JP2007213483A - Ｐｉｄ制御器の最適調整システム及び最適調整方法 - Google Patents

Abstract

【課題】 簡単かつ短時間でゲインや制御パラメータを適切な値に設定することができるプロセス制御に適したＰＩＤ制御器の最適調整システムを提供する。
【解決手段】 プロセスモデル１ａ，ＰＩＤ制御器５と同じコントロールアルゴリズムを有しプロセスモデル１ａとともに制御シミュレーションを行う制御モデル１ｂ，制御目標値と制御シミュレーションによる制御応答値との差を可変パラメータＸを含む評価関数ＩＸＴＡＥで評価する評価部１ｃ及び評価関数ＩＸＴＡＥが所定の値となるときの制御パラメータを探索する制御パラメータ探索部１ｄを有するシミュレータ１と、評価関数ＩＸＴＡＥの可変パラメータＸを調整するパラメータ調整部３と、シミュレータ１で決定された前記制御パラメータをＰＩＤ制御器５に出力する出力部１ｅとを有する。
【選択図】 図１

Description

本発明は、本発明は、ＰＩＤ制御器の最適調整システム及び最適調整方法に関する。

ＰＩＤ制御等において、制御に必要な三つの制御パラメータは、従来、一次遅れ＋無駄時間モデルで近似して求めているのが一般的である（例えば、特許文献１参照）。
ところで、これまでのＰＩＤ制御器の調整では、ステップ応答試験の結果から、プロセスを無駄時間＋一次遅れで近似して求めているため、適切な制御パラメータを得ることができず、手動にて各制御パラメータを適切な値に再調整しなければならないという問題があった。そのため、制御パラメータの決定に時間がかかり、その間にコントローラの制御性能が劣化してシステムの稼働率を低下させるという問題があった。また、上記したような従来の手動調整は、オペレータの経験や勘によるところが大きく、ゲインや制御パラメータが過大になったりして、オペレータの経験や能力によって調整に差が生じやすいという問題があった。
特開２００１−２９０５０７号公報

本発明は上記の問題に鑑みてなされたもので、第一の目的とするところは、熟練のオペレータでなくても、簡単かつ短時間でゲインや制御パラメータを適切な値に設定することができるプロセス制御に適したＰＩＤ制御器の最適調整システム及び最適調整方法の提供にある。また、第二の目的とするところは、制御性能をリアルタイムにモニターすることで長時間運転を安定的かつ安全に行うことができるＰＩＤ制御器の最適調整システム及び最適調整方法の提供にある。

本発明の発明者が鋭意研究を行った結果、ＰＩＤ等のコントローラに必要な複数の制御パラメータを決定するにあたり、評価関数に可変パラメータを含ませ、この単一の可変パラメータを調整自在とすることで、オペレータの熟練度に関係なく、簡単に決定できることに想到した。

すなわち、請求項１に記載の発明は、ＰＩＤ制御パラメータに基づいて制御対象を制御するＰＩＤ制御器の最適調整システムにおいて、制御対象の応答を同定して得られるプロセスモデル，ＰＩＤ制御器と同じコントロールアルゴリズムを有し、前記プロセスモデルとともに制御シミュレーションを行う制御モデル，制御目標値と前記制御シミュレーションによる制御応答値との差を可変パラメータＸを含む評価関数ＩＸＴＡＥで評価する評価部及び前記評価関数が所定の値となるときの制御パラメータを探索する制御パラメータ探索部を有するシミュレータと、前記評価関数ＩＸＴＡＥの可変パラメータＸを調整するパラメータ調整部と、前記シミュレータで決定された前記制御パラメータを前記ＰＩＤ制御器に出力する出力部とを有する構成としてある。
なお、前記プロセスモデルは、請求項２に記載するように、ｎ次遅れ系に対応できるように、ｎ次表現とするのが好ましい。

この構成によれば、制御対象の特性を同定して得られた前記プロセスモデルと、ＰＩＤ制御器と同じコンとルールアルゴリズムを有する制御モデルとで、シミュレーションが行われる。このシミュレーション結果は、評価部の評価関数ＩＸＴＡＥにより評価が行われる。制御パラメータ探索部は、評価関数ＩＸＴＡＥが例えば０になるような制御パラメータの組み合わせを探索する。
評価関数ＩＸＴＡＥの制御パラメータＸは任意に変更することが可能である。
好ましくは、請求項３に記載するように、臨界制動値の近傍で可変パラメータＸを調整できるようにするとよい。例えば、臨界制動を得たい場合Ｘ＝２が相当し、２前後の０〜３の範囲内で所望する応答に連続的に変更できるようにするのがよい。

本発明の第二の目的を達成するために、本発明では、二つの評価関数を準備し、一方の評価関数を用いて制御パラメータを決定し、決定された制御パラメータと他方の評価関数とから、制御性能を評価するようにしている。
具体的には、請求項４に記載するように、前記評価関数ＩＸＴＡＥを含む第一の評価関数を用いて前記シミュレータで得られた複数の制御パラメータのうち、少なくとも一つの制御パラメータの共通性から、少なくとも偏差及び操作量に関する変数の項と重み関数とを含む第二の評価関数の未知のパラメータを決定し、実際の運転データから得られた制御量及び操作量から求めた前記第二の評価関数の値の変動に基づいて、制御性能の評価を行う制御性能評価部を設ける。
前記第二の評価関数としては、偏差及び操作量の変数の二乗和を重み関数を用いて線形結合したもの、具体的には、請求項５に記載するように、

（ｅ（ｔ）は偏差、Δｍｖ（ｔ）は操作量）の式を用いることができ、未知の重み関数λを求めることで制御性能の評価に用いる。

なお、前記第一の評価関数は、ＩＸＴＡＥであってもよいし他の評価関数であってもよい。第一の評価関数を用いてＰＩＤ制御パラメータを求めた後、得られた制御パラメータのうち、所定の制御パラメータが一致又は近似する第二の評価関数の最適な重み関数λを探索によって求める。そして、このようにして得られた上記の第二の評価関数を用い、実際の運転データの制御量や操作量を上記の式に代入し、上記評価関数の変動を求めることで、制御性能を評価することができる。

本発明の最適調整方法は、請求項６に記載するように、ＰＩＤ制御パラメータに基づいて制御対象を制御するＰＩＤ制御器の最適調整方法において、制御対象の応答を同定して得られるプロセスモデルと、ＰＩＤ制御器と同じコントロールアルゴリズムを有する制御モデルとでシミュレーションを行い、可変パラメータＸを含む評価関数ＩＸＴＡＥの前記可変パラメータＸの値を、臨界制動値及びその前後で段階的に又は連続的に調整しつつ、前記評価関数ＩＸＴＡＥを用いて制御パラメータの探索を行い、探索の結果得られた制御パラメータを前記ＰＩＤ制御器に出力する出力する方法としてある。

この場合、請求項７に記載するように、前記プロセスモデルを、一次〜ｎ次表現とするとよい。
また、請求項８に記載するように、前記評価関数ＩＸＴＡＥを用いて得られた複数の制御パラメータのうち、少なくとも一つの制御パラメータの共通性から、少なくとも偏差及び操作量に関する変数の項と重み関数とを含む評価関数を用い、実際の運転データから得られた制御量及び操作量から求めた前記評価関数の値の変動に基づいて制御性能の評価を行い、前記評価関数の変動が予め設定されたしきい値を超えたときに、再チューニングを促す指令を出力する方法としてもよい。

前記した評価関数としては、偏差及び操作量の変数の二乗和を重み関数を用いて線形結合したもの、具体的には、請求項９に記載するように

を用いることができる（ｅ（ｔ）は偏差、Δｍｖ（ｔ）は操作量）。そして、重み関数λを決定し、実際の運転データから得られた制御量及び操作量から求めた前記評価関数の値の変動に基づいて制御性能の評価を行い、前記評価関数の変動が予め設定されたしきい値を超えたときに、再チューニングを促す指令を出力するようにしてもよい。

なお、この場合、再チューニング法は、公知の自動チューニングを用いてもよいし、本発明のＩＸＴＡＥ法を用いて再チューニングを行ってもよい。制御性能の変動量が許容値を僅かに超えるような場合は、請求項１０に記載するように再チューニングを行ってもよい。
すなわち、チューニングの際に、前記可変パラメータＸの値を、最適な可変パラメータＸ_０と、この最適な可変パラメータＸ_０から変化させた少なくとも一つの可変パラメータＸ_１との間で変化させ、前記可変パラメータＸ_０のときのダンピング値Ｄｕ_０と、可変パラメータＸ_１のときのダンピング値Ｄｕ_１とからダンピング比（Ｄｕ_１／Ｄｕ_０）を求め、可変パラメータＸ_０のときのゲインＫ_０と、可変パラメータＸ_１のときのゲインＫ_１との比（Ｋ_１／Ｋ_０）から基準となるゲイン比Ｇ_０を求め、可変パラメータをＸ_０としてチューニングで得られたパラメータＰを以下の式

に代入し、この式から未知の乗数η（ゲインパワー）を求め、この乗数ηと、再チューニングの際のダンピング値の実測値Ｄｕ_ｍとを以下の式

に代入して再チューニング指令が出力された際の実測のゲインＫ_ｍと基準となる前記ゲインＫ_０との比（Ｋ_ｍ／Ｋ_０）である実測のゲイン比Ｇ_ｍを求め、基準となる前記ゲイン比Ｇ_０に対する前記実測のゲイン比Ｇ_ｍの変化量から、ゲインの再設定を行うようにしてもよい。

本発明は上記のように構成されているので、ゲインや制御パラメータの設定をオペレータの熟練度にかかわらず短時間で簡単かつ適切に行うことができ、実際のプロセス制御に適したＰＩＤ制御器の最適調整システムを得ることができる。
また、本発明では、二つの評価関数を用い、一方を制御パラメータの探索用に、他方を制御性能の評価用に使い分けることで、制御性能をリアルタイムにモニターすることが可能になり、長時間の自動運転を安定的かつ安全に行うことができる。

以下、本発明の好適な実施形態を、図面を参照しながら詳細に説明する。
図１は、本発明の最適調整システムの第一の実施形態にかかり、その構成を説明するブロック図である。
図１に示すように、この実施形態の最適調整システムは、制御対象６の応答を同定して得られるプロセスモデル１ａ，ＰＩＤ制御器５と同じコントロールアルゴリズムを有し、プロセスモデル１ａとともに制御シミュレーションを行う制御モデル１ｂ，制御目標値と前記制御シミュレーションによる制御応答値との差を可変パラメータＸを含む評価関数ＩＸＴＡＥで評価する評価部１ｃ，前記評価関数が所定の値となるときの制御パラメータを探索する制御パラメータ探索部１ｄ及び制御パラメータ探索部１ｄで探索された制御パラメータをＰＩＤ制御器５に出力する出力部１ｅを有するシミュレータ１と、評価関数ＩＸＴＡＥの可変パラメータＸを調整するためのパラメータ調整器３とを有している。

［プロセスモデル］
シミュレータ１のプロセスモデル１ａは、制御対象６の応答結果を同定して得ることができる。プロセスモデル１ａは一次表現式

としてもよいが、二次以上の多次表現式、

（ｎは１以上の自然数、βは無駄時間に占める純粋無駄時間の割合）で表してもよい。

図２は、全無駄時間に占める純粋無駄時間の割合βと、一次遅れ系及び多次遅れ系のゲインの関係を示すグラフである。
図２に示すように、例えば、純粋無駄時間の割合β＝０．２では、一次遅れ系と多次遅れ系のゲインの比は約２倍余りになる。
このことは、無駄時間の表現によっては、ゲインに大きな誤差が生じるということを表している。そのため、無駄時間の表現を一次〜多次で工夫し、一次遅れ系の表現だけでなく多次遅れ系の表現を用いることで、上記の誤差を小さくすることが好ましい。

制御モデル１ｂとしては、ＰＩＤ制御器５のコントロールアルゴリズムと同じアルゴリズムで構成されているものを用いる。
プロセスモデル１ａと制御モデル１ｂとが、制御対象６からフィードバックされた制御結果に基づいてシミュレーションを行う。

［評価部１ｃ］
評価部１ｃは、制御パラメータＸを可変とした評価関数ＩＸＴＡＥを用いて、プロセスモデル１ａと制御モデル１ｂとによるシミュレーション結果と目標とする制御応答との差を関数化する。
図３は、評価関数を選択するに当たり、その目安となるべきDumping Ratioと、
Over Shootとの関係を示した図である。

図３のグラフからわかるように、評価関数としては、グラフの中央の領域、すなわち、ＩＡＥ，ＩＴＡＥ，ＩＳＴＡＥのグループを選択するのが好ましい。
ここで、一般に、

で表される。
そこで、評価関数の式として、αを変数として、

と定義し、パラメータＸ（すなわち変数α）の値をこの実施形態における臨界制動値（α＝２）を含む０≦α≦３の範囲内で可変とした（以下、可変パラメータＸと記載する）。
可変パラメータＸにおける変数αの値は、パラメータ調整器３で０から３まで連続的に、又は段階的に変化させることができる。

図４は、パラメータ調整器の概略図（図４（ａ））及びパラメータ調整とチューニング結果（同（ｂ）との関係を示すグラフである。
オペレータは、パラメータ調整器３を使って、評価関数ＩＸＴＡＥの可変パラメータＸを種々変更することができる。
可変パラメータＸの値は、臨界制動値の前後近傍で連続的に変更できるようにするとよい。図４に示すように、可変パラメータＸの値を臨界制動値（この実施形態ではα＝２）から０に近づけていくと、制御系は応答速度が速くなってTightの傾向になり、前記臨界制動値から３に近づけていくと、制御系はオーバーシュート量が小さくなってRobustの傾向になる。
オペレータは、応答速度やオーバシュートが適切となるように可変パラメータＸを調整するだけで、ＰＩＤコントローラに必要な制御パラメータの設定を行うことができる。

探索部１ｄは、可変パラメータＸの変数αをある特定の値としたときに、評価関数ＩＸＴＡＥが最小になる制御パラメータの組み合わせを、公知の非線形探索法により探索する。
この探索法としては、例えば、ＳＱＰ法（逐次２次計画法）やNelder-Mead法等公知のものを用いることができる。
出力部１ｅは、特定された可変パラメータＸを用いて探索された制御パラメータを、ＰＩＤ制御器５に送信する。

［第二の実施形態］
第一の実施形態の手順によって最適な制御パラメータを設定しても、例えば原材料の変更や触媒の劣化等により制御性能が時間とともに変化することがある。
そのため、制御性能をリアルタイムに監視して、制御性能の変化を早期に発見し、制御パラメータの再チューニングを行う必要がある。
そこで、この第二の実施形態では、図５に示すように、ＰＩＤ制御器５の制御性能を評価するとともに、評価結果に基づいて再チューニングの指令を出力する制御性能評価部４と、この制御性能評価部４の再チューニング指令によりＰＩＤ制御のためのパラメータの再チューニングを行う再チューニング部７を設けている。また、制御性能評価部４による評価結果を表示するモニター２をさらに設け、オペレータがリアルタイムで制御性能の変化を把握できるようにしている。

制御性能評価部４で制御性能の評価に用いる評価関数として、この実施形態では、偏差と操作変数とを二乗和で線形結合した以下のＧＭＶ式を用い、制御性能を監視するようにしている。

（ｅは偏差，Δｍｖは操作量）における重み関数λは、シミュレータ１によるチューニングの際に予め決定しておく。そして、実際の運転データから得られた制御量と操作量とから、予め決定された重み関数λを用いて、評価関数ＧＭＶの値を求め、得られた評価関数ＧＭＶの値が予め設定された範囲内にあるか否かで制御性能の評価を行う。
その結果、ＧＭＶの値が予め設定した範囲を超えたときに、制御パラメータの再チューニング指令を、再チューニング部７に出力する。

ＧＭＶ則は、D.W. Clarke and P.J. Gawthrop: ”Self-Tuning Control ”,Proc. IEE, Vol.126D, No.6, pp.633-640(1979で開示されている公知のセルフチューニング制御法の一つである。ＧＭＶ則を使ってセルフチューニングを行う際には、通常、重み関数λを既知として、制御パラメータを探索によって求めるが（例えば、特開２００５−２９３４３４号公報の段落００８６〜０１１０参照）、この実施形態では、重み関数λを未知とし、第一の評価関数である評価関数ＩＸＴＡＥを使って得られた制御パラメータを利用して、最適な重み関数λの値を逆算する。

ＩＸＴＡＥによる制御パラメータの探索結果と、実際の計算結果の一例を図６に示す。
図示の例では、評価関数ＩＸＴＡＥの可変パラメータＸの変数α＝２としたときに求めた制御パラメータＰ，Ｉ，Ｄ及びＯＶ値，ＤＵ値と、制御パラメータＰ，Ｉ，Ｄ及びＯＶ値，ＤＵ値が近似し、かつ、ＧＭＶ値が最小となる重み関数λの組を探索する。図示の例では、可変パラメータＸの変数α＝２，重み関数λが３２３のとき、両者の制御パラメータが最も近似し、かつ、ＧＭＶ値が最小となるため、重み関数λ＝３２３に決定している。

上記の手順で重み関数λを決定した評価関数ＧＭＶを使って、制御性能をモニターした一例を図７に示す。
図７では、評価関数ＧＭＶの計算結果に基づいた値を、モニターレベルとして表わしている。モニターレベルは、例えば、開始時（ｔ＝０）における評価関数ＧＭＶの初期値（ＧＭＶ_０）と、時間ｔ経過後の操作量に基づく実測値（ＧＭＶ）との比で表すことができる。このモニターレベルが予め設定されたしきい値Ｉを上回ったときに、制御性能評価部４は制御性能が低下したと判断して、再チューニング部７に再チューニング指令を出力する。

再チューニング部７における再チューニングは、公知の自動チューニング法を利用することができる。
この実施形態では、再チューニング指令が出力されたときのダンピングＤｕ_ｍを以下の式

に代入することで、新たなゲインを決定するようにしている。
ここで、
Ｄｕはダンピングで、図８に示すように、

で表される。
Ｄｕ_０は、チューニングの際に決定した最適な可変パラメータＸ_０のときのダンピング（基準ダンピング）で、Ｐは、最適な可変パラメータＸ_０のときのＰ，Ｉ，ＤパラメータのうちのパラメータＰの値である。

係数η（ゲインパワー）は、以下の手順でチューニングの際に求めることができる。
まず、決定された最適な可変パラメータＸ_０のときの基準ダンピングＤｕ_０、パラメータＰ及びゲインＫ_０を求める。次いで、可変パラメータＸをＸ_０から任意の値Ｘ_１に変更したときのダンピングＤｕ_１及びゲインＫ_１を求める。
ゲイン比（Ｋ_１／Ｋ_０）をＧ_０＝とすると、

と表すことができるので、この式にダンピングＤｕ_０，Ｄｕ_１及びパラメータＰを代入する。これにより、未知数である係数ηを求めることができる。

得られた係数ηを用いて、実測したダンピングＤｕ_ｍを前述の式に代入することでゲイン比Ｇを求めることができ、基準となるゲイン比Ｇ_０に対するゲイン比Ｇの変化量から、再チューニングにより設定すべきゲインが決定される。

なお、この方法による再チューニングは、制御性能の変化量のうち前記した予め設定した範囲を超える部分が、一定の範囲内に収まっている場合に好適である。前記一定の範囲を超えて制御性能が大きく変化するような場合には、公知の自動チューニング法を利用したり、また、上記で説明したシミュレータ１による再チューニングを行うのが好ましい。
再チューニング部７による再チューニングの結果は、図５に示すようにシミュレータ１の出力部１ｅを介してＰＩＤ制御器５に入力するようにしてもよいし、再チューニング部７から直接ＰＩＤ制御器５に入力するようにしてもよい。

本発明の実施形態について説明したが、本発明は上記の説明に限られるものではない。
例えば、上記の第二の実施形態では、第一の評価関数としてＩＸＴＡＥを用いてＧＭＶ則の重み関数λを求めるものとしたが、他の評価関数を用いてλを求めることも可能である。
また、監視用の評価関数としてＧＭＶのみを例に挙げて説明したが、偏差の項と操作量の項とを有するものであれば、ＧＭＶに限らず他の評価関数を用いることも可能である。

本発明は、化学プラント等におけるＰＩＤ制御に広く適用が可能である。また、本発明は、一般的なＰＩＤ制御に限らず、Ｐ，Ｉ，Ｄの制御パラメータによる制御であれば、Ｉ−ＰＤ，ＰＩ−ＰＤ，ＩＭＣ−ＰＩＤ等の他のＰＩＤ系の全ての制御も含まれるものとする。

本発明の最適調整システムの第一の実施形態にかかり、その構成を説明するブロック図である。 全無駄時間に占める純粋無駄時間の割合βと、一次遅れ系及び多次遅れ系のゲインの関係を示すグラフである。 評価関数を選択するに当たり、その目安となるべきDumping Ratioと、Over Shootとの関係を示した図である。 （ａ）はパラメータ調整器の概略図、（ｂ）はパラメータ調整とチューニング結果との関係を示すグラフである。 本発明の最適調整システムの第一の実施形態にかかり、その構成を説明するブロック図である。 ＩＸＴＡＥによる制御パラメータの探索結果と、実際の計算結果の一例を示す図である。 評価関数ＧＭＶを使って、制御性能をモニターした一例を示す図である。 ダンピングＤｕの求め方を説明する図である。

符号の説明

１ シミュレータ
１ａ プロセスモデル
１ｂ 制御モデル
１ｃ 評価部
１ｄ 制御パラメータ探索部
１ｅ 出力部
２ モニタ（表示部）
３ パラメータ調整器
４ 制御性能評価部
５ ＰＩＤ制御器
６ 制御対象
７ 再チューニング部

Claims (10)

1. ＰＩＤ制御パラメータに基づいて制御対象を制御するＰＩＤ制御器の最適調整システムにおいて、制御対象の応答を同定して得られるプロセスモデル，前記ＰＩＤ制御器と同じコントロールアルゴリズムを有し、前記プロセスモデルとともに制御シミュレーションを行う制御モデル，制御目標値と前記制御シミュレーションによる制御応答値との差を可変パラメータＸを含む評価関数ＩＸＴＡＥで評価する評価部及び前記評価関数が所定の値となるときの制御パラメータを探索する制御パラメータ探索部を有するシミュレータと、前記評価関数ＩＸＴＡＥの可変パラメータＸを調整するパラメータ調整部と、前記シミュレータで決定された前記制御パラメータを前記ＰＩＤ制御器に出力する出力部と、を有することを特徴とするＰＩＤ制御器の最適調整システム。
2. 前記プロセスモデルを、無駄時間の形態に応じて一次〜ｎ次表現としたことを特徴とする請求項１に記載のＰＩＤ制御器の最適調整システム。
3. 前記パラメータ調整部は、前記可変パラメータＸを臨界制動値の前後で段階的に又は連続的に調整可能としたことを特徴とする請求項１又は２に記載のＰＩＤ制御器の最適調整システム。
4. 前記評価関数ＩＸＴＡＥを含む第一の評価関数を用いて前記シミュレータで得られた複数の制御パラメータのうち、少なくとも一つの制御パラメータの共通性から、少なくとも偏差及び操作量に関する変数の項と重み関数とを含む第二の評価関数の未知のパラメータを決定し、実際の運転データから得られた制御量及び操作量から求めた前記第二の評価関数の値の変動に基づいて、制御性能の評価を行う制御性能評価部を設けたことを特徴とする請求項１〜３のいずれかに記載のＰＩＤ制御器の最適調整システム。
5. 前記第二の評価関数が
   

   

   （ｅ（ｔ）は偏差、Δｍｖ（ｔ）は操作量）の式で表されるものであって、重み関数λを前記第一の評価関数に基づいて得られた制御パラメータの共通性から求めることを特徴とする請求項４に記載のＰＩＤ制御器の最適調整システム。
6. ＰＩＤ制御パラメータに基づいて制御対象を制御するＰＩＤ制御器の最適調整方法において、制御対象の応答を同定して得られるプロセスモデルと、ＰＩＤ制御器と同じコントロールアルゴリズムを有する制御モデルとでシミュレーションを行い、可変パラメータＸを含む評価関数ＩＸＴＡＥの前記可変パラメータＸの値を、臨界制動値及びその前後で段階的に又は連続的に調整しつつ、前記評価関数ＩＸＴＡＥを用いて制御パラメータの探索を行い、探索の結果得られた制御パラメータを前記ＰＩＤ制御器に出力する出力すること、を特徴とするＰＩＤ制御器の最適調整方法。
7. 前記プロセスモデルを、一次〜ｎ次表現としたことを特徴とする請求項６に記載のＰＩＤ制御器の最適調整方法。
8. 前記評価関数ＩＸＴＡＥを用いて得られた複数の制御パラメータのうち、少なくとも一つの制御パラメータの共通性から、少なくとも偏差及び操作量に関する変数の項と重み関数とを含む評価関数を用い、実際の運転データから得られた制御量及び操作量から求めた前記評価関数の値の変動に基づいて制御性能の評価を行い、前記評価関数の変動が予め設定されたしきい値を超えたときに、再チューニングを促す指令を出力することを特徴とする請求項６又は７に記載のＰＩＤ制御器の最適調整方法。
9. 制御性能の評価を行う前記評価関数が、
   

   

   （ｅ（ｔ）は偏差、Δｍｖ（ｔ）は操作量）で表され、前記制御パラメータの共通性から重み関数λを決定することを特徴とする請求項８に記載のＰＩＤ制御器の最適調整方法。
10. チューニングの際に、前記可変パラメータＸの値を、最適な可変パラメータＸ_０と、この最適な可変パラメータＸ_０から変化させた少なくとも一つの可変パラメータＸ_１との間で変化させ、
    前記可変パラメータＸ_０のときのダンピング値Ｄｕ_０と、可変パラメータＸ_１のときのダンピング値Ｄｕ_１とからダンピング比（Ｄｕ_１／Ｄｕ_０）を求め、
    可変パラメータＸ_０のときのゲインＫ_０と、可変パラメータＸ_１のときのゲインＫ_１との比（Ｋ_１／Ｋ_０）から基準となるゲイン比Ｇ_０を求め、
    可変パラメータをＸ_０としてチューニングで得られたパラメータＰを以下の式
    

    

    に代入し、この式から未知の乗数ηを求め、この乗数ηと、再チューニングの際のダンピング値の実測値Ｄｕ_ｍとを以下の式
    

    

    に代入して再チューニング指令が出力された際の実測値に基づくゲイン比Ｇ_ｍを求め、基準となる前記ゲイン比Ｇ_０に対する前記実測のゲイン比Ｇ_ｍの変化量から、ゲインの再設定を行うことを特徴とする請求項８又は９に記載のＰＩＤ制御器の最適調整方法。

Images