Core Concepts
周期的な参照信号に対して、モデル不一致にもかかわらず、零追跡誤差を漸近的に達成できる制御手法を提案する。
Abstract
本論文では、周期的な参照信号に対して、モデル不一致にもかかわらず、零追跡誤差を漸近的に達成できる制御手法を提案している。
まず、周期的な外乱を推定するための線形オブザーバを設計する。このオブザーバは、実システムの出力と予測出力の差を補償することで、予測モデルの出力が実システムの出力に漸近的に一致するようにする。
次に、この外乱推定値を用いて、参照信号への追従誤差を最小化するMPCを設計する。理論的な解析により、提案手法が漸近的に零追跡誤差を達成することを示す。
提案手法を、高次元のソフトロボットのシミュレーションと小型レースカーの実験に適用し、従来手法と比較して大幅な追跡性能の向上を実証している。特に、ソフトロボットの例では、学習モデルの次元が6次元と非常に簡単であるにもかかわらず、追跡誤差を1mm以下に抑えることができている。
Stats
提案手法を適用したソフトロボットの追跡誤差は、最後の周期で0.25mmまで減少した。
提案手法を適用したレースカーの追跡誤差のピークは2.8cmまで低減された。一方、従来手法では14cmに達した。
Quotes
"周期的な参照信号に対して、モデル不一致にもかかわらず、零追跡誤差を漸近的に達成できる制御手法を提案する。"
"提案手法を、高次元のソフトロボットのシミュレーションと小型レースカーの実験に適用し、従来手法と比較して大幅な追跡性能の向上を実証している。"