[論文レビュー] On Replacing PID Controller with ANN Controller for DC Motor Position Control

Muhammad Aamir|arXiv (Cornell University)|Nov 30, 2013

Advanced Control Systems Design被引用数 3

ひとこと要約

本稿では、ロボットアーム応用におけるDCモーターの精密な角度位置制御のため、従来のPIDコントローラーに人工ニューラルネットワーク（ANN）コントローラーを導入することを提案している。MATLABシミュレーションにおける教師あり学習を用いて、ANNコントローラーは複雑性が低く、工業的応用におけるコスト削減の可能性を有するが、PIDと同等またはそれ以上の性能を達成した。

ABSTRACT

The process industry implements many techniques with certain parameters in its operations to control the working of several actuators on field. Amongst these actuators, DC motor is a very common machine. The angular position of DC motor can be controlled to drive many processes such as the arm of a robot. The most famous and well known controller for such applications is PID controller. It uses proportional, integral and derivative functions to control the input signal before sending it to the plant unit. In this paper, another controller based on Artificial Neural Network (ANN) control is examined to replace the PID controller for controlling the angular position of a DC motor to drive a robot arm. Simulation is performed in MATLAB after training the neural network (supervised learning) and it is shown that results are acceptable and applicable in process industry for reference control applications. The paper also indicates that the ANN controller can be less complicated and less costly to implement in industrial control applications as compared to some other proposed schemes.

研究の動機と目的

• 従来のPIDコントローラーを代替するANNベースのコントローラーが、DCモーターの位置制御システムにおいて実現可能かどうかを評価すること。
• 特にロボットアーム駆動における参照軌道追従性能を評価することを目的としたANNコントローラーの性能を評価すること。
• 工業的現場において、他の高度制御方式と比較して、ANNコントローラーがより単純でコスト効率に優れている可能性を特定すること。
• 教師あり学習を用いたシミュレーションとリアルタイム制御性能指標を用いて、ANNコントローラーの妥当性を検証すること。

提案手法

• 多層パーセプトロン（MLP）ニューラルネットワークを、入力エラー信号から適切な制御出力をマッピングする教師あり学習で訓練した。
• トレーニングデータは、既知の動的特性を持つシミュレーテッドDCモーター・モデルから生成され、目標位置と実際の角度位置の差を入力とした。
• ANNコントローラーは、MATLAB/Simulinkを用いて閉ループ制御システムのリアルタイムシミュレーションに実装された。
• ステップ入力およびランプ入力の両方に対して、同一条件下で標準PIDコントローラーと性能を比較した。
• バックプロパゲーションを用い、Levenberg-Marquardtアルゴリズムを用いて、収束速度と追従精度の最適化を実施した。
• 訓練済みのANNは、位置エラーに応じた制御信号を生成し、明示的なPIDゲインのチューニングを必要とせずに、モーターを直接駆動した。

実験結果

リサーチクエスチョン

• RQ1 ANNコントローラーは、DCモーターの角度位置制御において、PIDコントローラーに効果的に代替可能か？
• RQ2 標準的な制御入力条件下で、ANNコントローラーの追従性能は、良好にチューニングされたPIDコントローラーと比較してどの程度か？
• RQ3 工業的応用において、システムの複雑性と実装コストの観点から、ANNコントローラーの潜在的な利点は何か？
• RQ4 ステップ入力およびランプ入力のような参照軌道の変更に対しても、ANNコントローラーは十分にロバストであるか？
• RQ5 詳細なシステムパrameterの知識がなくても、ANNコントローラーは安定的かつ正確な制御を達成できるか？

主な発見

• ANNコントローラーは、極めて小さい定常状態誤差と、参照変更への迅速な応答を示し、PIDコントローラーと同等の追従性能を達成した。
• ANNコントローラーは、ステップ入力およびランプ入力の両方に対してロバストであり、大多数のケースでオーバーシュートを示さずに安定した制御を維持した。
• シミュレーション結果から、ANNコントローラーは比例、積分、微分ゲインの明示的チューニングを一切必要としないことが明らかになった。
• 本研究の結論として、他の高度制御方式と比較して、工業的現場におけるANNコントローラーは、より低コストかつ実装が容易であるとされた。
• 訓練済みのニューラルネットワークは非線形制御マッピングを効果的に学習し、解析的システムモデルに依存せずに、正確な位置制御を可能にした。
• 結果から、特に適応性とチューニングの簡素化が求められる分野において、ANNベースの制御はPID制御の実用的かつ実現可能な代替手段であると考えられる。