| 研究概要 |
機械システムは,人間のように学習し知識と経験を蓄積することができれば,稼動するごとにすぐれたシステムへと変わっていくことが可能であると考えられる。本研究では,このような機械システムの例として,平行リンク機構をもつダイレクト・ドライブ・ロボット(DDロボット)を取上げ,学習機能をもつ制御系をどのように構築すればよいかを理論と実験の両面から明らかにした。主要な成果は次のとおりである。
1.DDロボットによる位置と力の制御の問題に対して,ニュ-ラルネットワ-ク(NNと略す)を用いた学習制御アルゴリズムを開発し,その効果を実証した。DDロボットとしては,2自由度以外に3自由度の場合についても取上げた。本学習制御アルゴリズムは,制御対象であるロボットの動特性についての知識を前もって必要としないという特長をもっている。さらにファジィ制御を応用した学習制御アルゴリズムをも開発した。
2.NNの汎化能力を高めようとすると,NNは多層で被雑になり,このため長時間の学習が必要となる。本研究では,短時間で学習の可能な単層のNNをオンラインで学習させたのち,この単層のNNの学習結果を望ましい複雑なNN(多層でシグモイド付きのNN)にオフライン学習によって移転するという方法を考案した。この効果をDDロボットの位置制御の実験によって実証し,知識を移転する方法によってオンラインでの学習時間を短縮することが可能であることを示した。
3.2台の2自由度DDロボットの協調制御の問題を扱った。すなわち,NNを用いた学習制御アルゴリズムを開発し,2台のDDロボットに対象物を把持し移動させる実験を行うことによって,その効果を実証した。実験の結果,本学習制御アルゴリズムはペイロ-ドの変化に対しても有効であることがわかった。
|
