性能保証と高速学習を両立するデータ駆動制御

点击翻译按钮获取中文摘要

今年度は，データから制御器を設計する方法として，特に二種類の方法を検討した．一つ目が本研究課題に直結する反復学習制御の理論を活用したものである．より具体的には，反復学習制御の特徴である収束性の保証を活用しつつ，制御対象の逆モデルを活用することで学習を高速化する方法を検討した．この成果は現在国際論文誌Control Systems Lettersに投稿中であるが，それとは別に2022年度内に計測自動制御学会九州支部学術研究講演会でも関連研究を発表した．なお，後者の発表は実機実験に関連した検証報告であり，柔軟リンクを有するモータの角度制御を行うものであった．本研究の2023年度の目標の一つが実機での有効性検証であったことを踏まえると，順調に研究が進展しているといえる．もう一つの方法として，一回の実験から適切な制御器を獲得する方法について検討した．より具体的には，制御入力の大きさに制約がある場合に高速に目標値へ収束させる制御について検討した．これは研究課題そのものではないが，関連技術が研究課題に応用できることが期待される．実際，適切な制御入力を最終的にはフィードフォワード入力の形で獲得するが，これは上述の研究課題で取り組む方法との親和性が高い．ただ，この二つ目の方法は収束性の保証が困難であり，その意味では研究課題に直結しない．研究課題に必要な要素技術の一つであると考えられる．この成果については計測自動制御学会論文集に投稿し，採択された．