準最適モデル予測制御の信頼性評価のための連続変形法のコントラクション解析

当社の島遼太朗らが行った研究成果がThe 2025 American Control Conference (ACC) に採択され、発表を行いました。

モデル予測制御（MPC）は、システムの少し先の挙動を予測しながら最適化によって制御入力を決定する制御手法です。MPCの設計においては、制御システムの信頼性（閉ループ安定性）を保証する手法が多く提案されています。一方、自動車制御などの多くの産業応用では計算資源が限られており、最適化が完了しないうちに制御に用いる「準最適MPC」の形で実装されます。このように、理論と実応用とで異なる種類のMPCアルゴリズムが用いられてきました。

本研究では、コントラクション解析^*1によって、準最適MPCと通常のMPCとの挙動の違いを解析しました。特に、代表的な準最適MPC手法である連続変形法を対象に解析し、信頼性に与える影響を定量化しました。
本結果により、自動車制御など計算資源が限られた実装環境においても、信頼性を保証したMPC設計が可能になります。

なお、本研究はACCでの発表に先立ち、IEEE Control Systems Letters誌に掲載されました（https://doi.org/10.1109/LCSYS.2024.3523584）。

*1 コントラクション解析：軌道の差に対する距離を定義して動力学モデルの安定性を解析する手法

タイトル: Contraction Analysis of Continuation Method for Suboptimal Model Predictive Control
著者: Shima, R., Ito, Y., Miyano, T.
発表の場: The 2025 American Control Conference (ACC) 
発表日: 2025年7月8日