JPH01243102A - プロセス制御方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

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ィジタルあるいは
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２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１へ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９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
成功していなかった。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ョ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ァジー理論（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
に定まっ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。ファ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・複雑になった為、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って
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（オフィスオートメーション）やＦＡ（ファク
トリ−オートメーション）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ってき
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
なファ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
ァ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昼型的な例と
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５が制御する換気設備としてのジェットファ
ン７や集塵機８は人体に有害なＣｏ、ＮＯｘ、ＳＯｘな
どのガス及び安全走行に有害な煤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１〜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ィード・フォ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１ヘンネ
ルプロセスを数式モデルとして捉える為に、勾配、換気
機の設置位置等の条件で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。

Ｘ（ｋ＋１）＝ｅｘＰ（Ｑ（ｋ））・Ｘ（ｋ）＋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　（ｋ　Ｔ≦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基準発生汚染量をＰ＊、このＰ＊に
対する基準汚染濃度ＸＩを保つ基準換気量をＱ＊とする
と（１）式から Ｑｊ＝ｐ＊／ｌ＊　　・・・・・・・・・・・・・・・
・・・・・・・・・・・・（２）が成り立つ。現在時刻
にの汚染濃度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す・八Ｘ（ｋ）−（１−
ｅｘｐ（−Ｑす）（ΔＱ（ｋ）−八Ｐ（ｋ））・・・・
・・・・・・・・（４） この式で八Ｘ　（ｋ）は状態変数、八〇　（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。ＦＸ、ＦＱ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
レギュ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）＝Ｇｘ（ｋ）・ΔＸ（ｋ）十Ｇｐ（ｋ）・
ΔＰ（ｋ）・・・（６）ココで、Ｇｘ（ｋ）とＧｐ　（
ｋ）はそれぞれΔＸ（ｋ）、八Ｐ　（ｋ）に対するフィ
ードバックゲインである。

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、時刻にの汚染量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−：車種５１台あたりの汚染発生量ｎＪ（ｋ）
：期間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（トラフィックカウンター）
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
の交通流予測フィードフォワード制御を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１０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。絶対的な交通量が低い為、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
。

この交通流予測フィードフォワード制御方式は、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、朝のラッシュ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。

（４）、−−−−−−−一−−−−− 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。すなわちオペレー夕はこの自動
制御を完全には信頼している訳ではなく、自動制御でう
まくゆく場合と、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−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った場合は、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ュレ
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ったからである。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
ったからである。

第１３図は、シミュレーション、実測等の考えられる手
段を使って明らかになった、一般的なトンネルにおける
汚染発生の要因ネットワークである。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、換気力の要因ネットワーク
を示したもので、この中には自然風といった気象条件も
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
であった。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　ｎｅνｖｅｎｔｉｌａｔｉｏｎ　ｃｏｎｔ
ｒｏｌ　ｆｏｒ　］、ｏｎｇ　ｒｏａｄ　ｔｕｎｎｅｌ
）　”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ァジー制御
である。従来のファ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
を含む要因をファジー量として扱い、局所的な非線形要
因を、経験またはシミュレーショ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、でも、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
のできなかった、例えば列車走行時の人間の感じる快適
さと言った項目も評価可能にしている。しかしながら現
状のファジー制御は下記の欠点を有している。

第１に、ファ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、またかえって解り難くなってしまう。例えば項目Ａ
と項目Ｂから項目Ｃのファジー量を推論する場合、μ＾
（ｘ）とμｃ　（ｙ）をそれぞれ項目Ａ、Ｂに対する測
定値Ｘｒ’／のメンバーシップ関数とすると μｃ（ｘ、ｙ）＝ｆ　（μ＾（Ｘ）、μＢ　（ｙ）　）
で定義される。関数ｆは例えば代数和２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つの項目のファジー量を評価す
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、 μＺ　（Ｘ１＋　Ｘ２＋　”’＋　Ｘｎ）＝ｇ（μ＾（
ｘｔＬ　μｃ（ｘｚＬ　−・□・μＢ（Ｘ　ｎ））とな
るが従来の方法であると、例えば ｇ　”　ｆ　（ｆ　（ｆ　・−・・（ｆ　（／ＺＡ（Ｘ
Ｉ）、　μＢ（ｘｚ））。

ｆ（μｃ（ｘ　ｚ）　ｔμｏ（ｘｚ））、・・−・））
　）で表おされる様になり、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ｈ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。

第２の欠点は、従来の線形制御モデルが高精度で制御可
能な部分（あるいは時間帯、状況）も、あいまい量でし
か制御できなかった為、総合的には線形制御モデルより
も優れてはいるが、状況によってはファジー制御の方が
劣ることになる。これはプロセスを線形制御向き、ファ
ジー制御向きと一意に把え様としていたからである。こ
のファジー制御を詳しく述べている例としては、特開昭
５８−１９２４０７号、特開昭５９−２０４７０７号が
ある。

現実のプロセスは程度の差はあるにせよ、線形挙動と非
線形挙動の極めて複雑な組合せであり、一元的な制御手
法で、あらゆる状況に対する最適制御を行なうことは不
可能であると言える。

本発明の目的は、以上の様な従来の線形制御のプロセス
の非線形挙動に対する問題点と、ファジー制御の精度、
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って説明する。

（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。本手順で要因ネッ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、シミュレーション。

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
はシミュレーションより、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（Ｉ９） ダクシ日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
ュ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ァジー
制御を用いる。

一方非線形部分についてはファ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ァ
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。

■、　！Ｉｆ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ァジー推論に
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、ファ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、複合ファジー推論機構。

前向き曖昧推論機構、予測ファ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ィードフォワード型制
御に対するものであるが、遅れ時間的要素が少なく、フ
ィードバッ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■の予測型ファジー推論とその総合判断
のみで十分である。従っ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、前記設計手順に従って説明する。

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え。

小型車台数ｎｓ、車速■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
するトラフィックカウンター６、−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
設置されている。

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ェットファン（Ｊ
Ｆ）７、連続的に変化させ得る風量を出力し、煤煙を減
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５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）、ΔＰｔは自動車の走行により発生するピス
トン効果昇圧力（ｍｍＡｑ）、ΔＰＪは７による機械的
昇圧力（ｎｗｎＡｑ）、ΔＰｂは８による機械昇圧力（
ｎｗｎＡｑ）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
って汚染量が低く、結局汚染量の分布は圧力分布の関数
（反比例）となっ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々な
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ットワークである。

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ットワークであ
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。

これらの意味ネットワークより手順（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ョ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ロダクシ
ョンルール、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ッド、ファジー推論機構で
参照されるメンバーシッ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ァジ
ー量で評価されている結論を直接推論する複合ファジー
推論装置、５は前記４により予測された項目を用いて複
数のディジタルあるいはアナログ操作量の組合せの中か
ら、予めファ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ァ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１４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、推論プロトネットワークを示す。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（ｒｌ）と、プロセスの非線形挙動に
対する予測を定性的し３行なう定性型汚染予測ルール群
（ｒ３）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（ｒ２）がアクティブル
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（プロダクショ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った時点で、予測汚染量判断ルール
群（ｒ４）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
ティブルール群となる。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１〜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４
６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ッ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
論ネットワークと称し、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ップであり、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っており、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
。

前記推論プロトネットワークから、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ットワークの導出
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ットワークから第１８図に示される
推論ネットワークを得るには、次の（１）、（２）によ
る。

（１）、推論プロトネッ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ットワークに変
換する。

（２）、ｓ、を推論ステップｊのルール群の隼合とする
と、 ５ｌ＝（Ｒ１：イベントより活性化されるルール群） Ｓ　２＝　（Ｒ１１：推論ステップ１より活性化される
ルール群） Ｓｚ＝（ＲｔＪ−ｚ：推論ステップｊ−１より活性化さ
れるルール群）　　　　゛ ５ｋ＝（φ）　（空集合） この結果、 Ｓ　＝　（Ｓ　Ｉ　Ｕ　Ｓ　２　Ｕ　Ｓ　３・・・・・
・・・・・・ＵＳｋ−ｉ）とするとＳはメタルールであ
り、この制御システムはに−１の推論ステップを有して
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、あるいは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＋’ｌ）はＡ で表わすことが可能である。（８）式の右辺第１項は時
刻にでの汚染量Ｘ　（ｋ）に対して期間に〜（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）は期間に〜（ｋ＋１）にて発生する汚染量の
総和を示している。従って式％式％（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％式％ ｎａ（ｋ）：時刻（ｋ−１）　〜ｋにおける小型車の通
過台数、 ｎｔ（ｋ）：時刻（ｋ−１）　〜ｋにおける大型車台数
に対するディーゼル車混入率、 を示す。

ここで小型ディ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＋ｂは次の様にして決定する。

（１）、汚染発生量関数りの導出と論理化下式にて定義
可能である。

Ｐ（ｋ）＝ｂ（ｎｓ（ｋ）、ｎｔ（ｋ）、ｄａ（ｋ））
＝ｖｓ＊　ｎａ（ｋ）＋ｖｔａ＊ｎｔ（ｋ）”ｄｔ＋ｖ
ｘｇ＊　ｎｔ（ｋ）＊（１−ｄａ）　・−・−・（１２
）但し、 ｖｓ　：小型車１台当りの汚染発生量、Ｖｔ＋＋：ディ
ーゼル大型車１台当りの汚染発生量、Ｖｔｇ：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、ＶＳｚ　ＶＬｄｇ　Ｖ□。

ｄ　、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ｖｓ
、ｖ□、Ｖ□、ｄａ　（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＝ｏ、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向風速時系列データｕ（ｋ
　　１）（１＝ｏｌ　ｉｔ　２ｔ・・・）、ＴＣよりの
交通流測定値時系列データｎ５（ｋ−ｉ）　、ｎｔ　（
ｋ−ｉ）、車速Ｖｔ（ｋ　　ｉ）を入力とし、車速範囲
と総交通量範囲毎に定まるｖｓ、　ｖｇａ、　ｖｔｇ、
　ｄａを出力とする。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） ＝ｖｓ＋ｋ　ｎａ（ｋ）＋ｖｔａ＊　ｎｔ（ｋ）＊　ｃ
ｉｔ＋ｖｔｄ＊　ｎｔ（ｋ）”（１ｄａ）　・・・（１
４）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■１と総交通量（ｎｓ（ｋ
）＋　ｎａ（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） ＝ｖｓ＊ｎ５（ｋ）＊Ｖｔ　ｄ＋ｖｔ　ｄａｎｔ（ｋ）
＊ｄｔ＋Ｖｔｇ”ｎｍ（ｋ）　申（１−ｄａ）Ｘ（ｋ−
ｉｚ）−Ｘ（ｋ−ｉニー１）＋Ｑ（ｋ−ｉｔ）＝ｖｓ＊
ｎ５（ｋ−ｉｌ）＋ｖｔｄｅｎｔ（ｋ−ｉｔ）＊ｄｔ＋
ｖｔｇ＊ｎｔ（ｋ−ｉｔ）傘（１−ｄａ）Ｘ（ｋ−ｉｚ
）−Ｘ（ｋ−ｉｚ−１）＋Ｑ（ｋ−ｉｚ）＝ｖｓ＊ｎ５
（ｋ　　ｉｚ）＋ｖｔａ傘ｎｔ（ｋ−ｉｚ）＄（ｉｔ＋
ｖｔ＊＊ｎｔ（ｋ−ｉｚ）ネＱ−ｄｔ）Ｘ（ｋ−ｉａ）
　−Ｘ（ｋ−ｉａ−１）　＋Ｑ（ｋ−ｉｓ）＝ｖｓ傘ｎ
５（ｋ　　　ｉａ）＋ｖｔ＋＋＊ｎｔ（ｋ　　　ｉｓ）
傘ｄｔ＋ｖｔｇ”ｎｔ（ｋ　　　ｉｓ）＊（１ｄａ）・
・・・・・・・・・・・（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Ｖ５゜Ｖ□、Ｖ□
、ｄ、が見直され更新されてゆく。

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）＝ｖｓ＊ｎ５（ｋ＋１）＋ｖｔ、＋＊ｎａ
（ｋ＋１）＊ｄｔ＋ｖｔａ１１ｎｔ（ｋ＋１）”（１ｄ
ａ）・・（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
、また車速か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にトラフィッ
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、 ｎａ（ｉ）、ｎａ（ｉ＋１）、ｎａ（ｉ＋２）、　　・
・・・・・・・ｎｂ（ｉ）、ｎｂ（ｉ　＋　ＩＬ　　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、 ｎａ”（ｉ）＝ｎａ（ｉ）＋ｎａ（ｉ＋１）＋・・・・
＋ｎａ（ｉ＋ｊ−１）ｎｂネ（ｉ）＝　ｎｂ（ｉ）＋　
ｎｂ（ｉ＋１）＋−＋　ｎｂ（ｉ＋ｊ−１）（ｉ＝１．
２．・・・・・・・・）・・・・・・（１６）を考える
。トンネル内をブラックボックスと考えｎａ＊　（ｉ、
）　　（ｉ＝１．２．−ｉ　を入力、ｎｂ＊（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■ 関数であり、次式で定めることができる。

この式においてｖｂａ（Ｑ）はｎｂ牟（ｉ）とｎａｌｌ
（ｉ＋Ｑ）との共分散、ｖａａ（Ｑ）はｎａ傘（ｉ）と
ｎａ＊（ｉ＋Ｑ）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ａ
ｎｓ　（ｋ　　ｌ）ｒ　ｂｎｓ（ｋ−ｉ）（ｉ＝ｏ、１
．・・・）、大型車台数時系列データａｎａ　（ｋ−ｉ
）＋　ｂｎｔ　（ｋ−ｉ）（ｉ＝０．１．−）　、車速
時系列ａＶｔ（ｋ　　１）（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ｎ５（ｋ＋１）と、大型車台数ｎｔ（ｋ＋１）の
予測値を出方とする。

共分散Ｖａａ演算論理２８は共分散ｖａａを、共分散Ｖ
ｂ＆演算論理２９は共分散Ｖ　ｂ　ａ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ｎ５（ｋ＋１）とｎ　ｔ（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４０〜６
０ｋｍ／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、１
２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）＝ＣＩＡネＬ　＊　ｕ　（ｋ　＋　１）　
・・・・・１１９）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ットモデルの様にト
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分割としセクショ
ン１内にジェットファンが、セクション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、　　二区間ｉの圧力 Ｐｒ　　：区間ｉの車道抵抗 ＝−ΔＰｒ＋＋ΔＰｔ＋＋ΔＰＭｉ ΔＰ目：区間ｊの入口損失・壁面摩擦 ΔＰｔｔ：交通流ピストン効果昇圧力 ΔＰＭ　：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ｕ”（ｋ＋１）に、Ｂはｕ（ｋ＋１）に、
Ｃは定数に対応する。

但し、 Ａｅ　　　　：自動車等価抵抗面積 Ａｒ　　　　：トンネル断面積 ｎｔ（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 ■ｔ　　　　：平均車速 ΔＰｔ＝Ａｔ”ｕ２（ｋ＋１）＋Ｂｔ’ｕ（ｋ＋１）＋
Ｃｔ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、 ζ　；入口損失係数 λ　：車道壁面摩擦損失係数 Ｌｒ　：トンネル延長 Ｄｒ　二トンネル代表寸法 より ＪＦ（ジェットファン）外圧力演算論理１７は、次の様
に係数Ａｉ、ＢＪ、ＣＪ　を算出する。

但し、 ＶＪ：ＪＦ吹出速度 Ａ１　：ＪＦ吹出面積 ｎＪｐ：区間ｉでのＪＦ台数 より 集塵機具圧力演算論理１８は、次の様にして係数Ａｂ、
Ｂｂ、Ｃゎを算出する。

但し、 Ｑｂ　：ノズル吹出風量 Ｑｒ　；車道風量 Ｖｂｓ：ノズル吹出速度 Ｂ　：ノズル吹出角度 ｎｂａ：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 自然風葬圧力演算論理１９は、現在風速ＶＭが時刻（ｋ
＋１）まで継続するものとして、次の様にＡＭ、ＢＭ、
Ｃｓ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）十人（２１）十人（２２）十人（２３）十人
（２４）十人（２５）＝（Ｐｒｔ＋Ｐｒｚ＋Ｐｒａ＋Ｐ
ｒ４＋Ｐｒａ）＋ＡＰｊ＋２・ΔＰｂ＝〇 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 ＝Ａ−ｕｚ（ｋ＋１）＋Ｂ−ｕ（ｋ＋１）＋Ｃ＝Ｏ−−
（３３）ここでジェットファン、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、換気機は現状を維持するものとしている。こ
の結果予測車道的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った汚染発生量関数りと換気
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
刻にの汚染値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（ｒ２）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った。これに対
しｒ２は、センサーよりのプロセス計測信号Ｇｏ、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、上記に基づき構成されたｒ２の構造を示し
たものである。ｒ２は汚染測定値時系列Ｘ　（ｋ−ｉ）
（ｉ＝ｏ、　１，２．−−）＋換気量実績値時系列Ｑ　
（ｋ−ｉ）（ｉ”Ｏ＋　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）での予測汚染イ直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
刻にでの汚染値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Ｘｖ（
ｋ−１）（ｉ＝ｏ、１．２−−）　がｌｌＡｌ単形を示
す場合、時刻（ｋ＋１）での実汚染値ｘｖ（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。

Ｘ’（ｋ＋１）　”（３・ｔ　（ｋ＋１）　＋ａα−Ｘ
−Ｂｔ ｉ＝１ 線形予測演算論理３４は、 ハ の演算を行ない中間仮説としてＸ（ｋ＋’ｌ）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っ
た。これに対して、定性型汚染予測ルール群（ｒ３）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、定性的な意味ネットワークである
。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、シミュレーショ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Ｘｌ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。

本ネットワークでは、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）ｘｌ、交通流変化率２（至近の短期的
な変化傾向）Ｘｚ、現在交通量Ｘａ、　　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からに＋１期間での換気力Ｙ２も、
前記Ｘｔ、Ｘ２．Ｘｓと、自然風Ｘｅ、機械換気力（本
例ではジェットファン、集塵機を指す）Ｘｚから直接推
論される。

各項目Ｘｌｌ　Ｘ２１　Ｘ３．　Ｘ４１　Ｘｌｌ　Ｘ８
１　Ｘ７１Ｙｚ、Ｙ２は全てあいまいな量（ファジー量
）として扱われ、各々のメンバーシップ関数が定義され
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２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ってきた。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１・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、複合ファジー推論
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次元上での複合ファジー推論
を第１の次元に適合度（ファジー理論では一般的に適合
度指標値をＯ２０がら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Ｘ工の値、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、Ｘｌを
交通量、Ｘｚ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Ｘ
１の増減でのＹの適合度をＩＩ、ｏｗ」、ｒＭｉｄＪ　
。

ｒＨｉｇｈＪ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、Ｘｚ。

Ｘｚ）　　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Ｘｌ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
ら行なってゆくならば三次元上の空間に、Ｌｏｗ、Ｍｉ
　ｄ、Ｈｉ　ｇｂ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、Ｘｌを固定した場合のＸｚの増減
によるＹの評価についての知識が得られるならば、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段階で行なったが、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（Ｍｉ　ｄ−Ｌｏｗ）
、Ｍ　　（Ｍｉ　ｄ）、ＭＨ（Ｍｉ　ｄ−Ｈｉ　ｇｈ）
、Ｈ（Ｈｊ、ｇｈ）　とし、３次元空間上でグラフィッ
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ァジー推論機
構４の構造を示したものである。４は統合的な推論過程
において複合ファジー推論要求が発生すると２より起動
され、複数の要因Ｘ、１．Ｘ２゜Ｘｓ、・・・・・・Ｘ
ｎの測定値（または中間仮説値）とｎ次元空間上の複合
ファジーメンバーシップ関数ＣＦ、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Ｙｒ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枚の複合ファジー適
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、適合度量近似解は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＝／Ｚ　　（１０，４）＝μ　（ＸＩ、Ｘ２）Ｙ２
二μ　（１０，８） Ｙ３＝μ　（１５，４，） Ｙ４＝μ　（１５，８） が与えられており、Ｙ二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
合ファジーメンバーシップ関数である。

第３１図において、μによる実曲面をＰｒとすると、（
Ｘｌ、　Ｘ’２）　＝　（１２，６）　テ定まるＹと平
行な直線がＰｒ　と交わる点が真の適合度μ（１２，６
）である。直線（Ｘｉ、　Ｘ２）　＝　（１２゜６）は
、また（　（Ｘｉ、　Ｘ−２）　）　”　（（１０，４
）　。

（１０，８）　、　（１５，４）　、　（１５，８）　
）で囲まれる空間に含まれるから （（Ｙ、Ｘｉ、Ｘ２））＝　　（（μ（１０，４）、１
０．４）。

（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（Ｘｔ、　Ｘ２）が適合度真値で
ある。四面体−辺で重なる状態は、適合度Ｙが定まらな
いことを示す為、メンバーシップ関数の与え方が誤って
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、
このうちのいすわ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図の例で真値◎μ（１２゜６）近傍に８μｍ　
（１２，６）、ａμｓｒ、　（１’２．６）　。

ａμ３　（１２１６）ｌ　ａμ４（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
ａμ２とａμ４である。上述の制約により、結局ａμ２
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〕

複合ファ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。

Ｙｌ：　μ（Ｘ１１．　Ｘ２１） Ｙ２１＝　ｐ　（Ｘｔｔ、　Ｘ２２） Ｙｓ＝　ａ　（Ｘｔｚ、　Ｘ２１） Ｙ４＝μ（Ｘ１２．　Ｘ２２） この時、下記の様なＸｉ、ｘ２により定まる複合ファジ
ー適合値を求める。

〔解法〕

曲面を Ｙ　＝　ａ　Ｘｔ＋　ｂ　Ｘ２＋　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＝ａＸｔｔ＋ｂＸ２ｔ＋Ｃ＋・＋−・＋＋−＋−＋
・＋−・’（３５）Ｙ２：ａＸ１１＋ｂＸ２２＋Ｃ・・
・・・・・・・・・・・・・・・・（３６）Ｙａ＝ａＸ
１２＋ｂＸ２ｔ＋Ｃ−−−（３７）Ｙａ：＝：　ａ　Ｘ
ｔｚ＋ｂ　Ｘ２２＋　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、Ｑ
の４つの組合せを求める。

（Ｙｌｌ　Ｙ２．　Ｙａ）　　→（ａｌ、　ｂｌ、　Ｃ
Ｉ）（Ｙｌ、　Ｙ２．　Ｙ４）　　→　（ａ　２１　ｂ
　２．ｃ　２）（Ｙ’　＋　Ｙ　８　＋　Ｙ　４　）　
　→　（ａａ、　ｂａ、　ａａ）（Ｙ　ｘ　ｒ　Ｙ　ａ
　＋　Ｙ　４）　　→　（ａ４ｒ　ｂ４．　ｃ４）この
様にして４つの面 Ｙ＝ａＩＸ１＋ｂＩＸ２＋ＣＩ　　・・・・・・・・・
・・・・・・・・・（３９）Ｙ＝ａ２Ｘ１＋ｂ　２Ｘｚ
＋Ｃ２・・・・・・・・・・・・・・・・・・（４０）
Ｙ＝ａ　８Ｘ１＋ｂ３Ｘ２＋Ｃｓ　　・・・・・・・・
・・・・・・・・・・・（４１）Ｙ＝ａ４Ｘ１＋ｂ　４
Ｘｚ＋Ｃ４・・・・・・・・・・・・・・・・・・・・
（４２）を定める。

■この３次元空間内での直線（Ｘｌ、　Ｘ２）　＝　（
ｘｔ。

Ｘｉ、）と、面（３９Ｌ　（４０）、（４１）、（４２
）が、四面体上で交わる点を ８μｍ（Ｘｌ、ｘ２） ａμ２　（ｘｔ、　Ｘｉ） とし、これを求める。ここで表面で交わらない理解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（Ｘｌ
、　Ｘｉ）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−膜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 （Ｘｒ、Ｘｓ、Ｘａ、＝Ｘｎ）＝（ｘｔ、　Ｘｉ、　ｘ
ａ、−ｘｎ）■複合ファジーメンバーシップ関数ＣＦ。

〔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Ｘ５（ｉ　＝　１　、２　、
・・・ｎ）に対し、近傍離散値を与える座標点をＣＦ。

を検索して決定する。

Ｙ１＝μ（Ｘｌｌ、　Ｘ２１．　Ｘ１ｌｌ、　・・−・
＋　Ｘｎｚ）Ｙ２＝μ（Ｘｔｔ、　Ｘ２１．　Ｘ８１ｚ
　−−＋　Ｘ、２）Ｙ２ｎ＝μ（Ｘｉ２＋　Ｘ２２．　
ＸＬ２１−−＋　Ｘｎ２）■、線形近似連立方程式解法
論理（３６）Ｙ　＝　ａ　ｉＸ１＋　ａ　２Ｘ２＋　ａ
　ａＸｇ＋−・−＋　ａ　ｎＸｎ＋　ａ　ｎ＋ｔで近似
することとし、未知数を ａｌＪｌ　　ａ２ｊ、　　ａ３Ｊ”””１　　ａｎＪｌ
　　ａｎ”ＩＪとする２ｎＣｎ”１組の連立方程式群を
作成し、これらを個別に解法し２ｎｃｎ＋ｘ個の近似式
を作成する。

Ｙ　＝　ａ　１１Ｘ１＋ａ　２１Ｘ２＋ａ　ａｚＸａ＋
゛°°−）　ａ　ｎｔＸｎ＋ａ　ｎ＋１１Ｙ　＝　ａ　
ｘｚＸ１＋ａ　２２Ｘ２＋　ａ　ａｚＸａ−１−４ａ　
ｎ２Ｘｎ＋　ａ　ｎ”１２Ｙ　＝　ａ　１ｍＸ　ｉ　＋
　ａ　２１１ＸＺ　＋　ａ　３１１Ｘ３＋−−＋　ａ　
ｎ＋ｕＸｎ＋　ａ　ｎ＋１＋＋但しｍ　”　２ｎ　Ｃｎ
＋　１ ■、最適近似解抽出論理（３７） 得られた２゜Ｃｎ　＋１個の線形近似式に（ｘｔ、Ｘ２
＋・・・ｘｎ）　　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、複合ファジー推論
メンバーシップ関数ＣＦ、の具体例を示したものである
。

第２７図は、第２４図の要因ネットワークに基づき交通
流変化率ＩＸＩ、交通流変化率２　Ｘｉ。

現在交通量Ｘ　ａ　、　　車速ｘ４．　　現在汚染量Ｘ
Ｂ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Ｘｉ、Ｘｉ、Ｘａ、Ｘ４を固定し、この
状態におけるＸｓ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ットしている。

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。Ｘｓ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Ｘｓの段階的移動による評価をプロットしてゆく。

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Ｘｌ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
ファジーメンバーシッ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段階の離散的参勤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、従って、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
可能となってしまう。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
いてそれぞれのファジー評価メンバーシップ関数での重
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、ｒ
３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ＡＮＤ１
０Ｒ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
ロダクションルールを例示したものである。例えばルー
ルＮα１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Ｎα１に対し、ルールＮ
α２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／○Ｒツリーに示される経
験則が本例では１２２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ュ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、コントラデイクション
関数Ｆｃｏｎｔ、及びコンバイン関数Ｆ　ｃｏｍｂによ
って、その確信度が下記の様に更新される。

新たな確信度Ｃ３ 但し Ｆｃｏｎｔ　（Ｃ１、Ｃ２） Ｆｃｏｍｂ　（Ｃ１、Ｃ２） Ｆ　ｃｏｎｔ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Ｎα３の条件部が成立し、既にビ
ューノート上に Ｖｉｅｗ　Ｎｏｔｅ 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　ｍ　０．６＝０．８８ という新たな確信度が得られ、ビューノートはに書き換
えられ、確信度が高まる。

一方、ルールＮα１の条件部が成立し、ビューノート上
に、 が存在する状態で、更にルールＮα２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）≦Ｏ，０，８傘（−０，５）≠
１．０よりＣ３＝（０，８−０，５）／（１−ｍｉｎ（
１０，８１，Ｉ　　Ｏ，５１）＝０．３／１．５ ＝０．２ ビューノートは となり、確信度が下がることになる。

この様に、ルールＮα１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、ビューノート上に少な
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Ｎα１２３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、Ｃ○、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、各ジェットファン毎の
起動／停止相令、各集塵機の風量を出力する。本シール
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
が低い（Ｏｐｐｍに近い）程良いのか、目標値に近い方
が良いのか、といった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Ｑ　ＣＯ、Ｖ　Ｇ　（ｑｕａｌｉｔｙ　ｏｆ　Ｃｏ
、　ｖｅｒｙｇｏｏｄ　）と略記する。目標値に対する
評価指標を示す。

（２）、Ｃ○絶対濃度の質 以下ＱＣＯ，Ｇ　（ｑｕａｌｉｔｙ　ｏｆ　ＣＯ，ｇｏ
ｏｄ）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Ｑ　Ｖ　■、　Ｖ　Ｇ　（ｑｕａｌｉｔｙ　ｏｆ　
ＶＩ、　ｖｅｒｙｇｏｏｄ　）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Ｑ　Ｖ　Ｉ　、　Ｇ　（ｑｕａｌｉｔｙ　ｏｆ　Ｖ
Ｉ、　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Ｂ　Ｐ　（ｂａｒａｎｃｅ　ｏｆ　ｐｒｅｓｓｕｒ
ｅ）　　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ァジー推論
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　（Ｘｚ、　Ｘｚ＋・・・・・・、ｘ、）
と、それらのとり得る値域と離数量／連続量の区分子ａ
ｎｇｅ　（Ｘｌ、　Ｘｚ、　−−＋　Ｘｎ）　、前述の
複合フアジ−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ァジー
量評価されたメンバーシップ関数、あるいはベーグネス
関数（ｏ　ｆｉ、　ｏ　ｆ２．−、　ｏ　ｆｔ）（但し
Ｑは制御目的評価項目数を示す）を入力とし、該当制御
設備にとって最適な制御操作量の組合せ（ΔＸｌ、ΔＸ
　２　、・・・、ΔＸｎ）　　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）ＱＣ
Ｏ，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
シップ関数曲線である。

制御目標値を５０９ｐｍｌ　　限界濃度を１１００ｐｐ
とすると、ＱＣＯ，ＶＧ曲線は５０ｐｐｍで適合度＝１
．０、　その両側で評価は低下し、１１００ｐｐで適合
度＝０．０となり以降はＯｌｏである。これに対しＱＣ
Ｏ，０曲線は１１００ｐｐ以降の評価は適合度＝０．０
でＱＣＯ，ｖａと同じであるが、１１００ｐｐからＯｐ
ｐｍに近づく程適合度が上がり、Ｏｐｐｍ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、ＱＣ
Ｏ，ＶＧ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，
０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ョンが許容される為、
ここでは二つのメンバーシッ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ＱＶ１．ＶＧを制御から見た換気制御の質を、Ｑ
Ｖｌ、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のメンバーシップ
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
ンバーシッ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。従って、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ップ関数ＢＰ、ＶＧを評価関数とし
て採用する。因みにＢＰ、Ｇは分散度合が中側にある場
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、ｖ＋ａの採用が困難な場合に採用されるメンバー
シップ関数である。

４は、前記ｄ　ａ　ｔ　ａ　（ＸＩ、　Ｘｚ・−、Ｘｊ
　、　ｒ　ａｎ　ｇ　ｅ　（Ｘｌ、　Ｘ２＋・、　ｘｎ
）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ＡＳ（（ΔＸ　ｔ　、ΔＸｚ、・、
ΔＸ、）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ィジタル操作量組合
せ集合Ｓを生成するプリプロセッサー３８と、このＳ　
あるいは後述満足度評価論理４１より出郷的に小分割化
（Ｓ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、目的量ファジー評価メンバー
シップ関数（Ｏｆｚ。

まれる全で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Ｓ　を出力する、満足度演
算論理４０と、ＳとＳを入力とし、それらが形成するｎ
次元空間上の高々Ｑ個の満足度共振をｗｔ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Ω個の共振点で最も満足度が高いＳ　内の制御
操作量の組合せ（ΔＸ　１　、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ΔＸ　１　、ΔＸ２とし、これらに対する目的
評価メンバーシップ関数を○ｆｘ、０ｆ２ｐＯｆａとし
、総合的な満足度をＳｇ（ΔＸ　ｔ　。

ΔＸ２）　　として以下説明する。

Ｓｇは下記で定義される。

但し、 Ｃ１：各目的項目に対する重み係数で Σ　Ｃ１＝１．０ １＝１ Ｓｇ二満足度でｏ、Ｏ〜１．０の値をとる。

またＯｆｌ、Ｏｆｚ、Ｏｆａをそれぞれ共振を１点含む
（すなわち山型特性）メンバーシップ関数と仮定する。

これらにより、ある時点での制御量Ｘ１．Ｘｚを一定と
し、とり得る八Ｘｉ、　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（ΔＸｉ。

ΔＸｚ）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ップ関数の
持つ共振特性によるもので、各メンバーシップ関数の共
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ΔＸｉ、ΔＸ２のとり
得るアナログ量の組合わせについてＳｇ（ΔＸ１．ΔＸ
２）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） ｄ　ａ　ｔ　ａ　　（ｘｉ、　ＸＺＩ　’・’＋　Ｘｎ
）ｒ　ａ　ｎ　ｇ　ｅ　　（Ｘｓ＋　Ｘｚ、　・＋、ｘ
、）予測項目値　　　　′ 目的評価メンバーシップ関数 （○ｆｌ、○ｆ２．・・・、○ｔ’ｔ）（手順１）、プ
リプロセス　（３８） ｉ＝○（縮退化次数） Ｓｇｍａｘ＝０．０　（満足度最大値メモリー） ｄ　ａ　ｔ　ａ　（ＸＩ、　Ｘｚ、　−、Ｘｎ）とｒ　
ａ　ｎ　ｇ　ｅ　（Ｘｇ　Ｘｚ、　−ｒ　Ｘｎ）より（
ΔＸ１．ΔＸ　２　、・・・、ΔＸ□）のレンジを決定
する。→ＡＳ （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。

→Ｓ （手順３）、満足度演算（４０） Ｓに含まれる全ての組合せ（ΔＸｉ。

ΔＸＺＩ”・ｔ　ΔＸｎ）に対して、Ｏｆｔ。

○ｆｚ、・・・、Ｏｆｔの適合度を演算し、満足度集合
を生成する。→Ｓ （手順４）、満足度評価（４１） ｍＳｇ＝　（Ｓｇ　（ΔＸ　１　、ΔＸ２．−＝。

Δｘｎ）ｌｓ　　内の最大値）とし、 ｉｆ　　ｍＳｇ＞Ｓｇｍａｘ ｔｈｅｒｉ　　ｍＳｇ→Ｓｇｍａｘ その時の組合せを ｍａｘ（ΔＸｉ、ΔＸ２゜ ・・・、ΔＸｎ）とする。

ｎｄ ｉｆ　　分割による分解能く制御最小分解能 ｔｈｅｎ　ｍａｘ　（ΔＸ　１．ΔＸ　ｚ　。

・・・、ΔＸｎ）を最適組合 せとして出力する。

（ｓ　ｔ　０　、ｐ　） ｌ５ｅ ｒ　ｐ　（ｒｅｄｕｃｔｉｏｎ　ｐｌａｎｅ）ＰはＳ　
の要素数 とする。また本例 ではバイナリ−分 割としているが、 縮退平面は処理法 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Ｑ個の共振範 囲を決定する。

→（手順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Ａ、Ｓは、満足度を要素とす
る無限要素集合ＡＳ　と１対１であることが示されてい
る。次にアナログ量→ディジタル量変換が３９により行
なわれ、ＡＳう。この手順が再帰的に繰り返され、最終
的に、（ΔＸｚ、八Ｘ２へ”’ｌ　ΔＸｎ）　：ｏｐｔ
ｊ、ｍａｌという、近似最適制御操作量組合せが決定さ
れる。

ここで、 （準最適解）であり、少なくともＳ　の値域は（最適解
）含んでいる。許容近傍値Δεを該システムにおける制
御上の最小分解能と定めると、ΔＥ＞Ｃ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。

八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、ジェットファンの運転台数
ＪＦを３台、集塵機１の風量ＣＬＩを７０　ｒｎ’　／
　ｓ、集塵機２の風量ＣＬ２を４０　ｒｎ’　／　ｓと
し、ＪＦ台数は最小０台、最大１０台で操作量ΔＪＦは
離散値、集塵機１は最小Ｏｒｒｉ’　ｉ　ｓ、最大１５
０　ｒｎ’　／　ｓで操作量へＣＬＩは連続量、集塵機
２は最小０’ｒｒｉ’／ｓで最大９５ｍ／ｓで操作量Δ
ＣＬ２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、ΔＣＬＩ、ΔＣＬ２） ＝０．２０＊ＱＣＯ，ＶＧ＋０．０５＊ＱＣＯ，Ｇ＋０
．２０１ＱＶ１．ＶＧ＋０．０５＊ＱＶ１．Ｇ＋０．４
０ＩＰ＋０．０！ｌＱｃ＋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。

木表において、左３項目は、現在運転量に対する制御操
作量ΔＪＦ、ΔＣＬＩ、ΔＣＬ２．中７項目が目的評価
メンバーシップ関数適合値、右１項目が満足とそのトレ
ンドである。表中の＊は、不可能オペレーションを示し
、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１ｎｏｐ
）、またｓｇ＝ｘは１ｎｏｐ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 八ＣＬ１＝−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ＳでのΔＣＬＬとΔＣＬ２の
分割数は１５に選択され、従って満足度の計算は、 ΔＪＦ　　＝（＋１０．＋９．・・、±Ｏ，−４．・・
、−１０）八ＣＬ　１　＝　（＋７０．　＋６０．・・
・、±Ｏ、−１０，・・・、−７０）ΔＣＬ　２　＝（
＋７０．＋６０．・・・、±０．−１０．・・、　−７
０）の要素の組合せ数行なわれる。本例ではΔＪＦ＝＋
２．ΔＣＬ１＝＋７０〜＋５０．ΔＣＬ２＝＋７０〜−
７０の一部分と、ΔＪＦ＝−２゜ΔＣＬ　］、　＝　−
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ップ関数は
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＝＋２．八ＣＬ１＝＋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＝＋２．八ＣＬ１＝＋５
０の時の極太点はＡＣＬ１＝＋３０で現われ、Ｓｇ＝０
．４，８５　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０．４．８５
　　となる。

次に縮退平面として０．４　が選択され、共振範囲が い１≦ΔＣＬ２≦＋４０ と、 ら第４５図に示されるＳ　が生成される。ここでの極大
点はΔＪＦ＝＋２．ΔＣＬ　ｌ　＝　＋　７０　。

ΔＣＬ２＝＋１３．Ｓｇ＝０．４８４と、ΔＪＦ＝＋２
．ΔＣＬ１＝＋６７、ΔＣＬ２＝＋１６゜Ｓｇ＝０．５
０２という２点を観測できる。

最適解に対する許容近傍値Δε＝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、ΔＣ
Ｌ１．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ってきたｎ次元空間上の共
振突起は、人間が物事あ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。従って鋭い角度の目的評
価メンバーシッ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
いメンバーシッ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ァ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と同様の暖味前
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っ
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
模コンピュータネッ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−室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、多数のエレベー夕の現状オ
ペレーショ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ァジー
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、大変価れたエレベータ
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）、複合ファジー推論により、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）、前向き曖昧推論による判断で、プロセス挙動の
線形／非線形をエクスパートと同等に的確に決定するこ
とができ、プロセス挙動に応じた制御モデルを動的に選
択する。

（３）、予測ファジー推論により、複数のディジタル、
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。

（４）、上記（１）〜（３）により、従来の全てのプロ
セス制御が、線形または非線形挙動時のみしか的確に動
作しなかったのに対し、本発明によれば全時間帯での最
適自動制御が可能となる。

（５）、上記（１）〜（４）により、全時間帯に亘る最
小エネルギー運転が可能となる。（経済性の向上） （６）、上記（１）〜（４）により、オペレータ。

保守員の最小化を実現できる。

（７）、制御システム全体を、定量／定性型モデルに関
わらず、全てプロダクション・ルールの型で記述できる
為、可視性、保守性が高い。

また経験則の追加、修正により、システムを成長、洗練
させることができる。

【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、推論ネットワーク説明
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ァン
−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ァジー推論の説
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・・・ファジー推論装置、５・
・・予測ファジー推論装置。 第、５　口 換気能力　〔領′３／ＳｅＣ〕 第　６　口 （％）％） 町 Ｎｔｏｔａ−ｉ ｉ −一一一一一ル 第？７　腸 第２８　　図 第　３δ　口 第３ｑ口 Ｃ 第４０目 第　４１　国

Claims (1)

1. 【特許請求の範囲】 １、線形挙動と非線形挙動を併せ持つプロセスを、複数
   の操作量にて制御するプロセスの制御方式において、プ
   ロセスデータを入力とし、これらの値と知識ベース内知
   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知識ベースより成る全体を管理す
   る推論主機構と、 普遍的な事実、エクスパートの主観的な経験則より成る
   プロダクシヨンルール、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リット、フアジ
   ー推論で参照されるメンバーシップ関数を記憶する知識
   ベースと、ｎ個の評価要素と、フアジー量により予め評
   価されている予測結論項目で生成されるｎ次元空間上で
   結論を直接推論する複合フアジー推論機構と、 前記複合フアジー推論により予測された制御目標値に対
   する現在の制御量からのｍ個から成るディジタルあるい
   はアナログ操作量の組合せについて、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、総合的な満足度を計算し、この満足度と前記操作量
   の組合せにより生成されるｍ次元空間上に現われる共振
   部に対する収束演算により、満足度を最大とする操作量
   の組合せを高速に決定する予測フアジー推論機構とを備
   え、 プロセスの線形又は非線形挙動に応じた連続制御を自律
   的に行なうことを特徴とする複合推論機構を備えたプロ
   セス制御方式。 ２、特許請求の範囲第１項において、プロセスが線形挙
   動を示す場合にこれを数式モデルとして捉え、プロセス
   の挙動を定量的に解析（予測を行なう定量型ルール群と
   、非線形挙動を示す場合に複合フアジー推論機構により
   プロセスの挙動を定性的に解析し予測を行なう定性型の
   ルール群と、前記２種類のルール群による予測中間仮説
   に対し、該制御時点でのプロセスの挙動が線形であるか
   否かを、各モデルの要因毎の挙動評価と、プロセス全体
   の流れに関する経験則と、全くプロセスと同期しない条
   件に対する経験則をルール自身に確信度を定義した前向
   き曖昧推論にて判断し、どの仮説を採用するかを決定す
   る総合判断ルール群と、これらの繰り返しにより得られ
   る予測値を予測フアジー推論機構の入力とし、最適な制
   御操作量の組合せを決定する状況適応型制御操作量決定
   ルール群を備えたことを特徴とする、複合推論機構を備
   えたプロセス制御方式。 ３、特許請求の範囲第２項において、定量的な表現がで
   きない制御経験則によるルール群と、線型挙動に対する
   数式モデルによるルール群と、これらを総合的に判断す
   るルール群を有機的に結合した推論のプロトネットワー
   クを、その局所的なルール群単位での繰り返しを、全て
   制御操作量を着信地とする一方向ネットワークに展開し
   、次段階として同一の推論段階に属するルール群を同一
   集合化する集合操作により、制御の総合的な流れを表わ
   す推論ネットワークを得る手法を具えたことを特徴とす
   る複合推論機構を備えたプロセス制御方式。