拡張ラグランジュ乗数法の一種であり，分散凸最適化手法として知られるADMM（Alternating Direction Method of Multipliers）と，マルチエージェントシステムの合意制御理論を融合し，新たな「分散型ADMMアルゴリズム」を開発する．これをスマートメーターなどのIoT技術を活用する電力ネットワーク制御へ応用し，以下の(1)～(3)に関する高効率な分散制御を実現する．

（1）リアルタイムプライシングとデマンドレスポンス
・電力供給者と需要家双方の利益を最大化するため，社会的厚生関数（Social Welfare Function）を導入したリアルタイムプライシングアルゴリズムを開発する．
・再生可能エネルギーを入力信号とするデマンドレスポンスにより，電力需給の最適化を実現する．
・分散型ADMMをパワーグリッドの経済負荷配分（エコノミックディスパッチ）問題に応用し，エネルギー需給バランスを常に満たしつつ，極めて速い収束速度で大域的最適解を導出する．

（2）熱電併給（CHP：Combined Heat and Power）システムの協調制御
・燃料電池の発電効率は出力電力に対して非線形な特性を持つため，従来の凸最適化に基づくADMMでは厳密な取り扱いが困難であった．本研究では新たに「効率マッチング」の概念を導入した逐次最適化アルゴリズムを構築し，非線形な特性にも対応可能な拡張版の分散型ADMMアルゴリズムを開発する．
・実機データに基づく精緻なCHPシステムモデルを用いた協調制御シミュレーションにより，高速な収束と高い最適化効率を両立する分散アルゴリズムを確立する．

（3）V2G（Vehicle-to-Grid）バーチャルパワープラントとマイクログリッドの統合制御
・EVの充放電スケジューリングに用いられるKemptonアルゴリズムと，マルチエージェント合意制御，および分散型ADMMを統合する．これにより，EV群の蓄電池をバーチャルパワープラント（VPP）として有効活用し，マイクログリッドの最適なオペレーションを実現するアルゴリズムを開発する．

成果：

2025年度
電力ネットワーク制御（リアルタイムプライシングやデマンドレスポンス等）や，マイクログリッドにおけるピアツーピア電力取引において，全体の効用と個人の利益を両立する分散最適化手法を提案した．本手法では，最適化に必要となる各エージェントで共有すべきラグランジュ乗数を，マルチエージェント制御理論の合意制御を用いて高精度に推定することに成功した．

2024年度
電力ネットワーク制御におけるリアルタイムプライシングやデマンドレスポンス，ピアツーピア電力取引で必要となる分散最適化について，各エージェントで共有するラグランジュ乗数を，マルチエージェント制御理論の合意制御で高精度に推定する手法について成果を得た．

マルチエージェント制御における合意制御の制度の向上のためには，制御ゲインをハイゲイン化し，収束性を向上させることが不可欠となる．しかし，高ゲイン制御器を用いる場合，パケットロスや通信遅延によって合意制御が不安定化しやすくなるという問題があるため，提案手法では，合意制御コントローラをN次遅れ補償による複数ゲインに拡張して安定化領域を拡大するする手法を提案し，設計に必要な安定化条件を線形行列不等式を用いて導出した．

2023年度
電力ネットワーク制御におけるリアルタイムプライシングやデマンドレスポンス，ピアツーピア電力取引で必要となる分散最適化について，各エージェントで共有するラグランジュ乗数を，マルチエージェント制御理論の合意制御で高精度に推定する手法について成果を得た．

マルチエージェント制御における合意制御の制度の向上のためには，制御ゲインをハイゲイン化し，収束性を向上させることが不可欠となる．しかし，高ゲイン制御器を用いる場合，パケットロスや通信遅延によって合意制御が不安定化しやすくなるという問題があるため，提案手法では，合意制御コントローラをN次遅れ補償による複数ゲインに拡張して安定化領域を拡大するする手法を提案し，設計に必要な安定化条件を線形行列不等式を用いて導出した．

2022年度
蓄電池群の充放電制御，および電力ネットワークの負荷周波数制御において，時変な通信遅延と受動性を考慮した新たなマルチエージェント制御理論を提案し，電力ネットワーク制御へ応用することで次の２つの成果を得た．

(1)時変な通信遅延を考慮した蓄電池群の充放電制御
(2)受動性を用いた電力ネットワークの負荷周波数制御

成果(1)は，非対称・非一様・時変な通信遅延に対する合意制御法と安定解析の理論を提案した昨年度の研究成果を，蓄電池群の充放電制御に応用し，新たに売買電力制約に対する誤差の評価手法の提案を行うことで，蓄電池群のロバストな充放電制御を実現した．また成果(2)は，これまで我々の研究グループが研究をしてきた受動性に基づくマルチエージェントシステムのエネルギー最適化手法を，電力ネットワークの負荷周波数制御に応用して，電力ネットワークの負荷周波数制御における制御系設計の負荷を削減して安定性を保証するための制御理論を開発し，具体的な実装方法を提案した．

IoT通信ネットワークを活用して電力ネットワーク，無線センサネットワーク，交通網の制御を行う際，局所的なエージェント間の協調行動によって大域的な目標を達成できるかを検証するコンセンサス制御問題が重要となる．本研究では，通信の時間遅れや飽和などの不確かさが存在する制約付きコンセンサス問題を，グラフ構造のエッジダイナミクスを用いて冗長性のない低次元マルチエージェントシステムへと変換し，静的な非線形要素を含むルーリエ・システムのネットワークとして表現する手法を開発する．さらに，このシステム表現に基づくリアプノフ関数を構築することで，従来手法では困難であった，大域的かつ指数オーダーの収束性を達成するロバストなコンセンサス制御を実現する．

成果：

2025年度
通信ネットワークにおける時変遅延によって制御システムが不安定化する問題に対し，送信パケットの遅延時間を計測して送信元エージェントに伝達する通信プロトコルに基づき，ロジックによるパケット選択と同期を用いて高速な合意を実現する制御手法を開発した．さらに，パケット情報および制御器の構造を拡張することで，当研究室の従来研究と比較して，より保守性の低い安定条件を導出した．

2024年度
通信ネットワークにおける時変な遅延によって制御システムが不安定化する問題に対して、送信したパケットの遅延時間を計測し送信元のエージェントに伝達する通信プロトコルに基づいて、ロジックによるパケット選択と同期を用いて高速な合意を実現する制御方法を開発し、制御器の構造を拡張することで，研究室におけるこれまでの研究と比較して，より保守性の少ない安定条件を導出した。

2023年度
通信ネットワークにおける時変な遅延によって制御システムが不安定化する問題に対して、送信したパケットの遅延時間を計測し送信元のエージェントに伝達する通信プロトコルに基づいて、ロジックによるパケット選択と同期を用いて高速な合意を実現する制御方法を開発し、制御器の構造を拡張することで，研究室におけるこれまでの研究と比較して，より保守性の少ない安定条件を導出した。

2022年度
通信ネットワークにおける時変な遅延によって制御システムが不安定化する問題に対して、送信したパケットの遅延時間を計測し送信元のエージェントに伝達する通信プロトコルに基づいて、ロジックによるパケット選択と同期を用いて高速な合意を実現する制御方法を開発し、線形行列不等式による保守性の少ない安定条件を導出した。

受動性や絶対安定性，非ホロノミックシステムなどの高度な非線形制御系設計理論の構築と，その応用研究を行う．リアルタイムでのエネルギー最適化，衝突回避，および故障推定・対故障制御といった複雑な要求に対し，独自の制御理論体系を確立することで，システム全体の大域的な安定性と安全性を厳密に保証する手法を導出する．これらの理論を基盤として，電気自動車の隊列走行，ドローン，宇宙ロボットをはじめとする次世代モビリティやロボットシステムへの実装・展開を推進する．

成果：

2025年度
受動性に基づき，電気自動車の隊列走行におけるエネルギー消費の低減と，速度追従性，隊列の安定性，ならびに衝突回避を両立する制御システムを開発した．本システムでは，モーターの銅損と鉄損を考慮し，消費電力を最小化するトルク分配係数をリアルタイムに最適化することで各車両の消費エネルギーを低減する．さらに，隊列の平均速度を維持するための指令値を新たに導入した「車両分配係数」を用いて各車両へ分配するとともに，衝突回避制御を統合し，リアルタイム最適化機構や衝突回避を含むシステム全体の安定性を受動性によって保証する手法を確立した．

2024年度
受動性に基づき，電気自動車の隊列走行におけるエネルギー消費の低減と，速度追従性および隊列の安定性を両立する制御システムを開発した．本システムでは，モーターの銅損と鉄損を考慮し，消費電力を最小化するトルク分配係数をリアルタイムに最適化することで各車両の消費エネルギーを低減する．さらに，隊列の平均速度を維持するための指令値を，新たに導入した「車両分配係数」を用いて各車両へ分配し，リアルタイム最適化機構を含むシステム全体の安定性を受動性によって保証する手法を確立した．

2023年度
受動性を用いて電気自動車の隊列走行におけるエネルギー消費の低減化と，速度追従性・隊列の安定性を両立する制御システムについて成果を得た．
モーターの銅損と鉄損を考慮し，消費電力を最小化するトルク分配係数をリアルタイムに最適化をすることで車両の消費エネルギーを低減化し，隊列の平均速度を維持するために必要な指令値を新たに導入した車両分配係数を用いて各車両に分配して，リアルタイム最適化を含む制御系を統合した制御系全体の安定性を受動性を用いて保証する電気自動車隊列制御システムを開発した．

2019年度
適応制御系設計理論の研究を行い，電気自動車における受動性の考慮や，ドローンにおけるアクチュエータの非線形性の補償といった課題を解決するとともに，非ホロノミック拘束とホロノミック拘束が混在するシステムの制御理論を構築し，
(1)電気自動車
(2)ドローン
(3)モバイルマニピュレータの位置と力のハイブリッド制御
(4)柔軟アームを有する平面宇宙ロボットの適応制御
へ応用した．

ウェルビーイングの実現に向けて，人の意図や情動を高精度に推定し，個人の状態に最適化された支援を行うメンタルアシストシステムを構築する．具体的には，脳波や生体信号の解析に基づき情動モデルを確立し，強化学習を用いて個人の特性へ動的に適応する制御手法を導出する．さらに，制御理論に基づく独自のアプローチでシステムの大域的安定性と安全性を保証し，実環境での実験を通じて，メンタルのポジティブ化およびアシスト制御の有効性を実証する．

成果：

2025年度
脳波のデコーディングによる人の情動推定手法，およびその推定結果に基づく情動制御手法を開発した．推定手法においては，ラッソ回帰を用いてスパースな重みを導出することで有効な脳波計測電極を選択し，情動と相関の強い周波数の瞬時振幅比を用いることで，ラッセルの円環モデル上の情動状態を推定する方法を提案した．さらに，この推定された情動状態に対し，強化学習と2自由度制御に基づく最適制御を適用することで，人の情動を望ましい状態へ制御する手法を確立した．

2024年度
脳波をデコーディングして，人の情動を推定する手法を開発した．脳波を計測する電極の中から，ラッソ回帰によるスパースな重みの導出により必要な電極を選択し，情動と相関が大きい周波数の瞬時振幅の比から，ラッセルの円環図で表される情動を推定する方法を提案した．

2023年度
脳波をデコーディングして，人の情動を推定する手法を開発した．脳波を計測する電極の中から，ラッソ回帰によるスパースな重みの導出により必要な電極を選択し，情動と相関が大きい周波数の瞬時振幅の比から，ラッセルの円環図で表される情動を推定する方法を提案した．