JPH075903A - ロバスト制御装置 - Google Patents
ロバスト制御装置Info
- Publication number
- JPH075903A JPH075903A JP14474593A JP14474593A JPH075903A JP H075903 A JPH075903 A JP H075903A JP 14474593 A JP14474593 A JP 14474593A JP 14474593 A JP14474593 A JP 14474593A JP H075903 A JPH075903 A JP H075903A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- control
- controlled object
- learning
- disturbance
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 制御対象の特性が十分把握できない場合の制
御系の設計や、制御対象の特性が大きく変動したり、未
知の外乱による影響が大きい場合にも、十分に対応でき
るようにする。 【構成】 制御偏差信号ｕ2 （ｔ）を積分演算器３に入
力して制御対象１への制御入力信号ｕ1 （ｔ）を求め
る。第１の学習演算装置１１は、設定値信号ｒ（ｔ）と
制御入力信号ｕ1 （ｔ）から信号ｕｆ1 （ｔ）を作り、
第２の学習演算装置１２は、設定値信号ｒ（ｔ）と制御
偏差信号ｕ2 （ｔ）から信号ｕｆ2 （ｔ）を作る。第１
及び第２の学習演算装置１１，１２の出力信号ｕｆ1
（ｔ），ｕｆ2（ｔ）を分配器１３により、重みを加味
して分配し加算した後、制御入力信号ｕ1 （ｔ）に付加
する。外乱推定演算器１６は、制御対象１の状態検出信
号から未知の外乱を推定し、その推定信号ｘd （ｔ）を
制御入力信号ｕ1 （ｔ）に付加する。
御系の設計や、制御対象の特性が大きく変動したり、未
知の外乱による影響が大きい場合にも、十分に対応でき
るようにする。 【構成】 制御偏差信号ｕ2 （ｔ）を積分演算器３に入
力して制御対象１への制御入力信号ｕ1 （ｔ）を求め
る。第１の学習演算装置１１は、設定値信号ｒ（ｔ）と
制御入力信号ｕ1 （ｔ）から信号ｕｆ1 （ｔ）を作り、
第２の学習演算装置１２は、設定値信号ｒ（ｔ）と制御
偏差信号ｕ2 （ｔ）から信号ｕｆ2 （ｔ）を作る。第１
及び第２の学習演算装置１１，１２の出力信号ｕｆ1
（ｔ），ｕｆ2（ｔ）を分配器１３により、重みを加味
して分配し加算した後、制御入力信号ｕ1 （ｔ）に付加
する。外乱推定演算器１６は、制御対象１の状態検出信
号から未知の外乱を推定し、その推定信号ｘd （ｔ）を
制御入力信号ｕ1 （ｔ）に付加する。
Description
【０００１】
【産業上の利用分野】本発明は、ロボット、船舶、製鉄
プラント、原動機などの制御系全般に利用可能なロバス
ト制御装置に関する。
プラント、原動機などの制御系全般に利用可能なロバス
ト制御装置に関する。
【０００２】
【従来の技術】従来の最適ロバスト制御装置は、図７に
示すように構成されている。即ち、設定値信号ｕ（ｔ）
と制御対象１の出力信号ｙとの偏差が減算器２で求めら
れ、その偏差信号ｙｅ（ｔ）が積分器とゲインＫ2 を掛
ける積分演算器３を介して減算器４に入力される。ま
た、この減算器４には、制御対象１の状態をセンサまた
は推定器により得られた状態検出信号ｘ（ｔ）がフィー
ドバックゲイン演算器５を介して入力される。この乗算
器５は、上記状態検出信号ｘ（ｔ）に対し、線形ロバス
ト制御理論により得られたゲインＫ1 を乗算する。
示すように構成されている。即ち、設定値信号ｕ（ｔ）
と制御対象１の出力信号ｙとの偏差が減算器２で求めら
れ、その偏差信号ｙｅ（ｔ）が積分器とゲインＫ2 を掛
ける積分演算器３を介して減算器４に入力される。ま
た、この減算器４には、制御対象１の状態をセンサまた
は推定器により得られた状態検出信号ｘ（ｔ）がフィー
ドバックゲイン演算器５を介して入力される。この乗算
器５は、上記状態検出信号ｘ（ｔ）に対し、線形ロバス
ト制御理論により得られたゲインＫ1 を乗算する。
【０００３】そして、上記減算器４は、積分演算器３の
出力と演算器５の出力の偏差を求め、制御信号として制
御対象１に入力する。この制御対象１には、外部より外
乱信号ｄ（ｔ）が加わるものとする。
出力と演算器５の出力の偏差を求め、制御信号として制
御対象１に入力する。この制御対象１には、外部より外
乱信号ｄ（ｔ）が加わるものとする。
【０００４】上記のように構成された従来の最適ロバス
ト制御装置は、システム行列Ａ，Ｂの小さな変動と外乱
の変動に対して比較的良い制御性を保つことが知られて
いる。
ト制御装置は、システム行列Ａ，Ｂの小さな変動と外乱
の変動に対して比較的良い制御性を保つことが知られて
いる。
【０００５】
【発明が解決しようとする課題】しかし、上記従来の最
適ロバスト制御装置は、制御用状態検出信号ｘ（ｔ）や
ｙ（ｔ）を得るために、オブザーバを用いると、このロ
バスト性がくずれ、上記のような良い制御性が得られな
いことや、また、制御対象自身の特性が大きく変化する
と、十分な制御が行なえなくなるなどの欠点がある。さ
らに、その制御をフィードバック信号により行なってい
るため、制御機器の検出遅れなどのために応答速度を上
げるには限界がある。
適ロバスト制御装置は、制御用状態検出信号ｘ（ｔ）や
ｙ（ｔ）を得るために、オブザーバを用いると、このロ
バスト性がくずれ、上記のような良い制御性が得られな
いことや、また、制御対象自身の特性が大きく変化する
と、十分な制御が行なえなくなるなどの欠点がある。さ
らに、その制御をフィードバック信号により行なってい
るため、制御機器の検出遅れなどのために応答速度を上
げるには限界がある。
【０００６】また、本制御系の基本アルゴリズムである
ロバスト制御理論では、制御対象モデルが明確に把握で
きない場合、その設計時にゲインＫ1 ，Ｋ2 を決定する
ことができない。
ロバスト制御理論では、制御対象モデルが明確に把握で
きない場合、その設計時にゲインＫ1 ，Ｋ2 を決定する
ことができない。
【０００７】このように従来の最適ロバスト制御装置の
構成では、制御対象１の特性が大きく変動したときや、
制御機器要素に遅れがある場合、また制御機器に除去不
能のノイズが混入する場合などに良好な制御性を得られ
ないという欠点があった。
構成では、制御対象１の特性が大きく変動したときや、
制御機器要素に遅れがある場合、また制御機器に除去不
能のノイズが混入する場合などに良好な制御性を得られ
ないという欠点があった。
【０００８】本発明は上記実情に鑑みてなされたもの
で、制御対象の特性が十分把握できない場合の制御系の
設計や制御対象の特性が大きく変動したり、大きな未知
外乱が加わった場合、あるいは、制御機器に避け難いノ
イズが混入する場合にも十分対応できるロバスト制御装
置を提供することを目的とする。
で、制御対象の特性が十分把握できない場合の制御系の
設計や制御対象の特性が大きく変動したり、大きな未知
外乱が加わった場合、あるいは、制御機器に避け難いノ
イズが混入する場合にも十分対応できるロバスト制御装
置を提供することを目的とする。
【０００９】
【課題を解決するための手段】本発明は、制御対象を状
態検出信号に基づいてフィードバック制御するロバスト
制御装置において、設定値信号と上記制御対象への制御
入力信号を利用して学習する第１の学習演算装置と、上
記設定値信号と制御偏差信号を利用して学習する第２の
学習演算装置と、上記第１及び第２の学習演算装置の出
力に重みをかけて分配し加算する分配器と、上記制御対
象に加わる未知の外乱を推定する外乱推定器と、上記分
配器の出力信号と外乱推定器の出力信号を上記制御対象
への制御信号に付加する手段とを具備したことを特徴と
する。
態検出信号に基づいてフィードバック制御するロバスト
制御装置において、設定値信号と上記制御対象への制御
入力信号を利用して学習する第１の学習演算装置と、上
記設定値信号と制御偏差信号を利用して学習する第２の
学習演算装置と、上記第１及び第２の学習演算装置の出
力に重みをかけて分配し加算する分配器と、上記制御対
象に加わる未知の外乱を推定する外乱推定器と、上記分
配器の出力信号と外乱推定器の出力信号を上記制御対象
への制御信号に付加する手段とを具備したことを特徴と
する。
【００１０】
【作用】設定値信号と制御対象のフィードバック信号か
ら制御偏差信号を求めると共に、この信号にフィードバ
ックゲインを乗じて制御対象への制御入力信号を求め
る。第１の学習演算装置は、設定値信号と上記制御入力
信号を用いてフィードフォワード信号を作り、第２の学
習演算装置は、上記設定値信号と制御偏差信号を用いて
フィードフォワード信号を作る。そして、上記第１及び
第２の学習演算装置の出力信号を分配器により、重みを
加味して分配し加算した後、上記制御入力信号に付加す
る。一方、外乱推定器は、制御対象の状態検出信号から
未知の外乱を推定し、その推定信号を上記制御入力信号
に付加する。
ら制御偏差信号を求めると共に、この信号にフィードバ
ックゲインを乗じて制御対象への制御入力信号を求め
る。第１の学習演算装置は、設定値信号と上記制御入力
信号を用いてフィードフォワード信号を作り、第２の学
習演算装置は、上記設定値信号と制御偏差信号を用いて
フィードフォワード信号を作る。そして、上記第１及び
第２の学習演算装置の出力信号を分配器により、重みを
加味して分配し加算した後、上記制御入力信号に付加す
る。一方、外乱推定器は、制御対象の状態検出信号から
未知の外乱を推定し、その推定信号を上記制御入力信号
に付加する。
【００１１】上記のようにロバスト制御系の制御対象に
加える制御入力信号に対し、２つのフィードフォワード
信号に重みを加え、さらに未知の外乱に対する推定信号
を加えて補正することにより、制御対象の変動や外乱の
変動並びに制御系に加わるノイズの変動に対応すること
ができる。
加える制御入力信号に対し、２つのフィードフォワード
信号に重みを加え、さらに未知の外乱に対する推定信号
を加えて補正することにより、制御対象の変動や外乱の
変動並びに制御系に加わるノイズの変動に対応すること
ができる。
【００１２】
【実施例】以下、図面を参照して本発明の一実施例を説
明する。図１は、本発明の一実施例に係るロバスト制御
装置の構成を示すブロック図である。本発明のロバスト
制御装置は、メイン制御部１０に対し、２つの学習型フ
ィードフォワード制御系（第１の学習演算装置１１及び
第２の学習演算装置１２）と、制御対象１に加わる未知
の外乱の推定器（外乱推定演算器１６）を付加したもの
である。
明する。図１は、本発明の一実施例に係るロバスト制御
装置の構成を示すブロック図である。本発明のロバスト
制御装置は、メイン制御部１０に対し、２つの学習型フ
ィードフォワード制御系（第１の学習演算装置１１及び
第２の学習演算装置１２）と、制御対象１に加わる未知
の外乱の推定器（外乱推定演算器１６）を付加したもの
である。
【００１３】図１に示すように設定値信号ｒ（ｔ）は、
メイン制御部１０に入力されると共に、第１の学習演算
装置１１及び第２の学習演算装置１２に入力される。こ
の第１の学習演算装置１１から出力されフィードフォワ
ード信号ｕf1（ｔ）と第２の学習演算装置１２から出力
されフィードフォワード信号ｕf2（ｔ）が分配器１３に
より重み付け分配されて合成され、フィードフォワード
信号ｕf （ｔ）として取り出される。
メイン制御部１０に入力されると共に、第１の学習演算
装置１１及び第２の学習演算装置１２に入力される。こ
の第１の学習演算装置１１から出力されフィードフォワ
ード信号ｕf1（ｔ）と第２の学習演算装置１２から出力
されフィードフォワード信号ｕf2（ｔ）が分配器１３に
より重み付け分配されて合成され、フィードフォワード
信号ｕf （ｔ）として取り出される。
【００１４】メイン制御部１０は、設定値信号ｒ（ｔ）
と制御対象１からのフィードバック信号ｙ（ｔ）を減算
器２に入力して偏差信号ｕ2 （ｔ）を作成し、この信号
ｕ2（ｔ）を第２の学習演算装置１２に出力すると共
に、積分演算及び制御ゲイン演算を行なう積分演算器３
により演算し、その出力信号と、フィードバックゲイン
演算器５の出力を減算器４により演算して信号ｕｅ
（ｔ）を作る。この信号ｕｅ（ｔ）を分配器１３からの
信号ｕf （ｔ）と加算器１４により加算して制御入力信
号ｕ1 （ｔ）を作成し、この信号ｕ1 （ｔ）を減算器１
５及び第１の学習演算装置１１に入力する。
と制御対象１からのフィードバック信号ｙ（ｔ）を減算
器２に入力して偏差信号ｕ2 （ｔ）を作成し、この信号
ｕ2（ｔ）を第２の学習演算装置１２に出力すると共
に、積分演算及び制御ゲイン演算を行なう積分演算器３
により演算し、その出力信号と、フィードバックゲイン
演算器５の出力を減算器４により演算して信号ｕｅ
（ｔ）を作る。この信号ｕｅ（ｔ）を分配器１３からの
信号ｕf （ｔ）と加算器１４により加算して制御入力信
号ｕ1 （ｔ）を作成し、この信号ｕ1 （ｔ）を減算器１
５及び第１の学習演算装置１１に入力する。
【００１５】上記減算器１５には、外乱推定演算器１６
から外乱推定信号ｘd （ｔ）が入力される。この外乱推
定演算器１６は、制御対象１の状態検出信号ｘ（ｔ）か
ら外乱を推定する。上記外乱推定演算器１６は、例えば
制御対象１の運動を１階のベクトル微分方程式 ｘ′＝Ａｘ＋Ｂｕ と表せるとして系を構成する。そして、上記減算器１５
は、制御入力信号ｕ1 （ｔ）から外乱推定信号ｘd を減
算し、即ち補正して制御対象１に入力する。
から外乱推定信号ｘd （ｔ）が入力される。この外乱推
定演算器１６は、制御対象１の状態検出信号ｘ（ｔ）か
ら外乱を推定する。上記外乱推定演算器１６は、例えば
制御対象１の運動を１階のベクトル微分方程式 ｘ′＝Ａｘ＋Ｂｕ と表せるとして系を構成する。そして、上記減算器１５
は、制御入力信号ｕ1 （ｔ）から外乱推定信号ｘd を減
算し、即ち補正して制御対象１に入力する。
【００１６】図２は、上記第１の学習演算装置１１の構
成例（２入力２出力の例）を示したものである。第１の
学習演算装置１１は、例えば制御対象１への制御入力信
号ｕｅ（ｔ）を利用して、信号ネットワークを作り、制
御対象１の特性を学習するものであり、これは次に述べ
る１入力１出力系と多入力多出力系のアルゴリズムを行
なうもの、あるいはこれ以外のものであっても良い。
成例（２入力２出力の例）を示したものである。第１の
学習演算装置１１は、例えば制御対象１への制御入力信
号ｕｅ（ｔ）を利用して、信号ネットワークを作り、制
御対象１の特性を学習するものであり、これは次に述べ
る１入力１出力系と多入力多出力系のアルゴリズムを行
なうもの、あるいはこれ以外のものであっても良い。
【００１７】なお、第１の学習演算装置１１と第２の学
習演算装置１２は、それぞれ入力として利用する信号は
異なり、内部信号及び内部関数は異なるが、演算アルゴ
リズムは同一のものを用いるので、学習演算装置のサフ
ィックスｍ（ｍ＝１，２）は省略して以下に示す。 （１）１入力１出力系
習演算装置１２は、それぞれ入力として利用する信号は
異なり、内部信号及び内部関数は異なるが、演算アルゴ
リズムは同一のものを用いるので、学習演算装置のサフ
ィックスｍ（ｍ＝１，２）は省略して以下に示す。 （１）１入力１出力系
【００１８】
【数１】 （２）多入力多出力系
【００１９】
【数２】
【００２０】次に上記のように構成されたロバスト制御
装置の動作を説明する。第１の学習演算装置１１には、
設定値信号ｒ（ｔ）と、制御対象１に入力する制御入力
信号ｕ1 （ｔ）が入力される。
装置の動作を説明する。第１の学習演算装置１１には、
設定値信号ｒ（ｔ）と、制御対象１に入力する制御入力
信号ｕ1 （ｔ）が入力される。
【００２１】また、学習演算装置１２には、設定値信号
ｒ（ｔ）と制御偏差信号ｕ2 （ｔ）が入力される。学習
演算装置１１，１２は、これらの信号ｒ（ｔ），ｕ1
（ｔ），ｕ2 （ｔ）を利用して制御対象１の変化や外乱
の変化及び制御回路に混入するノイズに対応して演算を
行ない、フィードフォワード成分信号ｕｆ1 （ｔ），ｕ
ｆ2 （ｔ）を得る。これらの信号を分配器１３により重
みを加味して合成し、フィードフォワード信号ｕｆ
（ｔ）を得る。このフィードフォワード信号ｕｆ（ｔ）
は、制御実施中、制御対象１や外乱変動に対応して適宜
変化し、学習演算装置１１，１２による学習の初期は、
信号の大きさは小さいが学習が進むにつれて増加し、学
習が完全に行なわれると、通常のフィードバックによる
信号ｕｅ（ｔ）がフィードフォワード信号ｕｆ（ｔ）に
連続的に置き代わり、制御系自体がフィードフォワード
制御系となり、応答特性が改善される。
ｒ（ｔ）と制御偏差信号ｕ2 （ｔ）が入力される。学習
演算装置１１，１２は、これらの信号ｒ（ｔ），ｕ1
（ｔ），ｕ2 （ｔ）を利用して制御対象１の変化や外乱
の変化及び制御回路に混入するノイズに対応して演算を
行ない、フィードフォワード成分信号ｕｆ1 （ｔ），ｕ
ｆ2 （ｔ）を得る。これらの信号を分配器１３により重
みを加味して合成し、フィードフォワード信号ｕｆ
（ｔ）を得る。このフィードフォワード信号ｕｆ（ｔ）
は、制御実施中、制御対象１や外乱変動に対応して適宜
変化し、学習演算装置１１，１２による学習の初期は、
信号の大きさは小さいが学習が進むにつれて増加し、学
習が完全に行なわれると、通常のフィードバックによる
信号ｕｅ（ｔ）がフィードフォワード信号ｕｆ（ｔ）に
連続的に置き代わり、制御系自体がフィードフォワード
制御系となり、応答特性が改善される。
【００２２】更に、この段階で制御対象１が変化した
り、あるいはアクチュエータを含む駆動系並びに制御装
置の特性が変化した場合には、学習演算装置１１，１２
が学習を始め、学習の初期は再びフィードバックによる
信号ｕｅ（ｔ）分が増加して、フィードフォワード信号
ｕｆ（ｔ）がそれぞれ連続的に減少し、主としてフィー
ドバック制御による信号系統により制御を行なう。
り、あるいはアクチュエータを含む駆動系並びに制御装
置の特性が変化した場合には、学習演算装置１１，１２
が学習を始め、学習の初期は再びフィードバックによる
信号ｕｅ（ｔ）分が増加して、フィードフォワード信号
ｕｆ（ｔ）がそれぞれ連続的に減少し、主としてフィー
ドバック制御による信号系統により制御を行なう。
【００２３】このように第１の学習演算装置１１は、主
として制御対象特性及びその外乱に対する学習装置とし
て働き、第２の学習演算装置１２は、主としてアクチュ
エータ駆動系等の通常のフィードバック制御装置の特性
とそれに加わる外乱に対する学習装置として働くように
内部関数を設定している。
として制御対象特性及びその外乱に対する学習装置とし
て働き、第２の学習演算装置１２は、主としてアクチュ
エータ駆動系等の通常のフィードバック制御装置の特性
とそれに加わる外乱に対する学習装置として働くように
内部関数を設定している。
【００２４】このようにして、制御対象１の変動や外乱
変動及び通常のフィードバック制御系自体の変動に対し
て、フィードバック制御系になったり、フィードフォワ
ード制御系になったり、あるいは、その両方を用いたり
することを連続的に行ない得る。
変動及び通常のフィードバック制御系自体の変動に対し
て、フィードバック制御系になったり、フィードフォワ
ード制御系になったり、あるいは、その両方を用いたり
することを連続的に行ない得る。
【００２５】通常のフィードフォワード演算では、学習
演算がなく、従ってフィードフォワード信号系統に制御
信号ｕ1 （ｔ），ｕ2 （ｔ）を用いて行なう演算がな
く、その制御系は、制御対象１の特性が十分明確なとき
のみ設定が可能であり、その制御系は、制御対象１の特
性が変動したときには、十分な性能を発揮しない。しか
し、本実施例で用いた学習演算装置１１，１２は、制御
対象１への制御入力信号ｕ1 （ｔ）及び、制御系の偏差
信号ｕ2 （ｔ）を用いて、制御対象１の特性及び、通常
のフィードバック制御装置の特性を時々刻々学習すると
共に、制御対象１に加わる未知の外乱ｄf （ｔ）を外乱
推定演算器１６の出力信号を用いて、制御対象１に加わ
る信号を補正しているので、制御系は制御対象１の変動
及び外乱の変動に対しても十分に追従して制御が可能と
なる。なお、未知外乱の推定器については、制御対象１
の運動信号ｘ（ｔ）と、未知外乱信号ｘd （ｔ）（仮
定）より、
演算がなく、従ってフィードフォワード信号系統に制御
信号ｕ1 （ｔ），ｕ2 （ｔ）を用いて行なう演算がな
く、その制御系は、制御対象１の特性が十分明確なとき
のみ設定が可能であり、その制御系は、制御対象１の特
性が変動したときには、十分な性能を発揮しない。しか
し、本実施例で用いた学習演算装置１１，１２は、制御
対象１への制御入力信号ｕ1 （ｔ）及び、制御系の偏差
信号ｕ2 （ｔ）を用いて、制御対象１の特性及び、通常
のフィードバック制御装置の特性を時々刻々学習すると
共に、制御対象１に加わる未知の外乱ｄf （ｔ）を外乱
推定演算器１６の出力信号を用いて、制御対象１に加わ
る信号を補正しているので、制御系は制御対象１の変動
及び外乱の変動に対しても十分に追従して制御が可能と
なる。なお、未知外乱の推定器については、制御対象１
の運動信号ｘ（ｔ）と、未知外乱信号ｘd （ｔ）（仮
定）より、
【００２６】
【数３】 を作り、
【００２７】
【数４】 を解いてｘd が求められる。
【００２８】このｘd （ｔ）信号が外乱推定演算器１６
の出力信号である。ここで、Ａ，Ｂは制御対象１の状態
行列、Ｋ（ｔ）は外乱推定器ゲイン行列、Ｐ（ｔ）はリ
カッチ方程式の解行列であり、また、Ｑ，Ｒは適当に定
めた定数行列である。
の出力信号である。ここで、Ａ，Ｂは制御対象１の状態
行列、Ｋ（ｔ）は外乱推定器ゲイン行列、Ｐ（ｔ）はリ
カッチ方程式の解行列であり、また、Ｑ，Ｒは適当に定
めた定数行列である。
【００２９】なお、行列の右型のT は転置行列であるこ
とを示し、-1は逆行列であることを示している。上記の
ように外乱推定演算器１６は、制御対象１の実際の運動
の検出値ｘ（ｔ）と、数学モデルで演算した値を比較演
算し、その差にゲインを掛けて数学モデルにフィードバ
ックし、実際の運動と数学モデルの差を小さくするよう
に系を構成して推定値ｘd （ｔ）を得ている。
とを示し、-1は逆行列であることを示している。上記の
ように外乱推定演算器１６は、制御対象１の実際の運動
の検出値ｘ（ｔ）と、数学モデルで演算した値を比較演
算し、その差にゲインを掛けて数学モデルにフィードバ
ックし、実際の運動と数学モデルの差を小さくするよう
に系を構成して推定値ｘd （ｔ）を得ている。
【００３０】以上の操作により、制御対象１の特性変動
や外乱変動及びフィードバック系の特性変動やこの系に
加わる大きな未知外乱に対して良い制御性を実現すると
同時に、制御特性が十分把握できない場合に於いても良
い制御特性を持つ制御系を実現できる。
や外乱変動及びフィードバック系の特性変動やこの系に
加わる大きな未知外乱に対して良い制御性を実現すると
同時に、制御特性が十分把握できない場合に於いても良
い制御特性を持つ制御系を実現できる。
【００３１】次に、以上説明したロバスト制御装置を用
いた場合の効果について図３〜図６を参照して説明す
る。図３は、図１の設定値信号ｒ（ｔ）の入力波形（１
入出力系の場合を示し、入力はステップ状入力とする）
を示すものである。
いた場合の効果について図３〜図６を参照して説明す
る。図３は、図１の設定値信号ｒ（ｔ）の入力波形（１
入出力系の場合を示し、入力はステップ状入力とする）
を示すものである。
【００３２】図４は、従来のロバスト制御理論により最
適制御系の設計結果のロバスト制御系の出力波形を示す
もので、ロバスト制御系設計時には、制御対象の特性を
明確に推定する必要がある。今回の制御対象１は十分に
把握しきれていないため、不明なところは、適当にパラ
メータを設定するため、十分最適な系は、実現し得ず、
制御性（減衰特性，立ち上がり特性，その他）は期待す
るほどのものが得られないことを示している。
適制御系の設計結果のロバスト制御系の出力波形を示す
もので、ロバスト制御系設計時には、制御対象の特性を
明確に推定する必要がある。今回の制御対象１は十分に
把握しきれていないため、不明なところは、適当にパラ
メータを設定するため、十分最適な系は、実現し得ず、
制御性（減衰特性，立ち上がり特性，その他）は期待す
るほどのものが得られないことを示している。
【００３３】図５は、上記従来のロバスト制御理論で設
計した制御系で、制御対象を制御しているときに、制御
対象が変化（固有値の変動，減衰の変動がそれぞれ大き
いとき）したときの出力波形（学習前）の例を示してい
るが、この場合には、もはやこの制御系では制御しきれ
ないことがあることを示している。
計した制御系で、制御対象を制御しているときに、制御
対象が変化（固有値の変動，減衰の変動がそれぞれ大き
いとき）したときの出力波形（学習前）の例を示してい
るが、この場合には、もはやこの制御系では制御しきれ
ないことがあることを示している。
【００３４】しかし、この系に前記した本発明による制
御系を付加すると、制御入力を加えた初期は、以前と同
じ悪い特性であっても、次第に制御性が改善されて図６
に示す応答のようになり、良好な制御性が得られる。
御系を付加すると、制御入力を加えた初期は、以前と同
じ悪い特性であっても、次第に制御性が改善されて図６
に示す応答のようになり、良好な制御性が得られる。
【００３５】
【発明の効果】以上詳記したように本発明によれば、ロ
バスト制御系の制御対象に加える制御入力信号に対し、
２つのフィードフォワード信号に重みを加え、更に未知
の外乱に対する推定信号を加えて補正するようにしてい
るので、制御対象の特性が十分把握できない場合の制御
系の設計や、制御対象の特性が大きく変動したり、未知
の外乱による影響が大きい場合にも、十分に対応するこ
とができる。
バスト制御系の制御対象に加える制御入力信号に対し、
２つのフィードフォワード信号に重みを加え、更に未知
の外乱に対する推定信号を加えて補正するようにしてい
るので、制御対象の特性が十分把握できない場合の制御
系の設計や、制御対象の特性が大きく変動したり、未知
の外乱による影響が大きい場合にも、十分に対応するこ
とができる。
【図１】本発明の一実施例に係るロバスト制御装置の構
成を示すブロック図。
成を示すブロック図。
【図２】図１の第１の学習演算装置のアルゴリズムを示
す図。
す図。
【図３】本発明の作用効果を説明する図。
【図４】本発明の作用効果を説明する図。
【図５】本発明の作用効果を説明する図。
【図６】本発明の作用効果を説明する図。
【図７】従来の最適ロバスト制御装置の構成例を示すブ
ロック図。
ロック図。
１ 制御対象 ２ 減算器 ３ 積分演算器 ４ 減算器 ５ フィードバックゲイン演算器 ７ 加算器 １１ 第１の学習演算装置 １２ 第２の学習演算装置 １３ 分配器 １４ 加算器 １５ 減算器 １６ 外乱推定演算器
Claims (1)
- 【請求項１】 制御対象を状態検出信号に基づいてフィ
ードバック制御するロバスト制御装置において、設定値
信号と上記制御対象への制御入力信号を利用して学習す
る第１の学習演算装置と、上記設定値信号と制御偏差信
号を利用して学習する第２の学習演算装置と、上記第１
及び第２の学習演算装置の出力に重みをかけて分配し加
算する分配器と、上記制御対象に加わる未知の外乱を推
定する外乱推定器と、上記分配器の出力信号と外乱推定
器の出力信号を上記制御対象への制御信号に付加する手
段とを具備したことを特徴とするロバスト制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14474593A JPH075903A (ja) | 1993-06-16 | 1993-06-16 | ロバスト制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14474593A JPH075903A (ja) | 1993-06-16 | 1993-06-16 | ロバスト制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH075903A true JPH075903A (ja) | 1995-01-10 |
Family
ID=15369382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14474593A Pending JPH075903A (ja) | 1993-06-16 | 1993-06-16 | ロバスト制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH075903A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100382749B1 (ko) * | 1995-03-29 | 2003-06-19 | 삼성전자주식회사 | 로보트매니퓰레이터에대한강인한적응제어방법 |
-
1993
- 1993-06-16 JP JP14474593A patent/JPH075903A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100382749B1 (ko) * | 1995-03-29 | 2003-06-19 | 삼성전자주식회사 | 로보트매니퓰레이터에대한강인한적응제어방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdul-Adheem et al. | Improved sliding mode nonlinear extended state observer based active disturbance rejection control for uncertain systems with unknown total disturbance | |
| CN108762083B (zh) | 一种基于加速度观测器的自动控制系统 | |
| WO2002069318A1 (en) | Adaptation performance improvements for active control of sound or vibration | |
| JP2947093B2 (ja) | 適応フィルタによるシステム同定の方法および装置 | |
| KR100223393B1 (ko) | 모터속도제어장치 | |
| Coban | Dynamical adaptive integral backstepping variable structure controller design for uncertain systems and experimental application | |
| JP2001117603A (ja) | 制御演算装置及び制御演算方法 | |
| JP2771929B2 (ja) | ディジタル・サーボ制御システム | |
| JP5780058B2 (ja) | 周期外乱抑制装置 | |
| JPH075903A (ja) | ロバスト制御装置 | |
| KR20050073964A (ko) | 동기전동기를 이용한 위치 제어장치 및 방법 | |
| US6266580B1 (en) | Control apparatus and method of control system having dead time | |
| JP3220589B2 (ja) | メカニカルシステムの制御装置 | |
| JPH03208102A (ja) | ロバスト制御装置 | |
| JP2999330B2 (ja) | スライディングモード制御系を用いた制御方法 | |
| Ramirez-Neria et al. | Smith predictor based generalized PI control for a class of input delayed nonlinear mechanical systems | |
| JP3582541B2 (ja) | スライディングモード制御による位置決め制御方法 | |
| Wu et al. | Discrete-time adaptive sliding mode control of autonomous underwater vehicle in the dive plane | |
| JP2004199495A (ja) | サーボ制御装置 | |
| CN112147898B (zh) | 一种仅依赖控制方向信息的刚体系统抗扰控制方法及系统 | |
| CN111830824B (zh) | 一种兼顾电流环动态的直流电机伺服系统渐近跟踪控制方法 | |
| JPH1082719A (ja) | エンジントルク制御装置 | |
| JPS6334712B2 (ja) | ||
| Canelon et al. | A new neural network-based approach for self-tuning control of nonlinear multi-input multi-output dynamic systems | |
| JPH07219601A (ja) | 調節装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20010417 |