JP2009181392A - モデル予測制御方法およびモデル予測制御装置 - Google Patents
モデル予測制御方法およびモデル予測制御装置 Download PDFInfo
- Publication number
- JP2009181392A JP2009181392A JP2008020418A JP2008020418A JP2009181392A JP 2009181392 A JP2009181392 A JP 2009181392A JP 2008020418 A JP2008020418 A JP 2008020418A JP 2008020418 A JP2008020418 A JP 2008020418A JP 2009181392 A JP2009181392 A JP 2009181392A
- Authority
- JP
- Japan
- Prior art keywords
- model
- control
- prediction error
- disturbance compensation
- adjustment parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】モデルを用いた予測制御において、外乱に対する応答性能を調整できるようにする。
【解決手段】モデル予測誤差を用いて外乱補償を行うとともに、制御対象2のモデルを用いてモデル予測制御を行うMPCコントローラ3への前記モデル予測誤差を、調整手段5で調整パラメータαを用いて補正することにより、MPCコントローラ3のよる外乱補償の度合いを調整できるようにしており、調整手段5では、制御対象2の特性に基づいて、前記調整パラメータαを算出する。
【選択図】図1
【解決手段】モデル予測誤差を用いて外乱補償を行うとともに、制御対象2のモデルを用いてモデル予測制御を行うMPCコントローラ3への前記モデル予測誤差を、調整手段5で調整パラメータαを用いて補正することにより、MPCコントローラ3のよる外乱補償の度合いを調整できるようにしており、調整手段5では、制御対象2の特性に基づいて、前記調整パラメータαを算出する。
【選択図】図1
Description
本発明は、制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御方法およびモデル予測制御装置に関する。
この種の予測制御方法として、制御対象の挙動をモデル化した内部モデルを有し、この内部モデルを用いて未来の状態を予測し、できる限り目標値に近づけるように操作量を決定するMPC(Model Predictive Control:モデル予測制御)がある。
MPCは、制御対象の内部モデルに基づいて、未来の出力の変化を予測し、出力と目標値ができるだけ近づくように入力を決定するものである。
図2は、このMPCのアルゴリズムの基本概念を説明するための図である。
先ず、現時刻nにおいて制御量PV(n)を測定し、現時刻の制御量PV(n)を始点として、破線で示すように設定値SPに徐々に近づく参照軌道を計算する。
次に内部モデルを用いて、予測ホライズンの区間で、制御量PVの予測値と参照軌道とができるだけ近づくように、現時刻nから制御ホライズンHuまでの操作量MV(n),MV(n+1),……,MV(n+Hu)を決定する。
得られた操作量の内、現時刻に対応する操作量MV(n)のみを実際に制御対象に加え、次のサンプリング時刻n+1まではその値を保持する。
時刻n+1において制御量PV(n+1)が測定されれば、改めて時刻t+1を現時刻とみなし、未来の予測値と参照軌道とが、できるだけ近づくように操作量を決定し、次のサンプリング時刻までその操作量を制御対象に加える。以下、この手順を繰り返す。
かかるMPCにおいては、内部モデルを用いて未来の制御量の変化を予測するものであるために、内部モデルによる予測誤差は性能を悪化させることになる。特に、外乱発生時には、未知の外乱の特性を内部モデルに含ませることができないために、予測誤差が大きくなり、外乱の影響を除くのは困難である。
図8は、外乱が印加されたときのMPCの制御特性の例を示す図である。矢符で示される外乱印加時点から一定の外乱を継続的に印加すると、実線で示すように、修正動作が緩慢になり、回復が遅くなることになる。
かかるMPCにおける外乱を補償するために、直近の区間における局所的なモデル予測誤差のモデル式を求め、そのモデルが予測ホライズンの区間変わらないと仮定し、モデル式より予測ホライズン期間の予測誤差を推定する方法も提案されている(非特許文献1参照)。
ジャック・リシャレ、江口元「モデル予測制御」137頁〜140頁(日本工業出版、2007年)
ジャック・リシャレ、江口元「モデル予測制御」137頁〜140頁(日本工業出版、2007年)
ところで、MPCには、明示的な積分要素はないものの、後述のように内部モデル値の更新動作が積分動作と同等の働きをし、一定量の外乱に対しては、定常偏差は残らない。
このようにMPCには、外乱の応答性が遅い場合があるものの、元々積分動作相当の働きがあるため、例えば、上記非特許文献1に示されるように予測誤差を推定して外乱補償を行った場合に、MPCの積分動作相当の機能と外乱補償機能とのバランスが上手く取れないと、例えば、上述の図8の破線で示すように、応答は早くなるものの、オーバーシュートを発生するなど、必ずしも良好な性能が発揮されないという課題がある。
本発明は、上述のような点に鑑みて為されたものであって、モデル予測制御において、外乱に対する応答性能を調整できるようにすることを目的とする。
(1)本発明のモデル予測制御方法は、制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御方法であって、前記外乱補償の度合いを調整可能としている。
外乱補償の度合いの調整では、外乱補償を行わない状態に調整してもよい。
外乱補償の度合いの調整は、ユーザが手動で行ってもよいし、制御対象の特性を計測して、制御対象の特性に応じて自動的に調整するようにしてもよい。
本発明のモデル予測制御方法によると、外乱補償の度合い、すなわち、外乱補償の強さを調整できるので、制御対象に応じて外乱補償の強さを調整することにより、外乱に対する応答を調整できることになり、これによって、オーバーシュートを抑制しながら、収束するまでの時間を早めるといったことが可能となる。
(2)本発明のモデル予測制御方法の一つの実施形態では、前記予測誤差を補正して前記外乱補償の度合いを調整するようにしてもよい。
この実施形態によると、外乱補償に用いる予測誤差を補正することによって、外乱補償の度合いを調整することが可能となる。
(3)上記(2)の実施形態では、前記制御対象の特性に応じて、前記予測誤差を補正するようにしてもよい。
この実施形態によると、制御対象の特性に応じて、外乱補償の度合いを調整することが可能となる。
(4)上記(3)の実施形態では、前記制御対象の特性に基づいて、前記外乱補償の度合いを調整するための調整パラメータを算出し、算出した調整パラメータを用いて前記予測誤差を補正するようにしてもよい。
予測誤差に調整パラメータを乗算することによって、予測誤差を補正してもよい。
制御対象の特性を計測し、制御対象の特性から調整パラメータを自動的に算出するのが好ましい。
この実施形態によると、制御対象の特性に基づく調整パラメータによって外乱補償の度合いを調整することが可能となる。
(5)上記(4)の実施形態では、前記モデルを用いて制御量の予測値を求めるステップと、目標値と現時刻の制御量との偏差を求めるステップと、前記制御量の予測値、前記調整パラメータを用いて補正された予測誤差、および、前記偏差に基づいて、操作量を求めるステップとを備えるのが好ましい。
目標値は、未来の目標値である参照軌道上の目標値としてもよい。
上記各ステップは、現時刻を始点とした予測区間について行い、サンプリング毎に、予測区間をずらすものである。
この実施形態によると、未来の制御量の予測値を求め、予測区間において予測値が、未来の目標値に出来るだけ近づくように操作量を決定して制御対象に与えるというMPCにおいて、外乱補償の度合いを調整することが可能となる。
(6)上記(3)〜(5)の実施形態では、前記制御対象の特性が、前記制御対象の時定数を含むのが好ましい。
制御対象の特性として、制御対象のむだ時間を含むものであってもよい。
サンプリング毎に、モデルを用いて上記の各ステップに対応する更新演算を繰り返し行うMPCでは、積分動作に相当する働きがあり、この積分動作相当の働きの強さは、モデルの時定数、すなわち、制御対象の時定数に依存する。
この実施形態によると、制御対象の時定数に応じて調整パラメータを算出して外乱補償の度合いを調整することができるので、モデル予測制御が有する積分動作相当の働きと、外乱補償機能とのバランスをとって、外乱に対する応答を調整することが可能となる。
(7)本発明のモデル予測制御装置は、制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御装置であって、前記外乱補償の度合いを調整する調整手段を備えている。
前記制御量を、例えば、温度とし、当該モデル予測制御装置を、制御対象の温度を制御する温度調節器としてもよい。
本発明のモデル予測制御装置によると、外乱補償の度合い、すなわち、外乱補償の強さを調整できるので、制御対象に応じて外乱補償の強さを調整することにより、外乱に対する応答を調整できることになり、これによって、オーバーシュートを抑制しながら、収束するまでの時間を早めるといったことが可能となる。
(8)本発明のモデル予測制御装置の一つの実施形態では、前記調整手段は、前記予測誤差を補正して前記外乱補償の度合いを調整するようにしてもよい。
この実施形態によると、外乱補償に用いる予測誤差を補正することによって、外乱補償の度合いを調整することが可能となる。
(9)上記(8)の実施形態では、前記調整手段は、前記制御対象の特性に基づいて、前記外乱補償の度合いを調整するための調整パラメータを算出する調整パラメータ算出部と、算出した調整パラメータを用いて前記予測誤差を補正する予測誤差補正部とを備えるようにしてもよい。
この実施形態によると、制御対象の特性に基づく調整パラメータを自動的に算出し、算出した調整パラメータによって外乱補償の度合いを調整することが可能となる。
(10)上記(9)の実施形態では、前記モデルを用いて制御量の予測値を求めるとともに、目標値と現時刻の制御量との偏差を求め、前記制御量の予測値、前記偏差、および、前記調整手段で補正された予測誤差に基づいて、操作量を求める予測制御手段を備えるのが好ましい。
この実施形態によると、未来の制御量の予測値を求め、予測区間において予測値が、未来の目標値に出来るだけ近づくように操作量を決定して制御対象に与えるというMPCにおいて、外乱補償の度合いを調整することが可能となる。
本発明によれば、外乱補償の度合い、すなわち、外乱補償の強さを調整できるので、制御対象に応じて外乱補償の強さを調整することにより、外乱に対する応答を調整できることになり、これによって、オーバーシュートを抑制しながら、収束するまでの時間を早めるといったことが可能となる。
以下、本発明の実施の形態を図面に基づいて説明する。
(実施の形態1)
図1は、本発明の一つの実施の形態に係るモデル予測制御装置の概略構成を示すブロック図である。
図1は、本発明の一つの実施の形態に係るモデル予測制御装置の概略構成を示すブロック図である。
この実施の形態のモデル予測制御装置1は、制御対象2のモデルを内部モデルとして有し、この内部モデルを用いて、設定値SPと制御対象2からの制御量PVとに基づいて、制御対象2に対して操作量MVを出力する予測制御手段としてのMPCコントローラ3と、このMPCコントローラ3によって外乱補償に用いるモデル予測誤差Cを後述のように推定する予測誤差推定手段4と、この予測誤差推定手段4からのモデル予測誤差Cを、調整パラメータαで補正してMPCコントローラ3に与えることによって、MPCコントローラ3による外乱補償の度合いを調整する調整手段5とを備えており、これらは、例えば、マイクロコンピュータによって構成されている。
この実施形態の調整手段5は、制御対象2の特性である時定数Tおよびむだ時間Lを計測して、調整パラメータαを自動的に算出する調整パラメータ算出部6と、モデル予測誤差Cを調整パラメータαで補正して予測補正値α・Cを算出する予測誤差補正部としての予測補正値算出部7とを備えている。
調整パラメータ算出部6は、制御量PVおよび操作量MVの時系列データに基づいて、制御対象2の時定数Tおよびむだ時間Lを算出し、更に、時定数Tおよびむだ時間Lに基づいて、後述のように調整パラメータαを自動算出する。
なお、他の実施形態として、MPCコントローラ3の内部モデルの情報を用いて、制御対象2の時定数Tおよびむだ時間Lを求めるようにしてもよい。
予測誤差推定手段4は、制御量PVおよびMPCコントローラ3の内部モデルの出力Yに基づいて、後述のようにモデル予測誤差を推定する。
MPCコントローラ3は、上述の図2に示すように、現時刻nにおいて制御量PV(n)を測定し、現時刻の制御量PV(n)を始点として設定値SPに徐々に近づく破線で示す参照軌道を計算する。ここでは、簡単のために、制御ホライズンHuは1とする。
次に内部モデルを用いて、予測ホライズンH後の制御量PVの予測値PV(n+H)が参照軌道に一致するように、現在の時刻nの操作量MV(n)を決定する。
得られた操作量MV(n)を実際に制御対象2に加え、次のサンプリング時刻n+1まではその値を保持する。
時刻n+1において制御量PV(n+1)が測定されれば、改めて時刻t+1を現時刻とみなし、未来の予測値と参照軌道とが、予測ホライズンH後に一致するように操作量を決定し、次のサンプリング時刻までその操作量を制御対象2に加える。以下、この手順を繰り返す。
次に、この実施形態のMPCコントローラ3における予測制御について、詳細に説明する。
このMPCコントローラ3は、上述のように内部モデルを用いて予測制御を行なうものであり、この実施形態では、内部モデルは、サンプリング時間で離散化した次式で表されるN次のARXモデルとしている。なお、制御対象のモデルは、ARXモデルに限らず、ステップ応答モデルやその他のモデルを用いてもよい。
Y(n) = a1*Y(n−1)+a2*Y(n−2)+ ・・・ +aN*Y(n−N)
+b1*U(n−1)+b2*U(n−2)+ ・・・+bM*U(n−M)
ここで、
Y(n):時刻nの内部モデル出力値
U(n):時刻nの操作量
a1〜aN,b1〜bM:内部モデルの係数
N,M:内部モデル次数
である。
Y(n) = a1*Y(n−1)+a2*Y(n−2)+ ・・・ +aN*Y(n−N)
+b1*U(n−1)+b2*U(n−2)+ ・・・+bM*U(n−M)
ここで、
Y(n):時刻nの内部モデル出力値
U(n):時刻nの操作量
a1〜aN,b1〜bM:内部モデルの係数
N,M:内部モデル次数
である。
なお、むだ時間を上記モデルに含ませることもできるけれども、この実施形態では、むだ時間は、内部モデルから切り離して、後述のように別に扱うようにしている。
このARXモデルの決定は、例えば、制御対象2に対する入出力の時系列データ、すなわち、操作量MVおよび制御量PVの時系列データを予め計測し、最小二乗法等を用いて行われる。このとき、上述の調整パラメータ算出部6では、制御対象2の特性である時定数Tおよびむだ時間Lを計測して、調整パラメータαを自動的に算出する。
この実施形態では、図2の破線で示される参照軌道として、現時刻nでの偏差を、時定数Trで指数関数的に0に近づける軌道を用いている。
すなわち、予測ホライズンH後の参照軌道上の目標値R(n+H)は、次式で求めることができる。
R(n+H)=SP(n+H)−λH *{SP(n)−PV(n)},
λ=exp(−Tc/Tr)
ここで、
PV(n):時刻nの制御量
SP(n),SP(n+H):時刻n,n+Hの目標値
R(n+H):予測ホライズンH先の参照軌道上の目標値
Tc:サンプリング時間
である。
R(n+H)=SP(n+H)−λH *{SP(n)−PV(n)},
λ=exp(−Tc/Tr)
ここで、
PV(n):時刻nの制御量
SP(n),SP(n+H):時刻n,n+Hの目標値
R(n+H):予測ホライズンH先の参照軌道上の目標値
Tc:サンプリング時間
である。
したがって、現時刻nにおける制御量PV(n)からの増分、すなわち、予測ホライズンH後に、制御量PVを、参照軌道上の目標値R(n+H)に一致させるために必要な制御量PVの増分(偏差)ΔP(n+H)は、
ΔP(n+H)=SP(n+H)−λH*{SP(n)−PV(n)}−PV(n)
=(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)
となる。
ΔP(n+H)=SP(n+H)−λH*{SP(n)−PV(n)}−PV(n)
=(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)
となる。
次に、操作量MVの計算について説明する。
線形の制御対象の場合、モデル出力の挙動は、次の2つの加算により求めることができる。
(1)自由応答
現在の状態を初期値として、未来の操作量MVとして0が継続する場合の、予測ホライズンH後のモデル出力Yf(n+H)を、上述のARXモデルの式から繰り返し計算により求める。
Yf(n+1)=a1*Y(n)+a2*Y(n−1)+ ・・・ +aN*Y(n−N+1)
Yf(n+2)=a1*Yf(n+1)+a2*Y(n)+・・・+aN*Y(n−N+2)
・・・・・
Yf(n+H)=a1*Yf(n+H−1)+a2*Yf(n+H−2)+ ・・・ +aN*Y(n−N+H )
(2)ステップ応答
初期状態を0として、MV=1(100%)のステップ応答における、時刻Hのモデル出力S(H)を求める。
S(1)=b1
S(2)=a1*S(1)+(b1+b2)
・・・・・
S(H)=a1*S(H−1)+a2*S(H−2)+ ・・・ +aN*S(H−N)+(b1+b2+ ・・・ +bM)
MV=1(100%)ではなく、一般にMV(n)とすると、時刻Hのステップ応答出力はMV(n)*S(H)となる。
現在の状態を初期値として、未来の操作量MVとして0が継続する場合の、予測ホライズンH後のモデル出力Yf(n+H)を、上述のARXモデルの式から繰り返し計算により求める。
Yf(n+1)=a1*Y(n)+a2*Y(n−1)+ ・・・ +aN*Y(n−N+1)
Yf(n+2)=a1*Yf(n+1)+a2*Y(n)+・・・+aN*Y(n−N+2)
・・・・・
Yf(n+H)=a1*Yf(n+H−1)+a2*Yf(n+H−2)+ ・・・ +aN*Y(n−N+H )
(2)ステップ応答
初期状態を0として、MV=1(100%)のステップ応答における、時刻Hのモデル出力S(H)を求める。
S(1)=b1
S(2)=a1*S(1)+(b1+b2)
・・・・・
S(H)=a1*S(H−1)+a2*S(H−2)+ ・・・ +aN*S(H−N)+(b1+b2+ ・・・ +bM)
MV=1(100%)ではなく、一般にMV(n)とすると、時刻Hのステップ応答出力はMV(n)*S(H)となる。
ここで、
MV(n):時刻nの操作量
Yf(n+H):予測ホライズンH後のモデルの自由応答出力
S(H):時刻Hのモデルのステップ応答出力
である。
MV(n):時刻nの操作量
Yf(n+H):予測ホライズンH後のモデルの自由応答出力
S(H):時刻Hのモデルのステップ応答出力
である。
前項より、時刻n以降、操作量MV(n)を継続した場合、時刻n+H時点のモデル出力(制御量の予測値)は次式となる。
Y(n+H)=Yf(n+H)+MV(n)*S(H)
Y(n)からの増分、すなわち、予測ホライズンH後に期待されるモデル出力の増分ΔM(n+H)は、
ΔM(n+H)=Yf(n+H)+MV(n)*S(H)−Y(n)
となる。
Y(n+H)=Yf(n+H)+MV(n)*S(H)
Y(n)からの増分、すなわち、予測ホライズンH後に期待されるモデル出力の増分ΔM(n+H)は、
ΔM(n+H)=Yf(n+H)+MV(n)*S(H)−Y(n)
となる。
通常は、外乱補償を行わないので、予測ホライズンH後に期待されるモデル出力の増分ΔM(n+H)が、制御量PVを予測ホライズンH後に参照軌道上の目標値とするための上述の制御量PVの増分ΔP(n+H)と等しくなるように操作量MVを求めればよい。
すなわち、ΔM(n+H)=ΔP(n+H)となる操作量MVを求めればよい。
しかしながら、この実施形態では、時点n〜n+H間のモデル予測誤差の変化量の推定値CH(n)を、後述のようにして求め、このモデル予測誤差の推定値CH(n)を用いて外乱補償を実施している。すなわち、
ΔM(n+H)+CH(n)=ΔP(n+H)より、
Yf(n+H)+MV(n)*S(H)−Y(n)+CH(n)=(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)
MV(n)について解くと、
MV(n)=[(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)−Yf(n+H)+Y(n)−CH(n)]/S(H)
この実施形態では、上述のように、むだ時間を内部モデルに含めていないので、前項のMVの算出式を、むだ時間dを考慮したものに修正する必要がある。
ΔM(n+H)+CH(n)=ΔP(n+H)より、
Yf(n+H)+MV(n)*S(H)−Y(n)+CH(n)=(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)
MV(n)について解くと、
MV(n)=[(1−λH){SP(n)−PV(n)}+SP(n+H)−SP(n)−Yf(n+H)+Y(n)−CH(n)]/S(H)
この実施形態では、上述のように、むだ時間を内部モデルに含めていないので、前項のMVの算出式を、むだ時間dを考慮したものに修正する必要がある。
そこで、この実施形態では、実際のプロセスデータについて、時刻nの代わりに時刻n+dのデータを使用するようにしている。
MV(n)=[(1−λH){SP(n+d)−PV(n+d)}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−CH(n)]/S(H)
ここで、PV(n+d)の予測値が必要となり、合理的な近似として通常は次の計算式で求める。
PV(n+d)=PV(n)+Y(n)−Y(n−d)
ここでも、時点n〜n+d間のモデル予測誤差の変化量の推定値Cd(n)を後述のようにして求めることにより、外乱補償を行えるようにしている。
PV(n+d)=PV(n)+Y(n)−Y(n−d)+Cd(n)より
MV(n)=[(1−λH){SP(n+d)−(PV(n)+Y(n)−Y(n−d)+Cd(n))}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−CH(n)]/S(H)
ここで、
Cd(n):時点nからd間のモデル予測誤差変化量の推定値
CH(n):時点n+dからH間のモデル予測誤差変化量の推定値
である。
MV(n)=[(1−λH){SP(n+d)−PV(n+d)}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−CH(n)]/S(H)
ここで、PV(n+d)の予測値が必要となり、合理的な近似として通常は次の計算式で求める。
PV(n+d)=PV(n)+Y(n)−Y(n−d)
ここでも、時点n〜n+d間のモデル予測誤差の変化量の推定値Cd(n)を後述のようにして求めることにより、外乱補償を行えるようにしている。
PV(n+d)=PV(n)+Y(n)−Y(n−d)+Cd(n)より
MV(n)=[(1−λH){SP(n+d)−(PV(n)+Y(n)−Y(n−d)+Cd(n))}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−CH(n)]/S(H)
ここで、
Cd(n):時点nからd間のモデル予測誤差変化量の推定値
CH(n):時点n+dからH間のモデル予測誤差変化量の推定値
である。
この実施形態では、この2つのモデル予測誤差変化量推定値を、つぎようにして算出している。
最新のモデル予測誤差の1サンプリングあたりの変化量ΔEmp(n)を次式で求める。
ΔEmp(n)={Y(n−d)−PV(n)}−{Y(n−d−1)−PV(n−1)}
この変化割合がその後も継続すると仮定すると、CH(n)とCd(n)はそれぞれ下記の式で求まる。
Cd(n)=d*ΔEmp(n)
CH(n)=H*ΔEmp(n)
これは、最新のモデル予測誤差変化量から、一次近似式で、将来のモデル予測誤差変化量を推定するという最も単純なものである。当然、二次以上の高次の近似式を使うことも考えられる。また、変化量を推定するという性質上、PVの測定ノイズの影響を受け易いので、ΔEmp(n)の算出式にフィルタ演算を加えるといった工夫も有効である。
この変化割合がその後も継続すると仮定すると、CH(n)とCd(n)はそれぞれ下記の式で求まる。
Cd(n)=d*ΔEmp(n)
CH(n)=H*ΔEmp(n)
これは、最新のモデル予測誤差変化量から、一次近似式で、将来のモデル予測誤差変化量を推定するという最も単純なものである。当然、二次以上の高次の近似式を使うことも考えられる。また、変化量を推定するという性質上、PVの測定ノイズの影響を受け易いので、ΔEmp(n)の算出式にフィルタ演算を加えるといった工夫も有効である。
なお、時刻nの操作量MV(n)を計算後、次回計算のために、次のモデル出力Y(n+1)を求めておく。
Y(n+1)=a1*Y(n)+a2*Y(n−1)+ ・・・ +aN*Y(n−N+1)
+b1*MV(n)+b2*MV(n−1) + ・・・ +bM*MV(n−M+1)
但し、MV(n)は操作量リミット処理後の値を使用する。
Y(n+1)=a1*Y(n)+a2*Y(n−1)+ ・・・ +aN*Y(n−N+1)
+b1*MV(n)+b2*MV(n−1) + ・・・ +bM*MV(n−M+1)
但し、MV(n)は操作量リミット処理後の値を使用する。
この実施形態では、以上のようにしてMPCにおいて、外乱補償を行うのであるが、外乱に対する応答性能を調整できるようにするために、外乱補償の度合いを調整するための調整パラメータαを導入し、上述の図1の調整手段5の調整パラメータ算出部6によって、制御対象2の特性から適切な調整パラメータαの値を自動算出するようにしている。
すなわち、上述のMVの算出式に対して、外乱補償の強さを調整する調整パラメータαを導入し、MVの算出式を次式としている。
MV(n)=[(1−λH){SP(n+d)−(PV(n)+Y(n)−Y(n−d)+α・Cd(n))}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−α・CH(n)]/S(H)
0 ≦ α≦ 1
この実施形態では、調整パラメータαは、時点nからd間のモデル予測誤差変化量の推定値Cd(n)と、時点n+dからH間のモデル予測誤差変化量の推定値CH(n)とで共通としているけれども、本発明の他の実施形態として、異なる値としてもよい。
すなわち、上述のMVの算出式に対して、外乱補償の強さを調整する調整パラメータαを導入し、MVの算出式を次式としている。
MV(n)=[(1−λH){SP(n+d)−(PV(n)+Y(n)−Y(n−d)+α・Cd(n))}+SP(n+H+d)−SP(n+d)−Yf(n+H)+Y(n)−α・CH(n)]/S(H)
0 ≦ α≦ 1
この実施形態では、調整パラメータαは、時点nからd間のモデル予測誤差変化量の推定値Cd(n)と、時点n+dからH間のモデル予測誤差変化量の推定値CH(n)とで共通としているけれども、本発明の他の実施形態として、異なる値としてもよい。
また、この実施形態では、調整パラメータαを、制御対象2の特性である時定数Tとむだ時間Lとを含む関数として自動決定するようにしている。
α=f(T,L)
MPCにおいては、内部モデル値の更新動作が積分動作と同等の働きをし、この積分動作相当の働きの強さは、内部モデルの更新動作が、コントローラからの操作量MVを内部モデルの入力としてモデルの出力値を更新するので、内部モデルの時定数に依存する、すなわち、制御対象の時定数Tに依存することになる。
MPCにおいては、内部モデル値の更新動作が積分動作と同等の働きをし、この積分動作相当の働きの強さは、内部モデルの更新動作が、コントローラからの操作量MVを内部モデルの入力としてモデルの出力値を更新するので、内部モデルの時定数に依存する、すなわち、制御対象の時定数Tに依存することになる。
ここで、MPCにおける内部モデル値の更新動作が積分動作と同等の働きをすることについて説明する。
簡単のために、内部モデルを1次遅れ(むだ時間なし)とする。
Y(n)=a*Y(n−1)+b*U(n−1)
上述の自由応答とステップ応答とはそれぞれ、次のようになる。
上述の自由応答とステップ応答とはそれぞれ、次のようになる。
(1)自由応答
Yf(n+1)=a*Y(n)
Yf(n+2)=a*Yf(n+1)=a2*Y(n)
・・・・・
Yf(n+H)=aH*Y(n)
(2)ステップ応答
S(1)=b
S(2)=a*S(1)+b=b(a+1)
・・・・・
S(H)=a*S(H−1)+b=b(aH−1+aH−2+ ・・・ +a+1)
内部モデルの定常ゲインをKとすると、b=K(1−a)であるので、
S(H)=K(1−a) (aH−1+aH−2+ ・・・ +a+1)=K(1−aH)
MV=1(100%)ではなく、一般にMV(n)とすると、時刻Hのステップ応答出力はMV(n)*S(H)=MV(n)*K(1−aH) となる。
Yf(n+1)=a*Y(n)
Yf(n+2)=a*Yf(n+1)=a2*Y(n)
・・・・・
Yf(n+H)=aH*Y(n)
(2)ステップ応答
S(1)=b
S(2)=a*S(1)+b=b(a+1)
・・・・・
S(H)=a*S(H−1)+b=b(aH−1+aH−2+ ・・・ +a+1)
内部モデルの定常ゲインをKとすると、b=K(1−a)であるので、
S(H)=K(1−a) (aH−1+aH−2+ ・・・ +a+1)=K(1−aH)
MV=1(100%)ではなく、一般にMV(n)とすると、時刻Hのステップ応答出力はMV(n)*S(H)=MV(n)*K(1−aH) となる。
また、操作量MVの計算における、上述のΔM(n+H)=ΔP(n+H)の関係式は以下となる。
ここでは外乱補償は考えない。またSPが一定であるとする。
ΔM(n+H)=ΔP(n+H) より、
Yf(n+H)+MV(n)*S(H)−Y(n)=(1−λH){SP(n)−PV(n)}
aH*Y(n)+MV(n)*K(1−aH)−Y(n)=(1−λH){SP(n)− PV(n)}
(1−aH)*{MV(n)*K−Y(n)}=(1−λH){SP(n)−PV(n)}
積分動作の役目である、定常状態でのオフセットなし、つまり、
SP(n)=PV(n)が成立するためには、(1−aH)と(1−λH)が共に0でないので、MV(n)*K=Y(n)が成立すれば良い。
ΔM(n+H)=ΔP(n+H) より、
Yf(n+H)+MV(n)*S(H)−Y(n)=(1−λH){SP(n)−PV(n)}
aH*Y(n)+MV(n)*K(1−aH)−Y(n)=(1−λH){SP(n)− PV(n)}
(1−aH)*{MV(n)*K−Y(n)}=(1−λH){SP(n)−PV(n)}
積分動作の役目である、定常状態でのオフセットなし、つまり、
SP(n)=PV(n)が成立するためには、(1−aH)と(1−λH)が共に0でないので、MV(n)*K=Y(n)が成立すれば良い。
Y(n)は、毎回の計算において、MV(n)を入力として計算される内部モデルの出力値であり、定常状態では、MV(n)に定常ゲインを乗じた値に収束するので、定常状態では、MV(n)*K=Y(n)が成立する。
以上より、MPCにおいては、内部モデルの更新処理が定常状態でのオフセットなしという積分動作相当の役目を担っている。したがって、その動作の強さは内部モデルの時定数、すなわち、制御対象の時定数に依存することが分る。
一方、PID制御の積分時間は、制御対象のむだ時間Lの定数倍として算出する方法(Zeigler-Nichols法)が主流である。
そこで、この実施形態では、PID制御の場合を参考にし、制御対象の時定数Tとむだ時間Lの関数として、外乱補償の強さを調整する調整パラメータαの適切な値を自動的に算出するものである。
すなわち、例えば、L/Tが小さい場合には、MPCの積分時間がPID制御の積分時間に比べて大きくなり、MPCは、PID制御に比べて積分動作が弱いので、外乱補償を強くする。
逆に、L/Tが大きい場合には、MPCの積分時間がPID制御の積分時間に比べて小さくなり、MPCはPID制御に比べて積分動作が弱いということはなくなるので、外乱補償を弱くする。
この実施の形態では、例えば、図3に示すようにL/T=0で調整パラメータα=1として外乱補償を最大にし、L/Tが大きくなるにつれて調整パラメータαを小さくして外乱補償を弱め、L/Tが、定数β以上、例えば、1/2以上で調整パラメータα=0、すなわち、外乱補償無しとしている。
このように調整パラメータ算出部6では、制御対象2のむだ時間Lと時定数Tとの比L/Tから調整パラメータαを自動的に算出し、この調整パラメータαを、モデル予測誤差に乗じた値を用いて、MPCコントローラ3では、外乱補償を行うようにしている。
図4は、この実施の形態のモデル予測制御方法の処理手順の概略を示すフローチャートである。
先ず、制御対象2を同定して内部モデルを決定し(ステップn1)、同定の際に得られる制御対象2の時定数Tおよびむだ時間Lに基づいて、上述のように外乱補償の度合いを調整する調整パラメータαを決定し(ステップn2)、この調整パラメータαを用いて外乱補償付の操作量MVの算出式を用いて操作量MVを算出し(ステップn3)、内部モデルの値を更新してステップn3に戻り(ステップn4)、サンプリング毎に、ステップn3,n4を実行する。
図5は、この実施の形態の制御特性の改善のイメージを示す図であり、矢符で示される外乱印加時点から一定の外乱を継続的に印加した場合の制御特性を示している。同図において、実線は、調整パラメータα=0、すなわち、外乱補償無しの場合の特性を示し、仮想線は、調整パラメータαを調整した場合の特性を示し、破線は、調整パラメータα=1、すなわち、外乱補償を最も強くした場合の特性を示している。
この図5から分るにように、調整パラメータαによって、オーバーシュートを抑制しつつ、外乱補償無しの場合に比べて収束するまでの時間が早くなっていることが分かる。
図6は、この実施の形態のシミュレーション結果を示すものであり、制御対象を1.73e−2s/(1+10s)(1+2s)とし、内部モデルを1.73e−2.1s/(1+11s)(1+2.1s)とし、図の横軸の時刻500以降、制御対象入力に一定の外乱を継続的に印加した場合を示している。
同図において、(a)は調整パラメータα=0.0、すなわち、外乱補償無しの場合の特性を示し、(b)は調整パラメータα=0.6の場合の外乱補償の特性を示し、(c)は調整パラメータα=1.0の場合の外乱補償の特性を示している。
この図6に示すように、調整パラメータαを、0.0から1.0の範囲で調整することにより、外乱に対する応答特性を、図6(a)の特性から図6(c)の特性まで調整することができる。
上述の実施形態では、調整パラメータαを、制御対象の時定数Tおよびむだ時間Lに基づいて算出したけれども、本発明の他の実施の形態として、調整パラメータαを、時定数Tのみに基づいて算出してもよい。
例えば、図7に示すように、時定数Tが或る値Tbより大きいときは、積分相当の動作が弱いために、外乱補償が最大限必要である。
逆に時定数Tが或る値Taより小さいときは、積分相当の動作は強いので、外乱補償が不要である。
以上の考え方より、
α= (T−Ta)/(Tb−Ta), 0≦α≦1
としてもよい。
α= (T−Ta)/(Tb−Ta), 0≦α≦1
としてもよい。
上述の実施の形態では、調整パラメータαを自動的に算出して外乱補償の強さを調整したけれども、本発明の他の実施形態として、ユーザが、手動で外乱補償の強さを調整するようにしてもよい。
本発明は、制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御に適用できるものであり、例えば、スミスのむだ時間補償制御のように、内部モデルを利用して、むだ時間後のPVを予測して、予測したPVに対してPID動作を実行するPID制御にも適用できるものである。
本発明は、モデルを用いた予測制御に有用である。
1 モデル予測制御装置
2 制御対象
3 MPCコントローラ
4 予測誤差推定手段
5 調整手段
6 調整パラメータ算出部
7 予測補正値算出部
2 制御対象
3 MPCコントローラ
4 予測誤差推定手段
5 調整手段
6 調整パラメータ算出部
7 予測補正値算出部
Claims (10)
- 制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御方法であって、
前記外乱補償の度合いを調整可能としたことを特徴とするモデル予測制御方法。 - 前記予測誤差を補正して前記外乱補償の度合いを調整する請求項1に記載のモデル予測制御方法。
- 前記制御対象の特性に応じて、前記予測誤差を補正する請求項2に記載のモデル予測制御方法。
- 前記制御対象の特性に基づいて、前記外乱補償の度合いを調整するための調整パラメータを算出し、算出した調整パラメータを用いて前記予測誤差を補正する請求項3に記載のモデル予測制御方法。
- 前記モデルを用いて制御量の予測値を求めるステップと、
目標値と現時刻の制御量との偏差を求めるステップと、
前記制御量の予測値、前記調整パラメータを用いて補正された予測誤差、および、前記偏差に基づいて、操作量を求めるステップとを備える請求項4に記載のモデル予測制御方法。 - 前記制御対象の特性が、前記制御対象の時定数を含む請求項3〜5のいずれか一項に記載のモデル予測制御方法。
- 制御対象のモデルを用いて制御量を予測するとともに、予測誤差を推定して外乱補償を行うモデル予測制御装置であって、
前記外乱補償の度合いを調整する調整手段を備えることを特徴とするモデル予測制御装置。 - 前記調整手段は、前記予測誤差を補正して前記外乱補償の度合いを調整する請求項7に記載のモデル予測制御装置。
- 前記調整手段は、前記制御対象の特性に基づいて、前記外乱補償の度合いを調整するための調整パラメータを算出する調整パラメータ算出部と、算出した調整パラメータを用いて前記予測誤差を補正する予測誤差補正部とを備える請求項8に記載のモデル予測制御装置。
- 前記モデルを用いて制御量の予測値を求めるとともに、目標値と現時刻の制御量との偏差を求め、前記制御量の予測値、前記偏差、および、前記調整手段で補正された予測誤差に基づいて、操作量を求める予測制御手段を備える請求項9に記載のモデル予測制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008020418A JP2009181392A (ja) | 2008-01-31 | 2008-01-31 | モデル予測制御方法およびモデル予測制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008020418A JP2009181392A (ja) | 2008-01-31 | 2008-01-31 | モデル予測制御方法およびモデル予測制御装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009181392A true JP2009181392A (ja) | 2009-08-13 |
Family
ID=41035321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008020418A Pending JP2009181392A (ja) | 2008-01-31 | 2008-01-31 | モデル予測制御方法およびモデル予測制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009181392A (ja) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419551A (zh) * | 2011-11-22 | 2012-04-18 | 浙江大学 | 一种误差容忍限机制下的焦化加热炉炉膛压力控制方法 |
CN102591207A (zh) * | 2012-03-01 | 2012-07-18 | 北京航空航天大学 | 一种基于干扰观测器的柔性关节机械臂的滑模控制方法 |
CN102985884A (zh) * | 2010-04-19 | 2013-03-20 | Abb研究有限公司 | 用于更新模型预测控制器中模型的方法和系统 |
CN103048923A (zh) * | 2013-01-17 | 2013-04-17 | 浙江大学 | 用于工业水槽液位串级预测控制系统的一致性约束方法 |
CN103389746A (zh) * | 2013-07-19 | 2013-11-13 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛压力控制方法 |
CN103760772A (zh) * | 2014-01-22 | 2014-04-30 | 杭州电子科技大学 | 状态空间预测函数控制优化的批次过程pi-pd控制方法 |
CN104035337A (zh) * | 2014-06-12 | 2014-09-10 | 国电科学技术研究院 | 一种基于奇异摄动理论的柔性机械臂滑模控制设计方法 |
CN105204333A (zh) * | 2015-08-26 | 2015-12-30 | 东北大学 | 一种提高钢铁企业能源利用率的能耗预测方法 |
CN105607481A (zh) * | 2016-01-25 | 2016-05-25 | 王嫣俐 | 一种聚乙烯反应过程温度的控制方法 |
CN110134135A (zh) * | 2019-05-27 | 2019-08-16 | 郑州轻工业学院 | 基于改进mpc-pid的四旋翼飞行器控制方法 |
JP2019139590A (ja) * | 2018-02-13 | 2019-08-22 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
JP2019145098A (ja) * | 2018-02-19 | 2019-08-29 | 富士電機株式会社 | 制御装置、制御方法及びプログラム |
JP2019208352A (ja) * | 2018-05-23 | 2019-12-05 | 株式会社神戸製鋼所 | 電動機駆動制御装置および該方法ならびに電動機駆動制御システム |
JP2020027482A (ja) * | 2018-08-13 | 2020-02-20 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
WO2020124938A1 (zh) * | 2018-12-21 | 2020-06-25 | 南京埃斯顿机器人工程有限公司 | 柔性关节机械臂分数阶滑模优化控制方法 |
WO2020228310A1 (zh) * | 2019-10-17 | 2020-11-19 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
CN113359441A (zh) * | 2021-05-26 | 2021-09-07 | 东南大学溧阳研究院 | 基于不确定性补偿的燃烧室热声震荡模型预测控制方法 |
CN113625547A (zh) * | 2021-08-11 | 2021-11-09 | 宁波宇洲液压设备有限公司 | 一种控制器的主阀位置控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0535309A (ja) * | 1991-07-30 | 1993-02-12 | Toshiba Corp | モデル予測制御装置 |
JP2006268566A (ja) * | 2005-03-24 | 2006-10-05 | Takagi Ind Co Ltd | 予測制御装置、予測制御方法、予測制御プログラム及び記憶媒体 |
-
2008
- 2008-01-31 JP JP2008020418A patent/JP2009181392A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0535309A (ja) * | 1991-07-30 | 1993-02-12 | Toshiba Corp | モデル予測制御装置 |
JP2006268566A (ja) * | 2005-03-24 | 2006-10-05 | Takagi Ind Co Ltd | 予測制御装置、予測制御方法、予測制御プログラム及び記憶媒体 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102985884A (zh) * | 2010-04-19 | 2013-03-20 | Abb研究有限公司 | 用于更新模型预测控制器中模型的方法和系统 |
CN102419551B (zh) * | 2011-11-22 | 2014-05-21 | 浙江大学 | 一种误差容忍限机制下的焦化加热炉炉膛压力控制方法 |
CN102419551A (zh) * | 2011-11-22 | 2012-04-18 | 浙江大学 | 一种误差容忍限机制下的焦化加热炉炉膛压力控制方法 |
CN102591207A (zh) * | 2012-03-01 | 2012-07-18 | 北京航空航天大学 | 一种基于干扰观测器的柔性关节机械臂的滑模控制方法 |
CN103048923A (zh) * | 2013-01-17 | 2013-04-17 | 浙江大学 | 用于工业水槽液位串级预测控制系统的一致性约束方法 |
CN103389746A (zh) * | 2013-07-19 | 2013-11-13 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛压力控制方法 |
CN103389746B (zh) * | 2013-07-19 | 2016-04-13 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛压力控制方法 |
CN103760772A (zh) * | 2014-01-22 | 2014-04-30 | 杭州电子科技大学 | 状态空间预测函数控制优化的批次过程pi-pd控制方法 |
CN104035337B (zh) * | 2014-06-12 | 2016-08-17 | 国电科学技术研究院 | 一种基于奇异摄动理论的柔性机械臂滑模控制设计方法 |
CN104035337A (zh) * | 2014-06-12 | 2014-09-10 | 国电科学技术研究院 | 一种基于奇异摄动理论的柔性机械臂滑模控制设计方法 |
CN105204333A (zh) * | 2015-08-26 | 2015-12-30 | 东北大学 | 一种提高钢铁企业能源利用率的能耗预测方法 |
CN105607481A (zh) * | 2016-01-25 | 2016-05-25 | 王嫣俐 | 一种聚乙烯反应过程温度的控制方法 |
JP2019139590A (ja) * | 2018-02-13 | 2019-08-22 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
JP7283095B2 (ja) | 2018-02-19 | 2023-05-30 | 富士電機株式会社 | 制御装置、制御方法及びプログラム |
JP2019145098A (ja) * | 2018-02-19 | 2019-08-29 | 富士電機株式会社 | 制御装置、制御方法及びプログラム |
JP2019208352A (ja) * | 2018-05-23 | 2019-12-05 | 株式会社神戸製鋼所 | 電動機駆動制御装置および該方法ならびに電動機駆動制御システム |
JP7130595B2 (ja) | 2018-05-23 | 2022-09-05 | 株式会社神戸製鋼所 | 電動機駆動制御装置および該方法ならびに電動機駆動制御システム |
JP2020027482A (ja) * | 2018-08-13 | 2020-02-20 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
WO2020036086A1 (ja) * | 2018-08-13 | 2020-02-20 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
JP7119748B2 (ja) | 2018-08-13 | 2022-08-17 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
WO2020124938A1 (zh) * | 2018-12-21 | 2020-06-25 | 南京埃斯顿机器人工程有限公司 | 柔性关节机械臂分数阶滑模优化控制方法 |
CN110134135B (zh) * | 2019-05-27 | 2022-03-18 | 郑州轻工业学院 | 基于改进mpc-pid的四旋翼飞行器控制方法 |
CN110134135A (zh) * | 2019-05-27 | 2019-08-16 | 郑州轻工业学院 | 基于改进mpc-pid的四旋翼飞行器控制方法 |
WO2020228310A1 (zh) * | 2019-10-17 | 2020-11-19 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
CN113359441A (zh) * | 2021-05-26 | 2021-09-07 | 东南大学溧阳研究院 | 基于不确定性补偿的燃烧室热声震荡模型预测控制方法 |
CN113625547A (zh) * | 2021-08-11 | 2021-11-09 | 宁波宇洲液压设备有限公司 | 一种控制器的主阀位置控制方法 |
CN113625547B (zh) * | 2021-08-11 | 2023-08-08 | 宁波宇洲液压设备有限公司 | 一种控制器的主阀位置控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2009181392A (ja) | モデル予測制御方法およびモデル予測制御装置 | |
Normey-Rico et al. | Dead-time compensators: A survey | |
KR101516924B1 (ko) | 적응 제어 장치 및 적응 제어 방법 및 사출 성형기의 제어 장치 및 제어 방법 | |
US8972075B2 (en) | Method for controlling the temperature of a glow plug | |
WO2016195117A1 (en) | Method and system for controlling operation of machine | |
JP4825960B2 (ja) | 制御装置、制御パラメータの調整装置、制御パラメータの調整方法 | |
WO2016092872A1 (ja) | 制御装置、そのプログラム、プラント制御方法 | |
JP3864781B2 (ja) | 温度調節器 | |
JP4112561B2 (ja) | 予測制御装置、予測制御方法、予測制御プログラム及び記憶媒体 | |
KR20200063338A (ko) | 학습을 통한 파라미터 개선 기반의 예측 시스템 및 방법 | |
JP6985623B2 (ja) | 制御系設計装置及び制御システム | |
JP2954660B2 (ja) | モデル予測制御装置 | |
JP2009193192A (ja) | モデル予測制御方法およびモデル予測制御装置 | |
JP5321165B2 (ja) | フィードフォワード量推定装置および制御装置 | |
JP6269678B2 (ja) | ファジイ制御装置及びファジイ制御方法 | |
JP6222234B2 (ja) | 制御装置及び制御方法 | |
JP4272229B2 (ja) | プロセス制御装置 | |
JP2007264720A (ja) | 状態判定装置および状態判定方法 | |
JP5865138B2 (ja) | 制御パラメータの決定方法及び装置 | |
JP6733094B2 (ja) | 制御装置 | |
JP2003166438A (ja) | 内燃機関の空燃比制御装置 | |
JP5951321B2 (ja) | 電子制御装置 | |
JPH1153005A (ja) | 制御系におけるモデルパラメータの学習方法 | |
CN116576662A (zh) | 马弗炉温度复合控制方法及设备 | |
JP7129160B2 (ja) | 制御装置、圧力試験装置及び制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20101105 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120509 |
|
A131 | Notification of reasons for refusal |
Effective date: 20120515 Free format text: JAPANESE INTERMEDIATE CODE: A131 |
|
A02 | Decision of refusal |
Effective date: 20120918 Free format text: JAPANESE INTERMEDIATE CODE: A02 |