JP2021006996A - Method for designing control system - Google Patents
Method for designing control system Download PDFInfo
- Publication number
- JP2021006996A JP2021006996A JP2020107560A JP2020107560A JP2021006996A JP 2021006996 A JP2021006996 A JP 2021006996A JP 2020107560 A JP2020107560 A JP 2020107560A JP 2020107560 A JP2020107560 A JP 2020107560A JP 2021006996 A JP2021006996 A JP 2021006996A
- Authority
- JP
- Japan
- Prior art keywords
- controller
- control
- plant
- control system
- design
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 claims abstract description 80
- 238000005094 computer simulation Methods 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000013459 approach Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 abstract description 7
- 239000007788 liquid Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
Description
本発明は、制御系の設計方法に関する。 The present invention relates to a control system design method.
従来、制御対象の経年劣化等による特性変化に対応できる安定的（ロバスト）な制御器の設計方法が種々開発されてきた。制御対象をモデル化し、モデルの経時変化によるシステム変動に対して安定となる固定パラメータを有する制御器を設計する手法では、システムの安定性を確保できるが、システム変動によって制御性能が劣化する。 Conventionally, various methods for designing a stable (robust) controller that can respond to changes in characteristics due to aging deterioration of the controlled object have been developed. A method of modeling a controlled object and designing a controller having fixed parameters that are stable against system fluctuations due to changes in the model over time can ensure system stability, but control performance deteriorates due to system fluctuations.
一方、制御性能の劣化を抑制できる制御器の設計方法として、適応調節機構を備える適応学習制御器の設計方法が開発されている。具体的には、適応調節機構が、制御系の測定パラメータに基づいて、制御パラメータをオンラインで調節することにより、常に所望の動作を達成する。 On the other hand, as a method for designing a controller capable of suppressing deterioration of control performance, a method for designing an adaptive learning controller having an adaptive adjustment mechanism has been developed. Specifically, the adaptive regulation mechanism always achieves the desired operation by adjusting the control parameters online based on the measurement parameters of the control system.
また、このような適応調節機構の中には、制御対象の数学モデルを構築することなく、蓄積された制御系のパラメータを含むデータセット群に基づいて動作するものもある（例えば、特許文献１）。 In addition, some of such adaptive adjustment mechanisms operate based on a data set group including accumulated control system parameters without constructing a mathematical model to be controlled (for example, Patent Document 1). ).
適応調節機構を備える適応学習制御器は、所望の制御特性を達成し続けるため、常に適応調節機構を働かせるので、動作の安定性が担保できず、実装することが難しい。したがって、既に設計が完了している制御対象、特に、自動車のように複雑なユニットの複合体として設計された制御対象に対して、制御特性のよい制御器を設計することは難しい。 Since the adaptive learning controller provided with the adaptive adjustment mechanism keeps achieving the desired control characteristics, the adaptive adjustment mechanism is always activated, so that the stability of operation cannot be guaranteed and it is difficult to implement it. Therefore, it is difficult to design a controller having good control characteristics for a control target whose design has already been completed, particularly a control target designed as a complex of complex units such as an automobile.
本発明は、上述の事情に鑑みてなされたものであり、複雑な制御対象であっても、システムパラメータの変化に対して制御性能の低下を抑制することができる制御系の設計方法を提供することを目的とする。 The present invention has been made in view of the above circumstances, and provides a method for designing a control system capable of suppressing a decrease in control performance with respect to changes in system parameters even for a complicated control target. The purpose is.
上記目的を達成するために、この発明に係る制御系の設計方法は、
コントローラモデルとプラントモデルとを含む制御系のシミュレーションモデルを作成し、コンピュータシミュレーションによって制御器を設計するモデルベース設計において、
前記制御器は、前記制御器の特性を表すコントローラパラメータ、制御対象の特性を表すプラントパラメータ及び制御出力を含む複数のデータセットからなるデータセット群に基づいて学習されるデータベース駆動型制御器として設計される。
In order to achieve the above object, the control system design method according to the present invention is:
In model-based design, in which a control system simulation model including a controller model and a plant model is created and a controller is designed by computer simulation.
The controller is designed as a database-driven controller that is trained based on a data set group consisting of a plurality of data sets including a controller parameter representing the characteristics of the controller, a plant parameter representing the characteristics of a controlled object, and a control output. Will be done.
また、前記制御対象は、補償要素を含み、
前記補償要素は、前記プラントパラメータと、制御入力と、制御出力とを含む複数のプラントデータセットからなるプラントデータセット群に基づいて学習される、データベース駆動型アプローチによって設計される、
こととしてもよい。
Further, the control target includes a compensation element, and includes a compensation element.
The compensation element is designed by a database-driven approach, which is learned based on a plant dataset set consisting of a plurality of plant datasets including the plant parameters, control inputs, and control outputs.
It may be that.
また、前記補償要素は、
前記プラントモデルが、予め定められた理想特性との誤差を表す評価関数を最小化するように設計される、
こととしてもよい。
In addition, the compensation element is
The plant model is designed to minimize the evaluation function that represents the error from a predetermined ideal characteristic.
It may be that.
また、前記補償要素は、
固定パラメータによって表される受動要素としてモデル化される、
こととしてもよい。
In addition, the compensation element is
Modeled as a passive element represented by a fixed parameter,
It may be that.
また、前記プラントモデルを含む複数の制御ユニットからなる統合システムにおいて、前記制御ユニットの機能目標を設定する機能目標設定ステップと、
前記機能目標を、
プラント設計によって達成するか、
プラント設計及び固定制御器設計によって達成するか、
プラント設計及びデータベース駆動型制御器設計によって達成するか、を選択する選択ステップと、を含み、
少なくとも１つの前記制御ユニットは、
請求項１から４のいずれか一項に記載の設計方法で設計されるデータベース駆動型制御器を備える、
こととしてもよい。
Further, in an integrated system including a plurality of control units including the plant model, a functional goal setting step for setting a functional goal of the control unit and a functional goal setting step
The functional goal,
Achieved by plant design
Achieved by plant design and fixed controller design
Includes selection steps to choose whether to achieve by plant design and database driven controller design,
At least one said control unit
A database-driven controller designed by the design method according to any one of claims 1 to 4.
It may be that.
本発明の制御系の設計方法によれば、コントローラパラメータ、プラントパラメータ及び制御出力を含む複数のデータセットからなるデータセット群に基づいて、コントローラモデル及びプラントモデルを設計するので、複雑な制御対象であっても、システムパラメータの変化に対して制御性能の低下を抑制できる制御系を設計することが可能である。 According to the control system design method of the present invention, the controller model and the plant model are designed based on the data set group consisting of a plurality of data sets including the controller parameter, the plant parameter and the control output, so that the control target is complicated. Even if there is, it is possible to design a control system that can suppress a decrease in control performance in response to changes in system parameters.
以下、図を参照しつつ、本発明の実施の形態に係る制御系の設計方法について説明する。 Hereinafter, a control system design method according to an embodiment of the present invention will be described with reference to the drawings.
（実施の形態１）
本実施の形態に係る制御系の設計方法では、モデルベース設計の手法にデータベース駆動型アプローチを適用して、制御器の設計を行う。また、本実施の形態に係る制御系の設計方法では、データベース駆動型アプローチによって、制御対象の特性改善を行う。
(Embodiment 1)
In the control system design method according to the present embodiment, the controller is designed by applying the database-driven approach to the model-based design method. Further, in the control system design method according to the present embodiment, the characteristics of the controlled object are improved by a database-driven approach.
図１のフローチャートに示すように、本実施の形態に係る制御系の設計方法は、制御対象の特性改善を行うプラント設計ステップと、制御器１１の設計を行うコントローラ設計ステップとを含む。 As shown in the flowchart of FIG. 1, the control system design method according to the present embodiment includes a plant design step for improving the characteristics of the controlled object and a controller design step for designing the controller 11.
まず、プラント設計ステップとして、モデルベース設計においてコンピュータシミュレーションに用いるプラントモデルの最適化が行われる。 First, as a plant design step, the plant model used for computer simulation in model-based design is optimized.
具体的には、制御対象の特性を表すプラントモデルを作成する（ステップＳ１１）。本実施の形態では、図２に示す液位制御系１を設計する場合を例として説明する。 Specifically, a plant model representing the characteristics of the controlled object is created (step S11). In the present embodiment, a case where the liquid level control system 1 shown in FIG. 2 is designed will be described as an example.
図２に示すように、本例の液位制御系１は、タンク高さＨ、断面積Ｃのタンク２１に、ポンプ１３から流入流量ｑ１（ｔ）で水を流入させる。また、タンク２１の下面部に設けられた２つの流出孔２１ａ、２１ｂから、それぞれ流出流量ｑ２（ｔ）、ｑ３（ｔ）でタンク２１内の水が流出する。これらの条件の下で、制御器１１によって、ポンプ１３からの流入流量ｑ１（ｔ）を操作して、タンク２１の液位ｈ（ｔ）を制御する場合を考える。 As shown in FIG. 2, the liquid level control system 1 of this example causes water to flow from the pump 13 into the tank 21 having a tank height H and a cross-sectional area C at an inflow flow rate q 1 (t). Further, the water in the tank 21 flows out from the two outflow holes 21a and 21b provided on the lower surface of the tank 21 at the outflow flows rates q 2 (t) and q 3 (t), respectively. Under these conditions, consider a case where the controller 11 operates the inflow flow rate q 1 (t) from the pump 13 to control the liquid level h (t) of the tank 21.
この場合、制御対象の特性は、流入流量ｑ１（ｔ）、制御量（プラント出力）である液位ｈ（ｔ）、操作量である流入流量ｑ１（ｔ）、流出流量ｑ２（ｔ）を規定する流量抵抗Ｒ１、流出流量ｑ３（ｔ）を規定する流量抵抗Ｒ２、を用いて、以下の式のように表される。 In this case, the characteristics of the controlled object are the inflow flow rate q 1 (t), the controlled amount (plant output), the liquid level h (t), the manipulated amount, the inflow flow rate q 1 (t), and the outflow flow rate q 2 (t). flow resistance R 1 defining a), the flow resistance R 2 which defines the outflow rate q 3 (t), using, is expressed by the following equation.
続いて、制御器１１による制御対象の制御特性を向上させるため、プラントモデルの最適化を行う。すなわち、通常、経年劣化による特性変化等の非線形要素を含む制御対象の特性を、予め定められた理想特性に近づけるように、補償要素２２の追加及び特性評価を行う。理想特性は、例えば、線形特性であり制御対象の特性が変化した場合であっても制御器１１による制御がより容易となるように設定される特性である。 Subsequently, the plant model is optimized in order to improve the control characteristics of the control target by the controller 11. That is, usually, the compensation element 22 is added and the characteristic evaluation is performed so that the characteristic of the controlled object including the non-linear element such as the characteristic change due to aging deterioration approaches the predetermined ideal characteristic. The ideal characteristic is, for example, a linear characteristic and is a characteristic that is set so that control by the controller 11 becomes easier even when the characteristic of the controlled object changes.
具体的には、ステップＳ１１で作成したプラントモデルに、調整可能な要素を補償要素２２として追加する（ステップＳ１２）。補償要素２２の追加は、制御対象において調整可能な可変要素をモデル化することにより行う。 Specifically, an adjustable element is added as a compensation element 22 to the plant model created in step S11 (step S12). The compensation element 22 is added by modeling a variable element that can be adjusted in the controlled object.
例えば、タンク高さＨ等のタンク形状、ポンプ１３からの流入流量ｑ１（ｔ）は、設計上の制約等から、既に決定されているものとする。そして、図２に示すように、流出孔２１ａに、流出流量ｑ２（ｔ）を可変とし、流量抵抗をＲ１（ｔ）とする排出バルブを補償要素２２として追加する。 For example, it is assumed that the tank shape such as the tank height H and the inflow flow rate q 1 (t) from the pump 13 have already been determined due to design restrictions and the like. Then, as shown in FIG. 2, an discharge valve having a variable outflow flow rate q 2 (t) and a flow rate resistance of R 1 (t) is added to the outflow hole 21a as a compensation element 22.
ここで、本実施の形態に係る補償要素２２は、制御入力である操作量ｕに影響を及ぼす能動要素ではなく、制御対象の内部特性として制御出力に影響を及ぼす要素であることから、半受動要素と呼ぶ。 Here, since the compensation element 22 according to the present embodiment is not an active element that affects the manipulated variable u, which is a control input, but an element that affects the control output as an internal characteristic of the controlled object, it is semi-passive. Called an element.
補償要素２２は、制御対象によって適宜設定することができ、例えば、自動車のように様々なユニットが組み合わされて構成される複雑な制御対象において、その一部であるサスペンション特性等、追加可能な可変要素を採用することができる。 The compensation element 22 can be appropriately set depending on the control target, and for example, in a complicated control target formed by combining various units such as an automobile, the suspension characteristics which are a part thereof can be added. Elements can be adopted.
続いて、作成したプラントモデルに対して、入力であるポンプ１３からの流入流量ｑ１（ｔ）、半受動要素である排出バルブの流量抵抗Ｒ１を変化させつつ、出力である液位ｈをコンピュータシミュレーションによって算出する。これにより、所望の入出力特性のデータ、すなわちプラントパラメータである流出流量ｑ２（ｔ）、ｑ３（ｔ）、制御入力であるｑ１（ｔ）、制御出力である液位ｈを含むプラントデータセットを得る（ステップＳ１３）。ステップＳ１３で得られた複数のプラントデータセットからなるプラントデータセット群は、データベース１２に記憶される。 Subsequently, for the created plant model, the inflow flow rate q 1 (t) from the pump 13 which is the input and the flow rate resistance R 1 of the discharge valve which is the semi-passive element are changed, and the liquid level h which is the output is changed. Calculated by computer simulation. As a result, the plant includes data of desired input / output characteristics, that is, outflow flow rate q 2 (t) and q 3 (t) which are plant parameters, q 1 (t) which is a control input, and liquid level h which is a control output. Obtain the data set (step S13). The plant data set group including the plurality of plant data sets obtained in step S13 is stored in the database 12.
補償要素２２である排出バルブの流量抵抗Ｒ１は、データベース駆動型アプローチにより、プラントデータセット群に基づいて学習される（ステップＳ１４）。学習は、予め定められた評価関数を用いて行われる。 Flow resistance R 1 of the exhaust valve is compensating element 22, the database-driven approach, it is learned on the basis of the plant data set group (step S14). Learning is performed using a predetermined evaluation function.
評価関数は、例えば、以下の式で表される理想特性ｙｒと補償要素２２を追加した場合の特性ｙ＊との誤差Ｊを最小化するように設定する。
操作量ｕと出力ｙ（＝ｈ）との関係の例を図３に示す。図３の例に示すように、補償要素２２を追加する前の特性と比較して、補償要素２２を追加した制御対象の特性ｙ＊は、より線形の理想特性ｙｒに近づいており、制御器１１による制御が容易で、制御対象の経年劣化等による特性変化が生じる場合であっても制御性能を高めることができる。 An example of the relationship between the manipulated variable u and the output y (= h) is shown in FIG. As shown in the example of FIG. 3, as compared to the characteristics before adding the compensation element 22, characteristics of the controlled object which adds the compensation element 22 y * is closer to a more linear ideal characteristic y r, control The control by the device 11 is easy, and the control performance can be improved even when the characteristics of the controlled object change due to aged deterioration or the like.
また、補償要素２２を現実の制御対象で実現する際、設計上の制約から、可変構造とすることが難しい場合（ステップＳ１５のＮＯ）には、モデルベースのコンピュータシミュレーション結果と評価関数とに基づいて、適正な固定のプラントパラメータを有する要素として実現してもよい。すなわち、制御対象内部の特性を可変とする半受動要素から、図４に示すように、固定パラメータによって表される特性を有する受動要素に置き換える受動要素化を行う（ステップＳ１６）。 Further, when the compensation element 22 is realized by an actual control target and it is difficult to make it a variable structure due to design restrictions (NO in step S15), it is based on a model-based computer simulation result and an evaluation function. It may be realized as an element having an appropriate fixed plant parameter. That is, as shown in FIG. 4, the semi-passive element that makes the characteristics inside the controlled object variable is replaced with the passive element having the characteristics represented by the fixed parameters (step S16).
これにより、実機作成前に行うモデルベース設計において、データベース駆動型アプローチの手法を用いて、容易に制御対象の開ループ特性を改善することができるので、制御器１１と制御対象とを含む制御系の制御特性を向上させることが可能となる。言い換えれば、モデルベース設計において、制御特性を向上させる制御対象の設計の改善を容易に行うことができる。 As a result, in the model-based design performed before the actual machine is created, the open-loop characteristics of the controlled object can be easily improved by using the database-driven approach method, so that the control system including the controller 11 and the controlled object can be easily improved. It is possible to improve the control characteristics of. In other words, in the model-based design, it is possible to easily improve the design of the controlled object that improves the control characteristics.
現実の制御対象をシミュレーションと同様に可変構造とすることが可能な場合（ステップＳ１５のＹＥＳ）には、学習された半受動要素としての補償要素２２を、可変要素として実現すればよい。 When the actual controlled object can have a variable structure as in the simulation (YES in step S15), the compensated element 22 as the learned semi-passive element may be realized as the variable element.
続いて、コントローラ設計ステップとして、プラント設計ステップで設計された制御対象のシミュレーションモデルであるプラントモデルと、制御器１１のシミュレーションモデルであるコントローラモデルとからなる制御系モデルを作成し（ステップＳ１７）、コントローラの設計を行う。 Subsequently, as a controller design step, a control system model including a plant model which is a simulation model of a controlled object designed in the plant design step and a controller model which is a simulation model of the controller 11 is created (step S17). Design the controller.
制御器１１の構造は特に限定されないが、本実施の形態に係る制御器１１は、ＰＩＤ制御器である。制御器１１は、データベース駆動型アプローチの手法を用いて設計される。具体的には、制御出力である液位ｈ（ｔ）、流入流量ｑ１（ｔ）、プラントパラメータである流出流量ｑ２（ｔ）、ｑ３（ｔ）、コントローラパラメータであるＰＩＤゲインＫＰ（ｔ），ＫＩ（ｔ），ＫＤ（ｔ）を含む、以下の式で表されるデータセットΦ（ｔ）を用いたデータ駆動型制御器として設計される。 The structure of the controller 11 is not particularly limited, but the controller 11 according to the present embodiment is a PID controller. The controller 11 is designed using a database-driven approach. Specifically, the control output is the liquid level h (t), the inflow flow rate q 1 (t), the plant parameters the outflow flow rate q 2 (t), q 3 (t), and the controller parameter PID gain K P. (t), K I (t ), K includes a D (t), it is designed as a data-driven controller with data sets [Phi (t) represented by the following formula.
データセットΦ（ｔ）は、過去の操業データまたはコンピュータシミュレーションに基づくものであり、複数のデータセットΦ（ｔ）からなるデータセット群が、データベース１２に記憶されている。制御器１１は、予め定められた制御則に従って、例えばJust-in-Timeアプローチによって最適なコントローラパラメータを抽出するように学習される（ステップＳ１８）。そして、制御器１１は、ポンプ１３を制御することで、制御系として、所望の性能を達成する（図５）。 The data set Φ (t) is based on past operation data or computer simulation, and a data set group including a plurality of data sets Φ (t) is stored in the database 12. The controller 11 is learned to extract the optimum controller parameters according to a predetermined control rule, for example, by a Just-in-Time approach (step S18). Then, the controller 11 controls the pump 13 to achieve a desired performance as a control system (FIG. 5).
上記のように、制御器１１をデータベース駆動型制御器とすることにより、プラントの経時劣化による特性変化に対しても適当な制御性能を達成する制御性能を維持することができる。また、複雑な構造の制御対象に対しても、制御器１１を容易に設計することができる。 As described above, by using the controller 11 as a database-driven controller, it is possible to maintain the control performance that achieves an appropriate control performance even when the characteristics of the plant change with time. Further, the controller 11 can be easily designed even for a controlled object having a complicated structure.
図６（Ａ）のグラフに示すように、固定パラメータによるＰＩ制御器では、コントローラパラメータの設計によっては、制御対象の非線形性等から応答が不安定となる場合がある。一方、図６（Ｂ）のグラフに示すように、本実施の形態に係るデータベース駆動型アプローチによる制御器１１では、容易に特性のよい制御系を設計することができる。 As shown in the graph of FIG. 6A, in the PI controller with fixed parameters, the response may become unstable due to the non-linearity of the controlled object or the like depending on the design of the controller parameters. On the other hand, as shown in the graph of FIG. 6B, the controller 11 based on the database-driven approach according to the present embodiment can easily design a control system having good characteristics.
以上、説明したように、本発明に係る制御系の設計方法によれば、モデルベース設計において、コントローラパラメータ、プラントパラメータ及び制御出力を含む複数のデータセットからなるデータセット群に基づいて、データベース駆動型アプローチでコントローラモデルを設計するので、複雑な制御対象であっても、プラントパラメータを含むシステムパラメータの変化に対して制御性能の低下を抑制できる制御系を設計することが可能である。 As described above, according to the control system design method according to the present invention, in model-based design, a database is driven based on a data set group consisting of a plurality of data sets including controller parameters, plant parameters, and control outputs. Since the controller model is designed by the type approach, it is possible to design a control system that can suppress a decrease in control performance against changes in system parameters including plant parameters even for complicated control targets.
また、モデルベース設計において、プラントモデルに可変の補償要素２２を追加して、データベース駆動型アプローチによる制御特性の改善を行うことにより、設計段階で制御特性を考慮した設計を行うことができるので、制御特性のよい制御系を設計することが可能である。 Further, in the model-based design, by adding a variable compensation element 22 to the plant model and improving the control characteristics by the database-driven approach, it is possible to design in consideration of the control characteristics at the design stage. It is possible to design a control system with good control characteristics.
本実施の形態ではコンピュータシミュレーションによりプラントデータセット及びデータセットを得ることとしたが、過去の操業データに基づくプラントデータセット及びデータセットを用いることとしてもよい。これにより、より現実に近いデータで制御系を設計することができる。また、過去の操業データを蓄積しておくことにより、コンピュータシミュレーションによるデータ収集の手間を省略することができる。 In the present embodiment, the plant dataset and the dataset are obtained by computer simulation, but the plant dataset and the dataset based on the past operation data may be used. This makes it possible to design a control system with data that is closer to reality. In addition, by accumulating past operation data, it is possible to save the trouble of collecting data by computer simulation.
また、本実施の形態では、Just-in-Timeアプローチを用いて、制御器１１を学習させることとしたが、これに限られない。例えば、ニューラルネットワークを用いた機械学習に基づく手法であってもよい。これにより、過去の入出力データをデータベース１２に格納することなく、各ニューロンの重み係数を学習することによってJust-in-Timeと同様の効果を得ることができる。 Further, in the present embodiment, the controller 11 is trained by using the Just-in-Time approach, but the present invention is not limited to this. For example, it may be a method based on machine learning using a neural network. As a result, the same effect as Just-in-Time can be obtained by learning the weighting coefficient of each neuron without storing the past input / output data in the database 12.
また、本実施の形態では、制御器１１としてＰＩＤ制御器を用いることとしたが、これに限られない。例えば、状態フィードバック制御器でもよい。状態フィードバック制御の導入により、ＰＩＤ制御では十分な制御性能の獲得が困難な高次システムに対しても、制御性能を達成することが可能となる。 Further, in the present embodiment, the PID controller is used as the controller 11, but the present invention is not limited to this. For example, it may be a state feedback controller. With the introduction of state feedback control, it becomes possible to achieve control performance even for higher-order systems in which it is difficult to obtain sufficient control performance by PID control.
（実施の形態２）
上記実施の形態１では、コントローラモデルとプラントモデルとを含む、１つの制御系について、データベース駆動型制御器を設計することとしている。しかしながら、多くの制御システムでは、要素ごとに分けてプラントモデルを構築し、これらが統合された統合システムとして全体の制御が行われる。
(Embodiment 2)
In the first embodiment, the database-driven controller is designed for one control system including the controller model and the plant model. However, in many control systems, a plant model is constructed separately for each element, and overall control is performed as an integrated system in which these are integrated.
統合システムでは、プラントを含む制御ユニットごとに、適切な制御方法を選択し、設計することが求められる。以下、複数の制御ユニットからなる統合システムに係る制御系の設計方法について具体的に説明する。 In the integrated system, it is required to select and design an appropriate control method for each control unit including the plant. Hereinafter, a control system design method for an integrated system composed of a plurality of control units will be specifically described.
本実施の形態に係る制御対象は、例えば、図７に示す掃除ロボットのように、複数の制御ユニットが統合されたシステム（統合システム）として表される。図８のフローチャートに示すように、本実施の形態に係る制御系の設計方法では、まず、機能目標設定ステップとして、各制御ユニットの機能目標を設定する（ステップＳ３１）。 The control target according to the present embodiment is represented as a system (integrated system) in which a plurality of control units are integrated, such as the cleaning robot shown in FIG. 7. As shown in the flowchart of FIG. 8, in the control system design method according to the present embodiment, first, the functional goal of each control unit is set as the functional goal setting step (step S31).
図７に示すように、機能目標は、統合システムとしての理想動作モデルに基づいて、各ユニットの理想機能を設定することによって表される。また、機能目標は、各制御ユニットとして、適切なプラントモデルを作成可能な単位で設定される。したがって、複数段階の目標設定により各制御ユニットの機能目標が設定されることとしてもよい。 As shown in FIG. 7, the functional goal is expressed by setting the ideal function of each unit based on the ideal operation model as an integrated system. In addition, functional goals are set in units where an appropriate plant model can be created for each control unit. Therefore, the functional goals of each control unit may be set by setting goals in a plurality of stages.
より具体的には、統合システムとしての掃除ロボットの理想動作を実現するために、バッテリマネジメントユニット、走行制御ユニット等の理想機能が設定される。そして、バッテリマネジメントユニットを構成する制御ユニットとして、モニタリング・診断ユニット、回生ユニット等があり、制御ユニットごとに理想機能が設定される。制御ユニットであるモニタリング・診断ユニットは、プラントとしてのバッテリ等を含む。 More specifically, in order to realize the ideal operation of the cleaning robot as an integrated system, ideal functions such as a battery management unit and a traveling control unit are set. The control units that make up the battery management unit include a monitoring / diagnosis unit, a regeneration unit, and the like, and ideal functions are set for each control unit. The monitoring / diagnosis unit, which is a control unit, includes a battery as a plant and the like.
また、機能目標は、具体的には、システムの要求仕様に基づいて動特性を有する数理モデルとして設定される。数理モデルは、例えば、以下の式に示す伝達関数として表される。
続いて、選択ステップとして、各制御ユニットの設計方法が選択される。具体的には、統合システムから選択された１つの制御ユニットについて、設定された機能目標を、プラントモデルのみで達成可能か否か判定する（ステップＳ３２）。プラントモデルの設計のみで達成できる場合（ステップＳ３２のＹＥＳ）、プラントモデルの設計を行う（ステップＳ３３）。 Subsequently, as a selection step, the design method of each control unit is selected. Specifically, for one control unit selected from the integrated system, it is determined whether or not the set functional goals can be achieved only by the plant model (step S32). If it can be achieved only by designing the plant model (YES in step S32), design the plant model (step S33).
プラントモデルの設計のみでは機能目標を達成できない場合（ステップＳ３２のＮＯ）、プラント設計と固定制御器設計との組み合わせで、機能目標を達成可能か否か判定する（ステップＳ３４）。プラントモデルと固定コントローラとの組み合わせで、機能目標を達成することができる場合（ステップＳ３４のＹＥＳ）、プラントモデルと固定コントローラとを設計する（ステップＳ３５）。固定コントローラの種類は特に限定されないが、例えば、公知の方法で設計された線形時不変のＰＩＤ制御器である。 When the functional target cannot be achieved only by the design of the plant model (NO in step S32), it is determined whether or not the functional target can be achieved by combining the plant design and the fixed controller design (step S34). When the functional goal can be achieved by the combination of the plant model and the fixed controller (YES in step S34), the plant model and the fixed controller are designed (step S35). The type of the fixed controller is not particularly limited, and is, for example, a linear time-invariant PID controller designed by a known method.
固定コントローラによって制御ユニットの機能目標を達成することが難しい場合（ステップＳ３４のＮＯ）、プラント設計及びデータベース駆動型制御器設計を行う（ステップＳ３６）。ステップＳ３６のデータベース駆動型制御器による制御ユニットの設計は、実施の形態１に係る制御系の設計方法によって行う。 When it is difficult to achieve the functional target of the control unit by the fixed controller (NO in step S34), the plant design and the database-driven controller design are performed (step S36). The design of the control unit by the database-driven controller in step S36 is performed by the control system design method according to the first embodiment.
より具体的には、プラント設計ステップとして、制御ユニットに含まれるプラントモデルの基本設計及び適当な初期制御器パラメータを有する制御器を設計する。続いて、コントローラ設計ステップとして、コンピュータシミュレーションによって、入出力データを取得し、データセットΦ（ｔ）を生成する。入出力データは、コンピュータシミュレーションによって取得するものに限られず、過去の操業データを用いることとしてもよい。そして、データセットΦ（ｔ）が蓄積されたデータベースに基づいてプラントパラメータ及び制御パラメータを調整するデータベース駆動型制御器を設計する。 More specifically, as a plant design step, a basic design of the plant model included in the control unit and a controller having appropriate initial controller parameters are designed. Subsequently, as a controller design step, input / output data is acquired by computer simulation, and a data set Φ (t) is generated. The input / output data is not limited to that acquired by computer simulation, and past operation data may be used. Then, a database-driven controller that adjusts plant parameters and control parameters based on the database in which the data set Φ (t) is stored is designed.
以下、統合システム中の全ての制御ユニットの設計が完了するまで（ステップＳ３７のＮＯ）、各制御ユニットについて（ステップＳ３８）、選択ステップを繰り返し、制御ユニットに係る制御系設計を行う。各制御ユニットの設計が終了すると（ステップＳ３７のＹＥＳ）、統合システム全体の制御系設計は終了する。 Hereinafter, until the design of all the control units in the integrated system is completed (NO in step S37), the selection step is repeated for each control unit (step S38), and the control system design related to the control unit is performed. When the design of each control unit is completed (YES in step S37), the control system design of the entire integrated system is completed.
本実施の形態では、各制御ユニットのうち、少なくとも１つの制御ユニットはデータベース駆動型制御器を用いた制御系として設計される。例えば、プラントの特性が経時的に変化する制御ユニットのうち、制御出力の変動が大きく、統合システムの制御性能に与える影響が大きいと考えられる制御ユニットについて、優先的にデータベース駆動型制御器を用いる。これにより、各制御ユニットの制御性能とともに、統合システム全体としての制御性能を向上させることができる。 In the present embodiment, at least one control unit among each control unit is designed as a control system using a database-driven controller. For example, among control units whose plant characteristics change over time, database-driven controllers are preferentially used for control units that are considered to have a large fluctuation in control output and have a large effect on the control performance of the integrated system. .. As a result, not only the control performance of each control unit but also the control performance of the integrated system as a whole can be improved.
以上、説明したように、本実施の形態に係る制御系の設計方法によれば、各制御ユニットについて設定された機能目標に基づいて、制御ユニットごとに適切な制御系の設計方法が選択される。これにより、経時変化も考慮した高性能な制御が求められる制御ユニットについて、適切なデータベース駆動型制御器を設計するとともに、プラント設計のみで足りる制御ユニットの構成を簡素化することができる。したがって、効率的に、高性能な統合システムの制御系を設計することが可能である。 As described above, according to the control system design method according to the present embodiment, an appropriate control system design method is selected for each control unit based on the functional goals set for each control unit. .. As a result, it is possible to design an appropriate database-driven controller for a control unit that requires high-performance control in consideration of changes over time, and to simplify the configuration of the control unit that requires only plant design. Therefore, it is possible to efficiently design a control system for a high-performance integrated system.
本発明は、各要素のパラメータ設計が容易ではない複雑な制御系の設計に好適である。また、経年劣化等によるシステムパラメータの変化が制御性能の劣化に影響する制御系の設計に好適である。 The present invention is suitable for designing a complicated control system in which parameter design of each element is not easy. Further, it is suitable for designing a control system in which changes in system parameters due to deterioration over time affect the deterioration of control performance.
１ 液位制御系、１１ 制御器、１２ データベース、１３ ポンプ、２１ タンク、２１ａ，２１ｂ 流出孔、２２ 補償要素 1 Liquid level control system, 11 controllers, 12 databases, 13 pumps, 21 tanks, 21a, 21b outflow holes, 22 compensation elements
Claims (5)
前記制御器は、前記制御器の特性を表すコントローラパラメータ、制御対象の特性を表すプラントパラメータ及び制御出力を含む複数のデータセットからなるデータセット群に基づいて学習されるデータベース駆動型制御器として設計される、
ことを特徴とする制御系の設計方法。 In model-based design, in which a control system simulation model including a controller model and a plant model is created and a controller is designed by computer simulation.
The controller is designed as a database-driven controller that is trained based on a data set group consisting of a plurality of data sets including a controller parameter representing the characteristics of the controller, a plant parameter representing the characteristics of a controlled object, and a control output. Be done,
A control system design method characterized by this.
前記補償要素は、前記プラントパラメータと、制御入力と、制御出力とを含む複数のプラントデータセットからなるプラントデータセット群に基づいて学習される、データベース駆動型アプローチによって設計される、
ことを特徴とする請求項１に記載の制御系の設計方法。 The control target includes a compensation element and includes a compensation element.
The compensation element is designed by a database-driven approach, which is learned based on a plant dataset set consisting of a plurality of plant datasets including the plant parameters, control inputs, and control outputs.
The control system design method according to claim 1, wherein the control system is designed.
前記プラントモデルが、予め定められた理想特性との誤差を表す評価関数を最小化するように設計される、
ことを特徴とする請求項２に記載の制御系の設計方法。 The compensation element is
The plant model is designed to minimize the evaluation function that represents the error from a predetermined ideal characteristic.
The control system design method according to claim 2, wherein the control system is designed.
固定パラメータによって表される受動要素としてモデル化される、
ことを特徴とする請求項２又は３に記載の制御系の設計方法。 The compensation element is
Modeled as a passive element represented by a fixed parameter,
The control system design method according to claim 2 or 3, wherein the control system is designed.
前記機能目標を、
プラント設計によって達成するか、
プラント設計及び固定制御器設計によって達成するか、
プラント設計及びデータベース駆動型制御器設計によって達成するか、を選択する選択ステップと、を含み、
少なくとも１つの前記制御ユニットは、
請求項１から４のいずれか一項に記載の設計方法で設計されるデータベース駆動型制御器を備える、
ことを特徴とする制御系の設計方法。 In an integrated system consisting of a plurality of control units including the plant model, a functional goal setting step for setting a functional goal of the control unit and a functional goal setting step.
The functional goal,
Achieved by plant design
Achieved by plant design and fixed controller design
Includes selection steps to choose whether to be achieved by plant design and database driven controller design,
At least one said control unit
A database-driven controller designed by the design method according to any one of claims 1 to 4.
A control system design method characterized by this.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019120558 | 2019-06-27 | ||
| JP2019120558 | 2019-06-27 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021006996A true JP2021006996A (en) | 2021-01-21 |
| JP7329845B2 JP7329845B2 (en) | 2023-08-21 |
Family
ID=74174533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020107560A Active JP7329845B2 (en) | 2019-06-27 | 2020-06-23 | Control system design method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7329845B2 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01109401A (en) * | 1987-10-22 | 1989-04-26 | Konica Corp | Process control method using plant model |
| JP2006344004A (en) * | 2005-06-09 | 2006-12-21 | Hitachi Ltd | Operation support device and operation support method |
| JP2008102720A (en) * | 2006-10-18 | 2008-05-01 | Omron Corp | Controller, and apparatus, method and program for adjusting control parameter |
| US20150185716A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
| JP2016203180A (en) * | 2015-04-15 | 2016-12-08 | 新日鐵住金株式会社 | Controller parameter derivation method, controller parameter derivation device, and program |
| WO2019058508A1 (en) * | 2017-09-22 | 2019-03-28 | Nec Corporation | Ensemble control system, ensemble control method, and ensemble control program |
-
2020
- 2020-06-23 JP JP2020107560A patent/JP7329845B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01109401A (en) * | 1987-10-22 | 1989-04-26 | Konica Corp | Process control method using plant model |
| JP2006344004A (en) * | 2005-06-09 | 2006-12-21 | Hitachi Ltd | Operation support device and operation support method |
| JP2008102720A (en) * | 2006-10-18 | 2008-05-01 | Omron Corp | Controller, and apparatus, method and program for adjusting control parameter |
| US20150185716A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
| JP2016203180A (en) * | 2015-04-15 | 2016-12-08 | 新日鐵住金株式会社 | Controller parameter derivation method, controller parameter derivation device, and program |
| WO2019058508A1 (en) * | 2017-09-22 | 2019-03-28 | Nec Corporation | Ensemble control system, ensemble control method, and ensemble control program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7329845B2 (en) | 2023-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sambariya et al. | Robust tuning of power system stabilizer for small signal stability enhancement using metaheuristic bat algorithm | |
| US8055358B2 (en) | Multi-objective predictive process optimization with concurrent process simulation | |
| US8260441B2 (en) | Method for computer-supported control and/or regulation of a technical system | |
| US7647284B2 (en) | Fixed-weight recurrent neural network controller with fixed long-term and adaptive short-term memory | |
| Alhajeri et al. | Tuning guidelines for model-predictive control | |
| Khamis et al. | Nonlinear optimal tracking using finite-horizon state dependent Riccati equation (SDRE) | |
| DE60319613T2 (en) | Control system for a plant | |
| Jordanou et al. | Echo state networks for practical nonlinear model predictive control of unknown dynamic systems | |
| CN110259592A (en) | A kind of PID diesel engine self-adapting electronic speed regulating method | |
| CN107807530A (en) | A kind of forcing press PID control system based on intelligent fuzzy neural network algorithm | |
| JP2543242B2 (en) | Fuzzy reasoning device | |
| EP1139188A1 (en) | Design device of controller | |
| JP2021006996A (en) | Method for designing control system | |
| Cara et al. | Online self-evolving fuzzy controller with global learning capabilities | |
| JP2019204178A (en) | Control parameter calculation method, control parameter calculation program, and control parameter calculation device | |
| CN116880191A (en) | Intelligent control method of process industrial production system based on time sequence prediction | |
| CN113325886B (en) | Valve hysteresis compensation method and device, electronic equipment and storage medium | |
| EP3682301B1 (en) | Randomized reinforcement learning for control of complex systems | |
| CN112327958B (en) | Fermentation process pH value control method based on data driving | |
| del Rosal | Model-free predictive controller using double-sided kernels for system identification | |
| Aliskan | A novel fuzzy PI control approach for nonlinear processes | |
| JP3855157B2 (en) | Non-linear separation control method and apparatus | |
| CN112947054A (en) | Ship PID control parameter setting method and system based on Q-learning and storage medium | |
| Filev et al. | Nonlinear control of static systems with unsupervised learning of the initial conditions | |
| CN113939775B (en) | Method and device for determining a regulating strategy for a technical system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220510 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230714 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230725 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230801 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7329845 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |