CN104303114A - 设定计算系统的学习装置以及学习方法 - Google Patents

设定计算系统的学习装置以及学习方法 Download PDF

Info

Publication number
CN104303114A
CN104303114A CN201280073247.5A CN201280073247A CN104303114A CN 104303114 A CN104303114 A CN 104303114A CN 201280073247 A CN201280073247 A CN 201280073247A CN 104303114 A CN104303114 A CN 104303114A
Authority
CN
China
Prior art keywords
function
measured value
value
upstream side
study item
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
Application number
CN201280073247.5A
Other languages
English (en)
Other versions
CN104303114B (zh
Inventor
井波治树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Publication of CN104303114A publication Critical patent/CN104303114A/zh
Application granted granted Critical
Publication of CN104303114B publication Critical patent/CN104303114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B21MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21BROLLING OF METAL
    • B21B37/00Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B21/00Systems involving sampling of the variable controlled
    • G05B21/02Systems involving sampling of the variable controlled electric
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种设定计算系统的学习装置,其即使数学模型的学习所需的实际值中有一部分无法获得时,也能够适当更新构成数学模型的各函数的学习项。因此,在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新数学模型的学习项的学习装置具有:学习项计算部,其使用实测值计算构成数学模型的上游侧函数和下游侧函数的各学习项;实测值判定部,其判定在下游侧函数的学习项的计算中,输入到下游侧函数的第1实测值是否异常;实际计算值计算部,其在判定为第1实测值为异常时,将来自上游侧函数的输出输入到下游侧函数,计算从下游侧函数输出的实际计算值;以及补充学习计算部,其将实际计算值相对于与来自下游侧函数的输出相对应的第2实测值的误差分配到上游侧函数和下游侧函数的各学习项中。

Description

设定计算系统的学习装置以及学习方法
技术领域
本发明涉及一种设定计算系统的学习装置以及学习方法。
背景技术
一般而言,为了决定用来控制例如压延工厂的工艺生产线等中的机械设备的设定值,众所周知有以下方法,即通过构筑数学模型,利用公式来表现或重现包含控制对象在内的环境中产生的物理现象,并求得可在该数学模型上获得目的结果的设定值,从而决定设定值。
使用数学模型决定设定值时,提高使用的数学模型中的对象物理现象的重现精度与决定更好的设定值密切相关。因此,为了提高数学模型的精度,以往还会在数学模型内加入学习项,利用实际值来修正数学模型。
作为这种数学模型的学习方法,经常会采用以下方法,即将利用数学模型计算出的实际值的计算值(实际计算值)与根据利用测量仪等实际测量的实测值获得的实际值进行比较,更新数学模型的学习项,使上述两个值的差异减小。
而且,利用数学模型计算出的实际计算值与实际的实际值产生差异的主要原因可大致分为2种,即因设备或环境的变化而产生的工艺生产线的时序性的变动、以及因工艺生产线上处理的材料的种类、处理模式的不同而产生的不同批次的变动,在此基础上,以往的学习方法中,已知有每当这2种变动时依据计算出的学习系数来修正数学模型的计算值的方法(例如参照专利文献1)。
现有技术文献
专利文献
专利文献1:日本专利第2839746号公报
发明内容
发明所要解决的技术问题
然而,想要通过数学模型来重现的物理现象(即因控制对象产生的物理现象)较为复杂时,有时会将更简单的多个函数进行合成,利用合成函数来构成重现该物理现象的数学模型。而且,考虑到提高数学模型的重现精度的观点,优选在此时对构成合成函数的各函数分别设置学习项,然后对各函数实施学习。
然而,由于测量仪周围环境等的问题无法获得实测值时,构成数学模型的函数中有一部分可能会无法获得学习所需的实际值。构成数学模型的合成函数由更多的函数合成,学习所需的实际值的种类越多,则(部分)实际值发生缺损的可能性越高。
而且,以往的设定计算系统的学习装置以及学习方法中还存在以下问题,即由于学习所需的实际值发生部分缺损,无法完成数学模型的学习,数学模型的预测精度会暂时降低。此外,刚开始学习后的状况中,由于学习所需的实际值发生部分缺损而无法完成数学模型的学习时,还存在以下问题,即需要更长时间才能以原本期待的精度来预测数学模型。
本发明是为解决上述问题而得以完成的,其目的在于提供一种设定计算系统的学习装置以及学习方法,其即使数学模型的学习所需的实际值中有一部分无法获得时,也能够使用所获得的部分的实际值实施学习,适当地更新构成数学模型的各函数的学习项,并能够抑制数学模型的精度降低。
解决技术问题所采用的技术方案
本发明所涉及的设定计算系统的学习装置是在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新所述数学模型的学习项的学习装置,其具有:学习项计算部,其使用所述实测值计算构成所述数学模型的上游侧函数和下游侧函数的各学习项;实测值判定部,其判定在所述学习项计算部的所述下游侧函数的学习项的计算中,输入到所述下游侧函数的所述实测值即第1实测值是否异常;实际计算值计算部,其在判定所述第1实测值为异常时,将来自所述上游侧函数的输出输入到所述下游侧函数,计算从所述下游侧函数输出的实际计算值;以及补充学习计算部,其将所述实际计算值相对于与来自所述下游侧函数的输出相对应的所述实测值即第2实测值的误差分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
此外,本发明所涉及的设定计算系统的学习方法是在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新所述数学模型的学习项的学习方法,其具有:第1步骤,其使用所述实测值计算构成所述数学模型的上游侧函数和下游侧函数的各学习项;第2步骤,其判定在所述第1步骤的所述下游侧函数的学习项的计算中,输入到所述下游侧函数的所述实测值即第1实测值是否异常;第3步骤,其在判定所述第1实测值为异常时,将来自所述上游侧函数的输出输入到所述下游侧函数,计算从所述下游侧函数输出的实际计算值;以及第4步骤,其将所述实际计算值相对于与来自所述下游侧函数的输出相对应的所述实测值即第2实测值的误差分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
发明效果
本发明所涉及的设定计算系统的学习装置以及学习方法能够获得以下效果:即使数学模型的学习所需的实际值中有一部分无法获得时,也能够使用所获得的部分的实际值实施学习,适当地更新构成数学模型的各函数的学习项,并能够抑制数学模型的精度降低。
附图说明
图1是说明本发明的实施方式1所涉及的设定计算系统的整体结构的图。
图2是说明本发明的实施方式1所涉及的设定计算系统的学习装置的动作的流程图。
图3是说明以本发明的实施方式1所涉及的设定计算系统具有的学习装置为中心的详细结构的图。
具体实施方式
按照附图说明本发明。各图中对相同部分或者相当部分标注相同符号,并适当简化或省略其重复说明。
实施方式1
图1至图3是说明本发明的实施方式1的图,图1是说明设定计算系统的整体结构的图,图2是说明设定计算系统的学习装置的动作的流程图,图3是说明以设定计算系统具有的学习装置为中心的详细结构的图。
图1示出的是设定计算系统2的整体结构,该设定计算系统2用来计算构成例如压延工厂的工艺生产线等的机械设备1的设定值。该设定计算系统2具有设定计算装置3、实测值收集装置4以及学习装置5。
设定计算装置3中预先登录了数学模型,该数学模型是通过利用公式使因机械设备1动作而产生的物理现象模型化而形成的。设定计算装置3通过使用该数学模型来模拟机械设备1的动作结果,从而计算机械设备1的设定值,使得机械设备1的动作结果更接近目标值。通过设定计算装置3计算出的设定值会输出至机械设备1。然后,机械设备1会按照利用设定计算系统2计算出的设定值进行动作。
实测值收集装置4会收集在机械设备1或机械设备1动作的环境中的物理量中、预先规定种类的物理量的实测值,并且该物理量是学习装置5的数学模型的学习所需的物理量。在机械设备1或设置有机械设备1的环境中,预先设置有用来测量所述物理量的测量仪等。而且,实测值收集装置4会收集利用测量仪等测量出的所述物理量的实测值。
学习装置5基于通过实测值收集装置4收集到的实测值,实施设定计算装置3中使用的数学模型的学习。学习装置5具有数学模型学习计算部6、实测值判定部7以及补充学习计算部8。
数学模型学习计算部6使用与设定计算装置3中使用的数学模型相同的数学模型来计算实际计算值。此处,实际计算值是指,输入了由实测值收集装置4收集到的实测值时来自数学模型的输出。然后,数学模型学习计算部6将通过数学模型计算出的实际计算值、与根据由实测值收集装置4收集到的实测值直接求得的实际值进行比较,并计算数学模型的学习项,使得这两个值的差异减小。
实测值判定部7会判定利用实测值收集装置4收集的实测值是否正常。此处,实测值为异常的状态除了实测值的值超出了正常的范围(该范围会针对每个测量对象预先规定)的状态以外,还包含了不存在实测值本身的未测状态。
通过实测值判定部7判定实测值为异常时,如果存有与该判定为异常的实测值相当的实际计算值,则学习装置5会使用该实际计算值代替该实测值来进行学习项的计算。
此处,进一步说明“相当于实测值的实际计算值”。首先,如上所述,想要通过数学模型来重现的物理现象较为复杂时,有时会通过组合多个较简单的函数来构成重现该物理现象的数学模型。此时,来自某函数(以下称为“上游侧函数”)的输出成为其他函数(以下称为“下游侧函数”)的输入,从而进行数学模型的计算。
在存在具有此种关系的上游侧函数和下游侧函数的情况下,通常会使用将由实测值收集装置4收集的实测值输入到下游侧函数时从下游侧函数输出的实际计算值,来更新下游侧函数的学习项。但是,在应输入到下游侧函数的实测值为异常时,无法将实测值输入到下游侧函数,因此会无法进行下游侧函数的学习。
因此,会通过将从上游侧函数输出的实际计算值代替实测值输入到下游侧函数中,来进行下游侧函数的学习。也就是说,上述所说的“与实测值相当的实际计算值”是指,在数学模型中用作下游侧函数的输入的上游侧函数的实际计算值。
如此,通过将从上游侧函数输出的实际计算值代替实测值输入到下游侧函数,来进行下游侧函数的学习的情况下,原本(即,获得了应输入下游侧函数的正常的实测值时)应被上游侧函数的学习项吸收的误差也会被下游侧的学习项吸收。这样的话,如果其后作为用于下游侧函数的输入的实测值可获得正确的值,则在分别重新开始上游侧函数与下游侧函数的学习时,反而会导致上游侧函数和下游侧函数的各学习项的学习精度出现降低。
因此,本发明所涉及的学习装置5具有补充学习计算部8,其按照通过规定步骤计算出的分配比,将下游侧函数的输出与对应该输出的实际值的误差分配至上游侧函数和下游侧函数这两者的学习项中,其中,所述下游侧函数的输出是使用从上游侧函数输出的实际计算值来代替实测值并作为输入后计算出的。
在实测值判定部7判定应输入到下游侧函数的实测值为异常时,该补充学习计算部8首先会计算下游侧函数的输出、与对应该输出的实际值的误差。然后,按照通过规定步骤求出的分配比,将该误差分配至上游侧函数和下游侧函数这两者的学习项中。
以下说明此时计算误差的分配比的步骤。首先,随着数学模型的学习的进行,数学模型的输出与实际值的误差会越来越小。因此,在数学模型的学习充分进行的状态下,学习项更新时的变化会减小。而且,在这种学习项稳定的状态下,能够以各函数的大小为标准,评估各函数的学习项的相对大小。此处,函数的大小是指,以向函数的输入为基准的来自该函数的输出的大小。
因此,补充学习计算部8对上游侧函数和下游侧函数,分别计算以函数的输入为基准的来自函数的输出的大小。然后,将如此计算出的上游侧函数的大小与下游侧函数的大小的比设为所述分配比。此处,在计算各函数的大小时输入函数的值中,原则上使用通过实测值收集装置4收集到的实测值。但是,当想要输入的实测值为异常且无法利用时,可使用实际计算值等其他值来代替。
补充学习计算部8按照如此计算出的分配比,将所述误差分配到上游侧函数和下游侧函数这两者的学习项中。然后,数学模型学习计算部6基于通过补充学习计算部8分配的误差,更新上游侧函数和下游侧函数的各学习项。
接着,参照图2,进一步详细说明设定计算装置3和学习装置5。另外,此处,为方便说明,将数学模型设为由上游侧函数和下游侧函数这两者构成,如图2所示,上游侧函数进一步由模型式1a和模型式1b构成,下游侧函数进一步由模型式2a和模型式2b构成。
设定计算装置3计算机械设备1的设定值,使得表示机械设备1的动作结果的数学模型的输出更接近目标值。以下依序说明该数学模型的输出的计算。首先,关于数学模型的上游侧函数,将模型式1a的函数设为f、将要输入的物理量设为V0、将机械设备1的设定值设为X1 i(i=1、2、…)、将其他条件输入设为a1 j(j=1、2、…)时,来自模型式1a的中间结果输出Y1可通过以下算式(数学式1)来表示。
【数学式1】
Y 1 = f ( V 0 , X 1 1 , X 2 1 , . . . , a 1 1 , a 2 1 , . . . )
计算Y1 Z,其为利用由以下(数学式2)算式表示的学习项对该中间结果输出Y1实施校正后的结果。然后,将所计算出的Y1 Z作为模型式1b的输入,通过计算以下(数学式3)算式,来获得来自上游侧函数的输出即V1。此处,(数学式2)算式中,H为误差校正函数,Z1为学习项的系数,(数学式3)算式中,g为模型式1b的函数,W1 l(l=1、2、…)为其他变量输入,b1 k(k=1、2、…)为其他条件输入。
【数学式2】
Y Z 1 = H ( Y 1 , Z 1 )
【数学式3】
V 1 = g ( Y Z 1 , W 1 1 , W 2 1 , . . . b 1 1 , b 2 1 , . . . )
如此将从上游侧函数输出的V1输入到下游侧函数,进行数学模型的计算。关于数学模型的下游侧函数,将模型式2a的函数设为f,将机械设备1的设定值设为X2 i(i=1、2、…),将其他条件输入设为a2 j(j=1、2、…)时,来自模型式2a的中间结果输出Y2可通过以下(数学式4)算式表示。
【数学式4】
Y 2 = f ( V 1 , X 1 2 , X 2 2 , . . . , a 1 2 , a 2 2 , . . . )
然后,通过计算以下(数学式6)算式,获得来自下游侧函数的输出即V2,其中,该(数学式6)算式将利用由以下(数学式5)算式表示的学习项对该中间结果输出Y2实施了校正的结果即Y2 Z作为模型式2b的输入。该V2是数学模型的最终结果输出。此处,(数学式5)算式中,H为误差校正函数,Z2为学习项的系数,(数学式6)算式中,g为模型式2b的函数,W2 l(l=1、2、…)为其他变量输入,b2 k(k=1、2、…)为其他条件输入。
【数学式5】
Y Z 2 = H ( Y 2 , Z 2 NEW )
【数学式6】
V 2 = g ( Y Z 2 , W 1 2 , W 2 2 , . . . , b 1 2 , b 2 2 , . . . )
设定计算装置3通过计算使如此获得的最终结果输出V2等于目标值即VAIM的X1 i和X2 i,从而决定机械设备1的设定值。也就是说,如以下(数的7)算式所示,计算满足(数学式1)~(数学式7)式的X1 i和X2 i
【数学式7】
VAIM=V2
学习装置5具有的数学模型学习计算部6由实际计算值计算部6a和学习项计算部6b构成。实际计算值计算部6a使用与设定计算装置3中使用的数学模型相同的数学模型来计算实际计算值。学习项计算部6b将利用实际计算值计算部6a计算出的实际计算值、与根据由实测值收集装置4收集到的实测值来得出的实际值进行比较,并计算数学模型的学习项,以使得它们的值的差异减小。
关于该数学模型学习计算部6的学习项的计算,首先说明实际计算值计算部6a的实际计算值的计算。该实际计算值的计算原则上与上游侧函数和下游侧函数相同,因此省略分别表示上游侧函数和下游侧函数的标记“1”和“2”。将模型式a的函数设为f、将输入的物理量的实测值设为VACT、将机械设备1的设定值的实际的值设为XACT i(i=1、2、…)、将其他条件输入设为aj(j=1、2、…),此时,模型式a的中间结果输出(实际计算值)YACAL通过以下(数学式8)算式表示。
【数学式8】
Y ACAL = f ( V ACT , X 1 ACT , X 2 ACT , . . . , a 1 , a 2 , . . . )
计算YACAL Z,其为利用由以下(数学式9)算式表示的学习项对该中间结果输出YACAL实施了校正的结果。然后,通过将所计算出的YACAL Z作为模型式b的输入,计算以下(数学式10)算式,获得实际计算值VACAL。此处,(数学式9)算式中,H为误差校正函数,Z为学习项的系数,(数学式10)算式中,g为模型式b的函数,Wl(l=1、2、…)为其他变量输入,bk(k=1、2、…)为其他条件输入。
【数学式9】
Y Z ACAL = H ( Y ACAL , Z )
【数学式10】
V ACAL = g ( Y Z ACAL , W 1 , W 2 , . . . , b 1 , b 2 , . . . )
接着,说明学习项计算部6b的学习项的计算。该学习项的计算也与实际计算值时相同,原则上在上游侧函数和下游侧函数中相同。此处说明的示例中,学习项是对于模型式a的中间结果输出实施的。因此,会在模型式a的中间结果输出中,为进行学习而对实际计算值和实际值进行比较。
因此,首先,基于实测值VACT,通过以下(数学式11)算式计算与模型式a的中间结果输出对应的实际值YACT。该(数学式11)算式中,g-1为模型式b的逆函数,WACT l(l=1、2、…)为其他变量输入的实测值,bk(k=1、2、…)为其他条件输入。
【数学式11】
Y ACT = g - 1 ( V ACT , W 1 ACT , W 2 ACT , . . . , b 1 , b 2 , . . . )
根据如此计算出的实际值YACT与通过(数学式8)算式求得的YACAL,并利用以下(数学式12)算式计算误差ZCUR。该(数学式12)算式中,h为误差计算函数。
【数学式12】
ZCUR=h(YACT,YACAL)
另外,关于该误差计算函数h的具体形式,例如,可以设为取YACT与YACAL的差(也就是说,ZCUR=YACT-YACAL),也可以设为取YACT与YACAL的比(也就是说,ZCUR=YACT/YACAL)。然后,(数学式2)、(数学式5)、(数学式9)算式的误差校正函数H的具体形式也会相应该误差计算函数h的具体形式而变化。也就是说,误差计算函数h取输入变量的差时,误差校正函数H取输入变量的和,误差计算函数h取输入变量的比时,误差校正函数H取输入变量的积。
然后,利用以下(数学式13)算式,在使该误差平滑化的基础上反映至学习项,从而计算新的学习项ZNEW。该(数学式13)算式中,ZNEW是下一次设定计算装置3的设定计算中使用的学习项,ZOLD是前一次设定计算装置3的设定计算中使用过的学习项,β是平滑系数。
【数学式13】
ZNEW=ZOLD+β·(ZCUR-ZOLD)
以上是可正常获得学习项的计算所需的实测值时的学习项的计算方法。另一方面,如上所述,下游侧函数的学习项的计算中输入到下游侧函数的实测值为异常时,通过将从上游侧函数输出的实际计算值输入到下游侧函数来进行计算,从而获得下游侧函数的学习所需的实际计算值。以下说明在该下游侧函数的学习项的计算中,输入到下游侧函数的实测值为异常时,下游侧函数的学习所需的实际计算值的计算。
此时,输入到下游侧函数的模型式2a中的是在上游侧函数中使用(数学式10)算式计算出的VACAL。因此,将下游侧函数的模型式2a的函数设为f、将机械设备1的设定值的实测值设为X2ACT i(i=1、2、…)、将其他条件输入设为a2 j(j=1、2、…),此时,模型式2a的中间结果输出Y2ACAL由以下(数学式14)算式表示。该(数学式14)算式中,V1ACAL是在上游侧函数中使用(数学式10)算式计算出的实际计算值。
【数学式14】
Y 2 ACAL = f ( V 1 ACAL , X 1 2 ACT , X 2 2 ACT , . . . , a 1 2 , a 2 2 , . . . )
然后,通过如此计算出的Y2ACAL和在(数学式11)算式中代入实测值VACT=V2ACT后获得的实际值Y2ACT,来进行学习项的计算。但是,此处如上所述,Y2ACAL中含有上游侧函数与下游侧函数这两者的误差,因此要利用补充学习计算部8,将误差(YACT-Y2ACAL)分配到上游侧函数和下游侧函数这两者的学习项中。
该补充学习计算部8的误差的分配比的计算方法相应(数学式12)算式的误差计算函数h的形式而变化。具体而言,误差计算函数h取输入变量的差时,按照基于以下(数学式15)算式和(数学式16)算式的比例分配,在补充学习计算部8进行误差的分配。
【数学式15】
Z 1 CUR = ( Y 2 ACT - Y 2 ACAL ) · | | V 0 ACT - f ( V 0 ACT ) | | | V 0 ACT - f ( V 0 ACT ) | + | V 1 ACAL - f ( V 1 ACAL ) |
【数学式16】
Z 2 CUR = ( Y 2 ACT - Y 2 ACAL ) · | | V 1 ACAL - f ( V 1 ACAL ) | | | V 0 ACT - f ( V 0 ACT ) | + | V 1 ACAL - f ( V 1 ACAL ) |
此外,误差计算函数h取输入变量的比时,按照基于以下(数学式17)算式和(数学式18)算式的比例分配,在补充学习计算部8进行误差的分配。
【数学式17】
Z 1 CUR = ( Y 2 ACT / Y 2 ACAL ) · | | V 0 ACT / f ( V 0 ACT ) | | | V 0 ACT / f ( V 0 ACT ) | × | V 1 ACAL / f ( V 1 ACAL ) |
【数学式18】
Z 2 CUR = ( Y 2 ACT / Y 2 ACAL ) · | | V 1 ACAL / f ( V 1 ACAL ) | | | V 0 ACT / f ( V 0 ACT ) | × | V 1 ACAL / f ( V 1 ACAL ) |
另外,这些(数学式15)~(数学式18)算式中,Z1CUR为分配到上游侧函数的学习项的误差,Z2CUR为分配到上游侧函数的学习项的误差,f为模型式a的函数。
如此将误差按比例分配至上游侧函数和下游侧函数的各学习项后,使按照(数学式13)算式分别分配的误差平滑化后,反映至学习项。更新后的新的学习项用于下一个设定时刻的设定计算装置3的设定值计算。
参照图3,说明如此构成的学习装置5的动作流程。首先,步骤S1中,实测值收集装置4收集实测值。接着,进入步骤S2,实测值判定部7确认在实测值收集装置4收集的实测值中V2ACT是否为异常。如果V2ACT并非异常,则进入步骤S3。在该步骤S3中,实测值判定部7确认实测值收集装置4收集的实测值中V1ACT是否为异常。如果V1ACT并非异常,则进入步骤S4。
在该步骤S4中,实际计算值计算部6a使用(数学式8)算式计算上游侧函数的实际计算值Y1ACAL。接着在步骤S5中,学习项计算部6b使用(数学式11)算式计算上游侧函数的实际值Y1ACT。接着进入步骤S6,学习项计算部6b使用(数学式12)算式计算上游侧函数的误差Z1CUR
步骤S6之后进入步骤S7。在该步骤S7中,实际计算值计算部6a将实测值V1ACT代入(数学式8)算式的VACT来计算下游侧函数的实际计算值Y2ACAL。接着在步骤S8中,学习项计算部6b使用(数学式11)算式来计算下游侧函数的实际值Y2ACT。接着进入步骤S9,学习项计算部6b使用(数学式12)算式来计算下游侧函数的误差Z2CUR
步骤S9之后进入步骤S10。在该步骤S10中,学习项计算部6b将Z1CUR和Z2CUR分别代入(数学式13)算式的ZCUR,计算上游侧函数的学习项Z1NEW和下游侧函数的学习项Z2NEW。然后,进入步骤S11,利用计算出的学习项Z1NEW和Z2NEW更新设定计算装置3的数学模型的学习项,结束一系列的学习项更新处理。
另一方面,步骤S3中,当V1ACT为异常时进入步骤S20。在该步骤S20中,实际计算值计算部6a使用(数学式8)算式计算上游侧函数的实际计算值Y1ACAL。接着在步骤S21中,实际计算值计算部6a使用(数学式9)算式和(数学式10)算式,计算上游侧函数的实际计算值V1ACAL
步骤S21之后进入步骤S22。在该步骤S22中,实际计算值计算部6a利用(数学式14)算式计算使用了V1ACAL的下游侧函数的实际计算值Y2ACAL。接着在步骤S23中,学习项计算部6b使用(数学式11)算式计算下游侧函数的实际值Y2ACT
然后,进入步骤S24,补充学习计算部8使用(数学式15)算式和(数学式16)算式、或者(数学式17)算式和(数学式18)算式,来计算Z1CUR和Z2CUR。步骤S24之后,转移至上述步骤S10。
此外,步骤S2中,当V2ACT为异常时进入步骤S30。在该步骤S30中,实测值判定部7确认实测值收集装置4收集到的实测值中V1ACT是否为异常。在V1ACT也为异常时,上游侧函数和下游侧函数这两者都不会进行学习项的更新。
另一方面,步骤S30中,当V1ACT并非异常时进入步骤S31。在该步骤S31中,实际计算值计算部6a使用(数学式8)算式计算上游侧函数的实际计算值Y1ACAL。接着在步骤S32中,学习项计算部6b使用(数学式11)算式计算上游侧函数的实际值Y1ACT。接着进入步骤S33,学习项计算部6b使用(数学式12)算式计算上游侧函数的误差Z1CUR
步骤S33之后进入步骤S34。在该步骤S34中,学习项计算部6b使用(数学式13)算式计算上游侧函数的学习项Z1NEW。然后,进入步骤S35,利用计算出的学习项Z1NEW更新设定计算装置3的数学模型的学习项,结束一系列的学习项更新处理。
如此构成的设定计算系统的学习装置具有:学习项计算部,其使用实测值来计算构成数学模型的上游侧函数和下游侧函数的各学习项;实测值判定部,其判定在学习项计算部的下游侧函数的学习项的计算中,输入到下游侧函数的第1实测值是否异常;实际计算值计算部,其在判定为第1实测值为异常时,将来自上游侧函数的输出输入下游侧函数,从而计算从下游侧函数输出的实际计算值;以及补充学习计算部,其将实际计算值相对于与来自下游侧函数的输出相对应的第2实测值的误差分配到上游侧函数的学习项和下游侧函数的学习项。
因此,即使无法获得为了学习而输入到下游侧函数中的实测值时,也可通过将从上游侧函数输出的实际计算值代替实测值输入到下游侧函数,来进行下游侧函数的学习,同时将累积的误差分配到上游侧函数的学习项,实现上游侧函数和下游侧函数这两者的适当的学习。
也就是说,即使数学模型的学习所需的实际值中有一部分无法获得时,也能够使用所获得的部分的实际值实施学习,适当地更新构成数学模型的各函数的学习项,并且抑制数学模型的精度降低。因此,有利于提高机械设备的设定值的计算精度。
另外,通过使具有中央处理装置和记忆装置等的硬件资源执行信息处理来实现例如数学模型学习计算部、实际计算值计算部、学习项计算部、实测值判定部以及补充学习计算部等各部分所具有的功能,也能够构筑如上所述构成的设定计算系统的学习装置。
工业上的实用性
本发明能够用于在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新数学模型的学习项的学习装置以及学习方法。
(符号说明)
1  机械设备
2  设定计算系统
3  设定计算装置
4  实测值收集装置
5  学习装置
6  数学模型学习计算部
6a 实际计算值计算部
6b 学习项计算部
7  实测值判定部
8  补充学习计算部

Claims (5)

1.一种在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新所述数学模型的学习项的学习装置,其特征在于,具有:
学习项计算部,其使用所述实测值计算构成所述数学模型的上游侧函数和下游侧函数的各学习项;
实测值判定部,其判定在所述学习项计算部的所述下游侧函数的学习项的计算中,输入到所述下游侧函数的所述实测值即第1实测值是否异常;
实际计算值计算部,其在判定所述第1实测值为异常时,将来自所述上游侧函数的输出输入到所述下游侧函数,计算从所述下游侧函数输出的实际计算值;以及
补充学习计算部,其将所述实际计算值相对于与来自所述下游侧函数的输出相对应的所述实测值即第2实测值的误差分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
2.根据权利要求1所述的设定计算系统的学习装置,其特征在于,
所述补充学习部基于来自所述上游侧函数的输出的大小与来自所述下游侧函数的输出的大小的比,将所述误差分配到所述上游侧函数的学习项和所述下游侧函数的学习项中,其中,来自所述上游侧函数的输出的大小以对于所述上游侧函数的输入为基准,来自所述下游侧函数的输出的大小以对于所述下游侧函数的输入为基准。
3.根据权利要求2所述的设定计算系统的学习装置,其特征在于,
所述补充学习部根据所述第2实测值与所述实际计算值的差来计算所述误差,并且依据对于所述上游侧函数的输入与来自所述上游侧函数的输出的差的绝对值、以及对于所述下游侧函数的输入与来自所述下游侧函数的输出的差的绝对值,将计算出的所述误差按比例分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
4.根据权利要求2所述的设定计算系统的学习装置,其特征在于,
所述补充学习部根据所述第2实测值与所述实际计算值的比,计算所述误差,并且依据对于所述上游侧函数的输入与来自所述上游侧函数的输出的比的绝对值、以及对于所述下游侧函数的输入与来自所述下游侧函数的输出的比的绝对值,将计算出的所述误差按比例分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
5.一种在使用数学模型计算机械设备的设定值的设定计算系统中,使用实测值更新所述数学模型的学习项的学习方法,其特征在于,具有:
第1步骤,其使用所述实测值计算构成所述数学模型的上游侧函数和下游侧函数的各学习项;
第2步骤,其判定在所述第1步骤的所述下游侧函数的学习项的计算中,输入到所述下游侧函数的所述实测值即第1实测值是否异常;
第3步骤,其在判定所述第1实测值为异常时,将来自所述上游侧函数的输出输入到所述下游侧函数,计算从所述下游侧函数输出的实际计算值;以及
第4步骤,其将所述实际计算值相对于与来自所述下游侧函数的输出相对应的所述实测值即第2实测值的误差分配到所述上游侧函数的学习项和所述下游侧函数的学习项中。
CN201280073247.5A 2012-05-16 2012-05-16 设定计算系统的学习装置以及学习方法 Active CN104303114B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/062535 WO2013171862A1 (ja) 2012-05-16 2012-05-16 設定計算システムの学習装置及び学習方法

Publications (2)

Publication Number Publication Date
CN104303114A true CN104303114A (zh) 2015-01-21
CN104303114B CN104303114B (zh) 2017-06-16

Family

ID=49583306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280073247.5A Active CN104303114B (zh) 2012-05-16 2012-05-16 设定计算系统的学习装置以及学习方法

Country Status (4)

Country Link
JP (1) JP5846303B2 (zh)
KR (1) KR101622068B1 (zh)
CN (1) CN104303114B (zh)
WO (1) WO2013171862A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10124381B2 (en) * 2014-02-17 2018-11-13 Toshiba Mitsubishi-Electric Industrial Systems Corporation Rolling process learning control device

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02214970A (ja) * 1989-02-15 1990-08-27 Toshiba Corp 対象システムモデリング方法及び対象システムモデリング装置
JPH04367901A (ja) * 1991-06-17 1992-12-21 Kobe Steel Ltd プロセスラインにおける学習制御方法
JPH07200005A (ja) * 1993-12-28 1995-08-04 Mitsubishi Electric Corp 学習制御方法
US5566275A (en) * 1991-08-14 1996-10-15 Kabushiki Kaisha Toshiba Control method and apparatus using two neural networks
WO1997049011A1 (en) * 1996-06-19 1997-12-24 Arch Development Corporation Industrial process surveillance system
JP2002091505A (ja) * 2000-09-14 2002-03-29 Toshiba Corp モデル同定装置
JP2003340508A (ja) * 2002-05-27 2003-12-02 Toshiba Ge Automation Systems Corp 圧延機設定計算装置用学習制御装置
JP2004050211A (ja) * 2002-07-18 2004-02-19 Toshiba Mitsubishi-Electric Industrial System Corp 圧延プロセスのモデル学習装置
US20070250292A1 (en) * 2006-04-21 2007-10-25 Perry Alagappan Application of abnormal event detection technology to delayed coking unit
CN101590489A (zh) * 2008-05-26 2009-12-02 株式会社日立制作所 热轧机的板宽控制装置及控制方法
CN101966535A (zh) * 2009-07-28 2011-02-09 宝山钢铁股份有限公司 一种基于来料板廓的冷轧板形前馈控制设定方法
JP2012043235A (ja) * 2010-08-20 2012-03-01 Hitachi Ltd 工場のモデル構築支援システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06342422A (ja) * 1993-05-31 1994-12-13 Kawasaki Steel Corp 信号処理方法
JPH09265302A (ja) * 1996-03-28 1997-10-07 Kawasaki Steel Corp プロセスモデル同定方法
JP2000242323A (ja) * 1999-02-24 2000-09-08 Hitachi Ltd プラント運転ガイダンスシステム

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02214970A (ja) * 1989-02-15 1990-08-27 Toshiba Corp 対象システムモデリング方法及び対象システムモデリング装置
JPH04367901A (ja) * 1991-06-17 1992-12-21 Kobe Steel Ltd プロセスラインにおける学習制御方法
US5566275A (en) * 1991-08-14 1996-10-15 Kabushiki Kaisha Toshiba Control method and apparatus using two neural networks
JPH07200005A (ja) * 1993-12-28 1995-08-04 Mitsubishi Electric Corp 学習制御方法
WO1997049011A1 (en) * 1996-06-19 1997-12-24 Arch Development Corporation Industrial process surveillance system
JP2002091505A (ja) * 2000-09-14 2002-03-29 Toshiba Corp モデル同定装置
JP2003340508A (ja) * 2002-05-27 2003-12-02 Toshiba Ge Automation Systems Corp 圧延機設定計算装置用学習制御装置
JP2004050211A (ja) * 2002-07-18 2004-02-19 Toshiba Mitsubishi-Electric Industrial System Corp 圧延プロセスのモデル学習装置
US20070250292A1 (en) * 2006-04-21 2007-10-25 Perry Alagappan Application of abnormal event detection technology to delayed coking unit
CN101590489A (zh) * 2008-05-26 2009-12-02 株式会社日立制作所 热轧机的板宽控制装置及控制方法
CN101966535A (zh) * 2009-07-28 2011-02-09 宝山钢铁股份有限公司 一种基于来料板廓的冷轧板形前馈控制设定方法
JP2012043235A (ja) * 2010-08-20 2012-03-01 Hitachi Ltd 工場のモデル構築支援システム

Also Published As

Publication number Publication date
JP5846303B2 (ja) 2016-01-20
KR20140143225A (ko) 2014-12-15
KR101622068B1 (ko) 2016-05-17
CN104303114B (zh) 2017-06-16
JPWO2013171862A1 (ja) 2016-01-07
WO2013171862A1 (ja) 2013-11-21

Similar Documents

Publication Publication Date Title
JP4705563B2 (ja) 配電系統の状態推定装置、状態推定方法及びそのプログラム
CN107016489A (zh) 一种电力系统抗差状态估计方法和装置
CN101546176B (zh) 控制设备及功率推定方法
JP6635954B2 (ja) 配電系統の動的状態推定のための方法とシステム
CN108121865B (zh) 一种基于伴随变量法的含有多不确定参数的结构区间响应传播分析方法
CN108376983B (zh) 一种基于边界融合的电网状态估计系统及方法
CN113489015B (zh) 一种基于强化学习的配电网多时间尺度无功电压控制方法
CN106597992A (zh) 一种数控机床组件重要度分析方法
CN102968529A (zh) 一种供水管网模型计算结果不确定性区间的量化方法
CN114970377B (zh) 基于新安江与深度学习耦合模型的场次洪水预报方法和系统
CN106443246A (zh) 基于pmu量测数据的小干扰稳定参数的在线辨识方法
CN107025609B (zh) 基于奇异值分解cdkf的电力系统动态状态估计方法
JP2013219902A (ja) 電力系統の状態推定方法
CN103177289A (zh) 一种噪声不确定复杂非线性动态系统的建模方法
CN201476905U (zh) 神经网络pid控温的热电偶自动检定系统
CN102709955B (zh) 一种基于多断面潮流控制的方法
CN109494726A (zh) 基于dlrnn神经网络的电力系统稳定性在线评估方法
JP2021136745A (ja) 状態推定装置、状態推定プログラム、状態推定方法
CN104021315A (zh) 基于bp神经网络的电厂厂用电率计算方法
CN107436957A (zh) 一种混沌多项式构造方法
CN106356867B (zh) 一种节点无功电压灵敏度的确定方法
CN104303114A (zh) 设定计算系统的学习装置以及学习方法
CN117092975A (zh) 基于数字孪生的生产控制方法及系统
CN110474323B (zh) 一种电力系统惯性时间常数测量方法
CN105488579A (zh) 一种基于生产线平衡的产能规划与优化的系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant