| 研究課題/領域番号 |
21K14179
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分21040:制御およびシステム工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
大西 亘 東京大学, 大学院工学系研究科(工学部), 准教授 (60823888)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
中途終了 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | フィードバック制御 / フィードフォワード制御 / 学習制御 / 周波数応答データ / 凸最適化 / 非因果的制御入力 / システム同定 / 機械学習 / 精密位置決め制御 / データ駆動最適化 / 繰り返し学習制御 |
|---|
| 研究開始時の研究の概要 |
繰り返し学習制御は，半導体露光装置，プリンタ，産業用ロボットといった，精密制御が必要な応用先において幅広く用いられている。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，極めて高い位置決め精度を達成することができる。ところが，繰り返し学習制御は，指令値が変わると再度学習をしなおす必要があり，タスク柔軟性に欠ける (汎化性能がない) という課題がある。そこで本研究では，基底関数型繰り返し学習制御の拡張として，非線形基底関数繰り返し学習制御を提案し，指令値変動への汎化性能を持たせることを目的とする。
|
| 研究成果の概要 |
位置決め制御系の性能向上のため，(1)フィードバック制御器の高帯域化，(2)高精度フィードフォワード制御，(3) Iterative Learning Control (ILC)，を統合的に取り組んだ。(1)においては，周波数応答データ直接駆動外乱オブザーバ設計，(2)においては，非因果的制御入力を用いた昇圧コンバータの精密出力制御，(3)においては，状態追従ILCの提案，汎化性能向上のための機械学習との連携，を行った。研究期間全体を通して，非因果的制御入力が軌道追従制御問題へ非常に有効であることが明らかになったため，最終年度前年度応募によって，今後は基盤研究（B）において，計画を発展させる。
|
| 研究成果の学術的意義や社会的意義 |
(1)フィードバック制御器のさらなる高帯域化，(2)モデルを正確に捉えたフィードフォワード制御，(3) ILC，を統合的に取り組み，目標値追従性能を向上させる研究を行った。
システム同定によって得られた周波数特性データを，(1)-(3)の制御系設計とどう連携させるか，という点では，周波数特性直接駆動で外乱オブザーバやILCを設計する枠組みを提示したことは，設計コストの低減に役立つ成果である。システム同定，ILC，機械学習を連携させる点では，機械学習における過学習をいかに抑止するかが課題であることが示されたと同時に，非因果的な制御入力が有効であることが示された。
|
