H-infinity制御 (H∞制御)
- 提唱者
- George Zames
- 年
- 1981
- 種類
- algorithm
- 系統
- Robust Control
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
H-infinity (H∞) 制御は、外乱から制御出力への最悪ケースのゲインを最小化するロバスト制御手法であり、ミニマックス最適化問題として定式化されます。1980年代初頭にZamesによって開拓されたH∞制御は、安定性と性能を維持しながら、モデルの不確かさ、モデル化されていないダイナミクス、外乱を許容するフィードバックコントローラーを設計するための原理的な方法を提供し、保証されたロバスト性が要求されるアプリケーションに不可欠なものとなっています。
手法の背後にある直感
LQRが完全に既知のシステムとガウスノイズを仮定するのとは異なり、H∞制御は最悪ケースの視点を取ります。すなわち、すべての周波数にわたる外乱の最大増幅を最小化するコントローラーを求めます。その中心的な考え方は、重み付けされた性能目標(例:外乱への感度、測定ノイズへの相補感度)を定義し、これらの重み付けされた応答すべてを所定のレベルγ(ガンマ)以下に抑えるコントローラーを解くことです。γ < 1 で解が存在する場合、コントローラーはシステムをロバストに安定化し、すべての性能仕様を同時に満たします。この最悪ケースの保証が、H∞制御を不確かで非線形、または外乱の影響を受けやすいシステムに対して強力なものにしています。
歴史学
Zamesは1980年代初頭に感度最小化問題を定式化し、H∞ノルムを導入して、ロバスト性に対する周波数領域の視点を提供しました。Francisは状態空間定式化(一般化プラント)で理論を拡張し、Doyleらはリカッティ方程式解法とLMI特性評価を提供しました。Zhouの教科書(1996年)は標準的な参考文献となりました。H∞制御は1990年代に航空宇宙、プロセス制御、自動車システムなどの分野で広く産業応用され、現代的なバリアントには混合感度H∞、構造化不確かさを持つH∞、分散H∞制御などがあります。
使うべき場面
モデルの不確かさやパラメータ変動に対して、確率的モデルを仮定せずに保証されたロバスト性が必須である場合にH∞制御を使用します。不確かな環境(航空宇宙、自動車、産業)で動作するシステム、外乱とノイズの統計が不明または非ガウスである場合、および最悪ケースの性能保証が必要な場合に理想的です。プラントの知識が正確である場合(LQRの方が単純な場合がある)や、設計で明示的な制約処理が必要な場合(代わりにMPCを使用)は避けてください。
限界と注意点
- 保守的なコントローラー設計になりがちです。最悪ケースの保証を追求すると、過度に慎重で鈍重な制御になる可能性があります。
- 重み関数の慎重な調整が必要です。重み選択が不適切だと、性能が最適でなくなります。
- 一般化プラントモデルの完全な知識を仮定します。構造化されていない不確かさや無視されたダイナミクスは、ロバスト性を低下させる可能性があります。
- ハード制約を明示的に処理しません。制約は、ペナルティ関数またはMPCを通じて組み込む必要があります。
- 非線形H∞制御(微分ゲーム)は計算がより困難で、収束の保証がありません。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 確率的モデルを仮定せずに、モデルの不確かさおよびパラメータ変動に対する保証されたロバスト性を提供します。
- ミニマックス定式化により、すべて外乱および周波数にわたる最悪ケースの性能保証が得られます。
- 重み付けを通じて、センサーおよびアクチュエーターの制約を明示的に処理する多変数設計を可能にします。
- LMIまたはリカッティ法を用いた凸解法が可能であり、数値解は信頼性が高く、十分にテストされています。
- 自然な周波数領域解釈を持ち、古典的な制御目標(ゲイン余裕、位相余裕)を重みとして容易に組み込むことができます。
応用
- 航空宇宙:モデル化されていないダイナミクスを持つ航空機のピッチ制御、パラメータ変動を許容するロバストオートパイロット設計。
- 自動車:負荷変動や路面外乱に鈍感なロバストサスペンション制御、不確かさ下でのエンジン管理。
- 電力システム:負荷変動や周波数偏差にロバストな発電機制御、マイクログリッド電圧安定化。
- プロセス制御:モデルの不一致や原料変動を許容する化学反応器制御、蒸留塔最適化。
- ロボット工学:接線摩擦の不確かさを持つマニピュレータ制御、センサーノイズや障害物にロバストな移動ロボットナビゲーション。
使い方
使い方
システム、外乱、測定ノイズチャネル、および重み付けされた性能目標(誤差チャネル)を含む一般化プラントモデルを定義します。
コントローラーを整形して、異なる周波数範囲での性能を優先させる(例:低周波外乱の除去、高周波ノイズの減衰)周波数依存の重み関数を選択します。
凸最適化(線形行列不等式、LMI)またはリカッティ方程式を使用してH∞最適化問題を解き、最悪ケースのゲイン(H∞ノルム)を最小化するコントローラーを見つけます。
達成されたγが1未満であることを検証し、ロバスト余裕(ゲイン余裕、位相余裕、パラメータ摂動に対する安定性)を確認します。
よくある落とし穴
- 物理的制約や性能仕様から導出するのではなく、重み関数を任意に選択すること。
- 重みの形状を不適切に設定すること(例:高周波数で過度に攻撃的)は、チャタリングや過剰な制御入力を招きます。
- 構造化されていない不確かさを無視し、すべての不確かさが構造化されていないと仮定すること。これにより、過度の保守性が生じます。
- 閉ループシステムが安定であり、γ < 1 が達成可能であることを検証し忘れること。実行不可能な設計は計算を無駄にします。
よくある質問
H∞ノルムとは何ですか?また、なぜそれがロバスト性にとって重要なのでしょうか?
システムのH∞ノルムは、すべての周波数にわたるピークゲイン(最大特異値)です。H∞ノルムを最小化することは、外乱の最大増幅を制限することを意味し、有界な外乱が有界な出力を生成することを保証します。これにより、ハードな保証が得られます。H∞ノルムがγ < 1 であれば、振幅が1未満の外乱は、周波数に関係なく、振幅がγ未満の出力を生成します。
重み関数をどのように選択しますか?
性能目標を周波数範囲で表現することから始めます。例えば、低周波(1-10 rad/s)の外乱は減衰させ、高周波(>1000 rad/s)の測定ノイズは許容できる、などです。感度(外乱に対する誤差応答)を整形するためにW1を、制御努力とノイズ応答を整形するためにW2を設計します。一次遅れまたは進みネットワークを使用し、閉ループのボード線図に基づいて反復します。
一般化プラントモデルは何を表しますか?
一般化プラントは、システム(G)、外乱/ノイズ入力(w)、制御出力(z)、制御入力(u)、および測定値(y)を含む行列表現です。これは、制御問題全体を捉えます。wは外乱とノイズを含み、zは性能目標(誤差、制御努力など)を含み、コントローラーはシステムを安定化しながらwからzへのゲインを最小化する必要があります。
H∞制御は非線形システムを扱えますか?
非線形H∞制御は微分ゲーム理論を使用し、著しく複雑です。非線形システムを線形化し、線形化されたモデルに対してH∞を設計する(小さな非線形性に対してロバスト)、またはゆっくり変動するパラメータを持つシステムに対してゲインスケジューリング(パラメータ依存H∞)を使用することができます。完全な非線形H∞は、一般に解析不能な非線形偏微分方程式(ハミルトン・ヤコビ不等式)を解く必要があります。
関連する手法
参考文献
Zames, G. (1981). Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverses. IEEE Transactions on Automatic Control, 26(2), 301-320.
DOI 文献を開くコピーしました。Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.
DOI 文献を開くコピーしました。Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.
出版物の文献を開くコピーしました。