Skip to content
検索結果に戻る

線形二次制御器

提唱者
Rudolf Kalman
年
1960
種類
algorithm
系統
Optimal 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

文字サイズ

何をする手法か?

線形二次制御器(LQR)は、線形力学系に対する二次形式のコスト関数を最小化する線形フィードバック則を計算する古典的な最適制御アルゴリズムである。1960年にカルマンによって導入されたLQRは、線形システムに対して証明可能な最適解、閉形式解を提供し、その理論的な洗練さと計算効率から、制御理論、ロボット工学、航空宇宙工学の応用において依然として基本的である。

手法の背後にある直感

LQRは、線形システムをゼロに収束させる(または目標値を追従させる)問題を、状態からの偏差と制御入力の大きさをペナルティとして課しながら解決する。その鍵となる洞察は、二次形式のコストを持つ線形システムでは、最適な制御則は現在の状態に対して線形であるということである:u = −Kx、ここでKはオフラインで計算されるフィードバックゲイン行列である。このアルゴリズムは、まず後向き時間のリッカチ微分方程式(定常状態の場合は代数リッカチ方程式)を解いて最適な残余コスト関数を求め、次に線形フィードバックゲインを導出する。これにより、ゲインのオフライン計算とオンライン制御が分離され、非常に高速なリアルタイム実装が可能になる。

歴史学

1960年のカルマンの論文は、線形二次最適制御問題とそのリッカチ方程式による解を導入した。1960年代後半にブライソンとホーが理論を拡張し、1969年に画期的な教科書を出版した。離散時間版は、同じ時代にカルマンらによって開発され、デジタル実装を可能にした。LQRはその後、現代制御理論の基礎となり、確率システム(線形二次ガウス、LQG)や非線形システム(微分ゲーム、NMPC)への拡張が行われている。

使うべき場面

システムが線形(または線形化によってよく近似できる)であり、目的が状態誤差と制御努力を自然に組み合わせ、証明可能な最適解と高速計算が必要な場合にLQRを使用する。LQRは、倒立振子の安定化、航空機の姿勢制御、宇宙船の軌道最適化などの問題に優れている。ハード制約を持つシステム(代わりにMPCを使用)や強く非線形なダイナミクスにはあまり適していない。

限界と注意点

  • 線形システムに限定される。実際のシステムはしばしば非線形であり、線形化が必要である。
  • 状態または入力に対するハード制約を明示的に扱わない。二次形式のペナルティはソフト制約にすぎない。
  • コスト関数設計(QとRの選択)には、工学的な判断と調整が必要である。
  • カルマンゲインのロバスト性特性はモデルが正確であることを仮定している。モデルの不一致は性能を低下させる。

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

  • 線形システムと二次形式コストに対する証明可能な最適フィードバック則を提供する。
  • ゲインのオフライン計算。オンライン制御は行列ベクトル積(非常に高速)にすぎない。
  • ゲイン余裕と位相余裕の保証。固有のロバスト性特性(出力における無限のゲイン余裕)。
  • 計算が容易。多くの数値アルゴリズムが利用可能(シュール分解、固有値法)。
  • 多変数システムを自然に扱い、制御設計をセンサーやアクチュエーターの制約から分離する。

応用

  • 航空宇宙:航空機および宇宙船の姿勢制御、火星探査車および月着陸船の軌道最適化。
  • ロボット工学:二足歩行ロボットのバランス制御、マニピュレータアームの軌道追従、クアッドロータードローンの安定化。
  • 製造:精密機器(CNC工作機械)のモーション制御、機械システムにおける振動減衰。
  • エネルギーシステム:電力網の周波数と電圧の安定化、マイクログリッドにおける発電機制御の最適化。
  • 自動車:車両のサスペンション制御、トラクション制御、ステアリングアシスト。

使い方

使い方

1

線形システムのダイナミクス(A、B行列)、予測ホライズン、および二次形式のコスト行列(状態用Q、入力用R)を定義する。

2

連続時間または離散時間の代数リッカチ方程式を解き、対称正定値解行列Pを得る。

3

リッカチ解を用いて、最適なフィードバックゲイン行列K = R^(-1) * B^T * Pを計算する。

4

各制御ステップで、線形フィードバック則u(t) = −K x(t)をシステムに適用する。

よくある落とし穴

  • 不安定な平衡点または時間変化する目標値の周りで線形化すると、LQR解が無効になる可能性がある。
  • QとRの重みを物理的な意味を理解せずに任意に設定すると、制御性能が悪化する。
  • LQRがオフライン計算であることを忘れる。Q、R、またはシステムパラメータの変更は、リッカチ方程式の再解釈を必要とする。

よくある質問

QとRの重み行列をどのように選択しますか?

体系的なアプローチは、Qを各対角成分が1/max_allowed_state_i^2に比例する対角行列とし、Rを1/max_allowed_input_i^2に比例させることから始める。その後、経験的に調整する:状態の規制を厳しくするためにQを増加させ、制御努力を減らすためにRを増加させる。これらの重みを調整すると、オーバーシュートと整定時間の間のトレードオフが現れる。

代数リッカチ方程式とは何ですか?なぜ重要ですか?

代数リッカチ方程式(ARE)は、無限ホライズンLQR問題を解く際に生じる行列二次方程式である。その解Pは、任意の状態からの最適な残余コストをエンコードする。AREの解はLQRの計算上のボトルネックである。現代のアルゴリズム(例:シュール分解経由)は、状態次元をnとしてO(n^3)の時間でこれを実行する。

LQRは時間変化するシステムを扱えますか?

はい、時間変化LQRは微分リッカチ方程式(DRE)を時間逆向きに解く。しかし、これには常微分方程式を解く必要があり、定常状態の場合よりも計算コストが高い。時間変化LQRは、軌道追従やパラメータがゆっくり変化するシステムに有用である。

LQRはなぜ保証されたロバスト性余裕を持つのか?

LQRの最適なフィードバック則は、無限のゲイン余裕(出力における任意の乗法的誤差を許容する)と50%の位相余裕を保証する。これらの安定性余裕は、最適な解の構造から得られ、PIDや他のヒューリスティックコントローラーとは異なり、別途確認する必要はない。

関連する手法

参考文献

  1. Kalman, R. E. (1960). Contributions to the theory of optimal control. Boletin de la Sociedad Matematica Mexicana, 5(2), 102-119.

    出版物の文献を開く
    コピーしました。
  2. Bryson, A. E., & Ho, Y. C. (1969). Applied Optimal Control: Optimization, Estimation and Control. Blaisdell Publishing.

    出版物の文献を開く
    コピーしました。
  3. Lewis, F. L., Vrabie, D., & Syrmos, V. L. (2012). Optimal Control (3rd ed.). John Wiley & Sons.

    DOI 文献を開く
    コピーしました。