4 20 120 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div> <div><span># 平均値フィルタの限界とFIRフィルタ設計</span></div> <br /> <div><span>## 平均値フィルタの限界</span></div> <br /> <div><span>### なぜ平均値フィルタでは不十分なのか？</span></div> <br /> <div><span>平均値フィルタは低域通過フィルタとして機能しますが、その振幅スペクトルの形は「理想的な低域通過フィルタ」とは大きく異なります。</span></div> <br /> <div><span>**具体例**</span><span>：</span></div> <div><span>-</span><span> M=3の平均値フィルタ：理想特性から大きく外れている</span></div> <div><span>-</span><span> M=7の平均値フィルタ：改善するが、まだ理想的ではない</span></div> <br /> <div><span>→ 係数がすべて $</span><span>1</span><span>/M$</span><span> に固定されているため、実現できる特性が限定される</span></div> <br /> <div><span>### 理想的な低域通過フィルタとは？</span></div> <br /> <div><span>理想的な低域通過フィルタは、特定の周波数以下は完全に通過させ、それ以上は完全に除去します。</span></div> <br /> <div><span>理想的な低域通過フィルタの振幅スペクトル $</span><span>H(f)$</span><span> は以下のように定義されます：</span></div> <br /> <div><span>$$</span></div> <div><span>H(f) = </span><span>1</span><span> </span><span>\</span><span>quad (</span><span>0</span><span> </span><span>\</span><span>leq f </span><span>\</span><span>leq f_c) </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{【通過域】}</span></div> <div><span>$$</span></div> <br /> <div><span>$$</span></div> <div><span>H(f) = </span><span>0</span><span> </span><span>\</span><span>quad (f &gt; f_c) </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{【阻止域】}</span></div> <div><span>$$</span></div> <br /> <div><span>**用語の説明**</span><span>：</span></div> <br /> <div><span>-</span><span> </span><span>**遮断周波数 $</span><span>f_c$</span><span>**</span><span>: 通過域と阻止域の境界となる周波数</span></div> <div><span>  </span><span>-</span><span> 例：$</span><span>f_c = </span><span>1000</span><span>$</span><span> Hz の場合、1000 Hz以下の信号は通過、それ以上は除去</span></div> <div><span>  </span></div> <div><span>-</span><span> </span><span>**通過域**</span><span> ($</span><span>0</span><span> </span><span>\</span><span>leq f </span><span>\</span><span>leq f_c$</span><span>): 信号をそのまま通過させる領域</span></div> <div><span>  </span><span>-</span><span> 振幅スペクトルが1 → 信号が減衰しない</span></div> <div><span>  </span></div> <div><span>-</span><span> </span><span>**阻止域**</span><span> ($</span><span>f &gt; f_c$</span><span>): 信号を完全に除去する領域</span></div> <div><span>  </span><span>-</span><span> 振幅スペクトルが0 → 信号が完全に除去される</span></div> <br /> <div><span>**周波数特性のイメージ**</span><span>：</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph LR</span></div> <div><span>    A["通過域&lt;br/&gt;0 ≤ f ≤ fc&lt;br/&gt;振幅: 1&lt;br/&gt;信号を通過"] --&gt;|遮断周波数 fc| B["阻止域&lt;br/&gt;f &gt; fc&lt;br/&gt;振幅: 0&lt;br/&gt;信号を除去"]</span></div> <div><span>```</span></div> <br /> <div><span>### 現実のフィルタの問題点</span></div> <br /> <div><span>理想的なフィルタは数学的には定義できますが、コンピュータで実現することは</span><span>**不可能**</span><span>です。</span></div> <br /> <div><span>**現実のフィルタで発生する問題**</span><span>：</span></div> <br /> <div><span>1.</span><span> </span><span>**リプル（波打ち）**</span></div> <br /> <div><span>   リプルとは、フィルタの振幅スペクトルが理想値（通過域で1、阻止域で0）からずれて波打つ現象です。</span></div> <br /> <div><span>   </span><span>**通過域リプル**</span><span>：</span></div> <div><span>   </span><span>-</span><span> 通過域で振幅が1からずれて波打つ</span></div> <div><span>   </span><span>-</span><span> 例：0.95～1.05の間で振動</span></div> <div><span>   </span><span>-</span><span> </span><span>**問題点**</span><span>：信号の振幅が不均一になり、周波数によって減衰量が異なる</span></div> <br /> <div><span>   </span><span>**阻止域リプル**</span><span>：</span></div> <div><span>   </span><span>-</span><span> 阻止域で振幅が0からずれて波打つ</span></div> <div><span>   </span><span>-</span><span> 例：0.01～0.05の間で振動</span></div> <div><span>   </span><span>-</span><span> </span><span>**問題点**</span><span>：本来除去すべき信号が完全に除去されず、ノイズが残る</span></div> <br /> <div><span>   </span><span>**リプルの視覚的なイメージ**</span><span>：</span></div> <br /> <div><span>   ```mermaid</span></div> <div><span>   graph LR</span></div> <div><span>       A["理想的なフィルタ&lt;br/&gt;通過域: 振幅=1&lt;br/&gt;阻止域: 振幅=0"] --&gt;|現実のフィルタ| B["通過域リプル&lt;br/&gt;振幅: 0.95～1.05&lt;br/&gt;阻止域リプル&lt;br/&gt;振幅: 0.01～0.05"]</span></div> <div><span>   ```</span></div> <br /> <div><span>   </span><span>**なぜリプルが発生するのか？**</span></div> <br /> <div><span>   無限長の理想的なインパルス応答を有限長に打ち切ると、時間領域での不連続が周波数領域でのリプルとして現れます。これは、フーリエ変換の性質により、時間領域での急激な変化が周波数領域での広がり（リプル）を引き起こすためです。</span></div> <br /> <div><span>2.</span><span> </span><span>**遷移域**</span></div> <br /> <div><span>   通過域と阻止域の間に、なだらかに変化する中間領域が生じます。</span></div> <br /> <div><span>   </span><span>-</span><span> </span><span>**理想**</span><span>：遮断周波数で不連続に変化（遷移域の幅 = 0）</span></div> <div><span>   </span><span>-</span><span> </span><span>**現実**</span><span>：有限の幅を持つ遷移域が生じる</span></div> <div><span>   </span><span>-</span><span> </span><span>**問題点**</span><span>：遮断周波数付近の信号が完全に通過も除去もされない曖昧な状態になる</span></div> <br /> <div><span>**理想に近づけるには**</span><span>：</span></div> <div><span>-</span><span> リプルをできるだけ小さくする</span></div> <div><span>-</span><span> 遷移域をできるだけ狭くする</span></div> <br /> <div><span>---</span></div> <br /> <div><span>## FIRディジタルフィルタ</span></div> <br /> <div><span>### 平均値フィルタからFIRフィルタへ</span></div> <br /> <div><span>**平均値フィルタの問題点**</span><span>：</span></div> <br /> <div><span>$$</span></div> <div><span>y(n) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}</span><span>\</span><span>sum_</span><span>{k=</span><span>0</span><span>}^{M-</span><span>1</span><span>} x(n-k) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}x(n) + </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}x(n-</span><span>1</span><span>) + </span><span>\</span><span>cdots + </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}x(n-(M-</span><span>1</span><span>))</span></div> <div><span>$$</span></div> <br /> <div><span>すべての係数が $</span><span>1</span><span>/M$</span><span> に固定されている → 実現できる特性が限定される</span></div> <br /> <div><span>**解決策：係数を自由に設定できるフィルタ**</span></div> <br /> <div><span>$$</span></div> <div><span>y(n) = h_</span><span>0</span><span> x(n) + h_</span><span>1</span><span> x(n-</span><span>1</span><span>) + h_</span><span>2</span><span> x(n-</span><span>2</span><span>) + </span><span>\</span><span>cdots + h_N x(n-N) = </span><span>\</span><span>sum_</span><span>{k=</span><span>0</span><span>}^{N} h_k x(n-k)</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> $</span><span>h_</span><span>0</span><span>, h_</span><span>1</span><span>, </span><span>\</span><span>cdots, h_N$</span><span>: </span><span>**フィルタ係数**</span><span>（$N+1$個、自由に設定可能）</span></div> <div><span>-</span><span> $</span><span>N$</span><span>: </span><span>**フィルタの次数**</span></div> <br /> <div><span>→ 係数を適切に設定すれば、理想的な特性に近づけられる！</span></div> <br /> <div><span>### FIRフィルタとは？</span></div> <br /> <div><span>**FIR**</span><span>: Finite Impulse Response（有限のインパルス応答）</span></div> <br /> <div><span>#### インパルス応答とは？</span></div> <br /> <div><span>**単位インパルス**</span><span> $</span><span>\</span><span>delta(n)$</span><span> を入力したときの出力を</span><span>**インパルス応答**</span><span>といいます。</span></div> <br /> <div><span>単位インパルス $</span><span>\</span><span>delta(n)$</span><span> の定義：</span></div> <br /> <div><span>-</span><span> $</span><span>n = </span><span>0</span><span>$</span><span> のとき：$</span><span>\</span><span>delta(</span><span>0</span><span>) = </span><span>1</span><span>$</span></div> <div><span>-</span><span> $</span><span>n </span><span>\</span><span>neq </span><span>0</span><span>$</span><span> のとき：$</span><span>\</span><span>delta(n) = </span><span>0</span><span>$</span></div> <br /> <div><span>つまり、時刻 $</span><span>n = </span><span>0</span><span>$</span><span> でのみ値が1で、それ以外の時刻では0となる信号です。</span></div> <br /> <div><span>**例**</span><span>：単位インパルスを入力すると、出力は $</span><span>h_</span><span>0</span><span>, h_</span><span>1</span><span>, </span><span>\</span><span>cdots, h_N$</span><span> の値になります。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["入力: δ(n)&lt;br/&gt;[1, 0, 0, 0, ...]"] --&gt;|FIRフィルタ| B["出力: [h₀, h₁, h₂, ..., hₙ, 0, 0, ...]"]</span></div> <div><span>```</span></div> <br /> <div><span>#### 「有限」の意味</span></div> <br /> <div><span>-</span><span> </span><span>**有限**</span><span>: インパルス応答が有限長（$</span><span>n = </span><span>0</span><span>, </span><span>1</span><span>, </span><span>\</span><span>cdots, N$</span><span> の範囲のみで値を持つ）</span></div> <div><span>-</span><span> </span><span>**無限**</span><span>: 他のフィルタ（IIR）では無限長になることもある</span></div> <br /> <div><span>#### 重要な性質</span></div> <br /> <div><span>**FIRフィルタでは、インパルス応答の値 = フィルタ係数の値**</span></div> <br /> <div><span>つまり、インパルス応答を計算すれば、それがそのままフィルタ係数になります。</span></div> <br /> <div><span>---</span></div> <br /> <div><span>## 窓関数法によるFIRフィルタ設計</span></div> <br /> <div><span>### 設計の目的</span></div> <br /> <div><span>FIRフィルタの係数 $</span><span>h_</span><span>0</span><span>, h_</span><span>1</span><span>, </span><span>\</span><span>cdots, h_N$</span><span> を、理想的な低域通過フィルタに近づけるように決定する方法が</span><span>**窓関数法**</span><span>です。</span></div> <br /> <div><span>### 設計手順（4ステップ）</span></div> <br /> <div><span>#### 手順1: 理想的な低域通過フィルタを定義する</span></div> <br /> <div><span>正規化角周波数 $</span><span>\</span><span>omega$</span><span> [</span><span>rad/sample</span><span>] を用いて定義します。</span></div> <br /> <div><span>理想的な低域通過フィルタの周波数特性 $</span><span>H_d(e^{j</span><span>\</span><span>omega})$</span><span> は以下のように定義されます：</span></div> <br /> <div><span>$$</span></div> <div><span>H_d(e^{j</span><span>\</span><span>omega}) = </span><span>1</span><span> </span><span>\</span><span>quad (|</span><span>\</span><span>omega| </span><span>\</span><span>leq </span><span>\</span><span>omega_c)</span></div> <div><span>$$</span></div> <br /> <div><span>$$</span></div> <div><span>H_d(e^{j</span><span>\</span><span>omega}) = </span><span>0</span><span> </span><span>\</span><span>quad (</span><span>\</span><span>omega_c &lt; |</span><span>\</span><span>omega| </span><span>\</span><span>leq </span><span>\</span><span>pi)</span></div> <div><span>$$</span></div> <br /> <div><span>**なぜ正規化角周波数を使うのか？**</span></div> <br /> <div><span>標本化周波数に依存しない形で設計したいためです。</span></div> <br /> <div><span>**物理周波数 [</span><span>Hz</span><span>] との変換**</span><span>：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>omega_c = </span><span>\</span><span>frac</span><span>{</span><span>2</span><span>\</span><span>pi f_c}{F_s}</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> $</span><span>f_c$</span><span>: 遮断周波数 [</span><span>Hz</span><span>]</span></div> <div><span>-</span><span> $</span><span>F_s$</span><span>: 標本化周波数 [</span><span>Hz</span><span>]</span></div> <br /> <div><span>**例**</span><span>：$</span><span>f_c = </span><span>1000</span><span>$</span><span> Hz、$</span><span>F_s = </span><span>8000</span><span>$</span><span> Hz の場合</span></div> <div><span>$$</span></div> <div><span>\</span><span>omega_c = </span><span>\</span><span>frac</span><span>{</span><span>2</span><span>\</span><span>pi </span><span>\</span><span>times </span><span>1000</span><span>}{</span><span>8000</span><span>} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>pi}{</span><span>4</span><span>} </span><span>\</span><span>text</span><span>{ [rad/sample]}</span></div> <div><span>$$</span></div> <br /> <div><span>#### 手順2: インパルス応答を計算する</span></div> <br /> <div><span>理想的なフィルタのインパルス応答を、離散時間フーリエ逆変換で求めます。</span></div> <br /> <div><span>$$</span></div> <div><span>h_d(n) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{</span><span>2</span><span>\</span><span>pi} </span><span>\</span><span>int_</span><span>{-</span><span>\</span><span>pi}^{</span><span>\</span><span>pi} H_d(e^{j</span><span>\</span><span>omega}) e^{j</span><span>\</span><span>omega n} d</span><span>\</span><span>omega = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>sin(</span><span>\</span><span>omega_c n)}{</span><span>\</span><span>pi n}</span></div> <div><span>$$</span></div> <br /> <div><span>**sinc関数で表すと**</span><span>：</span></div> <br /> <div><span>$$</span></div> <div><span>h_d(n) = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>omega_c}{</span><span>\</span><span>pi} </span><span>\</span><span>text</span><span>{sinc}(</span><span>\</span><span>omega_c n), </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{where } </span><span>\</span><span>text</span><span>{sinc}(x) = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>sin(x)}{x}</span></div> <div><span>$$</span></div> <br /> <div><span>**sinc関数の性質**</span><span>：</span></div> <div><span>-</span><span> $</span><span>\</span><span>text</span><span>{sinc}(</span><span>0</span><span>) = </span><span>1</span><span>$</span><span>（$</span><span>x </span><span>\</span><span>to </span><span>0</span><span>$</span><span> の極限）</span></div> <div><span>-</span><span> $</span><span>x = </span><span>0</span><span>$</span><span> 以外では $</span><span>\</span><span>sin(x)/x$</span><span> の形</span></div> <br /> <div><span>**問題点**</span><span>：</span></div> <br /> <div><span>1.</span><span> </span><span>**無限長**</span><span>: $</span><span>h_d(n)$</span><span> は $</span><span>-</span><span>\</span><span>infty </span><span>\</span><span>leq n </span><span>\</span><span>leq </span><span>\</span><span>infty$</span><span> の範囲で値を持つ</span></div> <div><span>   </span><span>-</span><span> コンピュータでは無限個の係数を保存できない</span></div> <br /> <div><span>2.</span><span> </span><span>**非因果**</span><span>: $</span><span>n &lt; </span><span>0</span><span>$</span><span> でも値を持つ</span></div> <div><span>   </span><span>-</span><span> 未来の入力信号が必要になる → リアルタイム処理が不可能</span></div> <br /> <div><span>#### 手順3: 有限長に打ち切り、因果化する</span></div> <br /> <div><span>**打ち切り**</span><span>：無限長の $</span><span>h_d(n)$</span><span> を有限長 $</span><span>L$</span><span> で打ち切る</span></div> <br /> <div><span>**因果化**</span><span>：右シフトして、$</span><span>n &lt; </span><span>0</span><span>$</span><span> で $</span><span>h(n) = </span><span>0</span><span>$</span><span> にする</span></div> <br /> <div><span>**例**</span><span>：$</span><span>L = </span><span>11</span><span>$</span><span>（11サンプル）の場合</span></div> <div><span>-</span><span> $</span><span>n = -</span><span>5</span><span>, -</span><span>4</span><span>, </span><span>\</span><span>cdots, </span><span>0</span><span>, </span><span>\</span><span>cdots, </span><span>5</span><span>$</span><span> の範囲で打ち切り</span></div> <div><span>-</span><span> 5サンプル右シフト → $</span><span>n = </span><span>0</span><span>, </span><span>1</span><span>, </span><span>\</span><span>cdots, </span><span>10</span><span>$</span><span> の範囲に</span></div> <br /> <div><span>**結果**</span><span>：リプルが発生し、理想特性から離れる</span></div> <br /> <div><span>**なぜリプルが発生するのか？**</span></div> <br /> <div><span>無限長の信号を突然打ち切ると、時間領域での不連続が周波数領域でのリプルとして現れます。</span></div> <br /> <div><span>**詳細な説明**</span><span>：</span></div> <br /> <div><span>1.</span><span> </span><span>**時間領域での不連続**</span></div> <div><span>   </span><span>-</span><span> 無限長の $</span><span>h_d(n)$</span><span> を有限長で打ち切ると、信号が突然0になる</span></div> <div><span>   </span><span>-</span><span> この急激な変化が不連続点を生む</span></div> <br /> <div><span>2.</span><span> </span><span>**周波数領域への影響**</span></div> <div><span>   </span><span>-</span><span> フーリエ変換の性質により、時間領域での急激な変化は周波数領域での広がりを引き起こす</span></div> <div><span>   </span><span>-</span><span> これが通過域・阻止域でのリプルとして現れる</span></div> <br /> <div><span>3.</span><span> </span><span>**リプルの特徴**</span></div> <div><span>   </span><span>-</span><span> 打ち切り長が短いほど、リプルは大きくなる</span></div> <div><span>   </span><span>-</span><span> 打ち切りを「急激に」行うほど、リプルは大きくなる</span></div> <div><span>   </span><span>-</span><span> 窓関数を使うことで、打ち切りを「なだらかに」し、リプルを小さくできる</span></div> <br /> <div><span>#### 手順4: 窓関数でリプルを低減する</span></div> <br /> <div><span>打ち切りによるリプルを小さくするため、</span><span>**窓関数**</span><span> $</span><span>w(n)$</span><span> をかけます。</span></div> <br /> <div><span>$$</span></div> <div><span>h'(n) = h_d(n) w(n) </span><span>\</span><span>quad </span><span>\</span><span>left(n </span><span>\</span><span>leq </span><span>\</span><span>frac</span><span>{L-</span><span>1</span><span>}{</span><span>2</span><span>}</span><span>\</span><span>right)</span></div> <div><span>$$</span></div> <br /> <div><span>その後、右シフトして因果化します。</span></div> <br /> <div><span>**窓関数の役割**</span><span>：</span></div> <br /> <div><span>打ち切りを「急激に」ではなく「なだらかに」することで、リプルを小さくします。</span></div> <br /> <div><span>**窓関数の効果**</span><span>：</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart TD</span></div> <div><span>    A["打ち切り前&lt;br/&gt;[..., h(-2), h(-1), h(0), h(1), h(2), ...]"] --&gt;|窓関数をかける&lt;br/&gt;端をなだらかに減衰| B["打ち切り後&lt;br/&gt;[0, 0, ..., w(-2)h(-2), w(-1)h(-1),&lt;br/&gt;w(0)h(0), w(1)h(1), w(2)h(2), ..., 0, 0]"]</span></div> <div><span>```</span></div> <br /> <div><span>### 代表的な窓関数</span></div> <br /> <div><span>#### 1. 方形窓（矩形窓）</span></div> <br /> <div><span>$$</span></div> <div><span>w(n) = </span><span>1</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> </span><span>**特徴**</span><span>: 単純打ち切りと等価</span></div> <div><span>-</span><span> </span><span>**メリット**</span><span>: 遷移域が狭い</span></div> <div><span>-</span><span> </span><span>**デメリット**</span><span>: リプルが大きい</span></div> <br /> <div><span>#### 2. ハニング窓（フォン・ハン窓）</span></div> <br /> <div><span>$$</span></div> <div><span>w(n) = </span><span>0.5</span><span> + </span><span>0.5</span><span> </span><span>\</span><span>cos</span><span>\</span><span>left(</span><span>\</span><span>frac</span><span>{</span><span>2</span><span>\</span><span>pi n}{L-</span><span>1</span><span>}</span><span>\</span><span>right)</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> </span><span>**特徴**</span><span>: 端がなだらかに減衰</span></div> <div><span>-</span><span> </span><span>**メリット**</span><span>: リプルが小さい</span></div> <div><span>-</span><span> </span><span>**デメリット**</span><span>: 遷移域が広い</span></div> <br /> <div><span>#### 3. ハミング窓</span></div> <br /> <div><span>$$</span></div> <div><span>w(n) = </span><span>0.54</span><span> + </span><span>0.46</span><span> </span><span>\</span><span>cos</span><span>\</span><span>left(</span><span>\</span><span>frac</span><span>{</span><span>2</span><span>\</span><span>pi n}{L-</span><span>1</span><span>}</span><span>\</span><span>right)</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> </span><span>**特徴**</span><span>: ハニング窓より端の減衰が小さい</span></div> <div><span>-</span><span> </span><span>**メリット**</span><span>: リプルがより小さい</span></div> <div><span>-</span><span> </span><span>**デメリット**</span><span>: 遷移域がより広い</span></div> <br /> <div><span>### 窓関数の効果（20次フィルタの場合）</span></div> <br /> <div><span>**阻止域減衰量**</span><span>（阻止域での減衰の大きさの最悪値）：</span></div> <br /> <div><span>-</span><span> </span><span>**方形窓**</span><span>：</span></div> <div><span>    </span><span>-</span><span> 阻止域減衰量：21 dB</span></div> <div><span>    </span><span>-</span><span> 評価：あまり良くない</span></div> <br /> <div><span>-</span><span> </span><span>**ハニング窓**</span><span>：</span></div> <div><span>    </span><span>-</span><span> 阻止域減衰量：44 dB</span></div> <div><span>    </span><span>-</span><span> 評価：良好</span></div> <br /> <div><span>-</span><span> </span><span>**ハミング窓**</span><span>：</span></div> <div><span>    </span><span>-</span><span> 阻止域減衰量：53 dB</span></div> <div><span>    </span><span>-</span><span> 評価：より良好</span></div> <br /> <div><span>**dB（デシベル）とは？**</span></div> <br /> <div><span>減衰量を表す単位。$</span><span>A$</span><span> を振幅とすると：</span></div> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{dB} = </span><span>20</span><span> </span><span>\</span><span>log_</span><span>{</span><span>10</span><span>} A</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> 20 dB = 振幅が1/10</span></div> <div><span>-</span><span> 40 dB = 振幅が1/100</span></div> <div><span>-</span><span> 60 dB = 振幅が1/1000</span></div> <br /> <div><span>### フィルタ特性と次数の関係</span></div> <br /> <div><span>**次数 $</span><span>N$</span><span> を大きくすると**</span><span>：</span></div> <br /> <div><span>-</span><span> 遷移域が狭くなる（理想特性に近づく）</span></div> <div><span>-</span><span> リプルが細かくなる</span></div> <div><span>-</span><span> リプルの大きさは下げられない（窓関数を使わない場合）</span></div> <br /> <div><span>**窓関数を使うと**</span><span>：</span></div> <br /> <div><span>-</span><span> リプルが小さくなる</span></div> <div><span>-</span><span> 遷移域が広くなる（トレードオフ）</span></div> <br /> <div><span>**設計のポイント**</span><span>：</span></div> <br /> <div><span>目的に応じて、次数と窓関数の種類を選択する必要があります。</span></div> <br /> <div><span>### 設計法のまとめ</span></div> <br /> <div><span>**窓関数法によるFIRフィルタ設計の3ステップ**</span><span>：</span></div> <br /> <div><span>1.</span><span> </span><span>**理想的なローパスフィルタのインパルス応答を計算**</span></div> <div><span>   $$</span></div> <div><span>   </span><span>h_d(n) = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>omega_c}{</span><span>\</span><span>pi} </span><span>\</span><span>text</span><span>{sinc}(</span><span>\</span><span>omega_c n) </span><span>\</span><span>quad (-</span><span>\</span><span>infty </span><span>\</span><span>leq n </span><span>\</span><span>leq </span><span>\</span><span>infty)</span></div> <div><span>   </span><span>$$</span></div> <br /> <div><span>2.</span><span> </span><span>**窓関数をかけて有限長化**</span></div> <div><span>   $$</span></div> <div><span>   </span><span>h'(n) = h_d(n) w(n) </span><span>\</span><span>quad </span><span>\</span><span>left(n </span><span>\</span><span>leq </span><span>\</span><span>frac</span><span>{L-</span><span>1</span><span>}{</span><span>2</span><span>}</span><span>\</span><span>right)</span></div> <div><span>   </span><span>$$</span></div> <br /> <div><span>3.</span><span> </span><span>**右シフトして因果化**</span></div> <div><span>   </span><span>-</span><span> $</span><span>n &lt; </span><span>0</span><span>$</span><span> で $</span><span>h(n) = </span><span>0</span><span>$</span><span> を満たすようにする</span></div> <br /> <div><span>**フィルタの次数**</span><span>: $</span><span>N = L-</span><span>1</span><span>$</span></div> <br /> <div><span>**完成したフィルタ係数**</span><span>: $</span><span>h_</span><span>0</span><span>, h_</span><span>1</span><span>, </span><span>\</span><span>cdots, h_N = h'(</span><span>0</span><span>), h'(</span><span>1</span><span>), </span><span>\</span><span>cdots, h'(N)$</span></div> </div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理11 Creator An entity primarily responsible for making the resource unjuno Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Date Created Date of creation of the resource. 2025-12-09 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>デジタル信号処理入門：アナログからデジタルへの変換の仕組み</h1> <blockquote> <p><strong>この記事の目的</strong>: デジタル信号処理の基礎を、初心者から専門家まで理解できるよう、具体例と図解を交えて解説します。</p> </blockquote> <h2>目次</h2> <ol> <li><a href="#1-%E4%BF%A1%E5%8F%B7%E5%87%A6%E7%90%86%E3%81%A8%E3%81%AF%E4%BD%95%E3%81%8B">信号処理とは何か</a></li> <li><a href="#2-%E3%82%A2%E3%83%8A%E3%83%AD%E3%82%B0%E3%81%A8%E3%83%87%E3%82%B8%E3%82%BF%E3%83%AB%E3%81%AE%E9%81%95%E3%81%84">アナログとデジタルの違い</a></li> <li><a href="#3-%E6%A8%99%E6%9C%AC%E5%8C%96%E5%AE%9A%E7%90%86%E3%81%AE%E6%A0%B8%E5%BF%83">標本化定理の核心</a></li> <li><a href="#4-%E5%AE%9F%E9%9A%9B%E3%81%AE%E5%A4%89%E6%8F%9B%E3%83%97%E3%83%AD%E3%82%BB%E3%82%B9">実際の変換プロセス</a></li> <li><a href="#5-%E8%BA%AB%E8%BF%91%E3%81%AA%E5%BF%9C%E7%94%A8%E4%BE%8B">身近な応用例</a></li> <li><a href="#6-%E6%8A%80%E8%A1%93%E7%9A%84%E3%81%AA%E8%A9%B3%E7%B4%B0">技術的な詳細</a></li> </ol> <h2>1. 信号処理とは何か</h2> <h3>1.1 デジタル信号処理の定義と重要性</h3> <p><strong>デジタル信号処理（DSP: Digital Signal Processing）</strong>とは、連続的なアナログ信号をデジタル化し、コンピュータで加工・分析・変形する技術です。</p> <h4>なぜ重要なのか？</h4> <ul> <li><strong>音楽</strong>: CD、MP3、ストリーミング音楽</li> <li><strong>映像</strong>: デジタルカメラ、動画配信</li> <li><strong>通信</strong>: スマートフォン、Wi-Fi、5G</li> <li><strong>医療</strong>: MRI、CTスキャン、心電図</li> <li><strong>自動車</strong>: 自動運転、エンジン制御</li> </ul> <h3>1.2 信号の種類と特徴</h3> <table> <thead> <tr> </tr> </thead> <tbody> <tr> <td><strong>1次元信号</strong></td> <td>時間軸のみ</td> <td>音声、温度変化</td> <td>音楽、気象データ</td> </tr> <tr> <td><strong>2次元信号</strong></td> <td>平面</td> <td>写真、地図</td> <td>デジタルカメラ、GPS</td> </tr> <tr> <td><strong>3次元信号</strong></td> <td>立体</td> <td>動画、3D画像</td> <td>映画、ゲーム、医療画像</td> </tr> <tr> <td><strong>4次元信号</strong></td> <td>時空間</td> <td>動画+時間</td> <td>監視カメラ、科学シミュレーション</td> </tr> <tr> <td><strong>多次元信号</strong></td> <td>複数軸</td> <td>センサーネットワーク</td> <td>IoT、スマートシティ</td> </tr> </tbody> </table> <h2>2. アナログとデジタルの違い</h2> <h3>2.1 アナログ信号の特徴</h3> <p><strong>アナログ信号</strong>は、時間とともに連続的に変化する信号です。</p> <h4>身近な例</h4> <ul> <li><strong>音声</strong>: 空気の振動として伝わる音波</li> <li><strong>温度</strong>: 連続的に変化する温度値</li> <li><strong>光</strong>: 電磁波として伝わる光の強度</li> </ul> <h4>アナログ信号の性質</h4> <pre>時間 → 連続的（途切れがない） 値 → 連続的（無限の精度） 例 → 正弦波、指数関数など</pre> <h3>2.2 デジタル信号の特徴</h3> <p><strong>デジタル信号</strong>は、離散的な時間点での離散的な値を持つ信号です。</p> <h4>身近な例</h4> <ul> <li><strong>CD音楽</strong>: 44,100回/秒でサンプリングされた数値</li> <li><strong>デジタル写真</strong>: 画素（ピクセル）の集合</li> <li><strong>コンピュータデータ</strong>: 0と1の組み合わせ</li> </ul> <h4>デジタル信号の性質</h4> <pre>時間 → 離散的（一定間隔） 値 → 離散的（有限の精度） 例 → 数値の列、ビット列など</pre> <h3>2.3 変換の必要性</h3> <h4>なぜ変換が必要なのか？</h4> <ol> <li><strong>コンピュータの特性</strong>: デジタルデータしか処理できない</li> <li><strong>保存の効率性</strong>: デジタルデータは保存・複製が容易</li> <li><strong>ノイズ耐性</strong>: デジタル信号は劣化しにくい</li> <li><strong>処理の柔軟性</strong>: 様々な演算・加工が可能</li> </ol> <h4>変換プロセス</h4> <pre>アナログ信号 → A/D変換 → デジタル信号 → 処理 → D/A変換 → アナログ信号 ↑ ↓ 自然現象 人間が感じる</pre> <h2>3. 標本化定理の核心</h2> <h3>3.1 標本化（サンプリング）とは</h3> <p><strong>標本化</strong>とは、連続的なアナログ信号を一定間隔で取り出すことです。</p> <h4>身近な例：音楽CD</h4> <ul> <li><strong>サンプリング周波数</strong>: 44,100 Hz</li> <li><strong>意味</strong>: 1秒間に44,100回、音の強さを測定</li> <li><strong>間隔</strong>: 約0.000023秒（23マイクロ秒）ごと</li> </ul> <h4>標本化の基本パラメータ</h4> <table> <thead> <tr> </tr> </thead> <tbody> <tr> <td><strong>標本化周期</strong></td> <td>T</td> <td>秒</td> <td>サンプル間の時間間隔</td> </tr> <tr> <td><strong>標本化周波数</strong></td> <td>Fs</td> <td>Hz</td> <td>1秒間のサンプル数</td> </tr> <tr> <td><strong>関係式</strong></td> <td>Fs = 1/T</td> <td>-</td> <td>周波数と周期は逆数関係</td> </tr> </tbody> </table> <h3>3.2 量子化（Quantization）とは</h3> <p><strong>量子化</strong>とは、連続的な値を離散的な数値に変換することです。</p> <h4>量子化の例</h4> <pre>元の値: 3.1415926535... (連続) ↓ 量子化（4ビット） 量子化値: 3.14 (離散)</pre> <h4>量子化ビット数と精度</h4> <table> <thead> <tr> </tr> </thead> <tbody> <tr> <td>8ビット</td> <td>256段階</td> <td>古い音声</td> <td>電話品質</td> </tr> <tr> <td>16ビット</td> <td>65,536段階</td> <td>CD音質</td> <td>音楽CD</td> </tr> <tr> <td>24ビット</td> <td>16,777,216段階</td> <td>高音質</td> <td>プロ用音響</td> </tr> <tr> <td>32ビット</td> <td>4,294,967,296段階</td> <td>超高音質</td> <td>科学計測</td> </tr> </tbody> </table> <h3>3.3 標本化定理（ナイキストの定理）</h3> <h4>定理の核心</h4> <p><strong>標本化周波数は、元信号の最高周波数の2倍以上必要</strong></p> <h4>数学的表現</h4> <pre>Fs &gt; 2 × Fmax</pre> <ul> <li>Fs: 標本化周波数</li> <li>Fmax: 信号の最高周波数成分</li> </ul> <h4>復元可能な条件</h4> <p>この条件を満たせば、元の連続信号を完全に復元できます。</p> <h4>復元不可能な場合</h4> <p>条件を満たさないと、<strong>エイリアシング</strong>（折り返し雑音）が発生します。</p> <h2>4. 実際の変換プロセス</h2> <h3>4.1 A/D変換（アナログ→デジタル）</h3> <h4>変換の流れ</h4> <pre>アナログ信号 → サンプリング → 量子化 → デジタル信号 ↓ ↓ ↓ 連続値 離散時間 離散値</pre> <h4>具体例：音声のA/D変換</h4> <ol> <li><strong>マイク</strong>: 音波を電気信号に変換</li> <li><strong>サンプリング</strong>: 44,100Hzで音の強さを測定</li> <li><strong>量子化</strong>: 16ビット（65,536段階）で数値化</li> <li><strong>デジタルデータ</strong>: コンピュータで処理可能</li> </ol> <h3>4.2 D/A変換（デジタル→アナログ）</h3> <h4>変換の流れ</h4> <pre>デジタル信号 → 復元 → フィルタリング → アナログ信号 ↓ ↓ ↓ 離散値 連続値 滑らかな波形</pre> <h4>具体例：音楽の再生</h4> <ol> <li><strong>デジタルデータ</strong>: CDやMP3ファイル</li> <li><strong>復元</strong>: 離散値を連続的な波形に変換</li> <li><strong>フィルタリング</strong>: 不要な高周波成分を除去</li> <li><strong>スピーカー</strong>: 電気信号を音波に変換</li> </ol> <h3>4.3 変換の品質に影響する要因</h3> <h4>サンプリング周波数の影響</h4> <table> <thead> <tr> </tr> </thead> <tbody> <tr> <td>8,000 Hz</td> <td>電話</td> <td>低</td> <td>小</td> </tr> <tr> <td>44,100 Hz</td> <td>CD</td> <td>高</td> <td>中</td> </tr> <tr> <td>96,000 Hz</td> <td>高音質</td> <td>超高</td> <td>大</td> </tr> </tbody> </table> <h4>量子化ビット数の影響</h4> <table> <thead> <tr> </tr> </thead> <tbody> <tr> <td>8ビット</td> <td>48dB</td> <td>高</td> <td>電話</td> </tr> <tr> <td>16ビット</td> <td>96dB</td> <td>低</td> <td>CD</td> </tr> <tr> <td>24ビット</td> <td>144dB</td> <td>極低</td> <td>プロ用</td> </tr> </tbody> </table> <h2>5. 身近な応用例</h2> <h3>5.1 音楽・音響分野</h3> <h4>音楽CD</h4> <ul> <li><strong>サンプリング周波数</strong>: 44,100 Hz</li> <li><strong>量子化</strong>: 16ビット</li> <li><strong>理由</strong>: 人間の可聴周波数（20Hz-20kHz）をカバー</li> </ul> <h4>デジタル音響機器</h4> <ul> <li><strong>音声圧縮技術</strong>: ファイルサイズを削減</li> <li><strong>無線音声伝送</strong>: デジタル音声を無線で送信</li> <li><strong>雑音除去技術</strong>: デジタル信号処理で雑音を除去</li> </ul> <h3>5.2 映像・画像分野</h3> <h4>デジタルカメラ</h4> <ul> <li><strong>画素数</strong>: 数百万〜数千万画素</li> <li><strong>色深度</strong>: 24ビット（約1677万色）</li> <li><strong>動画</strong>: 30fps（1秒間に30フレーム）</li> </ul> <h4>テレビ・動画配信</h4> <ul> <li><strong>HD</strong>: 1920×1080画素</li> <li><strong>4K</strong>: 3840×2160画素</li> <li><strong>8K</strong>: 7680×4320画素</li> </ul> <h3>5.3 通信分野</h3> <h4>携帯電話・スマートフォン</h4> <ul> <li><strong>音声通話</strong>: 8kHzサンプリング</li> <li><strong>データ通信</strong>: デジタル変調技術</li> <li><strong>高速通信</strong>: 次世代通信技術</li> </ul> <h4>インターネット</h4> <ul> <li><strong>動画配信</strong>: リアルタイムデジタル配信</li> <li><strong>IP音声通話</strong>: 音声をデジタル化して送信</li> </ul> <h3>5.4 医療・科学分野</h3> <h4>医療画像</h4> <ul> <li><strong>磁気共鳴画像</strong>: 磁気共鳴による画像のデジタル化</li> <li><strong>X線画像</strong>: X線による画像のデジタル処理</li> <li><strong>心電図</strong>: 心拍のデジタル記録</li> </ul> <h4>科学計測</h4> <ul> <li><strong>地震計</strong>: 地盤の振動をデジタル記録</li> <li><strong>気象観測</strong>: 温度・湿度の連続測定</li> <li><strong>天文観測</strong>: 電波望遠鏡のデータ処理</li> </ul> <h2>6. 技術的な詳細</h2> <h3>6.1 エイリアシング（折り返し雑音）</h3> <h4>問題の発生</h4> <p>標本化周波数が不十分な場合、高周波成分が低周波成分として誤認識される現象</p> <h4>具体例</h4> <pre>元信号: 3Hzの正弦波 サンプリング: 4Hz 結果: 1Hzの正弦波として誤認識</pre> <h4>対策</h4> <ul> <li><strong>アンチエイリアシングフィルタ</strong>: サンプリング前に高周波成分を除去</li> <li><strong>オーバーサンプリング</strong>: 必要以上に高い周波数でサンプリング</li> </ul> <h3>6.2 量子化誤差</h3> <h4>誤差の発生</h4> <p>連続値を離散値に丸める際に生じる誤差</p> <h4>誤差の計算</h4> <pre>量子化誤差 = 元の値 - 量子化値 最大誤差 = ±(量子化間隔/2)</pre> <h4>誤差の影響</h4> <ul> <li><strong>音質</strong>: ノイズとして聞こえる</li> <li><strong>画像</strong>: 画質の劣化</li> <li><strong>計測</strong>: 精度の低下</li> </ul> <h3>6.3 実装時の注意点</h3> <h4>ハードウェア設計</h4> <ul> <li><strong>A/Dコンバータ</strong>: 高精度・高速変換</li> <li><strong>フィルタ</strong>: アンチエイリアシング用</li> <li><strong>クロック</strong>: 安定したサンプリング周波数</li> </ul> <h4>ソフトウェア処理</h4> <ul> <li><strong>バッファリング</strong>: リアルタイム処理のためのデータ蓄積</li> <li><strong>フィルタリング</strong>: デジタルフィルタの実装</li> <li><strong>圧縮</strong>: 効率的なデータ保存</li> </ul> <h2>まとめ</h2> <p>デジタル信号処理は、現代のテクノロジーの基盤となる重要な技術です。アナログ信号をデジタル化することで、コンピュータによる高度な処理が可能になり、音楽、映像、通信、医療など様々な分野で活用されています。</p> <h3>重要なポイント</h3> <ol> <li><strong>標本化定理</strong>: 復元には2倍以上の周波数が必要</li> <li><strong>量子化</strong>: 精度とデータ量のバランスが重要</li> <li><strong>エイリアシング</strong>: 適切なフィルタリングで防止</li> <li><strong>応用範囲</strong>: 日常生活から専門分野まで幅広く活用</li> </ol> <p></p> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理２ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. ２０２５－０９ー２９ Rights Information about rights held in and over the resource CC BY 4.0 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>数式による連続時間信号と離散時間信号の表現</h1> <blockquote> <p><strong>概要</strong><br />この講義では、サンプリングによって得られる離散時間信号を数式で表す方法について学習します。</p> </blockquote> <h2>連続時間信号</h2> <p>連続時間信号は、時間変数 <em>t</em> が連続的に変化する信号です。</p> <h3>例：1Hz正弦波</h3> <p>連続時間信号（1Hz正弦波）は以下のように表されます：</p> <p><em>x_a(t) = sin(2π × 1 × t)</em></p> <h4>数式の各要素の説明</h4> <table> <tbody> <tr> </tr> <tr> <td><strong>2π</strong></td> <td>1周（1回転）に相当する角度 [rad]</td> <td>正弦波が1周期を完了するために必要な角度</td> </tr> <tr> <td><strong>1</strong></td> <td>1秒当たりの振動数（周波数） [Hz]</td> <td>1秒間に1回の完全な振動を意味する</td> </tr> <tr> <td><strong>t</strong></td> <td>時刻 [sec]（連続変数）</td> <td>時間軸上の任意の点を表す変数<br />例：t = 0秒、t = 0.5秒、t = 1秒など<br />連続的：t = 0.0001秒、t = 0.0002秒のように、どんな細かい時間でも指定できる</td> </tr> <tr> <td><strong>x_a(t)</strong></td> <td>連続時間信号の振幅</td> <td>時刻 t における信号の値</td> </tr> </tbody> </table> <blockquote> <p><strong>物理的意味</strong><br />この式は「1秒間に1回振動する正弦波」を表しており、2π · 1 · t の部分は「時刻 t における位相角」を示しています。</p> </blockquote> <h2>サンプリング</h2> <p>連続時間信号を離散時間信号に変換する過程をサンプリングと呼びます。</p> <h3>サンプリング条件</h3> <p><em>t = nT</em> （<em>n</em> は整数）</p> <h4>サンプリングの各要素の説明</h4> <table> <tbody> <tr> </tr> <tr> <td><strong>T</strong></td> <td>サンプリング周期 [sec]</td> <td>1秒当たりのサンプリング数の逆数<br />例：4Hzでサンプリング → T = 1/4 = 0.25秒</td> </tr> <tr> <td><strong>n</strong></td> <td>正規化された時刻（無次元）</td> <td>サンプリングされた点の個数（インデックス）<br />例：n = 0, 1, 2, 3, 4, ... のように順番に番号付け<br />キュー（順番）のような概念</td> </tr> </tbody> </table> <h4>サンプリングの意味</h4> <p>サンプリング周期 T を用いて時刻の変数 t を離散化します。</p> <ul> <li>連続時間 t → 離散時間 n（整数）</li> <li>各 n に対応する時刻：t = nT</li> </ul> <h2>離散時間信号</h2> <p>離散時間信号は、連続時間信号をサンプリングして得られます。</p> <h3>離散時間信号の表現</h3> <p><em>x(n) = x_a(nT)</em>, <em>n = -∞ ～ ∞</em></p> <p><strong><em>n = -∞ ～ ∞</em> の意味</strong>：</p> <ul> <li>理論的には無限の過去から無限の未来までサンプルが存在</li> <li>実際の信号処理では有限の範囲（例：n = 0, 1, 2, ..., N-1）で扱う</li> <li>数学的な表現として「すべての整数 n に対して定義される」ことを示す</li> </ul> <h4>離散時間信号の各要素の説明</h4> <table> <tbody> <tr> </tr> <tr> <td><strong>x(n)</strong></td> <td>離散時間信号の振幅</td> <td>サンプル番号 n における信号の値<br />例：x(0), x(1), x(2), x(3), ... のように各サンプル点の値</td> </tr> <tr> <td><strong>n</strong></td> <td>正規化された時刻（無次元）</td> <td>サンプル番号（インデックス）<br />整数値：n = 0, 1, 2, 3, 4, ...<br />時間軸ではなく、サンプル順序を表す</td> </tr> </tbody> </table> <h4>正規化について</h4> <ul> <li><strong>正規化の意味</strong>: 連続時間 t をサンプリング周期 T で割った値</li> <li><strong>t = nT の関係</strong>: 各サンプル点 n に対応する実際の時刻</li> <li><strong>「1サンプル、2サンプル、...」</strong>: 時間ではなく、サンプルの順番で考える</li> <li><strong>無次元</strong>: n は時間の単位を持たない純粋な数値</li> </ul> <h2>具体例：1Hzの正弦波を4Hzでサンプリング</h2> <h3>連続時間信号</h3> <p><em>x_a(t) = sin(2π × 1 × t)</em></p> <h3>サンプリング条件</h3> <ul> <li>サンプリング周波数: <em>F_s = 4</em> Hz</li> <li>サンプリング周期: <em>T = 1/F_s = 1/4 = 0.25</em> sec</li> </ul> <h3>離散時間信号</h3> <p><em>x(n) = x_a(nT) = x_a(n × 0.25) = sin(2π × 1 × n × 0.25) = sin(0.5πn)</em></p> <h3>サンプル値</h3> <table> <tbody> <tr> </tr> <tr> <td>0</td> <td>0.00</td> <td>0</td> </tr> <tr> <td>1</td> <td>0.25</td> <td>1</td> </tr> <tr> <td>2</td> <td>0.50</td> <td>0</td> </tr> <tr> <td>3</td> <td>0.75</td> <td>-1</td> </tr> <tr> <td>4</td> <td>1.00</td> <td>0</td> </tr> </tbody> </table> <h2>重要なポイント</h2> <blockquote> <p><strong>ポイント1</strong><br />離散時間信号と連続時間信号の相互関係を明確にするためには、標本化周期 T の情報が必要</p> </blockquote> <blockquote> <p><strong>ポイント2</strong><br />4Hzでサンプリングしたため、離散時間信号 x(n) では、1秒間の長さの信号を生成するためには4サンプル必要となる</p> </blockquote> <blockquote> <p><strong>サンプリング定理</strong><br />元の信号の最高周波数成分がサンプリング周波数の半分以下である必要があります。</p> </blockquote> <h2>まとめ</h2> <blockquote> <p><strong>学習内容のまとめ</strong></p> <ul> <li>連続時間信号 x_a(t) をサンプリング周期 T でサンプリング</li> <li>離散時間信号 x(n) = x_a(nT) が得られる</li> <li>変数 n は正規化された時刻（無次元）</li> <li>サンプリング周波数とサンプリング周期の関係: <em>F_s = 1/T</em></li> </ul> </blockquote> <blockquote> <p><strong>関連トピック</strong><br />この内容を理解したら、次は「フーリエ変換」や「デジタルフィルタ」について学習することをお勧めします。</p> </blockquote> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理4 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-15 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>フーリエ変換とスペクトル解析</h1> <h2>この資料について</h2> <p>この資料では、フーリエ変換とスペクトル解析の基礎から応用までを体系的に学習します。理論的な理解と実用的な応用の両方を重視し、段階的に学習できるよう構成されています。</p> <p><strong>学習目標</strong>:</p> <ul> <li>フーリエ変換の基本原理を理解する</li> <li>DTFTとDFTの関係を把握する</li> <li>音響信号解析への応用を学ぶ</li> <li>実装時の考慮事項を理解する</li> </ul> <p><strong>想定学習時間</strong>: 約8-10時間</p> <h2>学習手順</h2> <h3>アナログ（連続）信号処理</h3> <ol> <li><strong>フーリエ級数</strong> - 周期関数の基本</li> <li><strong>複素フーリエ級数</strong> - オイラーの公式を活用</li> <li><strong>フーリエ変換</strong> - 非周期関数への拡張</li> </ol> <h3>デジタル（離散）信号処理</h3> <ol> <li><strong>離散時間フーリエ変換（DTFT）</strong> - 離散時間信号の周波数解析</li> <li><strong>離散フーリエ変換（DFT）</strong> - コンピュータ実装向け</li> </ol> <h2>フーリエ変換とは</h2> <p>フーリエ変換とは、複雑な波や音を「いくつかの単純な波（正弦波）」に分けて考える方法です。</p> <h3>身近な例で理解する</h3> <p><strong>音楽の例</strong>:<br />好きな音楽の音も、実はいろんな高さの音が混ざっています。フーリエ変換を使うと、どんな音がどれくらい混ざっているのかわかりやすくできます。</p> <p><strong>光の例</strong>:<br />ちょうど、虹が白い光をいろんな色に分けるのと似ています。</p> <h3>基本的な概念</h3> <ul> <li><strong>用途</strong>: 信号の周波数解析に用いられる</li> <li><strong>効果</strong>: 信号の波形の見方を変える</li> <li><strong>重要性</strong>: デジタル信号処理の基礎技術</li> </ul> <h2>スペクトラムアナライザー</h2> <h3>スペクトラムアナライザーとは</h3> <p>音や信号に含まれるさまざまな周波数（音の高さ）をグラフで表示して分析できる装置やソフトウェアです。実用のスペクトラムアナライザーは多くの場合 <strong>FFT</strong> を用い、<strong>窓関数</strong>、<strong>スケール補正（RMS/dBFS/dBV/dBm）</strong>、<strong>平均化（線形平均/Welch）</strong>などを行います。表示は <strong>PSD（dB/Hz）</strong>または<strong>パワースペクトル（dB）</strong>が一般的です。PSD表示は <strong>V²/Hz, dBV²/Hz, dBm/Hz</strong> など単位を明示（帯域幅依存の誤読防止）。</p> <h4>実装時の重要な注意点</h4> <div> <h5>振幅推定の正確な方法</h5> <p><strong>片側スペクトルからの振幅推定</strong>：</p> <ul> <li><strong>片側表示</strong>：$A_{\text{est}} = \frac{|X_{w}^{(1\text{-side})}[k_0]|}{N \cdot \mathrm{CG}}$（内点×2が既に適用済み）</li> <li><strong>二側表示</strong>：$A_{\text{est}} = \frac{2|X_w^{(2\text{-side})}[k_0]|}{N \cdot \mathrm{CG}}$（DC/Nyquistは倍化なし）</li> </ul> <p><strong>注意</strong>：片側表示では内点を×2して表示するため、そのままCGで割れば振幅が得られます。</p> </div> <div> <h5>PSDスケーリングの正しい方法</h5> <p><strong>Welch/Periodogram標準形</strong>：</p> <div>$$\boxed{S_{vv}[k] = \frac{|X_w[k]|^2}{f_s \cdot N \cdot U}, \quad U = \frac{1}{N}\sum w^2} \tag{1}$$</div> <p>これを<strong>ENBW &amp; CG</strong>で等価変形すると：</p> <div>$$\boxed{S_{vv}[k] = \frac{|X_w[k]|^2}{N^2 \cdot \mathrm{ENBW} \cdot \mathrm{CG}^2}} \tag{2}$$</div> <p><strong>重要</strong>：CG²の補正を忘れずに適用してください。</p> </div> <div> <h5>Parsevalの定理とPSDの関係</h5> <p><strong>理解のポイント</strong>：窓掛け後のスペクトル $X_w$ を用いると、PSD帯域和は窓エネルギー $U$ を含みます。<strong>「元信号のエネルギー」</strong>と<strong>「窓込みPSDの帯域和」</strong>は一般に一致しません。</p> <p><strong>実装時の注意</strong>：測定対象（電圧/電力・帯域）を明記し、<strong>CG/ENBW/U</strong>を適切に使い分けてください。</p> </div> <h4>窓補正と ENBW（有効雑音帯域幅）</h4> <p>窓を掛けたスペクトルを物理量に正しく換算するために、以下を明示する：</p> <ul> <li><strong>コヒーレントゲイン（CG）</strong>：\(\displaystyle \mathrm{CG} = \frac{1}{N}\sum_{n=0}^{N-1} w[n] \tag{3}\)。<br />ピーク（正弦1本）の振幅は <em>振幅補正</em>として \(1/\mathrm{CG}\) を掛けて復元する。<br /><strong>片側スペクトル</strong>からピーク振幅を読む場合：\(A_{\text{est}} = \frac{|X_w^{(1\text{-side})}[k_0]|}{N \cdot \mathrm{CG}} \tag{4}\)（片側表示では内点×2が既に適用されているため、どのビンでも同じ式）。<br /><strong>二側スペクトル</strong>の場合：\(A_{\text{est}} = \frac{2|X_w^{(2\text{-side})}[k_0]|}{N \cdot \mathrm{CG}} \tag{5}\)（実正弦で対称2本が立つときの各ビン基準）。</li> <li><strong>ENBW（有効雑音帯域幅）</strong>：\(\displaystyle \mathrm{ENBW} = f_s\, \frac{\sum w[n]^2}{\left(\sum w[n]\right)^2} \tag{6}\) [Hz]。<br /><strong>電圧密度（ENBW法）</strong>：\(\displaystyle S_{vv}[\mathrm{V}^2/\mathrm{Hz}] = \frac{|X[k]|^2}{N^2 \cdot \mathrm{ENBW}} \tag{7}\)<br /><strong>電圧密度（U正規化法）</strong>：\(\displaystyle S_{vv}[\mathrm{V}^2/\mathrm{Hz}] = \frac{|X_w[k]|^2}{f_s \cdot N \cdot U} \tag{8}\)、ここで \(U = \frac{1}{N}\sum w^2\)<br /><strong>電力密度</strong>：\(\displaystyle S_{pp}[\mathrm{W}/\mathrm{Hz}] = \frac{S_{vv}}{R} = \frac{|X[k]|^2}{N^2 \cdot R \cdot \mathrm{ENBW}} \tag{9}\)（R=50 Ω等を明記）</li> <li><strong>dB表記の変換</strong>：<strong>電力系（dBm/Hz）</strong>：\(P[\mathrm{W/Hz}] = S_{pp}[\mathrm{W}/\mathrm{Hz}]\) → **10 log₁₀**。<strong>電圧系（dBV/√Hz）</strong>：\(\sqrt{S_{vv}}[\mathrm{V}/\sqrt{\mathrm{Hz}}]\) → **20 log₁₀**（R=50 Ω等）。</li> <li>凡例に <em>窓名・CG・ENBW・平均化法・片側/二側・負荷R・参照（FS or 1 V）</em>を併記（再現性確保）。¹</li> </ul> <p>¹ENBW/CGの代表値は実装差あり（定義、係数、窓設計）。Hann 1.5Δf, Hamming 1.36Δf, Blackman 1.73Δf, Flat-top 3.77Δf等。</p> <h4>実務指針：凡例テンプレート</h4> <div> <p><strong>校正済みスペアナUI</strong>：凡例に<strong>窓名・CG・ENBW・平均法・片側/二側・負荷R・参照（FS or 1 V）</strong>を自動出力→実験ログの<strong>再現性/法規適合</strong>を確保。</p> <p><strong>例</strong>：「Hann窓, CG=0.5, ENBW=1.5Δf, Welch平均(M=16), 片側表示, R=50Ω, 参照=1V」</p> </div> <h4>窓関数の代表値表</h4> <table border="1"> <tbody> <tr> </tr> <tr> <td>矩形窓</td> <td>1.0</td> <td>1.0</td> <td>2.0</td> <td>≈0.89</td> </tr> <tr> <td>Hann</td> <td>0.5</td> <td>1.5</td> <td>4.0</td> <td>≈1.44</td> </tr> <tr> <td>Hamming</td> <td>0.54</td> <td>1.36</td> <td>4.0</td> <td>≈1.30</td> </tr> <tr> <td>Blackman</td> <td>0.42</td> <td>1.73</td> <td>6.0</td> <td>≈1.68</td> </tr> <tr> <td>Flat-top</td> <td>0.22</td> <td>3.77</td> <td>10.0</td> <td>&gt;2.0（設計依存）</td> </tr> </tbody> </table> <h4>単位変換早見表（R=50Ω基準）</h4> <table border="1"> <tbody> <tr> </tr> <tr> <td>RMS → dBV</td> <td>20 log₁₀(V_rms)</td> <td>電圧基準（1V）</td> </tr> <tr> <td>RMS → dBm</td> <td>20 log₁₀(V_rms) + 10 log₁₀(1000/R)</td> <td>電力基準（1mW）</td> </tr> <tr> <td>dBV → RMS</td> <td>10^(dBV/20)</td> <td>電圧復元</td> </tr> <tr> <td>dBm → RMS</td> <td>√(R/1000) × 10^(dBm/20)</td> <td>電圧復元</td> </tr> <tr> <td>片側 → 二側</td> <td>内点×2（DC/Nyquist非倍化）</td> <td>スペクトル表示</td> </tr> <tr> <td>二側 → 片側</td> <td>内点÷2（DC/Nyquist非倍化）</td> <td>スペクトル表示</td> </tr> </tbody> </table> <h4>正規化規約の比較</h4> <table border="1"> <tbody> <tr> </tr> <tr> <td>DTFT</td> <td>無係数</td> <td>1/(2π)</td> <td>理論的</td> </tr> <tr> <td>DFT（標準）</td> <td>無係数</td> <td>1/N</td> <td>実装向け</td> </tr> <tr> <td>DFT（ユニタリ）</td> <td>1/√N</td> <td>1/√N</td> <td>対称的</td> </tr> <tr> <td>FFT</td> <td>DFTと同じ</td> <td>DFTと同じ</td> <td>高速化のみ</td> </tr> </tbody> </table> <p><strong>注意</strong>：この資料ではDFT（標準）規約を採用。ユニタリ規約ではParsevalの定理が \(\sum |x|^2 = \sum |X|^2\) となる。</p> <h4>ParsevalとPSDの帯域和の一致（検算）</h4> <p>有限長・採用正規化下での一貫性チェック：</p> <ul> <li><strong>時間ドメイン</strong>：$\sum_{n=0}^{N-1} |x[n]|^2$</li> <li><strong>周波数ドメイン</strong>：$\frac{1}{N} \sum_{k=0}^{N-1} |X[k]|^2$</li> <li><strong>窓掛けPSD帯域和</strong>：$\sum_{k=0}^{N-1} S_{vv}[k] \cdot \Delta f = \frac{f_s}{N} \sum_{k=0}^{N-1} \frac{|X_w[k]|^2}{N^2 \cdot \mathrm{ENBW} \cdot \mathrm{CG}^2}$</li> </ul> <p><strong>注意</strong>：Parsevalの定理により、時間ドメインと周波数ドメインでのエネルギーは等しいが、<strong>窓掛け後のPSD帯域和</strong>は窓エネルギー $U$ を含むため、一般に一致しない。</p> <h5>数値例（正弦波+白色雑音）</h5> <p><strong>例</strong>：$x[n] = A\sin(2\pi f_0 n/N) + w[n]$（$A=1$, $f_0=100$Hz, $N=1024$, $f_s=1024$Hz, $w[n]$は白色雑音）</p> <ul> <li><strong>時間ドメインエネルギー</strong>：$\sum_{n=0}^{N-1} |x[n]|^2 \approx N/2 + \sigma_w^2 N$</li> <li><strong>周波数ドメインエネルギー</strong>：$\frac{1}{N} \sum_{k=0}^{N-1} |X[k]|^2 \approx \frac{1}{2} + \sigma_w^2$</li> <li><strong>検算</strong>：$\sum |x|^2 \stackrel{?}{=} \frac{1}{N}\sum |X|^2$ → 両辺を$N$で割ると一致</li> </ul> <p><strong>注意</strong>：この例では $f_0 = f_s/10$ として、適切なサンプリング条件を満たしています。</p> <h3>実用的な応用</h3> <ul> <li><strong>音響解析</strong>: 楽器の音色分析</li> <li><strong>通信技術</strong>: 信号品質の評価</li> <li><strong>医療機器</strong>: 生体信号の解析</li> <li><strong>産業応用</strong>: 機械の振動解析</li> </ul> <h2>振幅スペクトル</h2> <h3>定義</h3> <p>信号の振幅スペクトルとは、フーリエ変換によって得られる各周波数成分ごとの「大きさ（振幅）」をグラフで表したものです。</p> <h3>特徴</h3> <ul> <li>どの周波数が強く（大きな振幅を持ち）現れているかが一目でわかる</li> <li>分析対象の信号がそれぞれの周波数成分ごとの「大きさ（振幅）」を表したグラフ</li> </ul> <h3>グラフの見方</h3> <ul> <li><strong>横軸</strong>: 周波数（Hz）</li> <li><strong>縦軸</strong>: 振幅（フーリエ変換の大きさ $|X|$）</li> </ul> <h3>応用例</h3> <p>音声信号の振幅スペクトルを見ると、低い音（低周波数）や高い音（高周波数）がどれくらい含まれているかを詳細に分析できます。</p> <h2>振幅スペクトルと時間波形の比較</h2> <h3>振幅スペクトル（周波数ドメイン）</h3> <ul> <li><strong>縦軸</strong>: 振幅</li> <li><strong>横軸</strong>: 周波数</li> <li><strong>※注意</strong>: ここでの「振幅」はフーリエ変換の大きさ $|X|$ を指す。エネルギー/パワーを見たい場合は $|X|^2$（ESD/PSD）を用いる</li> </ul> <h3>時間波形（時間ドメイン）</h3> <ul> <li><strong>縦軸</strong>: 信号値 $x(t)$ または $x[n]$</li> <li><strong>横軸</strong>: 時刻</li> <li><strong>確認方法</strong>: Python（NumPy/SciPy, matplotlib）や Audacity 等の汎用ツールで波形・スペクトルを再現可能</li> </ul> <h3>重要な違い</h3> <p>時間波形と振幅スペクトルでは、縦軸の意味が異なります：</p> <ul> <li><strong>時間波形（時間ドメイン）の縦軸</strong>: 信号値 $x(t)$ または $x[n]$</li> <li><strong>振幅スペクトル（周波数ドメイン）の縦軸</strong>: $|X(f)|$ または $|X[k]|$</li> <li><strong>エネルギー/パワーを見るとき</strong>: $|X|^2$（パワースペクトル/PSD）を用いる</li> </ul> <p><strong>注</strong>: 時間波形の縦軸：$x(t)$ または $x[n]$。振幅スペクトルの縦軸：$|X(f)|$ または $|X[k]|$。エネルギー/パワーを見るときは $|X|^2$（パワースペクトル/PSD）を用いる。参考（パーセバル）$\int|x(t)|^2 dt = \frac{1}{2\pi}\int|X(\omega)|^2 d\omega$、$\sum|x[n]|^2 = \frac{1}{N}\sum|X[k]|^2$。</p> <h3>振幅スペクトルとエネルギースペクトルの関係</h3> <p><strong>重要な区別</strong>:</p> <ul> <li><strong>振幅スペクトル</strong>: $|X(\omega)|$ または $|X[k]|$（フーリエ変換の大きさ）</li> <li><strong>エネルギースペクトル</strong>: $|X(\omega)|^2$ または $|X[k]|^2$（パワースペクトル）</li> </ul> <p><strong>パーセバルの定理</strong>により、時間ドメインと周波数ドメインでのエネルギーは等しい：</p> <p><strong>連続時間</strong>:</p> $$\displaystyle \int_{-\infty}^{\infty} |x(t)|^2 \, dt = \frac{1}{2\pi} \int_{-\infty}^{\infty} |X(\omega)|^2 \, d\omega \tag{10}$$ <p><strong>離散時間</strong>:</p> $$\displaystyle \sum_{n=0}^{N-1} |x[n]|^2 = \frac{1}{N} \sum_{k=0}^{N-1} |X[k]|^2 \tag{11}$$ <h2>フーリエ級数（理論的基礎）</h2> <h3>フーリエ級数の定義</h3> <p>周期Tの周期関数f(t)は、以下のように正弦波と余弦波の和で表すことができます：</p> $$\displaystyle f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t))$$ <p>ここで、</p> <ul> <li>$\omega_0 = \frac{2\pi}{T}$：基本角周波数</li> <li>$a_0, a_n, b_n$：フーリエ係数</li> </ul> <h3>フーリエ級数の導出</h3> <h4>ステップ1: 直交性の確認</h4> <p>まず、三角関数の直交性を確認します：</p> <p><strong>余弦関数の直交性</strong>:</p> $$\displaystyle \int_0^T \cos(n\omega_0 t) \cos(m\omega_0 t) \, dt = \begin{cases} \frac{T}{2} &amp; (n = m \neq 0) \\ T &amp; (n = m = 0) \\ 0 &amp; (n \neq m) \end{cases}$$ <p><strong>正弦関数の直交性</strong>:</p> $$\displaystyle \int_0^T \sin(n\omega_0 t) \sin(m\omega_0 t) \, dt = \begin{cases} \frac{T}{2} &amp; (n = m \neq 0) \\ 0 &amp; (n \neq m) \end{cases}$$ <p><strong>余弦と正弦の直交性</strong>:</p> $$\displaystyle \int_0^T \cos(n\omega_0 t) \sin(m\omega_0 t) \, dt = 0 \quad \text{(すべてのn, mに対して)}$$ <h4>ステップ2: フーリエ係数の導出</h4> <p><strong>$a_0$の導出</strong>:<br />f(t)の両辺を[0, T]で積分：</p> $$\displaystyle \int_0^T f(t) \, dt = \int_0^T \left(\frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t))\right) \, dt$$ <p>直交性により、$n \geq 1$の項は0になるので：</p> $$\displaystyle \int_0^T f(t) \, dt = \int_0^T \frac{a_0}{2} \, dt = \frac{a_0}{2} \cdot T$$ <p>したがって：</p> $$\displaystyle a_0 = \frac{2}{T} \int_0^T f(t) \, dt$$ <p><strong>$a_n$の導出</strong>:<br />f(t)に$\cos(m\omega_0 t)$を掛けて[0, T]で積分：</p> $$\displaystyle \int_0^T f(t) \cos(m\omega_0 t) \, dt = \int_0^T \left(\frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t))\right) \cos(m\omega_0 t) \, dt$$ <p>直交性により、$m=n$の場合のみ残る：</p> $$\displaystyle \int_0^T f(t) \cos(m\omega_0 t) \, dt = a_m \cdot \frac{T}{2}$$ <p>したがって：</p> $$\displaystyle a_n = \frac{2}{T} \int_0^T f(t) \cos(n\omega_0 t) \, dt$$ <p><strong>$b_n$の導出</strong>:<br />同様に、f(t)に$\sin(m\omega_0 t)$を掛けて[0, T]で積分：</p> $$\displaystyle \int_0^T f(t) \sin(m\omega_0 t) \, dt = \int_0^T \left(\frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t))\right) \sin(m\omega_0 t) \, dt$$ <p>直交性により：</p> $$\displaystyle \int_0^T f(t) \sin(m\omega_0 t) \, dt = b_m \cdot \frac{T}{2}$$ <p>したがって：</p> $$\displaystyle b_n = \frac{2}{T} \int_0^T f(t) \sin(n\omega_0 t) \, dt$$ <h3>複素フーリエ級数</h3> <h4>複素フーリエ級数の導出</h4> <p>オイラーの公式を用いて、フーリエ級数を複素形式で表します：</p> <p><strong>ステップ1: オイラーの公式の適用</strong></p> $$\displaystyle \cos(n\omega_0 t) = \frac{e^{jn\omega_0 t} + e^{-jn\omega_0 t}}{2}$$ $$\displaystyle \sin(n\omega_0 t) = \frac{e^{jn\omega_0 t} - e^{-jn\omega_0 t}}{2j}$$ <p><strong>ステップ2: フーリエ級数の変形</strong></p> $$\displaystyle f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(n\omega_0 t) + b_n \sin(n\omega_0 t))$$ <p>オイラーの公式を適用：</p> $$\displaystyle f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n \frac{e^{jn\omega_0 t} + e^{-jn\omega_0 t}}{2} + b_n \frac{e^{jn\omega_0 t} - e^{-jn\omega_0 t}}{2j}\right]$$ <p>項を整理：</p> $$\displaystyle = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[\frac{a_n}{2} \cdot e^{jn\omega_0 t} + \frac{a_n}{2} \cdot e^{-jn\omega_0 t} + \frac{b_n}{2j} \cdot e^{jn\omega_0 t} - \frac{b_n}{2j} \cdot e^{-jn\omega_0 t}\right]$$ $$\displaystyle = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[\left(\frac{a_n}{2} + \frac{b_n}{2j}\right) \cdot e^{jn\omega_0 t} + \left(\frac{a_n}{2} - \frac{b_n}{2j}\right) \cdot e^{-jn\omega_0 t}\right]$$ <p>$\frac{1}{j} = -j$ の関係を使用：</p> $$\displaystyle = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[\frac{a_n - jb_n}{2} \cdot e^{jn\omega_0 t} + \frac{a_n + jb_n}{2} \cdot e^{-jn\omega_0 t}\right]$$ <p><strong>ステップ3: 複素係数の定義</strong></p> $$\displaystyle c_0 = \frac{a_0}{2}$$ $$\displaystyle c_n = \frac{a_n - jb_n}{2} \quad (n &gt; 0)$$ $$\displaystyle c_{-n} = \frac{a_n + jb_n}{2} \quad (n &gt; 0)$$ <p><strong>ステップ4: 最終形</strong></p> $$\displaystyle f(t) = \sum_{n=-\infty}^{\infty} c_n e^{jn\omega_0 t}$$ <p>ここで、</p> $$\displaystyle c_n = \frac{1}{T} \int_0^T f(t) e^{-jn\omega_0 t} \, dt$$ <p><strong>導出の確認</strong>:</p> $$\displaystyle c_n = \frac{1}{T} \int_0^T f(t) e^{-jn\omega_0 t} \, dt$$ $$\displaystyle = \frac{1}{T} \int_0^T \left[\sum_{m=-\infty}^{\infty} c_m e^{jm\omega_0 t}\right] e^{-jn\omega_0 t} \, dt$$ $$\displaystyle = \frac{1}{T} \sum_{m=-\infty}^{\infty} c_m \int_0^T e^{j(m-n)\omega_0 t} \, dt$$ <p>$m=n$の場合：</p> $$\displaystyle \int_0^T e^{j(m-n)\omega_0 t} \, dt = \int_0^T 1 \, dt = T$$ <p>$m \neq n$の場合：</p> $$\displaystyle \int_0^T e^{j(m-n)\omega_0 t} \, dt = \left[\frac{e^{j(m-n)\omega_0 t}}{j(m-n)\omega_0}\right]_0^T = 0$$ <p>したがって：</p> $$\displaystyle c_n = \frac{1}{T} \cdot c_n \cdot T = c_n$$ <h2>連続時間フーリエ変換</h2> <h3>フーリエ変換の定義</h3> <p>連続時間信号 x(t) のフーリエ変換は、次の式で定義されます。</p> $$\displaystyle X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$$ <h3>変数の意味</h3> <ul> <li>$X(\omega)$：x(t) のフーリエ変換（周波数ドメインの表現）</li> <li>$x(t)$：連続時間の信号</li> <li>$t$：時刻（秒）</li> <li>$\omega$：角周波数（ラジアン/秒），$\omega = 2\pi f$</li> <li>$f$：周波数（Hz）</li> <li>$j$：虚数単位（$j^2 = -1$）</li> <li>$e$：自然対数の底</li> </ul> <h3>重要な注意事項</h3> <ul> <li>積分範囲は $-\infty$ から $\infty$ まで</li> <li>被積分関数は $x(t)$ と $e^{-j\omega t}$ の積</li> <li>$\omega$ は連続的な変数</li> </ul> <h3>フーリエ変換の導出</h3> <h4>ステップ1: フーリエ級数からフーリエ変換への拡張</h4> <p>周期Tの信号を非周期信号に拡張する過程：</p> <p><strong>周期信号の場合</strong>:</p> $$\displaystyle f(t) = \sum_{n=-\infty}^{\infty} c_n e^{jn\omega_0 t}$$ $$\displaystyle c_n = \frac{1}{T} \int_{-T/2}^{T/2} f(t) e^{-jn\omega_0 t} \, dt$$ <p><strong>非周期信号への拡張</strong>:</p> <ul> <li>$T \to \infty$ とすると、$\omega_0 = \frac{2\pi}{T} \to 0$</li> <li>離散的な周波数 $n\omega_0$ が連続的な周波数 $\omega$ に変化</li> <li>フーリエ係数 $c_n$ が連続的な関数 $X(\omega)$ に変化</li> </ul> <h4>ステップ2: 数学的導出</h4> <p><strong>ステップ2-1: 周期信号の表現</strong><br />周期Tの信号 f(t) について：</p> <p>複素フーリエ級数の定義：</p> $$\displaystyle f(t) = \sum_{n=-\infty}^{\infty} c_n e^{jn\omega_0 t}$$ <p>ここで、$c_n$は複素フーリエ係数：</p> $$\displaystyle c_n = \frac{1}{T} \int_0^T f(t) e^{-jn\omega_0 t} \, dt$$ <p>または、対称な積分範囲：</p> $$\displaystyle c_n = \frac{1}{T} \int_{-T/2}^{T/2} f(t) e^{-jn\omega_0 t} \, dt$$ <p>基本角周波数：</p> $$\displaystyle \omega_0 = \frac{2\pi}{T}$$ <p><strong>ステップ2-2: 非周期信号への極限</strong><br />$T \to \infty$ の極限を取る：</p> $$\displaystyle f(t) = \lim_{T \to \infty} \sum_{n=-\infty}^{\infty} c_n e^{jn\omega_0 t}$$ <p><strong>ステップ2-3: $c_n$を代入して整理</strong><br />$c_n$の定義を代入します。ここで、f(t)の変数tと$c_n$の積分変数が衝突するため、$c_n$の積分変数は$\tau$に置き換えます：</p> $$\displaystyle f(t) = \lim_{T \to \infty} \sum_{n=-\infty}^{\infty} \left[\frac{1}{T} \int_{-T/2}^{T/2} f(\tau) e^{-jn\omega_0 \tau} \, d\tau\right] e^{jn\omega_0 t}$$ <p>$\frac{1}{T}$を分配：</p> $$\displaystyle = \lim_{T \to \infty} \sum_{n=-\infty}^{\infty} \left[\int_{-T/2}^{T/2} f(\tau) e^{-j\omega_n \tau} \, d\tau\right] e^{j\omega_n t} / T$$ <p>注意：変数$\tau$は積分の内部変数で、最終的な式f(t)の変数tとは区別されます。</p> <p><strong>ステップ2-4: 周波数変数の変換</strong><br />$n\omega_0 = \omega_n$ とおき、<strong>$\Delta\omega = \omega_0 = \frac{2\pi}{T}$</strong> とすると：</p> <p><strong>リーマン和の準備</strong>:<br />離散的な周波数間隔$\Delta\omega$を導入することで、総和を積分に変換する準備をします。<strong>$\frac{1}{T} = \frac{\Delta\omega}{2\pi}$</strong>の関係により：</p> $$\displaystyle f(t) = \lim_{T \to \infty} \sum_{n=-\infty}^{\infty} X_T(\omega_n) e^{j\omega_n t} \cdot \frac{\Delta\omega}{2\pi}$$ <p><strong>$\Delta\omega/2\pi$の意味</strong>:</p> <ul> <li>$\Delta\omega = \frac{2\pi}{T}$ は周波数間隔</li> <li>$\frac{1}{T} = \frac{\Delta\omega}{2\pi}$ は正規化係数</li> <li>この係数により、総和が積分に変換される</li> </ul> <p><strong>ステップ2-6: リーマン和から積分へ</strong><br />$T \to \infty$ のとき、$\Delta\omega \to 0$ となるので、これはリーマン和となる：</p> $$\displaystyle f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} \, d\omega$$ <p>ここで、$X(\omega) = \lim_{T \to \infty} X_T(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t} \, dt$ となる。</p> <p><strong>導出の確認：</strong><br />$T \to \infty$ の極限では：</p> <ul> <li>$\omega_0 = \frac{2\pi}{T} \to 0$</li> <li>$n\omega_0 = n\frac{2\pi}{T} \to$ 連続変数 $\omega$</li> <li>$\Delta\omega = \omega_0 \to d\omega$</li> <li>$T \cdot c_n = X_T(\omega) \to X(\omega)$</li> <li>$\sum_{n=-\infty}^{\infty} \to \int_{-\infty}^{\infty}$</li> </ul> <p><strong>ステップ2-7: 収束条件の確認</strong><br />フーリエ変換が存在するための条件：</p> <ul> <li>信号$f(t)$が絶対可積分：$\int_{-\infty}^{\infty} |f(t)| \, dt &lt; \infty$</li> <li>または、エネルギー有限：$\int_{-\infty}^{\infty} |f(t)|^2 \, dt &lt; \infty$</li> <li>ディリクレ条件を満たす（有限個の不連続点、有限個の極値）</li> </ul> <h4>ステップ3: 最終的な定義</h4> <p><strong>フーリエ変換</strong>:</p> $$\displaystyle X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$$ <p><strong>フーリエ逆変換</strong>:</p> $$\displaystyle x(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} \, d\omega$$ <h3>フーリエ逆変換</h3> <p>フーリエ逆変換は、周波数ドメインの信号 $X(\omega)$ を時間ドメインの信号 $x(t)$ に戻す変換です。</p> $$\displaystyle x(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} \, d\omega$$ <p>この式により、周波数スペクトルから元の時間信号を復元することができます。</p> <h3>逆変換の注意事項</h3> <ul> <li>正規化係数 $\frac{1}{2\pi}$ が重要</li> <li>積分変数は $\omega$（角周波数）</li> <li>被積分関数は $X(\omega)$ と $e^{j\omega t}$ の積</li> </ul> <h3>教科書による定義の違い</h3> <p>※教科書によっては、以下の式でフーリエ変換・逆変換を定義しているものもあります：</p> <p><strong>対称的な定義（第2の規約）</strong></p> <p>フーリエ変換：</p> $$\displaystyle X(\omega) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$$ <p>フーリエ逆変換：</p> $$\displaystyle x(t) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} \, d\omega$$ <p>この定義では、フーリエ変換と逆変換の両方に同じ正規化係数 $\frac{1}{\sqrt{2\pi}}$ が付きます。</p> <p><strong>重要な注意</strong>: どちらの定義を使うかは教科書や分野によって異なります。計算時は一貫して同じ定義を使うことが重要です。</p> <h2>離散時間フーリエ変換（DTFT）</h2> <h3>DTFTの定義</h3> <p>離散時間信号 x[n] の離散時間フーリエ変換（DTFT）は、次の式で定義されます。</p> $$\displaystyle X(e^{j\omega}) = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n}$$ <h3>変数の意味</h3> <ul> <li>$X(e^{j\omega})$：x[n] の離散時間フーリエ変換</li> <li>$x[n]$：離散時間の信号（nは整数）</li> <li>$n$：離散時間のインデックス（サンプル番号）</li> <li>$\omega$：正規化角周波数（ラジアン/サンプル）</li> <li>$j$：虚数単位（$j^2 = -1$）</li> <li>$e$：自然対数の底</li> </ul> <h3>重要な注意事項</h3> <ul> <li>総和範囲は $-\infty$ から $\infty$ まで</li> <li>被総和項は $x[n]$ と $e^{-j\omega n}$ の積</li> <li>$\omega$ は連続的な変数（$-\pi \leq \omega \leq \pi$）</li> <li>$X(e^{j\omega})$ は周期 $2\pi$ の周期関数</li> </ul> <h3>DTFTの導出</h3> <h4>ステップ1: 連続時間フーリエ変換から離散時間フーリエ変換への変換</h4> <p>連続時間フーリエ変換：</p> $$\displaystyle X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$$ <p>離散時間信号 $x[n]$ を考えます。これは連続時間信号 $x(t)$ をサンプリングしたものです：</p> $$\displaystyle x[n] = x(nT_s)$$ <p>ここで、$T_s$ はサンプリング周期です。</p> <h4>ステップ2: サンプリング定理の適用</h4> <p><strong>サンプリング定理（ナイキスト・シャノンの定理）</strong>:</p> <ul> <li>連続信号を正確に復元するには、サンプリング周波数 $f_s$ が信号の最高周波数 $f_{max}$ の2倍以上である必要がある</li> <li>条件：$f_s \geq 2f_{max}$</li> <li>ナイキスト周波数：$f_N = \frac{f_s}{2}$</li> </ul> <p><strong>エイリアシング現象</strong>:</p> <ul> <li>ナイキスト周波数を超える周波数成分は、低い周波数に折り返される</li> <li>これにより、元の信号と区別できない偽の周波数成分が生じる</li> </ul> <h4>ステップ3: 離散化による変換</h4> <p>連続時間フーリエ変換の積分を離散和に変換：</p> <p><strong>連続時間の場合</strong>:</p> $$\displaystyle X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$$ <p><strong>離散時間の場合</strong>:</p> $$\displaystyle X(e^{j\omega}) = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n}$$ <p>ここで、$\omega$ は正規化角周波数（$\omega = \Omega T_s$）です。</p> <h4>ステップ4: 正規化角周波数の意味</h4> <p><strong>正規化角周波数 $\omega$ の定義</strong>:</p> <ul> <li>$\omega = \Omega T_s = 2\pi f T_s = \frac{2\pi f}{f_s}$</li> <li>$\Omega$：連続時間の角周波数（ラジアン/秒）</li> <li>$f$：連続時間の周波数（Hz）</li> <li>$f_s$：サンプリング周波数（Hz）</li> <li>$T_s$：サンプリング周期（秒）</li> </ul> <p><strong>周波数範囲</strong>:</p> <ul> <li>連続時間：$-\infty &lt; \Omega &lt; \infty$</li> <li>離散時間：$-\pi \leq \omega \leq \pi$（または $0 \leq \omega &lt; 2\pi$）</li> </ul> <h3>DTFTの性質</h3> <h4>周期性</h4> <p>$X(e^{j\omega})$ は周期 $2\pi$ の周期関数です：</p> $$\displaystyle X(e^{j(\omega+2\pi)}) = X(e^{j\omega})$$ <p><strong>証明</strong>:</p> $$\displaystyle X(e^{j(\omega+2\pi)}) = \sum_{n=-\infty}^{\infty} x[n] e^{-j(\omega+2\pi)n}$$ $$\displaystyle = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n} e^{-j2\pi n}$$ $$\displaystyle = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n} \cdot 1$$ $$\displaystyle = X(e^{j\omega})$$ <p>ここで、$e^{-j2\pi n} = 1$（nは整数）であることを利用しました。</p> <h4>対称性</h4> <p>実信号の場合、以下の対称性が成り立ちます：</p> $$\displaystyle X(e^{j\omega}) = X^*(e^{-j\omega})$$ <p>ここで、$*$ は複素共役を表します。</p> <h3>DTFTの逆変換</h3> <p>DTFTの逆変換は、次の式で与えられます：</p> $$\displaystyle x[n] = \frac{1}{2\pi} \int_{-\pi}^{\pi} X(e^{j\omega}) e^{j\omega n} \, d\omega$$ <p>この式により、周波数スペクトルから元の離散時間信号を復元することができます。</p> <h3>DTFTの注意事項</h3> <ul> <li>積分範囲は $-\pi$ から $\pi$ まで（または $0$ から $2\pi$ まで）</li> <li>正規化係数 $\frac{1}{2\pi}$ が重要</li> <li>積分変数は $\omega$（正規化角周波数）</li> <li>被積分関数は $X(e^{j\omega})$ と $e^{j\omega n}$ の積</li> </ul> <h3>DTFTの応用</h3> <h4>音響信号解析</h4> <p>DTFTは音響信号の周波数解析に広く用いられています：</p> <ul> <li><strong>楽器の音色分析</strong>: 各楽器の特徴的な周波数成分を特定</li> <li><strong>音声解析</strong>: 音声の基本周波数やフォルマント周波数の分析</li> <li><strong>ノイズ解析</strong>: 不要な周波数成分の特定と除去</li> </ul> <h4>実装時の考慮事項</h4> <p><strong>計算量の問題</strong>:</p> <ul> <li>DTFTは無限和を扱うため、直接計算は困難</li> <li>実際の実装では、有限長の信号を仮定</li> <li><strong>DTFTは連続$\omega$の数値評価</strong>：$K$ 点の周波数評価で $O(NK)$</li> <li><strong>DFT/FFTは離散$\omega$</strong>：$K=N$ の離散周波数点を $O(N \log N)$ で計算</li> </ul> <p><strong>メモリ制約</strong>:</p> <ul> <li>連続的な周波数変数 $\omega$ を離散化する必要</li> <li>周波数解像度と計算量のトレードオフ</li> <li>実用的にはDFT（離散フーリエ変換）を使用</li> </ul> <h2>離散フーリエ変換（DFT）</h2> <h3>DFTの定義</h3> <p>N点離散フーリエ変換（DFT）は、次の式で定義されます。</p> $$\displaystyle X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2\pi}{N}kn}$$ <h3>変数の意味</h3> <ul> <li>$X[k]$：x[n] の離散フーリエ変換（k番目の周波数成分）</li> <li>$x[n]$：離散時間の信号（$n = 0, 1, \ldots, N-1$）</li> <li>$n$：離散時間のインデックス（サンプル番号）</li> <li>$k$：周波数インデックス（$k = 0, 1, \ldots, N-1$）</li> <li>$N$：DFTの点数</li> <li>$j$：虚数単位（$j^2 = -1$）</li> <li>$e$：自然対数の底</li> </ul> <h3>重要な注意事項</h3> <ul> <li>総和範囲は $0$ から $N-1$ まで</li> <li>被総和項は $x[n]$ と $e^{-j\frac{2\pi}{N}kn}$ の積</li> <li>$k$ は離散的な変数（$0 \leq k \leq N-1$）</li> <li>$X[k]$ は（拡張すれば）周期 $N$ の周期関数（$X[k+N]=X[k]$）</li> </ul> <h3>DFTの導出</h3> <h4>ステップ1: DTFTからDFTへの変換</h4> <p>DTFTの定義：</p> $$\displaystyle X(e^{j\omega}) = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n}$$ <p>有限長信号 $x[n]$（$n = 0, 1, \ldots, N-1$）を考えます。この場合、DTFTは：</p> $$\displaystyle X(e^{j\omega}) = \sum_{n=0}^{N-1} x[n] e^{-j\omega n}$$ <h4>ステップ2: 周波数の離散化</h4> <p><strong>周波数離散化の必要性</strong>:</p> <ul> <li>コンピュータで連続的な周波数変数 $\omega$ を扱うことは不可能</li> <li>有限個の周波数点でのみ計算を行う必要</li> <li>周波数解像度：$\Delta\omega = \frac{2\pi}{N}$</li> </ul> <p><strong>離散化された周波数</strong>:</p> $$\displaystyle \omega_k = k \cdot \frac{2\pi}{N} \quad (k = 0, 1, \ldots, N-1)$$ <p>ここで、$k$ は周波数インデックスです。</p> <h4>ステップ3: DFTの定義</h4> <p>離散化された周波数でのDTFT：</p> $$\displaystyle X[k] = X(e^{j\omega_k}) = \sum_{n=0}^{N-1} x[n] e^{-j\omega_k n}$$ <p>$\omega_k = k\frac{2\pi}{N}$ を代入：</p> $$\displaystyle X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2\pi}{N}kn}$$ <h4>ステップ4: 回転因子の導入</h4> <p>回転因子 $W_N$ を定義：</p> $$\displaystyle W_N = e^{-j\frac{2\pi}{N}}$$ <p>DFTは回転因子を用いて：</p> $$\displaystyle X[k] = \sum_{n=0}^{N-1} x[n] W_N^{kn}$$ <h3>回転因子の性質</h3> <h4>基本性質</h4> <p><strong>回転因子の定義</strong>:</p> $$\displaystyle W_N = e^{-j\frac{2\pi}{N}} = \cos\left(\frac{2\pi}{N}\right) - j \sin\left(\frac{2\pi}{N}\right)$$ <p><strong>オイラーの公式の利用</strong>:</p> $$\displaystyle W_N^{kn} = e^{-j\frac{2\pi}{N}kn} = \cos\left(\frac{2\pi kn}{N}\right) - j \sin\left(\frac{2\pi kn}{N}\right)$$ <h4>重要な性質</h4> <p><strong>周期性</strong>:</p> $$\displaystyle W_N^{k+N} = W_N^k$$ <p><strong>対称性</strong>:</p> $$\displaystyle W_N^{N-k} = W_N^{-k} = (W_N^k)^*$$ <p><strong>べき乗の性質</strong>:</p> $$\displaystyle W_N^{kn} = (W_N^k)^n$$ <h3>DFTの逆変換</h3> <p>DFTの逆変換は、次の式で与えられます：</p> $$\displaystyle x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2\pi}{N}kn}$$ <p>または、回転因子を用いて：</p> $$\displaystyle x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] W_N^{-kn}$$ <h3>DFTの直交性</h3> <h4>直交性の証明</h4> <p>DFTの直交性を証明します：</p> <p><strong>ステップ1: 直交性の定義</strong><br />異なる周波数成分は直交します：</p> $$\displaystyle \sum_{n=0}^{N-1} e^{j\frac{2\pi}{N}(k-m)n} = \begin{cases} N &amp; (k = m) \\ 0 &amp; (k \neq m) \end{cases}$$ <p><strong>ステップ2: 証明</strong><br />$k = m$ の場合：</p> $$\displaystyle \sum_{n=0}^{N-1} e^{j\frac{2\pi}{N}(k-m)n} = \sum_{n=0}^{N-1} e^{j\frac{2\pi}{N} \cdot 0 \cdot n} = \sum_{n=0}^{N-1} 1 = N$$ <p>$k \neq m$ の場合：</p> $$\displaystyle \sum_{n=0}^{N-1} e^{j\frac{2\pi}{N}(k-m)n} = \frac{1 - e^{j\frac{2\pi}{N}(k-m)N}}{1 - e^{j\frac{2\pi}{N}(k-m)}}$$ <p>ここで、$e^{j\frac{2\pi}{N}(k-m)N} = e^{j2\pi(k-m)} = 1$（$k-m$は整数）なので：</p> $$\displaystyle = \frac{1 - 1}{1 - e^{j\frac{2\pi}{N}(k-m)}} = 0$$ <p><strong>ステップ3: 逆変換の確認</strong><br />逆変換の式を確認します：</p> $$\displaystyle x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2\pi}{N}kn}$$ <p>$X[k]$ の定義を代入：</p> $$\displaystyle = \frac{1}{N} \sum_{k=0}^{N-1} \left[\sum_{m=0}^{N-1} x[m] e^{-j\frac{2\pi}{N}km}\right] e^{j\frac{2\pi}{N}kn}$$ $$\displaystyle = \frac{1}{N} \sum_{m=0}^{N-1} x[m] \sum_{k=0}^{N-1} e^{j\frac{2\pi}{N}k(n-m)}$$ <p>直交性により：</p> $$\displaystyle = \frac{1}{N} \sum_{m=0}^{N-1} x[m] \cdot N \cdot \delta[n-m]$$ $$\displaystyle = \sum_{m=0}^{N-1} x[m] \delta[n-m]$$ $$\displaystyle = x[n]$$ <p>ここで、$\delta[n-m]$ はクロネッカーのデルタ関数です：</p> $$\displaystyle \delta[n-m] = \begin{cases} 1 &amp; (n = m) \\ 0 &amp; (n \neq m) \end{cases}$$ <h3>DFTの性質</h3> <h4>周期性</h4> <p>$X[k]$ は周期 $N$ の周期関数です：</p> $$\displaystyle X[k+N] = X[k]$$ <h4>対称性</h4> <p>実信号の場合、以下の対称性が成り立ちます：</p> $$\displaystyle X[k] = X^*[N-k]$$ <p>ここで、* は複素共役を表します。実信号 $x[n]$ のとき $X[k]$ は共役対称（$X[k]=X^*[N-k]$）。ただし <strong>$(k=0)$</strong> と（$N$ 偶数時の）<strong>$(k=N/2)$</strong> は<strong>実数</strong>。</p> <h4>パーセバルの定理</h4> <p>時間ドメインと周波数ドメインでのエネルギーは等しい：</p> $$\displaystyle \sum_{n=0}^{N-1} |x[n]|^2 = \frac{1}{N} \sum_{k=0}^{N-1} |X[k]|^2$$ <h3>DFTの応用</h3> <h4>音響信号解析</h4> <p>DFTは音響信号の周波数解析に広く用いられています：</p> <ul> <li><strong>楽器の音色分析</strong>: 各楽器の特徴的な周波数成分を特定</li> <li><strong>音声解析</strong>: 音声の基本周波数やフォルマント周波数の分析</li> <li><strong>ノイズ解析</strong>: 不要な周波数成分の特定と除去</li> </ul> <h4>実装時の考慮事項</h4> <p><strong>周波数解像度</strong>:</p> <ul> <li>周波数解像度：$\Delta f = \frac{f_s}{N} \tag{12}$</li> <li>$f_s$：サンプリング周波数</li> <li>$N$：DFT/FFTの点数</li> <li>より細かい周波数解析には大きな$N$が必要</li> <li><strong>ゼロパディング</strong>：ピーク周波数内挿精度は<strong>視覚分解能</strong>は上がるが、<strong>CRLB観点の推定分散はSNR・窓・観測長で決まる</strong>（ゼロパッドは不変）。<br /><strong>統計的根拠</strong>：位相連続モデルでの周波数推定のCRLBは \(\operatorname{Var}(\hat f) \ge \frac{6}{(2\pi)^2 \cdot \mathrm{SNR} \cdot T^3} \tag{13}\) で、測定時間 \(T\) とSNRに支配される。ゼロパディングは \(T\) を伸ばさないため分散下限は不変。<br /><strong>誤解を明示</strong>：ゼロパディングは推定精度を向上させない。真の周波数推定には相位相補間（parabolic/quinn等）が必要。</li> </ul> <h2>高速フーリエ変換（FFT）</h2> <h3>FFTとは</h3> <p>高速フーリエ変換（FFT）は、離散フーリエ変換（DFT）を効率的に計算するアルゴリズムです。</p> <h3>FFTの動機</h3> <p><strong>DFTの計算量問題</strong>:</p> <ul> <li>DFTの計算量は $O(N^2)$</li> <li>$N=1024$の場合、約100万回の複素乗算が必要</li> <li>リアルタイム処理には計算時間が長すぎる</li> </ul> <p><strong>FFTの解決策</strong>:</p> <ul> <li>典型的な基数2 Cooley–Tukey 法では、<strong>複素乗算</strong>は概ね $\tfrac{N}{2}\log_2 N$ 回、<strong>複素加算</strong>は $N\log_2 N$ 回</li> <li>計算量は $O(N \log N)$</li> </ul> <h3>FFTの基本原理</h3> <h4>分割統治法</h4> <p>FFTは分割統治法（Divide and Conquer）を使用します：</p> <p><strong>ステップ1: 信号の分割</strong><br />$N$点の信号を2つの$N/2$点の信号に分割：</p> $$\displaystyle x[n] \to x_{even}[n] = x[2n] \quad \text{(偶数インデックス)}$$ $$\displaystyle x_{odd}[n] = x[2n+1] \quad \text{(奇数インデックス)}$$ <p><strong>ステップ2: 部分DFTの計算</strong><br />各$N/2$点信号のDFTを計算：</p> $$\displaystyle X_{even}[k] = \sum_{n=0}^{N/2-1} x_{even}[n] W_{N/2}^{kn}$$ $$\displaystyle X_{odd}[k] = \sum_{n=0}^{N/2-1} x_{odd}[n] W_{N/2}^{kn}$$ <p><strong>ステップ3: 結合</strong><br />部分DFTを結合して全体のDFTを構成：</p> $$\displaystyle X[k] = X_{even}[k] + W_N^k X_{odd}[k]$$ $$\displaystyle X[k+N/2] = X_{even}[k] - W_N^k X_{odd}[k]$$ <h4>バタフライ演算</h4> <p>FFTの基本演算は「バタフライ演算」と呼ばれます：</p> $$\displaystyle X[k] = X_{even}[k] + W_N^k X_{odd}[k]$$ $$\displaystyle X[k+N/2] = X_{even}[k] - W_N^k X_{odd}[k]$$ <p><strong>バタフライ演算の名前の由来</strong>:</p> <ul> <li>信号の流れが蝶の形に似ている</li> <li>2つの入力から2つの出力を生成</li> <li>FFTの基本構成要素</li> </ul> <h3>FFTの計算量解析</h3> <h4>計算量の導出</h4> <p><strong>ステップ1: 再帰関係</strong><br />$N$点FFTの計算量を$T(N)$とすると：</p> $$\displaystyle T(N) = 2T(N/2) + O(N)$$ <p>ここで：</p> <ul> <li>$2T(N/2)$：2つの$N/2$点FFTの計算量</li> <li>$O(N)$：結合処理の計算量</li> </ul> <p><strong>ステップ2: 解の導出</strong><br />再帰関係を解くと：</p> $$\displaystyle T(N) = O(N \log N)$$ <h4>具体的な計算量比較（複素乗算回数の代表値）</h4> <ul> <li>$N=1024$: $\tfrac{N}{2}\log_2 N = 5120$ 回</li> <li>$N=4096$: $\tfrac{N}{2}\log_2 N = 24576$ 回</li> <li>$N=16384$: $\tfrac{N}{2}\log_2 N = 114688$ 回</li> </ul> <p>DFTの $O(N^2)$ と比較して、$N$ が大きいほど FFT の優位性は圧倒的になる。</p> <h3>FFTの応用</h3> <h4>音響信号解析</h4> <p>FFTは音響信号の周波数解析に広く用いられています：</p> <ul> <li><strong>楽器の音色分析</strong>: 各楽器の特徴的な周波数成分を特定</li> <li><strong>音声解析</strong>: 音声の基本周波数やフォルマント周波数の分析</li> <li><strong>ノイズ解析</strong>: 不要な周波数成分の特定と除去</li> </ul> <h4>実装時の考慮事項</h4> <p><strong>リアルタイム処理</strong>:</p> <ul> <li>FFTによりリアルタイム周波数解析が可能</li> <li>オーバーラップ処理による連続解析</li> <li>窓関数の適用によるスペクトル漏れの抑制</li> </ul> <p><strong>周波数解像度</strong>:</p> <ul> <li>周波数解像度：$\Delta f = \frac{f_s}{N}$</li> <li>$f_s$：サンプリング周波数</li> <li>$N$：FFTの点数</li> <li>より細かい周波数解析には大きな$N$が必要</li> </ul> <h2>まとめ</h2> <h3>学習の流れ</h3> <p>この資料では、フーリエ変換とスペクトル解析の基礎から応用までを体系的に学習しました：</p> <ol> <li><strong>フーリエ級数</strong> - 周期関数の基本</li> <li><strong>複素フーリエ級数</strong> - オイラーの公式を活用</li> <li><strong>フーリエ変換</strong> - 非周期関数への拡張</li> <li><strong>離散時間フーリエ変換（DTFT）</strong> - 離散時間信号の周波数解析</li> <li><strong>離散フーリエ変換（DFT）</strong> - コンピュータ実装向け</li> <li><strong>高速フーリエ変換（FFT）</strong> - 効率的な計算アルゴリズム</li> </ol> <h3>重要な概念</h3> <p><strong>数学的基礎</strong>:</p> <ul> <li>フーリエ変換の定義と導出</li> <li>サンプリング定理とエイリアシング</li> <li>回転因子とオイラーの公式</li> <li>直交性とパーセバルの定理</li> </ul> <p><strong>実用的な応用</strong>:</p> <ul> <li>音響信号の周波数解析</li> <li>楽器の音色分析</li> <li>音声解析とノイズ除去</li> <li>リアルタイム信号処理</li> </ul> <h3>実装時の考慮事項</h3> <p><strong>計算効率</strong>:</p> <ul> <li>FFTによる計算量の大幅削減（複素乗算 \(\tfrac{N}{2}\log_2 N\) 回程度）</li> <li>メモリ効率の最適化</li> <li>数値精度の維持</li> </ul> <p><strong>周波数解析</strong>:</p> <ul> <li>周波数解像度の調整</li> <li>窓関数の適用と CG/ENBW の明示</li> <li>オーバーラップ処理</li> </ul> <h3>規約宣言</h3> <p><strong>この資料で採用する規約</strong>:</p> <ul> <li><strong>フーリエ変換</strong>：第1規約（$X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} \, dt$、$x(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} \, d\omega$）</li> <li><strong>DFT</strong>：正規化係数なし（$X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2\pi}{N}kn}$、$x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2\pi}{N}kn}$）</li> <li><strong>片側スペクトル</strong>：内点×2（DC/Nyquist非倍化）</li> <li><strong>単位系</strong>：$\sum w^2$ は窓の二乗和、$\sum w$ は窓和、$\mathrm{ENBW} = f_s \cdot \frac{\sum w^2}{(\sum w)^2}$。ParsevalとENBWの対応を確認。</li> </ul> <h3>参考文献</h3> <p><strong>一次文献</strong>:</p> <ul> <li>F. J. Harris, "On the use of windows for harmonic analysis with the DFT," <em>Proc. IEEE</em>, vol. 66, no. 1, pp. 51-83, 1978. （窓関数とENBW/CGの基礎）</li> <li>P. D. Welch, "The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms," <em>IEEE Trans. Audio Electroacoust.</em>, vol. 15, no. 2, pp. 70-73, 1967. （Welch平均法）</li> <li>J. W. Cooley &amp; J. W. Tukey, "An algorithm for the machine calculation of complex Fourier series," <em>Math. Comput.</em>, vol. 19, no. 90, pp. 297-301, 1965. （FFTアルゴリズム）</li> <li>A. V. Oppenheim &amp; R. W. Schafer, <em>Discrete-Time Signal Processing</em>, 3rd ed., Prentice Hall, 2010. （学習者向けに最適）</li> </ul> <p><strong>応用・転用例</strong>:</p> <ul> <li><strong>校正済みスペアナUI</strong>：凡例に「窓・CG・ENBW・平均法・片側/二側・負荷R」を自動出力→実験ログの再現性確保（計測工学、品質保証、法規適合）</li> <li><strong>ピーク推定器</strong>：Hann窓×相位相補間（parabolic/quinn等）＋CRLB境界表示→音響F0推定・モータ振動診断・通信キャリアオフセット推定（信号処理、機械保全、通信工学）</li> <li><strong>PSD規格変換モジュール</strong>：dBFS↔dBV↔dBm/Hz間をENBWと負荷で可逆変換→計測器間の整合（計量管理、計装、テスト自動化）</li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理５ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-28 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>フーリエ変換と離散フーリエ変換</h1> <h2>1. 連続時間フーリエ変換</h2> <h3>1.1 基本概念</h3> <p>連続時間信号（アナログ信号）において、フーリエ変換は「ある角周波数ごと」に、無限の時間範囲で関数を積分して、各周波数成分の大きさや位相を求める方法です。</p> <p><strong>フーリエ変換の定義：</strong></p> <p>$$X(\Omega) = \int_{-\infty}^{\infty} x(t) e^{-j\Omega t} dt$$</p> <p><strong>逆フーリエ変換：</strong></p> <p>$$x(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} X(\Omega) e^{j\Omega t} d\Omega$$</p> <p><strong>収束条件：</strong></p> <ul> <li>信号$x(t)$が絶対可積分である：$\int_{-\infty}^{\infty} |x(t)| dt &lt; \infty$</li> <li>または、エネルギー有限：$\int_{-\infty}^{\infty} |x(t)|^2 dt &lt; \infty$</li> </ul> <p><strong>手順：</strong></p> <ol> <li>フーリエ変換を求める</li> <li>その値の絶対値を求める（振幅スペクトル）</li> <li>位相情報も含めて周波数成分を解析する</li> </ol> <h3>1.2 例：250Hzの正弦波</h3> <p>250Hzの正弦波を持つ信号x(t)の周波数振幅スペクトルについて：</p> <ul> <li><strong>時間波形：</strong> 1周期は$4\times 10^{-3}$秒（1/250 = 0.004秒）</li> <li><strong>振幅スペクトル：</strong> 250Hzの点のみにスペクトルが現れる</li> </ul> <p><strong>図1: 250Hz正弦波の周波数スペクトル</strong></p> <pre>振幅 | | δ(Ω-2π×250) δ(Ω+2π×250) | | | |-----+--------------+----- 周波数 -250Hz 250Hz </pre> <ul> <li>連続時間フーリエ変換では、$\pm 250$Hzの位置にディラックのデルタ関数が現れる</li> <li>正の周波数成分と負の周波数成分が対称に存在</li> </ul> <h3>1.3 三角関数のフーリエ変換</h3> <h4>余弦関数のフーリエ変換</h4> <p><strong>x(t) = A cos(at)</strong> （Aとaはそれぞれ任意の実数）のフーリエ変換$X(\Omega)$は：</p> <p>$$X(\Omega) = A\pi\{ \delta(\Omega - a) + \delta(\Omega + a) \}$$</p> <p>任意の振幅でマイナスとプラスの領域でΩとの差に対してディラックのデルタ関数で表される。</p> <h4>正弦関数のフーリエ変換</h4> <p><strong>x(t) = A sin(at)</strong> （Aとaはそれぞれ任意の実数）のフーリエ変換$X(\Omega)$は：</p> <p>$$X(\Omega) = jA\pi\{ -\delta(\Omega - a) + \delta(\Omega + a) \}$$</p> <h4>ディラックのデルタ関数</h4> <p>$\delta(\Omega)$はディラックのデルタ関数と呼ばれる<strong>超関数（distribution）</strong>で、次の性質を満たします：</p> <p><strong>定義：</strong></p> <p>$$\int_{-\infty}^{\infty} \delta(x)\,dx = 1$$</p> <p><strong>重要な性質：</strong></p> <ul> <li>任意の連続関数$f(x)$に対して：$\int_{-\infty}^{\infty} \delta(x-a)f(x)\,dx = f(a)$</li> <li>フーリエ変換：$\mathcal{F}\{\delta(x)\} = 1$（定数関数）</li> <li>逆フーリエ変換：$\mathcal{F}^{-1}\{1\} = \delta(x)$</li> </ul> <p><strong>注意：</strong> $\delta(x)$は通常の関数ではなく、超関数として定義されます。直感的には「x=0で無限大、それ以外で0」と考えることができますが、数学的には積分による作用で定義されます。</p> <p><strong>性質：</strong></p> <ul> <li>sin、cosの周波数振幅スペクトルは$-a$と$a$のところでディラックのデルタ関数が現れる</li> <li>絶対値を取るのでどちらも同じ結果になる</li> </ul> <h2>2. 離散時間フーリエ変換</h2> <h3>2.1 基本概念</h3> <p>離散時間フーリエ変換は、離散信号を周波数領域に変換する方法です。</p> <p><strong>離散時間フーリエ変換の定義：</strong></p> <p>$$X(e^{j\omega}) = \sum_{n=-\infty}^{\infty} x(n) e^{-j\omega n}$$</p> <p><strong>変数の定義：</strong></p> <ul> <li>$\Omega$：連続時間の角周波数[rad/sec] - 1秒に進む角度</li> <li>$\omega$：離散時間の正規化角周波数[rad] - 1サンプルあたりに進む値</li> <li>関係式：$\omega = \Omega T$（Tはサンプリング周期）</li> <li>$x(n)$：離散時間信号（nは整数）</li> </ul> <p><strong>手順：</strong></p> <ol> <li>離散時間フーリエ変換を実行する</li> <li>絶対値を取って振幅スペクトルを求める</li> <li>正規化角周波数$\omega$を物理周波数に変換する（$\omega = \Omega T$）</li> </ol> <h3>2.2 例：250Hz信号のサンプリング</h3> <p>250Hzを標本化周波数2000Hzでサンプリングした場合：</p> <ul> <li>離散時間フーリエ変換して絶対値を取る</li> <li>周波数振幅スペクトルは250Hzと1750Hzでスペクトルが現れる</li> </ul> <p><strong>離散時間フーリエ変換の性質：</strong></p> <p>離散時間フーリエ変換は周期的な性質を持ちます。250Hz信号を2000Hzでサンプリングした場合：</p> <ul> <li>元の250Hz成分はそのまま現れる</li> <li>離散化により、周波数軸上で2000Hz間隔で繰り返される</li> <li>実際にはエイリアシングは発生しない（250Hz &lt; 1000Hz）</li> </ul> <h4>サンプリング定理とエイリアシング</h4> <p><strong>サンプリング定理（ナイキスト・シャノンの定理）：</strong></p> <ul> <li>連続信号を正確に復元するには、サンプリング周波数$f_s$が信号の最高周波数$f_{max}$の2倍以上である必要がある</li> <li>条件：$f_s \geq 2f_{max}$</li> </ul> <p><strong>エイリアシング現象：</strong></p> <ul> <li>サンプリング周波数の半分（ナイキスト周波数$f_N = f_s/2$）を超える周波数成分は、低い周波数に折り返される</li> <li>250Hz信号を2000Hzでサンプリングした場合： <ul> <li>ナイキスト周波数：1000Hz</li> <li>250Hz &lt; 1000Hzなので、エイリアシングは発生しない</li> <li>しかし、離散化により1750Hz（2000-250）の成分も現れる</li> </ul> </li> </ul> <p><strong>エイリアシングの例：</strong></p> <ul> <li>1750Hzの信号を2000Hzでサンプリングすると、250Hzの信号として観測される</li> <li>これが「エイリアス（偽の周波数）」と呼ばれる理由</li> </ul> <p><strong>図2: エイリアシング現象の図解</strong></p> <pre>連続信号のスペクトル 振幅 | | | | | |-----+--------------+--------------+----- 周波数 -1750Hz 250Hz 1750Hz サンプリング後の離散信号スペクトル 振幅 | | | | | |-----+--------------+--------------+----- 周波数 -250Hz 250Hz 1750Hz | ↑ ↑ ↑ | エイリアス 元の信号 エイリアス </pre> <ul> <li>1750Hzの信号が250Hz（2000-1750）に折り返される</li> <li>ナイキスト周波数（1000Hz）を超える周波数成分が低周波に現れる</li> </ul> <h2>3. 離散フーリエ変換（DFT）</h2> <h3>3.1 基本概念</h3> <p>離散フーリエ変換は、スペクトルを周波数に対して離散的にしたフーリエ変換です。</p> <p><strong>特徴：</strong></p> <ul> <li>各サンプルのデータが何ヘルツ間隔になっているかでサンプルの間隔が変化する</li> <li>サンプル間隔 = サンプリング周波数 ÷ サンプル数</li> </ul> <p><strong>注意点：</strong></p> <ul> <li>多くの教科書では周波数でなく、サンプル数で記述されていることが多い</li> <li>終点はサンプリング周波数の手前のサンプルになる</li> </ul> <h3>3.2 具体例</h3> <p><strong>サンプリング周波数2000Hzの場合：</strong></p> <ul> <li><strong>8点離散フーリエ変換：</strong> 周波数分解能は250Hz（2000/8）、最大周波数は1000Hz（ナイキスト周波数）</li> <li><strong>16点離散フーリエ変換：</strong> 周波数分解能は125Hz（2000/16）、最大周波数は1000Hz（ナイキスト周波数）</li> </ul> <p><strong>図3: DFTの周波数分解能</strong></p> <pre>8点DFTの場合（ナイキスト周波数まで） 周波数軸: 0Hz, 250Hz, 500Hz, 750Hz, 1000Hz | | | | | |-----|-----|-----|------| 0 250 500 750 1000 ↑ ↑ ↑ ↑ ↑ DC 250Hz 500Hz 750Hz 1000Hz 16点DFTの場合（ナイキスト周波数まで） 周波数軸: 0Hz, 125Hz, 250Hz, ..., 1000Hz | | | | |-----|------|--------------| 0 125 250 1000 </pre> <ul> <li>DFTの点数が多いほど、周波数分解能が向上する</li> <li>周波数間隔 = サンプリング周波数 / DFT点数</li> <li>最大解析周波数は常にナイキスト周波数（$f_s/2$）まで</li> </ul> <h3>3.3 離散フーリエ変換（DFT）の定義</h3> <h4>定義と式</h4> <p>N点離散フーリエ変換（DFT）は、次の式で定義されます：</p> <p>$$X(k) = \sum_{n=0}^{N-1} x(n) W_N^{kn}$$</p> <p><strong>変数の説明：</strong></p> <ul> <li>$X(k)$: 周波数スペクトル（$k=0,1,\ldots,N-1$）</li> <li>$x(n)$: 時間領域の離散信号</li> <li>$W_N$: 回転因子</li> <li>$N$: DFTの点数</li> </ul> <h4>回転因子（複素指数関数）</h4> <p>$$W_N = e^{-j \frac{2\pi}{N}}$$</p> <p><strong>$W_N$の具体展開（オイラーの公式の利用）：</strong></p> <p>$$W_N = e^{-j\frac{2\pi}{N}} = \cos\left(\frac{2\pi}{N}\right) - j \sin\left(\frac{2\pi}{N}\right)$$</p> <p>したがって：</p> <p>$$W_N^{kn} = \cos\left(\frac{2\pi kn}{N}\right) - j \sin\left(\frac{2\pi kn}{N}\right)$$</p> <h3>3.4 高速フーリエ変換（FFT）</h3> <h4>FFTの基本概念</h4> <p>FFT（Fast Fourier Transform）は、DFTを効率的に計算するアルゴリズムです。</p> <p><strong>計算量の比較：</strong></p> <ul> <li><strong>DFTの直接計算：</strong> $O(N^2)$の計算量</li> <li><strong>FFT：</strong> $O(N \log N)$の計算量</li> </ul> <p><strong>FFTの利点：</strong></p> <ul> <li>計算時間の大幅な短縮</li> <li>メモリ使用量の削減</li> <li>実用的な信号処理が可能</li> </ul> <h4>FFTの種類</h4> <p><strong>代表的なFFTアルゴリズム：</strong></p> <ol> <li><strong>Cooley-Tukey FFT：</strong> 最も一般的なFFTアルゴリズム</li> <li><strong>Radix-2 FFT：</strong> データ点数が2のべき乗の場合に最適</li> <li><strong>Radix-4 FFT：</strong> データ点数が4のべき乗の場合に効率的</li> </ol> <p><strong>制約：</strong></p> <ul> <li>多くのFFTアルゴリズムは、データ点数が2のべき乗（2, 4, 8, 16, 32, ...）であることを要求</li> <li>任意の点数に対応するFFTアルゴリズムも存在（例：Bluestein FFT）</li> </ul> <h3>3.5 ポイントまとめ</h3> <ul> <li><strong>離散フーリエ変換</strong>は、時間領域信号$x(n)$を周波数成分$X(k)$に変換し、信号にどんな周波数が含まれるか解析できる</li> <li><strong>回転因子</strong>$W_N$は、複素指数関数で表され、オイラーの公式により三角関数の形でも展開できる</li> <li><strong>$k$の値ごとに$X(k)$が求まる</strong>。$k=0,1,\ldots,N-1$で$N$個のスペクトルが得られる</li> <li><strong>FFT</strong>により、DFTの計算を$O(N^2)$から$O(N \log N)$に高速化できる</li> </ul> <h2>4. 実用的なプログラミング例</h2> <h3>4.1 PythonでのFFT実装例</h3> <h4>NumPyを使用した基本的なFFT</h4> <pre>import numpy as np import matplotlib.pyplot as plt # パラメータ設定 fs = 2000 # サンプリング周波数 [Hz] T = 1.0 # 信号の長さ [秒] N = int(fs * T) # サンプル数 t = np.linspace(0, T, N, endpoint=False) # 時間軸 # 250Hzの正弦波を生成 f0 = 250 # 信号周波数 [Hz] x = np.sin(2 * np.pi * f0 * t) # FFTを実行 X = np.fft.fft(x) freqs = np.fft.fftfreq(N, 1/fs) # 振幅スペクトルを計算 amplitude_spectrum = np.abs(X) # 結果の表示 plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(t, x) plt.title('時間波形 (250Hz正弦波)') plt.xlabel('時間 [秒]') plt.ylabel('振幅') plt.subplot(1, 2, 2) plt.plot(freqs[:N//2], amplitude_spectrum[:N//2]) plt.title('周波数スペクトル') plt.xlabel('周波数 [Hz]') plt.ylabel('振幅') plt.grid(True) plt.show()</pre> <h4>エイリアシング現象の確認</h4> <pre># 1750Hzの信号を2000Hzでサンプリング f_alias = 1750 # エイリアス周波数 [Hz] x_alias = np.sin(2 * np.pi * f_alias * t) # FFTを実行 X_alias = np.fft.fft(x_alias) amplitude_spectrum_alias = np.abs(X_alias) # 結果の表示 plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(t, x_alias) plt.title('時間波形 (1750Hz正弦波)') plt.xlabel('時間 [秒]') plt.ylabel('振幅') plt.subplot(1, 2, 2) plt.plot(freqs[:N//2], amplitude_spectrum_alias[:N//2]) plt.title('周波数スペクトル (エイリアシング確認)') plt.xlabel('周波数 [Hz]') plt.ylabel('振幅') plt.grid(True) plt.show()</pre> <h3>4.2 MATLABでの実装例</h3> <pre>% パラメータ設定 fs = 2000; % サンプリング周波数 [Hz] T = 1.0; % 信号の長さ [秒] N = fs * T; % サンプル数 t = 0:1/fs:T-1/fs; % 時間軸 % 250Hzの正弦波を生成 f0 = 250; % 信号周波数 [Hz] x = sin(2 * pi * f0 * t); % FFTを実行 X = fft(x); freqs = (0:N-1) * fs / N; % 振幅スペクトルを計算 amplitude_spectrum = abs(X); % 結果の表示 figure; subplot(1, 2, 1); plot(t, x); title('時間波形 (250Hz正弦波)'); xlabel('時間 [秒]'); ylabel('振幅'); subplot(1, 2, 2); plot(freqs(1:N/2), amplitude_spectrum(1:N/2)); title('周波数スペクトル'); xlabel('周波数 [Hz]'); ylabel('振幅'); grid on;</pre> <h3>4.3 実装時の注意点</h3> <p><strong>重要なポイント：</strong></p> <ol> <li><strong>サンプリング定理の確認：</strong> 信号の最高周波数がナイキスト周波数（$f_s/2$）以下であることを確認</li> <li><strong>窓関数の使用：</strong> スペクトル漏れを防ぐため、必要に応じて窓関数を適用</li> <li><strong>ゼロパディング：</strong> 周波数分解能を向上させるため、データの末尾にゼロを追加</li> <li><strong>正規化：</strong> FFTの結果を適切に正規化して物理的な意味を持つようにする</li> </ol> <h2>まとめ</h2> <p>フーリエ変換は連続信号から離散信号へ、そして離散フーリエ変換へと発展し、デジタル信号処理の基礎となっています。各段階でサンプリング定理やエイリアシングなどの重要な概念が関わってきます。</p> <p><strong>本資料で学んだ重要なポイント：</strong></p> <ol> <li><strong>連続時間フーリエ変換：</strong> アナログ信号の周波数解析の基礎</li> <li><strong>離散時間フーリエ変換：</strong> サンプリングによる離散化の影響</li> <li><strong>離散フーリエ変換（DFT）：</strong> 有限長信号の周波数解析</li> <li><strong>高速フーリエ変換（FFT）：</strong> 実用的な高速計算アルゴリズム</li> <li><strong>サンプリング定理：</strong> エイリアシングを防ぐための重要な制約</li> <li><strong>実装例：</strong> PythonとMATLABでの具体的なプログラミング例</li> </ol> <p>これらの知識は、音声処理、画像処理、通信システムなど、様々なデジタル信号処理の分野で活用されます。</p> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理６ Creator An entity primarily responsible for making the resource unjuno Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ナイキストの定理（サンプリング定理）とエイリアシング（折り返し雑音）</h1> <h2>はじめに</h2> <p>サンプリング定理（ナイキストの定理）は、連続時間信号を離散時間信号に変換する際に、元の信号を完全に復元するために必要な条件を定めた重要な定理である。この定理を理解することは、ディジタル信号処理の基礎となる。</p> <h2>基本用語の定義</h2> <h3>連続時間信号と離散時間信号</h3> <ul> <li><strong>連続時間信号 x_a(t)</strong>: 時間 t が連続的に変化する信号。アナログ信号とも呼ばれる。</li> <li><strong>離散時間信号 x(n)</strong>: 時間が離散的な値（n = 0, 1, 2, ...）でのみ定義される信号。ディジタル信号とも呼ばれる。</li> </ul> <h3>サンプリング周波数と標本化間隔</h3> <ul> <li><strong>サンプリング周波数 F_s [Hz]</strong>: 1秒間に取得するサンプル数</li> <li><strong>標本化間隔 T_s [秒]</strong>: サンプル間の時間間隔。T_s = 1/F_s の関係がある。</li> </ul> <h3>ナイキスト周波数</h3> <ul> <li><strong>ナイキスト周波数 F_N [Hz]</strong>: サンプリング周波数の半分の値。F_N = F_s/2</li> <li>例: サンプリング周波数が 4000 Hz の場合、ナイキスト周波数は 2000 Hz となる。</li> </ul> <h2>サンプリング定理の内容</h2> <h3>定理の定式化</h3> <p>標本化する前の連続時間信号が含んでいる最大の周波数成分を <strong>F_max [Hz]</strong> とする。また、この信号を標本化周波数 <strong>F_s [Hz]</strong> で標本化して、離散時間信号が得られたとする。このとき、</p> <p><strong>F_s ≥ 2F_max</strong></p> <p>の関係が満たされていれば、この離散時間信号から元の連続時間信号を完全に復元することができる。</p> <h3>別の表現</h3> <p>サンプリングされる連続時間信号の最大周波数成分がナイキスト周波数より小さい場合、サンプリング定理が満足される。</p> <p><strong>F_max &lt; F_s/2</strong> または <strong>F_max &lt; F_N</strong></p> <p>※ 注意: 等号を含む場合（F_max = F_s/2）は、理論的には復元可能だが、実用的には完全な復元が困難な場合がある。そのため、通常は等号を含まない条件（F_max &lt; F_s/2）を満たすことが推奨される。</p> <h3>角周波数による表現</h3> <p>角周波数 [rad/sec] を用いた場合のサンプリング定理は以下のように表現される。</p> <p><strong>Ω_s ≥ 2Ω_max</strong></p> <p>ここで、Ω = 2πF の関係がある。</p> <p>※ rad の単位を使うと、位相の値の変化が 2π rad に関して周期的となることから、「サンプリング角周波数である Ω_s の整数倍を中心として、スペクトルのコピーが無限に現れる」ことが理解しやすい。</p> <h3>振幅スペクトルに基づく説明</h3> <ul> <li><strong>復元可能な信号の振幅スペクトル</strong> <ul> <li>周波数範囲: -F_max ～ F_max</li> <li>条件: F_s/2 &gt; F_max の関係が満たされている</li> <li>結果: スペクトルのコピーが元のスペクトルと重ならない</li> </ul> </li> <li><strong>復元不可能な信号の振幅スペクトル</strong> <ul> <li>周波数範囲: -F_max ～ F_max</li> <li>条件: F_s/2 ≤ F_max の関係となっている</li> <li>結果: スペクトルのコピーが元のスペクトルと重なり、エイリアシングが発生</li> </ul> </li> </ul> <h2>サンプリング定理の詳細説明</h2> <h3>1. 前提条件</h3> <p>ある連続時間信号 <strong>x_a(t)</strong> があらかじめ与えられているとする。</p> <p>また、この連続時間信号 x_a(t) のフーリエ変換（すなわちスペクトル）を <strong>X_a(jF)</strong> とする。</p> <p>※ <strong>F</strong> は周波数 [Hz]</p> <p>さらに、このスペクトル X_a(jF) が、以下のように周波数 <strong>F_max [Hz]</strong> の範囲内に帯域制限されているとする。</p> <p><strong>X_a(jF) = 0</strong> (|F| ≥ F_max のとき)</p> <p>すなわち、連続時間信号は最大周波数成分 F_max 以下の周波数成分のみを含む帯域制限信号である。</p> <p>※補足: スペクトル X_a(jF) は本来ならば複素数となるが、ここでは説明をわかりやすくするため、X_a(jF) を縦軸に関して対称な実関数と仮定して考えることが多い。実際の信号では、X_a(-jF) = X_a*(jF)（共役複素数）の関係が成り立つ。</p> <h3>2. 標本化によるスペクトルの変化</h3> <p>前述のスペクトルをもつ連続時間信号を、サンプリング周波数 <strong>F_s [Hz]</strong> で標本化するとどうなるか？</p> <h4>標本化前の信号</h4> <ul> <li><strong>時刻領域</strong>: 連続時間信号 x_a(t)</li> <li><strong>周波数領域</strong>: スペクトル X_a(jF)</li> <li><strong>周波数範囲</strong>: -F_max ～ F_max</li> <li><strong>特性</strong>: 連続的な時間軸上で定義される</li> </ul> <h4>標本化後の信号</h4> <ul> <li><strong>時刻領域</strong>: 離散時間信号 x(n) = x_a(nT_s)（n = 0, ±1, ±2, ...）</li> <li><strong>周波数領域</strong>: スペクトル X(e^jω)（離散時間フーリエ変換）</li> <li><strong>周波数範囲</strong>: 周期的に繰り返される（基本周期: F_s）</li> <li><strong>特性</strong>: 標本化間隔 T_s = 1/F_s ごとにサンプル値が定義される</li> </ul> <h4>スペクトルのコピー現象</h4> <p>標本化によって、標本化前の信号のスペクトルのコピーが、<strong>原点からサンプリング周波数 F_s の整数倍ずつずれた箇所に、無限個発生する</strong>。</p> <p><strong>スペクトルのコピー現象の図解</strong>:</p> <pre>連続時間信号のスペクトル X_a(jF) 振幅 | | | | |-----+--------------+----- 周波数 -F_max F_max サンプリング後の離散時間信号のスペクトル X(e^jω) 振幅 | | | | | | |-----+--------------+--------------+--------------+----- 周波数 -F_s-F_max -F_max F_max F_s+F_max ↑ ↑ ↑ ↑ 第-1コピー 元のスペクトル 元のスペクトル 第1コピー </pre> <p>F_max &lt; F_s/2 の場合、コピー同士が重ならないため、エイリアシングは発生しない。</p> <p>数学的には、離散時間信号のスペクトル X(e^jω) は以下のように表現される。</p> <p><strong>X(e^j2πF/F_s) = (1/T_s) Σ[k=-∞ to ∞] X_a(j2π(F - kF_s))</strong></p> <p>または、正規化角周波数 ω = 2πF/F_s を使用する場合:</p> <p><strong>X(e^jω) = (1/T_s) Σ[k=-∞ to ∞] X_a(j((ω - 2πk)/T_s))</strong></p> <p>ここで:</p> <ul> <li><strong>F [Hz]</strong>: 物理周波数</li> <li><strong>ω [rad]</strong>: 正規化角周波数（ω = 2πF/F_s）</li> <li><strong>F_s [Hz]</strong>: サンプリング周波数</li> <li><strong>T_s [秒]</strong>: 標本化間隔（T_s = 1/F_s）</li> </ul> <h4>補足: 「スペクトルのコピーが発生すること」について</h4> <p><strong>具体例</strong>: 1 Hz の正弦波の連続時間信号を、4 Hz でサンプリングして得られる離散時間信号について考える。</p> <ul> <li>元の信号: sin(2π × 1 × t) = sin(2πt)</li> <li>サンプリング周波数: F_s = 4 Hz</li> <li>ナイキスト周波数: F_N = 2 Hz</li> </ul> <p>サンプリングされた 1 Hz 正弦波には、1 Hz の成分だけでなく、<strong>3 Hz, 5 Hz, 7 Hz, ...</strong> の成分も含まれている。これは、標本化によってスペクトルのコピーが F_s = 4 Hz の整数倍の位置に発生するためである。</p> <ul> <li>1 Hz 成分: 元の信号成分</li> <li>3 Hz 成分: -1 Hz 成分が F_s = 4 Hz の位置に折り返されたもの（4 - 1 = 3）</li> <li>5 Hz 成分: 1 Hz 成分が F_s = 4 Hz の位置に折り返されたもの（4 + 1 = 5）</li> </ul> <h3>3. サンプリング定理を満たしている場合（F_max &lt; F_s/2）</h3> <h4>条件</h4> <p><strong>F_max &lt; F_s/2</strong> または <strong>F_max &lt; F_N</strong></p> <p>すなわち、信号の最大周波数成分がナイキスト周波数より小さい場合。</p> <h4>スペクトルの状態</h4> <p>F_max &lt; F_s/2 の場合は、サンプリングによって発生したスペクトルのコピーがもとの連続時間信号のスペクトルと重なることはない。したがって、もとの連続時間信号のスペクトルそのものがコピー成分によって歪むことはない。</p> <ul> <li>元のスペクトル: -F_max ～ F_max の範囲</li> <li>第1コピー: F_s - F_max ～ F_s + F_max の範囲</li> <li>第-1コピー: -F_s - F_max ～ -F_s + F_max の範囲</li> <li>重なり: なし（F_max &lt; F_s/2 により、F_s - F_max &gt; F_s/2 &gt; F_max）</li> </ul> <h4>信号の復元</h4> <p>この離散時間信号をアナログ信号に変換する際に、<strong>-F_s/2 &lt; F &lt; F_s/2</strong> の周波数領域の成分だけを取り出して出力すれば、サンプリング前の連続時間信号を完全に復元できる。</p> <p><strong>復元可能な周波数範囲の境界値について</strong>:</p> <ul> <li><strong>-F_s/2 &lt; F &lt; F_s/2</strong>: 厳密な不等式の場合、完全に復元可能</li> <li><strong>-F_s/2 ≤ F ≤ F_s/2</strong>: 等号を含む場合、F = ±F_s/2 の成分は復元できない可能性がある</li> <li>実用的には、<strong>F_max &lt; F_s/2</strong> の関係を満たすことが推奨される（等号を含まない）</li> </ul> <p>復元方法:</p> <ol> <li>離散時間信号 x(n) を D/A 変換器に入力</li> <li>理想的な低域通過フィルタ（カットオフ周波数: F_s/2）を通す</li> <li>これにより、-F_s/2 &lt; F &lt; F_s/2 の範囲の周波数成分のみが出力される</li> <li>元の連続時間信号 x_a(t) が復元される</li> </ol> <h4>復元の数学的根拠</h4> <p>サンプリング定理が満たされている場合、離散時間信号から連続時間信号を復元する式（シャノンの補間公式）は以下のようになる。</p> <p><strong>x_a(t) = Σ[n=-∞ to ∞] x(n) × sinc(π(t - nT_s)/T_s)</strong></p> <p>ここで、sinc(x) = sin(x)/x は sinc 関数である。</p> <h3>4. サンプリング定理を満たしていない場合（F_max ≥ F_s/2）</h3> <h4>条件</h4> <p><strong>F_max ≥ F_s/2</strong> または <strong>F_max ≥ F_N</strong></p> <p>すなわち、信号の最大周波数成分がナイキスト周波数以上の場合。</p> <h4>エイリアシング（折り返し雑音）の発生</h4> <p>この場合はコピーの折り返し成分が元のスペクトルと重なってしまう。その結果として、元の信号にはなかった成分が発生し、元の信号が歪んでしまうので、サンプリング前のスペクトルとは異なる形になってしまう。ゆえに、こうなってしまった場合は、もとの連続時間信号を復元することはできなくなる。</p> <h4>エイリアシングのメカニズム</h4> <p>F_max ≥ F_s/2 であることから、元のスペクトルに隣り合っている折り返しコピーが元のスペクトルと重なってしまう。</p> <ul> <li>元のスペクトル: -F_max ～ F_max の範囲</li> <li>第1コピー: F_s - F_max ～ F_s + F_max の範囲</li> <li>重なり: F_s - F_max ≤ F_s/2 ≤ F_max の範囲で重なる</li> </ul> <p>高周波成分（F &gt; F_s/2）が低周波成分（F &lt; F_s/2）に折り返されて現れる。例えば:</p> <ul> <li>元の信号に F = F_s/2 + ΔF の成分があると、F = F_s/2 - ΔF の位置に折り返される</li> <li>元の信号に F = F_s + ΔF の成分があると、F = ΔF の位置に折り返される</li> </ul> <h4>エイリアシングの例</h4> <p><strong>具体例</strong>: 3 Hz の正弦波を 4 Hz でサンプリングする場合</p> <ul> <li>元の信号: sin(2π × 3 × t) = sin(6πt)</li> <li>サンプリング周波数: F_s = 4 Hz</li> <li>ナイキスト周波数: F_N = 2 Hz</li> <li>条件: 3 Hz &gt; 2 Hz なので、サンプリング定理を満たしていない</li> </ul> <p>この場合、3 Hz の成分は 4 - 3 = 1 Hz の位置に折り返される。したがって、サンプリング後の信号には 1 Hz の成分が現れるが、これは元の信号には存在しなかった成分である。</p> <p><strong>エイリアシングの折り返しの図解</strong>:</p> <pre>元の信号のスペクトル（3 Hz成分） 振幅 | | | |--------------+----- 周波数 3 Hz サンプリング後のスペクトル（エイリアシング発生） 振幅 | | | | |-----+--------------+----- 周波数 1 Hz 3 Hz ↑ ↑ 折り返された成分 元の成分（重なり） </pre> <p>このように、ナイキスト周波数（2 Hz）を超える 3 Hz の成分が、1 Hz の位置に折り返されて現れる。</p> <h4>エイリアシングの用語</h4> <p>このように、元の信号にはなかった成分が発生する現象は、以下のように呼ばれる。</p> <ul> <li><strong>エイリアシング（Aliasing）</strong>: 偽の周波数成分が現れる現象</li> <li><strong>折り返し雑音（Folding Noise）</strong>: 高周波成分が低周波領域に折り返される現象</li> <li><strong>スペクトルエイリアシング</strong>: 周波数領域での重なりによる歪み</li> </ul> <h2>サンプリング定理のまとめ</h2> <h3>定理の要点</h3> <p>標本化する前の連続時間信号が含んでいる最大の周波数成分を <strong>F_max [Hz]</strong> とする。また、この信号を標本化周波数 <strong>F_s [Hz]</strong> で標本化して、離散時間信号が得られたとする。このとき、</p> <p><strong>F_s ≥ 2F_max</strong></p> <p>の関係が満たされていれば、この離散時間信号から元の連続時間信号を完全に復元することができる。</p> <h3>重要なポイント</h3> <ol> <li><strong>帯域制限</strong>: 元の信号は最大周波数 F_max 以下の成分のみを含む帯域制限信号でなければならない</li> <li><strong>サンプリング周波数</strong>: 少なくとも信号の最大周波数の2倍以上の周波数でサンプリングする必要がある</li> <li><strong>復元可能性</strong>: 条件が満たされていれば、理論的に完全な復元が可能</li> <li><strong>エイリアシング</strong>: 条件が満たされない場合、エイリアシングが発生し、復元不可能</li> </ol> <h3>実用的な考慮事項</h3> <p>実際のシステムでは、以下の点を考慮する必要がある。</p> <ul> <li><strong>理想的な低域通過フィルタ</strong>: 復元時に使用するフィルタは理想的な特性を持つことはできないため、実用的には F_s &gt; 2F_max の関係が必要</li> <li><strong>エイリアシング防止フィルタ</strong>: A/D変換前に、ナイキスト周波数以上の成分を除去する必要がある</li> <li><strong>量子化誤差</strong>: 実際のシステムでは、A/D変換時の量子化誤差も考慮する必要がある</li> </ul> <h2>ナイキスト周波数</h2> <h3>ナイキスト周波数の定義</h3> <p><strong>ナイキスト周波数 F_N [Hz]</strong> は、サンプリング周波数の半分の値として定義される。</p> <p><strong>F_N = F_s/2</strong></p> <h3>ナイキスト周波数の重要性</h3> <p>ナイキスト周波数は、サンプリング定理において重要な役割を果たす。</p> <ul> <li><strong>復元可能な周波数範囲</strong>: -F_N &lt; F &lt; F_N の範囲の周波数成分は、サンプリング定理が満たされていれば完全に復元可能</li> <li><strong>エイリアシングの境界</strong>: F_N を超える周波数成分は、低周波領域に折り返される（エイリアシングが発生）</li> <li><strong>フィルタ設計の基準</strong>: アナログプリフィルタやアナログポストフィルタのカットオフ周波数の基準となる</li> </ul> <h3>具体例</h3> <ul> <li>サンプリング周波数: F_s = 4000 Hz → ナイキスト周波数: F_N = 2000 Hz</li> <li>サンプリング周波数: F_s = 8000 Hz → ナイキスト周波数: F_N = 4000 Hz</li> <li>サンプリング周波数: F_s = 44100 Hz → ナイキスト周波数: F_N = 22050 Hz</li> </ul> <h3>サンプリング定理との関係</h3> <p>サンプリングされる連続時間信号の最大周波数成分がナイキスト周波数より小さい場合、サンプリング定理が満足される。</p> <p><strong>F_max &lt; F_N</strong> が成り立てば、<strong>F_s ≥ 2F_max</strong> も自動的に満たされる。</p> <h2>サンプリング定理とディジタル信号処理システムの関わり</h2> <h3>ディジタル信号処理システムの概要</h3> <p>ディジタル信号処理システムは、アナログ信号をディジタル信号に変換し、処理を行った後、再びアナログ信号に変換するシステムである。サンプリング定理は、このシステムの設計において重要な役割を果たす。</p> <pre>アナログ入力信号 u(t) ↓ アナログプリフィルタ（エイリアシング防止） ↓ 標本化（サンプリング）・A/D変換（量子化） ↓ ディジタル入力信号 x(n) = {0, 2, 2, 0, -2, 1, ...} ↓ DSP（ディジタル信号処理） ↓ ディジタル出力信号 y(n) = {0, 1, 1, 0, -1, 0, ...} ↓ D/A変換・サンプルホールド ↓ アナログポストフィルタ（スペクトルコピーの除去） ↓ アナログ出力信号 v(t) </pre> <h3>各ブロックの役割</h3> <h4>1. アナログプリフィルタ（A/D変換の前段）</h4> <p><strong>目的</strong>: エイリアシングの防止</p> <p>システムに入力されるアナログ信号 u(t) がサンプリング定理を満たすようにするために、A/D変換を実行する前の段階において、u(t) のスペクトルをナイキスト周波数より小さい範囲に帯域制限する。</p> <p><strong>機能</strong>:</p> <ul> <li>ナイキスト周波数（F_s/2）以上の周波数成分を除去</li> <li>理想的な低域通過フィルタとして動作（カットオフ周波数: F_s/2）</li> <li>エイリアシングの発生を防止</li> </ul> <p><strong>重要性</strong>: このフィルタがないと、入力信号に高周波成分が含まれている場合、エイリアシングが発生し、元の信号を復元できなくなる。</p> <h4>2. 標本化（サンプリング）・A/D変換（量子化）</h4> <p><strong>標本化</strong>: 連続時間信号を離散時間信号に変換（サンプリング周波数 F_s でサンプリング）</p> <p><strong>A/D変換</strong>: アナログ値をディジタル値に量子化（量子化誤差が発生）</p> <p><strong>注意</strong>: サンプリング定理が満たされていることが前提</p> <h4>3. DSP（ディジタル信号処理）</h4> <p>ディジタル信号に対して各種処理（フィルタリング、増幅、変調など）を実行</p> <h4>4. D/A変換・サンプルホールド</h4> <p><strong>D/A変換</strong>: ディジタル値をアナログ値に変換</p> <p><strong>サンプルホールド</strong>: 各サンプル値を一定時間保持（階段状の信号が生成される）</p> <h4>5. アナログポストフィルタ（D/A変換の後段）</h4> <p><strong>目的</strong>: スペクトルコピーの除去</p> <p>サンプリングによって生じたスペクトルのコピーを除去し、ナイキスト周波数より小さい周波数成分だけを抽出して出力する。</p> <p><strong>機能</strong>:</p> <ul> <li>理想的な低域通過フィルタとして動作（カットオフ周波数: F_s/2）</li> <li>サンプルホールドによる階段状の信号を滑らかな連続信号に変換</li> <li>高周波成分（スペクトルのコピー）を除去</li> </ul> <p><strong>重要性</strong>: このフィルタがないと、出力信号に不要な高周波成分が含まれ、元の信号を正確に復元できない。</p> <h3>フィルタの種類</h3> <p>上記の2つのアナログフィルタは、どちらも<strong>低域通過フィルタ（LPF: Low-Pass Filter）</strong>または<strong>帯域通過フィルタ（BPF: Band-Pass Filter）</strong>として、ディジタル信号処理システムに組み込まれている。</p> <ul> <li><strong>低域通過フィルタ</strong>: 0 ～ F_s/2 の範囲の周波数成分を通す</li> <li><strong>帯域通過フィルタ</strong>: 特定の周波数帯域のみを通す（特定の周波数範囲の信号を扱う場合）</li> </ul> <h3>日常生活の必需品とサンプリング定理との関わり</h3> <h4>従来の電話（ガラケー等）のサンプリング周波数: 8 kHz</h4> <p><strong>音声信号の特性</strong>:</p> <ul> <li>人間の声がもつ周波数成分は、<strong>0.3 kHz ～ 3.4 kHz</strong> の領域に集中している</li> <li>最大周波数成分: F_max = 3.4 kHz</li> </ul> <p><strong>サンプリング周波数の決定</strong>:</p> <ul> <li>サンプリング定理より、ディジタル信号処理を用いて人間の声を扱うためには、少なくとも <strong>(3.4 × 2) kHz = 6.8 kHz</strong> 以上のサンプリング周波数が必要</li> <li>実際のシステムでは、マージンを考慮して <strong>F_s = 8 kHz</strong> が採用されている</li> <li>ナイキスト周波数: F_N = 4 kHz</li> </ul> <p><strong>フィルタ設計</strong>:</p> <ul> <li>アナログプリフィルタ: 4 kHz 以上の成分を除去</li> <li>アナログポストフィルタ: 4 kHz 以上の成分を除去</li> </ul> <h4>音楽CDのサンプリング周波数: 44.1 kHz</h4> <p><strong>音声信号の特性</strong>:</p> <ul> <li>人間の耳が聴きとれる音の周波数の範囲（可聴領域）は <strong>20 Hz ～ 20 kHz</strong></li> <li>最大周波数成分: F_max = 20 kHz</li> </ul> <p><strong>サンプリング周波数の決定</strong>:</p> <ul> <li>サンプリング定理より、ディジタル信号処理を用いて音楽信号を扱うためには、少なくとも <strong>(20 × 2) kHz = 40 kHz</strong> 以上のサンプリング周波数が必要</li> <li>実際のシステムでは、マージンを考慮して <strong>F_s = 44.1 kHz</strong> が採用されている</li> <li>ナイキスト周波数: F_N = 22.05 kHz</li> </ul> <p><strong>44.1 kHz が選択された理由</strong>:</p> <ul> <li>ビデオ信号（NTSC: 60 Hz、PAL: 50 Hz）との互換性を考慮</li> <li>60 Hz × 735 = 44.1 kHz（NTSC との互換性）</li> <li>50 Hz × 882 = 44.1 kHz（PAL との互換性）</li> <li>これにより、オーディオとビデオの同期が容易になる</li> </ul> <p><strong>フィルタ設計</strong>:</p> <ul> <li>アナログプリフィルタ: 22.05 kHz 以上の成分を除去</li> <li>アナログポストフィルタ: 22.05 kHz 以上の成分を除去</li> </ul> <h4>その他の応用例</h4> <ul> <li><strong>デジタルオーディオ（高音質）</strong>: 48 kHz, 96 kHz, 192 kHz</li> <li><strong>デジタルビデオ</strong>: 映像信号のサンプリング周波数は、映像の解像度やフレームレートに依存</li> <li><strong>無線通信</strong>: 搬送波周波数や帯域幅に応じて適切なサンプリング周波数を選択</li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理８ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-11-10 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div><br /><br /> <div><span>## 1. ディジタル信号処理の背景</span></div> <div><span>-</span><span> 音声などのアナログ信号は一定周期 $</span><span>T$</span><span> でサンプリング・量子化され、列 $</span><span>x(n)$</span><span> になる。サンプル周波数は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>F_s = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{T}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  で定義される。</span></div> <div><span>  </span><span>-</span><span> 例: 従来電話では</span></div> <div><span>    $$</span></div> <div><span>    </span><span>T = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{</span><span>8000</span><span>}\,</span><span>\</span><span>text</span><span>{s}</span></div> <div><span>    </span><span>$$</span></div> <div><span>    音楽 CD では</span></div> <div><span>    $$</span></div> <div><span>    </span><span>T = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{</span><span>44100</span><span>}\,</span><span>\</span><span>text</span><span>{s}</span></div> <div><span>    </span><span>$$</span></div> <div><span>-</span><span> ナイキスト標本化定理:</span></div> <div><span>  $$</span></div> <div><span>  </span><span>F_s </span><span>\</span><span>ge </span><span>2</span><span>F_{</span><span>\</span><span>max}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  を満たせば帯域制限信号は損失なく復元可能。$</span><span>T$</span><span> を小さくして $</span><span>F_s$</span><span> を上げると可聴帯域全体（約 20 kHz）をカバーできる。</span></div> <div><span>-</span><span> 量子化は振幅を有限ビットで表現する過程で、量子化雑音（白色雑音近似）が付加される。ビット数 $</span><span>B$</span><span> を増やすと雑音電力は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>\</span><span>sigma_q^</span><span>2</span><span> </span><span>\</span><span>approx </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{</span><span>12</span><span>}</span><span>\</span><span>Delta^</span><span>2</span></div> <div><span>  </span><span>$$</span></div> <div><span>  （$</span><span>\</span><span>Delta$</span><span>: 量子化ステップ）に低減する。</span></div> <div><span>-</span><span> DSP ではサンプル列に離散畳み込みや周波数変換を施し、改善後に D/A 変換・ポストフィルタを経てアナログ領域へ戻す。計算は固定小数点/浮動小数点プロセッサや FPGA で行う。</span></div> <br /> <div><span>---</span></div> <br /> <div><span>## 2. システム構成におけるフィルタ</span></div> <div><span>1.</span><span> アナログ入力 → プリフィルタ（アンチエイリアシング / ブリッジングネットワーク）</span></div> <div><span>2.</span><span> サンプリング &amp; A/D 変換 → デジタル信号 </span><span>`x(n)`</span><span>（必要に応じてデジタルダウンコンバータで IF→ベースバンド変換）</span></div> <div><span>3.</span><span> DSP 上のディジタルフィルタ → 出力 </span><span>`y(n)`</span><span>（FIR/IIR、複素処理を含む）</span></div> <div><span>4.</span><span> D/A 変換 → ポストフィルタ（スペクトルイメージ除去） → アナログ出力</span></div> <br /> <div><span>-</span><span> 処理フローを図示すると以下の通り。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>  A[アナログ入力] --&gt; B[プリフィルタ&lt;br&gt;アンチエイリアシング]</span></div> <div><span>  B --&gt; C[A/D変換&lt;br&gt;サンプリング・量子化]</span></div> <div><span>  C --&gt; D[DSP処理&lt;br&gt;ディジタルフィルタ]</span></div> <div><span>  D --&gt; E[D/A変換]</span></div> <div><span>  E --&gt; F[ポストフィルタ&lt;br&gt;イメージ抑制]</span></div> <div><span>  F --&gt; G[アナログ出力]</span></div> <div><span>```</span></div> <br /> <div><span>-</span><span> プリフィルタは</span></div> <div><span>  $$</span></div> <div><span>  </span><span>\</span><span>frac</span><span>{F_s}{</span><span>2</span><span>}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  以上の高域成分を除去し、折り返し雑音を防ぐ。多くはアクティブローパス+アナログアンチエイリアスで構成。</span></div> <div><span>-</span><span> ポストフィルタは D/A 後に生じるイメージスペクトル（</span><span>`Fs`</span><span> の高調波）を抑え、再び連続信号として滑らかにする。</span></div> <div><span>-</span><span> DSP 内部では加算・乗算・遅延素子で任意のインパルス応答を合成する。FIR は有限インパルス応答で厳密線形位相を実現しやすく、IIR はより鋭い遷移帯域を少次数で実現できる。</span></div> <div><span>-</span><span> </span><span>**理解度チェック:**</span><span> プリフィルタとポストフィルタの役割・設計制約（遷移帯域、群遅延、実装コスト）の違いを説明できるか?</span></div> <br /> <div><span>---</span></div> <br /> <div><span>-</span><span> 定義: 直近 $</span><span>M$</span><span> サンプルの平均を出力する等重み FIR ローパス。畳み込み核は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>h(n) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}, </span><span>\</span><span>quad </span><span>0</span><span> </span><span>\</span><span>le n </span><span>\</span><span>le M-</span><span>1</span></div> <div><span>  </span><span>$$</span></div> <div><span>  で、それ以外は $</span><span>0</span><span>$</span><span>。</span></div> <div><span>-</span><span> 数式:</span></div> <div><span>  $$</span></div> <div><span>  </span><span>y(n) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M} </span><span>\</span><span>sum_</span><span>{k=</span><span>0</span><span>}^{M-</span><span>1</span><span>} x(n-k)</span></div> <div><span>  </span><span>$$</span></div> <div><span>  未定義の過去サンプルは $</span><span>0</span><span>$</span><span> と置く（ゼロ初期条件）。$</span><span>z$</span><span> 領域伝達関数は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>H(z) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}</span><span>\</span><span>left(</span><span>1</span><span> + z^{-</span><span>1</span><span>} + </span><span>\</span><span>dots + z^{-(M-</span><span>1</span><span>)}</span><span>\</span><span>right)</span></div> <div><span>  </span><span>= </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M}</span><span>\</span><span>frac</span><span>{</span><span>1</span><span> - z^{-M}}{</span><span>1</span><span> - z^{-</span><span>1</span><span>}}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  であり、単位円上には $</span><span>M-</span><span>1</span><span>$</span><span> 個の等間隔ゼロを持つ。</span></div> <div><span>-</span><span> 特徴:</span></div> <div><span>  </span><span>-</span><span> 実装容易（加算とスカラー倍のみ）。固定小数点実装ではシフト演算で $</span><span>1</span><span>/M$</span><span> を近似できる場合も多い（$</span><span>M = </span><span>2</span><span>^k$</span><span> など）。</span></div> <div><span>  </span><span>-</span><span> 位相は線形で群遅延</span></div> <div><span>    $$</span></div> <div><span>    </span><span>\</span><span>tau_g = </span><span>\</span><span>frac</span><span>{M-</span><span>1</span><span>}{</span><span>2</span><span>}</span></div> <div><span>    </span><span>$$</span></div> <div><span>    サンプルを生むため、リアルタイム制御では遅延許容度の検討が必須。</span></div> <div><span>  </span><span>-</span><span> 周波数応答はディリクレ核に相当し、主ローブ幅</span></div> <div><span>    $$</span></div> <div><span>    </span><span>\</span><span>approx </span><span>\</span><span>frac</span><span>{</span><span>4</span><span>\</span><span>pi}{M}</span></div> <div><span>    </span><span>$$</span></div> <div><span>    サイドローブ減衰 $</span><span>\</span><span>approx </span><span>13</span><span> </span><span>\</span><span>text</span><span>{ dB}$</span><span> 程度。滑らかなローパスだがストップバンド減衰は限定的。</span></div> <div><span>-</span><span> </span><span>**理解度チェック:**</span><span> </span><span>`M`</span><span> を 2 倍にした際、群遅延と主ローブ幅がどう変化するか説明できるか?</span></div> <br /> <div><span>---</span></div> <br /> <div><span>## 4. 3点平均フィルタの逐次計算例</span></div> <div><span>入力 $</span><span>x(n)$</span><span>:</span></div> <br /> <div><span>| n | 0 | 1 | 2 | 3 | 4 |</span></div> <div><span>|---|---|---|---|---|---|</span></div> <div><span>| x(n) | 1 | -1 | 3 | 4 | 2 |</span></div> <br /> <div><span>出力（$</span><span>M = </span><span>3</span><span>$</span><span>）:</span></div> <br /> <div><span>| n | 計算式 | y(n) |</span></div> <div><span>|---|---|---|</span></div> <div><span>| 0 | $$\frac{1}{3}(x_0 + x_{-1} + x_{-2})$$ | $$\frac{1}{3}$$ |</span></div> <div><span>| 1 | $$\frac{1}{3}(x_1 + x_0 + x_{-1})$$ | $$0$$ |</span></div> <div><span>| 2 | $$\frac{1}{3}(x_2 + x_1 + x_0)$$ | $$1$$ |</span></div> <div><span>| 3 | $$\frac{1}{3}(x_3 + x_2 + x_1)$$ | $$2$$ |</span></div> <div><span>| 4 | $$\frac{1}{3}(x_4 + x_3 + x_2)$$ | $$3$$ |</span></div> <br /> <div><span>逐次実装では、「新サンプルを加算」「最古サンプルを減算」「$</span><span>1</span><span>/M$</span><span> を乗算」の 3 ステップで $</span><span>O(</span><span>1</span><span>)$</span><span> 更新できる。累積和</span></div> <div><span>$$</span></div> <div><span>S(n) = x(n) + </span><span>\</span><span>dots + x(n-M+</span><span>1</span><span>)</span></div> <div><span>$$</span></div> <div><span>を保持すれば</span></div> <div><span>$$</span></div> <div><span>S(n) = S(n-</span><span>1</span><span>) + x(n) - x(n-M)</span></div> <div><span>$$</span></div> <div><span>で更新でき、乗算器が制約となる場合は $</span><span>M = </span><span>2</span><span>^k$</span><span> でシフト実装する。FPGA ではシフトレジスタと加算器ツリーで 1 サイクル遅延のパイプラインを構成できる。</span></div> <br /> <div><span>-</span><span> </span><span>**実験課題:**</span><span> Python/NumPy や MATLAB でホワイトノイズに 3 点移動平均を適用し、時間波形・周波数応答を確認せよ。</span></div> <br /><br /> <div><span>---</span></div> <br /> <div><span>## 5. 雑音抑制の理由</span></div> <div><span>-</span><span> </span><span>**時間領域の直感**</span><span>: 雑音は急峻・ランダムな変動を含むため平均化で相殺され、滑らかになる。独立同分布雑音 $</span><span>w(n)$</span><span> に対して出力雑音分散は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>sigma_w^</span><span>2</span><span>}{M}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  まで低減し、</span></div> <div><span>  $$</span></div> <div><span>  </span><span>10</span><span> </span><span>\</span><span>log_</span><span>{</span><span>10</span><span>} M\ </span><span>\</span><span>text</span><span>{[dB]}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  の SNR 向上が得られる。</span></div> <div><span>-</span><span> </span><span>**$</span><span>M$</span><span> と性能のトレードオフ**</span><span>: $</span><span>M$</span><span> を大きくすると雑音抑制は強力だが、信号の立ち上がりや変調成分も平滑化される。エッジ再現が重要な画像では $</span><span>M$</span><span> を小さく保ち、スペクトル的に限定されたセンサ雑音除去では大きな $</span><span>M$</span><span> を許容するなど、用途依存の最適化が必要。</span></div> <div><span>-</span><span> </span><span>**周波数領域の視点**</span><span>: フィルタ係数 $</span><span>[</span><span>1</span><span>/M, </span><span>\</span><span>dots, </span><span>1</span><span>/M]$</span><span> のフーリエ変換は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>H(e^{j</span><span>\</span><span>omega}) = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{M} </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>sin(M</span><span>\</span><span>omega/</span><span>2</span><span>)}{</span><span>\</span><span>sin(</span><span>\</span><span>omega/</span><span>2</span><span>)} e^{-j</span><span>\</span><span>omega(M-</span><span>1</span><span>)/</span><span>2</span><span>}</span></div> <div><span>  </span><span>$$</span></div> <div><span>  となり、主ローブ内で通過、サイドローブで減衰するローパス特性を示す。入力スペクトル $</span><span>X(e^{j</span><span>\</span><span>omega})$</span><span> とフィルタ $</span><span>H(e^{j</span><span>\</span><span>omega})$</span><span> の積が出力スペクトル $</span><span>Y(e^{j</span><span>\</span><span>omega})$</span><span> であり、高周波雑音が抑圧される。</span></div> <div><span>-</span><span> </span><span>**PSD 解析**</span><span>: 入力雑音のパワースペクトル密度 $</span><span>S_w(</span><span>\</span><span>omega)$</span><span> に対して出力 PSD は</span></div> <div><span>  $$</span></div> <div><span>  </span><span>\</span><span>left|H(e^{j</span><span>\</span><span>omega})</span><span>\</span><span>right|^</span><span>2</span><span> S_w(</span><span>\</span><span>omega)</span></div> <div><span>  </span><span>$$</span></div> <div><span>  。白色雑音なら $</span><span>|H|^</span><span>2</span><span>$</span><span> に比例して減衰する。低周波寄りのピンク雑音では完全には落ちないため、追加の重み付けや適応フィルタ（LMS、RLS）との組み合わせが検討される。</span></div> <br /> <div><span>---</span></div> <br /> <div><span>## 6. Python 実装例</span></div> <div><span>以下は </span><span>`M=7`</span><span> の移動平均フィルタでホワイトノイズ混入信号を平滑化し、SNR 改善と周波数応答を確認する最小実験コード。</span></div> <br /> <div><span>```python</span></div> <div><span>import</span><span> numpy </span><span>as</span><span> np</span></div> <div><span>from</span><span> numpy</span><span>.</span><span>fft </span><span>import</span><span> rfft</span><span>,</span><span> rfftfreq</span></div> <div><span>import</span><span> matplotlib</span><span>.</span><span>pyplot </span><span>as</span><span> plt</span></div> <br /> <div><span>def</span><span> </span><span>moving_average</span><span>(</span><span>x</span><span>: np</span><span>.</span><span>ndarray, </span><span>M</span><span>: </span><span>int</span><span>) -&gt; np</span><span>.</span><span>ndarray:</span></div> <div><span>    kernel </span><span>=</span><span> np</span><span>.</span><span>ones</span><span>(</span><span>M</span><span>)</span><span> </span><span>/</span><span> M</span></div> <div><span>    </span><span>return</span><span> np</span><span>.</span><span>convolve</span><span>(</span><span>x</span><span>,</span><span> kernel</span><span>,</span><span> </span><span>mode</span><span>=</span><span>"same"</span><span>)</span></div> <br /> <div><span>Fs </span><span>=</span><span> </span><span>48_000</span></div> <div><span>duration </span><span>=</span><span> </span><span>0.05</span></div> <div><span>t </span><span>=</span><span> np</span><span>.</span><span>arange</span><span>(</span><span>0</span><span>,</span><span> duration</span><span>,</span><span> </span><span>1</span><span> </span><span>/</span><span> Fs</span><span>)</span></div> <div><span>signal </span><span>=</span><span> np</span><span>.</span><span>sin</span><span>(</span><span>2</span><span> </span><span>*</span><span> np</span><span>.</span><span>pi </span><span>*</span><span> </span><span>1_000</span><span> </span><span>*</span><span> t</span><span>)</span></div> <div><span>noise </span><span>=</span><span> </span><span>0.4</span><span> </span><span>*</span><span> np</span><span>.</span><span>random</span><span>.</span><span>randn</span><span>(</span><span>t</span><span>.</span><span>size</span><span>)</span></div> <div><span>x </span><span>=</span><span> signal </span><span>+</span><span> noise</span></div> <br /> <div><span>M </span><span>=</span><span> </span><span>7</span></div> <div><span>y </span><span>=</span><span> </span><span>moving_average</span><span>(</span><span>x</span><span>,</span><span> M</span><span>)</span></div> <br /> <div><span>snr_in </span><span>=</span><span> </span><span>10</span><span> </span><span>*</span><span> np</span><span>.</span><span>log10</span><span>(</span><span>np</span><span>.</span><span>mean</span><span>(</span><span>signal</span><span>**</span><span>2</span><span>)</span><span> </span><span>/</span><span> np</span><span>.</span><span>mean</span><span>(</span><span>noise</span><span>**</span><span>2</span><span>))</span></div> <div><span>snr_out </span><span>=</span><span> </span><span>10</span><span> </span><span>*</span><span> np</span><span>.</span><span>log10</span><span>(</span><span>np</span><span>.</span><span>mean</span><span>(</span><span>signal</span><span>**</span><span>2</span><span>)</span><span> </span><span>/</span><span> np</span><span>.</span><span>mean</span><span>((</span><span>y </span><span>-</span><span> signal</span><span>)**</span><span>2</span><span>))</span></div> <br /> <div><span>freq </span><span>=</span><span> </span><span>rfftfreq</span><span>(</span><span>t</span><span>.</span><span>size</span><span>,</span><span> </span><span>1</span><span> </span><span>/</span><span> Fs</span><span>)</span></div> <div><span>X </span><span>=</span><span> np</span><span>.</span><span>abs</span><span>(</span><span>rfft</span><span>(</span><span>x</span><span>))</span></div> <div><span>Y </span><span>=</span><span> np</span><span>.</span><span>abs</span><span>(</span><span>rfft</span><span>(</span><span>y</span><span>))</span></div> <br /> <div><span>print</span><span>(</span><span>f</span><span>"SNR in  = </span><span>{</span><span>snr_in</span><span>:.2f</span><span>}</span><span> dB"</span><span>)</span></div> <div><span>print</span><span>(</span><span>f</span><span>"SNR out = </span><span>{</span><span>snr_out</span><span>:.2f</span><span>}</span><span> dB"</span><span>)</span></div> <br /> <div><span>plt</span><span>.</span><span>figure</span><span>(</span><span>figsize</span><span>=(</span><span>10</span><span>,</span><span> </span><span>4</span><span>))</span></div> <div><span>plt</span><span>.</span><span>plot</span><span>(</span><span>freq</span><span>,</span><span> X</span><span>,</span><span> </span><span>label</span><span>=</span><span>"Input |X|"</span><span>)</span></div> <div><span>plt</span><span>.</span><span>plot</span><span>(</span><span>freq</span><span>,</span><span> Y</span><span>,</span><span> </span><span>label</span><span>=</span><span>"Output |Y|"</span><span>)</span></div> <div><span>plt</span><span>.</span><span>xlim</span><span>(</span><span>0</span><span>,</span><span> </span><span>10_000</span><span>)</span></div> <div><span>plt</span><span>.</span><span>xlabel</span><span>(</span><span>"Frequency [Hz]"</span><span>)</span></div> <div><span>plt</span><span>.</span><span>ylabel</span><span>(</span><span>"Amplitude"</span><span>)</span></div> <div><span>plt</span><span>.</span><span>legend</span><span>()</span></div> <div><span>plt</span><span>.</span><span>tight_layout</span><span>()</span></div> <div><span>plt</span><span>.</span><span>show</span><span>()</span></div> <div><span>```</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{SNR}_{</span><span>\</span><span>text</span><span>{out}} - </span><span>\</span><span>text</span><span>{SNR}_{</span><span>\</span><span>text</span><span>{in}}</span></div> <div><span>$$</span></div> <div><span>が理論値</span></div> <div><span>$$</span></div> <div><span>10</span><span> </span><span>\</span><span>log_</span><span>{</span><span>10</span><span>} M </span><span>\</span><span>approx </span><span>8.45</span><span>\ </span><span>\</span><span>text</span><span>{dB}</span></div> <div><span>$$</span></div> <div><span>に近いこと、スペクトルで高周波が抑圧されることを確認できる。$</span><span>M$</span><span> や信号周波数、雑音統計を変えれば課題 1〜4 の検証を自動化できる。</span></div> <br /> <div><span>同じ処理フローを図示すると以下の通り。プログラムに馴染みがなくても、データ生成から可視化までの段階が追える。</span></div> <br /> <div><span>```mermaid<br /></span><span>flowchart TD<br />A[パラメータ設定&lt;br&gt;Fs, M, duration] --&gt; B[時間軸 t 生成]<br />B --&gt; C[信号生成&lt;br&gt;sin波]<br />B --&gt; D[雑音生成&lt;br&gt;正規乱数]<br />C --&gt; E[信号+雑音で x を作成]<br />D --&gt; E<br />E --&gt; F[移動平均フィルタ&lt;br&gt;np.convolve]<br />F --&gt; G[SNR計算&lt;br&gt;入力または出力]<br />E --&gt; H[FFTで &amp;vert;X&amp;vert; を計算]<br />F --&gt; I[FFTで &amp;vert;Y&amp;vert; を計算]<br />G --&gt; J[数値表示]<br />H --&gt; K[周波数軸 freq]<br />I --&gt; K<br />K --&gt; L[プロット表示]<br />```<br /></span></div> <br /><br /></div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル信号処理9 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-11-17 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ディジタル信号処理 - サンプリングと音の数学的表現</h1> <p><strong>概要</strong>: この資料では、ディジタル信号処理におけるサンプリングの基礎から、音の数学的表現までを体系的に学習できます。連続時間信号を離散時間信号に変換する過程と、音の要素（振幅・周波数・音色）の数学的記述について、具体例を用いて詳しく解説します。</p> <h2>目次</h2> <ul> <li><a href="#section1">1. サンプリングの基礎</a></li> <li><a href="#section2">2. サンプリングの例</a></li> <li><a href="#section3">3. 音の要素</a></li> <li><a href="#section4">4. 音色の数学的表現</a></li> <li><a href="#section5">5. まとめ</a></li> <li><a href="#section6">6. 参考文献・関連リンク</a></li> </ul> <h2>1. サンプリングの基礎</h2> <h3>1.1 基本概念</h3> <p>ディジタル信号処理では、<strong>連続時間信号</strong>を<strong>離散時間信号</strong>に変換する<strong>サンプリング処理</strong>が重要です。</p> <h4>連続時間信号</h4> <p>x_a(t) t: 時刻[sec]</p> <h4>サンプリング</h4> <p>t = nT (nは整数)</p> <h4>離散時間信号</h4> <p>x[n] = x_a(nT), n = -∞～＋∞</p> <p><strong>記号の説明:</strong></p> <ul> <li>n: 正規化された時刻のため無次元（1番目、2番目、3番目のような）</li> <li>T: サンプリング周期 [sec]</li> <li>F_s: サンプリング周波数 [Hz]</li> </ul> <h3>1.2 重要な関係式</h3> <p>$$T = \frac{1}{F_s}$$</p> <p>この関係式により、サンプリング周波数が決まれば、サンプリング周期も自動的に決まります。</p> <h2>2. サンプリングの例</h2> <p>離散時間信号と連続信号の関係を明確にするためには、<strong>標本化周期Tの情報</strong>が必要です。</p> <h3>2.1 例1: 1Hzの正弦波を4Hzでサンプリング</h3> <h4>連続時間信号</h4> <p>$$x_a(t) = \sin(2\pi \cdot 1 \cdot t)$$</p> <h4>サンプリング条件</h4> <ul> <li><strong>サンプリング周波数</strong>: F_s = 4 Hz</li> <li><strong>サンプリング周期</strong>: T = 1/F_s = 1/4 = 0.25 sec</li> </ul> <h4>離散時間信号</h4> <p>\begin{align} x[n] &amp;= x_a(nT) \\ &amp;= x_a(n \cdot 0.25) \\ &amp;= \sin(2\pi \cdot 1 \cdot n \cdot 0.25) \\ &amp;= \sin(0.5\pi n) \end{align}</p> <p><strong>ポイント</strong>: 4Hzでサンプリングするため、1秒間に4サンプルが得られます。</p> <h3>2.2 例2: ラ音（440Hz）のサンプリング</h3> <h4>連続時間信号</h4> <p>$$x_a(t) = \sin(2\pi \cdot 440 \cdot t)$$</p> <h4>サンプリング条件</h4> <ul> <li><strong>サンプリング周波数</strong>: F_s = 8 kHz = 8000 Hz</li> <li><strong>サンプリング周期</strong>: T = 1/8000 sec</li> </ul> <h4>離散時間信号</h4> <p>\begin{align} x[n] &amp;= x_a(nT) \\ &amp;= x_a(n/8000) \\ &amp;= \sin(2\pi \cdot 440 \cdot n/8000) \\ &amp;= \sin(0.11\pi n) \end{align}</p> <h2>3. 音の要素</h2> <p>音の要素についてまとめると、主に以下の3つがあります。</p> <h3>3.1 大きさ（振幅）</h3> <p>音の大きさは<strong>振幅</strong>によって決まります。</p> <p><strong>例:</strong></p> <ul> <li>x_a(t) = 0.05\sin(2\pi \cdot 440 \cdot t) （小さい音）</li> <li>x_a(t) = 3\sin(2\pi \cdot 440 \cdot t) （大きい音）</li> </ul> <p>振幅が大きいほど音も大きくなります。</p> <h3>3.2 高さ（周波数）</h3> <p>音の高さは<strong>周波数</strong>によって決まります。</p> <p><strong>例:</strong></p> <ul> <li>x_a(t) = \sin(2\pi \cdot 440 \cdot t) … ラの音（440Hz）</li> <li>x_a(t) = \sin(2\pi \cdot 880 \cdot t) … 1オクターブ高いラの音（880Hz）</li> </ul> <p>音楽では、1オクターブ高い音は元の周波数の2倍にするという慣例があります。</p> <h3>3.3 基本周波数（ピッチ）</h3> <h4>平均律について</h4> <ul> <li>音の高さ（ピッチ）は基本周波数で決まります</li> <li>平均律では、基準音（ラ、A4）は440Hzです</li> <li>1オクターブは12等分されており、n半音上の周波数fは次式で表されます：</li> </ul> <p>$$f = 440 \times 2^{n/12}$$</p> <p><strong>例:</strong></p> <ul> <li>n=0のとき: 440Hz</li> <li>n=12のとき: 880Hz（1オクターブ上）</li> </ul> <h2>4. 音色の数学的表現</h2> <h3>4.1 音色（ティンバー）の基礎</h3> <ul> <li>音色は<strong>波形の形状</strong>によって決まります</li> <li>これは数式で表すことができます</li> <li>一般的に、周期的な音の波形は<strong>フーリエ級数展開</strong>により、基本周波数とその整数倍の周波数（倍音）の和として表せます</li> </ul> <h3>4.2 音色の一般的な数式表現（フーリエ級数）</h3> <p>音色は基本周波数と倍音の組み合わせで決まります：</p> <p>$$x_a(t) = A_1\sin(2\pi ft) + A_2\sin(2\pi \cdot 2ft) + A_3\sin(2\pi \cdot 3ft) + \cdots$$</p> <h3>4.3 音色の例</h3> <h4>1. 純音（基本周波数のみ）</h4> <p>$$x_a(t) = \sin(2\pi \cdot 440 \cdot t)$$</p> <ul> <li>最もシンプルな音色</li> <li>倍音を含まない純粋な正弦波</li> </ul> <h4>2. 矩形波（奇数倍音のみ）</h4> <p>$$x_a(t) = \frac{4}{\pi}\left[\sin(2\pi \cdot 440 \cdot t) + \frac{1}{3}\sin(2\pi \cdot 1320 \cdot t) + \frac{1}{5}\sin(2\pi \cdot 2200 \cdot t) + \cdots\right]$$</p> <ul> <li>奇数倍音（3倍音、5倍音、7倍音...）のみを含む</li> <li>デジタル音源でよく使われる音色</li> </ul> <h4>3. 三角波（奇数倍音、振幅が1/n²で減衰）</h4> <p>$$x_a(t) = \frac{8}{\pi^2}\left[\sin(2\pi \cdot 440 \cdot t) - \frac{1}{9}\sin(2\pi \cdot 1320 \cdot t) + \frac{1}{25}\sin(2\pi \cdot 2200 \cdot t) - \cdots\right]$$</p> <ul> <li>矩形波より柔らかい音色</li> <li>高次倍音の影響が小さい</li> </ul> <h4>4. のこぎり波（全倍音を含む）</h4> <p>$$x_a(t) = \frac{2}{\pi}\left[\sin(2\pi \cdot 440 \cdot t) - \frac{1}{2}\sin(2\pi \cdot 880 \cdot t) + \frac{1}{3}\sin(2\pi \cdot 1320 \cdot t) - \cdots\right]$$</p> <ul> <li>全ての倍音を含む</li> <li>明るく豊かな音色</li> </ul> <h4>5. 楽器の音色例（バイオリン風）</h4> <p>$$x_a(t) = \sin(2\pi \cdot 440 \cdot t) + 0.5\sin(2\pi \cdot 880 \cdot t) + 0.3\sin(2\pi \cdot 1320 \cdot t) + 0.1\sin(2\pi \cdot 1760 \cdot t)$$</p> <ul> <li>基本周波数 + 2倍音 + 3倍音 + 4倍音</li> <li>各倍音の振幅比が音色を決定</li> </ul> <h3>4.4 音色の特徴</h3> <table border="1"> <tbody> <tr> <td><strong>基本周波数</strong></td> <td>音の高さを決定</td> </tr> <tr> <td><strong>倍音の種類</strong></td> <td>どの周波数成分を含むか</td> </tr> <tr> <td><strong>倍音の振幅比</strong></td> <td>各倍音の強さのバランス</td> </tr> <tr> <td><strong>包絡線</strong></td> <td>時間的な音量変化（ADSR）</td> </tr> </tbody> </table> <h2>5. まとめ</h2> <h3>5.1 重要なポイント</h3> <h4>サンプリング</h4> <ul> <li>連続時間信号 x_a(t) を離散時間信号 x[n] に変換</li> <li>サンプリング周期 T = 1/F_s が重要</li> <li>横軸が秒の場合、t = nT の関係</li> </ul> <h4>音の要素</h4> <ul> <li><strong>振幅</strong>: 音の大きさ</li> <li><strong>周波数</strong>: 音の高さ</li> <li><strong>音色</strong>: 波形の形状（倍音の組み合わせ）</li> </ul> <h4>音色の数学的表現</h4> <ul> <li>フーリエ級数展開による表現</li> <li>基本周波数と倍音の組み合わせ</li> <li>各倍音の振幅比が音色を決定</li> </ul> <h3>5.2 記号の統一</h3> <table border="1"> <tbody> <tr> <td>x_a(t)</td> <td>連続時間信号</td> <td>アナログ信号</td> </tr> <tr> <td>x[n]</td> <td>離散時間信号</td> <td>デジタル信号</td> </tr> <tr> <td>F_s</td> <td>サンプリング周波数</td> <td>サンプリング条件</td> </tr> <tr> <td>T</td> <td>サンプリング周期</td> <td>サンプリング条件</td> </tr> </tbody> </table> <h3>5.3 学習のポイント</h3> <ol> <li><strong>サンプリング定理</strong>の理解</li> <li><strong>フーリエ級数展開</strong>の応用</li> <li><strong>音の物理的性質</strong>と数学的表現の関係</li> <li><strong>実用的な計算例</strong>の習得</li> </ol> <h2>6. 参考文献・関連リンク</h2> <h3>参考文献</h3> <ul> <li>Oppenheim, A. V., &amp; Schafer, R. W. (2010). <em>Discrete-Time Signal Processing</em> (3rd ed.). Prentice Hall.</li> <li>Proakis, J. G., &amp; Manolakis, D. G. (2007). <em>Digital Signal Processing</em> (4th ed.). Prentice Hall.</li> <li>小野寺, 信. (2015). <em>ディジタル信号処理の基礎</em>. コロナ社.</li> <li>太田正哉. (2018). <em>例解 ディジタル信号処理入門</em>. コロナ社.</li> </ul> <h3>関連リンク</h3> <ul> <li><a href="https://ja.wikipedia.org/wiki/%E3%83%95%E3%83%BC%E3%83%AA%E3%82%A8%E5%A4%89%E6%8F%9B" target="_blank" rel="noreferrer noopener">フーリエ変換の基礎 - Wikipedia</a></li> <li><a href="https://ja.wikipedia.org/wiki/%E3%82%B5%E3%83%B3%E3%83%97%E3%83%AA%E3%83%B3%E3%82%B0%E5%AE%9A%E7%90%86" target="_blank" rel="noreferrer noopener">サンプリング定理 - Wikipedia</a></li> <li><a href="https://www.asj.or.jp/" target="_blank" rel="noreferrer noopener">音響学の基礎 - 日本音響学会</a></li> </ul> <h3>実習用ツール</h3> <ul> <li><a href="https://www.mathworks.com/products/signal.html" target="_blank" rel="noreferrer noopener">MATLAB Signal Processing Toolbox</a></li> <li><a href="https://docs.scipy.org/doc/scipy/reference/signal.html" target="_blank" rel="noreferrer noopener">Python SciPy Signal Processing</a></li> <li><a href="https://octave.sourceforge.io/signal/" target="_blank" rel="noreferrer noopener">Octave Signal Processing</a></li> <li><a href="https://numpy.org/doc/stable/reference/routines.fft.html" target="_blank" rel="noreferrer noopener">Python NumPy FFT</a></li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource デジタル情報処理3 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-06 Rights Information about rights held in and over the resource CC BY-NC 4.0 https://archive.unjuno.org/files/original/786f1b0ff6b2088ee7b38b1577c91a2a.pdf 5b250b1d8e5740b5867c6a6b76783e66 https://archive.unjuno.org/files/original/99884539ebf3120c5d0e2f902b093ae8.pdf 509fb5047262581a747f619eb4f9fd13 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Papers Description An account of the resource 学術論文や記事を収録するコレクション。要約・考察を含め、学術的インプットとアウトプットを管理する。 Subject The topic of the resource Papers Articles Research Language A language of the resource ja en Rights Information about rights held in and over the resource メタデータ: CC BY 4.0。資料は各所蔵・公開規約に従う。 Publisher An entity responsible for making the resource available unjuno’s Research Library Date A point or period of time associated with an event in the lifecycle of the resource 2025-09-05 Creator An entity primarily responsible for making the resource unjuno Source A related resource from which the described resource is derived 学術誌 Preprints DOI Relation A related resource Theories Analyses Projects Identifier An unambiguous reference to the resource within a given context COL-Papers Paper 本コレクションは、学術論文・研究報告・技術文書を体系的に管理し、学術的知識の蓄積と共有を促進することを目的とする。 Status 状態・進捗状況。draft（下書き）、in_progress（進行中）、review（レビュー中）、published（公開済み）、archived（アーカイブ）から選択。 draft Abstract 要約 テトロドトキシン(TTX)は強力なNa⁺チャネル阻害毒であり、フグの食品利用を制限してきた。しかしTTXは外因性であり、養殖条件や発酵によって無毒化可能である。本稿では、従来の固体組織ではなく液体抽出状態での分解挙動解析を提案する。この方法は、(1)食品加工における短期無毒化、(2)毒廃液の環境安全処理、(3)分解保証型農薬リード化合物の設計に応用可能である。さらに、生態学的視点からフグの回遊行動・環境条件・生息域と毒性の関係を考察し、毒の獲得・保持・放出のダイナミクスを検討する。副生成物の毒性評価・旨味成分保持・環境分解過程の検証を含む体系的研究により、フグ資源の有効利用と環境負荷低減が同時に達成される可能性を示す。 Keywords キーワード テトロドトキシン, フグ毒, 液体系分解, 食品科学, 水産学, 農薬科学, 生態学, プレプリント Citation_Count 被引用数 Feedback 感想・コメント・所感。自由記述で入力してください。HTMLタグも使用可能です。 この研究アイデアは「フグを無毒化養殖できるのではないか」という着想から出発した。そこから、液体系での毒分解に着目することで、食品資源化や廃液処理、さらには分解性農薬設計にまで展開できる可能性に気づき、仮説を立てて体系化した。本プレプリントはその第一歩であり、実験的検証や他研究者からのフィードバックを期待している。 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource フグ毒テトロドトキシンの液体系分解研究：食品資源化と分解性農薬設計への展望 Description An account of the resource 本研究はテトロドトキシン（TTX）の液体系分解に着目し、食品資源化、廃液処理、分解性農薬リード化合物設計への応用を提案するものである。生態学的考察を含め、沖合個体の低毒性報告や汽水域移動仮説を整理し、学際的意義を提示する。 Subject The topic of the resource フグ毒, テトロドトキシン, 液体系分解, 食品科学, 水産学, 農薬科学, 生態学 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-09-13 Date A point or period of time associated with an event in the lifecycle of the resource 2025-09-13 Date Issued Date of formal issuance (e.g., publication) of the resource. 2025-09-13 Source A related resource from which the described resource is derived 本稿は自作の考察に基づくプレプリント Identifier An unambiguous reference to the resource within a given context unjuno.org/preprint/2025-TTX01 Rights Information about rights held in and over the resource CC BY 4.0 © unjuno, 2025 https://creativecommons.org/licenses/by/4.0/ Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div> <div><span># 運動学・ヤコビ行列と偏微分</span></div> <br /> <div><span>## ロボットアームの運動方程式の各項</span></div> <br /> <div><span>### DΘ' = 粘性摩擦力の項</span></div> <br /> <div><span>-</span><span> </span><span>`Θ'`</span><span>の部分は角速度</span></div> <div><span>-</span><span> </span><span>`D`</span><span>の部分は定数行列</span></div> <div><span>-</span><span> これらの両者の積として粘性摩擦力を示している</span></div> <div><span>-</span><span> これらは速度に比例する</span></div> <br /> <div><span>#### 粘性とは？</span></div> <br /> <div><span>オイル・グリースなどの潤滑油の粘性によって起きる摩擦。</span></div> <div><span>一般的に粘性が高いと必要なトルクは大きくなる。</span></div> <br /> <div><span>例として小麦粉などで作られるダイラント流体などがあるが、これは通常使われないため考慮されていない。</span></div> <div><span>これらの特殊なものを使う場合は、この方程式の項について特殊項を代わりに使うことになる。</span></div> <br /> <div><span>### f(Θ) 動摩擦力の項</span></div> <br /> <div><span>ある物体があるとき：</span></div> <div><span>-</span><span> 動きている時には動摩擦力が発生する</span></div> <div><span>-</span><span> 止まっているとき静止摩擦力が発生する</span></div> <br /> <div><span>静止摩擦力はテーブルを傾けることで推定でき、</span></div> <div><span>静止摩擦力を求めることによって、動摩擦力も実際の動作から逆算することによって推定できる。</span></div> <br /> <div><span>ある物体に垂直抗力Ｎがあるとき：</span></div> <div><span>-</span><span> 水平時は抗力が一般的には最大となる</span></div> <div><span>-</span><span> これがΘだけ傾いたとき、この抗力は上方向のベクトルと地面と水平ベクトルに分解される</span></div> <div><span>-</span><span> 傾いている時には $</span><span>N </span><span>\</span><span>sin </span><span>\</span><span>Theta$</span><span> で表すことができる</span></div> <br /> <div><span>これはアームの角度により変化する関数として考えることができ、</span></div> <div><span>`f(Θ)`</span><span>で表すことができる。</span></div> <div><span>これは1以下の数の積である力を減衰するものとして表せられる。</span></div> <br /> <div><span>### g(Θ) 重力項</span></div> <br /> <div><span>ある機械のパーツがあったとして、その慣性モーメントとして考えた場合に、その角度と場所によってそこにかかる重力によってかかる力は変わる。</span></div> <br /> <div><span>重力によるモーメントは以下の式によって求められる：</span></div> <div><span>$$</span></div> <div><span>\</span><span>tau = m </span><span>\</span><span>cdot l </span><span>\</span><span>cdot g</span></div> <div><span>$$</span></div> <div><span>ここで：</span></div> <div><span>-</span><span> </span><span>`m`</span><span>: 質量</span></div> <div><span>-</span><span> </span><span>`l`</span><span>: 重心までの距離</span></div> <div><span>-</span><span> </span><span>`g`</span><span>: 重力加速度</span></div> <br /> <div><span>これらを行列で表したものがこの重力項の定義だといえる。</span></div> <div><span>（注：重力項は重力が原因であるが、軸と角度がないとモーメントとして表現できないため、角度Θの関数として表現される）</span></div> <br /> <div><span>### 小まとめ</span></div> <br /> <div><span>ロボットアームの姿勢により、各関節に必要となるトルクが変化する。</span></div> <br /><br /> <div><span>**数式で表現できるということは近似的に計算機で計算できるということである。**</span></div> <br /> <div><span>→ 物理エンジンでシミュレーションできる</span></div> <div><span>→ いろいろな力をあらかじめ予想したりできる（制御精度も向上される）</span></div> <br /> <div><span>## 運動学と動力学の違い</span></div> <br /> <div><span>-</span><span> </span><span>**動力学**</span><span>：力、加速度、速度、位置</span></div> <div><span>  </span><span>-</span><span> 運動方程式で表現する</span></div> <div><span>  </span></div> <div><span>-</span><span> </span><span>**運動学**</span><span>：</span><span>**位置関係のみ**</span></div> <div><span>  </span><span>-</span><span> 力や加速度を考慮せず、位置と角度の関係のみを扱う</span></div> <br /><br /> <div><span>## 順運動学の基礎</span></div> <br /> <div><span>### ロボットアームの表現</span></div> <br /> <div><span>| 関節 | 1 | 2 | 3 | 4 | 位置 |</span></div> <div><span>|------|---|---|---|---|------|</span></div> <div><span>| 角度 | Θ_1 | Θ_2 | Θ_3 | Θ_4 | P(x,y,z) |</span></div> <br /> <div><span>### 順運動学</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>Theta = (</span><span>\</span><span>Theta_</span><span>1</span><span>, </span><span>\</span><span>Theta_</span><span>2</span><span>, </span><span>\</span><span>Theta_</span><span>3</span><span>) </span><span>\</span><span>rightarrow P = (x_p, y_p, z_p)</span></div> <div><span>$$</span></div> <br /> <div><span>それぞれの角度から場所を計算によって特定する方向。</span></div> <div><span>＊これは解が一つある、その動きの結果から演算するため。</span></div> <br /> <div><span>## 逆運動学の概要</span></div> <br /> <div><span>ある動作をしたいときに各関節の角度の動きをどう動かすか考えることを逆運動学という</span></div> <div><span>この考え方には問題があって</span></div> <br /> <div><span>1.</span><span> 解が１つの場合と</span></div> <div><span>2.</span><span> 解が複数の場合</span></div> <div><span>3.</span><span> 解なし</span></div> <div><span>4.</span><span> 計算不能（計算の数式が不明）</span></div> <br /><br /> <div><span>## 動力学</span></div> <br /> <div><span>### 順動力学</span></div> <br /> <div><span>入力：関節トルク（τ）</span></div> <div><span>出力：手先の</span></div> <div><span>-</span><span> 位置</span></div> <div><span>-</span><span> 速度</span></div> <div><span>-</span><span> 加速度</span></div> <div><span>-</span><span> 力</span></div> <br /> <div><span>＊トルクを与える（トルクとは回転する力τで表せられる。）</span></div> <div><span>＊入力するトルクから運動パラメータを算出する方法。</span></div> <br /> <div><span>### 逆動力学</span></div> <br /> <div><span>入力：手先の</span></div> <div><span>-</span><span> 位置</span></div> <div><span>-</span><span> 速度</span></div> <div><span>-</span><span> 加速度</span></div> <br /> <div><span>出力：関節トルク</span></div> <br /> <div><span>＊運動パラメータから各関節のトルクを算出する。</span></div> <br /> <div><span>## 2自由度アームの順運動学例</span></div> <br /> <div><span>２自由度アーム（独立して動かせる関節が２か所）</span></div> <br /> <div><span>### 図１ ２自由度アームの順運動学の例</span></div> <br /> <div><span>```</span></div> <div><span>                    P(X, Y)</span></div> <div><span>                       *</span></div> <div><span>                      /|</span></div> <div><span>                     / |</span></div> <div><span>                  l2/  |</span></div> <div><span>                   /   |</span></div> <div><span>                  /    |</span></div> <div><span>                 /     |</span></div> <div><span>                * 関節2</span></div> <div><span>               /|</span></div> <div><span>              / |θ2</span></div> <div><span>           l1/  |</span></div> <div><span>            /   |</span></div> <div><span>           /    |</span></div> <div><span>          /     |</span></div> <div><span>         * 関節1</span></div> <div><span>        /|</span></div> <div><span>       / |θ1</span></div> <div><span>      /  |</span></div> <div><span>     /   |</span></div> <div><span>    /    |</span></div> <div><span>   *-----+--------&gt; X軸（水平線）</span></div> <div><span>  O(原点)|</span></div> <div><span>         |</span></div> <div><span>         v</span></div> <div><span>       Y軸</span></div> <div><span>```</span></div> <br /> <div><span>角度の関係:</span></div> <div><span>-</span><span> θ1: 第1リンクの角度（水平軸からの角度）</span></div> <div><span>-</span><span> θ2: 第2リンクの角度（第1リンクからの相対角度）</span></div> <div><span>-</span><span> 第2リンクの絶対角度 = θ1 + θ2（水平軸からの角度）</span></div> <br /> <div><span>-</span><span> 原点Oから始まる2リンクアーム</span></div> <div><span>-</span><span> 第1リンク：長さ</span><span>`l1`</span><span>、角度</span><span>`θ1`</span><span>（水平軸からの角度）</span></div> <div><span>-</span><span> 第2リンク：長さ</span><span>`l2`</span><span>、角度</span><span>`θ2`</span><span>（第1リンクからの相対角度）</span></div> <div><span>-</span><span> 手先位置：</span><span>`P(X, Y)`</span></div> <div><span>-</span><span> 関節1、関節2が各リンクの接続点</span></div> <br /> <div><span>### 順運動学の式</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>X_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>Y_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>#### ロボット工学の略記法</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>C_</span><span>1</span><span> &amp;= </span><span>\</span><span>cos </span><span>\</span><span>theta_</span><span>1</span><span> \\</span></div> <div><span>S_</span><span>1</span><span> &amp;= </span><span>\</span><span>sin </span><span>\</span><span>theta_</span><span>1</span><span> \\</span></div> <div><span>C_{</span><span>12</span><span>} &amp;= </span><span>\</span><span>cos (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>S_{</span><span>12</span><span>} &amp;= </span><span>\</span><span>sin (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>略記法を使うと：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>X_p &amp;= l_</span><span>1</span><span> C_</span><span>1</span><span> + l_</span><span>2</span><span> C_{</span><span>12</span><span>} \\</span></div> <div><span>Y_p &amp;= l_</span><span>1</span><span> S_</span><span>1</span><span> + l_</span><span>2</span><span> S_{</span><span>12</span><span>}</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>### 図２ 三角関数おさらい</span></div> <br /> <div><span>```</span></div> <div><span>        *</span></div> <div><span>       /|</span></div> <div><span>      / |</span></div> <div><span>   c /  | a</span></div> <div><span>    /   |</span></div> <div><span>   / θ  |</span></div> <div><span>  *-----*</span></div> <div><span>     b</span></div> <div><span>```</span></div> <br /> <div><span>記号の意味:</span></div> <div><span>-</span><span> θ: 角度</span></div> <div><span>-</span><span> a: 角度θの対辺</span></div> <div><span>-</span><span> b: 角度θの隣辺</span></div> <div><span>-</span><span> c: 斜辺</span></div> <br /> <div><span>直角三角形において：</span></div> <div><span>-</span><span> 斜辺：</span><span>`c`</span></div> <div><span>-</span><span> 角度</span><span>`θ`</span><span>の対辺：</span><span>`a`</span></div> <div><span>-</span><span> 角度</span><span>`θ`</span><span>の隣辺：</span><span>`b`</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>cos </span><span>\</span><span>theta &amp;= </span><span>\</span><span>frac</span><span>{b}{c} \\</span></div> <div><span>\</span><span>sin </span><span>\</span><span>theta &amp;= </span><span>\</span><span>frac</span><span>{a}{c} \\</span></div> <div><span>\</span><span>tan </span><span>\</span><span>theta &amp;= </span><span>\</span><span>frac</span><span>{a}{b}</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>### 図３ 1リンクアームの場合</span></div> <br /> <div><span>```</span></div> <div><span>     P(Xp, Yp)</span></div> <div><span>        *</span></div> <div><span>       /|</span></div> <div><span>      / |</span></div> <div><span>     /  | Yp</span></div> <div><span>  l /   |</span></div> <div><span>   /    |</span></div> <div><span>  / θ   |</span></div> <div><span> *------+----&gt; X軸</span></div> <div><span>O(原点) Xp</span></div> <div><span> |</span></div> <div><span> |</span></div> <div><span> v</span></div> <div><span>Y軸</span></div> <div><span>```</span></div> <br /> <div><span>原点Oから長さ</span><span>`l`</span><span>のリンクが角度</span><span>`θ`</span><span>で配置されている場合：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>cos </span><span>\</span><span>theta &amp;= </span><span>\</span><span>frac</span><span>{X_p}{l} \\</span></div> <div><span>\</span><span>sin </span><span>\</span><span>theta &amp;= </span><span>\</span><span>frac</span><span>{Y_p}{l}</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>両辺に</span><span>`l`</span><span>をかけると：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>X_p &amp;= l </span><span>\</span><span>cos </span><span>\</span><span>theta \\</span></div> <div><span>Y_p &amp;= l </span><span>\</span><span>sin </span><span>\</span><span>theta</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>### 図４ 2リンクアームの成分分解</span></div> <br /> <div><span>```</span></div> <div><span>                    P(Xp, Yp)</span></div> <div><span>                       *</span></div> <div><span>                      /|</span></div> <div><span>                     / |</span></div> <div><span>                  l2/  |</span></div> <div><span>                   /   |</span></div> <div><span>                  /    |</span></div> <div><span>                 /     |</span></div> <div><span>                * 関節2</span></div> <div><span>               /|     |</span></div> <div><span>              / |     |</span></div> <div><span>           l1/  |     |</span></div> <div><span>            /   |     |</span></div> <div><span>           /    |     |</span></div> <div><span>          /     |     |</span></div> <div><span>         *------+-----+--------&gt; X軸</span></div> <div><span>      関節1     |     |</span></div> <div><span>         |      |     |</span></div> <div><span>         |②    |④    |</span></div> <div><span>         |      |     |</span></div> <div><span>         *------+-----+</span></div> <div><span>       O(原点) ①    ③</span></div> <div><span>         |</span></div> <div><span>         |</span></div> <div><span>         v</span></div> <div><span>       Y軸</span></div> <div><span>```</span></div> <br /> <div><span>成分の説明:</span></div> <div><span>①: $</span><span>l_</span><span>1</span><span> </span><span>\</span><span>cos </span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>（第1リンクのX成分）→</span></div> <div><span>②: $</span><span>l_</span><span>1</span><span> </span><span>\</span><span>sin </span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>（第1リンクのY成分）</span></div> <div><span>③: $</span><span>l_</span><span>2</span><span> </span><span>\</span><span>cos (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span><span>（第2リンクのX成分）→</span></div> <div><span>④: $</span><span>l_</span><span>2</span><span> </span><span>\</span><span>sin (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span><span>（第2リンクのY成分）</span></div> <br /> <div><span>手先位置</span><span>`P(Xp, Yp)`</span><span>はこれらの成分の和：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>X_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>Y_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>### 図５ 角度の関係</span></div> <br /> <div><span>```</span></div> <div><span>     |</span></div> <div><span>     |  θ2 (第2リンクの相対角度)</span></div> <div><span>     | /</span></div> <div><span>     |/</span></div> <div><span>     * 関節2</span></div> <div><span>    /|</span></div> <div><span>   / |</span></div> <div><span>  /  | θ1 (第1リンクの角度)</span></div> <div><span> /   |</span></div> <div><span>*----+--------&gt; X軸</span></div> <div><span>O   θ1+θ2 (第2リンクの絶対角度)</span></div> <div><span>|</span></div> <div><span>v</span></div> <div><span>Y軸</span></div> <div><span>```</span></div> <br /> <div><span>2リンクアームにおける角度の関係：</span></div> <div><span>-</span><span> 第1リンクの角度：</span><span>`θ1`</span><span>（水平軸からの角度）</span></div> <div><span>-</span><span> 第2リンクの角度：</span><span>`θ2`</span><span>（第1リンクからの相対角度）</span></div> <div><span>-</span><span> 第2リンクの絶対角度：</span><span>`θ1 + θ2`</span><span>（水平軸からの角度）</span></div> <br /> <div><span>よって、順運動学の式は：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>X_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>Y_p &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin </span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /><br /><br /><br /><br /><br /><br /></div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学１０ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-11-26 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div> <div><span># 同次変換行列とヤコビ行列</span></div> <br /> <div><span>## 導入：2自由度から3自由度への拡張</span></div> <br /> <div><span>前回の内容では、2自由度アームの順運動学を平面上で図解により式を求めました。</span></div> <br /> <div><span>3自由度アーム（立体的）の場合、図解でも式を立てることは可能ですが、複雑でわかりにくくなります。そこで、</span><span>**関節リンクパラメータ**</span><span>を使った表現方法が用いられます。</span></div> <br /> <div><span>### 同次変換行列の必要性</span></div> <br /> <div><span>3次元空間でのロボットアームの位置と姿勢を表現する方法として、</span><span>**同次変換行列**</span><span>（4×4行列）が広く使われます。</span></div> <br /> <div><span>#### なぜ同次変換行列を使うのか？</span></div> <br /> <div><span>-</span><span> </span><span>**回転**</span><span>と</span><span>**平行移動**</span><span>を一つの行列で表現できる</span></div> <div><span>-</span><span> 式を単純化し、理解を助けることができる</span></div> <br /> <div><span>別の方法として、回転を3×3行列$\</span><span>mathbf</span><span>{R}$</span><span>、平行移動を</span><span>3</span><span>次元ベクトル$</span><span>\</span><span>mathbf</span><span>{P}$で別々に表現する方法もありますが、同次変換行列を使うことで座標変換の式がシンプルになります。</span></div> <br /> <div><span>## 同次変換行列の定義</span></div> <br /> <div><span>### 数学的定義</span></div> <br /> <div><span>同次変換行列$\</span><span>mathbf</span><span>{T}$は以下のように定義されます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{T} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>mathbf</span><span>{R} &amp; </span><span>\</span><span>mathbf</span><span>{P} \\</span></div> <div><span>\</span><span>mathbf</span><span>{</span><span>0</span><span>}^T &amp; </span><span>1</span></div> <div><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>r_{</span><span>11</span><span>} &amp; r_{</span><span>12</span><span>} &amp; r_{</span><span>13</span><span>} &amp; p_x \\</span></div> <div><span>r_{</span><span>21</span><span>} &amp; r_{</span><span>22</span><span>} &amp; r_{</span><span>23</span><span>} &amp; p_y \\</span></div> <div><span>r_{</span><span>31</span><span>} &amp; r_{</span><span>32</span><span>} &amp; r_{</span><span>33</span><span>} &amp; p_z \\</span></div> <div><span>0</span><span> &amp; </span><span>0</span><span> &amp; </span><span>0</span><span> &amp; </span><span>1</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>mathbf</span><span>{R}$</span><span>：回転行列（3×3の直交行列）</span></div> <div><span>-</span><span> $</span><span>\</span><span>mathbf</span><span>{P}$</span><span>：平行移動ベクトル（3次元ベクトル）</span></div> <div><span>-</span><span> $</span><span>\</span><span>mathbf</span><span>{</span><span>0</span><span>}^T$</span><span>：零ベクトルの転置（$</span><span>[</span><span>0</span><span>, </span><span>0</span><span>, </span><span>0</span><span>]$</span><span>）</span></div> <div><span>-</span><span> 最後の行$[0, 0, 0, 1]$は次元合わせのため。これによりベクトルとの積が定義できる</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    subgraph T["同次変換行列 T (4×4)"]</span></div> <div><span>        R["回転行列 R&lt;br/&gt;(3×3)"]</span></div> <div><span>        P["平行移動ベクトル P&lt;br/&gt;(3×1)"]</span></div> <div><span>        Z["零ベクトル 0^T&lt;br/&gt;(1×3)"]</span></div> <div><span>        O["1&lt;br/&gt;(スカラー)"]</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    T --&gt; R</span></div> <div><span>    T --&gt; P</span></div> <div><span>    T --&gt; Z</span></div> <div><span>    T --&gt; O</span></div> <div><span>    </span></div> <div><span>```</span></div> <br /> <div><span>**同次変換行列の構造**</span><span>：回転と平行移動を統一的に表現</span></div> <br /> <div><span>### 回転行列の性質</span></div> <br /> <div><span>回転行列$\</span><span>mathbf</span><span>{R}$は以下の性質を持ちます：</span></div> <br /> <div><span>1.</span><span> </span><span>**直交性**</span><span>：$</span><span>\</span><span>mathbf</span><span>{R}^T </span><span>\</span><span>mathbf</span><span>{R} = </span><span>\</span><span>mathbf</span><span>{I}$</span><span>（単位行列）</span></div> <div><span>2.</span><span> </span><span>**行列式**</span><span>：$</span><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{R}) = </span><span>1</span><span>$</span></div> <div><span>3.</span><span> </span><span>**逆行列**</span><span>：$</span><span>\</span><span>mathbf</span><span>{R}^{-</span><span>1</span><span>} = </span><span>\</span><span>mathbf</span><span>{R}^T$</span></div> <br /> <div><span>## 平行移動と回転の定義</span></div> <br /> <div><span>### 平行移動</span></div> <br /> <div><span>**平行移動**</span><span>とは、物体の位置を向きを変えずに一定の方向に移動させることです。</span></div> <br /> <div><span>-</span><span> 姿勢が変化しない</span></div> <div><span>-</span><span> 3次元ベクトル$\</span><span>mathbf</span><span>{P} = [p_x, p_y, p_z]^T$で表現される</span></div> <br /> <div><span>### 回転</span></div> <br /> <div><span>**回転**</span><span>とは、位置を変えずに向きだけを変えることです。</span></div> <br /> <div><span>-</span><span> 回転は向きを回転させる = 姿勢を回転させる</span></div> <div><span>-</span><span> 回転とは、3次元ベクトルを合同関係のまま軸で回転させることともいえる</span></div> <br /> <div><span>## 回転の表現方法</span></div> <br /> <div><span>3次元空間での回転を表現する方法には、主に以下の3つがあります。</span></div> <br /> <div><span>### 1. ロール・ピッチ・ヨー（Roll, Pitch, Yaw）法</span></div> <br /> <div><span>主に航空機やドローンなど、航空分野でよく使われる回転角の表現方法です。3つの軸周りの回転を順番に指定します。</span></div> <br /> <div><span>-</span><span> </span><span>**ロール（Roll）**</span><span>：機体の前後軸（X軸、進行方向）を中心にした回転。飛行機が「バンク」する動作（左右に傾く）</span></div> <div><span>-</span><span> </span><span>**ピッチ（Pitch）**</span><span>：機体の左右横軸（Y軸）を中心にした回転。機首上げ・下げの動作</span></div> <div><span>-</span><span> </span><span>**ヨー（Yaw）**</span><span>：機体の上下縦軸（Z軸）を中心にした回転。機体が左右を向く滑走路旋回の動作</span></div> <br /> <div><span>この順序で3次元の回転を表せます。ロボットアームの軸順表現にも使われることがあります。</span></div> <br /> <div><span>### 2. オイラー角</span></div> <br /> <div><span>天文分野やロボット工学でも使われる伝統的な回転表現方法です。</span></div> <br /> <div><span>-</span><span> 3つの座標軸または移動座標軸に対して、順番に回転を適用します</span></div> <div><span>-</span><span> オイラー角の回転順序例（ZYX順等）が複数存在し、手法ごとに回転の意味や範囲が変わります</span></div> <div><span>-</span><span> 任意の回転を、「1つ目の軸」→「新しい2つ目の軸」→「新しい3つ目の軸」として表現できます</span></div> <div><span>-</span><span> 使いやすいが、「ジンバルロック」（特定の姿勢で2軸の向きが一致して自由度が減る現象）が起こる場合があります</span></div> <br /> <div><span>### 3. 単位クォータニオン（Quaternion）</span></div> <br /> <div><span>4元数とも言い、回転専用に設計された数学的な表現です。</span></div> <br /> <div><span>-</span><span> ベクトル$(x, y, z)$成分とスカラー成分$w$で構成される計算手法です</span></div> <div><span>-</span><span> 任意の回転軸とその軸周りの回転角$\</span><span>theta</span><span>$を「軸+角度」で簡潔に記述できます</span></div> <div><span>-</span><span> 回転の合成や、連続運動の補間（スムーズな回転）に適します</span></div> <div><span>-</span><span> コンピュータグラフィックスやロボットのアニメーションによく使われます</span></div> <div><span>-</span><span> ジンバルロック問題が発生しません</span></div> <br /> <div><span>### 表現方法の比較</span></div> <br /> <div><span>1と2について、回転軸が重なることがあるので精度をよくしたい場合は3（クォータニオン）を使うことが多いです。</span></div> <br /> <div><span>これらの表現方法に対応する回転行列$\</span><span>mathbf</span><span>{R}$が存在します。</span></div> <br /> <div><span>## 座標変換の理論</span></div> <br /> <div><span>### 同次変換行列による座標変換</span></div> <br /> <div><span>同次変換行列は、</span><span>**姿勢の回転**</span><span>と</span><span>**平行移動**</span><span>を一緒にまとめて表現することで、座標変換の式がシンプルになります。</span></div> <br /> <div><span>### 2次元座標変換の例</span></div> <br /> <div><span>ある直交座標系$\</span><span>Sigma</span><span>_1$と$\</span><span>Sigma</span><span>_2$があるとします。</span></div> <br /> <div><span>ある点$P$を座標系$\</span><span>Sigma</span><span>_1$で表示すると$P(x_1, y_1)$</span><span>、座標系$</span><span>\</span><span>Sigma</span><span>_2$で表示すると$P(x_2, y_2)$</span><span>となる場合、この差が平行移動量$</span><span>\</span><span>Delta</span><span> \</span><span>mathbf</span><span>{P}$であり、これだけ平行移動したと定義できます。</span></div> <br /> <div><span>### 座標変換の一般化</span></div> <br /> <div><span>回転も同じように考えることができます。</span><span>**姿勢**</span><span>とは、この考え方から、自分の見る位置（座標系）が変わると変わるが、そのものの絶対座標が変わらないことを示しているにすぎません。</span></div> <br /> <div><span>座標変換は以下のように表現されます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>mathbf</span><span>{p}' \\ </span><span>1</span><span> </span><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>mathbf</span><span>{T} </span><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>mathbf</span><span>{p} \\ </span><span>1</span><span> </span><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$</span><span>\</span><span>mathbf</span><span>{p}$は変換前の位置ベクトル、$</span><span>\mathbf{p}'$は変換後の位置ベクトルです。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["座標系 Σ₁&lt;br/&gt;点P: (x₁, y₁)"] --&gt;|同次変換行列 T| B["座標系 Σ₂&lt;br/&gt;点P: (x₂, y₂)"]</span></div> <div><span>    </span></div> <div><span>    C["回転 R"] --&gt; T</span></div> <div><span>    D["平行移動 P"] --&gt; T</span></div> <div><span>    </span></div> <div><span>```</span></div> <br /> <div><span>**座標変換の流れ**</span><span>：回転と平行移動を組み合わせて座標を変換</span></div> <br /> <div><span>## 多関節ロボットアームへの応用</span></div> <br /> <div><span>### 座標系の設定</span></div> <br /> <div><span>多関節型ロボットアームでは、2つの接続する関節を見た時、それぞれの関節$\</span><span>theta</span><span>_i$に座標系を設定します。</span></div> <br /> <div><span>-</span><span> 各座標系$\</span><span>Sigma</span><span>_i$ごとに座標系ごとの軸が固定されて計算される</span></div> <div><span>-</span><span> このことによって複雑なものを単純化して計算ができる</span></div> <br /> <div><span>### 同次変換行列の連結</span></div> <br /> <div><span>それらを組み合わせると、それぞれの関節に対して同次変換行列を用いて座標変換を表現できます。</span></div> <br /> <div><span>多軸の場合、その軸の数$n$と同じ数だけ同次変換行列が存在するとみなします。</span></div> <br /> <div><span>3軸の場合を例にすると：</span></div> <div><span>-</span><span> $</span><span>T_</span><span>1</span><span>$</span><span>：関節0から関節1への変換</span></div> <div><span>-</span><span> $</span><span>T_</span><span>2</span><span>$</span><span>：関節1から関節2への変換</span></div> <div><span>-</span><span> $</span><span>T_</span><span>3</span><span>$</span><span>：関節2から関節3への変換</span></div> <br /> <div><span>これを任意の軸の座標系ということを示すと、以下のように書けます：</span></div> <br /> <div><span>-</span><span> $</span><span>{}^</span><span>0</span><span>\</span><span>mathbf</span><span>{T}_</span><span>1</span><span>$</span><span>：座標系0から見た座標系1への変換</span></div> <div><span>-</span><span> $</span><span>{}^</span><span>1</span><span>\</span><span>mathbf</span><span>{T}_</span><span>2</span><span>$</span><span>：座標系1から見た座標系2への変換</span></div> <div><span>-</span><span> $</span><span>{}^</span><span>2</span><span>\</span><span>mathbf</span><span>{T}_</span><span>3</span><span>$</span><span>：座標系2から見た座標系3への変換</span></div> <br /> <div><span>これはある軸から見たものを表示しているので、線形代数を使うと以下のように表示できます：</span></div> <br /> <div><span>$$</span></div> <div><span>{}^</span><span>0</span><span>\</span><span>mathbf</span><span>{T}_</span><span>3</span><span> = {}^</span><span>0</span><span>\</span><span>mathbf</span><span>{T}_</span><span>1</span><span> </span><span>\</span><span>cdot</span><span> {}^</span><span>1</span><span>\</span><span>mathbf</span><span>{T}_</span><span>2</span><span> </span><span>\</span><span>cdot</span><span> {}^</span><span>2</span><span>\</span><span>mathbf</span><span>{T}_</span><span>3</span></div> <div><span>$$</span></div> <br /> <div><span>結果的に、この数式で同次変換行列に相当するものを使うことができます。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    Σ0["座標系 Σ₀&lt;br/&gt;(ベース)"] --&gt;|T₁| Σ1["座標系 Σ₁&lt;br/&gt;(関節1)"]</span></div> <div><span>    Σ1 --&gt;|T₂| Σ2["座標系 Σ₂&lt;br/&gt;(関節2)"]</span></div> <div><span>    Σ2 --&gt;|T₃| Σ3["座標系 Σ₃&lt;br/&gt;(手先)"]</span></div> <div><span>    </span></div> <div><span>    Σ0 -.-&gt;|T₃ = T₁·T₂·T₃| Σ3</span></div> <div><span>    </span></div> <div><span>```</span></div> <br /> <div><span>**多関節アームの座標系連結**</span><span>：各関節の座標系を順次変換して手先位置を計算</span></div> <br /> <div><span>### 順運動学と逆運動学</span></div> <br /> <div><span>1自由度アームの例：</span></div> <br /> <div><span>-</span><span> </span><span>**順運動学**</span><span>：解が必ず1つ存在する（関節角から手先位置を求める）</span></div> <div><span>-</span><span> </span><span>**逆運動学**</span><span>：解が存在しないとき、解が複数ある、解が1つある（手先位置から関節角を求める）</span></div> <br /> <div><span>各関節に相当する同次変換行列を連結することで、順運動学を計算できます。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart TB</span></div> <div><span>    subgraph FK["順運動学 Forward Kinematics"]</span></div> <div><span>        θ["関節角&lt;br/&gt;θ = [θ₁, θ₂, ..., θₙ]"] --&gt;|同次変換行列の連結| P["手先位置・姿勢&lt;br/&gt;P = [x, y, z, φ]"]</span></div> <div><span>        direction LR</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    subgraph IK["逆運動学 Inverse Kinematics"]</span></div> <div><span>        P2["手先位置・姿勢&lt;br/&gt;P = [x, y, z, φ]"] --&gt;|数値解法・解析解法| θ2["関節角&lt;br/&gt;θ = [θ₁, θ₂, ..., θₙ]"]</span></div> <div><span>        direction LR</span></div> <div><span>    end</span></div> <div><span>    </span></div> <br /> <div><span>```</span></div> <br /> <div><span>**順運動学と逆運動学の関係**</span><span>：順運動学は一意解、逆運動学は解が0個・1個・複数個の可能性</span></div> <br /> <div><span>## Denavit-Hartenberg記法</span></div> <br /> <div><span>### 概要</span></div> <br /> <div><span>同次変換行列の作り方として、</span><span>**Denavit-Hartenberg記法**</span><span>（D-H記法）が広く使われています。</span></div> <br /> <div><span>1つの関節について4つのパラメータで表現します。</span></div> <br /> <div><span>### 4つのパラメータ</span></div> <br /> <div><span>D-H記法では、隣接する2つのリンク間の関係を以下の4つのパラメータで記述します：</span></div> <br /> <div><span>1.</span><span> </span><span>**$</span><span>a_i$</span><span>**</span><span>（リンク長）：隣接する2つの関節軸間の最短距離（共通垂線の長さ）</span></div> <div><span>2.</span><span> </span><span>**$</span><span>d_i$</span><span>**</span><span>（リンクオフセット）：前の関節軸から次の関節軸への共通垂線に沿った距離</span></div> <div><span>3.</span><span> </span><span>**$</span><span>\alpha_i$</span><span>**</span><span>（リンクねじれ角）：前の関節軸から次の関節軸への共通垂線周りの回転角</span></div> <div><span>4.</span><span> </span><span>**$</span><span>\theta_i$</span><span>**</span><span>（関節角）：前の関節軸から次の関節軸への共通垂線に垂直な軸周りの回転角</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    subgraph DH["Denavit-Hartenberg記法の4パラメータ"]</span></div> <div><span>        a["aᵢ: リンク長&lt;br/&gt;共通垂線の長さ&lt;br/&gt;(定数)"]</span></div> <div><span>        d["dᵢ: リンクオフセット&lt;br/&gt;共通垂線に沿った距離&lt;br/&gt;(回転関節: 定数&lt;br/&gt;直動関節: 変数)"]</span></div> <div><span>        α["αᵢ: リンクねじれ角&lt;br/&gt;共通垂線周りの回転角&lt;br/&gt;(定数)"]</span></div> <div><span>        θ["θᵢ: 関節角&lt;br/&gt;共通垂線に垂直な軸周りの回転角&lt;br/&gt;(回転関節: 変数&lt;br/&gt;直動関節: 定数)"]</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    a --&gt; T["同次変換行列&lt;br/&gt;Tᵢ"]</span></div> <div><span>    d --&gt; T</span></div> <div><span>    α --&gt; T</span></div> <div><span>    θ --&gt; T</span></div> <div><span>    </span></div> <div><span>```</span></div> <br /> <div><span>**D-H記法のパラメータ**</span><span>：4つのパラメータから同次変換行列を生成</span></div> <br /> <div><span>### パラメータの定数/変数の判定</span></div> <br /> <div><span>-</span><span> </span><span>**回転関節**</span><span>の場合：$\</span><span>theta</span><span>_i$が変数、$a_i, d_i, \</span><span>alpha</span><span>_i$が定数</span></div> <div><span>-</span><span> </span><span>**直動関節**</span><span>の場合：$d_i$が変数、$a_i, \</span><span>alpha</span><span>_i, \</span><span>theta</span><span>_i$が定数</span></div> <br /> <div><span>### 同次変換行列への変換</span></div> <br /> <div><span>D-Hパラメータから同次変換行列${}^{i-1}\</span><span>mathbf</span><span>{T}_i$は以下のように求められます：</span></div> <br /> <div><span>$$</span></div> <div><span>{}^{i-</span><span>1</span><span>}</span><span>\</span><span>mathbf</span><span>{T}_i = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>cos</span><span>\</span><span>theta_i &amp; -</span><span>\</span><span>sin</span><span>\</span><span>theta_i </span><span>\</span><span>cos</span><span>\</span><span>alpha_i &amp; </span><span>\</span><span>sin</span><span>\</span><span>theta_i </span><span>\</span><span>sin</span><span>\</span><span>alpha_i &amp; a_i </span><span>\</span><span>cos</span><span>\</span><span>theta_i \\</span></div> <div><span>\</span><span>sin</span><span>\</span><span>theta_i &amp; </span><span>\</span><span>cos</span><span>\</span><span>theta_i </span><span>\</span><span>cos</span><span>\</span><span>alpha_i &amp; -</span><span>\</span><span>cos</span><span>\</span><span>theta_i </span><span>\</span><span>sin</span><span>\</span><span>alpha_i &amp; a_i </span><span>\</span><span>sin</span><span>\</span><span>theta_i \\</span></div> <div><span>0</span><span> &amp; </span><span>\</span><span>sin</span><span>\</span><span>alpha_i &amp; </span><span>\</span><span>cos</span><span>\</span><span>alpha_i &amp; d_i \\</span></div> <div><span>0</span><span> &amp; </span><span>0</span><span> &amp; </span><span>0</span><span> &amp; </span><span>1</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>### 参考資料</span></div> <br /> <div><span>詳細については、以下の資料を参照してください：</span></div> <div><span>-</span><span> https://qiita.com/takeshiD/items/7bd5cf88a66a3ff59358</span></div> <br /> <div><span>## ヤコビ行列と偏微分</span></div> <br /> <div><span>### 速度ヤコビ行列の定義</span></div> <br /> <div><span>ロボットアームの手先速度と関節角速度の関係を表す行列を</span><span>**速度ヤコビ行列**</span><span>（または単に</span><span>**ヤコビ行列**</span><span>）と呼びます。</span></div> <br /> <div><span>手先位置を$\</span><span>mathbf</span><span>{p} = [x, y, z]^T$、関節角を$\</span><span>boldsymbol</span><span>{\</span><span>theta</span><span>} = [\</span><span>theta</span><span>_1, \</span><span>theta</span><span>_2, \</span><span>ldots</span><span>, \</span><span>theta</span><span>_n]^T$とすると、手先速度$\</span><span>dot</span><span>{\</span><span>mathbf</span><span>{p}}$</span><span>と関節角速度$</span><span>\</span><span>dot</span><span>{\</span><span>boldsymbol</span><span>{\</span><span>theta</span><span>}}$の関係は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}} = </span><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$\</span><span>mathbf</span><span>{J}(\</span><span>boldsymbol</span><span>{\</span><span>theta</span><span>})$が速度ヤコビ行列です。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    jointvel["関節角速度 θ̇ = [θ̇₁, θ̇₂, ..., θ̇ₙ]"] --&gt;|ヤコビ行列 J| tcpvel["手先速度 ṗ = [ẋ, ẏ, ż]"]</span></div> <br /> <div><span>    Jmat["J(θ) = ∂p/∂θ (3×n行列)"] --&gt; tcpvel</span></div> <br /> <div><span>    subgraph Calc["計算方法"]</span></div> <div><span>        FK["順運動学: p = f(θ)"] --&gt; Diff["偏微分: Jᵢⱼ = ∂pᵢ/∂θⱼ"]</span></div> <div><span>        Diff --&gt; Jmat</span></div> <div><span>    end</span></div> <br /> <div><span>```</span></div> <br /> <div><span>**ヤコビ行列の関係**</span><span>：関節角速度から手先速度への変換</span></div> <br /> <div><span>### 偏微分による導出</span></div> <br /> <div><span>ヤコビ行列は、順運動学の式を各関節角で偏微分することで求められます。</span></div> <br /> <div><span>手先位置が関節角の関数として$\</span><span>mathbf</span><span>{p} = \</span><span>mathbf</span><span>{f}(\</span><span>boldsymbol</span><span>{\</span><span>theta</span><span>})$と表されるとき、ヤコビ行列の各要素は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{J}_{ij} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial p_i}{</span><span>\</span><span>partial </span><span>\</span><span>theta_j} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial f_i(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta})}{</span><span>\</span><span>partial </span><span>\</span><span>theta_j}</span></div> <div><span>$$</span></div> <br /> <div><span>つまり、ヤコビ行列は以下のように表されます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp; </span><span>\</span><span>cdots &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_n} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp; </span><span>\</span><span>cdots &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_n} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp; </span><span>\</span><span>cdots &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial </span><span>\</span><span>theta_n}</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>### 2自由度アームの例</span></div> <br /> <div><span>2自由度アームの場合、順運動学は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>x &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>y &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>ヤコビ行列は各要素を偏微分することで：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{J} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>-l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) &amp; -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) &amp; l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>### 特異点</span></div> <br /> <div><span>ヤコビ行列の行列式が0になる点を</span><span>**特異点**</span><span>と呼びます。</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) = </span><span>0</span></div> <div><span>$$</span></div> <br /> <div><span>特異点では：</span></div> <div><span>-</span><span> ヤコビ行列が正則でなくなる（逆行列が存在しない）</span></div> <div><span>-</span><span> 手先の特定の方向に動かすことができない</span></div> <div><span>-</span><span> 逆運動学の解が不安定になる</span></div> <br /> <div><span>```mermaid</span></div> <div><span>stateDiagram-v2</span></div> <div><span>    [*] --&gt; 通常状態: det(J) ≠ 0</span></div> <div><span>    通常状態 --&gt; 特異点: det(J) = 0</span></div> <div><span>    特異点 --&gt; 通常状態: det(J) ≠ 0</span></div> <div><span>    </span></div> <div><span>    通常状態: 逆行列が存在&lt;br/&gt;手先を任意方向に動かせる</span></div> <div><span>    特異点: 逆行列が存在しない&lt;br/&gt;特定方向に動かせない&lt;br/&gt;解が不安定</span></div> <div><span>    </span></div> <div><span>    note right of 特異点</span></div> <div><span>        例：2自由度アームが</span></div> <div><span>        完全に伸びきった状態</span></div> <div><span>        または完全に折りたたまれた状態</span></div> <div><span>    end note</span></div> <div><span>```</span></div> <br /> <div><span>**特異点の状態遷移**</span><span>：ヤコビ行列の行列式が0になると特異点となる</span></div> <br /> <div><span>### 逆ヤコビ行列と逆運動学</span></div> <br /> <div><span>逆運動学では、手先速度から関節角速度を求める必要があります。</span></div> <br /> <div><span>ヤコビ行列が正則（逆行列が存在する）場合：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}} = </span><span>\</span><span>mathbf</span><span>{J}^{-</span><span>1</span><span>}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}}</span></div> <div><span>$$</span></div> <br /> <div><span>ただし、特異点では逆行列が存在しないため、擬似逆行列$\</span><span>mathbf</span><span>{J}^+$を使うなどの方法が用いられます。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart TB</span></div> <div><span>    PDOT["手先速度&lt;br/&gt;$\dot{\mathbf{p}} = [\dot{x}, \dot{y}, \dot{z}]$"]</span></div> <div><span>    PDOT --&gt; CHECK</span></div> <div><span>    CHECK{"det(J) = 0?"}</span></div> <div><span>    CHECK -- "No: 正則" --&gt; INV["逆行列 $J^{-1}$&lt;br/&gt;$\dot{\theta} = J^{-1} \dot{\mathbf{p}}$"]</span></div> <div><span>    CHECK -- "Yes: 特異点" --&gt; PSEUDO["擬似逆行列 $J^{+}$&lt;br/&gt;$\dot{\theta} = J^{+} \dot{\mathbf{p}}$"]</span></div> <div><span>    INV --&gt; OUT1["関節角速度&lt;br/&gt;$\dot{\theta}$"]</span></div> <div><span>    PSEUDO --&gt; OUT2["関節角速度&lt;br/&gt;$\dot{\theta}$(近似解)"]</span></div> <div><span>```</span></div> <br /> <div><span>**逆ヤコビ行列による逆運動学**</span><span>：正則な場合は逆行列、特異点では擬似逆行列を使用</span></div> <br /> <div><span>### 位置ヤコビ行列</span></div> <br /> <div><span>手先位置だけでなく、姿勢（向き）も考慮する場合、</span><span>**位置ヤコビ行列**</span><span>が用いられます。</span></div> <br /> <div><span>手先の位置と姿勢を合わせた6次元ベクトル$\</span><span>mathbf</span><span>{x} = [\</span><span>mathbf</span><span>{p}^T, \</span><span>boldsymbol</span><span>{\</span><span>phi</span><span>}^T]^T$（$\</span><span>boldsymbol</span><span>{\</span><span>phi</span><span>}$は姿勢表現）に対して：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{x}} = </span><span>\</span><span>mathbf</span><span>{J}_x(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$\</span><span>mathbf</span><span>{J}_x$は6×$n$の位置ヤコビ行列です。</span></div> </div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学１１ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-12-01 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div> <div><span># 2自由度アームのヤコビ行列</span></div> <br /> <div><span>## 順運動学と逆運動学の比較</span></div> <br /> <div><span>### 順運動学（Forward Kinematics）</span></div> <br /> <div><span>**定義**</span><span>：関節角から手先位置・姿勢を求める問題</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{入力：関節角} </span><span>\</span><span>quad </span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta} = [</span><span>\</span><span>theta_</span><span>1</span><span>, </span><span>\</span><span>theta_</span><span>2</span><span>, </span><span>\</span><span>ldots, </span><span>\</span><span>theta_n]^T</span></div> <div><span>$$</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{出力：手先位置・姿勢} </span><span>\</span><span>quad </span><span>\</span><span>mathbf</span><span>{p} = [x, y, z, </span><span>\</span><span>phi_x, </span><span>\</span><span>phi_y, </span><span>\</span><span>phi_z]^T</span></div> <div><span>$$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["関節角&lt;br/&gt;θ = [θ₁, θ₂, ..., θₙ]"] --&gt;|順運動学| B["手先位置・姿勢&lt;br/&gt;p = [x, y, z, φ]"]</span></div> <div><span>    direction LR</span></div> <div><span>```</span></div> <br /> <div><span>**特徴**</span><span>：</span></div> <div><span>-</span><span> </span><span>**解析的に求めることができる**</span><span>（機械的に）</span></div> <div><span>-</span><span> Denavit-Hartenberg記法などの手法を用いて、同次変換行列の連結により計算可能</span></div> <div><span>-</span><span> </span><span>**解が必ず1つ存在する**</span><span>（一意解）</span></div> <br /> <div><span>**方法**</span><span>：</span></div> <div><span>-</span><span> Denavit-Hartenberg（D-H）記法</span></div> <div><span>-</span><span> 同次変換行列の連結</span></div> <div><span>-</span><span> 幾何学的計算</span></div> <br /> <div><span>### 逆運動学（Inverse Kinematics）</span></div> <br /> <div><span>**定義**</span><span>：手先位置・姿勢から関節角を求める問題</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{入力：手先位置・姿勢} </span><span>\</span><span>quad </span><span>\</span><span>mathbf</span><span>{p} = [x, y, z, </span><span>\</span><span>phi_x, </span><span>\</span><span>phi_y, </span><span>\</span><span>phi_z]^T</span></div> <div><span>$$</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{出力：関節角} </span><span>\</span><span>quad </span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta} = [</span><span>\</span><span>theta_</span><span>1</span><span>, </span><span>\</span><span>theta_</span><span>2</span><span>, </span><span>\</span><span>ldots, </span><span>\</span><span>theta_n]^T</span></div> <div><span>$$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["手先位置・姿勢&lt;br/&gt;p = [x, y, z, φ]"] --&gt;|逆運動学| B["関節角&lt;br/&gt;θ = [θ₁, θ₂, ..., θₙ]"]</span></div> <div><span>    direction LR</span></div> <div><span>```</span></div> <br /> <div><span>**問題点**</span><span>：</span></div> <div><span>-</span><span> </span><span>**求めることが難しい場合がある**</span></div> <div><span>-</span><span> 解が存在しない場合がある</span></div> <div><span>-</span><span> 解が複数存在する場合がある（多値性）</span></div> <div><span>-</span><span> 解析的な解が得られない場合がある</span></div> <br /> <div><span>**解決策**</span><span>：</span><span>**ヤコビ行列の利用**</span></div> <br /> <div><span>## ヤコビ行列の基本</span></div> <br /> <div><span>### 1変数関数の場合</span></div> <br /> <div><span>ヤコビ行列の基本概念を理解するために、まず1変数関数の例から考えます。</span></div> <br /> <div><span>関数$y = f(x)$を考えます。点$P(x_0, f(x_0))$が与えられたとき、</span><span>**ここから少しズレした点の座標を求めたい**</span><span>とします。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph LR</span></div> <div><span>    A["点P&lt;br/&gt;x₀, f(x₀)"] --&gt;|少しズレ| B["新しい点&lt;br/&gt;x₀ + Δx, ?"]</span></div> <div><span>    direction LR</span></div> <div><span>```</span></div> <br /> <div><span>**問題**</span><span>：$</span><span>x$が$x_</span><span>0</span><span>$から$</span><span>\Delta x$だけ変化したとき、対応する$y$座標は？</span></div> <br /> <div><span>**正確な値**</span><span>：</span></div> <br /> <div><span>点$P'$の座標は：</span></div> <div><span>$$</span></div> <div><span>P'(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x, f(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x))</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> $</span><span>X$座標：$x_</span><span>0</span><span> + </span><span>\</span><span>Delta x$</span></div> <div><span>-</span><span> $</span><span>Y$座標：$f(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x)$</span><span>（正確な値）</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    P["点P&lt;br/&gt;x₀, f(x₀)"] --&gt;|Δxだけ変化| P2["点P'&lt;br/&gt;x₀ + Δx, f(x₀ + Δx)"]</span></div> <div><span>    P2 --&gt;|正確な値| Exact["f(x₀ + Δx)"]</span></div> <div><span>```</span></div> <br /> <div><span>### 微分の表記法と接線の傾き</span></div> <br /> <div><span>関数$y = f(x)$を微分すると、以下のような表記法があります：</span></div> <br /> <div><span>$$</span></div> <div><span>y' </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{又は} </span><span>\</span><span>quad f'(x) </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{又は} </span><span>\</span><span>quad </span><span>\</span><span>frac</span><span>{dy}{dx} </span><span>\</span><span>quad </span><span>\</span><span>text</span><span>{又は} </span><span>\</span><span>quad </span><span>\</span><span>frac</span><span>{df(x)}{dx}</span></div> <div><span>$$</span></div> <br /> <div><span>これらはすべて同じ意味で、</span><span>**接線の傾きがわかる**</span><span>ことを示しています。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    A["関数 y = f(x)"] --&gt;|微分| B["y' または f' x または dy/dx"]</span></div> <div><span>    B --&gt; C["接線の傾きがわかる"]</span></div> <div><span>    </span></div> <div><span>    D["元の関数は曲線であることが多い"] --&gt; E["接線は直線&lt;br/&gt;シンプル"]</span></div> <div><span>    E --&gt; F["これで元の関数を近似&lt;br/&gt;局所線形化"]</span></div> <div><span>```</span></div> <br /> <div><span>**接線の性質**</span><span>：</span></div> <div><span>-</span><span> 元の関数は曲線であることが多い</span></div> <div><span>-</span><span> 接線は</span><span>**直線**</span><span>（シンプル）</span></div> <div><span>-</span><span> これで元の関数を近似できる（</span><span>**局所線形化**</span><span>）</span></div> <br /> <div><span>### 拡大してみる：接線による近似</span></div> <br /> <div><span>点$P$の周辺を拡大して見ると、接線による近似の仕組みが理解できます。</span></div> <br /> <div><span>点$P(x_0, f(x_0))$における接線の傾きは$f'(x_0)$です。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    P["点P&lt;br/&gt;x: x₀&lt;br/&gt;y: f(x₀)"] --&gt;|接線| T["接線&lt;br/&gt;傾き f' x₀"]</span></div> <div><span>    T --&gt;|Δxだけ移動| P2["点P'&lt;br/&gt;x: x₀ + Δx&lt;br/&gt;y ≈ f(x₀) + f' x₀ · Δx"]</span></div> <div><span>    P2 --&gt;|実際の曲線上の点| P3["点P''&lt;br/&gt;x: x₀ + Δx&lt;br/&gt;y: f(x₀ + Δx)"]</span></div> <div><span>```</span></div> <br /> <div><span>**三角形の高さ**</span><span>：</span></div> <br /> <div><span>接線上の点$P'$と点$P$の間の$y$座標の差は、三角形の高さとして計算できます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{三角形の高さ} = </span><span>\</span><span>text</span><span>{傾き} </span><span>\</span><span>times </span><span>\</span><span>text</span><span>{底辺} = f'(x_</span><span>0</span><span>) </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>したがって、点$P'$の$y$座標の近似値は：</span></div> <br /> <div><span>$$</span></div> <div><span>P' </span><span>\</span><span>text</span><span>{の} y </span><span>\</span><span>text</span><span>{座標} = P </span><span>\</span><span>text</span><span>{の} y </span><span>\</span><span>text</span><span>{座標} + </span><span>\</span><span>text</span><span>{三角形の高さ} = f(x_</span><span>0</span><span>) + f'(x_</span><span>0</span><span>) </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>### 別解：微分を用いた近似解</span></div> <br /> <div><span>**微分を用いて近似解を求める方法もある**</span><span>。</span></div> <br /> <div><span>$\</span><span>Delta</span><span> x$が十分小さい場合、テイラー展開の1次項までで近似できます：</span></div> <br /> <div><span>$$</span></div> <div><span>f(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x) </span><span>\</span><span>approx f(x_</span><span>0</span><span>) + f'(x_</span><span>0</span><span>) </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$f'(x_0) = \</span><span>frac</span><span>{df}{dx}\</span><span>Big</span><span>|_{x=x_0}$は点$x_0$における微分係数（傾き）です。</span></div> <br /> <div><span>したがって、点$P'$の$Y$座標の</span><span>**近似値**</span><span>は：</span></div> <br /> <div><span>$$</span></div> <div><span>f(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x) </span><span>\</span><span>approx f(x_</span><span>0</span><span>) + f'(x_</span><span>0</span><span>) </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>$</span><span>y$の変化量$</span><span>\Delta y$は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>Delta y = f(x_</span><span>0</span><span> + </span><span>\</span><span>Delta x) - f(x_</span><span>0</span><span>) </span><span>\</span><span>approx f'(x_</span><span>0</span><span>) </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>つまり：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>Delta y = </span><span>\</span><span>frac</span><span>{df}{dx}</span><span>\</span><span>Big|_{x=x_</span><span>0</span><span>} </span><span>\</span><span>cdot </span><span>\</span><span>Delta x</span></div> <div><span>$$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["入力の微小変化&lt;br/&gt;Δx"] --&gt;|微分係数&lt;br/&gt;f' x₀| B["出力の微小変化&lt;br/&gt;Δy ≈ f' x₀ · Δx"]</span></div> <div><span>    direction LR</span></div> <div><span>```</span></div> <br /> <div><span>**正確な値と近似解の比較**</span><span>：</span></div> <br /> <div><span>| 方法 | $Y$座標の値 | 特徴 |</span></div> <div><span>|------|------------|------|</span></div> <div><span>| </span><span>**正確な値**</span><span> | $f(x_0 + \Delta x)$ | 厳密だが、関数$f$の値を直接計算する必要がある |</span></div> <div><span>| </span><span>**近似解**</span><span> | $f(x_0) + f'(x_0) \cdot \Delta x$ | 微分係数さえ分かれば計算可能。$\Delta x$が小さいほど精度が高い |</span></div> <br /> <div><span>### 近似誤差について</span></div> <br /> <div><span>点$P''$</span><span>（曲線上の実際の点）と点$P'$</span><span>（接線上の近似点）の座標の値は**少しずれている**（近似値）。</span></div> <br /> <div><span>**誤差の性質**</span><span>：</span></div> <div><span>-</span><span> $\</span><span>Delta</span><span> x$が小さければ、この誤差も</span><span>**小さくなる**</span></div> <div><span>-</span><span> 接線は直線であり、元の関数（曲線）を近似している</span></div> <div><span>-</span><span> これは</span><span>**局所線形化**</span><span>と呼ばれる</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph LR</span></div> <div><span>    A["Δxが小さい"] --&gt; B["近似誤差も小さい"]</span></div> <div><span>    C["接線は直線"] --&gt; D["元の関数（曲線）を近似"]</span></div> <div><span>    D --&gt; E["局所線形化"]</span></div> <div><span>```</span></div> <br /> <div><span>### 逆問題の例</span></div> <br /> <div><span>**例**</span><span>：点$P''$の$Y$座標がわかっている時に、$P''$の$X$座標を求めたい。</span></div> <br /> <div><span>#### 正解（正確な値）</span></div> <br /> <div><span>$$</span></div> <div><span>x = f^{-</span><span>1</span><span>}(y)</span></div> <div><span>$$</span></div> <br /> <div><span>**逆関数**</span><span>を用いる方法ですが、</span><span>**難しいときもある**</span><span>。</span></div> <br /> <div><span>-</span><span> 逆関数が存在しない場合がある</span></div> <div><span>-</span><span> 逆関数が複数値になる場合がある</span></div> <div><span>-</span><span> 逆関数の解析的な式が得られない場合がある</span></div> <br /> <div><span>#### 近似解</span></div> <br /> <div><span>**接線の傾きを利用**</span><span>する方法。</span></div> <br /> <div><span>点$P$の$x$座標と$y$座標は両方わかっているとします。点$P'$の$y$座標はわかっているが、$x$座標を知りたいとします。</span></div> <br /> <div><span>**考え方**</span><span>：$P'$の接線の傾きを、$P$の傾きで代用してみる（少し誤差はある）。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    P["点P&lt;br/&gt;xもyもわかっている"] --&gt;|y座標はわかっている| P2["点P'&lt;br/&gt;↓x座標を知りたい"]</span></div> <div><span>    P --&gt;|接線の傾き f' x₀| T["Pの接線"]</span></div> <div><span>    T -.-&gt;|代用| P2T["P'の接線の傾き&lt;br/&gt;（不明）"]</span></div> <div><span>    P2T --&gt;|近似| P2</span></div> <div><span>```</span></div> <br /> <div><span>### 逆問題の近似解：$\Delta y$から$\Delta x$を求める</span></div> <br /> <div><span>**問題**</span><span>：$</span><span>\</span><span>Delta y$がわかっている時に、$</span><span>\Delta x$を求めたい。</span></div> <br /> <div><span>**傾きの定義**</span><span>：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>text</span><span>{傾き} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>Delta y}{</span><span>\</span><span>Delta x} = f'(x_</span><span>0</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>この式を変形すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>Delta x = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{</span><span>\</span><span>text</span><span>{傾き}} </span><span>\</span><span>times </span><span>\</span><span>Delta y = </span><span>\</span><span>frac</span><span>{</span><span>1</span><span>}{f'(x_</span><span>0</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>Delta y</span></div> <div><span>$$</span></div> <br /> <div><span>したがって、新しい$x$座標の近似値は：</span></div> <br /> <div><span>$$</span></div> <div><span>x_</span><span>1</span><span> = x_</span><span>0</span><span> + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>Delta y}{f'(x_</span><span>0</span><span>)}</span></div> <div><span>$$</span></div> <br /> <div><span>**利点**</span><span>：</span></div> <div><span>-</span><span> </span><span>**シンプルな式**</span><span>で逆問題を</span><span>**近似値計算**</span><span>できる</span></div> <div><span>-</span><span> 接線は直線なので、計算が簡単</span></div> <div><span>-</span><span> 局所線形化により、逆関数を直接求める必要がない</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["Δy&lt;br/&gt;わかっている"] --&gt;|1/f' x₀| B["Δx&lt;br/&gt;知りたい"]</span></div> <div><span>    C["傾き f' x₀&lt;br/&gt;わかっている"] --&gt; B</span></div> <div><span>    B --&gt; D["x₁ = x₀ + Δy/f' x₀"]</span></div> <div><span>```</span></div> <br /> <div><span>**逆問題における利点**</span><span>：</span></div> <br /> <div><span>-</span><span> </span><span>**逆問題がとても簡単になる**</span></div> <div><span>-</span><span> 接線は直線なので、計算がシンプル</span></div> <div><span>-</span><span> これで元の関数を近似できる（局所線形化）</span></div> <div><span>-</span><span> 逆関数を直接求める必要がない</span></div> <br /> <div><span>**1変数関数の場合の「ヤコビ行列」**</span><span>：</span></div> <div><span>-</span><span> 1変数関数では、ヤコビ行列は1×1行列（スカラー）となり、それは微分係数$f'(x_0)$そのものです</span></div> <div><span>-</span><span> $\</span><span>Delta</span><span> y = f'(x_0) \</span><span>cdot</span><span> \</span><span>Delta</span><span> x$という関係式が、多変数関数におけるヤコビ行列の関係式の原型です</span></div> <div><span>-</span><span> 逆問題では、$\</span><span>Delta</span><span> x = \</span><span>frac</span><span>{1}{f'(x_0)} \</span><span>cdot</span><span> \</span><span>Delta</span><span> y$という関係式が、多変数関数における逆ヤコビ行列の関係式の原型です</span></div> <br /> <div><span>### 多変数関数への拡張</span></div> <br /> <div><span>#### 1変数関数と多変数関数の比較</span></div> <br /> <div><span>**1変数関数**</span><span>：</span></div> <div><span>-</span><span> $</span><span>y = f(x)$</span></div> <div><span>-</span><span> 変数：</span><span>**1つだけ**</span></div> <br /> <div><span>**ロボット工学における多変数関数**</span><span>：</span></div> <br /> <div><span>ロボット工学では</span><span>**多変数関数**</span><span>が使われます。</span></div> <br /> <div><span>**順運動学**</span><span>：</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A["関節角&lt;br/&gt;θ₁, θ₂, ..., θₘ&lt;br/&gt;複数（n個の）"] --&gt;|順運動学| B["手先&lt;br/&gt;x, y, z&lt;br/&gt;φ, θ, ψ"]</span></div> <div><span>    B --&gt; C["こちらも複数ある"]</span></div> <div><span>    B --&gt; D["こちらは1つずつ考えてもよい"]</span></div> <div><span>```</span></div> <br /> <div><span>-</span><span> </span><span>**入力**</span><span>：複数の関節角 $</span><span>\</span><span>theta_</span><span>1</span><span>, </span><span>\</span><span>theta_</span><span>2</span><span>, </span><span>\</span><span>ldots, </span><span>\</span><span>theta_n$</span><span>（$n$個の関節角）</span></div> <div><span>-</span><span> </span><span>**出力**</span><span>：手先の位置・姿勢</span></div> <div><span>  </span><span>-</span><span> 位置：$</span><span>x, y, z$</span><span>（こちらも複数ある）</span></div> <div><span>  </span><span>-</span><span> 姿勢：$</span><span>\</span><span>phi, </span><span>\</span><span>theta, </span><span>\</span><span>psi$</span><span>（こちらは1つずつ考えてもよい）</span></div> <br /> <div><span>#### たくさんの「傾き」が存在する</span></div> <br /> <div><span>多変数関数では、</span><span>**たくさんの「傾き」が存在する**</span><span>。</span></div> <br /> <div><span>-</span><span> $</span><span>\</span><span>theta_</span><span>1</span><span>$以外は変化させず、$</span><span>\theta_1$だけを変化させたときの傾き</span></div> <div><span>-</span><span> $</span><span>\</span><span>theta_</span><span>2</span><span>$以外は変化させず、$</span><span>\theta_2$だけを変化させたときの傾き</span></div> <div><span>-</span><span> $</span><span>\</span><span>theta_</span><span>3</span><span>$以外は変化させず、$</span><span>\theta_3$だけを変化させたときの傾き</span></div> <div><span>-</span><span> $</span><span>\</span><span>ldots$</span></div> <div><span>-</span><span> $</span><span>\</span><span>theta_n$以外は変化させず、$</span><span>\theta_n$だけを変化させたときの傾き</span></div> <br /> <div><span>これらは</span><span>**偏微分を用いて求める**</span><span>ことができます。</span></div> <br /> <div><span>#### 偏微分の定義</span></div> <br /> <div><span>**偏微分**</span><span>とは：</span></div> <br /> <div><span>-</span><span> </span><span>**着目する変数以外は変化させない**</span><span>状況で微分を行う</span></div> <div><span>-</span><span> 着目する変数以外は</span><span>**定数とみなせる**</span></div> <div><span>-</span><span> （定数の微分はゼロ）</span></div> <br /> <div><span>記号：$\</span><span>frac</span><span>{\</span><span>partial</span><span>}{\</span><span>partial</span><span> \</span><span>theta</span><span>_i}$は「ラウンド」と読み、</span><span>**偏微分を表す記号**</span><span>です。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    A["多変数関数"] --&gt; B["偏微分"]</span></div> <div><span>    B --&gt; C["着目する変数以外は&lt;br/&gt;変化させない"]</span></div> <div><span>    C --&gt; D["定数とみなせる"]</span></div> <div><span>    D --&gt; E["定数の微分はゼロ"]</span></div> <div><span>```</span></div> <br /> <div><span>#### 多変数関数のヤコビ行列</span></div> <br /> <div><span>多変数関数$\</span><span>mathbf</span><span>{y} = \</span><span>mathbf</span><span>{f}(\</span><span>mathbf</span><span>{x})$の場合、1変数の微分係数の代わりに</span><span>**ヤコビ行列**</span><span>が使われます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>Delta </span><span>\</span><span>mathbf</span><span>{y} = </span><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>mathbf</span><span>{x}_</span><span>0</span><span>) </span><span>\</span><span>Delta </span><span>\</span><span>mathbf</span><span>{x}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$</span><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>mathbf</span><span>{x}_</span><span>0</span><span>)$は点$</span><span>\mathbf{x}_0$におけるヤコビ行列です。</span></div> <br /> <div><span>## ヤコビ行列による逆運動学の解法</span></div> <br /> <div><span>### なぜヤコビ行列を使うのか？</span></div> <br /> <div><span>順運動学の式を微小変化で線形化することで、逆運動学を解くことができる。</span></div> <br /> <div><span>### 基本的な考え方</span></div> <br /> <div><span>順運動学の関係式：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{p} = </span><span>\</span><span>mathbf</span><span>{f}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta})</span></div> <div><span>$$</span></div> <br /> <div><span>この式を微小変化で線形化すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>delta </span><span>\</span><span>mathbf</span><span>{p} = </span><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>delta </span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$\</span><span>mathbf</span><span>{J}(\</span><span>boldsymbol</span><span>{\</span><span>theta</span><span>})$は</span><span>**ヤコビ行列**</span><span>である。</span></div> <br /> <div><span>**記号について**</span><span>：</span></div> <div><span>-</span><span> $</span><span>\</span><span>delta$</span><span>：微小変化を表す記号（変位・変分）</span></div> <div><span>-</span><span> $</span><span>\</span><span>Delta$</span><span>：有限の変化量を表す記号</span></div> <div><span>-</span><span> 本資料では、微小変化には$\</span><span>delta</span><span>$、有限変化には$\</span><span>Delta</span><span>$を使用しています</span></div> <br /> <div><span>### 速度の関係</span></div> <br /> <div><span>両辺を時間$dt$で割ると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}} = </span><span>\</span><span>mathbf</span><span>{J}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}}$</span><span>：手先速度</span></div> <div><span>-</span><span> $</span><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}}$</span><span>：関節角速度</span></div> <br /> <div><span>### 逆速度運動学</span></div> <br /> <div><span>ヤコビ行列の逆行列が存在する場合（正則な場合）：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}} = </span><span>\</span><span>mathbf</span><span>{J}^{-</span><span>1</span><span>}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}}</span></div> <div><span>$$</span></div> <br /> <div><span>#### 特異姿勢での対処法：擬似逆行列</span></div> <br /> <div><span>特異姿勢や$\</span><span>det</span><span>(\</span><span>mathbf</span><span>{J})$</span><span>が非常に小さい場合、逆行列$</span><span>\</span><span>mathbf</span><span>{J}^{-1}$が存在しないか、数値的に不安定になります。</span></div> <br /> <div><span>このような場合、</span><span>**擬似逆行列**</span><span>（Moore-Penrose pseudo-inverse）$\</span><span>mathbf</span><span>{J}^{+}$を使用することができます：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}} = </span><span>\</span><span>mathbf</span><span>{J}^{+}(</span><span>\</span><span>boldsymbol</span><span>{</span><span>\</span><span>theta}) </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>mathbf</span><span>{p}}</span></div> <div><span>$$</span></div> <br /> <div><span>**擬似逆行列の性質**</span><span>：</span></div> <div><span>-</span><span> 常に存在する（特異姿勢でも計算可能）</span></div> <div><span>-</span><span> $</span><span>\</span><span>mathbf</span><span>{J}$が正則な場合、$</span><span>\mathbf{J}^{+} = \mathbf{J}^{-1}$となる</span></div> <div><span>-</span><span> 最小二乗解を提供する</span></div> <br /> <div><span>**注意**</span><span>：擬似逆行列は近似解であり、特異姿勢では完全な解が得られない場合があります。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart TB</span></div> <div><span>    subgraph FK["順運動学"]</span></div> <div><span>        θ["関節角 θ"] --&gt;|解析的&lt;br/&gt;一意解| P["手先位置・姿勢 p"]</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    subgraph IK["逆運動学"]</span></div> <div><span>        P2["手先位置・姿勢 p"] --&gt;|困難&lt;br/&gt;解が0個/1個/複数個| θ2["関節角 θ"]</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    subgraph JAC["ヤコビ行列による解法"]</span></div> <div><span>        P3["手先速度 ṗ"] --&gt;|"J⁻¹(θ)"| θdot["関節角速度 θ̇"]</span></div> <div><span>        θdot --&gt;|積分| θ3["関節角 θ"]</span></div> <div><span>    end</span></div> <div><span>    </span></div> <div><span>    FK -.-&gt;|微小変化で線形化| JAC</span></div> <div><span>    IK -.-&gt;|代替手法| JAC</span></div> <div><span>```</span></div> <br /> <div><span>**ヤコビ行列の利点**</span><span>：</span></div> <div><span>-</span><span> 速度レベルでの逆変換が可能</span></div> <div><span>-</span><span> 数値的に解くことができる</span></div> <div><span>-</span><span> 特異姿勢を検出できる</span></div> <br /> <div><span>## 2自由度アームのヤコビ行列</span></div> <br /> <div><span>### 順運動学の式（再掲）</span></div> <br /> <div><span>2自由度アームの順運動学：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>x &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>y &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>### ヤコビ行列の計算</span></div> <br /> <div><span>ヤコビ行列$\</span><span>mathbf</span><span>{J}$は、各出力変数を各入力変数で偏微分した行列：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{J} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>#### 偏微分の計算方法</span></div> <br /> <div><span>**重要な原則**</span><span>：$</span><span>\</span><span>theta_</span><span>1</span><span>$で偏微分するときは、$</span><span>\theta_2$は</span><span>**定数とみなす**</span><span>。</span></div> <br /> <div><span>順運動学の式：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>x &amp;= l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>y &amp;= l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$l_1$と$l_2$は</span><span>**定数**</span><span>（リンクの長さ）です。</span></div> <br /> <div><span>#### $\frac{\partial x}{\partial \theta_1}$の計算</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>第一項：$l_1$は定数なので、</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) = l_</span><span>1</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = -l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span></div> <div><span>$$</span></div> <br /> <div><span>第二項：</span><span>**合成関数の微分**</span><span>（チェインルール）を適用します。</span></div> <br /> <div><span>$l_2$は定数なので、まず$l_2$を外に出します：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) = l_</span><span>2</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>合成関数の微分により：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} = -</span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = </span><span>1</span><span>$</span><span>（$\</span><span>theta</span><span>_2$は定数とみなすため）</span></div> <br /> <div><span>したがって：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) &amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot (-</span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)) </span><span>\</span><span>cdot </span><span>1</span><span> \\</span></div> <div><span>&amp;= -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>**結果**</span><span>：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = -l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>#### $\frac{\partial x}{\partial \theta_2}$の計算</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>2</span><span>$で偏微分するときは、$</span><span>\theta_1$は</span><span>**定数とみなす**</span><span>。</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>第一項：$</span><span>l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>$は$</span><span>\theta_2$を含まないため、定数として扱われます：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) = </span><span>0</span></div> <div><span>$$</span></div> <br /> <div><span>第二項：合成関数の微分を適用：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) &amp;= l_</span><span>2</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>&amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot (-</span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)) </span><span>\</span><span>cdot </span><span>1</span><span> \\</span></div> <div><span>&amp;= -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>**結果**</span><span>：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} = -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>#### $\frac{\partial y}{\partial \theta_1}$の計算</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>1</span><span>$で偏微分するときは、$</span><span>\theta_2$は</span><span>**定数とみなす**</span><span>。</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>第一項：$l_1$は定数なので、</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>) = l_</span><span>1</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span></div> <div><span>$$</span></div> <br /> <div><span>第二項：</span><span>**合成関数の微分**</span><span>（チェインルール）を適用します。</span></div> <br /> <div><span>$l_2$は定数なので、まず$l_2$を外に出します：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) = l_</span><span>2</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>合成関数の微分により：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} = </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = </span><span>1</span><span>$</span><span>（$\</span><span>theta</span><span>_2$は定数とみなすため）</span></div> <br /> <div><span>したがって：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) &amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>cdot </span><span>1</span><span> \\</span></div> <div><span>&amp;= l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>**結果**</span><span>：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>#### $\frac{\partial y}{\partial \theta_2}$の計算</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>2</span><span>$で偏微分するときは、$</span><span>\theta_1$は</span><span>**定数とみなす**</span><span>。</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>第一項：$</span><span>l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>$は$</span><span>\theta_2$を含まないため、定数として扱われます：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>) = </span><span>0</span></div> <div><span>$$</span></div> <br /> <div><span>第二項：合成関数の微分を適用：</span></div> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) &amp;= l_</span><span>2</span><span> </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>&amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>cdot </span><span>1</span><span> \\</span></div> <div><span>&amp;= l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>**結果**</span><span>：</span></div> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} = l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>#### ヤコビ行列の最終形</span></div> <br /> <div><span>各要素を計算すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>mathbf</span><span>{J} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>-l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) &amp; -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) &amp; l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>### 速度の関係式</span></div> <br /> <div><span>手先速度と関節角速度の関係：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>dot</span><span>{x} \\ </span><span>\</span><span>dot</span><span>{y} </span><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>mathbf</span><span>{J} </span><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>theta}_</span><span>1</span><span> \\ </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>theta}_</span><span>2</span><span> </span><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>逆変換（$\</span><span>det</span><span>(\</span><span>mathbf</span><span>{J}) \</span><span>neq</span><span> 0$の場合）：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>theta}_</span><span>1</span><span> \\ </span><span>\</span><span>dot</span><span>{</span><span>\</span><span>theta}_</span><span>2</span><span> </span><span>\</span><span>end</span><span>{bmatrix} = </span><span>\</span><span>mathbf</span><span>{J}^{-</span><span>1</span><span>} </span><span>\</span><span>begin</span><span>{bmatrix} </span><span>\</span><span>dot</span><span>{x} \\ </span><span>\</span><span>dot</span><span>{y} </span><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>### 特異姿勢</span></div> <br /> <div><span>#### 特異姿勢とは</span></div> <br /> <div><span>ヤコビ行列の行列式が0になる姿勢を</span><span>**特異姿勢**</span><span>（singular configuration）と呼びます。</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) = </span><span>0</span></div> <div><span>$$</span></div> <br /> <div><span>特異姿勢では、ヤコビ行列の逆行列が存在しないため、逆速度運動学を直接解くことができません。</span></div> <br /> <div><span>#### 2自由度アームの特異姿勢の具体例</span></div> <br /> <div><span>2自由度アームのヤコビ行列の行列式を計算すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{aligned}</span></div> <div><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) &amp;= </span><span>\</span><span>left(-l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span><span>\</span><span>right) </span><span>\</span><span>cdot l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) \\</span></div> <div><span>&amp;</span><span>\</span><span>quad - </span><span>\</span><span>left(-l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span><span>\</span><span>right) </span><span>\</span><span>cdot </span><span>\</span><span>left(l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span><span>\</span><span>right) \\</span></div> <div><span>&amp;= l_</span><span>1</span><span> l_</span><span>2</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>2</span></div> <div><span>\</span><span>end</span><span>{aligned}</span></div> <div><span>$$</span></div> <br /> <div><span>したがって、$\</span><span>det</span><span>(\</span><span>mathbf</span><span>{J}) = 0$となる条件は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>2</span><span> = </span><span>0</span></div> <div><span>$$</span></div> <br /> <div><span>これは、$</span><span>\</span><span>theta_</span><span>2</span><span> = </span><span>0</span><span>$または$</span><span>\theta_2 = \pi$（180度）のときです。</span></div> <br /> <div><span>**具体例**</span><span>：</span></div> <br /> <div><span>1.</span><span> </span><span>**完全に伸びた状態**</span><span>（$</span><span>\</span><span>theta_</span><span>2</span><span> = </span><span>0</span><span>$</span><span>）</span></div> <div><span>   </span><span>-</span><span> 2つのリンクが一直線上に並んだ状態</span></div> <div><span>   </span><span>-</span><span> この姿勢では、手先をリンクの延長方向に動かすことができない</span></div> <br /> <div><span>2.</span><span> </span><span>**完全に折りたたまれた状態**</span><span>（$</span><span>\</span><span>theta_</span><span>2</span><span> = </span><span>\</span><span>pi$</span><span>）</span></div> <div><span>   </span><span>-</span><span> 2つのリンクが完全に重なった状態</span></div> <div><span>   </span><span>-</span><span> この姿勢でも、特定の方向に動かすことができない</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    A["通常姿勢&lt;br/&gt;det J ≠ 0"] --&gt;|sin θ₂ = 0| B["特異姿勢&lt;br/&gt;det J = 0"]</span></div> <div><span>    B --&gt; C["θ₂ = 0&lt;br/&gt;完全に伸びた状態"]</span></div> <div><span>    B --&gt; D["θ₂ = π&lt;br/&gt;完全に折りたたまれた状態"]</span></div> <div><span>    C --&gt; E["特定方向に&lt;br/&gt;動かせない"]</span></div> <div><span>    D --&gt; E</span></div> <div><span>```</span></div> <br /> <div><span>#### 特異姿勢の検出方法</span></div> <br /> <div><span>特異姿勢を検出するには、ヤコビ行列の行列式を計算します：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) = l_</span><span>1</span><span> l_</span><span>2</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>2</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> $</span><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) </span><span>\</span><span>neq </span><span>0</span><span>$</span><span>：通常姿勢（逆行列が存在する）</span></div> <div><span>-</span><span> $</span><span>\</span><span>det(</span><span>\</span><span>mathbf</span><span>{J}) = </span><span>0</span><span>$</span><span>：特異姿勢（逆行列が存在しない）</span></div> <br /> <div><span>**注意**</span><span>：数値計算では、$\</span><span>det</span><span>(\</span><span>mathbf</span><span>{J})$が非常に小さい値（例：$10^{-6}$以下）の場合も、実質的に特異姿勢として扱うことがあります。</span></div> <br /> <div><span>## まとめ</span></div> <br /> <div><span>| 項目 | 順運動学 | 逆運動学 |</span></div> <div><span>|------|----------|----------|</span></div> <div><span>| </span><span>**入力**</span><span> | 関節角 | 手先位置・姿勢 |</span></div> <div><span>| </span><span>**出力**</span><span> | 手先位置・姿勢 | 関節角 |</span></div> <div><span>| </span><span>**解の性質**</span><span> | 一意解（必ず1つ） | 解が0個/1個/複数個 |</span></div> <div><span>| </span><span>**解法**</span><span> | 解析的（D-H記法など） | 困難な場合がある |</span></div> <div><span>| </span><span>**代替手法**</span><span> | - | </span><span>**ヤコビ行列の利用**</span><span> |</span></div> <br /> <div><span>**ヤコビ行列の役割**</span><span>：</span></div> <div><span>-</span><span> 逆運動学の困難さを解決する手段</span></div> <div><span>-</span><span> 速度レベルでの変換を可能にする</span></div> <div><span>-</span><span> 数値的な解法を提供する</span></div> <br /> <div><span>**実装時の注意点**</span><span>：</span></div> <div><span>-</span><span> </span><span>**数値誤差**</span><span>：微小変化の計算では、数値誤差が累積する可能性がある。適切な数値精度を確保する</span></div> <div><span>-</span><span> </span><span>**反復計算**</span><span>：位置制御では、速度から位置を求めるために積分が必要。反復計算により誤差が蓄積する可能性がある</span></div> <div><span>-</span><span> </span><span>**特異姿勢の回避**</span><span>：特異姿勢に近づいた場合、動作を変更するか、擬似逆行列を使用する</span></div> <div><span>-</span><span> </span><span>**計算効率**</span><span>：ヤコビ行列の計算は関節数が増えると計算コストが高くなる。効率的な実装を検討する</span></div> </div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学12 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-12-17 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <div> <div><span># ヤコビ行列と順運動学</span></div> <br /> <div><span>## 1. 2リンクロボットアームの順運動学</span></div> <br /> <div><span>### 1.1 出力変数と入力変数</span></div> <br /> <div><span>-</span><span> 出力変数：$</span><span>x$</span><span>, $</span><span>y$</span><span>（エンドエフェクタの位置座標）</span></div> <div><span>-</span><span> 入力変数：$</span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>, $</span><span>\</span><span>theta_</span><span>2</span><span>$</span><span>（各関節の角度）</span></div> <br /> <div><span>### 1.2 順運動学の式</span></div> <br /> <div><span>2リンクロボットアームの順運動学は以下の式で表される：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>x &amp;= l_</span><span>1</span><span> C_</span><span>1</span><span> + l_</span><span>2</span><span> C_{</span><span>12</span><span>} \\</span></div> <div><span>y &amp;= l_</span><span>1</span><span> S_</span><span>1</span><span> + l_</span><span>2</span><span> S_{</span><span>12</span><span>}</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$</span><span>l_</span><span>1</span><span>$</span><span>, $l_2$は各リンクの長さであり、略記法として以下を用いる：</span></div> <div><span>-</span><span> $</span><span>C_</span><span>1</span><span> = </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>、$</span><span>S_</span><span>1</span><span> = </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>$</span></div> <div><span>-</span><span> $</span><span>C_{</span><span>12</span><span>} = </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span><span>、$</span><span>S_{</span><span>12</span><span>} = </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A[入力変数&lt;br/&gt;θ₁, θ₂] --&gt; B[順運動学計算]</span></div> <div><span>    B --&gt; C[出力変数&lt;br/&gt;x, y]</span></div> <div><span>    B --&gt; D[x = l₁C₁ + l₂C₁₂]</span></div> <div><span>    B --&gt; E[y = l₁S₁ + l₂S₁₂]</span></div> <div><span>    D --&gt; C</span></div> <div><span>    E --&gt; C</span></div> <div><span>```</span></div> <br /> <div><span>## 2. 偏微分の計算</span></div> <br /> <div><span>### 2.1 関節角度による偏微分</span></div> <br /> <div><span>偏微分を計算する際は、</span><span>**定数がないかを考えて、それぞれの$\</span><span>theta</span><span>$で解く**</span><span>必要がある。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart TD</span></div> <div><span>    A["多変数関数&lt;br/&gt;x = f(θ₁, θ₂)"] --&gt; B["偏微分する変数を選択"]</span></div> <div><span>    B --&gt; C["∂x/∂θ₁を計算"]</span></div> <div><span>    B --&gt; D["∂x/∂θ₂を計算"]</span></div> <div><span>    C --&gt; E["θ₂を定数として扱う"]</span></div> <div><span>    D --&gt; F["θ₁を定数として扱う"]</span></div> <div><span>    E --&gt; G["結果: ∂x/∂θ₁"]</span></div> <div><span>    F --&gt; H["結果: ∂x/∂θ₂"]</span></div> <div><span>```</span></div> <br /> <div><span>順運動学の式：</span></div> <br /> <div><span>$$</span></div> <div><span>x = l_</span><span>1</span><span> C_</span><span>1</span><span> + l_</span><span>2</span><span> C_{</span><span>12</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>#### $\frac{\partial x}{\partial \theta_1}$の計算</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>1</span><span>$に関する偏微分を計算する。$</span><span>\theta_1$に偏微分するため、$\theta_2$は定数として扱われる：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> C_</span><span>1</span><span> + l_</span><span>2</span><span> C_{</span><span>12</span><span>} </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= -l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>簡略表記として、$</span><span>S_</span><span>1</span><span> = </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>、$S_{12} = \</span><span>sin</span><span>(\</span><span>theta</span><span>_1 + \</span><span>theta</span><span>_2)$とすると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = -l_</span><span>1</span><span> S_</span><span>1</span><span> - l_</span><span>2</span><span> S_{</span><span>12</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>## 3. ヤコビ行列</span></div> <br /> <div><span>### 3.1 ヤコビ行列の定義</span></div> <br /> <div><span>ヤコビ行列$J$は、</span><span>**すべての偏微分の結果をまとめたもの**</span><span>である。すなわち、出力変数の各入力変数に関する偏微分を要素とする行列である：</span></div> <br /> <div><span>$$</span></div> <div><span>J = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TB</span></div> <div><span>    subgraph 入力変数</span></div> <div><span>        T1[θ₁]</span></div> <div><span>        T2[θ₂]</span></div> <div><span>    end</span></div> <div><span>    subgraph ヤコビ行列 J</span></div> <div><span>        J11[∂x/∂θ₁]</span></div> <div><span>        J12[∂x/∂θ₂]</span></div> <div><span>        J21[∂y/∂θ₁]</span></div> <div><span>        J22[∂y/∂θ₂]</span></div> <div><span>    end</span></div> <div><span>    subgraph 出力変数</span></div> <div><span>        X[x]</span></div> <div><span>        Y[y]</span></div> <div><span>    end</span></div> <div><span>    T1 --&gt; J11</span></div> <div><span>    T1 --&gt; J21</span></div> <div><span>    T2 --&gt; J12</span></div> <div><span>    T2 --&gt; J22</span></div> <div><span>    J11 --&gt; X</span></div> <div><span>    J12 --&gt; X</span></div> <div><span>    J21 --&gt; Y</span></div> <div><span>    J22 --&gt; Y</span></div> <div><span>```</span></div> <br /> <div><span>### 3.2 ヤコビ行列の各要素の計算</span></div> <br /> <div><span>#### $\frac{\partial x}{\partial \theta_2}$の計算</span></div> <br /> <div><span>$\</span><span>theta</span><span>_2$に関する偏微分を計算する：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) \\</span></div> <div><span>&amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span>) + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right)</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>$\</span><span>theta</span><span>_2$に偏微分するため、$l_1 \</span><span>cos</span><span>\</span><span>theta</span><span>_1$は定数として扱われる：</span></div> <br /><br /><br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>次に、$l_2 \</span><span>cos</span><span>(\</span><span>theta</span><span>_1 + \</span><span>theta</span><span>_2)$についてチェインルールを適用する：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>left( l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) &amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>tag</span><span>{</span><span>8</span><span>}</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>チェインルールにより、$\</span><span>frac</span><span>{\</span><span>partial</span><span> \</span><span>cos</span><span>(\</span><span>theta</span><span>_1 + \</span><span>theta</span><span>_2)}{\</span><span>partial</span><span> \</span><span>theta</span><span>_2}$は以下のように表される：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>$$</span></div> <br /> <div><span>$</span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)$の微分は$</span><span>-\sin(\theta_1 + \theta_2)$</span><span>であり、チェインルールにより内側の関数$</span><span>(\theta_1 + \theta_2)$</span><span>の偏微分を掛ける必要がある。$</span><span>\theta_2$で偏微分するため、$\theta_1$は定数として扱われる：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>&amp;= l_</span><span>2</span><span> </span><span>\</span><span>cdot </span><span>\</span><span>left( -</span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>right) </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} (</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>tag</span><span>{</span><span>9</span><span>} \\</span></div> <div><span>&amp;= -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>cdot </span><span>1</span><span> </span><span>\</span><span>tag</span><span>{</span><span>10</span><span>} \\</span></div> <div><span>&amp;= -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>tag</span><span>{</span><span>11</span><span>}</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>したがって：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} = -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>## 4. 合成関数の微分</span></div> <br /> <div><span>### 4.1 微分の表記法</span></div> <br /> <div><span>関数$y$を変数$x$で微分することを表す記号には、以下の2つの表記法がある：</span></div> <br /> <div><span>$$</span></div> <div><span>y' = </span><span>\</span><span>frac</span><span>{dy}{dx}</span></div> <div><span>$$</span></div> <br /> <div><span>-</span><span> $</span><span>y'$</span><span>：プライム記号による表記（ものの記号の微分）</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{dy}{dx}$</span><span>：分数形式による表記（ライプニッツの記法）</span></div> <br /> <div><span>これらは同じ意味であり、</span><span>**$y$を$x$で微分している**</span><span>ことを示す。分数形式の方が、どの変数で微分しているかが明確に記述できる。</span></div> <br /> <div><span>### 4.2 チェインルールの例</span></div> <br /> <div><span>合成関数の微分（チェインルール）の例として、以下の関数を考える：</span></div> <br /> <div><span>$$</span></div> <div><span>y = (</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>5</span></div> <div><span>$$</span></div> <br /> <div><span>チェインルールを分数形式で表すと：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{d((</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>5</span><span>)}{dx} = </span><span>\</span><span>frac</span><span>{d((</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>5</span><span>)}{d(</span><span>2</span><span>x + </span><span>3</span><span>)} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{d(</span><span>2</span><span>x + </span><span>3</span><span>)}{dx}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$</span><span>\</span><span>frac</span><span>{d((</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>5</span><span>)}{d(</span><span>2</span><span>x + </span><span>3</span><span>)}$は$</span><span>(2x + 3)$</span><span>で微分していることを示し、$</span><span>\frac{d(2x + 3)}{dx}$は$x$で微分していることを示す。</span></div> <br /> <div><span>中間変数$t = 2x + 3$を導入すると：</span></div> <br /> <div><span>$$</span></div> <div><span>y = t^</span><span>5</span><span>, </span><span>\</span><span>quad t = </span><span>2</span><span>x + </span><span>3</span></div> <div><span>$$</span></div> <br /> <div><span>チェインルールにより：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{dy}{dx} = </span><span>\</span><span>frac</span><span>{dy}{dt} </span><span>\</span><span>cdot </span><span>\</span><span>frac</span><span>{dt}{dx}</span></div> <div><span>$$</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A[x] --&gt; B[t = 2x + 3]</span></div> <div><span>    B --&gt; C[y = t⁵]</span></div> <div><span>    A --&gt;|dt/dx = 2| B</span></div> <div><span>    B --&gt;|dy/dt = 5t⁴| C</span></div> <div><span>    A --&gt;|dy/dx = dy/dt × dt/dx| C</span></div> <div><span>```</span></div> <br /> <div><span>各項を計算すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{dy}{dt} = </span><span>5</span><span>t^</span><span>4</span><span>, </span><span>\</span><span>quad </span><span>\</span><span>frac</span><span>{dt}{dx} = </span><span>2</span></div> <div><span>$$</span></div> <br /> <div><span>したがって：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>\</span><span>frac</span><span>{dy}{dx} &amp;= </span><span>5</span><span>t^</span><span>4</span><span> </span><span>\</span><span>cdot </span><span>2</span><span> \\</span></div> <div><span>&amp;= </span><span>5</span><span>(</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>4</span><span> </span><span>\</span><span>cdot </span><span>2</span><span> \\</span></div> <div><span>&amp;= </span><span>10</span><span>(</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>4</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span># 偏微分と全微分、ヤコビ行列</span></div> <br /> <div><span>## 5. 偏微分と全微分</span></div> <br /> <div><span>### 5.1 基本的な微分の例</span></div> <br /> <div><span>合成関数の微分の例として、以下の関数を考える：</span></div> <br /> <div><span>$$</span></div> <div><span>y = (</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>5</span></div> <div><span>$$</span></div> <br /> <div><span>この関数の微分は：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{dy}{dx} = </span><span>10</span><span>(</span><span>2</span><span>x + </span><span>3</span><span>)^</span><span>4</span></div> <div><span>$$</span></div> <br /> <div><span>### 5.2 多変数関数の例（ロボット工学の文脈）</span></div> <br /> <div><span>2リンクロボットアームのエンドエフェクタの$x$座標は、以下の式で表される：</span></div> <br /> <div><span>$$</span></div> <div><span>x = l_</span><span>1</span><span> </span><span>\</span><span>cos</span><span>\</span><span>theta_</span><span>1</span><span> + l_</span><span>2</span><span> </span><span>\</span><span>cos(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>) </span><span>\</span><span>tag</span><span>{①}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$</span><span>l_</span><span>1</span><span>$</span><span>、$</span><span>l_</span><span>2</span><span>$は各リンクの長さ、$</span><span>\theta_1$、$\theta_2$は各関節の角度である。</span></div> <br /> <div><span>#### 偏微分の計算</span></div> <br /> <div><span>**$\</span><span>frac</span><span>{\</span><span>partial</span><span> x}{\</span><span>partial</span><span> \</span><span>theta</span><span>_1}$の計算**</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>1</span><span>$に関する偏微分を計算する。$</span><span>\theta_2$は定数として扱われる：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} = -l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>**$\</span><span>frac</span><span>{\</span><span>partial</span><span> x}{\</span><span>partial</span><span> \</span><span>theta</span><span>_2}$の計算**</span></div> <br /> <div><span>$</span><span>\</span><span>theta_</span><span>2</span><span>$に関する偏微分を計算する。$</span><span>\theta_1$は定数として扱われる：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} = -l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span></div> <div><span>$$</span></div> <br /> <div><span>これらは</span><span>**部分的に微分**</span><span>した結果である。</span></div> <br /> <div><span>### 5.3 全微分</span></div> <br /> <div><span>①式の全微分は、偏微分を用いて以下のように表現される：</span></div> <br /> <div><span>$$</span></div> <div><span>dx = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} d</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} d</span><span>\</span><span>theta_</span><span>2</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>}$</span><span>、$\</span><span>frac</span><span>{\</span><span>partial</span><span> x}{\</span><span>partial</span><span> \</span><span>theta</span><span>_2}$は</span><span>**傾き**</span><span>（勾配）を表す</span></div> <div><span>-</span><span> $</span><span>d</span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>、$d\</span><span>theta</span><span>_2$は</span><span>**微小変化**</span><span>（近似値）を表す</span></div> <div><span>-</span><span> $dx$は</span><span>**微小変化の微小な数値**</span><span>を表す</span></div> <br /> <div><span>この表現により、</span><span>**$</span><span>\theta_</span><span>1</span><span>$と$</span><span>\theta_2$の変化を分割で考えることができる**</span><span>。これは</span><span>**式の線形化**</span><span>、すなわち</span><span>**局所的線形化**</span><span>を意味する。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>flowchart LR</span></div> <div><span>    A[dθ₁&lt;br/&gt;微小変化] --&gt; B[∂x/∂θ₁&lt;br/&gt;傾き]</span></div> <div><span>    C[dθ₂&lt;br/&gt;微小変化] --&gt; D[∂x/∂θ₂&lt;br/&gt;傾き]</span></div> <div><span>    B --&gt; E[dx = ∂x/∂θ₁ × dθ₁&lt;br/&gt;+ ∂x/∂θ₂ × dθ₂]</span></div> <div><span>    D --&gt; E</span></div> <div><span>    E --&gt; F[線形化&lt;br/&gt;局所的近似]</span></div> <div><span>```</span></div> <br /> <div><span>**注意**</span><span>：しかし、厳密な値とはかなり同じではない物がある。これは近似であることに注意が必要である。</span></div> <br /> <div><span>①式の全微分を展開すると：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{align}</span></div> <div><span>dx &amp;= </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} d</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} d</span><span>\</span><span>theta_</span><span>2</span><span> \\</span></div> <div><span>&amp;= </span><span>\</span><span>left(-l_</span><span>1</span><span> </span><span>\</span><span>sin</span><span>\</span><span>theta_</span><span>1</span><span> - l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span><span>\</span><span>right) d</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>left(-l_</span><span>2</span><span> </span><span>\</span><span>sin(</span><span>\</span><span>theta_</span><span>1</span><span> + </span><span>\</span><span>theta_</span><span>2</span><span>)</span><span>\</span><span>right) d</span><span>\</span><span>theta_</span><span>2</span></div> <div><span>\</span><span>end</span><span>{align}</span></div> <div><span>$$</span></div> <br /> <div><span>### 5.4 全微分の別の例</span></div> <br /> <div><span>関数$z = x^2 + y^3$を考える。</span></div> <br /> <div><span>偏微分は：</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial x} = </span><span>2</span><span>x$</span></div> <div><span>-</span><span> $</span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial y} = </span><span>3</span><span>y^</span><span>2</span><span>$</span></div> <br /> <div><span>全微分は：</span></div> <br /> <div><span>$$</span></div> <div><span>dz = </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial x} dx + </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial z}{</span><span>\</span><span>partial y} dy = </span><span>2</span><span>x \, dx + </span><span>3</span><span>y^</span><span>2</span><span> \, dy</span></div> <div><span>$$</span></div> <br /> <div><span>## 6. ヤコビ行列</span></div> <br /> <div><span>### 6.1 ヤコビ行列の定義と構造</span></div> <br /> <div><span>ヤコビ行列$J(\</span><span>theta</span><span>)$は、出力変数の各入力変数に関する偏微分を要素とする行列である。</span></div> <br /> <div><span>2次元の場合（出力変数：$</span><span>x$</span><span>、$</span><span>y$</span><span>、入力変数：$</span><span>\</span><span>theta_</span><span>1</span><span>$</span><span>、$</span><span>\</span><span>theta_</span><span>2</span><span>$</span><span>）のヤコビ行列は：</span></div> <br /> <div><span>$$</span></div> <div><span>J(</span><span>\</span><span>theta) = </span><span>\</span><span>begin</span><span>{bmatrix}</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial x}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>} \\</span></div> <div><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>1</span><span>} &amp; </span><span>\</span><span>frac</span><span>{</span><span>\</span><span>partial y}{</span><span>\</span><span>partial </span><span>\</span><span>theta_</span><span>2</span><span>}</span></div> <div><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>ヤコビ行列は、関節角度の微小変化をエンドエフェクタ位置の微小変化に変換する：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>begin</span><span>{bmatrix} dx \\ dy </span><span>\</span><span>end</span><span>{bmatrix} = J(</span><span>\</span><span>theta) </span><span>\</span><span>begin</span><span>{bmatrix} d</span><span>\</span><span>theta_</span><span>1</span><span> \\ d</span><span>\</span><span>theta_</span><span>2</span><span> </span><span>\</span><span>end</span><span>{bmatrix}</span></div> <div><span>$$</span></div> <br /> <div><span>**重要な性質**</span><span>：</span></div> <div><span>-</span><span> $</span><span>J(</span><span>\</span><span>theta)$は**$</span><span>\theta$の値により**変化する</span></div> <div><span>-</span><span> これは</span><span>**線形化**</span><span>を意味する</span></div> <br /> <div><span>### 6.2 順速度運動学（Forward Velocity Kinematics）</span></div> <br /> <div><span>微小変位の関係式：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>delta P = J(</span><span>\</span><span>theta) </span><span>\</span><span>delta Q</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>delta P$</span><span>：</span><span>**先端の微小変位ベクトル**</span><span>（エンドエフェクタの微小変位）</span></div> <div><span>-</span><span> $</span><span>\</span><span>delta Q$</span><span>：</span><span>**関節の微小変位ベクトル**</span><span>（関節の微小変位）</span></div> <br /> <div><span>両辺を$dt$で割ると、速度の関係式が得られる：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{X} = J(</span><span>\</span><span>theta) </span><span>\</span><span>dot</span><span>{Q}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで：</span></div> <div><span>-</span><span> $</span><span>\</span><span>dot</span><span>{X}$</span><span>：</span><span>**速度**</span><span>（エンドエフェクタの速度）</span></div> <div><span>-</span><span> $</span><span>\</span><span>dot</span><span>{Q}$</span><span>：</span><span>**関節の速度**</span></div> <br /> <div><span>これは</span><span>**速度の順変換**</span><span>（forward velocity transformation）と呼ばれる。</span></div> <br /> <div><span>### 6.3 逆速度運動学（Inverse Velocity Kinematics）</span></div> <br /> <div><span>もし$J(\</span><span>theta</span><span>)^{-1}$が存在すれば、逆変換が可能である：</span></div> <br /> <div><span>$$</span></div> <div><span>\</span><span>dot</span><span>{Q} = J(</span><span>\</span><span>theta)^{-</span><span>1</span><span>} </span><span>\</span><span>dot</span><span>{X}</span></div> <div><span>$$</span></div> <br /> <div><span>ここで、$J(\</span><span>theta</span><span>)^{-1}$は**$J(\</span><span>theta</span><span>)$の逆行列**である。</span></div> <br /> <div><span>これは</span><span>**速度の逆変換**</span><span>（inverse velocity transformation）と呼ばれ、</span><span>**逆運動学の代わりとして利用**</span><span>される。</span></div> <br /> <div><span>**注意**</span><span>：これは</span><span>**多値演算**</span><span>（multivalued operation）である可能性がある。つまり、同じエンドエフェクタ速度に対して複数の関節速度の解が存在する場合がある。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TD</span></div> <div><span>    Qdot["関節速度 $\dot{Q}$"]</span></div> <div><span>    Xdot["エンドエフェクタ速度 $\dot{X}$"]</span></div> <div><span>    JinvCheck["$J(\theta)$ 逆行列あり?"]</span></div> <div><span>    Qdot2["関節速度 $\dot{Q} = J^{-1}(\theta)\dot{X}$"]</span></div> <div><span>    Singularity["特異姿勢&lt;br&gt;逆変換不可"]</span></div> <br /> <div><span>    Qdot -- "$J(\theta)$で変換" --&gt; Xdot</span></div> <div><span>    Xdot -- "逆行列の有無を検討" --&gt; JinvCheck</span></div> <div><span>    JinvCheck -- "はい" --&gt; Qdot2</span></div> <div><span>    JinvCheck -- "いいえ" --&gt; Singularity</span></div> <div><span>```</span></div> <br /> <div><span># 特異姿勢、遠隔操作、運動制御</span></div> <br /> <div><span>## 7. ヤコビ行列の逆行列が存在しない場合（特異姿勢）</span></div> <br /> <div><span>### 7.1 特異姿勢とは</span></div> <br /> <div><span>ヤコビ行列の逆行列$J(\</span><span>theta</span><span>)^{-1}$が存在しない場合、</span><span>**ロボットアームは特異姿勢になっている**</span><span>。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>stateDiagram-v2</span></div> <div><span>    [*] --&gt; 通常姿勢: ヤコビ行列が正則</span></div> <div><span>    通常姿勢 --&gt; 特異姿勢: det(J) = 0</span></div> <div><span>    特異姿勢 --&gt; 通常姿勢: 姿勢変更</span></div> <div><span>    特異姿勢 --&gt; 問題発生: ある方向に動かせない&lt;br/&gt;自由度低下</span></div> <div><span>    通常姿勢 --&gt; [*]</span></div> <div><span>    問題発生 --&gt; [*]</span></div> <div><span>```</span></div> <br /> <div><span>### 7.2 特異姿勢の特徴</span></div> <br /> <div><span>特異姿勢では以下の問題が発生する：</span></div> <br /> <div><span>-</span><span> </span><span>**ある方向に動かせなくなる姿勢**</span></div> <div><span>-</span><span> </span><span>**関節自由度が低下**</span></div> <br /> <div><span>### 7.3 2リンクロボットアームの例</span></div> <br /> <div><span>2リンクロボットアームが</span><span>**35度に伸び切った場合**</span><span>（完全に伸びた状態）を考える。</span></div> <br /> <div><span>この状態では：</span></div> <div><span>-</span><span> </span><span>**2自由度が独立でなくなる**</span></div> <div><span>-</span><span> 2自由度が1つの式に変換される</span></div> <div><span>-</span><span> </span><span>**ある方向に動かせなくなる**</span><span>ことが明確である</span></div> <br /> <div><span>**注意**</span><span>：関節数が多いほど、特異姿勢が発生する可能性が高くなる。</span></div> <br /> <div><span>## 8. ロボットの遠隔操作</span></div> <br /> <div><span>### 8.1 ラジコン（ラジオコントロール）</span></div> <br /> <div><span>**ラジコン**</span><span>は、人が見て1方向の指令を与える遠隔操作の方法である。</span></div> <br /> <div><span>### 8.2 ネットワーク遅延の重要性</span></div> <br /> <div><span>**ネットワーク遅延時間が小さいことが重要**</span><span>である。これは対デイゲーム（オンラインゲーム）でも同様の要件がある。</span></div> <br /> <div><span>## 9. 運動制御</span></div> <br /> <div><span>### 9.1 運動制御の概要</span></div> <br /> <div><span>運動制御では、</span><span>**どこを通ってでもない**</span><span>（特定の経路を必ず通る必要はない）場合もある。この場合、経路はシステムに任せる。</span></div> <br /> <div><span>```mermaid</span></div> <div><span>graph TD</span></div> <div><span>    A[運動制御] --&gt; B[PTP制御&lt;br/&gt;Point-to-Point]</span></div> <div><span>    A --&gt; C[CT制御&lt;br/&gt;Continuous Trajectory]</span></div> <div><span>    B --&gt; D[始点と終点のみ指定]</span></div> <div><span>    B --&gt; E[経路はシステムが決定]</span></div> <div><span>    C --&gt; F[始点と終点を指定]</span></div> <div><span>    C --&gt; G[経路も指定]</span></div> <div><span>```</span></div> <br /> <div><span>### 9.2 PTP制御（Point-to-Point Control）</span></div> <br /> <div><span>**PTP制御**</span><span>は、ロボットの</span><span>**始点と終点の指定**</span><span>を行う制御方法である。</span></div> <br /> <div><span>-</span><span> 始点と終点のみを指定</span></div> <div><span>-</span><span> 中間の経路は指定しない</span></div> <br /> <div><span>### 9.3 CT制御（Continuous Trajectory Control）</span></div> <br /> <div><span>**CT制御**</span><span>は、始点や終点に加えて</span><span>**経路（軌跡）を指定**</span><span>する制御方法である。</span></div> <br /> <div><span>-</span><span> 始点と終点を指定</span></div> <div><span>-</span><span> 経路（軌跡）も指定する</span></div> </div> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学１３ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-12-16 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ロボット工学 - 内界センサー（Internal Sensors）</h1> <h2>概要</h2> <p>ロボット制御システムの根幹を成す内界センサーについて、基礎理論から実装まで包括的に解説します。制御工学、信号処理、材料力学の知識を統合した実践的な内容となっています。</p> <h3>学習目標</h3> <p>この資料を読むことで、以下の知識を習得できます：</p> <ol> <li><strong>理論的理解</strong>: 各センサーの物理的原理と数学的モデル</li> <li><strong>実装技術</strong>: 実際のシステムでの統合方法と信号処理</li> <li><strong>設計指針</strong>: 用途に応じたセンサー選択とシステム設計</li> <li><strong>トラブルシューティング</strong>: よくある問題と解決策</li> <li><strong>最新動向</strong>: 現代のロボットシステムでの応用事例</li> </ol> <h3>対象読者</h3> <ul> <li>ロボット工学を学ぶ学生・大学院生</li> <li>産業用ロボットの設計・開発エンジニア</li> <li>制御システムの技術者</li> <li>センサー技術に興味のある研究者</li> </ul> <h2>目次</h2> <ol> <li><a href="#1-%E5%86%85%E7%95%8C%E3%82%BB%E3%83%B3%E3%82%B5%E3%83%BC%E3%81%AE%E5%AE%9A%E7%BE%A9%E3%81%A8%E5%88%86%E9%A1%9E">内界センサーの定義と分類</a></li> <li><a href="#2-%E5%89%9B%E4%BD%93%E3%81%AE%E9%81%8B%E5%8B%95%E5%AD%A6%E3%81%A8%E8%87%AA%E7%94%B1%E5%BA%A6">剛体の運動学と自由度</a></li> <li><a href="#3-%E3%82%A8%E3%83%B3%E3%82%B3%E3%83%BC%E3%83%80encoder">エンコーダ（Encoder）</a></li> <li><a href="#4-%E3%83%9D%E3%83%86%E3%83%B3%E3%82%B7%E3%83%A7%E3%83%A1%E3%83%BC%E3%82%BFpotentiometer">ポテンショメータ（Potentiometer）</a></li> <li><a href="#5-%E3%83%AC%E3%82%BE%E3%83%AB%E3%83%90resolver">レゾルバ（Resolver）</a></li> <li><a href="#6-%E3%82%BF%E3%82%B3%E3%82%B8%E3%82%A7%E3%83%8D%E3%83%AC%E3%83%BC%E3%82%BFtachogenerator">タコジェネレータ（Tachogenerator）</a></li> <li><a href="#7-%E5%8A%9B%E3%82%BB%E3%83%B3%E3%82%B5%E3%83%BCforce-sensors">力センサー（Force Sensors）</a></li> <li><a href="#8-%E9%AB%98%E5%BA%A6%E3%81%AA%E4%BF%A1%E5%8F%B7%E5%87%A6%E7%90%86%E6%8A%80%E8%A1%93">高度な信号処理技術</a></li> <li><a href="#9-%E3%81%BE%E3%81%A8%E3%82%81%E3%81%A8%E6%8A%80%E8%A1%93%E6%AF%94%E8%BC%83">まとめと技術比較</a></li> <li><a href="#%E5%8F%82%E8%80%83%E6%96%87%E7%8C%AE%E9%96%A2%E9%80%A3%E3%83%AA%E3%83%B3%E3%82%AF">参考文献・関連リンク</a></li> </ol> <h2>1. 内界センサーの定義と分類</h2> <h3>1.1 内界センサーとは</h3> <p><strong>内界センサー（Internal Sensors）</strong>は、ロボットシステム内部の状態変数を直接計測するセンサー群である。これらは制御ループ内でフィードバック信号を生成し、ロボットの運動制御、位置決め、力制御において重要な役割を果たす。</p> <h4>内界センサーの特徴</h4> <ol> <li><strong>直接測定</strong>: ロボット自身の物理量を直接検出</li> <li><strong>高精度</strong>: 制御に必要な精度を提供</li> <li><strong>高速応答</strong>: リアルタイム制御に対応</li> <li><strong>信頼性</strong>: 環境変化に比較的強い</li> </ol> <p><strong>重要ポイント</strong><br />内界センサーは「ロボット自身の状態」を測定するセンサーです。対照的に外界センサー（カメラ、レーザーなど）は「環境の状態」を測定します。</p> <h4>実用例：産業用ロボットアーム</h4> <pre>関節1: エンコーダ（位置検出） 関節2: レゾルバ（高精度位置検出） 関節3: ポテンショメータ（角度検出） エンドエフェクタ: 力センサー（接触力検出） モータ軸: タコジェネレータ（速度検出） </pre> <h3>1.2 センサー分類と制御系での位置づけ</h3> <pre>制御対象 → 内界センサー → 制御器 → アクチュエータ → 制御対象 ↑ ↓ └────────── フィードバックループ ──────────┘ </pre> <p><strong>制御ループの流れ：</strong></p> <ol> <li><strong>制御対象</strong>：ロボットの関節やエンドエフェクタ</li> <li><strong>内界センサー</strong>：位置・速度・力などを検出</li> <li><strong>制御器</strong>：PID制御などで目標値との差を計算</li> <li><strong>アクチュエータ</strong>：モータなどで実際の動作を実行</li> </ol> <h4>内界センサーの主要機能</h4> <ol> <li><strong>状態推定（State Estimation）</strong>：位置、速度、加速度の検出</li> <li><strong>外乱検出（Disturbance Detection）</strong>：負荷変動、摩擦変化の検出</li> <li><strong>制御精度向上（Control Accuracy Enhancement）</strong>：PID制御のフィードバック信号生成</li> <li><strong>安全性確保（Safety Assurance）</strong>：異常状態の早期検出</li> </ol> <h3>1.3 制御理論における位置づけ</h3> <p>内界センサーは以下の制御理論的概念と密接に関連する：</p> <ul> <li><strong>フィードバック制御</strong>：閉ループ制御系の安定性確保</li> <li><strong>状態空間表現</strong>：システムの状態変数として直接利用</li> <li><strong>オブザーバ理論</strong>：状態推定の精度向上</li> <li><strong>ロバスト制御</strong>：外乱に対する制御系の堅牢性</li> </ul> <h2>2. 剛体の運動学と自由度</h2> <h3>2.1 剛体の自由度（Degrees of Freedom）</h3> <p>3次元空間における剛体の自由度は6つである：</p> <p><strong>並進自由度（Translational DOF）</strong>：3つ</p> <ul> <li>x軸方向の並進</li> <li>y軸方向の並進</li> <li>z軸方向の並進</li> </ul> <p><strong>回転自由度（Rotational DOF）</strong>：3つ</p> <ul> <li>x軸周りの回転（ロール）</li> <li>y軸周りの回転（ピッチ）</li> <li>z軸周りの回転（ヨー）</li> </ul> <h3>2.2 位置・姿勢の数学的表現</h3> <h4>位置ベクトル</h4> <p>\[\mathbf{r} = [x, y, z]^T\]</p> <h4>回転行列</h4> <p>\[R = R_z(\gamma) \times R_y(\beta) \times R_x(\alpha)\]</p> <p>ここで：</p> <ul> <li>α：ロール角</li> <li>β：ピッチ角</li> <li>γ：ヨー角</li> </ul> <h4>角速度ベクトル</h4> <p>\[\mathbf{\omega} = [\omega_x, \omega_y, \omega_z]^T = \frac{d\mathbf{\Theta}}{dt} \quad [\text{rad/s}]\]</p> <h2>3. エンコーダ（Encoder）</h2> <h3>3.1 インクリメンタルエンコーダ（Incremental Encoder）</h3> <h4>動作原理</h4> <p>回転に伴ってパルス信号を出力し、パルス数をカウントすることで相対的な位置を検出する。</p> <h4>基本構成</h4> <ul> <li><strong>ディスク</strong>：等間隔のスリットが刻まれた円盤</li> <li><strong>発光素子</strong>：LEDまたはレーザーダイオード</li> <li><strong>受光素子</strong>：フォトトランジスタまたはフォトダイオード</li> <li><strong>信号処理回路</strong>：パルス整形、カウント回路</li> </ul> <h4>出力信号</h4> <ul> <li><strong>A相</strong>：基本パルス信号</li> <li><strong>B相</strong>：A相から90°位相がずれた信号</li> <li><strong>Z相</strong>：1回転ごとに1パルス出力（原点検出用）</li> </ul> <h3>3.2 位置・速度の計算</h3> <h4>位置計算</h4> <p>\[\theta(t) = \frac{2\pi}{N_0} \times N(t) \quad [\text{rad}]\]</p> <h4>速度計算</h4> <p>\[\omega(t) = \frac{d\theta}{dt} = \frac{2\pi}{N_0} \times \frac{dN}{dt} \quad [\text{rad/s}]\]</p> <p>ここで：</p> <ul> <li><strong>θ(t)</strong>：時刻tでの回転角度 [rad]</li> <li><strong>N(t)</strong>：時刻tでの累積パルス数</li> <li><strong>N₀</strong>：1回転あたりのパルス数（PPR: Pulses Per Revolution）</li> <li><strong>ω(t)</strong>：角速度 [rad/s]</li> </ul> <h4>分解能と精度</h4> <p>\[\text{分解能} = \frac{360°}{N_0} = \frac{2\pi}{N_0} \quad [\text{rad}]\]</p> <h4>4倍カウント方式</h4> <p>A相、B相の位相差を利用した4倍カウント：</p> <p>\[\text{実効分解能} = 4 \times N_0 \quad [\text{pulses/rev}]\]</p> <h4>技術仕様</h4> <ul> <li><strong>分解能</strong>：100～10,000 PPR</li> <li><strong>精度</strong>：±0.1°～±0.01°</li> <li><strong>応答周波数</strong>：100kHz～1MHz</li> <li><strong>回転速度</strong>：最大10,000 rpm</li> <li><strong>動作温度</strong>：-10°C～+70°C</li> <li><strong>振動耐性</strong>：10G（10～2000Hz）</li> </ul> <h4>制御系での利用</h4> <p>PID制御器での位置フィードバック信号として使用</p> <h4>実装例：サーボモータ制御</h4> <pre>// エンコーダ読み取り例（Arduino風） void readEncoder() { static int lastA = 0, lastB = 0; int currentA = digitalRead(ENCODER_A); int currentB = digitalRead(ENCODER_B); // エッジ検出 if (currentA != lastA) { if (currentA == currentB) { position++; // 正回転 } else { position--; // 逆回転 } } lastA = currentA; lastB = currentB; } </pre> <h4>トラブルシューティング</h4> <table> <tbody> <tr> </tr> <tr> <td>パルスが検出されない</td> <td>配線不良、電源不足</td> <td>配線確認、電圧測定</td> </tr> <tr> <td>位置がずれる</td> <td>ノイズ、電源変動</td> <td>シールド配線、安定化電源</td> </tr> <tr> <td>応答が遅い</td> <td>フィルタ設定</td> <td>カットオフ周波数調整</td> </tr> </tbody> </table> <h3>3.3 アブソリュートエンコーダ（Absolute Encoder）</h3> <h4>動作原理</h4> <p>各角度位置に対応した固有のデジタルコードを出力し、絶対的な位置を検出する。</p> <h4>分解能の計算</h4> <p>\[\text{分解能} = \frac{360°}{2^n} = \frac{2\pi}{2^n} \quad [\text{rad}]\]</p> <p>ここで：</p> <ul> <li><strong>n</strong>：ビット数</li> <li><strong>例</strong>：12ビットの場合、2^12 = 4,096パターン</li> <li><strong>分解能</strong> = 360° / 4,096 = 0.088°</li> </ul> <h4>グレイコード（Gray Code）</h4> <p>2進数ではなくグレイコードを使用する理由：</p> <pre>10進数 | 2進数 | グレイコード -------|-------|------------ 0 | 000 | 000 1 | 001 | 001 2 | 010 | 011 3 | 011 | 010 4 | 100 | 110 5 | 101 | 111 </pre> <p><strong>利点</strong>：</p> <ul> <li>隣接値間で1ビットのみ変化</li> <li>読み取り誤差の最小化</li> <li>デジタル回路の簡素化</li> </ul> <h4>技術仕様</h4> <ul> <li><strong>分解能</strong>：8～24ビット（0.14°～0.00002°）</li> <li><strong>精度</strong>：±0.01°～±0.001°</li> <li><strong>応答時間</strong>：1～10ms</li> <li><strong>インターフェース</strong>：SSI、BiSS、EtherCAT</li> <li><strong>動作温度</strong>：-40°C～+85°C</li> <li><strong>保護等級</strong>：IP65～IP67</li> </ul> <h4>インターフェース比較</h4> <table> <tbody> <tr> </tr> <tr> <td><strong>SSI</strong></td> <td>1MHz</td> <td>10m</td> <td>中</td> <td>低</td> </tr> <tr> <td><strong>BiSS</strong></td> <td>10MHz</td> <td>10m</td> <td>高</td> <td>中</td> </tr> <tr> <td><strong>EtherCAT</strong></td> <td>100Mbps</td> <td>100m</td> <td>高</td> <td>高</td> </tr> </tbody> </table> <h4>実装例：SSI通信</h4> <pre>// SSI読み取り例 uint32_t readSSI() { uint32_t data = 0; // クロック信号生成 for (int i = 0; i &lt; 24; i++) { digitalWrite(CLK_PIN, HIGH); delayMicroseconds(1); if (digitalRead(DATA_PIN)) { data |= (1 &lt;&lt; (23 - i)); } digitalWrite(CLK_PIN, LOW); delayMicroseconds(1); } return data; } </pre> <h3>3.4 エンコーダの信号処理</h3> <h4>デジタルフィルタリング</h4> <p><strong>移動平均フィルタ</strong></p> <p>\[H(z) = \frac{1 + z^{-1}}{2}\]</p> <p><strong>ローパスフィルタ</strong></p> <p>\[H(z) = \frac{1-\alpha}{1-\alpha z^{-1}}\]</p> <p>ここで \(\alpha = e^{-2\pi f_c/f_s}\)、\(f_c\): カットオフ周波数、\(f_s\): サンプリング周波数</p> <h4>速度推定アルゴリズム</h4> <p><strong>差分法</strong></p> <p>\[\omega[k] = \frac{\theta[k] - \theta[k-1]}{\Delta t}\]</p> <p><strong>高次差分法（ノイズ低減）</strong></p> <p>\[\omega[k] = \frac{\theta[k+1] - \theta[k-1]}{2\Delta t}\]</p> <p><strong>オブザーバ法</strong></p> <p>\[\hat{\mathbf{x}}[k+1] = A\hat{\mathbf{x}}[k] + B\mathbf{u}[k] + L(\mathbf{y}[k] - C\hat{\mathbf{x}}[k])\]</p> <h4>カルマンフィルタによる状態推定</h4> <p><strong>状態空間モデル</strong></p> <p>\[\mathbf{x}[k+1] = A\mathbf{x}[k] + B\mathbf{u}[k] + \mathbf{w}[k]\]</p> <p>\[\mathbf{y}[k] = C\mathbf{x}[k] + \mathbf{v}[k]\]</p> <p><strong>カルマンフィルタ方程式</strong></p> <p>予測ステップ：</p> <p>\[\hat{\mathbf{x}}[k|k-1] = A\hat{\mathbf{x}}[k-1|k-1] + B\mathbf{u}[k-1]\]</p> <p>\[P[k|k-1] = AP[k-1|k-1]A^T + Q\]</p> <p>更新ステップ：</p> <p>\[K[k] = P[k|k-1]C^T(CP[k|k-1]C^T + R)^{-1}\]</p> <p>\[\hat{\mathbf{x}}[k|k] = \hat{\mathbf{x}}[k|k-1] + K[k](\mathbf{y}[k] - C\hat{\mathbf{x}}[k|k-1])\]</p> <p>\[P[k|k] = (I - K[k]C)P[k|k-1]\]</p> <h4>実装例：位置・速度推定</h4> <pre>// カルマンフィルタ実装例 typedef struct { float x[2]; // [位置, 速度] float P[2][2]; // 誤差共分散行列 float Q[2][2]; // プロセスノイズ共分散 float R; // 観測ノイズ分散 } KalmanFilter; void kalman_predict(KalmanFilter* kf, float dt) { // 状態遷移行列 float A[2][2] = {{1, dt}, {0, 1}}; // 予測ステップ float x_pred[2] = {A[0][0]*kf-&gt;x[0] + A[0][1]*kf-&gt;x[1], A[1][0]*kf-&gt;x[0] + A[1][1]*kf-&gt;x[1]}; // 誤差共分散の更新 // P = A*P*A^T + Q // (実装省略) kf-&gt;x[0] = x_pred[0]; kf-&gt;x[1] = x_pred[1]; } void kalman_update(KalmanFilter* kf, float measurement) { // カルマンゲイン計算 float S = kf-&gt;P[0][0] + kf-&gt;R; float K = kf-&gt;P[0][0] / S; // 状態更新 float innovation = measurement - kf-&gt;x[0]; kf-&gt;x[0] += K * innovation; kf-&gt;x[1] += K * innovation; // 速度も更新 // 誤差共分散更新 kf-&gt;P[0][0] *= (1 - K); kf-&gt;P[0][1] *= (1 - K); kf-&gt;P[1][0] *= (1 - K); kf-&gt;P[1][1] *= (1 - K); } </pre> <h2>4. ポテンショメータ（Potentiometer）</h2> <h3>4.1 動作原理</h3> <p>ポテンショメータは、抵抗体の分圧比を利用して角度を電圧に変換するセンサーである。</p> <h4>基本構成</h4> <ul> <li><strong>抵抗体</strong>：炭素皮膜、金属皮膜、ワイヤー巻き</li> <li><strong>可動接点</strong>：回転軸に連動するスライダー</li> <li><strong>固定端子</strong>：電源入力、グランド、出力</li> </ul> <h4>電圧出力特性</h4> <p>\[V_{\text{out}} = V_{\text{supply}} \times \frac{\theta}{\theta_{\max}}\]</p> <p>ここで：</p> <ul> <li><strong>V_out</strong>：出力電圧 [V]</li> <li><strong>V_supply</strong>：供給電圧 [V]</li> <li><strong>θ</strong>：現在の角度 [rad]</li> <li><strong>θ_max</strong>：最大回転角 [rad]</li> </ul> <h3>4.2 電気的特性</h3> <h4>分圧回路</h4> <p>\[V_{\text{out}} = V_{\text{supply}} \times \frac{R_2}{R_1 + R_2}\]</p> <h4>線形性</h4> <p>理想的な線形性は以下の式で表される：</p> <p>\[V_{\text{out}} = V_{\text{supply}} \times \frac{\theta}{\theta_{\max}} + V_{\text{offset}}\]</p> <h4>非線形性の要因</h4> <ol> <li><strong>抵抗体の不均一性</strong></li> <li><strong>接触抵抗の変動</strong></li> <li><strong>温度係数</strong></li> <li><strong>機械的摩耗</strong></li> </ol> <h3>4.3 材料と特性</h3> <h4>抵抗体材料</h4> <table> <tbody> <tr> </tr> <tr> <td><strong>炭素皮膜</strong></td> <td>1kΩ～1MΩ</td> <td>±20%</td> <td>-1000ppm/°C</td> <td>中</td> </tr> <tr> <td><strong>金属皮膜</strong></td> <td>100Ω～1MΩ</td> <td>±5%</td> <td>±100ppm/°C</td> <td>高</td> </tr> <tr> <td><strong>ワイヤー巻き</strong></td> <td>10Ω～100kΩ</td> <td>±1%</td> <td>±50ppm/°C</td> <td>最高</td> </tr> </tbody> </table> <h4>技術仕様</h4> <ul> <li><strong>回転角度</strong>：270°～360°</li> <li><strong>精度</strong>：±0.1%～±5%</li> <li><strong>分解能</strong>：理論上無限（実際は0.1°程度）</li> <li><strong>応答時間</strong>：即座</li> <li><strong>動作温度</strong>：-40°C～+125°C</li> <li><strong>振動耐性</strong>：10G</li> </ul> <h3>4.4 信号処理と補償</h3> <h4>非線形性補償</h4> <p>\[\theta_{\text{corrected}} = \theta_{\text{raw}} + f_{\text{correction}}(\theta_{\text{raw}})\]</p> <h4>温度補償</h4> <p>\[V_{\text{compensated}} = V_{\text{raw}} \times (1 + \alpha_T \times \Delta T)\]</p> <h4>ノイズ除去</h4> <p>\[V_{\text{filtered}} = V_{\text{raw}} \times (1 - \alpha) + V_{\text{previous}} \times \alpha\]</p> <h3>4.5 実装例：角度測定</h3> <pre>// ポテンショメータ読み取り例 float readPotentiometer() { int raw_value = analogRead(POT_PIN); float voltage = (raw_value / 1023.0) * 5.0; // 0-5Vに変換 // 角度計算（0-270度の場合） float angle = (voltage / 5.0) * 270.0; return angle; } // キャリブレーション例 void calibratePotentiometer() { float min_voltage = 0.0; float max_voltage = 5.0; // 最小値設定 Serial.println("最小位置に移動してEnterを押してください"); while (Serial.available() == 0); min_voltage = analogRead(POT_PIN) * 5.0 / 1023.0; Serial.read(); // 最大値設定 Serial.println("最大位置に移動してEnterを押してください"); while (Serial.available() == 0); max_voltage = analogRead(POT_PIN) * 5.0 / 1023.0; Serial.read(); // キャリブレーション係数保存 EEPROM.put(0, min_voltage); EEPROM.put(4, max_voltage); } </pre> <h2>5. レゾルバ（Resolver）</h2> <h3>5.1 動作原理</h3> <p>レゾルバは、電磁誘導を利用して角度を検出するアナログセンサーである。</p> <h4>基本構成</h4> <ul> <li><strong>ステータ</strong>：固定子、励磁コイルと検出コイル</li> <li><strong>ロータ</strong>：回転子、変調コイル</li> <li><strong>励磁信号</strong>：高周波正弦波（通常1-10kHz）</li> </ul> <h4>出力信号</h4> <p>\[V_{\sin} = K \times \sin(\theta) \times \sin(\omega t)\]</p> <p>\[V_{\cos} = K \times \cos(\theta) \times \sin(\omega t)\]</p> <p>ここで：</p> <ul> <li><strong>K</strong>：ゲイン定数</li> <li><strong>θ</strong>：回転角度 [rad]</li> <li><strong>ω</strong>：励磁角周波数 [rad/s]</li> <li><strong>t</strong>：時間 [s]</li> </ul> <h3>5.2 角度計算</h3> <h4>アークタンジェント法</h4> <p>\[\theta = \arctan2(V_{\sin}, V_{\cos})\]</p> <h4>4象限アークタンジェント</h4> <pre>float calculateAngle(float sin_val, float cos_val) { float angle = atan2(sin_val, cos_val); // 負の角度を正の角度に変換 if (angle &lt; 0) { angle += 2 * PI; } return angle; } </pre> <h3>5.3 RDC（Resolver-to-Digital Converter）</h3> <h4>動作原理</h4> <p>RDCは、レゾルバのアナログ出力をデジタル角度に変換する専用ICである。</p> <h4>主要機能</h4> <ol> <li><strong>励磁信号生成</strong>：正弦波発振器</li> <li><strong>同期検波</strong>：位相敏感検波器</li> <li><strong>角度計算</strong>：アークタンジェント演算</li> <li><strong>デジタル出力</strong>：並列/シリアル出力</li> </ol> <h4>技術仕様</h4> <ul> <li><strong>分解能</strong>：10～16ビット</li> <li><strong>精度</strong>：±0.1°～±0.01°</li> <li><strong>応答時間</strong>：1～10ms</li> <li><strong>励磁周波数</strong>：1～10kHz</li> <li><strong>動作温度</strong>：-40°C～+125°C</li> </ul> <h3>5.4 ノイズ対策と補償</h3> <h4>ノイズ源</h4> <ol> <li><strong>電磁誘導ノイズ</strong></li> <li><strong>電源ノイズ</strong></li> <li><strong>熱雑音</strong></li> <li><strong>量子化ノイズ</strong></li> </ol> <h4>対策</h4> <ol> <li><strong>シールド配線</strong></li> <li><strong>差動信号</strong></li> <li><strong>フィルタリング</strong></li> <li><strong>冗長化</strong></li> </ol> <h4>実装例：レゾルバ読み取り</h4> <pre>// レゾルバ読み取り例 typedef struct { float sin_val; float cos_val; float angle; float prev_angle; int revolutions; } ResolverData; void readResolver(ResolverData* resolver) { // アナログ値読み取り int sin_raw = analogRead(SIN_PIN); int cos_raw = analogRead(COS_PIN); // 電圧に変換（-5V～+5V） resolver-&gt;sin_val = (sin_raw - 512) * 10.0 / 1023.0; resolver-&gt;cos_val = (cos_raw - 512) * 10.0 / 1023.0; // 角度計算 resolver-&gt;angle = atan2(resolver-&gt;sin_val, resolver-&gt;cos_val); // 回転数カウント float angle_diff = resolver-&gt;angle - resolver-&gt;prev_angle; if (angle_diff &gt; PI) { resolver-&gt;revolutions--; } else if (angle_diff &lt; -PI) { resolver-&gt;revolutions++; } resolver-&gt;prev_angle = resolver-&gt;angle; } // 絶対角度取得 float getAbsoluteAngle(ResolverData* resolver) { return resolver-&gt;angle + resolver-&gt;revolutions * 2 * PI; } </pre> <h2>6. タコジェネレータ（Tachogenerator）</h2> <h3>6.1 動作原理</h3> <p>タコジェネレータは、発電機の原理を利用して回転速度を電圧に変換するセンサーである。</p> <h4>基本構成</h4> <ul> <li><strong>永久磁石</strong>：固定子</li> <li><strong>電機子</strong>：回転子、コイル巻き</li> <li><strong>整流子</strong>：直流出力用</li> <li><strong>ブラシ</strong>：電流取り出し</li> </ul> <h4>出力電圧</h4> <p>\[V_{\text{out}} = K_t \times \omega\]</p> <p>ここで：</p> <ul> <li><strong>V_out</strong>：出力電圧 [V]</li> <li><strong>K_t</strong>：タコ定数 [V·s/rad]</li> <li><strong>ω</strong>：角速度 [rad/s]</li> </ul> <h3>6.2 信号処理</h3> <h4>速度計算</h4> <p>\[\omega = \frac{V_{\text{out}}}{K_t}\]</p> <h4>フィルタリング</h4> <p>\[V_{\text{filtered}} = V_{\text{raw}} \times (1 - \alpha) + V_{\text{previous}} \times \alpha\]</p> <h4>校正</h4> <pre>// タコジェネレータ校正例 void calibrateTachogenerator() { float known_speed = 1000.0; // rpm float voltage = analogRead(TACHO_PIN) * 5.0 / 1023.0; // タコ定数計算 float k_t = voltage / (known_speed * 2 * PI / 60.0); // EEPROMに保存 EEPROM.put(0, k_t); } // 速度読み取り float readSpeed() { float voltage = analogRead(TACHO_PIN) * 5.0 / 1023.0; float k_t; EEPROM.get(0, k_t); return voltage / k_t * 60.0 / (2 * PI); // rpmに変換 } </pre> <h3>6.3 技術仕様</h3> <table> <tbody> <tr> </tr> <tr> <td><strong>出力電圧</strong></td> <td>0～10V</td> </tr> <tr> <td><strong>タコ定数</strong></td> <td>1～100 V·s/rad</td> </tr> <tr> <td><strong>精度</strong></td> <td>±0.1%～±1%</td> </tr> <tr> <td><strong>応答時間</strong></td> <td>1～10ms</td> </tr> <tr> <td><strong>動作温度</strong></td> <td>-40°C～+125°C</td> </tr> <tr> <td><strong>振動耐性</strong></td> <td>20G</td> </tr> </tbody> </table> <h2>7. 力センサー（Force Sensors）</h2> <h3>7.1 ひずみゲージ式力センサー</h3> <h4>動作原理</h4> <p>ひずみゲージの抵抗変化を利用して力を検出する。</p> <h4>ひずみの定義</h4> <p>\[\varepsilon = \frac{\Delta L}{L} = \frac{L_{\text{final}} - L_{\text{initial}}}{L_{\text{initial}}}\]</p> <h4>抵抗変化</h4> <p>\[\frac{\Delta R}{R} = G \times \varepsilon\]</p> <p>ここで：</p> <ul> <li><strong>G</strong>：ゲージ率（通常2.0）</li> <li><strong>ε</strong>：ひずみ</li> </ul> <h4>ホイートストンブリッジ</h4> <p>\[V_{\text{out}} = V_{\text{supply}} \times \left(\frac{R_2}{R_1+R_2} - \frac{R_4}{R_3+R_4}\right)\]</p> <h3>7.2 圧電式力センサー</h3> <h4>動作原理</h4> <p>圧電効果を利用して力を電荷に変換する。</p> <h4>出力電荷</h4> <p>\[Q = d \times F\]</p> <p>ここで：</p> <ul> <li><strong>Q</strong>：出力電荷 [C]</li> <li><strong>d</strong>：圧電定数 [C/N]</li> <li><strong>F</strong>：力 [N]</li> </ul> <h3>7.3 信号処理と校正</h3> <h4>校正手順</h4> <ol> <li><strong>ゼロ点調整</strong></li> <li><strong>感度調整</strong></li> <li><strong>線形性確認</strong></li> <li><strong>温度補償</strong></li> </ol> <h4>実装例：力センサー読み取り</h4> <pre>// 力センサー読み取り例 typedef struct { float force; float prev_force; float filtered_force; float alpha; // フィルタ係数 } ForceSensor; void readForceSensor(ForceSensor* sensor) { int raw_value = analogRead(FORCE_PIN); float voltage = (raw_value - 512) * 10.0 / 1023.0; // -5V～+5V // 力に変換（校正係数使用） sensor-&gt;force = voltage * FORCE_SENSITIVITY; // ローパスフィルタ sensor-&gt;filtered_force = sensor-&gt;alpha * sensor-&gt;force + (1 - sensor-&gt;alpha) * sensor-&gt;filtered_force; } // 力制御例 void forceControl(float target_force, ForceSensor* sensor) { float error = target_force - sensor-&gt;filtered_force; float control_output = KP * error + KI * integral_error + KD * derivative_error; // モータ制御 setMotorSpeed(control_output); } </pre> <h2>8. 高度な信号処理技術</h2> <h3>8.1 適応制御（Adaptive Control）</h3> <h4>MRAC（Model Reference Adaptive Control）</h4> <p>\[u(t) = K_p \times e(t) + K_i \times \int e(t)dt + K_d \times \frac{de(t)}{dt}\]</p> <h4>パラメータ同定</h4> <pre>// 最小二乗法によるパラメータ同定 typedef struct { float theta[3]; // [Kp, Ki, Kd] float P[3][3]; // 共分散行列 float lambda; // 忘却係数 } ParameterEstimator; void updateParameters(ParameterEstimator* est, float input, float output) { float phi[3] = {input, integral_input, derivative_input}; // カルマンフィルタ更新 float S = 1.0 + phi[0]*est-&gt;P[0][0]*phi[0] + phi[1]*est-&gt;P[1][1]*phi[1] + phi[2]*est-&gt;P[2][2]*phi[2]; float K[3]; for (int i = 0; i &lt; 3; i++) { K[i] = est-&gt;P[i][i] * phi[i] / S; est-&gt;theta[i] += K[i] * (output - phi[i] * est-&gt;theta[i]); } } </pre> <h3>8.2 ノイズ除去技術</h3> <h4>ウェーブレット変換</h4> <pre>// 簡易ウェーブレットフィルタ float waveletFilter(float* signal, int length, float threshold) { float filtered = 0.0; for (int i = 1; i &lt; length - 1; i++) { float detail = signal[i] - (signal[i-1] + signal[i+1]) / 2.0; if (fabs(detail) &lt; threshold) { filtered += signal[i]; } else { filtered += (signal[i-1] + signal[i+1]) / 2.0; } } return filtered / length; } </pre> <h2>9. まとめと技術比較</h2> <h3>9.1 センサー比較表</h3> <table> <tbody> <tr> </tr> <tr> <td><strong>エンコーダ</strong></td> <td>高</td> <td>高</td> <td>高</td> <td>中</td> <td>位置制御</td> </tr> <tr> <td><strong>ポテンショメータ</strong></td> <td>中</td> <td>中</td> <td>高</td> <td>低</td> <td>角度測定</td> </tr> <tr> <td><strong>レゾルバ</strong></td> <td>最高</td> <td>高</td> <td>中</td> <td>高</td> <td>高精度位置</td> </tr> <tr> <td><strong>タコジェネレータ</strong></td> <td>高</td> <td>中</td> <td>高</td> <td>中</td> <td>速度制御</td> </tr> <tr> <td><strong>力センサー</strong></td> <td>高</td> <td>高</td> <td>中</td> <td>高</td> <td>力制御</td> </tr> </tbody> </table> <h3>9.2 選択指針</h3> <h4>用途別選択</h4> <ol> <li><strong>位置制御</strong>：エンコーダ、レゾルバ</li> <li><strong>速度制御</strong>：タコジェネレータ、エンコーダ</li> <li><strong>力制御</strong>：力センサー</li> <li><strong>角度測定</strong>：ポテンショメータ</li> </ol> <h4>環境条件</h4> <ul> <li><strong>高温</strong>：レゾルバ、タコジェネレータ</li> <li><strong>振動</strong>：エンコーダ、力センサー</li> <li><strong>電磁ノイズ</strong>：レゾルバ、光ファイバーセンサー</li> </ul> <h3>9.3 システム統合の考慮事項</h3> <h4>信号処理</h4> <ul> <li><strong>サンプリング周波数</strong>：制御帯域の10倍以上</li> <li><strong>フィルタ設計</strong>：位相遅れの最小化</li> <li><strong>校正</strong>：定期的な校正による精度維持</li> </ul> <h4>補償技術</h4> <ul> <li><strong>温度補償</strong>：温度係数の考慮</li> <li><strong>非線形補償</strong>：校正データの活用</li> <li><strong>冗長化</strong>：安全性向上のための冗長構成</li> </ul> <h4>センサー選択フローチャート</h4> <pre>開始 ↓ 用途は？ → 位置制御 → 精度要求は？ → 高 → レゾルバ/アブソリュートエンコーダ ↓ ↓ ↓ 速度制御 中 → インクリメンタルエンコーダ ↓ ↓ 力制御 低 → ポテンショメータ ↓ タコジェネレータ/力センサー ↓ 環境条件確認 ↓ 最終選択 </pre> <h4>システム統合のベストプラクティス</h4> <ol> <li><strong>配線設計</strong> <ul> <li>シールドケーブルの使用</li> <li>電源線との分離</li> <li>適切な接地</li> </ul> </li> <li><strong>信号処理</strong> <ul> <li>適切なサンプリング周波数</li> <li>フィルタ設計</li> <li>校正の自動化</li> </ul> </li> <li><strong>冗長化</strong> <ul> <li>複数センサーの併用</li> <li>故障検出機能</li> <li>フェイルセーフ設計</li> </ul> </li> </ol> <h4>最新技術動向</h4> <ol> <li><strong>MEMSセンサー</strong> <ul> <li>小型化、低コスト化</li> <li>高精度化の進展</li> <li>統合化の進歩</li> </ul> </li> <li><strong>光ファイバーセンサー</strong> <ul> <li>電磁ノイズ耐性</li> <li>長距離伝送</li> <li>高精度</li> </ul> </li> <li><strong>AI/ML活用</strong> <ul> <li>異常検出</li> <li>予知保全</li> <li>適応制御</li> </ul> </li> </ol> <p>内界センサーは、ロボット制御システムの根幹を成す重要な要素であり、適切な選択と信号処理により、高精度で信頼性の高い制御を実現する。</p> <h2>参考文献・関連リンク</h2> <h3>学術文献</h3> <ul> <li>Craig, J.J. (2017). <em>Introduction to Robotics: Mechanics and Control</em>. 4th Edition, Pearson.</li> <li>Siciliano, B., Sciavicco, L., Villani, L., &amp; Oriolo, G. (2009). <em>Robotics: Modelling, Planning and Control</em>. Springer.</li> <li>Spong, M.W., Hutchinson, S., &amp; Vidyasagar, M. (2020). <em>Robot Modeling and Control</em>. 2nd Edition, Wiley.</li> <li>Franklin, G.F., Powell, J.D., &amp; Emami-Naeini, A. (2018). <em>Feedback Control of Dynamic Systems</em>. 8th Edition, Pearson.</li> <li>Ogata, K. (2010). <em>Modern Control Engineering</em>. 5th Edition, Prentice Hall.</li> </ul> <h3>技術資料</h3> <ul> <li>IEEE Robotics and Automation Society: <a href="https://www.ieee-ras.org/">https://www.ieee-ras.org/</a></li> <li>ROS (Robot Operating System) Documentation: <a href="https://ros.org/">https://ros.org/</a></li> <li>Robot Sensors - IEEE Spectrum: <a href="https://spectrum.ieee.org/topic/robotics/sensors/">https://spectrum.ieee.org/topic/robotics/sensors/</a></li> <li>Sensor Technology Handbook: <a href="https://www.analog.com/en/technical-articles/sensor-technology-handbook.html">https://www.analog.com/en/technical-articles/sensor-technology-handbook.html</a></li> <li>National Instruments - Sensor Fundamentals: <a href="https://www.ni.com/en-us/innovations/white-papers/06/sensor-fundamentals.html">https://www.ni.com/en-us/innovations/white-papers/06/sensor-fundamentals.html</a></li> </ul> <h3>主要メーカー</h3> <ul> <li><strong>エンコーダ</strong>: HEIDENHAIN, Renishaw, Tamagawa, Omron, Sick</li> <li><strong>ポテンショメータ</strong>: Bourns, Vishay, Honeywell, Alps Alpine, Panasonic</li> <li><strong>レゾルバ</strong>: Tamagawa, HEIDENHAIN, Moog, Kollmorgen, Danaher</li> <li><strong>力センサー</strong>: ATI Industrial Automation, Kistler, HBM, Futek, Interface</li> <li><strong>タコジェネレータ</strong>: Maxon, Faulhaber, Oriental Motor, Yaskawa</li> </ul> <h3>規格・認証</h3> <ul> <li><strong>ISO 9409</strong>: 産業用ロボットの機械インターフェース</li> <li><strong>IEC 61800</strong>: 電気駆動システム</li> <li><strong>IEEE 1451</strong>: スマートセンサーインターフェース</li> <li><strong>CE Marking</strong>: 欧州適合性認証</li> <li><strong>UL Listing</strong>: 米国安全認証</li> </ul> <h3>免責事項</h3> <p>本資料は教育目的で作成されており、実際のシステム設計時は最新の技術仕様を確認してください。記載されている数値や仕様は一般的な参考値であり、特定の製品や用途を保証するものではありません。</p> <h3>ライセンス</h3> <p>この文書は Creative Commons Attribution-ShareAlike 4.0 International License の下で公開されています。</p> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学２ Creator An entity primarily responsible for making the resource unjuno Rights Information about rights held in and over the resource CC BY 4.0 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ロボット工学における近接センサと距離センサ技術</h1> <h2>概要</h2> <p>本資料では、ロボット工学において重要な役割を果たす近接センサと距離センサについて、その原理、特徴、性能指標、実装例を詳しく解説します。各種センサの特性を理解することで、適切なセンサ選択と実装が可能になります。</p> <h1>近接センサ</h1> <h2>1. うず電流式近接センサ</h2> <h3>原理</h3> <p>うず電流式近接センサは、主に金属物体の検出に用いられる非接触型センサです。センサ内部には高周波交流電流を流すコイル（検出コイル）があり、このコイルの近くに金属物体が接近すると、金属内部にうず電流（渦電流）が誘起されます。うず電流は反対向きの磁場を発生させるため、コイルのインダクタンスやコイルに流れる電流の大きさ、位相などが変化します。これらの変化を電気信号として検出し、物体の有無や距離を判定します。非接触で動作するため、摩耗がなく長寿命です。</p> <h3>特徴</h3> <ul> <li>金属（特に鉄やアルミなど導電性のある物体）に対して高感度に反応し、薄い金属板でも磁束の変化があれば検出可能。</li> <li>応答速度が非常に速く、ミリ秒単位での検出が可能。</li> <li>センサ表面が汚れていたり、液体が付着していても動作に大きな影響を受けにくい高い環境耐性を持つ。</li> <li>高温環境下（70℃程度）でも安定して動作可能。</li> <li>非金属（プラスチック、木材、ガラスなど）は検出できないため、用途が金属に限定される。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 1〜30mm（金属の種類やサイズによって変動）</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>応答時間</strong>: 0.1〜1ms（非常に高速）</li> <li><strong>環境耐性</strong>: 温度-25〜+70℃、湿度95%以下</li> <li><strong>繰り返し精度</strong>: ±0.01mm（高い再現性）</li> </ul> <h3>応用例</h3> <ul> <li>ワイヤレス充電の位置検出</li> <li>工場の自動化ラインでの金属部品の有無検出</li> <li>エレベータのドア開閉検出</li> <li>自動車の組立工程での金属部品検出</li> </ul> <h2>2. 静電容量式近接センサ</h2> <h3>原理</h3> <p>静電容量式近接センサは、物体の接近による静電容量の変化を利用して検出を行います。センサ電極と接地面、または検出対象物との間に形成されるコンデンサの静電容量（C）は、物体の距離や材質、形状によって変化します。RC直列回路において、コンデンサの電圧（Vc）が定常電圧に達するまでの時間（充電時間）を測定し、その時間から物体までの距離を推定します。静電容量は $C = \frac{\varepsilon S}{d}$ （ε:比誘電率、S:電極面積、d:距離）で表され、距離が近いほど容量が大きくなります。</p> <h3>電気的特性</h3> <ul> <li>コンデンサの静電容量: $C = \frac{\varepsilon S}{d}$ [F]（dが小さいほどCは大きい）</li> <li>時間定数: $T \approx 5RC$（R:抵抗値、C:静電容量）</li> <li>静電容量が増加すると、満充電までの時間が長くなる</li> </ul> <h3>動作原理</h3> <ol> <li>検出対象がセンサから遠い場合、静電容量が小さくなり、充電時間が短くなる。</li> <li>対象が近づくと静電容量が増加し、充電時間が長くなる。</li> <li>コンデンサの間に隙間を作ることで静電容量を調整でき、検出感度を制御可能。</li> </ol> <h3>利点</h3> <ul> <li>金属だけでなく、プラスチック、ガラス、液体など様々な素材を検知可能。</li> <li>容器の外側から内容物（液体や粉体など）の有無を検出できる（比誘電率の違いを利用）。</li> <li>非接触で動作し、摩耗がない。</li> </ul> <h3>欠点</h3> <ul> <li>検出距離が短い（数mm〜数cm程度）。距離が離れると静電容量が急激に減少するため。</li> <li>応答速度が磁気式より遅い（充電時間の測定が必要なため）。</li> <li>検出面の湿度や汚れ、周囲環境の変化（温度、湿度、ノイズ）により検出精度が影響を受けやすい。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 1〜25mm</li> <li><strong>精度</strong>: ±0.5〜±2mm</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-25〜+70℃、湿度85%以下</li> <li><strong>繰り返し精度</strong>: ±0.1mm</li> </ul> <h3>応用例</h3> <ul> <li>タッチパネル（スマートフォンや家電の操作部）</li> <li>液面検出（タンクやボトルの外側から内容物を検知）</li> <li>近接スイッチ（自動ドア、照明の自動点灯）</li> </ul> <h2>3. 光学式近接センサ</h2> <h3>原理</h3> <p>光学式近接センサは、光の遮断や反射を利用して物体の存在や距離を検出します。主にLEDやレーザーダイオードなどの発光素子から光を照射し、物体で反射・透過・拡散した光を受光素子（フォトダイオードやフォトトランジスタ）で検出します。物体の有無や距離によって受光量が変化するため、その変化を電気信号として検出します。</p> <h3>種類と動作原理</h3> <h4>透過型（対向型）</h4> <ul> <li><strong>構成</strong>: 発光器と受光器を向かい合わせに配置し、その間に物体が入ると光が遮断される。</li> <li><strong>動作</strong>: 物体が光路を遮断すると受光器に届く光量が減少し、物体の存在を検出。</li> <li><strong>利点</strong>: 高精度で長距離（数m）まで検出可能。外乱光の影響を受けにくい。</li> <li><strong>欠点</strong>: 発光部と受光部の2箇所に設置・配線が必要で、設置が複雑。</li> </ul> <h4>反射型（回帰反射型）</h4> <ul> <li><strong>構成</strong>: 発光器と受光器が一体型で、対向する位置に反射板を設置。</li> <li><strong>動作</strong>: 通常は反射板からの反射光を受光しているが、物体が反射板を遮ると受光量が減少し、物体の存在を検出。</li> <li><strong>利点</strong>: 配線が1箇所で済み、設置が簡単。</li> <li><strong>欠点</strong>: 反射板の汚れや劣化により検出精度が低下しやすい。</li> </ul> <h4>拡散反射型</h4> <ul> <li><strong>構成</strong>: 発光器と受光器が一体型で、物体表面で反射した光を直接検出。</li> <li><strong>動作</strong>: 物体表面での拡散反射光の強さから距離や有無を判定。</li> <li><strong>利点</strong>: 反射板が不要で、物体の色や材質によって検出感度を調整可能。</li> <li><strong>欠点</strong>: 物体の反射率や色に大きく依存し、検出距離が短い。</li> </ul> <h3>使用材料</h3> <ul> <li><strong>発光素子</strong>: LED（赤外線や可視光）、レーザーダイオード（高精度用途）</li> <li><strong>受光素子</strong>: フォトダイオード、フォトトランジスタ</li> <li><strong>光学系</strong>: レンズ（集光・拡散）、フィルター（外乱光除去）</li> </ul> <h3>性能指標</h3> <ul> <li><strong>検出距離</strong>: 数mm〜数m（方式や光源出力による）</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>応答時間</strong>: 0.1〜10ms</li> <li><strong>環境耐性</strong>: 温度-10〜+60℃、湿度85%以下</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>産業用</strong>: 部品の有無検出、組立ラインでの位置決め</li> <li><strong>自動車</strong>: ドアの開閉検出、駐車支援センサ</li> <li><strong>家電</strong>: 洗濯機の水位検出、電子レンジの扉検出</li> <li><strong>ロボット</strong>: 障害物検出、グリッパーの物体検出</li> </ul> <h3>注意点</h3> <ul> <li>複数のセンサを近接して設置する場合、光の干渉やクロストークが発生しやすいため、配置やタイミング制御に注意が必要。</li> <li>レンズや受光部の汚れ、曇りによる性能低下。</li> <li>物体の反射率や色によって検出感度が大きく変化する。</li> <li>温度変化による発光素子の出力変動や受光素子の感度変化。</li> </ul> <h2>4. 機械式リミットスイッチ</h2> <h3>原理</h3> <p>機械式リミットスイッチは、物理的な接触によって導体（接点）が開閉することで、物体の位置や有無を検出するセンサです。レバーやローラー、プランジャーなどの機構部品が外部からの力で動かされると、内部の接点がON/OFFし、電気信号として出力されます。最も古典的かつ信頼性の高い検出方式です。</p> <h3>性能指標</h3> <ul> <li><strong>動作力</strong>: 0.1〜50N（作動に必要な力）</li> <li><strong>精度</strong>: ±0.01〜±0.1mm（高精度な位置決めが可能）</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-40〜+85℃、湿度95%以下</li> <li><strong>寿命</strong>: 100万〜500万回（標準的な製品、接点の摩耗に依存）</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>産業用</strong>: 機械の原点復帰や位置決め、安全装置のトリガー</li> <li><strong>自動車</strong>: ドアの開閉検出、シートベルトの装着検出</li> <li><strong>家電</strong>: 洗濯機の蓋検出、電子レンジの扉検出</li> <li><strong>ロボット</strong>: エンドエフェクタの接触検出、原点復帰</li> </ul> <h3>注意点</h3> <ul> <li>機械的な摩耗や劣化により、長期間使用すると性能が低下する。</li> <li>振動や衝撃の多い環境では誤動作や接点のバウンス現象が発生しやすい。</li> <li>定期的なメンテナンスや交換が必要。</li> <li>接点のバウンス（チャタリング）対策として、ハードウェアまたはソフトウェアでのデバウンス処理が推奨される。</li> </ul> <h1>距離センサ</h1> <h2>1. 超音波距離センサ</h2> <h3>原理</h3> <p>超音波距離センサは、圧電素子を用いて超音波（20kHz以上の高周波音）を発生させ、物体に当たって反射して戻ってくるまでの時間（往復時間）を測定することで距離を算出します。超音波の伝播速度（音速）は温度や湿度によって変化するため、正確な距離測定には環境補正が必要です。</p> <h3>使用材料</h3> <ul> <li><strong>圧電セラミック</strong>: 電気信号を加えると振動し超音波を発生、逆に振動を受けると電気信号を発生する性質を持つ。</li> <li><strong>送信用・受信用素子</strong>: 一体型または分離型で構成される。</li> </ul> <h3>計算式</h3> <ul> <li><strong>音速</strong>: $V = 331.5 + 0.6 \times T$ [m/s]（T:温度[℃]、空気中の音速は温度依存）</li> <li><strong>距離</strong>: $L = \frac{V \times t}{2}$ [m]（t:超音波の往復時間。往復なので2で割る）</li> </ul> <h3>特徴</h3> <ul> <li>動いている対象物でも、音速未満の速度であれば正確に測定可能。</li> <li>透明体や色、材質に関係なく、音波を反射する物体であれば検出可能。</li> <li>構造がシンプルで、ハードウェア・ソフトウェア設計が容易。</li> <li>ただし、音波の伝播経路や反射面の角度、空気の流れなどにより測定誤差が生じることがある。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 2cm〜4m（一般的な市販センサの場合）</li> <li><strong>精度</strong>: ±1〜±3mm</li> <li><strong>角度分解能</strong>: 15°〜30°（指向性が広い）</li> <li><strong>応答時間</strong>: 10〜50ms</li> <li><strong>環境耐性</strong>: 温度-20〜+70℃、湿度95%以下</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>ロボット</strong>: 障害物回避、壁面追従、地図作成</li> <li><strong>自動車</strong>: 駐車支援、ブラインドスポット検出</li> <li><strong>家電</strong>: 自動ドアの開閉制御、洗濯機の水位検出</li> <li><strong>産業用</strong>: 材料の厚さ測定、液面検出、在庫管理</li> </ul> <h3>注意点</h3> <ul> <li>温度や湿度による音速の変化を補正しないと測定誤差が生じる。</li> <li>複数の超音波センサを同時に使用する場合、干渉（クロストーク）を防ぐために発信タイミングの制御が必要。</li> <li>反射面が斜めの場合、音波が逸れて正確に反射しないため、測定精度が低下する。</li> <li>騒音や強い風などの環境ノイズの影響を受けやすい。</li> </ul> <h2>2. レンジファインダー（光学式視差式）</h2> <h3>原理</h3> <p>光学式レンジファインダーは、三角測量の原理を利用して距離を測定します。発光部から対象物に向けて光（主に赤外線やレーザー）を照射し、反射した光を受光部で検出します。発光部と受光部の間隔（ベースライン）と、受光部での反射光の位置（角度）から三角形を構成し、三角関数を用いて対象物までの距離を計算します。</p> <h3>構成</h3> <ul> <li><strong>発光部</strong>: レーザーやLEDなどの光源</li> <li><strong>受光部</strong>: 位置検出型受光素子（PSD）やCMOSセンサ</li> <li><strong>ベースライン</strong>: 発光部と受光部の間隔（固定）</li> </ul> <h3>動作原理</h3> <ul> <li>近い物体ほど受光部での反射光の位置が大きくずれる（角度が広くなる）。</li> <li>受光部の検出位置とベースライン長から三角測量の式を立て、距離を算出。</li> <li>受光部の相似関係や幾何学的関係を利用して、対象物とセンサの垂直距離を高精度に求める。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 10cm〜数m</li> <li><strong>精度</strong>: ±0.1〜±1mm</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>応答時間</strong>: 1〜10ms</li> <li><strong>環境耐性</strong>: 温度-10〜+60℃</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>測量</strong>: 建築現場や土木工事での距離測定</li> <li><strong>ロボット</strong>: 精密な位置決め、物体認識</li> <li><strong>自動車</strong>: 前方車両との距離測定、衝突防止</li> <li><strong>産業用</strong>: 部品の寸法測定、品質検査</li> </ul> <h3>注意点</h3> <ul> <li>レンズや受光部の汚れによる精度低下</li> <li>物体の反射率や色による測定誤差</li> <li>複数センサの光干渉（クロストーク）</li> <li>温度変化による光学系の膨張・収縮</li> </ul> <h2>3. ステレオカメラによる距離計測</h2> <h3>原理</h3> <p>ステレオカメラは、2台のカメラを一定間隔（ベースライン）で並べて設置し、同じシーンを異なる視点から同時に撮影します。2つの画像間で同じ物体の位置（視差）を比較し、三角測量の原理を用いて各画素ごとの距離（深度）を計算します。視差が大きいほど物体はカメラに近く、視差が小さいほど遠いことを意味します。</p> <h3>特徴</h3> <ul> <li>視差画像（ディスパリティマップ）を生成し、シーン全体の3D情報をリアルタイムで取得可能。</li> <li>色（RGB）情報と深度情報を同時に取得できるため、物体認識や空間把握に有効。</li> <li>カメラの画素数やベースライン長、レンズの特性により精度や測定範囲が決まる。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数cm〜数m（ベースラインやレンズによる）</li> <li><strong>精度</strong>: ±1〜±10mm（距離に依存、近距離で高精度）</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>フレームレート</strong>: 30〜60fps（リアルタイム処理可能）</li> <li><strong>解像度</strong>: VGA〜HD</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>ロボット</strong>: 3D環境認識、物体把持、障害物回避</li> <li><strong>自動車</strong>: 自動運転、障害物検出、歩行者認識</li> <li><strong>ゲーム・エンタメ</strong>: Kinect、VR/ARアプリケーション</li> <li><strong>医療</strong>: 手術支援、リハビリテーション、患者の動作解析</li> </ul> <h3>注意点</h3> <ul> <li>カメラ間の距離や角度のキャリブレーションが非常に重要。ズレがあると距離計測精度が大きく低下する。</li> <li>テクスチャ（模様や特徴）の少ない物体や、透明・反射物体では視差検出が困難。</li> <li>画像処理・マッチング計算の負荷が高く、高速なCPUやGPUが必要。</li> <li>照明条件や逆光、暗所での性能低下。</li> </ul> <h3>応用例</h3> <ul> <li>デプスカメラ（深度カメラ）として、3Dスキャンやジェスチャ認識などにも利用。</li> </ul> <h2>4. 単眼カメラによる距離計測</h2> <h3>原理</h3> <p>単眼カメラ（1台のカメラ）を用いて距離を推定する技術は、複数の手法が存在します。主な手法は以下の通りです。</p> <h4>焦点距離法</h4> <ul> <li><strong>原理</strong>: レンズの焦点距離と物体の実際の大きさ、撮影画像上の像の大きさから距離を計算します。</li> <li><strong>計算式</strong>: $距離 = \frac{物体の実サイズ \times 焦点距離}{像のサイズ}$</li> <li><strong>利点</strong>: シンプルな計算で実装可能。</li> <li><strong>欠点</strong>: 物体の実際の大きさを事前に知っている必要がある。</li> </ul> <h4>デフォーカス法</h4> <ul> <li><strong>原理</strong>: ピントの合い具合（ぼけ具合）から距離を推定します。複数の焦点距離で撮影した画像を比較し、ぼけの程度から距離を算出します。</li> <li><strong>利点</strong>: 物体サイズの事前知識が不要。</li> <li><strong>欠点</strong>: 複数回の撮影や画像処理が必要。</li> </ul> <h4>モーションパララックス法</h4> <ul> <li><strong>原理</strong>: カメラを移動させた際の視差（物体の見かけの移動量）から距離を計算します。異なる位置から同じ物体を撮影し、画像上の移動量を測定します。</li> <li><strong>利点</strong>: 高精度な距離推定が可能。</li> <li><strong>欠点</strong>: カメラの移動が必要で、動的なシーンには不向き。</li> </ul> <h4>機械学習ベース手法</h4> <ul> <li><strong>原理</strong>: 深層学習モデル（CNNなど）を用いて、単一画像から深度マップ（距離情報）を推定します。</li> <li><strong>利点</strong>: リアルタイム処理や複雑なシーンへの適応が可能。</li> <li><strong>欠点</strong>: 学習データやモデルの品質に依存し、未知の環境では精度が低下することがある。</li> </ul> <h3>使用材料</h3> <ul> <li><strong>カメラ</strong>: CMOS/CCDセンサ搭載カメラ</li> <li><strong>レンズ</strong>: 固定焦点レンズ、ズームレンズ</li> <li><strong>処理装置</strong>: CPU、GPU、専用チップ（AI推論用）</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数cm〜数km（手法やレンズによる）</li> <li><strong>精度</strong>: ±1〜±10%（距離や手法に依存）</li> <li><strong>フレームレート</strong>: 30〜60fps</li> <li><strong>解像度</strong>: VGA〜4K</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>自動車</strong>: 前方車両との距離測定、駐車支援、歩行者検出</li> <li><strong>ロボット</strong>: ナビゲーション、物体認識、障害物回避</li> <li><strong>スマートフォン</strong>: ポートレートモード、ARアプリ、顔認識</li> <li><strong>監視システム</strong>: 侵入者検出、人数カウント、行動解析</li> </ul> <h3>注意点</h3> <ul> <li>照明条件や逆光、暗所での精度低下</li> <li>物体のテクスチャや特徴点の有無による測定精度の変動</li> <li>リアルタイム処理には高い計算能力が必要</li> <li>カメラのキャリブレーション（内部パラメータの調整）が重要</li> </ul> <h2>5. LIDAR（Light Detection and Ranging）</h2> <h3>原理</h3> <p>LIDARは、レーザー光を用いて対象物までの距離を高精度かつ高速に計測するセンサです。レーザー光をパルス状または連続的に照射し、対象物で反射した光が戻ってくるまでの飛行時間（Time of Flight, ToF）を測定します。回転機構やミラーを用いてレーザーを水平方向や垂直方向に走査することで、周囲の3D点群データ（点の集合）を取得できます。</p> <h3>種類</h3> <ul> <li><strong>機械式LIDAR</strong>: レーザー発射部を物理的に回転させて広範囲をスキャン。高精度だが構造が複雑で高価。</li> <li><strong>ソリッドステートLIDAR</strong>: MEMSミラーやフェーズドアレイなど電子制御でビームを走査。小型・低コスト・高耐久。</li> <li><strong>フラッシュLIDAR</strong>: 一度に広範囲を照射し、全体の距離情報を同時取得。リアルタイム性が高い。</li> </ul> <h3>性能指標</h3> <ul> <li><strong>測定距離</strong>: 数m〜200m以上（高出力モデルでは1km超も可能）</li> <li><strong>精度</strong>: ±1〜±10cm（モデルや環境による）</li> <li><strong>角度分解能</strong>: 0.1°〜1°</li> <li><strong>スキャン速度</strong>: 5〜20Hz（1秒間に5〜20回全周スキャン）</li> <li><strong>環境耐性</strong>: 温度-40〜+85℃</li> </ul> <h3>実装例と使用場面</h3> <ul> <li><strong>自動車</strong>: 自動運転車の周囲環境認識、障害物検出、地図作成</li> <li><strong>ロボット</strong>: 自律移動ロボットのナビゲーション、SLAM（自己位置推定と地図作成）</li> <li><strong>測量</strong>: 地形測量、建物やインフラの3Dモデリング</li> <li><strong>農業</strong>: 作物の成長監視、収穫ロボットの誘導</li> </ul> <h3>注意点</h3> <ul> <li>高精度・長距離モデルは高価（ソリッドステート型：数万円〜数十万円、機械式高精度型：数十万円〜数百万円）</li> <li>雨、霧、雪などの悪天候時はレーザー光が散乱し、測定精度が低下</li> <li>消費電力が大きく、バッテリー駆動機器では注意が必要</li> <li>レーザー安全基準（クラス1など）を遵守する必要がある</li> </ul> <h1>実装技術・ツール</h1> <h2>Sensorbox Android</h2> <ul> <li>スマートフォンに搭載されている各種センサ（加速度、ジャイロ、磁気、照度、近接など）の値をリアルタイムで確認できるアプリ。</li> <li>センサの動作原理や仕様を確認する際に便利。</li> <li>DeviceOrientation Event（W3C）などのWeb API仕様も参照可能で、Webアプリ開発にも応用できる。</li> </ul> <h2>micro:bit</h2> <ul> <li>小型マイコンボードで、加速度センサ、磁気センサ、温度センサ、光センサなど複数のセンサを内蔵。</li> <li>プログラミング教育やIoTプロトタイピングに広く利用されている。</li> <li>ブロックプログラミングやPythonなどで簡単にセンサ値を取得・活用できる。</li> </ul> <h2>姿勢推定機械学習モデル</h2> <ul> <li>PoseNetなどの機械学習モデルを用いることで、画像や映像から人体の関節位置や姿勢をリアルタイムで推定可能。</li> <li>スマートフォンやPCのカメラ映像を入力として、スポーツ解析、動作認識、インタラクティブアプリケーションなどに応用されている。</li> <li>TensorFlow.jsなどのライブラリを使えば、Webブラウザ上でも動作可能。</li> </ul> <h2>免責事項・注意事項</h2> <h3>免責事項</h3> <ul> <li>本資料に記載されている情報は、教育・学習目的で提供されています。</li> <li>実際の製品開発や実装においては、各センサメーカーの公式仕様書を必ずご確認ください。</li> <li>本資料の内容に基づく実装により生じた損害について、作成者は一切の責任を負いません。</li> </ul> <h3>技術的注意事項</h3> <ul> <li>センサの性能は環境条件（温度、湿度、電磁ノイズ等）により変動します。</li> <li>実際の実装では、各センサのキャリブレーションとテストが必須です。</li> <li>安全規格（CE、UL、FCC等）の遵守を忘れずに行ってください。</li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学３ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-6 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>アクチュエータの種類とモータの特性</h1> <p><strong>教育用技術資料</strong><br />作成日: 2025年10月<br />最終更新: 2025年10月</p> <h2>目次</h2> <ol> <li><a href="#1">アクチュエータの種類</a></li> <li><a href="#2">電磁力モータの分類</a></li> <li><a href="#3">DCモータの特性</a></li> <li><a href="#4">制御理論と制御方式</a></li> <li><a href="#5">負荷計算と設計例</a></li> <li><a href="#6">振動・騒音特性</a></li> <li><a href="#7">産業用ロボットでの応用</a></li> <li><a href="#8">故障診断とメンテナンス</a></li> <li><a href="#9">最新技術動向</a></li> <li><a href="#10">アクチュエータ選定の指針</a></li> <li><a href="#11">演習問題</a></li> <li><a href="#12">参考文献</a></li> </ol> <h2>1. アクチュエータの種類</h2> <p>アクチュエータとは、<strong>エネルギーを機械的運動に変換する駆動装置</strong>のことです。主に以下の3つの駆動方式に分類されます。</p> <p><strong>注意</strong>: ここでは駆動原理による分類を示しますが、実際の分類方法は用途や構造によっても異なります。</p> <h3>1.1 流体駆動方式</h3> <p>流体によって駆動する方式で、<strong>パスカルの原理</strong>（密閉された流体の一部に加えられた圧力は、流体の他の部分に等しく伝わる）という特性を利用します。</p> <p><strong>注意</strong>: パスカルの原理は密閉された流体に適用される原理です。開放系では適用されません。</p> <h4>1.1.1 油圧アクチュエータ</h4> <p><strong>基本原理:</strong></p> <ul> <li>油は<strong>ほぼ非圧縮性流体</strong>のため、精密な位置制御が可能 <ul> <li><strong>注意</strong>: 完全に非圧縮ではありません。高圧下では若干の圧縮が発生します</li> </ul> </li> <li>パスカルの原理により、小さな力で大きな力を発生（力の増幅）</li> <li>油圧ポンプで油を加圧し、シリンダーやモータに送る</li> <li>圧力制御弁により圧力を調整</li> </ul> <p><strong>動作原理:</strong></p> <pre>油圧ポンプ → 圧力制御弁 → 方向制御弁 → シリンダー/モータ → 機械的動作 </pre> <p><strong>技術仕様:</strong></p> <ul> <li>圧力範囲: 7-35 MPa（一般的）</li> <li>流量範囲: 1-1000 L/min</li> <li>効率: 70-90%</li> <li>応答時間: 10-100 ms</li> <li>位置精度: ±0.1-1.0 mm</li> </ul> <p><strong>構成要素:</strong></p> <ul> <li><strong>油圧ポンプ</strong>: 油を加圧する動力源</li> <li><strong>方向制御弁</strong>: 油の流れ方向を制御</li> <li><strong>圧力制御弁</strong>: システム圧力を制御</li> <li><strong>シリンダー</strong>: 直線運動を生成</li> <li><strong>油圧モータ</strong>: 回転運動を生成</li> <li><strong>フィルタ</strong>: 油の清浄化</li> <li><strong>冷却器</strong>: 油温の制御</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>高トルク・高出力が得られる（最大数万Nm）</li> <li>精密な位置制御が可能（±0.1mm）</li> <li>過負荷保護機能（リリーフ弁）</li> <li>自己潤滑性</li> <li>配管による油漏れのリスク</li> <li>速度が遅い（0.1-1.0 m/s）</li> <li>価格が高い（初期コスト・メンテナンス）</li> <li>メンテナンスが複雑</li> <li>騒音が大きい（70-90 dB）</li> </ul> <p><strong>応用例:</strong></p> <ul> <li><strong>建設機械</strong>: 油圧ショベル、ブルドーザー、クレーン</li> <li><strong>工作機械</strong>: プレス機械、工作機械の主軸</li> <li><strong>航空機</strong>: 着陸装置、操縦翼面</li> <li><strong>船舶</strong>: 舵取り装置、アンカー装置</li> <li><strong>自動車</strong>: ブレーキシステム、パワーステアリング</li> <li><strong>産業機械</strong>: プレス、シェアリング、ベンディング</li> </ul> <h4>1.1.2 空気圧アクチュエータ</h4> <p><strong>基本原理:</strong></p> <ul> <li>圧縮空気を利用した駆動</li> <li><strong>圧縮性があるため安全機能を提供</strong>（過負荷時に圧縮により衝撃を吸収）</li> <li>空気圧縮機で空気を加圧し、シリンダーやモータに送る</li> <li>圧力制御弁により圧力を調整</li> </ul> <p><strong>注意</strong>: 空気の圧縮性により、位置制御精度は油圧より劣りますが、安全性が向上します。</p> <p><strong>動作原理:</strong></p> <pre>空気圧縮機 → フィルタ → 圧力制御弁 → 方向制御弁 → シリンダー/モータ → 機械的動作 </pre> <p><strong>技術仕様:</strong></p> <ul> <li>圧力範囲: 0.4-1.0 MPa（一般的）</li> <li>流量範囲: 10-10000 L/min</li> <li>効率: 20-40%</li> <li>応答時間: 5-50 ms</li> <li>位置精度: ±1-10 mm</li> </ul> <p><strong>構成要素:</strong></p> <ul> <li><strong>空気圧縮機</strong>: 空気を加圧する動力源</li> <li><strong>方向制御弁</strong>: 空気の流れ方向を制御</li> <li><strong>圧力制御弁</strong>: システム圧力を制御</li> <li><strong>シリンダー</strong>: 直線運動を生成</li> <li><strong>空気圧モータ</strong>: 回転運動を生成</li> <li><strong>フィルタ</strong>: 空気の清浄化</li> <li><strong>潤滑器</strong>: 空気の潤滑</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>圧縮性があるため人が挟まれるのを防ぐ（安全）</li> <li>やわらかいものを扱うのに適している</li> <li>扱いが簡単</li> <li>構造が簡単</li> <li>安価（初期コスト・メンテナンス）</li> <li>爆発性環境でも使用可能</li> <li>自己冷却性</li> <li>精密な操作が難しい</li> <li>速度はやや遅い（0.1-2.0 m/s）</li> <li>位置精度が低い（±1-10mm）</li> <li>効率が低い（20-40%）</li> <li>騒音が大きい（60-80 dB）</li> </ul> <p><strong>応用例:</strong></p> <ul> <li><strong>交通機関</strong>: 電車の扉の開閉、バスの扉</li> <li><strong>食品製造</strong>: 食品製造機械、包装機械</li> <li><strong>自動化</strong>: 平衡移動型エアバンド、ワーククランプ</li> <li><strong>医療</strong>: 手術器具、リハビリテーション機器</li> <li><strong>半導体</strong>: クリーンルームでの搬送装置</li> <li><strong>化学工業</strong>: 爆発性環境での作業機械</li> </ul> <h3>1.2 電磁力駆動方式</h3> <p><strong>基本原理:</strong></p> <ul> <li>電磁力による駆動</li> <li>電気エネルギーを機械エネルギーに変換</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>産業用ロボットで広く使用</li> <li>高精度制御が可能</li> <li>駆動速度が速い</li> <li>プログラム制御が容易</li> <li>プログラム配線が必要</li> <li>構造が複雑</li> <li>価格は高い</li> <li>電磁ノイズの発生</li> </ul> <p><strong>応用分野:</strong></p> <ul> <li>産業用ロボット</li> <li>工作機械</li> <li>自動車産業</li> <li>半導体製造装置</li> </ul> <h2>2. 電磁力モータの分類</h2> <p>電磁石の切り替えにより駆動するモータを、動作方式により分類します。</p> <h3>2.1 ローテーション型モータ</h3> <h4>2.1.1 ブラシ付きDCモータ</h4> <p><strong>構造:</strong></p> <pre> ブラシ付きDCモータの構造 ┌─────────────────────────┐ │ ケーシング │ │ ┌─────────────────┐ │ │ │ ステータ │ │ │ │ (永久磁石) │ │ │ │ │ │ │ │ ┌───────────┐ │ │ │ │ │ ロータ │ │ │ │ │ │ (コイル) │ │ │ │ │ │ ↑ │ │ │ │ │ │ ブラシ │ │ │ │ │ │ 整流子 │ │ │ │ │ └───────────┘ │ │ │ └─────────────────┘ │ └─────────────────────────┘ </pre> <ul> <li><strong>ロータ部（電機子）</strong>: 電気によって磁力が発生する回転部分</li> <li><strong>ステータ部（界磁）</strong>: 永久磁石または電磁石によって磁場を固定する部分</li> <li><strong>ブラシ</strong>: 回転するロータに電流を供給する接触部品</li> <li><strong>整流子</strong>: ロータの回転に合わせて電流の方向を切り替える部品</li> <li>ロータ部の磁力が回転方向に固定されるように切り替えられる</li> <li>コイルは3つ配置されるのが一般的（3相巻線）</li> </ul> <p><strong>注意</strong>: ブラシは磁場を固定するのではなく、回転するロータに電流を供給する役割です。</p> <p><strong>動作原理:</strong></p> <pre>電源 → ブラシ → 整流子 → ロータコイル → 磁場との相互作用 → 回転 </pre> <p><strong>技術仕様:</strong></p> <ul> <li>電圧範囲: 1.5-48V（一般的）、最大200V（産業用）</li> <li>電流範囲: 0.1-100A（小型）、最大500A（大型産業用）</li> <li>回転数: 1000-10000 rpm（標準）、最大20000 rpm（高速型）</li> <li>トルク: 0.01-100 Nm（標準）、最大1000 Nm（大型）</li> <li>効率: 60-80%（標準）、最大85%（高効率型）</li> <li>寿命: 1000-10000時間（標準）、最大20000時間（高耐久型）</li> <li>温度範囲: -20°C～+80°C（標準）、-40°C～+120°C（特殊仕様）</li> <li>保護等級: IP44（標準）、IP65（防塵防滴型）</li> </ul> <p><strong>構成要素:</strong></p> <ul> <li><strong>ロータ</strong>: 回転する部分（電機子）</li> <li><strong>ステータ</strong>: 固定部分（界磁）</li> <li><strong>ブラシ</strong>: 電流を供給する接触部</li> <li><strong>整流子</strong>: 電流の方向を切り替える</li> <li><strong>ベアリング</strong>: 回転を支持</li> <li><strong>ケーシング</strong>: モータの外殻</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>構造が比較的簡単</li> <li>制御が容易（電圧制御）</li> <li>低コスト（製造・メンテナンス）</li> <li>高トルク（低回転数）</li> <li>機械式のため劣化しやすい（接触部があるため）</li> <li>ノイズがある（ブラシの摩擦音）</li> <li>メンテナンスが必要（ブラシ交換）</li> <li>火花が発生する</li> <li>効率が中程度（60-80%）</li> </ul> <p><strong>応用例:</strong></p> <ul> <li><strong>小型家電</strong>: 掃除機、ミキサー、ドライヤー</li> <li><strong>電動工具</strong>: ドリル、グラインダー、サンダー</li> <li><strong>自動車</strong>: ワイパー、パワーウィンドウ、シート調整</li> <li><strong>玩具</strong>: ラジコンカー、電動おもちゃ</li> <li><strong>産業機械</strong>: 小型ポンプ、ファン、コンベア</li> </ul> <h1>アクチュエータの種類とモータの特性 - 第2部</h1> <h4>2.1.2 ブラシレスDCモータ（BLDC）</h4> <p><strong>構造:</strong></p> <pre> ブラシレスDCモータの構造 ┌─────────────────────────┐ │ ケーシング │ │ ┌─────────────────┐ │ │ │ ステータ │ │ │ │ (コイル) │ │ │ │ │ │ │ │ ┌───────────┐ │ │ │ │ │ ロータ │ │ │ │ │ │ (永久磁石) │ │ │ │ │ │ ↑ │ │ │ │ │ │ ホールセンサ│ │ │ │ │ │ │ │ │ │ │ └───────────┘ │ │ │ └─────────────────┘ │ │ インバータ回路 │ └─────────────────────────┘ </pre> <ul> <li>センサで回転角を検出</li> <li>一定の回転方向を生み出すことにより回転させる</li> <li>電子制御式</li> </ul> <p><strong>動作原理:</strong></p> <pre>電源 → インバータ → ステータコイル → 磁場との相互作用 → 回転 </pre> <p><strong>技術仕様:</strong></p> <ul> <li>電圧範囲: 12-400V（一般的）、最大800V（高電圧型）</li> <li>電流範囲: 0.1-500A（標準）、最大2000A（大型産業用）</li> <li>回転数: 100-50000 rpm（標準）、最大100000 rpm（超高速型）</li> <li>トルク: 0.01-1000 Nm（標準）、最大5000 Nm（大型）</li> <li>効率: 80-95%（標準）、最大97%（超高効率型）</li> <li>寿命: 20000-100000時間（標準）、最大200000時間（長寿命型）</li> <li>温度範囲: -40°C～+100°C（標準）、-60°C～+150°C（特殊仕様）</li> <li>保護等級: IP54（標準）、IP67（完全防塵防浸型）</li> <li>制御精度: ±0.1%（標準）、±0.01%（高精度型）</li> </ul> <p><strong>構成要素:</strong></p> <ul> <li><strong>ステータ</strong>: 固定部分（電機子コイル）</li> <li><strong>ロータ</strong>: 回転部分（永久磁石）</li> <li><strong>ホールセンサ</strong>: 回転位置検出</li> <li><strong>インバータ</strong>: 電子制御回路</li> <li><strong>ベアリング</strong>: 回転を支持</li> <li><strong>ケーシング</strong>: モータの外殻</li> </ul> <p><strong>制御方式:</strong></p> <ul> <li><strong>120度通電</strong>: 基本制御方式</li> <li><strong>ベクトル制御</strong>: 高精度制御</li> <li><strong>正弦波制御</strong>: 低振動・低騒音</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>メンテナンスフリー（ブラシなし）</li> <li>劣化しない（接触部なし）</li> <li>高効率（80-95%）</li> <li>低騒音（40-60 dB）</li> <li>高回転数（最大50000 rpm）</li> <li>高精度制御</li> <li>小型化が難しい（制御回路が必要）</li> <li>制御回路が複雑</li> <li>高価格（初期コスト）</li> <li>電磁ノイズ対策が必要</li> </ul> <p><strong>応用例:</strong></p> <ul> <li><strong>航空宇宙</strong>: ドローン、ヘリコプター</li> <li><strong>ロボット</strong>: ロボットアーム、移動ロボット</li> <li><strong>交通</strong>: 電動自転車、電動スクーター</li> <li><strong>家電</strong>: エアコン、洗濯機、冷蔵庫</li> <li><strong>産業</strong>: 工作機械、搬送装置</li> <li><strong>医療</strong>: 手術器具、リハビリ機器</li> </ul> <h4>2.1.3 ダイレクトドライブモータ</h4> <p><strong>特徴:</strong></p> <ul> <li>ギアなしで高トルクが発生</li> <li>バックラッシュなし</li> <li>高精度</li> <li>低振動・低騒音</li> <li>高価格</li> <li>大型化しやすい</li> </ul> <p><strong>応用例:</strong></p> <ul> <li>工作機械の主軸</li> <li>風力発電機</li> <li>大型ロボット</li> </ul> <h3>2.2 角度指定型モータ</h3> <h4>2.2.1 ステッピングモータ</h4> <p><strong>動作原理:</strong></p> <ul> <li>パルス信号に応じて一定角度ずつ回転</li> <li>開ループ制御で位置決めが可能</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>相対角度指定、高精度</li> <li>現在の位置から指定角度まで移動</li> <li>パルスによって任意の位置まで移動</li> <li>1ステップの回転角度が決まっている</li> <li>1ステップ移動するのは1パルス</li> <li>速度はその周波数によって決まる</li> <li>共振現象が発生しやすい</li> <li>高速度での使用に制限</li> </ul> <p><strong>外観:</strong></p> <ul> <li>四角のコイル</li> </ul> <p><strong>応用例:</strong></p> <ul> <li>3Dプリンタ</li> <li>ロボットアーム</li> <li>精密位置決め装置</li> <li>医療機器</li> </ul> <p><strong>種類:</strong></p> <ul> <li><strong>バイポーラ型</strong>: 高トルク、2相4線（2相2線もあり）</li> <li><strong>ユニポーラ型</strong>: 低トルク、2相5線または2相6線</li> </ul> <p><strong>特徴:</strong></p> <ul> <li>精度が良いため幾何学模様も記述できる</li> </ul> <h4>2.2.2 ラジコンサーボモータ</h4> <p><strong>特徴:</strong></p> <ul> <li>絶対角度指定</li> <li>±90度の範囲</li> <li>実際の位置を指定</li> <li>フィードバック制御</li> </ul> <p><strong>定義:</strong></p> <ul> <li>サーボモータ = 制御可能なモータ</li> <li>ここでは回転角制御のラジコンサーボのことを示す</li> </ul> <p><strong>アナログ式RCサーボモータ:</strong></p> <ul> <li>ブラシ付きDCモータとポテンショメータと制御機構を使用</li> <li>これらが連動する</li> <li>ポテンショメータにより抵抗が変化</li> <li>その値により制御機構がモータを駆動させる</li> </ul> <p><strong>応用例:</strong></p> <ul> <li>ラジコンカー</li> <li>ロボットの関節</li> <li>カメラの雲台</li> </ul> <h2>3. DCモータの特性</h2> <h3>3.1 立ち上がり特性</h3> <p><strong>電源ON時の特性:</strong></p> <ul> <li>最高速度にすぐにはならない（慣性と時定数の影響）</li> <li>ON時は無負荷よりも電流が必要（始動電流が大きい）</li> </ul> <p><strong>注意</strong>: 始動電流は定格電流の3-7倍になることがあります。</p> <p><strong>時定数の詳細説明:</strong></p> <ul> <li><strong>電気的時定数（Electrical Time Constant）</strong>: モータの回路に直列に接続されたインダクタンス（コイル）と抵抗によって決まる時定数です。一般的に、\(\tau_e = L / R\) で表され、ここで \(L\) はインダクタンス（巻線のコイルの性質）、\(R\) は抵抗です。電圧を加えた直後、電流はすぐには最大値にならず、指数関数的に増加します。電気的時定数は、電流が最終的な定常値の約63%に到達するまでにかかる時間を意味します。電気的時定数が小さいほど、モータは電気的な観点で速く応答します。</li> <li><strong>機械的時定数（Mechanical Time Constant）</strong>: モータの回転部分（ロータ）の慣性と、負荷や摩擦による減衰によって決まる時定数です。\(\tau_m = J \cdot R / (K_t \cdot K_e)\) で表され、ここで \(J\) は回転部の慣性モーメント、\(R\) は電機子抵抗、\(K_t\) はトルク定数、\(K_e\) は逆起電力定数です。機械的時定数は、トルクを加えた際に回転速度が最終的な定常速度の63%に到達するまでの時間を指します。機械的時定数が小さいほど、回転数の立ち上がり（加速）が速くなります。</li> </ul> <p><strong>注意</strong>: 簡略化した式 \(\tau_m = J / B\) も使用されますが、これは粘性摩擦係数 \(B\) が支配的な場合の近似式です。</p> <p>簡単に言えば、電気的時定数は「電流が立ち上がる速さ」、機械的時定数は「回転が立ち上がる速さ」をそれぞれ表しています。</p> <ul> <li>両方小さい方が応答が早い（柔軟性が高まるため）</li> </ul> <h3>3.2 回転数-トルク特性</h3> <p><strong>負荷時の特性:</strong></p> <ul> <li>負荷時は最も電流が必要</li> <li>逆起電力が小さくなる</li> </ul> <p><strong>基本式:</strong></p> <ul> <li><strong>逆起電力の式</strong>: \(E_c = K_e \times N\)</li> <li><strong>電圧の式</strong>: \(E_a - E_c = R \times I_a\)</li> <li><strong>トルクの式</strong>: \(T = K_t \times I_a\)</li> </ul> <p>ここで：</p> <ul> <li>\(E_c\): 逆起電力 [V]</li> <li>\(K_e\): 逆起電力定数 [V·s/rad] または [V/rpm]</li> <li>\(N\): 回転数 [rpm] または [rad/s]</li> <li>\(E_a\): 印加電圧 [V]</li> <li>\(R\): 電機子抵抗 [Ω]</li> <li>\(I_a\): 電機子電流 [A]</li> <li>\(T\): トルク [N·m]</li> <li>\(K_t\): トルク定数 [N·m/A]</li> </ul> <p><strong>注意</strong>: 逆起電力定数の単位は、回転数の単位によって異なります。rpmの場合は[V/rpm]、rad/sの場合は[V·s/rad]となります。</p> <p><strong>特性の関係:</strong></p> <ul> <li>力に合わせて、トルクが増す</li> <li>トルクに比例して電流が増加</li> <li>トルクが増すと回転数が減少する</li> <li>回転数を増加させたいなら電圧を増加させる</li> </ul> <h4>特性曲線（T-Nカーブ、T-Iカーブ）の詳細</h4> <p>DCモータでは、トルク（T）と回転数（N）、およびトルク（T）と電流（I）の関係を示す特性曲線がよく用いられます。</p> <p><strong>T-Nカーブ（トルク-回転数特性）:</strong></p> <pre>トルク T ↑ | ╭─╮ | ╱ ╲ | ╱ ╲ | ╱ ╲ | ╱ ╲ |╱ ╲ └─────────────→ 回転数 N 0 Nmax </pre> <ul> <li>横軸に回転数（N）、縦軸にトルク（T）をとって描かれます</li> <li>一般に、DCモータでは回転数が高いほどトルクは小さくなり、逆にトルクが大きくなるほど回転数は低下します</li> <li>無負荷時は回転数が最大、トルクはゼロとなります</li> <li>回転が止まる（停止トルク＝始動トルク）ときはトルクが最大、回転数はゼロとなります</li> <li>このカーブにより、必要な負荷トルクのときにどの程度の回転数となるかを視覚的に把握できます</li> </ul> <p><strong>T-Iカーブ（トルク-電流特性）:</strong></p> <pre>トルク T ↑ | ╱ | ╱ | ╱ | ╱ |╱ └─────────────→ 電流 I 0 Imax </pre> <ul> <li>横軸に電流（I）、縦軸にトルク（T）をとって描かれます</li> <li>トルクと電流は比例関係にあるため、この曲線はほぼ直線になります</li> <li>必要なトルクから逆算して、どの程度の電流が流れるかを知ることができます</li> </ul> <p>これらの特性曲線は、モータ選定や制御設計、また過負荷・効率確認などの実用上の指標として大変重要です。</p> <h3>3.3 モータ選定のための情報</h3> <p><strong>必要な情報:</strong></p> <ul> <li><strong>回転数</strong>: スピードは？</li> <li><strong>トルク</strong>: 力は？</li> <li><strong>電流</strong>: 電源は？</li> </ul> <p>これらの特性を見てDCモータの選定を行います。</p> <h1>アクチュエータの種類とモータの特性 - 第3部</h1> <h2>4. 制御理論と制御方式</h2> <h3>4.1 フィードバック制御</h3> <p><strong>PID制御:</strong></p> <ul> <li><strong>P制御（比例制御）</strong>: 現在の誤差に比例した制御量</li> <li><strong>I制御（積分制御）</strong>: 過去の誤差の積分値に比例した制御量</li> <li><strong>D制御（微分制御）</strong>: 誤差の変化率に比例した制御量</li> </ul> <p><strong>制御式:</strong></p> <pre>u(t) = Kp × e(t) + Ki × ∫e(t)dt + Kd × de(t)/dt </pre> <p><strong>各制御の役割:</strong></p> <ul> <li><strong>P制御</strong>: 現在の誤差を補正（比例動作）</li> <li><strong>I制御</strong>: 定常誤差を除去（積分動作）</li> <li><strong>D制御</strong>: 過渡応答を改善（微分動作）</li> </ul> <h3>4.2 インバータ制御</h3> <p><strong>PWM制御:</strong></p> <ul> <li>パルス幅変調による電圧制御</li> <li>高効率な電力変換</li> <li>ノイズ対策が必要</li> </ul> <p><strong>ベクトル制御:</strong></p> <ul> <li>磁束とトルクを独立制御</li> <li>高精度な位置・速度制御</li> <li>複雑な制御回路が必要</li> </ul> <h3>4.3 エネルギー効率</h3> <p><strong>効率曲線:</strong></p> <ul> <li>負荷率と効率の関係</li> <li>最適動作点の選択</li> <li>待機電力の考慮</li> </ul> <p><strong>省エネ対策:</strong></p> <ul> <li>インバータによる可変速制御</li> <li>回生ブレーキの活用</li> <li>待機時の電力削減</li> </ul> <h2>5. 負荷計算と設計例</h2> <h3>5.1 負荷計算の基本</h3> <p><strong>トルク計算:</strong></p> <pre>T = F × r (直線運動) T = J × α (回転運動) </pre> <p><strong>慣性モーメント:</strong></p> <pre>J = m × r² (点質量) J = (1/2) × m × r² (円柱) </pre> <h3>5.2 設計例</h3> <h4>例1: ロボットアームの関節モータ選定</h4> <p><strong>設計条件:</strong></p> <ul> <li>負荷重量: 5kg</li> <li>アーム長: 0.5m</li> <li>最大角速度: 90°/s</li> <li>最大角加速度: 180°/s²</li> <li>安全率: 2.0</li> </ul> <p><strong>計算過程:</strong></p> <ol> <li><strong>重力によるトルク</strong>: \(T_g = m \times g \times r = 5 \times 9.8 \times 0.5 = 24.5\) Nm</li> <li><strong>角加速度の単位変換</strong>: \(\alpha = 180°/\text{s}^2 = 180 \times \pi/180 = 3.14\) rad/s²</li> <li><strong>慣性モーメント</strong>: \(J = m \times r^2 = 5 \times 0.5^2 = 1.25\) kg·m²</li> <li><strong>慣性によるトルク</strong>: \(T_i = J \times \alpha = 1.25 \times 3.14 = 3.93\) Nm</li> <li><strong>必要トルク</strong>: \(T_{req} = (T_g + T_i) \times 安全率 = (24.5 + 3.93) \times 2.0 = 56.9\) Nm</li> <li><strong>角速度の単位変換</strong>: \(\omega = 90°/\text{s} = 90 \times \pi/180 = 1.57\) rad/s</li> <li><strong>必要動力</strong>: \(P = T \times \omega = 56.9 \times 1.57 = 89.3\) W</li> </ol> <p><strong>注意</strong>: 重力によるトルクは最大値（アームが水平の時）を計算しています。実際の設計では、動作範囲全体での最大トルクを考慮する必要があります。</p> <p><strong>選定結果:</strong></p> <ul> <li>モータ種類: サーボモータ</li> <li>定格トルク: 60 Nm以上</li> <li>定格回転数: 3000 rpm以上</li> <li>制御方式: PID制御</li> </ul> <h4>例2: 搬送ベルトの駆動モータ選定</h4> <p><strong>設計条件:</strong></p> <ul> <li>搬送重量: 100kg</li> <li>ベルト速度: 1m/s</li> <li>摩擦係数: 0.3</li> <li>ベルト効率: 0.9</li> <li>安全率: 1.5</li> </ul> <p><strong>計算過程:</strong></p> <ol> <li><strong>搬送力</strong>: \(F = \mu \times m \times g = 0.3 \times 100 \times 9.8 = 294\) N</li> <li><strong>必要動力</strong>: \(P = F \times v / \eta = 294 \times 1.0 / 0.9 = 327\) W</li> <li><strong>安全率考慮</strong>: \(P_{req} = 327 \times 1.5 = 490\) W</li> <li><strong>プーリ半径の仮定</strong>: \(r = 0.05\) m（50mm）</li> <li><strong>角速度</strong>: \(\omega = v / r = 1.0 / 0.05 = 20\) rad/s</li> <li><strong>必要トルク</strong>: \(T = P / \omega = 490 / 20 = 24.5\) Nm</li> </ol> <p><strong>注意</strong>: プーリ半径は実際の設計値に基づいて決定する必要があります。また、ベルトの慣性や摩擦損失も考慮すべきです。</p> <p><strong>選定結果:</strong></p> <ul> <li>モータ種類: ブラシレスDCモータ</li> <li>定格出力: 500W以上</li> <li>定格トルク: 25 Nm以上（安全率考慮）</li> <li>制御方式: ベクトル制御</li> </ul> <h4>例3: 3DプリンタのX軸駆動モータ選定</h4> <p><strong>設計条件:</strong></p> <ul> <li>移動重量: 2kg</li> <li>移動距離: 200mm</li> <li>移動時間: 1秒</li> <li>位置精度: ±0.1mm</li> <li>ステップ角: 1.8°</li> </ul> <p><strong>計算過程:</strong></p> <ol> <li><strong>最大加速度</strong>: \(a = 2 \times s / t^2 = 2 \times 0.2 / 1^2 = 0.4\) m/s²</li> <li><strong>必要力</strong>: \(F = m \times a = 2 \times 0.4 = 0.8\) N</li> <li><strong>プーリ半径</strong>: \(r = 0.01\) m（10mm）</li> <li><strong>必要トルク</strong>: \(T = F \times r = 0.8 \times 0.01 = 0.008\) Nm</li> <li><strong>安全率考慮</strong>: \(T_{req} = 0.008 \times 2.0 = 0.016\) Nm</li> <li><strong>ステップ数</strong>: \(N = 360° / 1.8° = 200\) ステップ/回転</li> <li><strong>分解能</strong>: マイクロステップ1/4使用時、\(200 \times 4 = 800\) ステップ/回転</li> </ol> <p><strong>注意</strong>: 実際の3Dプリンタでは、摩擦や慣性も考慮する必要があります。また、高速移動時の共振も考慮すべきです。</p> <p><strong>選定結果:</strong></p> <ul> <li>モータ種類: ステッピングモータ（バイポーラ型）</li> <li>定格トルク: 0.1 Nm以上</li> <li>ステップ角: 1.8°</li> <li>制御方式: マイクロステップ制御</li> </ul> <h2>6. 振動・騒音特性</h2> <h3>6.1 振動特性</h3> <p><strong>振動源:</strong></p> <ul> <li>機械的不平衡</li> <li>電磁振動</li> <li>ギアのバックラッシュ</li> </ul> <p><strong>対策:</strong></p> <ul> <li>バランス調整</li> <li>ダンパーの設置</li> <li>防振ゴムの使用</li> </ul> <h3>6.2 騒音特性</h3> <p><strong>騒音レベル:</strong></p> <ul> <li>ブラシ付きDCモータ: 50-75dB（サイズ・負荷により変動）</li> <li>ブラシレスDCモータ: 45-65dB（サイズ・負荷により変動）</li> <li>ステッピングモータ: 35-55dB（サイズ・負荷により変動）</li> <li>※騒音レベルは使用条件により大きく変動します</li> </ul> <p><strong>対策:</strong></p> <ul> <li>エンクロージャーの使用</li> <li>吸音材の設置</li> <li>低騒音モータの選択</li> </ul> <h2>7. 産業用ロボットでの応用</h2> <h3>7.1 6軸ロボットでの使用例</h3> <p><strong>各軸のモータ選択:</strong></p> <ul> <li><strong>ベース軸</strong>: 高トルクサーボモータ</li> <li><strong>ショルダー軸</strong>: 中トルクサーボモータ</li> <li><strong>エルボー軸</strong>: 中トルクサーボモータ</li> <li><strong>手首軸</strong>: 低トルク高精度サーボモータ</li> </ul> <h3>7.2 協働ロボットでの安全性</h3> <p><strong>安全機能:</strong></p> <ul> <li>力センサによる接触検知</li> <li>安全停止機能</li> <li>低出力モータの使用</li> </ul> <h1>アクチュエータの種類とモータの特性 - 第4部</h1> <h2>8. 故障診断とメンテナンス</h2> <h3>8.1 故障診断方法</h3> <p><strong>電気的診断:</strong></p> <ul> <li><strong>絶縁抵抗測定</strong>: メガーで1MΩ以上を確認</li> <li><strong>巻線抵抗測定</strong>: 三相巻線の抵抗バランスを確認</li> <li><strong>絶縁破壊電圧試験</strong>: 定格電圧の1.5倍で試験</li> <li><strong>電流測定</strong>: 定格電流の±10%以内を確認</li> <li><strong>電圧測定</strong>: 定格電圧の±5%以内を確認</li> </ul> <p><strong>機械的診断:</strong></p> <ul> <li><strong>振動測定</strong>: 振動加速度1-10 m/s²を測定</li> <li><strong>温度測定</strong>: 巻線温度80°C以下を確認</li> <li><strong>音響測定</strong>: 騒音レベル40-80 dBを測定</li> <li><strong>回転精度測定</strong>: 回転精度±0.1°以内を確認</li> </ul> <p><strong>診断機器:</strong></p> <ul> <li><strong>振動計</strong>: 加速度センサによる振動測定</li> <li><strong>サーモグラフィ</strong>: 赤外線による温度分布測定</li> <li><strong>音響計</strong>: 騒音レベル測定</li> <li><strong>オシロスコープ</strong>: 電圧・電流波形観測</li> <li><strong>メガー</strong>: 絶縁抵抗測定</li> </ul> <h3>8.2 予防保全</h3> <p><strong>定期点検項目:</strong></p> <ul> <li><strong>ブラシの摩耗確認</strong>: ブラシ長さが初期の1/2以下になったら交換</li> <li><strong>ベアリングの潤滑</strong>: グリース交換（1000-5000時間間隔）</li> <li><strong>配線の接続確認</strong>: 端子の緩み、腐食の確認</li> <li><strong>冷却ファンの清掃</strong>: ほこり除去、回転確認</li> <li><strong>絶縁抵抗測定</strong>: 月1回、1MΩ以上を確認</li> <li><strong>振動・騒音測定</strong>: 月1回、基準値との比較</li> </ul> <p><strong>点検周期:</strong></p> <ul> <li><strong>日次</strong>: 外観点検、異常音・振動の確認</li> <li><strong>週次</strong>: 温度測定、電流測定</li> <li><strong>月次</strong>: 絶縁抵抗測定、振動測定</li> <li><strong>年次</strong>: 分解点検、部品交換</li> </ul> <p><strong>交換部品:</strong></p> <ul> <li><strong>ブラシ</strong>: ブラシ付きDCモータ（1000-5000時間）</li> <li><strong>ベアリング</strong>: 全モータ（10000-50000時間）</li> <li><strong>シール</strong>: 全モータ（5000-20000時間）</li> <li><strong>冷却ファン</strong>: 全モータ（20000-50000時間）</li> <li><strong>ケーブル</strong>: 全モータ（50000時間以上）</li> </ul> <p><strong>保全記録:</strong></p> <ul> <li><strong>点検記録表</strong>: 日時、点検者、結果を記録</li> <li><strong>交換履歴</strong>: 部品名、交換日、交換理由を記録</li> <li><strong>故障履歴</strong>: 故障内容、原因、対策を記録</li> </ul> <h2>9. 最新技術動向</h2> <h3>9.1 リニアモータ</h3> <p><strong>特徴:</strong></p> <ul> <li>直線運動を直接生成（回転→直線変換不要）</li> <li>高精度・高速応答（位置精度±0.1μm、加速度10G以上）</li> <li>メンテナンスフリー（接触部なし）</li> <li>高速・高加速度（最大速度10m/s、最大加速度50m/s²）</li> </ul> <p><strong>技術仕様:</strong></p> <ul> <li>推力: 100N～50kN</li> <li>速度: 0.1～10m/s</li> <li>加速度: 1～50m/s²</li> <li>位置精度: ±0.1μm～±1μm</li> <li>繰り返し精度: ±0.05μm～±0.5μm</li> </ul> <p><strong>応用例:</strong></p> <ul> <li><strong>半導体製造装置</strong>: ウェハステージ、リソグラフィ装置</li> <li><strong>精密測定機器</strong>: 三次元測定機、表面粗さ測定機</li> <li><strong>高速搬送システム</strong>: 物流自動化、工場内搬送</li> <li><strong>工作機械</strong>: 高速加工機、超精密加工機</li> </ul> <h3>9.2 スマートモータ（IoT対応モータ）</h3> <p><strong>IoT対応機能:</strong></p> <ul> <li><strong>状態監視</strong>: 温度、振動、電流、電圧のリアルタイム監視</li> <li><strong>予知保全</strong>: AIによる故障予測、メンテナンス時期の最適化</li> <li><strong>リモート診断</strong>: クラウド経由での遠隔診断・設定変更</li> <li><strong>データ蓄積</strong>: 運転データの長期保存・分析</li> </ul> <p><strong>AI活用技術:</strong></p> <ul> <li><strong>異常検知</strong>: 機械学習による異常パターン認識</li> <li><strong>最適制御</strong>: 負荷に応じた自動制御パラメータ調整</li> <li><strong>故障予測</strong>: 統計的手法による故障確率算出</li> <li><strong>エネルギー最適化</strong>: 消費電力の最小化制御</li> </ul> <p><strong>通信機能:</strong></p> <ul> <li><strong>有線通信</strong>: Ethernet、RS485、CAN</li> <li><strong>無線通信</strong>: Wi-Fi、Bluetooth、LoRaWAN</li> <li><strong>プロトコル</strong>: Modbus、OPC-UA、MQTT</li> </ul> <h3>9.3 省エネ技術</h3> <p><strong>高効率化技術:</strong></p> <ul> <li><strong>永久磁石同期モータ</strong>: 効率95%以上</li> <li><strong>可変速制御</strong>: 負荷に応じた最適回転数制御</li> <li><strong>回生ブレーキ</strong>: 減速時のエネルギー回収</li> <li><strong>待機電力削減</strong>: スタンバイ時の消費電力最小化</li> </ul> <p><strong>材料技術:</strong></p> <ul> <li><strong>高磁束密度磁石</strong>: ネオジム磁石、サマリウムコバルト磁石</li> <li><strong>低損失鉄心</strong>: アモルファス合金、ナノクリスタル合金</li> <li><strong>高耐熱絶縁材料</strong>: クラスH絶縁（180°C対応）</li> </ul> <h3>9.4 小型化・軽量化技術</h3> <p><strong>小型化技術:</strong></p> <ul> <li><strong>高密度巻線</strong>: フラットワイヤー、矩形導体</li> <li><strong>一体化設計</strong>: モータ・ドライバー・センサー統合</li> <li><strong>3Dプリンティング</strong>: 複雑形状の実現</li> </ul> <p><strong>軽量化技術:</strong></p> <ul> <li><strong>軽量材料</strong>: アルミニウム合金、カーボンファイバー</li> <li><strong>中空構造</strong>: ロータ中空化、ケーシング軽量化</li> <li><strong>最適設計</strong>: 有限要素法による構造最適化</li> </ul> <h3>9.5 環境対応技術</h3> <p><strong>環境配慮:</strong></p> <ul> <li><strong>RoHS対応</strong>: 有害物質不使用</li> <li><strong>リサイクル性</strong>: 材料の分別・再利用可能設計</li> <li><strong>低騒音化</strong>: 40dB以下（従来比-10dB）</li> <li><strong>低振動化</strong>: 振動加速度1m/s²以下</li> </ul> <p><strong>持続可能性:</strong></p> <ul> <li><strong>長寿命設計</strong>: 20年以上の使用可能</li> <li><strong>メンテナンス性</strong>: 分解・交換の容易性</li> <li><strong>アップグレード性</strong>: 機能追加・性能向上の可能性</li> </ul> <h2>10. アクチュエータ選定の指針</h2> <h3>10.1 用途別選定</h3> <p><strong>高精度が必要な場合:</strong></p> <ul> <li>ステッピングモータ</li> <li>サーボモータ</li> <li>ブラシレスDCモータ</li> </ul> <p><strong>高トルクが必要な場合:</strong></p> <ul> <li>ダイレクトドライブモータ</li> <li>油圧アクチュエータ</li> <li>ブラシレスDCモータ</li> </ul> <p><strong>安全性が重要な場合:</strong></p> <ul> <li>空気圧アクチュエータ</li> <li>サーボモータ</li> </ul> <p><strong>コスト重視の場合:</strong></p> <ul> <li>ブラシ付きDCモータ</li> <li>空気圧アクチュエータ</li> </ul> <h3>10.2 制御方式の選択</h3> <p><strong>位置制御:</strong></p> <ul> <li>ステッピングモータ</li> <li>サーボモータ</li> </ul> <p><strong>速度制御:</strong></p> <ul> <li>DCモータ（ブラシ付き・ブラシレス）</li> <li>サーボモータ</li> </ul> <p><strong>トルク制御:</strong></p> <ul> <li>ダイレクトドライブモータ</li> <li>油圧アクチュエータ</li> </ul> <h3>10.3 アクチュエータ選定フローチャート</h3> <pre>アクチュエータ選定フローチャート 開始 ↓ 用途は何か？ ├─ 直線運動 → リニアモータ、油圧シリンダー、空気圧シリンダー └─ 回転運動 → 以下に続く ↓ 制御精度は？ ├─ 高精度（±0.001%以上） → サーボモータ、ダイレクトドライブ ├─ 中精度（±0.01%程度） → ステッピングモータ、ブラシレスDC └─ 低精度（±1%程度） → ブラシ付きDC、空気圧モータ ↓ トルク要件は？ ├─ 大トルク（1000Nm以上） → ダイレクトドライブ、油圧モータ ├─ 中トルク（10-1000Nm） → ブラシレスDC、サーボモータ └─ 小トルク（10Nm以下） → ステッピング、ブラシ付きDC ↓ 速度要件は？ ├─ 高速（10000rpm以上） → ブラシレスDC、サーボモータ ├─ 中速（1000-10000rpm） → ブラシ付きDC、ブラシレスDC └─ 低速（1000rpm以下） → ステッピング、ダイレクトドライブ ↓ コスト制約は？ ├─ 低コスト重視 → ブラシ付きDC、空気圧 ├─ 中コスト → ステッピング、ブラシレスDC └─ 高コスト許容 → サーボ、ダイレクトドライブ ↓ メンテナンス要件は？ ├─ メンテナンスフリー → ブラシレスDC、ステッピング、ダイレクトドライブ └─ メンテナンス可能 → ブラシ付きDC、サーボ、油圧 ↓ 最終選定 </pre> <h3>10.4 選定時のチェックリスト</h3> <p><strong>基本要件:</strong></p> <ul> <li>[ ] 必要なトルク・速度・精度の確認</li> <li>[ ] 電源仕様（電圧・電流・周波数）の確認</li> <li>[ ] 環境条件（温度・湿度・振動）の確認</li> <li>[ ] 設置空間・重量制約の確認</li> </ul> <p><strong>制御要件:</strong></p> <ul> <li>[ ] 制御方式（位置・速度・トルク）の決定</li> <li>[ ] フィードバックセンサの必要性</li> <li>[ ] 通信インターフェースの確認</li> <li>[ ] 安全機能の要件確認</li> </ul> <p><strong>コスト・保守:</strong></p> <ul> <li>[ ] 初期コストの予算確認</li> <li>[ ] 運転コスト（電力消費）の試算</li> <li>[ ] メンテナンスコストの見積もり</li> <li>[ ] 交換部品の入手性確認</li> </ul> <p><strong>性能確認:</strong></p> <ul> <li>[ ] 特性曲線での動作点確認</li> <li>[ ] 過負荷時の動作確認</li> <li>[ ] 効率・発熱の確認</li> <li>[ ] 騒音・振動レベルの確認</li> </ul> <h1>アクチュエータの種類とモータの特性 - 第5部</h1> <h2>11. 演習問題</h2> <h3>11.1 計算問題</h3> <h4>問題1:</h4> <p>ロボットアームの関節に必要なトルクを計算せよ。</p> <ul> <li>アーム重量: 2kg</li> <li>アーム長: 0.3m</li> <li>最大角加速度: 10 rad/s²</li> </ul> <p><strong>解答:</strong></p> <ol> <li><strong>慣性モーメントの計算</strong>: \(J = m \times r^2 = 2 \times 0.3^2 = 0.18\) kg·m²</li> <li><strong>慣性によるトルク</strong>: \(T_i = J \times \alpha = 0.18 \times 10 = 1.8\) N·m</li> <li><strong>重力によるトルク</strong>: \(T_g = m \times g \times r = 2 \times 9.8 \times 0.3 = 5.88\) N·m</li> <li><strong>総必要トルク</strong>: \(T_{total} = T_i + T_g = 1.8 + 5.88 = 7.68\) N·m</li> <li><strong>安全率考慮</strong>: \(T_{req} = 7.68 \times 2.0 = 15.4\) N·m</li> </ol> <p><strong>注意</strong>: 重力によるトルクも考慮する必要があります。アームが水平の時が最大トルクとなります。</p> <h4>問題2:</h4> <p>搬送ベルトの駆動に必要な動力とトルクを計算せよ。</p> <ul> <li>搬送重量: 50kg</li> <li>ベルト速度: 0.5m/s</li> <li>摩擦係数: 0.3</li> <li>ベルト効率: 0.9</li> </ul> <p><strong>解答:</strong></p> <ol> <li><strong>搬送力の計算</strong>: \(F = \mu \times m \times g = 0.3 \times 50 \times 9.8 = 147\) N</li> <li><strong>必要動力の計算</strong>: \(P = F \times v / \eta = 147 \times 0.5 / 0.9 = 81.7\) W</li> <li><strong>プーリ半径の仮定</strong>: \(r = 0.05\) m（50mm）</li> <li><strong>角速度</strong>: \(\omega = v / r = 0.5 / 0.05 = 10\) rad/s</li> <li><strong>必要トルク</strong>: \(T = P / \omega = 81.7 / 10 = 8.17\) N·m</li> </ol> <p><strong>注意</strong>: プーリ半径は実際の設計値に基づいて決定する必要があります。</p> <h4>問題3:</h4> <p>ステッピングモータのステップ角と分解能を計算せよ。</p> <ul> <li>モータの極数: 50極</li> <li>ギア比: 1:10</li> <li>マイクロステップ: 1/4</li> </ul> <p><strong>解答:</strong></p> <ol> <li><strong>基本ステップ角</strong>: \(\theta = 360° / (50 \times 2) = 3.6°\)（2相モータの場合）</li> <li><strong>ギア比考慮</strong>: \(\theta_{gear} = 3.6° / 10 = 0.36°\)</li> <li><strong>マイクロステップ考慮</strong>: \(\theta_{micro} = 0.36° / 4 = 0.09°\)</li> <li><strong>分解能</strong>: \(R = 360° / 0.09° = 4000\) ステップ/回転</li> </ol> <p><strong>注意</strong>: ステッピングモータの基本ステップ角は極数と相数によって決まります。一般的な2相50極モータでは1.8°が標準です。</p> <h3>11.2 設計問題</h3> <h4>問題3:</h4> <p>3DプリンタのX軸駆動に適したモータを選定し、その理由を説明せよ。</p> <p><strong>解答例:</strong></p> <p>ステッピングモータを選定。理由：</p> <ul> <li>高精度な位置決めが可能</li> <li>開ループ制御で位置制御が可能</li> <li>低コスト</li> <li>3Dプリンタの用途に適した精度</li> </ul> <h4>問題4:</h4> <p>産業用ロボットの手首軸に適したモータを選定し、制御方式を提案せよ。</p> <p><strong>解答例:</strong></p> <p>サーボモータを選定。理由：</p> <ul> <li>高精度な位置・速度制御が可能</li> <li>フィードバック制御による高精度</li> <li>高速応答</li> <li>制御方式：PID制御による位置・速度制御</li> </ul> <h2>12. 参考文献</h2> <ol> <li>日本ロボット学会編「ロボット工学ハンドブック」（コロナ社、2024年）</li> <li>電気学会編「モータ技術入門」（電気学会、2023年）</li> <li>日本機械学会編「アクチュエータ技術」（日本機械学会、2024年）</li> <li>制御工学基礎（オーム社、2023年）</li> <li>産業用ロボット技術（日刊工業新聞社、2024年）</li> <li>モータ制御技術の最新動向（電気学会技術報告、2024年）</li> <li>IoT対応スマートモータの技術動向（日本機械学会論文集、2024年）</li> </ol> <h2>付録：モータの詳細比較表</h2> <h3>基本性能比較</h3> <table border="1"> <tbody> <tr> </tr> <tr> <td><strong>制御精度</strong></td> <td>中 (±1%)</td> <td>高 (±0.1%)</td> <td>高 (±0.01%)</td> <td>高 (±0.001%)</td> <td>高 (±0.0001%)</td> </tr> <tr> <td><strong>トルク</strong></td> <td>中 (0.1-100Nm)</td> <td>高 (0.1-1000Nm)</td> <td>中 (0.01-50Nm)</td> <td>高 (0.1-5000Nm)</td> <td>高 (1-10000Nm)</td> </tr> <tr> <td><strong>速度</strong></td> <td>高 (1000-20000rpm)</td> <td>高 (100-100000rpm)</td> <td>中 (100-3000rpm)</td> <td>高 (100-10000rpm)</td> <td>中 (10-1000rpm)</td> </tr> <tr> <td><strong>効率</strong></td> <td>中 (60-85%)</td> <td>高 (80-97%)</td> <td>中 (70-85%)</td> <td>高 (85-95%)</td> <td>高 (90-98%)</td> </tr> <tr> <td><strong>価格</strong></td> <td>低 (¥1,000-10,000)</td> <td>高 (¥5,000-100,000)</td> <td>中 (¥2,000-20,000)</td> <td>高 (¥10,000-500,000)</td> <td>高 (¥50,000-1,000,000)</td> </tr> <tr> <td><strong>メンテナンス</strong></td> <td>必要 (ブラシ交換)</td> <td>不要</td> <td>不要</td> <td>必要 (定期点検)</td> <td>不要</td> </tr> <tr> <td><strong>応答性</strong></td> <td>高 (1-10ms)</td> <td>高 (0.1-5ms)</td> <td>中 (10-100ms)</td> <td>高 (0.1-1ms)</td> <td>中 (1-50ms)</td> </tr> <tr> <td><strong>寿命</strong></td> <td>短 (1,000-10,000h)</td> <td>長 (20,000-200,000h)</td> <td>長 (50,000-100,000h)</td> <td>中 (10,000-50,000h)</td> <td>長 (100,000-500,000h)</td> </tr> <tr> <td><strong>騒音</strong></td> <td>高 (50-75dB)</td> <td>低 (40-60dB)</td> <td>低 (35-55dB)</td> <td>中 (45-65dB)</td> <td>低 (30-50dB)</td> </tr> <tr> <td><strong>制御回路</strong></td> <td>簡単</td> <td>複雑</td> <td>中程度</td> <td>複雑</td> <td>複雑</td> </tr> </tbody> </table> <h3>用途別選定ガイド</h3> <table border="1"> <tbody> <tr> </tr> <tr> <td><strong>高精度位置決め</strong></td> <td>ステッピング、サーボ</td> <td>高い位置精度が必要</td> </tr> <tr> <td><strong>高速回転</strong></td> <td>ブラシレスDC、サーボ</td> <td>高回転数と高応答性</td> </tr> <tr> <td><strong>高トルク</strong></td> <td>ダイレクトドライブ、油圧</td> <td>大トルクが必要</td> </tr> <tr> <td><strong>低コスト</strong></td> <td>ブラシ付きDC、空気圧</td> <td>初期コストを重視</td> </tr> <tr> <td><strong>メンテナンスフリー</strong></td> <td>ブラシレスDC、ステッピング</td> <td>長期無保守運転</td> </tr> <tr> <td><strong>安全性重視</strong></td> <td>空気圧、サーボ</td> <td>安全機能が必要</td> </tr> <tr> <td><strong>省エネ</strong></td> <td>ブラシレスDC、ダイレクトドライブ</td> <td>高効率が重要</td> </tr> <tr> <td><strong>小型化</strong></td> <td>ステッピング、ブラシレスDC</td> <td>コンパクト設計</td> </tr> </tbody> </table> <h3>コスト比較（概算）</h3> <table border="1"> <tbody> <tr> </tr> <tr> <td>ブラシ付きDC</td> <td>★</td> <td>★★★</td> <td>★★★</td> <td>★★</td> </tr> <tr> <td>ブラシレスDC</td> <td>★★★</td> <td>★</td> <td>★</td> <td>★</td> </tr> <tr> <td>ステッピング</td> <td>★★</td> <td>★★</td> <td>★</td> <td>★★</td> </tr> <tr> <td>サーボ</td> <td>★★★</td> <td>★</td> <td>★★</td> <td>★★</td> </tr> <tr> <td>ダイレクトドライブ</td> <td>★★★</td> <td>★</td> <td>★</td> <td>★</td> </tr> </tbody> </table> <p>★: 低コスト、★★: 中コスト、★★★: 高コスト</p> <h2>免責事項</h2> <ul> <li>本資料は教育目的で作成されています</li> <li>技術仕様は参考値であり、実際の製品仕様とは異なる場合があります</li> <li>実際の設計・選定時は、必ず最新の技術資料を参照してください</li> <li>本資料の使用により生じた損害について、作成者は責任を負いません</li> </ul> <h2>ライセンス</h2> <p>この作品はクリエイティブ・コモンズ 表示-非営利-継承 4.0 国際 ライセンスの下に提供されています。</p> <p><strong>CC BY-NC-SA 4.0</strong><br />- <strong>表示</strong>: 適切なクレジットを表示する必要があります<br />- <strong>非営利</strong>: 商用利用はできません<br />- <strong>継承</strong>: 改変した場合、同じライセンスで公開する必要があります</p> <p>詳細は <a href="https://creativecommons.org/licenses/by-nc-sa/4.0/">https://creativecommons.org/licenses/by-nc-sa/4.0/</a> をご覧ください。</p> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学４ Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-15 Rights Information about rights held in and over the resource CC BY-NC-SA 4.0 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ロボット制御システム</h1> <h2>記号・単位の統一表</h2> <ul> <li>$G(s)$: 制御対象（プラント）の伝達関数（無次元）</li> <li>$C(s)$: 制御器の伝達関数（無次元）</li> <li>$H(s)$: センサ/フィードバック経路の伝達関数（無次元）</li> <li>$\omega$: 角速度 [rad/s]、$J$: 慣性モーメント [kg・m²]、$B$: 粘性摩擦係数 [N・m・s/rad]</li> <li>$V$: 電圧 [V]、$i$: 電流 [A]、$T$: トルク [N・m]</li> <li>$K_p/K_i/K_d$: PIDゲイン、$T_s$: サンプリング周期 [s]</li> </ul> <h2>1. オープンループ制御（Open-Loop Control）</h2> <p><strong>基本構造</strong>: 目標値 → アクチュエータ → メカニズム</p> <p><strong>制御理論</strong>:</p> <ul> <li>フィードバック機構を持たない制御系</li> <li>入力信号のみで出力を制御</li> <li>システムの伝達関数: $G(s) = \frac{Y(s)}{U(s)}$</li> <li>開ループ利得が有限で、外乱に対する補償能力が限定的</li> </ul> <p><strong>特徴</strong>:</p> <ul> <li>負荷変動等で速度や変位量が変化してしまう</li> <li>一定電圧、一定速度で動作</li> <li>外乱に対する補償能力が低い</li> <li>システムの非線形性や時変特性に弱い</li> </ul> <p><strong>数学的表現</strong>:</p> <p>$$Y(s) = G(s)U(s) + D(s)$$</p> <p>ここで、$Y(s)$は出力のラプラス変換、$U(s)$は入力のラプラス変換、$D(s)$は外乱のラプラス変換、$G(s)$は伝達関数</p> <p><strong>状態空間表現</strong>:</p> <p>$$\dot{x}(t) = Ax(t) + Bu(t) + Ed(t)$$</p> <p>$$y(t) = Cx(t) + Du(t) + Fd(t)$$</p> <p>ここで、$A \in \mathbb{R}^{n \times n}$（システム行列）、$B \in \mathbb{R}^{n \times m}$（入力行列）、$C \in \mathbb{R}^{p \times n}$（出力行列）、$D \in \mathbb{R}^{p \times m}$（直通行列）、$E \in \mathbb{R}^{n \times d}$（外乱入力行列）、$F \in \mathbb{R}^{p \times d}$（外乱出力行列）</p> <p><strong>周波数応答解析</strong>:</p> <p>$$G(j\omega) = |G(j\omega)|e^{j\phi(\omega)}$$</p> <p>ここで、$|G(j\omega)|$はゲイン、$\phi(\omega)$は位相、$\omega$は角周波数 （開ループ伝達関数は $L(j\omega)=G(j\omega)C(j\omega)H(j\omega)$ とする）。</p> <p><strong>安定性判別</strong>:</p> <ul> <li>ハーウィッツ判別：特性多項式の係数から構成されるハーウィッツ行列の主小行列式がすべて正</li> <li>ナイキスト判別：$Z = P - N = 0$（$Z$: 右半平面の零点、$P$: 右半平面の極、$N$: ナイキスト軌跡の-1点周りの回転数。本資料では反時計回り（CCW）を正）</li> </ul> <p><strong>特例</strong>:</p> <ul> <li>ステッピングモータ：ドライバは複雑で低電力効率だが、これもオープンループ</li> <li>オープンループ制御の利点：シンプルな構成、低コスト、高速応答</li> <li>欠点：精度が低い、外乱に弱い、システム変動に敏感</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Franklin, G.F., Powell, J.D., &amp; Emami-Naeini, A. (2019). <em>Feedback Control of Dynamic Systems</em> (8th ed.). Pearson. <a href="https://www.amazon.com/Feedback-Control-Dynamic-Systems-8th/dp/0136019692">Amazon</a></li> <li>Ogata, K. (2010). <em>Modern Control Engineering</em> (5th ed.). Prentice Hall. <a href="https://www.amazon.com/Modern-Control-Engineering-5th-Ogata/dp/0136156738">Amazon</a></li> <li>IEEE Control Systems Society. <a href="https://www.ieeecss.org/">https://www.ieeecss.org/</a></li> </ul> <h2>2. セミクローズドループ制御（Semi-Closed Loop Control）</h2> <p><strong>基本構造</strong>: アクチュエータからフィードバックを行って補正</p> <p><strong>制御理論</strong>:</p> <ul> <li>アクチュエータレベルでのフィードバック制御</li> <li>メカニズムの実際の動作は監視されない</li> <li>中間制御点での位置・速度フィードバック</li> </ul> <p><strong>注意点</strong>: 実際の動作からフィードバックを行っているわけではない</p> <p><strong>誤差の原因</strong>:</p> <ul> <li>ギアのバックラッシュ（ギアの隙間により誤差が出る）</li> <li>メカニズムにずれが出る</li> <li>弾性変形による位置ずれ</li> <li>クリアランスによる累積誤差</li> </ul> <p><strong>制御ブロック図</strong>:</p> <pre>目標値 → [制御器] → [アクチュエータ] → [メカニズム] → 出力 ↑ ↓ [センサ] ← [位置/速度検出] </pre> <p><strong>例</strong>: ラジコンサーボ（RCサーボモータ）</p> <ul> <li>アクチュエータ：DCモータ</li> <li>センサ：ポテンショメータ（回転角度検出）</li> <li>制御方式：PID制御による位置制御</li> <li>これらはフィードバックする</li> </ul> <p><strong>利点</strong>:</p> <ul> <li>オープンループより高精度</li> <li>アクチュエータの非線形性を補償</li> <li>比較的シンプルな構成</li> </ul> <p><strong>欠点</strong>:</p> <ul> <li>メカニズムの誤差は補償されない</li> <li>負荷変動の影響を完全には除去できない</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Kuo, B.C. (1995). <em>Automatic Control Systems</em> (7th ed.). Prentice Hall. <a href="https://www.amazon.com/Automatic-Control-Systems-Benjamin-Kuo/dp/0132270285">Amazon</a></li> <li>Dorf, R.C., &amp; Bishop, R.H. (2017). <em>Modern Control Systems</em> (13th ed.). Pearson. <a href="https://www.amazon.com/Modern-Control-Systems-13th-Richard-Dorf/dp/0134407628">Amazon</a></li> <li>Control Engineering Online. <a href="https://www.controleng.com/">https://www.controleng.com/</a></li> </ul> <h2>3. クローズドループ制御（Closed-Loop Control）</h2> <p><strong>基本構造</strong>: メカニズムの実際の動作から補正を行う</p> <p><strong>制御理論</strong>:</p> <ul> <li>完全なフィードバック制御系</li> <li>出力を直接監視して制御入力に反映</li> <li>システムの伝達関数: $T(s) = \frac{G(s)}{1 + G(s)H(s)}$</li> <li>閉ループ利得が高く、外乱に対する補償能力が高い</li> <li>安定性解析が重要（ナイキスト安定判別、ルート・ロークス判別）</li> </ul> <p><strong>特徴</strong>:</p> <ul> <li>高精度に制御可能</li> <li>メカニズムにセンサを取り付けて補正制御する</li> <li>外乱に対する強靭性（ロバスト性）</li> <li>システム変動に対する適応性</li> </ul> <p><strong>制御ブロック図</strong>:</p> <pre>目標値 → [制御器] → [アクチュエータ] → [メカニズム] → 出力 ↑ ↓ └──────── [センサ] ← [位置/速度検出] ←────┘ </pre> <p><strong>数学的表現</strong>:</p> <p>$$e(t) = r(t) - y(t) \quad \text{(誤差信号)}$$</p> <p>$$u(t) = K_p e(t) + K_i \int_0^t e(\tau) d\tau + K_d \frac{de(t)}{dt} \quad \text{(PID制御)}$$</p> <p>ここで、$K_p$は比例ゲイン、$K_i$は積分ゲイン、$K_d$は微分ゲイン</p> <p><strong>ラプラス変換での表現</strong>:</p> <p>$$E(s) = R(s) - Y(s) \quad \text{(誤差信号)}$$</p> <p>$$U(s) = \left(K_p + \frac{K_i}{s} + K_d s\right)E(s) \quad \text{(PID制御器の伝達関数)}$$</p> <p><strong>閉ループ伝達関数</strong>:</p> <p>$$T(s) = \frac{G(s)C(s)}{1 + G(s)C(s)H(s)}$$</p> <p>ここで、$C(s)$は制御器の伝達関数、$H(s)$はセンサの伝達関数</p> <p><strong>感度関数</strong>:</p> <p>$$S(s) = \frac{1}{1 + G(s)C(s)H(s)} \quad \text{(外乱感度)}$$</p> <p>$$T(s) = \frac{G(s)C(s)}{1 + G(s)C(s)H(s)} \quad \text{(補感度関数)}$$</p> <p><strong>ロバスト制御理論</strong>:</p> <ul> <li>H∞制御：$||W_1(s)S(s)||_\infty &lt; \gamma_1$, $||W_2(s)T(s)||_\infty &lt; \gamma_2$</li> <li>μ解析：$\mu(M(j\omega)) &lt; 1$ for all $\omega$（構造化不確実性に対する安定性）</li> <li>スライディングモード制御：$s = cx + \dot{x} = 0$（スライディング面）</li> </ul> <h3>3.1 離散時間制御（ディジタル制御）</h3> <p><strong>Z変換とゼロ次ホールド（ZOH）</strong>:</p> <ul> <li>ZOHにより連続系は等価に離散化され、$G(z)$で設計する。</li> </ul> <p><strong>離散時間PID（位置型の例）</strong>:</p> <p>$$u[k] = u[k-1] + K_p (e[k] - e[k-1]) + K_i T_s e[k] + \frac{K_d}{T_s} (e[k] - 2e[k-1] + e[k-2])$$</p> <p>注意: $T_s$ は制御帯域（クロスオーバ周波数）の10倍以上速くするのが目安。</p> <p><strong>実装上の注意</strong>:</p> <ul> <li>ADC/DACの量子化誤差は積分器で蓄積しやすい。デッドバンド設定で緩和。</li> <li>演算飽和時のアンチワインドアップ（後述）を必須とする。</li> </ul> <p><strong>実装例（C, AW/微分フィルタ付きPID）</strong>:</p> <pre>typedef struct { float Kp, Ki, Kd; float Ts; // サンプリング周期 float N; // 微分フィルタ係数（推奨:10〜100） float u_min, u_max; // 飽和 // 内部状態 float e_prev; float e_prev2; float I; // 積分状態 float D; // 微分状態（フィルタ出力） } PIDd; static inline float clampf(float x, float lo, float hi) { return x &lt; lo ? lo : (x &gt; hi ? hi : x); } float pid_discrete_update(PIDd* pid, float e) { // 微分フィルタ（Tustin形式）: D(s)=Kd*N/(1+N s) const float a = 1.0f / (1.0f + pid-&gt;N * pid-&gt;Ts); const float b = (pid-&gt;N * pid-&gt;Ts) * a; float de = (e - pid-&gt;e_prev) / pid-&gt;Ts; pid-&gt;D = a * pid-&gt;D + b * pid-&gt;Kd * de; // 積分: アンチワインドアップのため、飽和後に補正を行う float I_new = pid-&gt;I + pid-&gt;Ki * pid-&gt;Ts * e; // 絶対量での形成（Kp*e + I + D） float u_unsat = pid-&gt;Kp * e + I_new + pid-&gt;D; float u = clampf(u_unsat, pid-&gt;u_min, pid-&gt;u_max); // 逆計算型アンチワインドアップ: 飽和分だけ積分器を巻き戻す pid-&gt;I = I_new + (u - u_unsat); pid-&gt;e_prev2 = pid-&gt;e_prev; pid-&gt;e_prev = e; return u; } </pre> <p>初期値例: $T_s=1$ ms, $N=50$, $u_{min}=-1.0$, $u_{max}=1.0$（正規化電圧指令の場合）。</p> <p><strong>例1</strong>: 一定角度で停止するグリッパー</p> <ul> <li>動作をセンサで補正制御すると、小さい方に設定されても、持つ大きさに合わせて調整できる</li> <li>力センサによる力制御と位置センサによる位置制御の組み合わせ</li> </ul> <p><strong>例2</strong>: 倒立振子</p> <ul> <li>アクチュエータ：DCモータ</li> <li>センサ：ジャイロセンサ（角速度検出）+ エンコーダ（角度検出）</li> <li>制御方式：LQR制御、PID制御、状態フィードバック制御</li> <li>非線形制御理論の応用</li> </ul> <p><strong>例3</strong>: 壁にぶつからないミニ四駆</p> <ul> <li>アクチュエータ：DCモータ</li> <li>センサ：距離センサ（超音波、赤外線、LiDAR）</li> <li>制御方式：障害物回避アルゴリズム</li> <li>停止時逆回転にすることで停止する</li> </ul> <p><strong>利点</strong>:</p> <ul> <li>最高精度の制御が可能</li> <li>外乱に対する補償能力が高い</li> <li>システムの非線形性を補償可能</li> </ul> <p><strong>欠点</strong>:</p> <ul> <li>複雑な制御系設計が必要</li> <li>高コスト</li> <li>制御系の安定性確保が重要</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Åström, K.J., &amp; Murray, R.M. (2021). <em>Feedback Systems: An Introduction for Scientists and Engineers</em> (2nd ed.). Princeton University Press. <a href="https://www.amazon.com/Feedback-Systems-Introduction-Scientists-Engineers/dp/0691214411">Amazon</a></li> <li>Skogestad, S., &amp; Postlethwaite, I. (2005). <em>Multivariable Feedback Control: Analysis and Design</em> (2nd ed.). Wiley. <a href="https://www.amazon.com/Multivariable-Feedback-Control-Analysis-Design/dp/0470011678">Amazon</a></li> <li>IEEE Xplore Digital Library. <a href="https://ieeexplore.ieee.org/">https://ieeexplore.ieee.org/</a></li> </ul> <h2>4. 制御精度の比較</h2> <p><strong>定量的比較</strong>:</p> <ul> <li>オープンループ制御 &lt; セミクローズドループ制御 &lt; クローズドループ制御</li> <li>位置精度：±0.5mm → ±0.1mm → ±0.01mm</li> <li>繰り返し精度：±0.2mm → ±0.05mm → ±0.005mm</li> <li>応答時間：50ms → 20ms → 5ms</li> </ul> <p><strong>制御性能指標</strong>:</p> <ul> <li>定常偏差（Steady-state error）</li> <li>過渡応答特性（Overshoot, Settling time）</li> <li>周波数応答特性（Bandwidth, Phase margin）</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Goodwin, G.C., Graebe, S.F., &amp; Salgado, M.E. (2001). <em>Control System Design</em>. Prentice Hall. <a href="https://www.amazon.com/Control-System-Design-Graham-Goodwin/dp/0139586539">Amazon</a></li> <li>Zhou, K., Doyle, J.C., &amp; Glover, K. (1996). <em>Robust and Optimal Control</em>. Prentice Hall. <a href="https://www.amazon.com/Robust-Optimal-Control-Kemin-Zhou/dp/0134565673">Amazon</a></li> <li>ScienceDirect. <a href="https://www.sciencedirect.com/">https://www.sciencedirect.com/</a></li> </ul> <h2>5. トルク・速度制御</h2> <p><strong>基本原理</strong>:</p> <ul> <li>トルクや速度を一定に保つためには負荷に合わせて電圧を調整する必要がある</li> <li>速度制御で遅くなっているとき電圧を上げる</li> <li>回転数を保つなら回転数が少ない場合電圧を上げる</li> <li>電圧を調整することで一定に保つ</li> </ul> <p><strong>DCモータの数学モデル</strong>:</p> <p>$$V = Ri + L\frac{di}{dt} + K_b\omega \quad \text{(電圧方程式)}$$</p> <p>$$T = K_t i - J\frac{d\omega}{dt} - B\omega \quad \text{(トルク方程式)}$$</p> <p><strong>状態空間表現</strong>:</p> <p>$$\frac{dx}{dt} = Ax + Bu$$</p> <p>$$y = Cx + Du$$</p> <p>ここで、$x = [i, \omega]^T$（状態変数）、$u = V$（入力）、$y = \omega$（出力）</p> <p><strong>物理パラメータ</strong>:</p> <ul> <li>$V$: 印加電圧 [V]</li> <li>$R$: 電機子抵抗 [Ω]</li> <li>$L$: 電機子インダクタンス [H]</li> <li>$K_b$: 逆起電力定数 [V・s/rad]</li> <li>$K_t$: トルク定数 [N・m/A]</li> <li>$J$: 慣性モーメント [kg・m²]</li> <li>$B$: 粘性摩擦係数 [N・m・s/rad]</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Krause, P.C., Wasynczuk, O., &amp; Sudhoff, S.D. (2013). <em>Analysis of Electric Machinery and Drive Systems</em> (3rd ed.). Wiley-IEEE Press. <a href="https://www.amazon.com/Analysis-Electric-Machinery-Drive-Systems/dp/1118524334">Amazon</a></li> <li>Leonhard, W. (2001). <em>Control of Electrical Drives</em> (3rd ed.). Springer. <a href="https://www.amazon.com/Control-Electrical-Drives-Werner-Leonhard/dp/3540418202">Amazon</a></li> <li>IEEE Transactions on Industrial Electronics. <a href="https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=41">https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=41</a></li> </ul> <h3>DCモータのトルク制御</h3> <p><strong>構成要素</strong>:</p> <ul> <li>電流制御器（PI制御器）</li> <li>電流増幅器（Hブリッジ回路）</li> <li>モータ</li> <li>メカニズム</li> <li>電流センサ（ホールセンサ、シャント抵抗）</li> </ul> <p><strong>制御方法</strong>:</p> <ul> <li>負荷によって電流が増加するので電流センサで検出し電流制御器でフィードバック制御する</li> <li>電流制御ループの応答周波数：1-10kHz</li> <li>制御帯域幅：モータの電気時定数に依存</li> </ul> <p><strong>制御ブロック図</strong>:</p> <pre>目標トルク → [電流制御器] → [Hブリッジ] → [DCモータ] → 出力トルク ↑ ↓ [電流センサ] ← [電流検出回路] ←──────┘ </pre> <h3>PWM方式（パルス幅変調）</h3> <p><strong>基本原理</strong>:</p> <ul> <li>コンピュータは直接電圧を制御できない</li> <li>パルスのオンとオフの頻度を設定してそれによって実効電圧を操作している</li> <li>スイッチング周波数：1-100kHz（モータの時定数より十分高い）</li> </ul> <p><strong>デューティ比</strong>:</p> <p>$$\text{デューティ比} = \frac{\text{制御パルス幅}}{\text{PWMサイクル}} \times 100$$</p> <p>$$\text{実効電圧} = \text{供給電圧} \times \text{デューティ比}$$</p> <p><strong>例</strong>:</p> <ul> <li>5V供給しているとき70%のものを使っているとき、その70%の3.5Vが実効電圧</li> <li>オンになっている時間の幅で制御する</li> </ul> <p><strong>注意点</strong>:</p> <ul> <li>時定数よりパルスが早すぎると電圧のON/OFFがうまく切り替わらない</li> <li>スイッチング損失の考慮が必要</li> <li>EMI（電磁妨害）対策が重要</li> </ul> <p><strong>PWM制御の種類</strong>:</p> <ul> <li>単極性PWM：一方向のみスイッチング</li> <li>双極性PWM：両方向スイッチング（Hブリッジ）</li> <li>正弦波PWM：高調波成分を低減</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Mohan, N., Undeland, T.M., &amp; Robbins, W.P. (2003). <em>Power Electronics: Converters, Applications, and Design</em> (3rd ed.). Wiley. <a href="https://www.amazon.com/Power-Electronics-Converters-Applications-Design/dp/0471226932">Amazon</a></li> <li>Rashid, M.H. (2017). <em>Power Electronics: Circuits, Devices and Applications</em> (4th ed.). Pearson. <a href="https://www.amazon.com/Power-Electronics-Circuits-Devices-Applications/dp/0133125904">Amazon</a></li> <li>IEEE Power Electronics Society. <a href="https://www.ieee-pels.org/">https://www.ieee-pels.org/</a></li> </ul> <h3>DCモータの位置制御</h3> <p><strong>構成</strong>:</p> <ul> <li>DCモータ + インクリメンタルエンコーダをセンサとしてフィードバック制御を行う</li> <li>負荷を検知しPWMでコンピュータのパルス調整を行う</li> </ul> <p><strong>制御系設計</strong>:</p> <ul> <li>位置制御ループ（外側ループ）</li> <li>速度制御ループ（中間ループ）</li> <li>電流制御ループ（内側ループ）</li> </ul> <p><strong>PID制御パラメータ</strong>:</p> <ul> <li>$K_p$: 比例ゲイン（応答速度）</li> <li>$K_i$: 積分ゲイン（定常偏差除去）</li> <li>$K_d$: 微分ゲイン（振動抑制）</li> </ul> <p><strong>PID実務ノウハウ</strong>:</p> <p><strong>ローパスフィルタ（一次, C）</strong>:</p> <pre>typedef struct { float y, alpha; } LPF1; // alpha = Ts/(Ts + tau) （tauは時定数） static inline float lpf1_update(LPF1* f, float x) { f-&gt;y += f-&gt;alpha * (x - f-&gt;y); return f-&gt;y; } </pre> <p>初期値例: $T_s=1$ ms, $\tau=20$ ms のとき $\alpha = \frac{T_s}{T_s+\tau} \approx 0.0476$。</p> <ul> <li>アンチワインドアップ: 出力が飽和中は積分器の更新を停止、または逆計算で積分状態を補正。</li> <li>微分フィルタ: $K_d$ ブロックに一次ローパス（伝達関数 $\frac{K_d N}{1+N s}$、$N=10$–$100$）を挿入し高周波ノイズを抑制。</li> <li>入力飽和/出力制限: $u_{min}/u_{max}$ を明示し、ソフト/ハードの両方で保護。</li> </ul> <h3>RCサーボの角度指定</h3> <p><strong>制御方法</strong>:</p> <ul> <li>デューティ比 = どれだけパルスが立ち上がっているか</li> <li>パルスデューティ比によって制御機器に渡してそれにより制御する</li> </ul> <p><strong>PWM信号仕様</strong>:</p> <ul> <li>周期：20ms（50Hz）</li> <li>パルス幅：1.0ms（-90°）～ 2.0ms（+90°）</li> <li>中立位置：1.5ms（0°）</li> <li>標準範囲：0.5ms（-90°）～ 2.5ms（+90°）</li> </ul> <p><strong>制御精度</strong>:</p> <ul> <li>角度分解能：約0.1°（高精度サーボの場合）</li> <li>繰り返し精度：±1°（標準サーボ）、±0.1°（高精度サーボ）</li> <li>応答時間：0.1-0.3秒（負荷により変動）</li> <li>トルク：0.1-50kgf・cm（サーボサイズにより変動）</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Craig, J.J. (2017). <em>Introduction to Robotics: Mechanics and Control</em> (4th ed.). Pearson. <a href="https://www.amazon.com/Introduction-Robotics-Mechanics-Control-4th/dp/0133489795">Amazon</a></li> <li>Spong, M.W., Hutchinson, S., &amp; Vidyasagar, M. (2020). <em>Robot Modeling and Control</em> (2nd ed.). Wiley. <a href="https://www.amazon.com/Robot-Modeling-Control-Mark-Spong/dp/1119523991">Amazon</a></li> <li>IEEE Robotics and Automation Society. <a href="https://www.ieee-ras.org/">https://www.ieee-ras.org/</a></li> </ul> <h2>6. 先進制御技術</h2> <h3>適応制御（Adaptive Control）</h3> <p><strong>モデル参照適応制御（MRAC）</strong>:</p> <p>$$e(t) = y_m(t) - y(t) \quad \text{(モデル追従誤差)}$$</p> <p>$$\dot{\theta}(t) = -\Gamma \phi(t) e(t) \quad \text{(適応則)}$$</p> <p>ここで、$y_m(t)$は参照モデル出力、$\theta(t)$は適応パラメータ、$\Gamma$は適応ゲイン</p> <p><strong>自己調整制御（STC）</strong>:</p> <ul> <li>最小二乗法によるパラメータ同定</li> <li>再帰的最小二乗法：$\hat{\theta}(k+1) = \hat{\theta}(k) + K(k+1)[y(k+1) - \phi^T(k+1)\hat{\theta}(k)]$</li> <li>適応制御と組み合わせたハイブリッド制御</li> </ul> <h3>予測制御（Model Predictive Control）</h3> <p><strong>制約付き最適化問題</strong>:</p> <p>$$\min J = \sum_{i=0}^{N-1} [||y(k+i|k) - r(k+i)||^2_Q + ||\Delta u(k+i)||^2_R]$$</p> <p>subject to: $u_{min} \leq u(k+i) \leq u_{max}$, $\Delta u_{min} \leq \Delta u(k+i) \leq \Delta u_{max}$</p> <p><strong>実装上の指針</strong>:</p> <ul> <li>例: $T_s=1$ ms の場合、予測ホライズン $H_p=20$、制御ホライズン $H_u=5$ 程度から試行し、計算時間をプロファイル。</li> <li>制約は物理上限（電流・電圧・速度・加速度）と安全制約を優先。</li> </ul> <h3>強化学習制御（Reinforcement Learning Control）</h3> <p><strong>Q学習</strong>:</p> <p>$$Q(s,a) \leftarrow Q(s,a) + \alpha[r + \gamma \max_{a'} Q(s',a') - Q(s,a)]$$</p> <p>ここで、$\alpha$は学習率、$\gamma$は割引率、$r$は報酬</p> <p><strong>Actor-Critic法</strong>:</p> <p>$$\theta \leftarrow \theta + \alpha \nabla_\theta \log \pi(a|s) A(s,a)$$</p> <p>$$w \leftarrow w + \beta \nabla_w A(s,a)$$</p> <p>ここで、$\pi(a|s)$は方策、$A(s,a)$はアドバンテージ関数</p> <h3>ニューラルネットワーク制御</h3> <p><strong>多層パーセプトロン</strong>:</p> <p>$$y = f\left(\sum_{j=1}^n w_j f\left(\sum_{i=1}^m w_{ij} x_i + b_j\right) + b\right)$$</p> <p><strong>リカレントニューラルネットワーク（RNN）</strong>:</p> <p>$$h_t = \tanh(W_{hh} h_{t-1} + W_{xh} x_t + b_h)$$</p> <p>$$y_t = W_{hy} h_t + b_y$$</p> <h3>ファジー制御</h3> <p><strong>ファジールール</strong>:</p> <p>$$\text{IF } x_1 \text{ is } A_1 \text{ AND } x_2 \text{ is } A_2 \text{ THEN } u \text{ is } B$$</p> <p><strong>デファジィ化</strong>:</p> <p>$$u = \frac{\sum_{i=1}^n \mu_i u_i}{\sum_{i=1}^n \mu_i}$$</p> <p><strong>参考文献</strong>:</p> <h3>計測ノイズ対策と推定（最小例）</h3> <p><strong>1次元カルマンフィルタ（C, 位置xの例）</strong>:</p> <pre>typedef struct { float x; // 推定値 float P; // 分散 float Q; // プロセス雑音分散 float R; // 観測雑音分散 } KF1; static inline void kf1_predict(KF1* kf, float u) { // x &lt;- x + u （単純モデル） kf-&gt;x = kf-&gt;x + u; kf-&gt;P = kf-&gt;P + kf-&gt;Q; } static inline void kf1_update(KF1* kf, float z) { float S = kf-&gt;P + kf-&gt;R; float K = kf-&gt;P / S; kf-&gt;x = kf-&gt;x + K * (z - kf-&gt;x); kf-&gt;P = (1.0f - K) * kf-&gt;P; } </pre> <ul> <li>Astrom, K.J., &amp; Wittenmark, B. (2013). <em>Adaptive Control</em> (2nd ed.). Dover Publications. <a href="https://www.amazon.com/Adaptive-Control-Second-Karl-Astrom/dp/0486462781">Amazon</a></li> <li>Sutton, R.S., &amp; Barto, A.G. (2018). <em>Reinforcement Learning: An Introduction</em> (2nd ed.). MIT Press. <a href="https://www.amazon.com/Reinforcement-Learning-Introduction-Adaptive-Computation/dp/0262039249">Amazon</a></li> <li>Goodfellow, I., Bengio, Y., &amp; Courville, A. (2016). <em>Deep Learning</em>. MIT Press. <a href="https://www.amazon.com/Deep-Learning-Ian-Goodfellow/dp/0262035618">Amazon</a></li> <li>Zadeh, L.A. (1965). "Fuzzy Sets." <em>Information and Control</em>, 8(3), 338-353. <a href="https://www.sciencedirect.com/science/article/pii/S001999586590241X">ScienceDirect</a></li> </ul> <h2>7. 実装技術詳細</h2> <h3>ハードウェア実装</h3> <p><strong>マイクロコントローラ選択基準</strong>:</p> <ul> <li>処理速度：ARM Cortex-M4F（168MHz）以上推奨</li> <li>メモリ：Flash 256KB以上、RAM 64KB以上</li> <li>ADC分解能：12bit以上（16bit推奨）</li> <li>PWM分解能：16bit以上（タイマー分解能）</li> <li>通信インターフェース：CAN、Ethernet、USB</li> <li>リアルタイム性能：割り込み応答時間 $&lt; 1\mu$s</li> </ul> <p><strong>センサインターフェース</strong>:</p> <ul> <li>エンコーダ：A/B相差分信号、Z相（インデックス）</li> <li>ホールセンサ：3相120°位相差信号</li> <li>ポテンショメータ：0-5Vアナログ出力</li> <li>ジャイロセンサ：SPI/I2C通信、16bit分解能</li> </ul> <h3>ソフトウェア実装</h3> <p><strong>リアルタイムOS（RTOS）</strong>:</p> <ul> <li>FreeRTOS：タスク優先度、セマフォ、キュー</li> <li>制御周期：1kHz（1ms）、センサ読み取り：10kHz（0.1ms）</li> <li>割り込み処理：タイマー割り込み、ADC完了割り込み</li> <li>タスク切り替え時間：$&lt; 10\mu$s（FreeRTOS）</li> <li>メモリ使用量：最小2KB RAM、8KB Flash</li> </ul> <p><strong>遅延・ジッタ・量子化の考慮</strong>:</p> <ul> <li>伝達遅延 $\tau$ は位相余裕の低下に直結。$e^{-s\tau}$ は一時近似として1次パデ近似で設計検討可。</li> <li>制御周期ジッタは目標帯域の5%以下を目標（例: 帯域100 Hzならジッタ$\leq$0.5 ms）。</li> <li>量子化刻み $\Delta$ の影響は微小振動やハンチングを生むため、デッドゾーン/ローパス併用で緩和。</li> </ul> <p><strong>制御アルゴリズム実装</strong>:</p> <pre>// PID制御実装例 typedef struct { float Kp, Ki, Kd; float integral, previous_error; float dt; } PID_Controller; float pid_update(PID_Controller* pid, float error) { float integral_term = pid-&gt;integral + error * pid-&gt;dt; float derivative_term = (error - pid-&gt;previous_error) / pid-&gt;dt; float output = pid-&gt;Kp * error + pid-&gt;Ki * integral_term + pid-&gt;Kd * derivative_term; pid-&gt;integral = integral_term; pid-&gt;previous_error = error; return output; } </pre> <p><strong>PWM生成</strong>:</p> <pre>// PWM設定例（STM32） void pwm_init(void) { // タイマー周波数設定 TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure; TIM_TimeBaseStructure.TIM_Period = PWM_PERIOD - 1; TIM_TimeBaseStructure.TIM_Prescaler = PWM_PRESCALER - 1; TIM_TimeBaseStructure.TIM_ClockDivision = 0; TIM_TimeBaseStructure.TIM_CounterMode = TIM_CounterMode_Up; TIM_TimeBaseInit(TIM1, &amp;TIM_TimeBaseStructure); // PWM出力設定 TIM_OCInitTypeDef TIM_OCInitStructure; TIM_OCInitStructure.TIM_OCMode = TIM_OCMode_PWM1; TIM_OCInitStructure.TIM_OutputState = TIM_OutputState_Enable; TIM_OCInitStructure.TIM_Pulse = 0; TIM_OCInitStructure.TIM_OCPolarity = TIM_OCPolarity_High; TIM_OC1Init(TIM1, &amp;TIM_OCInitStructure); } </pre> <h3>通信プロトコル</h3> <p><strong>CAN通信</strong>:</p> <ul> <li>ボーレート：1Mbps（短距離）、250kbps（長距離）</li> <li>メッセージID：11bit標準、29bit拡張</li> <li>データ長：0-8バイト</li> </ul> <p><strong>Ethernet通信</strong>:</p> <ul> <li>TCP/IPスタック：lwIP</li> <li>制御周期：1ms、データ更新：10ms</li> <li>プロトコル：Modbus TCP、EtherCAT</li> </ul> <h3>安全機能</h3> <p><strong>故障検出</strong>:</p> <ul> <li>センサ異常検出：範囲外値、信号欠落</li> <li>通信異常検出：タイムアウト、チェックサムエラー</li> <li>過電流保護：電流センサによる監視</li> </ul> <p><strong>フェイルセーフ</strong>:</p> <ul> <li>緊急停止：安全リレーによる電源遮断</li> <li>減速停止：段階的な減速制御</li> <li>位置保持：ブレーキによる位置固定</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Barr, M., &amp; Massa, A. (2006). <em>Programming Embedded Systems</em> (2nd ed.). O'Reilly Media. <a href="https://www.amazon.com/Programming-Embedded-Systems-Second-Michael/dp/0596009836">Amazon</a></li> <li>FreeRTOS Official Documentation. <a href="https://www.freertos.org/">https://www.freertos.org/</a></li> <li>STM32 Reference Manual. <a href="https://www.st.com/en/microcontrollers-microprocessors/stm32-32-bit-arm-cortex-mcus.html">https://www.st.com/en/microcontrollers-microprocessors/stm32-32-bit-arm-cortex-mcus.html</a></li> </ul> <p><strong>安全規格の参照</strong>:</p> <ul> <li>機能安全: IEC 61508（SIL）、機械安全: ISO 13849-1（PL）</li> <li>産業用ロボット: ISO 10218-1/-2（システム統合含む）</li> </ul> <h2>8. 性能解析と最適化</h2> <h3>制御性能評価指標</h3> <p><strong>時間領域特性</strong>:</p> <ul> <li>立ち上がり時間（Rise Time）：$t_r \approx \frac{2.2}{\omega_n}$（目安、2次系では減衰係数 $\zeta$ に依存）</li> <li>整定時間（Settling Time）：$t_s = \frac{4}{\zeta\omega_n}$（2%許容誤差）</li> <li>オーバーシュート（Overshoot）：$M_p = e^{-\pi\zeta/\sqrt{1-\zeta^2}} \times 100\%$</li> <li>定常偏差（Steady-state Error）：$e_{ss} = \lim_{t \to \infty} e(t)$</li> </ul> <p><strong>周波数領域特性</strong>:</p> <ul> <li>帯域幅（Bandwidth）：$|T(j\omega)| = \frac{1}{\sqrt{2}}$ となる周波数</li> <li>位相余裕（Phase Margin）：$PM = 180° + \angle L(j\omega_c)$（$L(j\omega)=G(j\omega)C(j\omega)H(j\omega)$）</li> <li>ゲイン余裕（Gain Margin）：$GM = \frac{1}{|L(j\omega_{180°})|}$（$L(j\omega)=G(j\omega)C(j\omega)H(j\omega)$）</li> <li>ピーク値（Peak Value）：$M_p = \max|T(j\omega)|$</li> </ul> <h3>最適化手法</h3> <p><strong>PIDパラメータ調整</strong>:</p> <ul> <li>Ziegler-Nichols法： <ul> <li>限界感度法：$K_p = 0.6K_u$, $T_i = 0.5T_u$, $T_d = 0.125T_u$</li> <li>ステップ応答法：$K_p = \frac{1.2}{a}$, $T_i = 2L$, $T_d = 0.5L$</li> </ul> </li> <li>遺伝的アルゴリズム（GA）： <p>$$J = \int_0^\infty [e^2(t) + \lambda u^2(t)]dt$$</p> </li> <li>粒子群最適化（PSO）： <p>$$v_i^{(k+1)} = wv_i^k + c_1r_1(p_i - x_i^k) + c_2r_2(g - x_i^k)$$</p> <p>$$x_i^{(k+1)} = x_i^k + v_i^{(k+1)}$$</p> </li> </ul> <p><strong>LQR最適化</strong>:</p> <p>$$J = \int_0^\infty [x^T(t)Qx(t) + u^T(t)Ru(t)]dt$$</p> <p>$$u^*(t) = -Kx(t), \quad K = R^{-1}B^TP$$</p> <p>ここで、$P$はリカッティ方程式の解：$A^TP + PA - PBR^{-1}B^TP + Q = 0$</p> <p><strong>H∞最適化</strong>:</p> <p>$$\min ||T_{zw}||_\infty \text{ subject to } ||W_1S||_\infty &lt; 1, ||W_2T||_\infty &lt; 1$$</p> <h3>ロバスト性解析</h3> <p><strong>μ解析</strong>:</p> <p>$$\mu(M(j\omega)) = \frac{1}{\min\{\sigma(\Delta) : \det(I - M\Delta) = 0\}}$$</p> <ul> <li>$\mu &lt; 1$：ロバスト安定性</li> <li>$\mu &lt; \frac{1}{||W||_\infty}$：ロバスト性能</li> </ul> <p><strong>感度解析</strong>:</p> <ul> <li>パラメータ感度：$\frac{\partial y}{\partial \theta} = \frac{\partial G/\partial \theta}{1 + GC}$</li> <li>外乱感度：$\frac{\partial y}{\partial d} = \frac{1}{1 + GC}$</li> </ul> <p><strong>H∞ 重み設計の要点</strong>:</p> <ul> <li>$W_1$（感度重み）は低周波で大（定常偏差低減）、中高周波で小。</li> <li>$W_2$（補感度重み）は中高周波で大（ノイズ/アクチュエータ抑制）。</li> </ul> <h3>システム同定</h3> <p><strong>最小二乗法</strong>:</p> <p>$$\hat{\theta} = (\Phi^T\Phi)^{-1}\Phi^TY$$</p> <p>ここで、$\Phi$は回帰行列、$Y$は出力ベクトル</p> <p><strong>再帰的最小二乗法</strong>:</p> <p><strong>同定とPIDチューニングの実務手順（推奨）</strong>:</p> <ol> <li>小振幅ステップで飽和を避けつつステップ応答取得（温度・電源条件を安定化）。</li> <li>2次遅れ+むだ時間へ近似（時定数・減衰・遅延の推定）。</li> <li>初期PIDをZiegler–NicholsやIMCチューニングで設定。</li> <li>実機で微調整（オーバーシュートと整定時間のトレードオフ、飽和監視）。</li> <li>外乱注入/負荷変動試験でロバスト性を確認。</li> </ol> <p>$$P(k+1) = P(k) - P(k)\phi(k+1)[1 + \phi^T(k+1)P(k)\phi(k+1)]^{-1}\phi^T(k+1)P(k)$$</p> <p>$$\hat{\theta}(k+1) = \hat{\theta}(k) + P(k+1)\phi(k+1)[y(k+1) - \phi^T(k+1)\hat{\theta}(k)]$$</p> <h3>性能モニタリング</h3> <p><strong>リアルタイム性能評価</strong>:</p> <ul> <li>制御誤差の統計解析：RMS、最大値、分散</li> <li>周波数応答のオンライン解析：FFT、ウェーブレット変換</li> <li>異常検知：統計的制御限界、機械学習による異常検知</li> </ul> <p><strong>予測保全</strong>:</p> <p><strong>試験計画（最小セット）</strong>:</p> <h2>付録: 3重ループ（電流・速度・位置）制御 擬似コード</h2> <pre>// 電流（内側）—速度（中間）—位置（外側）のカスケード PIDd pid_i = { .Kp=Ki_p, .Ki=Ki_i, .Kd=0, .Ts=Ts_i, .N=50, .u_min=-Vmax, .u_max=Vmax }; PIDd pid_w = { .Kp=Kw_p, .Ki=Kw_i, .Kd=Kw_d, .Ts=Ts_w, .N=50, .u_min=-Imax, .u_max=Imax }; PIDd pid_x = { .Kp=Kx_p, .Ki=Kx_i, .Kd=Kx_d, .Ts=Ts_x, .N=50, .u_min=-Wmax, .u_max=Wmax }; void control_step(float x_ref, float x_meas, float w_meas, float i_meas) { // 外側: 位置 → 速度指令 float e_x = x_ref - x_meas; float w_ref = pid_discrete_update(&amp;pid_x, e_x); // 中間: 速度 → 電流指令 float e_w = w_ref - w_meas; float i_ref = pid_discrete_update(&amp;pid_w, e_w); // 内側: 電流 → 電圧指令（PWMデューティ） float e_i = i_ref - i_meas; float v_cmd = pid_discrete_update(&amp;pid_i, e_i); // v_cmd をPWMに変換しHブリッジへ } </pre> <ul> <li>ステップ/ランプ追従試験、外乱トルク注入試験、ノイズ重畳時の追従性試験。</li> <li>周波数応答（擬似ランダムバイナリ列: PRBS）からの同定と帯域確認。</li> <li>モンテカルロ（ばらつき・温度・電源）での安定性/性能評価。</li> </ul> <ul> <li>振動解析：FFT、包絡線解析</li> <li>温度監視：熱モデルによる予測</li> <li>電流波形解析：高調波解析による故障予測</li> </ul> <p><strong>参考文献</strong>:</p> <ul> <li>Khalil, H.K. (2014). <em>Nonlinear Systems</em> (3rd ed.). Pearson. <a href="https://www.amazon.com/Nonlinear-Systems-3rd-Hassan-Khalil/dp/0130673897">Amazon</a></li> <li>Boyd, S., &amp; Vandenberghe, L. (2004). <em>Convex Optimization</em>. Cambridge University Press. <a href="https://www.amazon.com/Convex-Optimization-Stephen-Boyd/dp/0521833787">Amazon</a></li> <li>Ljung, L. (1999). <em>System Identification: Theory for the User</em> (2nd ed.). Prentice Hall. <a href="https://www.amazon.com/System-Identification-Theory-User-2nd/dp/0136566952">Amazon</a></li> <li>Randall, R.B. (2011). <em>Vibration-Based Condition Monitoring: Industrial, Aerospace and Automotive Applications</em>. Wiley. <a href="https://www.amazon.com/Vibration-Based-Condition-Monitoring-Industrial-Applications/dp/0470747854">Amazon</a></li> </ul> <h2>総合参考文献</h2> <h3>基礎制御理論</h3> <ol> <li>Franklin, G.F., Powell, J.D., &amp; Emami-Naeini, A. (2019). <em>Feedback Control of Dynamic Systems</em> (8th ed.). Pearson. <a href="https://www.amazon.com/Feedback-Control-Dynamic-Systems-8th/dp/0136019692">Amazon</a></li> <li>Ogata, K. (2010). <em>Modern Control Engineering</em> (5th ed.). Prentice Hall. <a href="https://www.amazon.com/Modern-Control-Engineering-5th-Ogata/dp/0136156738">Amazon</a></li> <li>Åström, K.J., &amp; Murray, R.M. (2021). <em>Feedback Systems: An Introduction for Scientists and Engineers</em> (2nd ed.). Princeton University Press. <a href="https://www.amazon.com/Feedback-Systems-Introduction-Scientists-Engineers/dp/0691214411">Amazon</a></li> </ol> <h3>ロボット工学</h3> <ol> <li>Craig, J.J. (2017). <em>Introduction to Robotics: Mechanics and Control</em> (4th ed.). Pearson. <a href="https://www.amazon.com/Introduction-Robotics-Mechanics-Control-4th/dp/0133489795">Amazon</a></li> <li>Spong, M.W., Hutchinson, S., &amp; Vidyasagar, M. (2020). <em>Robot Modeling and Control</em> (2nd ed.). Wiley. <a href="https://www.amazon.com/Robot-Modeling-Control-Mark-Spong/dp/1119523991">Amazon</a></li> </ol> <h3>実装技術</h3> <ol> <li>Barr, M., &amp; Massa, A. (2006). <em>Programming Embedded Systems</em> (2nd ed.). O'Reilly Media. <a href="https://www.amazon.com/Programming-Embedded-Systems-Second-Michael/dp/0596009836">Amazon</a></li> <li>Mohan, N., Undeland, T.M., &amp; Robbins, W.P. (2003). <em>Power Electronics: Converters, Applications, and Design</em> (3rd ed.). Wiley. <a href="https://www.amazon.com/Power-Electronics-Converters-Applications-Design/dp/0471226932">Amazon</a></li> </ol> <h3>最新制御技術</h3> <ol> <li>Sutton, R.S., &amp; Barto, A.G. (2018). <em>Reinforcement Learning: An Introduction</em> (2nd ed.). MIT Press. <a href="https://www.amazon.com/Reinforcement-Learning-Introduction-Adaptive-Computation/dp/0262039249">Amazon</a></li> <li>Goodfellow, I., Bengio, Y., &amp; Courville, A. (2016). <em>Deep Learning</em>. MIT Press. <a href="https://www.amazon.com/Deep-Learning-Ian-Goodfellow/dp/0262035618">Amazon</a></li> <li>Astrom, K.J., &amp; Wittenmark, B. (2013). <em>Adaptive Control</em> (2nd ed.). Dover Publications. <a href="https://www.amazon.com/Adaptive-Control-Second-Karl-Astrom/dp/0486462781">Amazon</a></li> </ol> <h3>学術機関・学会</h3> <ul> <li>IEEE Control Systems Society: <a href="https://www.ieeecss.org/">https://www.ieeecss.org/</a></li> <li>IEEE Robotics and Automation Society: <a href="https://www.ieee-ras.org/">https://www.ieee-ras.org/</a></li> <li>IEEE Power Electronics Society: <a href="https://www.ieee-pels.org/">https://www.ieee-pels.org/</a></li> <li>IEEE Xplore Digital Library: <a href="https://ieeexplore.ieee.org/">https://ieeexplore.ieee.org/</a></li> <li>ScienceDirect: <a href="https://www.sciencedirect.com/">https://www.sciencedirect.com/</a></li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学5 Creator An entity primarily responsible for making the resource unjuno Date Created Date of creation of the resource. 2025-10-21 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>ロボットの座標系と関節制御</h1> <h2>1. ロボット制御の歴史と発展</h2> <h3>1.1 古代から現代への発展</h3> <p>ロボットを動かす場合、たくさんの関節があり、これを自由自在に動かしたいと考える。</p> <p>紀元前の伝承などには、ゴーレムや自動人形が意のままに動く存在として登場する。これらはまだ神話や伝説の域だが、「人が命令すれば自由自在に複雑な動きを実現する人形（ロボット）」という構想は古くから存在していた。例えばギリシャや中国の古代にも、ゼンマイや重り・水力などを利用した「からくり人形」や機械仕掛けの自動装置の記録が残されている。これらは特定の動きしかできなかったが、人の操作や命令によって"自在に"多様な動きをさせたいという夢は、古くから工学者や発明家によって追い求められてきた。この「自由自在に動かす」構想が、現代のロボット工学や制御理論の原点のひとつとなっている。</p> <h3>1.2 現代のコンピュータ制御</h3> <p>現在はこれをコンピュータのプログラムによって動かしている。</p> <ul> <li>関節数が少なければ、アナログ回路によっても動かせる可能性がある</li> <li>ただし、特定の動き（からくり人形、茶運び人形＝歯車の組み合わせによってある動きを再現）に限定される</li> <li>いろいろな動きをさせたいのでコンピュータによって動かすようにする</li> <li>数式によって計算する必要がある</li> </ul> <h2>2. ロボット関節の種類と表記法</h2> <h3>2.1 関節の基本分類</h3> <p>ロボットの関節の主な種類には、以下の2つがある。</p> <h4>2.1.1 回転関節（Revolute Joint）</h4> <ul> <li><strong>定義</strong>: 軸の周りに回転する関節</li> <li><strong>記号</strong>: R、θ</li> <li><strong>運動パラメータ</strong>: 角度（度またはラジアン）</li> <li><strong>例</strong>: θ₁, θ₂, θ₃ ...（各関節の回転角）</li> <li><strong>機構例</strong>: ヒンジ、ベアリング、サーボモータ</li> </ul> <h4>2.1.2 直動関節（Prismatic Joint）</h4> <ul> <li><strong>定義</strong>: 一直線に動く関節</li> <li><strong>記号</strong>: P、d</li> <li><strong>運動パラメータ</strong>: 距離（mmやmなど長さ単位）</li> <li><strong>例</strong>: d₁, d₂, d₃ ...（各関節の直線移動距離）</li> <li><strong>機構例</strong>: <ul> <li>ラックとピニオン</li> <li>ピストンとシリンダー</li> <li>ボールスクリュー（ねじのようなもの）</li> <li>リニアガイド</li> </ul> </li> </ul> <h3>2.2 関節の組み合わせと表現</h3> <p>これらの組み合わせによって、多様なロボット動作を実現できる。理論的には、回転関節と直動関節のみで一般的な機械的運動を表現できるが、構成方法や数によって再現可能な動作範囲が異なる。</p> <p><strong>注意</strong>: ロボットのほとんどは回転関節によって作成されている。</p> <h3>2.3 国際標準表記法</h3> <p>国際的な標準であるデナビット-ハーテンバーグ（DH）表記法でも「R」と「P」が関節タイプを示すために用いられている。</p> <h4>2.3.1 デナビット-ハーテンバーグ（DH）表記法とは</h4> <p>DH表記法は、ロボットアームの各リンク間の関係を4つのパラメータで記述する標準的な方法である：</p> <ul> <li><strong>a (リンク長)</strong>: 前の関節軸から次の関節軸までの距離</li> <li><strong>α (リンクねじれ角)</strong>: 前の関節軸を次の関節軸に回転させる角度</li> <li><strong>d (リンクオフセット)</strong>: 前のリンクの長さに沿ったオフセット</li> <li><strong>θ (関節角)</strong>: 前のリンクを次のリンクに回転させる角度</li> </ul> <p>この表記法により、複雑なロボットアームの運動学を体系的に記述できる。</p> <p><strong>記号まとめ</strong>:</p> <ul> <li><strong>R（Revolute）</strong>: 回転関節、運動パラメータ=角度 θ</li> <li><strong>P（Prismatic）</strong>: 直動関節、運動パラメータ=距離 d</li> </ul> <p><strong>構成例</strong>:</p> <ul> <li>RRP（回転-回転-直線）: 2つの回転関節と1つの直動関節</li> <li>RRR（回転-回転-回転）: 3つの回転関節</li> <li>PPP（直動-直動-直動）: 3つの直動関節</li> </ul> <h2>3. ロボットの座標系</h2> <h3>3.1 直交座標系（デカルト座標系）</h3> <h4>3.1.1 基本概念</h4> <p>デカルト座標で見ると、xとyの値によって座標を求める方法（2次元）</p> <p>デカルト座標の3次元で見るとx、y、zによって座標を求める方法（3次元）</p> <p><strong>特徴</strong>:</p> <ul> <li>全ての動きが直動関節で動く</li> <li>座標変換が楽なため計算も簡単である（三角関数が不要なため変換が簡単）</li> <li>ただし可動部よりもロボットが大きくなりやすい</li> <li>仕組みが簡単なため壊れにくく、繰り返し作業が多いラインロボットのような工作機械に多い</li> </ul> <h4>3.1.2 直交座標系ロボットの応用例</h4> <p>直交座標系（直動関節のみ、または主に直動関節を使う機構）は、以下の製品や分野で広く用いられている。</p> <p><strong>主要な応用分野</strong>:</p> <ul> <li><strong>直交ロボット（XYロボット、ガントリーロボット）</strong>: 部品搬送や組立工程などに多用される</li> <li><strong>CNC工作機械（マシニングセンタ、フライス盤など）</strong>: 3軸（X,Y,Z）で直線運動を行う</li> <li><strong>3Dプリンタ（特にFDMやCartesian型）</strong>: X,Y,Z軸それぞれが独立して直動</li> <li><strong>自動倉庫のピッキング装置（自動ピック＆プレース機器）</strong>: 積み下ろしや仕分けに使われる</li> <li><strong>パレット搬送装置</strong>: 工場などで多数見られるXY平面で移動する装置</li> </ul> <p>これらは各軸が直動する構造（XYZデカルト座標系）であり、可動領域の計算や制御がシンプルなため、精密位置決めや繰り返し動作を要する自動化設備に数多く採用されている。</p> <h3>3.2 極座標系</h3> <h4>3.2.1 2次元極座標系</h4> <p>全ての関節が回転関節で構成される座標系</p> <pre>2次元極座標系の図: 　 ・←P 　 / 　 / 　 / ー・ーーーーーー基線 ↑ O 図2: 2次元の極座標系 </pre> <p><strong>基本要素</strong>:</p> <ul> <li><strong>原点（O）</strong>: 基準点</li> <li><strong>基線</strong>: 角度0の基準線</li> <li><strong>距離r</strong>: 原点からの距離</li> <li><strong>点P</strong>: その場所</li> </ul> <p>角度0の基準（基線）とその場所とそこからの距離Rで場所を特定する。</p> <h4>3.2.2 直交座標系との関係</h4> <p>このままだとわかりにくいため、直交座標系と重ねて表現することが多い。</p> <p>デカルト座標と重ねた図では：</p> <ul> <li>x軸を基線と重ねる</li> <li>x軸とy軸の原点と原点を重ねて表示することが多い</li> </ul> <p>点Pの座標はx,yの座標でも表すことができ、RとΘの2つの表し方がある。</p> <p>（極座標系と直交座標系は互いに変換できる（誤差もあるが））</p> <p>直行座標表現から直行座標系</p> <p>(r,Θ)➡（x,y）</p> <p>この問題をかんがえるための三角形を考える</p> <p>◢</p> <p>三角関数を使うことにより変換できる：</p> <ul> <li>sinΘ = y/r</li> <li>cosΘ = x/r</li> <li>tanΘ = y/x</li> </ul> <p><strong>2次元の場合の変換式</strong>:</p> <ul> <li>x = r cosΘ</li> <li>y = r sinΘ</li> </ul> <p>これらからrと三角形の角度Θからxとyの値を求めることができる</p> <p>直行座標系から直行座標表現</p> <p>（x,y）➡(r,Θ)</p> <p>三平方の定理から</p> <p>x^2 + y^2 = r^2</p> <p>これらにより</p> <p>r = sqrt(x^2 + y^2)</p> <p>よってｒを求めることができる</p> <p>tanΘ=y/x</p> <p>よって</p> <p>Θ=tan^-1(y/x)手計算ではアークタンジェントの値はテイラー展開で求めることができるｘが４ｙが３の時にテイラー展開のＸにｙ/xを入れて計算するとラジアンの値が出るあとはそれを180/πで割れば度に変換できる。</p> <p>から</p> <p>三角形の角度Θを求めることができ、</p> <p>よってΘとｒが求まるため座標変換が完了する</p> <p>しかし以下の問題点がある</p> <p>y/x＝2/1=2</p> <p>y/x＝-2/-1=2</p> <p>個の変換ではこの２パターンのように正負の区別ができず同じ値になったり、x＝０のときに計算ができない問題がある</p> <p>直行座標系ではマイナスになる値も一意なため極座標ではそれ以外のパラメータで正負と０のの値を判別する必要がある</p> <p>例えばx=0,x&lt;0,x&gt;0の三パターンに場合分けして考える。</p> <p>整理すると以下のようになる：</p> <ul> <li>Θ = tan⁻¹(y/x) (x &gt; 0)</li> <li>Θ = π + tan⁻¹(y/x) (x &lt; 0)</li> <li>Θ = π/2 (x = 0, y &gt; 0)</li> <li>Θ = -π/2 (x = 0, y &lt; 0)</li> <li>不定 (x = 0, y = 0) r = 0の時には角度が求められない</li> </ul> <h3>角度の単位変換</h3> <ul> <li>360度 = 2πラジアン</li> <li>180度 = πラジアン</li> <li>90度 = π/2ラジアン</li> </ul> <pre> ｜ ｜ ｜ ｜９０度（π/2rad） ーーーーーーーー ｜-90度（ーπ/2rad） ｜ ｜ ｜ ｜ </pre> <h4>3.2.4 プログラミングでの座標変換</h4> <p>プログラミング言語で座標変換を行う際には、多くの場合atan2()関数が利用されている。atan2(y, x)はx座標とy座標の符号を考慮し、-π〜πの範囲で正しい角度Θを返す関数である。通常の逆正接関数tan⁻¹(y/x)（またはatan(y/x)）ではx=0の時に計算できない、もしくはx,yの正負の違いによる象限判定ができないという問題があるが、atan2()ではこれを自動的に判別してくれる。そのため、atan2()を使うことで極座標θの計算に関するプログラムが簡単かつ安全に記述できる。多くの言語（例：C言語、Python、Java、MATLAB等）に標準搭載されている。なお、関数の結果はラジアン単位となるため度数法が必要な場合は変換も行う。</p> <p><strong>例：Pythonの場合</strong></p> <pre>import math theta = math.atan2(y, x) # y, xは任意の座標値 theta_deg = math.degrees(theta) # 度数法変換 </pre> <p>このようにして、任意の点の角度を正しく求めることができる。</p> <h4>3.2.5 3次元極座標系</h4> <p>3次元の場合、以下の3種類の変数によって表すことができる：</p> <ul> <li><strong>距離r</strong>: 原点からの距離</li> <li><strong>水平角度φ</strong>: 水平面内での角度</li> <li><strong>垂直角度Θ</strong>: 垂直方向の角度</li> </ul> <h3>3.3 その他の座標系</h3> <h4>3.3.1 円筒座標型ロボット</h4> <ul> <li><strong>高さ方向</strong>: 直交座標系（1軸）（直動運動）</li> <li><strong>水平方向</strong>: 極座標系（2次元）（回転運動）</li> <li>これらによって作成されるロボットのこと</li> </ul> <h4>3.3.2 多関節型ロボット</h4> <p>極座標系の連鎖によって多軸制御するもの</p> <h4>3.3.3 スカラ型ロボット</h4> <ul> <li><strong>高さ方向</strong>: 直交座標系（1軸）（直動運動）</li> <li><strong>水平方向</strong>: 多関節型（2軸が多い）（回転運動）</li> </ul> <h2>4. ロボットアームの自由度</h2> <h3>4.1 自由度の定義</h3> <p>自由に動かすことのできる関節の数（しかし数え方に注意）</p> <h3>4.2 6自由度の概念</h3> <p>一般的に6自由度あれば任意の空間の位置と姿勢をとることができる。</p> <p><strong>6自由度の構成</strong>:</p> <ul> <li><strong>位置の自由度（3自由度）</strong>: X, Y, Z</li> <li><strong>姿勢の自由度（3自由度）</strong>: Θ_x, Θ_y, Θ_z</li> </ul> <h3>4.3 自由度の応用</h3> <ul> <li><strong>3自由度</strong>: 位置のみ制御（例：ピック&amp;プレースロボット）</li> <li><strong>6自由度</strong>: 位置と姿勢の両方を制御（例：産業用ロボットアーム）</li> <li><strong>7自由度以上</strong>: 冗長自由度（例：ヒューマノイドロボット）</li> </ul> <h4>4.3.1 冗長自由度とは</h4> <p>冗長自由度とは、6自由度を超える余分な自由度のことである。これにより以下の利点がある：</p> <p><strong>利点</strong>:</p> <ul> <li><strong>障害物回避</strong>: 同じ目標位置・姿勢でも複数の軌道が可能</li> <li><strong>特異点回避</strong>: ロボットが特異姿勢（制御が困難な姿勢）を避けられる</li> <li><strong>最適化</strong>: エネルギー効率や速度を最適化できる</li> <li><strong>人間らしい動作</strong>: ヒューマノイドロボットで自然な動作が可能</li> </ul> <p><strong>例</strong>: 7自由度アームでは、目標位置・姿勢に対して無限の解が存在し、その中から最適な解を選択できる。</p> <h2>5. 実装時の注意点</h2> <h3>5.1 座標変換での数値誤差</h3> <p>実装時に座標変換を行う際は、以下の点に注意が必要である：</p> <p><strong>数値誤差の原因</strong>:</p> <ul> <li><strong>浮動小数点演算</strong>: コンピュータでの計算では微小な誤差が発生</li> <li><strong>三角関数の精度</strong>: sin、cos、tan関数の計算精度の限界</li> <li><strong>累積誤差</strong>: 複数回の変換で誤差が蓄積</li> </ul> <p><strong>対策</strong>:</p> <ul> <li><strong>適切なデータ型</strong>: double型を使用して精度を確保</li> <li><strong>誤差許容範囲</strong>: 許容できる誤差範囲を設定</li> <li><strong>正規化</strong>: 角度を適切な範囲に正規化</li> </ul> <h3>5.2 関節制限と特異点</h3> <p>ロボットの実装では、物理的制約を考慮する必要がある：</p> <p><strong>関節制限</strong>:</p> <ul> <li><strong>可動範囲</strong>: 各関節の最小・最大角度/距離</li> <li><strong>速度制限</strong>: 関節の最大角速度/線速度</li> <li><strong>トルク制限</strong>: モータの最大出力トルク</li> </ul> <p><strong>特異点の問題</strong>:</p> <ul> <li><strong>定義</strong>: ロボットが制御困難になる姿勢</li> <li><strong>例</strong>: アームが完全に伸びた状態や、関節が一直線になった状態</li> <li><strong>対策</strong>: 冗長自由度の活用、軌道計画での回避</li> </ul> <h3>5.3 座標系選択の指針</h3> <p>実装時に適切な座標系を選択するための指針：</p> <p><strong>直交座標系を選ぶ場合</strong>:</p> <ul> <li>精密な位置決めが必要</li> <li>繰り返し作業が多い</li> <li>計算の簡素化が重要</li> </ul> <p><strong>極座標系を選ぶ場合</strong>:</p> <ul> <li>回転中心からの距離制御が重要</li> <li>円形の作業エリア</li> <li>コンパクトな設計が要求される</li> </ul> <h2>6. 現代のロボット制御技術</h2> <h3>6.1 Robot Operating System (ROS)</h3> <p>現代のロボット開発では、ROS（Robot Operating System）が広く使用されている：</p> <h4>6.1.1 ROSの基本概念</h4> <p>ROSは、ロボットソフトウェア開発のためのオープンソースフレームワークである。2007年にスタンフォード大学とWillow Garage社によって開発され、現在はOpen Roboticsが管理している。</p> <p><strong>ROSの設計思想</strong>:</p> <ul> <li><strong>モジュラー設計</strong>: 機能ごとに独立したノード（プログラム）で構成</li> <li><strong>言語非依存</strong>: C++、Python、Java、Lispなど複数言語をサポート</li> <li><strong>プラットフォーム非依存</strong>: Linux、Windows、macOSで動作</li> <li><strong>オープンソース</strong>: 無料で使用・改変・配布可能</li> </ul> <h4>6.1.2 ROSのアーキテクチャ</h4> <p><strong>分散アーキテクチャ</strong>:</p> <ul> <li><strong>ノード（Node）</strong>: 個別の処理を行うプログラム単位</li> <li><strong>マスタ（Master）</strong>: ノード間の通信を管理する中央制御システム</li> <li><strong>パラメータサーバ</strong>: 設定値を格納・管理するサーバ</li> <li><strong>ROSグラフ</strong>: ノード間の接続関係を可視化</li> </ul> <p><strong>通信メカニズム</strong>:</p> <ul> <li><strong>トピック（Topic）</strong>: 一方向の非同期通信（パブリッシュ/サブスクライブ）</li> <li><strong>サービス（Service）</strong>: 双方向の同期通信（リクエスト/レスポンス）</li> <li><strong>アクション（Action）</strong>: 長時間実行されるタスクの非同期通信</li> <li><strong>パラメータ（Parameter）</strong>: 設定値の動的変更</li> </ul> <h4>6.1.3 ROSの主要ライブラリ</h4> <p><strong>座標変換ライブラリ</strong>:</p> <ul> <li><strong>tf2</strong>: 座標系間の変換を自動管理</li> <li><strong>geometry_msgs</strong>: 位置・姿勢・速度などの幾何学メッセージ</li> <li><strong>sensor_msgs</strong>: センサデータの標準メッセージ形式</li> </ul> <p><strong>軌道計画ライブラリ</strong>:</p> <ul> <li><strong>move_base</strong>: ナビゲーション用のパスプランニング</li> <li><strong>dwa_local_planner</strong>: 動的ウィンドウアプローチによる局所計画</li> <li><strong>global_planner</strong>: グローバルパスプランニング</li> </ul> <p><strong>センサ処理ライブラリ</strong>:</p> <ul> <li><strong>laser_geometry</strong>: レーザースキャナデータの処理</li> <li><strong>image_geometry</strong>: カメラ画像の幾何学処理</li> <li><strong>pcl_ros</strong>: ポイントクラウドデータの処理</li> </ul> <h4>6.1.4 シミュレーション環境</h4> <p><strong>Gazebo</strong>:</p> <ul> <li><strong>物理エンジン</strong>: ODE、Bullet、DARTによる高精度物理シミュレーション</li> <li><strong>センサシミュレーション</strong>: カメラ、レーザー、IMUなどの仮想センサ</li> <li><strong>環境モデリング</strong>: 3D環境の構築と動的物体の配置</li> <li><strong>ROS統合</strong>: ROSノードとして動作するシミュレーション</li> </ul> <h4>6.1.5 座標系での応用</h4> <p><strong>TF（Transform）システム</strong>:</p> <ul> <li><strong>座標系ツリー</strong>: 親子関係による座標系の階層管理</li> <li><strong>動的変換</strong>: リアルタイムでの座標変換計算</li> <li><strong>座標系可視化</strong>: RVizによる座標系の視覚化</li> <li><strong>変換チェーン</strong>: 複数座標系を経由した変換の自動計算</li> </ul> <p><strong>URDF（Unified Robot Description Format）</strong>:</p> <ul> <li><strong>ロボット構造</strong>: リンクと関節の階層的記述</li> <li><strong>視覚的表現</strong>: 3Dモデルとマテリアルの定義</li> <li><strong>衝突検出</strong>: 衝突形状の定義</li> <li><strong>動的特性</strong>: 慣性パラメータと物理特性</li> </ul> <p><strong>MoveIt</strong>:</p> <ul> <li><strong>運動計画</strong>: 逆運動学と軌道計画の統合</li> <li><strong>衝突回避</strong>: 障害物を考慮した動作計画</li> <li><strong>最適化</strong>: エネルギー効率や時間最適化</li> <li><strong>可視化</strong>: 計画された軌道の3D表示</li> </ul> <h3>6.2 リアルタイム制御</h3> <p>現代のロボット制御では、リアルタイム性が重要である：</p> <h4>6.2.1 リアルタイム制御の基本概念</h4> <p>リアルタイム制御とは、システムが外部からの要求に対して決められた時間内に応答することを保証する制御方式である。ロボット制御では、センサデータの処理からアクチュエータへの指令まで、すべての処理が時間制約内で完了する必要がある。</p> <p><strong>リアルタイム制御の重要性</strong>:</p> <ul> <li><strong>安全性</strong>: 人間との協働ロボットでは、衝突回避のための即座な応答が必要</li> <li><strong>精度</strong>: 制御周期のばらつきが位置精度に直接影響</li> <li><strong>安定性</strong>: 制御ループの遅延がシステムの不安定化を引き起こす可能性</li> <li><strong>協調制御</strong>: 複数のロボットやシステムとの協調動作</li> </ul> <h4>6.2.2 リアルタイム制御の分類</h4> <p><strong>ハードリアルタイム</strong>:</p> <ul> <li><strong>定義</strong>: 時間制約を満たさないとシステム全体が失敗する制御</li> <li><strong>例</strong>: 航空機の制御、医療機器、原子力プラント制御</li> <li><strong>要件</strong>: ミッションクリティカルな応用での使用</li> <li><strong>保証</strong>: 最悪実行時間（WCET）の厳密な保証が必要</li> </ul> <p><strong>ソフトリアルタイム</strong>:</p> <ul> <li><strong>定義</strong>: 時間制約を満たさなくてもシステムの品質が低下する制御</li> <li><strong>例</strong>: マルチメディア処理、ネットワーク通信、一般的なロボット制御</li> <li><strong>要件</strong>: 統計的な応答時間の保証で十分</li> <li><strong>許容</strong>: 偶発的な遅延は許容される</li> </ul> <h4>6.2.3 リアルタイム制御の要件</h4> <p><strong>決定論的応答</strong>:</p> <ul> <li><strong>予測可能性</strong>: 処理時間の変動を最小限に抑制</li> <li><strong>スケジューリング</strong>: 優先度ベースのタスクスケジューリング</li> <li><strong>リソース管理</strong>: CPU、メモリ、I/Oの効率的な管理</li> <li><strong>干渉回避</strong>: 異なるタスク間の相互干渉の防止</li> </ul> <p><strong>制御周期の厳密な遵守</strong>:</p> <ul> <li><strong>周期制御</strong>: 一定間隔での制御ループ実行</li> <li><strong>ジッター制御</strong>: 周期のばらつきを最小化</li> <li><strong>デッドライン管理</strong>: 各タスクの実行期限の管理</li> <li><strong>オーバーフロー処理</strong>: 処理時間超過時の対応</li> </ul> <h4>6.2.4 実装技術</h4> <p><strong>RTOS（リアルタイムオペレーティングシステム）</strong>:</p> <ul> <li><strong>代表例</strong>: RT-Linux、QNX、VxWorks、FreeRTOS</li> <li><strong>特徴</strong>: 優先度ベースのプリエンプティブスケジューリング</li> <li><strong>機能</strong>: タスク間通信、同期、タイマー管理</li> <li><strong>適用</strong>: 産業用ロボット、自動車制御、航空宇宙</li> </ul> <p><strong>FPGA（Field Programmable Gate Array）</strong>:</p> <ul> <li><strong>並列処理</strong>: 複数の処理を同時実行</li> <li><strong>低レイテンシ</strong>: ハードウェアレベルでの高速処理</li> <li><strong>決定論的動作</strong>: クロック同期による確実な動作</li> <li><strong>適用</strong>: 高周波制御、信号処理、画像処理</li> </ul> <p><strong>GPU（Graphics Processing Unit）</strong>:</p> <ul> <li><strong>並列計算</strong>: 数千のコアによる並列処理</li> <li><strong>CUDA/OpenCL</strong>: 汎用計算用のプログラミング環境</li> <li><strong>適用</strong>: 深層学習、画像認識、大規模シミュレーション</li> <li><strong>制約</strong>: リアルタイム性の保証が困難な場合がある</li> </ul> <h3>6.3 人工知能との統合</h3> <p>現代のロボットはAI技術と統合されている：</p> <h4>6.3.1 機械学習の応用</h4> <p><strong>軌道学習</strong>:</p> <ul> <li><strong>模倣学習</strong>: 人間のデモンストレーションから動作パターンを学習</li> <li><strong>強化学習</strong>: 試行錯誤を通じて最適な動作を獲得</li> <li><strong>転移学習</strong>: 既存の知識を新しいタスクに適用</li> <li><strong>例</strong>: ピッキング動作、歩行パターン、操作技能の学習</li> </ul> <p><strong>適応制御</strong>:</p> <ul> <li><strong>パラメータ調整</strong>: 環境変化に応じた制御ゲインの自動調整</li> <li><strong>モデル同定</strong>: システムの動特性をオンラインで推定</li> <li><strong>外乱補償</strong>: 未知の外乱に対する適応的補償</li> <li><strong>例</strong>: 負荷変動への対応、摩耗による特性変化への適応</li> </ul> <p><strong>予測制御</strong>:</p> <ul> <li><strong>モデル予測制御（MPC）</strong>: 将来の状態を予測して最適制御を計算</li> <li><strong>最適化</strong>: 制約条件下での性能指標の最適化</li> <li><strong>予測ホライズン</strong>: 将来の時間範囲での制御計画</li> <li><strong>例</strong>: 自動運転、ロボットマニピュレーション、エネルギー管理</li> </ul> <h4>6.3.2 深層学習の活用</h4> <p><strong>視覚認識</strong>:</p> <ul> <li><strong>物体検出</strong>: YOLO、R-CNN、SSDによる物体の検出と分類</li> <li><strong>位置推定</strong>: 6DOF姿勢推定による物体の位置・姿勢の特定</li> <li><strong>セマンティックセグメンテーション</strong>: 画像の各ピクセルの意味を理解</li> <li><strong>例</strong>: ピッキング対象の識別、障害物の検出、品質検査</li> </ul> <p><strong>動作計画</strong>:</p> <ul> <li><strong>深層強化学習</strong>: DQN、A3C、PPOによる動作の最適化</li> <li><strong>模倣学習</strong>: GAIL（Generative Adversarial Imitation Learning）</li> <li><strong>階層的学習</strong>: 高レベル計画と低レベル制御の分離</li> <li><strong>例</strong>: ゲームAI、ロボット歩行、マニピュレーション技能</li> </ul> <p><strong>異常検知</strong>:</p> <ul> <li><strong>時系列解析</strong>: LSTM、GRUによる時系列データの異常検出</li> <li><strong>異常スコア</strong>: 正常パターンからの逸脱度の定量化</li> <li><strong>予測保守</strong>: 故障の事前予測による予防保全</li> <li><strong>例</strong>: モータ異常の検出、センサ故障の予測、システム状態監視</li> </ul> <h4>6.3.3 AI統合の実装例</h4> <p><strong>ROSとAIの統合</strong>:</p> <ul> <li><strong>TensorFlow ROS</strong>: TensorFlowモデルのROSノード化</li> <li><strong>PyTorch ROS</strong>: PyTorchモデルのリアルタイム実行</li> <li><strong>OpenCV ROS</strong>: 画像処理とAIの統合</li> <li><strong>Gazebo AI</strong>: シミュレーション環境でのAI学習</li> </ul> <p><strong>エッジAI</strong>:</p> <ul> <li><strong>Jetson Nano</strong>: NVIDIAの組み込みAIコンピュータ</li> <li><strong>Intel NCS</strong>: ニューラルコンピュートスティック</li> <li><strong>Google Coral</strong>: Edge TPU搭載のAI推論デバイス</li> <li><strong>Raspberry Pi AI</strong>: 小型ボードでのAI実行</li> </ul> <p><strong>クラウドAI</strong>:</p> <ul> <li><strong>AWS RoboMaker</strong>: クラウドベースのロボット開発環境</li> <li><strong>Azure IoT</strong>: MicrosoftのIoT・AI統合プラットフォーム</li> <li><strong>Google Cloud AI</strong>: 機械学習サービスのクラウド提供</li> <li><strong>分散学習</strong>: 複数ロボットでの協調学習</li> </ul> <h2>7. まとめ</h2> <p>本資料では、ロボットの座標系と関節制御について以下の内容を整理した：</p> <ol> <li><strong>ロボット制御の歴史</strong>: 古代のからくり人形から現代のコンピュータ制御への発展</li> <li><strong>関節の種類</strong>: 回転関節（R）と直動関節（P）の特徴と表記法</li> <li><strong>座標系の種類</strong>: 直交座標系、極座標系、円筒座標系、多関節型、スカラ型</li> <li><strong>座標変換</strong>: 数学的変換式とプログラミングでの実装方法</li> <li><strong>自由度</strong>: 6自由度の概念とその応用</li> <li><strong>実装時の注意点</strong>: 数値誤差、関節制限、特異点への対策</li> <li><strong>現代技術</strong>: ROS、リアルタイム制御、AI統合</li> </ol> <p>これらの知識は、ロボットの設計、制御、プログラミングにおいて重要な基礎となる。</p> <h2>8. 参考文献・参考資料</h2> <h3>8.1 書籍</h3> <ul> <li><strong>Craig, J.J.</strong> "Introduction to Robotics: Mechanics and Control" (4th Edition)</li> <li><strong>Siciliano, B. et al.</strong> "Robotics: Modelling, Planning and Control"</li> <li><strong>Spong, M.W. et al.</strong> "Robot Modeling and Control"</li> </ul> <h3>8.2 オンラインリソース</h3> <ul> <li><strong>ROS Wiki</strong>: https://wiki.ros.org/</li> <li><strong>MoveIt Documentation</strong>: https://moveit.ros.org/</li> <li><strong>Gazebo Simulator</strong>: http://gazebosim.org/</li> </ul> <h3>8.3 学習目標の確認</h3> <p>この資料を学習した後、以下のことができるようになることを目標とする：</p> <ul> <li>ロボットの関節タイプを分類できる</li> <li>座標系間の変換を計算できる</li> <li>適切な座標系を選択できる</li> <li>ロボットの自由度を理解できる</li> <li>実装時の注意点を考慮できる</li> <li>現代のロボット制御技術を理解できる</li> </ul> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学６ Creator An entity primarily responsible for making the resource unjuno Date A point or period of time associated with an event in the lifecycle of the resource 2025-10-27 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>動力学と運動学</h1> <h2>動力学と運動学の違い</h2> <h3>動力学（ドウリキガク）</h3> <ul> <li><strong>定義</strong>: 位置、速度、加速度、力が出てくる</li> <li><strong>運動方程式</strong>: 力の関係式</li> <li><strong>注意</strong>: 動くものを対象にした力学（「ドウリョクガク」ではない）</li> </ul> <h3>運動学（ウンドウガク）</h3> <ul> <li><strong>定義</strong>: 位置関係のみを扱う</li> <li><strong>説明</strong>: 任意の部品を動かすと、それに関連した部品が動く</li> <li><strong>別名</strong>: キネマティック</li> </ul> <p><strong>重要</strong>: 動力学の<strong>運動方程式</strong>と<strong>運動学</strong>は異なる概念なので注意（間違いやすい）</p> <ul> <li>運動方程式: 力の関係</li> <li>運動学: 位置関係のみ</li> </ul> <h2>動力学の基礎</h2> <h3>鉄球を落とす例</h3> <p>鉄球を落とす場合、その鉄球は徐々に加速する。</p> <h4>グラフ表現</h4> <pre>速度（v） ｜ / ｜ / ｜/ ーーーーーーーーー時間（t） 位置（x） ｜ / ｜| ｜/ ーーーーーーーーー時間（t） （t^2に比例する） </pre> <ul> <li>位置は2乗カーブに比例する</li> <li>位置から速度を求めるには微分する</li> <li>速度から加速度を求めるには微分する</li> <li>加速度から速度を求めるには積分する</li> <li>速度から位置を求めるには積分する</li> </ul> <p><strong>注意</strong>: この条件では加速度が一定なので、速度は時間に比例して変化する。</p> <h2>時間による微分</h2> <p>ここでは時間tによる微分を扱う（微小時間の範囲での平均変化率）。</p> <p>微分を扱う場合、横軸が微分する変数の値となるのが一般的。この場合はtが横軸に当たるので、このtで微分する。</p> <h3>速度（位置の時間微分）</h3> <p>時間tによる微分（位置変位xを時間tで微分）</p> <pre>v = dx/dt = ẋ </pre> <ul> <li>v: 速度（velocity）</li> <li>ẋ: 時間で微分したことを省略記法で表現（ニュートンの記法、xの上に点）</li> </ul> <h3>加速度（速度の時間微分）</h3> <pre>a = dv/dt （速度を時間で微分） = d²x/dt² = ẍ （xの上に2つの点、2階微分） </pre> <p><strong>注意</strong>: 動力学では時間の微分を、ẋ（1階微分）やẍ（2階微分）で表す（ニュートンの記法）。</p> <h3>積分</h3> <pre>x = ∫v dt （tでxを積分） </pre> <h2>微分の表現方法</h2> <h3>ニュートンの記法</h3> <ul> <li><strong>時間微分</strong>: ẋ（xの上に点）、ẍ（xの上に2つの点）など <ul> <li>1階微分: ẋ = dx/dt</li> <li>2階微分: ẍ = d²x/dt²</li> </ul> </li> <li>アイザック・ニュートン（イギリスの数学者・物理学者）が使用していた</li> <li><strong>動力学では特に時間微分に ẋ, ẍ の記法がよく使われる</strong></li> </ul> <h3>ライプニッツの記法</h3> <ul> <li>dy/dx や df(x)/dx など（分数形式）</li> <li>ゴットフリート・ライプニッツ（ドイツの数学者）が考案</li> <li>Δy/Δx や Δf(x)/Δx などが元（差分商から発展）</li> </ul> <h3>ラグランジュの記法</h3> <ul> <li>f'(x) や y' など（プライム記号）</li> <li>ジョゼフ＝ルイ・ラグランジュ（フランスの数学者）が使用</li> <li>関数の導関数を表す際によく使われる</li> </ul> <h2>運動方程式</h2> <h3>例1: 重力による落下</h3> <p>t=0の時に鉄球を離す。</p> <ul> <li>鉄球には重力加速度が一定で常にかかる → gと表す</li> <li>鉄球の質量をm[kg]とする <ul> <li><strong>質量</strong>: どこでも一定の値</li> <li><strong>重さ</strong>: 重力によって変化するその時の測定値</li> </ul> </li> </ul> <p>この条件時にかかる力は以下の式で表される：</p> <pre>F = mg </pre> <ul> <li>F: 重力（力）[N]</li> <li>m: 質量[kg]</li> <li>g: 重力加速度[m/s²]</li> <li>mg: 力[N]</li> </ul> <p>これらは運動方程式であり、力の関係式として表される。</p> <h3>例2: 加速度による運動</h3> <p>加速度a[m/s²]で表される。</p> <pre> ーーーーーーー ｜ ｜→引っ張る力F[N]（ニュートン） ｜ ｜ ーーーーーーーーーーーーー 質量m[kg]（質量はkgを一般的に使う） </pre> <pre>F = ma （ただし、加速度が一定） または F = mẍ </pre> <h2>単位</h2> <ul> <li>位置xの単位: [m]</li> <li>速度vの単位: [m/s]</li> <li>加速度aの単位: [m/s²]</li> </ul> <h2>並進運動と回転運動</h2> <h3>並進運動（平行移動）</h3> <pre>□→F a→ </pre> <ul> <li>位置: x[m]</li> <li>速度: v = ẋ[m/s]</li> <li>加速度: a = ẍ[m/s²]</li> <li>力: F[N]</li> <li>質量: m[kg]</li> </ul> <p><strong>運動方程式</strong>:</p> <pre>F = ma F = mẍ </pre> <h3>回転運動</h3> <p>円盤を回転させる場合、回転角（回転角度の量）を扱う。</p> <ul> <li><strong>回転角</strong>: 任意の角度の変位（どれだけ位置が変化したか）→ Θ[rad]（ラジアン）</li> </ul> <h4>回転運動の物理量</h4> <ul> <li>角度: Θ[rad]</li> <li>角速度: ω = Θ̇[rad/s]</li> <li>角加速度: α = Θ̈[rad/s²]</li> <li>トルク: τ[N·m]（よくτ（タウ）で表現される）</li> <li>慣性モーメント: J[kg·m²]（よくJが使われる）</li> </ul> <h4>慣性モーメントとは？</h4> <p><strong>定義</strong>: 回しやすさ（まわしにくさ）</p> <p><strong>例</strong>: 同じ材料で同じ質量の円盤で、半径が違う場合（r₁ &gt; r₂）</p> <ul> <li>円盤の慣性モーメントは I = (1/2)mr² で表されるため、半径が小さい（r₂）方が慣性モーメントが小さい</li> </ul> <p><strong>性質</strong>:</p> <ul> <li>慣性モーメントが小さいものは素早い動作に向く</li> <li>慣性モーメントが大きいものは回転の安定化作用を生み出すのに使われる（フライホイールなど）</li> <li><strong>注意</strong>: 慣性モーメントは形状によっても変わるので形状が重要である</li> </ul> <h4>回転の運動方程式</h4> <pre>τ = JΘ̈ </pre> <p>この式が回転の運動方程式である。</p> <h4>並進運動の運動方程式（再掲）</h4> <pre>F = ma </pre> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学７ Creator An entity primarily responsible for making the resource unjuno Date Issued Date of formal issuance (e.g., publication) of the resource. 2025-11-06 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource note Description An account of the resource 日常のノート note 日常のノートの記録 note テキストの自由記述 <h1>動力学</h1> <h2>この資料で学ぶこと</h2> <ul> <li>力を加えたときに物体がどのように動くのかを式と図で理解する。</li> <li>まっすぐ進む運動（並進運動）と回転する運動（回転運動）の基本式を学ぶ。</li> <li>ロボットアームのように関節がたくさんある仕組みを、基本式の組み合わせで説明できることを知る。</li> <li>慣性力、遠心力、コリオリ力といった見かけの力がどのように現れるかをイメージする。</li> </ul> <h2>並進運動：押したり引いたりするときの式</h2> <p>並進運動では、ニュートンの運動方程式を使う。</p> <p>F=mx¨</p> <h3>記号の意味</h3> <ul> <li>F（エフ）は外力。人が押す力やモーターが引っ張る力など。</li> <li>m（エム）は質量。物体がどれだけ重く、動きづらいかを表す量。</li> <li>x¨（エックスに二つの点）は加速度。速度がどれくらいの勢いで変化しているかを示す。</li> </ul> <h3>わかりやすいポイント</h3> <ul> <li>同じ力をかけても、軽い物体はすぐに加速し、重い物体はゆっくり加速する。</li> <li>動いている物体はそのままの状態を保とうとする。この性質を慣性という。</li> <li>慣性によって、走っている車は急に止まらないし、急に走り出しもしない。</li> </ul> <pre> 図１　加速する車のイメージ ┌─────────┐ │ ■ （車体） │ └─────────┘ ←←← 力（駆動力） 速度: v₀ &lt; v₁ &lt; v₂ </pre> <pre> 図２　減速する車のイメージ ┌─────────┐ │ ■ （車体） │ └─────────┘ ←←← 速度: v₂ &gt; v₁ &gt; v₀ → ブレーキ力（摩擦制動） </pre> <pre> 図３　質量が小さい物体 ┌────┐ │ □ │ └────┘ ←→ 小さい力でも加減速が簡単 質量: m_small 加速度: a = F / m_small → 大きい </pre> <pre> 図４　質量が大きい物体 ┌────────┐ │ □ │ └────────┘ ←→ 同じ力でも加減速がゆっくり 質量: m_large 加速度: a = F / m_large → 小さい </pre> <h2>回転運動：回すときの式</h2> <p>回転運動では、次の式を使う。</p> <p>τ=Jθ¨</p> <h3>記号の意味</h3> <ul> <li>τ（タウ）はトルク。レバーやハンドルを回すときの「回す力」。</li> <li>J（ジェイ）は慣性モーメント。回りにくさの大きさで、重い部分が外側にあるほど大きくなる。</li> <li>θ¨（シータに二つの点）は角加速度。回転する速さがどれくらいの勢いで変化するかを示す。</li> </ul> <h3>わかりやすいポイント</h3> <ul> <li>同じトルクをかけても、慣性モーメントが小さいほどくるくる回りやすい。</li> <li>自転車のホイールやコマが急に止まらないのは、慣性モーメントが大きいから。</li> </ul> <h2>ロボットアーム全体の式</h2> <p>関節がたくさんあるロボットアームでは、次のようにすべての力をまとめて表す。</p> <p>M(Θ)⁢Θ¨+h(Θ,Θ˙)+DΘ˙+f(Θ˙)+g(Θ)=τ</p> <h3>記号の意味</h3> <ul> <li>Θ（シータ）は各関節の角度をまとめたベクトル。[Θ1,Θ2,Θ3,…,Θn] のように書く。</li> <li>Θ˙ は関節の角速度。どれくらいの速さで回っているか。</li> <li>Θ¨ は関節の角加速度。角速度がどれくらいの勢いで変化しているか。</li> <li>τ はモーターが出すトルクをまとめたもの。</li> <li>M(Θ) は慣性行列。ロボットの姿勢によって変わり、回りやすさをまとめて表す行列。</li> <li>h(Θ,Θ˙) は遠心力やコリオリ力といった見かけの力。</li> <li>DΘ˙ は粘性摩擦による抵抗。速度に比例する抵抗力。</li> <li>f(Θ˙) は動摩擦による抵抗。関節同士がこすれることで生じる。</li> <li>g(Θ) は重力による力。アームが下向きに引っ張られる。</li> </ul> <p>左辺に並んでいる力を全部足したものが、右辺のトルク τ になる。つまり「各関節の角度や速さが決まれば、必要なトルクを計算できる」ということを示している。</p> <h2>ベクトルと慣性行列のイメージ</h2> <p>関節が多いと、角度や速度を一つずつ書くのは大変なので、ベクトルを使ってまとめる。</p> <p>Θ¨=[Θ1¨,Θ2¨,Θ3¨,…,Θn¨]</p> <p>慣性行列の例として、二自由度のアームを考えると次のようになる。</p> <p>M(Θ)=I11I12I21I22</p> <p>I11=α+2βC2<br />I22=β<br />I12=I21=β+γC2</p> <p>ここで α（アルファ）、β（ベータ）、γ（ガンマ）は定数。C2 は cos⁡Θ2、S1 は sin⁡Θ1、S2 は sin⁡Θ2 を短く書いたもの。 Θ2 の値が変わると cos⁡Θ2 の値が変わり、慣性行列 M も姿勢によって変化する。</p> <h2>遠心力とコリオリ力のイメージ</h2> <p>回転している座標系で観測すると、遠心力とコリオリ力という見かけの力が現れる。これらは h(Θ, Θ') に含まれている。</p> <pre> 図５　回転系における遠心力 回転軸 │ ●───→ 角速度 ω │ \ │ \ 質点 m │ ● ↑ F_c = m r ω² （遠心力） </pre> <pre> 図６　フーコーの振り子とコリオリ力 地球自転軸 ↑ │ ↺ 地球の自転 Ω │ ●─── 振り子の支持点 │\ │ \ │ ● 振り子の質点 │ \ │ ↖ 速度 v │ コリオリ力 F_cor = 2m(v × Ω) </pre> <p>フーコーの振り子では、地球が自転しているために振り子の揺れる向きがゆっくり回転して見える。これがコリオリ力の働きである。遠心力とコリオリ力を正しく考慮すると、h(Θ, Θ') を正確に計算できるようになる。</p> <h2>モデル化と方程式の導出の流れ</h2> <p>ロボットアームの運動方程式は、次のステップで導き出されることが多い。</p> <ol> <li><strong>モデルを決める</strong><br />各リンク（腕の一本一本）を剛体として扱い、軸や関節をどのように配置するか決める。<br />一般化座標として関節角度 Θ = [Θ₁, Θ₂, …, Θₙ] を用いる。</li> <li><strong>エネルギーを求める</strong><br />各リンクの運動エネルギー T（Translation + Rotation）と、重力による位置エネルギー V を計算する。<br />T は各リンクの質量と速度、慣性モーメントと角速度から求める。<br />V は各リンクの重心の高さから求める。</li> <li><strong>ラグランジアンを作る</strong><br />L=T-V という形でラグランジアン L を作成する。</li> <li><strong>ラグランジュの方程式を適用する</strong><br />各関節角 Θi について、以下の式を計算する。<br />ddt(∂L∂Θi˙)-∂L∂Θi=τi-τi,f<br />左辺から M(Θ)Θ¨ や h(Θ,Θ˙) が現れる。右辺にはモーターが発生させるトルク τi が入る。</li> <li><strong>抵抗力を追加する</strong><br />粘性摩擦がある場合は、速度に比例する抵抗トルク DΘ˙ を加える。<br />動摩擦（クーロン摩擦）は、速度の符号に依存する一定値としてモデル化する。<br />モーターや減速機に特有の抵抗トルクがある場合も、必要に応じて追加する。</li> <li><strong>重力項を整理する</strong><br />位置エネルギー V から導かれる ∂∂ΘV を g(Θ) としてまとめる。</li> </ol> <p>これらの手順を踏むことで、エネルギー保存の考え方に基づきながら、実際のロボットで必要となる抵抗項も含めた運動方程式を得ることができる。</p> <h2>2リンクアームの簡単な計算例</h2> <p>ここでは、平面内で動く2リンクアーム（リンク長 l1, l2、質量 m1, m2）を使って、ラグランジアンの作り方を一通り確認する。</p> <ol> <li><strong>モデルの前提</strong><br />各リンクは質量が均一に分布した細い棒とする。<br />各リンクの重心はリンクの中央にある。<br />重力は下向きに一定（加速度 g）。<br />関節角を Θ=[Θ1,Θ2] とする。 Θ1 は第1リンクの角度、Θ2 は第2リンクの角度。</li> <li><strong>位置と速度</strong><br />第1リンク重心の位置: x1=l12cos⁡Θ1、 y1=l12sin⁡Θ1<br />第2リンク重心の位置: x2=l1cos⁡Θ1+l22cos⁡(Θ1+Θ2)<br />y2=l1sin⁡Θ1+l22sin⁡(Θ1+Θ2)<br />各重心速度は、上式を Θ1, Θ2 で微分して求める。</li> <li><strong>運動エネルギー T</strong><br />並進運動エネルギー: Ttrans=12m1(x1˙2+y1˙2)+12m2(x2˙2+y2˙2)<br />回転運動エネルギー: Trot=12I1Θ1˙2+12I2Θ1˙+Θ2˙2<br />ここで I1, I2 は各リンクの重心まわりの慣性モーメント（棒なら I=112ml2）<br />全体の運動エネルギー: T=Ttrans+Trot</li> <li><strong>位置エネルギー V</strong><br />V=m1gy1+m2gy2<br />y1, y2 はステップ2で求めた重心の高さ。</li> <li><strong>ラグランジアン L</strong><br />L=T-V</li> <li><strong>ラグランジュの方程式</strong><br />Θ1, Θ2 について dd⁢t(∂∂Θi˙L)-∂∂ΘiL=τi を計算すると、慣性行列 M(Θ)、コリオリ・遠心項 h(Θ,Θ˙)、重力項 g(Θ) が現れる。<br />粘性摩擦や動摩擦をモデル化したい場合は、τi に -DiΘi˙ や -τi,coulomb を追加すれば良い。</li> </ol> <p>この手順で、具体的なパラメータ（長さ、質量、慣性モーメントなど）を代入して計算することで、実際に M(Θ), h(Θ, Θ'), g(Θ) を求める練習ができる。</p> <h2>演習課題</h2> <ol> <li>上記の2リンクアームモデルで、l1=l2=1 m、m1=m2=1 kg、g=9.81 m/s2 としたときの慣性行列 M(Θ) を計算しよう。</li> <li>同じ設定で、コリオリ・遠心項 h(Θ,Θ˙) の具体的な式を求めよう。</li> <li>粘性摩擦係数 d1=d2=0.1 N·m·s/rad を仮定し、DΘ˙ の項がどのようなベクトルになるかを示そう。</li> <li>重力項 g(Θ) のトルクベクトルを求め、ある姿勢（例: Θ1=π4、Θ2=π6）で数値を計算してみよう。</li> <li>追加課題として、3リンクアームに拡張するにはどの情報が必要かを整理し、必要な変数や式を列挙してみよう。</li> </ol> Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ロボット工学８ Creator An entity primarily responsible for making the resource unjuno Date A point or period of time associated with an event in the lifecycle of the resource 2025-11-11 Rights Information about rights held in and over the resource CC BY-NC 4.0 - 非営利目的のみ許可