ハミルトン系の学習制御に関する研究

点击翻译按钮获取中文摘要

本研究では,ハミルトン系モデルで表現されるメカトロニクス系の学習制御に関する研究を行った.とくに最適制御型の評価関数を反復学習に類似した繰り返し実験によって解く手法を開発している.本年度得られた成果は以下のとおりである.1.従来の研究では反復学習制御と呼ばれる,有限時間の挙動を学習する手法を提案していた.本年度は,この手法を一般化し,無限時間区間の周期運動を学習できるように修正した方法を提案した.これによりずっと運動し続ける機械の学習が行えることになる.数値例によりその有効性を検証している.2.また提案している学習制御手法を1本足のホッピングロボットの軌道生成に適用し,制御対象の一部の情報だけを用いてもっともエネルギー効率の良い走行軌道を学習的に生成した.足先の質量を零にすることで,入力零で走行し続ける軌道が得られるが,数値シミュレーションによる学習を行ったところ,入力零の軌道が生成されたため,本手法の有効性を確認できたと考えている.またこの手法は,より複雑な歩行機械にも応用できると期待されている.3.ハミルトン系の構造を理解するために,ハミルトン系のモデル低次元化に関する研究も行った.研究代表者は,平衡実現に基づく非線形系のモデル低次元化の方法について研究を行っているが,これまでの手法で低次元モデルを導くと,一般にもとの制御対象の力学系としての特性は保存されない.本研究では,これを保存するような低次元化手法に関する研究を行ない,数値例により有効性を確認した.これらは本研究の目的であるハミルトン系の学習制御に関する重要な結果であると考えている.