JP2012181715A - System identification device and identification method - Google Patents
System identification device and identification method Download PDFInfo
- Publication number
- JP2012181715A JP2012181715A JP2011044684A JP2011044684A JP2012181715A JP 2012181715 A JP2012181715 A JP 2012181715A JP 2011044684 A JP2011044684 A JP 2011044684A JP 2011044684 A JP2011044684 A JP 2011044684A JP 2012181715 A JP2012181715 A JP 2012181715A
- Authority
- JP
- Japan
- Prior art keywords
- dynamic characteristic
- identification
- plant
- response data
- change
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 99
- 230000004044 response Effects 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 42
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 17
- 230000010354 integration Effects 0.000 claims 2
- 241000255777 Lepidoptera Species 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000012546 transfer Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000005457 optimization Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
本発明は、制御対象の動特性モデルに基づいて制御をおこなう制御装置において、制御対象の動特性を同定する技術に関する。 The present invention relates to a technique for identifying a dynamic characteristic of a controlled object in a control device that performs control based on a dynamic characteristic model of the controlled object.
ほとんどの制御系設計は、制御対象（プラント）のモデルに基づいておこなわれる。制御系の性能を高く維持するためには、操業条件やプロセス特性の変化などによって生じるプラントと設計時に用いたモデル（ノミナルモデル）のミスマッチを検出し、的確に対応する必要がある。特にこれはプラントのモデルに基づく制御であるモデル予測制御において顕著である。しかし、大規模なモデル予測制御系では、プラント操業運転を停止する特別な閉ループでの同定期間を設けるモデル再同定に多大な労力が必要となる。そこで、プラント操業運転を停止することなく日常の閉ループでの運転データからプラントとそのノミナルモデルのミスマッチ分を同定できることが望ましい。 Most control system designs are performed based on a model of a controlled object (plant). In order to maintain high control system performance, it is necessary to detect a mismatch between the plant (nominal model) used at the time of design and the model used due to changes in operating conditions and process characteristics, and respond appropriately. This is particularly noticeable in model predictive control, which is control based on a plant model. However, in a large-scale model predictive control system, a great deal of labor is required for model re-identification that provides a special closed-loop identification period during which plant operation is stopped. Therefore, it is desirable to be able to identify the mismatch between the plant and its nominal model from daily closed-loop operation data without stopping the plant operation.
下記に示す特許文献１では、プロセスの特性状態に応じた適確な離散値プロセス制御装置について開示している。特性変化検出部では予測モデル誤差をオンラインで逐次求めて特性変化を検出している。 Patent Document 1 shown below discloses an accurate discrete value process control device according to the characteristic state of a process. The characteristic change detection unit detects characteristic changes by sequentially obtaining prediction model errors online.
また下記に示す非特許文献1では、多入力多出力のモデル予測制御系において、日常の運転データから重大なミスマッチが存在するサブモデル（何番目の入力から何番目の出力への伝達特性、即ち、どのサブモデルに重大なミスマッチが存在するか）を特定することを目的としている。モデル誤差を説明するという点で統計的に有意な過去の入力変数をステップワイズ法を用いて選択し、その選択された変数の数に着目し、あるサブモデルについて多くの変数が選択された場合、そのサブモデルは重大なミスマッチを持つとオフライン計算により判定する。 Further, in Non-Patent Document 1 shown below, in a multi-input / multi-output model predictive control system, a sub-model in which a serious mismatch exists from daily operation data (transfer characteristic from what input to what output, ie, , Which submodels have significant mismatches). When past variables that are statistically significant in terms of explaining the model error are selected using the stepwise method, focusing on the number of selected variables and many variables are selected for a submodel The submodel is determined to have a serious mismatch by off-line calculation.
しかしながら、上記非特許文献１の方法は、日常の運転データから重大なミスマッチが存在するサブモデル（何番目の入力から何番目の出力への伝達特性であるサブモデルに重大なミスマッチが存在するか）を定性的に特定するものであり、伝達特性のどのパラメータにどれだけのミスマッチがあるかを定量的に知ることはできない。パラメータのミスマッチ分を定量的に知るためには、ミスマッチがあると判定されたサブモデルに対して、閉ループでのステップ応答試験を改めて行うなどの再同定の実施が必要である。また、上記非特許文献１の方法は、任意に切り出したデータに対してオフラインで実施するものであり、動特性変化検出の方法は自動化されていない。 However, the method of Non-Patent Document 1 described above is a submodel in which a serious mismatch exists from daily operation data (a submodel that is a transfer characteristic from what number input to what number output). ) Is qualitatively specified, and it is impossible to quantitatively know how many mismatches exist in which parameter of the transfer characteristic. In order to quantitatively know the parameter mismatch, it is necessary to perform re-identification such as performing a closed-loop step response test on the submodel determined to have a mismatch. The method of Non-Patent Document 1 is performed offline on arbitrarily cut data, and the dynamic characteristic change detection method is not automated.
また上記特許文献１に開示されている特性変化検出部では、予測モデル誤差をオンラインで逐次求めて特性変化を検出しているため、常に計算負荷が大きい。また、モデルを離散系としているので、伝達特性がパルス伝達関数に限定されるとともに、離散系のモデルパラメータは物理的意味を把握しにくいため、オペレータにとって扱いづらい。加えて、制御対象は単入力単出力系に限定されている。 In addition, the characteristic change detection unit disclosed in Patent Document 1 constantly calculates a prediction model error online to detect characteristic changes, so that the calculation load is always large. In addition, since the model is a discrete system, the transfer characteristics are limited to the pulse transfer function, and the model parameters of the discrete system are difficult to grasp because the physical meaning is difficult to grasp. In addition, the controlled object is limited to a single input single output system.
本発明は、上述した従来技術による課題を解消するためになされたものであり、プラント操業運転を停止することなく日常の閉ループでの運転データから多入力多出力系も含めたプラントの動特性変化を、オペレータにわかりやすいモデルパラメータを用いて、定量的に、日常の制御計算に影響を与えない低計算負荷で同定し、必要に応じて表示したり動特性変化履歴を記録するシステム同定装置及び同定方法を提供することを目的とする。 The present invention has been made in order to solve the above-described problems caused by the prior art, and changes in dynamic characteristics of a plant including a multi-input multi-output system from daily closed-loop operation data without stopping the plant operation operation. System identification device and identification that uses a model parameter that is easy for the operator to understand, quantitatively with a low computational load that does not affect daily control calculations, and displays the dynamic characteristic change history as necessary It aims to provide a method.
これらの課題を解決するために本発明は、プラントのモデルに基づいて制御をおこなう制御装置に用いられるシステム同定装置において、制御対象のプラントの現在から一定期間過去までの運転データを記憶する応答データ記憶手段と、応答データに動特性変化同定に利用する動揺が発生した場合に、それを同定処理駆動イベントとして検出する同定処理駆動イベント検出手段と、前記同定処理駆動イベント前後の特定区間の応答データを切り出して収集する応答データ切り出し手段と、切り出した応答データを利用してモデルの動特性変化分を同定する動特性変化同定手段と、同定された動特性変化分が与えられた動特性変化検出条件を満たすかどうかを判定し、該条件を満たす場合には同定処理駆動イベントの検出と同定結果の履歴の記録指示および又は表示出力を指示する動特性変化検出手段とを備え、前記検出した同定処理駆動イベントを契機に前記動特性変化同定手段が同定処理を開始するよう構成したものである。 In order to solve these problems, the present invention is a system identification device used in a control device that performs control based on a model of a plant, and is response data that stores operation data from the present to the past for a certain period of time for the plant to be controlled. Storage means, identification processing drive event detection means for detecting an oscillation used for identification of dynamic characteristic changes in response data as an identification process drive event, and response data in a specific section before and after the identification process drive event Response data cutout means that cuts out and collects, dynamic characteristic change identification means that identifies the change in the dynamic characteristic of the model using the cut out response data, and dynamic characteristic change detection that is given the identified dynamic characteristic change It is determined whether the condition is satisfied, and if the condition is satisfied, the identification process drive event is detected and the history of the identification result is recorded. And a dynamic characteristic change detecting means for instructing instructions and or display output, in which the dynamic characteristic change identifying means in response to said detected identification process driving event configured to start the identification process.
従来の非特許文献１記載の方法では、日常の運転データから重大なミスマッチが存在するサブモデルを定性的に特定できるが、伝達特性のどのパラメータにどれだけのミスマッチがあるかを定量的に知ることができなかったのに対して、本発明は、パラメータのミスマッチを定量的に知ることができ、ミスマッチがあると判定されたサブモデルに対して、閉ループでのステップ応答試験を改めて行うなどの再同定を実施する必要がなく、動特性変化検出の方法も自動化されているので手間がかからないという効果を奏する。 The conventional method described in Non-Patent Document 1 can qualitatively identify a submodel in which a serious mismatch exists from daily operation data, but quantitatively know how many mismatches exist in which parameter of the transfer characteristics. In contrast, the present invention can quantitatively know the parameter mismatch, and performs a closed loop step response test on the submodel determined to have a mismatch. There is no need to carry out re-identification, and the dynamic characteristic change detection method is automated, so that there is an effect that labor is not required.
また、従来の特許文献１記載の方法では、予測モデル誤差をオンラインで逐次求めて特性変化を検出しているため、常に計算負荷が大きかったのに対して、本発明は、通常では目標値、プラントへの入力（操作量）、プラントの出力（制御量も含む）の変化から同定処理駆動イベントを監視するだけの、制御計算に影響を与えない程度の低計算負荷の処理で済むという効果を奏する。 In addition, in the conventional method described in Patent Document 1, since the characteristic change is detected by sequentially obtaining the prediction model error online, the calculation load is always large. The effect is that processing of a low calculation load that does not affect the control calculation is sufficient, just by monitoring the identification process drive event from changes in the plant input (operation amount) and plant output (including control amount). Play.
また、従来の特許文献１記載の方法では、モデルを離散系としているので、伝達特性がパルス伝達関数に限定されるとともに、離散系のモデルパラメータは物理的意味を把握しにくいため、オペレータにとって扱いづらかったのに対して、本発明は、プラント動特性変化をオペレータにわかりやすいモデルパラメータ、例えば連続系モデルパラメータ、により表現できるとともに連続系モデルのパラメータ変化を定量的に求めることができ、加えて、多入力多出力系（MIMO：Multi-Input Multi-Output）に自然に対応できるという効果を奏する。さらに、パラメータ変化を自動的に同定し、必要に応じて表示（アラームの発報）と動特性変化履歴を記録するしくみが提供されるので、採用している動特性モデルのメンテナンスが容易になるという効果を奏する。 Further, in the conventional method described in Patent Document 1, since the model is a discrete system, the transfer characteristic is limited to the pulse transfer function, and the model parameter of the discrete system is difficult to grasp the physical meaning, so that it is handled by the operator. On the other hand, the present invention can express the plant dynamic characteristic change by a model parameter that is easy to understand for the operator, for example, the continuous system model parameter, and can quantitatively determine the parameter change of the continuous system model. There is an effect that it can naturally cope with multi-input multi-output (MIMO). In addition, a mechanism for automatically identifying parameter changes and displaying the display (alarm notification) and dynamic characteristic change history as needed is provided, making maintenance of the dynamic characteristic model adopted easier. There is an effect.
以下、本発明の実施の形態について、詳細に説明する。
図１は、本発明の実施形態に係るシステム同定装置の構成を示すブロック図である。図１は、対象とするプラントを含む制御系の目標値、プラントへの入力（操作量）、プラントの出力（制御量を含む）をプラントの現在から一定期間過去までの運転データとして記憶する応答データ記憶装置10、プラント動特性モデルパラメータの現在の推定値を記憶するプラント動特性モデルパラメータ記憶装置20、動特性変化検出装置70からの記録指示に従って同定された動特性モデルパラメータの変化履歴を記録する同定履歴記憶装置30、応答データ記憶装置10から同定処理駆動イベントを検出する同定処理駆動イベント検出装置40、同定処理駆動イベント前後の応答データを切り出す応答データ切り出し装置50、切り出された応答データをもとにプラント動特性変化を同定する動特性変化同定装置60、および、同定された動特性変化分が与えられた動特性変化検出条件を満たすかどうかを判定し、該条件を満たす場合には表示出力指示および又は同定処理駆動イベントの検出と同定結果の履歴の記録指示を行う動特性変化検出装置70を備える。
Hereinafter, embodiments of the present invention will be described in detail.
FIG. 1 is a block diagram showing a configuration of a system identification apparatus according to an embodiment of the present invention. FIG. 1 shows a response for storing a target value of a control system including a target plant, an input to the plant (amount of operation), and an output of the plant (including a control amount) as operation data from the present plant to a past period. Data storage device 10, plant dynamic characteristic model parameter storage device 20 that stores the current estimated values of plant dynamic characteristic model parameters, and record of change history of dynamic characteristic model parameters identified in accordance with recording instructions from dynamic characteristic change detection device 70 The identification history storage device 30, the identification processing drive event detection device 40 that detects the identification processing drive event from the response data storage device 10, the response data cutout device 50 that cuts out response data before and after the identification processing drive event, and the cut out response data Based on the dynamic characteristic change identification device 60 for identifying the plant dynamic characteristic change and the identified dynamic characteristic change It is determined whether or not the obtained dynamic characteristic change detection condition is satisfied, and if the condition is satisfied, the dynamic characteristic change detection device 70 performs a display output instruction and / or an identification processing drive event detection and an identification result history recording instruction. Is provided.
そして、必要に応じて、動特性変化検出装置70から表示出力指示を受け取り、該表示出力指示の内容を表示する表示装置80を備え、また、オペレータにより設定された同定履歴表示条件に従って、プラント動特性変化同定履歴、表示出力（例．アラーム発報）履歴の内容を制御対象モデル変化情報として出力する同定履歴出力装置90を備えることができる。上記において、表示装置80は、アラームを発報するアラーム発報装置とすることができるが、他の形式の表示装置、例えば、携帯可能なポケットベルやＰＨＳ(Personal Handyphone System)などであっても良い。 If necessary, a display output instruction is received from the dynamic characteristic change detection device 70, and the display device 80 displays the contents of the display output instruction. In addition, according to the identification history display conditions set by the operator, An identification history output device 90 that outputs the contents of the characteristic change identification history and display output (eg, alarm notification) history as control target model change information can be provided. In the above, the display device 80 can be an alarm device that issues an alarm, but other types of display devices such as a portable pager or PHS (Personal Handyphone System) may also be used. good.
また、プラント動特性モデルパラメータ記憶装置20は、プラントを管理するオペレータが必要と認めた場合に適宜更新される外、同定履歴記憶装置30に記録する同定結果の履歴を利用して更新することもできる。オペレータが必要と認めた場合とは、例えば、後述する図３に示す制御器120が保持するプラント動特性モデルパラメータを更新する場合などがこれに該当する。 In addition, the plant dynamic characteristic model parameter storage device 20 may be updated using the identification result history recorded in the identification history storage device 30 in addition to being appropriately updated when the operator who manages the plant recognizes that it is necessary. it can. The case where the operator recognizes that it is necessary corresponds to, for example, the case where a plant dynamic characteristic model parameter held by the controller 120 shown in FIG.
プラントのモデルに基づいて制御をおこなう制御装置に図１に示す本発明の実施形態に係るシステム同定装置を適用した場合において、制御対象のプラントの現在から一定期間過去までの運転データ(目標値、プラント入力（操作量）、プラント出力(制御量を含む)などの応答データ）を応答データ記憶装置10により記憶する。この応答データ記憶装置10は、当業者に良く知られたバッファメモリ等の記憶装置により実現できる。 When the system identification device according to the embodiment of the present invention shown in FIG. 1 is applied to a control device that performs control based on a model of a plant, operation data (target value, Response data storage device 10 stores plant input (operation amount), plant output (including control amount) and other response data). The response data storage device 10 can be realized by a storage device such as a buffer memory well known to those skilled in the art.
応答データに動特性変化同定に利用する動揺が発生した場合に、その動揺を同定処理駆動イベントとして同定処理駆動イベント検出装置40により検出する。そして同定処理駆動イベント前後の特定区間の応答データを応答データ切り出し装置50により切り出して収集する。 When fluctuation used for identification of dynamic characteristic changes occurs in the response data, the fluctuation is detected by the identification process drive event detection device 40 as an identification process drive event. Then, response data in a specific section before and after the identification processing drive event is cut out and collected by the response data cutout device 50.
同定処理駆動イベントの検出をトリガーに動特性変化同定装置60による同定処理を開始する。動特性変化同定装置60では、切り出した応答データを利用してモデルの動特性変化を同定する。動特性変化同定はプラントへの入力データ（操作量）とプラントの出力データ（制御量を含む）からなる応答データとその入出力特性ができるだけ整合するように仮想的なフィッティング用プラント動特性モデルの動特性変化分を探索することで求めることができる。 The identification processing by the dynamic characteristic change identification device 60 is started with the detection of the identification processing driving event as a trigger. The dynamic characteristic change identification device 60 identifies the dynamic characteristic change of the model using the cut response data. Dynamic characteristics change identification is a virtual fitting plant dynamic characteristics model that matches the input and output characteristics of response data consisting of plant input data (operation amount) and plant output data (including control quantities) as much as possible. This can be obtained by searching for a change in dynamic characteristics.
動特性変化検出装置70では、同定された動特性変化が与えられた動特性変化検出条件を満たす（例えば、同定した動特性変化が予め設定された閾値を超えるなど）かどうかを判定し、該条件を満たす場合には同定処理駆動イベントの検出と同定結果の履歴の記録指示および又は表示出力を指示する。 The dynamic characteristic change detection device 70 determines whether or not the identified dynamic characteristic change satisfies a given dynamic characteristic change detection condition (for example, the identified dynamic characteristic change exceeds a preset threshold value), and If the condition is satisfied, an identification processing drive event is detected and an identification result history recording instruction or display output is instructed.
本実施形態では、動特性変化検出装置70から表示出力指示を受け取り、該表示出力指示の内容を表示する表示装置80を備えるようにしている。また動特性変化検出装置70から同定処理駆動イベントの検出と同定結果の履歴の記録指示を受け取り、同定された動特性モデルパラメータの変化履歴を記録することができる同定履歴記憶装置30を備えるようにしている。 In the present embodiment, a display device 80 that receives a display output instruction from the dynamic characteristic change detection device 70 and displays the contents of the display output instruction is provided. Also, an identification history storage device 30 is provided which can receive an identification processing drive event detection and identification result history recording instruction from the dynamic characteristic change detection device 70 and record a change history of the identified dynamic characteristic model parameter. ing.
そして、オペレータにより設定された同定履歴表示条件に従って、同定履歴記憶装置30に記録されたプラント動特性変化同定履歴、アラーム発報履歴の内容を制御対象モデル変化情報として出力する同定履歴出力装置90を備えるようにしている。表示装置80では、動特性変化検出装置70から表示出力指示を受け取り、プラントオペレータなどに動特性変化が所定の検出条件を満たしたことを表示出力(例．アラーム発報)する。 Then, according to the identification history display conditions set by the operator, an identification history output device 90 that outputs the contents of the plant dynamic characteristic change identification history and the alarm notification history recorded in the identification history storage device 30 as control target model change information. I have to prepare. The display device 80 receives a display output instruction from the dynamic characteristic change detection device 70, and outputs to the plant operator or the like that the dynamic characteristic change satisfies a predetermined detection condition (for example, alarm notification).
また、本発明の実施形態に係る同定処理駆動イベント検出装置40は、一定値以上の目標値の変化があったことをもってイベント検出条件とし、同定処理駆動イベントの検出を行うようにしている。さらには、上述した同定処理駆動イベント検出装置10は、一定値以上の目標値の変化と、一定値以上のプラントへの入力の変化または一定値以上のプラントの出力の変化があったことをもってイベント検出条件とし、同定処理駆動イベントの検出を行うようにしても良い。 In addition, the identification process drive event detection device 40 according to the embodiment of the present invention detects an identification process drive event using an event detection condition when there is a change in a target value equal to or greater than a certain value. Further, the identification processing drive event detection apparatus 10 described above is configured to detect an event when there is a change in the target value that is greater than a certain value, a change in the input to the plant that is greater than a certain value, or a change in the output of the plant that is greater than a certain value. Detection conditions may be detected as detection conditions.
また上述した本発明の実施形態に係る応答データ切り出し装置50は、同定処理駆動イベント前後の応答データをプラント動特性モデルパラメータ記憶装置20に記憶されている現在の動特性モデルパラメータのうち、等価時定数とむだ時間に基づいて有限の切り出し区間を決定する。これは例えば、切り出し区間を、経験則に基づいて、同定処理駆動イベント前は（１×等価時定数＋むだ時間）、同定処理駆動イベント後は（５×等価時定数＋むだ時間）とし、切り出し区間長は両者の和として（６×等価時定数＋２×むだ時間）とすればよい。 In addition, the response data cutout device 50 according to the above-described embodiment of the present invention includes the response data before and after the identification process drive event among the current dynamic characteristic model parameters stored in the plant dynamic characteristic model parameter storage device 20 at the equivalent time. A finite segment is determined based on the constant and dead time. This is, for example, based on empirical rules, the cut-out section is (1 × equivalent time constant + dead time) before the identification process drive event, and (5 × equivalent time constant + dead time) after the identification process drive event. The section length may be the sum of the two (6 × equivalent time constant + 2 × dead time).
図２は、本発明の実施形態に係るシステム同定装置の動作を説明するフローチャートである。図２において、まず応答データ記憶装置10(図１参照)から応答データを読み込む（ステップS1）。次に、応答データに動特性変化同定に利用する動揺が発生したら、その動揺を同定処理駆動イベントであるとして検出する（ステップS2）。 FIG. 2 is a flowchart for explaining the operation of the system identification apparatus according to the embodiment of the present invention. In FIG. 2, first, response data is read from the response data storage device 10 (see FIG. 1) (step S1). Next, when a fluctuation used for identifying the dynamic characteristic change occurs in the response data, the fluctuation is detected as an identification process drive event (step S2).
そして同定処理駆動イベント前後の特定区間の応答データを切り出して収集する（ステップS3）。収集した応答データについて、同定処理を開始する。同定処理では、適宜プラント動特性モデルパラメータを参照する（ステップS4）。ここでプラント動特性モデルパラメータは、プラント動特性モデルパラメータ記憶装置20(図１参照)にあらかじめ記憶されている。 Then, response data in a specific section before and after the identification process driving event is cut out and collected (step S3). The identification process is started for the collected response data. In the identification process, the plant dynamic characteristic model parameters are referred to as appropriate (step S4). Here, the plant dynamic characteristic model parameters are stored in advance in the plant dynamic characteristic model parameter storage device 20 (see FIG. 1).
最後に、同定した動特性変化が所定の条件を満たした場合にプラント動特性モデルパラメータの変化分を検出する（ステップS5）。なお検出した後のプラント動特性モデルパラメータの変化分の後処理は図２のフローに示していないが、必要に応じて、上記検出に基づいて表示出力指示を発するようにするか、または、上記検出に基づいて同定処理駆動イベントの検出と同定結果の履歴の記録指示を発するようにすることができる。 Finally, when the identified dynamic characteristic change satisfies a predetermined condition, a change amount of the plant dynamic characteristic model parameter is detected (step S5). The post-processing of the change in the plant dynamic characteristic model parameter after detection is not shown in the flow of FIG. 2, but if necessary, a display output instruction is issued based on the detection, or Based on the detection, it is possible to issue an instruction for recording an identification process drive event and recording an identification result history.
図３は、本発明の実施形態に係るシステム同定装置の制御系への設置例を示すブロック図である。図３に示す設置例において本発明の実施形態に係るシステム同定装置は、イベント駆動型同定装置300として図示され、制御系（プラントのモデルに基づいて制御が行われる制御装置）200から目標値110、制御対象への入力（操作量）130、制御対象の出力（制御量を含む）160を観測し、制御対象動特性変化情報としてモデルパラメータ変化情報やアラームを出力する。イベント駆動型同定装置300には、あらかじめ各種設定が施されている。なお、目標値110は、制御系200の構成要素である制御器120に入力され、制御器120は、制御対象への入力（操作量）130を出力する。制御対象への入力（操作量）130は、制御対象140に入力され、制御対象140は、制御対象の出力（制御量を含む）160を出力する。通常、出力（制御量を含む）160には外乱150が付加される。そして出力（制御量を含む）160は、制御器120にフィードバックされて、制御系200の閉ループ制御が実行される。 FIG. 3 is a block diagram showing an installation example of the system identification apparatus according to the embodiment of the present invention in the control system. In the installation example shown in FIG. 3, the system identification device according to the embodiment of the present invention is illustrated as an event-driven identification device 300, and has a target value 110 from a control system (a control device that performs control based on a plant model) 200. The control object input (operation amount) 130 and the control object output (including the control amount) 160 are observed, and model parameter change information and an alarm are output as control object dynamic characteristic change information. Various settings are made in advance in the event-driven identification device 300. The target value 110 is input to the controller 120 which is a component of the control system 200, and the controller 120 outputs an input (operation amount) 130 to the control target. An input (operation amount) 130 to the control target is input to the control target 140, and the control target 140 outputs an output 160 (including the control amount) 160 of the control target. Normally, a disturbance 150 is added to the output 160 (including the control amount). The output (including the controlled variable) 160 is fed back to the controller 120, and the closed loop control of the control system 200 is executed.
図４は、本発明の実施形態に係る動特性変化検出装置の具体的構成の一例を示す図であり、実プラント400を、一次遅れ＋むだ時間系（単入力単出力：SISO(Single Input Single Output)）の動特性を持つものとして、以下の伝達関数を表す式１ FIG. 4 is a diagram illustrating an example of a specific configuration of the dynamic characteristic change detection device according to the embodiment of the present invention. The actual plant 400 is configured using a first order delay + dead time system (single input single output: SISO (Single Input Single Output). Equation 1 expressing the following transfer function as having the dynamic characteristics of Output))
そしてはじめに、前提として実プラント400が事前の同定（開ループ同定）により、以下の伝達関数を表す式２ First, as a premise, the actual plant 400 is pre-identified (open loop identification), and the following expression 2
このようなモデル化の後、プロセス特性の経時変化やレシピ変更に伴う動作点の変更等により動特性が以下に示す式３ After such modeling, the dynamic characteristics are expressed by the following equation 3 by changing the process characteristics with time, changing the operating point due to the recipe change, and the like.
図１に示した動特性変化同定装置60は、連続系モデルパラメータの変化分として以下の式４ The dynamic characteristic change identification device 60 shown in FIG. 1 uses the following equation 4 as the change of the continuous system model parameter.
ここにおいて、パラメータ変化分Δθは、以下の式８に示される条件を満たすものとする。 Here, it is assumed that the parameter change Δθ satisfies the condition shown in the following Expression 8.
目的関数が最小になるようなパラメータ変化分Δθは、上記の最適化問題の最適解が以下に示す式１０ The parameter variation Δθ that minimizes the objective function is expressed by the following equation 10 as the optimal solution of the above optimization problem:
以下では、上記最適解を求める勾配法を用いる例について説明する。上記式７における勾配は、以下に示す式１１のように求めることができる。 Hereinafter, an example using the gradient method for obtaining the optimum solution will be described. The gradient in Equation 7 can be obtained as Equation 11 shown below.
以上に示した本発明の実施形態は、本発明の好適な実施例の一例を示すだけであり、これに限定されるものではなく、本発明の趣旨を逸脱しない範囲において種々の変形が可能である。例えば、上記した本発明の実施形態は単入力単出力系について記述しているが、多入力多出力系（MIMO）については、系を出力数分の多入力単出力系（MISO）に分解して、各出力毎に上記の方法を適用することで多入力多出力系に拡張可能である。 The embodiment of the present invention described above is merely an example of a preferred embodiment of the present invention, and is not limited thereto. Various modifications can be made without departing from the spirit of the present invention. is there. For example, the above-described embodiment of the present invention describes a single-input single-output system, but for a multi-input multi-output system (MIMO), the system is decomposed into a multi-input single-output system (MISO) corresponding to the number of outputs. By applying the above method for each output, it can be extended to a multi-input multi-output system.
以下では、多入力多出力系へ拡張する場合において、系を出力数分の多入力単出力系に分解する例を以下に示す式を用いて説明する。
多入力多出力系のモデルとして、以下の式１３のように表現されるものを考える。
Hereinafter, an example of decomposing the system into a multi-input single-output system corresponding to the number of outputs when extending to a multi-input multi-output system will be described using the following formula.
As a model of a multi-input multi-output system, a model expressed as the following Expression 13 is considered.
そして系を出力数分の多入力単出力系に分解して、その他方の出力についての伝達関数を考えて、式１４および式１５と同様に、表現し定義することで、最適化装置600で、目的関数が最小になるようにその出力の他方の伝達関数についてパラメータ変化分Δθを決定することが可能となる。 Then, by decomposing the system into a multi-input single-output system for the number of outputs and considering the transfer function for the other output, the expression is expressed and defined in the same manner as Expression 14 and Expression 15, so that the optimization apparatus 600 The parameter change Δθ can be determined for the other transfer function of the output so that the objective function is minimized.
最後に、探索パラメータにおける制約条件について改めて説明する。パラメータ変化分を探索する場合に、その初期値を0として探索を開始することで効率よくパラメータ変化分Δθを探索することできる。さらに、探索パラメータ(決定変数)に上記式８および式９のような制約条件を加えることで効率よく探索できる。これは、探索するパラメータが連続時間系の伝達関数のパラメータであり、物理的な意味を考察することにより、その取り得る範囲を限定できるためである。 Finally, the constraint conditions in the search parameters will be described again. When searching for a parameter change, it is possible to efficiently search for a parameter change Δθ by starting the search with an initial value of 0. Furthermore, the search can be efficiently performed by adding a constraint condition such as Expression 8 and Expression 9 to the search parameter (decision variable). This is because the parameter to be searched is a parameter of a transfer function of a continuous time system, and the possible range can be limited by considering the physical meaning.
そして探索パラメータ(決定変数)を限定して探索することで計算負荷、計算速度、計算精度を向上させることができる。プラント動特性モデルパラメータの中で、物理的考察や経験から特定のパラメータは変化しないこと、或いは、変化の範囲が限定されること、が事前に分かっている場合には、変化しないパラメータを決定変数から除外して決定変数の個数を削減することや、決定変数に制約を加えることで、最適化計算の効率を改善することができるようになる。 By limiting the search parameters (decision variables) to search, calculation load, calculation speed, and calculation accuracy can be improved. Among plant dynamics model parameters, if it is known in advance that a specific parameter does not change or the range of change is limited based on physical considerations and experience, the parameter that does not change is determined as a decision variable. It is possible to improve the efficiency of the optimization calculation by reducing the number of decision variables by excluding the number of decision variables and adding constraints to the decision variables.
１０ 応答データ記憶装置
２０ プラント動特性モデルパラメータ記憶装置
３０ 同定履歴記憶装置
４０ 同定処理駆動イベント検出装置
５０ 応答データ切り出し装置
６０ 動特性変化同定装置
７０ 動特性変化検出装置
８０ 表示装置
９０ 同定履歴出力装置
１１０ 目標値
１２０ 制御器
１３０ 入力（操作量）
１４０ 制御対象（プラント）
１５０ 外乱
１６０ 出力（制御量を含む）
２００ 制御系
３００ イベント駆動型同定装置
４００ 実プラント
５００ フィッティング用プラント動特性モデル
６００ 最適化装置
DESCRIPTION OF SYMBOLS 10 Response data storage device 20 Plant dynamic characteristic model parameter storage device 30 Identification history storage device 40 Identification process drive event detection device 50 Response data extraction device 60 Dynamic characteristic change identification device 70 Dynamic characteristic change detection device 80 Display device 90 Identification history output device 110 Target value 120 Controller 130 Input (operation amount)
140 Control target (plant)
150 disturbance 160 output (including controlled variable)
200 Control System 300 Event Driven Identification Device 400 Actual Plant 500 Fitting Plant Dynamic Characteristic Model 600 Optimization Device
Claims (12)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011044684A JP5799528B2 (en) | 2011-03-02 | 2011-03-02 | System identification apparatus and identification method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011044684A JP5799528B2 (en) | 2011-03-02 | 2011-03-02 | System identification apparatus and identification method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012181715A true JP2012181715A (en) | 2012-09-20 |
| JP5799528B2 JP5799528B2 (en) | 2015-10-28 |
Family
ID=47012854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011044684A Active JP5799528B2 (en) | 2011-03-02 | 2011-03-02 | System identification apparatus and identification method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5799528B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014085943A (en) * | 2012-10-25 | 2014-05-12 | Denso Corp | Construction method, and construction apparatus of optimization model |
| JP2016151811A (en) * | 2015-02-16 | 2016-08-22 | 国立大学法人大阪大学 | Parameter identification method of system |
| JP2022549850A (en) * | 2019-09-25 | 2022-11-29 | マイクロ モーション インコーポレイテッド | Notification of events and distribution of process data in meters |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0434764B2 (en) * | 1983-09-26 | 1992-06-09 | Tokyo Shibaura Electric Co | |
| WO2009099944A2 (en) * | 2008-01-31 | 2009-08-13 | Fisher-Rosemount Systems, Inc. | Robust adaptive model predictive controller with tuning to compensate for model mismatch |
-
2011
- 2011-03-02 JP JP2011044684A patent/JP5799528B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0434764B2 (en) * | 1983-09-26 | 1992-06-09 | Tokyo Shibaura Electric Co | |
| WO2009099944A2 (en) * | 2008-01-31 | 2009-08-13 | Fisher-Rosemount Systems, Inc. | Robust adaptive model predictive controller with tuning to compensate for model mismatch |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014085943A (en) * | 2012-10-25 | 2014-05-12 | Denso Corp | Construction method, and construction apparatus of optimization model |
| JP2016151811A (en) * | 2015-02-16 | 2016-08-22 | 国立大学法人大阪大学 | Parameter identification method of system |
| JP2022549850A (en) * | 2019-09-25 | 2022-11-29 | マイクロ モーション インコーポレイテッド | Notification of events and distribution of process data in meters |
| JP7374311B2 (en) | 2019-09-25 | 2023-11-06 | マイクロ モーション インコーポレイテッド | Notification of events and distribution of process data in meters |
| US12092503B2 (en) | 2019-09-25 | 2024-09-17 | Micro Motion, Inc. | Notification of events and apportioning of process data in a meter |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5799528B2 (en) | 2015-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10809704B2 (en) | Process performance issues and alarm notification using data analytics | |
| US11625011B2 (en) | Control system database systems and methods | |
| US20180373233A1 (en) | Failure predicting apparatus and machine learning device | |
| EP3171239B1 (en) | Predictive monitoring and diagnostics system and method | |
| JP6933899B2 (en) | Plant operation support equipment, plant operation support method, and plant operation support program | |
| JP5992087B1 (en) | Preventive maintenance management system for creating machine maintenance plans | |
| EP3193219A1 (en) | Optimization based controller tuning systems and methods | |
| JP5799528B2 (en) | System identification apparatus and identification method | |
| JP6841852B2 (en) | Control device and control method | |
| WO2019234913A1 (en) | Assistance device, learning device, and plant operation condition setting assistance system | |
| US9448546B2 (en) | Deterministic optimization based control system and method for linear and non-linear systems | |
| WO2021205479A2 (en) | Method and system for real time trajectory optimization | |
| US11829130B2 (en) | Control apparatus and non-transitory computer readable medium for detecting abnormality occurring in subject to be monitored | |
| US11579000B2 (en) | Measurement operation parameter adjustment apparatus, machine learning device, and system | |
| Bunin et al. | Input filter design for feasibility in constraint-adaptation schemes | |
| EP3217241A2 (en) | Calibration technique for rules used with asset monitoring in industrial process control and automation systems | |
| CN113011745A (en) | Abnormity detection method, device, equipment and medium in power grid safety operation and maintenance | |
| Wahid et al. | Min-max controller output configuration to improve multi-model predictive control when dealing with disturbance rejection | |
| US20160239015A1 (en) | Diagnostic Device And Method For Monitoring The Operation Of A Control Loop | |
| Karandikar et al. | Evaluation of automated stability testing in machining through closed-loop control and Bayesian machine learning | |
| US20230034769A1 (en) | Method for an Intelligent Alarm Management in Industrial Processes | |
| CN114217592B (en) | Control system and method for copper top-blowing production process | |
| CN117348605B (en) | Optimization method and system applied to control system of release film tearing machine | |
| JP2020197944A (en) | Model prediction control system, information processing device, program, and model prediction control method | |
| Napasindayao et al. | Sensor fault accommodation strategies in multi-rate sampled-data control of particulate processes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140214 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141210 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150106 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150220 |
|
| 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: 20150728 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150810 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5799528 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |