[論文レビュー] Design and Implementation of Repetitive Control based Noncausal Zero-Phase Iterative Learning Control

Krishna Kalyanam, Tsu‐Chin Tsao|arXiv (Cornell University)|Aug 11, 2014

Iterative Learning Control Systems参考文献 28被引用数 4

ひとこと要約

本稿では、繰り返し制御の原則に基づき、対称的帯状トーペリッツ（SBT）学習利得行列を用いて安定で高速収束性を確保する、非因果的ゼロ位相の反復学習制御（ILC）スキームを提案する。この手法は、ILC設計を周波数領域のループシェーピングに翻訳し、データ長が無限大に近づく際、繰り返し制御の安定性に必要な標準的なH∞ノルム条件が、ILC収束に対しても十分かつ必要であることを証明する。

ABSTRACT

Discrete-time domain Iterative Learning Control (ILC) schemes inspired by Repetitive control algorithms are proposed and analyzed. The well known relation between a discrete-time plant (filter) and its Markov Toeplitz matrix representation has been exploited in previous ILC literature. However, this connection breaks down when the filters have noncausal components. In this paper we provide a formal representation and analysis that recover the connections between noncausal filters and Toeplitz matrices. This tool is then applied to translate the anti-causal zero-phase-error prototype repetitive control scheme to the design of a stable and fast converging ILC algorithm. The learning gain matrices are chosen such that the resulting state transition matrix has a extit{Symmetric Banded Toeplitz} (SBT) structure. It is shown that the well known sufficient condition for repetitive control closed loop stability based on a filter's frequency domain $H_\infty$ norm is also sufficient for ILC convergence and that the condition becomes necessary as the data length approaches infinity. Thus the ILC learning matrix design can be translated to repetitive control loop shaping filter design in the frequency domain.

研究の動機と目的

• 標準的な因果フィルタ解析では破綻する非因果フィルタとトーペリッツ行列の間の正式な接続が、ILCにおいて欠落しているという問題に対処する。
• 非因果ILC設計における不安定性と収束問題を克服するため、対称的帯状トーペリッツ（SBT）特性を持つ構造化された学習利得行列を導入する。
• 周波数領域におけるH∞安定性条件が有限長ILCに適用可能であることを示し、繰り返し制御のループシェーピングとILC収束の間の厳密な関係を確立する。
• 非最小位相および高相対次数系に対して、モノトニック収束を可能にするために、ゼロ位相で非因果的なフィルタリング原理を用いる。
• 二段階高速工具サーボシステム上で実装を検証した実用的フレームワークを提供する。実世界への適用可能性を示す。

提案手法

• 非因果フィルタの正式な表現を、対称的帯状構造を持つリフトドメイン定式化を導入することで、トーペリッツ行列に統合する。
• サイクル間状態遷移行列が対称的帯状トーペリッツ（SBT）行列となるように、学習利得行列を設計する。
• マコフ-トーペリッツ行列表現を用いて、非因果設定下でも可換性と安定性解析ツールを保持する。
• 繰り返し制御理論で知られているH∞ノルム条件を、ILC収束の十分条件として適用する。
• データ長が無限大に近づく際、H∞条件がILC収束に対して必要かつ十分であることを証明する。
• 状態遷移行列Aの行列要素に対して明示的な式を導出し、定義された条件下でSBT構造が維持されることを示す。

実験結果

リサーチクエスチョン

• RQ1 標準的なトーペリッツ行列表現が失敗する状況において、非因果フィルタをILCフレームワーク内で正式に表現する方法は何か？
• RQ2 学習利得行列が示すどのような構造的性質が、非因果設定下での安定で高速収束性を保証するか？
• RQ3 繰り返し制御の安定性に必要な周波数領域におけるH∞ノルム条件は、有限長ILCシステムにどの程度適用可能か？
• RQ4 H∞条件がILC収束に対して必要かつ十分となる条件は何か？
• RQ5 非因果的ゼロ位相ILCの設計を、周波数領域における繰り返し制御のループシェーピングに体系的かつ一貫して翻訳できるか？

主な発見

• 提案されたILCスキームは、状態遷移行列が対称的帯状トーペリッツ（SBT）構造を有することにより、安定で高速収束を達成する。
• 繰り返し制御から得られるH∞ノルム条件は、ILC収束に対して十分であることが証明され、データ長が無限大に近づくと必要条件にもなる。
• 状態遷移行列Aの行列要素に対して明示的な式を導出し、定義された条件下でSBT構造が維持されることを示した。
• 非因果的・ゼロ位相フィルタリングを活用することで、非最小位相系および高相対次数系に対しても効果的な学習が可能になる。
• 理論的枠組みは、二段階高速工具サーボシステムへの成功した実装を通じて検証され、実用的妥当性が示された。
• ILC設計と繰り返し制御のループシェーピングとの間の関係が正式に確立され、周波数領域におけるフィルタ設計が直接的にILC利得選定に反映可能になった。