サーボ・ニューマティクス：制御ループにおける圧縮率係数のモデリング

はじめに

しかし、その代わりに、制御エンジニアが髪をかきむしりたくなるような振動、オーバーシュート、遅い応答と戦っています。 PIDループは安定せず、位置決め精度は安定せず、サイクルタイムは予測よりも長くなっています。問題はハードウェアでもプログラミングスキルでもなく、空気圧縮性なのです。.

空気圧縮性は、サーボ空気圧制御ループに非線形で圧力依存のバネ効果をもたらし、位相遅れを引き起こし、固有振動数を低下させ、位置依存のダイナミクスを作り出します。. 油圧や電気システムのように剛性のある機械的連結を持つシステムとは異なり、空気圧システムでは、バルブと負荷の間に空気が可変剛性のばねとして作用するという事実を考慮しなければならない。.

私は三大陸にわたり数十のサーボ空気圧システムを納入してきましたが、圧縮性モデリングこそが多くの技術者が躓くポイントです。つい先四半期にも、カリフォルニアのロボットシステム統合企業が、制御チームがサーボ調整時に空気圧の圧縮性を考慮していなかったため3ヶ月遅れていたプロジェクトを救済する手助けをしました。.

Table of Contents

• 圧縮係数とは何か、そしてなぜそれがサーボ空気圧システムの動特性を支配するのか？
• 制御システムにおいて空気の圧縮性を数学的にモデル化する方法は？
• 圧縮性効果を補償する制御戦略とは何か？
• ベプトロッドレスシリンダーはサーボ空気圧性能をどのように向上させるのか？

圧縮係数とは何か、そしてなぜそれがサーボ空気圧システムの動特性を支配するのか？

空気圧縮性は単なる些細な不便さではなく、制御システムの挙動を根本的に変えるものです。️

圧縮係数は、空気の体積が圧力に応じてどのように変化するかを説明する。 理想気体の法則¹ (PV=nRT)により、圧力に比例し体積に反比例する剛性を持つ空気ばねが生成される。このばね効果により、制御帯域幅を制限し、オーバーシュートを引き起こし、システムの動特性を位置・負荷・供給圧力に強く依存させる共振周波数（通常3～15Hz）が生じる。. 電気式および油圧式アクチュエータは剛体機械システムのように振る舞う一方、サーボ空気圧システムは質量－ばね－ダンパーシステムのように振る舞い、そのばね定数は絶えず変化する。.

空気圧コンプライアンスの物理学

シリンダー室を加圧すると、単に力を生み出すだけでなく、空気分子をより小さな体積に圧縮します。この圧縮空気は弾性のあるばねとして働き、エネルギーを蓄えます。この関係は次の式で規定されます：

$P × V = n × R × T$

ここで:

• $P$ = 絶対圧 (Pa)
• $T$ = 体積 (m³)
• $n$ = 気体のモル数
• $R$ = 普遍気体定数 (8.314 J/mol-K)
• $T$ = 絶対温度 (K)

制御の観点から、体積変化に伴う圧力変化が重要である：

$ΔP = -\left( \frac{\kappa \, P_{0}}{V_{0}} \right) \times ΔV$

ここでκは ポリトロピック指数² （等温過程では1.0、断熱過程では1.4）。.

この方程式は重要な洞察を明らかにする： 空気圧による剛性は圧力に比例し、体積に反比例する. 圧力が倍増すれば、剛性も倍増する。体積が倍増すれば、剛性は半減する。.

制御にとってこれが重要な理由

サーボ電気システムでは、動作指令を与えると、モーターが剛性機械結合を介して負荷を直接駆動する。伝達関数は比較的単純であり、本質的には摩擦を伴う積分器である。.

サーボ空気圧システムにおいて、バルブは圧力を制御し、圧力はピストン面積を通じて力を生み出すが、その力は負荷を動かす前に空気を圧縮または膨張させなければならない。以下の要素がある：

バルブ → 圧力 → 空気ばね → 負荷動作

その空気ばねは、システム挙動を支配する二次動的特性（共振）を導入する。.

位置依存ダイナミクス

ここで問題が生じます：シリンダーが伸びると、片側の体積が増加する一方で、もう片側は減少します。これはつまり：

• 空気圧による剛性は位置によって変化する （ストロークの終端で高く、ストロークの中間では低い）
• 固有振動数はストローク全体で変化する （2～3倍変化する可能性がある）
• 最適制御ゲインは位置依存である （ある位置で機能する利得が別の位置で不安定性を引き起こす）

典型的な空気圧システムの特性

パラメータ	サーボ電動式	サーボ油圧式	サーボ空気圧式
結合剛性	無限（剛体）	非常に高い	低（変動）
固有振動数	50～200 Hz	30～100 Hz	3～15 Hz
帯域幅	20～50 Hz	10～30 Hz	1-5 Hz
位置依存性	なし	最小限	厳しい
減衰比	0.1-0.3	0.3-0.7	0.1-0.4
非線形性	低	ミディアム	高い

現実世界の帰結

オハイオ州の自動車組立工場で制御技師を務めるデイビッドは、サーボ空気圧式ピックアンドプレイスシステムに頭を悩ませていた。位置決め精度はストローク端部で±0.5mmである一方、中間ストロークでは±3mmにも達した。数週間にわたり様々なPIDゲインを試したが、全ストローク範囲で機能する設定値を見つけられなかった。.

彼のシステムを分析したところ、問題は明らかだった：彼は空気圧アクチュエータを電気サーボのように扱っていたのだ。ストローク中間では、大容量の空気が低剛性と4Hzの固有振動数を生み出していた。ストローク終端では、圧縮された容量が高剛性と12Hzの固有振動数を生み出していた——3倍もの変化だ！彼の固定ゲインPID制御器では、この変動に対応することは到底不可能だった。.

我々は実装した ゲインスケジューリング³ 位置情報に基づきフィードフォワード圧力補償を追加した。これにより全ストロークにわたる位置決め精度は±0.8mmに改善され、不安定性を生じさせることなくより積極的なゲイン設定が可能となったため、サイクルタイムは20%短縮された。.

制御システムにおいて空気の圧縮性を数学的にモデル化する方法は？

モデル化できないものは制御できない——そして正確なモデル化こそが、効果的なサーボ空気圧制御の基盤である。.

標準的なサーボ空気圧モデルでは、各シリンダー室を可変容積圧力容器として扱い、バルブダイナミクスによる質量流量の流入・流出、ピストン面積を介した圧力から力への変換、およびニュートンの第二法則に基づく負荷運動を規定する。これにより、制御設計のために動作点周辺で線形化可能な四次非線形微分方程式系が生じる。. このモデルは、本質的な圧縮効果を捉えつつ、リアルタイム制御実装において扱いやすい特性を維持している。.

基本方程式

完全なサーボ空気圧モデルは、4つの結合されたサブシステムで構成される：

1. バルブ流体力学

各チャンバーへの質量流量は、バルブの開度と圧力差に依存する：

$\dot{m} = C_{d}\ⅳ A_{v} ⅳ P_{供給｝\倍 P_Psi(P_{ratio})$

ここで:

• $\dot{m}$ = 質量流量（kg/s）
• $C_{d}$ = 放電係数（代表値0.6～0.8）
• $A_{v}$ = バルブオリフィス面積(m²)
• $\Psi$ = フロー機能（圧力比による）

2. チャンバー内圧力動態

質量流量と体積変化に基づく圧力変化：

$\P} = ￤R T（￤in - ￤out） - ￤P（￤P$

これが主要な圧縮率の式である。最初の項は質量流量による圧力変化を表す。第二の項は体積変化（圧縮／膨張）による圧力変化を表す。.

3. 力の均衡

ピストン／キャリッジにかかる正味の力：

$F_{net} = P_{1}\倍 A_{1}- P_{2}\回 A_{2}- F_{friction} - F_{load}$

ここで:

• $P_{1},P_{2}$ = チャンバー圧力
• $A_{1},A_{2}$ = 有効ピストン面積
• $F_{摩擦}$ = 摩擦力（速度依存性）
• $負荷F$ ＝外部負荷力

4. 運動力学

ニュートンの第二法則：

$M \dot{x} = F_{net}$

ここで、M は移動する質量の総量であり、x は位置である。.

制御設計のための線形化

上記の非線形モデルは古典制御設計には複雑すぎる。動作点（平衡位置と圧力）周辺で線形化する：

伝達関数⁴:
$\X(s)}{U(s)} = \frac{K}{s^{2}+ 2 ㎟ ㎟ s + ㎟ ㎟ ㎟ n$

これは、以下の重要な二次的ダイナミクスを明らかにする：

$\ωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωωω\A^{2}}{M$

— 固有振動数

ζ = 減衰比 （摩擦とバルブの動特性に依存する）

モデルからの主な知見

固有周波数依存性

固有振動数方程式は、ω_n が以下の条件で増加することを示している：

• より高い圧力（より硬い空気ばね）
• より大きなピストン面積（圧力変化あたりの力がより大きい）
• より小さい容量（より硬いスプリング）
• 質量が低い（加速しやすい）

位置による音量変化

ストローク長 L、ピストン面積 A の円筒の場合：

$V_{1}(x) = V_{dead} + A \times x$

$V_{2}(x) = V_{dead} + A \times (L – x)$

ここでV_deadはデッドボリューム（ポート、ホース、マニホールド）である。.

この位置依存性により、ストローク全体で固有振動数が大きく変化する。.

実用的なモデリング上の考慮事項

モデルの複雑性	精度	計算	ユースケース
単純二次方程式	±30%	非常に低い	初期設計、単純PID
線形化された4次	±15%	低	古典制御理論
非線形シミュレーション	±5%	ミディアム	ゲインスケジューリング、フィードフォワード
CFDベースのモデル	±2%	非常に高い	研究、極限の精度

パラメータ同定

これらのモデルを使用するには、実際のシステムパラメータが必要です：

測定パラメータ：

• シリンダー内径とストローク（データシートより）
• 移動する質量（それを量る）
• 供給圧力（圧力計）
• デッドボリューム（ホースとポートの測定）

特定されたパラメータ：

• 摩擦係数（ステップ応答試験）
• バルブ流量係数（圧力減衰試験）
• 有効体積弾性率（周波数応答試験）

ベプトのモデリングサポート

ベプトでは、すべてのロッドレスシリンダーについて詳細な空気圧パラメータを提供しています：

• 正確な内径とストローク寸法
• 各ポート構成における測定デッドボリューム
• シール摩擦を考慮した有効ピストン面積
• 工場試験に基づく推奨モデリングパラメータ

このデータにより、システム同定作業を数週間短縮でき、モデルが現実と一致することを保証します。.

圧縮性効果を補償する制御戦略とは何か？

標準的なPID制御では不十分である——サーボ空気圧システムには圧縮性を考慮した特殊な制御戦略が必要である。.

効果的なサーボ空気圧制御には複数の戦略を組み合わせる必要がある：位置と圧力に基づいて制御器パラメータを調整し変動する動特性を処理するゲインスケジューリング、目標加速度から必要圧力を予測して追従誤差を低減するフィードフォワード補償、およびチャンバー圧力を内ループで閉じて有効剛性を高める圧力フィードバックである。これらを統合することで、単純なPID制御と比較して2～3倍の帯域幅向上が達成される。. 重要なのは、圧縮性を未知の擾乱ではなく、既知の補償可能な効果として扱うことである。.

戦略1：ゲインスケジューリング

システムダイナミクスは位置によって変化するため、位置依存制御ゲインを使用する：

$K_{p}(x) = K_{p0}\times \sqrt{\frac{V_{avg}}{V(x)}}$

これは剛性の変動を補償するため、剛性が低い領域（ストローク中間）では利得を増加させ、剛性が高い領域（ストローク終端）では利得を減少させる。.

実装

1. ストロークを5～10のゾーンに分割する
2. 各ゾーンのPIDゲインを調整する
3. 現在の位置に基づいてゲインを補間する
4. 更新は各制御サイクル（典型的には1～5ミリ秒）ごとに実行される

メリット

• フルストローク全体にわたる安定した性能
• 不安定さを伴わずに、より積極的な利益を得ることができる
• 負荷変動への対応が優れている

課題

• 正確な位置フィードバックが必要
• 初期調整がより複雑である
• 利得切り替え過渡現象の可能性

戦略2：フィードフォワード報酬

所望の動作に基づいて必要なバルブ指令を予測する：

$u_{ff} = \frac{M+ F{friction}+ F_{load}}{デルタP｝$

次に圧力予測を追加します：

$\ΔP_{required} = Δfrac{M},Δddot{x}_{desired}}}{A}$

これは、所望の加速度を達成するために必要な圧力変化を予測し、トラッキングエラーを劇的に低減します。.

実装

1. 位置指令を2回微分して、目的の加速度を得る
2. 必要な圧力差を計算する
3. バルブ流量モデルを用いてバルブコマンドに変換する
4. フィードバック制御器出力に追加する

メリット

• トラッキングエラーを60～80％削減
• オーバーシュートなしに高速な動作を可能にする
• 再現性を向上させる

戦略3：圧力フィードバック（カスケード制御）

二ループ制御構造を実装する：

外周ループ： 位置制御器が所望の圧力差を生成する
内側ループ： 高速圧力制御器がバルブに指令を出し、所定の圧力を達成する

これにより、空気圧スプリングを能動的に制御することで、システム剛性を効果的に向上させます。.

実装

アウターループ（位置）：
$e_{pos} = x_{desired} - x_{actual}。$
$\P_{desired} = PID_{position}(e_{pos})$
内側ループ（圧力）：
$e_{P1} = P_{1,希望} - P_{1,実際}.$
$e_{P2} = P_{2,希望} - P_{2,実際}.$
$u_{valve} = PID_{pressure}(e_{P1}, e_{P2})$

メリット

• 有効帯域幅を2～3倍に増加させる
• 優れた妨害除去性能
• より一貫した性能

要件

• 各チャンバー内の高速・高精度圧力センサー
• 高速制御ループ（>500 Hz）
• 高品質比例弁

戦略4：モデルベース制御

高度な制御には完全な非線形モデルを使用する：

スライディングモード制御： パラメータ変動や外乱に対して頑健である
モデル予測制御（MPC）⁵: 将来の時間軸に対する制御を最適化する
適応制御： モデルパラメータをオンラインで自動的に調整する

これらの高度な戦略はサーボ電気式に近い性能を達成できるが、多大な設計努力を必要とする。.

制御戦略の比較

戦略	性能向上	実装の複雑さ	ハードウェア要件
基本PID	ベースライン	低	位置センサーのみ
ゲインスケジューリング	+30-50%	ミディアム	位置センサー
フィードフォワード	+60-80%	ミディアム	位置センサー
圧力フィードバック	+100-150%	高い	位置＋2つの圧力センサー
モデルベース	+150-200%	非常に高い	複数のセンサー＋高速プロセッサ

実用的なチューニングガイドライン

フィードフォワード付きゲインスケジューリングPID（ほとんどのアプリケーションにおける最適解）：

1. ストローク中盤の調整から始める50%ストロークにおいて、動特性が「平均的」な状態でPIDゲインを調整する“
2. フィードフォワードを追加する保守的なゲインを用いた加速フィードフォワードを実装する（計算値の50%から開始）
3. ゲインスケジューリングを実装する位置に基づいて比例ゲインと微分ゲインをスケーリングする
4. 反復する各ゾーンごとに微調整を行い、特に境界領域に重点を置く
5. 条件を横断したテスト異なる負荷と速度での性能を検証する

成功事例

マリアはテキサス州で高速包装機械を製造するカスタム自動化会社を経営している。彼女は時速2mでパッケージを±1mmの精度で位置決めする必要があるサーボ空気圧システムに悩まされていた。標準的なPID制御では±4mmの精度しか得られず、大きな振動が発生していた。.

我々は三つの部分からなる戦略を実施した：

1. 位置に基づくゲインスケジューリング（5ゾーン）
2. 加速フィードフォワード（計算値の70%）
3. 摩擦不確実性を最小化するための最適化されたBepto低摩擦ロッドレスシリンダー

結果は劇的だった：

• 位置決め精度は±4mmから±0.8mmに改善された
• 40%により減衰時間が短縮
• サイクルタイムが25%減少した
• システムは全負荷範囲（0～50 kg）で安定しました

実装全体にはエンジニアリング作業で2日を要したが、性能向上により彼女はより厳しい公差を要求する3件の新規契約を獲得できた。.

ベプトロッドレスシリンダーはサーボ空気圧性能をどのように向上させるのか？

シリンダー自体はサーボ空気圧性能において重要な構成要素であり、すべてのシリンダーが同じ性能を持つわけではありません。⚙️

ベプトのロッドレスシリンダーは、4つの主要な特徴を通じてサーボ空気圧制御を強化します： デッドボリュームを最小化し、空気圧剛性と固有振動数を30～40%向上。低摩擦シールにより摩擦不確実性を低減しモデル精度を向上。対称設計により双方向の動的特性を均一化。精密製造によりストローク全域で一貫したパラメータを確保。これらを実現しながら、OEM代替品より30%低コストで、数週間ではなく数日で出荷可能。. 圧縮効果と戦う際には、設計の細部までが重要となる。.

設計特徴1：最適化されたデッドボリューム

デッドボリュームはサーボ空気圧システムの性能の敵である。ポート、マニホールド、ホース内に存在する空気量であり、力には寄与しないがコンプライアンス（弾力性）には寄与する。.

ベプトアドバンテージ：

• 統合されたポート設計により内部通路を最小化
• コンパクトなマニホールドオプションにより外部容積を削減
• 最適化されたポートサイズにより、流量と容積のバランスが取れている

インパクトがある：

• 30-40%は、一般的なロッドレスシリンダよりもデッドボリュームが少ない
• 固有振動数が20-30%増加した
• より速い応答とより高い帯域幅

音量比較

設定	チャンバーあたりのデッドボリューム	固有振動数（標準）
標準ロッドレス＋標準ポート	150～200 cm³	5-7 Hz
標準ロッドレス＋最適化ポート	100～150 cm³	7-9 Hz
ベプト ロッドレス＋統合ポート	60～100 cm³	9-12 Hz

設計特徴2：低摩擦シール

摩擦はサーボ空気圧システムにおけるモデル不確実性の最大の要因である。高すぎる、あるいは不安定な摩擦はフィードフォワード補償を無効化し、高いフィードバックゲインを必要とする（これにより安定性余裕度が低下する）。.

ベプトアドバンテージ：

• 摩擦調整剤を配合した高度なポリウレタンシール
• 40%は標準シールよりも低い離脱摩擦を有します
• 温度と速度にわたってより一貫した摩擦
• 寿命が長い（1000万サイクル以上）ため性能を維持

インパクトがある：

• より正確な力予測（±5% 対 ±15%）
• より優れたフィードフォワード性能
• 必要なフィードバック利得を低減する
• 低減されたスティックスリップ挙動

デザイン特徴3：対称デザイン

多くのロッドレスシリンダーは非対称な内部形状を有しており、これにより各方向で異なる動特性が生じます。これにより制御調整の労力が倍増します。.

ベプトアドバンテージ：

• 対称ポート配置とサイズ設定
• 両方向におけるシール摩擦のバランス
• 等しい有効面積（ロッド面積の差なし）

インパクトがある：

• 単一の制御ゲイン設定が両方向で機能する
• 簡略化されたゲインスケジューリング
• より予測可能な動作

設計特徴4：精密製造

サーボ空気圧制御は正確なモデルに依存する。製造上のばらつきがモデルの不一致を引き起こし、性能を低下させる。.

ベプトアドバンテージ：

• 穴公差：H7（50mm穴の場合±0.015mm）
• ガイドレールの真直度：0.02mm/m
• 生産全体にわたる一貫したシール圧縮
• 対向ベアリングセット

インパクトがある：

• モデルは現実と5-10%の範囲内で一致する
• ユニット間の一貫した性能
• 試運転時間の短縮

システムレベルの利点

これらの機能を完全なサーボ空気圧システムに組み合わせると：

パフォーマンス指標	標準シリンダー	ベプト ロッドレスシリンダー	改善
固有振動数	6 Hz	10ヘルツ	+67%
達成可能な帯域幅	2 Hz	4ヘルツ	+100%
ポジショニング精度	±2mm	±0.8mm	+60%
沈静時間	400ミリ秒	200ミリ秒	-50%
モデルの精度	±15%	±5%	+67%
摩擦変動	±20%	±8%	+60%

アプリケーションエンジニアリングサポート

サーボ空気圧アプリケーションにベプトを選べば、単なるシリンダー以上の価値を得られます：

✅ 詳細な空気圧パラメータ 正確なモデリングのために
✅ 無料制御戦略相談 (それが私と私のチームだ！）。
✅ 推奨バルブサイズ 最適なパフォーマンスのために
✅ サンプル制御コード 一般的なPLC向けに
✅ アプリケーション固有のテスト コミットする前にパフォーマンスを確認する

費用対効果分析

総システムコストと性能を比較してみましょう：

オプションA：プレミアムOEMシリンダー＋標準制御

• シリンダー費用：$2,500
• 制御工学：40時間 @ $100/時間 = $4,000
• 性能：±2mm、2 Hz帯域幅
• 合計: $6,500

オプションB：ベプトシリンダー＋最適化制御

• シリンダー費用：$1,750（30%減額）
• 制御工学：24時間 @ $100/時間 = $2,400（調整が少なくて済む）
• 性能：±0.8mm、4 Hz帯域幅
• 合計: $4,150

節約額：$2,350（36%）で性能向上

サーボ・空気圧インテグレーターがBeptoを選ぶ理由

サーボ空気圧制御が困難であることは理解しています。空気の圧縮性は根本的な物理的問題であり、完全に排除することはできませんが、最小化と補償は可能です。当社のロッドレスシリンダーは、制御を困難にする圧縮性の影響を低減するために特別に設計されています：

• 高い剛性 死腔の減少を通じて
• より予測可能な摩擦 高度なシールを通じて
• より優れたモデルの精度 精密製造を通じて
• より速い配達 (3～5日) 迅速に反復できるため
• 低コスト より良いバルブやセンサーを購入できるようになる

サーボ空気圧システムを構築する際、シリンダーは基盤となる。堅固な基盤の上に構築すれば、他のすべてが容易になる。.

Conclusion

空気の圧縮性を正確なモデリングと高度な制御戦略によって制御し、最適化されたシリンダー設計と組み合わせることで、サーボ空気圧システムは多くの用途において、サーボ電動システムに匹敵する費用対効果の高い高性能ソリューションへと変貌を遂げる。.

サーボ空気圧制御における圧縮性に関するよくある質問

1. 気体における圧力、体積、温度の関係を規定する基本的な熱力学方程式を再確認する。. ↩

2. 圧縮および膨張過程における熱伝達を記述する熱力学的指標を理解する。. ↩

3. 変化するダイナミクスを持つシステムを扱うために用いられる、この線形パラメータ可変制御技術を探求する。. ↩

4. 数学的関数が線形時不変システムにおける入力と出力の関係をどのように表現するかを学ぶ。. ↩

5. 動的プロセスモデルを用いて将来の制御動作を最適化する高度な制御手法を発見する。. ↩