📋 1. 制御系設計の全体像
1.1 状態空間法の体系
システムモデリング → 解析 → 設計 → 実装
↓ ↓ ↓ ↓
状態方程式 安定性 極配置 離散化
伝達関数 可制御性 LQR デジタル制御
可観測性 オブザーバ
1.2 主要な概念の関係
- 状態空間表現⟷伝達関数（等価な表現）
- 極⟷固有値（安定性を決定）
- 可制御性⟷可観測性（双対関係）
- LQR⟷カルマンフィルタ（双対関係）
📚 2. 各回の要点
第1回：状態空間表現
ẋ = Ax + Bu, y = Cx + Du
多入力多出力、内部状態の記述
第2回：PID制御
古典制御の代表、産業界で広く使用
u = K_p e + K_i ∫e + K_d ė
第3回：状態方程式の解
遷移行列 e^At、畳み込み積分
x(t) = e^At x₀ + ∫₀ᵗ e^A(t-τ) Bu(τ)dτ
第4回：遷移行列の計算
ラプラス変換、対角化、ケーリー・ハミルトン、級数展開
第5回：伝達関数と状態空間表現
G(s) = C(sI-A)⁻¹B + D
正準形（可制御、可観測、対角）
第6回：安定性と極
Re(λᵢ) < 0 ⟺ 漸近安定
ラウス・フルビッツ判別法
第7回：リアプノフ方程式
V(x) = xᵀPx が減少 → 安定
AᵀP + PA = -Q
第8回：可制御性
可制御性行列 C = [B AB ⋯]
rank(C) = n ⟺ 可制御
第9回：可観測性
可観測性行列 O = [C; CA; ⋯]ᵀ
rank(O) = n ⟺ 可観測
第10回：状態フィードバックと極配置
u = -Kx で極を任意に配置
アッカーマンの公式
第11回：オブザーバ
ẋ̂ = Ax̂ + Bu + L(y - Cx̂)
分離定理
第12回：最適レギュレータ
J = ∫(xᵀQx + uᵀRu)dt を最小化
最適ゲイン K = R⁻¹BᵀP
第13回：リッカチ方程式
AᵀP + PA - PBR⁻¹BᵀP + Q = 0
LQRのロバスト性
第14回：カルマンフィルタ
最適状態推定
L = PCᵀRᵥ⁻¹
第15回：サーボシステム
目標値追従
内部モデル原理、積分動作
内部モデル原理、積分動作
🔄 3. 設計フローチャート
1. システムモデリング
└─ 物理法則から状態方程式を導出
2. システム解析
├─ 安定性（固有値）
├─ 可制御性（極配置可能か）
└─ 可観測性（状態推定可能か）
3. 制御器設計
├─ 極配置法（応答速度を指定）
└─ LQR（最適性を考慮）
4. オブザーバ設計（状態が測れない場合）
├─ ルーエンバーガーオブザーバ
└─ カルマンフィルタ（ノイズがある場合）
5. サーボ系設計（目標値追従が必要な場合）
└─ 積分器の追加
6. 実装
├─ 離散化
└─ デジタル制御
📐 4. 重要な定理・公式
| 項目 | 公式・条件 |
|---|---|
| 安定性 | Re(λᵢ) < 0 |
| 可制御性 | rank[B AB ⋯] = n |
| 可観測性 | rank[C; CA; ⋯]ᵀ = n |
| LQRゲイン | K = R⁻¹BᵀP |
| カルマンゲイン | L = PCᵀRᵥ⁻¹ |
| 遷移行列 | Φ(t) = eᴬᵗ |
🚀 5. 今後の学習
ロバスト制御
H∞制御、μ解析
非線形制御
フィードバック線形化、スライディングモード
適応制御
パラメータ推定、モデル参照適応
予測制御
MPC（Model Predictive Control）
強化学習との融合
AIと制御理論の組み合わせ
🎯 6. おわりに
制御工学は理論と実践の両面が重要です。
本講義で学んだ状態空間法は、現代制御の基盤となる考え方です。
これらの知識を基に、さらに発展的な制御手法を学んでいってください。