ナイキストの安定判別則
閉ループ不安定極の数 $Z = N + P$
$N$: ナイキスト軌跡が(-1,0)を反時計回りに囲む回数
$P$: 開ループの右半平面(RHP)極の数
$Z = 0$ → 閉ループ安定
ゲイン余裕: $GM = 20\log_{10}\frac{1}{|G(j\omega_{pc})|}$ (dB)
位相余裕: $PM = 180° + \angle G(j\omega_{gc})$
開ループ伝達関数を選択しゲインを調整するだけで、ナイキスト線図・ボード線図をリアルタイム描画。ゲイン余裕・位相余裕・交差周波数を自動計算。
閉ループ不安定極の数 $Z = N + P$
$N$: ナイキスト軌跡が(-1,0)を反時計回りに囲む回数
$P$: 開ループの右半平面(RHP)極の数
$Z = 0$ → 閉ループ安定
ゲイン余裕: $GM = 20\log_{10}\frac{1}{|G(j\omega_{pc})|}$ (dB)
位相余裕: $PM = 180° + \angle G(j\omega_{gc})$
このシミュレーターで扱う標準形の開ループ伝達関数 $L(s)$ です。パラメータK, a, b, zは画面上のスライダーで変更できます。
$$L(s) = G(s)H(s) = K \frac{(s/z + 1)}{(s/a + 1)(s/b + 1)}$$$K$: ゲイン(定数), $z$: 零点の値, $a, b$: 極の値。ここで $s = j\omega$ (虚数単位×角周波数) を代入することで、周波数応答 $L(j\omega)$ が得られ、ナイキスト線図が描けます。
ナイキストの安定判別則。閉ループ系の安定性を、開ループの情報だけから判定できる強力な定理です。
$$Z = N + P$$$P$: 開ループ伝達関数 $L(s)$ の右半平面(実部が正)にある極の数。
$N$: ナイキスト軌跡 $L(j\omega)$ ($\omega: -\infty \to +\infty$) が点 $(-1, 0)$ を反時計回りに囲む回数。
$Z$: 求めたい閉ループ系の不安定極の数。$Z=0$ なら閉ループ系は安定です。
航空機・ドローンの姿勢制御:飛行中の機体は常に外乱(風など)を受けます。ナイキスト線図で安定余裕(GM, PM)を十分に確保することで、この外乱に対しても振動することなく安定した飛行を維持できる制御系を設計します。余裕が小さいとパイロットの操作に対して危険な振動(ピオー現象)が発生する可能性があります。
自動車のクルーズコントロール:設定した速度を維持するためのエンジンやブレーキの制御です。坂道など負荷が変動しても速度が大きくぶれないようにするため、制御系の安定性と応答性が重要です。ナイキスト線図を用いて、追従性能と安定性のバランスの取れたコントローラゲインを決定します。
ロボットアームの位置決め制御:工場の生産ラインで精密な部品を組み立てるロボットは、指定された位置に素早く、かつオーバーシュート(行き過ぎ)なく移動する必要があります。位相余裕(PM)はこの過渡応答の振動特性と強く関連しており、設計の重要な指標となります。
電力系統の安定度解析:大規模な送電網では、発電機同士の同期を保つことがシステム全体の安定性に直結します。ナイキスト判別法は、このような高次元で複雑なシステムの安定性を周波数領域で評価するための古典的かつ有効な手法として今も用いられています。
まず、「ナイキスト線図が(-1,0)を囲まなければ絶対に安定」とは限らないという点に注意だ。これはナイキストの安定判別則を適用する大前提として、開ループ系が安定(P=0)である場合の話だからだ。例えば、倒立振子のような元々不安定なプラント(P>0)を制御する場合、この前提が崩れる。シミュレーターで極`a`や`b`を負の値(右半平面に極がある状態)に設定して試してみると、話が変わってくるのがわかるよ。
次に、安定余裕の数値だけを盲信しないこと。例えば、ゲイン余裕(GM)が10dB、位相余裕(PM)が45度あれば教科書的には十分そうに見える。しかし、ナイキスト軌跡のカーブの形状が鋭く尖っていたり、(-1,0)のすぐ近くをかすめていくような形だと、モデルのわずかな誤差や外乱で簡単に不安定領域に飛び込んでしまう。このツールでKを上げ下げしながら、余裕の「質」、つまり軌跡の(-1,0)への近づき方も目視で確認する習慣をつけよう。
最後に、シミュレーターの伝達関数モデルと現実のギャップを理解しておくこと。このツールで扱っているのはごくシンプルな2次系モデルだ。実際の制御対象には、むだ時間やより高次の振動モード、非線形性が必ず含まれる。例えば、むだ時間 $e^{-Ls}$ が加わると位相がさらに遅れ、ナイキスト軌跡はらせん状に無限に回り込む。ツールで学んだ基本原理を、より現実に近い複雑なモデルへどう拡張していくかを常に考えてほしい。