| Project/Area Number |
23K26125
|
|---|
| Project/Area Number (Other) |
23H01431 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21040:Control and system engineering-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
大西 亘 東京大学, 大学院工学系研究科(工学部), 准教授 (60823888)
|
|---|
| Project Period (FY) |
2023-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000)
Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2026: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2025: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2024: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥5,980,000 (Direct Cost: ¥4,600,000、Indirect Cost: ¥1,380,000)
|
|---|
| Keywords | 精密位置決め制御 / 反復学習制御 / システム同定 / データ駆動最適化 / 非因果的制御入力 / 学習制御 |
|---|
| Outline of Research at the Start |
反復学習制御は，半導体露光装置などの精密制御が必要な応用先において重要な制御法である。この制御法は，過去の位置決め誤差の情報を用いて繰り返し試行を行うことで，センサの分解能レベルの位置決め精度を達することができる特長がある一方で，タスク汎化性能がないため，一般工作機械，産業用ロボット，搬送装置，などにはあまり用いられていない。
本研究では，目標軌道に対して非因果的制御入力を発生させる新しい学習制御則を提案し，前述の課題を緩和・克服する制御理論の構築と，実データからの制御器パラメタ設計手法を構築を目指す。
|
| Outline of Annual Research Achievements |
反復学習制御は，半導体露光装置などの精密制御が必要な応用先において重要な制御法である。この制御法は，過去の位置決め誤差の情報を用いて繰り返し試行を行うことで，センサの分解能レベルの位置決め精度を達することができる特長がある一方で，タスク汎化性能がないため，一般工作機械，産業用ロボット，搬送装置，などにはあまり用いられていない。本研究では，目標軌道に対して非因果的制御入力を発生させる新しい学習制御則を提案し，前述の課題を緩和・克服する制御理論の構築と，実データからの制御器パラメタ設計手法を構築を目指すことが目的である。
本年は，特に
Kentaro Tsurumoto, Wataru Ohnishi, Takafumi Koseki: Task Flexible and High Performance ILC: Preliminary Analysis of Combining a Basis Function and Frequency Domain Design Approach, 22nd IFAC World Congress, pp. 2057-2062, 2023.
において，特定タスクに対して高性能を達成する周波数領域ILCと，速度・加速度目標値という多項式の基底関数を組み合わせたILCを提案した。数値シミュレーションにより，タスク変化前の追従誤差の収束値で周波数領域ILCを凌駕し，さらにタスク柔軟性では基底関数ILCと同等となり，トレードオフを回避できることを示した。今後は，実験検証および，基底関数を有理関数に拡張し，非因果的制御入力を積極的に活用する枠組みを構築する。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究における，主要な問いである，タスク柔軟性と特定タスクへの位置決め性能のトレードオフを解決できる手法の着想に至ったため。
実機実験や，さらなる理論拡張への準備を進めており，研究はおおむね順調に進展しているといえる。
|
| Strategy for Future Research Activity |
今後は，２つの慣性が柔軟体で繋がれたようなベンチマーク装置を用いて，実機検証を進める。さらに，非因果的制御入力を積極的に活用するため，基底関数を多項式から有理関数に拡張する。もし学習後の基底関数が不安定だった場合，Stable Inversionにより，非因果的制御入力を生成することができ，従来の性能をさらに上回ることが期待される。
|
