⚡ electrical engineering

Dynamics and LQR Control of a Triple Inverted Pendulum on a Cart

本論文では、オイラー・ラグランジュ法を用いて台車上の三重倒立振子の非線形力学を導出し、システムを直立平衡状態で安定させるための線形二次レギュレータ（LQR）制御器を設計し、広範な数値シミュレーションおよびパラメータ感度解析を通じてその堅牢な性能を検証する。

原著者： Ali Tebaan Hassan

公開日 2026-06-30

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Ali Tebaan Hassan

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

サーカスでの失敗作のような、バランスの取りにくい状況を想像してみてください。それは、一本のレールの上を走る小さな台車の上に、なんと3本もの長い棒が重なり合い、同時に倒れようとしている状態です。これが「三重倒立振子（トリプル・インバーテッド・ペンデュラム）」です。

現実の世界では、これを制御するのは非常に困難です。もし、自分の手の上で一本のほうきをバランスよく立てようとしたら、それだけでも難しいでしょう。もし、3本のほうきを上に積み重ねて、手だけで左右に動かしてバランスを取ろうとしたら、不可能に思えるはずです。この論文が取り組んでいるのは、まさにそれですが、サーカスの代わりに数学とコンピュータ・シミュレーションを用いて行われています。

以下に、この論文の内容を分かりやすく分解して説明します。

1. セットアップ：ぐらつく塔

研究者たちは、このシステムの数学的モデルを構築しました。

台車（カート）: 直線のレールの上を左右にのみ移動できる、重いブロック。
振り子（ペンデュラム）: チェーン状につながった3本の硬い棒（リンク）。1本目の棒は台車に取り付けられ、2本目は1本目に、3本目は2本目に取り付けられています。
目標: 台車を動かすことで、3本の棒すべてを完全に垂直に（鉛筆の塔のように）立たせ続けること。

論文はまず、この「ゲームのルール」を書き出すことから始まります。彼らは、すべての部分がどのように動き、どのように互いに押し合い、重力がどのように引き下げようとするかを正確に計算するために、「オイラー＝ラグランジュ法」（物理学の極めて精密なレシピのようなものと考えてください）を用いました。棒同士が連結しているため、数学的に非常に複雑であることが分かりました。つまり、一番上の棒が揺れると、それが真ん中の棒を揺らし、それが下の棒を揺らし、最終的に台車を引っ張るのです。

2. 問題点：倒れようとする性質

このシステムは本質的に不安定です。鉛筆の先端を指の上でバランスさせるようなものです。何の助けもなければ、棒は1秒もしないうちに倒れてしまいます。論文では、そのまま放置すると、塔全体が指数関数的な速さで崩壊していくことが示されています。

3. 解決策：「賢い脳」（LQR）

倒れるのを防ぐために、研究者たちは台車のための「賢い脳」であるLQRコントローラ（線形二次レギュレータ）を設計しました。

仕組み: 台車の横に、非常に思考の速いコーチ（指導者）が立っているところを想像してください。このコーチは、3本の棒の角度をすべて監視しています。もし一番上の棒がほんの少しでも傾くと、コーチは即座に、棒を支えるために台車を左右どちらに動かすべきかを指示します。
数学: コーチは、リカッチ方程式という特別な方程式を使用して、投入すべき「完璧な」力の量を算出します。単に倒れるのを止めるだけでなく、棒を直立させたまま、エネルギーの無駄を最小限に抑える方法を考えます。
結果: このコーチは非常に積極的です。3本の棒のバランスを保つためには、最も重い棒の重さの約12倍の力で台車を押し出す必要があると計算しています。

4. シミュレーション：テスト走行

実物の三重振り子を作ることは危険でコストがかかるため、彼らは「コーチ」をテストするために高速コンピュータ・シミュレーション（ビデオゲームの物理エンジンのようなもの）を実行しました。

テスト: シミュレーションを開始する際、誰かに軽く小突かれたときのように、棒がすでに中心からわずかに（約3〜5度）傾いた状態からスタートしました。
結果: コントローラは完璧に機能しました。約3秒以内に、台車が前後に動き、揺れを修正し、3本の棒はすべて完全に垂直に立ちました。
台車の旅: 台車はただじっと静止していたわけではありません。倒れゆく棒に対抗するために、左側に素早く鋭い動き（約8センチメートル）を見せ、その後スムーズに中心へと戻りました。
力: 台車が加えた最大の押し出す力は約18ニュートン（およそ4ポンドのリンゴの袋を持っている時の力）であり、これは標準的なモーターの限界範囲内に収まっています。

5. 得られた知見

研究者たちは、設定を変更することで、コーチがどの程度「厳格」であるべきかをテストしました。

厳格なコーチ: コントローラに対し、「棒は今すぐ完璧でなければならない」と命じると、台車は非常に速く強く動きます。棒は1.3秒ほどで安定しますが、モーターには非常に大きな負荷がかかります。
ゆったりしたコーチ: 「もう少し揺れていても構わない」と伝えると、台車の動きはより穏やかになりますが、安定するまでに約4秒かかります。
スイートスポット（最適解）: 彼らは、モーターに過度な負担をかけずに、約3秒で棒を安定させるという中間地点を見つけ出しました。

6. なぜこれが重要なのか（論文による説明）

著者らは、これが「おもちゃ」の問題ではあるものの、その背後にある数学は、より大規模で現実世界のエンジニアリングにおける課題と同じであることを説明しています。彼らが挙げた例には、以下のようなものがあります。

二足歩行をするヒューマノイド・ロボット。
風や地震によって揺れる高層ビル。
垂直着陸を試みるロケット船（SpaceXのロケットのようなもの）。

まとめ

この論文は、物理学における最も困難なバランス問題の一つを解決するための完全なガイドです。彼らは数学を記述し、それを制御するための「賢い脳」を構築し、コンピュータ・シミュレーションによって、単一の動く台車が落下する3本の棒の塔を、わずか数秒で成功裏に直立させられることを証明しました。また、必要な力はどれくらいか、そして必要に応じて動作を速くしたり穏やかにしたりするために、どのようにシステムを調整すればよいかを明確に示しました。

技術要約：三重倒立振子台車の力学およびLQR制御

問題提起
本論文は、直線運動に拘束された台車に取り付けられた三重倒立振子（TIP）の制御を取り扱う。このシステムは、非線形力学および古典制御理論における極めて困難なベンチマークとして特定されている。本システムは、8自由度の状態空間（台車の位置と3つのリンク角）、単一の制御入力（台車への水平方向の力）、および固有の不安定性を特徴とする。直立平衡状態は不安定であり、3組の不安定な開ループ固有値が存在し、ダイナミクスには質量行列における顕著な非線形結合項が含まれる。目的は、完全な非線形運動方程式を導出し、不安定な平衡点付近でシステムを線形化し、初期摂動からシステムを安定化させるための線形二次レギュレータ（LQR）を設計することである。

手法
本研究は、構造化された解析的および数値的なアプローチに従う：

解析的モデリング： 著者らは、オイラー・ラグランジュ法を用いて完全な非線形運動方程式を導出している。システムは、質量 $M$ の剛体台車と、その中心に質点を持つ3つの無質量剛体リンクでモデル化されている。ラグランジアン（ $L = T - V$ ）は、台車とリンクの運動エネルギーおよびポテンシャルエネルギーを考慮するように定式化されており、その結果、構成依存の質量行列 $M(q)$ 、コリオリ・遠心力行列 $C(q, \dot{q})$ 、および重力ベクトル $G(q)$ が得られる。
線形化： 非線形方程式は、一次テイラー展開（ $\sin \theta \approx \theta, \cos \theta \approx 1$ ）を用いて、不安定な直立平衡点（ $q^* = 0, \dot{q}^* = 0$ ）の周りで線形化される。これにより、定数係数の8次状態空間表現（ $\dot{z} = Az + Bu$ ）が得られる。
可制御性解析： カルマンの可制御性行列を計算し、単一の台車力入力によってシステムが完全に状態可制御（ランク8）であることを確認する。
コントローラ設計： 代数リッカチ方程式（ARE）を解くことにより、LQRコントローラを合成する。コスト関数は、状態誤差と制御努力の加重和を最小化する。重み行列はブライソンの規則に基づき、台車の位置よりも角度の調整を優先するように選択される。
数値シミュレーション： 適応ステップサイズ制御を備えた4次ルンゲ・クッタ積分スキーム（RK45）を用いて、閉ループシステムのシミュレーションを行う。シミュレーションでは、リンク角の最大5°の初期摂動および初期速度ゼロに対するシステムの応答をテストする。

主な貢献
本論文は、以下の具体的な貢献を主張している：

すべての結合および幾何学的非線形性を保持した、完全な非線形TIP運動方程式の自己完結的な導出。
明示的な8×8状態空間モデルをもたらす厳密な線形化手順。
LQRコントローラの合成と、固有値解析による安定性の検証。これにより、すべての不安定な極を左半平面へ移動させることを実証した。
システムの状態、エネルギー、および相平面ダイナミクスを分析する10個の診断図に裏付けられた、高精度なシミュレーション結果。
状態コストの重み行列を変化させた際の、制御性能（整定時間）と制御努力のトレードオフを定量化するパラメータ感度研究。

結果
数値シミュレーションにより、以下の結果が示された：

安定化： LQRコントローラは、リンク角の約±3°から±5°の初期角度摂動からシステムを正常に安定化させる。システムは約3秒以内に直立平衡状態に収束する。
制御努力： 必要とされるピーク制御力は約18 Nであり、最初の0.5秒以内に発生する。これは想定されている±50 Nの飽和限界内に十分収まっており、これらの初期条件に対する線形制御戦略の有効性を検証している。
システムダイナミクス： 台車は収束する前に約0.08 mの過渡的な移動を行う。3つのリンクすべての角度変位はゼロに収束し、第3リンク（最上部のリンク）は高い比例ゲインにより最も速く収束する。
エネルギーと安定性： 全機械エネルギーは単調に減少しており、これはコントローラによる能動的なエネルギー抽出を示している。相平面解析は、リミットサイクルやカオス的アトラクタのない大域漸近安定性を確認している。
感度： 感度研究により、角度状態の重み（ $Q_\theta$ ）を10から1000に増加させると、整定時間が約4.2秒から約1.3秒に短縮されることが明らかになった。しかし、この改善は $Q_\theta \approx 200$ を超えると収穫逓減を示し、同時に比例して高い制御力を必要とする。

意義と背景
本論文は、TIPを高度な制御技術のための重要なテストベッドとして位置付けており、二足歩行ロボット、ケーブル駆動マニピュレータ、およびロケットの姿勢制御への関連性を指摘している。データ駆動型の手法（例：強化学習、物理情報に基づくニューラルネットワーク）およびそれらのカート・ポール・システムへの適用に関する最近の進展を認めつつも、著者らは、線形領域内での大域的な最適性とオンライン計算負荷の低さから、モデルベースのLQRが迅速かつ決定論的な安定化において依然として優位性を保持していると主張している。

本研究は、TIP制御の理論的基礎となる参照文献としての役割を果たす。結果を（2021年〜2026年の）最新の学習増強制御に関する文献と比較・文脈化しているが、古典的な最適制御の堅牢性と解釈可能性に焦点を当てている。著者らは、線形LQRは小さな摂動に対しては効果的であるが、将来の研究では、より大きな角度に対する非線形戦略（NMPCなど）、物理的テストベッドでの実験的検証、および安全な強化学習や物理情報に基づくニューラルODEコントローラとの比較に取り組むと結論付けている。