適応制御とロケット飛行制御

はじめに

ロケットは飛行中に劇的に特性が変化するシステムだ。推進剤の消費により質量は数分の一に減少し、慣性モーメントや重心位置が刻々と変動する。大気密度の変化、風外乱、エンジン推力のばらつき――これらの不確実性に対して、固定ゲインの制御器では最適な性能を維持できない。

適応制御（Adaptive Control）は、プラント（制御対象）のパラメータ変動や未知の外乱に対して、制御器自身がリアルタイムにパラメータや構造を調整する制御手法だ。本記事では、ロケット制御における適応制御の理論と応用を解説する。

なぜロケットに適応制御が必要か

飛行中のパラメータ変動

ロケットの制御対象パラメータは飛行中に大きく変化する。

パラメータ	変動範囲	影響
機体質量	初期の1/3〜1/10に減少	制御ゲインへの直接影響
重心位置	数m移動	TVC制御モーメントの変化
慣性モーメント	数倍変化	姿勢応答特性の変化
空力係数	マッハ数で大幅変動	安定性・操縦性の変化
エンジン推力	±数%のばらつき	制御力の変動
スロッシング特性	液面低下で周波数変化	構造モード結合の変化

ゲインスケジューリングの限界

伝統的なロケット制御では、ゲインスケジューリング（Gain Scheduling）が広く使われている。飛行プロファイルに沿って事前に計算した制御ゲインのテーブルを搭載し、飛行時間や計測値に応じて切り替える手法だ。

ゲインスケジューリングの限界： – 設計点間の補間が必ずしも最適でない – 予期しないパラメータ変動（エンジン異常等）に対応できない – 設計工数が大きい（多数の設計点で制御器を設計する必要がある） – 安定性の理論的保証が難しい（補間のロバスト性）

適応制御はこれらの限界を克服し、オンラインでパラメータ変動に追従する能力を持つ。

適応制御の基本フレームワーク

直接適応制御 vs 間接適応制御

直接適応制御（Direct Adaptive Control） 制御器のパラメータを直接調整する。プラントモデルの同定を明示的に行わない。

基準モデル出力 ─┐
                ├── 追従誤差 → 適応則 → 制御器パラメータ更新
プラント出力 ───┘

間接適応制御（Indirect Adaptive Control） まずプラントパラメータを推定（System Identification）し、推定結果に基づいて制御器を再設計する。

プラント入出力 → パラメータ推定器 → 推定モデル → 制御器再設計 → 制御入力

MRAC（Model Reference Adaptive Control）

MRACは直接適応制御の代表的手法であり、ロケット制御への応用研究が最も盛んだ。

基本構造： 1. 基準モデル（Reference Model）：望ましい応答特性を定義 2. 制御器：可変パラメータを持つフィードバック制御器 3. 適応則：追従誤差を最小化するようパラメータを更新

MIT則（最も基本的な適応則）：

パラメータ更新をθ̇ = −γ · e · ∂e/∂θで行う。γは適応ゲインであり、大きすぎると不安定、小さすぎると追従が遅い。

Lyapunov安定性に基づく適応則：

MIT則の安定性を理論的に保証するために、Lyapunov関数を用いた適応則が使用される。追従誤差と推定パラメータ誤差を含むLyapunov関数の時間微分が非正になるよう適応則を設計することで、漸近安定性が保証される。

L1適応制御

概要

L1適応制御は、2000年代にイリノイ大学のNaira Hovakimyanらにより提唱された適応制御アーキテクチャであり、ロケット制御で特に注目されている。

従来のMRACでは、高速適応（大きな適応ゲイン）がシステムの高周波不安定性を引き起こす問題があった。L1適応制御は、適応速度とロバスト性を分離（Decoupling）することでこの問題を解決する。

アーキテクチャ

L1適応制御は3つの要素で構成される：

状態予測器（State Predictor）：適応パラメータを含むプラントモデル
適応則（Adaptation Law）：予測誤差を最小化するパラメータ更新（高速）
制御則（Control Law）：ローパスフィルタを含むフィードバック則

状態予測器 ─── 予測誤差 ─── 適応則（高速更新）
    │                           │
    └── 推定パラメータ ─── 制御則 ─── ローパスフィルタ ─── 制御入力

ローパスフィルタが核心的な要素であり、適応パラメータの高周波成分をフィルタリングすることで、アクチュエータの帯域外の指令を除去し、ロバスト性を確保する。

ロケットへの適用

L1適応制御はNASAの複数のプログラムで研究・飛行実証されている。

NASA Ares I / SLS NASAマーシャル宇宙飛行センターは、SLSの上段制御にL1適応制御の適用を研究している。推力のばらつき、質量特性の不確実性、風外乱に対する適応能力が評価されている。

X-36 / 無人航空機 L1適応制御は無人航空機での飛行試験で実証されており、翼の損傷時にもリアルタイムに適応して飛行を継続する能力が示されている。

自己チューニングレギュレータ（STR）

間接適応制御の実装

STR（Self-Tuning Regulator）は間接適応制御の代表的手法だ。

オンラインシステム同定：逐次最小二乗法（RLS）やカルマンフィルタでプラントパラメータをリアルタイム推定
制御器設計：推定されたモデルに基づいて極配置やLQR等の制御器を再設計
確実性等価原則：推定パラメータを真値として制御器を設計する

ロケット制御への課題

STRのロケット応用にはいくつかの課題がある。

持続的加振の必要性：パラメータ推定にはシステムの十分な加振（Persistent Excitation）が必要だが、ロケットでは意図的な加振は好ましくない
推定の収束時間：急激なパラメータ変動に対して推定が追いつかない場合がある
確実性等価の問題：推定パラメータの不確実性を無視した制御器設計のリスク

ロケット制御における適応制御の実践

エンジン異常への適応

多エンジン構成のロケット（Falcon 9の9基Merlinエンジン等）では、1基のエンジンが故障した場合に残りのエンジンで飛行を継続する能力が求められる。

適応制御によるエンジンアウト対応： 1. エンジン故障の検知 2. 推力配分（Thrust Allocation）の再計算 3. 制御ゲインの適応的調整 4. 誘導軌道の再計算

Falcon 9は実際にエンジン1基故障状態での軌道投入に成功した事例がある（2012年のCRS-1ミッション）。

着陸制御への適応

再使用ロケットの着陸では、残推進剤量・風速・エンジン性能のばらつきが毎回異なる。適応制御はこれらの不確実性に対するロバスト性を向上させる。

スロッシングパラメータの適応推定

推進剤スロッシングの周波数と減衰率は液面高さに依存して変動する。適応制御でスロッシングパラメータをリアルタイム推定し、ノッチフィルタの中心周波数を追従させる研究がある。

ゲインスケジューリングとの比較

項目	ゲインスケジューリング	適応制御
設計方法	オフラインで多数の設計点	オンライン自動調整
未知の変動への対応	設計範囲外は非対応	リアルタイム適応可能
安定性保証	各設計点で保証（補間は未保証）	Lyapunov理論で理論保証可能
実装の成熟度	非常に高い（数十年の実績）	飛行実証は限定的
認証の容易さ	容易（固定テーブル）	困難（動的パラメータ変動）
計算負荷	低い	中程度〜高い

実用的なアプローチ

現実のロケット制御では、ゲインスケジューリングをベースとしつつ、適応制御で補強するハイブリッドアプローチが有望だ。

ゲインスケジューリングで公称性能を確保
適応制御で公称モデルからの逸脱を補償
適応パラメータに上下限を設けて安全性を確保

認証と安全性

適応制御の認証課題

適応制御の最大の課題は認証（Certification）だ。制御器のパラメータが飛行中に変化するため、従来の「固定制御器を全条件で検証する」アプローチが適用できない。

テスト空間の爆発：適応パラメータの全組み合わせをテストすることは不可能
予測不可能な挙動：未知の外乱に対する適応結果の事前予測が困難
安全性の保証：適応則が誤った方向にパラメータを更新するリスク

対策

パラメータの上下限（Projection）：適応パラメータを物理的に妥当な範囲に制限
Lyapunov安定性証明：理論的な安定性保証
Monte Carloシミュレーション：統計的な性能・安定性検証
適応制御の限定的使用：基本制御はゲインスケジューリング、適応は微調整のみ

まとめ

適応制御はロケットの飛行中パラメータ変動に対する根本的な解決策を提供する。特にL1適応制御は、適応速度とロバスト性のトレードオフを解決した画期的なアーキテクチャとして、NASAをはじめとする宇宙機関で研究が進んでいる。

しかし、認証の課題は依然として大きく、完全な適応制御への移行は段階的に進むだろう。ゲインスケジューリングとの組み合わせによるハイブリッドアプローチが、当面のロケット制御における現実的な適応制御の活用方法だ。