JP2012528392A5

JP2012528392A5 -

Info

Publication number: JP2012528392A5
Application number: JP2012513153A
Authority: JP
Filing date: 2010-05-24
Publication date: 2014-06-19
Anticipated expiration: 2030-05-24

Description

前記モデルの品質を推定することが、さらに、ＭＩＭＯモデルを一群の多入力一出力(多入力単出力)（ＭＩＳＯ）サブモデルに分解すること（ステップ）と、各ＭＩＳＯサブモデルを複数の一入力一出力（ＳＩＳＯ）動的モデル出力および付随するゲイン乗数のセットに組み入れること（ステップ）と、ファジィ論理則を用いることにより、前記組み入れられたサブモデルに基づいて、サブモデルの品質を評価すること（ステップ）とを含んでいてもよい。

図４は、本発明の一実施形態にかかるモデル品質評価過程を示すフロー図である。モデル品質評価過程４００が開始すると、ＭＩＭＯモデルがＭＩＳＯサブモデルに分解され（ステップ４１０）、各ＭＩＳＯサブモデルは、それぞれ、動的モデル出力およびゲイン乗数に組み入れられる（ステップ４２０）。これらゲイン乗数は、収集済みの有効性が確認されたＭＶおよびＣＶのデータから推定される（ステップ４３０）。ＭＩＳＯサブモデルは、さらに、ＳＩＳＯの状態空間動的サブモデルに組み入れられる（ステップ４４０）、各ＳＩＳＯサブモデルについて、モデルの動的不確定性が定義および算出される（ステップ４５０）。並行して、各ＳＩＳＯサブモデルに対して周波数領域のモデル不確定性が算出される（ステップ４６０）。その後、ファジィ論理則を用いて、モデル品質評価が決定され（ステップ４７０）、後述するようにスコアが組み合わされる。

前記等式（２）におけるｉ番目のＭＩＳＯサブモデルについて、サブモデルとゲイン乗数のベクトルとの積（前記等式（２Ｂ）を参照）にＭＩＳＯサブモデルが組み入れられる（積で表現する）代わりに、各ＳＩＳＯサブモデルを状態空間モデルフォーマットで表現し直して、全てのＳＩＳＯサブモデルを以下のようにブロック対角行列形式に並べ直す。

Claims

プロセス（１２０）の多入力多出力（ＭＩＭＯ）動的モデルをオンラインで審査および更新する方法であって、当該方法は、前記プロセスの前記動的モデルを含む、オンラインＭＰＣ制御器を有する装置で実行され、
a. 試験器を設定するために、開始モデルとして前記オンラインＭＰＣ制御器の前記モデルを用いるステップと、
ｂ．前記プロセスのプロセス変数に摂動を加えるステップと、
ｃ．前記プロセスのデータを収集してスライスするステップであって、前記スライスは、比較的高い相互相関性を有する変数をモデル監視またはモデル排除するために、十分な変動を含まない変数を排除することを含む、ステップと、
ｄ．前記収集してスライスしたデータを用いて、前記モデルの品質を推定し、前記モデルの一部であるサブモデルのうち不十分な性能を有するサブモデルおよび不良のサブモデルを同定するステップであって、モデルの品質を推定することは、さらに、前記多入力多出力モデルを複数の多入力単出力サブモデルに分解することと、これら各サブモデルを動的モデル出力およびゲイン乗数に組み入れることと、各多入力単出力サブモデルの前記ゲイン乗数を推定することとを含み、前記推定されたゲイン乗数は不偏推定値である、ステップと、
ｅ．前記同定された、不十分な性能を有するサブモデルに関係するプロセス変数にさらなる摂動を加えるステップと、
ｆ．前記不十分な性能を有するサブモデルを再同定し、新たに同定されたサブモデルを生成するステップと、
ｇ．前記新たに同定されたサブモデルを前記オンライン制御器のモデルに反映するステップであって、前記プロセスがその通常操業パラメータで操業し続けながら、前記モデルへの反映が実行される、ステップとを備え、
前記反映によって、前記オンラインＭＰＣ制御器に対して反映されたモデルが得られ、前記反映されたモデルが、前記ＭＰＣ制御器によって用いられて、前記プロセスを制御する、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、前記設定された試験器が自動閉ループテスタであり、
さらに、
前記ＭＰＣの制御器と前記自動閉ループテスタとを統合するステップを備え、
前記統合された、オンラインのＭＰＣの制御器およびテスタは、前記プロセス変数を予め設定された動作制約内に維持しながら、ＭＰＣ制御モードまたは自動ステップ試験モードで動作できる、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、さらに、
可変の測定値の状態と、プロセス変数の前記制御器または試験器によって算出された状態とを用いて、前記収集されたデータをスクリーニングしてその有効性を確認するステップを備えた、プロセスの動的モデルのオンライン審査・更新方法。
請求項２において、欠落データを含むセグメント、変化しない数値を含むセグメント、限度外を含むセグメント、およびデータ記録誤差を含むセグメントを含むデータセグメントを見つけるように、前記データのスクリーニングおよびその有効性の確認が、データ処理のロジスティクスを用いる、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、さらに、
ゲイン乗数推定アルゴリズムを用いることにより、前記収集されたデータからＳＩＳＯサブモデルについてのゲイン乗数を推定することと、
動的不確定性推定アルゴリズムを用いることにより、前記ＳＩＳＯサブモデルの動的モデル不確定性を算出することと、
漸近分散アルゴリズムを用いることにより、モデルの周波数領域の不確定性を算出することと、
前記組み入れられたサブモデルに基づき、ファジィ論理則のセットを用いることにより、各サブモデルの総合的な品質を評価することと、
前記総合的な品質の評価に基づいて、不十分な性能を有するサブモデルを同定することとを備えた、プロセスの動的モデルのオンライン審査・更新方法。
請求項５において、前記ゲイン乗数を推定することは、
動的モデル全体を推定する代わりに各サブモデルについてのゲイン乗数を推定することと、
前記ゲイン乗数とゲイン１との間の距離を求める基準に基づいて、不十分な性能を有するサブモデルを格付けすることとを含み、
前記推定されたゲイン乗数が、雑音モデリングおよび入力・出力データフィルタリングを用いて得られる不偏推定値である、プロセスの動的モデルのオンライン審査・更新方法。
請求項５において、前記動的モデル不確定性を算出することが、さらに、
ａ．前記オンライン制御器から前記プロセスモデルをダウンロードすることと、
ｂ．状態空間実現アルゴリズムを用いることにより、各ＦＩＲ曲線（または他種のフォーマットのＳＩＳＯモデル）を状態空間モデルに変換することと、
ｃ．前記変換されたＳＩＳＯサブモデルを、対象の各制御変数（ＣＶ）について、ブロック対角形式の状態空間モデル構造で、ＭＩＳＯ状態空間モデルに再編成することと、
ｄ．収集されたＭＶおよびＦＦデータを前記ブロック対角形式の状態空間モデルに供給することにより、前記ＣＶ予測値および内部状態変数を生成することと、
ｅ．最小二乗推定を用いることにより、前記ブロック対角形式に構造化された状態空間モデルの行列Ｃを再推定することと、
ｆ．新たに算出されたＦＩＲモデル曲線と前記推定されたゲイン乗数で加重された制御器の最初のモデル曲線との偏差として定義される動的モデル予測目的関数を算出することと、
ｇ．前記サブモデルを、予測目的関数の算出された数値に基づく基準で格付けすることとを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項５において、前記モデルの周波数領域の不確定性を算出することが、さらに、
ａ．前記オンライン制御器から前記プロセスモデルをダウンロードすることと、
ｂ．前記ＭＩＭＯモデルを複数のＭＩＳＯサブモデルに分解することと、
ｃ．前記収集されたデータで、各ＭＩＳＯサブモデルの漸近分散を算出することと、
ｄ．各ＳＩＳＯサブモデルを、ω＝０とω＝ω_Ｔの２つの特定の周波数ポイントでの前記推定されたモデル分散に基づいて格付けすることとを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項５において、各サブモデルの総合的な品質を評価することが、さらに、
ａ．良好（Ｇ）、可（Ｆ）、不十分（Ｐ）、不良（Ｂ）および不明（Ｕ）の５種類のモデル品質評価尺度からなる離散的な格付けシステムを使用することと、
ｂ．各サブモデルを評価および格付けするように、ゲイン乗数、動的不確定性、定常状態ゲインでの周波数領域不確定性、および臨界動的周波数での周波数領域不確定性の４種類のモデル品質指標を用いることと、
ｃ．評価されたサブモデルのそれぞれについて、総合的なモデル品質評価スコアを得るように、ファジィ論理を用いて、評価結果を組み合わせることとを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項５において、不十分な性能を有するサブモデルまたは不良サブモデルを同定することが、さらに、
不十分な性能を有するサブモデルを同定するように、前記４種類のモデル品質評価スコアと総合的な品質評価のルールとを用いることと、
モデル品質プロットで前記モデル品質評価結果を表現することとを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、前記同定された、不十分な性能を有するサブモデルに関係するプロセス変数にさらなる摂動を加える前記ステップｅが、さらに、
当該サブモデルに、関係するＭＶおよびＣＶを伴う自動試験の方式を再設定することと、
これらのプロセス変数に摂動を加え、これらのプロセスデータを収集してスライスするように、前記ステップｂおよびステップｃを繰り返すこととを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、前記不十分な性能を有するサブモデルを再同定する前記ステップｆが、さらに、
前記サブモデルに関係する前記収集されたデータを、モデル同定に対するデータ要件に基づいてスクリーニングすることと、
必要に応じて、モデル同定に対する前記要件を満たすのに十分なデータが収集されるまで、前記ステップｂおよびステップｃを繰り返すことと、
目標とされるＣＶに対して相互相関分析を適用し、相関するＣＶをグループにまとめ、１つ以上のＭＩＭＯサブモデルを形成することと、
関連する部分空間同定アルゴリズムまたは任意の適切な同定アルゴリズムを用いることにより、各ＭＩＭＯサブモデルまたはＭＩＳＯサブモデルに対する動的状態空間モデルを再同定することと、
各サブモデルに対するＳＩＳＯのＦＩＲモデル曲線を生成することと、
再同定された各サブモデルの有効性を確認することとを含む、プロセスの動的モデルのオンライン審査・更新方法。
請求項１において、前記新たに同定されて有効性が確認されたサブモデルを、前記オンライン制御器のモデルに反映するステップｇが、さらに、
前記既存のモデルの最初のサブモデルと再同定されたサブモデルとの変化を比較することと、
前記得られた反映モデルの有効性を確認することと、
不十分な性能を有するサブモデルを前記新たに同定されたサブモデルで置き換えることにより、新たなモデルを構築することと、
前記得られた反映モデルを前記オンライン制御器に実装することとを含み、
前記プロセスが通常操業し続けながら、前記モデルへの反映が、オンラインで実行される、プロセスの動的モデルのオンライン審査・更新方法。
プロセスの動的モデルを有するオンラインの多変数制御器（１００）と、
自動化された試験器（１１０）と、
前記制御器および前記試験器によって制御される少なくとも１つの操作変数に対応するデータ、ならびに前記少なくとも１つの操作変数に依存する少なくとも１つの制御変数に対応するデータを記憶するデータベース（１０２）と、
各サブモデルの品質を評価し、前記データベースからのデータに基づいて不十分な性能を有するサブモデルを同定する、性能診断モジュール（１４０）と、
前記性能診断モジュールによる診断のためにデータを選択する、自動データスライサであって、モデル審査のための十分な変化がない変数を排除し、比較的高い相互相関性を有する変数を排除する、自動データスライサとを備え、
前記性能診断モジュールは、前記収集してスライスしたデータを用い、前記モデルの一部であるサブモデルのうち不十分な性能を有するサブモデルおよび不良のサブモデルを同定し、
モデルの品質を推定することは、さらに、前記多入力多出力モデルを複数の多入力単出力サブモデルに分解することと、これら各サブモデルを動的モデル出力およびゲイン乗数に組み入れることと、各多入力単出力サブモデルの前記ゲイン乗数を推定することとを含み、前記推定されたゲイン乗数は不偏推定値である、装置。
請求項１４において、前記データスライサが、さらに、
操作変数および制御変数の動作状態データならびに前記制御器の動作状態をダウンロードし、当該状態データを、前記少なくとも１つの操作変数と前記少なくとも１つの制御変数とのサブセットのデータフラグに変換する、状態コンバータと、
モデル審査およびモデル同定に必要なデータを用意するように、良好なスライスまたは不良のスライスを生成してデータセグメントを選択する、用意モジュールと、
審査されたデータにおける欠落データまたは不良データによる欠損を、外挿によって自動的に埋める調整器と、
モデル審査およびモデル同定のイベント期間中に不良データを自動排除するデータスライス生成手段とを備え、
前記データスライス生成手段は、さらに、前記比較的高い相互相関性を有する前記変数を自動的に排除する、装置。