WO2025142170A1

WO2025142170A1 - 制御器パラメータ算出方法、コンピュータプログラムおよび記録媒体

Info

Publication number: WO2025142170A1
Application number: PCT/JP2024/040223
Authority: WO
Inventors: 武瑠仲村; 奎介斎藤
Original assignee: Screen Holdings Co Ltd
Current assignee: Screen Holdings Co Ltd
Priority date: 2023-12-27
Filing date: 2024-11-12
Publication date: 2025-07-03
Anticipated expiration: 2026-06-27
Also published as: JP2025104008A

Abstract

制御制約を考慮しつつＦＲＩＴに従って制御器パラメータを汎用的に最適化することができる技術を提供する。制御器パラメータ算出方法は、入力信号と出力信号の時系列データと、予め決定された参照モデルとを含む、ＦＲＩＴに基づく評価関数とを用いて、制御器パラメータを最適化する最適化工程（Ｓ２）と、最適化工程（Ｓ２）によって算出された制御器パラメータを用いたデータ駆動予測により、入力信号の予測値である予測入力信号を予測する予測工程（Ｓ３）と、予測入力信号が制御制約を逸脱しているか評価する評価工程（Ｓ４）と、予測入力信号が前記制御制約を逸脱していた場合に、ＦＲＩＴに基づく評価関数に関する値と、予測入力信号の制御制約から逸脱した違反量とを含むコスト関数を用いた大域的最適化により、参照モデルを更新する更新工程（Ｓ６）と、最適化工程（Ｓ２）から参照モデル更新工程（Ｓ６）を繰り返す工程とを含む。

Description

制御器パラメータ算出方法、コンピュータプログラムおよび記録媒体

　本明細書で開示される主題は、制御器パラメータ算出方法、コンピュータプログラムおよび記録媒体に関する。

　例えば、熱または流体を用いるプロセスシステムは、非線形性によりシステムの第一原理モデル化が困難であること、また、制御対象の挙動をもとにしたパラメータ調整は直観的に理解しやすいことから、フィードバック制御としてＰＩＤ制御が広く用いられている。しかしながら、固定のＰＩＤパラメータを用いた制御器では、常に良好な制御結果を得ることが困難であるため、所望の制御性能を満たすことができない場合が多い。そこで、ＰＩＤ制御器を用いた場合には、設計時、立ち上げ時等に調整することはもとより、使用条件の変化等に合わせて再調整が行われている。

　近年、制御対象のモデル化なしで所望の制御性能を満たすような手法がいくつか提案されている。その中でも有力な手法の１つとして、データ駆動制御が知られている。データ駆動制御は、制御対象のモデルを用いずデータを直接的に用いることによって目標を達成するような制御器を設計する手法である。

　データ駆動制御には、幾つかのバリエーションが知られており、例えば、非特許文献１は、そのバリエーションの１つであるＦＲＩＴ（Fictitious Reference Iterative Tuning）を提案している。ＦＲＩＴは、一回の閉ループ系の制御実験で得られた実験データをもとに、制御器パラメータの調整が可能である。このため、ＦＲＩＴは、繰り返し実験が必要な他の手法と比べ、時間や費用といったコスト面で優位である。

　しかしながら、ＦＲＩＴ等のデータ駆動制御により得られた制御パラメータを用いて制御したとしても、所望の制御性能が得られない場合がある。特に、ＦＲＩＴで用いられる参照モデルの応答を実現するような制御パラメータが存在しない場合、制御系が不安定となりやすいことが知られている。

　このような課題に対し、例えば、特許文献１は、相補感度関数から得られた出力と設計者が設定した参照モデルの出力の二乗誤差が最小になる制御器パラメータを粒子群最適化等の最適化手法により求めることを提案している。しかしながら、ＦＲＩＴで得られた制御器を使って制御した際に、制御器が制御対象に対してどのような入力信号を出力するか不明である。このため、入力信号が制御制約を満たすこと、あるいは、入力信号が制御器の出力可能な範囲に収まっていることは、必ずしも保証されない。

　このような特許文献１の課題に対して、非特許文献２は、ＦＲＩＴと入力信号を予測可能な手法とを組み合わせる手法を提案している。非特許文献２では、あらかじめ定義された参照モデル（目標伝達関数）を用いたＦＲＩＴにより、制御器パラメータが最適化される。そして、最適化された制御器パラメータを用いたデータ駆動予測により、入力信号の予測値である予測入力信号が算出される。算出された予測入力信号が、制御制約を違反していた場合、参照モデル（目標伝達関数）の時定数τを所定量だけ大きくし、その更新された参照モデルを用いたＦＲＩＴにより、制御器パラメータが更新される。

特開２０２１－５１４６２号公報

相馬将太郎，金子修、藤井隆雄、一回の実験データを用いた制御器パラメータチューニングの新しいアプローチ－Fictitious Reference Iterative Tuningの提案、システム制御情報学会論文誌、Vol. 17、No. 12、pp. 528-536、2004 池澤美紅、金子修、カスケード制御系に対する入力制限を考慮した目標値応答更新を伴うFRIT、第 64 回自動制御連合講演会 1A2-2、pp. 216-220、2021

　しかしながら、非特許文献２のように、参照モデルの時定数τを所定量だけ大きくする手法の場合、初期参照モデルの時定数τが、初期実験データの時定数よりも小さい（すなわち、応答が早い）ことが前提となる。したがって、初期実験の結果によっては、制御器パラメータを最適化することが困難である。すなわち、非特許文献２の手法は、初期実験の結果に依存するという点で、汎用性が低いという課題があった。

　本発明の目的は、制御制約を考慮しつつＦＲＩＴに従って制御器パラメータを汎用的に最適化することができる技術を提供することにある。

　上記課題を解決するため、第１態様は、制御器と、前記制御器からの出力を入力とする制御対象とを含むフィードバック制御システムにおいて、前記制御器の制御器パラメータを算出する制御器パラメータ算出方法であって、ａ）実機において、前記制御器から前記制御対象に入力された入力信号、および、前記制御対象から出力された出力信号の時系列データを取得する工程と、ｂ）前記制御システムの参照モデルを設定する工程と、ｃ）前記時系列データと、前記参照モデルとを含む、ＦＲＩＴ（Fictitious Reference Iterative Tuning）に基づいた評価関数を用いて、前記制御器パラメータを最適化する工程と、ｄ）前記工程ｂ）によって算出された制御器パラメータを用いたデータ駆動予測により、前記入力信号の予測値である予測入力信号を予測する工程と、ｅ）前記予測入力信号が制御制約を逸脱しているか評価する工程と、ｆ）前記工程ｅ）により、前記予測入力信号が前記制御制約を逸脱していた場合に、前記ＦＲＩＴに基づいた前記評価関数に関する値と、前記予測入力信号の前記制御制約から逸脱した違反量とを含むコスト関数を用いた大域的最適化により、前記参照モデルを更新する工程と、ｇ）前記時系列データと、前記工程ｆ）によって更新された参照モデルを含む前記評価関数を用いて、前記制御器パラメータを最適化する工程と、を含む。

　第２態様は、第１態様の制御器パラメータ算出方法であって、ｈ）前記工程ｄ）から前記工程ｇ）を規定回数繰り返す工程、をさらに含む。

　第３態様は、第１態様または第２態様の制御器パラメータ算出方法であって、前記制御器は、ＰＩＤ制御器である。

　第４態様は、第３態様の制御器パラメータ算出方法であって、前記制御器の伝達関数は、式

で表される。

　第５態様は、第３態様または第４態様の制御器パラメータ算出方法であって、前記参照モデルは、少なくとも時定数、次数および、むだ時間をパラメータとして含む。

　第６態様は、第５態様の制御器パラメータ算出方法であって、前記参照モデルは、式

で表される。

　第７態様は、第１態様から第６態様のいずれかの制御器パラメータ算出方法であって、前記ＦＲＩＴに基づく前記評価関数は、式

で表される。

　第８態様は、第１態様から第７態様のいずれかの制御器パラメータ算出方法であって、前記大域的最適化は、ベイズ最適化である。

　第９態様は、第８態様の制御器パラメータ算出方法であって、前記コスト関数は、前記ＦＲＩＴに基づく前記評価関数に関する値と、前記予測入力信号が前記制御制約を逸脱した違反量に関する値との和である。

　第１０態様は、第９態様の制御器パラメータ算出方法であって、前記コスト関数は、前記ＦＲＩＴに基づく前記評価関数に関する値が、前記違反量よりも大きくなるように設計された式である。

　第１１態様は、コンピュータが読取可能なコンピュータプログラムであって、前記コンピュータに、第１態様から第１０態様のいずれかの制御器パラメータ算出方法を実行させる、コンピュータプログラム。

　第１２態様は、コンピュータが読取可能な記録媒体であって、第１１態様のコンピュータプログラムが記録されている。

　第１態様から第１２態様によれば、制御制約を逸脱した場合に大域的探索によって参照モデルが更新される。このため、初期の実験データに依存せずに参照モデルを適切に更新できるため、制御器パラメータを汎用的に最適化することができる。

実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。フィードバック制御システムを示すブロック図である。情報処理装置が制御器パラメータρを算出する処理を示すフロー図である。初期実験データ取得工程Ｓ１によって得られた流量波形を示す図である。制御器パラメータρを最適化した後に得られた流量波形を示す図である。

　以下、添付の図面を参照しながら、本発明の実施形態について説明する。なお、この実施形態に記載されている構成要素はあくまでも例示であり、本発明の範囲をそれらのみに限定する趣旨のものではない。図面においては、理解容易のため、必要に応じて各部の寸法や数が誇張又は簡略化して図示されている場合がある。

　＜１．　実施形態＞
　図１は、実施形態に係る情報処理装置１のハードウェア構成を示すブロック図である。情報処理装置１は、専用のコンピュータプログラムＰがインストールされた汎用コンピュータによって構成されている。情報処理装置１は、プロセッサ１１と、メモリ１２と、ストレージ１３と、操作デバイス１５と、ディスプレイ１６と、入出力インターフェース１７とを備える。

　プロセッサ１１は、例えば、ＣＰＵを含む。メモリ１２は、例えば、半導体メモリであるＲＡＭを含む。ストレージデバイス１３は、補助記憶装置であって、例えば、ハードディスクドライブ（ＨＤＤ）またはソリッドステートドライブ（ＳＳＤ）を含む。ストレージデバイス１３は、コンピュータプログラムＰおよび各種データを記憶する。

　プロセッサ１１は、ストレージデバイス１３に保存されたコンピュータプログラムにしたがって処理を実行する。メモリ１２は、プロセッサ１１の作業領域として使用される。操作デバイス１５は、ユーザの操作入力を、プロセッサ１１に入力する。操作デバイス１５は、例えば、キーボードまたはポインティングデバイスを含む。ディスプレイ１６は、プロセッサ１１の制御に基づいて、各種情報を表示する。ディスプレイ１６は、例えば、液晶ディスプレイである。

　入出力インターフェース１７は、外部から情報処理装置１の内部にデータを入力するため、および、情報処理装置１から外部にデータを出力するためのインターフェースである。入出力インターフェース１７は、例えば、ＵＳＢインターフェースなどである。

　コンピュータプログラムＰは、ＵＳＢメモリなどの半導体メモリ、または、光学式あるいは磁気式のメディアなど、非一過性の記録媒体に保存されていてもよい。そして、当該記録媒体のコンピュータプログラムＰが、入出力インターフェース１７を介して情報処理装置１に提供されてもよい。また、コンピュータプログラムＰは、インターネットなどのネットワークを介して情報処理装置１に提供されてもよい。

　図２は、フィードバック制御システム１００を示すブロック図である。フィードバック制御システム１００は、減算器２０と、制御器３０と、制御対象４０とを含む。減算器２０は、目標値ｒと、出力信号ｙとの偏差Ｅ（＝ｒ－ｙ）を制御器３０に入力する。制御器３０は、制御器パラメータρを有する伝達関数Ｃ（ρ）に従って、偏差Ｅに対する制御対象４０への入力信号ｕ（＝Ｃ（ρ）・Ｅ）を出力する。制御対象４０からの出力信号ｙは、図示しない計測器によって計測されて、減算器２０に入力される。

　制御器３０は、フィードバック制御器であって、例えば、ＰＩＤ制御器である。制御器３０の伝達関数Ｃ（ρ）は、例えば、次式で表される。

　上記式（１）において、γは定数（例えば１０）である。

　情報処理装置１は、フィードバック制御システム１００における制御器３０の制御器パラメータρを算出する処理を実行する。図３は、情報処理装置１が制御器パラメータρを算出する処理を示すフロー図である。

　なお、以下の説明では、制御対象４０が流体の流量を調節可能な電動ニードルバルブであり、制御器３０が流量をＰＩＤ制御する場合について説明する。電動ニードルバルブは、バルブの開度がステッピングモータによって制御可能となっており、制御器３０により、出力信号ｙである流量と、目標値ｒである目標流量との偏差が０となるように開度が調整される。

　図３に示されるように、情報処理装置１は、まず、初期実験データ取得工程Ｓ１を行う。初期実験データ取得工程Ｓ１では、実機において、上記式（１）で表される適当な制御器３０（Ｃ_ＰＩＤ（ρ_０））を用いて、目標値ｒ（目標流量時系列データ）のもと、流量制御が実施される。これにより、入力信号ｕと出力信号ｙ（流量）との組み合わせである一組の時系列データが取得される。以下、この初期実験によって得られた入力信号ｕの時系列データをｕ_０（ｔ）、出力信号ｙの時系列データをｙ_０（ｔ）とする。なお、ｕ_０（ｔ），ｙ_０（ｔ）は、ＵＳＢメモリ等の記録媒体やネットワークなど介して、情報処理装置１に入力されてもよい。そして、情報処理装置１のプロセッサ１１は、入力されたｕ_０（ｔ），ｙ_０（ｔ）を、メモリ１２またはストレージデバイス１３に記憶させてもよい。

　続いて、情報処理装置１は、初期実験データ取得工程Ｓ１によって得られたｕ_０（ｔ），ｙ_０（ｔ）を用いて、制御器３０の制御器パラメータρの最適化を行う（最適化工程Ｓ２）。最適化工程Ｓ２では、ＦＲＩＴのアルゴリズムに基づいて定義された評価関数Ｊ_ＦＲＩＴ（ρ）が用いられる。評価関数Ｊ_ＦＲＩＴ（ρ）は、例えば、次式で表される。

　式（4）に示されるＴ（ｓ）は、図１に示される閉ループ系全体の参照モデルであって、目標値ｒから出力信号ｙまでの伝達関数である。参照モデルＴ（ｓ）は、時定数τおよび次数ｎ、およびむだ時間Ｌを含む。

　式（２）に示されるように、評価関数Ｊ_ＦＲＩＴ（ρ）は、制御パラメータρの関数である。そこで、情報処理装置１は、最適化工程Ｓ２において、非線形計画最適化方法により、評価関数Ｊ_ＦＲＩＴ（ρ）を最小にする制御器パラメータρ^＊を算出する。

　次に、情報処理装置１は、最適化工程Ｓ２によって算出された制御器パラメータρ^＊が適用された伝達関数Ｃ（ρ^＊）を用いたデータ駆動予測により、入力信号ｕの予測値である予測入力信号ｕ_ｐを予測する（予測工程Ｓ３）。データ駆動予測は、制御対象の入出力データをもとに制御器パラメータを調整する手法である。データ駆動予測としては、具体的には、非特許文献２に記載された手法を適用することができる。

　データ駆動予測では、評価関数Ｊ_FRIT（ρ）を最小にする参照モデルT（ｓ）のパラメータθ^＊が取得される。そして、取得されたパラメータθ*を用いて、予測入力信号ｕ_ｐを算出される。非特許文献２によれば、予測入力信号ｕ_ｐは、次式により求められる。

　続いて、情報処理装置１は、制御対象４０の制御制約を満たしているか否かを評価する（制御特性評価工程Ｓ４）。具体的に、電動ニードルバルブの制御制約としては、例えば、バルブ開度の上限（ｕ_ｍａｘ）と下限（ｕ_ｍｉｎ）およびステッピングモータの回転速度制限（Δｕ_ｌｉｍ）が挙げられる。バルブ開度の上限ｕ_ｍａｘおよび下限ｕ_ｍｉｎについては、予測入力信号ｕ_ｐの最大値ｍａｘ（ｕ_ｐ）および最小値ｍｉｎ（ｕ_ｐ）が上限ｕ_ｍａｘと下限ｕ_ｍｉｎとの間に収まっているかどうかにより評価される。また、ステッピングモータの回転速度制限については、予測入力信号ｕ_ｐの１ステップ偏差Δｕ_ｐ（＝ｕ（ｔ＋１）－ｕ（ｔ））の最大値ｍａｘ（Δｕ_ｐ）が、回転速度制限Δｕ_ｌｉｍ以下に収まっているかどうかにより評価される。

　情報処理装置１は、制御特性評価工程Ｓ４の結果に基づいて、予測入力信号ｕ_ｐが制御制約を満たすか否かを判定する（判定工程Ｓ５）。予測入力信号ｕ_ｐが制御制約を満たしている場合、情報処理装置１は、処理を終了する。一方、予測入力信号Ｕ_ｐが制御制約を満たしていない場合、情報処理装置１は、次の参照モデル更新工程Ｓ６を実行する。

　参照モデル更新工程Ｓ６において、情報処理装置１は、大域的最適化により参照モデルＴ（ｓ）を更新する。大域的最適化には、例えば、ベイズ最適化を用いることができる。参照モデルＴ（ｓ）の最適化対象は、時定数τおよび次数ｎ、およびむだ時間Ｌである。ベイズ最適化には、例えば、次式で表されるコスト関数Ｊを用いることができる。

　式（６）～（８）において、Ｊ_ＦＲＩＴは、上記式（２）のＪ_ＦＲＩＴ（ρ）に、最適化された制御器パラメータρ^＊を代入したＪ_ＦＲＩＴ（ρ^＊）に定数αを掛けた値である。Ｊ_ｕは、予測入力信号ｕ_ｐの制御制約からの違反量を示す値である。予測入力信号ｕ_ｐが制御制約を満たす場合、Ｊ_ｕはゼロとなるように設計されている。

　αおよびβは、ユーザにより適宜決定される定数である。αは、Ｊ_ＦＲＩＴとＪ_ｕのスケールを揃えるために、Ｊ_ＦＲＩＴに掛けられる係数である。βは、予測入力信号ｕ_ｐが制御制約を満たさない場合に、Ｊ_ｕの値がＪ_ＦＲＩＴよりも大きくなるように設計されている。本例では、Ｊ_ＦＲＩＴは、最大値がβとなるように設計されている。そして、式（8）に示されるように、違反量Ｊ_ｕは、予測入力信号ｕ_ｐが制御制約を満たさない場合には、必ずＪ_ＦＲＩＴよりも大きくなるように、βが加算されるように設計されている。

　情報処理装置１は、参照モデル更新工程Ｓ６の実行回数をメモリ１２またはストレージデバイス１３に記憶させる。そして、情報処理装置１は、参照モデル更新工程Ｓ６を実行した後、参照モデル更新工程Ｓ６の実行回数が予め設定された既定回数を超えるか否かを判定する（判定工程Ｓ７）。判定工程Ｓ７において、実行回数が既定回数を超えた場合、情報処理装置１は、処理を終了する。

　判定工程Ｓ７において、実行回数が既定回数を超えていない場合、情報処理装置１は、最適化工程Ｓ２を再び実行する。すなわち、情報処理装置１は、予測入力信号ｕ_ｐが制御制約を満たさない限り、参照モデルを既定回数更新する。これにより、情報処理装置１は、制御制約を考慮した制御器パラメータρ^＊を算出することが可能である。なお、情報処理装置１は、最もコスト値が低い参照モデルを用いて算出された制御器パラメータρ^＊を、制御器３０の最適化された制御器パラメータとしてメモリ１２またはストレージデバイス１３に記憶させてもよい。これにより、望ましい制御性能を備えた制御器パラメータを取得することができる。

　図４は、初期実験データ取得工程Ｓ１によって得られた流量波形Ｗ２１を示す図である。図５は、制御器パラメータρを最適化した後に得られた流量波形Ｗ２２を示す図である。図４および図５中、横軸は時間（秒）を示しており、縦軸は流量（ｍｌ／ｍｉｎ）を示している。また、図４および図５中、波形Ｗ１１，Ｗ１２は参照モデルの出力を示しており、破線は目標流量を示している。

　図４および図５から明らかなように、図３に示されるフローによって、所望の制御性能を備えた制御器パラメータρを算出できる。特に、０秒から２秒の流量が立ち上がる区間において、所望の制御性能を得ることができる。

　複数の評価指標がある際にベイズ最適化を適用した場合、段階に分けてパラメータ空間を探索することで、最適化が安定することが経験的に知られている。本実施形態では、Ｊ_ＦＲＩＴと違反量Ｊ_ｕの２つの指標を指標としてベイズ最適化を適用している。また、コスト関数Ｊの場合、制御制約を満たさない制御器パラメータはコスト値が高いため、探索の優先度が下がりやすくなる。そのため、ベイズ最適化の初期段階（若いエポック数）において制御制約を満たすパラメータを見つけだし、後段階において制御制約を満たすパラメータの中から所望の制御性能を満たすような探索が可能となる。したがって、安定した制御器パラメータ最適化を実施することができる。

　＜２．　変形例＞
　以上、実施形態について説明してきたが、本発明は上記のようなものに限定されるものではなく、様々な変形が可能である。

　例えば、上記実施形態の参照モデル更新工程Ｓ６では、大域的最適化として、ベイズ最適化を用いているが、その他のアルゴリズムが採用されてもよい。大域的最適化として、例えばメタヒューリスティックな手法である、遺伝的アルゴリズムまたは焼きなまし法等が用いられてもよい。

　また、フィードバック制御システム１００の制御対象４０は、電動ニードルバルブに限定されるものではない。

　この発明は詳細に説明されたが、上記の説明は、すべての局面において、例示であって、この発明がそれに限定されるものではない。例示されていない無数の変形例が、この発明の範囲から外れることなく想定され得るものと解される。上記各実施形態及び各変形例で説明した各構成は、相互に矛盾しない限り適宜組み合わせたり、省略したりすることができる。

　１０　　：情報処理装置
　３０　　：制御器
　４０　　：制御対象
　１００　：フィードバック制御システム

Claims

　制御器と、前記制御器からの出力を入力とする制御対象とを含むフィードバック制御システムにおいて、前記制御器の制御器パラメータを算出する制御器パラメータ算出方法であって、
ａ）　実機において、前記制御器から前記制御対象に入力された入力信号、および、前記制御対象から出力された出力信号の時系列データを取得する工程と、
ｂ）　前記制御システムの参照モデルを設定する工程と、
ｃ）　前記時系列データと、前記参照モデルとを含む、ＦＲＩＴ（Fictitious Reference Iterative Tuning）に基づいた評価関数を用いて、前記制御器パラメータを最適化する工程と、
ｄ）　前記工程ｂ）によって算出された制御器パラメータを用いたデータ駆動予測により、前記入力信号の予測値である予測入力信号を予測する工程と、
ｅ）　前記予測入力信号が制御制約を逸脱しているか評価する工程と、
ｆ）　前記工程ｅ）により、前記予測入力信号が前記制御制約を逸脱していた場合に、前記ＦＲＩＴに基づいた前記評価関数に関する値と、前記予測入力信号の前記制御制約から逸脱した違反量とを含むコスト関数を用いた大域的最適化により、前記参照モデルを更新する工程と、
ｇ）　前記時系列データと、前記工程ｆ）によって更新された参照モデルを含む前記評価関数を用いて、前記制御器パラメータを最適化する工程と、
を含む、制御器パラメータ算出方法。
　請求項１に記載の制御器パラメータ算出方法であって、
ｈ）　前記工程ｄ）から前記工程ｇ）を規定回数繰り返す工程、
をさらに含む、制御器パラメータ算出方法。
　請求項１または請求項２に記載の制御器パラメータ算出方法であって、
　前記制御器は、ＰＩＤ制御器である、制御器パラメータ算出方法。
　請求項３に記載の制御器パラメータ算出方法であって、
　前記制御器の伝達関数は、式

で表される、制御器パラメータ算出方法。
　請求項３または請求項４に記載の制御器パラメータ算出方法であって、
　前記参照モデルは、少なくとも時定数、次数および、むだ時間をパラメータとして含む、制御器パラメータ算出方法。
　請求項５に記載の制御器パラメータ算出方法であって、
　前記参照モデルは、式

で表される、制御器パラメータ算出方法。
　請求項１から請求項６のいずれか１項に記載の制御器パラメータ算出方法であって、
　前記ＦＲＩＴに基づく前記評価関数は、式

で表される、制御器パラメータ算出方法。
　請求項１から請求項７のいずれか１項に記載の制御器パラメータ算出方法であって、
　前記大域的最適化は、ベイズ最適化である、制御器パラメータ算出方法。
　請求項８に記載の制御器パラメータ算出方法であって、
　前記コスト関数は、前記ＦＲＩＴに基づく前記評価関数に関する値と、前記予測入力信号が前記制御制約を逸脱した違反量に関する値との和である、制御器パラメータ算出方法。
　請求項９に記載の制御器パラメータ算出方法であって、
　前記コスト関数は、前記ＦＲＩＴに基づく前記評価関数に関する値が、前記違反量よりも大きくなるように設計された式である、制御器パラメータ算出方法。
　コンピュータが読取可能なコンピュータプログラムであって、前記コンピュータに、請求項１から請求項１０のいずれか１項に記載の制御器パラメータ算出方法を実行させる、コンピュータプログラム。
　コンピュータが読取可能な記録媒体であって、
　請求項１１に記載のコンピュータプログラムが記録されている、記録媒体。