JPH0535899A - ニユ−ラルネツトワ−クの周波数特性学習装置 - Google Patents
ニユ−ラルネツトワ−クの周波数特性学習装置Info
- Publication number
- JPH0535899A JPH0535899A JP3193093A JP19309391A JPH0535899A JP H0535899 A JPH0535899 A JP H0535899A JP 3193093 A JP3193093 A JP 3193093A JP 19309391 A JP19309391 A JP 19309391A JP H0535899 A JPH0535899 A JP H0535899A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- sine wave
- learning
- frequency
- signal
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 本発明は、所望の周波数特性を持ち、安定性
およびロバスト性に優れた制御器を実現するニュ−ラル
ネットワ−クの周波数特性学習装置の提供にある。 【構成】 入力信号を変換して出力し、かつ、シナプス
荷重の修正により学習できるニュ−ラルネットワ−ク１
３と、このニュ−ラルネットワ−ク１３へ入力信号を発
信する第１の正弦波発信器１１と、この正弦波発振器１
１と等しい周波数で指定された振幅と位相をもつ正弦波
である教師信号を発信する第２の正弦波発信器１２と、
この教師信号と前記ニュ−ラルネットワ−ク１３の出力
との差に基づき前記シナプス荷重を修正する学習機構１
５と、前記正弦波発信器１１および前記正弦波発信器１
２に、発信する正弦波の周波数を順次指令し、かつ、そ
の周波数に対して予め指定された振幅および位相を正弦
波発信器１２へ順次指令するスケジュ−ラ１０とを備え
たニュ−ラルネットワ−クの周波数特性学習装置。
およびロバスト性に優れた制御器を実現するニュ−ラル
ネットワ−クの周波数特性学習装置の提供にある。 【構成】 入力信号を変換して出力し、かつ、シナプス
荷重の修正により学習できるニュ−ラルネットワ−ク１
３と、このニュ−ラルネットワ−ク１３へ入力信号を発
信する第１の正弦波発信器１１と、この正弦波発振器１
１と等しい周波数で指定された振幅と位相をもつ正弦波
である教師信号を発信する第２の正弦波発信器１２と、
この教師信号と前記ニュ−ラルネットワ−ク１３の出力
との差に基づき前記シナプス荷重を修正する学習機構１
５と、前記正弦波発信器１１および前記正弦波発信器１
２に、発信する正弦波の周波数を順次指令し、かつ、そ
の周波数に対して予め指定された振幅および位相を正弦
波発信器１２へ順次指令するスケジュ−ラ１０とを備え
たニュ−ラルネットワ−クの周波数特性学習装置。
Description
【０００１】
【産業上の利用分野】本発明は、プラント制御を始めと
する各種の制御システムに利用されるニュ−ラルネット
ワ−クの周波数特性学習装置に関する。
する各種の制御システムに利用されるニュ−ラルネット
ワ−クの周波数特性学習装置に関する。
【０００２】
【従来の技術】近年、プラントの規模が大きく複雑にな
るにつれ、その制御システムも多種多様にわたってい
る。従って、かかるプラントで使用される制御器として
は、その制御対象となるプラントに応じて固有の特性を
もたせる必要がある。ところで最近、ニュ−ラルネット
ワ−クを制御器として使用する各種の試みがなされてい
る。
るにつれ、その制御システムも多種多様にわたってい
る。従って、かかるプラントで使用される制御器として
は、その制御対象となるプラントに応じて固有の特性を
もたせる必要がある。ところで最近、ニュ−ラルネット
ワ−クを制御器として使用する各種の試みがなされてい
る。
【０００３】その試みの一つとして時間応答に着目した
制御器があり、これはニュ−ラルネットワ−クに対し
て、制御量が目標値に一致するように学習させたもの、
および外乱入力に対して制御量が乱されないように学習
させたものである。
制御器があり、これはニュ−ラルネットワ−クに対し
て、制御量が目標値に一致するように学習させたもの、
および外乱入力に対して制御量が乱されないように学習
させたものである。
【０００４】また、他の試みとして、周波数特性に着目
した制御器があり、これはボ−ド線図上で一巡伝達関数
のゲイン特性が経験的に良いとされる形になるように試
行錯誤的に伝達関数を設計したり、Ｈ∞制御理論に基づ
いてゲインの最大値であるＨ∞のノルム（大きさ）を最
小にするように伝達関数を設計するようにしたものであ
る。
した制御器があり、これはボ−ド線図上で一巡伝達関数
のゲイン特性が経験的に良いとされる形になるように試
行錯誤的に伝達関数を設計したり、Ｈ∞制御理論に基づ
いてゲインの最大値であるＨ∞のノルム（大きさ）を最
小にするように伝達関数を設計するようにしたものであ
る。
【０００５】
【発明が解決しようとする課題】しかし、上述したよう
な制御器では種々の制御システムに対応させるには以下
のような理由により不十分である。
な制御器では種々の制御システムに対応させるには以下
のような理由により不十分である。
【０００６】すなわち、フィ−ドバック制御系では目標
値追従性や外乱抑制性などの時間応答に関する制御性
と、それ以上の安定性やロバスト性（強さ）などの確保
が重要である。しかし、従来のニュ−ラルネットワ−ク
を用いた制御器は時間応答に関する学習により作られて
いるため、安定性やロバスト性に欠ける傾向があり、実
用上問題があった。特に、充分な学習を行い優れた時間
応答が得られるもの程、その傾向が強く現れる。
値追従性や外乱抑制性などの時間応答に関する制御性
と、それ以上の安定性やロバスト性（強さ）などの確保
が重要である。しかし、従来のニュ−ラルネットワ−ク
を用いた制御器は時間応答に関する学習により作られて
いるため、安定性やロバスト性に欠ける傾向があり、実
用上問題があった。特に、充分な学習を行い優れた時間
応答が得られるもの程、その傾向が強く現れる。
【０００７】また、ボ−ド線図上の周波数特性に基づき
制御器を設計する試みは、所望とするゲイン特性から試
行錯誤的に伝達関数を見出すには熟練を要し、しかも、
制御対象の特性が複雑な場合は、非常に困難である。そ
の上、このような手法で設計できる制御器の伝達関数は
簡単なものに限定されるので、制御性も自ずと限定され
た制御器となってしまう。
制御器を設計する試みは、所望とするゲイン特性から試
行錯誤的に伝達関数を見出すには熟練を要し、しかも、
制御対象の特性が複雑な場合は、非常に困難である。そ
の上、このような手法で設計できる制御器の伝達関数は
簡単なものに限定されるので、制御性も自ずと限定され
た制御器となってしまう。
【０００８】さらにＨ∞制御理論に基づいて制御器を設
計する場合には、数学的に非常に高度な知識および技術
を要し、解が求まる条件設定が難しく、その上、設計さ
れた制御器の伝達関数も非常に複雑になり、現実の制御
器として実現させるには困難であった。しかもこの複雑
な伝達関数を本質を失わずに簡略化する方法も分かって
いなかった。
計する場合には、数学的に非常に高度な知識および技術
を要し、解が求まる条件設定が難しく、その上、設計さ
れた制御器の伝達関数も非常に複雑になり、現実の制御
器として実現させるには困難であった。しかもこの複雑
な伝達関数を本質を失わずに簡略化する方法も分かって
いなかった。
【０００９】本発明の目的は、制御器等に求められる安
定性やロバスト性に優れた周波数特性を、学習によって
容易にニュ−ラルネットワ−クに教示させることができ
るニュ−ラルネットワ−クの周波数特性学習装置を提供
することにある。
定性やロバスト性に優れた周波数特性を、学習によって
容易にニュ−ラルネットワ−クに教示させることができ
るニュ−ラルネットワ−クの周波数特性学習装置を提供
することにある。
【００１０】
【課題を解決するための手段】上記課題を解決するため
に、先ず、本発明は、正弦波入力信号を演算して前記入
力信号と異なる波形の正弦波信号を出力し、かつ、この
演算の際に係数として用いられるシナプス荷重の修正に
より学習可能なニュ−ラルネットワ−クと、ある周波数
特性に対して、指定された周波数の正弦波入力信号を学
習用入力信号として前記ニュ−ラルネットワ−クへ発信
する周波数可変の第１の正弦波発信器と、この第１の正
弦波発振器と等しい周波数で指定された振幅または振幅
および位相の正弦波を前記ニュ−ラルネットワ−クの教
師信号として発信する第２の正弦波発信器と、この教師
信号に対する前記ニュ−ラルネットワ−クの出力誤差に
基づいてニュ−ラルネットワ−クの前記シナプス荷重を
修正する学習機構とを備えた構成である。
に、先ず、本発明は、正弦波入力信号を演算して前記入
力信号と異なる波形の正弦波信号を出力し、かつ、この
演算の際に係数として用いられるシナプス荷重の修正に
より学習可能なニュ−ラルネットワ−クと、ある周波数
特性に対して、指定された周波数の正弦波入力信号を学
習用入力信号として前記ニュ−ラルネットワ−クへ発信
する周波数可変の第１の正弦波発信器と、この第１の正
弦波発振器と等しい周波数で指定された振幅または振幅
および位相の正弦波を前記ニュ−ラルネットワ−クの教
師信号として発信する第２の正弦波発信器と、この教師
信号に対する前記ニュ−ラルネットワ−クの出力誤差に
基づいてニュ−ラルネットワ−クの前記シナプス荷重を
修正する学習機構とを備えた構成である。
【００１１】また、正弦波入力信号を演算して前記入力
信号と異なる波形の正弦波信号を出力し、かつ、この演
算の際に係数として用いられるシナプス荷重の修正によ
り学習可能なニュ−ラルネットワ−クと、ある周波数特
性に対して、指定された周波数の正弦波入力信号を学習
用入力信号として前記ニュ−ラルネットワ−クへ発信す
る周波数可変の第１の正弦波発信器と、この第１の正弦
波発振器と等しい周波数で指定された振幅または振幅お
よび位相の正弦波を前記ニュ−ラルネットワ−クの教師
信号として発信する第２の正弦波発信器と、この教師信
号に対する前記ニュ−ラルネットワ−クの出力誤差に基
づいてニュ−ラルネットワ−クの前記シナプス荷重を修
正する学習機構と、ある周波数特性に対して、指定され
た複数点の周波数、振幅および位相のデ−タが各指定点
ごとに保持された設定値テ−ブルを有し、この設定値テ
−ブルに保持されたデ−タに基づき、各指定点での前記
出力誤差が所定の学習収束条件を満たすまで、前記第１
の正弦波発信器に発信周波数を指令するとともに前記第
２の正弦波発信器にはその発信周波数に対応する振幅ま
たは振幅および位相を指令するスケジュ−ラとを備えた
構成である。
信号と異なる波形の正弦波信号を出力し、かつ、この演
算の際に係数として用いられるシナプス荷重の修正によ
り学習可能なニュ−ラルネットワ−クと、ある周波数特
性に対して、指定された周波数の正弦波入力信号を学習
用入力信号として前記ニュ−ラルネットワ−クへ発信す
る周波数可変の第１の正弦波発信器と、この第１の正弦
波発振器と等しい周波数で指定された振幅または振幅お
よび位相の正弦波を前記ニュ−ラルネットワ−クの教師
信号として発信する第２の正弦波発信器と、この教師信
号に対する前記ニュ−ラルネットワ−クの出力誤差に基
づいてニュ−ラルネットワ−クの前記シナプス荷重を修
正する学習機構と、ある周波数特性に対して、指定され
た複数点の周波数、振幅および位相のデ−タが各指定点
ごとに保持された設定値テ−ブルを有し、この設定値テ
−ブルに保持されたデ−タに基づき、各指定点での前記
出力誤差が所定の学習収束条件を満たすまで、前記第１
の正弦波発信器に発信周波数を指令するとともに前記第
２の正弦波発信器にはその発信周波数に対応する振幅ま
たは振幅および位相を指令するスケジュ−ラとを備えた
構成である。
【００１２】さらに、正弦波入力信号を演算して前記入
力信号と異なる波形の正弦波信号を出力し、かつ、この
演算の際に係数として用いられるシナプス荷重の修正に
より学習可能なニュ−ラルネットワ−クと、ある周波数
特性に対して、指定された周波数の正弦波入力信号を学
習用入力信号として前記ニュ−ラルネットワ−クへ発信
する周波数可変の第１の正弦波発信器と、この第１の正
弦波発振器と等しい周波数で指定された振幅または振幅
および位相の正弦波を前記ニュ−ラルネットワ−クの教
師信号として発信する第２の正弦波発信器と、この教師
信号に対する前記ニュ−ラルネットワ−クの出力誤差に
基づいてニュ−ラルネットワ−クの前記シナプス荷重を
修正する学習機構とを備え、前記ニュ−ラルネットワ−
クは、前記シナプス荷重の修正指令が入力される学習対
象ニュ−ラルネットワ−クと、この学習対象ニュ−ラル
ネットワ−クに直列に接続された制御モデルニュ−ラル
ネットワ−クとを備えた構成である。
力信号と異なる波形の正弦波信号を出力し、かつ、この
演算の際に係数として用いられるシナプス荷重の修正に
より学習可能なニュ−ラルネットワ−クと、ある周波数
特性に対して、指定された周波数の正弦波入力信号を学
習用入力信号として前記ニュ−ラルネットワ−クへ発信
する周波数可変の第１の正弦波発信器と、この第１の正
弦波発振器と等しい周波数で指定された振幅または振幅
および位相の正弦波を前記ニュ−ラルネットワ−クの教
師信号として発信する第２の正弦波発信器と、この教師
信号に対する前記ニュ−ラルネットワ−クの出力誤差に
基づいてニュ−ラルネットワ−クの前記シナプス荷重を
修正する学習機構とを備え、前記ニュ−ラルネットワ−
クは、前記シナプス荷重の修正指令が入力される学習対
象ニュ−ラルネットワ−クと、この学習対象ニュ−ラル
ネットワ−クに直列に接続された制御モデルニュ−ラル
ネットワ−クとを備えた構成である。
【００１３】これらの構成において、教師信号に対する
ニュ−ラルネットワ−クの出力誤差を検出するには比較
器を用いることができ、学習機構は出力誤差に基づく学
習状況をスケジュ−ラに知らせることができるものとす
る。
ニュ−ラルネットワ−クの出力誤差を検出するには比較
器を用いることができ、学習機構は出力誤差に基づく学
習状況をスケジュ−ラに知らせることができるものとす
る。
【００１４】
【作用】従って、本発明は以上のような手段を講じたこ
とにより、第１の正弦波発信器より、ある周波数特性に
対して、指定された周波数の正弦波信号が入力されるニ
ュ−ラルネットワ−クの出力正弦波信号と、第２の正弦
波発信器より出力される、ある周波数特性に対して、指
定された振幅および位相の正弦波である教師信号を一致
するように、出力正弦波信号と教師信号との誤差に基づ
き学習機構がニュ−ラルネットワ−クのシナプス荷重を
修正させていくので、ニュ−ラルネットワ−クに所望と
する周波数特性を学習させることができる。
とにより、第１の正弦波発信器より、ある周波数特性に
対して、指定された周波数の正弦波信号が入力されるニ
ュ−ラルネットワ−クの出力正弦波信号と、第２の正弦
波発信器より出力される、ある周波数特性に対して、指
定された振幅および位相の正弦波である教師信号を一致
するように、出力正弦波信号と教師信号との誤差に基づ
き学習機構がニュ−ラルネットワ−クのシナプス荷重を
修正させていくので、ニュ−ラルネットワ−クに所望と
する周波数特性を学習させることができる。
【００１５】また、本発明は、スケジュ−ラが学習機構
から送られる学習状況に基づいて、自動的に第１および
第２の正弦波発信器に発信する正弦波信号の指定を行う
ので、容易にニュ−ラルネットワ−クに所望とする周波
数特性を学習させることができる。
から送られる学習状況に基づいて、自動的に第１および
第２の正弦波発信器に発信する正弦波信号の指定を行う
ので、容易にニュ−ラルネットワ−クに所望とする周波
数特性を学習させることができる。
【００１６】さらに本発明では、学習させるニュ−ラル
ネットワ−ク全体の内部を、学習対象ニュ−ラルネット
ワ−クと制御モデルニュ−ラルネットワ−クとに分けて
直列接続し、実際にプラントを接続したことを想定した
学習を行わせることにより、所望とする周波数特性の一
巡伝達関数をニュ−ラルネットワ−クに学習させること
ができる。
ネットワ−ク全体の内部を、学習対象ニュ−ラルネット
ワ−クと制御モデルニュ−ラルネットワ−クとに分けて
直列接続し、実際にプラントを接続したことを想定した
学習を行わせることにより、所望とする周波数特性の一
巡伝達関数をニュ−ラルネットワ−クに学習させること
ができる。
【００１７】
【実施例】以下、本発明の実施例について詳細に述べる
が、その前に本発明の構成要素であるニュ−ラルネット
ワ−クの構成例について図面を参照して説明する。この
ニュ−ラルネットワ−クは学習可能で時系列信号を扱え
るものを対象とする。
が、その前に本発明の構成要素であるニュ−ラルネット
ワ−クの構成例について図面を参照して説明する。この
ニュ−ラルネットワ−クは学習可能で時系列信号を扱え
るものを対象とする。
【００１８】なお、ニュ−ラルネットワ−クとは簡単な
関数計算を行う人口ニュ−ロン素子が互いに重みつきの
方向性リンクで結合されてネットワ−クを構成し、各々
の人口ニュ−ロン素子は出力値をリンクを介し伝播しな
がら情報処理を行うものである。
関数計算を行う人口ニュ−ロン素子が互いに重みつきの
方向性リンクで結合されてネットワ−クを構成し、各々
の人口ニュ−ロン素子は出力値をリンクを介し伝播しな
がら情報処理を行うものである。
【００１９】まず初めに、ニュ−ラルネットワ−クを構
成する人口ニュ−ロン素子について説明し、次に、前記
素子の組み合わせにより構成されるニュ−ラルネットワ
−クについて説明する。
成する人口ニュ−ロン素子について説明し、次に、前記
素子の組み合わせにより構成されるニュ−ラルネットワ
−クについて説明する。
【００２０】図１４は人口ニュ−ロン素子の模式図であ
る。図１４において、人口ニュ−ロン素子は入力デ−タ
Ｘｊ（ｊ＝１，２，…，Ｎ）にシナプス荷重Ｗｊ（シナ
プス可変結合係数）を乗算して得られたＸｊ・Ｗｊを受
信する。その後に、（１）式で表される総和ｕを求め
る。 この総和ｕから、しきい値θを減算して出力関数ｆ（例
えば、シグモイド関数）で変換することにより、以下の
（２）式で示す出力Ｙを得る機能をもつ。
る。図１４において、人口ニュ−ロン素子は入力デ−タ
Ｘｊ（ｊ＝１，２，…，Ｎ）にシナプス荷重Ｗｊ（シナ
プス可変結合係数）を乗算して得られたＸｊ・Ｗｊを受
信する。その後に、（１）式で表される総和ｕを求め
る。 この総和ｕから、しきい値θを減算して出力関数ｆ（例
えば、シグモイド関数）で変換することにより、以下の
（２）式で示す出力Ｙを得る機能をもつ。
【００２１】図１５は、リカレントタイプの人口ニュ−
ロン素子の模式図で、図１４に示す人口ニュ−ロン素子
の出力Ｙに遅延要素を付加したものである。この人口ニ
ュ−ロン素子は、自らの出力Ｙを遅延させてフィ−ドバ
ックし、あるいは、同一層内の他の人口ニュ−ロン素子
の出力を遅延させて入力することにより、時系列信号を
扱え、非線形性も包含した機能を有する。次に、これら
の人口ニュ−ロン素子を組み合わせたニュ−ラルネット
ワ−クの構成例をいくつか説明する。
ロン素子の模式図で、図１４に示す人口ニュ−ロン素子
の出力Ｙに遅延要素を付加したものである。この人口ニ
ュ−ロン素子は、自らの出力Ｙを遅延させてフィ−ドバ
ックし、あるいは、同一層内の他の人口ニュ−ロン素子
の出力を遅延させて入力することにより、時系列信号を
扱え、非線形性も包含した機能を有する。次に、これら
の人口ニュ−ロン素子を組み合わせたニュ−ラルネット
ワ−クの構成例をいくつか説明する。
【００２２】まず、図１０は自己回帰モデルタイプのニ
ュ−ラルネットワ−クにおける構成を示す図である。同
図において、入力信号は、そのまま、あるいは１以上の
変換要素１を介して複数個ある入力層人口ニュ−ロン２
のどれかに入力される。ここで変換要素１は入力信号を
微分または遅延させる要素である。入力層人口ニュ−ロ
ン２に入った入力信号は複数個ある中間層人口ニュ−ロ
ン３のいずれかを介し、一つの出力層人口ニュ−ロン４
から出力信号となってでてくる。このとき各層人口ニュ
−ロンでそれぞれ入力信号に対し（１）式の演算を行っ
て出力している。このように構成したニュ−ラルネット
ワ−クは、線形特性の場合のモ−メント表現モデル、あ
るいはＡＲ（Auto Regressive:自己回帰）モデルに相当
し、時系列信号を扱え、非線形性も包含した動特性要素
となる。
ュ−ラルネットワ−クにおける構成を示す図である。同
図において、入力信号は、そのまま、あるいは１以上の
変換要素１を介して複数個ある入力層人口ニュ−ロン２
のどれかに入力される。ここで変換要素１は入力信号を
微分または遅延させる要素である。入力層人口ニュ−ロ
ン２に入った入力信号は複数個ある中間層人口ニュ−ロ
ン３のいずれかを介し、一つの出力層人口ニュ−ロン４
から出力信号となってでてくる。このとき各層人口ニュ
−ロンでそれぞれ入力信号に対し（１）式の演算を行っ
て出力している。このように構成したニュ−ラルネット
ワ−クは、線形特性の場合のモ−メント表現モデル、あ
るいはＡＲ（Auto Regressive:自己回帰）モデルに相当
し、時系列信号を扱え、非線形性も包含した動特性要素
となる。
【００２３】続いて、他の構成例の説明をする。図１１
は移動平均モデルタイプのニュ−ラルネットワ−クにお
ける構成を示す図である。図示するように、入力層人口
ニュ−ロン２に入力する信号として、このニュ−ラルネ
ットワ−クへの入力信号、このニュ−ラルネットワ−ク
からの出力信号、および１以上の変換要素１で前記出力
信号を微分あるいは遅延させた信号を用いる構成であ
る。この構成によるニュ−ラルネットワ−クは、線形特
性の場合の分母系列表現モデル、あるいはＭＡ（Moving
Average: 移動平均）モデルに相当し、時系列信号を扱
える非線形性も包含した動特性要素となる。
は移動平均モデルタイプのニュ−ラルネットワ−クにお
ける構成を示す図である。図示するように、入力層人口
ニュ−ロン２に入力する信号として、このニュ−ラルネ
ットワ−クへの入力信号、このニュ−ラルネットワ−ク
からの出力信号、および１以上の変換要素１で前記出力
信号を微分あるいは遅延させた信号を用いる構成であ
る。この構成によるニュ−ラルネットワ−クは、線形特
性の場合の分母系列表現モデル、あるいはＭＡ（Moving
Average: 移動平均）モデルに相当し、時系列信号を扱
える非線形性も包含した動特性要素となる。
【００２４】また、別の他の構成例を説明する。図１２
に自己回帰移動平均モデルタイプのニュ−ラルネットワ
−クの構成を示す。この図１２に示す構成は、図１０お
よび図１１で示したニュ−ラルネットワ−クの構成をそ
れぞれ並列に組み合わせたものである。但し、入力信号
が入力層人口ニュ−ロン２に直接入るのは１ケ所とし、
出力層人口ニュ−ロン４も１ケ所とする。このようにＡ
ＲモデルとＭＡとを組み合わせたニュ−ラルネットワ−
クは、線形特性の場合の有理関数表現モデル、あるいは
ＡＲＭＡ（Auto Regressive Moving Average: 自己回帰
移動平均）モデルに相当している。
に自己回帰移動平均モデルタイプのニュ−ラルネットワ
−クの構成を示す。この図１２に示す構成は、図１０お
よび図１１で示したニュ−ラルネットワ−クの構成をそ
れぞれ並列に組み合わせたものである。但し、入力信号
が入力層人口ニュ−ロン２に直接入るのは１ケ所とし、
出力層人口ニュ−ロン４も１ケ所とする。このようにＡ
ＲモデルとＭＡとを組み合わせたニュ−ラルネットワ−
クは、線形特性の場合の有理関数表現モデル、あるいは
ＡＲＭＡ（Auto Regressive Moving Average: 自己回帰
移動平均）モデルに相当している。
【００２５】更に、他の構成例を図面を用いて説明す
る。図１３に状態遷移方程式モデルタイプのニュ−ラル
ネットワ−クの構成を示す。同図においては、出力層人
口ニュ−ロン４が複数個ある。この出力層人口ニュ−ロ
ン４のうち、ニュ−ラルネットワ−クとしての出力信号
を出すのは１個であり、他の出力層人口ニュ−ロン４か
らの出力は中間状態量信号として、入力層人口ニュ−ロ
ン２に入る。他に入力層人口ニュ−ロン２に入る信号と
しては、ニュ−ラルネットワ−クへの入力信号および１
個しかない出力層人口ニュ−ロン４からフィ−ドバック
した出力信号がある。この構成によるニュ−ラルネット
ワ−クは、線形特性の場合の状態遷移方程式モデルに相
当し、時系列信号を扱え、非線形性も包含した動特性要
素となる。次に、本発明の第１の実施例に係るニュ−ラ
ルネットワ−クの周波数特性学習装置について図面を用
いて説明する。
る。図１３に状態遷移方程式モデルタイプのニュ−ラル
ネットワ−クの構成を示す。同図においては、出力層人
口ニュ−ロン４が複数個ある。この出力層人口ニュ−ロ
ン４のうち、ニュ−ラルネットワ−クとしての出力信号
を出すのは１個であり、他の出力層人口ニュ−ロン４か
らの出力は中間状態量信号として、入力層人口ニュ−ロ
ン２に入る。他に入力層人口ニュ−ロン２に入る信号と
しては、ニュ−ラルネットワ−クへの入力信号および１
個しかない出力層人口ニュ−ロン４からフィ−ドバック
した出力信号がある。この構成によるニュ−ラルネット
ワ−クは、線形特性の場合の状態遷移方程式モデルに相
当し、時系列信号を扱え、非線形性も包含した動特性要
素となる。次に、本発明の第１の実施例に係るニュ−ラ
ルネットワ−クの周波数特性学習装置について図面を用
いて説明する。
【００２６】図１はニュ−ラルネットワ−クの周波数特
性学習装置の構成を示す図である。本実施例では図１に
示すように、予め指定した周波数、振幅および位相を後
述する学習状況に基づき順次指令するスケジュ−ラ１０
と、このスケジュ−ラ１０からの周波数指令により正弦
波信号を発信する第１の正弦波発信器１１と、前記スケ
ジュ−ラ１０からの周波数、振幅および位相の指令に基
づいた教師信号を発信する第２の正弦波発信器１２と、
前記第１の正弦波発信器からの正弦波信号を取り込んだ
後に特性変換して正弦波信号を出力するニュ−ラルネッ
トワ−ク１３と、このニュ−ラルネットワ−ク１３から
の出力正弦波信号と前記教師信号とを比較して誤差信号
を出力する比較器１４と、この誤差信号により前記誤差
が減少するように前記ニュ−ラルネットワ−ク１３にシ
ナプス荷重の修正指令を出力し、かつ、この誤差の収束
状況等の学習状況を前記スケジュ−ラ１０に知らせる学
習機構１５とを有する構成である。
性学習装置の構成を示す図である。本実施例では図１に
示すように、予め指定した周波数、振幅および位相を後
述する学習状況に基づき順次指令するスケジュ−ラ１０
と、このスケジュ−ラ１０からの周波数指令により正弦
波信号を発信する第１の正弦波発信器１１と、前記スケ
ジュ−ラ１０からの周波数、振幅および位相の指令に基
づいた教師信号を発信する第２の正弦波発信器１２と、
前記第１の正弦波発信器からの正弦波信号を取り込んだ
後に特性変換して正弦波信号を出力するニュ−ラルネッ
トワ−ク１３と、このニュ−ラルネットワ−ク１３から
の出力正弦波信号と前記教師信号とを比較して誤差信号
を出力する比較器１４と、この誤差信号により前記誤差
が減少するように前記ニュ−ラルネットワ−ク１３にシ
ナプス荷重の修正指令を出力し、かつ、この誤差の収束
状況等の学習状況を前記スケジュ−ラ１０に知らせる学
習機構１５とを有する構成である。
【００２７】このような構成をもつニュ−ラルネットワ
−クの周波数特性学習装置の動作を図２を用いて説明す
る。図２はニュ−ラルネットワ−クの周波数特性学習装
置におけるスケジュ−ラの機能を示すフロ−チャ−トで
ある。同図において、Ｉは正弦波信号を指定する際のデ
−タ順序番号である。このデ−タ順序番号Ｉに基づき、
周波数と振幅および位相を示すデ−タの組や学習収束条
件は、スケジュ−ラ１０内の設定値テ−ブルに設定され
る。Ｊはニュ−ラルネットワ−ク１３の学習回数であっ
てカウンタで数えられる。
−クの周波数特性学習装置の動作を図２を用いて説明す
る。図２はニュ−ラルネットワ−クの周波数特性学習装
置におけるスケジュ−ラの機能を示すフロ−チャ−トで
ある。同図において、Ｉは正弦波信号を指定する際のデ
−タ順序番号である。このデ−タ順序番号Ｉに基づき、
周波数と振幅および位相を示すデ−タの組や学習収束条
件は、スケジュ−ラ１０内の設定値テ−ブルに設定され
る。Ｊはニュ−ラルネットワ−ク１３の学習回数であっ
てカウンタで数えられる。
【００２８】さて、予め設計した、例えば図５に示すボ
−ド線図上の周波数特性（ＰＩＤ特性）に対して、複数
の点を指定し、各指定点の周波数に対する振幅（ゲイ
ン）と位相のデ−タを読み取る。また、学習収束条件を
選ぶ。そして、前記スケジュ−ラ１０内の設定値テ−ブ
ルに前記周波数特性に係るデ−タおよび学習条件の設定
を行うと、ニュ−ラルネットワ−クの周波数特性学習装
置の準備が整う。
−ド線図上の周波数特性（ＰＩＤ特性）に対して、複数
の点を指定し、各指定点の周波数に対する振幅（ゲイ
ン）と位相のデ−タを読み取る。また、学習収束条件を
選ぶ。そして、前記スケジュ−ラ１０内の設定値テ−ブ
ルに前記周波数特性に係るデ−タおよび学習条件の設定
を行うと、ニュ−ラルネットワ−クの周波数特性学習装
置の準備が整う。
【００２９】ここでスケジュ−ラ１０をスタ−トさせ
る。カウンタは学習回数Ｊをリセット（ＳＴ１）後、カ
ウントアップ（ＳＴ２）する。さらに、デ−タ順序番号
Ｉもリセット（ＳＴ３）後、カウントアップ（ＳＴ４）
する。デ−タ順序番号Ｉに応じた周波数、振幅および位
相を示すデ−タは設定値テ−ブルから読み出されて、第
１の正弦波発信器１１には周波数のデ−タが、第２の正
弦波発信器１２には周波数、振幅および位相を示すデ−
タが、それぞれ指令される（ＳＴ５）。ニュ−ラルネッ
トワ−ク１３は、第１の正弦波発信器１１から発信され
た正弦波信号を入力し、所定の演算を行って特性変換し
た後に正弦波信号を出力する。
る。カウンタは学習回数Ｊをリセット（ＳＴ１）後、カ
ウントアップ（ＳＴ２）する。さらに、デ−タ順序番号
Ｉもリセット（ＳＴ３）後、カウントアップ（ＳＴ４）
する。デ−タ順序番号Ｉに応じた周波数、振幅および位
相を示すデ−タは設定値テ−ブルから読み出されて、第
１の正弦波発信器１１には周波数のデ−タが、第２の正
弦波発信器１２には周波数、振幅および位相を示すデ−
タが、それぞれ指令される（ＳＴ５）。ニュ−ラルネッ
トワ−ク１３は、第１の正弦波発信器１１から発信され
た正弦波信号を入力し、所定の演算を行って特性変換し
た後に正弦波信号を出力する。
【００３０】比較器１４は第２の正弦波発信器１２から
発信された教師信号と、前記ニュ−ラルネットワ−ク１
３が出力した正弦波信号との比較を行い、その偏差を誤
差信号として学習機構１５に出力する。
発信された教師信号と、前記ニュ−ラルネットワ−ク１
３が出力した正弦波信号との比較を行い、その偏差を誤
差信号として学習機構１５に出力する。
【００３１】学習機構１５は、この誤差信号に基づきニ
ュ−ラルネットワ−ク１３のシナプス荷重を修正する指
令を出してニュ−ラルネットワ−ク１３が前記教師信号
と誤差の少ない正弦波信号を出力するよう逆伝播学習則
などによって学習させるとともに、学習状況をスケジュ
−ラ１０に知らせる。
ュ−ラルネットワ−ク１３のシナプス荷重を修正する指
令を出してニュ−ラルネットワ−ク１３が前記教師信号
と誤差の少ない正弦波信号を出力するよう逆伝播学習則
などによって学習させるとともに、学習状況をスケジュ
−ラ１０に知らせる。
【００３２】次にスケジュ−ラ１０は、この学習状況
と、予め学習回数Ｊに対し定めた学習収束条件内に入っ
たかどうかチェックを行う。この学習収束条件は学習回
数Ｊが少ない最初の方は緩くしておき、しだいに厳しく
する。そして学習収束条件が満たされるか、その周波数
に関して所定の学習時間が経過（ＳＴ６）したら、ＳＴ
４に戻り、デ−タ順序番号Ｉを一つ増やして次の指定し
た周波数に対し、指定した正弦波を出力する学習を続け
る。かくして、指定した全ての周波数に対し前記学習が
完了すると（ＳＴ７）、ＳＴ２に戻って学習回数Ｊが一
つ増えるとともに厳しくなった学習収束条件に対して学
習を続ける。このような処理を学習回数Ｊが最大になる
まで繰り返す（ＳＴ８）。
と、予め学習回数Ｊに対し定めた学習収束条件内に入っ
たかどうかチェックを行う。この学習収束条件は学習回
数Ｊが少ない最初の方は緩くしておき、しだいに厳しく
する。そして学習収束条件が満たされるか、その周波数
に関して所定の学習時間が経過（ＳＴ６）したら、ＳＴ
４に戻り、デ−タ順序番号Ｉを一つ増やして次の指定し
た周波数に対し、指定した正弦波を出力する学習を続け
る。かくして、指定した全ての周波数に対し前記学習が
完了すると（ＳＴ７）、ＳＴ２に戻って学習回数Ｊが一
つ増えるとともに厳しくなった学習収束条件に対して学
習を続ける。このような処理を学習回数Ｊが最大になる
まで繰り返す（ＳＴ８）。
【００３３】なお、学習収束条件は、設定値テ−ブルで
任意に設定できるので、学習回数Ｊごとに変えたり、あ
るいは、ある周波数以下では振幅誤差が負でなければ収
束と判定し、ある周波数以上では振幅誤差が正でなけれ
ば収束と判定するなど、周波数によって変えることがで
きる。
任意に設定できるので、学習回数Ｊごとに変えたり、あ
るいは、ある周波数以下では振幅誤差が負でなければ収
束と判定し、ある周波数以上では振幅誤差が正でなけれ
ば収束と判定するなど、周波数によって変えることがで
きる。
【００３４】次に本発明の第２の実施例を図３を用いて
説明する。図３はニュ−ラルネットワ−クの周波数特性
学習装置の構成を示す図であり、図１と同一部分には同
一符号を付してその説明を省略し、ここでは異なる部分
についてのみ述べる。すなわち、本実施例では図３に示
すように、図１における第２の正弦波発信器１２に代え
て、第１の正弦波発信器１１が発信する正弦波を入力
し、この正弦波をスケジュ−ラ１０から指令された振幅
および位相の正弦波に変換後、教師信号として出力する
機能をもつ第２の正弦波発信器１６を設けたものであ
る。従って、この場合の第２の正弦波発信器１６は、周
波数をつくらなくてもいいので、図１のものに比べて簡
素でよい利点がある。
説明する。図３はニュ−ラルネットワ−クの周波数特性
学習装置の構成を示す図であり、図１と同一部分には同
一符号を付してその説明を省略し、ここでは異なる部分
についてのみ述べる。すなわち、本実施例では図３に示
すように、図１における第２の正弦波発信器１２に代え
て、第１の正弦波発信器１１が発信する正弦波を入力
し、この正弦波をスケジュ−ラ１０から指令された振幅
および位相の正弦波に変換後、教師信号として出力する
機能をもつ第２の正弦波発信器１６を設けたものであ
る。従って、この場合の第２の正弦波発信器１６は、周
波数をつくらなくてもいいので、図１のものに比べて簡
素でよい利点がある。
【００３５】更に、本発明の第３の実施例を図４を用い
て説明する。図４はニュ−ラルネットワ−クの周波数特
性学習装置の構成を示す図であり、前述した図３の説明
と同様に図１と異なる部分についてのみ述べる。すなわ
ち、本実施例では図４に示すように、図１における第２
の正弦波発信器１２に代えて、ニュ−ラルネットワ−ク
１３が出力する正弦波を入力し、この正弦波をスケジュ
−ラ１０から指令された振幅の正弦波に変換後、教師信
号として出力する機能をもつ第２の正弦波発信器１７を
設けるものである。
て説明する。図４はニュ−ラルネットワ−クの周波数特
性学習装置の構成を示す図であり、前述した図３の説明
と同様に図１と異なる部分についてのみ述べる。すなわ
ち、本実施例では図４に示すように、図１における第２
の正弦波発信器１２に代えて、ニュ−ラルネットワ−ク
１３が出力する正弦波を入力し、この正弦波をスケジュ
−ラ１０から指令された振幅の正弦波に変換後、教師信
号として出力する機能をもつ第２の正弦波発信器１７を
設けるものである。
【００３６】なお、ニュ−ラルネットワ−ク１３が出力
する正弦波の周波数が第１の正弦波発信器１１が発信す
る正弦波の周波数と異なる場合には、後者の周波数を優
先させる機能を有している。この実施例のニュ−ラルネ
ットワ−クの周波数特性学習装置は、ニュ−ラルネット
ワ−クに、周波数特性のうちゲイン特性を指定した特性
として学習させる場合に適している。
する正弦波の周波数が第１の正弦波発信器１１が発信す
る正弦波の周波数と異なる場合には、後者の周波数を優
先させる機能を有している。この実施例のニュ−ラルネ
ットワ−クの周波数特性学習装置は、ニュ−ラルネット
ワ−クに、周波数特性のうちゲイン特性を指定した特性
として学習させる場合に適している。
【００３７】上述したように、本発明の第１から第３の
実施例は、制御対象、目標値変化および外乱の特性など
に基づいて設計した望ましい周波数特性をスケジュ−ラ
１０に設定し、このスケジュ−ラ１０の指令により、ニ
ュ−ラルネットワ−ク１３が学習するので、ニュ−ラル
ネットワ−クに所望の周波数特性を持たせることができ
る。
実施例は、制御対象、目標値変化および外乱の特性など
に基づいて設計した望ましい周波数特性をスケジュ−ラ
１０に設定し、このスケジュ−ラ１０の指令により、ニ
ュ−ラルネットワ−ク１３が学習するので、ニュ−ラル
ネットワ−クに所望の周波数特性を持たせることができ
る。
【００３８】以上の説明では、本発明を用いて周波数特
性を学習させるときに、設計仕様がボ−ド線図で与えら
れた簡単な場合について述べた。続いて、設計仕様が感
度関数および相補感度関数で与えられた複雑な場合につ
いての本発明の適用例を、図面を参照しながら具体的に
説明する。
性を学習させるときに、設計仕様がボ−ド線図で与えら
れた簡単な場合について述べた。続いて、設計仕様が感
度関数および相補感度関数で与えられた複雑な場合につ
いての本発明の適用例を、図面を参照しながら具体的に
説明する。
【００３９】まず、図６（ａ）に、一巡伝達特性をモデ
ル化した複合ニュ−ラルネットワ−クの構成図を示す。
同図において、２０は一巡伝達周波数特性Ｒ(jω）をも
つ複合ニュ−ラルネットワ−クであって、学習対象ニュ
−ラルネットワ−クに対応するフィ−ドバック制御用ニ
ュ−ラルネットワ−ク２１とそれに直列に接続された制
御モデルニュ−ラルネットワ−ク２２から構成される。
この複合ニュ−ラルネットワ−ク２０は、図１と図３お
よび図４におけるニュ−ラルネットワ−ク１３に対応す
る。
ル化した複合ニュ−ラルネットワ−クの構成図を示す。
同図において、２０は一巡伝達周波数特性Ｒ(jω）をも
つ複合ニュ−ラルネットワ−クであって、学習対象ニュ
−ラルネットワ−クに対応するフィ−ドバック制御用ニ
ュ−ラルネットワ−ク２１とそれに直列に接続された制
御モデルニュ−ラルネットワ−ク２２から構成される。
この複合ニュ−ラルネットワ−ク２０は、図１と図３お
よび図４におけるニュ−ラルネットワ−ク１３に対応す
る。
【００４０】前記フィ−ドバック制御用ニュ−ラルネッ
トワ−ク２１は伝達関数Ｃ(jω）をもち、この伝達関数
Ｃ(jω）が目標とする周波数特性をもつように学習機構
１５からの指令によりシナプス荷重を修正する。
トワ−ク２１は伝達関数Ｃ(jω）をもち、この伝達関数
Ｃ(jω）が目標とする周波数特性をもつように学習機構
１５からの指令によりシナプス荷重を修正する。
【００４１】前記制御モデルニュ−ラルネットワ−ク２
２は、制御したい対象と同じ特性の伝達関数Ｐ(jω）を
学習させたニュ−ラルネットワ−クであるが、前記伝達
関数Ｐ(jω）をもつ制御器としてもよい。制御モデルニ
ュ−ラルネットワ−ク２２は、前記フィ−ドバック制御
用ニュ−ラルネットワ−ク２１の学習用として接続され
ているので、これ自体は学習を行わない。なお、図６に
おけるフィ−ドバック制御用ニュ−ラルネットワ−ク２
１と制御モデルニュ−ラルネットワ−ク２２の接続順序
は学習の都合で逆にしてもよい。
２は、制御したい対象と同じ特性の伝達関数Ｐ(jω）を
学習させたニュ−ラルネットワ−クであるが、前記伝達
関数Ｐ(jω）をもつ制御器としてもよい。制御モデルニ
ュ−ラルネットワ−ク２２は、前記フィ−ドバック制御
用ニュ−ラルネットワ−ク２１の学習用として接続され
ているので、これ自体は学習を行わない。なお、図６に
おけるフィ−ドバック制御用ニュ−ラルネットワ−ク２
１と制御モデルニュ−ラルネットワ−ク２２の接続順序
は学習の都合で逆にしてもよい。
【００４２】以下に、このように構成した複合ニュ−ラ
ルネットワ−ク２０を用いて、所望とする制御特性が制
御対象を含んだ一巡伝達周波数特性Ｒ(jω）で与えられ
た場合の学習を説明する。
ルネットワ−ク２０を用いて、所望とする制御特性が制
御対象を含んだ一巡伝達周波数特性Ｒ(jω）で与えられ
た場合の学習を説明する。
【００４３】前記一巡伝達周波数特性Ｒ(jω）が例えば
図７で示されるように所定のゲイン余裕および位相余裕
を持たせたボ−ド線図で与えられたとする。このボ−ド
線図から幾つかの周波数に対する振幅（ゲイン）と位相
を読み取り、スケジュ−ラ１０の設定値テ−ブルに設定
し、スケジュ−ラ１０をスタ−トさせてニュ−ラルネッ
トワ−クの周波数特性学習装置を起動させる。
図７で示されるように所定のゲイン余裕および位相余裕
を持たせたボ−ド線図で与えられたとする。このボ−ド
線図から幾つかの周波数に対する振幅（ゲイン）と位相
を読み取り、スケジュ−ラ１０の設定値テ−ブルに設定
し、スケジュ−ラ１０をスタ−トさせてニュ−ラルネッ
トワ−クの周波数特性学習装置を起動させる。
【００４４】本適用例では、学習機構１５が、制御モデ
ルフィ−ドバック２２に関しては誤差信号を逆伝播さ
せ、かつ、シナプス荷重の修正をフィ−ドバック制御用
ニュ−ラルネットワ−ク２１に対してのみ行うことで複
合ニュ−ラルネットワ−ク２０が所望の一巡伝達周波数
特性Ｒ(jω）となるように学習する。
ルフィ−ドバック２２に関しては誤差信号を逆伝播さ
せ、かつ、シナプス荷重の修正をフィ−ドバック制御用
ニュ−ラルネットワ−ク２１に対してのみ行うことで複
合ニュ−ラルネットワ−ク２０が所望の一巡伝達周波数
特性Ｒ(jω）となるように学習する。
【００４５】既に上述した学習過程と異なる点は、図１
から図５を用いた説明ではニュ−ラルネットワ−ク１３
は一体となって学習していたが、本適用例においては前
記ニュ−ラルネットワ−ク１３に対応する複合ニュ−ラ
ルネットワ−ク２０は二つのニュ−ラルネットワ−クか
らなり、その片方しか学習を行わない点である。
から図５を用いた説明ではニュ−ラルネットワ−ク１３
は一体となって学習していたが、本適用例においては前
記ニュ−ラルネットワ−ク１３に対応する複合ニュ−ラ
ルネットワ−ク２０は二つのニュ−ラルネットワ−クか
らなり、その片方しか学習を行わない点である。
【００４６】次に、Ｈ∞制御に類似した制御を実行する
周波数特性を学習させる場合について説明する。ここで
は先ず、設計仕様が、例えば図８に示すフィ−ドバック
制御系において、図９（ａ）で示す感度関数Ｓ(jω）で
与えられた場合について述べる。一般にフィ−ドバック
制御系とは、目標入力ｒ(jω）が、直列に接続された制
御器３１と制御対象３２とを介して制御量Ｙ(jω）に変
換され出力される際に、出力先を分岐点ａで分岐し、片
方の制御量Ｙ(jω）を図示しない制御先に送り、もう片
方の制御量Ｙ(jω）を前記目標入力ｒ(jω）に負帰還さ
せるような制御系をいう。
周波数特性を学習させる場合について説明する。ここで
は先ず、設計仕様が、例えば図８に示すフィ−ドバック
制御系において、図９（ａ）で示す感度関数Ｓ(jω）で
与えられた場合について述べる。一般にフィ−ドバック
制御系とは、目標入力ｒ(jω）が、直列に接続された制
御器３１と制御対象３２とを介して制御量Ｙ(jω）に変
換され出力される際に、出力先を分岐点ａで分岐し、片
方の制御量Ｙ(jω）を図示しない制御先に送り、もう片
方の制御量Ｙ(jω）を前記目標入力ｒ(jω）に負帰還さ
せるような制御系をいう。
【００４７】図８はこの制御系において、制御対象３２
とその出力側の分岐点ａとの間に外乱ｄ(jω）が加わ
り、かつ、分岐後の制御量Ｙ(jω）が目標入力ｒ(jω）
に負帰還される間に観測ノイズｎ(jω）が加わるフィ−
ドバック制御系とする。前記感度関数Ｓ(jω）とは、次
の（３）式で表される、外乱ｄ(jω）の制御量Ｙへの伝
達周波数特性のことである。 Ｓ(jω）＝１／｛１＋Ｃ(jω）・Ｐ(jω）｝ …（３）
とその出力側の分岐点ａとの間に外乱ｄ(jω）が加わ
り、かつ、分岐後の制御量Ｙ(jω）が目標入力ｒ(jω）
に負帰還される間に観測ノイズｎ(jω）が加わるフィ−
ドバック制御系とする。前記感度関数Ｓ(jω）とは、次
の（３）式で表される、外乱ｄ(jω）の制御量Ｙへの伝
達周波数特性のことである。 Ｓ(jω）＝１／｛１＋Ｃ(jω）・Ｐ(jω）｝ …（３）
【００４８】従って、外乱に優れた制御を行うには、制
御量に最も悪影響を与える周波数または周波数帯域の外
乱ｄ(jω）に対して、｜Ｓ(jω）｜を小さくするような
伝達関数Ｃ(jω）のフィ−ドバック制御器３１を設計
し、ニュ−ラルネットワ−クに学習させて用いればよ
い。
御量に最も悪影響を与える周波数または周波数帯域の外
乱ｄ(jω）に対して、｜Ｓ(jω）｜を小さくするような
伝達関数Ｃ(jω）のフィ−ドバック制御器３１を設計
し、ニュ−ラルネットワ−クに学習させて用いればよ
い。
【００４９】そのために外乱が入るときの周波数とその
ときに許容される｜Ｓ(jω）｜との関数を求め、この関
数を周波数重み関数の逆特性Ｗ1 (jω）-1としたとき
の、例えば図９（ａ）に示す周波数特性によって｜Ｓ(j
ω）｜の大きさを規制する。
ときに許容される｜Ｓ(jω）｜との関数を求め、この関
数を周波数重み関数の逆特性Ｗ1 (jω）-1としたとき
の、例えば図９（ａ）に示す周波数特性によって｜Ｓ(j
ω）｜の大きさを規制する。
【００５０】換言すると、図９（ａ）で示すように、周
波数が上がるにつれて、マイナス一定状態から序々に上
昇してくる所望の周波数重み関数の逆特性Ｗ1 (jω）-1
の下方（斜線部）に入ることが｜Ｓ(jω）｜には要求さ
れる。すなわち、 ｜Ｓ(jω）｜＜｜Ｗ1 (jω）-1｜ （但し、０≦ω≦∞） …（４） という要求であり、同時に（２）式は、Ｗ1 (jω）・Ｓ
(jω）の最大ゲインを１より小さくすればよいことを示
している。これは結局、 という上限条件（５）式に合えば設計仕様を満たすこと
になる。ここで（５）式を下限条件（６）式に変換する
と、 となる。
波数が上がるにつれて、マイナス一定状態から序々に上
昇してくる所望の周波数重み関数の逆特性Ｗ1 (jω）-1
の下方（斜線部）に入ることが｜Ｓ(jω）｜には要求さ
れる。すなわち、 ｜Ｓ(jω）｜＜｜Ｗ1 (jω）-1｜ （但し、０≦ω≦∞） …（４） という要求であり、同時に（２）式は、Ｗ1 (jω）・Ｓ
(jω）の最大ゲインを１より小さくすればよいことを示
している。これは結局、 という上限条件（５）式に合えば設計仕様を満たすこと
になる。ここで（５）式を下限条件（６）式に変換する
と、 となる。
【００５１】従って、学習対象の複合ニュ−ラルネット
ワ−ク２０を図６（ａ）で示すよううにＣ(jω）・Ｐ(j
ω）の形で構成した場合の教師信号の設定は、周波数お
よび位相を複合ニュ−ラルネットワ−ク２０から出力さ
れる正弦波信号と等しくし、振幅は｜Ｗ1 (jω）＋１｜
になるように行う。
ワ−ク２０を図６（ａ）で示すよううにＣ(jω）・Ｐ(j
ω）の形で構成した場合の教師信号の設定は、周波数お
よび位相を複合ニュ−ラルネットワ−ク２０から出力さ
れる正弦波信号と等しくし、振幅は｜Ｗ1 (jω）＋１｜
になるように行う。
【００５２】このとき学習収束条件は、複合ニュ−ラル
ネットワ−ク２０からの出力正弦波信号の振幅が教師信
号の振幅｜Ｗ1 (jω）＋１｜を越えることとする。本発
明装置は、この学習収束条件を指定した全ての周波数が
満たすまでフィ−ドバック制御用ニュ−ラルネットワ−
ク２１のシナプス荷重を修正して学習を続けさせるの
で、外乱に優れた周波数特性をフィ−ドバック制御用ニ
ュ−ラルネットワ−ク２１に学習させることができる。
なお、（５）式の条件は（７）式の下限条件にも変換で
きる。
ネットワ−ク２０からの出力正弦波信号の振幅が教師信
号の振幅｜Ｗ1 (jω）＋１｜を越えることとする。本発
明装置は、この学習収束条件を指定した全ての周波数が
満たすまでフィ−ドバック制御用ニュ−ラルネットワ−
ク２１のシナプス荷重を修正して学習を続けさせるの
で、外乱に優れた周波数特性をフィ−ドバック制御用ニ
ュ−ラルネットワ−ク２１に学習させることができる。
なお、（５）式の条件は（７）式の下限条件にも変換で
きる。
【００５３】これは複合ニュ−ラルネットワ−ク２０を
１＋Ｃ(jω）・Ｐ(jω）の形で構成した場合に相当す
る。図６（ｂ）にその構成図を示す。同図は前述した図
６（ａ）における入力を分岐して、加算要素２３により
出力にも加え合わせた構成である。この場合には教師信
号の振幅を｜Ｗ1 (jω）｜とする。この場合の複合ニュ
−ラルネットワ−ク２４は、入力信号の周波数全てに対
し出力正弦波信号の振幅が｜Ｗ1 (jω）｜を越えるまで
学習を続けて、所定の周波数帯域で感度関数Ｓ(jω）が
低くなるようにフィ−ドバック制御用ニュ−ラルネット
ワ−ク２１に学習させることができる。
１＋Ｃ(jω）・Ｐ(jω）の形で構成した場合に相当す
る。図６（ｂ）にその構成図を示す。同図は前述した図
６（ａ）における入力を分岐して、加算要素２３により
出力にも加え合わせた構成である。この場合には教師信
号の振幅を｜Ｗ1 (jω）｜とする。この場合の複合ニュ
−ラルネットワ−ク２４は、入力信号の周波数全てに対
し出力正弦波信号の振幅が｜Ｗ1 (jω）｜を越えるまで
学習を続けて、所定の周波数帯域で感度関数Ｓ(jω）が
低くなるようにフィ−ドバック制御用ニュ−ラルネット
ワ−ク２１に学習させることができる。
【００５４】また、（３）式は目標入力ｒ(jω）から制
御偏差ｅ(jω）への伝達周波数特性でもある。従って、
目標入力変化に対して制御量Ｙ(jω）を追従させたい周
波数帯域では、その周波数重み関数の絶対値｜Ｗ1 (j
ω）｜を大きくすることにより（５）式から感度関数の
絶対値｜Ｓ(jω）｜は小さくなるので、（３）式は１に
近づいて目標入力変化に対して優れた追従制御を実現で
きる。
御偏差ｅ(jω）への伝達周波数特性でもある。従って、
目標入力変化に対して制御量Ｙ(jω）を追従させたい周
波数帯域では、その周波数重み関数の絶対値｜Ｗ1 (j
ω）｜を大きくすることにより（５）式から感度関数の
絶対値｜Ｓ(jω）｜は小さくなるので、（３）式は１に
近づいて目標入力変化に対して優れた追従制御を実現で
きる。
【００５５】次に、図８に示すフィ−ドバック制御系に
おいて、観測ノイズｎ(jω）の影響を減らすようにフィ
−ドバック制御用ニュ−ラルネットワ−クを学習させる
場合について説明する。観測ノイズｎ(jω）から制御量
Ｙ(jω）への伝達周波数特性である相補感度関数Ｔ(j
ω）は以下に示す（８）式で表される。
おいて、観測ノイズｎ(jω）の影響を減らすようにフィ
−ドバック制御用ニュ−ラルネットワ−クを学習させる
場合について説明する。観測ノイズｎ(jω）から制御量
Ｙ(jω）への伝達周波数特性である相補感度関数Ｔ(j
ω）は以下に示す（８）式で表される。
【００５６】
Ｔ(jω）＝Ｃ(jω）・Ｐ(jω）／｛１＋Ｃ(jω）・Ｐ(jω）｝ …（８）
従って、観測ノイズに影響されない制御を行うには、制
御量に最も悪影響を与える周波数または周波数帯域にお
ける観測ノイズｎ(jω）に対して｜Ｔ(jω）｜を小さく
するような伝達関数Ｃ(jω）をフィ−ドバック制御用ニ
ュ−ラルネットワ−クに学習させて用いればよい。それ
には、例えば、図９（ｂ）に示す周波数重み関数の逆特
性Ｗ2 (jω）-1を決めて、Ｗ2 (jω）・Ｔ(jω）の最大
ゲインを１以下にすればよい。
御量に最も悪影響を与える周波数または周波数帯域にお
ける観測ノイズｎ(jω）に対して｜Ｔ(jω）｜を小さく
するような伝達関数Ｃ(jω）をフィ−ドバック制御用ニ
ュ−ラルネットワ−クに学習させて用いればよい。それ
には、例えば、図９（ｂ）に示す周波数重み関数の逆特
性Ｗ2 (jω）-1を決めて、Ｗ2 (jω）・Ｔ(jω）の最大
ゲインを１以下にすればよい。
【００５７】これは、制御対象の特性に変動があっても
閉ル−プの安定性を保証する条件式でもある。この条件
式を、制御系の伝達関数と出力正弦波の振幅との関係に
書き直すと（１０）式になる。
閉ル−プの安定性を保証する条件式でもある。この条件
式を、制御系の伝達関数と出力正弦波の振幅との関係に
書き直すと（１０）式になる。
【００５８】従って、（１０）式を満たすために、複合
ニュ−ラルネットワ−ク２０を図６（ａ）のように、Ｃ
(jω）・Ｐ(jω）の形で構成する。また、教師信号の設
定は、周波数および位相を複合ニュ−ラルネットワ−ク
２０からの出力正弦波と等しくし、振幅は｜１／｛Ｗ2
(jω）−１｝｜とする。
ニュ−ラルネットワ−ク２０を図６（ａ）のように、Ｃ
(jω）・Ｐ(jω）の形で構成する。また、教師信号の設
定は、周波数および位相を複合ニュ−ラルネットワ−ク
２０からの出力正弦波と等しくし、振幅は｜１／｛Ｗ2
(jω）−１｝｜とする。
【００５９】このときの学習収束条件は、複合ニュ−ラ
ルネットワ−ク２０からの出力正弦波信号の振幅が、教
師信号の振幅｜１／｛Ｗ2 (jω）−１｝｜以下になるこ
ととする。この学習収束条件を指定した全ての周波数が
満たすまでフィ−ドバック制御用ニュ−ラルネットワ−
ク２１のシナプス荷重を修正して学習を続ける。従っ
て、観測ノイズに乱されないフィ−ドバック制御用ニュ
−ラルネットワ−ク２１を実現できる。
ルネットワ−ク２０からの出力正弦波信号の振幅が、教
師信号の振幅｜１／｛Ｗ2 (jω）−１｝｜以下になるこ
ととする。この学習収束条件を指定した全ての周波数が
満たすまでフィ−ドバック制御用ニュ−ラルネットワ−
ク２１のシナプス荷重を修正して学習を続ける。従っ
て、観測ノイズに乱されないフィ−ドバック制御用ニュ
−ラルネットワ−ク２１を実現できる。
【００６０】さらに、前述した外乱ｄ(jω）に優れた制
御器と、観測ノイズｎ(jω）に乱されない制御器とを組
み合わせて、低・中間周波数帯域では感度関数Ｓ(jω）
のゲインが図９（ａ）の斜線部に入るようにし、また高
周波帯域では相補感度関数Ｔ(jω）のゲインが図９
（ｂ）の斜線部に入るようにフィ−ドバック制御用ニュ
−ラルネットワ−ク２１を学習させると、Ｈ∞制御理論
における混合感度問題として設計された制御器の特性に
近い制御器が高度の数学を用いることなく機械的に自動
に得られる。
御器と、観測ノイズｎ(jω）に乱されない制御器とを組
み合わせて、低・中間周波数帯域では感度関数Ｓ(jω）
のゲインが図９（ａ）の斜線部に入るようにし、また高
周波帯域では相補感度関数Ｔ(jω）のゲインが図９
（ｂ）の斜線部に入るようにフィ−ドバック制御用ニュ
−ラルネットワ−ク２１を学習させると、Ｈ∞制御理論
における混合感度問題として設計された制御器の特性に
近い制御器が高度の数学を用いることなく機械的に自動
に得られる。
【００６１】これを図８の制御系で用いると外乱に対し
て低感度で、かつ、目標入力変化に対して追従性が良
く、観測ノイズにより乱されることのない制御対象の特
性変動に対してロバストな優れた制御を実行できる。
て低感度で、かつ、目標入力変化に対して追従性が良
く、観測ノイズにより乱されることのない制御対象の特
性変動に対してロバストな優れた制御を実行できる。
【００６２】上述したように、本発明の適用例は、学習
対象のニュ−ラルネットワ−クの中に、学習を行うフィ
−ドバック制御用ニュ−ラルネットワ−ク２１とは別
に、制御モデルニュ−ラルネットワ−ク２２を設けた構
成としたので、実際のプラントに接続して学習しなくて
も、所望とする周波数特性をもつニュ−ラルネットワ−
クを実現できる。
対象のニュ−ラルネットワ−クの中に、学習を行うフィ
−ドバック制御用ニュ−ラルネットワ−ク２１とは別
に、制御モデルニュ−ラルネットワ−ク２２を設けた構
成としたので、実際のプラントに接続して学習しなくて
も、所望とする周波数特性をもつニュ−ラルネットワ−
クを実現できる。
【００６３】また、外乱や観測ノイズが予想される制御
系のニュ−ラルネットワ−クを実現したい場合でも、実
際のプラントに接続して外乱等の信号を入れることな
く、所望とする周波数特性をニュ−ラルネットワ−クに
学習させることができる。なお、本発明は上述し、か
つ、図面に示す実施例にのみ限定されるものではなく、
その要旨を逸脱しない範囲で種々変形して実施できる。
系のニュ−ラルネットワ−クを実現したい場合でも、実
際のプラントに接続して外乱等の信号を入れることな
く、所望とする周波数特性をニュ−ラルネットワ−クに
学習させることができる。なお、本発明は上述し、か
つ、図面に示す実施例にのみ限定されるものではなく、
その要旨を逸脱しない範囲で種々変形して実施できる。
【００６４】
【発明の効果】以上説明したように本発明によれば、第
１の正弦波発信器より、ある周波数特性に対して、指定
された周波数の正弦波信号が入力されるニュ−ラルネッ
トワ−クの出力正弦波信号と、第２の正弦波発信器より
出力される、ある周波数特性に対して、指定された振幅
および位相の正弦波である教師信号を一致するように、
出力正弦波信号と教師信号との誤差に基づき学習機構が
ニュ−ラルネットワ−クのシナプス荷重を修正するよう
にしたので、制御器等に求められる安定性やロバスト性
に優れた周波数特性を、学習によって容易にニュ−ラル
ネットワ−クに教示させることができるニュ−ラルネッ
トワ−クの周波数特性学習装置を提供できる。
１の正弦波発信器より、ある周波数特性に対して、指定
された周波数の正弦波信号が入力されるニュ−ラルネッ
トワ−クの出力正弦波信号と、第２の正弦波発信器より
出力される、ある周波数特性に対して、指定された振幅
および位相の正弦波である教師信号を一致するように、
出力正弦波信号と教師信号との誤差に基づき学習機構が
ニュ−ラルネットワ−クのシナプス荷重を修正するよう
にしたので、制御器等に求められる安定性やロバスト性
に優れた周波数特性を、学習によって容易にニュ−ラル
ネットワ−クに教示させることができるニュ−ラルネッ
トワ−クの周波数特性学習装置を提供できる。
【図１】本発明の第１の実施例に係るニュ−ラルネット
ワ−クの周波数特性学習装置の構成を示す図。
ワ−クの周波数特性学習装置の構成を示す図。
【図２】本発明装置の実施例に係るスケジュ−ラの機能
を示すフロ−チャ−ト。
を示すフロ−チャ−ト。
【図３】本発明の第２の実施例に係るニュ−ラルネット
ワ−クの周波数特性学習装置の構成を示す図。
ワ−クの周波数特性学習装置の構成を示す図。
【図４】本発明の、第３の実施例に係るニュ−ラルネッ
トワ−クの周波数特性学習装置の構成を示す図。
トワ−クの周波数特性学習装置の構成を示す図。
【図５】所望とする周波数特性の一例を示すボ−ド線
図。
図。
【図６】（ａ）は一巡伝達特性をモデル化した複合ニュ
−ラルネットワ−クの構成を示す図。 （ｂ）は感度関数の逆特性をモデル化した複合ニュ−ラ
ルネットワ−クの構成を示す図。
−ラルネットワ−クの構成を示す図。 （ｂ）は感度関数の逆特性をモデル化した複合ニュ−ラ
ルネットワ−クの構成を示す図。
【図７】所望とする一巡伝達周波数特性の一例を示すボ
−ド線図。
−ド線図。
【図８】フィ−ドバック制御系の構成を示す図。
【図９】（ａ）設計仕様とする感度関数に対する周波数
重み関数の逆特性の一例を示す図。 （ｂ）設計仕様とする相補感度関数に対する周波数重み
関数の逆特性の一例を示す図。
重み関数の逆特性の一例を示す図。 （ｂ）設計仕様とする相補感度関数に対する周波数重み
関数の逆特性の一例を示す図。
【図１０】自己回帰モデルタイプのニュ−ラルネットワ
−クにおける構成を示す図。
−クにおける構成を示す図。
【図１１】移動平均モデルタイプのニュ−ラルネットワ
−クにおける構成を示す図。
−クにおける構成を示す図。
【図１２】自己回帰移動平均モデルタイプのニュ−ラル
ネットワ−クの構成を示す図。
ネットワ−クの構成を示す図。
【図１３】状態遷移方程式モデルタイプのニュ−ラルネ
ットワ−クの構成を示す図。
ットワ−クの構成を示す図。
【図１４】本発明に用いられる人口ニュ−ロンの模式
図。
図。
【図１５】本発明に用いられるリカレントタイプの人口
ニュ−ロンの模式図。
ニュ−ロンの模式図。
１０…スケジュ−ラ、１１…第１の正弦波発信器、１２
…第２の正弦波発信器、１３…ニュ−ラルネットワ−
ク、１５…学習機構、２０…複合ニュ−ラルネットワ−
ク、２１…フィ−ドバック制御用ニュ−ラルネットワ−
ク、２２…制御モデルニュ−ラルネットワ−ク。
…第２の正弦波発信器、１３…ニュ−ラルネットワ−
ク、１５…学習機構、２０…複合ニュ−ラルネットワ−
ク、２１…フィ−ドバック制御用ニュ−ラルネットワ−
ク、２２…制御モデルニュ−ラルネットワ−ク。
Claims (3)
- 【請求項１】 正弦波入力信号を演算して前記入力信号
と異なる波形の正弦波信号を出力し、かつ、この演算の
際に係数として用いられるシナプス荷重の修正により学
習可能なニュ−ラルネットワ−クと、 ある周波数特性に対して、指定された周波数の正弦波入
力信号を学習用入力信号として前記ニュ−ラルネットワ
−クへ発信する周波数可変の第１の正弦波発信器と、 この第１の正弦波発振器と等しい周波数で指定された振
幅または振幅および位相の正弦波を前記ニュ−ラルネッ
トワ−クの教師信号として発信する第２の正弦波発信器
と、 この教師信号に対する前記ニュ−ラルネットワ−クの出
力誤差に基づいてニュ−ラルネットワ−クの前記シナプ
ス荷重を修正する学習機構とを備えたことを特徴とする
ニュ−ラルネットワ−クの周波数特性学習装置。 - 【請求項２】 正弦波入力信号を演算して前記入力信号
と異なる波形の正弦波信号を出力し、かつ、この演算の
際に係数として用いられるシナプス荷重の修正により学
習可能なニュ−ラルネットワ−クと、 ある周波数特性に対して、指定された周波数の正弦波入
力信号を学習用入力信号として前記ニュ−ラルネットワ
−クへ発信する周波数可変の第１の正弦波発信器と、 この第１の正弦波発振器と等しい周波数で指定された振
幅または振幅および位相の正弦波を前記ニュ−ラルネッ
トワ−クの教師信号として発信する第２の正弦波発信器
と、 この教師信号に対する前記ニュ−ラルネットワ−クの出
力誤差に基づいてニュ−ラルネットワ−クの前記シナプ
ス荷重を修正する学習機構と、 ある周波数特性に対して、指定された複数点の周波数、
振幅および位相のデ−タが各指定点ごとに保持された設
定値テ−ブルを有し、この設定値テ−ブルに保持された
デ−タに基づき、各指定点での前記出力誤差が所定の学
習収束条件を満たすまで、前記第１の正弦波発信器に発
信周波数を指令するとともに前記第２の正弦波発信器に
はその発信周波数に対応する振幅または振幅および位相
を指令するスケジュ−ラとを備えたことを特徴とするニ
ュ−ラルネットワ−クの周波数特性学習装置。 - 【請求項３】 正弦波入力信号を演算して前記入力信号
と異なる波形の正弦波信号を出力し、かつ、この演算の
際に係数として用いられるシナプス荷重の修正により学
習可能なニュ−ラルネットワ−クと、 ある周波数特性に対して、指定された周波数の正弦波入
力信号を学習用入力信号として前記ニュ−ラルネットワ
−クへ発信する周波数可変の第１の正弦波発信器と、 この第１の正弦波発振器と等しい周波数で指定された振
幅または振幅および位相の正弦波を前記ニュ−ラルネッ
トワ−クの教師信号として発信する第２の正弦波発信器
と、 この教師信号に対する前記ニュ−ラルネットワ−クの出
力誤差に基づいてニュ−ラルネットワ−クの前記シナプ
ス荷重を修正する学習機構とを備え、 前記ニュ−ラルネットワ−クは、 前記シナプス荷重の修正指令が入力される学習対象ニュ
−ラルネットワ−クと、 この学習対象ニュ−ラルネットワ−クに直列に接続され
た制御モデルニュ−ラルネットワ−クとを備えたことを
特徴とするニュ−ラルネットワ−クの周波数特性学習装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3193093A JPH0535899A (ja) | 1991-08-01 | 1991-08-01 | ニユ−ラルネツトワ−クの周波数特性学習装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3193093A JPH0535899A (ja) | 1991-08-01 | 1991-08-01 | ニユ−ラルネツトワ−クの周波数特性学習装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0535899A true JPH0535899A (ja) | 1993-02-12 |
Family
ID=16302118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3193093A Pending JPH0535899A (ja) | 1991-08-01 | 1991-08-01 | ニユ−ラルネツトワ−クの周波数特性学習装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0535899A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5960391A (en) * | 1995-12-13 | 1999-09-28 | Denso Corporation | Signal extraction system, system and method for speech restoration, learning method for neural network model, constructing method of neural network model, and signal processing system |
| JP2017084104A (ja) * | 2015-10-28 | 2017-05-18 | ファナック株式会社 | 学習制御器の自動調整を行う機能を有するサーボ制御装置 |
| CN109003500A (zh) * | 2018-08-02 | 2018-12-14 | 徐州市广联科技有限公司 | 一种智能型电工实操考核系统 |
| JPWO2023026314A1 (ja) * | 2021-08-23 | 2023-03-02 |
-
1991
- 1991-08-01 JP JP3193093A patent/JPH0535899A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5960391A (en) * | 1995-12-13 | 1999-09-28 | Denso Corporation | Signal extraction system, system and method for speech restoration, learning method for neural network model, constructing method of neural network model, and signal processing system |
| JP2017084104A (ja) * | 2015-10-28 | 2017-05-18 | ファナック株式会社 | 学習制御器の自動調整を行う機能を有するサーボ制御装置 |
| US10281884B2 (en) | 2015-10-28 | 2019-05-07 | Fanuc Corporation | Learning controller for automatically adjusting servo control activity |
| DE102016012756B4 (de) | 2015-10-28 | 2019-06-19 | Fanuc Corporation | Servosteuersystem mit Funktion zum automatischen Einstellen einer Lernsteuereinheit |
| CN109003500A (zh) * | 2018-08-02 | 2018-12-14 | 徐州市广联科技有限公司 | 一种智能型电工实操考核系统 |
| JPWO2023026314A1 (ja) * | 2021-08-23 | 2023-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nahas et al. | Nonlinear internal model control strategy for neural network models | |
| Chen et al. | Q-learning-based parameters adaptive algorithm for active disturbance rejection control and its application to ship course control | |
| Sokolov et al. | Complete stability analysis of a heuristic approximate dynamic programming control design | |
| Hovakimyan et al. | Adaptive output feedback control of uncertain nonlinear systems using single-hidden-layer neural networks | |
| US6185470B1 (en) | Neural network predictive control method and system | |
| EP0624264A1 (en) | Neuro-pid controller | |
| Hu et al. | Learning fish-like swimming with a CPG-based locomotion controller | |
| Kumar et al. | Lyapunov stability-based control and identification of nonlinear dynamical systems using adaptive dynamic programming | |
| CN115179295A (zh) | 一种多欧拉-拉格朗日系统鲁棒二分一致性跟踪控制方法 | |
| Jain et al. | Quantized controller for a class of uncertain nonlinear systems with dead-zone nonlinearity | |
| JPH0535899A (ja) | ニユ−ラルネツトワ−クの周波数特性学習装置 | |
| Nakanishi et al. | A locally weighted learning composite adaptive controller with structure adaptation | |
| US6768927B2 (en) | Control system | |
| Pizarro-Lerma et al. | Experimental evaluation of a sectorial fuzzy controller plus adaptive neural network compensation applied to a 2-DOF robot manipulator | |
| Schaffner et al. | An application of general regression neural network to nonlinear adaptive control | |
| Mohler | Nonlinear stability and control study of highly maneuverable high performance aircraft | |
| CN115729267A (zh) | 一种基于有向拓扑和数据包丢失补偿机制的无人机编队分布式协同跟踪控制方法 | |
| CN113741183B (zh) | 基于阻尼比模型的工业机器人自适应导纳控制方法 | |
| JPH0635510A (ja) | ニューラルネットワークを用いたモデル規範型適応制御装置 | |
| Putov et al. | Adaptive robust control of a multi-degree-of-freedom mechanical plant with resilient properties | |
| Lewis et al. | Neural network control of robot arms and nonlinear systems | |
| JPH0527806A (ja) | ニユーラル・ネツトを用いたフイードフオワード制御器 | |
| JP3121628B2 (ja) | ２自由度制御装置 | |
| JP2862308B2 (ja) | コントローラの調整方法および調整システム | |
| Rustamova | OPTIMAL DISCRETE CONTROL SYNTHESIS RESEARCH |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 6 Free format text: PAYMENT UNTIL: 20070824 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080824 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 8 Free format text: PAYMENT UNTIL: 20090824 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100824 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20100824 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110824 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 11 Free format text: PAYMENT UNTIL: 20120824 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 11 Free format text: PAYMENT UNTIL: 20120824 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 12 Free format text: PAYMENT UNTIL: 20130824 |
|
| EXPY | Cancellation because of completion of term |