誘導制御システム
【課題】 目標地点や目標経路に誘導する際に、誘導則によって算出される機体のバンク角を達成するための制御方式の設計準備を簡略化させ、飛行環境や機体状態の変化によるゲインの切り替えを最小限に抑えてシステムを簡略化させる。
【解決手段】 フィードバック制御器４は、誘導システム１からの目標バンク角２と機体６からの機体バンク角７との誤差に従い、フィードバック制御信号５を生成する。人工脳神経網３は、急変緩和フィルター９からの出力に従いフィードバック制御信号５を最小化するように修正し、目標バンク角２に応じた制御命令を出力し、出力監視装置１０を経て人工脳神経網制御信号１１とフィードバック制御信号５に基づき求められた制御信号１２を機体６に与えて、機体バンク角７を制御する。
【解決手段】 フィードバック制御器４は、誘導システム１からの目標バンク角２と機体６からの機体バンク角７との誤差に従い、フィードバック制御信号５を生成する。人工脳神経網３は、急変緩和フィルター９からの出力に従いフィードバック制御信号５を最小化するように修正し、目標バンク角２に応じた制御命令を出力し、出力監視装置１０を経て人工脳神経網制御信号１１とフィードバック制御信号５に基づき求められた制御信号１２を機体６に与えて、機体バンク角７を制御する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、誘導制御システムに係り、特に、人工脳神経網を利用した飛行誘導制御システムに関する。
【背景技術】
【０００２】
航空機・飛翔体・無人航空機を目標地点ごとに逐次自動飛行させるために、目標地点と自機の位置との目視線角にもとづき、機体のバンク角を設定し、そのバンク角に自動制御で追従させる誘導制御則（比例航法）が広く利用されている。また、目標経路に沿って飛行させる場合には、目標経路と自機の位置のずれにもとづき、機体のバンク角を設定する経路追従制御が用いられることもある。こうした誘導制御により指定されたバンク角の自動制御にはバンク角指令値と実バンク角との誤差の比例成分（Ｐ）、微分成分（Ｄ）、積分成分（Ｉ）により合成された制御命令を生成するフィードバック制御が通常利用される。
【０００３】
また、従来技術として以下のような特許文献が挙げられる。
特許文献１には、「ニューロ・ファジィ融合システムを使って航空機を自動着陸制御する航空機自動着陸装置」（要約参照）が記載されている。特許文献２には、「ニュートラルネットワークで道路との位置関係を把握して、道路内を自走可能な車両を実現する」車両の自走制御方法（要約参照）が記載されている。また、特許文献３には、「外乱等によって、飛行速度が変動しても、所定の旋回半径を保持し、旋回コースを精度よく追尾することができる航空機の自動誘導飛行システム」（要約参照）が記載されている。
【０００４】
【特許文献１】特開平８−１０８８９９号公報
【特許文献２】特開平９−２３０９３５号公報
【特許文献３】特開平７−１０４８５３号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
従来のフィードバック制御において、バンク角の自動制御に用いられる制御命令の各成分の重み（ゲイン）は、スムーズな誘導制御を行う場合には、念入りな調整が必要であるため、機体の特性を正確に把握し、事前にシミュレーションを実施する必要があった。そのため、例えば、飛行状態や、機体の状態に応じて事前に設定した適切なゲインを切り替えて使用する必要があった。また、機体の故障など突発的な事態に対応することが難しく、経年変化による機体の特性の変化に対応させることも難しかった。
本発明は、以上の点に鑑み、目標地点や目標経路に誘導する際に、誘導則によって算出される機体のバンク角を達成するための制御方式の設計準備を簡略化させ、さらに飛行環境や機体状態の変化によるゲインの切り替えを最小限に抑えることでシステムを簡略化させることを目的とする。また、本発明は、機体の故障や強い突風など突発的な事態の変化や、経年変化等による機体の特性変化に対応する自動的な適応能力を持つ誘導制御システムとすることで、誘導制御則システムの開発期間を短縮し、機体の信頼性と安定性を高めるとともに、誘導制御則システムの維持管理を容易にすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、航空機・飛翔体・無人機を一定の地点や定められた航路に誘導制御する際に、何らかの誘導則によって導かれた機体の必要バンク角を制御するフィードバック制御系に人工脳神経網を追加することで、システムの設計時間を短縮させるとともに、従来の技術では困難であった機体の故障や特性の変化に適応させ、強い風のような外乱への対応を可能にする誘導制御システムを提供する。本実施の形態では、さらに、その効果をシミュレーション試験によって実証した。
本発明において、実時間での人工脳神経網も学習能力を高めるために、人工脳神経網を線形システムで表現するとともに、目標が切り替わった場合に、学習パラメータが大きく変動しないように、目標値に急変緩和フィルターを作用させた値を人工脳神経網に与えるように工夫することができる。本発明の人工脳神経網は従来のフィードバック制御系に並列的に配置するものであるため、従来の誘導制御システムにアドホックで追加が可能であり、実用化の可能も高い。また、人工脳神経網の出力を常時モニターすることで、異常が発生した場合には、従来システムに瞬時に切り替えることができる。その結果、人工脳神経網の出力に異常がある場合でも、従来のフィードバック制御が機能し、システムの信頼性を従来システム同様に維持することを可能にした。また、本発明では、学習した人工脳神経網のパラメータを飛行速度や空気密度とともに記録保存することで、再度同じ状態で飛行する際の学習時間を短縮させることができる。
【０００７】
さらに、本実施の形態では、その一例として、目標との目視線角の計測にＧＰＳ（全地球測位システム）を用いることで、視界が無くても誘導を可能にし、バンク角の計測には、小型で安価な半導体加速度センサーを使用することで高価で大掛かりな姿勢計測センサーを使用しない工夫がなされている。
現在、実用化に向けた開発が急速に進展している無人航空機の誘導制御に関しては、パイロットの迅速で微妙な調整が困難なため、こうした実時間学習機能を備えることが有益である。本発明によると、パイロットの操縦する航空機においても、従来のフィードバック制御系にアドホック的に追加できるため、実現が容易であり、故障や強い風の影響を自動的に補償可能な誘導制御システムとして備えることで飛行の安全性を向上させることができる。
【０００８】
本発明の解決手段によると、
機体を目標地点又は目標経路に誘導するための目標バンク角を算出する誘導システムと、
前記誘導システムからの目標バンク角と前記機体からの機体バンク角との誤差に従い、フィードバック制御信号を生成するフィードバック制御器と、
前記誘導システムからの目標バンク角に対して、目標地点又は目標経路が急に変化した場合に目標バンク角の変化が不連続にならないようにするための急変緩和フィルターと、
前記急変緩和フィルターからの出力に従い、内部パラメータである重みとバイアスを、前記フィードバック制御器による前記フィードバック制御信号を最小化するように修正し、目標バンク角に応じた制御命令を出力するための人工脳神経網と、
前記人工脳神経網からの制御命令に異常があった場合に、前記制御命令を制限して人工脳神経網制御信号を出力するための出力監視装置と
前記出力監視装置からの前記人工脳神経網制御信号と、前記フィードバック制御器からの前記フィードバック制御信号との和に基づき、制御信号を求める演算器と、
を備え、
前記演算器からの制御信号を前記機体に与えることにより、前記機体バンク角を制御するようにした誘導制御システムが提供される。
【発明の効果】
【０００９】
本発明では、バンク角の目標値から制御信号を直接出力できる人工脳神経網をフィードバック制御に並列に設置し、フィードバック制御信号を最小化するようにサンプル時間ごとに人工脳神経網のパラメータを学習させる。こうした学習機能を追加することで、人工脳神経網は目標から制御出力を直接的に指令することができるようになり、フィードバックゲインの設定が適正値から大きくずれた場合でも、精度良く目標経路や目標位置に精度良く誘導させることが可能になる。しかも、人工脳神経網の学習は常時実行されるので、飛行速度や高度による飛行条件の違いに対応が可能である。その結果、通常のフィードバック制御の場合いのように制御ゲインを飛行中にきめ細かく切り替える必要が無くなる。つまり、機体の特性が設計時の数学モデルと変わっても適切な制御が可能なるため、フィードバックゲインの設定に必要となる手間が大幅に省くことが可能となる。また、故障や経年変化によってシステムの特性が変化した場合にも、適切な制御が可能となり、予測不能な強い風の影響にも対応することができるためシステムの安全性を向上させることが期待できる。人工脳神経網の前段に急変緩和フィルターを配置することで、目標値の不連続な変化に対応が可能であり、後段に出力監視装置を設けることで人工脳神経網の暴走を防ぐことができる。人工脳神経網の出力を絞れば、通常のフィードバック制御になるため、システムの信頼性と安定性を維持することが可能となる。人工脳神経網の学習は常時実施されるので、そのままでは学習結果は記憶されない。安定した学習結果が得られた時点で適時、飛行速度、空気密度とともに記憶装置に記録保存する。同じ状況で学習を行う場合には、保存された人工脳神経網のパラメータを学習の初期値として使用することで再度学習を行う場合に必要となる学習時間を短縮することができる。
【００１０】
なお、本発明と上述した特許文献とを比較すると、例えば以下のような差異がある。
特許文献１は、ニューロ・ファジィという考え方を採用しており、事前の学習を必要とするので、本発明のような事前学習が不要なオンライン学習とは異なるものである。特許文献２には、ニュートラルネットワークを用いた舵角等の車両制御について記載されているが、これも事前の学習を必要とし、本発明のようなオンライン学習ではない。また、特許文献３には、バンク角に注目した制御について記載されているが、誘導則の特許であり、本発明のようなバンク角制御は開示されていない。
【発明を実施するための最良の形態】
【００１１】
１．飛行誘導制御
図１に、本実施の形態の飛行誘導制御システムの構成図を示す。この飛行誘導制御システムは、誘導システム１、人工脳神経網３、フィードバック制御器４、機体６、急変緩和フィルター９、出力監視装置１０、学習記憶装置１３、演算器１６及び１７を備える。
本実施の形態は、生物の脳神経網が持つ、学習能力、適応能力を人工的に模擬した人工脳神経網を飛行誘導制御法のバンク角制御に組み込む。誘導システム１により機体を誘導するために必要な目標バンク角２を算出する。具体的には、誘導システム１は、例えば、自機位置及び速度を全地球測位システム（ＧＰＳ）により計測し、目標位置又は目標経路に応じたバンク角指令（目標バンク角）を算出する。人工脳神経網３の前段階に置かれた急変緩和フィルター９は、目標バンク角２を入力し、目標地点や目標経路が急に切りかわった場合に、目標バンク角２の変化が不連続にならないように工夫されている。なお、急変緩和フィルター９は誘導システム１の直後に置いても良い。人工脳神経網３は、目標バンク角２に応じた補助翼などの制御命令を出力し、人工脳神経網３のパラメータである重みとバイアスをフィードバック制御器４によるフィードバック制御信号５を最小化するようにサンプル時間ごとに逐次修正する。
【００１２】
演算器１７は、例えば減算器や差分器等で構成され、誘導システム１から出力された目標バンク角２と機体６で検出された機体バンク角との差をとる。フィードバック制御器４は、目標バンク角２と機体６の実際のバンク角７の誤差８によってフィードバック制御信号５を生成する。出力監視装置１０は、人工脳神経網３の出力に異常があった場合に、人工脳神経網３の出力を制限して人工脳神経網制御信号１１とする。出力監視装置１０は、例えば、人工脳神経網３の出力が所定範囲内の場合は人工脳神経網３の出力値を出力し、所定範囲外の場合は０を出力する。演算器１６は、例えば加算器等で構成され、人工脳神経網制御信号１１とフィードバック制御信号５との和を求め、機体６の制御信号１２とする。なお、演算器１６での演算は、単純な和に限らず、人工脳神経網制御信号１１とフィードバック制御信号５の値にそれぞれ重み付けをした和でもよい。
【００１３】
学習記憶装置１３は、学習した人工脳神経網３のパラメータを飛行速度、空気密度等の飛行状態データ１４とともに記録し、同じような飛行速度、空気密度での飛行を行う際に、人工脳神経網３のパラメータの初期値１５として使用する。制御信号１２は補助翼を駆動するアクチュエータの指令値となり、機体６は補助翼の操作に従いバンクする。機体６は、機体６の実際のバンク角（機体バンク角）を、例えば、姿勢センサーにより検出し、または、機体上下軸加速度を加速度計で計測した値に基づき推定することで検出し、演算器１７に与える。
【００１４】
２．目標バンク角
図２に、目視線角からバンク角の設定についての説明図を示す。
図のように位置（Ｘ，Ｙ）にある機体が目標位置（Ｘｔ，Ｙｔ）を目標に飛行する場合を考える。目視線角θｌは
ｃｏｓθｌ＝（Ｘｔ−Ｘ）／ｄ
ｓｉｎθｌ＝（Ｙｔ−Ｙ）／ｄ （１）
により算出される。ここで、ｄは機体と目標の距離で
ｄ＝√｛（Ｘｔ−Ｘ）２＋（Ｙｔ−Ｙ）２｝ （２）
で与えられる。（１）式を微分することにより目視線角速度は
【００１５】
【数１】
ここで、
Δｄ＝｛（Ｘｔ−Ｘ）（ｕｔ−ｕ）＋（Ｙｔ−Ｙ）（ｖｔ−ｖ）｝／ｄ
（ｕ，ｖ）は、機体の速度成分
（ｕｔ，ｖｔ）は、目標が移動する場合の速度成分
【００１６】
方位角変化を目視線角度に比例して与えれば、次式となる。
【数２】
【００１７】
また、方位変更に必要となる機体横加速度ａｙｃは、機速Ｖａから
【数３】
と求められる。この横加速度は機体をバンクさせることによって生成できるので、
φｃ＝ｔａｎ−１（ａｙｃ／ｇ） （６）
で定まるφｃだけ機体をバンクさせればよい。このφｃが目標バンク角となる。ここでｇは重力加速度である。
【００１８】
３．フィードバック制御
図３に、後述のシミュレーションで使用した誘導制御システムについての説明図を示す。
【００１９】
本実施の形態では、目標バンク角が不連続に変化しても対応できるように、例えば、次のような２次系のフィルターを急変緩和フィルター９として作用させる。
【数４】
ここでｓはラプラス演算子である。図のように、人工脳神経網３の入力は急変緩和フィルター９通過後の目標バンク角、バンク角速度、バンク角加速度である。人工脳神経網３の出力ｕｆｆはこれらの線形和およびバイアスの和として、次式のように合成する。
【００２０】
【数５】
【００２１】
このとき、未知パラメータｗｉを、図のようにフィードバック制御器４の出力ｕｆｂの二乗和
Ｅ＝（１／２）ｕｆｂ２
を最小にするように、修正すればよいので、修正量は、
【数６】
であり、制御信号（ｕ＝ｕｆｆ＋ｕｆｂ）は学習が完了すれば一定になることから
【００２２】
【数７】
が成立するので、式（１０）を式（９）に代入し、式（８）を適用すれば
【００２３】
【数８】
ここで、εは修正量の大きさをスケーリングする学習率である。ここで得られた修正量Δｗｉによって未知パラメータｗｉをサンプル時間ごとに更新し、式（８）から人工脳神経網の出力ｕｆｆを算出する。出力監視装置１０は、この出力ｕｆｆの絶対値が規定値の範囲内の場合は（例えば、−ｕｆｆｍａｘ≦ｕｆｆ≦ｕｆｆｍａｘ，ｕｆｆｍａｘは予め定められた限界値（規定値））、入力したｕｆｆを出力し、一方、規定値を超えた場合は、上記の計算が発散したとみなし、ｕｆｆを０にする（なお、図中グラフは出力ウィンドウの一例を示す）。実際に機体のバンク角を変更する補助翼アクチュエータの指令信号として出力は、例えば、図３のように人工脳神経網制御信号ｕｆｆとフィードバック制御信号ｕｆｂの和ｕ（図１、制御信号１２）として生成される。
【００２４】
４．シミュレーション
無人機を例に、４点を順次目標として旋廻させた場合の飛行経路にシミュレーション結果を示す。高度および速度は６４００ｍと秒速３２ｍに一定に制御されているものとする。
図４に、フィードバック制御の比例定数を０．５とした場合、フィードバック制御のみと人工脳神経網を作用させた場合の飛行軌跡についての比較図を示す。図４（Ａ）はフィードバック制御のみの場合、図４（Ｂ）は人工脳神経網を用いた場合をそれぞれ示す。図示のように、人工脳神経網を作用させた場合のほうが一定の軌跡に早く収まっていることが分る。
図５は、人工脳神経網のパラメータの収束の様子を示す説明図である。この図は、人工脳神経網のパラメータである重み（例：ｗ１，ｗ２，ｗ３）とバイアス（例：ｗ４）をいずれも０を初期値として算出したものであり、時間とともに一定の値に学習されていく様子を示している。図１の学習記憶装置は、ここで収束した人工脳神経網のパラメータである重み（例：ｗ１，ｗ２，ｗ３）とバイアス（例：ｗ４）を、飛行速度、空気密度、高度等の飛行状態データとともに記憶し、再び同様な飛行速度と高度等の飛行状態で飛行する場合の人工脳神経網のパラメータの初期値とする。
【００２５】
図６は、不適切なフィードバックゲインの設定でも正確な誘導制御が可能な例を示す説明図である。
図６（Ａ）は、フィードバック制御器の比例ゲインを０．１，０．０５と絶対値を小さくした場合の人工脳神経網を作用させなかった場合の飛行軌跡である。フィードバック制御器のゲインの設定が適切でない場合には、経路が不安定になる場合があることを示している。図６（Ｂ）は、経路が発散した比例ゲインが０．０５の場合に、人工脳神経網を作用させた場合であり、経路は比例ゲインが０．５の場合と同様に安定してことが分る。これより、人工脳神経網を用いた誘導制御方式は、フィードバック制御器の設定が不適切な場合にも、正しく機体を誘導できていることが検証された。
この例では、無人航空機を想定し、高価な航法機器を搭載しなくとも誘導制御を行えるような工夫がなされている。この例では、誘導システム１は、自機位置及び速度を全地球測位システム（ＧＰＳ）により計測し、バンク角指令を算出している。また、機体６は、実際のバンク角の検出には高価な姿勢センサーを用いることなく、機体上下軸加速度ａｚを加速度計で計測し、重力加速度ｇの比が、旋回時には
ｃｏｓφ＝ｇ／ａｚ （１１）
の関係があることから求めている。
【産業上の利用可能性】
【００２６】
本発明は、航空機・飛翔体・無人航空機等の飛行誘導制御に広く応用でき、他にも、衛星、モーターボート等の高速で航行する船舶、潜水艦等の誘導制御に利用することができる。
【図面の簡単な説明】
【００２７】
【図１】飛行誘導制御システムの構成図。
【図２】目視線角からバンク角の設定についての説明図。
【図３】後述のシミュレーションで使用した誘導制御システムについての説明図。
【図４】フィードバック制御のみと人工脳神経網を作用させた場合の飛行軌跡についての比較図。
【図５】人工脳神経網のパラメータの収束の様子を示す説明図。
【図６】不適切なフィードバックゲインの設定でも正確な誘導制御が可能な例を示す説明図。
【符号の説明】
【００２８】
１ 誘導システム
３ 人工脳神経網
４ フィードバック制御器
６ 機体
９ 急変緩和フィルター
１０ 出力監視装置
１３ 学習記憶装置
１６ 演算器
１７ 演算器
【技術分野】
【０００１】
本発明は、誘導制御システムに係り、特に、人工脳神経網を利用した飛行誘導制御システムに関する。
【背景技術】
【０００２】
航空機・飛翔体・無人航空機を目標地点ごとに逐次自動飛行させるために、目標地点と自機の位置との目視線角にもとづき、機体のバンク角を設定し、そのバンク角に自動制御で追従させる誘導制御則（比例航法）が広く利用されている。また、目標経路に沿って飛行させる場合には、目標経路と自機の位置のずれにもとづき、機体のバンク角を設定する経路追従制御が用いられることもある。こうした誘導制御により指定されたバンク角の自動制御にはバンク角指令値と実バンク角との誤差の比例成分（Ｐ）、微分成分（Ｄ）、積分成分（Ｉ）により合成された制御命令を生成するフィードバック制御が通常利用される。
【０００３】
また、従来技術として以下のような特許文献が挙げられる。
特許文献１には、「ニューロ・ファジィ融合システムを使って航空機を自動着陸制御する航空機自動着陸装置」（要約参照）が記載されている。特許文献２には、「ニュートラルネットワークで道路との位置関係を把握して、道路内を自走可能な車両を実現する」車両の自走制御方法（要約参照）が記載されている。また、特許文献３には、「外乱等によって、飛行速度が変動しても、所定の旋回半径を保持し、旋回コースを精度よく追尾することができる航空機の自動誘導飛行システム」（要約参照）が記載されている。
【０００４】
【特許文献１】特開平８−１０８８９９号公報
【特許文献２】特開平９−２３０９３５号公報
【特許文献３】特開平７−１０４８５３号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
従来のフィードバック制御において、バンク角の自動制御に用いられる制御命令の各成分の重み（ゲイン）は、スムーズな誘導制御を行う場合には、念入りな調整が必要であるため、機体の特性を正確に把握し、事前にシミュレーションを実施する必要があった。そのため、例えば、飛行状態や、機体の状態に応じて事前に設定した適切なゲインを切り替えて使用する必要があった。また、機体の故障など突発的な事態に対応することが難しく、経年変化による機体の特性の変化に対応させることも難しかった。
本発明は、以上の点に鑑み、目標地点や目標経路に誘導する際に、誘導則によって算出される機体のバンク角を達成するための制御方式の設計準備を簡略化させ、さらに飛行環境や機体状態の変化によるゲインの切り替えを最小限に抑えることでシステムを簡略化させることを目的とする。また、本発明は、機体の故障や強い突風など突発的な事態の変化や、経年変化等による機体の特性変化に対応する自動的な適応能力を持つ誘導制御システムとすることで、誘導制御則システムの開発期間を短縮し、機体の信頼性と安定性を高めるとともに、誘導制御則システムの維持管理を容易にすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、航空機・飛翔体・無人機を一定の地点や定められた航路に誘導制御する際に、何らかの誘導則によって導かれた機体の必要バンク角を制御するフィードバック制御系に人工脳神経網を追加することで、システムの設計時間を短縮させるとともに、従来の技術では困難であった機体の故障や特性の変化に適応させ、強い風のような外乱への対応を可能にする誘導制御システムを提供する。本実施の形態では、さらに、その効果をシミュレーション試験によって実証した。
本発明において、実時間での人工脳神経網も学習能力を高めるために、人工脳神経網を線形システムで表現するとともに、目標が切り替わった場合に、学習パラメータが大きく変動しないように、目標値に急変緩和フィルターを作用させた値を人工脳神経網に与えるように工夫することができる。本発明の人工脳神経網は従来のフィードバック制御系に並列的に配置するものであるため、従来の誘導制御システムにアドホックで追加が可能であり、実用化の可能も高い。また、人工脳神経網の出力を常時モニターすることで、異常が発生した場合には、従来システムに瞬時に切り替えることができる。その結果、人工脳神経網の出力に異常がある場合でも、従来のフィードバック制御が機能し、システムの信頼性を従来システム同様に維持することを可能にした。また、本発明では、学習した人工脳神経網のパラメータを飛行速度や空気密度とともに記録保存することで、再度同じ状態で飛行する際の学習時間を短縮させることができる。
【０００７】
さらに、本実施の形態では、その一例として、目標との目視線角の計測にＧＰＳ（全地球測位システム）を用いることで、視界が無くても誘導を可能にし、バンク角の計測には、小型で安価な半導体加速度センサーを使用することで高価で大掛かりな姿勢計測センサーを使用しない工夫がなされている。
現在、実用化に向けた開発が急速に進展している無人航空機の誘導制御に関しては、パイロットの迅速で微妙な調整が困難なため、こうした実時間学習機能を備えることが有益である。本発明によると、パイロットの操縦する航空機においても、従来のフィードバック制御系にアドホック的に追加できるため、実現が容易であり、故障や強い風の影響を自動的に補償可能な誘導制御システムとして備えることで飛行の安全性を向上させることができる。
【０００８】
本発明の解決手段によると、
機体を目標地点又は目標経路に誘導するための目標バンク角を算出する誘導システムと、
前記誘導システムからの目標バンク角と前記機体からの機体バンク角との誤差に従い、フィードバック制御信号を生成するフィードバック制御器と、
前記誘導システムからの目標バンク角に対して、目標地点又は目標経路が急に変化した場合に目標バンク角の変化が不連続にならないようにするための急変緩和フィルターと、
前記急変緩和フィルターからの出力に従い、内部パラメータである重みとバイアスを、前記フィードバック制御器による前記フィードバック制御信号を最小化するように修正し、目標バンク角に応じた制御命令を出力するための人工脳神経網と、
前記人工脳神経網からの制御命令に異常があった場合に、前記制御命令を制限して人工脳神経網制御信号を出力するための出力監視装置と
前記出力監視装置からの前記人工脳神経網制御信号と、前記フィードバック制御器からの前記フィードバック制御信号との和に基づき、制御信号を求める演算器と、
を備え、
前記演算器からの制御信号を前記機体に与えることにより、前記機体バンク角を制御するようにした誘導制御システムが提供される。
【発明の効果】
【０００９】
本発明では、バンク角の目標値から制御信号を直接出力できる人工脳神経網をフィードバック制御に並列に設置し、フィードバック制御信号を最小化するようにサンプル時間ごとに人工脳神経網のパラメータを学習させる。こうした学習機能を追加することで、人工脳神経網は目標から制御出力を直接的に指令することができるようになり、フィードバックゲインの設定が適正値から大きくずれた場合でも、精度良く目標経路や目標位置に精度良く誘導させることが可能になる。しかも、人工脳神経網の学習は常時実行されるので、飛行速度や高度による飛行条件の違いに対応が可能である。その結果、通常のフィードバック制御の場合いのように制御ゲインを飛行中にきめ細かく切り替える必要が無くなる。つまり、機体の特性が設計時の数学モデルと変わっても適切な制御が可能なるため、フィードバックゲインの設定に必要となる手間が大幅に省くことが可能となる。また、故障や経年変化によってシステムの特性が変化した場合にも、適切な制御が可能となり、予測不能な強い風の影響にも対応することができるためシステムの安全性を向上させることが期待できる。人工脳神経網の前段に急変緩和フィルターを配置することで、目標値の不連続な変化に対応が可能であり、後段に出力監視装置を設けることで人工脳神経網の暴走を防ぐことができる。人工脳神経網の出力を絞れば、通常のフィードバック制御になるため、システムの信頼性と安定性を維持することが可能となる。人工脳神経網の学習は常時実施されるので、そのままでは学習結果は記憶されない。安定した学習結果が得られた時点で適時、飛行速度、空気密度とともに記憶装置に記録保存する。同じ状況で学習を行う場合には、保存された人工脳神経網のパラメータを学習の初期値として使用することで再度学習を行う場合に必要となる学習時間を短縮することができる。
【００１０】
なお、本発明と上述した特許文献とを比較すると、例えば以下のような差異がある。
特許文献１は、ニューロ・ファジィという考え方を採用しており、事前の学習を必要とするので、本発明のような事前学習が不要なオンライン学習とは異なるものである。特許文献２には、ニュートラルネットワークを用いた舵角等の車両制御について記載されているが、これも事前の学習を必要とし、本発明のようなオンライン学習ではない。また、特許文献３には、バンク角に注目した制御について記載されているが、誘導則の特許であり、本発明のようなバンク角制御は開示されていない。
【発明を実施するための最良の形態】
【００１１】
１．飛行誘導制御
図１に、本実施の形態の飛行誘導制御システムの構成図を示す。この飛行誘導制御システムは、誘導システム１、人工脳神経網３、フィードバック制御器４、機体６、急変緩和フィルター９、出力監視装置１０、学習記憶装置１３、演算器１６及び１７を備える。
本実施の形態は、生物の脳神経網が持つ、学習能力、適応能力を人工的に模擬した人工脳神経網を飛行誘導制御法のバンク角制御に組み込む。誘導システム１により機体を誘導するために必要な目標バンク角２を算出する。具体的には、誘導システム１は、例えば、自機位置及び速度を全地球測位システム（ＧＰＳ）により計測し、目標位置又は目標経路に応じたバンク角指令（目標バンク角）を算出する。人工脳神経網３の前段階に置かれた急変緩和フィルター９は、目標バンク角２を入力し、目標地点や目標経路が急に切りかわった場合に、目標バンク角２の変化が不連続にならないように工夫されている。なお、急変緩和フィルター９は誘導システム１の直後に置いても良い。人工脳神経網３は、目標バンク角２に応じた補助翼などの制御命令を出力し、人工脳神経網３のパラメータである重みとバイアスをフィードバック制御器４によるフィードバック制御信号５を最小化するようにサンプル時間ごとに逐次修正する。
【００１２】
演算器１７は、例えば減算器や差分器等で構成され、誘導システム１から出力された目標バンク角２と機体６で検出された機体バンク角との差をとる。フィードバック制御器４は、目標バンク角２と機体６の実際のバンク角７の誤差８によってフィードバック制御信号５を生成する。出力監視装置１０は、人工脳神経網３の出力に異常があった場合に、人工脳神経網３の出力を制限して人工脳神経網制御信号１１とする。出力監視装置１０は、例えば、人工脳神経網３の出力が所定範囲内の場合は人工脳神経網３の出力値を出力し、所定範囲外の場合は０を出力する。演算器１６は、例えば加算器等で構成され、人工脳神経網制御信号１１とフィードバック制御信号５との和を求め、機体６の制御信号１２とする。なお、演算器１６での演算は、単純な和に限らず、人工脳神経網制御信号１１とフィードバック制御信号５の値にそれぞれ重み付けをした和でもよい。
【００１３】
学習記憶装置１３は、学習した人工脳神経網３のパラメータを飛行速度、空気密度等の飛行状態データ１４とともに記録し、同じような飛行速度、空気密度での飛行を行う際に、人工脳神経網３のパラメータの初期値１５として使用する。制御信号１２は補助翼を駆動するアクチュエータの指令値となり、機体６は補助翼の操作に従いバンクする。機体６は、機体６の実際のバンク角（機体バンク角）を、例えば、姿勢センサーにより検出し、または、機体上下軸加速度を加速度計で計測した値に基づき推定することで検出し、演算器１７に与える。
【００１４】
２．目標バンク角
図２に、目視線角からバンク角の設定についての説明図を示す。
図のように位置（Ｘ，Ｙ）にある機体が目標位置（Ｘｔ，Ｙｔ）を目標に飛行する場合を考える。目視線角θｌは
ｃｏｓθｌ＝（Ｘｔ−Ｘ）／ｄ
ｓｉｎθｌ＝（Ｙｔ−Ｙ）／ｄ （１）
により算出される。ここで、ｄは機体と目標の距離で
ｄ＝√｛（Ｘｔ−Ｘ）２＋（Ｙｔ−Ｙ）２｝ （２）
で与えられる。（１）式を微分することにより目視線角速度は
【００１５】
【数１】
ここで、
Δｄ＝｛（Ｘｔ−Ｘ）（ｕｔ−ｕ）＋（Ｙｔ−Ｙ）（ｖｔ−ｖ）｝／ｄ
（ｕ，ｖ）は、機体の速度成分
（ｕｔ，ｖｔ）は、目標が移動する場合の速度成分
【００１６】
方位角変化を目視線角度に比例して与えれば、次式となる。
【数２】
【００１７】
また、方位変更に必要となる機体横加速度ａｙｃは、機速Ｖａから
【数３】
と求められる。この横加速度は機体をバンクさせることによって生成できるので、
φｃ＝ｔａｎ−１（ａｙｃ／ｇ） （６）
で定まるφｃだけ機体をバンクさせればよい。このφｃが目標バンク角となる。ここでｇは重力加速度である。
【００１８】
３．フィードバック制御
図３に、後述のシミュレーションで使用した誘導制御システムについての説明図を示す。
【００１９】
本実施の形態では、目標バンク角が不連続に変化しても対応できるように、例えば、次のような２次系のフィルターを急変緩和フィルター９として作用させる。
【数４】
ここでｓはラプラス演算子である。図のように、人工脳神経網３の入力は急変緩和フィルター９通過後の目標バンク角、バンク角速度、バンク角加速度である。人工脳神経網３の出力ｕｆｆはこれらの線形和およびバイアスの和として、次式のように合成する。
【００２０】
【数５】
【００２１】
このとき、未知パラメータｗｉを、図のようにフィードバック制御器４の出力ｕｆｂの二乗和
Ｅ＝（１／２）ｕｆｂ２
を最小にするように、修正すればよいので、修正量は、
【数６】
であり、制御信号（ｕ＝ｕｆｆ＋ｕｆｂ）は学習が完了すれば一定になることから
【００２２】
【数７】
が成立するので、式（１０）を式（９）に代入し、式（８）を適用すれば
【００２３】
【数８】
ここで、εは修正量の大きさをスケーリングする学習率である。ここで得られた修正量Δｗｉによって未知パラメータｗｉをサンプル時間ごとに更新し、式（８）から人工脳神経網の出力ｕｆｆを算出する。出力監視装置１０は、この出力ｕｆｆの絶対値が規定値の範囲内の場合は（例えば、−ｕｆｆｍａｘ≦ｕｆｆ≦ｕｆｆｍａｘ，ｕｆｆｍａｘは予め定められた限界値（規定値））、入力したｕｆｆを出力し、一方、規定値を超えた場合は、上記の計算が発散したとみなし、ｕｆｆを０にする（なお、図中グラフは出力ウィンドウの一例を示す）。実際に機体のバンク角を変更する補助翼アクチュエータの指令信号として出力は、例えば、図３のように人工脳神経網制御信号ｕｆｆとフィードバック制御信号ｕｆｂの和ｕ（図１、制御信号１２）として生成される。
【００２４】
４．シミュレーション
無人機を例に、４点を順次目標として旋廻させた場合の飛行経路にシミュレーション結果を示す。高度および速度は６４００ｍと秒速３２ｍに一定に制御されているものとする。
図４に、フィードバック制御の比例定数を０．５とした場合、フィードバック制御のみと人工脳神経網を作用させた場合の飛行軌跡についての比較図を示す。図４（Ａ）はフィードバック制御のみの場合、図４（Ｂ）は人工脳神経網を用いた場合をそれぞれ示す。図示のように、人工脳神経網を作用させた場合のほうが一定の軌跡に早く収まっていることが分る。
図５は、人工脳神経網のパラメータの収束の様子を示す説明図である。この図は、人工脳神経網のパラメータである重み（例：ｗ１，ｗ２，ｗ３）とバイアス（例：ｗ４）をいずれも０を初期値として算出したものであり、時間とともに一定の値に学習されていく様子を示している。図１の学習記憶装置は、ここで収束した人工脳神経網のパラメータである重み（例：ｗ１，ｗ２，ｗ３）とバイアス（例：ｗ４）を、飛行速度、空気密度、高度等の飛行状態データとともに記憶し、再び同様な飛行速度と高度等の飛行状態で飛行する場合の人工脳神経網のパラメータの初期値とする。
【００２５】
図６は、不適切なフィードバックゲインの設定でも正確な誘導制御が可能な例を示す説明図である。
図６（Ａ）は、フィードバック制御器の比例ゲインを０．１，０．０５と絶対値を小さくした場合の人工脳神経網を作用させなかった場合の飛行軌跡である。フィードバック制御器のゲインの設定が適切でない場合には、経路が不安定になる場合があることを示している。図６（Ｂ）は、経路が発散した比例ゲインが０．０５の場合に、人工脳神経網を作用させた場合であり、経路は比例ゲインが０．５の場合と同様に安定してことが分る。これより、人工脳神経網を用いた誘導制御方式は、フィードバック制御器の設定が不適切な場合にも、正しく機体を誘導できていることが検証された。
この例では、無人航空機を想定し、高価な航法機器を搭載しなくとも誘導制御を行えるような工夫がなされている。この例では、誘導システム１は、自機位置及び速度を全地球測位システム（ＧＰＳ）により計測し、バンク角指令を算出している。また、機体６は、実際のバンク角の検出には高価な姿勢センサーを用いることなく、機体上下軸加速度ａｚを加速度計で計測し、重力加速度ｇの比が、旋回時には
ｃｏｓφ＝ｇ／ａｚ （１１）
の関係があることから求めている。
【産業上の利用可能性】
【００２６】
本発明は、航空機・飛翔体・無人航空機等の飛行誘導制御に広く応用でき、他にも、衛星、モーターボート等の高速で航行する船舶、潜水艦等の誘導制御に利用することができる。
【図面の簡単な説明】
【００２７】
【図１】飛行誘導制御システムの構成図。
【図２】目視線角からバンク角の設定についての説明図。
【図３】後述のシミュレーションで使用した誘導制御システムについての説明図。
【図４】フィードバック制御のみと人工脳神経網を作用させた場合の飛行軌跡についての比較図。
【図５】人工脳神経網のパラメータの収束の様子を示す説明図。
【図６】不適切なフィードバックゲインの設定でも正確な誘導制御が可能な例を示す説明図。
【符号の説明】
【００２８】
１ 誘導システム
３ 人工脳神経網
４ フィードバック制御器
６ 機体
９ 急変緩和フィルター
１０ 出力監視装置
１３ 学習記憶装置
１６ 演算器
１７ 演算器
【特許請求の範囲】
【請求項１】
機体を目標地点又は目標経路に誘導するための目標バンク角を算出する誘導システムと、
前記誘導システムからの目標バンク角と前記機体からの機体バンク角との誤差に従い、フィードバック制御信号を生成するフィードバック制御器と、
前記誘導システムからの目標バンク角に対して、目標地点又は目標経路が急に変化した場合に目標バンク角の変化が不連続にならないようにするための急変緩和フィルターと、
前記急変緩和フィルターからの出力に従い、内部パラメータである重みとバイアスを、前記フィードバック制御器による前記フィードバック制御信号を最小化するように修正し、目標バンク角に応じた制御命令を出力するための人工脳神経網と、
前記人工脳神経網からの制御命令に異常があった場合に、前記制御命令を制限して人工脳神経網制御信号を出力するための出力監視装置と
前記出力監視装置からの前記人工脳神経網制御信号と、前記フィードバック制御器からの前記フィードバック制御信号との和に基づき、制御信号を求める演算器と、
を備え、
前記演算器からの制御信号を前記機体に与えることにより、前記機体バンク角を制御するようにした誘導制御システム。
【請求項２】
さらに、学習した前記人工脳神経網のパラメータを飛行速度を含む飛行状態データとともに記録し、前記飛行状態データと同様の飛行状態データでの飛行を行う際に、前記人工脳神経網に初期パラメータとして与えるための学習記憶装置をさらに備えた請求項１に記載の誘導制御システム。
【請求項３】
前記人工脳神経網は、
前記急変緩和フィルターから入力された目標バンク角、バンク角速度、及び、バンク角加速度について、各々の未知パラメータで重み付けした値の線形和及びバイアスの和である前記制御命令を求め、且つ、
前記制御命令の前記各々の未知パラメータについて、前記フィードバック制御器から入力された前記フィードバック制御信号の二乗和を最小にするように各々の修正量を求め、前記各々の修正量によって前記各々の未知パラメータを更新し、前記制御命令を算出することを特徴とする請求項１又は２に記載の誘導制御システム。
【請求項４】
前記出力監視装置は、前記人工脳神経網からの制御命令の絶対値が規定値範囲内である場合は、前記制御命令を出力し、一方、前記制御命令の絶対値が規定値範囲を超えた場合は、前記制御命令を０にすることを特徴とする請求項１乃至３のいずれかに記載の誘導制御システム。
【請求項１】
機体を目標地点又は目標経路に誘導するための目標バンク角を算出する誘導システムと、
前記誘導システムからの目標バンク角と前記機体からの機体バンク角との誤差に従い、フィードバック制御信号を生成するフィードバック制御器と、
前記誘導システムからの目標バンク角に対して、目標地点又は目標経路が急に変化した場合に目標バンク角の変化が不連続にならないようにするための急変緩和フィルターと、
前記急変緩和フィルターからの出力に従い、内部パラメータである重みとバイアスを、前記フィードバック制御器による前記フィードバック制御信号を最小化するように修正し、目標バンク角に応じた制御命令を出力するための人工脳神経網と、
前記人工脳神経網からの制御命令に異常があった場合に、前記制御命令を制限して人工脳神経網制御信号を出力するための出力監視装置と
前記出力監視装置からの前記人工脳神経網制御信号と、前記フィードバック制御器からの前記フィードバック制御信号との和に基づき、制御信号を求める演算器と、
を備え、
前記演算器からの制御信号を前記機体に与えることにより、前記機体バンク角を制御するようにした誘導制御システム。
【請求項２】
さらに、学習した前記人工脳神経網のパラメータを飛行速度を含む飛行状態データとともに記録し、前記飛行状態データと同様の飛行状態データでの飛行を行う際に、前記人工脳神経網に初期パラメータとして与えるための学習記憶装置をさらに備えた請求項１に記載の誘導制御システム。
【請求項３】
前記人工脳神経網は、
前記急変緩和フィルターから入力された目標バンク角、バンク角速度、及び、バンク角加速度について、各々の未知パラメータで重み付けした値の線形和及びバイアスの和である前記制御命令を求め、且つ、
前記制御命令の前記各々の未知パラメータについて、前記フィードバック制御器から入力された前記フィードバック制御信号の二乗和を最小にするように各々の修正量を求め、前記各々の修正量によって前記各々の未知パラメータを更新し、前記制御命令を算出することを特徴とする請求項１又は２に記載の誘導制御システム。
【請求項４】
前記出力監視装置は、前記人工脳神経網からの制御命令の絶対値が規定値範囲内である場合は、前記制御命令を出力し、一方、前記制御命令の絶対値が規定値範囲を超えた場合は、前記制御命令を０にすることを特徴とする請求項１乃至３のいずれかに記載の誘導制御システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２００８−１１４６２９（Ｐ２００８−１１４６２９Ａ）
【公開日】平成２０年５月２２日（２００８．５．２２）
【国際特許分類】
【出願番号】特願２００６−２９７２７１（Ｐ２００６−２９７２７１）
【出願日】平成１８年１１月１日（２００６．１１．１）
【出願人】（５０１１４３０４０）
【出願人】（３９１００６２３４）社団法人日本航空宇宙工業会 (45)
【Ｆターム（参考）】
【公開日】平成２０年５月２２日（２００８．５．２２）
【国際特許分類】
【出願日】平成１８年１１月１日（２００６．１１．１）
【出願人】（５０１１４３０４０）
【出願人】（３９１００６２３４）社団法人日本航空宇宙工業会 (45)
【Ｆターム（参考）】
[ Back to top ]