WO2022074734A1

WO2022074734A1 - 制御システムの生産装置、制御システムの生産方法及びプログラム

Info

Publication number: WO2022074734A1
Application number: PCT/JP2020/037868
Authority: WO
Inventors: 博志藤本; 良平北吉
Original assignee: 国立大学法人東京大学; 株式会社安川電機
Priority date: 2020-10-06
Filing date: 2020-10-06
Publication date: 2022-04-14
Also published as: US20230234223A1; JPWO2022074734A1

Abstract

制御装置１００は、制御対象２に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象２の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象２の応答特性の少なくとも一部を表す第１モデルを生成する第１モデル生成部１１４と、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成する第２モデル生成部１３２と、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象２を追従させるための制御量との関係を定める制御パラメータを生成するパラメータ生成部１４１と、を備える。

Description

制御システムの生産装置、制御システムの生産方法及びプログラム

　本開示は、制御システムの生産装置、制御システムの生産方法及びプログラムに関する。

　特許文献１には、ロボット及び障害物に関するモデル情報を記憶したモデル記憶部と、ロボットと障害物との衝突を回避しつつ、ロボットの先端部を開始位置から終了位置まで移動させ得るパスをモデル情報に基づいて生成する情報処理部と、を備えるロボットシミュレータが開示されている。

特開２０１８－１３４７０３号公報

　本開示は、シミュレーションの精度向上に有効な制御システムの生産装置及び制御システムの生産方法を提供する。

　本開示の一側面に係る制御システムの生産装置は、制御対象に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象の応答特性の少なくとも一部を表す第１モデルを生成する第１モデル生成部と、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成する第２モデル生成部と、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象を追従させるための制御量との関係を定める制御パラメータを生成するパラメータ生成部と、を備える。

　本開示の他の側面に係る制御システムの生産方法は、制御対象に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象の応答特性の少なくとも一部を表す第１モデルを生成することと、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成することと、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象を追従させるための制御量との関係を定める制御パラメータを生成することと、を含む。

　本開示の更に他の側面に係るプログラムは、制御対象に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象の応答特性の少なくとも一部を表す第１モデルを生成することと、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成することと、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象を追従させるための制御量との関係を定める制御パラメータを生成することと、を装置に実行させる。

　本開示によれば、シミュレーションの精度向上に有効な制御システムの生産装置及び制御システムの生産方法を提供することができる。

制御システムの構成を例示する模式図である。制御装置のハードウェア構成を例示する模式図である。モータの制御手順を例示するフローチャートである。パラメータ生成手順を例示するフローチャートである。制御パラメータに基づくモータの制御手順を例示するフローチャートである。ロボットの概略構成を例示する模式図である。

　以下、実施形態について、図面を参照しつつ詳細に説明する。説明において、同一要素又は同一機能を有する要素には同一の符号を付し、重複する説明を省略する。

〔制御システム〕
　図１に示すように、本実施形態に係る制御システム１は、制御対象２と、制御対象２を制御する制御装置１００とを備えるシステムである。制御対象２は、モータ３と、伝達機構５と、駆動対象４と、センサ６とを含む。制御対象２における駆動対象４の形状・構造・大きさ、並びにモータ３の数及び大きさに特に制限はない。以下においては、モータ３が１つであり、駆動対象４が１つの剛体である場合を例示する。

　モータ３は、電力の供給に応じて、駆動対象４を駆動するための動力を発生させる。モータ３は、駆動対象４を回転駆動する回転型モータであってもよいし、駆動対象４を直線に沿って変位させるリニア型モータであってもよい。モータ３は、同期電動機であってもよいし、誘導電動機であってもよい。モータ３は、ＳＰＭ（Ｓｕｒｆａｃｅ　Ｐｅｒｍａｎｅｎｔ　Ｍａｇｎｅｔ）モータ、又はＩＰＭ（Ｉｎｔｅｒｉｏｒ　Ｐｅｒｍａｎｅｎｔ　Ｍａｇｎｅｔ）モータ等の永久磁石型の同期電動機であってもよいし、シンクロナスリラクタンスモータのように永久磁石を有しない同期電動機であってもよい。

　伝達機構５は、モータ３の出力軸の速度を駆動対象４に伝達する。伝達機構５は、例えばモータ３の出力軸の速度に対して駆動対象４の速度が低くなるように構成された減速機である。例えば伝達機構５は、所定の減速比にてモータ３から駆動対象４に動力を伝達する複数のギヤを含む。

　センサ６は、指令に対応する制御対象２の応答値を検出する。応答値の具体例としては、駆動対象４の位置又は速度が挙げられる。なお、モータ３が回転型である場合、モータ３による駆動対象４の回転角度が「位置」に相当し、モータ３による駆動対象４の回転速度が「速度」に相当する。また、トルクが駆動力に相当する。センサ６の具体例としては、駆動対象４の動作速度に比例した周波数のパルス信号を出力するロータリーエンコーダが挙げられる。ロータリーエンコーダによれば、駆動対象４の位置及び速度の両方を取得することができる。

　制御装置１００は、駆動対象４に所望の動作をさせるようにモータ３を制御する。制御装置１００は、予め生成された制御パラメータに基づいてモータ３を制御する。制御パラメータは、制御対象２に対する動作指令と、制御対象２を動作指令に追従させるため制御量の少なくとも一部との関係を定める。動作指令の具体例としては、駆動対象４に対する位置指令、速度指令等が挙げられる。制御量の具体例としては、モータ３に対する駆動力指令が挙げられる。

　制御パラメータの具体例としては、所謂フィードバック制御における比例ゲイン、積分ゲイン、微分ゲイン等が挙げられる。制御パラメータの他の例としては、フィードバック制御における応答遅れを補償するフィードフォワード補償用のパラメータが挙げられる。

　これらの制御パラメータは、制御対象２のモデルに基づき生成可能である。制御対象２のモデルは、制御指令に対する制御対象２の応答特性の少なくとも一部を表す。制御装置１００は、制御対象２のモデルを生成することと、モデルに基づいて制御パラメータを生成することとを実行するように構成されていてもよい。

　モデル及び制御パラメータを生成することは、制御装置１００の少なくとも一部を生産することに相当する。よって、モデル及び制御パラメータを生成する機能を有する制御装置１００は、制御装置１００自体の生産装置（制御システム１の生産装置）を含んでいるといえる。生産装置は、必ずしも制御装置１００に含まれていなくてもよく、制御装置１００と通信可能な他の装置に含まれていてもよい。他の装置の具体例としては、制御装置１００と通信可能な上位コントローラ（例えばプログラマブルロジックコントローラ）、パーソナルコンピュータ又は携帯端末等が挙げられる。

　ここで、適切な制御パラメータを生成するには、適切なモデルを生成することが必要となる。モデルの具体例としては、線形微分方程式により表される線形モデルが挙げられる。しかしながら、実際の制御対象２は、線形モデルによるモデル化が難しい成分を含んでいる。モデル化が難しい成分の具体例としては、伝達機構５のバックラッシュによるがたつき、制御対象２の内部で生じるクーロン摩擦、デジタル信号処理における量子化誤差等が挙げられる。制御装置１００は、線形モデルによるモデル化が難しい成分も含むモデルを生成し、生成したモデルに基づき制御パラメータを生成する。

　例えば制御装置１００は、制御対象２に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象２の状態の時間変化を表す応答プロファイルとに基づいて、制御対象２の応答特性の少なくとも一部を表す第１モデルを生成することと、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成することと、第１モデルと、第２モデルとに基づいて制御パラメータを生成することと、を実行するように構成されている。

　指令の具体例としては、モータ３に発生させる駆動力の指令（以下、「駆動力指令」という。）が挙げられるが、これに限られない。指令は、モータ３の速度の指令であってもよいし、モータ３の位置の指令であってもよい。

　応答の具体例としては、駆動対象４の速度、駆動対象４の位置等が挙げられるが、これに限られない。応答は、モータ３から駆動対象４に伝わった駆動力であってもよいし、駆動力を伝えるためにモータ３に供給された駆動電流であってもよい。以下、指令が駆動力指令であり、応答が駆動対象４の速度又は位置である場合を具体的に例示する。

　例えば制御装置１００は、機能上の構成要素（以下、「機能ブロック」という。）として、指令プロファイル記憶部１１１と、制御部１１２と、応答プロファイル記憶部１１３と、第１モデル生成部１１４と、ゲインプロファイル記憶部１１５と、第２モデル生成部１３２と、モデル記憶部１２１と、パラメータ生成部１４１と、パラメータ記憶部１４２とを備える。

　指令プロファイル記憶部１１１は、上記指令プロファイルを記憶する。指令プロファイルは、時間の経過に応じて増減を繰り返す振動を含んでいてもよい。指令プロファイルの例としては、チャープ信号、マルチサイン信号、擬似ランダム信号、ランダム信号、短時間不規則信号、インパルス加振信号等の各種信号が挙げられる。指令プロファイル記憶部１１１は、関数として連続的に示された指令プロファイルを記憶していてもよいし、時系列の指令値群（例えばテーブル）として離散的に示された指令プロファイルを記憶していてもよい。

　制御部１１２は、モータ３を駆動する。例えば制御部１１２は、指令プロファイル記憶部１１１が記憶する指令プロファイルに基づいて駆動電力を生成し、モータ３に供給することを所定の制御周期で繰り返し実行する。

　モータ３を駆動する際に、制御部１１２は、指令プロファイルに応じた制御対象２の状態（例えば駆動対象４の速度、位置）の時間変化を表す応答プロファイルを取得し、応答プロファイル記憶部１１３に記憶させる。例えば制御部１１２は、制御部１１２が指令プロファイルに基づいてモータ３を駆動する期間に、各制御周期においてセンサ６による駆動対象４の状態の検出値を取得し、時系列で応答プロファイル記憶部１１３に記憶させる。

　第１モデル生成部１１４は、指令プロファイル記憶部１１１が記憶する指令プロファイルと、当該指令プロファイルに対応して応答プロファイル記憶部１１３が記憶する応答プロファイルとに基づいて、上記第１モデルを生成する。例えば第１モデル生成部１１４は、指令プロファイルと、応答プロファイルとに基づいて、指令の周波数と、指令に対する制御対象２の応答ゲインとの関係を表すゲインプロファイルを生成し、ゲインプロファイル記憶部１１５に記憶させる。例えば第１モデル生成部１１４は、ＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）等の周波数解析手法によってゲインプロファイルを生成する。応答ゲインは、応答プロファイルの振幅と、指令プロファイルの振幅との関係を表す値であり、例えば指令プロファイルの振幅に対する応答プロファイルの振幅の倍率である。

　第１モデル生成部１１４は、周波数特性をゲインプロファイルにフィットさせた線形モデルに基づいて第１モデルを生成する。線形モデルは、経過時間と入力との関係を表す入力関数と、経過時間と出力との関係を表す出力関数との関係を、線形微分方程式で表したモデルである。フィットさせるとは、完全に一致させることを意味するのではなく、近似させることを意味する。フィッティング手法の具体例としては、最小二乗法、多項式近似、円近似、各種関数（三角関数、Ｂ－Ｓｐｌｉｎｅ等）による近似等が挙げられる。

　第１モデル生成部１１４は、ゲインプロファイルと線形モデルとの関係を表すように機械学習により生成された学習済みモデルに基づいて第１モデルを生成してもよい。第１モデル生成部１１４は、生成した第１モデルをモデル記憶部１２１に記憶させる。

　第２モデル生成部１３２は、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、上記第２モデルを生成する。第２モデル生成部１３２は、予め準備された複数種類の単位モデルに基づいて第２モデルを生成してもよい。例えば、制御装置１００は、上記複数種類の単位モデルを記憶する単位モデル記憶部１３１を更に備え、第２モデル生成部１３２は単位モデル記憶部１３１が記憶する複数種類の単位モデルに基づいて第２モデルを生成する。

　複数種類の単位モデルの少なくともいずれかは、指令に対する非線形な特性を表す非線形モデルであってもよい。単位モデルの具体例としては、モータ３の速度と、モータ３に作用するクーロン摩擦との関係を表すモデルが挙げられる。速度が負の値から正の値に切り替わるのに応じて、クーロン摩擦も負の値から正の値にステップ状に変化するので、速度とクーロン摩擦との関係は非線形となる。

　単位モデルの他の例としては、モータ３の位置と駆動対象４の位置との差と、モータ３から駆動対象４に伝わるトルクの大きさとの関係を表すモデルが挙げられる。モータ３の位置と駆動対象４の位置との差は、上述した伝達機構５のバックラッシュ等により生じる。バックラッシュの存在によりギヤ同士がかみ合っていない状態と、ギヤ同士がかみ合っている状態とで、モータ３から駆動対象４に伝わるトルクはステップ状に変化するので、モータ３の位置と駆動対象４の位置との差と、モータ３から駆動対象４に伝わるトルクとの関係は非線形となる。単位モデルの他の例としては、センサ６により制御対象２の状態がデジタル化される際の量子化誤差を表すモデルが挙げられる。第２モデル生成部１３２は、生成した第２モデルをモデル記憶部１２１に記憶させる。

　第２モデル生成部１３２は、複数種類の単位モデルの重み付け和に基づいて第２モデルを仮生成し、第１モデルと第２モデルとのモデル化誤差の評価結果に基づいて、第２モデルにおける複数種類の単位モデルの重みを変更することを、所定条件が満たされるまで繰り返して第２モデルを生成してもよい。

　例えば制御装置１００は、モデル評価部１２２と、仮想プロファイル記憶部１２３とを更に備える。モデル評価部１２２は、指令プロファイル記憶部１１１が記憶する指令プロファイルと、モデル記憶部１２１が記憶する第１モデル及び第２モデルとに基づいて、指令プロファイルに応じた制御対象２の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、仮想プロファイル記憶部１２３に記憶させる。

　モデル評価部１２２は、応答プロファイル記憶部１１３が記憶する応答プロファイルと、仮想プロファイル記憶部１２３が記憶する仮想応答プロファイルとに基づいて、応答プロファイルに対する仮想応答プロファイルの誤差を評価する。応答プロファイルに対する仮想応答プロファイルの誤差は、上記モデル化誤差の一例である。

　モデル評価部１２２は、上記誤差の評価結果を表す数値を出力し得る限り、誤差の評価における演算手法に特に制限はない。例えばモデル評価部１２２は、誤差の絶対値を時間積分した値を評価結果として出力してもよいし、誤差の絶対値の時間平均値を評価結果として出力してもよい。また、モデル評価部１２２は、誤差の二乗を時間積分した値を評価結果として出力してもよいし、誤差の二乗の時間平均値を評価結果として出力してもよいし、当該時間平均値の平方根を評価結果として出力してもよい。モデル評価部１２２は、モデル記憶部１２１の記憶内容が更新される度に、上記誤差の評価結果を出力してもよい。

　第２モデル生成部１３２は、複数種類の単位モデルの重み付け和に基づいて第２モデルを仮生成し、モデル記憶部１２１に記憶させる。これにより、モデル記憶部１２１の記憶内容が更新されると、モデル評価部１２２が、上記誤差を評価する。第２モデル生成部１３２は、モデル評価部１２２による誤差の評価結果に基づいて、第２モデルにおける複数種類の単位モデルの重みを変更し、変更後の第２モデルをモデル記憶部１２１に記憶させることを、所定条件が満たされるまで繰り返す。上記所定条件が満たされたタイミングで、モデル記憶部１２１に記憶される第２モデルが、第２モデル生成部１３２による第２モデルの生成結果となる。

　所定条件の具体例としては、誤差の評価結果が所定レベル（以下、「第２レベル」という。）以下となることが挙げられる。この場合、第２モデル生成部１３２は、所定条件を満たした第２モデルを本生成結果としてモデル記憶部１２１に保存させてもよい。所定条件は、第２モデルにおける複数種類の単位モデルの重みの変更回数が所定回数となることが挙げられる。この場合、第２モデル生成部１３２は、所定条件を満たすまでに生成された第２モデルのうち、誤差の評価結果が最も小さい第２モデルを本生成結果としてモデル記憶部１２１に保存させてもよい。

　第２モデル生成部１３２は、第２モデルにおける複数種類の単位モデルの重みと、誤差の評価結果との関係を表す誤差モデルを、仮生成した第２モデルと、仮生成した第２モデルに基づく誤差の評価結果とに基づいて生成し、所定の目標誤差と誤差モデルとに基づいて重みを変更することと、重みの変更後の第２モデルと、重みの変更後の第２モデルに基づく誤差の評価結果とに基づいて誤差モデルを更新することとを、所定条件が満たされるまで繰り返して第２モデルを生成してもよい。誤差モデルの具体例としては、例えばベイズ推定による統計モデルが挙げられる。所定の目標誤差は、上記第２レベル以下である。

　例えば制御装置１００は、学習データ記憶部１３３と、誤差モデル記憶部１３４とを更に備える。第２モデル生成部１３２は、仮生成した第２モデルと、仮生成した第２モデルに基づく誤差の評価結果とを対応付けたレコードを学習データ記憶部１３３に記憶させる。第２モデル生成部１３２は、学習データ記憶部１３３が記憶するレコードに基づいて初期の誤差モデルを生成し、生成した初期の誤差モデルを誤差モデル記憶部１３４に記憶させる。第２モデル生成部１３２は、上記重みをランダムに変更することと、重みの変更後の第２モデルに対応する上記レコードを学習データ記憶部１３３に記憶させることとを１回以上行い、これにより学習データ記憶部１３３に蓄積された複数のレコードに基づいて初期の誤差モデルを生成してもよい。

　初期の誤差モデルを生成した後、第２モデル生成部１３２は、以下の手順を所定条件が満たされるまで繰り返す。
ｉ）　上記目標誤差と誤差モデルとに基づいて重みを変更し、重みの変更後の第２モデルをモデル記憶部１２１に記憶させる。
ｉｉ）　重みの変更後の第２モデルと、重みの変更後の第２モデルに基づく誤差の評価結果とを対応付けたレコードを学習データ記憶部１３３に蓄積する。
ｉｉｉ）　学習データ記憶部１３３が蓄積するレコードに基づいて誤差モデル記憶部１３４の誤差モデルを更新する。

　第１モデル生成部１１４は、第２モデルが生成された後におけるモデル評価部１２２による誤差の評価結果が所定レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいて第１モデルを再生成してもよい。ここでの所定レベル（以下、「第１レベル」という。）は、上記第２レベルよりも低い値であってもよい（第２レベルは第１レベルよりも高い値であってもよい）。

　例えば第１モデル生成部１１４は、第２モデルが生成された後における誤差の評価結果が第１レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいてゲインプロファイルを変更し、線形モデルの周波数特性を変更後のゲインプロファイルにフィットさせて第１モデルを再生成してもよい。

　例えば第１モデル生成部１１４は、指令プロファイルと、応答プロファイルと、第２モデルとに基づいて、応答プロファイルから第２モデルの応答を除去した修正プロファイルを生成し、指令プロファイルと、修正プロファイルとに基づいてゲインプロファイルを変更してもよい。

　第２モデル生成部１３２は、第１モデルが再生成された後における誤差の評価結果が所定レベル（例えば上記第１レベル）を超えている場合に、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて第２モデルを再生成してもよい。なお、第２モデル生成部１３２は、第１モデルが再生された場合に、第２モデルの再生成の要否を判定することなく、第２モデルを再生成してもよい。

　このように、第２モデルが生成された後に、必要に応じ第１モデルを再生成し、第１モデルが再生成された後に、必要に応じ第２モデルを再生成する方式によれば、第１モデルの生成結果と、第２モデルの生成結果とが相互に影響し合い、制御対象２のモデル化精度が更に向上し得る。

　パラメータ生成部１４１は、モデル記憶部１２１が記憶する第１モデル及び第２モデルに基づいて、指令と、指令に制御対象２を追従させるための制御量との関係を定める制御パラメータを生成する。一例として、パラメータ生成部１４１は、指令と、指令に制御対象２を追従させるためのフィードフォワード補償値との関係を定める制御パラメータを生成する。フィードフォワード補償値の具体例としては、フィードバック制御による制御偏差（例えば指令値と、指令値に対する制御対象２の応答値との偏差）を縮小するように、フィードバック制御による制御量に加算される補償値が挙げられる。パラメータ生成部１４１は、生成した制御パラメータをパラメータ記憶部１４２に記憶させる。

　制御パラメータが生成された後、制御部１１２は、当該制御パラメータに基づいてモータ３を制御する。一例として、モータ３の位置を制御する場合、制御部１１２は、センサ６の検出値に基づいて駆動対象４の現在位置及び現在速度の情報を取得し、これらを目標位置及び目標速度に追従させるように駆動電力を生成する。一例として、制御部１１２は、目標位置と現在位置との偏差（以下、「位置偏差」という。）に比例演算、比例・積分演算、又は比例・積分・微分演算等を施して、位置偏差を縮小させるための目標速度を算出する。また、制御部１１２は、目標速度と現在速度との偏差（以下、「速度偏差」という。）に比例演算、比例・積分演算、又は比例・積分・微分演算等を施して、速度偏差を縮小させるための駆動力指令を算出する。

　更に、制御部１１２は、目標位置及び目標速度の少なくともいずれかと、パラメータ記憶部１４２が記憶する制御パラメータとに基づいて、上記フィードフォワード補償値を算出する。制御部１１２は、上記駆動力指令にフィードフォワード補償値を加算して補正後指令を算出し、補正後指令に基づいて駆動電力を生成し、モータ３に供給する。制御部１１２は、以上の手順を所定の制御周期で繰り返す。

　図２は、制御装置１００のハードウェア構成を例示するブロック図である。図２に示すように、制御装置１００は、回路１９０を有する。回路１９０は、一つ又は複数のプロセッサ１９１と、メモリ１９２と、ストレージ１９３と、入出力ポート１９４と、ドライバ回路１９５とを含む。ストレージ１９３は、例えば不揮発性の半導体メモリ等、コンピュータによって読み取り可能な記憶媒体を有する。ストレージ１９３は、制御対象２に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象２の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象２の応答特性の少なくとも一部を表す第１モデルを生成することと、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成することと、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象２を追従させるための制御量との関係を定める制御パラメータを生成することと、を制御装置１００に実行させるプログラムを記憶している。

　メモリ１９２は、ストレージ１９３の記憶媒体からロードしたプログラム及びプロセッサ１９１による演算結果を一時的に記憶する。プロセッサ１９１は、メモリ１９２と協働して上記プログラムを実行することで、制御装置１００の各機能ブロックを構成する。入出力ポート１９４は、プロセッサ１９１からの指令に従って、センサ６との間で電気信号の入出力を行う。ドライバ回路１９５は、プロセッサ１９１からの指令に従って、モータ３に駆動電力を出力する。

　なお、制御装置１００は、必ずしもプログラムにより各機能を構成するものに限られない。例えば制御装置１００は、専用の論理回路又はこれを集積したＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）により少なくとも一部の機能を構成してもよい。

〔制御パラメータの生成手順〕
　続いて、制御装置の生産方法の一例として、制御装置１００が実行する制御パラメータの生成手順を例示する。この手順は、制御対象２に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象２の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象２の応答特性の少なくとも一部を表す第１モデルを生成することと、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成することと、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象２を追従させるための制御量との関係を定める制御パラメータを生成することと、を含む。以下、応答プロファイルの取得手順と、取得した応答プロファイルに基づく制御パラメータの生成手順とを詳細に説明する。

（応答プロファイルの取得手順）
　図３に示すように、制御装置１００は、ステップＳ０１，Ｓ０２，Ｓ０３を順に実行する。ステップＳ０１では、制御部１１２がモータ３を駆動する。例えば制御部１１２は、指令プロファイル記憶部１１１が記憶する指令プロファイルに基づいて駆動電力を生成し、モータ３に供給する。ステップＳ０２では、制御部１１２が、センサ６による駆動対象４の状態の検出値を取得し、時系列で応答プロファイル記憶部１１３に記憶させる。ステップＳ０３では、制御部１１２が、指令プロファイルの全期間に亘って、指令プロファイルに基づく駆動電力の供給が完了したかを確認する。

　ステップＳ０３において指令プロファイルに基づく駆動電力の供給が完了していない期間が残っていると判定した場合、制御装置１００は処理をステップＳ０１に戻す。以後、制御装置１００は、指令プロファイルの全期間に亘って駆動電力の供給が完了するまで、指令プロファイルに基づく駆動電力をモータ３に供給することと、センサ６による駆動対象４の状態の検出値を取得することと、を所定の制御周期で繰り返す。ステップＳ０３において指令プロファイルの全期間に亘って指令プロファイルに基づく駆動電力の供給が完了したと判定した場合、応答プロファイルの取得が完了する。

（制御パラメータの生成手順）
　図４に示すように、制御装置１００は、まずステップＳ１１，Ｓ１２，Ｓ１３，Ｓ１４，Ｓ１５を実行する。ステップＳ１１では、第１モデル生成部１１４が、指令プロファイルと、応答プロファイルとに基づいて、指令の周波数と、指令に対する制御対象２の応答ゲインとの関係を表すゲインプロファイルを生成し、ゲインプロファイル記憶部１１５に記憶させる。ステップＳ１２では、第１モデル生成部１１４が、周波数特性をゲインプロファイルにフィットさせた線形モデルに基づいて第１モデルを生成する。

　ステップＳ１３では、指令プロファイル記憶部１１１が記憶する指令プロファイルと、モデル記憶部１２１が記憶する第１モデル及び第２モデルとに基づいて、モデル評価部１２２が、指令プロファイルに応じた制御対象２の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、仮想プロファイル記憶部１２３に記憶させる。なお、第２モデル生成部１３２が最初の第２モデルを生成する前においては、モデル記憶部１２１に第１モデルのみが記憶される。この場合、モデル評価部１２２は、指令プロファイルと、第１モデルのみに基づいて仮想応答プロファイルを生成する。

　ステップＳ１４では、応答プロファイル記憶部１１３が記憶する応答プロファイルと、仮想プロファイル記憶部１２３が記憶する仮想応答プロファイルとに基づいて、モデル評価部１２２が応答プロファイルに対する仮想応答プロファイルの誤差を評価する。ステップＳ１５では、ステップＳ１４における誤差の評価結果が上記第１レベル以下であるかを第２モデル生成部１３２が確認する。

　ステップＳ１５において誤差の評価結果が第１レベル以下でないと判定した場合、制御装置１００は、ステップＳ２１，Ｓ２２，Ｓ２３，Ｓ２４，Ｓ２５を実行する。ステップＳ２１では、第２モデル生成部１３２が、複数種類の単位モデルの重み付け和に基づいて第２モデルを仮生成し、モデル記憶部１２１に記憶させる。

　ステップＳ２２では、第２モデル生成部１３２が、仮生成した第２モデルと、仮生成した第２モデルに基づく誤差の評価結果とに基づいて誤差モデルを生成する。例えば第２モデル生成部１３２は、仮生成した第２モデルと、仮生成した第２モデルに基づく誤差の評価結果とを対応付けたレコードを学習データ記憶部１３３に記憶させる。その後、第２モデル生成部１３２は、学習データ記憶部１３３が記憶するレコードに基づいて初期の誤差モデルを生成し、生成した初期の誤差モデルを誤差モデル記憶部１３４に記憶させる。

　ステップＳ２３では、指令プロファイル記憶部１１１が記憶する指令プロファイルと、モデル記憶部１２１が記憶する第１モデル及び第２モデルとに基づいて、モデル評価部１２２が、指令プロファイルに応じた制御対象２の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、仮想プロファイル記憶部１２３に記憶させる。

　ステップＳ２４では、応答プロファイル記憶部１１３が記憶する応答プロファイルと、仮想プロファイル記憶部１２３が記憶する仮想応答プロファイルとに基づいて、モデル評価部１２２が、応答プロファイルに対する仮想応答プロファイルの誤差を評価する。ステップＳ２５では、ステップＳ２４における誤差の評価結果が上記第２レベル以下であるかを第２モデル生成部１３２が確認する。

　ステップＳ２５において誤差の評価結果が第２レベル以下でないと判定した場合、制御装置１００はステップＳ２６，Ｓ２７を実行する。ステップＳ２６では、第２モデル生成部１３２が、第２レベル以下の目標誤差と誤差モデルとに基づいて重みを変更し、重みの変更後の第２モデルをモデル記憶部１２１に記憶させる。

　ステップＳ２７では、第２モデル生成部１３２が、重みの変更後の第２モデルと、重みの変更後の第２モデルに基づく誤差の評価結果とに基づいて誤差モデルを更新する。例えば第２モデル生成部１３２は、重みの変更後の第２モデルと、重みの変更後の第２モデルに基づく誤差の評価結果とを対応付けたレコードを学習データ記憶部１３３に蓄積する。その後、第２モデル生成部１３２は、学習データ記憶部１３３が蓄積するレコードに基づいて、誤差モデル記憶部１３４の誤差モデルを更新する。その後、制御装置１００は処理をステップＳ２３に戻す。以後、誤差の評価結果が第２レベル以下となるまで、誤差モデルに基づく第２モデルの変更と、変更後の第２モデルに基づく誤差モデルの更新とが繰り返される。

　ステップＳ２５において誤差の評価結果が第２レベル以下であると判定した場合、制御装置１００はステップＳ２８を実行する。ステップＳ２８では、ステップＳ２４における誤差の評価結果が上記第１レベル以下であるかを第１モデル生成部１１４が確認する。

　ステップＳ２８において誤差の評価結果が第１レベル以下でないと判定した場合、制御装置１００はステップＳ２９を実行する。ステップＳ２９では、第１モデル生成部１１４が、指令プロファイルと、応答プロファイルと、第２モデルとに基づいてゲインプロファイルを変更する。その後、制御装置１００は処理をステップＳ０２に戻す。これにより、変更後のゲインプロファイルに基づいて第１モデルが再生成される。

　ステップＳ１５において誤差の評価結果が第１レベル以下であると判定した場合、及びステップＳ２８において誤差の評価結果が第１レベル以下であると判定した場合、制御装置１００はステップＳ３１を実行する。ステップＳ３１では、モデル記憶部１２１が記憶する第１モデル及び第２モデルとに基づいてパラメータ生成部１４１が上記制御パラメータを生成し、パラメータ記憶部１４２に記憶させる。以上で制御パラメータの生成手順が完了する。

〔制御手順〕
　続いて、制御パラメータに基づく制御手順を例示する。図５に示すように、制御装置１００は、ステップＳ４１，Ｓ４２，Ｓ４３，Ｓ４４，Ｓ４５，Ｓ４６，Ｓ４７を順に実行する。ステップＳ４１では、制御部１１２が目標位置を取得する。例えば制御部１１２は、予め与えられた駆動対象４の目標動作パターンに基づいて目標位置を取得してもよいし、上位のコントローラから目標位置を取得してもよい。ステップＳ４２では、制御部１１２が、目標位置と、パラメータ記憶部１４２が記憶する制御パラメータとに基づいて、上記フィードフォワード補償値を算出する。

　ステップＳ４３では、制御部１１２が、センサ６の検出値に基づいて駆動対象４の現在位置及び現在速度の情報を取得する。ステップＳ４４では、制御部１１２が、目標位置と現在位置との偏差に基づいて、目標速度を算出する。ステップＳ４５では、制御部１１２が、目標速度と現在速度との偏差に基づいて、駆動力指令を算出する。

　ステップＳ４６では、制御部１１２が、駆動力指令にフィードフォワード補償値を加算して、補正後指令を算出する。ステップＳ４７では、制御部１１２が、補正後指令に基づいて駆動電力を生成し、モータ３に供給する。制御部１１２は、以上の手順を所定の制御周期で繰り返す。

〔応用例〕
　上述した構成は、モータが複数であり、駆動対象が複数の剛体を含む制御対象にも適用可能である。例えば上述した構成は、図６に例示する多関節ロボットにも適用可能である。

　図６に示すロボット１０は、所謂６軸の垂直多関節ロボットであり、基台１１と、旋回部１２と、アーム１３，１４，１５と、ツール保持部１６とを有する。基台１１は、作業エリアにおいて床、台、又はＡＧＶ（Ａｕｔｏｍａｔｅｄ　Ｇｕｉｄｅｄ　Ｖｅｈｉｃｌｅ）上に固定される。旋回部１２は、鉛直な軸線３１まわりに旋回するように基台１１上に設けられている。

　アーム１３は、軸線３１に交差（例えば直交）する軸線３２まわりに揺動するように旋回部１２に接続されている。ここでの交差は、所謂立体交差のようにねじれの関係にある場合を含む。アーム１４は、軸線３２に平行な軸線３３まわりに揺動するように、アーム１３の先端部に接続されている。アーム１５は、アーム１４に沿い軸線３３に交差する軸線３４まわりに旋回し、軸線３４に交差（例えば直交）する軸線３５まわりに揺動するようにアーム１４の先端部に接続されている。

　ツール保持部１６は、アーム１５の中心に沿う軸線３６まわりに旋回するように、アーム１５の先端部に接続されている。ツール保持部１６は、ワークを把持するハンド、溶接トーチ、塗装ガン、又はねじ締めツール等の様々なツール１７を保持する。

　モータ２１は、軸線３１まわりに旋回部１２を旋回させ、モータ２２は、軸線３２まわりにアーム１３を揺動させ、モータ２３は、軸線３３まわりにアーム１４を揺動させ、モータ２４は、軸線３４まわりにアーム１４の先端部を旋回させ、モータ２５は、軸線３５まわりにアーム１５を揺動させ、モータ２６は、軸線３６まわりにツール保持部１６を旋回させる。

　ロボット１０においては、ツール保持部１６及びツール１７がモータ２６の駆動対象である。アーム１５、ツール保持部１６及びツール１７がモータ２５の駆動対象である。アーム１４の先端部、アーム１５、ツール保持部１６及びツール１７がモータ２４の駆動対象である。アーム１４，１５、ツール保持部１６及びツール１７がモータ２３の駆動対象である。アーム１３，１４，１５、ツール保持部１６及びツール１７がモータ２２の駆動対象である。旋回部１２、アーム１３，１４，１５、ツール保持部１６及びツール１７がモータ２１の駆動対象である。

　ロボット１０のように、制御対象が複数のモータを有する場合、制御装置１００は、上述した制御パラメータの生成手順と、制御パラメータに基づくモータの制御手順とを、モータごとに実行してもよい。

〔本実施形態の効果〕
　以上に説明したように、制御装置１００は、制御対象２に対する指令の時間変化を表す指令プロファイルと、指令プロファイルに応じた制御対象２の状態の時間変化を表す応答プロファイルとに基づいて、指令に対する制御対象２の応答特性の少なくとも一部を表す第１モデルを生成する第１モデル生成部１１４と、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて、応答特性のうち第１モデルに含まれない特性を表す第２モデルを生成する第２モデル生成部１３２と、第１モデルと、第２モデルとに基づいて、指令と、指令に制御対象２を追従させるための制御量との関係を定める制御パラメータを生成するパラメータ生成部１４１と、を備える。

　制御対象２の特性を表す第１モデルが生成された後、その第１モデルに基づいて、第１モデルに含まれない特性を表す第２モデルが更に生成され、第１モデルと第２モデルとに基づいてシミュレーションが実行される。このように、２種類のモデルを用いることによって、制御対象２をより適切にモデル化することができる。従って、シミュレーションの精度向上に有効である。

　第２モデル生成部１３２は、予め準備された複数種類の単位モデルに基づいて第２モデルを生成してもよい。この場合、第１モデルによるモデル化が困難な特性（例えば非線形特性）を容易にモデル化することができる。

　複数種類の単位モデルのそれぞれは、指令に対する非線形な特性を表すモデルであってもよい。この場合、線形モデルではモデル化できない非線形特性を容易にモデル化することができる。

　制御装置１００は、指令プロファイルと、第１モデルと、第２モデルとに基づいて、指令プロファイルに応じた制御対象２の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、応答プロファイルに対する仮想応答プロファイルの誤差を評価するモデル評価部１２２を更に備え、第２モデル生成部１３２は、複数種類の単位モデルの重み付け和に基づいて第２モデルを仮生成し、第２モデルに基づく誤差の評価結果に基づいて、第２モデルにおける複数種類の単位モデルの重みを変更することを、所定条件が満たされるまで繰り返して第２モデルを生成してもよい。この場合、第１モデルによるモデル化が困難な特性を更に容易にモデル化することができる。

　第２モデル生成部１３２は、第２モデルにおける複数種類の単位モデルの重みと、誤差の評価結果との関係を表す誤差モデルを、仮生成した第２モデルと、仮生成した第２モデルに基づく誤差の評価結果とに基づいて生成し、所定の目標誤差と、誤差モデルとに基づいて、重みを変更することと、重みの変更後の第２モデルと、重みの変更後の第２モデルに基づく誤差の評価結果とに基づいて誤差モデルを更新することとを、所定条件が満たされるまで繰り返して第２モデルを生成してもよい。この場合、第１モデルによるモデル化が困難な特性をより迅速にモデル化することができる。

　第１モデル生成部１１４は、指令プロファイルと、応答プロファイルとに基づいて、指令の周波数と、指令に対する制御対象２の応答ゲインとの関係を表すゲインプロファイルを生成し、周波数特性をゲインプロファイルにフィットさせた線形モデルに基づいて第１モデルを生成してもよい。この場合、周波数解析によって線形モデルをフィッティングすることができるため、容易且つ適切なモデル化が可能となる。

　第１モデル生成部１１４は、第２モデルが生成された後における誤差の評価結果が所定レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいて第１モデルを再生成してもよい。この場合、第２モデルが生成された後、当該第２モデルを考慮して第１モデルを再生成することで、第１モデルの精度が更に向上することが期待される。従って、より適切なモデル化が可能である。

　第１モデル生成部１１４は、第２モデルが生成された後における誤差の評価結果が所定レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいてゲインプロファイルを変更し、線形モデルの周波数特性を変更後のゲインプロファイルにフィットさせて第１モデルを再生成してもよい。この場合、第２モデルに基づきゲインプロファイルを変更することで、第１モデルの再生成も最初の生成と同様に容易且つ適切に行うことができる。

　第１モデル生成部１１４は、第２モデルが生成された後における誤差の評価結果が所定レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいて、応答プロファイルから第２モデルの応答を除去した修正プロファイルを生成し、指令プロファイルと、修正プロファイルとに基づいてゲインプロファイルを変更してもよい。この場合、ゲインプロファイルを容易に変更することができる。

　第２モデル生成部１３２は、第１モデルが再生成された後における誤差の評価結果が所定レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて第２モデルを再生成してもよい。この場合、第１モデルが再生成された後、当該第１モデルを考慮して第２モデルを再生成することで、第２モデルの精度が更に向上することが期待される。従って、より適切なモデル化が可能である。

　制御装置１００は、指令プロファイルと、第１モデルと、第２モデルとに基づいて、指令プロファイルに応じた制御対象２の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、応答プロファイルに対する仮想応答プロファイルの誤差を評価するモデル評価部１２２を更に備え、第２モデル生成部１３２は、第２モデルを仮生成し、第２モデルに基づく誤差の評価結果に基づいて、第２モデルを変更することを、所定条件が満たされるまで繰り返して第２モデルを生成し、第１モデル生成部１１４は、第２モデルが生成された後における誤差の評価結果が所定の第１レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第２モデルとに基づいて第１モデルを再生成してもよい。

　第２モデル生成部１３２は、第２モデルに基づく誤差の評価結果に基づいて、第２モデルを変更することを、誤差の評価結果が第１レベルよりも高い第２レベル以下となるまで繰り返して第２モデルを生成してもよい。

　第２モデル生成部１３２は、第１モデルが再生成された後における誤差の評価結果が第１レベルを超えている場合に、指令プロファイルと、応答プロファイルと、第１モデルとに基づいて第２モデルを再生成してもよい。

　制御対象２は、駆動対象４と、駆動対象４を駆動するモータ３とを有し、指令は、モータ３に発生させる駆動力の指令であり、制御対象２の状態は、駆動対象４の速度であってもよい。

　制御対象２は、駆動対象４と、駆動対象４を駆動するモータ３とを有し、指令は、モータ３に発生させる駆動力の指令であり、制御対象２の状態は、駆動対象４の位置であってもよい。

　指令プロファイルにおける指令の時間変化は、指令の振動を含んでいてもよい。

　以上、実施形態について説明したが、本開示は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

　２…制御対象、３…モータ、４…駆動対象、１００…制御装置（制御システムの生産装置）、１１４…第１モデル生成部、１２２…モデル評価部、１３２…第２モデル生成部、１４１…パラメータ生成部。

Claims

　制御対象に対する指令の時間変化を表す指令プロファイルと、前記指令プロファイルに応じた前記制御対象の状態の時間変化を表す応答プロファイルとに基づいて、前記指令に対する前記制御対象の応答特性の少なくとも一部を表す第１モデルを生成する第１モデル生成部と、
　前記指令プロファイルと、前記応答プロファイルと、前記第１モデルとに基づいて、前記応答特性のうち前記第１モデルに含まれない特性を表す第２モデルを生成する第２モデル生成部と、
　前記第１モデルと、前記第２モデルとに基づいて、前記指令と、前記指令に前記制御対象を追従させるための制御量との関係を定める制御パラメータを生成するパラメータ生成部と、を備える制御システムの生産装置。
　前記第２モデル生成部は、予め準備された複数種類の単位モデルに基づいて第２モデルを生成する、請求項１記載の制御システムの生産装置。
　前記複数種類の単位モデルのそれぞれは、指令に対する非線形な特性を表すモデルである、請求項２記載の制御システムの生産装置。
　前記指令プロファイルと、前記第１モデルと、前記第２モデルとに基づいて、前記指令プロファイルに応じた前記制御対象の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、前記応答プロファイルに対する前記仮想応答プロファイルの誤差を評価するモデル評価部を更に備え、
　前記第２モデル生成部は、
　　前記複数種類の単位モデルの重み付け和に基づいて前記第２モデルを仮生成し、
　　前記第２モデルに基づく前記誤差の評価結果に基づいて、前記第２モデルにおける前記複数種類の単位モデルの重みを変更することを、所定条件が満たされるまで繰り返して前記第２モデルを生成する、請求項２又は３記載の制御システムの生産装置。
　前記第２モデル生成部は、
　　前記第２モデルにおける前記複数種類の単位モデルの重みと、前記誤差の評価結果との関係を表す誤差モデルを、仮生成した前記第２モデルと、仮生成した前記第２モデルに基づく前記誤差の評価結果とに基づいて生成し、
　　所定の目標誤差と、前記誤差モデルとに基づいて、前記重みを変更することと、前記重みの変更後の前記第２モデルと、前記重みの変更後の前記第２モデルに基づく前記誤差の評価結果とに基づいて前記誤差モデルを更新することとを、所定条件が満たされるまで繰り返して前記第２モデルを生成する、請求項４記載の制御システムの生産装置。
　前記第１モデル生成部は、前記指令プロファイルと、前記応答プロファイルとに基づいて、前記指令の周波数と、前記指令に対する前記制御対象の応答ゲインとの関係を表すゲインプロファイルを生成し、周波数特性を前記ゲインプロファイルにフィットさせた線形モデルに基づいて前記第１モデルを生成する、請求項４又は５記載の制御システムの生産装置。
　前記第１モデル生成部は、前記第２モデルが生成された後における前記誤差の評価結果が所定レベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第２モデルとに基づいて前記第１モデルを再生成する、請求項６記載の制御システムの生産装置。
　前記第１モデル生成部は、前記第２モデルが生成された後における前記誤差の評価結果が所定レベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第２モデルとに基づいて前記ゲインプロファイルを変更し、前記線形モデルの周波数特性を変更後の前記ゲインプロファイルにフィットさせて前記第１モデルを再生成する、請求項７記載の制御システムの生産装置。
　前記第１モデル生成部は、前記第２モデルが生成された後における前記誤差の評価結果が所定レベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第２モデルとに基づいて、前記応答プロファイルから前記第２モデルの応答を除去した修正プロファイルを生成し、前記指令プロファイルと、前記修正プロファイルとに基づいて前記ゲインプロファイルを変更する、請求項８記載の制御システムの生産装置。
　前記第２モデル生成部は、前記第１モデルが再生成された後における前記誤差の評価結果が所定レベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第１モデルとに基づいて前記第２モデルを再生成する、請求項７～９のいずれか一項記載の制御システムの生産装置。
　前記指令プロファイルと、前記第１モデルと、前記第２モデルとに基づいて、前記指令プロファイルに応じた前記制御対象の状態の時間変化をシミュレーションした仮想応答プロファイルを生成し、前記応答プロファイルに対する前記仮想応答プロファイルの誤差を評価するモデル評価部を更に備え、
　前記第２モデル生成部は、
　　前記第２モデルを仮生成し、
　　前記第２モデルに基づく前記誤差の評価結果に基づいて、前記第２モデルを変更することを、所定条件が満たされるまで繰り返して前記第２モデルを生成し、
　前記第１モデル生成部は、前記第２モデルが生成された後における前記誤差の評価結果が所定のレベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第２モデルとに基づいて前記第１モデルを再生成する、請求項１～４のいずれか一項記載の制御システムの生産装置。
　前記第２モデル生成部は、前記第２モデルに基づく前記誤差の評価結果に基づいて、前記第２モデルを変更することを、前記誤差の評価結果が前記レベルよりも高い第２レベル以下となるまで繰り返して前記第２モデルを生成する、請求項１１記載の制御システムの生産装置。
　前記第２モデル生成部は、前記第１モデルが再生成された後における前記誤差の評価結果が前記レベルを超えている場合に、前記指令プロファイルと、前記応答プロファイルと、前記第１モデルとに基づいて前記第２モデルを再生成する、請求項１１又は１２記載の制御システムの生産装置。
　前記制御対象は、駆動対象と、前記駆動対象を駆動するモータとを有し、
　前記指令は、前記モータに発生させる駆動力の指令であり、前記制御対象の状態は、前記駆動対象の速度である、請求項１～１３のいずれか一項記載の制御システムの生産装置。
　前記制御対象は、駆動対象と、前記駆動対象を駆動するモータとを有し、
　前記指令は、前記モータに発生させる駆動力の指令であり、前記制御対象の状態は、前記駆動対象の位置である、請求項１～１４のいずれか一項記載の制御システムの生産装置。
　前記指令プロファイルにおける前記指令の時間変化は、前記指令の振動を含む、請求項１～１５のいずれか一項記載の制御システムの生産装置。
　制御対象に対する指令の時間変化を表す指令プロファイルと、前記指令プロファイルに応じた前記制御対象の状態の時間変化を表す応答プロファイルとに基づいて、前記指令に対する前記制御対象の応答特性の少なくとも一部を表す第１モデルを生成することと、
　前記指令プロファイルと、前記応答プロファイルと、前記第１モデルとに基づいて、前記応答特性のうち前記第１モデルに含まれない特性を表す第２モデルを生成することと、
　前記第１モデルと、前記第２モデルとに基づいて、前記指令と、前記指令に前記制御対象を追従させるための制御量との関係を定める制御パラメータを生成することと、を含む制御システムの生産方法。
　制御対象に対する指令の時間変化を表す指令プロファイルと、前記指令プロファイルに応じた前記制御対象の状態の時間変化を表す応答プロファイルとに基づいて、前記指令に対する前記制御対象の応答特性の少なくとも一部を表す第１モデルを生成することと、
　前記指令プロファイルと、前記応答プロファイルと、前記第１モデルとに基づいて、前記応答特性のうち前記第１モデルに含まれない特性を表す第２モデルを生成することと、
　前記第１モデルと、前記第２モデルとに基づいて、前記指令と、前記指令に前記制御対象を追従させるための制御量との関係を定める制御パラメータを生成することと、を装置に実行させるプログラム。