JP2635087B2 - プロセス制御方法 - Google Patents

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明はプロセス制御方法に係り、特に線形挙動と非
線形挙動を併せ持つプロセスを複数のデイジタルあるい
はアナログ操作量より成る組合せにより複数の制御目的
を同時に満足する様なプロセス制御方式に関する。

〔従来の技術〕

従来の人工知能，知識工学の応用分野は計画・設計，
診断，信号理解，制御という４つに大きく分けることが
可能である。計画・設計は無限に存在する解の中から最
適なものを選び出し合成するという人間の創造活動に属
するもので、本質的な難しさを含んではいるが、エクス
パートシステムとして専門家の主観的な面を強調するこ
とにより現実的には十分な効果が得られることから多く
の実用例がある。

また同様に、観測されたデータに基づき、因果関係に
関する知識を用いて対象の状態を推論する診断も、経験
知識が収集し易く、かつ効果も定量的に評価できる為実
用化例は多い。信号理解分野においては従来から研究が
行なわれてきた音声理解，情景理解，画像処理等への直
接適用が効果をあげている為、研究例，実用例共に多
い。

これら３分野に対して制御分野、特に実プラントのプ
ロセス実時間制御への適用、及び実用例は今日に至るま
で成功していなかつた。これは適用プラント毎の特殊性
を除くと、一般的にプロダクシヨンルールによる知識ベ
ースシステムの処理性が低いこと、推論方式に時間的制
約が生ずること、推論結果の信頼性が従来の数式モデル
による制御方式に比べて低く実用に耐えないと考えられ
ていたこと（これは検証手法が確立されていないことに
もよる）、連続的なきめ細かな制御量の割り出しが困難
なこと等の理由による。

これに対し、もう一つの観点であるフアジー理論（Fu
zzy Theory）の適用が近年盛んになり、実用例も散見さ
れる。この理論の基本的な考え方は、“明確に定まつた
理論体系には限界がある”すなわちここで対象にしてい
る現実の制御対象であるプロセスの挙動はすべて非線形
な要素を内包しており、数式モデルによる制御方法のみ
では完全な制御は不可能である、というものである。フ
アジー理論の制御システムへの導入の背景は、近年制御
システムが大規模・複雑になつた為、現在の計算機の処
理に必要な正確な情報が取得できなくなつてきたからで
ある。システムが大規模になればなる程、非線形要素が
増加する為、数式によるプロセスの正確な記述は不可能
となり、数式モデルを追求すればする程システム全体の
記述が不正確になる。またもう一つの背景としてOA（オ
フイスオートメーシヨン）やFA（フアクトリーオートメ
ーシヨン）技術の急激な進展によりシステムをマン・マ
シン系として捉える傾向が強くなつてきた為、人間の行
動がかもし出すあいまいさ（Fuzzy）がシステムの重要
な要素になりつつある。これらのあいまいさに対しては
人間の様にあいまいに対処することが自然であり、すな
わちあいまい量を定量値で表現可能なフアジー理論が重
視されてきた訳である。

〔発明が解決しようとする課題〕

以下、数式モデルによる従来の一般的な制御手法と、
フアジー理論を適用した制御システムの実施例について
の解析を行ない問題点を明確にする。

数式モデルによる従来の制御システム例として、非線
形の要素が多く、またあいまい性を多く含む展型的な例
として、縦流式長大トンネル換気制御システムをとりあ
げる。

第２図は、該プロセスの概要と制御要因の概念図であ
る。制御装置１が制御する換気設備としてのジエツトフ
アン７や集塵機８は人体に有害なCO,NO_X,SO_Xなどのガス
及び安全走行に有害な媒煙濃度を規準値以下に保持する
機能を持つ最も重要な設備である。これらの設備が要す
る電力量は、全設備が要する電力量の大きな部分を占め
る為、その効率的な運用が強く望まれる。この様にトン
ネル換気制御は安全性と経済性という相反する二つの目
的を同時に満足する必要がある。この目的に対して、最
新でかつ最も効果をあげている制御方式は交通流予測フ
イード・フオワード制御と呼ばれるものである。

第３図は、この制御方式の説明図である。このトンネ
ルプロセスを数式モデルとして捉える為に、勾配，換気
機の設備位置等の条件でｎ分割して考えると、各換気区
間の状態は次の差分方程式で表わすことが可能である。

但し、 Ｘ（ｋ＋１）：時刻ｋ（ｔ＝kT）における当該換気区間
の平均汚染濃度。

Ｐ（ｋ）：期間ｋ（kT≦ｔ≦（ｋ＋１）・Ｔ）における
当該換気区間の発生汚染量。

Ｑ（ｋ）：期間ｋ（kT≦ｔ≦（ｋ＋１）・Ｔ）における
当該換気区間の換気風量。

次に当該トンネルの規準発生汚染量をＰ＊、このＰ＊
に対する基準汚染濃度Ｘ＊を保つ基準換気量をＱ＊とす
ると（１）式から Ｑ＊＝Ｐ＊/X＊ ……（２） が成り立つ。現在時刻ｋの汚染濃度Ｘ（ｋ）および発生
汚染量Ｐ（ｋ）がこれらの基準量からずれた場合の修正
換気量を求める為、現実の諸量と基準量との変分を次の
様に定める。

（３）を（１）に代入して基準量まわりでの線形近似
を行なうと、次のシステム方程式が得られる。

ΔＸ（ｋ＋１）＝exp（−Ｑ＊）・ΔＸ（ｋ） −（１−exp（−Ｑ＊））（ΔＱ（ｋ）−ΔＰ（ｋ）） ……（４） この式でΔＸ（ｋ）は状態変数、ΔＱ（ｋ）は制御変
数、ΔＰ（ｋ）を入力変数と考えると、システムの定量
表現が得られたことになる。但し、後述の様に、この式
が表現しているのはプロセス挙動のほんの一部である。
制御システム構築には次の段階として目的関数を導入す
る必要がある。前述の換気制御の目的として、汚染濃度
をなるべく基準値に保ちつつ、使用電力をできるだけ小
さくすることを考える。これを関数として書くと、 この式において右辺第１項は安全性を表わし、第２項は
経済性を表わしている。F_X,F_Qはこれらの重みを調整す
る係数である。（４）をシステム方程式、（５）で示さ
れた目的関数を最小にする修正換気風量をΔＱ゜（ｋ）
とすると線形レギユレーター理論により、これを次式で
求めることができる。

ΔＱ゜（ｋ）＝G_X（ｋ）・ΔＸ（ｋ）＋G_P（ｋ）・ΔＰ
（ｋ） ……（６） ここで、G_X（ｋ）とG_P（ｋ）はそれぞれΔＸ（ｋ），
ΔＰ（ｋ）に対するフイードバツクゲインである。

この様にして、システムを何回か線形近似して制御シ
ステムとして構成したのが第８図である。ここに示され
ている制御システムは最も一般的な準最適制御の設計手
順にて得られるものと考えられる。本制御システムで、
時刻ｋの汚染量Ｘ（ｋ）はセンサーにより正確に求めら
れると仮定すると、制御精度の向上は、時刻（ｋ＋１）
での交通流の予測精度の向上という問題に帰結すると考
えられる。なぜならば、 但し、 C_j:車種j1台あたりの汚染発生量 n_j（ｋ）：周期ｋ（kT≦ｔ≦（ｋ＋１）Ｔ）における交
通量（自動車台数） と表わすことができ、発生汚染量は、当該期間内の自動
車通過台数に比例すると仮定したからである。例えば、
自動車通過台数の予測は、トンネルの入口と出口に交通
量計測センサー（以後TC（トラフイツクカウンター）と
称す）を設置し、当該区間の交通量時系列データ間の共
分散に線形関係があることを利用して求める。この方式
であると、交通流が一定値より大きく、かつ増減の度合
（変化率）がゆるやかな場合、大変良い精度で予測が可
能であることが確認されている。この方式による実際の
制御状況を第９図〜第11図にて説明する。

第９図は制御周期Ｔを大とした時、すなわち近似的に
一定とした時の交通流と汚染量の推移を示したものであ
り、交通流と汚染量は高い相関があることがわかる。し
かし制御目標値（ここでは80ppm）を何回かオーバーし
たり、低くなり過ぎたりしており、換気の質（安全性）
が低いことを示している。これに対し第10図は、この交
通流予測フイードフオワード制御を10分間周期時間にて
行なわせたものであり、COの値は目標値近傍によく収束
していることがわかる。また使用電力量も第９図に比べ
改善されていることがわかる。

第11図は、同一周期時間で低交通量、例えば深夜等の
状況を示したものである。絶対的は交通量が低い為、図
から判断すると換気機運転は不要であることは明白なの
に、何回か高電力を使用しながら換気機が動作してい
る。

この交通流予測フイードフオワード制御方式は、大変
制御精度が良いため多くのシステムに採用されている。
この方式の実際の運転状況は次の通りである。オペレー
タは経験により、 （１）．深夜、全交通量とその変化度合を判断して自動
→手動運転に切替え、朝のラツシユ時間帯までこれを継
続する。

（２）．休日等、昼間でも交通量の変化が激しい時は状
況に応じて手動にする。

（３）．雨の日は、自動運転の出力する制御換気量の値
より低目の値で手動運転する。

等、等多くの経験則が存在し特殊な操作がオペレータの
介入により行なわれる。すなわちオペレータはこの自動
制御を完全には信頼している訳ではなく、自動制御でう
まくゆき場合と、いかぬ場合があることを経験により認
識している。これを一般のプロセス制御に置き換えて考
えると、プロセスは線形に振るまう場合と、全くの非線
形と、その中間すなわち部分的に線形に振るまう場合と
がある。これは従来、種々の制御に対する外乱要素とい
うことで線形数式の中での吸収を試みていたものと言え
るが、外乱がプロセス挙動の主導権を握つた場合は、も
はや別のシステム記述が必要となるのは明らかである。
にもかかわらず、この様な単純な線形化によるレギユレ
ータ制御が今日に至るまで最高の方式とされてきたの
は、上述の外乱をあくまで微小な量として取扱い、結果
的に無視せざるを得なかつたからである。何故ならば本
トンネル換気制御の様にシステム記述上あいまいな要素
を数多く含み、かつそれらがプロセス挙動の支配を時々
刻々奮い合う為であり、またそれらの定量表現が困難で
あつたからである。

第13図は、シミユレーシヨン，実測等の考えられる手
段を使つて明らかになつた、一般的なトンネルにおける
汚染発生の要因ネツトワークである。この図より明らか
な様に、汚染発生へ影響を与える要因は中間仮説も数え
ると12種類以上になる。これらが全て線形に振るまう時
と、そうでない性質を持ち、また相互に関連がある場合
と無い場合がある。

第14図は第13図と同様、換気力の要因ネツトワークを
示したもので、この中には自然風といつた気象条件も重
要な要素となることが示されている。

以上の様に、従来の制御システムの問題点は、全ての
要因が線形に挙動する時間帯以外では、使用に耐えぬこ
とであつた。これについては、土木学会論文報告集第26
5号1977年“長大道路トンネルにおける新しい換気制御
法（A new ventilation control for long road tunne
l）”にて詳述されている。

これに対して、プロセスに影響のある要因の挙動をあ
いまい値のまま表現し、最終制御値はあいまい評価値を
再び定量値に変換して出力する制御の方法がフアジー制
御である。従来のフアジー制御はプロセスをある程度数
式にて近似可能ということを前提とし、各々のあいまい
さを含む要因をフアジー量として扱い、局所的な非線形
要因を、経験またはシミユレーシヨンからプロセスの挙
動に対応した値を求めることにより、従来の線形制御シ
ステムがカバーできない部分についても、良い精度を得
ようとするものである。また、制御の目的関数、すなわ
ち評価項目を多元的に設定し、従来定量的に取扱うこと
のできなかつた、例えば列車走行時の人間の感じる快適
さと言つた項目も評価可能にしている。しかしながら現
状のフアジー制御は下記の欠点を有している。

第１に、フアジー評価項目数が多くなり、これらから
１つの結論（操作量）を推論する場合の評価が現実的で
なく、またかえつて解り難くなつてしまう。例えば項目
Ａと項目Ｂから項目Ｃのフアジー量を推論する場合、μ
_Ａ（ｘ）とμ_Ｂ（ｙ）をそれぞれ項目A,Bに対する測定
値x,yのメンバーシツプ関数とすると μ_Ｃ（x,y）＝ｆ（μ_Ａ（ｘ），μ_Ｂ（ｙ）） で定義される。関数ｆは例えば代数和，代数積，限界
和，限界差等自由に決定することができる。しかし多数
の項目から１つの項目のフアジー量を評価する場合、上
記の演算では人間の考えるあいまい推論値とかけ離れた
ものとなる。これを式で表現すると、 μ_Ｚ（x₁,x₂,…,x_n） ＝ｇ（μ_Ａ（x₁），μ_Ｂ（x₂），……μ_ｎ（x_n）） となるが従来の方法であると、例えば ｇ＝ｆ（ｆ（ｆ……（ｆ（μ_Ａ（x₁），μ_Ｂ（x₂））， ｆ（μ_Ｃ（x₁），μ_Ｄ（x₂）），……））） で表わされる様になり、いわゆる評価の積み上げである
と言える。ところが優秀なるエクスパート程、多くの要
因から総合的に直接求める項目の正確な評価を推論する
という原則に矛盾することになる。

本発明の目的は、以上の様な従来のフアジー制御の精
度、及び推論における問題点を克服し、対象とするプロ
セスを連続的に、かつ最適に自動制御可能な制御方法
と、その設計手法、及び実現の為の装置を提供すること
にある。

〔課題を解決するための手段〕

以下、発明の概要を設計手順にしたがつて説明する。

（１）．要因相関の解析 対象プロセスの挙動に関する要因を抽出し、これらの
特性を解析する。ここでの要因は定量表現可能なもの
（線形要因）、部分的に定量表現可能なもの、全く定量
表現不可能なもの（非線形要因）のいずれを含むことを
も許容する。本手順で要因ネツトワークが得られる。

（２）．要因毎の挙動解析 個々の要因毎の挙動を測定，シミユレーシヨン，経験
等により解析し、線形挙動する状況と、そうでない場合
についての評価を行なう。

（３）．プロセスの挙動解析 過去該当プロセスの線形制御が行なわれていたならば
その実績（制御精度）から、そうでないならば測定ある
いはシミユレーシヨンより、プロセス挙動の線形，非線
形に関する知識を抽出する。

（４）．制御システムの構築 ．制御方式の決定と設計 前述の制御対象プロセスの持つ線形又は非線形の挙動
に対し、各々最適なモデルを採用し、プロダクシヨンル
ール型のルール群と知識ベースをモデル毎に作成する。
一般的には線形挙動部に対しては線形レギユレータ型制
御方式を採用するのが最適であるが、非線形要因が局所
的に含まれている場合は部分的にフアジー制御を用い
る。

一方非線形部分についてはフアジー制御または経験知
識の集合型としてのルール型制御を採用する。本発明で
は多数の項目から１つの評価項目を直接推論する複合フ
アジー推論の手法を用いることにより非線形プロセス挙
動へのエクスパートと同等以上の精度を得ることを可能
としている。

．プロセス挙動判断ルール群の設計 で示された線形又は非線形挙動に対する各制御モデ
ルにて得られた制御量あるいは中間仮説を総合判断する
知識ルール群を設計する。この判断ルール群は各モデル
毎の要因の挙動及びプロセス全体の流れあるいは全くプ
ロセスと同期しない条件を含めた状況判断を前向き曖昧
推論にて、最適なものを選択、あるいは合成する様構成
する。

プロセスが複雑な場合は手順，を繰り返す。

．制御操作量の決定ルール群の設計 最終的な制御操作量の決定は、本発明による予測型フ
アジー推論により行なう。本推論では複数のアナログ量
を含む制御操作量の組合せが、フアジー量で評価されて
いる複数の目的を同時に満足するかどうかの評価を高速
に行ない、最大の満足度が得られる組合せを決定するこ
とが可能である。

〔作用〕

以上の様に本発明では、複合フアジー推論機構，前向
き曖昧推論機構，予測フアジー推論機構を有する制御処
理装置を用いてプロセスの挙動を動的に判断し、最適な
る制御モデルによる推論により、従来の制御方式では実
質的に不可能とされていたフルタイムの最適連続制御を
容易に実現可能とするものである。

以上の説明はプロセスの遅れ時間要素が大きいか、遅
れ時間が変動する様な系に対するフイードフオワード型
制御に対するものであるが、遅れ時間的要素が少なく、
フイードバツク型制御で十分なプロセスに対しては前記
説明のうち例えばの予測型フアジー推論とその総合判
断のみで十分である。従つてあらゆるタイプのプロセス
への適用が可能であるのは言うまでもない。

〔実施例〕

以下、本発明の一実施例を縦流式トンネル換気制御を
例として、前記設計手順に従つて説明する。

第２図は、トンネル構造と制御要因の概要を示したも
のである。本発明によるプロセス制御装置１に対してプ
ロセス状態情報を出力するセンサーとして、トンネルの
入口と出口に大型車台数n_l,小型車台数n_s,車速Ｖという
交通流に関する項目を測定し、一定周期時間Ｔ毎に積算
あるいは平均化して出力するトラフイツクカウンター6,
一酸化炭素濃度を測定するCO計9,煙霧透過率を測定する
VI計10,トンネル内の車道風速，風向を測定する風向・
風速計11が設定されている。またトンネルプロセスと同
期しない気象情報，道路規制情報が伝送制御装置を介し
て１に入力する。

また一定の風量を出力とする複数のジエツトフアン
（JF）７、連続的に変化させ得る風量を出力し、媒煙を
減少させる複数の集塵機８が設置される。

制御の方法としては１は各々の７に対して起動停止を
指示することで、８に対してはその風量を連続量として
指示することでトンネル内の換気量を調節する。

第３図はトンネルの縦断面で、きめ細かな制御を行な
う為に、トンネル長，勾配，換気機の設置場所によりｎ
区間に分割して検討に付される。本図で、ｕは車道内風
速（m/s）、ΔP_tは自動車の走行により発生するピスト
ン効果昇圧力（mmAq）、ΔP_jは７による機械的昇圧力
（mmAq）、ΔP_bは８による機械昇圧力（mmAq）をそれぞ
れ表わしている。

第４図は、前記トンネル換気設備が稼動した場合のト
ンネル内の汚染分布と圧力分布を示したものである。圧
力が高いということは換気力が高いことを示しており、
従つて汚染量が低く、結局汚染量の分布は圧力分布の関
数（反比例）となつていることがわかる。それぞれの値
は換気機の設置位置毎のくし形特性分布となる。

第５図ないし第12図はトンネルプロセスが示す様な挙
動を解析する為の測定データ、及び従来の線形制御モデ
ルでの制御結果を示したものである。これらの事実、あ
るいは経験知識により、第13図，第14図に示される予測
汚染量要因相関図、車道内風速（換気力）要因相関図が
得られ、これらにより汚染値を定性的に捉えることが可
能となる。

第13図は、時刻ｋ（ｔ＝kT）時点から時刻（ｋ＋１）
（ｔ＝（ｋ＋１）Ｔ）のトータル汚染量を推定する為の
要因相関を示す意味ネツトワークである。

同様に第14図は、時刻（ｋ＋１）（ｔ＝（ｋ＋１）
Ｔ）の車道内風速を推定する為の意味ネツトワークであ
る。これらより時刻（ｋ＋１）での汚染値は概念的に両
者の差分となり、その差分と制御目標値との偏差に対す
る機械換気量が本プロセス制御における制御操作量であ
る。

これらの意味ネツトワークより手順（２）要因毎の挙
動解析、（３）プロセスの挙動解析という手順を経て、
最終的な制御システムが、第１図に示される。複合推論
機構を備えたプロセス制御装置１上に構築される。

第１図において、２はプロセスデータを直接入力と
し、これらの値と知識ベース３内知識を比較選択し、経
験則に基づくプロダクシヨンルール群による前向き曖昧
推論でプロセス挙動の判断を行ない、かつ他の推論機構
と３により成る全体を管理する推論主機構、３は普遍的
な事実、エクスパートの主観的な経験則より成るプラダ
クシヨンルール，推論の統合的な流れを記述したメタル
ール，数式によるアルゴリズムメソツド，フアジー推論
機構で参照されるメンバーシツプ関数を記憶する知識ベ
ース、４は複数の要因の測定値または中間仮説から予め
フアジー量で評価されている結論を直接推論する複合フ
アジー推論装置、５は前記４により予測された項目を用
いて複数のデイジタルあるいはアナログ操作量の組合せ
の中から、予めフアジー量として評価されている複数の
制御目的の適合度計算を行ない、総合的な満足度を最大
とする組合せを推論する予測フアジー推論機構である。

以下、各装置がいかに線形，非線形混在プロセスを精
度良く制御するかを説明する。

第15図にトンネル換気制御を行なう場合の総合的な推
論相関を表わす、推論プロトネツトワークを示す。換気
制御というイベントが周期時間Ｔ毎に発生し、このタイ
ミングで推論が開始される。このイベントにより、従来
の線形制御に対応する定量型汚染予測ルール群（r1）
と、プロセスの非線形挙動に対する予測を定性的に行な
う定性型汚染予測ルール群（r2）と、プロセスの線形挙
動に対する第２の対応としての傾向型汚染予測ルール群
（r3）がアクテイブルール群として活性化され、条件部
のパターンマツチングが開始される。ここで、ルール群
という単位は、求めようとする結論に対するルール知識
の集合で、各ルール群の間には共通要素を含まない。こ
れにより不要なパターンマツチング（プロダクシヨンル
ールの条件部の成立，不成立の判断処理を指す）が排除
できる為高速化が可能である。

前記３つのルール群はプロセスをそれぞれ線形，非線
形に捉えながら、結論である時刻（ｋ＋１）（ｔ＝（ｋ
＋１）Ｔ）の予測汚染値をルール群間での中間仮説とし
て出力する。この３つのルール群でパターンマツチする
ものが無くなつた時点で、予測汚染量判断ルール群（r
4）が活性化される。このルール群では、プロセス全体
の該当時点での挙動を推論し、前述３つのルール群によ
る中間仮設の評価を行なう。評価に関する全てのルール
のパターンマツチングが完了すると、再び中間仮説とし
ての選択された汚染予測値が出力され、定量型制御操作
量演算ルール群（r5）と、状況適応制御操作量決定ルー
ル群（r6）がアクテイブルール群となる。これら２つの
ルール群はプロセスの挙動に応じて制御操作量を推論し
中間仮説としてこれを出力する。

最後に、制御操作量総合判断ルール群（r7）が活性化
され、再びプロセスの全体挙動を総合的に判断して、最
終的な制御操作量が決定され、プロセスに出力される。

この様に、数式モデルの解法アルゴリズムから成る処
理と、アルゴリズムによる表現が不可能なエクスパート
の思考の流れを有機的に結合した推論の流れが対象とす
るプロセス毎に一意に定まる。これを推論プロトネツト
ワークと称す。この推論相関図の特徴は、プロセス制御
システム時、一方向、それも最終的な制御操作量にしか
向かわないことであり、第46図に示される様な局所的な
ループを形成する場合でも、図に示される様に展開する
ことにより、容易に最終的な結論を着信地とする一方向
ネツトワークに帰結させることが可能である。これを統
括的推論制御ルール（メタ・ルール）に書き直したのが
第16図である。本図を推論ネツトワークと称し、ここで
縦方向のわく内のルール群は推論過程において同一ステ
ツプであり、活性化の優先順位は同一でよいことを示し
ている。また横方向のルール群は相互に前提相関を持つ
ており、すなわち結論に最も遠いルール群程優先度を高
くすることが必要である。

前記推論プロトネツトワークから、基本的な推論制御
知識としてのメタルールと等価な推論ネツトワークの導
出を一般化することが可能である。第17図，第18図はこ
れを示したもので第17図に示される推論プロトネツトワ
ークから第18図に示される推論ネツトワークを得るに
は、次の（１），（２）による。

（１）．推論プロトネツトワーク内の局所的なループを
書き直し、結論を着信地とする一方向ネツトワークに変
換する。

（２）.S_jを推論ステツプｊのルール群の集合とする
と、 S₁＝｛R_i:イベントより活性化されるルール群｝ S₂＝｛R_i1:推論ステツプ１より活性化されるルール群｝ この結果、 Ｓ＝｛S₁US₂US₃…………US_k-1｝ とするとＳはメタルールであり、この制御システムはｋ
−１の推論ステツプを有していることを示す。

次に各ルール群がいかにしてプロセスの挙動を捉え、
中間仮説を引き出し、あるい判断するかを説明する。

第19図は、定量型汚染予測ルール群の論理構造を示し
たもので、トンネル換気プロセスを線形挙動プロセスと
捉え、数式モデルにより中間仮説である時刻（ｋ＋１）
（ｔ＝（ｋ＋１）Ｔ）での汚染量を予測するものであ
る。前述の通り、トンネル換気プロセスが線形挙動を示
す場合、時刻（ｋ＋１）での汚染量Ｘ（ｋ＋１）は で表わすことが可能である。（８）式の右辺第１項は時
刻ｋでの汚染量Ｘ（ｋ）に対して期間ｋ〜（ｋ＋１）で
の換気力Ｑ（ｋ）が汚染を減少させることを示し、Ｐ
（ｋ）は期間ｋ〜（ｋ＋１）にて発生する汚染量の総和
を示している。従つて式（８）は、 Ｘ（ｋ＋１）＝ｆ（Ｑ（ｋ）,X（ｋ）,P（ｋ）） ……（９） と表わすことができる。換気力Ｑ（ｋ）はトンネル内の
車道風速ｕにて表わすことができるから、 Ｑ（ｋ）＝ｇ（ｕ（ｋ）） ……（10） とする。Ｘ（ｋ）は汚染がトンネル内で均一で、かつセ
ンサーが正しく状況を把えているならばCO計とVI計での
測定値を採用することが可能である。またＰ（ｋ）は交
通流の関数として下式で表わすことができる。

Ｐ（ｋ）＝ｈ（n_s（ｋ）,n_l（ｋ）,d_l） ……（11） 但し、 n_s（ｋ）：時刻（ｋ−１）〜ｋにおける小型車の通過台
数、 n_l（ｋ）：時刻（ｋ−１）〜ｋにおける大型車の通過台
数、 d_l ^(Vt):平均車速V_tにおける大型車の通過台数に対する
デイーゼル車混入率、 を示す。

ここで小型デイーゼル車の混入率は無視可能である程
小であるので要因として評価していない。次にこれらの
関数g,hは次の様にして決定する。

（１）．汚染発生量関数ｈの導出と論理化 下式にて定義可能である。

Ｐ（ｋ）＝ｈ（n_s（ｋ）,n_l（ｋ）,d_l（ｋ）） ＝v_s＊n_s（ｋ）＋v_ld＊n_l（ｋ）＊d_l ＋v_lg＊n_l（ｋ）＊（１−d_l） ……（12） 但し、 v_s:小型車１台当りの汚染発生量、 v_ld:デイーゼル大型車１台当りの汚染発生量、 v_lg:ガソリン大型車１台当りの汚染発生量。

この式よりＰ（ｋ）を求める為には、時刻（ｋ＋１）
での交通流の予測値と、v_s,v_ld,v_lg,d_l ^vtが必要であ
る。第19図における発生汚染量学習・評価論理12は、過
去の実績を学習しながらv_s,v_ld,v_lg,d_l（ｋ）を定める
論理である。

第20図はその構造を示したもので、12は、汚染量測定
値の現在から過去への時系列データＸ（ｋ−ｉ）（ｉ＝
0,1,2…）、同様に換気量情報として風向・風速計にて
測定された車道内風速時系列データｕ（ｋ−ｉ）（ｉ＝
0,1,2,…）、TCよりの交通流測定値時系列データn_s（ｋ
−ｉ）、n_l（ｋ−ｉ）、車速V_t（ｋ−ｉ）を入力とし、
車速範囲と総交通量範囲毎に定まるv_s,v_ld,v_lg,d_lを出
力する。時刻（ｋ−１）からｋ（現在）までの汚染発生
量Ｐ（ｋ）は下式で求めることが可能である。

Ｐ（ｋ）＝（Ｘ（ｋ）−Ｘ（ｋ−１））＋Ｑ（ｋ） ……（13） 式（12）と式（13）から下記の差分方程式が得られる
ことになる。

Ｘ（ｋ）−Ｘ（ｋ−１）＋Ｑ（ｋ） ＝v_s＊n_s（ｋ）＋v_ld＊n_l（ｋ）＊d_l ＋v_ld＊n_l（ｋ）＊（１−d_l） ……（14） 自動車１台当りの汚染発生量は、ある車速範囲ではほ
ぼ一定となるが、自動車の型式，規制他により長い時間
の流れの中で変化してゆくという性質がある。これよ
り、車速毎にデータを選別し、これを逐次学習しながら
修正してゆくことにより、精度が良く、また常に最新の
値を決定してゆくことが可能となる。

パターン決定論理24は車速V_tと総交通量（n_s（ｋ）＋
n_l（ｋ））の２つの要素で該時点のパターンを決定し、
連立方程式作成論理25を起動する。25は決定されたパタ
ーンの至近時系列データから式（14）に基づく下記連立
方程式を作成する。

Ｘ（ｋ）−Ｘ（ｋ−１）＋Ｑ（ｋ） ＝v_s＊n_s（ｋ）＊v_ld＋v_ld＊n_l（ｋ）＊d_l ＋v_lg＊n_l（ｋ）＊（１−d_l） Ｘ（ｋ−i₁）−Ｘ（ｋ−i₁−１）＋Ｑ（ｋ−i₁） ＝v_s＊n_s（ｋ−i₁）＋v_ld＊n_l（ｋ−i₁）＊d_l ＋v_lg＊n_l（ｋ−i₁）＊（１−d_l） Ｘ（ｋ−i₂）−Ｘ（ｋ−i₂−１）＋Ｑ（ｋ−i₂） ＝v_s＊n_s（ｋ−i₂）＋v_ld＊n_l（ｋ−i₂）＊d_l ＋v_lg＊n_l（ｋ−i₂）＊（１−d_l） Ｘ（ｋ−i₃）−Ｘ（ｋ−i₃−１）＋Ｑ（ｋ−i₃） ＝v_s＊n_s（ｋ−i₃）＋v_ld＊n_l（ｋ−i₃）＊d_l ＋v_lg＊n_l（ｋ−i₃）＊（１−d_l） ……（15） 以上の連立方程式を解法論理26にて解法し、再評価論
理27により車速範囲と総交通量毎のv_s,v_ld,v_lg,d_lが見
直される更新されてゆく。

次に時刻ｋ（現在）から（ｋ＋１）間での発生汚染量
は式（12）により Ｐ（ｋ＋１）＝v_s＊n_s（ｋ＋１）＋v_ld＊n_l（ｋ＋１）
＊d_l ＋v_ld＊n_l（ｋ＋１）＊（１−d_l） ……（12）′ で予測可能であるから、交通量を予測することが必要で
ある。

交通流の推移は、定時間内の交通量がある範囲内であ
り、また車速が一定範囲内にあるならば（具体的な定性
表現をすると、交通流が切れ目なくスムーズに流れてい
る時）、トンネルの入口地点ａと出口地点Ｂにトラフイ
ツクカウンターをそれぞれ設置することで精度の良い線
形予測が可能である。すなわちa,b両点における単位時
間当りの交通量の時系列データを、 n_a（ｉ）,n_a（ｉ＋１）,n_a（ｉ＋２），……… n_b（ｉ）,n_b（ｉ＋１）,n_b（ｉ＋２），……… とする。さらに単位時間をｊ個つなぎあわせ、その期間
の交通量として、 n_a＊（ｉ）＝n_a（ｉ）＋n_a（ｉ＋１）＋…… ＋n_a（ｉ＋ｊ−ｌ） n_b＊（ｉ）＝n_b（ｉ）＋n_b（ｉ＋１）＋…… ＋n_b（ｉ＋ｊ−ｌ） （ｉ＝1,2,…………） ……（16） を考える。トンネル内をブラツクボツクスと考えn_a＊
（ｉ）（ｉ＝1,2,…）を入力、n_b＊（ｉ）（ｉ＝1,2
…）を出力として、それらの間にインパルス応答関数Ｂ
を介した次の関係を仮定する。

ここでε（ｉ）は線形モデル化の誤差を表わしてい
る。Ｂ（ｍ）（ｍ＝1,2,…Ｍ）は標本数をＩとすれば を最小にするインパルス関数であり、次式で定めること
ができる。

この式においてv_ba（ｌ）はn_b＊（ｉ）とn_a＊（ｉ＋
ｌ）との共分散、v_aa（ｌ）はn_a＊（ｉ）とn_a＊（ｉ＋
ｌ）との共分散を示している。

第21図は、以上の考えに基づき自律的学習により線形
的な交通流の予測を行なう、交通流相関学習・評価・予
測論理13の構成を示したものである。13は、地点a,bに
おける単位時間当りの小型車台数時系列データ_an_s（ｋ
−ｉ）,_bn_s（ｋ−ｉ）（ｉ＝0,1,…）、大型車台数時系
列データ_an_l（ｋ−ｉ）,_bn_l（ｋ−ｉ）（ｉ＝0,1,
…）、車速時系列_aV_t（ｋ−ｉ）（ｉ＝0,1,…）を入力
とし、時刻ｋ（ｔ＝kT現在）から（ｋ＋１）（ｔ＝（ｋ
＋１）Ｔ）の期間にトンネル内を通過する小型車台数n_s
（ｋ＋１）と、大型車台数n_l（ｋ＋１）の予測値を出力
とする。共分散v_aa演算論理28は共分散v_aaを、共分散v
_ba演算論理29は共分散V_baをそれぞれ演算し出力する。
これらを入力としてインパルス関数演算論理30はインパ
ルス関数Ｂ（ｍ）を車速毎に決定する。交通流相関評価
論理31はＢ（ｍ）を入力とし過去蓄積されているＢ
（ｍ）と比較し、これを評価更新する。評価更新された
Ｂ（ｍ）を入力として、交通流予測論理32は の関係を利用して、時刻ｋから（ｋ＋１）での小型車，
大型車交通量n_s（ｋ＋１）とn_l（ｋ＋１）を予測する。

第47図は、本論理にて学習・評価された車速40〜60km
/h範囲に対するインパルス関数を示したもので、このト
ンネルでの最小旅行時間，平均旅行時間，最大旅行時間
がそれぞれ３分,8分,12分であることを示している。こ
のインパルス関数を学習により決定し予測する手法によ
る予測誤差は所定の車速範囲，交通量範囲に限定する
と、誤差率数％以下の精度を得ることが可能である。

（２）．換気力関数ｇの算出と論理化 時刻（ｋ＋１）（ｔ＝（ｋ＋１）Ｔ）における換気力
Ｑ（ｋ＋１）は下式にて求めることが可能である。

Ｑ（ｋ＋１）＝Ｃ＊Ａ＊Ｌ＊ｕ（ｋ＋１） ……（19） 但し、 C:補正係数 A:トンネル断面積 L:トンネル全長 ｖ（ｋ＋１）：時刻（ｋ＋１）（ｔ＝（ｋ＋１）Ｔ）に
おける車道内風速 式（19）より、Ｑ（ｋ＋１）を予測することは、ｕ
（ｋ＋１）を求めることに帰結する。車道内風速演算論
理22は、以下の様にしてｖ（ｋ＋１）を予測する。

第３図に示したトンネル換気構造カツトモデルの様に
トンネル内をｎ区間に分割すると、隣接する二つの区間
での圧力バランス関係から下記等値関係が成立する。

但し、ここでは理解の容易さの為、５分割としセクシ
ヨン１内にジエツトフアンが、セクシヨン３と４に、そ
れぞれ集塵機が１台づつ設置されているトンネルとし
た。各略号の意味は次の通りである。

P:空気密度 P_i:区間ｉの圧力 P_r:区間ｉの車道抵抗＝−ΔP_ri＋ΔP_ti＋ΔP_Mi ΔP_ri:区間ｉの入口損失・壁面摩擦 ΔP_ti:交通流ピストン効果昇圧力 ΔP_M:自然風による昇圧力 ピストン効果とは、自動車の走行により発生する風
（昇圧力）による換気効果のことである。これらの関係
より車道内風速は次の様にして求めることができる。

ピストン昇圧力演算論理15は、14により予測された時
刻（ｋ＋１）での交通量を入力とし、ｕ（ｋ＋１）を未
知数とした方程式の次数毎の係数A,B,Cを求める。但し
Ａはu²（ｋ＋１）に、Ｂはｕ（ｋ＋１）に、Ｃは定数に
対応する。

但し、 A_e:自動車等価抵抗面積 A_r:トンネル断面積 n_i（ｋ＋１）：時刻ｋから（ｋ＋１）までに区間ｉを通
過する自動車台数 V_t:平均車速 ΔP_t＝A_t・u²（ｋ＋１）＋B_t・ｕ（ｋ＋１）＋C_t とすると、 壁面摩擦・入口損失メモリー16は、トンネル毎に予め
定まる下記値を記憶している。

但し、 ξ：入口損失係数 λ：車道壁面摩擦損失係数 L_r:トンネル延長 D_r:トンネル代表寸法 より JF（ジエツトフアン）昇圧力演算論理17は、次の様に
係数A_j,B_j,C_jを算出する。

但し、 V_j:JF吹出速度 A_j:JF吹出面積 n_ji:区間ｉでのJF台数 より 集塵機昇圧力演算論理18は、次の様にして係数A_b,B_b,
C_bを算出する。

但し、 Q_b:ノズル吹出風量 Q_r:車道風量 V_bi:ノズル吹出速度 B:ノズル吹出角度 n_ba:区間ｉでの集塵機設置台数（各集塵機は同一能力と
仮定している） より 自然風昇圧力演算論理19は、現在風速V_Mが時刻（ｋ＋
１）まで継続するものとして、次の様にA_M,B_M,C_Mを求め
る。

より 圧力バランス演算論理21は以上までの結果より次の様
にしてｕ（ｋ＋１）を未知数とした２次方程式を作成す
る。

式(20)＋式(21)＋式(22)＋式(23)＋式(24)＋式（25） ＝（P_r1＋P_r2＋P_r3＋P_r4＋P_r5）＋ΔP_j＋２・ΔP_b ＝０ 一般化すると 式（26）〜式（31）を用いてｕ（ｋ＋１）についての
２次方程式の形に書き直すと ここでジエツトフアン，集塵機はそれぞれ同一性能の
ものと仮定したが、異なるものであればそれぞれ計算し
求める必要がある。

車道内風速演算論理22は式（33）より の演算を行ない、時刻（ｋ＋１）における車道内風速ｕ
（ｋ＋１）を予測し出力する。なお本例では自然風は交
通流と同一方向とし、換気機は現状も維持するものとし
ている。この結果予測車道内風速の精度は交通量の予測
精度と自然風の挙動に大きな影響を受けることがわか
る。

以上の様にして明らかになつた汚染発生量関数ｈと換
気力関数ｇから得られた各論理が動作し得られた期間ｋ
から（ｋ＋１）の予測発生汚染量Ｐ（ｋ）と、期間ｋか
ら（ｋ＋１）の予測換気力Ｑ（ｋ），センサーよりのデ
ータから現状汚染量演算論理20により得られる時刻ｋの
汚染値Ｘ（ｋ）を入力とし、汚染予測演算論理は時刻
（ｋ＋１）での汚染値Ｘ（ｋ＋１）を、各要因の線形性
を依りどころとして なるシステム方程式を用いて算出し、これを中間仮説と
して出力する。

第22図は、傾向型汚染予測ルール群（r3）の動作を説
明したものである。前記r1は、汚染量の予測を詳細化要
因にまで遡り、その線形関係を数式モデルとして捉えて
Ｘ（ｋ＋１）を推論したものであつた。これに対してr3
は、センサーよりのプロセス計測信号CO,VI値推移に線
形関係を見出し予測を行なうことを目的としている。

第23図は、上記に基づき機構されたr3の構造を示した
ものである。r3は汚染測定値時系列Ｘ（ｋ−ｉ）（ｉ＝
0,1,2,……），換気量実績値時系列Ｑ（ｋ−ｉ）（ｉ＝
0,1,2,……）を入力とし、時刻ｋから（ｋ＋１）までの
換気量を一定とした場合の時刻（ｋ＋１）での予測汚染
値Ｘ（ｋ＋１）を出力とする。

第22図は、縦軸に交通量と汚染値（この例ではCO値）
を定義、横軸に時間の推移を定義したものである。時刻
ｋでの汚染値Ｘ（ｋ）は、 であるから、実質的な汚染値Ｘ^▼（ｋ）の推移は、時刻
（ｋ−１）からｋでの換気量Ｑ（ｋ−１）をゼロと仮定
すると となる。こうして得られている実汚染量の時系列Ｘ
^▼（ｋ−１）（ｉ＝0,1,2……）が線形挙動を示す場
合、時刻（ｋ＋１）での実汚染値Ｘ^▼（ｋ＋１）は最小
二乗法により次の様にして、実汚染量演算論理33にて求
まる。

線形予測演算論理34は、 の演算を行ない中間仮説としてＸ（ｋ＋１）を出力す
る。

これまで述べてきた、２つのルール群は、プロセスの
挙動を線形として捉え、汚染量の予測を行なうものであ
つた。これに対して、定性型汚染予測ルール群（r2）
は、プロセスの挙動を線形，非線形という一意的な捉え
方をせず、状況に応じたプロセスの挙動をあるがままに
捉え、様々な状況に応じた柔軟な対応を行なう様構成さ
れる。

第24図は、時刻（ｋ＋１）（ｔ＝（ｋ＋１）Ｔ）での
予測汚染値に対する、定性的な意味ネツトワークであ
る。これは、オペレータの経験則，各種データの長期に
亘る測定結果，シミユレーシヨンにより得られたもので
あり、無限に存在する要因，外乱をX₁からX₇の要因集合
にて表わし、これらから汚染値を予測（推論）すること
を示している。

本ネツトワークでは、時刻ｋから（ｋ＋１）の期間で
発生するトンネル内の汚染量Y₁は、交通流変化率１（長
期的な変化傾向）X₁,交通流変化率２（至近の短期的な
変化傾向）X₂,現在交通量X₃,車速X₄,現在汚染量X₅とい
う５種類の要因集合から直接推論されることを示してい
る。

また同様に、時刻ｋからｋ＋１期間での換気力Y₂も、
前記X₁,X₂,X₃と、自然風X₆,機械換気力（本例ではジエ
ツトフアン，集塵機を指す）X₇から直接推論される。

各項目X₁,X₂,X₃,X₄,X₅,X₆,X₇,Y₁,Y₂は全てあいまいな
量（ファジー量）として扱われ、各々のメンバーシツプ
関数が定義される。従来の方法であると、個々の要素の
評価適合度が計算された後に、それらから何らかの結合
関数、例えば代数和，代数積、限界和，限界差等の関数
で合成し結論を引き出す形で推論を行なつてきた。とこ
ろがこの方法であると要因毎の個々の評価はオペレータ
の感覚をよく表わすが、次の段階に進む時のあいまい評
価が妥当でなくなり、評価要因が多ければ多い程、推論
結果は経験則とかけ離れたものとなる。ところが十分経
験を積んだオペレータあるいはエクスパートが推論を行
なう場合、一つづつの要因を評価し、それらの評価を積
み上げて結論に至るのはまれである。有能なエクスパー
トならば10種類以上の要因から、同時に多次元空間上で
の推論を行ない、即座に結論を引き出すことができる。

本発明では、この多要因直接推論を、複合フアジー推
論機構を提供することにより機械（計算機）に行なわせ
ることを可能とした。

第25図は、最も簡単な３次元上での複合フアージ推論
を第１の次元に適合度（フアジー理論では一般的に適合
度指標値を0.0から1.0の範囲に定め、1.0に近い程適合
度は高いと評価する），第２の次元に第１要因X₁の値，
第３の次元に第２要因X₂を定義したものである。理解の
容易さの為、具体例として、X₁を交通量,X₂を車速と
し、Ｙを発生汚染量とする。X₂をある値60km/hに固定し
て考えた場合、交通量X₁の増減でのＹの適合度を「Lo
w」，「Mid」，「High」という３本の評価曲線を得るこ
とが可能である。この作業は、すなわち（Y,X₁,X₂）と
いう３次元空間に３本の曲線が描かれたことと等価であ
る。次に車速を20km/hに固定し、同様に汚染量ＹをX₁の
値の増減で適合度評価してもらうならば、更に３本の曲
線が現われるであろう。この時の知識獲得は、例えば、 「交通が渋滞しており、その時の交通量による汚染発生
量はどの様に変化しますか？」 という第１の質問に続いて、 「交通渋滞とはどれ位の車速のことですか？」 という第２の質問で実現できる。

この様に、この手順を車速X₁の値を段階的に変えなが
ら行なつてゆくならば三次元上の空間に、Low,Mid,High
に対応する３種類の曲面を得ることができる。また同様
に、X₁を固定した場合のX₂の増減によるＹの評価につい
ての知識が知られるならば、より滑らかで自然な曲面が
得られる。

ここでの例は評価を３段階で行なつたが、評価グレー
ドを詳細化しても考え方は同様である。第26図は、評価
を５段階、Ｌ（Low）,ML（Mid−Low）,M（Mid）,MH（Mi
d−High）,H（High）とし、３次元空間上でグラフイツ
ク処理したものである。

第29図は、上記を基に構成された複合フアジー推論機
構４の構造を示したものである。４は統合的な推論過程
において複合フアジー推論要求が発生すると２より起動
され、複数の要因X₁,X₂,X₃,……X_nの測定値（または中
間仮説値）とｎ次元空間上の複合フアジーメンバーシツ
プ関数CF_mを入力とし適合度最近似値を出力とする装置
である。推論結果としての実出力値Y_rは従来と同様に、
例えば重心位置計算により定めることができる。以下４
の詳細動作説明を行なうが、４次元以上の空間上での説
明は紙上では不可能であるから、再び３次元空間での例
を用いて行なう。

第30図は、第26図で示された３枚の複合フアジー適合
度曲面のうちのMID部分を抽出したものである。適合度
評価経験則の知識獲得の性質から、この曲面は、離散的
に考えられる点の集合から生成される平面近似が可能で
ある。この性質を利用して、与えられた要因データの集
合から、適合度最近似解は４により次の様な手順で求ま
る。

第31図は、第30図の一部を拡大したものである。ここ
では、このMID曲線適合度の値として Y₁＝μ（10,4）＝μ（X₁,X₂） Y₂＝μ（10,8） Y₃＝μ（15,4） Y₄＝μ（15,8） が与えられており、Ｙ＝μ（12,6）を求める場合を示し
ている。ここで関数μはＹの評価MIDに対する複合フア
ジーメンバーシツプ関数である。

第31図において、μによる実曲面をP_rとすると、
（X₁,X₂）＝（12,6）で定まるＹと平行な直線がP_rと交
わる点が真の適合度μ（12,6）である。直線（X₁,X₂）
＝（12,6）は、また｛（X₁,X₂）｝＝｛（10,4），（10,
8），（15,4），（15,8）｝で囲まれる空間に含まれる
から ｛（Y,X₁,X₂）｝＝｛（μ（10,4）,10,4）， （μ（10,8）,10,8）， （μ（15,4）,15,4）， （μ（15,8）,15,8）｝ で定義される四面体と１点あるいは２点で交わるか、四
面体の一辺と重なるかの、いずれかである。１点で交わ
る場合は既に適合度が与えられている点を表わすから、
この時はμ（X₁,X₂）が適合度真値である。四面体一辺
で重なる状態は、適合度Ｙが定まらないことを示す為、
メンバーシツプ関数の与え方が誤つている場合であるか
ら検討より除外して考えることができる。解くべき問題
は四面体と２点で交わる場合であり、このうちのいずれ
かの点が最近似解であるかを決定することである。制約
（規則性）の無い曲面に対する線形近似は不可能であ
る。しかしながら、ここで検討している適合度曲面に対
して、曲面に接する全ての直線は曲面の外側に存在せね
ばならぬ、という制約を加えてもこの曲面の一般性は失
なわれない。これは全ての面がその曲面の内側を向いて
いる、という定性的な説明の方が理解が容易である。こ
の制約により、第31図の例では真値◎μ（12,6）近傍に
ａμ_１（12,6）,aμ_２（12,6）,aμ_３（12,6）,aμ
_４（12,6）という４つの可能近似解が存在し、このうち
四面体と交わる点はａμ_２とａμ_４である。上述の制約
により、結局ａμ_２を最近似解として決定することがで
きる。これを定量的に表現すると、下記の様になる。

〔条件〕

複合フアジー適合度評価曲面上の離散値として下記が
与えられている。

Y₁＝μ（X₁₁,X₂₁） Y₂＝μ（X₁₁,X₂₂） Y₃＝μ（X₁₂,X₂₁） Y₄＝μ（X₁₂,X₂₂） この時、下記の様なx₁,x₂により定まる複合フアジー
適合値を求める。

〔解法〕

曲面を Ｙ＝aX₁＋bX₂＋Ｃ にて下記の様に１次線形近似する。

四面体の各面を求める。

Y₁＝aX₁₁＋bX₂₁＋Ｃ ……（35） Y₂＝aX₁₁＋bX₂₂＋Ｃ ……（36） Y₃＝aX₁₂＋bX₂₁＋Ｃ ……（37） Y₄＝aX₁₂＋bX₂₂＋Ｃ ……（38） 上記４式から３式を選択して、連立１次方程式を作成
し、これらを解いて係数a,b,cの４つの組合せを求め
る。

（Y₁,Y₂,Y₃）→（a₁,b₁,c₁） （Y₁,Y₂,Y₄）→（a₂,b₂,c₂） （Y₁,Y₃,Y₄）→（a₃,b₃,c₃） （Y₂,Y₃,Y₄）→（a₄,b₄,c₄） この様にして４つの面 Ｙ＝a₁X₁＋b₁X₂＋C₁ ……（39） Ｙ＝a₂X₁＋b₂X₂＋C₂ ……（40） Ｙ＝a₃X₁＋b₃X₂＋C₃ ……（41） Ｙ＝a₄X₁＋b₄X₂＋C₄ ……（42） を定める。

この３次元空間内での直線（X₁,X₂）＝（x₁,x₂）と、
面（39），（40），（41），（42）が、四面体上で交わ
る点を ａμ_１（x₁,x₂） ａμ_２（x₁,x₂） とし、これを求める。ここで表面で交わらない虚解２点
を除く。

適合度Ｙに対する上面側の交点を最近似解ａμ（x₁,x
₂）とする。

以上が要因が２つから１つの適合度評価を得る手順で
ある。これを一般化して処理可能としたのが第29図に示
す４である。以下４の処理動作を説明する。

〔入力〕 要因実測値 （X₁,X₂,X₃,…X_n）＝（x₁,x₂,x₃,…x_n） 複合フアジーメンバーシツプ関数CF_m 〔演算処理〕 ．線形方程式生成論理（35） 全ての要因に対応する次元X_i（ｉ＝1,2,…ｎ）に対
し、近傍離散値を与える座標点をCF_mを検索して決定す
る。

．線形近似連立方程式解法論理（36） Ｙ＝a₁X₁＋a₂X₂＋a₃X₃＋……＋a_nX_n＋a_n+1で近似する
こととし未知数を a_1j,a_2j,a_3j……,a_nj,a_n+1j とする。_2nC_n+1組の連立方程式群を作成し、これらを個
別に解法し_2nC_n+1個の近似式を作成する。

．最適近似解抽出論理（37） 得られた_2nC_n+1個の線形近似式に（x₁,x₂,…x_n）を代
入し、値域内でかつ最大の値を最近似解として出力す
る。

この様に35,36,37で構成される４によりｎ個の要因か
ら１つの評価項目に対する評価値を直接推論可能とな
る。

第27図，第28図は４が参照する、複合フアジー推論メ
ンバーシツプ関数CF_mの具体例を示したものである。

第27図は、第24図の要因ネツトワークに基づき交通流
変化率1 X₁,交通流変化率2 X₂,現在交通量X₃,車速X₄,現
在汚染量X₅という５つの要因からトンネル内予測汚染値
Y₁を推論する為、まずX₁,X₂,X₃,X₄を固定し、この状態
におけるX₅を段階的に変化された場合の適合度曲線に対
する離散値をプロツトしている。但し図では、理解の容
易さの為、これらを曲線で結んでいる。X₅の全ての獲得
できた知識についての適合度離散値を定義したならば、
次にX₄を１段階変化させ、同様にX₅の段階的移動による
評価をプロツトしてゆく。現実的に、この様にエクスパ
ートの経験則を、きめ細かく収集できるとは限らない
が、その場合は、ある要素、例えばX₁を従来の外乱とい
う概念で扱い、これを３〜５段階程度の変化段階におさ
えることで、現実的な複合フアジーメンバーシツプ関数
を定めることは容易化される。この場合も、例えば従来
補正係数と称する線形的な補正とは全く意味が異なるこ
とを十分理解すべきである。３〜５段階の離散的移動評
価でも十分プロセスの挙動を捉えることが可能である。
またある要素の局所的な値域での経験知識が不足してい
る場合は該当区域を無効区域（または禁止区域）として
推論を不可能とするのが、より自然である。多くの場
合、この区域は現実に発生する可能性がゼロに近く、従
つて、経験則が無いと考えられるからである。従来の知
識ベース型のルール集合型の推論であると、複数の経験
則に基づくルール間に不定空間が存在し、かつその空間
はエクスパートからみればその空間の両側にあるルール
から類推可能な場合推論が不可能となつてしまう。言い
換えるならば、優れたオペレータ（エクスパート）が示
す、未経験状況に対する、適確な判断は、それら複数の
要因の離散的な経験知識が形成する、ｎ次元空間内の経
験則図形に含まれると判断される場合に、その空間上で
の発生事象に対する近似が行なわれた結果である、と言
うことができる。

この４により、トンネル内予測汚染量Y₁と予測換気量
に対する複合推論により得られたそれぞれの適合度を用
いてそれぞれのフアジー評価メンバーシツプ関数での重
心計算を行ない、定量値を得る。この様にして、多面的
な挙動を示すプロセスの定性的な予測推論が完了し、r3
は予測汚染値を中間仮説として出力する。

予測値総合判断ルール群r4は、前述の３つの中間仮説
を、プロセスの様々な状況により判断し、最も適切なも
のを選択する。

第33図はこの総合判断ルール群の推論を示すAND/ORツ
リーである。総合判断の要因は大別して、各モデルの種
々の要因毎の挙動評価により得られるものと、個々の要
因からのみでは捉えきれないプロセス全体挙動への影響
を与えるものの２種類がある。例えば前者の例である
と、定量型汚染予測ルール群における交通量予測精度が
大きな比重を占めることを前に述べた。すなわち、これ
は交通量の推移が線形であるか否か、という問題に帰結
する。一方後者は、例えば、気象条件のトンネル換気プ
ロセスへの影響等を指す。本例では、以上の考えに基づ
き、判断の為の中間仮説として下記を考える。

（１）．交通量予測精度は良好である。

（２）．定量型モデルによる予測値を重視せよ。

（３）．傾向型モデルによる予測値を重視せよ。

（４）．定性型モデルによる予測値を重視せよ。

プロセス制御システムの場合、対象世界が連続的に推
移する為、一般の知識ベースシステムに採用される断定
型ルールとすることが困難であり、またそれを採用した
場合のカバーする範囲が限定されるという理由から、下
記の様な曖昧前向き推論を採用する。すなわち、プロセ
ス制御用の知識ベースシステムの判断ルール群として
は、ルール自身が確信度を持ち、その確信度の積上げ評
価で最終的判断を行なわせるのである。これは優れたオ
ペレータの判断手順を良く模擬する。

第34図は、予測値総合判断ルール群r4内の個々のプロ
ダクシヨンルールを例示したものである。例えばルール
No.1は、第６図，第７図に示された様々な状況下での交
通流推移の実測結果から得られたもので、このルールの
条件部は交通流がほぼ線形推移する状況を示し、結論部
は、この時の交通量予測精度が確信度0.8程度で良好で
あることを述べている。ここで確信度とは−1.0から＋
1.0の範囲の連続値で表わされ、＋1.0に近い程、その中
間仮説（あるいはルール）は確からしいことを示し、逆
に−1.0に近い程否定的である、と定義する。

この線形度合を評価するルールNo.1に対し、ルールN
o.2は非線形度を評価する。条件部で、トンネル内で渋
滞が発生している状況を示し、結論部は、この時の交通
量予測精度は確信度−0.5程度で良好、すなわち精度が
悪いことを、オペレータの経験から得た知識により述べ
ている。

この様に、第33図のAND/ORツリーに示される経験則が
本例では123個存在し、それぞれ確信度が定義されてい
る。同一の中間仮説がビユーノートと呼ばれる一時記憶
用のメモリー上に現われ、それぞれC1,C2という確信度
を持っていた場合、コントラデイクシヨン関数Fcont、
及びコンバイン関数Fcombによつて、その確信度が下記
の様に更新される。

Fcontは確信度計算の意味評価を行なうもので、例え
ば複数のルールの結論の間に矛盾が有るか、否かを判断
する為の関数である。

本例において、ルールNo.3の条件部が成立し、既にビ
ユーノート上に が存在し、他のルールで同じ結論が確信度0.6で得られ
たとすると、0.7≧0.0,0.6≧0.0であるので、 C3＝0.7＋0.6−0.7＊0.6 ＝0.88 という新たな確信度が得られ、ビユーノートは に書き換えられ、確信度が高まる。

一方、ルールNo.1の条件部が成立し、ビユーノート上
に、 が存在する状態で、更にルールNo.2の条件部が成立する
と、確信度−0.5と0.8の確信度が次の様に計算できる。

0.8＊（−0.5）≦0,0.8＊（−0.5）≠1.0より C3＝（0.8−0.5）／（１−min（|0.8|,|−0.5|） ＝0.3/1.5 ＝0.2 ビユーノートは となり、確信度が下がることになる。

この様に、ルールNo.1から122の経験知識ルール群の
条件マツチングが終了すると、ビユーノート上に少なく
共１つの という形の中間仮説が存在することになる。ここで？は
定量型，傾向型，定性型のいずれかのモデルを示し、ｎ
は確信度である。

ルールNo.123は、これら中間仮説の確信度を評価し、
次に所望の確信度を有するモデルが二つ以上存在する場
合、確信度最大のモデルを選択し、新たな中間仮説 を出力する。

この様にして、r4はプロセスの挙動、及び各モデルの
信頼度を総合的に判断し、最も精度の良い予測汚染値を
決定する。

定量型制御操作量決定ルール群r5と、状況適応型制御
操作量決定ルール群r6は、r4で決定された予測汚染値
と、制御目標値の差分ΔＸ（ｋ＋１）を制御目的値とし
て、これに対する必要換気量を演算し、最適なる制御指
令を決定することを目的としている。プロセス制御方式
としては、これまで述べてきた手法を踏襲している。

r5は、CO,VI汚染量のうち、目標値をオーバーしてい
る度合が多い方の差分、または共に目標値以下ならば、
目標よりの差分が少ない方に対する必要換気量を計算
し、使用電力量が最小となる様な換気機の運転組合せを
決定する。中間仮説としては、各ジエツトフアン毎の起
動／停止指令，各集塵機の風量を出力する。本ルール群
内容については、従来モデルと何ら変わることが無い為
詳細説明は省略する。

これに対して、r6は前記r5に代表される従来モデルの
欠点、すなわちプロセスの非線形挙動に対応不可であ
り、また複数の制御目的を総合的に判断できず、結果的
に、人間（エクスパート）の制御より劣るという点の解
決を行なうものである。

本制御での目的は、前記安全性（汚染値を一定値以下
に保つこと）と経済性の２点のみに限定することはでき
ない。また安全性についての評価として、単にCOの濃度
が低（0ppmに近い）程良いのか、目標値に近い方が良い
のか、といつた１つの目的に対して複数の異なる評価指
標も存在する。結局、一般のトンネル換気制御における
目的標価指標としては、 （１）.CO換気制御の質 以下QCO.VG（quality of CO,very good）と略記す
る。目標値に対する評価指標を示す。

（２）.CO絶対濃度の質 以下QCO.G（quality of CO,good）と略記する絶対的
な濃度の評価指標を示す。

（３）.VI換気制御の質 以下QVI.VG（quality of VI,very good）と略記す
る。目標値に対する評価指標を示す。

（４）.VI絶対数値の質 以下QVI.G（quality of VI good）と略記する。絶対
的な煙霧透過率の評価指標を示す。

（５）．定常消費電力量 以下Ｐと略記する。定常時の消費エネルギーに対する
評価指標を示す。

（６）．過渡消費電力量 以下QC（quality of control）と略記する。機器の切
替回数、それに要する過渡的な消費エネルギーの評価指
標を示す。機器の消耗に対する評価でもある。

（７）．換気の公平性（均一性） 以下BP（barance of pressure）と略記する。トンネ
ル内の圧力バランス評価指標を示す。トンネル内の汚染
に対する換気力の影響度合いは、すなわちこのプロセス
のおくれ時間と密接に関係し、均一な圧力バランスが、
おくれ時間を短縮し、この結果が制御の質を高める重要
な要素である。

の７つに集約可能である。

本発明で対象としている一般的なプロセス制御の場
合、制御操作量の種類が多く、また連続量であることが
多く、かつそれら操作量に対するプロセス挙動は、線形
近似のみで捉えることは不可能である。本発明では、以
上の問題点を以下の様に解決した。

第35図に、本発明により構成された予測フアジー推論
機構５の構造を示す。５は該時点でのｎ個の制御操作量
の値data（X₁,X₂,……,X_n）と、それらのとり得る値域
と離数量／連続量の区分range（X₁,X₂,……,X_n）、前述
の複合フアジー推論、あるいは定量型演算により得られ
た予測項目値、複数個存在する制御目的に対してフアジ
ー量評価されたメンバーシツプ関数、あるいはベーグネ
ス関数（of₁,of₂,…,of_l）（但しｌは制御目的評価項目
数を示す）を入力とし、該当制御設備にとつて最適な制
御操作量の組合せ（ΔX₁,ΔX₂,…，ΔX_n）を出力とす
る。

制御目的の評価は、トンネル換気制御においては次の
様に定める。

第36図は、CO濃度評価を示したもので、（１）QCO.VG
は制御の立場から見た換気の質の評価、QCO.Gは人間の
感覚に近い絶対的な評価に対するメンバーシツプ関数曲
線である。制御目標値を50ppm,限界濃度を100ppmとする
と、QCO.VG曲線は50ppmで適度＝1.0、その両側で評価は
低下し、100ppmで適合度＝0.0となり以降は0.0である。
これに対しQCO.G曲線は100ppm以降の評価は適合度＝0.0
でQCO.VGと同じであるが、100ppmから0ppmに近づく程適
合度が上がり、0ppmで適合度＝1.0となる。この関係
は、QCO.Gを安全性に対する自然な感覚とした時、QCO.V
Gはその確信度を表わすベーグネス関数として考えるこ
とができる。厳密には、QCO.VGはQCO.G曲線より得られ
た訳ではなく、制御上の制約や、プロセス毎の特殊性に
よりバリエーシヨンが許容される為、ここでは二つのメ
ンバーシツプ関数と考えることの方が理解が容易であ
る。

第37図は、VIに対する二つの評価関数で、前記COと同
様QVI.VGを制御から見た換気制御の質を、QVI.Gは絶対
的な評価である。

第38図は、上記に対し定常電力量Ｐのメンバーシツプ
関数を示しており、本例での評価では、少ないＳが採用
される。

第39図は、制御機器の切替による過渡消費電力量のメ
ンバーシツプ関数を示しており、本例での評価では、少
ないＦを採用する。

第41図は、トンネル内の汚染分布（Ｘで示す）と換気
機他による圧力分布（Ｐ）を示したものである。前述の
様に均一な圧力バランスを得る為には、汚染分布に対す
る圧力分布が均一となることが必要である。従つて、こ
こではトンネルの延長方向でのＰのＸに対する偏差と分
散δを考え、この値がゼロとなることを制御の一つの目
的として採用する。

第41図は、この考え方に基づきδがゼロとなる場合に
適合値＝1.0、その両側で適合度が除除に0.0に近づくメ
ンバーシツプ関数BP.VGを評価関数として採用する。因
みにBP.Gは分散度合が十側にある場合を許容評価したも
のであり、換気機の配置の制約からBP.VGの採用が困難
な場合に採用されるメンバーシツプ関数である。

４は、前記data（X₁,X₂…,X_m）,range（X₁,X₂…,X_n）
を入力として、制御設備機器の現状の運転状態と、各の
レンジ情報から各操作量を分割して、制御可能アナログ
操作量組合せ集合▲AS⁰ _f▼（（ΔX₁,ΔX₂,…，ΔX_n）が
とり得る有限レンジ区域内の組合せを要素とする無限集
合）と等価な制御可能デイジタル操作量組合せ集合▲Ｓ
⁰ _f▼を生成するプリプロセツサー38と、この▲Ｓ⁰ _f▼あ
るいは後述満足度評価論理41より出力される縮退化され
た▲Ｓⁱ _f▼を^▼入力とし、これを再帰的に小分割化（▲
Ｓⁱ _f▼を出力とする、再帰的レンジ分割論理39と、前記
予測された項目群の値と、目的量フアジー評価メンバー
シツプ関数（Of₁,Of₂,…,Of_l）と、▲Ｓⁱ _f▼を入力とし
（▲Ｓⁱ _f▼に含まれる全ての制御操作量組合せに対する
予測計算を行ない、複数の目的毎の適合度を評価し、こ
れらより総合的な満足度を演算（満足度集合▲Ｓⁱ _c▼を
出力する、満足度演算論理40と、▲Ｓⁱ _f▼と▲Ｓⁱ _c▼を
入力とし、それらが形成するｎ次元空間上の高々ｌ個の
満足度共振を観察し、もしレンジ分割レベルが制御精度
最小分解能より小であるならば、高々ｌ個の共振点で最
も満足度が高い▲Ｓⁱ _f▼内の制御操作量の組合せ（Δ
X₁,ΔX₂,…，ΔX_n）を出力とし終了し、そうでないなら
ば、各共振範囲を、満足度評価による平面で縮退させ、
前述39を起動する満足度評価論理41により構成される。

理解の容易さの為に、ここで制御操作量を共にアナロ
グ量であるΔX₁,ΔX₂とし、これらに対する目的評価メ
ンバーシツプ関数をOf₁,Of₂,Of₃とし、総合的な満足度
をSg（ΔX₁,ΔX₂）として以下説明する。

Sgは下記で定義される。

但し、 Ci:各目的項目に対する重み係数で Sg:満足度で0.0〜1.0の値をとる。

またOf₁,Of₂,Of₃をそれぞれ共振を１点含む（すなわ
ち山型特性）メンバーシツプ関数と仮定する。これらに
より、ある時点での制御量X₁,X₂を一定とし、とり得る
ΔX₁,ΔX₂を連続量としてSgを計算すると、第42図に示
される図形が得られる。

第42図は、第１の軸に操作量ΔX₁、第２の軸に操作量
ΔX₂、第３の軸に満足度Sg（ΔX₁,ΔX₂）を定義し、得
られたものである。この三次元空間における面の突起
は、目的評価メンバーシツプ関数の持つ共振特性による
もので、各メンバーシツプ関数の共振を鋭くする程狭範
囲での突起となる。いま求め様とする最大の満足度は、
これらの共振点のうちの、いずれかの頂点であることは
明らかである。これを求める最も良い方法は、しらみつ
ぶしに全てのΔX₁,ΔX₂のとり得るアナログ量の組合わ
せについてSg（ΔX₁,ΔX₂）を計算し、それらの最大値
をみつけることであるが、この為には無限の時間が必要
である。本発明では、これを以下に示す様な収束計算手
順で、高速に決定可能である。

（入力） data（X₁,X₂,…,X_n） range（X₁,X₂,…,X_n） 予測項目値 目的評価メンバーシツプ関数 （Of₁,Of₂,…,Of_l） （手順１）．プリプロセス（38） ｉ＝Ｏ（縮退化次数） Sgmax＝0.0（満足度最大値メモリー） data（X₁,X₂…,X_n）とrange（X₁,X₂,…,X_n）より（Δ
X₁,ΔX₂,…，ΔX_n）のレンジを決定する。→▲AS⁰ _f▼ （手順２）．再帰的レンジ分割（39） 決定された、各制御操作量に対するレンジをｍ分割
し、それらのレンジ毎（共振区域毎）にとり得る制御操
作量の組合せ集合を生成する。

→▲Ｓⁱ _f▼ （手順３）．満足度演算（40） ▲Ｓⁱ _f▼に含まれる全ての組合せ（ΔX₁,ΔX₂,…，Δ
X_n）に対して、Of₁,Of₂,…,Of_lの適合度を演算し、満足
度集合を生成する。→▲Ｓⁱ _c▼ （手順４）．満足度評価（41） mSg＝｛Sg（ΔX₁,ΔX₂,…，ΔX_n）｜▲Ｓⁱ _c▼内の最大
値｝とし、if mSg＞Sgmax then mSg→Sgmaxその時の組合せをmax（ΔX₁,ΔX₂,
…，ΔX_n）とする。

end if 分割による分解能く制御最小分解能 then max（ΔX₁,ΔX₂,…，ΔX_n）を最適組合せとして
出力する。（stop） else 但し、▲Ｓⁱ _g▼ｊ∈▲Ｓⁱ _g▼,Pは▲Ｓ^ｉ _ｇ▼の要素数
とする。また本例ではバイナリー分割としているが、縮
退平面は処理速度と精度により決定されるものである。

縮退平面γｐにより決定される高々ｌ個の共振範囲を
決定する。→（手段２） 第43図は、以上の推論機構を、集合の段階的な縮退で
示したものである。本図で、有限区域内無限要素の制御
アナログ操作量組合せ集合▲AS⁰ _f▼は、満足度を要素と
する無限要素集合▲AS⁰ _c▼と１対１であることが示され
ている。次にアナログ量→デイジタル量変換が39により
行なわれ、▲AS⁰ _f▼は▲Ｓ⁰ _f▼に写像される。次に40が
▲Ｓ⁰ _f▼から▲Ｓ⁰ _c▼を生成する。41は▲Ｓ⁰ _c▼を基に
▲Ｓ⁰ _f▼を縮退可能な様にレンジ分割し、再び39は▲Ｓ
⁰ _f▼→▲Ｓ¹ _f▼という写像を行なう。この手順が再帰的
に繰り返され、最終的に、 （ΔX₁,ΔX₂,…，ΔX_n）≒optimal という、近似最適制御操作量組合せが決定される。ここ
で、 ▲AS⁰ _f▼⊃▲Ｓ⁰ _f▼⊃▲Ｓ¹ _f▼⊃▲Ｓ² _f▼⊃…⊃▲Ｓ
^m-1 _f▼⊃▲Ｓ^m _f▼∋ （準最適解）であり、少なくとも▲Ｓ^m _f▼の値域は（最
適解）含んでいる。許容近傍値Δ_εを該システムにおけ
る制御上の最小分解能と定めると、Δ_ε＞（分解レン
ジ） にて準最適解は、該当システムにおいて最適解となる。
Δ_εは制御上意味のある変量と表現することで理解が容
易となる。

第44図と第45図は、５の動作例をトンネル換気制御を
例に示したものである。

該時点での制御機器である。ジエツトフアンの運転台
数JFを３台、集塵機１の風量CL1を70m³/s、集塵機２の
風量CL2を40m³/sとし、JF台数は最小０台、最大10台で
操作量ΔJFな離散値、集塵機１は最小0m³/s、最大150m³
/sで操作量ΔCL1は連続量、集塵機２は最小0m³/sで最大
95m³/sで操作量ΔCL2は連続量であるとする。また満足
度評価Sgは下式で定義される。

Sg（ΔJF,ΔCL1,ΔCL2） ＝0.20＊QCO.VG＋0.05＊QCO.G＋0.20＊QVI.VG＋ 0.05＊QVI.G＋0.40＊Ｐ＋0.05＊QC＋0.05＊BP ここでの重み係数は安全性と経済性に40％、他の要素
にそれぞれ５％が与えられている。

本表において、左３項目は、現在運転量に対する制御
操作量ΔJF,ΔCL1,ΔCL2,中７項目が目的評価メンバー
シツプ関係適合値、右１項目が満足とそのトレンドであ
る。表中の＊は、不可能オペレーシヨンを示し、この時
は評価対象としないことを示している。例えばΔCL2＝
＋70とすると現在値CL2＝40であるから、この値でCL2を
増加させると CL2＋ΔCL2＋110＞95＝max となり、実際の操作は有り得ないことを示している（評
価はinop）、またSg＝Ｘはinopではないが、安全性の評
価が、許容レンジを外れる為、同様に評価対象外となる
ことを示す。例えば、 ΔJF＝−２ ΔCL1＝−70 ΔCL2＝−20 は操作可能であるが、これによりCO濃度評価のVG,Gの評
価適合値が0.0となり危険状態となるからである。

制御操作量可能組合せ集合▲Ｓ⁰ _f▼のΔCL1とΔCL2の
分割数は15に選択され、従つて満足度の計算は、 ΔJF＝（＋10,＋9,…，±0,−1,…，−10） ΔCL1＝（＋70,＋60,…，±0,−10,…，−70） ΔCL2＝（＋70,＋60,…，±0,−10,…，−70） の要素の組合せ数行なわれる。本例ではΔJF＝＋2,ΔCL
1＝＋70〜＋50,ΔCL2＝＋70〜−70の一部分と、ΔJF＝
−2,ΔCL1＝−70,ΔCL2＝−20〜−70の一部分について
の状態を示している。また各目的評価メンバーシツプ関
数は第36図から第41図で示されたものを使用している。

この表よりΔJF＝＋2,ΔCL1＝＋70と固定し、ΔCL2＝
＋70〜−70と操作すると、ΔCL2＝＋10で極大点が現わ
れ、この時Sg＝0.462であることがわかる。同時にΔJF
＝＋2,ΔCL1＝＋50の時の極大点はΔCL1＝＋30で現わ
れ、Sg＝0.485である。この表の例示部分に限るとSg＝
0.485が最大であるからSgmaxは0.485となる。

次に縮退平面として0.4が選択され、共振範囲が と、 に現われる。ここで分割数を12とすると▲Ｓ⁰ _f▼から第
45図に示される▲Ｓ¹ _f▼が生成される。ここでの極大点
はΔJF＝＋2,ΔCL1＝＋70,ΔCL2＝＋13,Sg＝0.484と、
ΔJF＝＋2,ΔCL1＝＋67,ΔCL2＝＋16,Sg＝0.502という
２点を観測できる。最適解に対する許容近傍値Δ_ε＝４
とすると、結局、満足度を最大とする制御操作量組合せ
は、（ΔJF,ΔCL1,ΔCL2,）＝（＋2,＋67,＋16）である
と決定される。

因みに、以上まで説明を行なつてきたｎ次元空間上の
共振突起は、人間が物事の判断を行なう場合の満足度評
価決定候補の集合に対応し、結局突起の高さが最も高い
ものを採用する。という判断の仕組みを、定量表現した
ものと考えることが可能である。従つて鋭い角度の目的
評価メンバーシツプ関数を多く持つ人間（エクスパー
ト）程、容易に、しかも高速に的確な判断を示す、と言
える。本推論機構においても同様であり、よく洗練され
た、鋭いメンバーシツプ関数を与えることが、良いプロ
セス制御を得る重要な点である。

この様にr6で採用された予測フアジー推論機構によ
り、複数の非線形制御目的を同時に満足させる、複数の
連続的な制御操作量の組合せを、容易に、しかも高速に
決定することが可能である。

制御操作量総合判断ルール群r7は、この様にして得ら
れた２つの制御操作量中間仮説を、r4と同様の曖昧前向
き推論で、検討判断し、各制御機器を最適に操作する信
号を出力する。

推論自己評価ルール群r8は、これまで述べてきた各ル
ール群が、様々な状況に対して、どの程度の精度で予測
推論を行ない、また判断ルール群が最適の判断を行なつ
たか否かを評価し、これらの評価の積み上げより、自身
の知識の洗練を行なうルール群である。

以上、本発明の内容をトンネル換気制御を例に説明し
た。本方式は、各々の推論機構の時間的分解能より大き
な制御分解能を持つ全てのプロセス制御に適用可能であ
り、従来モデルを自身に含んでいる為少なく共、従来よ
りは良い結果が得られることは明白であり、非線形要素
を多く含むプロセス程大多きな改善が得られることにな
る。

他の具体的な適用例は、巨大ビルでの多数のエレベー
タ制御、時間帯により待ちがしばしば発生してしまう大
規模コンピユータネツトワークのルート制御等、数多
い。

例えば、エレベータ制御においても、制御目的が最小
の電力で、かつ一定以上の運搬能力を発揮せねばならな
いという、原則的に相反するものを含んでおり、プロセ
スの挙動に影響を与える要因の中に非線形要素を持つも
のを多く含んでいる。エレベータを利用する人間の流れ
の予測を、前記実施例における交通量の予測に、多量の
エレベータの現状オペレーシヨンからの移動を制御操作
量、各エレベータの移動に要する電力量を定常消費電力
量、停止中のエレベータの起動に要する電力量を過渡電
力量、人間の待時間（待行列）に対する感覚を制御の質
をそれぞれフアジー量で評価し、制御目的と置き換える
ならば、本実施例をそのまま流用できることになり、大
変優れたエレベータ制御が得られるのは明らかである。

この様に、本発明の適用範囲は広く、基本性を有して
いる。

〔発明の効果〕

本発明によれば、次の様な効果を得ることができる。

（１）．複合フアジー推論により、複数の要因から１つ
の結論を直接得ることができ、エクスパートの感覚をよ
く模擬することができる。

（２）．予測フアジー推論により、複数のデイジタル，
アナログ制御操作量が複数の曖昧量で評価される制御目
的を総合的に満足させる様決定できる。

【図面の簡単な説明】

第１図は、本発明によるプロセス制御装置を示す図、第
２図〜第12図は、トンネル換気構造と、従来の制御手法
による制御状況説明図、第13図，第14図は、汚染量，換
気力に対する、要因相関図、第15図〜第18図，第46図
は、推論ネツトワーク説明図、第19図〜第21図，第47図
は、定量型汚染予測説明図、第22図〜第23図は、傾向型
汚染予測説明図、第24図〜第32図は、定性型汚染予測と
複合フアジー推論機構の説明図、第33図〜第34図は、予
測値総合判断と前向き曖昧推論の説明図、第35図〜第45
図は、状況適応型制御操作量決定と予測フアジー推論の
説明図である。 １……プロセス制御装置、２……推論主エンジン、３…
…知識ベース、４……フアジー推論装置、５……予測フ
アジー推論装置。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 八尋 正和 茨城県日立市大みか町５丁目２番１号 株式会社日立製作所大みか工場内 (72)発明者 佐藤 良幸 茨城県日立市大みか町５丁目２番１号 株式会社日立製作所大みか工場内 (56)参考文献 電気学会雑誌、104［10］（昭59−10 −20），電気学会，安信誠二他１名「Ｆ ｕｚｚｙ制御の列車自動運転システムへ の応用、Ｐ．867−874 オートメーション33［６］（昭63−６ −１），日刊工業新聞社、脇本一政他２ 名、「ファジィ集合論の考え方を利用し た高炉炉熱制御エキスパートシステ ム」、Ｐ．37−41

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】プロセスの推移を予測しながら複数の制御
   目的に応じた制御を行うプロセス制御方法において、 複数の制御目的毎にその要因となる複数（ｎ）のプロセ
   ス状態量の各々に対して複数の評価レベル段のファジー
   量（適合度）で評価し、それらのファジー量を複合化し
   た多次元（ｎ＋１）メンバーシップ関数を予め記憶して
   おき、該関数にそれぞれ入力された前記制御目的毎に該
   当する状態量から所定の時間後の当該制御目的の予測値
   を直接推論し、これらの予測値に基づいて前記複数の制
   御目的を同時に達成する程度を示す満足度を演算し、該
   満足度が最大になるように制御効果器の操作量を決定す
   る（r6）ことを特徴とするプロセス制御方法。
2. 【請求項２】請求項１において、前記満足度は前記制御
   目的毎に予め定められる重み係数と対応する前記予測値
   の積和演算によって求められることを特徴とするプロセ
   ス制御方法。