Probe-Conditioned Memory for Actuator-Deadband-Aware Koopman MPC in Industrial Sealing

技術要約：産業用シーリングにおけるアクチュエータ・デッドバンドを考慮したプローブ条件付きメモリを用いたKoopman MPC

問題提起
産業用シーリングおよびディスペンシング工程では、異なる製品レシピ間でハードウェア（圧力チェーン、ノズル、ビジョンインターフェースなど）が再利用されることが多い。静的な圧力対幅のキャリブレーションは、標準的なレシピに対しては通常正確であるが、狭幅のレシピにおいては、アクチュエータのデッドバンドという決定的な非線形性が露呈する。比例式空気圧弁において、指令値と実際の流量の間に「デッドゾーン」が存在する。その結果、校正された静的な圧力設定値は理論的には正しいままであっても、小さな補正動作がデッドバンドに吸収されてしまい、履歴依存の閾値を越えるまで実際の吐出圧力が変化しないという事態が発生する。

核心となる課題は、**立ち上げ（コミッショニング）**である。すなわち、レシピ変更直後のセットアップおよび再チューニングの期間である。このフェーズでは、ターゲットデータが乏しく、静的なビードマップだけでは不十分である。なぜなら、それはアクチュエタの供給状態（ヒステリシス、デッドバンド、圧力損失）を無視しているからである。既存の手法（静的逆制御、適応PI、またはオンライン逐次最小二乗法（RLS）による同定など）は、いずれも吐出圧力の損失を無視しているか、あるいは、すでに過去の記録に存在するはずのアクチュエータ挙動を再発見するために広範なターゲットデータを必要とする。本論文は、欠落している能力を特定している。それは、フィードバック制御を開始する前に、静的なキャリブレーションと短時間のプローブ（探査）を組み合わせて、関連する履歴コンテキストを回収するメカニズムである。

手法
提案される解決策は、**プローブ条件付きメモリ（PCM）によって初期化されるアクチュエータ・デッドバンド考慮型Koopmanモデル予測制御（AK-MPC）**である。

1. プローブ条件付きメモリ（PCM）：

   • PCMは、過去の動作ケースのレポジトリとして機能する。各レコード（$C_i$）は、製品レシピ、品質リファレンス、静的圧力ルート、材料記述子、そして極めて重要なことに、アクチュエータ記述子（$z_a$）を含むタプルを格納する。
   • アクチュエータ記述子は、新しい立ち上げ実行時の開始時に実行される固定された16アクションのプローブ・シーケンスから推論される。このプローブにより、デッドバンド（$d$）、吐出圧力ゲイン（$g$）、ラグ（$\ell$）、およびヒステリシス（$h$）が推定される。
   • 新しいレシピ変更時には、新しいターゲットの静的および動的記述子と格納されたライブラリとの間の重み付き距離指標を用いた検索クエリを実行する。最も近い歴史的コンテキストが、予測器およびコントローラに対する「ウォームスタート」を提供する。

2. アクチュエータ・デッドバンド考慮型Koopman MPC：

   • 予測： コントローラは、コンパクトな非線形予測器を作成するために、有限の辞書を用いたKoopmanリフティング・フレームワークを利用する。予測器は、回収されたコンテキスト（$\Theta_K, S, \pi$）によって初期化される。
   • 局所補正： 短い立ち上げ期間中、コントローラは遷移バッファに基づき、回収された予測器に対して低ランクのオンライン補正を適用し、ターゲットのドリフトに特化した適応を行う。これは、モデル全体を書き換えることなく行われる。
   • 実現可能性フィルタリング： ハード制約層により、圧力および入力の境界が遵守される。予測誤差を管理するために「チューブ」フィルタが適用される。予測誤差が閾値を超えた場合、システムは有界な圧力ルートまたは静的逆適応PI戦略へとフォールバックする。
   • ワークフロー： プロセスは、プローブの実行、最適な歴史的コンテキストの回収、MPCの初期化、および回収されたアクチュエータ項を保持しながら局所補正を更新するリカリングホライズン制御ループの実行という手順で行われる。

主な貢献

• PCMの定義： 本論文は、圧力設定値とプローブから推論されたアクチュエータ挙動を紐付ける記録としてプローブ条件付きメモリを定式化し、単なるモデルのチェックポイントではなく、歴史的なアクチュエータの状態（デッドバンド、ゲイン、ヒステリシス）の再利用を可能にした。
• 理論的分析： 著者らは以下の命題および定理を提供している：
  • デッドバンド領域において、静的な圧力ルートは不十分である（命題1）。
  • 特定の励起条件下において、プローブ推定誤差は有界である（補題1）。
  • 回収されたPCMは、初期の予測器のミスマッチを限定する（定理1）。
  • 有限ホライズン追従コストの劣化は、予測チューブ誤差によって制限される（定理2）。
• 制御アーキテクチャ： オンライン低ランク補正と、アクチュエータのデッドバンドに特化した実現可能性フィルタを備えた、制約付きKoopman予測器の統合。

結果
本手法は、物理的なグルーイングセルの校正済みデジタルツインを用いて評価され、吐出圧力の損失が顕著となる1.00 mmの狭幅ベンチマークに焦点を当てた。研究では、AK-MPCを、静的逆圧力MPC、静的逆適応PI、オンラインRLS-ARX-MPC、およびプローブ適合型ARX-MPC（プローブは使用するがメモリは持たない）の各ベースラインと比較した。

• 追従精度： AK-MPCは、60組のケースにおいて0.0487 mmの平均絶対誤差（MAE）を達成した。
  • これは、最も優れた動的ベースライン（Online RLS-ARX-MPCの0.2492 mm）および静的ベースライン（約0.25–0.27 mm）を大幅に上回る性能である。
  • メモリ回収を行わないプローブ適合型ARX-MPCは、最も低い性能（0.3956 mm）であった。
• アブレーション研究：
  • PCMを除去した場合（PCMなしのAK-MPC）、誤差は0.0655 mmに増加し、メモリ回収による具体的な貢献を分離した。
  • オンライン更新を停止した場合（Frozen-PCM）、誤差は0.1158 mmとなり、オンライン適応の必要性を浮き彫りにした。
• 安全性と効率性： AK-MPCは圧力および入力の違反をゼロに維持し、ベースラインと比較してアクチュエータ動作の全変動（Total Variation）が低いことを示した。標準的なワークステーションにおける95パーセンタイル実行時間は13.7 msであった。

意義および主張
本論文の主な価値は、アクチュエータのデッドバンドが作動する低幅レシピにおける迅速な立ち上げにある。その意義は、一般的な転移学習の主張ではなく、特定のメカニ chắn である。すなわち、歴史的な実行は、短いターゲットプローブによって検証・精緻化できる圧力供給情報（デッドバンド、ゲイン、ヒステリシス）を保持している場合に最も有用であるということである。

著者らは、AK-MPCと古典的なベースラインとの間の大きな性能差は、（制約付き予測 ＋ オンライン補正 ＋ 実現可能性フィルタリングという）フルワークフローの結果であることを強調している。また、PCMによる孤立した利得（no-memory型に対する約0.0168 mmの改善）は、十分なターゲットデータが得られる前に、アクチュエータ固有の状態を回収することが極めて重要な情報を提供することを証明している。結果は校正済みデジタルツインによって検証されており、物理セルからの単一のトレースは、統計的なベンチマークではなく、デプロイメントの妥当性確認として提供されている。