JP7765041B2

JP7765041B2 - Characteristic value estimation device and characteristic value estimation method

Info

Publication number: JP7765041B2
Application number: JP2022009690A
Authority: JP
Inventors: 陽二増井; 伸昌後; 直樹内山
Original assignee: Toyohashi University of Technology NUC; Sinfonia Technology Co Ltd
Current assignee: Toyohashi University of Technology NUC; Sinfonia Technology Co Ltd
Priority date: 2022-01-25
Filing date: 2022-01-25
Publication date: 2025-11-06
Anticipated expiration: 2042-01-25
Also published as: JP2023108526A

Description

本発明は、制御対象の特性値を推定する特性値推定装置及び特性値推定方法に関する。 The present invention relates to a characteristic value estimation device and a characteristic value estimation method for estimating characteristic values of a controlled object.

モータ（ダイナモ、動力計）から供試体（駆動モータ、エンジン、トランスミッション等の動力系）に負荷を与えて、供試体の評価試験を行う自動車試験装置において、モータ、モータの負荷となる供試体及びトルク検出器などが軸結合される動力伝達系では、各々の結合軸に生じるねじり振動が問題となっている。その解決手法の一つとして、外乱オブザーバなどを、前記自動車試験装置に適用することが考えられている。 In automotive testing equipment, which applies a load from a motor (dynamo, dynamometer) to a test specimen (power system such as a drive motor, engine, or transmission) to conduct evaluation tests on the test specimen, torsional vibrations occurring on each connecting shaft in the power transmission system, in which the motor, the test specimen (which acts as the motor's load), and the torque detector are connected to each other via shafts, are a problem. One approach to solving this problem is to apply a disturbance observer or similar to the automotive testing equipment.

また、制御対象の課題解決を模索する手法として、シミュレーションを用いて制御対象を解析する方法が知られている。このような手法の場合には、前記制御対象の特性値を、シミュレーションに反映させる必要がある。 Another known method for solving problems with controlled objects is to analyze the controlled object using simulation. In this type of method, the characteristic values of the controlled object must be reflected in the simulation.

上述のいずれの場合でも、制御対象の特性値を推定する必要がある。このように、制御の分野では、制御対象の特性値を推定することが求められている。このような制御対象の特性値の推定方法として、例えば特許文献１に開示されるパラメータ同定装置が知られている。 In either of the above cases, it is necessary to estimate the characteristic values of the controlled object. Thus, in the field of control, there is a demand for estimating the characteristic values of controlled objects. A known method for estimating such characteristic values of controlled objects is the parameter identification device disclosed in Patent Document 1, for example.

前記特許文献１のパラメータ同定装置では、２慣性系モデルのモデルパラメータを同定する。詳しくは、前記パラメータ同定装置は、モータに対するトルク指令と、前記モータの角度及び角速度の実測値と、負荷の角度及び角速度の実測値と、に基づいて複数の位相面図を生成し、該位相面図に基づいて、前記モータの慣性、粘性、摩擦、前記負荷の慣性、粘性、摩擦、前記モータと前記負荷とを連結する連結部材の剛性、及び、前記連結部材の不感帯幅を示すモデルパラメータを同定する。 The parameter identification device in Patent Document 1 identifies model parameters for a two-inertia system model. Specifically, the parameter identification device generates multiple phase plane diagrams based on a torque command for a motor, actual measured values of the motor's angle and angular velocity, and actual measured values of the load's angle and angular velocity. Based on the phase plane diagrams, the device identifies model parameters that indicate the inertia, viscosity, and friction of the motor, the inertia, viscosity, and friction of the load, the stiffness of the connecting member connecting the motor and the load, and the dead zone width of the connecting member.

また、制御対象の特性値を推定する方法として、演算プログラムを用いて時系列データにフィッティングする数式等を求めることにより、特性値を推定する方法もある。 Another method for estimating the characteristic values of a controlled object is to use a calculation program to find a formula that fits to time-series data.

特許第６７５６６５３号公報Patent No. 6756653

ところで、前記特許文献１のパラメータ同定装置では、２慣性系モデルを対象としているとともに、モータ及び負荷のそれぞれの角速度を実測する必要がある。そのため、前記特許文献１のパラメータ同定装置を用いて、多慣性系の場合でも制御対象の特性値を推定できるようにしようとすると、前記パラメータ同定装置のアルゴリズムを大幅に変更する必要があるとともに、前記角速度を実測するためのセンサが多数必要になる。 However, the parameter identification device in Patent Document 1 targets a two-inertia system model and requires actual measurement of the angular velocities of both the motor and the load. Therefore, if an attempt is made to use the parameter identification device in Patent Document 1 to estimate the characteristic values of the controlled object even in the case of a multi-inertia system, it would be necessary to significantly modify the algorithm of the parameter identification device and require a large number of sensors to actually measure the angular velocities.

また、時系列データにフィッティングする数式等を求めて特性値を推定する手法も、演算に時間を要するとともに、時系列データに数式等を精度良くフィッティングさせることができる特性値を容易に推定することは難しい。 In addition, methods that estimate characteristic values by finding a formula that fits time-series data require time for calculations, and it is difficult to easily estimate characteristic values that allow a formula to fit time-series data with high accuracy.

本発明の目的は、制御対象の特性値を容易に推定可能な特性値推定装置及び特性値推定方法を提供することにある。 The object of the present invention is to provide a characteristic value estimation device and a characteristic value estimation method that can easily estimate the characteristic values of a controlled object.

本発明の一実施形態に係る特性値推定装置は、制御対象の特性値を推定する装置である。この特性値推定装置は、前記制御対象の周波数特性から、所定の周波数における前記制御対象の第１特徴値を求める第１特徴値取得部と、前記第１特徴値に影響を与える変数を含む状態方程式を用いて、前記所定の周波数において前記変数を探索領域内で変化させた場合の前記制御対象の第２特徴値を算出する第２特徴値算出部と、前記変数を前記探索領域内で変化させることにより、前記第２特徴値算出部によって算出される前記第２特徴値を変更して、前記第１特徴値と前記第２特徴値との関係式である評価関数の前記探索領域における最適解を求める最適化処理部と、前記最適化処理部によって最適解が求められるときの前記変数を、前記特性値と推定する推定部と、を有する（第１の構成）。 A characteristic value estimation device according to one embodiment of the present invention is a device for estimating a characteristic value of a controlled object. This characteristic value estimation device includes: a first characteristic value acquisition unit that calculates a first characteristic value of the controlled object at a predetermined frequency from the frequency characteristics of the controlled object; a second characteristic value calculation unit that calculates a second characteristic value of the controlled object when a variable that affects the first characteristic value is varied within a search region at the predetermined frequency using a state equation including the variable; an optimization processing unit that changes the second characteristic value calculated by the second characteristic value calculation unit by varying the variable within the search region to obtain an optimal solution within the search region of an evaluation function that is a relational expression between the first characteristic value and the second characteristic value; and an estimation unit that estimates the variable when the optimal solution is obtained by the optimization processing unit as the characteristic value (first configuration).

これにより、制御対象の特徴値を求める状態方程式の変数を探索領域内で変更して、評価関数の最適解を求め、その最適解が求められるときの変数を前記制御対象の特性値と推定することができる。前記評価関数は、前記制御対象の周波数特性から求められる第１特徴値と、前記探索領域内で変更された前記変数と状態方程式とを用いて算出される第２特徴値との関係式であるため、前記評価関数の最適解を求めることにより、前記特性値を容易に推定することができる。 This allows the variables of the state equation that determines the characteristic value of the controlled object to be changed within the search region to find the optimal solution of the evaluation function, and the variables at which this optimal solution is found to be estimated as the characteristic value of the controlled object. Because the evaluation function is a relational expression between the first characteristic value determined from the frequency characteristics of the controlled object and the second characteristic value calculated using the variables changed within the search region and the state equation, the characteristic value can be easily estimated by finding the optimal solution of the evaluation function.

ところで、一般的に行われている時間応答のフィッティングや周波数応答のフィッティングの場合には、各測定値に対してデータをフィッティングさせる必要がある。そのため、フィッティングの精度は、データ量の影響を受ける。よって、前記時間応答のフィッティングや周波数応答のフィッティングでは、精度良くフィッティングするために、多くの測定点に対してデータをフィッティングさせる必要があり、装置の演算負荷が大きかった。 However, when fitting time responses or frequency responses, which are commonly performed, it is necessary to fit data for each measurement value. As a result, the accuracy of the fitting is affected by the amount of data. Therefore, when fitting time responses or frequency responses, in order to achieve accurate fitting, it is necessary to fit data for many measurement points, which places a heavy computational load on the device.

これに対し、上述の構成では、前記第１特徴値及び前記第２特徴値を用いて前記評価関数によって最適化するため、データの演算処理を大幅に減らすことができる。 In contrast, the above-described configuration uses the first feature value and the second feature value to perform optimization using the evaluation function, thereby significantly reducing the amount of data calculation processing.

よって、従来のように時系列データ等に対してフィッティングする特性値を求める場合に比べて、装置の演算処理を軽減することができる。 This reduces the amount of calculation required by the device compared to conventional methods of finding characteristic values that fit time-series data, etc.

したがって、上述の構成により、制御対象の特性値を容易に推定可能な特性値推定装置が得られる。 Therefore, the above-described configuration provides a characteristic value estimation device that can easily estimate the characteristic value of a controlled object.

前記第１の構成において、前記評価関数は、前記第１特徴値と前記第２特徴値との差の平方を含む関係式である。前記最適化処理部は、前記第１特徴値と前記第２特徴値との差の平方が最小の場合の前記評価関数の値を、前記最適解として求める（第２の構成）。 In the first configuration, the evaluation function is a relational expression that includes the square of the difference between the first feature value and the second feature value. The optimization processing unit determines, as the optimal solution, the value of the evaluation function when the square of the difference between the first feature value and the second feature value is minimum (second configuration).

これにより、前記第１の構成において、第１特徴値と第２特徴値との関係式である評価関数を実現できる。しかも、前記第１特徴値と前記第２特徴値との差を平方することにより、前記第１特徴値及び前記第２特徴値の大小に関係なく、それらの差を求めることができる。最適化処理部は、前記第１特徴値と前記第２特徴値との差の平方が最小の場合の評価関数の値を、評価関数の最適解とするため、前記最適解を容易に求めることができる。 This makes it possible to realize an evaluation function, which is a relational expression between the first feature value and the second feature value, in the first configuration. Furthermore, by squaring the difference between the first feature value and the second feature value, the difference between the first feature value and the second feature value can be determined regardless of their magnitude. The optimization processing unit determines the value of the evaluation function when the square of the difference between the first feature value and the second feature value is smallest as the optimal solution of the evaluation function, making it easy to determine the optimal solution.

前記第１または第２の構成において、前記第１特徴値及び前記第２特徴値は、それぞれ、少なくともゲインを含む（第３の構成）。 In the first or second configuration, the first characteristic value and the second characteristic value each include at least a gain (third configuration).

これにより、振動周波数及びゲインを用いて、制御対象におけるばね定数などの特性値を求めることができる。 This allows characteristic values such as the spring constant of the controlled object to be calculated using the vibration frequency and gain.

前記第１から第３の構成のうちいずれか一つの構成において、前記探索領域は、複数の局所領域からなる。前記最適化処理部は、前記複数の局所領域において、それぞれ、前記状態方程式の前記変数を変化させることにより、前記第２特徴値算出部によって算出される前記第２特徴値を変更して、前記評価関数の最適解を得る局所領域最適化処理部と、前記局所領域最適化処理部によって各局所領域において得られた前記評価関数の最適解のうち最適な解を、前記探索領域における前記評価関数の最適解とする最適解選択部と、を有する（第４の構成）。 In any one of the first to third configurations, the search region consists of multiple local regions. The optimization processing unit includes a local region optimization processing unit that changes the variables of the state equation in each of the multiple local regions to change the second feature value calculated by the second feature value calculation unit and obtain an optimal solution of the evaluation function, and an optimal solution selection unit that selects the optimal solution of the evaluation function obtained in each local region by the local region optimization processing unit as the optimal solution of the evaluation function in the search region (fourth configuration).

これにより、変数の探索領域が複数に分割されることによって得られる局所領域において、それぞれ、評価関数の最適解を求めることができる。そして、各局所領域における最適解の中から、前記探索領域において最適な解を求めることにより、局所的な最適解ではなく、前記探索領域の全体における最適解を求めることができる。よって、前記探索領域における評価関数の最適解を精度良く求めることができる。したがって、制御対象の特性値を精度良く求めることができる。 This allows the optimal solution of the evaluation function to be found in each local region obtained by dividing the search region for variables into multiple regions. Then, by finding the optimal solution for the search region from the optimal solutions in each local region, it is possible to find the optimal solution for the entire search region, rather than just a local optimal solution. Therefore, the optimal solution of the evaluation function in the search region can be found with high accuracy. Therefore, the characteristic values of the controlled object can be found with high accuracy.

しかも、上述の構成により、前記探索領域が広くても前記特性値を推定できるため、前記探索領域の範囲を調整せずに且つ局所解を求めることなく、前記特性値を精度良く求めることができる。 Furthermore, with the above configuration, the characteristic value can be estimated even if the search region is large, so the characteristic value can be determined with high accuracy without adjusting the range of the search region or finding a local solution.

一方、変数の探索領域を複数に分割しない場合には、局所解を求める可能性が高いため、前記探索領域を試行錯誤して変更する必要がある。また、最適化の繰り返し回数を増やすことや評価関数の収束評価の判断値を厳しくすることにより、局所解の算出を回避することが考えられるものの、演算に時間を要する。これに対して、上述の構成のように探索領域を複数の局所領域に分割することにより、試行錯誤や収束評価の判断値変更を行うことなく、最適解を求めることが可能となる。よって、上述のように前記探索領域を複数に分割して各局所領域で評価関数の最適解を求めることにより、特性値推定装置の演算負荷を軽減することができる。 On the other hand, if the search region for variables is not divided into multiple regions, there is a high possibility of finding a local solution, making it necessary to change the search region through trial and error. It is possible to avoid calculating a local solution by increasing the number of optimization iterations or tightening the criteria for evaluating the convergence of the evaluation function, but this requires time for calculation. In contrast, by dividing the search region into multiple local regions as in the above configuration, it is possible to find an optimal solution without trial and error or changing the criteria for evaluating the convergence. Therefore, by dividing the search region into multiple regions as described above and finding an optimal solution for the evaluation function in each local region, the calculation load on the characteristic value estimation device can be reduced.

本発明の一実施形態に係る特性値推定方法は、制御対象の特性値を推定する方法である。この特性値推定方法は、前記制御対象の周波数特性から、所定の周波数における前記制御対象の第１特徴値を求める第１特徴値取得工程と、前記第１特徴値に影響を与える変数を含む状態方程式を用いて、前記所定の周波数において前記変数を探索領域内で変化させた場合の前記制御対象の第２特徴値を算出して、前記第１特徴値と前記第２特徴値との関係式である評価関数の前記探索領域における最適解を求める最適化処理工程と、前記最適化処理工程で最適解が求められたときの前記変数を、前記特性値と推定する推定工程と、を有する（第１の方法）。 A characteristic value estimation method according to one embodiment of the present invention is a method for estimating a characteristic value of a controlled object. This characteristic value estimation method includes a first characteristic value acquisition step of determining a first characteristic value of the controlled object at a predetermined frequency from the frequency characteristics of the controlled object; an optimization processing step of calculating a second characteristic value of the controlled object when a variable that affects the first characteristic value is varied within a search region at the predetermined frequency using a state equation including a variable that affects the first characteristic value, thereby determining an optimal solution in the search region of an evaluation function that is a relational expression between the first characteristic value and the second characteristic value; and an estimation step of estimating the variable when the optimal solution is determined in the optimization processing step as the characteristic value (first method).

これにより、制御対象の特徴値を求める状態方程式の変数を探索領域内で変化させて、評価関数の最適解を求め、その最適解が求められるときの変数を前記制御対象の特性値と推定することができる。前記評価関数は、前記制御対象の周波数特性から求められる第１特徴値と、前記探索領域内で変更された前記変数と状態方程式とを用いて算出される第２特徴値との関係式であるため、前記評価関数の最適解を求めることにより、前記特性値を容易に推定することができる。 This allows the variables of the state equation that determines the characteristic value of the controlled object to be changed within the search region to find the optimal solution of the evaluation function, and the variables at which this optimal solution is found to be estimated as the characteristic value of the controlled object. Because the evaluation function is a relational expression between the first characteristic value determined from the frequency characteristics of the controlled object and the second characteristic value calculated using the variables changed within the search region and the state equation, the characteristic value can be easily estimated by finding the optimal solution of the evaluation function.

したがって、制御対象の特性値を容易に推定可能な特性値推定方法を実現することができる。 This makes it possible to realize a characteristic value estimation method that can easily estimate the characteristic values of a controlled object.

本発明の一実施形態に係る特性値推定装置及び特性値推定方法は、制御対象の周波数特性から、所定の周波数における前記制御対象の第１特徴値を求め、前記所定の周波数において前記第１特徴値に影響を与える変数を探索領域内で変化させることにより第２特徴値を変更して、前記第１特徴値と前記第２特徴値との関係式である評価関数の前記探索領域における最適解を求める。そして、前記特性値推定装置及び前記特性値推定方法は、前記最適解が求められたときの前記変数を、前記特性値と推定する。 A characteristic value estimation device and characteristic value estimation method according to one embodiment of the present invention calculate a first characteristic value of a controlled object at a predetermined frequency from the frequency characteristics of the controlled object, change a variable that affects the first characteristic value at the predetermined frequency within a search region to change a second characteristic value, and calculate an optimal solution within the search region for an evaluation function that is a relational expression between the first characteristic value and the second characteristic value. The characteristic value estimation device and characteristic value estimation method then estimate the variable at which the optimal solution is calculated as the characteristic value.

これにより、制御対象の特性値を容易に推定可能な特性値推定装置及び特性値推定方法が得られる。 This provides a characteristic value estimation device and characteristic value estimation method that can easily estimate the characteristic values of a controlled object.

図１は、実施形態１に係る特性値推定装置の概略構成を機能ブロックで示す図である。FIG. 1 is a functional block diagram showing a schematic configuration of a characteristic value estimation device according to a first embodiment. 図２は、制御対象の一例をモデルで示す図である。FIG. 2 is a diagram showing an example of a control target in the form of a model. 図３は、状態方程式で表される制御対象の周波数特性の一例を示すボード線図である。FIG. 3 is a Bode diagram showing an example of the frequency characteristics of a controlled object expressed by a state equation. 図４は、特性値推定方法のフローを示す図である。FIG. 4 is a diagram showing the flow of the characteristic value estimation method. 図５は、探索領域の一例を示す図である。FIG. 5 is a diagram showing an example of a search area. 図６は、実施形態２に係る特性値推定装置の概略構成を機能ブロックで示す図である。FIG. 6 is a functional block diagram showing a schematic configuration of a characteristic value estimation device according to the second embodiment. 図７は、実施形態２に係る特性値推定方法のフローを示す図である。FIG. 7 is a diagram showing a flow of a characteristic value estimation method according to the second embodiment. 図８は、探索領域を分割して得られる局所領域の一例を示す図である。FIG. 8 is a diagram showing an example of local regions obtained by dividing the search region. 図９は、評価関数の局所解を求めた場合の変数を用いて得られる周波数特性の一例を示す図である。FIG. 9 is a diagram showing an example of frequency characteristics obtained using variables when a local solution of the evaluation function is obtained. 図１０は、実施形態２の方法によって評価関数の最適解を求めた場合の周波数特性の一例を示す図である。FIG. 10 is a diagram showing an example of frequency characteristics when the optimal solution of the evaluation function is obtained by the method of the second embodiment. 図１１は、実施形態３に係る特性値推定装置の概略構成を機能ブロックで示す図である。FIG. 11 is a functional block diagram showing a schematic configuration of a characteristic value estimation device according to the third embodiment. 図１２は、評価関数で用いる各値の関係を模式的に示す図である。FIG. 12 is a diagram showing a schematic diagram of the relationship between the values used in the evaluation function. 図１３は、慣性モーメント、ばね定数及び粘性減衰係数が実測値と演算値とで異なる場合の周波数特性の一例を示す。FIG. 13 shows an example of frequency characteristics when the moment of inertia, spring constant, and viscous damping coefficient differ between the actually measured values and the calculated values. 図１４は、粘性減衰係数が実測値と演算値とで異なる場合の周波数特性の一例を示す。FIG. 14 shows an example of frequency characteristics when the measured value and the calculated value of the viscous damping coefficient differ. 図１５は、ばね定数が実測値と演算値とで異なる場合の周波数特性の一例を示す。FIG. 15 shows an example of frequency characteristics when the measured spring constant differs from the calculated spring constant.

以下、図面を参照し、本発明の実施の形態を詳しく説明する。図中の同一または相当部分については同一の符号を付してその説明は繰り返さない。 Embodiments of the present invention will be described in detail below with reference to the drawings. Identical or equivalent parts in the drawings will be designated by the same reference numerals, and their description will not be repeated.

＜実施形態１＞
図１は、本発明の実施形態１に係る特性値推定装置１の概略構成を機能ブロックで示す図である。この特性値推定装置１は、制御対象Ｗの特性値を推定するための装置であり、例えば、コンピュータなどの演算装置によって構成されている。 <Embodiment 1>
1 is a functional block diagram showing a schematic configuration of a characteristic value estimation device 1 according to a first embodiment of the present invention. The characteristic value estimation device 1 is a device for estimating characteristic values of a control target W, and is configured by an arithmetic device such as a computer.

（制御対象）
制御対象Ｗは、例えば、多慣性系である。図２は、制御対象Ｗの一例を機械系の動特性モデルで示す図である。図２に示す制御対象Ｗは、４慣性系である。制御対象Ｗは、モータ、トルク検出器及び供試体などを含む。図２に示す例では、ｊ１はモータの慣性モーメントであり、ｊ２～ｊ４は、トルク検出器や供試体などの慣性モーメントである。 (Control object)
The controlled object W is, for example, a multi-inertia system. FIG. 2 is a diagram showing an example of the controlled object W in the form of a dynamic characteristic model of a mechanical system. The controlled object W shown in FIG. 2 is a four-inertia system. The controlled object W includes a motor, a torque detector, a test object, etc. In the example shown in FIG. 2, j1 is the moment of inertia of the motor, and j2 to j4 are the moments of inertia of the torque detector, the test object, etc.

図２に示すように、慣性モーメントｊ１～ｊ４を有する構造体は、ばね定数ｋ１～ｋ３を有するばね、及び、粘性減衰係数ｃ１～ｃ３を有するダンパによって、接続されている。慣性モーメントｊ１を有するモータには、指令トルクｕが入力される。なお、制御対象Ｗにおいて構造体間で生じるねじりトルクは、Ｔ_i＝ｋ_ｉ∫（ω_i－ω_ｉ＋１）ｄｔである。図２に示す例では、ｉ＝１、２、３である。 As shown in Fig. 2, structures having moments of inertia j1 to j4 are connected by springs having spring constants k1 to k3 and dampers having viscous damping coefficients c1 to c3. A command torque u is input to the motor having moment of inertia j1. The torsional torque generated between the structures in the control object W is T _i = k _i ∫(ω _i - ω _i+1 ) dt. In the example shown in Fig. 2, i = 1, 2, and 3.

制御対象Ｗにおいて、慣性モーメントｊ２を有する構造体と慣性モーメントｊ３を有する構造体との間で軸のねじりトルクをセンサによって検出可能な場合、状態方程式の一例は、以下のとおりである。なお、状態方程式は、以下の式以外であってもよい。 In the control object W, if a sensor can detect the torsional torque of the shaft between a structure having a moment of inertia j2 and a structure having a moment of inertia j3, an example of the state equation is as follows. Note that the state equation may be an equation other than the one below.

図３は、上述の状態方程式で表される制御対象Ｗの周波数特性の一例を示すボード線図である。図３に示すように、４慣性系である制御対象Ｗは、一般的に、３つの共振を有する。 Figure 3 is a Bode diagram showing an example of the frequency characteristics of the controlled object W represented by the above-mentioned state equation. As shown in Figure 3, the controlled object W, which is a four-inertia system, generally has three resonances.

（特性値推定装置）
図１に示すように、特性値推定装置１は、第１特徴値取得部１１と、パラメータ設定部１２と、第２特徴値算出部１３と、最適化処理部１４と、推定部１５とを備える。 (Characteristic value estimation device)
As shown in FIG. 1, the characteristic value estimation device 1 includes a first characteristic value acquisition unit 11 , a parameter setting unit 12 , a second characteristic value calculation unit 13 , an optimization processing unit 14 , and an estimation unit 15 .

第１特徴値取得部１１は、制御対象Ｗの入出力の周波数特性の測定結果から、共振周波数及びそのゲインを求める。具体的には、第１特徴値取得部１１は、図３に示すボード線図における３つの共振周波数及びそれらのゲインを取得する。第１特徴値取得部１１は、制御対象Ｗの共振周波数及びそのゲインを自動的に取得してもよいし、第１特徴値取得部１１に対して制御対象Ｗの共振周波数及びゲインが入力されてもよい。第１特徴値取得部１１は、制御対象Ｗの共振周波数及びそのゲインを取得可能な構成であれば、どのような構成であってもよい。 The first feature value acquisition unit 11 determines the resonant frequency and its gain from the measurement results of the frequency characteristics of the input and output of the controlled object W. Specifically, the first feature value acquisition unit 11 acquires three resonant frequencies and their gains in the Bode diagram shown in FIG. 3. The first feature value acquisition unit 11 may automatically acquire the resonant frequency and its gain of the controlled object W, or the resonant frequency and its gain of the controlled object W may be input to the first feature value acquisition unit 11. The first feature value acquisition unit 11 may have any configuration as long as it is capable of acquiring the resonant frequency and its gain of the controlled object W.

本実施形態では、第１特徴値取得部１１によって制御対象Ｗの周波数特性から求められる共振周波数及びそのゲインが、第１特徴値に対応する。本実施形態では、前記第１特徴値は、制御対象Ｗの周波数特性における固有値である。前記第１特徴値は、制御対象Ｗの特徴値であれば、共振周波数及びそのゲイン以外のパラメータを含んでいてもよい。すなわち、前記第１特徴値は、前記固有値以外の値であってもよい。本実施形態では、前記共振周波数が、本発明における所定の周波数である。 In this embodiment, the resonant frequency and its gain obtained from the frequency characteristics of the control object W by the first feature value acquisition unit 11 correspond to the first feature value. In this embodiment, the first feature value is an eigenvalue in the frequency characteristics of the control object W. The first feature value may include parameters other than the resonant frequency and its gain, as long as they are feature values of the control object W. In other words, the first feature value may be a value other than the eigenvalue. In this embodiment, the resonant frequency is the predetermined frequency in the present invention.

パラメータ設定部１２は、制御対象Ｗの設計情報や周波数特性等から、例えば、慣性モーメントｊ１～ｊ４及びばね定数ｋ２を取得する。パラメータ設定部１２は、自動的に制御対象Ｗのパラメータを取得してもよいし、パラメータ設定部１２に対して制御対象Ｗのパラメータが入力されてもよい。パラメータ設定部１２は、制御対象Ｗのパラメータを取得可能な構成であれば、どのような構成であってもよい。 The parameter setting unit 12 acquires, for example, the moments of inertia j1 to j4 and the spring constant k2 from the design information and frequency characteristics of the controlled object W. The parameter setting unit 12 may acquire the parameters of the controlled object W automatically, or the parameters of the controlled object W may be input to the parameter setting unit 12. The parameter setting unit 12 may have any configuration as long as it is capable of acquiring the parameters of the controlled object W.

また、パラメータ設定部１２は、制御対象Ｗの状態方程式における残りのパラメータ（例えば、ばね定数ｋ１，ｋ３、粘性減衰係数ｃ１～ｃ３）である変数の探索領域を設定する。詳しくは、パラメータ設定部１２は、後述する最適化処理部１４で演算を行う前記変数の探索領域を設定する。前記変数の探索領域は、図示しない記憶部等に予め記憶されていてもよいし、パラメータ設定部１２に対して入力されてもよい。 The parameter setting unit 12 also sets a search region for the remaining parameters (e.g., spring constants k1 and k3, viscous damping coefficients c1 to c3) in the state equation of the controlled object W. More specifically, the parameter setting unit 12 sets a search region for the variables to be calculated by the optimization processing unit 14, which will be described later. The search region for the variables may be stored in advance in a storage unit (not shown), or may be input to the parameter setting unit 12.

第２特徴値算出部１３は、制御対象Ｗの状態方程式を用いて、該状態方程式の変数を前記探索領域内で変更した後の共振周波数及びそのゲインを求める。第２特徴値算出部１３は、後述する最適化処理部１４によって前記変数を前記探索領域内で変更した際に、前記状態方程式を用いて、前記共振周波数及び前記ゲインを求める。すなわち、第２特徴値算出部１３は、最適化処理部１４が最適化処理の演算を行う際に前記探索領域内で変更された前記変数を用いて、前記共振周波数及び前記ゲインを求める。 The second feature value calculation unit 13 uses the state equation of the controlled object W to calculate the resonant frequency and its gain after the variables of the state equation are changed within the search region. The second feature value calculation unit 13 uses the state equation to calculate the resonant frequency and gain when the variables are changed within the search region by the optimization processing unit 14, which will be described later. In other words, the second feature value calculation unit 13 calculates the resonant frequency and gain using the variables changed within the search region when the optimization processing unit 14 performs optimization processing calculations.

本実施形態では、変更後の前記変数を用いて、第２特徴値算出部１３によって算出された共振周波数及びそのゲインが、第２特徴値に対応する。本実施形態では、前記第２特徴値は、制御対象Ｗの周波数特性における固有値である。前記第２特徴値は、制御対象Ｗの特徴値であれば、共振周波数及びそのゲイン以外のパラメータを含んでいてもよい。すなわち、前記第２特徴値は、前記固有値以外の値を含んでいてもよい。本実施形態では、前記共振周波数が、本発明における所定の周波数である。 In this embodiment, the resonant frequency and its gain calculated by the second feature value calculation unit 13 using the changed variables correspond to the second feature value. In this embodiment, the second feature value is an eigenvalue in the frequency characteristics of the control object W. The second feature value may include parameters other than the resonant frequency and its gain, as long as they are feature values of the control object W. In other words, the second feature value may include values other than the eigenvalue. In this embodiment, the resonant frequency is the predetermined frequency in the present invention.

最適化処理部１４は、前記変数を前記探索領域内で変更するとともに、変更後の変数を用いて第２特徴値算出部１３によって求められる第２特徴値と、第１特徴値取得部１１によって取得される第１特徴値とを用いて、前記探索領域内で評価関数の最適解を求める最適化処理を行う。詳しくは、最適化処理部１４は、前記第１特徴値である共振周波数及びそのゲインと前記第２特徴値である共振周波数及びそのゲインとを用いて、前記探索領域内で前記評価関数が最小になる最適解を求めるとともに、そのときの変数を求める。 The optimization processing unit 14 changes the variables within the search area, and performs optimization processing to find an optimal solution to the evaluation function within the search area using the second feature value calculated by the second feature value calculation unit 13 using the changed variables, and the first feature value acquired by the first feature value acquisition unit 11. In more detail, the optimization processing unit 14 uses the first feature value, which is the resonant frequency and its gain, and the second feature value, which is the resonant frequency and its gain, to find an optimal solution that minimizes the evaluation function within the search area, and also finds the variables at that time.

前記評価関数は、前記第１特徴値と前記第２特徴値との関係式である。すなわち、前記評価関数は、前記第１特徴値と前記第２特徴値との差の平方を含む関係式である。詳しくは、前記評価関数は、前記第１特徴値である共振周波数と前記第２特徴値である共振周波数との差の平方と、前記第１特徴値であるゲインと前記第２特徴値であるゲインとの差の平方とを含む関係式である。本実施形態では、前記評価関数は、制御対象Ｗにおける複数のモード（本実施形態では、１次共振、２次共振及び３次共振の３つのモード）の特徴値を、各モードで重み係数を考慮して加算した関係式である。具体的には、前記評価関数は、例えば、以下の（１）式である。 The evaluation function is a relational expression between the first feature value and the second feature value. That is, the evaluation function is a relational expression that includes the square of the difference between the first feature value and the second feature value. More specifically, the evaluation function is a relational expression that includes the square of the difference between the resonance frequency, which is the first feature value, and the resonance frequency, which is the second feature value, and the square of the difference between the gain, which is the first feature value, and the gain, which is the second feature value. In this embodiment, the evaluation function is a relational expression that adds up the feature values of multiple modes of the controlled object W (in this embodiment, three modes: primary resonance, secondary resonance, and tertiary resonance) taking into account a weighting coefficient for each mode. Specifically, the evaluation function is, for example, the following equation (1):

ここで、ｗ１～ｗ６は重み係数であり、ｆ１～ｆ３は第１特徴値である共振周波数であり、Ｇ（ｆ１）～Ｇ（ｆ３）は第１特徴値であるゲインであり、ｆｍ１～ｆｍ３は第２特徴値である共振周波数であり、Ｇ（ｆｍ１）～Ｇ（ｆｍ３）は第２特徴値であるゲインである。 Here, w1 to w6 are weighting coefficients, f1 to f3 are resonant frequencies which are first feature values, G(f1) to G(f3) are gains which are first feature values, fm1 to fm3 are resonant frequencies which are second feature values, and G(fm1) to G(fm3) are gains which are second feature values.

最適化処理部１４は、前記変数を前記検索範囲内で変更した際に前記評価関数が最小値になる値を求めることにより、第１特徴値に近い第２特徴値を求めることができる。 The optimization processing unit 14 can find a second feature value close to the first feature value by finding the value that minimizes the evaluation function when the variable is changed within the search range.

推定部１５は、最適化処理部１４によって前記評価関数の最小値が求められた場合に、そのときの変数を制御対象Ｗの特性値と推定する。 When the optimization processing unit 14 finds the minimum value of the evaluation function, the estimation unit 15 estimates the variables at that time as the characteristic values of the control object W.

（特性値推定方法）
次に、上述の構成を有する特性値推定装置１を用いて、制御対象Ｗの特性値を推定する方法について、図４を用いて説明する。図４は、特性値推定方法のフローを示す図である。 (Method for estimating characteristic values)
Next, a method for estimating a characteristic value of a controlled object W using the characteristic value estimation device 1 having the above-described configuration will be described with reference to Fig. 4. Fig. 4 is a diagram showing a flow of the characteristic value estimation method.

図４に示すフローがスタートすると（ＳＴＡＲＴ）、まず、ステップＳＡ１で第１特徴値取得部１１が制御対象Ｗの周波数特性を取得する。そして、ステップＳＡ２において、第１特徴値取得部１１は、前記周波数特性から、共振周波数及びそのゲインを求める。すなわち、第１特徴値取得部１１は、第１特徴値を取得する。 When the flow shown in FIG. 4 starts (START), first, in step SA1, the first feature value acquisition unit 11 acquires the frequency characteristics of the control object W. Then, in step SA2, the first feature value acquisition unit 11 calculates the resonant frequency and its gain from the frequency characteristics. In other words, the first feature value acquisition unit 11 acquires the first feature value.

続くステップＳＡ３では、パラメータ設定部１２が、制御対象の設計情報や周波数特性等から、慣性モーメントｊ１～ｊ４及びばね定数ｋ２を取得する。すなわち、パラメータ設定部１２は、変数以外の定数を取得する。その後、ステップＳＡ４において、パラメータ設定部１２は、前記変数の探索領域を決定する。図５は、探索領域の一例を示す図である。なお、図５には、説明のために、変数の探索領域の一例として、ばね定数ｋ１，ｋ３を変化させた場合の探索領域を示している。 In the following step SA3, the parameter setting unit 12 acquires the moments of inertia j1 to j4 and the spring constant k2 from the design information, frequency characteristics, etc. of the controlled object. In other words, the parameter setting unit 12 acquires constants other than the variables. Then, in step SA4, the parameter setting unit 12 determines the search region for the variables. Figure 5 is a diagram showing an example of the search region. Note that, for the sake of explanation, Figure 5 shows the search region when the spring constants k1 and k3 are changed as an example of the search region for the variables.

ステップＳＡ５では、最適化処理部１４は、前記変数を前記探索領域内で変更する。最適化処理部１４は、例えば、前記変数の初期値を前記探索領域内での最小値に設定する。第２特徴値算出部１３は、変更後の変数及び制御対象Ｗの状態方程式を用いて、第２特徴値を求める。最適化処理部１４は、第１特徴値取得部１１によって取得された第１特徴値及び第２特徴値算出部１３によって取得された第２特徴値を用いて、評価関数の最適解を求める最適化処理を行う。詳しくは、最適化処理部１４は、前記第１特徴値である共振周波数及びそのゲインと前記第２特徴値である共振周波数及びそのゲインとを用いて、前記評価関数が最小になる最適解を求めるとともに、そのときの変数を求める。 In step SA5, the optimization processing unit 14 changes the variables within the search region. For example, the optimization processing unit 14 sets the initial values of the variables to the minimum values within the search region. The second feature value calculation unit 13 calculates second feature values using the changed variables and the state equation of the control object W. The optimization processing unit 14 performs optimization processing to find an optimal solution to the evaluation function using the first feature value acquired by the first feature value acquisition unit 11 and the second feature value acquired by the second feature value calculation unit 13. In more detail, the optimization processing unit 14 uses the first feature value, which is the resonant frequency and its gain, and the second feature value, which is the resonant frequency and its gain, to find an optimal solution that minimizes the evaluation function and to find the variables at that time.

ステップＳＡ６では、推定部１５は、最適化処理部１４によって前記評価関数の最適解が求められた場合に、そのときの変数を、制御対象Ｗの特性値と推定する。その後、このフローを終了する（ＥＮＤ）。 In step SA6, when the optimization processing unit 14 finds an optimal solution to the evaluation function, the estimation unit 15 estimates the variables at that time as the characteristic values of the control object W. Then, this flow ends (END).

上述のフローにおいて、前記ステップＳＡ２が第１特徴値取得工程に対応し、前記ステップＳＡ５が最適化処理工程に対応し、前記ステップＳＡ６が推定工程に対応する。 In the above flow, step SA2 corresponds to the first feature value acquisition step, step SA5 corresponds to the optimization processing step, and step SA6 corresponds to the estimation step.

以上より、本実施形態の特性値推定装置１は、制御対象Ｗの特性値を推定する。特性値推定装置１は、制御対象Ｗの周波数特性から、制御対象Ｗの第１特徴値を求める第１特徴値取得部１１と、前記第１特徴値に影響を与える変数を含む状態方程式を用いて、前記変数を探索領域内で変化させた場合の制御対象Ｗの第２特徴値を算出する第２特徴値算出部１３と、前記変数を前記探索領域内で変化させることにより、第２特徴値算出部１３によって算出される前記第２特徴値を変更して、前記第１特徴値と前記第２特徴値との関係式である評価関数の前記探索領域における最適解を求める最適化処理部１４と、最適化処理部１４によって最適解が求められるときの前記変数を、前記特性値と推定する推定部１５と、を有する。 As described above, the characteristic value estimation device 1 of this embodiment estimates the characteristic value of the controlled object W. The characteristic value estimation device 1 includes a first characteristic value acquisition unit 11 that calculates a first characteristic value of the controlled object W from the frequency characteristics of the controlled object W; a second characteristic value calculation unit 13 that calculates a second characteristic value of the controlled object W when a variable that affects the first characteristic value is varied within a search region using a state equation including the variable; an optimization processing unit 14 that changes the second characteristic value calculated by the second characteristic value calculation unit 13 by varying the variable within the search region, thereby calculating an optimal solution within the search region of an evaluation function that is a relational expression between the first characteristic value and the second characteristic value; and an estimation unit 15 that estimates the variable when the optimal solution is determined by the optimization processing unit 14 as the characteristic value.

これにより、制御対象Ｗの特徴値を求める状態方程式の変数を探索領域内で変更して、評価関数の最適解を求め、その最適解が求められるときの変数を制御対象Ｗの特性値と推定することができる。前記評価関数は、制御対象Ｗの周波数特性から求められる第１特徴値と、前記探索領域内で変更された前記変数と状態方程式とを用いて算出される第２特徴値との関係式であるため、前記評価関数の最適解を求めることにより、前記特性値を容易に推定することができる。 This allows the variables of the state equation that determines the characteristic value of the controlled object W to be changed within the search region to find the optimal solution of the evaluation function, and the variables at which this optimal solution is found to be estimated as the characteristic value of the controlled object W. Because the evaluation function is a relational expression between the first characteristic value determined from the frequency characteristics of the controlled object W and the second characteristic value calculated using the variables changed within the search region and the state equation, the characteristic value can be easily estimated by finding the optimal solution of the evaluation function.

したがって、上述の構成により、制御対象Ｗの特性値を容易に推定可能な特性値推定装置１が得られる。 Therefore, the above-described configuration provides a characteristic value estimation device 1 that can easily estimate the characteristic value of the controlled object W.

また、本実施形態では、前記評価関数は、前記第１特徴値と前記第２特徴値との差の平方を含む関係式である。最適化処理部１４は、前記第１特徴値と前記第２特徴値との差の平方が最小の場合の前記評価関数の値を、前記最適解として求める。 In addition, in this embodiment, the evaluation function is a relational expression that includes the square of the difference between the first feature value and the second feature value. The optimization processing unit 14 determines, as the optimal solution, the value of the evaluation function when the square of the difference between the first feature value and the second feature value is minimum.

前記第１特徴値と前記第２特徴値との差を平方することにより、前記第１特徴値及び前記第２特徴値の大小に関係なく、それらの差を求めることができる。最適化処理部１４は、前記第１特徴値と前記第２特徴値との差の平方が最小の場合の評価関数の値を、評価関数の最適解とするため、前記最適解を容易に求めることができる。 By squaring the difference between the first feature value and the second feature value, the difference between the first feature value and the second feature value can be determined regardless of their magnitude. The optimization processing unit 14 determines the value of the evaluation function when the square of the difference between the first feature value and the second feature value is smallest as the optimal solution of the evaluation function, making it easy to determine the optimal solution.

また、本実施形態では、前記第１特徴値及び前記第２特徴値は、それぞれ、振動周波数及びゲインを含む。これにより、振動周波数及びゲインを用いて、制御対象Ｗにおけるばね定数などの特性値を求めることができる。 Furthermore, in this embodiment, the first characteristic value and the second characteristic value each include a vibration frequency and a gain. As a result, characteristic values such as the spring constant of the control object W can be determined using the vibration frequency and the gain.

＜実施形態２＞
図６は、実施形態２に係る特性値推定装置１００の概略構成を機能ブロックで示す図である。特性値推定装置１００は、変数の探索領域を複数に分割する点で、実施形態１の特性値推定装置１とは構成が異なる。以下の説明では、実施形態１と同様の構成には同一の符号を付して説明を省略し、実施形態１と異なる構成についてのみ説明する。 <Embodiment 2>
6 is a functional block diagram showing a schematic configuration of a characteristic value estimation device 100 according to the second embodiment. The characteristic value estimation device 100 differs in configuration from the characteristic value estimation device 1 of the first embodiment in that the search region for variables is divided into multiple regions. In the following explanation, the same components as those in the first embodiment are denoted by the same reference numerals and explanations thereof are omitted, and only the components different from those in the first embodiment will be explained.

（特性値推定装置）
図６に示すように、特性値推定装置１００は、第１特徴値取得部１１と、パラメータ設定部１２０と、第２特徴値算出部１３と、最適化処理部１４０と、推定部１５とを有する。 (Characteristic value estimation device)
As shown in FIG. 6, the characteristic value estimation device 100 includes a first characteristic value acquisition unit 11 , a parameter setting unit 120 , a second characteristic value calculation unit 13 , an optimization processing unit 140 , and an estimation unit 15 .

なお、本実施形態でも、第１特徴値は、制御対象Ｗの周波数特性から求められる共振周波数及びそのゲインである。前記第１特徴値は、固有値であってもよいし、固有値以外の値であってもよい。また、第２特徴値は、制御対象Ｗの周波数特性から求められる共振周波数及びそのゲインである。前記第２特徴値は、固有値であってもよいし、固有値以外の値であってもよい。前記第１特徴値及び前記第２特徴値における前記共振周波数は、本発明における所定の周波数である。 In this embodiment, the first characteristic value is a resonant frequency and its gain determined from the frequency characteristics of the controlled object W. The first characteristic value may be an eigenvalue or a value other than an eigenvalue. The second characteristic value is a resonant frequency and its gain determined from the frequency characteristics of the controlled object W. The second characteristic value may be an eigenvalue or a value other than an eigenvalue. The resonant frequencies in the first characteristic value and the second characteristic value are predetermined frequencies in the present invention.

パラメータ設定部１２０は、探索領域分割部１２１を有する。探索領域分割部１２１は、変数の探索領域を複数に分割することにより、複数の局所領域を得る。探索領域分割部１２１は、予め設定されている数で前記探索領域を分割してもよいし、前記探索領域を、設定されている変数の範囲によって複数に分割してもよい。探索領域分割部１２１は、分割数や分割範囲などの入力に応じて、前記探索領域を複数の局所領域に分割してもよい。 The parameter setting unit 120 has a search area division unit 121. The search area division unit 121 obtains multiple local areas by dividing the search area of a variable into multiple parts. The search area division unit 121 may divide the search area into a predetermined number of parts, or may divide the search area into multiple parts based on the range of the set variable. The search area division unit 121 may divide the search area into multiple local areas in response to inputs such as the number of divisions and the division range.

パラメータ設定部１２０は、実施形態１のパラメータ設定部１２と同様、制御対象Ｗの設計情報や周波数特性等から、例えば、慣性モーメントｊ１～ｊ４及びばね定数ｋ２を取得する。 Similar to the parameter setting unit 12 in embodiment 1, the parameter setting unit 120 obtains, for example, the moments of inertia j1 to j4 and the spring constant k2 from the design information and frequency characteristics of the controlled object W.

最適化処理部１４０は、パラメータ設定部１２０によって得られた各局所領域内で、変数を変更するとともに、各局所領域内で変更後の変数を用いて第２特徴値算出部１３によって求められる第２特徴値と、第１特徴値取得部１１によって取得される第１特徴値とを用いて、評価関数の最適解を求める最適化処理を行う。すなわち、最適化処理部１４０は、前記各局所領域において、前記評価関数の最適解を求める。最適化処理部１４０は、前記各所領域で求めた前記評価関数の最適解の中から、前記探索領域における最適解を求める。 The optimization processing unit 140 changes variables within each local region obtained by the parameter setting unit 120, and performs optimization processing to find an optimal solution to the evaluation function using second feature values calculated by the second feature value calculation unit 13 using the changed variables within each local region, and first feature values acquired by the first feature value acquisition unit 11. In other words, the optimization processing unit 140 finds an optimal solution to the evaluation function in each local region. The optimization processing unit 140 finds an optimal solution for the search region from the optimal solutions of the evaluation function found in each local region.

具体的には、最適化処理部１４０は、局所領域最適化処理部１４１と、最適解選択部１４２とを有する。 Specifically, the optimization processing unit 140 has a local region optimization processing unit 141 and an optimal solution selection unit 142.

局所領域最適化処理部１４１は、前記各局所領域内で変数を変更して求められる前記第２特徴値と、前記第１特徴値とを用いて、前記各局所領域において、前記評価関数の最適解を求める。局所領域最適化処理部１４１は、複数の局所領域内で前記評価関数の最適解を順番に求めてもよいし、複数の局所領域のうち少なくとも一部の局所領域で同時に前記評価関数の最適解を求めてもよい。前記最適解は、前記各局所領域において、前記評価関数の最小値である。 The local region optimization processing unit 141 uses the second feature value obtained by changing variables in each local region and the first feature value to find an optimal solution to the evaluation function in each local region. The local region optimization processing unit 141 may find optimal solutions to the evaluation function in multiple local regions sequentially, or may find optimal solutions to the evaluation function in at least some of the multiple local regions simultaneously. The optimal solution is the minimum value of the evaluation function in each local region.

なお、前記評価関数は、実施形態１における評価関数と同じである。また、前記各局所領域において前記評価関数の最適解を求める方法は、実施形態１において探索領域内で前記評価関数の最適解を求める方法と同様である。よって、前記各局所領域内で最適解を求める方法については、詳しい説明を省略する。 The evaluation function is the same as the evaluation function in embodiment 1. Furthermore, the method for finding the optimal solution of the evaluation function in each local region is the same as the method for finding the optimal solution of the evaluation function within the search region in embodiment 1. Therefore, a detailed explanation of the method for finding the optimal solution within each local region will be omitted.

最適解選択部１４２は、局所領域最適化処理部１４１によって求められた前記各局所領域における前記評価関数の最適解のうち、前記探索領域において最適な解を選択する。本実施形態では、最適解選択部１４２は、前記各局所領域における前記評価関数の最適解のうち、最も小さい値を、前記探索領域における最適解として選択する。最適解選択部１４２は、前記探索領域における最適解が求められるときの変数を、推定部１５に出力する。推定部１５は、前記変数を、制御対象Ｗの特性値と推定する。 The optimal solution selection unit 142 selects the optimal solution for the search region from the optimal solutions of the evaluation function for each local region obtained by the local region optimization processing unit 141. In this embodiment, the optimal solution selection unit 142 selects the smallest value from the optimal solutions of the evaluation function for each local region as the optimal solution for the search region. The optimal solution selection unit 142 outputs the variables used to obtain the optimal solution for the search region to the estimation unit 15. The estimation unit 15 estimates the variables as characteristic values of the control object W.

（特性値推定方法）
次に、上述の構成を有する特性値推定装置１００を用いて、制御対象Ｗの特性値を推定する方法について、図７を用いて説明する。図７は、実施形態２に係る特性値推定方法のフローを示す図である。 (Method for estimating characteristic values)
Next, a method for estimating a characteristic value of a controlled object W using the characteristic value estimation device 100 having the above-described configuration will be described with reference to Fig. 7. Fig. 7 is a diagram showing a flow of the characteristic value estimation method according to the second embodiment.

図７に示すフローがスタートすると（ＳＴＡＲＴ）、まず、ステップＳＢ１で第１特徴値取得部１１が制御対象Ｗの周波数特性を取得する。そして、ステップＳＢ２において、第１特徴値取得部１１は、前記周波数特性から、共振周波数及びそのゲインを求める。すなわち、第１特徴値取得部１１は、第１特徴値を取得する。 When the flow shown in FIG. 7 starts (START), first, in step SB1, the first feature value acquisition unit 11 acquires the frequency characteristics of the control object W. Then, in step SB2, the first feature value acquisition unit 11 calculates the resonant frequency and its gain from the frequency characteristics. In other words, the first feature value acquisition unit 11 acquires the first feature value.

続くステップＳＢ３では、パラメータ設定部１２０が、制御対象の設計情報や周波数特性等から、慣性モーメントｊ１～ｊ４及びばね定数ｋ２を取得する。すなわち、パラメータ設定部１２０は、変数以外の定数を取得する。その後、ステップＳＢ４において、パラメータ設定部１２０は、前記変数の探索領域を決定する。なお、ステップＳＢ１～ＳＢ４は、実施形態１の図４に示すフローのステップＳＡ１～ＳＡ４と同様である。 In the following step SB3, the parameter setting unit 120 acquires the moments of inertia j1 to j4 and the spring constant k2 from the design information, frequency characteristics, etc. of the controlled object. In other words, the parameter setting unit 120 acquires constants other than the variables. Then, in step SB4, the parameter setting unit 120 determines the search region for the variables. Note that steps SB1 to SB4 are the same as steps SA1 to SA4 in the flow shown in Figure 4 of embodiment 1.

ステップＳＢ５では、パラメータ設定部１２０の探索領域分割部１２１が、前記探索領域を複数の局所領域に分割する。図８は、前記探索領域を分割して得られる局所領域の一例を示す図である。なお、図８では、説明のために、前記探索領域の一例として、ばね定数ｋ１，ｋ３を変化させた場合の探索領域を示している。 In step SB5, the search area division unit 121 of the parameter setting unit 120 divides the search area into multiple local areas. Figure 8 is a diagram showing an example of a local area obtained by dividing the search area. Note that, for the sake of explanation, Figure 8 shows a search area when the spring constants k1 and k3 are changed as an example of the search area.

ステップＳＢ６では、最適化処理部１４０の局所領域最適化処理部１４１は、各局所領域内において変数を変更する。局所領域最適化処理部１４１は、例えば、前記変数の初期値を各局所領域内での最小値に設定する。第２特徴値算出部１３は、変更後の変数及び制御対象Ｗの状態方程式を用いて、第２特徴値を求める。局所領域最適化処理部１４１は、第１特徴値取得部１１によって取得された第１特徴値及び第２特徴値算出部１３によって取得された第２特徴値を用いて、各局所領域内で評価関数の最適解を求める最適化処理を行う。 In step SB6, the local region optimization processing unit 141 of the optimization processing unit 140 changes the variables within each local region. For example, the local region optimization processing unit 141 sets the initial value of the variables to the minimum value within each local region. The second feature value calculation unit 13 calculates the second feature value using the changed variables and the state equation of the control object W. The local region optimization processing unit 141 performs optimization processing to find the optimal solution of the evaluation function within each local region using the first feature value acquired by the first feature value acquisition unit 11 and the second feature value acquired by the second feature value calculation unit 13.

詳しくは、局所領域最適化処理部１４１は、前記第１特徴値である共振周波数及びそのゲインと前記第２特徴値である共振周波数及びそのゲインとを用いて、各局所領域内で前記評価関数が最小になる最適解を求める。そして、続くステップＳＢ７において、最適化処理部１４０の最適解選択部１４２は、前記各局所領域内の最適解のうち最も小さい値を、前記探索領域における最適解とし、そのときの変数を求める。 In detail, the local region optimization processing unit 141 uses the first feature value, which is the resonant frequency and its gain, and the second feature value, which is the resonant frequency and its gain, to find an optimal solution that minimizes the evaluation function within each local region. Then, in the following step SB7, the optimal solution selection unit 142 of the optimization processing unit 140 determines the smallest value among the optimal solutions within each local region as the optimal solution for the search region, and finds the variables at that time.

ステップＳＢ８では、推定部１５は、最適化処理部１４０によって前記探索領域における前記評価関数の最適解が求められた場合に、そのときの変数を、制御対象Ｗの特性値と推定する。その後、このフローを終了する（ＥＮＤ）。 In step SB8, when the optimization processing unit 140 finds an optimal solution to the evaluation function in the search region, the estimation unit 15 estimates the variables at that time as the characteristic values of the control object W. Then, this flow ends (END).

上述のフローにおいて、前記ステップＳＢ２が第１特徴値取得工程に対応し、前記ステップＳＢ６，ＳＢ７が最適化処理工程に対応し、前記ステップＳＢ８が推定工程に対応する。 In the above flow, step SB2 corresponds to the first feature value acquisition process, steps SB6 and SB7 correspond to the optimization processing process, and step SB8 corresponds to the estimation process.

ところで、実施形態１のように探索領域全体で変数を変化させて評価関数の最適解を求める場合には、評価関数の最適解ではなく局所解を求めてしまう場合がある。図９は、評価関数の局所解を求めた場合の変数を用いて得られる周波数特性の一例を示す図である。図９に示すように、評価関数の局所解を求めた場合の変数を用いて得られる周波数特性は、実際の周波数特性の測定結果とは大きく異なっている。すなわち、求めた前記変数は、実際の値とは異なっている。 However, when the optimal solution of the evaluation function is found by changing the variables across the entire search region, as in embodiment 1, a local solution may be found instead of the optimal solution of the evaluation function. Figure 9 is a diagram showing an example of frequency characteristics obtained using variables when a local solution of the evaluation function is found. As shown in Figure 9, the frequency characteristics obtained using variables when a local solution of the evaluation function is found differ significantly from the measurement results of the actual frequency characteristics. In other words, the found variables differ from the actual values.

これに対し、本実施形態のように、変数の探索領域を複数の局所領域に分割することにより、図１０に示すように、計測結果に近い周波数特性を得ることができる。図１０は、実施形態２の方法によって評価関数の最適解を求めた場合の周波数特性の一例を示す図である。なお、図１０では、ばね定数ｋ１，ｋ３は分割せず、粘性減衰係数ｃ１～ｃ３をそれぞれ５分割して、前記最適解を求めた場合の例である。 In contrast, by dividing the search region for variables into multiple local regions as in this embodiment, it is possible to obtain frequency characteristics that are close to the measurement results, as shown in Figure 10. Figure 10 is a diagram showing an example of frequency characteristics when the optimal solution of the evaluation function is obtained using the method of embodiment 2. Note that Figure 10 shows an example of the case where the spring constants k1 and k3 are not divided, but the viscous damping coefficients c1 to c3 are each divided into five to obtain the optimal solution.

このように、本実施形態の構成によって、前記探索領域における評価関数の最適解を精度良く求めることができる。したがって、本実施形態の構成により、制御対象Ｗの特性値を精度良く推定することができる。 In this way, the configuration of this embodiment makes it possible to accurately find the optimal solution of the evaluation function in the search region. Therefore, the configuration of this embodiment makes it possible to accurately estimate the characteristic values of the control object W.

本実施形態では、前記探索領域は、複数に分割された局所領域を有する。最適化処理部１４０は、前記複数の局所領域において、それぞれ、前記状態方程式の前記変数を変化させることにより、第２特徴値算出部１３によって算出される前記第２特徴値を変更して、前記評価関数の最適解を得る。推定部１５は、最適化処理部１４０によって各局所領域において得られた前記評価関数の最適解のうち最適な解を、前記探索領域における前記評価関数の最適解とする。 In this embodiment, the search region has multiple divided local regions. The optimization processing unit 140 changes the variables of the state equation in each of the multiple local regions, thereby changing the second feature value calculated by the second feature value calculation unit 13 and obtaining an optimal solution of the evaluation function. The estimation unit 15 determines the optimal solution of the evaluation function obtained in each local region by the optimization processing unit 140 as the optimal solution of the evaluation function in the search region.

これにより、変数の探索領域が複数に分割されることによって得られる局所領域において、それぞれ、評価関数の最適解を求めることができる。そして、各局所領域における最適解の中から、前記探索領域において最適な解を求めることにより、局所的な最適解ではなく、前記探索領域の全体における最適解を求めることができる。よって、前記探索領域における評価関数の最適解を精度良く求めることができる。したがって、制御対象Ｗの特性値を精度良く求めることができる。 This allows the optimal solution of the evaluation function to be found in each local region obtained by dividing the search region for variables into multiple regions. Then, by finding the optimal solution for the search region from the optimal solutions in each local region, it is possible to find the optimal solution for the entire search region, rather than just a local optimal solution. Therefore, the optimal solution of the evaluation function in the search region can be found with high accuracy. Therefore, the characteristic value of the control object W can be found with high accuracy.

一方、変数の探索領域を複数に分割しない場合には、局所解を求める可能性が高いため、前記探索領域を試行錯誤して変更する必要がある。また、最適化の繰り返し回数を増やすことや評価関数の収束評価の判断値を厳しくすることにより、局所解の算出を回避することが考えられるものの、演算に時間を要する。これに対して、上述の構成のように探索領域を複数の局所領域に分割することにより、試行錯誤や収束評価の判断値変更を行うことなく、最適解を求めることが可能となる。よって、上述のように前記探索領域を複数に分割して各局所領域で評価関数の最適解を求めることにより、特性値推定装置１００の演算負荷を軽減することができる。 On the other hand, if the search region for variables is not divided into multiple regions, there is a high possibility of finding a local solution, making it necessary to change the search region through trial and error. It is also possible to avoid calculating a local solution by increasing the number of optimization iterations or tightening the criteria for evaluating the convergence of the evaluation function, but this requires time for calculation. In contrast, by dividing the search region into multiple local regions as in the above configuration, it is possible to find an optimal solution without trial and error or changing the criteria for evaluating the convergence. Therefore, by dividing the search region into multiple regions as described above and finding an optimal solution for the evaluation function in each local region, the calculation load on the characteristic value estimation device 100 can be reduced.

＜実施形態３＞
図１１は、実施形態３に係る特性値推定装置２００の概略構成を機能ブロックで示す図である。特性値推定装置２００は、共振周波数だけでなく、他の周波数のデータも用いる点で、実施形態１の特性値推定装置１とは構成が異なる。以下の説明では、実施形態１と同様の構成には同一の符号を付して説明を省略し、実施形態１と異なる構成についてのみ説明する。 <Embodiment 3>
11 is a functional block diagram showing a schematic configuration of a characteristic value estimation device 200 according to embodiment 3. The characteristic value estimation device 200 differs in configuration from the characteristic value estimation device 1 of embodiment 1 in that it uses data of not only the resonant frequency but also other frequencies. In the following explanation, the same components as those in embodiment 1 are denoted by the same reference numerals and explanations thereof will be omitted, and only the components different from embodiment 1 will be explained.

特性値推定装置２００は、第１特徴値取得部２１１と、パラメータ設定部１２と、第２特徴値算出部２１３と、最適化処理部２１４と、推定部１５とを有する。 The characteristic value estimation device 200 has a first characteristic value acquisition unit 211, a parameter setting unit 12, a second characteristic value calculation unit 213, an optimization processing unit 214, and an estimation unit 15.

第１特徴値取得部２１１は、制御対象Ｗの入出力の周波数特性の測定結果から、制御対象Ｗの共振周波数及びそのゲインを取得するとともに、所望の周波数における制御対象Ｗのゲインを取得し、共振周波数の近傍の周波数における制御対象Ｗのゲインも取得する。第１特徴値取得部２１１は、第１取得部２１１ａと、第２取得部２１１ｂとを有する。 The first characteristic value acquisition unit 211 acquires the resonant frequency and its gain of the controlled object W from the measurement results of the frequency characteristics of the input and output of the controlled object W, as well as the gain of the controlled object W at a desired frequency and the gain of the controlled object W at frequencies near the resonant frequency. The first characteristic value acquisition unit 211 has a first acquisition unit 211a and a second acquisition unit 211b.

第１取得部２１１ａは、制御対象Ｗの共振周波数及びそのゲインを取得する。第２取得部２１１ｂは、前記所望の周波数における制御対象Ｗのゲインを取得し、共振周波数の近傍の周波数における制御対象Ｗのゲインも取得する。本実施形態において、前記所望の周波数及び前記近傍の周波数は、本発明における所定の周波数である。 The first acquisition unit 211a acquires the resonant frequency and gain of the controlled object W. The second acquisition unit 211b acquires the gain of the controlled object W at the desired frequency, and also acquires the gain of the controlled object W at frequencies near the resonant frequency. In this embodiment, the desired frequency and the near frequencies are predetermined frequencies in the present invention.

本実施形態では、第１取得部２１１ａ及び第２取得部２１１ｂによって取得された共振周波数及びゲインが、第１特徴値に対応する。 In this embodiment, the resonant frequency and gain acquired by the first acquisition unit 211a and the second acquisition unit 211b correspond to the first feature value.

第２特徴値算出部２１３は、制御対象Ｗの状態方程式を用いて、該状態方程式の変数を前記探索領域内で変更した後の共振周波数及びそのゲインを求めるとともに、前記所望の周波数における制御対象Ｗのゲインを求め、共振周波数の近傍の周波数における制御対象Ｗのゲインも求める。第２特徴値算出部２１３は、第１演算部２１３ａと、第２演算部２１３ｂとを有する。 The second characteristic value calculation unit 213 uses the state equation of the controlled object W to calculate the resonant frequency and its gain after changing the variables of the state equation within the search region, and also calculates the gain of the controlled object W at the desired frequency and the gain of the controlled object W at frequencies near the resonant frequency. The second characteristic value calculation unit 213 has a first calculation unit 213a and a second calculation unit 213b.

第１演算部２１３ａは、制御対象Ｗの状態方程式を用いて、該状態方程式の変数を前記探索領域内で変更した後の共振周波数及びそのゲインを求める。 The first calculation unit 213a uses the state equation of the controlled object W to determine the resonant frequency and its gain after changing the variables of the state equation within the search region.

第２演算部２１３ｂは、制御対象Ｗの状態方程式を用いて、前記所望の周波数における制御対象Ｗのゲインを求めるとともに、共振周波数の近傍の周波数における制御対象Ｗのゲインも求める。本実施形態において、前記所望の周波数及び前記近傍の周波数は、本発明における所定の周波数である。 The second calculation unit 213b uses the state equation of the controlled object W to calculate the gain of the controlled object W at the desired frequency, and also calculates the gain of the controlled object W at frequencies near the resonant frequency. In this embodiment, the desired frequency and the near frequencies are predetermined frequencies in the present invention.

本実施形態では、第１演算部２１３ａ及び第２演算部２１３ｂによって求めた共振周波数及びゲインが、第２特徴値に対応する。 In this embodiment, the resonant frequency and gain calculated by the first calculation unit 213a and the second calculation unit 213b correspond to the second feature value.

最適化処理部２１４は、制御対象Ｗの状態方程式の変数を探索領域内で変更するとともに、変更後の変数を用いて第２特徴値算出部２１３によって求められる第２特徴値と、第１特徴値取得部１１によって取得される第１特徴値とを用いて、前記探索領域内で評価関数の最適解を求める最適化処理を行う。詳しくは、最適化処理部２１４は、前記第１特徴値である共振周波数及びゲインと前記第２特徴値である共振周波数及びゲインとを用いて、前記探索領域内で前記評価関数が最小になる最適解を求めるとともに、そのときの変数を求める。 The optimization processing unit 214 changes the variables of the state equation of the controlled object W within the search region, and performs optimization processing to find an optimal solution to the evaluation function within the search region using the second feature value calculated by the second feature value calculation unit 213 using the changed variables, and the first feature value acquired by the first feature value acquisition unit 11. In more detail, the optimization processing unit 214 uses the first feature values (resonance frequency and gain) and the second feature values (resonance frequency and gain) to find an optimal solution that minimizes the evaluation function within the search region, and also finds the variables at that time.

前記評価関数は、前記第１特徴値と前記第２特徴値との関係式である。すなわち、前記評価関数は、前記第１特徴値と前記第２特徴値との差の平方を含む関係式である。詳しくは、前記評価関数は、前記第１特徴値である共振周波数と前記第２特徴値である共振周波数との差の平方と、前記第１特徴値であるゲインと前記第２特徴値であるゲインとの差の平方とを含む関係式である。具体的には、前記評価関数は、例えば、以下の（２）式である。 The evaluation function is a relational expression between the first feature value and the second feature value. That is, the evaluation function is a relational expression that includes the square of the difference between the first feature value and the second feature value. In more detail, the evaluation function is a relational expression that includes the square of the difference between the resonant frequency, which is the first feature value, and the resonant frequency, which is the second feature value, and the square of the difference between the gain, which is the first feature value, and the gain, which is the second feature value. Specifically, the evaluation function is, for example, the following equation (2):

ここで、ｗ１～ｗ５は重み係数であり、ｆｐは第１特徴値である共振周波数であり、ｆｐｍは第２特徴値である共振周波数であり、εは前記所望の周波数であり、ｆｐｌ，ｆｐｈは共振周波数の近傍の周波数であり、Ｇ（ｆｐ），Ｇ（ε），Ｇ（ｆｐｌ），Ｇ（ｆｐｈ）は第１特徴値であるゲインであり、Ｇｍ（ｆｐｍ），Ｇｍ（ε），Ｇｍ（ｆｐｌ），Ｇｍ（ｆｐｈ）は第２特徴値であるゲインである。なお、本実施形態では、ｆｐｌは共振周波数よりも低い周波数であり、ｆｇｈは共振周波数よりも高い周波数である。図１２に、前記評価関数における各値の関係を示す。図１２に示す例では、前記所望の周波数は、共振周波数よりも低い周波数である。 Here, w1 to w5 are weighting coefficients, fp is the resonant frequency which is the first feature value, fpm is the resonant frequency which is the second feature value, ε is the desired frequency, fpl and fph are frequencies near the resonant frequency, G(fp), G(ε), G(fpl), and G(fph) are gains which are the first feature value, and Gm(fpm), Gm(ε), Gm(fpl), and Gm(fph) are gains which are the second feature value. Note that in this embodiment, fpl is a frequency lower than the resonant frequency, and fgh is a frequency higher than the resonant frequency. Figure 12 shows the relationship between the values in the evaluation function. In the example shown in Figure 12, the desired frequency is a frequency lower than the resonant frequency.

（２）式において、ｗ３（Ｇ（ε）－Ｇｍ（ε））^２は、前記所望の周波数でのフィッティングを行い、ｗ４（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２＋ｗ５（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２は、共振の減衰に関するフィッティングの精度を高めることができる。 In equation (2), w3(G(ε)−Gm(ε)) ² performs fitting at the desired frequency, and w4(G(fpl)−Gm(fpl)) ² +w5(G(fph)−Gm(fph)) ² can improve the accuracy of fitting regarding the damping of resonance.

なお、最適化処理部２１４において前記評価関数を用いて最適解を求める方法は、実施形態１、２と同様である。よって、前記評価関数の最適解を求める演算方法の詳しい説明については省略する。 The method for finding the optimal solution using the evaluation function in the optimization processing unit 214 is the same as in embodiments 1 and 2. Therefore, a detailed explanation of the calculation method for finding the optimal solution of the evaluation function will be omitted.

本実施形態の構成により、前記所望の周波数でのフィッティングを行いつつ、共振の減衰に関するフィッティングの精度を高めることができるため、制御対象Ｗの特性値を容易に且つより精度良く推定することができる。 The configuration of this embodiment allows fitting at the desired frequency while improving the accuracy of fitting related to resonance damping, making it possible to easily and accurately estimate the characteristic values of the control object W.

前記評価関数には、ｗ３（Ｇ（ε）－Ｇｍ（ε））^２が含まれていなくてもよいし、ｗ４（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２＋ｗ５（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２が含まれていなくてもよい。また、εは、共振周波数よりも高い周波数であってもよい。前記評価関数は、実施形態１の評価関数のように複数の共振周波数に対応可能な評価関数であってもよい。 The evaluation function may not include w3(G(ε)-Gm(ε)) ² , and may not include w4(G(fpl)-Gm(fpl)) ² +w5(G(fph)-Gm(fph)) ² . ε may be a frequency higher than the resonance frequency. The evaluation function may be an evaluation function that can accommodate a plurality of resonance frequencies, like the evaluation function of the first embodiment.

図１３は、慣性モーメント、ばね定数及び粘性減衰係数が実測値と演算値とで異なる場合の周波数特性の一例を示す。図１３では、共振周波数及びそのゲインが実測値と演算値とで一致している一方、他の周波数のゲインが実測値と演算値とで異なっている。図１３に示す場合には、上述の（２）式を用いることにより、演算値を実測値にフィッティングさせることができる。 Figure 13 shows an example of frequency characteristics when the moment of inertia, spring constant, and viscous damping coefficient differ between the measured and calculated values. In Figure 13, the resonant frequency and its gain match between the measured and calculated values, while the gain of other frequencies differs between the measured and calculated values. In the case shown in Figure 13, the calculated values can be fitted to the measured values by using equation (2) above.

なお、図１３の場合には、（２）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２に加えて、ｗ３（Ｇ（ε）－Ｇｍ（ε））^２、ｗ４（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ５（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２の少なくとも一つが含まれた式を、評価関数として用いてもよい。また、図１３の場合には、（２）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２が含まれずに、ｗ３（Ｇ（ε）－Ｇｍ（ε））^２、ｗ４（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ５（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２が含まれた式を、評価関数として用いてもよい。 In the case of FIG. 13, an equation containing at least one of w3(G(ε)-Gm(ε)) ² , w4(G(fpl)-Gm(fpl)) ² , and w5(G(fph)-Gm(fph)) ² in addition to W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) 2 in equation ( ² ) may be used as the evaluation function. In the case of FIG. 13, an equation that does not include W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) ² in equation (2) but includes w3(G(ε)-Gm(ε)) ² , w4(G(fpl)-Gm(fpl)) ² , and w5(G(fph)-Gm(fph)) ² may be used as the evaluation function.

図１４は、粘性減衰係数が実測値と演算値とで異なる場合の周波数特性の一例を示す。図１４では、共振周波数が実測値と演算値とで一致している一方、共振周波数におけるゲインが実測値と演算値とで異なっている。図１４に示す場合には、以下の（３）式を用いることにより、演算値を実測値にフィッティングさせることができる。 Figure 14 shows an example of frequency characteristics when the viscous damping coefficient differs between the measured and calculated values. In Figure 14, the resonance frequency matches the calculated value, but the gain at the resonance frequency differs between the measured and calculated values. In the case shown in Figure 14, the calculated value can be fitted to the measured value by using the following equation (3).

なお、図１４の場合には、（３）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２に加えて、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２のいずれか一方が含まれた式を、評価関数として用いてもよい。また、図１４の場合には、（３）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２に加えて、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２のいずれか一方が含まれた式を、評価関数として用いてもよい。また、図１４の場合には、（３）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２が含まれずに、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２が含まれた式を、評価関数として用いてもよい。 In the case of FIG. 14, an equation in which either w3(G(fpl)-Gm(fpl)) ² or w4(G(fph)-Gm(fph)) ² in addition to W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) ² in equation (3) may be used as the evaluation function. Also, in the case of FIG. 14, an equation in which either w3(G(fpl)-Gm(fpl)) ² or w4(G(fph)-Gm(fph)) ² in addition to W1(G(fp)-Gm(fpm)) ² in equation (3) may be used as the evaluation function. In the case of FIG. 14, an equation that does not include W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) ² in equation (3) but includes w3(G(fpl)-Gm(fpl)) ² and w4(G(fph)-Gm(fph)) ² may be used as the evaluation function.

図１５は、ばね定数が実測値と演算値とで異なる場合の周波数特性の一例を示す。図１５では、共振周波数が実測値と演算値とで異なっている一方、共振周波数におけるゲインが実測値と演算値とで一致している。図１５に示す場合にも、（３）式を用いることにより、演算値を実測値にフィッティングさせることができる。 Figure 15 shows an example of frequency characteristics when the spring constant differs between the measured value and the calculated value. In Figure 15, the resonant frequency differs between the measured value and the calculated value, but the gain at the resonant frequency matches the measured value. In the case shown in Figure 15, the calculated value can also be fitted to the measured value by using equation (3).

なお、図１５の場合も、（３）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２に加えて、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２のいずれか一方が含まれた式を、評価関数として用いてもよい。また、図１５の場合には、（３）式において、Ｗ２（ｆｐ－ｆｐｍ）^２が含まれずに、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２に加えて、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２のいずれか一方が含まれた式を、評価関数として用いてもよい。また、図１５の場合には、（３）式において、Ｗ１（Ｇ（ｆｐ）－Ｇｍ（ｆｐｍ））^２、Ｗ２（ｆｐ－ｆｐｍ）^２が含まれずに、ｗ３（Ｇ（ｆｐｌ）－Ｇｍ（ｆｐｌ））^２、ｗ４（Ｇ（ｆｐｈ）－Ｇｍ（ｆｐｈ））^２が含まれた式を、評価関数として用いてもよい。 15, an equation in which either w3(G(fpl)-Gm(fpl)) ² or w4(G(fph)-Gm(fph)) ² in addition to W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) ² in equation (3) may be used as the evaluation function. Also, in the case of FIG. 15, an equation in which either w3(G(fpl)-Gm(fpl)) ² or w4(G(fph)-Gm(fph)) ² in addition to W1(G(fp)-Gm(fpm)) ² is not included and may be used as the evaluation ^function . In the case of FIG. 15, an equation that does not include W1(G(fp)-Gm(fpm)) ² and W2(fp-fpm) ² in equation (3) but includes w3(G(fpl)-Gm(fpl)) ² and w4(G(fph)-Gm(fph)) ² may be used as the evaluation function.

（その他の実施形態）
以上、本発明の実施の形態を説明したが、上述した実施の形態は本発明を実施するための例示に過ぎない。よって、上述した実施の形態に限定されることなく、その趣旨を逸脱しない範囲内で上述した実施の形態を適宜変形して実施することが可能である。 (Other embodiments)
Although the embodiments of the present invention have been described above, the above-described embodiments are merely examples for carrying out the present invention. Therefore, the present invention is not limited to the above-described embodiments, and it is possible to appropriately modify the above-described embodiments within the scope of the spirit of the present invention.

前記実施形態２では、特性値推定装置１００は、ばね定数ｋ１，ｋ３を分割せずに、粘性減衰係数ｃ１～ｃ３をそれぞれ５分割して、評価関数の最適解を求めている。しかしながら、特性値推定装置は、ばね定数及び粘性減衰係数の全てを分割してもよいし、ばね定数及び粘性減衰係数の少なくとも１つを分割してもよい。 In the second embodiment, the characteristic value estimation device 100 divides each of the viscous damping coefficients c1 to c3 into five parts without dividing the spring constants k1 and k3, and finds the optimal solution of the evaluation function. However, the characteristic value estimation device may divide all of the spring constants and viscous damping coefficients, or may divide at least one of the spring constants and viscous damping coefficients.

前記各実施形態では、制御対象Ｗは、４慣性系であり、モータ、トルク検出器及び供試体などを含む。しかしながら、制御対象Ｗは、３慣性系や５慣性系など、４慣性系以外の多慣性系であってもよいし、２慣性系であってもよい。また、制御対象Ｗは、上記以外の他の構成を含んでいてもよいし、上記以外の他の構成を有する軸系を含んでいてもよい。 In each of the above embodiments, the controlled object W is a four-inertia system and includes a motor, a torque detector, and a test object. However, the controlled object W may be a multi-inertia system other than a four-inertia system, such as a three-inertia system or a five-inertia system, or may be a two-inertia system. Furthermore, the controlled object W may include other configurations than those described above, or may include an axis system having other configurations than those described above.

前記各実施形態では、第１特徴値は、共振周波数及びゲインである。第２特徴値は、共振周波数及びゲインである。しかしながら、第１特徴値は、共振周波数のみであってもよい。第２特徴値は、共振周波数のみであってもよい。また、第１特徴値は、制御対象Ｗの共振周波数及びそのゲイン以外の特徴値（モータの電流応答など）を含んでいてもよいし、その特徴値だけであってもよい。第２特徴値は、制御対象Ｗの共振周波数及びそのゲイン以外の特徴値（モータの電流応答など）を含んでいてもよいし、その特徴値だけであってもよい。 In each of the above embodiments, the first feature value is the resonant frequency and gain. The second feature value is the resonant frequency and gain. However, the first feature value may be only the resonant frequency. The second feature value may be only the resonant frequency. Furthermore, the first feature value may include a feature value other than the resonant frequency and gain of the control object W (such as the current response of the motor), or may consist of only that feature value. The second feature value may include a feature value other than the resonant frequency and gain of the control object W (such as the current response of the motor), or may consist of only that feature value.

前記各実施形定では、特性値推定装置１，１００は、制御対象Ｗのばね定数ｋ１，ｋ３を推定している。しかしながら、特性値推定装置は、他のパラメータを推定してもよい。 In each of the above embodiments, the characteristic value estimation device 1, 100 estimates the spring constants k1, k3 of the control object W. However, the characteristic value estimation device may also estimate other parameters.

前記各実施形態では、最適化処理部１４，１４０は、変数の探索領域において評価関数の最小値を最適解として求めている。しかしながら、最適化処理部は、前記探索領域において評価関数の最大値などの他の値を最適解として求めてもよい。この場合には、前記評価関数として、実施形態１の評価関数ではなく、前記他の値を最適解として求めることができるような評価関数を用いればよい。最適化処理部で用いられる評価関数は、前記各実施形態で用いられている評価関数とは別の評価関数であってもよい。 In each of the above embodiments, the optimization processing unit 14, 140 finds the minimum value of the evaluation function in the search region of the variables as the optimal solution. However, the optimization processing unit may find another value, such as the maximum value of the evaluation function in the search region, as the optimal solution. In this case, instead of the evaluation function of embodiment 1, an evaluation function that can find the other value as the optimal solution may be used. The evaluation function used in the optimization processing unit may be a different evaluation function from the evaluation function used in each of the above embodiments.

前記各実施形態では、最適化処理部１４，１４０は、変数の初期値を、探索領域または局所領域の最小値に設定している。しかしながら、最適化処理部は、変数の初期値を、探索領域または局所領域における他の値に設定してもよい。 In each of the above embodiments, the optimization processing unit 14, 140 sets the initial value of the variable to the minimum value in the search region or local region. However, the optimization processing unit may also set the initial value of the variable to another value in the search region or local region.

前記各実施形態では、探索領域の一例として、ばね定数ｋ１，ｋ３を変化させた場合の例が記載されている。しかしながら、前記探索領域は、制御対象の状態方程式の変数である他のパラメータを変化させた領域であってもよい。 In each of the above embodiments, an example of a search region is described in which the spring constants k1 and k3 are varied. However, the search region may also be a region in which other parameters that are variables in the state equation of the controlled object are varied.

本発明は、制御対象の特性値を推定する特性値推定装置及び特性値推定方法に利用可能である。 The present invention can be used in a characteristic value estimation device and characteristic value estimation method for estimating characteristic values of a controlled object.

１、１００、２００特性値推定装置
１１、２１１第１特徴値取得部
１２、１２０パラメータ設定部
１３、２１３第２特徴値算出部
１４、１４０、２１４最適化処理部
１５推定部
１２１探索領域分割部
１４１局所領域最適化処理部
１４２最適解選択部
２１１ａ第１取得部
２１１ｂ第２取得部
２１３ａ第１演算部
２１３ｂ第２演算部
Ｗ制御対象 1, 100, 200 characteristic value estimation device 11, 211 first feature value acquisition unit 12, 120 parameter setting unit 13, 213 second feature value calculation unit 14, 140, 214 optimization processing unit 15 estimation unit 121 search region division unit 141 local region optimization processing unit 142 optimal solution selection unit 211a first acquisition unit 211b second acquisition unit 213a first calculation unit 213b second calculation unit W controlled object

Claims

A characteristic value estimation device that estimates a characteristic value of a controlled object,
a first characteristic value acquisition unit that obtains a first characteristic value of the control object at a predetermined frequency from the frequency characteristics of the control object;
a second characteristic value calculation unit that calculates a second characteristic value of the controlled object when the variable is changed within a search region at the predetermined frequency using a state equation including a variable that affects the first characteristic value;
an optimization processing unit that changes the variable within the search region to change the second feature value calculated by the second feature value calculation unit, and obtains an optimal solution within the search region of an evaluation function that is a relational expression between the first feature value and the second feature value;
an estimation unit that estimates the variables when an optimal solution is obtained by the optimization processing unit as the characteristic values;
and
the evaluation function is a relational expression including a square of the difference between the first feature value and the second feature value,
the optimization processing unit determines, as the optimal solution, a value of the evaluation function when a square of a difference between the first feature value and the second feature value is minimum.
Characteristic value estimation device .

2. The characteristic value estimation device according to claim 1 ,
the first characteristic value and the second characteristic value each include at least a gain;
Characteristic value estimation device.

3. The characteristic value estimation device according to claim 1,
the search region is made up of a plurality of local regions,
The optimization processing unit
a local region optimization processing unit that changes the variables of the state equation in each of the local regions to change the second feature value calculated by the second feature value calculation unit, thereby obtaining an optimal solution of the evaluation function;
an optimal solution selection unit that selects an optimal solution from the optimal solutions of the evaluation function obtained in each local region by the local region optimization processing unit as an optimal solution of the evaluation function in the search region;
having
Characteristic value estimation device.

A characteristic value estimation method for estimating a characteristic value of a controlled object, comprising:
a first feature value obtaining step of obtaining a first feature value of the control object at a predetermined frequency from the frequency characteristics of the control object;
an optimization processing step of calculating a second feature value of the controlled object when the variable is changed within a search region at the predetermined frequency using a state equation including a variable that affects the first feature value, and obtaining an optimal solution within the search region of an evaluation function that is a relational expression between the first feature value and the second feature value;
an estimation step of estimating the variables when an optimal solution is obtained in the optimization processing step as the characteristic values;
and
the evaluation function is a relational expression including a square of the difference between the first feature value and the second feature value,
the optimization processing step determines, as the optimal solution, the value of the evaluation function when a square of the difference between the first feature value and the second feature value is minimum.
Property value estimation method.