本論文では、明示的な運動学や動力学モデルに依存せずに、デカルト空間における微小ナノ自由浮遊宇宙ロボットのエンドエフェクタ位置追従制御問題を研究した。この課題に対処するために、二層の学習アーキテクチャを構築した。第一層は深層ニューラルネットワークを用いて運動学を学習し、エンドエフェクタのデカルト座標から関節角速度への非線形マッピングを捉え、参照関節軌道を生成する。第二層はKoopman演算子に基づくネットワークを採用し、自由浮遊宇宙ロボットの関節空間動力学の近似線形化表現を構築する。このモデルに基づき、Grünwald–Letnikov分数階演算子を融合した終端分数階モデル予測制御スキームを提案した。従来のモデル予測制御と比較して、オンライン制御性能を向上させ、追従速度と精度を改善した。シミュレーション結果は提案手法の有効性を検証し、制御器設計において明示的な運動学・動力学モデルを解析することなく、入力－出力軌道のみを用いた訓練でエンドエフェクタの正確かつ高速な軌跡追従が可能であることを示した。

自由浮遊宇宙ロボット;深層ニューラルネットワーク;制御志向モデル学習;モデル予測制御