JPH0527805A - 学習制御方式 - Google Patents
学習制御方式Info
- Publication number
- JPH0527805A JPH0527805A JP3203881A JP20388191A JPH0527805A JP H0527805 A JPH0527805 A JP H0527805A JP 3203881 A JP3203881 A JP 3203881A JP 20388191 A JP20388191 A JP 20388191A JP H0527805 A JPH0527805 A JP H0527805A
- Authority
- JP
- Japan
- Prior art keywords
- trial
- correction amount
- control input
- deviation
- predicted
- 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
Abstract
(57)【要約】
【目的】本発明は、工作機械、ロボット等の所定パター
ンの繰り返し動作を行うサーボ系に適用される学習制御
装置において、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
る学習制御装置を提供することを目的とする。 【構成】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、所定回数目の試
行の、所定時刻における制御入力を、補正量を指令に加
える形式の所定の式で与える学習制御系において、所定
ステップ未来までの追従偏差を予測し、それらの予測値
と補正量（または増分補正量、または制御入力、または
制御入力の増分値）の重み付き２乗和が最小となるよう
に、増分補正量をリアルタイムで、あるいは試行間にオ
フライン的に決定する。
ンの繰り返し動作を行うサーボ系に適用される学習制御
装置において、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
る学習制御装置を提供することを目的とする。 【構成】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、所定回数目の試
行の、所定時刻における制御入力を、補正量を指令に加
える形式の所定の式で与える学習制御系において、所定
ステップ未来までの追従偏差を予測し、それらの予測値
と補正量（または増分補正量、または制御入力、または
制御入力の増分値）の重み付き２乗和が最小となるよう
に、増分補正量をリアルタイムで、あるいは試行間にオ
フライン的に決定する。
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。
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。
【０００４】
【課題を解決するための手段】上記問題点を解決するた
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) 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。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),…, ｅ
K * (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、補正量σK (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ｕ
k (i) を、次式 ｕk (i) = ｕk-1 (i) + σk (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),…, ｅ
K * (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、補正量σk (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) 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。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),…, ｅ
K * (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、補正量σK (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) 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。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),…, ｅ
K * (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、補正量σk (i) を決定する
ことを特徴としている。
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) 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。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),…, ｅ
K * (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、補正量σK (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ｕ
k (i) を、次式 ｕk (i) = ｕk-1 (i) + σk (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),…, ｅ
K * (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、補正量σk (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) 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。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),…, ｅ
K * (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、補正量σK (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) 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。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),…, ｅ
K * (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、補正量σk (i) を決定する
ことを特徴としている。
【０００５】
【作用】上記手段により、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。
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】本発明は目標指令が一定周期で連続的に繰り
返す場合にも適用可能であるが、制御入力を決定する際
に偏差の現在値を利用しないため、各試行を間欠的に行
い、各試行間に次の１試行分の制御入力をオフライン的
にまとめて算出することも可能である。ここでは、後者
の場合について本発明の具体的実施例を図１に示して説
明する。図中１は同じパターンを間欠的に発生する指令
発生器であり、１試行分の目標指令値の系列｛ｒ(j) ｝
(j=i0,i0+1,…,in ) を発生する。ここで、i0と i
n は、試行の開始時刻と終了時刻である。２は減算器で
あり、今回の試行時の偏差の系列｛ｅk (j) ｝ (j=i0,i
0+1,…,in ) を出力する。３は、定数ｑ1 、ｑ2 、・・・
、ｑM 、ｆ1 、ｆ2 、・・・ 、ｆN-1 を記憶するメモ
リ、４は、今回試行時の補正量σk (j) (j=i0,i0+1,
…,in ) を記憶するメモリ、５は、前回の試行時の偏差
ｅk-1 (j) (j=i0,i0+1, …,in ) を記憶するメモリであ
り、今回の試行の際には、減算器２の出力値すなわち偏
差のｅk (j) (j=i0,i0+1, …,in )が記憶される。６は
演算器であり、本願の第１の発明では、
返す場合にも適用可能であるが、制御入力を決定する際
に偏差の現在値を利用しないため、各試行を間欠的に行
い、各試行間に次の１試行分の制御入力をオフライン的
にまとめて算出することも可能である。ここでは、後者
の場合について本発明の具体的実施例を図１に示して説
明する。図中１は同じパターンを間欠的に発生する指令
発生器であり、１試行分の目標指令値の系列｛ｒ(j) ｝
(j=i0,i0+1,…,in ) を発生する。ここで、i0と i
n は、試行の開始時刻と終了時刻である。２は減算器で
あり、今回の試行時の偏差の系列｛ｅk (j) ｝ (j=i0,i
0+1,…,in ) を出力する。３は、定数ｑ1 、ｑ2 、・・・
、ｑM 、ｆ1 、ｆ2 、・・・ 、ｆN-1 を記憶するメモ
リ、４は、今回試行時の補正量σk (j) (j=i0,i0+1,
…,in ) を記憶するメモリ、５は、前回の試行時の偏差
ｅk-1 (j) (j=i0,i0+1, …,in ) を記憶するメモリであ
り、今回の試行の際には、減算器２の出力値すなわち偏
差のｅk (j) (j=i0,i0+1, …,in )が記憶される。６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における補正量
σk (i)を算出し、さらに、 ｕk (i) = ｕk-1 (i) + σk (i) により、今回の試行時の制御入力ｕk (j) (j=i0,i0+1,
…,in ) を求め出力する。７は、１試行分の制御入力を
記憶するメモリで、前回の試行時には前回の試行時の入
力ｕk-1(j) (j=i0,i0+1,…,in ) が記憶されており、前
回の試行が終了した後に、演算器６によって算出される
今回の試行時の入力ｕk (j) (j=i0,i0+1,…,in ) が記
憶され、今回の試行の際に出力される。８、９はサンプ
リング周期Ｔで閉じるサンプラであり、１０はホールド
回路である。１１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１１はインパルス
応答モデルにより、
σk (i)を算出し、さらに、 ｕk (i) = ｕk-1 (i) + σk (i) により、今回の試行時の制御入力ｕk (j) (j=i0,i0+1,
…,in ) を求め出力する。７は、１試行分の制御入力を
記憶するメモリで、前回の試行時には前回の試行時の入
力ｕk-1(j) (j=i0,i0+1,…,in ) が記憶されており、前
回の試行が終了した後に、演算器６によって算出される
今回の試行時の入力ｕk (j) (j=i0,i0+1,…,in ) が記
憶され、今回の試行の際に出力される。８、９はサンプ
リング周期Ｔで閉じるサンプラであり、１０はホールド
回路である。１１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１１はインパルス
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１１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。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１１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。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。
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) + σk (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) + σk (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。
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ｙk (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。
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は不変、すなわち、ｄ
k (i+m) ＝ｄk-1(i+m)であり、さらに、 未来の補正量は現在値から変化しない、すなわち、σ
k (i+m)=σk (i) 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は不変、すなわち、ｄ
k (i+m) ＝ｄk-1(i+m)であり、さらに、 未来の補正量は現在値から変化しない、すなわち、σ
k (i+m)=σk (i) と仮定すると、予測値δk * (i+m)
は、(10)式より、
【００３１】
【数２１】
【００３２】となる。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) (12) 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) (13) (11)、(13)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) (12) 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) (13) (11)、(13)式より、偏差の予測値ｅK * (i+m) は結局
次式で与えられる。
【００３３】
【数２２】
【００３４】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 、現在に至
るまでに入力してきた補正量σK (i-n) 、および現在決
定すべき補正量σK (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
+m) は、前回の試行における追従偏差ｅK-1 、現在に至
るまでに入力してきた補正量σK (i-n) 、および現在決
定すべき補正量σK (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
【００３５】
【数２３】
【００３６】を考え、この評価関数Ｊが最小となるよう
にσK (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、
現在決定する補正量σK (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 -H m-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。 (14)、(15a) 式より、∂Ｊ／∂σk (i) = 0は、
にσK (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、
現在決定する補正量σK (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 -H m-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。 (14)、(15a) 式より、∂Ｊ／∂σk (i) = 0は、
【００３７】
【数２４】
【００３８】となり、上式は未知数σk (i) に関する１
次方程式である。さらに、
次方程式である。さらに、
【００３９】
【数２５】
【００４０】であるため、(15a) 式の評価関数を最小に
するσk (i) は(16)式より、
するσk (i) は(16)式より、
【００４１】
【数２６】
【００４２】を満たす。したがって、時刻ｉにおける補
正量σk (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
正量σk (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
【００４３】
【数２７】
【００４４】を考え、この評価関数Ｊを最小とするσk
(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
(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
【００４５】
【数２８】
【００４６】を考え、この評価関数Ｊを最小とするσK
(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
(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
【００４７】
【数２９】
【００４８】を考え、この評価関数Ｊを最小とするσk
(i) を同様に求めると(1d)式となる。ただし、
(i) を同様に求めると(1d)式となる。ただし、
【００４９】
【数３０】
【００５０】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)式で与えられる補正量σk (i) が、
(15a) 〜(15d) 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)式で与えられる補正量σk (i) が、
(15a) 〜(15d) 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。
【００５１】
【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
２ 減算器
３は、定数ｑ1 、ｑ2 、・・・ 、ｑM 、ｆ1 、ｆ2 、・・・
、ｆN-1 を記憶するメモリ ４ 今回試行時の補正量σk (j) (j=i0,i0+1,…,in )
を記憶するメモリ ５ 前回の試行時の偏差ｅk-1 (j) (j=i0,i0+1, …,
in ) を記憶するメモリ ６ 演算器 ７ １試行分の制御入力を記憶するメモリ ８、９ サンプリング周期Ｔで閉じるサンプラ １０ ホールド回路 １１ 制御対象
、ｆN-1 を記憶するメモリ ４ 今回試行時の補正量σk (j) (j=i0,i0+1,…,in )
を記憶するメモリ ５ 前回の試行時の偏差ｅk-1 (j) (j=i0,i0+1, …,
in ) を記憶するメモリ ６ 演算器 ７ １試行分の制御入力を記憶するメモリ ８、９ サンプリング周期Ｔで閉じるサンプラ １０ ホールド回路 １１ 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) 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。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、補
正量σk (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における補正量
σk (i) を、 【数２】 （ただし、ｑm 、ｆn 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 ｕk (i) = ｕk-1 (i) ＋σk (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
補正量の増分値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)=σk (i)-σk (i-1) にかける重み係数であ
る）が最小となるように、補正量σk (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
σk (i) を、 【数４】 （ただし、ｑm 、ｆn 、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) 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。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ｕ
k (i) にかける重み係数である）が最小となるように、
補正量σk (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
σk (i) を、 【数６】 （ただし、ｑm 、ｆn 、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) 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。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、補正量σk (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における補正量
σk (i) を、 【数８】 （ただし、ｑm 、ｆn 、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 |
|---|---|---|---|
| JP3203881A JP3039573B2 (ja) | 1991-07-17 | 1991-07-17 | 学習制御方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3203881A JP3039573B2 (ja) | 1991-07-17 | 1991-07-17 | 学習制御方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0527805A true JPH0527805A (ja) | 1993-02-05 |
| JP3039573B2 JP3039573B2 (ja) | 2000-05-08 |
Family
ID=16481269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3203881A Expired - Fee Related JP3039573B2 (ja) | 1991-07-17 | 1991-07-17 | 学習制御方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3039573B2 (ja) |
-
1991
- 1991-07-17 JP JP3203881A patent/JP3039573B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP3039573B2 (ja) | 2000-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR970003823B1 (ko) | 주기적 목표치에 최적하게 추종하는 제어방식 | |
| JP3516232B2 (ja) | 最適かつ自動的に外乱を排除するフィードバック制御を実現するための方法及び装置 | |
| JPH10133703A (ja) | 適応的ロバスト制御装置 | |
| EP0709754B1 (en) | Prediction controller | |
| KR100267362B1 (ko) | 예견제어장치 | |
| JP3214876B2 (ja) | ニューラルネットワークの構成方法およびニューラルネットワーク構築支援システム | |
| JPH0527805A (ja) | 学習制御方式 | |
| JP3109605B2 (ja) | 学習制御方法 | |
| JP3039814B2 (ja) | 学習制御方式 | |
| JP2921056B2 (ja) | 速度指令の補正による学習制御装置 | |
| JP3196907B2 (ja) | 出力検出にむだ時間を持つ系の学習制御装置 | |
| JP3152251B2 (ja) | 増分値演算による学習制御方法 | |
| JP3152250B2 (ja) | 増分値による予見制御方法 | |
| JPH0830979B2 (ja) | 周期的目標値に最適に追従する制御方法 | |
| JP3036654B2 (ja) | 学習制御方式 | |
| JPH04369002A (ja) | 近似ステップ応答による予見学習制御方式 | |
| JP3870767B2 (ja) | 予測制御方法 | |
| JP3256950B2 (ja) | 最適予見学習制御装置 | |
| JP2958978B2 (ja) | 学習制御方法 | |
| JP3191836B2 (ja) | 学習制御装置 | |
| JPH05119828A (ja) | ステツプ応答を用いた予見制御方式 | |
| JPH05143109A (ja) | 速度指令の補正による学習制御方式 | |
| JPH06314106A (ja) | 学習制御装置 | |
| JPH05324007A (ja) | プロセス制御装置 | |
| JPH05265510A (ja) | 学習制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090303 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090303 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100303 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |