JP2000099107A - モデル予測制御システム - Google Patents
モデル予測制御システムInfo
- Publication number
- JP2000099107A JP2000099107A JP10270926A JP27092698A JP2000099107A JP 2000099107 A JP2000099107 A JP 2000099107A JP 10270926 A JP10270926 A JP 10270926A JP 27092698 A JP27092698 A JP 27092698A JP 2000099107 A JP2000099107 A JP 2000099107A
- Authority
- JP
- Japan
- Prior art keywords
- model
- control
- models
- weather
- temperature
- 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.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【課題】本発明は外部環境に合わせて自動的にモデルを
変更するモデル予測制御システムを提供する。 【解決手段】天候によりモデルを選択するモデル選択部
4とこれを外気温で補正するモデル補正部5により、外
部環境に合わせて自動的にモデルを更新する。
変更するモデル予測制御システムを提供する。 【解決手段】天候によりモデルを選択するモデル選択部
4とこれを外気温で補正するモデル補正部5により、外
部環境に合わせて自動的にモデルを更新する。
Description
【0001】
【発明の属する技術分野】本発明は、制御対象となるプ
ロセスに対して、モデルを用いて制御量を予測し、これ
が目標値に近づくような操作量を演算し、出力するモデ
ル予測制御システムに関する。
ロセスに対して、モデルを用いて制御量を予測し、これ
が目標値に近づくような操作量を演算し、出力するモデ
ル予測制御システムに関する。
【0002】
【従来の技術】プロセス制御の分野において、モデル予
測制御を用いた制御方式が有効とされる。モデル予測制
御は、制御対象のプラントモデルを用いて過去の操作量
から未来の制御量を予測し、この未来の制御量が目標値
に近づくような操作量を算出し、制御対象へ出力するも
のであり、多変数プロセスにおいて非干渉制御が可能で
ある、むだ時間の長いプロセスの安定した制御が可能、
制御量・操作量を制約範囲内で制御することが可能、と
いった特徴を持つ。
測制御を用いた制御方式が有効とされる。モデル予測制
御は、制御対象のプラントモデルを用いて過去の操作量
から未来の制御量を予測し、この未来の制御量が目標値
に近づくような操作量を算出し、制御対象へ出力するも
のであり、多変数プロセスにおいて非干渉制御が可能で
ある、むだ時間の長いプロセスの安定した制御が可能、
制御量・操作量を制約範囲内で制御することが可能、と
いった特徴を持つ。
【0003】現在までに多くのモデル予測制御手法を用
いた制御方法が提案されており、その例として、米国特
許第4,349,869 号公報、特開平06−095707号公報などが
ある。
いた制御方法が提案されており、その例として、米国特
許第4,349,869 号公報、特開平06−095707号公報などが
ある。
【0004】
【発明が解決しようとする課題】プロセス制御の対象と
なる化学プラントでは、反応器や蒸留塔など、内部の化
学反応や状態変化が周囲の環境によってその速度や特性
が左右される。したがって、この変化を考慮せずに制御
を行おうとすると、外気温や降雨の有無によって制御性
能に差が現れてくる。
なる化学プラントでは、反応器や蒸留塔など、内部の化
学反応や状態変化が周囲の環境によってその速度や特性
が左右される。したがって、この変化を考慮せずに制御
を行おうとすると、外気温や降雨の有無によって制御性
能に差が現れてくる。
【0005】そこで、本発明の目的は、かかる問題を解
決しうるモデル予測制御システムを提供することにあ
る。
決しうるモデル予測制御システムを提供することにあ
る。
【0006】
【課題を解決するための手段】本発明のモデル予測制御
システムは、動特性モデルとして、まず、晴れモデル・
曇りモデル・雨モデル・雪モデルと、天候によってそれ
ぞれ最適なモデルを用意する。次に、それぞれの天候モ
デルに対して、さらに温度をいくつかに区分した各領域
でのモデルを用意し、温度計より入手した外気温から、
温度モデルによって最適なモデルを作成する。さらに、
雨量計・日照計により天候の変化を監視し、変化があっ
た場合には、天候モデルの切り替えを行う。
システムは、動特性モデルとして、まず、晴れモデル・
曇りモデル・雨モデル・雪モデルと、天候によってそれ
ぞれ最適なモデルを用意する。次に、それぞれの天候モ
デルに対して、さらに温度をいくつかに区分した各領域
でのモデルを用意し、温度計より入手した外気温から、
温度モデルによって最適なモデルを作成する。さらに、
雨量計・日照計により天候の変化を監視し、変化があっ
た場合には、天候モデルの切り替えを行う。
【0007】ここで採用された動特性モデルを用いて過
去のある時点から現在までの制御量と操作量から未来の
制御量を予測する手段と、未来の目標値を設定する手段
と、未来の制御量の予測値と未来の目標値との差を小さ
くするための現在から未来のある時点までにわたる時間
分だけの最適な操作量を計算し、そのうち現在の最適な
操作量を制御装置へ出力する手段と、を備えることを特
徴とする。
去のある時点から現在までの制御量と操作量から未来の
制御量を予測する手段と、未来の目標値を設定する手段
と、未来の制御量の予測値と未来の目標値との差を小さ
くするための現在から未来のある時点までにわたる時間
分だけの最適な操作量を計算し、そのうち現在の最適な
操作量を制御装置へ出力する手段と、を備えることを特
徴とする。
【0008】これにより、周囲の環境変化に応じたモデ
ルを用いることができ、安定したプラントの制御が可能
となる。
ルを用いることができ、安定したプラントの制御が可能
となる。
【0009】
【発明の実施の形態】図1は、プラント3において、バ
ルブ12で水蒸気の流量を操作することにより、蒸留塔
10の塔内温度11を制御するシステムの構成を示した
ものである。この図を例として、モデル予測制御システ
ム1の動作を以下説明する。操作量は水蒸気流量、制御
量は蒸留塔の塔内温度である。
ルブ12で水蒸気の流量を操作することにより、蒸留塔
10の塔内温度11を制御するシステムの構成を示した
ものである。この図を例として、モデル予測制御システ
ム1の動作を以下説明する。操作量は水蒸気流量、制御
量は蒸留塔の塔内温度である。
【0010】過去の水蒸気流量と塔内温度より(観測
6)、モデルを用いて未来の制御量を予測(制御量予測
7)する。モデルにARXを用いると、以下のように表
すことができる。
6)、モデルを用いて未来の制御量を予測(制御量予測
7)する。モデルにARXを用いると、以下のように表
すことができる。
【0011】
【数1】 A(z-1)y(t)=B(z-1)u(t) …(数1) ここで、A,Bはモデル係数、yは制御量、uは操作
量、tは時刻を表す。
量、tは時刻を表す。
【0012】また、制御量・操作量が複数の場合は、
y,u はベクトル、A(z-1),B(z-1)はマトリ
クスで表現する。制御量・操作量がそれぞれ2 のとき
の例を示す。
y,u はベクトル、A(z-1),B(z-1)はマトリ
クスで表現する。制御量・操作量がそれぞれ2 のとき
の例を示す。
【0013】
【数2】 y(t)=[y1(t) y2(t)]T …(数2)
【0014】
【数3】 u(t)=[u1(t) u2(t)]T …(数3)
【0015】
【数4】
【0016】
【数5】
【0017】
【数6】 Ai(z-1)=1+ai1z-1+ai2z-1 …(数6)
【0018】
【数7】 Bi1(z-1)=bi1z-1+bi2z-1 …(数7)
【0019】
【数8】 Bi2(z-1)=bi3z-1+bi3z-1 …(数8) モデルは、aijとbijをそれぞれ2次元配列としたもの
をモデル係数A,Bとして使用する。
をモデル係数A,Bとして使用する。
【0020】[目標値設定9]では、蒸留塔温度の目標
値を制御量目標値として与える。
値を制御量目標値として与える。
【0021】[操作量計算8]では、評価関数を作成
し、制約条件の中でこの評価関数を最小にするuを計算
して、操作量を求める。評価関数Jは次のように表され
る。
し、制約条件の中でこの評価関数を最小にするuを計算
して、操作量を求める。評価関数Jは次のように表され
る。
【0022】
【数9】 J=(GΔu+f−w)TΚ(GΔu+f−w)+ΔuTΛΔu …(数9) ここで、Gはステップ応答マトリクスで、上記A,Bよ
り作成される。Δuは操作量の変化量、fは制御量予測
値、wは制御量目標値、Κ,Λはそれぞれ重み係数であ
り、Κは予測値と目標値との偏差に対する重み、Λは操
作量の変化量に対する重みである。
り作成される。Δuは操作量の変化量、fは制御量予測
値、wは制御量目標値、Κ,Λはそれぞれ重み係数であ
り、Κは予測値と目標値との偏差に対する重み、Λは操
作量の変化量に対する重みである。
【0023】制約条件としては、制御量の上下限制約と
操作量の上下限制約、操作量の変化量の上下限制約の3
種類を設定する。
操作量の上下限制約、操作量の変化量の上下限制約の3
種類を設定する。
【0024】これらの制約条件の範囲内で評価関数Jを
最小にするΔuを計算する。ここでは、現在から未来の
ある時刻までの操作量変化量を全て計算するため、この
中から現在の操作量変化量を取り出し、前回の操作量に
これを加算したものを今回の操作量として制御装置2へ
出力する。制御装置2では、モデル予測制御システム1
から与えられた操作量をもとに、バルブ13の開度を求
め、バルブ13へ信号を送る。以上の動作を制御周期ご
とに繰り返し、制御を行う。
最小にするΔuを計算する。ここでは、現在から未来の
ある時刻までの操作量変化量を全て計算するため、この
中から現在の操作量変化量を取り出し、前回の操作量に
これを加算したものを今回の操作量として制御装置2へ
出力する。制御装置2では、モデル予測制御システム1
から与えられた操作量をもとに、バルブ13の開度を求
め、バルブ13へ信号を送る。以上の動作を制御周期ご
とに繰り返し、制御を行う。
【0025】次に、[制御量予測]で用いるモデルにつ
いて説明する。
いて説明する。
【0026】モデルは、天候に応じた晴れモデル・曇り
モデル・雨モデル・雪モデルの天候モデルのそれぞれに
つき、外気温に応じて区分したモデルを持つ(図2)。
モデル・雨モデル・雪モデルの天候モデルのそれぞれに
つき、外気温に応じて区分したモデルを持つ(図2)。
【0027】まず、雨量計15・日照計14により、天
候を把握する。雨量計はリアルタイムでデータを収集可
能なものを用い、雨・雪・それ以外を判別する。雨・雪
以外の場合は、日照計により晴れか曇り(夜間も曇りと
する)を判別する。これに合わせて、天候モデルを選択
する。
候を把握する。雨量計はリアルタイムでデータを収集可
能なものを用い、雨・雪・それ以外を判別する。雨・雪
以外の場合は、日照計により晴れか曇り(夜間も曇りと
する)を判別する。これに合わせて、天候モデルを選択
する。
【0028】次に、温度計13により得られた現時刻の
温度により、図2の温度モデルを組み合わせてモデルを
作り、制御量予測に用いる。
温度により、図2の温度モデルを組み合わせてモデルを
作り、制御量予測に用いる。
【0029】外気温と、温度モデルの関係を示したもの
が図3である。これにより、外気温がt℃のとき、制御
量予測に用いるモデルは図3から次のように求まる。
が図3である。これにより、外気温がt℃のとき、制御
量予測に用いるモデルは図3から次のように求まる。
【0030】
【数10】 {g1Ah1(z-1)+g2Ah2(z-1)}y(t)={g1Bh1(z-1) +g2Bh2(z-1)}u(t) …(数10) ここで、g1+g2=1、晴れモデルを用いたとする。
【0031】外気温は常時監視しておき、変動を積分し
て、ある一定値になったら上記操作により自動でモデル
を作り直す。
て、ある一定値になったら上記操作により自動でモデル
を作り直す。
【0032】さらに、照度計・湿度計・雨量計により、
外部の環境を常時監視し、照度がある一定値以下になっ
たら天候モデルを晴れモデルから曇りモデルへ切り替
え、雨量計で雨もしくは雪を観測したら、天候モデルを
雨モデルまたは雪モデルへ切り替える。
外部の環境を常時監視し、照度がある一定値以下になっ
たら天候モデルを晴れモデルから曇りモデルへ切り替
え、雨量計で雨もしくは雪を観測したら、天候モデルを
雨モデルまたは雪モデルへ切り替える。
【0033】
【発明の効果】本発明では、天候モデルを複数持ち、こ
れらを組み合わせてモデルを作成し、自動的にモデルを
更新することによって、外部環境によるプラントの特性
の変化に追従した制御が可能となる。
れらを組み合わせてモデルを作成し、自動的にモデルを
更新することによって、外部環境によるプラントの特性
の変化に追従した制御が可能となる。
【図1】本発明のモデル予測制御システムの概略を示し
た構成図。
た構成図。
【図2】天候と温度区分によって用いるモデル表を示し
た図。
た図。
【図3】外気温と温度区分モデルの関係を示した図。
1…モデル予測制御システム、2…制御装置、3…プラ
ント、4…モデル選択モジュール、5…モデル補正モジ
ュール、6…観測手段、7…制御量予測モジュール、8
…操作量計算モジュール、9…目標値設定手段、10…
蒸留塔、11…蒸留塔塔内温度計、12…バルブ、13
…外部温度計、14…日照計、15…雨量計。
ント、4…モデル選択モジュール、5…モデル補正モジ
ュール、6…観測手段、7…制御量予測モジュール、8
…操作量計算モジュール、9…目標値設定手段、10…
蒸留塔、11…蒸留塔塔内温度計、12…バルブ、13
…外部温度計、14…日照計、15…雨量計。
───────────────────────────────────────────────────── フロントページの続き Fターム(参考) 5H004 GA15 GB02 HA01 HB01 HB20 JA17 KA53 KA54 KC10 KC24 KC26 KC28 KC37 KD22 LA12 LB10
Claims (1)
- 【請求項1】制御対象となるプロセスの動特性モデルを
複数持ち、これを用いて制御量の未来の予測値を計算す
る手段と、プロセスを制御するための操作量を計算する
際に用いる評価関数や制約条件のパラメータを設計する
手段と、制御量予測値と目標値との差を小さくするよう
に評価関数,制約条件を用いて操作量を決定する手段
と、から成るモデル予測制御システムにおいて、外部の
環境を雨量計・温度計・湿度計・照度計によって把握
し、これらが変化したときに、予測計算に用いるモデル
を別のモデルに切り替え、制御に用いること、を特徴と
するプロセス制御システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10270926A JP2000099107A (ja) | 1998-09-25 | 1998-09-25 | モデル予測制御システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10270926A JP2000099107A (ja) | 1998-09-25 | 1998-09-25 | モデル予測制御システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2000099107A true JP2000099107A (ja) | 2000-04-07 |
Family
ID=17492928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10270926A Pending JP2000099107A (ja) | 1998-09-25 | 1998-09-25 | モデル予測制御システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2000099107A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004509420A (ja) * | 2000-09-21 | 2004-03-25 | エムティエス・システムズ・コーポレーション | テーパ状化機能付きの多重領域コンボルバ |
JP2007257190A (ja) * | 2006-03-22 | 2007-10-04 | Toshiba Corp | 総合監視診断装置 |
JP2010239856A (ja) * | 2009-01-19 | 2010-10-21 | Commissariat A L'energie Atomique | 太陽光発電装置の電気生産量を予測する方法 |
JP2015088059A (ja) * | 2013-10-31 | 2015-05-07 | キヤノン株式会社 | プログラム、生成方法、生成装置、駆動装置、加工装置、リソグラフィ装置及び物品の製造方法 |
CN107784389A (zh) * | 2017-09-28 | 2018-03-09 | 成都理工大学 | 一种地质灾害双层次控制变量预报方法及应用 |
JP2018526712A (ja) * | 2015-06-05 | 2018-09-13 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイShell Internationale Research Maatschappij Besloten Vennootshap | モデル予測推定アプリケーションおよび制御アプリケーションでモデル用バックグラウンド要素の切替を行うためのシステムならびに方法 |
WO2019235018A1 (ja) | 2018-06-07 | 2019-12-12 | オムロン株式会社 | 制御システム、制御方法、学習装置、制御装置、学習方法及び学習プログラム |
WO2020202316A1 (ja) * | 2019-03-29 | 2020-10-08 | 三菱電機株式会社 | モデル予測制御装置、モデル予測制御プログラム、モデル予測制御システムおよびモデル予測制御方法 |
CN112682254A (zh) * | 2020-12-21 | 2021-04-20 | 北京华能新锐控制技术有限公司 | 一种基于动态多模型预测控制器的风机有功功率跟踪方法 |
-
1998
- 1998-09-25 JP JP10270926A patent/JP2000099107A/ja active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004509420A (ja) * | 2000-09-21 | 2004-03-25 | エムティエス・システムズ・コーポレーション | テーパ状化機能付きの多重領域コンボルバ |
JP4901058B2 (ja) * | 2000-09-21 | 2012-03-21 | エムティエス・システムズ・コーポレーション | テーパ状化機能付きの多重領域コンボルバ |
JP2007257190A (ja) * | 2006-03-22 | 2007-10-04 | Toshiba Corp | 総合監視診断装置 |
JP2010239856A (ja) * | 2009-01-19 | 2010-10-21 | Commissariat A L'energie Atomique | 太陽光発電装置の電気生産量を予測する方法 |
JP2015088059A (ja) * | 2013-10-31 | 2015-05-07 | キヤノン株式会社 | プログラム、生成方法、生成装置、駆動装置、加工装置、リソグラフィ装置及び物品の製造方法 |
JP2018526712A (ja) * | 2015-06-05 | 2018-09-13 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイShell Internationale Research Maatschappij Besloten Vennootshap | モデル予測推定アプリケーションおよび制御アプリケーションでモデル用バックグラウンド要素の切替を行うためのシステムならびに方法 |
JP6996982B2 (ja) | 2015-06-05 | 2022-01-17 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイ | モデル予測推定アプリケーションおよび制御アプリケーションでモデル用バックグラウンド要素の切替を行うためのシステムならびに方法 |
CN107784389A (zh) * | 2017-09-28 | 2018-03-09 | 成都理工大学 | 一种地质灾害双层次控制变量预报方法及应用 |
CN107784389B (zh) * | 2017-09-28 | 2021-12-31 | 成都理工大学 | 一种地质灾害双层次控制变量预报方法及应用 |
WO2019235018A1 (ja) | 2018-06-07 | 2019-12-12 | オムロン株式会社 | 制御システム、制御方法、学習装置、制御装置、学習方法及び学習プログラム |
US11681261B2 (en) | 2018-06-07 | 2023-06-20 | Omron Corporation | Control system, control method, learning device, control device, learning method for controlling an operation of a subject device on basis of a detemined command value |
WO2020202316A1 (ja) * | 2019-03-29 | 2020-10-08 | 三菱電機株式会社 | モデル予測制御装置、モデル予測制御プログラム、モデル予測制御システムおよびモデル予測制御方法 |
DE112019006928T5 (de) | 2019-03-29 | 2021-12-02 | Mitsubishi Electric Corporation | Modellprädiktive regelungsvorrichtung, modellprädiktives regelungsprogramm, modellprädiktives regelungssystem und modellprädiktives regelungsverfahren |
CN112682254A (zh) * | 2020-12-21 | 2021-04-20 | 北京华能新锐控制技术有限公司 | 一种基于动态多模型预测控制器的风机有功功率跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Methodologies of control strategies for improving energy efficiency in agricultural greenhouses | |
US20070150424A1 (en) | Neural network model with clustering ensemble approach | |
Salgado et al. | Greenhouse climate hierarchical fuzzy modelling | |
CN100465825C (zh) | 变结构非线性模型预估控制器 | |
JPH06301406A (ja) | 階層型モデル予測制御システム | |
Fischer et al. | Predictive control based on local linear fuzzy models | |
JP2005535025A (ja) | 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム | |
JP2000099107A (ja) | モデル予測制御システム | |
Price et al. | Data-based mechanistic modelling (DBM) and control of mass and energy transfer in agricultural buildings | |
CN113325721B (zh) | 一种工业系统无模型自适应控制方法及系统 | |
Gutman et al. | A non-linear optimal greenhouse control problem solved by linear programming | |
Ali et al. | Time-series prediction for sensing in smart greenhouses | |
Homod et al. | Deep clustering of Lagrangian trajectory for multi-task learning to energy saving in intelligent buildings using cooperative multi-agent | |
Boaventura Cunha et al. | A greenhouse climate multivariable predictive controller | |
Nielsen et al. | Prediction of regional wind power | |
JPH11296204A (ja) | 多変数プロセス制御システム | |
Ferreira et al. | Evolutionary multiobjective design of radial basis function networks for greenhouse environmental control | |
Ghanbari et al. | Prediction of degree of crystallinity for the LTA zeolite using artificial neural networks | |
Jiang et al. | Optimization of adaptive cruise control system controller: using linear quadratic gaussian based on genetic algorithm | |
Arpaia et al. | Model predictive control strategy based on differential discrete particle swarm optimization | |
CN113537555B (zh) | 一种考虑扰动的交通子区模型预测滑模边界控制方法 | |
Pohlheim et al. | Optimal control of greenhouse climate using a short time climate model and evolutionary algorithms | |
Obika et al. | An evolutionary design of robust PID controllers | |
Jones et al. | Online frequency domain identification and genetic tuning of PID controllers | |
Essa | Identification and temperature control for thermal model of a house based on model predictive control tuned by cuckoo search algorithm |