Skip to content
検索結果に戻る

モデル予測制御

提唱者
Jacques Richalet
年
1978
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?

モデル予測制御(MPC)は、有限ホライズンにわたって将来のシステム挙動を予測するために明示的なプロセスモデルを使用し、各制御ステップで最適化問題を解く高度な制御戦略である。1978年にRichaletらによって初めて形式化されたMPCは、制約を自然に扱い、複数の目的を同時に最適化できるため、化学プラントから自律走行車に至るまで、プロセス制御産業における主要なアプローチとなっている。

手法の背後にある直感

MPCの核心的な考え方は、システムの数学的モデルを使用して複数の可能な将来シナリオをシミュレーションし、運用上の制約を尊重しながらシステムを望ましい設定値に近づけるための最良の制御アクションを計算することである。各サンプリング時間において、アルゴリズムは将来のホライズンにわたってシステム出力を予測し、コスト関数を最小化する制御入力シーケンスを見つけるための最適化問題を解き、最初の制御アクションのみを適用し、そして新しい測定値でプロセスを繰り返す。この予測、最適化、アクション、測定、繰り返しのフィードバックメカニズムにより、MPCは物理的および運用上の限界を明示的に考慮しながら、外乱やモデルの不確かさに対してロバストになる。

歴史学

Richaletは1978年に産業プロセス向けのヒューリスティックモデル予測制御(HMPC)として概念を導入した。Garciaらは1989年に包括的な理論的枠組みを提供し、動的計画法および安定性理論との関連を確立した。Mayneらは2000年に制約付きMPCおよび安定性条件を形式化した。以来、この分野は非線形MPC(NMPC)、明示的MPC(事前に計算された制御則)、および組み込みシステムでのリアルタイム実装を可能にする高速最適化アルゴリズムに拡大した。

使うべき場面

制約(例:バルブ制限、安全境界)を明示的に処理する必要がある場合、複数の相関変数(多変数制御)を管理する必要がある場合、または外乱や非線形性が重要な場合にMPCを使用する。計算時間がリアルタイム最適化を可能にする、ダイナミクスが遅いから中程度のシステムに最も効果的である。典型的なアプリケーションには、化学プロセス制御、HVACシステム、発電所、自律走行が含まれる。マイクロ秒制御レートを必要とするシステムや、高忠実度のプロセスモデルが入手できない場合は、MPCを避ける。

限界と注意点

  • 計算コストが高い。各ステップでの最適化問題の解決は、非常に高速なシステムでは実行不可能になる可能性がある。
  • 正確なプロセスモデルが必要。モデルの精度が低いと、パフォーマンスが大幅に低下する。
  • 非線形MPCは非凸であり、局所的最小値にはまる可能性がある。
  • 特に制約付き問題の場合、安定性と実行可能性の保証は単純ではない。

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

  • 明示的な最適化を通じて、入力と状態の制約を自然に処理する。
  • 複数の入力と出力を自動的に調整する、多変数制御を提供する。
  • 後退ホライズンフィードバックループにより、外乱やモデルの不一致に対してロバストである。
  • 将来の参照軌道または設定値の変更を組み込むことができる。
  • 従来のPIDチューニングと比較して、チューニングが容易(コスト関数の重み付け)。

応用

  • 化学プロセス制御:安全制約を尊重しながら、反応器や蒸留塔の温度、圧力、流量を最適化する。
  • 自律走行車:道路制約を尊重し、障害物を回避しながら、所望の軌道を追従するために、加速、操舵、減速を管理する。
  • 電力網管理:需要と供給のバランスを取り、発電スケジューリングと電圧安定性をローリング予測ホライズンで制御する。
  • 建物のHVACシステム:エネルギー消費を最小化しながら、快適性設定値を維持するために、暖房、冷房、換気を調整する。
  • ロボットの経路計画:アクチュエータの制限と衝突制約を尊重する、滑らかで実行可能な軌道を計算する。

使い方

使い方

1

予測ホライズン(通常、先行10〜100ステップ)にわたって将来の出力を予測するために、システムモデルと現在の状態を使用する。

2

追跡誤差と制御努力を最小化し、入力と状態の境界を尊重する最適な入力シーケンスを見つけるために、制約付き最適化問題を定式化し、解く。

3

最適化されたシーケンスから最初の制御入力のみをプロセスに実装する。

4

新しいシステム状態を測定し、予測を更新し、次のサンプリング時間で全体のサイクルを繰り返す。

よくある落とし穴

  • 予測ホライズンを短すぎると近視眼的で最適でない制御につながり、長すぎると計算が増加する。
  • コスト関数(例:誤差と制御努力の重み付け)のチューニングに失敗すると、応答が鈍いまたは攻撃的になる。
  • システムダイナミクスを捉えられない、単純すぎる、または不正確なモデルを使用すると、実際のパフォーマンスが悪くなる。

よくある質問

後退ホライズン原理とは何か、そしてなぜそれが重要なのか?

後退ホライズン原理とは、有限の将来ウィンドウにわたって最適化問題を解き、最初の制御アクションのみを適用し、その後ウィンドウを前方にシフトすることを意味する。このメカニズムは、各ステップで誤差や外乱を修正するフィードバックループを作成し、モデルが完璧でなくてもMPCをロバストにする。

予測ホライズン長をどのように選択するか?

経験則として、予測ホライズンをシステムの支配的な時定数の定常時間の3〜5倍に設定する。短すぎると近視眼的な動作につながり、長すぎると追加の利点なしに計算が増加し、実行不可能性を引き起こす可能性がある。経験的なチューニングや開ループ応答分析が役立つ。

MPCは非線形システムを扱えるか?

はい、非線形MPC(NMPC)は非線形システムモデルを扱うことができる。しかし、最適化は非凸になり、より遅く、局所的最小値に収束する可能性がある反復ソルバーが必要になる。名目上の軌道の周りの線形化や近似法が、計算時間を削減するためにしばしば使用される。

MPCの実装に利用できるソフトウェアツールは?

一般的なツールには、MATLAB Model Predictive Control Toolbox、Simulink、CasADi(最適化用)などのオープンソースパッケージ、およびEMSOやgPromsなどの商用プラットフォームが含まれる。組み込みシステムの場合、ACADOなどのライブラリや高速二次計画ソルバー(例:qpOASES)がリアルタイム実装を可能にする。

関連する手法

参考文献

  1. Richalet, J., Rault, A., Testud, J., & Papon, J. (1978). Model predictive heuristic control. Automatica, 14(5), 413-428.

    DOI 文献を開く
    コピーしました。
  2. Garcia, C. E., Prett, D. M., & Morari, M. (1989). Model predictive control: Theory and practice. Automatica, 25(3), 335-348.

    DOI 文献を開く
    コピーしました。
  3. Mayne, D. Q., Rawlings, J. B., Rao, C. V., & Scokaert, P. O. (2000). Constrained model predictive control: Stability and optimality. Automatica, 36(6), 789-814.

    DOI 文献を開く
    コピーしました。