WO2014091922A1 - モデル予測制御を用いたパワーアシストシステム - Google Patents

モデル予測制御を用いたパワーアシストシステム Download PDF

Info

Publication number
WO2014091922A1
WO2014091922A1 PCT/JP2013/081756 JP2013081756W WO2014091922A1 WO 2014091922 A1 WO2014091922 A1 WO 2014091922A1 JP 2013081756 W JP2013081756 W JP 2013081756W WO 2014091922 A1 WO2014091922 A1 WO 2014091922A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
model
future
state quantity
control
Prior art date
Application number
PCT/JP2013/081756
Other languages
English (en)
French (fr)
Inventor
貴彦 森
Original Assignee
独立行政法人国立高等専門学校機構
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 独立行政法人国立高等専門学校機構 filed Critical 独立行政法人国立高等専門学校機構
Publication of WO2014091922A1 publication Critical patent/WO2014091922A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66D—CAPSTANS; WINCHES; TACKLES, e.g. PULLEY BLOCKS; HOISTS
    • B66D3/00—Portable or mobile lifting or hauling appliances
    • B66D3/18—Power-operated hoists

Definitions

  • the present invention relates to a power assist system using model predictive control, and in particular, based on motion control using model predictive control, a human-machine cooperative system (operator and control target) corresponding to an operator's operation torque. ) Related to a power assist system using model predictive control capable of predicting a future state quantity.
  • the power assist system detects the force (torque) generated by the movement of the operator with a force detection sensor or the like, and further generates the assist force by amplifying the detected sensor signal. Then, a control target such as a robot arm is controlled based on the generated assist force. As a result, a work requiring a large force such as a work for transporting a heavy object can be realized with a small force applied by the operator, and the operation burden on the operator can be reduced.
  • An example of the above-mentioned power assist system is, for example, in the field of medical engineering, the human-muscle of the upper limb motion using a combination of a myoelectric potential sensor and a force sensor for the purpose of assisting the operation of daily life by the power assist of the upper limb amputee. Attempts have been made regarding cooperative control of electric prostheses.
  • the operator is equipped with a plurality of sensors for finely measuring the joint angle and joint moving speed of the operator's elbow, finger, etc., and the movement distance of each part of the joint, etc.
  • a power assist system has also been developed that performs control based on signals obtained by the plurality of sensors.
  • model predictive control for determining an operation amount is known.
  • the model predictive control method is known to have a significantly increased calculation amount as compared to the PID control method, and is generally known to be difficult to apply to a machine control system that requires a short calculation cycle.
  • the power assist device to which the above model predictive control is applied and the applied model predictive control can suppress the deviation from the target final position as small as possible with the smallest possible operation force.
  • a method has been proposed (see Patent Document 1). Based on the joint angle vector, the hand position, and the operator's force detected in real time by the above apparatus and method, the hand viscosity coefficient, its elastic coefficient, and the operator's hand natural length position are estimated in real time, Based on each estimated value, the assist force can be optimized, and a positioning error can be minimized with a small robot, and the assist force can be generated in the robot.
  • the power assist system sometimes has the following problems. That is, it has been known that those using a myoelectric potential sensor are likely to vary in the magnitude of the generated myoelectric potential signal, and that the signal is greatly influenced by various factors such as the surrounding environment. For this reason, it may be difficult to perform accurate operation control using a signal from the myoelectric potential sensor.
  • considering a joint angle, a moving speed, etc. using a plurality of sensors or the like and performing power assist can exhibit a sufficient effect for a predetermined specific movement, When operation control other than a specific movement is required due to changes in ambient conditions, it is difficult to respond flexibly, and sufficient operation support may not be possible.
  • the model predictive control when the model predictive control is applied to the power assist device, it is necessary to construct an impedance model that expresses the mathematical model of the worker's arm in viscoelasticity, and the information estimated in real time is the operator's hand viscosity coefficient Further, a plurality of values such as an elastic coefficient and a current value of the hand position are required, and final position information of the target value is required for such estimation. Therefore, it is necessary to construct a mathematical model of an arm for each individual worker. When there are a large number of workers, it takes a lot of time to construct each mathematical model.
  • the present invention aims to support human actions, models a control target, predicts future state quantities and the like in real time from the input current operation torque, and controls the control target.
  • An object of the present invention is to provide a power assist system using model predictive control capable of predictive control.
  • the power assist system using model predictive control according to the present invention (hereinafter simply referred to as “power assist system”) is described as “the future of the internal model corresponding to the control target from the current operation torque.
  • a second model predictive control system for calculating, wherein the first model predictive control system amplifies the input operation torque and generates an amplified operation torque, and the amplification operation from a current target value
  • a current deviation generating circuit that subtracts torque and generates a current deviation
  • a set value trajectory generating circuit that generates a set value trajectory related to a future operation torque from the current target value
  • the current An error generation circuit for generating an error relating to the future operation torque from the difference, a reference trajectory generation circuit for subtracting the error from the generated set value trajectory, and generating a reference trajectory relating to the future operation torque
  • a tracking error generation circuit that generates a tracking error related to the future operation torque from the generated reference trajectory, and a change value generation that generates a one-step change value related to a one-step future input change from the generated tracking error
  • a circuit a first integration circuit that integrates the one-step change value and generates a control input value of the internal model, a filter constructed corresponding to the control object, and a
  • a value generation circuit a first sample and hold circuit that generates a past control input value related to a control input that is one step past from the control input value; and a first basis that is a basis for all future state quantities in the all step change values
  • the third total state quantity obtained by integrating the third basic coefficient that is the basis of the quantity is added, respectively, and a total state quantity generation circuit that generates all future state quantities, and only displacement information is extracted from the all future state quantities.
  • the tracking error is generated by subtracting from each of the reference trajectories a value obtained by integrating a third torque coefficient that extracts only the torque, and the second model predictive control system calculates the current state before the constraint from the future state quantity.
  • a controller that generates a pre-constraint control input value related to an optimal value of the control input, a limiter that generates a post-constraint control input value in which an upper limit or a lower limit is constrained from the pre-constraint control input value, and the post-constraint control input value
  • the control object for generating an actual output value from the control and an internal model of the control object for generating an internal model output value from the post-constraint control input value, and the controller includes the future state quantity, the actual Based on the output value and the internal model output value, the pre-constraint control input value is generated ".
  • the model control value related to the future control input based on the first model predictive control system based on the input of the current operation torque and the future state quantity of the internal model corresponding to the controlled object By applying the obtained future state quantity to the second model predictive control system, the optimum value for actually controlling the controlled object can be obtained.
  • the second model predictive control system performs so-called “PFC (Predictive Functional Control) control”.
  • PFC control can be easily applied to a process in which normal PID control is difficult to exhibit sufficient control performance due to nonlinearity or instability, and high control performance is expected. It is a kind of model predictive control (MPC: Model Predictive Control).
  • GPC Generalized
  • the constraint condition of the control input and the control amount can be set so as to be visible on a mathematical expression, and a mathematical model expressed by a time function (time domain) is used.
  • a mathematical model expressed by a time function time domain
  • the calculation load of the computer can be greatly reduced. Therefore, by combining the first model predictive control system based on MPC control and the second model predictive control system based on PFC control, highly accurate predictive control of a control target can be performed without applying a calculation load.
  • the post-restriction control input value input to the control target can be optimized.
  • the power assist system may include, in addition to the above-described configuration, “the internal model to be controlled accepts the post-restriction control input value and generates a decomposition model output value; And an integrator having an integral model that generates an integral model output value from the decomposition model output value, the controller subtracting the actual output value from the future state quantity, A plurality of control gains for receiving inputs of the decomposition model output value, the integral model output value, and the internal model output value ”may be provided.
  • the second model prediction including the internal model of the control target that does not apparently have the integrator is obtained by configuring the internal model of the control target to be composed of the decomposition model and the integrator. It can have a control system. This enables positioning control when predictive control is performed on a speed command type control target.
  • the power assist system has, in addition to the above-described configuration, “an internal model of a process that receives an input of a current measurement disturbance and generates an output value of a process internal model; and an input of the current measurement disturbance; And further comprising: a process for generating an output value; and an adder circuit for adding the process output value to the actual output value, wherein the controller receives an input of the process internal model output value, and the pre-constraint control input It may be a "generating value".
  • the power assist system of the present invention by introducing a current measurement disturbance (corresponding to a signal that is disturbed from other than a predetermined signal system) into the second model predictive control system, the control input value before restriction Is generated in consideration of the process internal model output value based on the current measurement disturbance and the actual output value obtained by adding the process output value, and the generation accuracy is improved and finally generated.
  • the post-constrained control input value can be further optimized.
  • a future state quantity can be predicted in real time from the current operation torque, and it becomes easy to grasp the stop position, operation force, etc. of the control object prior to human intention.
  • the foreseeing control of the controlled object can be performed, and control at a stable power assist rate is possible.
  • the post-restriction control input value with the upper limit or lower limit defined can be optimized.
  • the future operation torque predicted in the vertical axis direction (a) the future operation torque predicted in the vertical axis direction, and (b) the future operation torque predicted in the vertical axis direction in the horizontal axis. It is a graph which shows the simulation result of the future operation torque mapped to the direction, respectively.
  • the future (0.5 seconds ahead) predicted 25 steps ahead for each sample is mapped to (a) the future displacement predicted in the vertical axis direction, and (b) the future displacement predicted in the vertical axis direction on the horizontal axis. It is a graph which shows the simulation result of the future displacement which was done, respectively.
  • a power assist system 1 according to an embodiment of the present invention will be described with reference to FIGS. 1 to 6.
  • the object to be subjected to power assist is “pushing” and “pulling” the object.
  • the operator grasps the grip, feels the force sense transmitted from the grip, and leaves the slider 2 (corresponding to the control target) to the operation intention (activity intention) of the operator from an arbitrary initial position. It is assumed that it performs a linear reciprocating motion to the target value.
  • 1 to 4 are prepared in accordance with a basic block diagram description format.
  • Addition point (corresponding to “O” in the figure), (2) Lead line (figure It is composed of three elements: (corresponding to “ ⁇ ” in the figure), and (3) transmission element (corresponding to the square frame part in the figure, block). It is a representation. Here, the sum or difference of two (or more) signals at the summing point is indicated by adding “+” or “ ⁇ ” to the signal entering the summing point.
  • the transfer element outputs a signal converted by applying a function (array or the like) in the block to the input signal.
  • the power assist system 1 of the present embodiment predicts a control input value 4 and a future state quantity 5 relating to a future control input from a current operation torque 3, and 2
  • the first model predictive control system F based on the mathematical model 7 of the next low-pass filter 6 and the slider 2 and the post-constraint control input value 46 relating to the optimum value related to the future control input are generated from the predicted future state quantity 5. Therefore, the second model predictive control system S is configured in combination.
  • FIG. 1 shows a configuration for predicting a control input value 4 related to a future control input from the current operating torque 3 in the first model predictive control system F
  • FIG. 2 shows the control input value. 4 shows the entire first model predictive control system F for predicting a future state quantity 5 based on 4.
  • the first model predictive control system F amplifies the input operation torque 3 and generates an amplified operation torque 9;
  • a current deviation generation circuit 13 that generates a current deviation 12 by subtracting the amplification operation torque 9 from the target value 11 of the current value, and a setting value trajectory generation that generates a setting value trajectory 14 related to the future operation torque from the current target value 11
  • a change value generation circuit 24 that generates a one-step change value 23 related to an input change of one step in the future based on a feedback gain of the error controller and a one-step change value 23 are integrated to generate a control input value 4 of the internal model 28
  • a total change value generation circuit 30 that generates all step change values 29 related to input changes of all steps in the future based on the feedback gains of all predictive controllers from the tracking error 21 thus generated, and a control input of one step past from the control input value 4
  • a first sample-and-hold circuit 32 that generates a past control input value 31 according to The first total state quantity 34 obtained by integrating the first basic coefficient 33, the second total state quantity 36 obtained by integrating the past control input value 31 with the second basic coefficient 35 serving as the basis of the future whole state quantity, and the model state quantity 26, a total state quantity generation circuit 40 for generating a future total state quantity 39 by adding a third total state quantity 38 obtained by accumulating a third basic coefficient 37 that is the basis of the future total state quantity, A state quantity generation circuit 41 that extracts only displacement information from the state quantity 39 and generates a future state quantity 5 is provided, and the tracking error generation circuit 22 extracts only the operation torque 3 from the second total state quantity 36.
  • the tracking error 21 is generated by subtracting the value obtained by integrating
  • the operation torque 3 is information (signal) related to the magnitude of the torque that the operator actually grips the grip of the slider 2 and applied in a predetermined direction
  • the amplification operation torque 9 is the amplification circuit 10.
  • the information of the operation torque 3 is amplified through a signal based on a prescribed amplification factor. Then, by subtracting the value of the amplified operating torque 9 from the current operating torque 3, a deviation from the current target value 11 at the current time (current deviation 12) is obtained. Further, the error 16 is obtained by integrating the current deviation 12 by an array for generating an error 16 relating to a future operation torque (error generation circuit 17).
  • the set value trajectory 14 is obtained by adding the array for generating the set value trajectory 14 related to the future operation torque to the current target value 11 (set value trajectory generation circuit 15).
  • a reference trajectory 19 relating to a future operation torque is generated.
  • Such a reference trajectory 19 is a temporary target value in the internal model 28.
  • the internal model 28 constructed in the first model predictive control system F corresponds to a design model, and is configured integrally including the mathematical model 7 of the slider 2 and the secondary low-pass filter 6.
  • the state space can be expanded.
  • the secondary low-pass filter 6 is known as a kind of filter circuit, and is generally used to attenuate a frequency band higher than a certain cutoff frequency. Therefore, by applying this embodiment, the noise included in the control input value 4 of the internal model 28 is also attenuated by the attenuation effect of the secondary low-pass filter 6.
  • the tracking error 21 generated from the reference trajectory 19 via the tracking error generation circuit 22 generates a one-step change value 23 related to a one-step future input change based on the feedback gain of the prediction controller. Thereby, a value one step ahead (for example, 0.02 seconds ahead) from the current time is predicted. Then, by integrating the obtained value by the first integration circuit 25, the control input value 4 input to the internal model 28 is obtained.
  • the predictive controller corresponds to a well-known model predictive control feeder controller used in model predictive control, and the one-step change value 23 is generated based on the input signal related to the tracking error 21.
  • the generated control input value 4 is passed through the first sample hold circuit 32.
  • the sample hold circuit is a circuit for temporarily holding a changing value at a certain point in time, and is used when an analog signal by an AD converter is converted into a digital signal.
  • the signal that has passed through the first sample hold circuit 32 becomes a control input value that is one step past the current time (past control input value 31).
  • the past control input value 31 is multiplied by a coefficient (second basic coefficient 35) that is the source of all future state quantities to obtain a second all state quantity 36, and only information related to the operation torque 3 is obtained from the second all state quantity 36.
  • a value obtained by integrating the second torque coefficient 42 for extracting is obtained.
  • a coefficient (second basic coefficient 35) based on the future total state quantity is added to the model state quantity 26 output from the internal model 28 to which the control input value 4 is input, to thereby obtain a third total state quantity. 38, and a value obtained by integrating a third torque coefficient 43 that extracts only information related to the operating torque 3 from the third total state quantity 38 is obtained.
  • the tracking error 21 based on the feedback information is generated by subtracting the two values obtained from the reference trajectory 19 (tracking error generation circuit 22). Thereby, the control input value 4 of the internal model 28 is generated in consideration of the feedback information.
  • the first model predictive control system F has an all-step change value related to an input change in all future steps based on a feedback gain of all predictive controllers with respect to a tracking error related to a future operation torque.
  • 29 total change value generation circuit 30
  • the second total state quantity 36 obtained by adding the above-described second basic coefficient 35 to the past control input value 31 and the third basic coefficient 37 are added to the model state quantity 26.
  • the first total state quantity 34 obtained by integrating the first basic coefficient 33 that is the source of the future total state quantity is added to the generated all step change values 29, respectively.
  • a future total state quantity 39 is generated (total state quantity generation circuit 40).
  • the future state quantity 5 related to the set value trajectory is obtained by integrating the array for extracting only the displacement information with respect to all the generated future state quantities 39 (state quantity generation circuit 41).
  • the first model predictive control system F of the present embodiment has the following characteristics. That is, as an alternative to the normal feedback loop circuit, information (operation torque 3) from the outside is used to obtain the current deviation 12 from the current target value 11. Further, by constructing an internal model 28 in which the second-order low-pass filter 6 and the mathematical model 7 of the slider 2 are integrated, the state space can be expanded, and the filtered approximate operation torque and its differential value. Can be obtained. Further, by applying a prediction model based on the discrete model to the tracking error 21 related to the future operation torque, it is possible to obtain all future state quantities.
  • the second model predictive control system S generates a pre-constraint control input value 44 related to the optimum value of the current control input before the constraint from the future state quantity 5 generated by the first model predictive control system F. 45, a limiter 47 that generates a post-constraint control input value 46 whose upper limit or lower limit is constrained from the pre-constraint control input value 44, a slider 2 that generates an actual output value 48 from the post-constraint control input value 46, and the constraints
  • An internal model 50 of a control target (slider 2) that generates an internal model output value 49 from a post-control input value 46 and an input of a current measurement disturbance 51 and an internal model 53 of a process that generates a process internal model output value 52
  • the controller 45 the future state quantity 5, the actual output value 48, based on the internal model output value 49 and processes the internal model output value 52, and generates a constraint before the control input value 44.
  • the internal model 50 to be controlled is the same as the mathematical model 7 of the slider 2 in the first model predictive control system F. However, since the input target and the output target are different from each other, different reference numerals are given. ing.
  • the second model predictive control system S sets the post-constraint control input value 46 corresponding to the optimum value related to the current control input based on the output result (future state quantity 5) from the first model predictive control system F. It can be calculated and performs PFC control. More specifically, by inputting the future state quantity 5 to the controller 45 and combining the values generated based on the actual output value 48 and the internal model output value 49 in the controller 45, A pre-constraint control input value 44 without an upper or lower limit constraint is generated, and then a post-constraint control input value 46 is generated by passing through a limiter 47 in which an upper limit or a lower limit is set under a predetermined condition.
  • the generated post-constraint control input value 46 is then input to the internal model 50 of the control target (slider 2) to generate an internal model output value 49, and the pre-constraint control input value after the next step.
  • the pre-constraint control input value 44 after the next step is generated similarly to the internal model output value 49.
  • the power assist system 1 of the present embodiment accepts an input of the current measurement disturbance 51 (a signal or noise that becomes a disturbance), and constrains the process internal model output value 52 and the process output value 54 that are output based on the input. This can contribute to the generation of the previous control input value 44.
  • the second model predictive control system S will be described in more detail with reference to FIG. 4.
  • a “speed command type control target” such as the slider 2 in this embodiment
  • the internal model 50 to be controlled is constituted by a decomposition model 58 composed of a first decomposition model 57a and a second decomposition model 57b, and an integrator 60 having an integration model 59 connected to the decomposition model 58, and apparently Constructs without an integrator.
  • the internal model 50 to be controlled is represented by (first decomposition model + second decomposition model) / (1 + integration model). In FIG. 4, the current measurement disturbance 51 is not considered.
  • the internal model 50 to be controlled is generated by the limiter 47, and the output of the post-constraint control input value 46 is received by the first decomposition model 57a and the second decomposition model 57b, respectively, so that the first decomposition model output value 61a.
  • the function of outputting the second decomposition model 61b, and the input of the value obtained by adding the first decomposition model output value 61a and the second decomposition model output value 61b, and the integration model output value output from the integration model 59 A function of outputting the internal model output value 49 by subtracting 62 is provided.
  • the integral model output value 62 is generated by inputting the internal model output value 49 one step before into the integral model 59.
  • the controller 45 also includes a first decomposition model output value 61a output from the first decomposition model 57a, a second decomposition model output value 61b output from the second decomposition model 57b, and an integration model output from the integration model 59.
  • a function of receiving input of the output value 62 and the internal model output value 49 is provided.
  • the controller 45 includes a zeroth control gain 63, a first control gain 64, a second control gain 65, a third control gain 66, and a fourth control gain 67.
  • the 0th control gain 63 has a function of multiplying the control deviation 68 obtained by subtracting the actual output value 48 from the future state quantity 5, and the first control gain 64 uses the first decomposition model output value 61a.
  • the second control gain 65 has a function of proportionally multiplying the second decomposition model output value 61b
  • the third control gain 66 has a function of proportionally multiplying the integral model output value 62
  • the fourth control gain 67 has a function of multiplying the internal model output value 49 proportionally. Then, the pre-constraint control input value 44 is generated by adding the values output through the respective control gains 63 and the like.
  • the limiter 47 of the second model predictive control system S can directly constrain physical quantities such as displacement, speed, and control input value in advance, and post-constraint control in which an upper limit or a lower limit is set for the physical quantity.
  • the input value 46 can be easily obtained. Thereby, the safety in the power assist system 1 can be improved.
  • control by power assist is within the range of the constraint condition by predefining the safe or dangerous range of movement or the safe or dangerous speed of the robot arm. It can be suppressed. Therefore, it is possible to ensure safety for the surrounding human beings and to prevent failure or breakage of the power assist system 1 (control target). Further, even if there is an excessive input due to an operation error, the input can be canceled. Further, in the first model predictive control system F and the second model predictive control system S, the predictive horizon need not be the same value.
  • S of this embodiment is obtained using a predictive model based on a discrete model of a controlled object that is a strictly proper transfer function, generally, Unlike the known PID control and state feedback control, it can be considered that all state quantities at each time from the present (current time) to the set future time are always filtered. As a result, it becomes stable and the influence on noise is reduced. As a result, the power assist system 1 having a high stability and a high gain can be realized.
  • FIG. 5A a future reference trajectory 19 25 steps ahead is generated based on the operation torque 3 for each sample so as to move toward the current target value 11 of the operation torque 3. It is confirmed that the predicted trajectory (see the downward arrow in FIG. 5A) toward the vertical axis is predicted.
  • FIG. 5B is a map of the reference trajectory 19 predicted in FIG. 5A in the horizontal axis direction. According to this, when the current operating torque 3 is compared with FIG.
  • the reference trajectory 19 is generated by taking the difference between the current target value 11 and the error 16 of the future operation torque predicted by an array having a first-order delay attenuation (corresponding to the error generation circuit 17). (See FIG. 1 etc.).
  • the predicted current operation torque 3 and the operation torque that is denoised by the secondary low-pass filter 6 Expected to be similar and slightly larger than the operating torque.
  • the post-restriction control input value 46 for the actual slider 2 is not a simple similarity with the current operating torque 3, and is difficult to compare. Therefore, it is suggested that when the model predictive control systems F and S in the present embodiment are applied to the power assist system 1, it is necessary to set a large scaling factor for the operation torque 3.
  • FIG. 6A is a diagram in which the future set value trajectory (future state quantity 5) and the future reference trajectory predicted in the vertical axis direction in FIG. 6A are respectively mapped in the horizontal axis direction.
  • the displacement related to the model state quantity 26 of the internal model 28 output of the internal model in FIG. 6
  • the displacement related to the actual output value 48 output from the actual slider 2 actual output in FIG.
  • the power assist system 1 controls the control target. It is possible to perform predictive control of the behavior. Thereby, it is possible to predict and perform in advance a collision avoidance function in which a robot arm or the like collides with surrounding objects, or an emergency stop operation performed in an emergency. Therefore, in a human-machine cooperative system, it is possible to improve work efficiency by enabling accurate positioning operation, and further improve operability itself.
  • the power assist system of this embodiment is applied to a robot including a robot arm such as a prosthetic hand that supports upper limb movement, the position controllability and mobility of the robot arm are excellent.
  • the power assist system of the present embodiment is applied to a robot including a prosthetic leg that supports lower limb movements, it is possible to improve the fall prevention performance during walking movements and the quick response to changes in surrounding conditions.
  • the power assist system 1 has been illustrated assuming that the slider 2 is mainly controlled.
  • the present invention is not limited to this, and human-machine cooperation including various movable mechanisms such as a motor and an actuator. It may be applied in system operation control.
  • the second-order low-pass filter 6 is provided as a filter.
  • the present invention is not limited to this, and an n-order low-pass filter or a band-pass filter may be used.
  • the present invention is not limited to this, and the load on the operator may be increased. . Thereby, it can use for an operator's muscular strength training.

Abstract

　入力された現在の操作トルクから未来の状態量を予測可能なパワーアシストシステムを提供することを課題とする。　パワーアシストシステム（１）は、増幅回路、現在偏差生成回路、設定値軌道生成回路、誤差生成回路、参照軌道生成回路、追従誤差生成回路、変化値生成回路、第一積分回路、内部モデル、全変化値生成回路、第一サンプルホールド回路、全状態量生成回路、及び状態量生成回路を有する第一モデル予測制御系と、制約前制御入力値（４４）を生成する制御器（４５）、制約後制御入力値（４６）を生成するリミッター（４７）、実際の出力値（４８）を生成するスライダ（２）、及び内部モデル出力値（４９）を生成する制御対象の内部モデル（５０）を有する第二モデル予測制御系（Ｓ）とを具備する。

Description

モデル予測制御を用いたパワーアシストシステム
　本発明は、モデル予測制御を用いたパワーアシストシステムに関するものであり、特にモデル予測制御を用いた動作制御に基づいて、操作者の操作トルクに対応して人間機械協調系（操作者及び制御対象）における未来の状態量を予測可能なモデル予測制御を用いたパワーアシストシステムに関するものである。
　種々の産業分野（医療・福祉分野等）では、操作者（作業者、介護者、動作者等）の動作負担の軽減を目的として、パワーアシストシステム（パワーアシスト装置）に関する技術開発が進められている。ここで、パワーアシストシステムは、操作者の動きによって発生した力（トルク）を力検知センサ等によって検知し、さらに検知したセンサ信号を増幅することにより、アシスト力を発生させるものである。そして、発生したアシスト力に基づいてロボットアーム等の制御対象を制御することが行われている。これにより、重量物の搬送作業等の大きな力を必要とする作業を、操作者によって加えられる小さな力で実現することが可能となり、操作者の動作負担の軽減を行うことができる。
　上記パワーアシストシステムの一例を示すと、例えば、医療工学の分野において、上肢切断者のパワーアシストによる日常生活の動作支援を目的として、筋電位センサと力センサとを併用した上肢動作の人間－筋電義手の協調制御に関する試みがなされている。また、力検知センサに加え、操作者の肘や指等の関節角度や関節可動速度、さらには関節の各部位の移動距離等を精細に計測するための複数のセンサを操作者に装着し、これらの複数のセンサによって得られた信号に基づいて制御するパワーアシストシステムも開発されている。
　一般的なパワーアシストシステムにおいて、操作者の加えた力の大きさ（トルク量）に対し、発生させるアシスト力の大きさ（アシスト率）を如何に設定するかが大きな問題となる。すなわち、入力された力に対してアシスト率が低い場合、操作者の動作負担が大きくなり、十分な動作負担の軽減効果を得られないことがあった。一方、アシスト率が大きい場合、ロボットアーム等の制御対象の制御量や移動速度が過剰となり、正確な位置へ物品等を移動させることが困難となったり、周囲に危険を及ぼすことがあった。
　上述の人間機械協調系の制御を含むプロセス制御において、制御対象の挙動をモデル化し、その挙動モデルを用いて未来の状態量を予測し、予測された未来の状態量に基づいて目標値に近づけるように操作量を決定する「モデル予測制御」が知られている。これにより、制御偏差値が現れてから修正を行う従来のＰＩＤ制御方式では困難であった点を解消することができ、長い応答時間や時間遅れを持つシステムに対して適用可能な高い有用性を備えていた。しかしながら、モデル予測制御方式は、演算量がＰＩＤ制御方式と比べて著しく増大することが知られ、短い演算周期が必要な機械制御系への適用は難しいことが一般に知られている。
　これに対し、人－ロボットの協調作業において、可能な限り小さい操作力で、できるだけ目標の最終位置からのずれを小さく抑えることができる上記モデル予測制御を適用したパワーアシスト装置とその適用モデル予測制御方法が提案されている（特許文献１参照）。上記装置及び方法によって、リアルタイムで検出された関節角度ベクトル、手先部位置、及び作業者の力に基づいて、手先粘性係数、その弾性係数、及び作業者の手先自然長位置をリアルタイムに推定し、推定された各値に基づいて、アシスト力を最適化することが可能となり、小さなロボットで位置決め誤差を最小に抑え、ロボットにアシスト力を発生させることができる。
　しかしながら、上記パワーアシストシステムは、下記に掲げる問題点を生じることがあった。すなわち、筋電位センサを用いるものは、発生する筋電位信号の大きさにバラツキ等が生じやすく、周囲の環境等の各種要因によって当該信号が大きく影響されることが知られていた。そのため、筋電位センサの信号によって正確な動作制御を行うことが困難なことがあった。また、複数のセンサ等を用いて関節角度や可動速度等を勘案し、パワーアシストを行うものは、予め規定された特定の動きに対しては十分な効果を発揮することが可能であるものの、周囲の条件変化によって特定の動き以外の動作制御が必要となる場合には、臨機応変な対応が困難で、十分な動作支援をすることができないことがあった。
　一方、パワーアシスト装置にモデル予測制御を適用したものは、作業者の腕の数学モデルを粘弾性で表すインピーダンスモデルを構築する必要があり、さらにリアルタイムに推定する情報が、作業者の手先粘性係数、弾性係数、手先位置の現在値等の複数の値を必要とするものであり、係る推定のために目標値の最終位置情報を必要とするものであった。そのため、個々の作業者毎に腕の数学モデルを構築する必要があり、作業者が多人数に亘る場合、個々の数学モデルの構築作業に多くの時間を要することがあった。
　そこで、本発明は、上記実情に鑑み、人間の動作を支援をすることを目的とし、制御対象をモデル化し、入力された現在の操作トルクから未来の状態量等をリアルタイムで予測し、制御対象の予見制御が可能なモデル予測制御を用いたパワーアシストシステムの提供を課題とするものである。
　上記の課題を解決するため、本発明のモデル予測制御を用いたパワーアシストシステム（以下、単に「パワーアシストシステム」と称す）は、「現在の操作トルクから制御対象に対応する内部モデルの未来の制御入力値及び前記内部モデルの未来の状態量を予測する第一モデル予測制御系と、予測された前記未来の状態量から制約された現在の制御入力の最適値に係る制約後制御入力値を演算する第二モデル予測制御系とを具備し、前記第一モデル予測制御系は、入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、生成された前記追従誤差から１ステップ未来の入力変化に係る１ステップ変化値を生成する変化値生成回路と、前記１ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、前記制御対象に対応して構築されたフィルタ及び前記制御対象の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、前記制御入力値から１ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路とを具備し、前記追従誤差生成回路は、前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、前記第二モデル予測制御系は、前記未来の状態量から制約前の現在の制御入力の最適値に係る制約前制御入力値を生成する制御器と、前記制約前制御入力値から上限または下限が制約された制約後制御入力値を生成するリミッターと、前記制約後制御入力値から実際の出力値を生成する前記制御対象と、前記制約後制御入力値から内部モデル出力値を生成する制御対象の内部モデルとを具備し、前記制御器は、前記未来の状態量、前記実際の出力値、及び前記内部モデル出力値に基づいて、前記制約前制御入力値を生成する」ものから構成されている。
　したがって、本発明のパワーアシストシステムによれば、現在の操作トルクの入力によって第一モデル予測制御系に基づいて未来の制御入力に係るモデル制御値及び制御対象に対応する内部モデルの未来の状態量の予測が可能となり、得られた未来の状態量を第二モデル予測制御系に適用することで、制御対象を実際に制御する際の最適値が求められる。ここで、第二モデル予測制御系は、いわゆる「ＰＦＣ（Ｐｒｅｄｉｃｔｉｖｅ　Ｆｕｎｃｔｉｏｎａｌ　Ｃｏｎｔｒｏｌ）制御」を行うものである。ここで、ＰＦＣ制御は、通常のＰＩＤ制御では非線形性或いは不安定性のために十分な制御性能を発揮することが困難なプロセスに対しても容易に適用可能なものであり、高い制御性能が期待されるものであり、モデル予測制御（ＭＰＣ：Ｍｏｄｅｌ　Ｐｒｅｄｉｃｔｉｖｅ　Ｃｏｎｔｒｏｌ）の一種である。さらに、具体的に説明すると、制御入力や制御量の制約条件を数式上で見えるように設定することができ、時間関数（時間領域）で表現された数学モデルを用いることが特徴のＧＰＣ（Ｇｅｎｅｒａｌｉｚｅｄ　Ｐｒｅｄｉｃｔｉｖｅ　Ｃｏｎｔｒｏｌ）の特徴とともに、制御入力の値を求めるためにリアルタイムでコンピュータが計算して解く必要がないものである。そのため、コンピュータの計算負荷を大幅に削減することができる利点を有している。したがって、ＭＰＣ制御を基本とする第一モデル予測制御系と、ＰＦＣ制御を基本とする第二モデル予測制御系とを組合わせることにより、計算負荷をかけることなく精度の高い制御対象の予見制御が可能となり、制御対象に入力される制約後制御入力値の最適化を図ることができる。
　さらに、本発明のパワーアシストシステムは、上記構成に加え、「前記制御対象の内部モデルは、前記制約後制御入力値を受付け、分解モデル出力値を生成する内部モデルの分解モデルと、前記分解モデルと接続し、前記分解モデル出力値から積分モデル出力値を生成する積分モデルを有する積分器とを具備し、前記制御器は、前記未来の状態量から前記実際の出力値を減算した制御偏差、前記分解モデル出力値、前記積分モデル出力値、及び前記内部モデル出力値の入力をそれぞれ受付ける複数の制御ゲイン」を具備するものであっても構わない。
　したがって、本発明のパワーアシストシステムによれば、制御対象の内部モデルを分解モデル及び積分器からなる構成とすることにより、見かけ上は積分器を持たない制御対象の内部モデルを含む第二モデル予測制御系を有することができる。これにより、速度指令型の制御対象について予測制御を行う場合の位置決め制御が可能となる。
　さらに、本発明のパワーアシストシステムは、上記構成に加え、「現在の測定外乱の入力を受付け、プロセス内部モデル出力値を生成するプロセスの内部モデルと、前記現在の測定外乱の入力を受付け、プロセス出力値を生成するプロセスと、前記実際の出力値に前記プロセス出力値を加算する加算回路とをさらに具備し、前記制御器は、前記プロセス内部モデル出力値の入力を受付け、前記制約前制御入力値を生成する」ものであっても構わない。
　したがって、本発明のパワーアシストシステムによれば、第二モデル予測制御系に、現在の測定外乱（所定の信号系以外から加わる妨害となる信号に相当）を導入することにより、制約前制御入力値は、現在の測定外乱に基づくプロセス内部モデル出力値及びプロセス出力値が加算された実際の出力値を考慮して生成されることになり、係る生成の精度が向上し、最終的に生成される制約後制御入力値をさらに最適化することができる。
　本発明の効果として、現在の操作トルクから未来の状態量をリアルタイムで予測することができ、人間の意思よりも先に制御対象の停止位置や操作力等の把握が容易となる。これにより、制御対象の予見制御を行うことができ、安定したパワーアシスト率での制御が可能となる。さらに、未来の状態量をＰＦＣ制御を行う第二モデル予測制御系に入力することにより、上限または下限が規定された制約後制御入力値の最適化が図られる。
第一モデル予測制御系の一部の概略構成を示すブロック線図である。 第一モデル予測制御系の概略構成を示すブロック線図である。 第二モデル予測制御系の概略構成を示すブロック線図である。 第二モデル予測制御系の速度指令型の制御対象に適用した場合の詳細構成を示すブロック線図である。 １サンプル毎に予測した２５ステップ先の未来（０．５秒先）を（ａ）縦軸方向に予測した未来の操作トルク、及び（ｂ）縦軸方向に予測した未来の操作トルクを横軸方向に写像した未来の操作トルクのシミュレーション結果をそれぞれ示すグラフである。 １サンプル毎に予測した２５ステップ先の未来（０．５秒先）を（ａ）縦軸方向に予測した未来の変位、及び（ｂ）縦軸方向に予測した未来の変位を横軸に写像した未来の変位のシミュレーション結果をそれぞれ示すグラフである。
　以下、本発明の一実施形態であるパワーアシストシステム１について、図１乃至図６に基づいて説明する。ここで、本実施形態のパワーアシストシステム１において、パワーアシストの対象となる動作として、物体を「押す」及び「引く」動作を想定している。具体的には、操作者がグリップを把持し、当該グリップから伝わる力覚を感じながらスライダ２（制御対象に相当）を、当該操作者の操作意思（活動意思）に任せて任意の初期位置から目標値まで直線往復運動を行うものを想定している。また、図１乃至図４は、基本的なブロック線図の記載様式に従って作成されたものであり、（１）加え合わせ点（図中の「○」に相当）、（２）引き出し線（図中の「●」に相当）、及び（３）伝達要素（図中の四角枠部分に相当、ブロック）の三つの要素から構成され、各制御系における信号（情報）等の信号伝達の様子を表したものである。ここで、加え合わせ点において、２つ（またはそれ以上）の信号の和または差が、加え合わせ点に入る信号に「＋」或いは「－」を付して示したものである。また、伝達要素は、入力された信号に対しブロック内の関数（配列等）を作用させることで変換された信号が出力されるものである。
　本実施形態のパワーアシストシステム１は、図１乃至図６に示すように、現在の操作トルク３から未来の制御入力に係る制御入力値４及び未来の状態量５を予測するものであり、２次ローパスフィルタ６及びスライダ２の数学モデル７に基づく第一モデル予測制御系Ｆと、予測された未来の状態量５から未来の制御入力に係る最適値に係る制約後制御入力値４６を生成するための第二モデル予測制御系Ｓとの組合わせによって構成されている。ここで、図１は第一モデル予測制御系Ｆにおいて現在の操作トルク３から未来の制御入力に係る制御入力値４を予測するための構成を抽出したものであり、図２は当該制御入力値４に基づいて未来の状態量５を予測するための第一モデル予測制御系Ｆの全体を表したものである。
　さらに具体的に説明すると、第一モデル予測制御系Ｆは、図１及び図２に示されるように、入力された操作トルク３を増幅し、増幅操作トルク９を生成する増幅回路１０と、現在の目標値１１から増幅操作トルク９を減算し、現在の偏差１２を生成する現在偏差生成回路１３と、現在の目標値１１から未来の操作トルクに係る設定値軌道１４を生成する設定値軌道生成回路１５と、現在の偏差１２から未来の操作トルクに係る誤差１６を生成する誤差生成回路１７と、生成された設定値軌道１４から誤差１６を減算し、未来の操作トルクに係る参照軌道１９を生成する参照軌道生成回路２０と、生成された参照軌道１９から未来の操作トルクに係る追従誤差２１を生成する追従誤差生成回路２２と、生成された追従誤差２１から予測コントローラのフィードバックゲインに基づいて１ステップ未来の入力変化に係る１ステップ変化値２３を生成する変化値生成回路２４と、１ステップ変化値２３を積分し、内部モデル２８の制御入力値４を生成する第一積分回路２５と、スライダ２に対応して構築された２次ローパスフィルタ６及びスライダ２の数学モデル７を含み、制御入力値４からモデル状態量２６を生成する内部モデル２８と、生成された追従誤差２１から全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値２９を生成する全変化値生成回路３０と、制御入力値４から１ステップ過去の制御入力に係る過去制御入力値３１を生成する第一サンプルホールド回路３２と、全ステップ変化値２９に未来の全状態量の基礎となる第一基礎係数３３を積算した第一全状態量３４、過去制御入力値３１に未来の全状態量の基礎となる第二基礎係数３５を積算した第二全状態量３６、及びモデル状態量２６に未来の全状態量の基礎となる第三基礎係数３７を積算した第三全状態量３８をそれぞれ加算し、未来の全状態量３９を生成する全状態量生成回路４０と、未来の全状態量３９から変位情報のみを抽出し、未来の状態量５を生成する状態量生成回路４１とを具備し、追従誤差生成回路２２は、第二全状態量３６から操作トルク３のみを抽出する第二トルク係数４２を積算した値、及び、第三全状態量３８から操作トルク３のみを抽出する第三トルク係数４３を積算した値をそれぞれ参照軌道１９から減算することによって追従誤差２１が生成されるものである。
　ここで、操作トルク３とは、操作者が実際にスライダ２のグリップを把持し、所定方向に加えたトルクの大きさに係る情報（信号）であり、増幅操作トルク９とは、増幅回路１０を介して当該操作トルク３の情報を規定の増幅率に基づいて信号増幅したものである。そして、現在の操作トルク３から増幅操作トルク９の値を減算することにより、現時刻における現在の目標値１１からの偏り（現在の偏差１２）が求められる。さらに、この現在の偏差１２に未来の操作トルクに係る誤差１６を生成するための配列を積算することにより（誤差生成回路１７）により、当該誤差１６が求められる。一方、現在の目標値１１に未来の操作トルクに係る設定値軌道１４を生成するための配列を積算することにより（設定値軌道生成回路１５）、当該設定値軌道１４が求められる。求められた設定値軌道１４から誤差１６を減算することにより（参照軌道生成回路２０）、未来の操作トルクに係る参照軌道１９が生成される。係る参照軌道１９が内部モデル２８における取り敢えずの目標値となる。
　ここで、第一モデル予測制御系Ｆにおいて構築された内部モデル２８は、設計モデルに相当し、スライダ２の数学モデル７と２次ローパスフィルタ６を含んで一体的に構成されている。本実施形態の内部モデル２８に２次ローパスフィルタ６を適用することにより、状態空間の拡大が可能となる。その結果、フィードバック情報の中に操作トルク３に関する情報を含めることが可能となり、これに基づいて追従誤差２１を計算することが可能となる。２次ローパスフィルタ６は、フィルタ回路の一種として知られ、一般にある遮断周波数より高い周波数の帯域を減衰させるために主に用いられている。したがって、本実施形態に適用することにより、内部モデル２８の制御入力値４に含まれるノイズを、２次ローパスフィルタ６の減衰効果によって減衰させる効果も併せて有している。
　そして、参照軌道１９から追従誤差生成回路２２を経て生成された追従誤差２１は、予測コントローラのフィードバックゲインに基づいて１ステップ未来の入力変化に係る１ステップ変化値２３が生成される。これにより、現時刻よりも１ステップ先（例えば、０．０２秒先）の値が予測される。そして、得られた値を第一積分回路２５で積分することにより、内部モデル２８に対して入力される制御入力値４が求められる。ここで、予測コントローラとはモデル予測制御において使用される周知のモデル予測制御フィーダコントローラが相当し、入力された追従誤差２１に係る信号に基づいて、１ステップ変化値２３が生成される。
　さらに、生成された制御入力値４を第一サンプルホールド回路３２に通す。ここで、サンプルホールド回路は、一般に変化している値を、ある時点において一時的に保持するための回路であり、ＡＤコンバータによるアナログ信号をデジタル信号に変換する際に用いるものである。これにより、第一サンプルホールド回路３２を経た信号は、現時刻よりも１ステップ過去の制御入力値（過去制御入力値３１）となる。係る過去制御入力値３１に未来の全状態量の元となる係数（第二基礎係数３５）を積算し第二全状態量３６を求め、さらに第二全状態量３６から操作トルク３に関する情報のみを抽出する第二トルク係数４２を積算した値を求める。さらに、制御入力値４が入力された内部モデル２８から出力されるモデル状態量２６に対し、未来の全状態量の元となる係数（第二基礎係数３５）を積算して第三全状態量３８を求め、さらに第三全状態量３８から操作トルク３に係る情報のみを抽出する第三トルク係数４３を積算した値を求める。そして、それぞれ求めた２つの値を参照軌道１９から減算することにより、フィードバック情報に基づいた追従誤差２１が生成される（追従誤差生成回路２２）。これにより、内部モデル２８の制御入力値４がフィードバック情報を考慮して生成されることになる。
　さらに、第一モデル予測制御系Ｆは、図２に示すように、未来の操作トルクに係る追従誤差に対して全予測コントローラのフィードバックゲインに基づいて全ステップ未来の入力変化に係る全ステップ変化値２９を生成し（全変化値生成回路３０）、前述した第二基礎係数３５を過去制御入力値３１に積算した第二全状態量３６、及び第三基礎係数３７をモデル状態量２６に積算した第三全状態量３８に加え、生成された全ステップ変化値２９に未来の全状態量の元となる第一基礎係数３３を積算し得られた第一全状態量３４をそれぞれ加算することにより、未来の全状態量３９を生成する（全状態量生成回路４０）。そして、生成された未来の全状態量３９に対し、変位情報のみを抽出する配列を積算することにより、設定値軌道に係る未来の状態量５が求められる（状態量生成回路４１）。
　これにより、最終的に現在の操作トルク３から、未来の状態量５に関する情報を得ることができる。その結果、２次ローパスフィルタ６及び数学モデル７から一体的に形成された内部モデル２８に係る過去、現在、未来に関する情報から、未来の全状態量３９（例えば、操作トルク、スライダ２のグリップ位置、或いはグリップの移動速度等）をリアルタイムですべて予測しすることが可能となる。
　さらに、本実施形態の第一モデル予測制御系Ｆは、下記に掲げる特徴を有している。すなわち、通常のフィードバックループ回路の代替として、外部からの情報（操作トルク３）を用い、現在の目標値１１との間での現在の偏差１２を求めることを行っている。また、２次ローパスフィルタ６及びスライダ２の数学モデル７を一体化した内部モデル２８を構築することにより、状態空間の拡大を図ることができ、フィルタ処理された近似的な操作トルク及びその微分値を得ることができる。また、未来の操作トルクに係る追従誤差２１に対し、離散モデルに基づく予測モデルを適用することにより、未来の全状態量を得ることができる。
　一方、第二モデル予測制御系Ｓは、第一モデル予測制御系Ｆによって生成された未来の状態量５から制約前の現在の制御入力の最適値に係る制約前制御入力値４４を生成する制御器４５と、制約前制御入力値４４から上限または下限が制約された制約後制御入力値４６を生成するリミッター４７と、制約後制御入力値４６から実際の出力値４８を生成するスライダ２と制約後制御入力値４６から内部モデル出力値４９を生成する制御対象（スライダ２）の内部モデル５０と、現在の測定外乱５１の入力を受付け、プロセス内部モデル出力値５２を生成するプロセスの内部モデル５３と、現在の測定外乱５１の入力を受付け、プロセス出力値５４を生成するプロセス５５と、実際の出力値４８にプロセス出力値５４を加算する加算回路５６とを具備し、制御器４５は未来の状態量５、実際の出力値４８、内部モデル出力値４９、及びプロセス内部モデル出力値５２に基づいて、制約前制御入力値４４を生成するものである。なお、制御対象の内部モデル５０は、第一モデル予測制御系Ｆにおけるスライダ２の数学モデル７と同一のものであるが、それぞれ入力対象及び出力対象が相違するため、異なる符号を付して示している。
　すなわち、第二モデル予測制御系Ｓは、第一モデル予測制御系Ｆからの出力結果（未来の状態量５）に基づき、現在の制御入力に係る最適値に相当する制約後制御入力値４６を演算することができるものであり、ＰＦＣ制御を行うものである。具体的に説明すると、未来の状態量５を制御器４５に入力し、係る制御器４５内で実際の出力値４８及び内部モデル出力値４９などに基づいて生成された値を結合することにより、上限または下限の制約がない制約前制御入力値４４を生成し、その後、所定の条件で上限または下限が設定されたリミッター４７を通すことにより制約後制御入力値４６を生成するものである。ここで、生成された制約後制御入力値４６は、その後、制御対象（スライダ２）の内部モデル５０に入力されることにより内部モデル出力値４９を生成し、次ステップ以降の制約前制御入力値４４の寄与することになる。また、制御対象であるスライダ２に実際に入力し、その出力結果である実際の出力値４８を得ることで、内部モデル出力値４９と同様に次ステップ以降の制約前制御入力値４４の生成に寄与することができる。さらに、本実施形態のパワーアシストシステム１は、現在の測定外乱５１（妨害となる信号、ノイズ）の入力を受付け、これに基づいて出力されたプロセス内部モデル出力値５２及びプロセス出力値５４を制約前制御入力値４４の生成に寄与させることができる。このとき、測定外乱５１からスライダ２の実際の出力値４８の生成までの伝達特性（プロセス）は陽に扱う必要がある。これにより、制約前制御入力値４４の生成に係る精度を高めることができる。なお、現在の測定外乱５１の影響が大きくない場合には、プロセス内部モデル出力値５２及びプロセス出力値５４を生成しないものであっても構わない。
　第二モデル予測制御系Ｓについて図４に基づいてさらに詳細に説明すると、本実施形態におけるスライダ２のような“速度指令型制御対象”を扱う場合、そのままで位置決め制御を行うことができない。そこで、制御対象の内部モデル５０を、第一分解モデル５７ａ及び第二分解モデル５７ｂからなる分解モデル５８と、分解モデル５８と接続した、積分モデル５９を有する積分器６０とによって構成し、見かけ上は積分器を有さないものを構成する。ここで、制御対象の内部モデル５０は、（第一分解モデル＋第二分解モデル）／（１＋積分モデル）で表される。なお、図４において、現在の測定外乱５１の影響を考慮しないものを図示している。
　制御対象の内部モデル５０は、リミッター４７によって生成され、出力された制約後制御入力値４６の入力をそれぞれの第一分解モデル５７ａ及び第二分解モデル５７ｂで受付けることにより第一分解モデル出力値６１ａ及び第二分解モデル６１ｂを出力する機能、及び、第一分解モデル出力値６１ａ及び第二分解モデル出力値６１ｂを加え合わせた値の入力を受付けるとともに、積分モデル５９から出力された積分モデル出力値６２を減算することで内部モデル出力値４９を出力する機能を備えている。なお、積分モデル出力値６２は、１ステップ前の内部モデル出力値４９を積分モデル５９に入力することによって生成される。
　また、制御器４５は、第一分解モデル５７ａから出力される第一分解モデル出力値６１ａ、第二分解モデル５７ｂから出力される第二分解モデル出力値６１ｂ、積分モデル５９から出力される積分モデル出力値６２、及び内部モデル出力値４９の入力を受付ける機能を備えている。具体的には、制御器４５は、第０制御ゲイン６３、第１制御ゲイン６４、第２制御ゲイン６５、第３制御ゲイン６６、及び第４制御ゲイン６７を備えている。ここで、第０制御ゲイン６３は、未来の状態量５から実際の出力値４８を減算した制御偏差６８を比例倍する機能を有し、第１制御ゲイン６４は第一分解モデル出力値６１ａを比例倍する機能を有し、第２制御ゲイン６５は第二分解モデル出力値６１ｂを比例倍する機能を有し、第３制御ゲイン６６は積分モデル出力値６２を比例倍する機能を有し、第４制御ゲイン６７は内部モデル出力値４９を比例倍する機能を有している。そして、それぞれの制御ゲイン６３等を経て出力された値が加え合わされることで制約前制御入力値４４が生成される。
　これにより、制御対象のスライダ２についての制約後制約入力値４６（＝最適値）を得ることができる。このとき、制約後制約入力値４６を算出するためには、非線形最適問題を事前に（オフラインで）１回解くだけでよい。すなわち、リアルタイムで計算を行う必要がなく、コンピュータに過大な計算負荷をかけることがない。また、第二モデル予測制御系Ｓのリミッター４７によって、予め変位量、速度、制御入力値などの物理量に対して直接制約をかけることができ、当該物理量に関して上限または下限が設定された制約後制御入力値４６を容易に求めることができる。これにより、パワーアシストシステム１における安全性を向上させることができる。例えば、上述の上肢動作を支援するロボット等の場合、ロボットアームの安全または危険な可動域、或いは安全または危険な速度を予め定義しておくことより、パワーアシストによる制御が制約条件の範囲内に抑えられる。そのため、周囲の人間に対する安全性の確保とともに、パワーアシストシステム１（制御対象）の故障や破損等を防ぐことができる。また、操作ミスにより、過剰な入力があった場合でも当該入力をキャンセルすることができる。また、第一モデル予測制御系Ｆ及び第二モデル予測制御系Ｓにおいて、予測ホライズンは同じ値である必要はない。
　本実施形態の各モデル予測制御系Ｆ，Ｓにおいて計算される未来の状態量５は、厳密にプロパーな伝達関数である制御対象の離散モデルに基づく予測モデルを用いて求められるため、一般的に知られているＰＩＤ制御や状態フィードバック制御と異なり、現在（現時刻）から設定した未来の時刻までの各時刻における全状態量が常にフィルタリングされているものとみなすことができる。その結果、安定的なものとなり、ノイズに対する影響が小さくなる。これにより、高い安定的かつ増幅率の高いパワーアシストシステム１を実現することができる。
　次に、本実施形態のパワーアシストシステム１にスライダ２の位置決め動作に係る未来の操作トルク３及び未来の変位に関する数値シミュレーションのシミュレーション結果を図５及び図６に基づいて説明する。ここで、数値シミュレーションの実験を行うための実験装置として、トルクセンサとアナログ速度指令入力型ＤＣサーボモータドライバを介して、ＤＣサーボモータ、プーリ、及びゴムベルトにより直線的に駆動される１自由度のスライダ２を構成しいている。なお、スライダ２のグリップ根本部分に設けられたトルクセンサによって検知された操作トルク３に基づいて、係るスライダ２の駆動が開始され、スライダ２の位置の移動（変位）が生じる。係るスライダ２の移動（変位）を検出するためにポテンショメータが用いられ、さらに各種制御のための制御用コントローラとして市販のパーソナルコンピュータ及びデジタルシグナルプロセッサ（ＤＳＰ）が用いられている。
　上記実験装置を使用し、スライダ２の位置決め動作を「引く」に限定した場合の初期位置から目標位置（ここでは、「２００ｍｍ」に設定）までの位置決めをするための適当な操作トルク３を与え、数値シミュレーションを行った。その結果、図５（ａ）に示すように、１サンプル毎の操作トルク３に基づいて、２５ステップ先の未来の参照軌道１９が生成され、操作トルク３の現在の目標値１１に向かうように縦軸方向に向かう予測軌道（図５（ａ）における下向き矢印参照）として予測されていることが確認される。また、図５（ｂ）は、図５（ａ）において予測された参照軌道１９を横軸方向に写像したものである。これによると、現在の操作トルク３を図５（ａ）と比較した場合、予測軌道の方向（傾き）が（図５（ｂ）における右斜め下向き矢印参照）、図５（ａ）の場合と異なっていることが確認される。これは、参照軌道１９が、現在の目標値１１と、１次遅れの減衰性を持つ配列（誤差生成回路１７に相当）によって予測される未来の操作トルクの誤差１６の差をとることによって生成されるためである（図１等参照）。
　ここで、予測軌道の方向が大きく相違するものの、予測された現在の操作トルク３や２次ローパスフィルタ６によって雑音除去された操作トルク（内部モデル２８のモデル状態量２６に相当）は、現在の操作トルクより相似形で、かつ少し大きく予測される。一方、実際のスライダ２に対する制約後制御入力値４６は、現在の操作トルク３との単純な相似形ではなく、比較することが困難である。そのため、本実施形態におけるモデル予測制御系Ｆ，Ｓをパワーアシストシステム１に適用する場合、操作トルク３のスケーリングファクタを大きく設定する必要があることが示唆される。
　また、図６（ａ）により、未来の設定値軌道（＝未来の状態量５）と予測された未来の参照軌道が、未来の設定値軌道に向かうように縦軸予測されていることが確認される。また、図６（ｂ）は、図６（ａ）において縦軸方向に予測した未来の設定値軌道（未来の状態量５）及び未来の参照軌道をそれぞれ横軸方向に写像したものである。これにより、内部モデル２８のモデル状態量２６に係る変位（図６における内部モデルの出力）と、実際のスライダ２から出力される実際の出力値４８に係る変位（図６における実際の出力）とを比較すると、いずれもそれぞれの予測軌道（未来の状態量５、及び未来の参照軌道）が実際の軌道と近く、ほぼ正しく動作予測が行われているものと判断される。さらに、「内部モデルの出力」と「実際の出力」を比較すると、第一モデル予測制御系Ｆ及び第二モデル予測制御系Ｓのそれぞれにおいて、異なる位置決め動作予測を行っていることが確認される。
　以上のシミュレーション結果から、操作トルク３を予測する主に第一モデル予測制御系Ｆ及び未来の変位を予測する第二モデル予測制御系Ｓを組み合わせることにより、現在の操作トルク３に関する情報を入力するだけで、位置決め動作の動作予測が可能であることが確認された。そのため、係る動作予測を採用しパワーアシストシステム１を構築することができる。
　その結果、人間の意思よりも先に、制御対象（スライダ２等）の操作トルク３（＝操作力）や停止位置（＝変位）等を予測することが可能となり、パワーアシストシステム１において制御対象の挙動を予見制御することが可能となる。これにより、ロボットアーム等が周囲の物体に衝突する衝突回避機能、或いは緊急時に行う緊急停止操作等を予め予測し、行うことができる。したがって、人間機械協調系のシステムにおいて、正確な位置決め操作を可能とすることで作業効率の向上を図ることができ、さらに操作性自体の向上も可能となる。例えば、上肢動作を支援する義手等のロボットアームを含むロボットに本実施形態のパワーアシストシステムを適用した場合、ロボットアームの位置制御性や可動性が優れたものとなる。また、下肢動作を支援する義足等を含むロボットに本実施形態のパワーアシストシステムを適用した場合、歩行動作時における転倒防止性の向上や周囲状況の変化に対する即応性の向上を図ることができる。
　以上、本発明について好適な実施形態を挙げて説明したが、本発明はこれらの実施形態に限定されるものではなく、以下に示すように、本発明の要旨を逸脱しない範囲において、種々の改良及び設計の変更が可能である。
　例えば、本実施形態のパワーアシストシステム１として、主にスライダ２を制御対象として想定するものを示したが、これに限定されるものではなく、モータやアクチュエータ等の各種可動機構を備える人間機械協調系の操作制御において適用するものであっても構わない。
　また、上記の実施形態では、フィルタとして、２次ローパスフィルタ６を備えた例を示したがこれに限定するものではなく、ｎ次ローパスフィルタや、バンドパスフィルタとしても良い。
　更に、上記の実施形態では、パワーアシストシステム１として、操作者にかかる負荷を軽減させる例を示したが、これに限定されるものではなく、操作者にかかる負荷を増加させるようにしても良い。これにより、操作者の筋力トレーニングに用いることができる。
特開２００７－７６８０７号公報

Claims (3)

  1. 　現在の操作トルクから制御対象に対応する内部モデルの未来の制御入力値及び前記内部モデルの未来の状態量を予測する第一モデル予測制御系と、
    　予測された前記未来の状態量から制約された現在の制御入力の最適値に係る制約後制御入力値を演算する第二モデル予測制御系と
    を具備し、
    　前記第一モデル予測制御系は、
    　入力された前記操作トルクを増幅し、増幅操作トルクを生成する増幅回路と、
    　現在の目標値から前記増幅操作トルクを減算し、現在の偏差を生成する現在偏差生成回路と、
    　前記現在の目標値から未来の操作トルクに係る設定値軌道を生成する設定値軌道生成回路と、
    　前記現在の偏差から前記未来の操作トルクに係る誤差を生成する誤差生成回路と、
    　生成された前記設定値軌道から前記誤差を減算し、前記未来の操作トルクに係る参照軌道を生成する参照軌道生成回路と、
    　生成された前記参照軌道から前記未来の操作トルクに係る追従誤差を生成する追従誤差生成回路と、
    　生成された前記追従誤差から１ステップ未来の入力変化に係る１ステップ変化値を生成する変化値生成回路と、
    　前記１ステップ変化値を積分し、前記内部モデルの制御入力値を生成する第一積分回路と、
    　前記制御対象に対応して構築されたフィルタ及び前記制御対象の数学モデルを含み、前記制御入力値からモデル状態量を生成する前記内部モデルと、
    　生成された前記追従誤差から全ステップ未来の入力変化に係る全ステップ変化値を生成する全変化値生成回路と、
    　前記制御入力値から１ステップ過去の制御入力に係る過去制御入力値を生成する第一サンプルホールド回路と、
    　前記全ステップ変化値に未来の全状態量の基礎となる第一基礎係数を積算した第一全状態量、前記過去制御入力値に前記未来の全状態量の基礎となる第二基礎係数を積算した第二全状態量、及び前記モデル状態量に前記未来の全状態量の基礎となる第三基礎係数を積算した第三全状態量をそれぞれ加算し、未来の全状態量を生成する全状態量生成回路と、
    　前記未来の全状態量から変位情報のみを抽出し、前記未来の状態量を生成する状態量生成回路と
    を具備し、
    　前記追従誤差生成回路は、
    　前記第二全状態量から前記操作トルクのみを抽出する第二トルク係数を積算した値、及び、前記第三全状態量から前記操作トルクのみを抽出する第三トルク係数を積算した値をそれぞれ前記参照軌道から減算することによって前記追従誤差が生成され、
    　前記第二モデル予測制御系は、
    　前記未来の状態量から制約前の現在の制御入力の最適値に係る制約前制御入力値を生成する制御器と、
    　前記制約前制御入力値から上限または下限が制約された制約後制御入力値を生成するリミッターと、
    　前記制約後制御入力値から実際の出力値を生成する前記制御対象と、
    　前記制約後制御入力値から内部モデル出力値を生成する制御対象の内部モデルと
    を具備し、
    　前記制御器は、
    　前記未来の状態量、前記実際の出力値、及び前記内部モデル出力値に基づいて、前記制約前制御入力値を生成することを特徴とするモデル予測制御を用いたパワーアシストシステム。
  2. 　前記制御対象の内部モデルは、
    　前記制約後制御入力値を受付け、分解モデル出力値を生成する内部モデルの分解モデルと、
    　前記分解モデルと接続し、前記分解モデル出力値から積分モデル出力値を生成する積分モデルを有する積分器と
    を具備し、
    　前記制御器は、
    　前記未来の状態量から前記実際の出力値を減算した制御偏差、前記分解モデル出力値、前記積分モデル出力値、及び前記内部モデル出力値の入力をそれぞれ受付ける複数の制御ゲインを具備することを特徴とする請求項１に記載のモデル予測制御を用いたパワーアシストシステム。
  3. 　現在の測定外乱の入力を受付け、プロセス内部モデル出力値を生成するプロセスの内部モデルと、
    　前記現在の測定外乱の入力を受付け、プロセス出力値を生成するプロセスと、
    　前記実際の出力値に前記プロセス出力値を加算する加算回路と
    をさらに具備し、
    　前記制御器は、
    　前記プロセス内部モデル出力値の入力を受付け、前記制約前制御入力値を生成することを特徴とする請求項１または請求項２に記載のモデル予測制御を用いたパワーアシストシステム。
     
PCT/JP2013/081756 2012-12-13 2013-11-26 モデル予測制御を用いたパワーアシストシステム WO2014091922A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-272292 2012-12-13
JP2012272292A JP6006630B2 (ja) 2012-12-13 2012-12-13 モデル予測制御を用いたパワーアシストシステム

Publications (1)

Publication Number Publication Date
WO2014091922A1 true WO2014091922A1 (ja) 2014-06-19

Family

ID=50934216

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/081756 WO2014091922A1 (ja) 2012-12-13 2013-11-26 モデル予測制御を用いたパワーアシストシステム

Country Status (2)

Country Link
JP (1) JP6006630B2 (ja)
WO (1) WO2014091922A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018051898A1 (ja) * 2016-09-14 2018-03-22 Cyberdyne株式会社 膝関節矯正具製造装置及び膝関節矯正具製造方法、並びに膝関節治療支援装置及び膝関節治療支援方法
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
US10386796B2 (en) 2014-12-11 2019-08-20 University Of New Brunswick Model predictive controller and method with correction parameter to compensate for time lag
CN111052003A (zh) * 2017-12-15 2020-04-21 欧姆龙株式会社 控制装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045133B (zh) * 2015-05-25 2017-11-17 哈尔滨工业大学 多摩擦片叠加加载机构及采用该机构的大幅值双向摩擦加载式电液负载模拟器
JP7054130B2 (ja) * 2017-08-01 2022-04-13 株式会社国際電気通信基礎技術研究所 運動学習支援装置および運動学習支援方法
JP7040434B2 (ja) * 2017-12-15 2022-03-23 オムロン株式会社 制御装置
CN107991886B (zh) * 2017-12-28 2020-08-28 杭州电子科技大学 一种废塑料气化炼油炉膛压力的预测优化控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06337704A (ja) * 1993-05-27 1994-12-06 Yamatake Honeywell Co Ltd Ｉｍｃコントローラ

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5964671B2 (ja) * 2012-06-21 2016-08-03 独立行政法人国立高等専門学校機構 モデル予測制御を用いたパワーアシストシステム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06337704A (ja) * 1993-05-27 1994-12-06 Yamatake Honeywell Co Ltd Ｉｍｃコントローラ

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUN'YA NAGASE: "Predictive Functional Control of Stiffness-changeable Finger Using Soft Rubber Device", TRANSACTIONS OF THE SOCIETY OF INSTRUMENT AND CONTROL ENGINEERS, vol. 48, no. 8, 31 August 2012 (2012-08-31), pages 470 - 478 *
TAKAHIKO MORI: "Development of Power Assist System with Motion Estimation Using Model Predictive Control", IEICE TECHNICAL REPORT, vol. 111, no. 432, 2 February 2012 (2012-02-02), pages 1 - 6 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10386796B2 (en) 2014-12-11 2019-08-20 University Of New Brunswick Model predictive controller and method with correction parameter to compensate for time lag
WO2018051898A1 (ja) * 2016-09-14 2018-03-22 Cyberdyne株式会社 膝関節矯正具製造装置及び膝関節矯正具製造方法、並びに膝関節治療支援装置及び膝関節治療支援方法
CN111052003A (zh) * 2017-12-15 2020-04-21 欧姆龙株式会社 控制装置
CN111052003B (zh) * 2017-12-15 2024-04-26 欧姆龙株式会社 控制装置
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
CN109318905B (zh) * 2018-08-22 2020-06-09 江苏大学 一种智能汽车路径跟踪混合控制方法

Also Published As

Publication number Publication date
JP2014119797A (ja) 2014-06-30
JP6006630B2 (ja) 2016-10-12

Similar Documents

Publication Publication Date Title
JP6006630B2 (ja) モデル予測制御を用いたパワーアシストシステム
JP5964671B2 (ja) モデル予測制御を用いたパワーアシストシステム
Li et al. Adaptive human–robot interaction control for robots driven by series elastic actuators
Ahmed et al. Robust adaptive fractional‐order terminal sliding mode control for lower‐limb exoskeleton
Jutinico et al. Impedance control for robotic rehabilitation: a robust markovian approach
Oh et al. Frequency-shaped impedance control for safe human–robot interaction in reference tracking application
EP2406041B1 (en) Robot apparatus and control method therefor
Wu et al. Development and hybrid force/position control of a compliant rescue manipulator
JP6934173B2 (ja) 力制御装置、力制御方法及び力制御プログラム
Nasiri et al. Adaptation in variable parallel compliance: Towards energy efficiency in cyclic tasks
Sun et al. Continuous finite-time output torque control approach for series elastic actuator
Zhao et al. Stability and performance limits of latency-prone distributed feedback controllers
Rodriguez et al. Hybrid control strategy for force and precise end effector positioning of a twisted string actuator
Brahmi et al. Adaptive force and position control based on quasi-time delay estimation of exoskeleton robot for rehabilitation
Woo et al. Controller design for mechanical impedance reduction
Nguyen et al. Direct torque control for cable conduit mechanisms for the robotic foot for footwear testing
Tang et al. Direct force control of upper-limb exoskeleton based on fuzzy adaptive algorithm
KR101470164B1 (ko) 로봇의 민감도 향상방법
Peng et al. A triple-step controller with linear active disturbance rejection control for a lower limb rehabilitation robot
Pulloquinga et al. Trajectory planner for type II singularities avoidance based on output twist screws
Mori et al. Development of power assist system with motion estimation using model predictive control
Ohashi et al. Nonlinear disturbance compensation for haptic device
Na et al. Adaptive impedance control of a haptic teleoperation system for improved transparency
Al-Awad et al. Fractional multi-loop active disturbance rejection control for a lower knee exoskeleton system
Xu et al. Robust admittance control with complementary passivity

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13862574

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13862574

Country of ref document: EP

Kind code of ref document: A1