JP2014078146A

JP2014078146A - プラントの制御性能算出方法及び制御性能算出装置

Info

Publication number: JP2014078146A
Application number: JP2012225624A
Authority: JP
Inventors: Tsutomu Okamoto; 強岡本
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2012-10-11
Filing date: 2012-10-11
Publication date: 2014-05-01

Abstract

【課題】制御対象であるプラント（例えばエンジンを搭載した車両）の制御性能（例えば燃料消費量や排出ガス量）の真の限界値を算出できるようにする。
【解決手段】プラントの特性（例えばエンジンの燃料消費特性とバッテリの損失特性）と制約条件（例えばバッテリ残量の制約条件）を数理計画問題として表現して最適化しようとする制御性能（例えば燃料消費量や排出ガス量）を目的関数として設定すると共に、前提条件となるプラントの負荷出力（例えば走行負荷と車速）と環境条件（例えば温度と風速）を設定する。その際、連続事象と離散事象の混合であるか否かや目的関数の種類に応じて適用する数理計画手法を選択する。この後、コンピュータ１１で負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力（例えばエンジン出力）を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出する。
【選択図】図１

Description

本発明は、制御対象であるプラントの制御性能算出方法及び制御性能算出装置に関する発明である。

例えば、内燃機関を搭載した車両の省燃費デバイスを企画する段階においては、その省燃費デバイスを車両に追加した場合に、どの程度の燃費向上効果が出るのかが懸案事項となる。従来、この燃費向上効果の算出は、作業者の経験や勘に基づいてシミュレータを用いて制御器のゲインを変更したり、制御器の構成を変えたりして、試行錯誤的に実施されていた。しかし、このような方法は、燃費の最大値（制御性能の限界値）を得られる保証が全く無く、およその狙いの数値が出れば終了する。

また、内燃機関の制御パラメータを適合する技術としては、例えば、特許文献１（特許第３９５１９６７号公報）に記載されているように、実験計画法等の統計学的手法を用いて制御器のゲインを操作して、出力値が適合目標値を満たすように制御パラメータの適合値を機械的に探索するようにしたものがある。

特許第３９５１９６７号公報

しかし、上記特許文献１の技術は、制御パラメータの適合値を求める技術であり、制御性能の限界値（例えば燃費の最大値や排出ガス量の最小値）を求めることはできない。また、仮に、上記特許文献１の技術を利用して、実験計画法等の統計学的手法を用いて制御器のゲインを操作して、制御性能の限界値を機械的に探索するようにしたとしても、局所的な最適解しか得られない可能性があり、しかも、制御器の構造が予め設定した構造に限定されるため、制御性能の真の限界値を求めることができない可能性がある。

そこで、本発明が解決しようとする課題は、制御対象であるプラントの制御性能の真の限界値を算出することができるようにすることにある。

上記課題を解決するために、請求項１に係る発明は、制御対象であるプラントの制御性能を算出する方法であって、プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となるプラントの負荷出力と環境条件を設定し、このプラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出するようにしたものである。

このようにすれば、試行錯誤的でなくシステマティックな方法で制御性能の限界値を算出することができる。しかも、制御器の構造を限定する必要がないため、制御器の構造に起因する制御性能の劣化を防ぐことができ、制御器の構造の影響を受けずに制御性能の真の限界値を算出することができる。

図１は本発明の一実施例１におけるプラント制御性能算出システムの概略構成を示す図である。図２は制御性能の限界値を算出する際の手順を説明するフローチャートである。図３はエンジンの燃料消費特性を示す図である。図４はバッテリの損失特性を示す図である。図５は数理計画手法の選択方法を説明するフローチャートである。図６は設定した走行負荷の時系列データを示すタイムチャートである。図７は設定した車速の時系列データを示すタイムチャートである。図８は算出したエンジン出力の時系列データを示すタイムチャートである。図９は制御性能の算出方法を説明するブロック図である。

以下、本発明を実施するための形態を具体化した一実施例を説明する。
まず、図１に基づいてプラント制御性能算出システムの概略構成を説明する。

制御対象であるプラント（例えばエンジンを搭載した車両）の制御性能を算出するためのコンピュータ１１が設けられ、このコンピュータ１１には、キーボードやマウス等の入力装置１２と、ＤＶＤやＣＤ等の記憶媒体の記憶データを読み書きする記憶媒体ドライブ装置１３と、液晶ディスプレイ等の表示装置１４等が接続されている。

次に図２乃至図９を用いてプラントの制御性能の限界値の算出方法を説明する。
まず、図２に基づいてプラントの制御性能の限界値を算出する際の手順を説明する。
プラントの制御性能の限界値を算出する場合には、作業者がステップ１０１〜１０４の処理を実行する。まず、ステップ１０１で、プラントの特性や制御条件を数式モデル化した後、ステップ１０２で、プラントが連続事象と離散事象の混合であるか否かや目的関数の種類（例えば線形であるか否か等）に応じて適用する数理計画手法を選択する。

この後、ステップ１０３で、数式モデルを数理計画問題として表現して、最適化しようとする制御性能を目的関数として設定した後、ステップ１０４で、前提条件となるプラントの負荷出力と環境条件を設定する。これらの数理計画問題に関するデータ及び負荷出力と環境条件に関するデータ等は、作業者が入力装置１２等を操作してコンピュータ１１に入力する（又はコンピュータ１１で作成する）。この場合、入力装置１２等が特許請求の範囲でいう最適化問題設定手段としての役割を果たす。

この後、コンピュータ１１でステップ１０５，１０６の処理を実行する。まず、ステップ１０５で、プラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力を算出する。このステップ１０５の処理が特許請求の範囲でいう制御器出力算出手段としての役割を果たす。

この後、ステップ１０６で、制御器出力を用いてプラントの制御性能の限界値を算出する。このステップ１０６の処理が特許請求の範囲でいう制御性能算出手段としての役割を果たす。
次に図３乃至図９を用いて各ステップ１０１〜１０６の具体的な処理内容を説明する。

［ステップ１０１：プラントを数式モデル化］
(a) 例えば、図３に示すエンジンの燃料消費特性を数式モデル化する場合、エンジン出力Ｐe に対する燃料消費量Ｆuel の特性を、下記のように区分線形モデルを用いて数式で表現する。

(b) 例えば、図４に示すバッテリの損失特性を数式モデル化する場合、バッテリ充放電電力Ｅに対するバッテリ損失Ｂlossの特性を、下記のように区分線形モデルを用いて数式で表現する。

［ステップ１０２：数理計画手法を選択］
図５を用いて数理計画手法の選択方法を説明する。まず、ステップ２０１で、連続事象と離散事象の混合問題であるか否かを判定する。このステップ２０１で、連続事象と離散事象の混合問題であると判定された場合には、ステップ２０２に進み、適用する数理計画手法として、混合整数計画手法を選択する。

一方、上記ステップ２０１で、連続事象と離散事象の混合問題ではないと判定された場合には、ステップ２０３に進み、目的関数（最適化しようとする制御性能）が線形であるか否かを判定する。このステップ２０３で、目的関数が線形であると判定された場合には、ステップ２０４に進み、適用する数理計画手法として、線形計画手法を選択する。

一方、上記ステップ２０３で、目的関数が線形ではないと判定された場合には、ステップ２０５に進み、目的関数が二次関数であるか否かを判定する。このステップ２０５で、目的関数が二次関数であると判定された場合には、ステップ２０６に進み、適用する数理計画手法として、二次計画手法又は半正定値計画手法を選択する。

一方、上記ステップ２０５で、目的関数が二次関数ではないと判定された場合には、ステップ２０７に進み、適用する数理計画手法として、非線形計画手法を選択する。
［ステップ１０３：数式モデルを数理計画問題として記述］
(a) 上記ステップ１０１で作成したエンジンの燃料消費特性の数式モデル（区分線形モデル）を数理計画問題として記述する。ここでは、エンジンのオン／オフ（運転／停止）の離散事象を扱うため、混合整数計画問題として記述する。

具体的には、まず、エンジンの燃料消費特性の区分線形モデルを離散と連続が混在したＭＬＤＳ（Mixed Logical Dynamical Systems ）モデルで表現する。

ここで、Ｘeon はエンジン稼働フラグであり、エンジン運転中に「１」にセットされ、エンジン停止中に「０」にリセットされる。また、εは非常に小さい値とする。

次に、ＭＬＤＳモデルを混合整数計画問題で表現する。この場合、最適化（最小化）しようとする制御性能を「エンジンの燃料消費量Σ（ａi Ｋi ＋ｂi δi ）の積算値」とし、この「エンジンの燃料消費量Σ（ａi Ｋi ＋ｂi δi ）の積算値」を目的関数として設定する。

つまり、上記（Ａ）の各式を拘束条件としてαを最小化するという混合整数計画問題で表現する。

(b) 上記ステップ１０１で作成したバッテリの損失特性の数式モデル（区分線形モデル）を数理計画問題として記述する。
具体的には、バッテリの損失特性の区分線形モデルを混合整数計画問題で表現する。この場合、最適化（最小化）しようとする制御性能を「バッテリ損失Ｂloss」とし、この「バッテリ損失Ｂloss」を目的関数として設定する。

つまり、上記（Ｂ）式を拘束条件としてバッテリ損失Ｂlossを最小化するという混合整数計画問題で表現する。

(c) バッテリ残量ＳＯＣの二つの制約条件をそれぞれ数式モデル化する。
第１の制約条件として、バッテリ残量ＳＯＣが各時刻で所定の制限範囲から越えないための制約条件を、次式で表現する。
ＭinＳＯＣ＜ＳＯＣ(k) ＜ＭaxＳＯＣ
ここで、ＭinＳＯＣはバッテリ残量ＳＯＣの下限許容値であり、ＭaxＳＯＣはバッテリ残量ＳＯＣの上限許容値である。

第２の制約条件として、バッテリ残量ＳＯＣの最終値が所定の制限範囲内の状態で終了させるための制約条件を、次式で表現する。
ＭinＥndＳＯＣ＜ＳＯＣ(N) ＜ＭaxＥndＳＯＣ
ここで、ＭinＥndＳＯＣはバッテリ残量ＳＯＣの最終値の下限許容値であり、ＭaxＥndＳＯＣはバッテリ残量ＳＯＣの最終値の上限許容値である。

尚、バッテリ残量ＳＯＣは、発電量Ｅ（プラス値の場合は充電量、マイナス値の場合は放電量）と変換係数Ｃを用いて、次式により算出することができる。
ＳＯＣ(k) ＝ΣＥ(i) ×Ｃ

また、発電量Ｅは、エンジン出力Ｐe と走行要求動力ＤrvＰwrとバッテリ損失Ｂtloss とＭＧ（モータジェネレータ）損失Ｍgloss とを用いて、次式により算出することができる。
Ｅ(k) ＝Ｐe(k)−ＤrvＰwr(k) −Ｂtloss(k)−Ｍgloss(k)

［ステップ１０４：プラントの負荷出力と環境条件を設定］
例えば、図６及び図７に示すように、前提条件となるプラントの負荷出力として、走行負荷の時系列データと車速の時系列データを設定する。更に、前提条件となる環境条件として、温度や風速等を設定する。

［ステップ１０５：制御器出力を算出］
上記ステップ１０４で設定した負荷出力（例えば走行負荷と車速）と環境条件（例えば温度と風速）及び上記ステップ１０３で設定した制約条件（例えばバッテリ残量ＳＯＣの二つの制約条件）を満たす中で、上記ステップ１０３で設定した数理計画問題（例えばエンジンの燃料消費特性に関する混合整数計画問題とバッテリの損失特性に関する混合整数計画問題）を解くことで、目的関数を最適化するプラントの制御器出力（例えばエンジン出力）の時系列データを算出する。本実施例では、図８に示すように、燃料消費量を最小化するエンジン出力の時系列データを算出する。

この場合、コンピュータ１１の数値計算ソフトと数理計画ソルバを組み合わせて制御器出力を算出する。その際、大局的に最適な解が得られる内点法や分岐限定法等のアルゴリズムを搭載した数理計画ソルバを用いれば、局所的な最適解となることを防止できる。

［ステップ１０６：制御性能を算出］
上記ステップ１０４で設定した負荷出力（例えば走行負荷と車速）と環境条件（例えば温度と風速）及び上記ステップ１０５で算出した制御器出力（例えばエンジン出力）の時系列データ等を、車両シミュレータに入力し、この車両シミュレータでプラントの制御性能（例えば燃料消費量や排出ガス量）を算出することで、制御性能の限界値（例えば燃料消費量の最小値や排出ガス量の最小値）を算出する。このようにして算出した今回の燃料消費量と従来の燃料消費量とを比較する（例えば今回の燃料消費量と従来の燃料消費量との比率を算出する）ことで、プラントが発揮しうる燃費性能の最大値を算出することができる。

以上説明した本実施例では、作業者が、プラント（例えばエンジンを搭載した車両）の特性（例えばエンジンの燃料消費特性とバッテリの損失特性）と制約条件（例えばバッテリ残量の制約条件）を数理計画問題として表現して最適化しようとする制御性能（例えば燃料消費量や排出ガス量）を目的関数として設定すると共に、前提条件となるプラントの負荷出力（例えば走行負荷と車速）と環境条件（例えば温度と風速）を設定し、コンピュータ１１で、このプラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力（例えばエンジン出力）を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出するようにしたので、試行錯誤的でなくシステマティックな方法で制御性能の限界値を算出することができる。しかも、制御器の構造を限定する必要がないため、制御器の構造に起因する制御性能の劣化を防ぐことができ、制御器の構造の影響を受けずに制御性能の真の限界値を算出することができる。

また、本実施例では、プラントの特性と制約条件を数理計画問題として表現する際に、プラントが連続事象と離散事象の混合であるか否かと目的関数の種類とに応じて適用する数理計画手法を複数の数理計画手法（例えば、混合整数計画手法、線形計画手法、二次計画手法又は半正定値計画手法、非線形計画手法）の中から選択するようにしたので、プラントや目的関数に対応した適正な数理計画手法を用いて効率良く且つシステマティックに制御性能の限界値を算出することができると共に、プラントや目的関数に対応した適正な数理計画手法を用いることでコンピュータ１１の演算負荷を抑えながら最適解を得ることができる。

尚、本発明の適用可能なプラントは、エンジンのみを動力源とする車両に限定されず、例えば、エンジンとモータを動力源とするハイブリッド車やモータのみを動力源とする電気自動車に本発明を適用しても良い。また、車両以外のプラント、例えば、船舶、建設機械、鉄道車両、コージェネレーション等に本発明を適用しても良い。

１１…コンピュータ（制御器出力算出手段，制御性能算出手段）、１２…入力装置（最適化問題設定手段）、１３…記憶媒体ドライブ装置、１４…表示装置

Claims

制御対象であるプラントの制御性能を算出する方法であって、
前記プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となる前記プラントの負荷出力と環境条件を設定し、前記プラントの負荷出力と環境条件を満たす中で前記目的関数を最適化するように前記数理計画問題を解いて前記プラントの制御器出力を算出し、前記制御器出力を用いて前記プラントの制御性能の限界値を算出することを特徴とするプラントの制御性能算出方法。
前記プラントの特性と制約条件を前記数理計画問題として表現する際に、前記プラントが連続事象と離散事象の混合であるか否かと前記目的関数の種類とに応じて適用する数理計画手法を選択することを特徴とする請求項１に記載のプラントの制御性能算出方法。
制御対象であるプラントの制御性能を算出する装置であって、
前記プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となる前記プラントの負荷出力と環境条件を設定する最適化問題設定手段（１２）と、
前記プラントの負荷出力と環境条件を満たす中で前記目的関数を最適化するように前記数理計画問題を解いて前記プラントの制御器出力を算出する制御器出力算出手段（１１）と、
前記制御器出力を用いて前記プラントの制御性能の限界値を算出する制御性能算出手段（１１）と
を備えていることを特徴とするプラントの制御性能算出装置。
前記最適化問題設定手段（１２）で前記プラントの特性と制約条件を前記数理計画問題として表現する際に、前記プラントが連続事象と離散事象の混合であるか否かと前記目的関数の種類とに応じて適用する数理計画手法を選択することを特徴とする請求項３に記載のプラントの制御性能算出装置。