Unification of gain-scheduled and adaptive control theories and its application to practical systems

本研究課題では『ゲインスケジュールド制御と適応制御両者の短所を補い合い，かつ両者の長所を併せ持つ 融合型制御 の構築』を目的とする．ロバスト制御からのアプローチとして，状態推定器を不確かさの推定に用いる方法がある．外乱オブザーバは制御器を高次元にするものの，不確かさを外乱と捉えて推定する．つまり，不確かさという把握できていないシステムのダイナミクスを推定し，推定結果を性能向上につなげている．これを適応制御とロバスト制御の融合への第一歩として捉え，外乱オブザーバのロバスト性に関する研究成果について学会発表を行った．また，適応制御との関連が強いと考えられるゲインスケジュールド制御については，状態推定器+状態フィードバックのような構造を持たない制御器に対して，制御性能を等価に保ったまま状態推定機構を埋め込むという研究課題に関して，国際会議にて，今後の重要な課題の一つであり，肯定的に解くことができる見通しがある例を提示した．一方，適応制御からのアプローチとしてCMAC(Cerebellar Model Articulation Controller)法による適応制御がある．CMAC法の特徴は，制御ゲインを格納した複層マップを参照することである．これはゲインスケジューリングに近い考え方であり，さらにゲインを学習によって最適化している．このCMAC法について，既に適応制御の立場からの研究成果が得られており，2022年度において数件の学会発表を行った．

本研究課題では『ゲインスケジュールド制御と適応制御両者の短所を補い合い，かつ両者の長所を併せ持つ 融合型制御 の構築』を目的とする．ロバスト制御からのアプローチとして，状態推定器を不確かさの推定に用いる方法がある．外乱オブザーバは制御器を高次元にするものの，不確かさを外乱と捉えて推定する．つまり，不確かさという把握できていないシステムのダイナミクスを推定し，推定結果を性能向上につなげている．これを適応制御とロバスト制御の融合への第一歩として捉え，外乱オブザーバのロバスト性に関する研究成果について学会発表を行った．また，適応制御との関連が強いと考えられるゲインスケジュールド制御については，状態推定器+状態フィードバックのような構造を持たない制御器に対して，制御性能を等価に保ったまま状態推定機構を埋め込むという研究課題に関して，国際会議にて，今後の重要な課題の一つであり，肯定的に解くことができる見通しがある例を提示した．一方，適応制御からのアプローチとしてCMAC(Cerebellar Model Articulation Controller)法による適応制御がある．CMAC法の特徴は，制御ゲインを格納した複層マップを参照することである．これはゲインスケジューリングに近い考え方であり，さらにゲインを学習によって最適化している．このCMAC法について，既に適応制御の立場からの研究成果が得られており，2022年度において数件の学会発表を行った．