JP2005346714A - Parameter adjustment support apparatus and method of process model - Google Patents

Parameter adjustment support apparatus and method of process model Download PDF

Info

Publication number
JP2005346714A
JP2005346714A JP2005157252A JP2005157252A JP2005346714A JP 2005346714 A JP2005346714 A JP 2005346714A JP 2005157252 A JP2005157252 A JP 2005157252A JP 2005157252 A JP2005157252 A JP 2005157252A JP 2005346714 A JP2005346714 A JP 2005346714A
Authority
JP
Japan
Prior art keywords
parameter
external input
output
model
data
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
JP2005157252A
Other languages
Japanese (ja)
Other versions
JP4190517B2 (en
Inventor
Osamu Yamanaka
中 理 山
Akihiro Nagaiwa
岩 明 弘 長
Masahiko Tsutsumi
正 彦 堤
Manabu Matsumae
前 学 松
Masaki Kishihara
原 正 樹 岸
Yukio Hatsuka
鹿 行 雄 初
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 Corp
Original Assignee
Toshiba 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 Corp filed Critical Toshiba Corp
Priority to JP2005157252A priority Critical patent/JP4190517B2/en
Publication of JP2005346714A publication Critical patent/JP2005346714A/en
Application granted granted Critical
Publication of JP4190517B2 publication Critical patent/JP4190517B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02WCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00Technologies for wastewater treatment
    • Y02W10/10Biological treatment of water, waste water, or sewage

Landscapes

  • Testing And Monitoring For Control Systems (AREA)
  • Activated Sludge Processes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To allow parameters to be adjusted as easily as possible and to adjust parameters while discriminating identifiabilities of parameters of a given white box model. <P>SOLUTION: A parameter adjustment support apparatus and method of a process model is provided; with a process data collection means 2 consisting of a process external input collection means 21 and a process output collection means 22, which collects and holds measurement data of process external inputs of a process, which is such a limited biological chemical process that dynamics are represented by mutual variations between a plurality of materials, and the plurality of materials; a process simulation means 3 which performs simulation by entering process external input data to the process model consisting of material balance and reaction rates; a process output display means 10; a process state transition diagram display means 11; and a parameter value input means for entering parameter values. <P>COPYRIGHT: (C)2006,JPO&NCIPI

Description

本発明は、下水処理プロセスや食品加工プロセス等の生物学的プロセスおよび石油精製等の化学プロセスなどのプロセス系を中心とする一般的なプロセスの挙動を模擬するプロセスモデルのパラメータ調整支援装置、及び方法に関する。   The present invention relates to a parameter adjustment support device for a process model that simulates the behavior of a general process such as a biological process such as a sewage treatment process and a food processing process, and a chemical process such as petroleum refining, and Regarding the method.

上下水道の水質プロセスなどの水処理プロセスや食品加工プロセス等の微生物の代謝を利用した生物学的プロセスや石油精製プロセスなどの化学プロセスでは、近年プロセスの挙動を模擬するためのプロセスモデル/プロセスシミュレータを利用することが多くなってきている。(なお、ここで、プロセスシュミレータという言葉は、微分方程式や偏微分方程式などの数式で記述されるプロセスモデルをコンピュータなどで計算できるようにコンピュータ上に実装したもののことを示すことが多い。しかし、ここではプロセスモデルとプロセスシュミレータを同一視し、文脈に応じてより適切な言葉を用いる。)
これは、現実のプロセスを詳細に模擬することのできるプロセスシミュレータがあれば、例えば、以下の様なことを行うことができるからである。
Process models / process simulators to simulate process behavior in recent years in chemical processes such as water treatment processes such as water and sewage water treatment processes, biological processes using microbial metabolism such as food processing processes, and oil refining processes The use of is increasing. (Here, the term process simulator often refers to a process model that is implemented on a computer so that it can be calculated on a computer, etc., such as differential equations and partial differential equations. However, (Here, the process model and the process simulator are identified, and more appropriate language is used depending on the context.)
This is because, for example, the following can be performed if there is a process simulator that can simulate an actual process in detail.

(1)プロセスを設計する場合の事前検討にプロセスシミュレータを用いて、最適なプロセスを設計する(設計支援)。 (1) An optimum process is designed by using a process simulator for a preliminary examination when designing a process (design support).

(2)プロセスの運転管理や維持管理をする場合に、プロセスシミュレータによる挙動解析により、より適切な運転管理/維持管理を行うための検討を行う(運転管理支援)。 (2) In the case of process operation management and maintenance management, a study for more appropriate operation management / maintenance management is performed by behavior analysis using a process simulator (operation management support).

(3)様々な状況を想定したシナリオシミュレーションを行うことによって、予め起こり得る危険な現象を予測する(シナリオシミュレーション)。 (3) Predicting a dangerous phenomenon that may occur in advance by performing scenario simulation assuming various situations (scenario simulation).

(4)プロセスシミュレータを利用して、オンラインで計測できる変数から、オンラインで計測できない変数の値を推定する(ソフトウエアセンサー、オブザーバ)。 (4) Using a process simulator, estimate the value of a variable that cannot be measured online from software that can be measured online (software sensor, observer).

(5)プロセスシミュレータを組み込んだ自動制御コントローラを設計する(モデルベース制御)。 (5) Design an automatic controller incorporating a process simulator (model-based control).

(6)プロセスシミュレータを用いて、経済コストと品質(化学プロセス等の場合)、経済コストと環境コスト(水処理プロセスなどの環境プロセスの場合)の最適化を図る(短期のプロセス最適化)。 (6) The process simulator is used to optimize the economic cost and quality (in the case of a chemical process) and the economic cost and environmental cost (in the case of an environmental process such as a water treatment process) (short-term process optimization).

(7)プロセスシミュレータを用いて、プロセスの設計段階からプロセスを減価償却し廃棄する段階までの間のライフサイクルコスト(LCC)の計算や、ライフサイクルアセスメント(LCA)を行う(長期のプロセス最適化)。 (7) Use process simulator to calculate life cycle cost (LCC) from the process design stage to the process of depreciating and discarding the process, and to perform life cycle assessment (LCA) (long-term process optimization) ).

(8)プロセスに熟知した専門家以外には理解しづらいプロセスの内部現象をシミュレータによって模擬して可視化することにより、プロセス技術者の教育や訓練に用いる(教育/運転訓練)。 (8) It is used for education and training of process engineers by simulating and visualizing internal phenomena of processes that are difficult to understand except by experts who are familiar with the process (simulation / operation training).

このように、プロセスモデル/プロセスシミュレータは様々な利用用途を潜在的に持っているが、プロセスモデルが実際に現実の様々な問題に適用できるか否かは、プロセスモデルの持つパラメータを現実のプロセスに適合する様にうまく調整できるか否かにかかっている。すなわち、実世界(リアルワールド)で現実に起こっている現象の何らかの形の縮約であるプロセスモデルは、リアルワールドを精度よく近似することができて初めてその存在意義がある。   In this way, the process model / process simulator potentially has various uses, but whether or not the process model can actually be applied to various real problems depends on the parameters of the process model in the actual process. It depends on whether or not it can be adjusted well so that it conforms to. In other words, a process model that is a reduction of some form of a phenomenon actually occurring in the real world (real world) is meaningful only if it can accurately approximate the real world.

ところで、プロセスモデルの作り方は、ブラックボックス的なアプローチとホワイトボード的なアプローチの2つに大別される。   By the way, how to create a process model is roughly divided into a black box approach and a whiteboard approach.

ブラックボックス的アプローチは、実際のプロセスから入手したデータを解析することによって数学的にモデルを構築する方法であり、このモデルをブラックボックスモデルと呼ぶことが多い。ブラックボックス的アプローチの代表的なものには、制御理論の一分野であるシステム同定法や、人間の脳の働きを数学的にモデル化したニューラルネットワーク、統計学の分野で用いられる多変量解析などがある。ブラックボックス的なアプローチは、化学プロセスや生物学的プロセスなどのように、機械システムや電磁気システムと比較して複雑な内部構造を持つプロセスをモデル化する場合には有望なアプローチである。このアプローチでは、実在のデータから実際の現象に適合する様にモデルを構築するため、リアルワールドを精度よく近似することが期待できるが、一方、以下の様な問題点がある。   The black box approach is a method of mathematically constructing a model by analyzing data obtained from an actual process, and this model is often called a black box model. Typical examples of the black box approach include system identification, which is a field of control theory, neural networks that mathematically model the work of the human brain, and multivariate analysis used in the field of statistics. There is. The black-box approach is a promising approach for modeling processes with a complex internal structure compared to mechanical or electromagnetic systems, such as chemical and biological processes. In this approach, a model is constructed from real data so as to match the actual phenomenon, so it can be expected to approximate the real world with high accuracy. However, there are the following problems.

(A)実プロセスの時系列データが存在しない場合はモデル化ができない、そのため、プロセス設計などのプロセス構築前の事前検討に用いることができない。(B)基本的には実データに適合する様にモデル化を行うため、過去に生じていない現象を模擬することが困難な場合が多い、そのため、シナリオシミュレーションや異常診断に用いる場合には限界がある(汎化能力や予測能力の精度に限界がある)。 (A) If time series data of an actual process does not exist, modeling cannot be performed. Therefore, it cannot be used for prior examination before process construction such as process design. (B) Basically, modeling is performed to match actual data, so it is often difficult to simulate phenomena that have not occurred in the past. (There is a limit to the accuracy of generalization ability and prediction ability).

(C)ブラックボックスモデルが持つパラメータは、(数学的な意味やシステム論的な意味は持つが)、通常物理化学的な意味を持たないため、物理量や化学量との対応付けが難しい。そのため、専門家以外の人へのモデルの説明が困難であり、専門家でない一般の人々には受け入れられがたい。そのため、普及させることが難しい。 (C) The parameters of the black box model (although they have mathematical meanings and system-theoretic meanings) usually do not have physicochemical meanings, so it is difficult to associate them with physical quantities or chemical quantities. For this reason, it is difficult to explain the model to non-experts and it is unacceptable to ordinary people who are not experts. Therefore, it is difficult to spread.

一方、ホワイトボックス的なアプローチは、物理化学的な洞察に基づいてプロセスモデルを構築する方法であり、この方法によって構築されたモデルはホワイトボックスモデル、物理モデル、物理化学モデルなどと呼ばれる。ホワイトボックスモデルは、ブラックボックスモデルの持つ欠点である上記(A)〜(C)を解決できるという意味では魅力的な方法である。しかし、ホワイトボックスモデルは物理化学法則に従って構築されているにもかかわらず、これを現実のプロセスに適合させることは、(特にモデルが複雑な場合には)しばしば極めて困難なものとなる。この理由は、ホワイトボックスモデルの持つ複数のパラメータを現実のプロセスに適合する様に調整する統一的な手順が明確でないことが多いためである。そのため、しばしば、プロセス技術者が経験的知識を用いて試行錯誤で調整を行うことが多い、しかし、このような方法は、以下の様な問題点を持つ。   On the other hand, the white box approach is a method of constructing a process model based on physicochemical insight, and a model constructed by this method is called a white box model, a physical model, a physicochemical model, or the like. The white box model is an attractive method in the sense that the above (A) to (C), which are disadvantages of the black box model, can be solved. However, despite the fact that the white box model is built according to the laws of physicochemistry, it is often very difficult to adapt it to the real process (especially when the model is complex). This is because a unified procedure for adjusting a plurality of parameters of the white box model so as to be adapted to an actual process is often not clear. Therefore, process engineers often make adjustments by trial and error using empirical knowledge. However, such a method has the following problems.

(A’)プロセスの内部構造に関する詳細な知識がない人にはパラメータ調整の指針を立てることができない。また、指針を示されてもその意味を理解することが難しい。従って、結果的にホワイトボックスモデルは「絵に書いた餅」となる可能性が高い。 (A ') A person who does not have detailed knowledge about the internal structure of the process cannot provide a parameter adjustment guideline. In addition, it is difficult to understand the meaning of the guidelines. Therefore, as a result, the white box model has a high possibility of becoming “a spider written in a picture”.

(B’)具体的にパラメータの調整を行う以前に、そもそも原理的にホワイトボックス的アプローチで構築されたプロセスモデルのパラメータの値を一通りに決めることができるか否かが明らかでない(構造的可同定性の問題)。(なお、ここで、原理的にパラメータの値を一意に決めることができるか否かという概念を可同定性という。特に、現実のプロセスを完全(厳密)に表現できるモデルとノイズなどを含まない完全なデータが与えられた場合にパラメータの値を一意に決めることができるモデルを構造的に可同定なモデルという。構造的可同定性の問題は、一般には、モデルのもつパラメータ空間Θ⊆R 、(p:パラメータ数)からモデルの出力(センサーによる観測量)空間Y⊆R 、(p:出力数)への写像の逆写像が一意に存在するか否かという問題に帰着される。しかし、個々のプロセスモデルに対して、構造的可同定性を調べることは容易ではない。)
そのため、構造的に可同定でないモデルでは、複数のパラメータの異なる値の組み合わせに対しても同じ応答(出力)が得られることがあり、パラメータ同定(調整)の指針を示すことが難しくなることがある。
(B ′) Before concrete parameter adjustment, it is not clear whether it is possible to determine the values of the parameters of the process model constructed by the white box approach in principle (structural Identifiability issue). (Here, the concept of whether or not a parameter value can be uniquely determined in principle is called identifiability. In particular, it does not include a model and noise that can completely (exactly) represent an actual process. A model that can uniquely determine the value of a parameter given complete data is called a structurally identifiable model, and the problem of structural identifiability is generally the parameter space Θ⊆R of the model. The problem is whether or not a reverse mapping of the mapping from p 1 , (p: number of parameters) to model output (observed by sensor) space Y⊆R p , (p: number of outputs) exists uniquely. However, it is not easy to examine structural identifiability for individual process models.)
Therefore, in a model that is not structurally identifiable, the same response (output) may be obtained even for combinations of different values of a plurality of parameters, and it may be difficult to provide a guideline for parameter identification (adjustment). is there.

(C’)実際に対象とするプロセスから得られる応答データがノイズに乱されていたり、(プロセスの入力が変化しないために)応答データがあまり変化しなかったりする場合には、パラメータ調整を行うための十分な情報が得られない。そのため、調整できるパラメータの数が限られてしまう(実用的可同定性の問題) 。(なお、ここで、構造的に可同定なモデルであっても、得られるデータが限られていたり、データにノイズが含まれている場合には、そのモデルのパラメータを同定できなくなる場合がある。このように、モデル構造のみに依存する可同定性ではなく(モデル構造と)データの質に依存する可同定性を実用的可同定性という。実際のプロセスでは、実用的可同定であることが望まれる。)
ホワイトボックスモデルをリアルワールドに適合させるためには、(A’)〜(C’)の様な問題があるにも関わらず、しばしば、ホワイトボックスモデルを扱う人(特にホワイトボックスモデルの作成者)は、物質収支、エネルギー収支、反応過程や反応速度等の物理化学的な諸性質にのみに興味を集中させ、パラメータ同定/調整の問題を単なる最終的なチューニングの問題として軽視する場合があった。そのため、ホワイトボックスモデルを利用する人はこのパラメータ調整のための試行錯誤を繰り返し、これに多大の時間を費やしてしまうということがあった。そして、場合によってはパラメータの調整に失敗し、結果的にホワイトボックスモデルが使われなくなることがしばしば生じていた。
(C ′) If the response data actually obtained from the target process is disturbed by noise or the response data does not change much (because the process input does not change), parameter adjustment is performed. Is not enough information. This limits the number of parameters that can be adjusted (practical identifiability problem). (Here, even if the model is structurally identifiable, if the data obtained is limited or the data contains noise, the model parameters may not be identified. In this way, identifiability that depends on the quality of the data (with the model structure) is not practical identifiability, but depends on the model structure alone. Is desired.)
In order to adapt the white box model to the real world, the person who handles the white box model (especially the creator of the white box model) despite the problems (A ') to (C'). Sometimes focused their attention only on physicochemical properties such as mass balance, energy balance, reaction process and reaction rate, and sometimes neglected the problem of parameter identification / adjustment as a final tuning problem. . For this reason, a person using the white box model has repeated trial and error for adjusting the parameters, and spends a lot of time on this. In some cases, parameter adjustment has failed, and as a result, the white box model is often not used.

本発明は、上記の様な問題点を鑑みて、ホワイトボックスモデルをリアルワールドに適合させることのできる実際的な調整方法を提供することを目的とする。   In view of the above problems, an object of the present invention is to provide a practical adjustment method that can adapt a white box model to a real world.

特に、上記(A’)に関連して、プロセスの内部構造を熟知していないプロセス技術者がパラメータ調整をできる限り簡単に行える様な調整の支援装置を提供すること、および、上記(B’)と(C’)に関連して、与えられたホワイトボックスモデルのパラメータの可同定性を判断しながら、パラメータを調整するパラメータ調整装置を提供することである。   In particular, in connection with the above (A ′), it is possible to provide an adjustment support device that enables a process engineer who is not familiar with the internal structure of the process to perform parameter adjustment as easily as possible, and (B ′ ) And (C ′), to provide a parameter adjustment device that adjusts parameters while determining the identifiability of the parameters of a given white box model.

本発明に係るプロセスモデルのパラメータ調整支援装置は、外乱および操作量を含むプロセス外部入力と、プロセス状態量と、前記プロセス外部入力と前記プロセス状態量との関数であるプロセス観測出力と、前記プロセス外部入力を計測する外部入力センサーと、前記プロセス観測出力を計測するプロセス出力センサーと、を有する任意のプロセスにおいて、前記プロセスにおける前記プロセス外部入力と前記プロセス状態が複数の物質から構成され、前記プロセスは、ダイナミクスが前記複数の物質間の相互の変化で表現される様な限定された生物学的・化学プロセスであり、
前記外部入力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス外部入力収集手段と、前記プロセス出力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス出力収集手段とから構成されるプロセスデータ収集手段と、
複数のパラメータからなるパラメータセット(パラメータベクトル)θεRp(p:パラメータ数)を持ち、物質収支と反応速度によって構成されるプロセスモデルに対して、前記プロセスデータ外部入力収集手段を通して供給されるプロセス外部入力データを入力することにより、プロセスの時間的および空間的な挙動のシミュレーションを行うプロセスシミュレーション手段と、
前記プロセスシミュレーション手段によるプロセス出力シミュレーション値と前記プロセス出力値とを表示するプロセス出力表示手段と、
前記プロセスモデルの状態の相互作用と状態の変化を表すプロセス状態遷移図表示手段と、
前記プロセス状態遷移図に付属する前記パラメータセットのパラメータ値を入力するパラメータ値入力手段と、
を具えたことを特徴とする。
A process model parameter adjustment support apparatus according to the present invention includes a process external input including disturbance and an operation amount, a process state amount, a process observation output that is a function of the process external input and the process state amount, and the process In an arbitrary process having an external input sensor for measuring an external input and a process output sensor for measuring the process observation output, the process external input and the process state in the process are composed of a plurality of substances, and the process Is a limited biological and chemical process in which dynamics are expressed by mutual changes between the plurality of substances,
A process external input collecting means for collecting measurement data of the external input sensor and holding the data for a predetermined period, and a process for collecting measurement data of the process output sensor and holding the data for a predetermined period Process data collection means comprising output collection means;
A process external input supplied through the process data external input collection means to a process model having a parameter set (parameter vector) θεRp (p: number of parameters) composed of a plurality of parameters and configured by a material balance and reaction rate A process simulation means for simulating the temporal and spatial behavior of the process by inputting data;
Process output display means for displaying a process output simulation value by the process simulation means and the process output value;
A process state transition diagram display means for representing a state interaction and a state change of the process model;
Parameter value input means for inputting a parameter value of the parameter set attached to the process state transition diagram;
It is characterized by comprising.

本発明によれば、パラメータ調整者が、前記プロセスモデルの持つパラメータの物理化学的な意味をプロセス状態遷移図に基づいて考えながらパラメータの調整を行うことができ、パラメータ調整を容易なものとすることができる。   According to the present invention, the parameter adjuster can adjust the parameters while considering the physicochemical meaning of the parameters of the process model based on the process state transition diagram, thereby facilitating the parameter adjustment. be able to.

また、本発明は、前記パラメータセット入力手段は、前記パラメータセットの要素である各パラメータの物理化学的意味を説明するヘルプ機能を有することを特徴とする。   Further, the present invention is characterized in that the parameter set input means has a help function for explaining a physicochemical meaning of each parameter which is an element of the parameter set.

本発明によれば、パラメータ調整者に対して、前記プロセスモデルのパラメータの物理化学的意味を詳細かつ分かり易く提示することにより、パラメータの調整の指針を支援することができる。そして、これにより、プロセスモデルをより現実のプロセスにより近いものとすることができる。   According to the present invention, a parameter adjustment guideline can be supported by presenting the physicochemical meaning of a parameter of the process model in detail and in an easy-to-understand manner to a parameter adjuster. As a result, the process model can be made closer to an actual process.

また、本発明は、前記プロセス状態遷移表示手段から数式へリンクを張り、前記プロセス状態遷移表示手段と前記プロセスモデルを表す数式とを対応づける機能を有することを特徴とする。   In addition, the present invention is characterized in that a link is established from the process state transition display means to the mathematical expression, and the process state transition display means and the mathematical expression representing the process model are associated with each other.

本発明によれば、パラメータ調整者が前記プロセスモデルの数学的な記述と前記プロセス状態遷移図との対応関係を容易に理解することができ、プロセスモデルの持つ意味に対する理解を深めることができる。そのため、プロセスモデルに関する数学的素養のあるパラメータ調整者に対して、パラメータの持つ意味をより深く理解させることができ、ひいてはパラメータ調整者がプロセスモデルを現実のプロセスにより精密に適合させることを可能にすることができる。   According to the present invention, the parameter adjuster can easily understand the correspondence between the mathematical description of the process model and the process state transition diagram, and can deepen the understanding of the meaning of the process model. This makes it possible for parameter adjusters who have mathematical knowledge about the process model to understand the meaning of parameters more deeply, which in turn enables the parameter adjuster to more accurately adapt the process model to the actual process. can do.

また、本発明は、前記プロセス状態遷移図表示手段は、表示されるプロセス状態変数を示す図やプロセス状態間を結合する線の大きさや色が、前記パラメータセット入力手段によって入力されたパラメータ値の大きさに依存して可変となるように修正されていることを特徴とする。   Further, according to the present invention, the process state transition diagram display means includes a diagram showing the process state variable to be displayed and the size and color of a line connecting the process states of the parameter values input by the parameter set input means. It is modified so as to be variable depending on the size.

本発明によれば、前記パラメータセットの各パラメータの持つ意味を視覚的に理解することが可能になる。そのため、例えばパラメータのデフォルト値(初期値)を与えた場合のプロセス状態遷移図とパラメータ調整後のプロセス状態遷移図と同時に表示することなどにより、パラメータ調整者がどのパラメータをどの程度調整したのかを視覚的に容易に理解することが可能になる。そのため、特に数多くのパラメータを含むようなプロセスシミュレータのパラメータ調整をより簡単なものとすることができる。   According to the present invention, it is possible to visually understand the meaning of each parameter of the parameter set. For this reason, for example, by displaying the process state transition diagram when the default value (initial value) of the parameter is given and the process state transition diagram after parameter adjustment, the parameter adjuster adjusts which parameter is adjusted to what extent. It becomes possible to understand visually easily. Therefore, parameter adjustment of a process simulator that includes a large number of parameters can be made simpler.

また、本発明は、前記プロセス状態遷移表示手段と前記パラメータセット入力手段を前記プロセスシミュレーション手段とは異なる装置に実装し、WWW(World Wide Web )ブラウザ上から遠隔でパラメータセットを入力することができるように修正されていることを特徴とする。   In the present invention, the process state transition display means and the parameter set input means are mounted on a device different from the process simulation means, and a parameter set can be input remotely from a WWW (World Wide Web) browser. It is modified as follows.

本発明によれば、プロセスシミュレータを組み込んだプロセスコントローラ(例えばIMC:Internal Model Control )を設計する場合のように、プロセスコントローラを実際のプロセスが存在する現場に設置しプロセスモデルのパラメータを監視室などから設定するような状況において、インターネット技術を利用して遠隔でパラメータ調整を容易に行うことができる。これにより、遠隔操作によるプロセスコントローラチューニングが可能となる。   According to the present invention, as in the case of designing a process controller (for example, IMC: Internal Model Control) incorporating a process simulator, the process controller is installed at a site where an actual process exists, and the parameters of the process model are monitored. In such a situation, the parameter adjustment can be easily performed remotely using the Internet technology. Thereby, process controller tuning by remote control is attained.

また、ロセスモデルのパラメータ調整支援方法は、プロセス外部入力(外乱および操作量)と、プロセス状態量と、前記プロセス外部入力と前記プロセス状態量との関数であるプロセス観測出力と、前記プロセス外部入力を計測する外部入力センサーと、前記プロセス観測出力を計測するプロセス出力センサーと、を有する任意のプロセスにおいて、
前記プロセスにおける前記プロセス外部入力と前記プロセス状態が複数の物質から構成され、前記プロセスは、ダイナミクスが前記複数の物質間の相互の変化で表現される様な限定された生物学的・化学プロセスであり、
前記外部入力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス外部入力収集工程と、前記プロセス出力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス出力収集工程とから構成されるプロセスデータ収集工程と、
複数のパラメータからなるパラメータセット(パラメータベクトル)θεRp(p:パラメータ数)を持ち、物質収支と反応速度によって構成されるプロセスモデルに対して、前記プロセスデータ外部入力収集工程を通して供給されるプロセス外部入力データを入力することにより、プロセスの時間的および空間的な挙動のシミュレーションを行うプロセスシミュレーション工程と、
前記プロセスシミュレーション手段によるプロセス出力シミュレーション値と前記プロセス出力値とを表示するプロセス出力表示工程と、
前記プロセスモデルの状態の相互作用と状態の変化を表すプロセス状態遷移図表示工程と、
前記プロセス状態遷移図に付属する前記パラメータセットのパラメータ値を入力するパラメータ値入力工程と、
を具えたことを特徴とする。
The process model parameter adjustment support method includes a process external input (disturbance and manipulated variable), a process state quantity, a process observation output that is a function of the process external input and the process state quantity, and the process external input. In any process having an external input sensor for measuring the process output sensor for measuring the process observation output,
The process external input and the process state in the process are composed of a plurality of substances, and the process is a limited biological / chemical process in which dynamics are expressed by mutual changes between the plurality of substances. Yes,
Process for collecting measurement data of the external input sensor and holding the data for a predetermined period, and process for collecting the measurement data of the process output sensor and holding the data for a predetermined period A process data collection process comprising an output collection process;
Process external input supplied through the process data external input collection step for a process model having a parameter set (parameter vector) θεRp (p: number of parameters) composed of a plurality of parameters and configured by a material balance and reaction rate A process simulation step that simulates the temporal and spatial behavior of the process by entering data; and
A process output display step for displaying a process output simulation value by the process simulation means and the process output value;
A process state transition diagram display step representing a state interaction and a state change of the process model;
A parameter value input step for inputting a parameter value of the parameter set attached to the process state transition diagram;
It is characterized by comprising.

以上のように、本発明の構成により得られる効果を要約すると以下の少なくとも2点である。   As described above, the effects obtained by the configuration of the present invention are summarized as at least the following two points.

(1)常微分方程式や偏微分方程式で表される複数のパラメータを持つプロセスシミュレータにおいて、入手可能なデータの質に応じて自動的に同定可能なパラメータセットを抽出し、その同定を行うことができる。 (1) In a process simulator having a plurality of parameters represented by ordinary differential equations or partial differential equations, a parameter set that can be automatically identified according to the quality of available data is extracted and identified. it can.

(2)下水処理プロセス、上水処理プロセス、石油化学プロセスなどの生物学的プロセスや化学プロセスを表すプロセスモデルの持つパラメータ調整を、視覚情報を提供することによって容易にすることができる。 (2) Parameter adjustment of a process model representing a biological process or chemical process such as a sewage treatment process, a water treatment process, or a petrochemical process can be facilitated by providing visual information.

これら2点の効果により、最終的には、対象とするプロセスの物理化学モデルを現実の対象プロセスに適合することができ、[従来の技術]で述べた様に、プロセスモデルを用いた様々な検討が可能になる。   With these two effects, the physicochemical model of the target process can be finally adapted to the actual target process. As described in [Prior Art], various processes using the process model can be performed. Consideration becomes possible.

図1は、本発明の実施形態の基本的な構成を、対象とするプロセスを下水処理プロセスである場合を想定して、下水処理プロセスと共に示したものである。   FIG. 1 shows a basic configuration of an embodiment of the present invention together with a sewage treatment process on the assumption that the target process is a sewage treatment process.

図1に示す下水処理プロセスパラメータ調整装置は、制御対象としての下水処理プロセス1と、下水処理プロセス1への流入下水量や流入下水水質等の外乱データと曝気風量や返送汚泥量などの操作量データから成るプロセス外部入力データと、各反応槽に設置されたセンサーによって計測している溶存酸素(DO)や浮遊固形物量(MLSS)やpH、あるいはCOD(化学的酸素要求量)などの観測出力データを、予め決められた周期で収集し、プロセスデータサーバへ保持するプロセスデータ収集手段2と、下水処理プロセス1の物理化学的な知見に基づいて構成されるプロセスモデルを用いて下水処理プロセス1のCOD(化学的酸素要求量)等の指標で計測される有機物量、DO、MLSS、アンモニア態窒素(NH−N)、硝酸態窒素(NO−N)やリン酸態リン(PO−P)などの各種水質の挙動をシミュレーションすることのできるプロセスシミュレーション手段3と、プロセスシミュレーション手段3で用いているプロセスモデルの持つ、反応速度に関連する最大比増殖速度、半飽和定数、加水分解速度定数などの動力学パラメータや物質の収支に関連する収率などの化学量論パラメータなどのパラメータの初期値を設定するパラメータ初期値設定手段4と、プロセスシミュレーション手段3で用いているプロセスモデルから導出することのできるパラメータ感度関数モデルにパラメータ初期値設定手段4によって前記動力学パラメータや化学量論パラメータなどの初期値を設定して、初期設定値近傍でのパラメータの感度を解析するパラメータ感度解析手段5と、パラメータ感度解析手段5によって解析されたパラメータの感度の時間変化を表示するパラメータ感度表示手段6と、パラメータ感度解析手段5によって解析された全てのパラメータの中から高感度なパラメータセットを抽出する高感度パラメータセット抽出手段7と、高感度パラメータセット抽出手段7によって抽出された高感度なパラメータセットの各パラメータを、プロセスデータ収集手段2によるプロセス出力データとプロセスシミュレーション手段3によるプロセス出力シミュレーションデータの値の誤差が小さくなる様に調整/同定するパラメータ同定手段8と、プロセスデータ収集手段2のプロセス外部入力データとプロセス出力データと、プロセスシミュレーション手段3によって計算されるプロセス出力シミュレーションデータの誤差の計算と保存を行いパラメータ同定手段8の評価に用いる誤差計算および保存手段9と、プロセス出力データ収集手段22から供給されるプロセス出力データとプロセスシミュレーション手段3によって計算されるプロセス出力シミュレーションデータを同時に表示するプロセス値/プロセスシミュレーション値表示手段10と、から構成される。 The sewage treatment process parameter adjustment apparatus shown in FIG. 1 includes a sewage treatment process 1 as a control target, disturbance data such as the amount of sewage flowing into the sewage treatment process 1 and the quality of inflow sewage, and the operation amount such as the amount of aeration air and the amount of returned sludge Process external input data consisting of data, and observation output such as dissolved oxygen (DO), suspended solids (MLSS), pH, or COD (chemical oxygen demand) measured by sensors installed in each reactor The sewage treatment process 1 using process data collection means 2 that collects data at a predetermined cycle and stores the data in a process data server, and a process model configured based on physicochemical knowledge of the sewage treatment process 1 the COD (chemical oxygen demand) amount of organic matter measured by indicators such as, DO, MLSS, ammonia nitrogen (NH 4 -N), And Santai nitrogen (NO 3 -N) and phosphorus Santai phosphorus (PO 4 -P) process simulation means 3 capable of simulating the behavior of various water quality, such as, with the process model is used in the process simulation means 3 Initial parameters to set initial values of parameters such as kinetic parameters such as maximum specific growth rate, half-saturation constant, hydrolysis rate constant related to reaction rate, and stoichiometric parameters such as yield related to material balance Initial values such as the kinetic parameters and stoichiometric parameters are set by the parameter initial value setting means 4 to the parameter sensitivity function model that can be derived from the process model used in the value setting means 4 and the process simulation means 3. Parameter sensitivity to analyze the sensitivity of parameters near the default setting Analysis means 5, parameter sensitivity display means 6 for displaying the time change of the sensitivity of the parameter analyzed by the parameter sensitivity analysis means 5, and a highly sensitive parameter set among all the parameters analyzed by the parameter sensitivity analysis means 5 A high-sensitivity parameter set extraction means 7 for extracting the parameters, and each parameter of the high-sensitivity parameter set extracted by the high-sensitivity parameter set extraction means 7, the process output data by the process data collection means 2 and the process output by the process simulation means 3 Parameter identification means 8 for adjusting / identifying so that the error in the value of the simulation data becomes small, process external input data and process output data of the process data collection means 2, and process output stain calculated by the process simulation means 3 Error calculation and storage means 9 used to evaluate and identify parameter identification means 8, process output data supplied from process output data collection means 22, and process calculated by process simulation means 3. And a process value / process simulation value display means 10 for simultaneously displaying output simulation data.

また、下水処理プロセス1は、最初沈殿池11と、生物反応槽12と、最終沈殿池13と、下水処理プロセス1の各施設への操作量であるブロワ141と返送ポンプ142と余剰汚泥引き抜きポンプ143の3つのアクチュエータと、プロセス外乱と考えられる流入下水の量および各種流入下水水質を計測するプロセス外乱センサー151と曝気風量を計測する風量センサー152と返送汚泥量を計測するセンサー153と余剰汚泥引抜量を計測するセンサー154と、下水処理プロセス1の各設備のDO、NH−N、NO−N、PO−Pなどの各種水質値を計測するプロセス出力センサー161〜163と、から構成される。 In addition, the sewage treatment process 1 includes an initial settling basin 11, a biological reaction tank 12, a final settling basin 13, a blower 141, a return pump 142, and an excess sludge extraction pump, which are operation amounts to each facility of the sewage treatment process 1. Three actuators 143, a process disturbance sensor 151 for measuring the amount of influent sewage considered to be a process disturbance and various influent sewage qualities, an air volume sensor 152 for measuring aeration air volume, a sensor 153 for measuring the amount of returned sludge, and excess sludge extraction A sensor 154 that measures the amount of water, and process output sensors 161 to 163 that measure various water quality values such as DO, NH 4 -N, NO 3 -N, and PO 4 -P of each facility of the sewage treatment process 1 Is done.

また、プロセスデータ収集手段2は、下水処理プロセスの外乱と操作量データからなる外部入力データを収集するプロセス外部入力データ収集手段21と、下水処理プロセスの各種水質データを収集するプロセス出力データ収集手段22と、から構成される。   The process data collection means 2 includes a process external input data collection means 21 for collecting external input data composed of disturbance and manipulated variable data of the sewage treatment process, and a process output data collection means for collecting various water quality data of the sewage treatment process. 22.

図1を用いて、本実施例の作用を説明する。
本実施例では、説明を簡単にするため、下水処理プロセスの挙動を模擬する単純なプロセスモデルを用いて説明を行うが、本発明の適用対象がこのような単純なプロセスモデルに限定されるわけではない。
The operation of this embodiment will be described with reference to FIG.
In this embodiment, in order to simplify the explanation, explanation will be made using a simple process model that simulates the behavior of a sewage treatment process. However, the application target of the present invention is limited to such a simple process model. is not.

まず、予め、プロセスシミュレーション手段3で用いるプロセスモデルから、パラメータ感度解析手段5に用いるパラメータ感度解析モデルを導出する。   First, a parameter sensitivity analysis model used for the parameter sensitivity analysis unit 5 is derived in advance from the process model used by the process simulation unit 3.

最初沈殿池11と最終沈殿池13の存在を無視して生物反応槽12に直接下水が流入するような攪拌式連続反応槽(CSTR)である場合のプロセスモデルは、例えば以下のように与えられる。   A process model in the case of a stirred continuous reaction tank (CSTR) in which sewage flows directly into the biological reaction tank 12 ignoring the presence of the first settling tank 11 and the final settling tank 13 is given as follows, for example. .

Figure 2005346714
ここで、Yhは収率、μmaxは最大比増殖速度、Kは酸素濃度に関する半飽和定数、Khは加水分解定数、Kxは微生物−難分解性有機物の濃度比に関する半飽和定数、KLは総括酸素移動容量に関する係数(KL・Qbが総括酸素移動容量係数)、bは死滅速度、を表すパラメータである。Vは反応槽の水量であり一定値であるとする。また、So2(t)は溶存酸素濃度(DO)、Sc(t)は溶解性有機物濃度、Xc(t)は難分解性有機物濃度、Xn(t)は微生物濃度、を表す状態変数であり、Q(t)、QB(t)は、各々流入量と曝気量を表す入力変数である。各状態変数に添え字のINをつけたものは、各状態変数に対応する流入水質である。また、Y(t)は、溶存酸素濃度(DO)と溶解性のCODに対応する出力変数であるが、DOとMLSSを出力変数とした場合は、以下のように変更される。
Figure 2005346714
Where Yh is the yield, μmax is the maximum specific growth rate, K is the half-saturation constant relating to the oxygen concentration, Kh is the hydrolysis constant, Kx is the half-saturation constant relating to the concentration ratio of the microorganism-refractory organic matter, and KL is the overall oxygen. A coefficient relating to a transfer capacity (KL · Qb is an overall oxygen transfer capacity coefficient), and b is a parameter representing a death rate. V is the amount of water in the reaction tank and is a constant value. In addition, So2 (t) is a dissolved oxygen concentration (DO), Sc (t) is a soluble organic matter concentration, Xc (t) is a persistent organic matter concentration, and Xn (t) is a microbial concentration. Q (t) and QB (t) are input variables representing the inflow amount and the aeration amount, respectively. Each state variable with a subscript IN is the quality of the inflow water corresponding to each state variable. Y (t) is an output variable corresponding to dissolved oxygen concentration (DO) and soluble COD, but when DO and MLSS are output variables, it is changed as follows.

Figure 2005346714
なお、参考のため、このプロセスモデルの反応部分を参考文献[1][LAWQ Task Group on Mathematical Modeling for Design and Operation of Biological Wastewater Treatment"Activated Sludge Model No.2", IAWQ Scientific Technical Report No.3,(1995)]の記法に従って記述すると、表1のようになる。
Figure 2005346714
For reference, the reaction part of this process model is referred to [1] [LAWQ Task Group on Mathematical Modeling for Design and Operation of Biological Wastewater Treatment “Activated Sludge Model No. 2”, IAWQ Scientific Technical Report No. 3, (1995)] is described in Table 1.

Figure 2005346714
また、表記の簡単化のため、次式の様にプロセスモデルをベクトル形式で表現しておく。
Figure 2005346714
In order to simplify the notation, the process model is expressed in a vector format as shown in the following equation.

Figure 2005346714
ここで、調整の対象となるパラメータの候補は、θ=[Yh,μmax,K,Kh,Kx,KL,b]の7つである。
Figure 2005346714
Here, there are seven parameter candidates to be adjusted, θ = [Yh, μmax, K, Kh, Kx, KL, b].

さて、状態変数に対するパラメータ感度関数Zθ(t)を、次式の様に定義する。 The parameter sensitivity function Z θ (t) for the state variable is defined as follows:

Figure 2005346714
ここで、Zθ(t)のi行j列の要素(Zθ(t))ijは、次式で定義される。
Figure 2005346714
Here, Z theta i-th row and j-th column element (Z theta (t)) ij of (t) is defined by the following equation.

Figure 2005346714
また、センサーで計測している計測値に対してのみパラメータの感度を考える場合は、出力変数に対するパラメータ感度関数Yθ(t)を次式で定義する。
Figure 2005346714
Further, when considering the sensitivity of the parameter only for the measurement value measured by the sensor, the parameter sensitivity function Yθ (t) for the output variable is defined by the following equation.

Figure 2005346714
また、パラメータ調整によってプロセスシミュレーションの出力値と実際にセンサーで計測している観測値とを適合させたい出力変数が複数ある場合には、出力変数に対するパラメータ感度関数(19)の汎関数(R−Rへの写像、qは出力変数の数)に対するパラメータ感度関数を定義する。
Figure 2005346714
Further, when there are a plurality of output variables for which the output value of the process simulation and the observation value actually measured by the sensor are to be matched by parameter adjustment, the functional (R q of the parameter sensitivity function (19) for the output variable is set. Define a parameter sensitivity function for -R 1 mapping, q is the number of output variables.

例えば、(1)〜(4)式の例において、So2(t)とSc(t)のプロセスシミュレーション値を実際の値に適合させたい場合は、前記汎関数として、以下の様な評価関数Jを設定し、この評価関数に対する感度関数を定義することができる。   For example, in the example of the equations (1) to (4), when it is desired to adapt the process simulation values of So2 (t) and Sc (t) to the actual values, the following evaluation function J is used as the functional. And a sensitivity function for this evaluation function can be defined.

Figure 2005346714
ここで、(・)realは実際にセンサーなどで計測した計測値を表しwやwは重みを表す。評価関数Jに関する感度は、次式で定義できる。
Figure 2005346714
Here, (·) real represents a measured value actually measured by a sensor or the like, and w 1 and w 2 represent weights. The sensitivity regarding the evaluation function J can be defined by the following equation.

Figure 2005346714
他の汎関数の選び方として、例えば、
Figure 2005346714
とすることもできる。この場合の感度関数は、
Figure 2005346714
となる。
Figure 2005346714
For example, how to select other functionals:
Figure 2005346714
It can also be. The sensitivity function in this case is
Figure 2005346714
It becomes.

(24)式や(28)式は、(15)式と重みと観測出力とシミュレーション出力から計算されることに注意する。従って、(15)式が計算できれば、既知の情報を用いて(24)式や(28)式を計算することができる。   Note that Equations (24) and (28) are calculated from Equation (15), the weight, the observation output, and the simulation output. Therefore, if equation (15) can be calculated, equations (24) and (28) can be calculated using known information.

なお、パラメータベクトルθの要素の中のいくつかを予め調整の対象としない場合は、θの中のいくつかの要素、例えばθ:=[μmax Kh b KL]などを新たにパラメータベクトルと見なして、パラメータ感度関数を定義してもよい。 When some of the elements of the parameter vector θ are not to be adjusted in advance, some elements in θ , for example, θ : = [μmax Kh b KL] are newly regarded as parameter vectors. A parameter sensitivity function may be defined.

さて、以上から、(15)式を計算できれば、(24)式や(28)式は計算できるので、(15)式の計算方法を考えればよい。Zθを時間tで微分し、(7)式を用いると、パラメータ感度関数Zθ(t)に関する以下の微分方程式を導くことができる。 From the above, if the equation (15) can be calculated, the equations (24) and (28) can be calculated. Therefore, the calculation method of the equation (15) may be considered. By differentiating with time t and using equation (7), the following differential equation for the parameter sensitivity function Z θ (t) can be derived.

Figure 2005346714
(30)式は、プロセスモデルとパラメータ(のデフォルト)値が与えられれば計算可能である。従って、(24)式や(28)式も計算可能である。
Figure 2005346714
Equation (30) can be calculated if a process model and parameter (default) values are given. Therefore, equations (24) and (28) can also be calculated.

以下で説明する3パラメータ感度解析手段で用いられるパラメータ感度解析モデルは、(30)式を(19),(24),(28)式に代入したものや(30)式自身である。   The parameter sensitivity analysis model used in the three-parameter sensitivity analysis means described below is the one obtained by substituting the equation (30) into the equations (19), (24), (28) or the equation (30) itself.

(30)式の具体例として、例えば、パラメータベクトルθ:=[μmax Kh b KL]とした場合の(30)式の感度関数は、次式のようになる。 As a specific example of the expression (30), for example, the sensitivity function of the expression (30) when the parameter vector θ : = [μmax Kh b KL] is given by the following expression.

Figure 2005346714
このような計算を行うことによって、パラメータ感度解析モデルを導出することができる。
Figure 2005346714
By performing such calculations, a parameter sensitivity analysis model can be derived.

なお、このパラメータ感度解析モデルに関して特に注意すべき重要なことは、以下の通りである。 The important points to be particularly noted regarding this parameter sensitivity analysis model are as follows.

(I)(30)式で用いられる∂f/∂Zと∂f/∂θは、3プロセスシミュレーション手段で用いるプロセスモデルが存在すれば、そのモデルから解析的に直接計算できる。そのため、パラメータの感度計算において、各パラメータの値を変化させて繰り返しシミュレーションを行うというような面倒な手続きを行う必要がない。 (I) ∂f / ∂Z and ∂f / ∂θ used in equation (30) can be analytically calculated directly from the model if there is a process model used in the three-process simulation means. For this reason, in the sensitivity calculation of parameters, it is not necessary to perform a troublesome procedure of repeatedly performing simulation by changing the value of each parameter.

(II)パラメータ感度関数を(24)式や(28)式で定義する場合は、(24)式や(28)式の感度関数はパラメータの数と同じ要素数を持つベクトルとなっている。そのため、このように定義された感度関数を用いて高感度パラメータセットを抽出することを考える場合には、必ずパラメータ数以下の高感度パラメータセットを抽出することができる。 (II) When the parameter sensitivity function is defined by equation (24) or (28), the sensitivity function of equation (24) or (28) is a vector having the same number of elements as the number of parameters. Therefore, when considering extracting a high sensitivity parameter set using the sensitivity function defined in this way, a high sensitivity parameter set equal to or less than the number of parameters can always be extracted.

(III)(30)で用いられる∂f/∂Zと∂f/∂θは、プロセスの状態変数や入力に依存する関数であるため、プロセス入力値が変化すれば、それに伴いこれらの値も変化する。その結果、パラメータ感度関数はプロセス入力値に依存した関数となり、プロセス入力の種類や入力の波形に応じて変化する。以下で説明する高感度パラメータセット抽出手段では、このような入力値の変化に応じて高感度パラメータセットとして抽出するパラメータ数を変化させることができる。そのため、プロセスモデルの構造的および実用的可同定性を陽に意識することなく、可同定なパラメータを抽出できる。 (III) Since ∂f / ∂Z and ∂f / ∂θ used in (30) are functions depending on process state variables and inputs, if the process input value changes, these values also change accordingly. Change. As a result, the parameter sensitivity function becomes a function dependent on the process input value, and changes according to the type of process input and the waveform of the input. The high-sensitivity parameter set extraction means described below can change the number of parameters extracted as a high-sensitivity parameter set in accordance with such a change in input value. Therefore, identifiable parameters can be extracted without being conscious of the structural and practical identifiability of the process model.

以上の準備のもとで、実施例の作用と効果を説明する。   Based on the above preparation, the operation and effect of the embodiment will be described.

まず、下水処理プロセス1における外乱センサー151で計測される流入量Q(t)と複数の流入水質成分、例えば、溶存酸素濃度DO、溶解性有機物Sc(t)(溶解性のCODとして計測される)、浮遊性有機物Xc(t)(全COD−溶解性CODの成分として計測されたものにα<1を乗じたもの)、従属栄養性微生物Xh(t)(全COD−溶解性CODの成分として計測されたものに1−αを乗じたもの)をプロセス外乱入力データ収集手段21によってプロセスデータサーバの所定の領域に所定の計測周期で格納する。同時に下水処理プロセス1におけるの操作量のセンサー152〜154で収集した操作量の計測値をプロセス外部入力データ収集手段21によってプロセスデータサーバの所定の領域に所定の計測周期で格納する。また、センサー161〜163で計測したDO、MLSS、等の水質値をプロセス出力データ収集手段22によってプロセスデータサーバの所定の領域に格納する。   First, the inflow amount Q (t) measured by the disturbance sensor 151 in the sewage treatment process 1 and a plurality of influent water quality components, for example, dissolved oxygen concentration DO, soluble organic matter Sc (t) (measured as soluble COD). ), Floating organic matter Xc (t) (measured as a component of total COD-soluble COD multiplied by α <1), heterotrophic microorganism Xh (t) (component of total COD-soluble COD) Obtained by multiplying 1−α by 1) and stored in a predetermined area of the process data server by the process disturbance input data collecting means 21 at a predetermined measurement cycle. At the same time, the measured values of the operation amount collected by the operation amount sensors 152 to 154 in the sewage treatment process 1 are stored in a predetermined area of the process data server by the process external input data collecting means 21 at a predetermined measurement cycle. Further, water quality values such as DO and MLSS measured by the sensors 161 to 163 are stored in a predetermined area of the process data server by the process output data collecting means 22.

同時あるいは予め、パラメータ初期値設定手段4によって、プロセスシミュレーション手段3とパラメータ感度解析手段5で用いられる、プロセスモデルおよびパラメータ感度解析モデルが持っているパラメータ初期値を設定する。ここでは、(パラメータの感度はパラメータ初期値にも依存するため)、予め物理化学的な考察によって想定される範囲のパラメータ値を設定しておくことが好ましい。例えば、下水処理プロセスモデルの生物反応モデルとして、IWA(International Water Association )は、活性汚泥モデルNo.1〜No.3(ASM1〜ASM3)を公表しているが、これらのモデルでは、パラメータのデフォルト値が与えられており、このような場合には、デフォルト値を設定しておけば良い。また、このようなデフォルト値が与えられていない場合には、例えば、物質Aが物質B内に含まれる含有率というパラメータは0〜1内の値であるというように、理論的に可能な範囲の値を設定しておく。   At the same time or in advance, the parameter initial value setting means 4 sets parameter initial values possessed by the process model and the parameter sensitivity analysis model used by the process simulation means 3 and the parameter sensitivity analysis means 5. Here, it is preferable to set a parameter value in a range assumed in advance based on physicochemical considerations (because the sensitivity of the parameter also depends on the initial parameter value). For example, as a biological reaction model of a sewage treatment process model, IWA (International Water Association) has published activated sludge models No. 1 to No. 3 (ASM1 to ASM3). In such a case, a default value may be set. In addition, when such a default value is not given, for example, the parameter of the content rate in which the substance A is contained in the substance B is a value within a theoretically possible range such that the parameter is within a range of 0 to 1. Set the value of.

次に、プロセス外部入力データ収集手段21によって収集された外部入力データをプロセスシミュレーション手段3のプロセスモデルに入力することによって、プロセスの状態値を計算する。例えば、(1)〜(5)式のプロセスモデルを考える場合は、So2IN(t)、ScIN(t)、XcIN(t)、XhIN(t)やQ(t)、などを入力し、So2(t)、Sc(t)、Xc(t)、Xh(t)などの値を計算する。   Next, the state value of the process is calculated by inputting the external input data collected by the process external input data collecting means 21 to the process model of the process simulation means 3. For example, when considering the process model of equations (1) to (5), input So2IN (t), ScIN (t), XcIN (t), XhIN (t), Q (t), etc. t), Sc (t), Xc (t), Xh (t) and other values are calculated.

次に、プロセスシミュレーション手段3によって計算されたプロセスの状態値とプロセス外部入力データ収集手段21によって収集された外部入力データをパラメータ感度解析手段5に入力する。この際、プロセスの状態値の中でオンライン計測可能なデータを、プロセスシミュレーション手段3によって計算されたプロセス状態値の代わりに代入してもよい。パラメータ感度解析手段5では、このようなデータが入力されると、(15)式を計算することができるので、これを計算し、さらに(24)式や(28)式を計算する。例えば、(1)〜(5)式のプロセスモデルを考えた場合は、まず、(31)〜(33)式の様な感度解析モデルが得られる。ここで、(31)式は、(32)〜(33)式に、μmax、Kh、b、KLのパラメータ初期値と、So2(t)、Sc(t)、Xc(t)、Xh(t)のプロセス状態の計算値あるいは計測値、およびQB(t)などのプロセス外部入力値を与えることにより、計算することができる。そして、(31)式が計算できれば、(24)式や(28)式を計算することもできる。このようにして、5パラメータ感度解析手段が実行される。   Next, the process state value calculated by the process simulation unit 3 and the external input data collected by the process external input data collection unit 21 are input to the parameter sensitivity analysis unit 5. At this time, data that can be measured online among the process state values may be substituted for the process state value calculated by the process simulation means 3. When such data is input, the parameter sensitivity analysis means 5 can calculate the equation (15). This is calculated, and further the equations (24) and (28) are calculated. For example, when considering the process model of equations (1) to (5), first, a sensitivity analysis model such as equations (31) to (33) is obtained. Here, the equation (31) is changed from the equations (32) to (33) to the initial parameter values of μmax, Kh, b, KL, and So2 (t), Sc (t), Xc (t), Xh (t ) Process state calculated values or measured values, and process external input values such as QB (t) can be calculated. And if (31) Formula can be calculated, (24) Formula and (28) Formula can also be calculated. In this way, the 5-parameter sensitivity analysis means is executed.

次に、パラメータ感度表示手段6では、パラメータ感度解析手段5によって、解析されたパラメータ感度の時系列データを表示する。(15)式の感度解析結果を全て表示する場合は、(感度解析を行う)パラメータの個数×状態変数の個数分の感度解析結果が表示される。また、(24)式や(28)式の感度解析結果を表示する場合は、パラメータの個数分の感度解析結果が表示される。この際、外部入力データや計算あるいは計測された状態変数データを同時に表示してもよい。例えば、(1)〜(5)式のプロセスモデルを考えた場合、

Figure 2005346714
に対する感度解析結果は、図2に示すようなグラフとして表示される。 Next, the parameter sensitivity display means 6 displays the time series data of the parameter sensitivity analyzed by the parameter sensitivity analysis means 5. When all the sensitivity analysis results of the equation (15) are displayed, the sensitivity analysis results corresponding to the number of parameters (to perform sensitivity analysis) × the number of state variables are displayed. Further, when displaying the sensitivity analysis results of the equations (24) and (28), the sensitivity analysis results for the number of parameters are displayed. At this time, external input data and calculated or measured state variable data may be displayed simultaneously. For example, when considering the process model of (1) to (5),
Figure 2005346714
The sensitivity analysis result for is displayed as a graph as shown in FIG.

次に、高感度パラメータセット抽出手段7では、パラメータ感度解析手段5とパラメータ感度表示手段6の結果に基づき、高感度なパラメータセットを抽出する。   Next, the high sensitivity parameter set extraction unit 7 extracts a high sensitivity parameter set based on the results of the parameter sensitivity analysis unit 5 and the parameter sensitivity display unit 6.

具体例として、例えば親出願出願時の請求項2に記載の発明を用いる場合には、まず、図2のパラメータ感度関数を予め決めた周期Tでサンプリングし、時系列データに変換する。この概念図を図3に示す。図3に示す様に(24)式や(28)式を用いるとパラメータの個数分の感度関数ベクトルを生成することができる。例えば、(1)〜(5)式のプロセスモデルを考えた場合は、μmax、Kh、b、KLに対応する4つの感度関数ベクトルを生成する。これを、それぞれeμmax、eKn、eb、eKLとする。次にこれらの生成されたベクトルを並べることによって、次式の様な感度関数行列Eを作成する。   As a specific example, when using the invention described in claim 2 at the time of filing a parent application, for example, the parameter sensitivity function of FIG. 2 is first sampled at a predetermined period T and converted to time series data. This conceptual diagram is shown in FIG. As shown in FIG. 3, by using the equations (24) and (28), it is possible to generate sensitivity function vectors for the number of parameters. For example, when considering the process model of the equations (1) to (5), four sensitivity function vectors corresponding to μmax, Kh, b, and KL are generated. These are set to eμmax, eKn, eb, and eKL, respectively. Next, by arranging these generated vectors, a sensitivity function matrix E as shown below is created.

Figure 2005346714
次にこの感度関数行列Eに対して、主成分分析、あるいはほぼ同じことであるが、EγEの特異値分解を行う。(なお、ここで、EγEに対する特異値分解は主成分分析の計算途中で現れ、この特異値分解が計算できれば、主成分分析に必要な情報は全て得られる。)
すると次式の様な形に変換することができる。
Figure 2005346714
Next, for this sensitivity function matrix E, principal component analysis, or approximately the same, but singular value decomposition of E γ E is performed. (Here, the singular value decomposition for E γ E appears during the calculation of principal component analysis. If this singular value decomposition can be calculated, all the information necessary for principal component analysis can be obtained.)
Then, it can be converted into the following form.

Figure 2005346714
このような変換を行った場合、もしパラメータ感度関数同士のお互いの相関が強い場合、例えば図2において、μmaxとbとKLのように相関が強い場合は、λ のいくつかは、0に近い非常に小さな値になる。図2に示したような感度関数グラフのような場合は、λ とλ は非常に小さな値になる。従って、この場合λ とλ の2つに対応する2個の高感度パラメータを抽出することができる。この場合主成分分析により、パラメータベクトル自身も以下の様に変換される。
Figure 2005346714
When such a conversion is performed, if the correlation between the parameter sensitivity functions is strong, for example, in FIG. 2, if the correlation is strong such as μmax, b, and KL, some of λ i 2 are 0. Very close to the value. In the case of the sensitivity function graph as shown in FIG. 2, λ 3 2 and λ 4 2 are very small values. Therefore, in this case, two high sensitivity parameters corresponding to two of λ 1 2 and λ 2 2 can be extracted. In this case, the parameter vector itself is converted as follows by principal component analysis.

Figure 2005346714
そのため、この場合は、高感度パラメータセットはθmoaの第1成分と第2成分の2つのパラメータからなるベクトルとして選ばれる。つまり、
Figure 2005346714
が高感度パラメータとして選択される。自動的にこの操作を行う場合は、λ に対する閾値λ を設定しておき、この閾値以上のものを高感度パラメータセットとして抽出することにすればよい。これが、高感度パラメータセット抽出手段7の一例である。
Figure 2005346714
Therefore, in this case, the high sensitivity parameter set is selected as a vector composed of two parameters of the first component and the second component of θmoa. That means
Figure 2005346714
Is selected as the high sensitivity parameter. If automatically perform this operation, may be set a threshold value lambda 2 with respect to lambda i 2, it may be to extract more than the threshold value as a highly sensitive parameter set. This is an example of the high sensitivity parameter set extraction unit 7.

このように高感度パラメータセットを抽出すると以下の様な効果が得られる。(1)数値的に計算できる定量的な基準によって高感度パラメータセットを抽出できる。   Extracting a high sensitivity parameter set in this way provides the following effects. (1) A highly sensitive parameter set can be extracted by a quantitative standard that can be numerically calculated.

(2)プロセスモデルの構造的可同定性や実用的可同定性を陽に意識することなく高感度パラメータセットを抽出できる。もし、プロセスモデルが構造的に可同定でない場合には、上記の特異値分解(主成分分析)の特異値のいくつかは必ず0になり、必然的にパラメータ数未満の高感度パラメータセットしか得られない。また、実用的可同定性は得られるデータの質に依存するが、上記の手続から分かるように、データの質が向上すると、閾値λ 以上の値を持つ特異値の数が多くなり、結果として調整できるパラメータの数が増加する。逆にデータの質が悪い場合には、それに応じて少ない数のパラメータのみが調整可能になる。このような操作を定量的かつ自動的に行うことができる。 (2) A highly sensitive parameter set can be extracted without being conscious of the structural identifiability or practical identifiability of the process model. If the process model is not structurally identifiable, some of the singular values in the above singular value decomposition (principal component analysis) will always be 0, and inevitably only a sensitive parameter set with less than the number of parameters is obtained. I can't. In addition, although the practical identifiability depends on the quality of the obtained data, as can be seen from the above procedure, when the data quality is improved, the number of singular values having a value equal to or greater than the threshold λ 2 increases. The number of parameters that can be adjusted as increases. Conversely, if the quality of the data is poor, only a small number of parameters can be adjusted accordingly. Such an operation can be performed quantitatively and automatically.

(3)高感度パラメータセットを抽出する場合に選ばれる変換パラメータは、変換前の全てのパラメータの線形結合で表され、選ばれる変換パラメータの数は変換前のパラメータの数以下である。選ばれる変換パラメータの数が変換前のパラメータの数より少ない場合には、変換前のパラメータの値は一意に決定されない。そのため、高感度パラメータセット抽出後のパラメータ同定において、物理化学的な考察を合わせて行うことにより、変換前のパラメータの値が一意に決定されないという自由度を利用して、あるパラメータ値だけが物理化学的にありえないような極端な値にならないようにパラメータ調整を行うことができる。 (3) A conversion parameter selected when extracting a high sensitivity parameter set is represented by a linear combination of all parameters before conversion, and the number of conversion parameters selected is equal to or less than the number of parameters before conversion. When the number of conversion parameters to be selected is smaller than the number of parameters before conversion, the value of the parameter before conversion is not uniquely determined. For this reason, when identifying parameters after extracting a high-sensitivity parameter set, together with physicochemical considerations, only a certain parameter value is physically obtained using the degree of freedom that the parameter value before conversion is not uniquely determined. Parameter adjustment can be performed so as not to have an extreme value that is chemically impossible.

その他の高感度パラメータセット抽出手段7の具体例として、例えば請求項3に記載の発明を用いる場合は、Eの要素であるeμmax、eKh、eb、eKLを抽出するところまでは、請求項2に記載の発明の場合と同様のことを行う。以降のアルゴリズムは、例えば次の様にして実行できる。   As a specific example of the other high-sensitivity parameter set extraction means 7, for example, when the invention described in claim 3 is used, until eμmax, eKh, eb, eKL, which are elements of E, are extracted, Do the same as in the described invention. The subsequent algorithm can be executed as follows, for example.

Step1
Eの要素、eμmax 、eKh、eb、eKLを感度の高いもの順に並べる。例えば、‖e*‖i(*=μmax、Kh、b、KL、‖・‖iはiノルム、i=1,…,∞)などのノルムを用いて感度の高さを評価し、このノルムの大きなものから順に並べる様にすればよい。そして、例えば、感度の高いものから順にe1,e2,e3,e4とする。
Step1
The elements of E, eμmax, eKh, eb, eKL are arranged in order of increasing sensitivity. For example, the high sensitivity is evaluated using a norm such as ‖e * ‖i (* = μmax, Kh, b, KL, ‖ · ‖i is i-norm, i = 1,..., ∞). You should arrange in order from the largest. For example, e1, e2, e3, and e4 are set in descending order of sensitivity.

Step2
E2:=[e1,e2]として特異値分解を行う。この特異値の値が2つとも閾値λ 以上であれば、これを高感度パラメータとして採用する。特異値のうち1つが閾値λ 以下であれば、e2は高感度パラメータセットとして採用せず、E2=e1と再定義する。
Step 2
Singular value decomposition is performed with E2: = [e1, e2]. If the threshold value lambda 2 or more even two values of the singular values, we adopt this as a highly sensitive parameter. If one of the threshold lambda 2 or less of the singular values, e2 is not employed as a highly sensitive parameter set, re-defined as E2 = e1.

Step3
Ei+1:=[Ei,ei+1]としてステップ2へ戻る。iがパラメータ数と等しくなったら終了する。
Step 3
Return to Step 2 as Ei + 1: = [Ei, ei + 1]. When i becomes equal to the number of parameters, the process ends.

但し、親出願出願時の請求項3に記載の発明の場合のアルゴリズムは、上記のアルゴリズムに限られるわけではなく、高感度パラメータの定義が正確になされており、その中で互いの独立性が強いものを選ぶアルゴリズムであれば任意のものでよい。   However, the algorithm in the case of the invention described in claim 3 at the time of filing the parent application is not limited to the above algorithm, and the definition of the high sensitivity parameter is made accurately, and the independence among them is Any algorithm can be used as long as it selects a strong algorithm.

このように高感度パラメータセットを抽出すると、親出願出願時の請求項2に記載の発明の場合による高感度パラメータセット抽出手段の効果の(1)と(2)に加えて、物理的に意味を持つパラメータを直接調整対象のパラメータとすることができる。これにより、上記の(3)の効果は失われるが、相互に独立性の高いパラメータでかつ感度の高いものが高感度パラメータセットとして抽出されることになり、従属的なパラメータや感度の低いパラメータは選択されなくなり、パラメータ調整を効率良く行える高感度パラメータセットを抽出できる。例えば、微生物の増殖速度と死滅速度の様な逆相関に近い関係を持つパラメータが共に採用されることは少なくなり、通常は感度の高い増殖速度を表すパラメータが高感度パラメータセットの要素として選択されることになる。   When the high sensitivity parameter set is extracted in this way, in addition to the effects (1) and (2) of the effect of the high sensitivity parameter set extraction means according to the invention described in claim 2 at the time of filing the parent application, there is a physical meaning. Can be directly adjusted parameters. As a result, the effect of (3) above is lost, but highly independent parameters and high sensitivity are extracted as a high sensitivity parameter set. Is not selected, and a high-sensitivity parameter set that allows efficient parameter adjustment can be extracted. For example, parameters that have an inverse relationship such as the growth rate and death rate of microorganisms are rarely used together, and parameters that represent highly sensitive growth rates are usually selected as elements of a high sensitivity parameter set. Will be.

また、高感度パラメータセット抽出手段7の他の例として、親出願出願時の請求項4に記載の発明を用いる場合には、(24)式や(28)式のようなパラメータと同じ個数の感度関数を6パラメータ感度表示手段によってディスプレイ上に表示し、その中から感度の高いものを抽出する。あるいは、(15)式の(パラメータ数×状態変数の数)分の感度関数を6パラメータ感度表示手段によってディスプレイ上に表示し、その中から、パラメータ個数を越えない範囲で、適切なパラメータを抽出する。例えば、状態変数の数がパラメータ数以下である場合は、各状態変数に対して最も高感度なパラメータを1つずつ選択するというようなことが考えられる。具体例として、(1)〜(4)式のモデルを考える場合、例えば、So2(t)に対してKL,So(t)に対してb,Xh(t)に対してμmax,Xc(t)に対してKhなどとして、高感度パラメータを選択することができる。そして、例えばXh(t)の値が計測されておらず分からない場合などには、KLとbとKhを調整するという風にすればよい。   As another example of the high-sensitivity parameter set extraction means 7, when the invention described in claim 4 at the time of filing the parent application is used, the same number of parameters as the equations (24) and (28) are used. The sensitivity function is displayed on the display by the 6-parameter sensitivity display means, and the one with high sensitivity is extracted from the sensitivity function. Alternatively, the sensitivity function corresponding to (number of parameters x number of state variables) in equation (15) is displayed on the display by the 6-parameter sensitivity display means, and appropriate parameters are extracted from the range not exceeding the number of parameters. To do. For example, when the number of state variables is equal to or less than the number of parameters, it is conceivable that the most sensitive parameter for each state variable is selected one by one. As a specific example, when considering the models of equations (1) to (4), for example, KL for So2 (t), b for So (t), μmax for Xh (t), Xc (t ) Can be selected as Kh or the like. For example, when the value of Xh (t) is not measured and is not known, the KL, b, and Kh may be adjusted.

このような高感度パラメータセットの抽出方法は、人間系を介している為効率は悪いが、人間の持つ知識を高感度パラメータセットの抽出に反映できるという利点を持つ。例えば、「KLというパラメータは総括酸素移動容量係数を表し、直接溶存酸素濃度So2(t)に影響を与え、その他の状態変数には直接的な影響を与えない」という知識を人間は持っている。そのため、So2(t)のみの調整を行う場合にKLを高感度パラメータセットの要素として選択するというような合理的な高感度パラメータセット抽出を行うことが可能になる。   Such a high-sensitivity parameter set extraction method is not efficient because it uses a human system, but has the advantage that human knowledge can be reflected in the extraction of the high-sensitivity parameter set. For example, humans have the knowledge that “the parameter KL represents the overall oxygen transfer capacity coefficient and directly affects the dissolved oxygen concentration So2 (t) and does not directly affect other state variables”. . Therefore, it is possible to perform rational high sensitivity parameter set extraction such that KL is selected as an element of the high sensitivity parameter set when adjusting only So2 (t).

次に、パラメータ同定手段8では、高感度パラメータセット抽出手段7によって抽出した複数の高感度パラメータセットに対して、その値の調整(同定)を行う。例えば、親出願出願時の請求項5に記載の発明を用いる場合には、例えば評価関数(あるいは適合度)として(24)式や(28)式の誤差の2乗平方和をとり、その値が最小となるようにヒューリスティックな探索を行う。(なお、ここで、適合度の場合は誤差の2乗平方和の逆数などとして定義する場合が多いため、その場合は最大。)
具体例として、μmaxとKhのパラメータ同定に免疫的アルゴリズムを用いる場合は、以下の様な手順で行う。
Next, the parameter identification unit 8 adjusts (identifies) the values of the plurality of high sensitivity parameter sets extracted by the high sensitivity parameter set extraction unit 7. For example, when using the invention according to claim 5 at the time of filing of the parent application, for example, as the evaluation function (or fitness), the sum of squares of the errors of the equations (24) and (28) is taken, and the value A heuristic search is performed so that is minimized. (Here, in the case of goodness of fit, it is often defined as the reciprocal of the sum of squares of the error, etc., so in that case it is the maximum.)
As a specific example, when an immune algorithm is used for parameter identification of μmax and Kh, the procedure is as follows.

Step1
μmaxとKhを離散データとみなし、複数の離散データからなる初期抗体群を発生させる。具体的には、μmaxとKhに対して物理化学的に意味がある範囲内の実数値を適当に離散化したデータ集合を記憶細胞とみなし、この記憶細胞から初期抗体群を生成する。
Step1
μmax and Kh are regarded as discrete data, and an initial antibody group composed of a plurality of discrete data is generated. Specifically, a data set obtained by appropriately discretizing real values within a physicochemically meaningful range with respect to μmax and Kh is regarded as a memory cell, and an initial antibody group is generated from the memory cell.

Step2
抗体同士の親和度と抗体と抗原の親和度を計算する。抗体同士の親和度の計算において、各抗体(パラメータ値の候補)に対するシミュレーション出力値と実際のセンサーで計測した値との二乗誤差などの評価値を用いる。これは9誤差計算および保存手段から供給された値に基づいて行う。
Step 2
Calculate the affinity between antibodies and the affinity between antibody and antigen. In the calculation of the affinity between antibodies, an evaluation value such as a square error between a simulation output value for each antibody (candidate parameter value) and a value measured by an actual sensor is used. This is done based on the 9 error calculation and the value supplied from the storage means.

Step3
抗原との親和度の高い抗体を記憶細胞に追加する。
Step 3
An antibody with high affinity for the antigen is added to the memory cell.

Step4
次世代に残る抗体の期待値を計算し、期待値の低い抗体を消滅させる。
Step4
Calculate the expected value of the antibody that will remain in the next generation, and eliminate the antibody with low expected value.

Step5
消滅させた抗体に代わる新しい抗体を算出し、適当な確率で突然変異させる。
Step5
A new antibody to replace the extinguished antibody is calculated and mutated with an appropriate probability.

Step6
基準を満たせば終了。満たさなければ、Step2へ戻る。
Step 6
End if criteria are met. If not, return to Step 2.

このような操作により、パラメータ同定手段8を実行することができる。   By such an operation, the parameter identification unit 8 can be executed.

このようなメタヒューリスティクスを用いるパラメータ同定手段8は、比較的高速に実行でき、数学的に非凸な探索問題にも適用できるため、パラメータに関して複雑な関数であるプロセスモデルのパラメータをオンラインで調整する場合には、特に有効な方法である。   Since the parameter identification means 8 using such metaheuristics can be executed relatively fast and can be applied to mathematically non-convex search problems, the parameters of the process model, which is a complex function regarding parameters, can be adjusted online. This is a particularly effective method.

パラメータ同定手段8の他の実行方法として、例えば親出願出願時の請求項6に記載の発明を適用する場合には、以下の様に行うことができる。まず、h(Z,θ):=Y(t)と定義する。これは、(5)式や(6)式で定義されるY(t)は、θを含む(1)〜(4)式の出力であるためY(t)自身θの関数であり、形式的にh(Z,θ)と書くことが可能である。この時、評価関数を(20)式で定義すると、例えば非線形パラメータ同定の繰り返しアルゴリズムとして、以下の様なものを採用することができる。   As another execution method of the parameter identification means 8, for example, when applying the invention described in claim 6 at the time of filing of the parent application, it can be performed as follows. First, it is defined as h (Z, θ): = Y (t). This is because Y (t) defined by the equations (5) and (6) is an output of the equations (1) to (4) including θ and is a function of Y (t) itself θ. Thus, it is possible to write h (Z, θ). At this time, if the evaluation function is defined by equation (20), for example, the following can be adopted as an iterative algorithm for nonlinear parameter identification.

Figure 2005346714
ここで、iは繰り返し回数を示し、i=1,2,…である。初期値であるθは、物理化学的に意味のある値を設定しておく。また、Kiは繰り返し回数がi回目である場合の勾配ゲインを表す行列であり、正定行列である。Kiの選び方には、多くの自由度があるが、例えば、Gauss-Newton法を利用する場合は、
Figure 2005346714
の様なアルゴリズムとなる。但し、Qは正定行列である。この中で利用する式は(1)〜(5)式を用いれば、全て計算可能であるため、これは実行可能なアルゴリズムである。
Figure 2005346714
Here, i indicates the number of repetitions, and i = 1, 2,. The initial value θ 0 is set to a value that is physicochemically meaningful. Ki is a matrix representing the gradient gain when the number of repetitions is the i-th, and is a positive definite matrix. There are many degrees of freedom in choosing Ki. For example, when using the Gauss-Newton method,
Figure 2005346714
The algorithm is as follows. Where Q is a positive definite matrix. This is an executable algorithm because all of the formulas used in this can be calculated by using formulas (1) to (5).

このようなパラメータ同定手段は、非線形最小二乗法や最大推定法などを根拠にしているため、二乗誤差最小の意味や光度の意味で最適なパラメータ値を求めることができる。また、例えばASM2などの様にパラメータのデフォルト値が予め与えられている場合には、その近傍を探索していくため、物理化学的に有り得ないような異常な値になる可能性が少なくなるという効果がある。   Since such parameter identification means is based on a nonlinear least square method, a maximum estimation method, or the like, an optimal parameter value can be obtained in the sense of the least square error or the meaning of luminous intensity. In addition, when the default value of a parameter is given in advance, such as ASM2, for example, the vicinity is searched, so that the possibility of an abnormal value that is impossible in physicochemical is reduced. effective.

他の方法として、パラメータ同定手段8の他の実行に親出願出願時の請求項7に記載の発明を採用する場合には、高感度パラメータセット抽出手段7で抽出したパラメータの最も高感度なものから順にプロセス値/プロセスシミュレーション値表示手段10の表示結果を参考にして調整を行う。この場合、パラメータの変化量に対する状態変数の変化量の割合を示す(15)式などを用いれば、パラメータの値を変えた場合に出力がどのように変化するかを容易に計算することが可能であるため、パラメータ値を変化させた場合の10プロセス値/プロセスシミュレーション値表示手段の表示を容易に変更できる。そのため、パラメータの値の変更に伴い、(15)式を用いて状態変数の値を修正し、その結果を表示しながらパラメータの調整(同定)を行うことができる。   As another method, when the invention according to claim 7 at the time of filing of the parent application is adopted for another execution of the parameter identification means 8, the parameter with the highest sensitivity extracted by the high sensitivity parameter set extraction means 7 is used. In order, the adjustment is performed with reference to the display result of the process value / process simulation value display means 10. In this case, it is possible to easily calculate how the output changes when the parameter value is changed by using the equation (15) indicating the ratio of the change amount of the state variable to the change amount of the parameter. Therefore, the display of the 10 process value / process simulation value display means when the parameter value is changed can be easily changed. Therefore, along with the change of the parameter value, the value of the state variable is corrected using the equation (15), and the parameter can be adjusted (identified) while displaying the result.

このようなパラメータ同定手段は、物理化学的な知見と照らし合わせながら、高感度なパラメータのみをなるべく効率良く調整することができるという効果がある。   Such parameter identification means has an effect that only high-sensitivity parameters can be adjusted as efficiently as possible while collating with physicochemical knowledge.

[その他の実施例]
図4に示す下水処理プロセスパラメータ調整装置は、制御対象としての下水処理プロセス1と、下水処理プロセスへの流入下水量や流入下水水質等の外乱データと曝気風量や返送汚泥量などの操作量データから成るプロセス外部入力データと、各反応槽に設置されたセンサーによって計測している溶存酸素(DO)や浮遊固形物量(MLSS)やpH、あるいはCODなどの観測出力データを、予め決められた周期で収集し、プロセスデータサーバへ保持するプロセスデータ収集手段2と、下水処理プロセス1の物理化学的な知見に基づいて構成されるプロセスモデルを用いて下水処理プロセス1のCOD(化学的酸素要求量)等の指標で計測される有機物量、DO、MLSS、アンモニア態窒素(NH−N)、硝酸態窒素(NO−N)やリン酸態リン(PO−P)などの各種水質の挙動をシミュレーションすることのできるプロセスシミュレーション手段3と、プロセスシミュレーション手段3で計算され出力されるプロセスシミュレーション値とプロセスデータ収集手段2によって収集された観測出力データを表示するプロセス値/プロセスシミュレーション値表示手段10と、プロセスシミュレーション手段3で用いているプロセスモデルの反応に従って、プロセスの状態が遷移していく様子を示すプロセス状態遷移図表示手段11と、プロセス状態遷移図表示手段11に付属するパラメータ値設定手段12と、から構成される。
[Other Examples]
The sewage treatment process parameter adjustment apparatus shown in FIG. 4 includes a sewage treatment process 1 as a control target, disturbance data such as an inflow sewage amount and an inflow sewage quality into the sewage treatment process, and operation amount data such as an aeration air amount and a return sludge amount. The process external input data consisting of and the observation output data such as dissolved oxygen (DO), suspended solids (MLSS), pH, or COD measured by the sensors installed in each reaction tank, at a predetermined cycle COD (chemical oxygen demand of the sewage treatment process 1) using the process data collection means 2 collected in the process data server and stored in the process data server and a process model configured based on the physicochemical knowledge of the sewage treatment process 1 ), Etc., organic substances, DO, MLSS, ammonia nitrogen (NH 4 -N), nitrate nitrogen (NO 3 -N) ) And phosphate phosphorus (PO 4 -P) and the like, and the process simulation means 3 capable of simulating the behavior of various water qualities, and the process simulation value calculated and output by the process simulation means 3 and the process data collection means 2 Process value / process simulation value display means 10 for displaying the collected observation output data, and process state transition diagram display showing a process state transition according to the reaction of the process model used in the process simulation means 3 Means 11 and parameter value setting means 12 attached to the process state transition diagram display means 11.

また、下水処理プロセス1は、図1と同様に構成されている。プロセスデータ収集手段2も図1と同様に構成されている。   The sewage treatment process 1 is configured in the same manner as in FIG. The process data collection means 2 is also configured in the same way as in FIG.

次に、本実施例の作用と効果について説明する。
図4を用いて、本実施例の作用を説明する。本実施例では、前述の参考文献[1]に記述されている活性汚泥モデルASM2をプロセスモデルの例として説明を行う。もちろん、その他の生物学的プロセスや化学プロセスにおいても同様な考え方を用いることができる。
Next, the operation and effect of the present embodiment will be described.
The effect | action of a present Example is demonstrated using FIG. In this embodiment, the activated sludge model ASM2 described in the above-mentioned reference [1] will be described as an example of a process model. Of course, the same concept can be used in other biological and chemical processes.

まず、図1を用いた場合の実施例の作用と同様に、下水処理プロセス1における外乱センサー151で計測される流入量Q(t)と複数の流入水質成分、例えば、溶存酸素濃度DO、溶解性有機物Sc(t)(溶解性のCODとして計測される)。浮遊性有機物Xc(t)(全COD−溶解性CODの成分として計測されたものにα<1を乗じたもの)、従属栄養性微生物Xh(t)(全COD−溶解性CODの成分として計測されたものに1−αを乗じたもの)、リン酸態リン(PO−Pセンサーで計測される)、アンモニア態窒素(NH−Nセンサーで計測される)、硝酸態窒素(NO−Nセンサーで計測される)などをプロセス外部入力データ収集手段21によってプロセスデータサーバの所定の領域に所定の計測周期で格納する。同時に下水処理プロセス1における操作量のセンサー152〜154で収集した操作量の計測値をプロセス外部入力データ収集手段21によってプロセスデータサーバの所定の領域に所定の計測周期で格納する。また、センサー161〜163で計測したDO、MLSS、PO−P、NH−N、NO−N等の水質値をプロセス出力データ収集手段22によってプロセスデータサーバの所定の領域に格納する。 First, similarly to the operation of the embodiment in the case of using FIG. 1, the inflow amount Q (t) measured by the disturbance sensor 151 in the sewage treatment process 1 and a plurality of influent water quality components, for example, dissolved oxygen concentration DO, dissolved Organic Sc (t) (measured as soluble COD). Suspended organic matter Xc (t) (measured as a component of total COD-soluble COD multiplied by α <1), heterotrophic microorganism Xh (t) (measured as a component of total COD-soluble COD) Multiplied by 1-α), phosphorous phosphorus (measured with a PO 4 -P sensor), ammonia nitrogen (measured with an NH 4 -N sensor), nitrate nitrogen (NO 3 -Measured by the N sensor) by the process external input data collecting means 21 and stored in a predetermined area of the process data server at a predetermined measurement cycle. At the same time, the measured values of the operation amount collected by the operation amount sensors 152 to 154 in the sewage treatment process 1 are stored in a predetermined area of the process data server by the process external input data collecting means 21 at a predetermined measurement cycle. Further, water quality values such as DO, MLSS, PO 4 -P, NH 4 -N, and NO 3 -N measured by the sensors 161 to 163 are stored in a predetermined area of the process data server by the process output data collecting unit 22.

次に、プロセスシミュレーション手段3にプロセス外部入力データ収集手段21からプロセス外部入力データを供給することによって、プロセス状態の時間的および空間的変化のシミュレーションを行う。   Next, by supplying the process external input data from the process external input data collecting unit 21 to the process simulation unit 3, the temporal and spatial changes in the process state are simulated.

次に、プロセス出力データ収集手段22から供給されるプロセス出力値とプロセスシミュレーション手段3によって計算したプロセス出力シミュレーション値を同時にプロセス値/プロセスシミュレーション値表示手段10に表示する。   Next, the process output value supplied from the process output data collecting unit 22 and the process output simulation value calculated by the process simulation unit 3 are simultaneously displayed on the process value / process simulation value display unit 10.

一方、図5〜図7に示すようなプロセス状態遷移図をプロセス状態遷移図表示手段11に表示しておく 。(なお、ここで、図5〜図7のプロセス状態遷移図は、ASM2の消化、脱窒、脱リン、有機物除去に関連する状態遷移を示したものである。以降の説明には図5のみを用いるが、ASM2で考慮しているプロセスの反応の複雑さを強調するため、参考にために図6と図7も載せておく。)
同時に、図5に示す様にプロセス状態遷移図上にパラメータ値を設定することのできる入力部を設けておく。これが、パラメータ値設定手段12の設定を行うための入力部である。プロセス状態遷移図表示手段11をパソコンのWindows上に構築しておくような場合には、このパラメータ値設定手段12の化学量論パラメータに関する入力部は、例えば、テキストボックスに入力できるようにしておいてもよいし、メニュー形式で値を選択できるようにしておいてもよい。また、図が複雑に成りすぎるため全ての表示を行っていないが、図5の右に示す様に、全ての状態遷移を表す矢印部分には、動力学パラメータを設定できるようにしておく。この動力学パラメータ設定部もテキストボックスやメニュー形式で設定できるようにしておけばよい。パソコンなどのWindows上の表示面積が小さい場合には、状態遷移の矢印部分をクリックすると、動力学パラメータの設定を行える画面が例えばポップアップウィンドウとして表示されるようにしておいてもよい(図5の右部分参照)。
On the other hand, process state transition diagrams as shown in FIGS. 5 to 7 are displayed on the process state transition diagram display means 11. (Here, the process state transition diagrams of FIGS. 5 to 7 show state transitions related to digestion, denitrification, dephosphorization, and organic substance removal of ASM2. Only FIG. 5 will be described below.) (In order to emphasize the complexity of the reaction of the process considered in ASM2, FIG. 6 and FIG. 7 are also included for reference.)
At the same time, as shown in FIG. 5, an input unit capable of setting parameter values is provided on the process state transition diagram. This is an input unit for setting the parameter value setting means 12. In the case where the process state transition diagram display means 11 is constructed on a personal computer Windows, the input unit related to the stoichiometric parameter of the parameter value setting means 12 can be input in, for example, a text box. It may be possible to select a value in a menu format. Further, since the diagram is too complicated, not all display is performed. However, as shown on the right side of FIG. 5, dynamic parameters can be set in the arrow portions representing all state transitions. This dynamic parameter setting unit may be set in a text box or menu format. When the display area on a Windows such as a personal computer is small, a screen for setting dynamic parameters may be displayed as a pop-up window, for example, by clicking the arrow portion of the state transition (see FIG. 5). (See right part).

さて、以上の準備のもとで、まず、プロセス値/プロセスシミュレーション値表示手段10に表示されたプロセス出力値とプロセス出力シミュレーション値の差(誤差)を確認する。例えば、ASM2を用いて下水処理プロセスのシミュレーションを行った場合は、リン酸態リンPO−Pやアンモニア態窒素NH−Nや硝酸態窒素NO−Nなどの状態変数の濃度の出力値とシミュレーション値の誤差を確認する。そして、最も誤差の大きい状態変数を選ぶ。ここでは、例えば、仮に硝酸態窒素濃度の誤差が最も大きかったとしておく。 With the above preparation, first, the difference (error) between the process output value displayed on the process value / process simulation value display means 10 and the process output simulation value is confirmed. For example, when a simulation of a sewage treatment process is performed using ASM2, the output value of the concentration of state variables such as phosphate phosphorus PO 4 -P, ammonia nitrogen NH 4 -N, nitrate nitrogen NO 3 -N, etc. Check the error of the simulation value. Then, the state variable with the largest error is selected. Here, for example, it is assumed that the error of the nitrate nitrogen concentration is the largest.

次に最も誤差の大きい状態変数、この場合硝酸態窒素濃度に影響を与えるパラメータをプロセス状態遷移図表示手段11によって探し出す。例えば、化学量論パラメータであるYautやYhが硝酸態窒素濃度に影響を与えることがわかる。また、図5には表示されていないが、ASM2では、図5の硝化の部分(Aの部分)および脱窒の部分(B1とB2の部分)の反応速度は、次式で表されている。   Next, the process state transition diagram display means 11 searches for the state variable with the largest error, in this case, the parameter that affects the nitrate nitrogen concentration. For example, it can be seen that the stoichiometric parameters Yaut and Yh affect the nitrate nitrogen concentration. Although not shown in FIG. 5, in ASM2, the reaction rate of the nitrification part (A part) and the denitrification part (B1 and B2 part) in FIG. 5 is expressed by the following equation. .

Figure 2005346714
ここで、動力学パラメータは、μaut,μh,ηno3,Ko2,Knh4,Kno3,Kpo4,Kalk,Kf,Kaであるため、これらのパラメータは硝酸態窒素濃度に影響を与えることが分かる。
Figure 2005346714
Here, since the kinetic parameters are μaut, μh, ηno3, Ko2, Knh4, Kno3, Kpo4, Kalk, Kf, Ka, it can be seen that these parameters affect the nitrate nitrogen concentration.

そこで、11プロセス状態遷移図表示手段を用いると、硝酸態窒素濃度の値を調整する場合は、Yaut,Yh,μaut,μh,ηno3,Ko2,Knh4,Kno3,Kpo4,Kalk,Kf,Kaの値のいくつかを調整すればよいことが分かる。ASM2などの化学・生物反応モデルの物理化学的な意味と数学的な意味を理解しているパラメータ調整者であれば、この中から最も影響を与えそうなものから順に試行錯誤で調整を行えばよい。   Therefore, using the 11 process state transition diagram display means, when adjusting the value of nitrate nitrogen concentration, the values of Yaut, Yh, μaut, μh, ηno3, Ko2, Knh4, Kno3, Kpo4, Kalk, Kf, Ka You can adjust some of them. If you are a parameter adjuster who understands the physicochemical and mathematical meanings of chemical / biological reaction models such as ASM2, adjust them by trial and error in order from the most likely to affect them. Good.

プロセスモデルに対する物理化学的な知識がないパラメータ調整者のためには、本願に記載の発明によって、パラメータの意味を表示するヘルプ機能を用意する。ヘルプ機能のヘルプ情報の表示例を数例以下に示す。Yautについては、「硝化菌に対する収率を表す化学量論パラメータ この値を大きくすると、硝酸態窒素濃度は上昇し、アンモニア態窒素濃度と酸素濃度は低下する。動力学パラメータを調整しても調整が困難な場合にこのパラメータ値を変更することが望ましい。パラメータ値は0〜1の範囲で設定すること、」などの表示をしておくとよい。Ko2については、「溶存酸素濃度に関する半飽和定数を表す動力学パラメータ、この値を小さくすると溶存酸素濃度が比較的低い場合でも好気条件になり易くなり好気条件の反応が進行しやすくなる。逆に嫌気条件での反応は進行しにくくなる。好気条件/嫌気条件に関わる全ての状態変数に影響を与えるため、調整には注意を要する。」などとしておくとよい。また、ηno3については、「無酸素条件での脱窒反応の最大速度を補正する動力学パラメータ、無酸素条件での脱窒反応のみに関係するため、脱窒に関連する硝酸態窒素濃度などの調整に利用するとよい。」などとしておく。このようなヘルプメッセージがあれば、例えば、脱窒反応に関わる硝酸態窒素濃度NO−NとSFの濃度とSAの濃度のプロセス出力シミュレーション値とプロセス出力値が大きくずれており、他の状態変数の値はほぼプロセス出力シミュレーション値とプロセス出力値が一致している場合には、ηno3を用いて調整すればよいことが分かる。 For parameter adjusters who do not have physicochemical knowledge of the process model, a help function for displaying the meaning of the parameters is prepared according to the invention described in the present application. Below are some examples of help information display for the help function. For Yaut, “a stoichiometric parameter representing the yield for nitrifying bacteria. Increasing this value increases the nitrate nitrogen concentration and decreases the ammonia nitrogen concentration and oxygen concentration. It can be adjusted by adjusting the kinetic parameters. It is desirable to change this parameter value when it is difficult to set.The parameter value should be set in the range of 0 to 1. " With respect to Ko2, “a kinetic parameter representing a half-saturation constant relating to the dissolved oxygen concentration. If this value is reduced, even if the dissolved oxygen concentration is relatively low, the aerobic condition is likely to occur and the reaction under the aerobic condition is likely to proceed. Conversely, reactions under anaerobic conditions are less likely to proceed, and all state variables related to aerobic / anaerobic conditions are affected, so adjustment is necessary. ” As for η no3 , “the kinetic parameter for correcting the maximum rate of denitrification under anoxic conditions, the concentration of nitrate nitrogen related to denitrification, etc. because it is related only to the denitrification under anoxic conditions, etc. It is good to use it for adjustment. " If there is such a help message, for example, the process output simulation value and the process output value of the nitrate nitrogen concentration NO 3 -N and SF concentration and the SA concentration related to the denitrification reaction greatly deviate from each other. It can be seen that the value of the variable may be adjusted using η no3 when the process output simulation value and the process output value are substantially the same.

このようなヘルプ機能は、調整の対象となるパラメータセットの中から最も適したパラメータを選択するために有効である。   Such a help function is effective for selecting the most suitable parameter from the parameter set to be adjusted.

また、モデルの数学的な知識や物理化学的な知識をある程度持っているパラメータ調整者のためには、本願に記載の発明により、図5〜図7のプロセス状態遷移図と図8の様なプロセスモデルを表す数式とを対応づけておくことが役に立つ。例えば、図5に示す様に、「モデル表示」をクリックすると図8の様なプロセスモデルを表す数式が表示されるようにしておくとよい。   Further, for parameter adjusters who have some mathematical knowledge and physicochemical knowledge of models, the process state transition diagrams of FIGS. 5 to 7 and FIG. It is useful to associate mathematical expressions that represent process models. For example, as shown in FIG. 5, when “model display” is clicked, a mathematical expression representing a process model as shown in FIG. 8 may be displayed.

このようプロセス状態遷移図と数式を対応づける機能を持つことにより、化学反応や生物反応に関する物理化学的および数学的知識を持つパラメータ調整者が調整を行う場合には、数式とプロセス状態遷移図の両方を参考にしながら、調整を行うためのパラメータを選択していくことができる。   By having a function for associating process state transition diagrams with mathematical expressions in this way, parameter adjusters who have physicochemical and mathematical knowledge about chemical reactions and biological reactions make adjustments. With reference to both, it is possible to select parameters for adjustment.

また、プロセスモデルで表現しているプロセス反応の仕組みと現実のプロセスの対応関係をより視覚的に表示したい場合には、本願に記載の発明により、設定したパラメータの値とプロセス状態遷移図の図が連動するようにしておくとよい。例えば、化学量論パラメータに関しては、図9に示す様に、プロセス状態遷移図において状態変数の表示の大きさと化学量論パラメータの値とを連動させればよい。図9では、状態変数である従属栄養性微生物について示しているが、従属栄養性微生物の収率Yhを大きくする場合には、それに伴って従属栄養性微生物を表す状態変数の大きさを大きくすればよい。具体的には、収率Yhの大きさと従属栄養性微生物を表す円の半径の間に比例関係を持たせておくとすればよい。動力学パラメータに関しては、通常複数の状態変数の値に依存して反応速度が変わるため、例えば各状態変数に対して色を決めた矢印を複数用意し、その矢印の太さや矢印の「矢」の部分の大きさを動力学パラメータと対応させればよい。例えば図10に示す様に、「酸素濃度に関しては黒、硝酸態窒素濃度に対しては赤、…」などと色を決めておき、これらの濃度が関連する状態遷移については、図5〜図7に示すプロセス状態遷移図の矢印を1つの反応に対して複数並列に表示するようにしておく。そして、例えば、動力学パラメータの一つである半飽和定数は反応がどれぐらい速やかに進行するのかを示すパラメータであるため、半飽和定数が大きい場合には、図11に示す様に矢印の「矢」の部分を大きくし、半飽和定数が小さい場合には「矢」の部分を小さくするなどの対応づけを行っておけばよい。例えば、酸素濃度に関係する半飽和定数Ko2の値は、黒の矢印の「矢」の部分と対応づけられる。また、動力学パラメータの一つである最大比増殖速度は、反応速度の最大値を与えるパラメータであるため、最大比増殖速度が大きい場合には、図12に示す様に矢印を太く表示し、逆に最大比増殖速度が小さい場合には、矢印を細く表示するなどの対応づけを行っておけばよい。   In addition, if you want to display the correspondence between the process reaction mechanism expressed in the process model and the actual process more visually, you can use the invention described in this application to set the parameter values and process state transition diagram. It is good to keep them linked. For example, with respect to the stoichiometric parameter, as shown in FIG. 9, the display size of the state variable and the value of the stoichiometric parameter may be linked in the process state transition diagram. Although FIG. 9 shows the heterotrophic microorganism that is a state variable, when the yield Yh of the heterotrophic microorganism is increased, the size of the state variable representing the heterotrophic microorganism is increased accordingly. That's fine. Specifically, a proportional relationship may be established between the magnitude of the yield Yh and the radius of the circle representing the heterotrophic microorganism. As for kinetic parameters, the reaction rate usually changes depending on the values of multiple state variables.For example, prepare multiple arrows with colors for each state variable. The size of the part may be made to correspond to the dynamic parameter. For example, as shown in FIG. 10, colors such as “black for oxygen concentration, red for nitrate nitrogen concentration,...” Are determined, and state transitions related to these concentrations are shown in FIGS. A plurality of arrows in the process state transition diagram shown in FIG. 7 are displayed in parallel for one reaction. For example, the half-saturation constant, which is one of the kinetic parameters, is a parameter indicating how quickly the reaction proceeds. When the half-saturation constant is large, as shown in FIG. If the “arrow” part is enlarged, and the half-saturation constant is small, the “arrow” part may be reduced. For example, the value of the half-saturation constant Ko2 related to the oxygen concentration is associated with the “arrow” part of the black arrow. Moreover, since the maximum specific growth rate, which is one of the kinetic parameters, is a parameter that gives the maximum value of the reaction rate, when the maximum specific growth rate is large, an arrow is displayed as shown in FIG. On the contrary, when the maximum specific growth rate is small, it is only necessary to make correspondence such as displaying an arrow thinly.

このようにパラメータ値とプロセス状態遷移図の視覚的な表示との対応づけを行うことにより、各パラメータの持つ意味を視覚的に容易に理解できる。さらに、パラメータのデフォルト値を与えた場合のプロセス状態遷移図と調整を行ったプロセス状態遷移図を同時に表示するなどの工夫を行えば、特にパラメータの数が多いプロセスモデルの場合において、パラメータ調整者自身が、数多くのパラメータの中のどのパラメータをデフォルト値から既に変更したのかを視覚的に容易に理解できる。   Thus, by associating the parameter values with the visual display of the process state transition diagram, the meaning of each parameter can be easily understood visually. Furthermore, if the process state transition diagram when the default value of the parameter is given and the process state transition diagram after adjustment are displayed at the same time, the parameter adjuster, especially in the case of a process model with a large number of parameters You can easily understand visually which of the many parameters you have already changed from the default value.

以上の様なパラメータ調整の支援情報をもとにして、調整すべきパラメータを選択して、実際にパラメータ値を決定した後、これを11プロセス状態遷移図表示手段に付属する12パラメータ値設定手段を通して入力し、この値を3プロセスシミュレーション手段のプロセスモデルのパラメータに反映させる。そして、新たに設定されたパラメータ値を用いて3プロセスシミュレーション手段によって更新されたプロセス出力シミュレーション値を計算する。   Based on the parameter adjustment support information as described above, the parameter to be adjusted is selected, the parameter value is actually determined, and the parameter value setting means is attached to the 11 process state transition diagram display means. This value is reflected in the parameters of the process model of the three process simulation means. Then, the process output simulation value updated by the three process simulation means is calculated using the newly set parameter value.

以上の操作を繰り返して、最も誤差の大きい状態変数に対するパラメータ調整を行った後、プロセス出力値とプロセス出力シミュレーション値の誤差の大きい順に、同様の操作を繰り返すことによって、(主に化学・生物反応に関係する)プロセスのパラメータ調整(支援)を行うことができる。   By repeating the above operations and adjusting the parameters for the state variable with the largest error, the same operations are repeated in order of increasing error between the process output value and the process output simulation value (mainly chemical and biological reactions). Process parameter adjustment (support).

また、プロセスシミュレーションの目的が、例えばInternal Model Control等の様に最終的にプロセスを適切に制御する操作量を演算するような場合には、3プロセスシミュレーション手段をコントローラの内部に持っておくことが好ましい。このような場合、本願に記載の発明により、図5〜図7の様なプロセス5状態遷移図表示手段を、例えば対象とするプロセスを監視する監視室あるいは対象プロセスから遠く離れた場所に設置されたオフィスなどにあるパソコンやワークステーション上のWWWブラウザ上に構築し、その値をインターネットや専用回線経由で対象プロセスが存在する場所のコントローラ内部のプロセスシミュレータのパラメータ値に反映できるようにしておくとよい。   In addition, when the purpose of process simulation is to calculate the amount of operation that ultimately controls the process appropriately, such as Internal Model Control, it is possible to have three process simulation means inside the controller. preferable. In such a case, according to the invention described in the present application, the process 5 state transition diagram display means as shown in FIGS. 5 to 7 is installed, for example, in a monitoring room for monitoring the target process or a place far away from the target process. It is built on a WWW browser on a personal computer or workstation in an office, etc., and the value can be reflected in the parameter value of the process simulator inside the controller where the target process exists via the Internet or a dedicated line. Good.

これにより、遠隔操作でプロセスシミュレータのパラメータを調整することができ、プロセスシミュレータがコントローラに組み込まれているため、コントローラのパラメータを遠隔操作で調整していることにもなる。   Thereby, the parameters of the process simulator can be adjusted by remote operation. Since the process simulator is incorporated in the controller, the parameters of the controller are also adjusted by remote operation.

なお、以上の実施例は、多くの化学プロセスや生物学的プロセスに対して適用できる。なぜなら、化学プロセスや生物学的プロセスの多くのものは、図5に示す様な複数の物質(の量や濃度)に対応する複数の状態変数間の相互作用を表すCompartmentalモデルと呼ばれるモデルで記述することができ、これらのモデルのパラメータは、基本的に物質の量的な関係を表す化学量論パラメータと、状態変数間の相互作用(化学・生物反応)の反応速度に関連する動力学パラメータから構成されるためである。従って、上記で説明した方法は、化学プロセスや生物学的プロセスにおいては、かなり汎用的に適用することができる。   The above embodiments can be applied to many chemical processes and biological processes. This is because many chemical processes and biological processes are described in a model called a “Compartmental model” that represents the interaction between multiple state variables corresponding to multiple substances (amounts and concentrations) as shown in FIG. The parameters of these models are basically stoichiometric parameters that represent the quantitative relationship between substances, and kinetic parameters related to the reaction rate of the interaction between the state variables (chemical and biological reactions). It is because it consists of. Therefore, the method described above can be applied to a fairly general purpose in chemical processes and biological processes.

パラメータ調整装置を実施する場合の構成図と対象プロセスの例である下水処理プロセスを併記した図。The figure which wrote together the block diagram in the case of implementing a parameter adjustment apparatus, and the sewage treatment process which is an example of an object process. パラメータ感度関数の時間変化の例を示す図。The figure which shows the example of the time change of a parameter sensitivity function. パラメータ感度関数ベクトルを構成する方法を示す概念図。The conceptual diagram which shows the method of comprising a parameter sensitivity function vector. パラメータ調整支援装置を実施する場合の構成図と対象プロセスの例である下水処理プロセスを併記した図。The figure which wrote together the block diagram in the case of implementing a parameter adjustment assistance apparatus, and the sewage treatment process which is an example of object process. プロセス状態遷移図表示手段とパラメータ値設定手段の例を示す図。The figure which shows the example of a process state transition diagram display means and a parameter value setting means. プロセス状態遷移図表示手段の例2を示す図。The figure which shows the example 2 of a process state transition diagram display means. プロセス状態遷移図表示手段の例3を示す図。The figure which shows Example 3 of a process state transition diagram display means. プロセス状態遷移図表示に関連付けられたプロセスモデル(数学モデル)の例を示す図。The figure which shows the example of the process model (mathematical model) linked | related with the process state transition diagram display. 化学量論パラメータとプロセス状態遷移図表示手段の表示方法の対応付けの例を示す図。The figure which shows the example of matching of the stoichiometric parameter and the display method of a process state transition diagram display means. 反応速度に関連する状態変数とプロセス状態遷移図表示手段の表示方法の対応付けの例を示す図。The figure which shows the example of matching of the display method of the state variable relevant to reaction rate, and a process state transition diagram display means. 動力学パラメータとプロセス状態遷移図表示手段の表示方法の対応付けの例1(半飽和定数の場合)を示す図。The figure which shows the example 1 (in the case of a half-saturation constant) of matching of a dynamics parameter and the display method of a process state transition diagram display means. 動力学パラメータとプロセス状態遷移図表示手段の表示方法の対応付けの例2(最大比増殖速度の場合)を示す図。The figure which shows the example 2 (in the case of the maximum specific growth rate) of matching of a dynamic parameter and the display method of a process state transition diagram display means.

符号の説明Explanation of symbols

1 下水道プロセス
11 最初沈殿池
12 生物反応槽
13 最終沈殿池
141 ブロワ(アクチュエータ)
142 返送ポンプ(アクチュエータ)
143 余剰汚泥引き抜きポンプ(アクチュエータ)
151 プロセス外乱センサー(プロセス入力センサー)
152 曝気風量センサー(プロセス入力センサー)
153 返送汚泥量センサー(プロセス入力センサー)
154 余剰汚泥引抜量センサー(プロセス入力センサー)
161 最初沈殿池状態センサー(プロセス出力センサー)
162 生物反応槽状態センサー(プロセス出力センサー)
163 最終沈殿池状態センサー(プロセス出力センサー)
2 プロセスデータ収集手段
21 プロセス外部入力データ収集手段
22 プロセス出力データ収集手段
3 プロセスシミュレーション手段
4 パラメータ初期値設定手段
5 パラメータ感度解析手段
6 パラメータ感度表示手段
7 高感度パラメータセット抽出手段
8 パラメータ同定手段
9 誤差計算および保存手段
10 プロセス値/プロセスシミュレーション値表示手段
11 プロセス状態遷移図表示手段
12 パラメータ値設定手段
1 Sewerage process 11 First sedimentation tank 12 Biological reaction tank 13 Final sedimentation tank 141 Blower (actuator)
142 Return pump (actuator)
143 Excess sludge extraction pump (actuator)
151 Process disturbance sensor (Process input sensor)
152 Aeration air volume sensor (process input sensor)
153 Return sludge sensor (process input sensor)
154 Excess sludge extraction sensor (process input sensor)
161 First sedimentation tank state sensor (process output sensor)
162 Bioreactor state sensor (process output sensor)
163 Final sedimentation tank state sensor (process output sensor)
2 Process data collection means 21 Process external input data collection means 22 Process output data collection means 3 Process simulation means 4 Parameter initial value setting means 5 Parameter sensitivity analysis means 6 Parameter sensitivity display means 7 High sensitivity parameter set extraction means 8 Parameter identification means 9 Error calculation and storage means 10 Process value / process simulation value display means 11 Process state transition diagram display means 12 Parameter value setting means

Claims (6)

外乱および操作量を含むプロセス外部入力と、プロセス状態量と、前記プロセス外部入力と前記プロセス状態量との関数であるプロセス観測出力と、前記プロセス外部入力を計測する外部入力センサーと、前記プロセス観測出力を計測するプロセス出力センサーと、を有する任意のプロセスにおいて、
前記プロセスにおける前記プロセス外部入力と前記プロセス状態が複数の物質から構成され、前記プロセスは、ダイナミクスが前記複数の物質間の相互の変化で表現される様な限定された生物学的・化学プロセスであり、
前記外部入力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス外部入力収集手段と、前記プロセス出力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス出力収集手段とから構成されるプロセスデータ収集手段と、
複数のパラメータからなるパラメータセット(パラメータベクトル)θεRp(p:パラメータ数)を持ち、物質収支と反応速度によって構成されるプロセスモデルに対して、前記プロセスデータ外部入力収集手段を通して供給されるプロセス外部入力データを入力することにより、プロセスの時間的および空間的な挙動のシミュレーションを行うプロセスシミュレーション手段と、
前記プロセスシミュレーション手段によるプロセス出力シミュレーション値と前記プロセス出力値とを表示するプロセス出力表示手段と、
前記プロセスモデルの状態の相互作用と状態の変化を表すプロセス状態遷移図表示手段と、
前記プロセス状態遷移図に付属する前記パラメータセットのパラメータ値を入力するパラメータ値入力手段と、
を具えたことを特徴とするプロセスモデルのパラメータ調整支援装置。
Process external input including disturbance and manipulated variable, process state quantity, process observation output that is a function of the process external input and the process state quantity, an external input sensor that measures the process external input, and the process observation In any process having a process output sensor that measures output,
The process external input and the process state in the process are composed of a plurality of substances, and the process is a limited biological / chemical process in which dynamics are expressed by mutual changes between the plurality of substances. Yes,
A process external input collecting means for collecting measurement data of the external input sensor and holding the data for a predetermined period, and a process for collecting measurement data of the process output sensor and holding the data for a predetermined period Process data collection means comprising output collection means;
A process external input supplied through the process data external input collection means to a process model having a parameter set (parameter vector) θεRp (p: number of parameters) composed of a plurality of parameters and configured by a material balance and reaction rate A process simulation means for simulating the temporal and spatial behavior of the process by inputting data;
Process output display means for displaying a process output simulation value by the process simulation means and the process output value;
A process state transition diagram display means for representing a state interaction and a state change of the process model;
Parameter value input means for inputting a parameter value of the parameter set attached to the process state transition diagram;
A process model parameter adjustment support device characterized by comprising:
前記パラメータセット入力手段は、前記パラメータセットの要素である各パラメータの物理化学的意味を説明するヘルプ機能を有する
ことを特徴とする請求項1に記載のプロセスモデルのパラメータ調整支援装置。
2. The process model parameter adjustment support apparatus according to claim 1, wherein the parameter set input unit has a help function for explaining a physicochemical meaning of each parameter which is an element of the parameter set.
前記プロセス状態遷移表示手段から数式へリンクを張り、前記プロセス状態遷移表示手段と前記プロセスモデルを表す数式とを対応づける機能を有する
ことを特徴とする請求項1に記載のプロセスモデルのパラメータ調整支援装置。
2. The process model parameter adjustment support according to claim 1, further comprising a function of establishing a link from the process state transition display means to a mathematical expression and associating the process state transition display means with a mathematical expression representing the process model. apparatus.
前記プロセス状態遷移図表示手段は、表示されるプロセス状態変数を示す図やプロセス状態間を結合する線の大きさや色が、前記パラメータセット入力手段によって入力されたパラメータ値の大きさに依存して可変となるように修正されている
ことを特徴とする請求項1記載のプロセスモデルのパラメータ調整支援装置。
The process state transition diagram display means includes a diagram showing a process state variable to be displayed and the size and color of a line connecting the process states depending on the size of the parameter value input by the parameter set input means. 2. The process model parameter adjustment support apparatus according to claim 1, wherein the process model parameter adjustment support apparatus is modified so as to be variable.
前記プロセス状態遷移表示手段と前記パラメータセット入力手段を前記プロセスシミュレーション手段とは異なる装置に実装し、WWW(World Wide Web )ブラウザ上から遠隔でパラメータセットを入力することができるように修正されている
ことを特徴とする請求項1に記載のプロセスモデルのパラメータ調整支援装置。
The process state transition display means and the parameter set input means are mounted on a device different from the process simulation means, and are modified so that a parameter set can be input remotely from a WWW (World Wide Web) browser. The process model parameter adjustment support apparatus according to claim 1, wherein:
外乱および操作量を含むプロセス外部入力と、プロセス状態量と、前記プロセス外部入力と前記プロセス状態量との関数であるプロセス観測出力と、前記プロセス外部入力を計測する外部入力センサーと、前記プロセス観測出力を計測するプロセス出力センサーと、を有する任意のプロセスにおいて、
前記プロセスにおける前記プロセス外部入力と前記プロセス状態が複数の物質から構成され、前記プロセスは、ダイナミクスが前記複数の物質間の相互の変化で表現される様な限定された生物学的・化学プロセスであり、
前記外部入力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス外部入力収集工程と、前記プロセス出力センサーの計測データを収集して所定の期間に亘ってデータを保持するプロセス出力収集工程とから構成されるプロセスデータ収集工程と、
複数のパラメータからなるパラメータセット(パラメータベクトル)θεRp(p:パラメータ数)を持ち、物質収支と反応速度によって構成されるプロセスモデルに対して、前記プロセスデータ外部入力収集工程を通して供給されるプロセス外部入力データを入力することにより、プロセスの時間的および空間的な挙動のシミュレーションを行うプロセスシミュレーション工程と、
前記プロセスシミュレーション手段によるプロセス出力シミュレーション値と前記プロセス出力値とを表示するプロセス出力表示工程と、
前記プロセスモデルの状態の相互作用と状態の変化を表すプロセス状態遷移図表示工程と、
前記プロセス状態遷移図に付属する前記パラメータセットのパラメータ値を入力するパラメータ値入力工程と、
を具えたことを特徴とするプロセスモデルのパラメータ調整支援方法。
Process external input including disturbance and manipulated variable, process state quantity, process observation output that is a function of the process external input and the process state quantity, an external input sensor that measures the process external input, and the process observation In any process having a process output sensor that measures output,
The process external input and the process state in the process are composed of a plurality of substances, and the process is a limited biological and chemical process in which dynamics are expressed by mutual changes between the plurality of substances. Yes,
Process for collecting measurement data of the external input sensor and holding the data for a predetermined period, and process for collecting the measurement data of the process output sensor and holding the data for a predetermined period A process data collection process comprising an output collection process;
Process external input supplied through the process data external input collection step for a process model having a parameter set (parameter vector) θεRp (p: number of parameters) composed of a plurality of parameters and configured by a material balance and reaction rate A process simulation step that simulates the temporal and spatial behavior of the process by entering data; and
A process output display step for displaying a process output simulation value by the process simulation means and the process output value;
A process state transition diagram display step representing a state interaction and a state change of the process model;
A parameter value input step for inputting a parameter value of the parameter set attached to the process state transition diagram;
A process model parameter adjustment support method characterized by comprising:
JP2005157252A 2005-05-30 2005-05-30 Process model parameter adjustment support apparatus and method Expired - Fee Related JP4190517B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005157252A JP4190517B2 (en) 2005-05-30 2005-05-30 Process model parameter adjustment support apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005157252A JP4190517B2 (en) 2005-05-30 2005-05-30 Process model parameter adjustment support apparatus and method

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2001132998A Division JP3740382B2 (en) 2001-04-27 2001-04-27 Process model parameter adjusting apparatus and method

Publications (2)

Publication Number Publication Date
JP2005346714A true JP2005346714A (en) 2005-12-15
JP4190517B2 JP4190517B2 (en) 2008-12-03

Family

ID=35498978

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005157252A Expired - Fee Related JP4190517B2 (en) 2005-05-30 2005-05-30 Process model parameter adjustment support apparatus and method

Country Status (1)

Country Link
JP (1) JP4190517B2 (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (en) * 2006-02-27 2007-09-13 Toshiba Corp Sewage treatment plant operation support arrangement
JP2007289914A (en) * 2006-03-31 2007-11-08 Ebara Corp Treatment method and apparatus of organic waste by anaerobic microorganism
JP2009301377A (en) * 2008-06-16 2009-12-24 Toyota Central R&D Labs Inc Parameter identification device and parameter identification program
JP2011059789A (en) * 2009-09-07 2011-03-24 Toshiba Corp Hybrid model simulation device and method
US8533653B2 (en) 2009-02-12 2013-09-10 Fujitsu Limited Support apparatus and method for simplifying design parameters during a simulation process
WO2016006101A1 (en) * 2014-07-11 2016-01-14 株式会社日立製作所 Simulation system, and simulation method
EP3926549A2 (en) 2020-03-26 2021-12-22 Denso Corporation Information processing apparatus and method and program for identifying coadapted nodes
CN114258513A (en) * 2020-03-11 2022-03-29 株式会社日立制作所 Equipment operation optimization auxiliary device, equipment operation optimization control device and method

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (en) * 2006-02-27 2007-09-13 Toshiba Corp Sewage treatment plant operation support arrangement
JP2007289914A (en) * 2006-03-31 2007-11-08 Ebara Corp Treatment method and apparatus of organic waste by anaerobic microorganism
JP4630244B2 (en) * 2006-03-31 2011-02-09 荏原エンジニアリングサービス株式会社 Method and apparatus for treating organic waste by anaerobic microorganisms
JP2009301377A (en) * 2008-06-16 2009-12-24 Toyota Central R&D Labs Inc Parameter identification device and parameter identification program
US8533653B2 (en) 2009-02-12 2013-09-10 Fujitsu Limited Support apparatus and method for simplifying design parameters during a simulation process
JP2011059789A (en) * 2009-09-07 2011-03-24 Toshiba Corp Hybrid model simulation device and method
WO2016006101A1 (en) * 2014-07-11 2016-01-14 株式会社日立製作所 Simulation system, and simulation method
JPWO2016006101A1 (en) * 2014-07-11 2017-05-25 株式会社日立製作所 Simulation system and simulation method
CN114258513A (en) * 2020-03-11 2022-03-29 株式会社日立制作所 Equipment operation optimization auxiliary device, equipment operation optimization control device and method
CN114258513B (en) * 2020-03-11 2023-12-05 株式会社日立制作所 Equipment operation optimization auxiliary device, equipment operation optimization control device and equipment operation optimization control method
EP3926549A2 (en) 2020-03-26 2021-12-22 Denso Corporation Information processing apparatus and method and program for identifying coadapted nodes

Also Published As

Publication number Publication date
JP4190517B2 (en) 2008-12-03

Similar Documents

Publication Publication Date Title
JP4190517B2 (en) Process model parameter adjustment support apparatus and method
Rieger et al. Guidelines for using activated sludge models
Zijp et al. Method selection for sustainability assessments: the case of recovery of resources from waste water
Louis et al. Soil C and N models that integrate microbial diversity
Zounemat-Kermani et al. Multivariate NARX neural network in prediction gaseous emissions within the influent chamber of wastewater treatment plants
Sin et al. Improving the Morris method for sensitivity analysis by scaling the elementary effects
Potter et al. The family, neuroscience, and academic skills: An interdisciplinary account of social class gaps in children’s test scores
CN111977710A (en) Industrial wastewater treatment system and method based on artificial intelligence
JP3740382B2 (en) Process model parameter adjusting apparatus and method
Nguyen et al. Systematic testing of an integrated systems model for coastal zone management using sensitivity and uncertainty analyses
Sari et al. Deciding heavy metal levels in soil based on various ecological information through artificial intelligence modeling
Klieme et al. Teaching quality and student outcomes in TIMSS and PISA
Karlen et al. Indices for soil management decisions
Holloway et al. Process stress in municipal wastewater treatment processes: A new model for monitoring resilience
Abidin et al. Application of Excel-VBA for computation of water quality index and air pollutant index
Atanasova et al. Application of automated model discovery from data and expert knowledge to a real-world domain: Lake Glumsø
Benedetti et al. The incorporation of variability and uncertainty evaluations in WWTP design by means of stochastic dynamic modeling: the case of the Eindhoven WWTP upgrade
Gallagher et al. Comparison with self vs comparison with others: The influence of learning analytics dashboard design on learner dashboard use
Vance-Chalcraft et al. Using Citizen Science to Incorporate Research into Introductory Biology Courses at Multiple Universities
Olsson Lessons learnt at ICA2001
Aouichaoui et al. DeepGSA: Plant Data-Driven Global Sensitivity Analysis using Deep Learning
Zhou et al. Dynamic flux balance analysis of metabolic networks using the penalty function methods
Mokhtar et al. Design of Test Data Generation Method for Dynamic-Functional Testing in Automatic Programming Assessment Using Flower Pollination Algorithm
Lin Modeling environmental systems under uncertainty: Towards a synthesis of data-based and theory-based models
Van Hoey Development and application of a framework for model structure evaluation in environmental modelling

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080627

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080825

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20080909

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080916

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110926

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110926

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120926

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120926

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130926

Year of fee payment: 5

LAPS Cancellation because of no payment of annual fees