
師信号として、適応型制御装置１の出力する制御操作差
分量Δｑ（ｋ）が極小値をとるようにとする学習方式と
等価なものとなる。
【００６０】これから、図２の原理構成に従う本発明で
は、第２の適応型データ処理装置５のデータ変換機能Ｎ
F の学習に必要となる誤差量として、適応型制御装置１
の出力する制御操作差分量Δｑ（ｋ）を直接用いる構成
を採っているのである。そして、この図２の原理構成に
従う本発明では、更に、このフィードフォーワード的な
制御機構として動作する第２の適応型データ処理装置５
の出力する制御操作量を、加算器６により適応型制御装
置１の出力する制御操作差分量と加算して制御対象２に
与えていく構成を採るものであることから、学習速度が
高められるという利点がでてくる。しかも、この構成に
あって、第２の適応型データ処理装置５が制御対象２の
持つ特性パラメータを入力信号としていると、その特性
パラメータが変化するようなときにあっても、第２の適
応型データ処理装置５の持つ汎化能力により、それに迅
速に対応して学習を進めていけるようになるのである。
は、第２の適応型データ処理装置５のデータ変換機能Ｎ
F の学習に必要となる誤差量として、適応型制御装置１
の出力する制御操作差分量Δｑ（ｋ）を直接用いる構成
を採っているのである。そして、この図２の原理構成に
従う本発明では、更に、このフィードフォーワード的な
制御機構として動作する第２の適応型データ処理装置５
の出力する制御操作量を、加算器６により適応型制御装
置１の出力する制御操作差分量と加算して制御対象２に
与えていく構成を採るものであることから、学習速度が
高められるという利点がでてくる。しかも、この構成に
あって、第２の適応型データ処理装置５が制御対象２の
持つ特性パラメータを入力信号としていると、その特性
パラメータが変化するようなときにあっても、第２の適
応型データ処理装置５の持つ汎化能力により、それに迅
速に対応して学習を進めていけるようになるのである。
【００６１】このように、本発明では、本出願人が先に
出願した特願平３-51497号の発明に従って、適応型制御
装置１のデータ変換機能ＮA を教師信号を要求されるこ
となく、かつ、オンラインで学習できるようにする構成
を採るときにあって、このデータ変換機能ＮA の内部状
態値ＷA の更新に必要となる信号の発生手段として適応
型データ処理装置（第１の適応型データ処理装置３）を
用いるように構成したことから、この発明のハードウェ
アによる実装を実現可能にすることになるのである。
出願した特願平３-51497号の発明に従って、適応型制御
装置１のデータ変換機能ＮA を教師信号を要求されるこ
となく、かつ、オンラインで学習できるようにする構成
を採るときにあって、このデータ変換機能ＮA の内部状
態値ＷA の更新に必要となる信号の発生手段として適応
型データ処理装置（第１の適応型データ処理装置３）を
用いるように構成したことから、この発明のハードウェ
アによる実装を実現可能にすることになるのである。
【００６２】
【実施例】以下、本発明の有効性を検証するために行っ
たシミュレーションデータについて説明する。
たシミュレーションデータについて説明する。
【００６３】このシミュレーションは、図３に示すよう
に、Ｌ1 とＬ2 というリンク長の関節を持つ２関節のロ
ボットマニピュレータを想定して、このロボットマニピ
ュレータの手先位置を制御目標の座標位置Ｐd ( ｘ1d,
ｘ2d）に移動させる制御処理を実現する適応型制御装置
１の構築を想定して行った。ここで、この２つの関節の
関節変位角度を（ｑ1,ｑ2 ）とし、そのときの手先座標
位置を（ｘ1,ｘ2 ）とするならば、この２つの間には、
に、Ｌ1 とＬ2 というリンク長の関節を持つ２関節のロ
ボットマニピュレータを想定して、このロボットマニピ
ュレータの手先位置を制御目標の座標位置Ｐd ( ｘ1d,
ｘ2d）に移動させる制御処理を実現する適応型制御装置
１の構築を想定して行った。ここで、この２つの関節の
関節変位角度を（ｑ1,ｑ2 ）とし、そのときの手先座標
位置を（ｘ1,ｘ2 ）とするならば、この２つの間には、
【００６４】
【数９】
【００６５】という関係が成立することになる。以下に
説明するシミュレーションでの共通するシミュレーショ
ン条件は、下記の通りである。なお、シミュレーション
開始時点における内部状態値ＷJ,ＷA,Ｗ F の初期値とし
てはランダム値を用い、１回目の試行に続いて実行され
る２回目の試行の開始時点における内部状態値ＷJ,ＷA,
ＷF の初期値としては、１回目の試行終了時点における
内部状態値ＷJ,ＷA,ＷF を用いるというように、各試行
開始時点における内部状態値ＷJ,ＷA,ＷF の初期値とし
ては、前回の試行終了時点における内部状態値ＷJ,ＷA,
ＷF を用いた。
説明するシミュレーションでの共通するシミュレーショ
ン条件は、下記の通りである。なお、シミュレーション
開始時点における内部状態値ＷJ,ＷA,Ｗ F の初期値とし
てはランダム値を用い、１回目の試行に続いて実行され
る２回目の試行の開始時点における内部状態値ＷJ,ＷA,
ＷF の初期値としては、１回目の試行終了時点における
内部状態値ＷJ,ＷA,ＷF を用いるというように、各試行
開始時点における内部状態値ＷJ,ＷA,ＷF の初期値とし
ては、前回の試行終了時点における内部状態値ＷJ,ＷA,
ＷF を用いた。
【００６６】 初期角度 ：（ｑ10，ｑ20）＝（-70.0, 50.0)(degree ） 手先目標位置 ：（ｘ1d, ｘ2d）＝（-0.7424, 0.5198) リンク長 ： Ｌ1 ＝0.5(m)，Ｌ2 ＝0.5(m) 学習係数 ： μJ ＝50.0，μA ＝0.01，μF ＝0.95 各試行の最大時間ステップ ： ２００回 図４に示すシミュレーションデータは、リンク長を固定
とし、第２の適応型データ処理装置５を備えない構成を
採るときの適応型制御装置１のデータ変換機能の学習処
理をシミュレートしたデータである。
とし、第２の適応型データ処理装置５を備えない構成を
採るときの適応型制御装置１のデータ変換機能の学習処
理をシミュレートしたデータである。
【００６７】図４（ａ）は、１回目の試行時のシミュレ
ーションデータ、図４（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの試行ステ
ップ数を横軸として、各試行ステップ数における〔数
１〕式で表される評価関数Ｊ1 の正規化された誤差量を
示すものである。
ーションデータ、図４（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの試行ステ
ップ数を横軸として、各試行ステップ数における〔数
１〕式で表される評価関数Ｊ1 の正規化された誤差量を
示すものである。
【００６８】このシミュレーションデータから分かるよ
うに、本発明を用いることで、ロボットマニピュレータ
の手先位置を目標位置まで動作させるための適応型制御
装置１のデータ変換機能の学習処理を、ロボットマニピ
ュレータから教師信号を収集することなく、かつ、オン
ラインでもって実行できることが検証された。そして、
適応型制御装置１の内部状態値ｗA の初期値を前回の試
行により得られるものに設定して学習を繰り返していく
ことで、より少ない試行ステップ数でもって、かつ、よ
り高精度でもって学習を実行できるようになることが検
証された。
うに、本発明を用いることで、ロボットマニピュレータ
の手先位置を目標位置まで動作させるための適応型制御
装置１のデータ変換機能の学習処理を、ロボットマニピ
ュレータから教師信号を収集することなく、かつ、オン
ラインでもって実行できることが検証された。そして、
適応型制御装置１の内部状態値ｗA の初期値を前回の試
行により得られるものに設定して学習を繰り返していく
ことで、より少ない試行ステップ数でもって、かつ、よ
り高精度でもって学習を実行できるようになることが検
証された。
【００６９】図５に示すシミュレーションデータは、図
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、各試行の１００回目の試行ステップのと
きに、リンク長Ｌ1 を“0.5(m)”から“0.7(m)”に、リ
ンク長Ｌ2 を“0.5(m)”から“0.6(m)”に変更するとき
のデータである。図５（ａ）は、１回目の試行時のシミ
ュレーションデータ、図５（ｂ）は、５回目の試行時の
シミュレーションデータであり、各図において、左側に
図示するデータは、２関節のロボットマニュピュレータ
の移動軌跡、右側に図示するデータは、このときの評価
関数Ｊ1 の正規化された誤差量を示すものである。
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、各試行の１００回目の試行ステップのと
きに、リンク長Ｌ1 を“0.5(m)”から“0.7(m)”に、リ
ンク長Ｌ2 を“0.5(m)”から“0.6(m)”に変更するとき
のデータである。図５（ａ）は、１回目の試行時のシミ
ュレーションデータ、図５（ｂ）は、５回目の試行時の
シミュレーションデータであり、各図において、左側に
図示するデータは、２関節のロボットマニュピュレータ
の移動軌跡、右側に図示するデータは、このときの評価
関数Ｊ1 の正規化された誤差量を示すものである。
【００７０】このシミュレーションデータから分かるよ
うに、本発明を用いることで、リンク長のようなロボッ
トマニピュレータの特性パラメータが学習途中で変更さ
れるようなことがあっても、適応型制御装置１のデータ
変換機能の学習処理はそれに影響されることなく実現で
きることが検証された。
うに、本発明を用いることで、リンク長のようなロボッ
トマニピュレータの特性パラメータが学習途中で変更さ
れるようなことがあっても、適応型制御装置１のデータ
変換機能の学習処理はそれに影響されることなく実現で
きることが検証された。
【００７１】図６に示すシミュレーションデータは、図
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、更に、ロボットマニュピレータの手先位
置が直線軌道を描きつつ目標位置まで動作させるという
条件を付加して、その付加条件下における適応型制御装
置１のデータ変換機能の学習処理をシミュレートしたデ
ータである。
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、更に、ロボットマニュピレータの手先位
置が直線軌道を描きつつ目標位置まで動作させるという
条件を付加して、その付加条件下における適応型制御装
置１のデータ変換機能の学習処理をシミュレートしたデ
ータである。
【００７２】図６（ａ）は、１回目の試行時のシミュレ
ーションデータ、図６（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの評価関数
Ｊ1 の正規化された誤差量を示すものである。
ーションデータ、図６（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの評価関数
Ｊ1 の正規化された誤差量を示すものである。
【００７３】このシミュレーションデータから分かるよ
うに、本発明を用いることで、ロボットマニピュレータ
の手先位置の移動軌跡に何らかの条件が加わるといった
ように、ロボットマニピュレータに動特性的な制約条件
が課されるようなことがあっても、適応型制御装置１の
データ変換機能の学習処理はそれに影響されることなく
実現できることが検証された。
うに、本発明を用いることで、ロボットマニピュレータ
の手先位置の移動軌跡に何らかの条件が加わるといった
ように、ロボットマニピュレータに動特性的な制約条件
が課されるようなことがあっても、適応型制御装置１の
データ変換機能の学習処理はそれに影響されることなく
実現できることが検証された。
【００７４】図７に示すシミュレーションデータは、図
６に示すシミュレーションと同様の学習処理を実行する
ときにあって、各試行の１００回目の試行ステップのと
きに、リンク長Ｌ1 を“0.5(m)”から“0.7(m)”に、リ
ンク長Ｌ2 を“0.5(m)”から“0.6(m)”に変更するとき
のデータである。
６に示すシミュレーションと同様の学習処理を実行する
ときにあって、各試行の１００回目の試行ステップのと
きに、リンク長Ｌ1 を“0.5(m)”から“0.7(m)”に、リ
ンク長Ｌ2 を“0.5(m)”から“0.6(m)”に変更するとき
のデータである。
【００７５】図７（ａ）は、１回目の試行時のシミュレ
ーションデータ、図７（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの評価関数
Ｊ1 の正規化された誤差量を示すものである。
ーションデータ、図７（ｂ）は、５回目の試行時のシミ
ュレーションデータであり、各図において、左側に図示
するデータは、２関節のロボットマニュピュレータの移
動軌跡、右側に図示するデータは、このときの評価関数
Ｊ1 の正規化された誤差量を示すものである。
【００７６】このシミュレーションデータから分かるよ
うに、本発明を用いることで、ロボットマニピュレータ
に動特性的な制約条件が課されるときにおいて、ロボッ
トマニピュレータの特性パラメータが学習途中で変更さ
れるようなことがあっても、適応型制御装置１のデータ
変換機能の学習処理はそれに影響されることなく実現で
きることが検証された。
うに、本発明を用いることで、ロボットマニピュレータ
に動特性的な制約条件が課されるときにおいて、ロボッ
トマニピュレータの特性パラメータが学習途中で変更さ
れるようなことがあっても、適応型制御装置１のデータ
変換機能の学習処理はそれに影響されることなく実現で
きることが検証された。
【００７７】図８に示すシミュレーションデータは、図
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、第２の適応型データ処理装置５を備える
ようにしたときのデータである。
４に示すシミュレーションと同様の学習処理を実行する
ときにあって、第２の適応型データ処理装置５を備える
ようにしたときのデータである。
【００７８】図８（ａ）は、１回目の試行時のシミュレ
ーションデータ、図８（ｂ）は、２回目の試行時のシミ
ュレーションデータ、図８（ｃ）は、４回目の試行時の
シミュレーションデータであり、各図において、左側に
図示するデータは、２関節のロボットマニュピュレータ
の移動軌跡、右側に図示するデータは、このときの評価
関数Ｊ1 の正規化された誤差量を示すものである。
ーションデータ、図８（ｂ）は、２回目の試行時のシミ
ュレーションデータ、図８（ｃ）は、４回目の試行時の
シミュレーションデータであり、各図において、左側に
図示するデータは、２関節のロボットマニュピュレータ
の移動軌跡、右側に図示するデータは、このときの評価
関数Ｊ1 の正規化された誤差量を示すものである。
【００７９】このシミュレーションデータから分かるよ
うに、第２の適応型データ処理装置５を備える本発明に
従うと、１回目の学習の終了後に再び同一の制御目標が
与えられると、直ちにロボットマニピュレータの手先位
置を目標位置へ動作させることを実現できることが検証
された。
うに、第２の適応型データ処理装置５を備える本発明に
従うと、１回目の学習の終了後に再び同一の制御目標が
与えられると、直ちにロボットマニピュレータの手先位
置を目標位置へ動作させることを実現できることが検証
された。
【００８０】図９及び図１０に示すシミュレーションデ
ータは、図５に示すシミュレーションと同様の学習処理
を実行するときにあって、第２の適応型データ処理装置
５を備えるようにしたときのデータである。
ータは、図５に示すシミュレーションと同様の学習処理
を実行するときにあって、第２の適応型データ処理装置
５を備えるようにしたときのデータである。
【００８１】図９（ａ）は、１回目の試行時のシミュレ
ーションデータ、図９（ｂ）は、２回目の試行時のシミ
ュレーションデータ、図１０（ａ）は、４回目の試行時
のシミュレーションデータ、図１０（ｂ）は、６回目の
試行時のシミュレーションデータであり、各図におい
て、左側に図示するデータは、２関節のロボットマニュ
ピュレータの移動軌跡、右側に図示するデータは、この
ときの評価関数Ｊ1 の正規化された誤差量を示すもので
ある。
ーションデータ、図９（ｂ）は、２回目の試行時のシミ
ュレーションデータ、図１０（ａ）は、４回目の試行時
のシミュレーションデータ、図１０（ｂ）は、６回目の
試行時のシミュレーションデータであり、各図におい
て、左側に図示するデータは、２関節のロボットマニュ
ピュレータの移動軌跡、右側に図示するデータは、この
ときの評価関数Ｊ1 の正規化された誤差量を示すもので
ある。
【００８２】このシミュレーションデータから分かるよ
うに、第２の適応型データ処理装置５を備える本発明に
従うと、リンク長が学習途中で変化するようなことがあ
っても、迅速にロボットマニピュレータの手先位置を目
標位置へ動作させることを実現できることが検証され
た。
うに、第２の適応型データ処理装置５を備える本発明に
従うと、リンク長が学習途中で変化するようなことがあ
っても、迅速にロボットマニピュレータの手先位置を目
標位置へ動作させることを実現できることが検証され
た。
【００８３】図１１に示すシミュレーションデータは、
図６に示すシミュレーションと同様の学習処理を実行す
るときにあって、第２の適応型データ処理装置５を備え
るようにしたときのデータである。
図６に示すシミュレーションと同様の学習処理を実行す
るときにあって、第２の適応型データ処理装置５を備え
るようにしたときのデータである。
【００８４】図１１（ａ）は、１回目の試行時のシミュ
レーションデータ、図１１（ｂ）は、８回目の試行時の
シミュレーションデータ、図１１（ｃ）は、９回目の試
行時のシミュレーションデータであり、各図において、
左側に図示するデータは、２関節のロボットマニュピュ
レータの移動軌跡、右側に図示するデータは、このとき
の評価関数Ｊ1 の正規化された誤差量を示すものであ
る。ここで、９回目の試行時には、適応型制御装置１を
切り離して、第２の適応型データ処理装置５だけでもっ
てロボットマニピュレータを制御している。
レーションデータ、図１１（ｂ）は、８回目の試行時の
シミュレーションデータ、図１１（ｃ）は、９回目の試
行時のシミュレーションデータであり、各図において、
左側に図示するデータは、２関節のロボットマニュピュ
レータの移動軌跡、右側に図示するデータは、このとき
の評価関数Ｊ1 の正規化された誤差量を示すものであ
る。ここで、９回目の試行時には、適応型制御装置１を
切り離して、第２の適応型データ処理装置５だけでもっ
てロボットマニピュレータを制御している。
【００８５】このシミュレーションデータから分かるよ
うに、本発明を用いることで、適応型制御装置１のデー
タ変換機能の学習が完了することで、第２の適応型デー
タ処理装置５のデータ変換機能が構築されると、第２の
適応型データ処理装置５だけもロボットマニピュレータ
の手先位置の制御を実現できることが検証された。
うに、本発明を用いることで、適応型制御装置１のデー
タ変換機能の学習が完了することで、第２の適応型デー
タ処理装置５のデータ変換機能が構築されると、第２の
適応型データ処理装置５だけもロボットマニピュレータ
の手先位置の制御を実現できることが検証された。
【００８６】図示実施例について説明したが、本発明は
これに限定されるものではない。例えば、実施例では、
制御目標への制御だけを条件とすることで本発明を開示
したが、障害物を回避しつつ制御目標に制御するとか、
各関節変位角度をなるべく小さくして制御目標に制御す
るといったように制御操作量に一定の条件を課して制御
目標に制御するとかいったような制御処理に対しても、
適応型制御装置１の学習に用いる評価関数にこれらの条
件についての項を加えていくことで対応可能なのであ
る。
これに限定されるものではない。例えば、実施例では、
制御目標への制御だけを条件とすることで本発明を開示
したが、障害物を回避しつつ制御目標に制御するとか、
各関節変位角度をなるべく小さくして制御目標に制御す
るといったように制御操作量に一定の条件を課して制御
目標に制御するとかいったような制御処理に対しても、
適応型制御装置１の学習に用いる評価関数にこれらの条
件についての項を加えていくことで対応可能なのであ
る。
【００８７】
【発明の効果】以上説明したように、本発明により、設
定変更可能なデータ変換機能に従って、入力信号に対応
する出力信号を算出して出力する構成を採って、この入
出力信号関係に従って制御対象を所望の制御状態に制御
する構成を採る適応型制御装置のデータ変換機能を教師
信号を要求されることなく、かつ、オンラインで学習で
きるようになるとともに、ハードウェアによる実装が実
現可能となる。
定変更可能なデータ変換機能に従って、入力信号に対応
する出力信号を算出して出力する構成を採って、この入
出力信号関係に従って制御対象を所望の制御状態に制御
する構成を採る適応型制御装置のデータ変換機能を教師
信号を要求されることなく、かつ、オンラインで学習で
きるようになるとともに、ハードウェアによる実装が実
現可能となる。
【００８８】これから、非線形の複雑な制御対象に対し
ても、適応型制御装置でもって制御していくことが可能
になる。しかも、この学習にあたって、制御対象の特性
パラメータを用いることで、制御対象の特性パラメータ
が変化していくようなことがあっても再学習を要求され
ることがない。しかも、この学習にあたって、フィード
フォワード的な学習機構を組み込むことで、この学習を
高速に実行できるようになる。
ても、適応型制御装置でもって制御していくことが可能
になる。しかも、この学習にあたって、制御対象の特性
パラメータを用いることで、制御対象の特性パラメータ
が変化していくようなことがあっても再学習を要求され
ることがない。しかも、この学習にあたって、フィード
フォワード的な学習機構を組み込むことで、この学習を
高速に実行できるようになる。
【００８９】そして、ハードウェアによる実装が可能な
適応型データ処理装置に従って適応型制御装置の構築を
実現できることから、適応型制御装置の構築処理を実用
的なレベルのものにできるのである。
適応型データ処理装置に従って適応型制御装置の構築を
実現できることから、適応型制御装置の構築処理を実用
的なレベルのものにできるのである。
【図１】本発明の原理構成図である。
【図２】本発明の原理構成図である。
【図３】シミュレーションに用いたロボットマニピュレ
ータの説明図である。
ータの説明図である。
【図４】シミュレーションデータの説明図である。
【図５】シミュレーションデータの説明図である。
【図６】シミュレーションデータの説明図である。
【図７】シミュレーションデータの説明図である。
【図８】シミュレーションデータの説明図である。
【図９】シミュレーションデータの説明図である。
【図１０】シミュレーションデータの説明図である。
【図１１】シミュレーションデータの説明図である。
【図１２】従来技術の説明図である。
【図１３】従来技術の説明図である。
【図１４】従来技術の説明図である。
【図１５】従来技術の説明図である。
【図１６】従来技術の説明図である。
１ 適応型制御装置 ２ 制御対象 ３ 第１の適応型データ処理装置 ４ 乗算器 ５ 第２の適応型データ処理装置 ６ 加算器
Claims (4)
- 【請求項１】 設定変更可能なデータ変換機能に従っ
て、入力信号に対応する出力信号を算出して出力する構
成を採って、この入出力信号関係に従って制御対象を所
望の制御状態に制御する構成を採る適応型制御装置(1)
において、 上記適応型制御装置(1) が、試行動作する制御対象の持
つ制御状態量と該制御状態量の制御目標量との差分量
と、該制御対象に与えられる制御操作量とを入力信号と
するとともに、該制御対象に与える制御操作差分量を出
力信号とする構成を採り、 かつ、設定変更可能なデータ変換機能に従って、入力信
号に対応する出力信号を算出して出力する構成を採っ
て、制御対象に与えられる制御操作量を入力信号とし
て、該出力信号と制御対象に与えられる制御操作差分量
との乗算量が、制御対象の出力する制御状態差分量と一
致することになるようにと該データ変換機能が学習され
るように構成される第１の適応型データ処理装置(3) を
備え、 上記第１の適応型データ処理装置(3) の出力する出力信
号と上記差分量との乗算量に従って、上記適応型制御装
置(1) のデータ変換機能が所望の制御処理を実行するも
のとなるように学習していくように構成されてなること
を、 特徴とする適応型制御装置の学習処理方式。 - 【請求項２】 請求項１記載の適応型制御装置の学習処
理方式において、 設定変更可能なデータ変換機能に従って、入力信号に対
応する出力信号を算出して出力する構成を採って、試行
動作する制御対象の持つ制御状態量の制御目標量を入力
信号とし、制御対象に与える制御操作量を出力信号とす
る構成を採るとともに、該出力信号の制御操作量が、適
応型制御装置(1) により設定されて制御対象に与えられ
る制御操作量と一致することになるようにと該データ変
換機能が学習されるように構成される第２の適応型デー
タ処理装置(5) を備え、 上記第２の適応型データ処理装置(5) が学習処理の終了
時点に出力する制御操作量を、制御対象に与える制御操
作量の初期量として設定していくように構成されてなる
ことを、 特徴とする適応型制御装置の学習処理方式。 - 【請求項３】 設定変更可能なデータ変換機能に従っ
て、入力信号に対応する出力信号を算出して出力する構
成を採って、この入出力信号関係に従って制御対象を所
望の制御状態に制御する構成を採る適応型制御装置(1)
において、 上記適応型制御装置(1) が、試行動作する制御対象の持
つ制御状態量と該制御状態量の制御目標量との差分量
と、該制御対象に与えられる制御操作量とを入力信号と
するとともに、該制御対象に与える制御操作差分量を出
力信号とする構成を採り、 かつ、設定変更可能なデータ変換機能に従って、入力信
号に対応する出力信号を算出して出力する構成を採っ
て、制御対象に与えられる制御操作量を入力信号とし
て、該出力信号と制御対象に与えられる制御操作差分量
との乗算量が、制御対象の出力する制御状態差分量と一
致することになるようにと該データ変換機能が学習され
るように構成される第１の適応型データ処理装置(3)
と、 設定変更可能なデータ変換機能に従って、入力信号に対
応する出力信号を算出して出力する構成を採って、試行
動作する制御対象の持つ制御状態量の制御目標量を入力
信号とし、制御対象に与える制御操作量を出力信号とす
る構成を採るとともに、該出力信号の制御操作量が、上
記適応型制御装置(1) により設定されて制御対象に与え
られる制御操作量と一致することになるようにと、上記
適応型制御装置(1) の出力する制御操作差分量を用いて
該データ変換機能が学習されるように構成される第２の
適応型データ処理装置(5) と、 上記適応型制御装置(1) の出力する制御操作差分量と、
上記第２の適応型データ処理装置(5) の出力する制御操
作量との加算量を制御対象に制御操作量として与える加
算器(6) とを備え、 上記第１の適応型データ処理装置(3) の出力する出力信
号と上記差分量との乗算量に従って、上記適応型制御装
置(1) のデータ変換機能が所望の制御処理を実行するも
のとなるように学習していくように構成されてなること
を、 特徴とする適応型制御装置の学習処理方式。 - 【請求項４】 請求項２又は３記載の適応型制御装置の
学習処理方式において、 第２の適応型データ処理装置(5) が、更に、制御対象の
持つ特性パラメータを入力信号としていくよう構成され
てなることを、 特徴とする適応型制御装置の学習処理方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4054611A JPH05257919A (ja) | 1992-03-13 | 1992-03-13 | 適応型制御装置の学習処理方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4054611A JPH05257919A (ja) | 1992-03-13 | 1992-03-13 | 適応型制御装置の学習処理方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05257919A true JPH05257919A (ja) | 1993-10-08 |
Family
ID=12975540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4054611A Withdrawn JPH05257919A (ja) | 1992-03-13 | 1992-03-13 | 適応型制御装置の学習処理方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05257919A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7133855B2 (en) | 2002-04-08 | 2006-11-07 | Honda Giken Kogyo Kabushiki Kaisha | Behavior control apparatus and method |
-
1992
- 1992-03-13 JP JP4054611A patent/JPH05257919A/ja not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7133855B2 (en) | 2002-04-08 | 2006-11-07 | Honda Giken Kogyo Kabushiki Kaisha | Behavior control apparatus and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105773623B (zh) | 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法 | |
| Wu et al. | Adaptive fractional-order non-singular terminal sliding mode control based on fuzzy wavelet neural networks for omnidirectional mobile robot manipulator | |
| CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
| CN110977988B (zh) | 基于有限时间命令滤波的多关节机械臂阻抗控制方法 | |
| CN108555914B (zh) | 一种基于腱驱动灵巧手的dnn神经网络自适应控制方法 | |
| US6000827A (en) | System identifying device and adaptive learning control device | |
| CN111399375A (zh) | 一种基于非线性系统的神经网络预测控制器 | |
| CN112571420B (zh) | 一种未知参数下的双功能模型预测控制方法 | |
| CN115139301A (zh) | 基于拓扑结构自适应神经网络的机械臂运动规划方法 | |
| CN115990888A (zh) | 一种具有死区和时变约束功能的机械臂控制方法 | |
| CN109108964B (zh) | 一种基于自适应动态规划Nash博弈的空间机械臂协调控制方法 | |
| CN107894709A (zh) | 基于自适应评价网络冗余机器人视觉伺服控制 | |
| Nagata et al. | Adaptive learning with large variability of teaching signals for neural networks and its application to motion control of an industrial robot | |
| CN116460860A (zh) | 一种基于模型的机器人离线强化学习控制方法 | |
| JP3105694B2 (ja) | マニピュレータ制御方法 | |
| JPH05257919A (ja) | 適応型制御装置の学習処理方式 | |
| CN115609584A (zh) | 基于sigmoid型惩罚策略的机械臂运动规划方法 | |
| CN112947066B (zh) | 一种机械手改进有限时间反演控制方法 | |
| CN113650014A (zh) | 一种基于回声状态网络的冗余机械臂追踪控制方法 | |
| CN112894819A (zh) | 一种基于双神经网络的机器人动力学运动控制方法及装置 | |
| JPH05158907A (ja) | 適応型制御装置の自己学習処理方式 | |
| JPH07168605A (ja) | システム同定装置 | |
| JPH0643944A (ja) | 防振制御方法 | |
| Li et al. | Model predictive control for constrained robot manipulator visual servoing tuned by reinforcement learning | |
| Ohama et al. | A forward-propagation rule for acquiring neural inverse models using a RLS algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19990518 |