JPH06314106A - 学習制御装置 - Google Patents
学習制御装置Info
- Publication number
- JPH06314106A JPH06314106A JP12531193A JP12531193A JPH06314106A JP H06314106 A JPH06314106 A JP H06314106A JP 12531193 A JP12531193 A JP 12531193A JP 12531193 A JP12531193 A JP 12531193A JP H06314106 A JPH06314106 A JP H06314106A
- Authority
- JP
- Japan
- Prior art keywords
- increment value
- correction amount
- deviation
- state
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】状態空間モデルを直接利用して演算することに
より、演算量の少ない学習制御装置を提供する。 【構成】１周期前の制御入力ｕ(i')に補正量σ(i) を加
算してｕ(i) 求める手段と、目標指令を記憶し偏差ｅ(i
-D) を求める手段と、状態ベクトルｘを記憶してその１
周期前からの変化分ηを求める手段と、学習制御用定数
を記憶する手段と、偏差、状態変化分ベクトル、補正
量、制御入力の時系列データを記憶する手段と、前記時
系列データと制御対象の状態空間モデルにより、Ｍサン
プリング未来までの偏差予測値ｅ* と偏差ｅ(i-D) およ
び補正量σに関する評価関数が最小となるように、現在
時刻の補正量σ(i) を決定する手段とを備える。
より、演算量の少ない学習制御装置を提供する。 【構成】１周期前の制御入力ｕ(i')に補正量σ(i) を加
算してｕ(i) 求める手段と、目標指令を記憶し偏差ｅ(i
-D) を求める手段と、状態ベクトルｘを記憶してその１
周期前からの変化分ηを求める手段と、学習制御用定数
を記憶する手段と、偏差、状態変化分ベクトル、補正
量、制御入力の時系列データを記憶する手段と、前記時
系列データと制御対象の状態空間モデルにより、Ｍサン
プリング未来までの偏差予測値ｅ* と偏差ｅ(i-D) およ
び補正量σに関する評価関数が最小となるように、現在
時刻の補正量σ(i) を決定する手段とを備える。
Description
【０００１】
【産業上の利用分野】本発明は、工作機械、ロボット等
の制御装置に関する。
の制御装置に関する。
【０００２】
【従来の技術】繰り返し目標値に対する学習制御装置と
しては、本出願人が特開平1ー237701号公報、特願平3-35
4789、および、特願平4-289431において提案した装置が
ある。これらの装置では、同じ目標値に対する動作を繰
り返し、偏差、補正量、制御入力、および、制御対象の
ステップ応答をもとに未来偏差予測値が最小となるよう
に制御入力が決定されるため、最終的には目標値と出力
が一致し、高精度な追従動作が実現される。
しては、本出願人が特開平1ー237701号公報、特願平3-35
4789、および、特願平4-289431において提案した装置が
ある。これらの装置では、同じ目標値に対する動作を繰
り返し、偏差、補正量、制御入力、および、制御対象の
ステップ応答をもとに未来偏差予測値が最小となるよう
に制御入力が決定されるため、最終的には目標値と出力
が一致し、高精度な追従動作が実現される。
【０００３】
【発明が解決しようとする課題】しかし従来技術では、
未来偏差の予測の際に、制御対象の十分整定するまでの
ステップ応答が必要であり、制御対象の状態空間モデル
が得られている場合、シミュレーション等によりステッ
プ応答を算出することも考えられるが、直接的でなく、
その分の手間がかかり、さらに、整定時間の増加やサン
プリング周期の短縮に伴って演算量が増加するなどの問
題があった。そこで本発明は、状態空間モデルを直接利
用し、演算量の少ない学習制御装置を提供することを目
的とする。
未来偏差の予測の際に、制御対象の十分整定するまでの
ステップ応答が必要であり、制御対象の状態空間モデル
が得られている場合、シミュレーション等によりステッ
プ応答を算出することも考えられるが、直接的でなく、
その分の手間がかかり、さらに、整定時間の増加やサン
プリング周期の短縮に伴って演算量が増加するなどの問
題があった。そこで本発明は、状態空間モデルを直接利
用し、演算量の少ない学習制御装置を提供することを目
的とする。
【０００４】
【課題を解決するための手段】上記問題点を解決するた
め、本願第１の発明では、周期Ｌで同じパターンを繰り
返す目標指令に制御対象の出力を追従させるよう、現在
時刻ｉにおいて、目標指令ｒ(i) （= ｒ(i') i'=i-L ）
と、D(D ≧0)サンプリング前の制御対象の出力ｙ(i-D)
および状態ベクトルｘ(i-D) を入力し、制御入力ｕ(i)
を制御対象へ出力する学習制御装置において、１周期前
の制御入力ｕ(i')に補正量σ(i) を加算してｕ(i) を求
める手段と、目標指令を記憶し、偏差ｅ(i-D) を求める
手段と、状態ベクトルｘを記憶して、その１周期前から
の変化分ηを求める手段と、学習制御用定数を記憶する
手段と、偏差、状態変化分ベクトル、補正量、制御入力
の時系列データを記憶する手段と、前記時系列データと
制御対象の状態空間モデルにより、Ｍサンプリング未来
までの偏差予測値ｅ* と偏差ｅ(i-D) および補正量σに
関する評価関数
め、本願第１の発明では、周期Ｌで同じパターンを繰り
返す目標指令に制御対象の出力を追従させるよう、現在
時刻ｉにおいて、目標指令ｒ(i) （= ｒ(i') i'=i-L ）
と、D(D ≧0)サンプリング前の制御対象の出力ｙ(i-D)
および状態ベクトルｘ(i-D) を入力し、制御入力ｕ(i)
を制御対象へ出力する学習制御装置において、１周期前
の制御入力ｕ(i')に補正量σ(i) を加算してｕ(i) を求
める手段と、目標指令を記憶し、偏差ｅ(i-D) を求める
手段と、状態ベクトルｘを記憶して、その１周期前から
の変化分ηを求める手段と、学習制御用定数を記憶する
手段と、偏差、状態変化分ベクトル、補正量、制御入力
の時系列データを記憶する手段と、前記時系列データと
制御対象の状態空間モデルにより、Ｍサンプリング未来
までの偏差予測値ｅ* と偏差ｅ(i-D) および補正量σに
関する評価関数
【０００５】
【数７】
【０００６】が最小となるように、現在時刻の補正量σ
(i) を決定する手段とを備えることを特徴とし、本願第
２の発明では、周期Ｌで同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう、現在時刻ｉにお
いて、目標指令増分値Δｒ(i) （= Δｒ(i') i'=i-L ）
と、D(D ≧0)サンプリング前の制御対象の出力増分値Δ
ｙ(i-D)および状態増分値ベクトルΔｘ(i-D) を入力
し、制御入力ｕ(i) を制御対象へ出力する学習制御装置
において、１周期前の制御入力増分値Δｕ(i')に補正量
増分値Δσ(i) を加算して、Δｕ(i) を求める手段と、
目標指令増分値を記憶し、偏差増分値および偏差を求め
る手段と、状態増分値ベクトルΔｘを記憶して、その１
周期前からの変化分Δηを求める手段と、学習制御用定
数を記憶する手段と、補正量増分値より補正量を求める
手段と、偏差増分値、補正量増分値、制御入力増分値の
時系列データを記憶する手段と、前記偏差と状態増分値
ベクトルの変化分と補正量と時系列データ、および、制
御対象の状態空間モデルにより、Ｍサンプリング未来ま
での偏差増分値の予測値Δｅ* と偏差ｅおよび補正量に
関する評価関数
(i) を決定する手段とを備えることを特徴とし、本願第
２の発明では、周期Ｌで同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう、現在時刻ｉにお
いて、目標指令増分値Δｒ(i) （= Δｒ(i') i'=i-L ）
と、D(D ≧0)サンプリング前の制御対象の出力増分値Δ
ｙ(i-D)および状態増分値ベクトルΔｘ(i-D) を入力
し、制御入力ｕ(i) を制御対象へ出力する学習制御装置
において、１周期前の制御入力増分値Δｕ(i')に補正量
増分値Δσ(i) を加算して、Δｕ(i) を求める手段と、
目標指令増分値を記憶し、偏差増分値および偏差を求め
る手段と、状態増分値ベクトルΔｘを記憶して、その１
周期前からの変化分Δηを求める手段と、学習制御用定
数を記憶する手段と、補正量増分値より補正量を求める
手段と、偏差増分値、補正量増分値、制御入力増分値の
時系列データを記憶する手段と、前記偏差と状態増分値
ベクトルの変化分と補正量と時系列データ、および、制
御対象の状態空間モデルにより、Ｍサンプリング未来ま
での偏差増分値の予測値Δｅ* と偏差ｅおよび補正量に
関する評価関数
【０００７】
【数８】
【０００８】が最小となるように、現在時刻の補正量増
分値Δσ(i) を決定する手段と、制御入力増分値より制
御入力を求める手段とを備えることを特徴とする。
分値Δσ(i) を決定する手段と、制御入力増分値より制
御入力を求める手段とを備えることを特徴とする。
【０００９】
【作用】上記手段により、状態空間モデルを直接利用
し、演算量の少ない学習制御装置が実現され、高精度な
追従動作が可能となる。
し、演算量の少ない学習制御装置が実現され、高精度な
追従動作が可能となる。
【００１０】
【実施例】まず本願第１の発明の具体的実施例を図１に
示して説明する。図中１は本発明の学習制御装置であ
り、現在時刻ｉにおいて、周期Ｌで同じパターンを繰り
返す目標指令の現在値ｒ(i) （= ｒ(i') i'=i-L ）と、
D(D ≧0)サンプリング前の制御対象の出力ｙ(i-D) およ
び状態ベクトルｘ(i-D) を入力し、制御入力ｕ(i) を制
御対象へ出力する。２は、目標指令ｒ(i),ｒ(i-1),…,
ｒ(i-D) を記憶するメモリ、３は、１周期分の状態ベク
トルを記憶するメモリ、４は、定数ｑM1 ,…, ｑM ,
Ｑ, Ｅ, ｇ0,ｇ1,Ｓ, ＳD , ｓ1,…, ｓD を記憶するメ
モリである。１０は、メモリ２に記憶された目標指令ｒ
(i-D) と、出力ｙ(i-D) との差ｅ(i-D) を求める減算
器、１１は、メモリ３に記憶された状態ベクトルｘ(i'-
D)と、ｘ(i-D) との差η(i-D) を求める減算器である。
５、６は過去の偏差および状態ベクトルを記憶するメモ
リであり、減算器１０および１１の出力ｅ(i-D) 、η(i
-D) が新たに記憶される。７は過去の補正量を記憶する
メモリ、８は過去１周期分の制御入力を記憶するメモリ
である。９は演算器であり、
示して説明する。図中１は本発明の学習制御装置であ
り、現在時刻ｉにおいて、周期Ｌで同じパターンを繰り
返す目標指令の現在値ｒ(i) （= ｒ(i') i'=i-L ）と、
D(D ≧0)サンプリング前の制御対象の出力ｙ(i-D) およ
び状態ベクトルｘ(i-D) を入力し、制御入力ｕ(i) を制
御対象へ出力する。２は、目標指令ｒ(i),ｒ(i-1),…,
ｒ(i-D) を記憶するメモリ、３は、１周期分の状態ベク
トルを記憶するメモリ、４は、定数ｑM1 ,…, ｑM ,
Ｑ, Ｅ, ｇ0,ｇ1,Ｓ, ＳD , ｓ1,…, ｓD を記憶するメ
モリである。１０は、メモリ２に記憶された目標指令ｒ
(i-D) と、出力ｙ(i-D) との差ｅ(i-D) を求める減算
器、１１は、メモリ３に記憶された状態ベクトルｘ(i'-
D)と、ｘ(i-D) との差η(i-D) を求める減算器である。
５、６は過去の偏差および状態ベクトルを記憶するメモ
リであり、減算器１０および１１の出力ｅ(i-D) 、η(i
-D) が新たに記憶される。７は過去の補正量を記憶する
メモリ、８は過去１周期分の制御入力を記憶するメモリ
である。９は演算器であり、
【００１１】
【数９】
【００１２】ただし、D=0 のときは右辺最終項は零とす
る。なる演算によって補正量σ(i) を算出する。算出さ
れたσ(i) は、加算器１２に入力されるとともにメモリ
７に記憶される。加算器１２は、演算器９の出力σ(i)
とメモリ８に記憶されたｕ(i')とを加算して制御入力ｕ
(i) を算出する。得られた制御入力ｕ(i) は、学習制御
装置１の出力として制御対象に出力されるとともに、メ
モリ８に記憶される。ここで(1) 式の導出を行う。時刻
ｉにおいて、制御入力ｕ(i) は、加算器１２により次式
で決定される。 ｕ(i) = ｕ(i') + σ(i) (2) そこで、未来偏差予測値ｅ* (i+m) (1≦M1≦m ≦M)が最
小となるように、現在時刻の補正量σ(i) を決定するこ
とを考える。いま制御対象の離散化モデルが、以下の状
態空間表現で得られているとする。
る。なる演算によって補正量σ(i) を算出する。算出さ
れたσ(i) は、加算器１２に入力されるとともにメモリ
７に記憶される。加算器１２は、演算器９の出力σ(i)
とメモリ８に記憶されたｕ(i')とを加算して制御入力ｕ
(i) を算出する。得られた制御入力ｕ(i) は、学習制御
装置１の出力として制御対象に出力されるとともに、メ
モリ８に記憶される。ここで(1) 式の導出を行う。時刻
ｉにおいて、制御入力ｕ(i) は、加算器１２により次式
で決定される。 ｕ(i) = ｕ(i') + σ(i) (2) そこで、未来偏差予測値ｅ* (i+m) (1≦M1≦m ≦M)が最
小となるように、現在時刻の補正量σ(i) を決定するこ
とを考える。いま制御対象の離散化モデルが、以下の状
態空間表現で得られているとする。
【００１３】
【数１０】
【００１４】ただし、ｘ(i) Ｒnx1 は状態ベクトルであ
り、＾はモデル値であることを表す。上式のモデルを用
いれば、
り、＾はモデル値であることを表す。上式のモデルを用
いれば、
【００１５】
【数１１】
【００１６】で定義される出力変化分δ(i) と状態変化
分ベクトルη(i) のモデルは次式となる。
分ベクトルη(i) のモデルは次式となる。
【００１７】
【数１２】
【００１８】時刻ｉにおいては実測値η(i-D) が得られ
るため、時刻i-D 以降の
るため、時刻i-D 以降の
【００１９】
【数１３】
【００２０】を実測値η(i-D) を用いて表すと、(5) 式
より、
より、
【００２１】
【数１４】
【００２２】となる。そこでσ(j)=σ(i) (j>i) と仮定
し、時刻i-D 以降の状態変化分ベクトルを
し、時刻i-D 以降の状態変化分ベクトルを
【００２３】
【数１５】
【００２４】あるいは、
【００２５】
【数１６】
【００２６】で予測する。ここでは(8) 式右辺の
【数１７】
【００２７】は(7) 式によって与えているが、(6) 式右
辺の
辺の
【００２８】
【数１８】
【００２９】に(8) 式で得られたη* (i+m-1) を代入し
て求めても良い。 (4),(5),(7),(8)式、および、σ(j)=
σ(i) (j>i) の仮定により、出力変化分予測値δ* (i+
m) は、
て求めても良い。 (4),(5),(7),(8)式、および、σ(j)=
σ(i) (j>i) の仮定により、出力変化分予測値δ* (i+
m) は、
【００３０】
【数１９】
【００３１】あるいは、
【００３２】
【数２０】
【００３３】で与えられる。ただし hj ,Hj は、モデル
(3) 式の重み系列およびその積算値である（ hj = ｃＡ
j-1 ｂ, Hj =h1+…+hj (j≧1) ）。したがって、未来
偏差予測値ｅ* (i+m) を、 ｅ* (i+m) = ｅ(i'+m) - δ* (i+m) M1≦m ≦M (10) で与え、評価関数
(3) 式の重み系列およびその積算値である（ hj = ｃＡ
j-1 ｂ, Hj =h1+…+hj (j≧1) ）。したがって、未来
偏差予測値ｅ* (i+m) を、 ｅ* (i+m) = ｅ(i'+m) - δ* (i+m) M1≦m ≦M (10) で与え、評価関数
【００３４】
【数２１】
【００３５】が最小となるように補正量σ(i) を決定す
ると、∂Ｊ/ ∂σ(i) = 0 より、前記(1) 式を得る。た
だし各定数ｑm , Ｑ, Ｅ, Ｓ, ＳD , ｓj 、およびベク
トルｇ0,ｇ1 は、次式で与えられる。
ると、∂Ｊ/ ∂σ(i) = 0 より、前記(1) 式を得る。た
だし各定数ｑm , Ｑ, Ｅ, Ｓ, ＳD , ｓj 、およびベク
トルｇ0,ｇ1 は、次式で与えられる。
【００３６】
【数２２】
【００３７】また、(7) 式の代わりに、
【００３８】
【数２３】
【００３９】によって
【００４０】
【数２４】
【００４１】を与え、(8b),(10) 式の予測式を用いて、
(11)式の評価関数（ただし、α=0）を最小とするよう補
正量を決定すれば、各試行を間欠的に行い各試行間に次
回１試行分の補正量を次式によりまとめて算出すること
もできる。
(11)式の評価関数（ただし、α=0）を最小とするよう補
正量を決定すれば、各試行を間欠的に行い各試行間に次
回１試行分の補正量を次式によりまとめて算出すること
もできる。
【００４２】
【数２５】
【００４３】ただし、ベクトルｇは次式で与えられる。
【００４４】
【数２６】
【００４５】つぎに本願第２の発明の具体的実施例を図
２に示して説明する。図中２１は本発明の学習制御装置
であり、現在時刻ｉにおいて、周期Ｌで同じパターンを
繰り返す目標指令の増分値Δｒ(i) （= Δｒ(i') i'=i-
L ）と、D(D ≧0)サンプリング前の制御対象の出力増分
値Δｙ(i-D) および状態増分値ベクトルΔｘ(i-D) を入
力し、制御入力ｕ(i) を制御対象へ出力する。Δはサン
プリング周期間の増分値を表す。２２は、目標指令増分
値Δｒ(i),…, Δｒ(i-D) を記憶するメモリ、２３は、
１周期分の状態増分値ベクトルを記憶するメモリ、２４
は、定数ｖ-D+1 ,…, ｖM , Ｅ, ｇ0,Ｓ, ｓ1,…, ｓD
を記憶するメモリである。２９は、メモリ２２に記憶さ
れたΔｒ(i-D) と、Δｙ(i-D) との差Δｅ(i-D)を求め
る減算器、３０は、メモリ２３に記憶されたΔｘ(i'-D)
と、Δｘ(i-D) との差Δη(i-D) を求める減算器であ
る。２５は過去の偏差増分値を記憶するメモリであり、
減算器２９の出力Δｅ(i-D) が新たに記憶される。２６
は過去の補正量増分値を記憶するメモリ、２７は過去１
周期分の制御入力増分値を記憶するメモリであり、３
２、３３は、偏差ｅ(i-D) および補正量σ(i-1) を求め
る積算器である。２８は演算器であり、
２に示して説明する。図中２１は本発明の学習制御装置
であり、現在時刻ｉにおいて、周期Ｌで同じパターンを
繰り返す目標指令の増分値Δｒ(i) （= Δｒ(i') i'=i-
L ）と、D(D ≧0)サンプリング前の制御対象の出力増分
値Δｙ(i-D) および状態増分値ベクトルΔｘ(i-D) を入
力し、制御入力ｕ(i) を制御対象へ出力する。Δはサン
プリング周期間の増分値を表す。２２は、目標指令増分
値Δｒ(i),…, Δｒ(i-D) を記憶するメモリ、２３は、
１周期分の状態増分値ベクトルを記憶するメモリ、２４
は、定数ｖ-D+1 ,…, ｖM , Ｅ, ｇ0,Ｓ, ｓ1,…, ｓD
を記憶するメモリである。２９は、メモリ２２に記憶さ
れたΔｒ(i-D) と、Δｙ(i-D) との差Δｅ(i-D)を求め
る減算器、３０は、メモリ２３に記憶されたΔｘ(i'-D)
と、Δｘ(i-D) との差Δη(i-D) を求める減算器であ
る。２５は過去の偏差増分値を記憶するメモリであり、
減算器２９の出力Δｅ(i-D) が新たに記憶される。２６
は過去の補正量増分値を記憶するメモリ、２７は過去１
周期分の制御入力増分値を記憶するメモリであり、３
２、３３は、偏差ｅ(i-D) および補正量σ(i-1) を求め
る積算器である。２８は演算器であり、
【００４６】
【数２７】
【００４７】ただし、D=0 のときは右辺最終項は零とす
る。なる演算により補正量増分値Δσ(i) を算出する。
算出されたΔσ(i) は、加算器３１と積算器３３に入力
されるとともにメモリ２６に記憶される。加算器３１
は、Δσ(i) とメモリ２７に記憶されたΔｕ(i')とを加
算して制御入力増分値Δｕ(i) を算出する。得られたΔ
ｕ(i) は、積算器３４に入力されるとともに、メモリ２
７に記憶される。積算器３４によって求められた制御入
力ｕ(i) は、学習制御装置２１の出力として制御対象に
出力される。ここで(21)式の導出を行う。時刻ｉにおい
て、制御入力増分値Δｕ(i) は、加算器３１により次式
で決定される。 Δｕ(i) = Δｕ(i') + Δσ(i) (22) そこで、未来偏差予測値が最小となるように、現在時刻
の補正量増分値Δσ(i)を決定することを考える。いま
制御対象の状態空間モデルが、前記(3) 式で得られてい
るとすると、出力変化分増分値Δδ(i) と状態変化分増
分値ベクトルΔη(i) のモデルは次式となる。
る。なる演算により補正量増分値Δσ(i) を算出する。
算出されたΔσ(i) は、加算器３１と積算器３３に入力
されるとともにメモリ２６に記憶される。加算器３１
は、Δσ(i) とメモリ２７に記憶されたΔｕ(i')とを加
算して制御入力増分値Δｕ(i) を算出する。得られたΔ
ｕ(i) は、積算器３４に入力されるとともに、メモリ２
７に記憶される。積算器３４によって求められた制御入
力ｕ(i) は、学習制御装置２１の出力として制御対象に
出力される。ここで(21)式の導出を行う。時刻ｉにおい
て、制御入力増分値Δｕ(i) は、加算器３１により次式
で決定される。 Δｕ(i) = Δｕ(i') + Δσ(i) (22) そこで、未来偏差予測値が最小となるように、現在時刻
の補正量増分値Δσ(i)を決定することを考える。いま
制御対象の状態空間モデルが、前記(3) 式で得られてい
るとすると、出力変化分増分値Δδ(i) と状態変化分増
分値ベクトルΔη(i) のモデルは次式となる。
【００４８】
【数２８】
【００４９】時刻ｉにおいては実測値Δη(i-D) が得ら
れるため、時刻i-D 以降の状態変化分増分値ベクトル
を、(23)式より、
れるため、時刻i-D 以降の状態変化分増分値ベクトル
を、(23)式より、
【００５０】
【数２９】
【００５１】で予測し、さらにΔσ(j)=0 (j>i) とすれ
ば、出力変化分増分値の予測値は、
ば、出力変化分増分値の予測値は、
【００５２】
【数３０】
【００５３】で与えられる。したがって、未来偏差予測
値ｅ* (i+m) を、
値ｅ* (i+m) を、
【００５４】
【数３１】
【００５５】で与え、評価関数
【００５６】
【数３２】
【００５７】が最小となるように、補正量増分値Δσ
(i) を決定すると、∂Ｊ/ ∂Δσ(i)=0より、前記(21)
式を得る。ただし各定数、ｖm , Ｅ, Ｓ, ｓj 、および
ベクトルｇ0 は次式で与えられる。
(i) を決定すると、∂Ｊ/ ∂Δσ(i)=0より、前記(21)
式を得る。ただし各定数、ｖm , Ｅ, Ｓ, ｓj 、および
ベクトルｇ0 は次式で与えられる。
【００５８】
【数３３】
【００５９】また、本願第１、第２の発明において、状
態変化分ベクトルηおよびその増分値ベクトルΔηの実
測値が得られない場合には、オブザーバによる推定値を
用いれば良い。
態変化分ベクトルηおよびその増分値ベクトルΔηの実
測値が得られない場合には、オブザーバによる推定値を
用いれば良い。
【００６０】
【発明の効果】以上述べたように本発明によれば、状態
空間モデルを直接利用し、演算量の少ない学習制御装置
が実現され、高精度な追従動作が可能となるという効果
がある。
空間モデルを直接利用し、演算量の少ない学習制御装置
が実現され、高精度な追従動作が可能となるという効果
がある。
【図１】本願第１の発明の具体的実施例を示す図
【図２】本願第２の発明の具体的実施例を示す図
１ 学習制御装置 ２ 目標指令を記憶するメモリ ３ 状態ベクトルを記憶するメモリ ４ 定数を記憶するメモリ ５ 偏差を記憶するメモリ ６ 状態変化分を記憶するメモリ ７ 補正量を記憶するメモリ ８ 制御入力を記憶するメモリ ９ 演算器 １０、１１ 減算器 １２ 加算器
Claims (6)
- 【請求項１】 周期Ｌで同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう、現在時刻ｉにお
いて、目標指令ｒ(i) （= ｒ(i') i'=i-L ）と、D( D≧
0)サンプリング前の制御対象の出力ｙ(i-D) および状態
ベクトルｘ(i-D) を入力し、制御入力ｕ(i) を制御対象
へ出力する学習制御装置において、 １周期前の制御入力ｕ(i')に補正量σ(i) を加算してｕ
(i) を求める手段と、 目標指令を記憶し偏差ｅ(i-D) を求める手段と、 状態ベクトルｘを記憶してその１周期前からの変化分η
を求める手段と、 学習制御用定数を記憶する手段と、 偏差、状態変化分ベクトル、補正量、制御入力の時系列
データを記憶する手段と、 前記時系列データと制御対象の状態空間モデルによりＭ
サンプリング未来までの偏差予測値ｅ* と偏差ｅ(i-D)
および補正量σに関する評価関数 【数１】 が最小となるように現在時刻の補正量σ(i) を決定する
手段とを備えることを特徴とする学習制御装置。 - 【請求項２】 現在時刻の補正量σ(i) を 【数２】 （ここで、ｑm , Ｑ, Ｅ, ｇ0,ｇ1,Ｓ, ＳD , ｓj は学
習制御用定数であり、D=0 のときは右辺最終項は零とす
る）として決定する手段を備えることを特徴とする請求
項１記載の学習制御装置。 - 【請求項３】 １周期ごとの各試行を間欠的に行い、各
試行間に次回試行分の補正量を 【数３】 （ここで、ｑm , ｇ, Ｓは学習制御用定数、 【数４】 は前記状態空間モデルにより算出される状態変化分ベク
トル）により１試行分まとめて決定する手段を備えるこ
とを特徴とする請求項１記載の学習制御装置。 - 【請求項４】 周期Ｌで同じパターンを繰り返す目標指
令に制御対象の出力を追従させるよう、現在時刻ｉにお
いて、目標指令増分値Δｒ(i) （= Δｒ(i')i'=i-L ）
と、D( D≧0)サンプリング前の制御対象の出力増分値Δ
ｙ(i-D) および状態増分値ベクトルΔｘ(i-D) を入力
し、制御入力ｕ(i) を制御対象へ出力する学習制御装置
において、 １周期前の制御入力増分値Δｕ(i')に補正量増分値Δσ
(i) を加算してΔｕ(i) を求める手段と、 目標指令増分値を記憶し偏差増分値および偏差を求める
手段と、 状態増分値ベクトルΔｘを記憶して、その１周期前から
の変化分Δηを求める手段と、 学習制御用定数を記憶する手段と、 補正量増分値より補正量を求める手段と、 偏差増分値、補正量増分値、制御入力増分値の時系列デ
ータを記憶する手段と、 前記偏差と状態増分値ベクトルの変化分と補正量と時系
列データ、および、制御対象の状態空間モデルによりＭ
サンプリング未来までの偏差増分値の予測値Δｅ* と偏
差ｅおよび補正量に関する評価関数 【数５】 が最小となるように現在時刻の補正量増分値Δσ(i) を
決定する手段と、 制御入力増分値より制御入力を求める手段とを備えるこ
とを特徴とする学習制御装置。 - 【請求項５】 現在時刻の補正量増分値Δσ(i) を 【数６】 （ここで、ｖm , Ｅ, ｇ0,Ｓ, ｓj は学習制御用定数で
あり、D=0 のときは右辺最終項は零とする）として決定
する手段を備えることを特徴とする請求項４記載の学習
制御装置。 - 【請求項６】 状態変化分ベクトルη(i-D) 、あるい
は、その増分値ベクトルΔη(i-D) をオブザーバにより
推定する手段を備えることを特徴とする請求項１あるい
は４記載の学習制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12531193A JPH06314106A (ja) | 1993-04-28 | 1993-04-28 | 学習制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12531193A JPH06314106A (ja) | 1993-04-28 | 1993-04-28 | 学習制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06314106A true JPH06314106A (ja) | 1994-11-08 |
Family
ID=14906970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP12531193A Pending JPH06314106A (ja) | 1993-04-28 | 1993-04-28 | 学習制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06314106A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019160017A (ja) * | 2018-03-15 | 2019-09-19 | オムロン株式会社 | 学習装置、学習方法、及びそのプログラム |
-
1993
- 1993-04-28 JP JP12531193A patent/JPH06314106A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019160017A (ja) * | 2018-03-15 | 2019-09-19 | オムロン株式会社 | 学習装置、学習方法、及びそのプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR970003823B1 (ko) | 주기적 목표치에 최적하게 추종하는 제어방식 | |
| JP6972342B2 (ja) | システムの動作を制御する制御システム及び方法 | |
| JPH10133703A (ja) | 適応的ロバスト制御装置 | |
| Fraser et al. | Perturbation techniques for flexible manipulators | |
| KR100342788B1 (ko) | 예견제어방법 | |
| JP4697139B2 (ja) | サーボ制御装置 | |
| JP2002062906A (ja) | 予測制御装置 | |
| Frey et al. | Advanced-step real-time iterations with four levels–new error bounds and fast implementation in acados | |
| JP3158439B2 (ja) | 予見制御装置 | |
| CN114404220A (zh) | 上肢康复机器人重力补偿方法、装置及上肢康复机器人 | |
| JPH03105510A (ja) | サーボ制御装置 | |
| JPH06314106A (ja) | 学習制御装置 | |
| JP3191836B2 (ja) | 学習制御装置 | |
| Sanchez et al. | Recurrent neural block form control | |
| JP3256950B2 (ja) | 最適予見学習制御装置 | |
| JP3109605B2 (ja) | 学習制御方法 | |
| JP2541163B2 (ja) | 周期的目標値に最適に追従する制御方式 | |
| JP3196907B2 (ja) | 出力検出にむだ時間を持つ系の学習制御装置 | |
| JP2003274684A (ja) | サーボ制御装置 | |
| JP3870767B2 (ja) | 予測制御方法 | |
| JP3152251B2 (ja) | 増分値演算による学習制御方法 | |
| JP3036654B2 (ja) | 学習制御方式 | |
| Ringkowski et al. | Gaussian process based multi-rate observer for the dynamic positioning error of a measuring machine | |
| JP3039814B2 (ja) | 学習制御方式 | |
| JP3039573B2 (ja) | 学習制御方式 |