JP2536066B2 - ファジィモデリング制御方法 - Google Patents
ファジィモデリング制御方法Info
- Publication number
- JP2536066B2 JP2536066B2 JP63136048A JP13604888A JP2536066B2 JP 2536066 B2 JP2536066 B2 JP 2536066B2 JP 63136048 A JP63136048 A JP 63136048A JP 13604888 A JP13604888 A JP 13604888A JP 2536066 B2 JP2536066 B2 JP 2536066B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- model
- fuzzy
- area
- pseudo
- 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.)
- Expired - Fee Related
Links
Landscapes
- Feedback Control In General (AREA)
Description
【発明の詳細な説明】 （産業上の利用分野） 本発明は、プロセス・モデリングをファジィ手法で実
行する場合に、プロセスを複数の領域に分割して各領域
での出力（PV値）を入力（MV値）の関数として線形近似
する手法の改善に関する。
行する場合に、プロセスを複数の領域に分割して各領域
での出力（PV値）を入力（MV値）の関数として線形近似
する手法の改善に関する。
（従来の技術） 第４図，第５図に基づいて従来技術の一例を説明す
る。１は制御対象プロセスであり、その出力ｙ（測定
値）と設定値ｚの偏差が制御装置２で演算され、操作出
力ｘがプロセス１に入力される。
る。１は制御対象プロセスであり、その出力ｙ（測定
値）と設定値ｚの偏差が制御装置２で演算され、操作出
力ｘがプロセス１に入力される。
プロセスへの入出力データ（開ループ）が与えられた
とき、このデータをもとに入力空間をいくつかに分割
し、各部分空間で出力ｙを入力ｘの線形関数で近似す
る、というモデリング手法は、例えば文献「Fuzzy Sets
and Systems」Vol.18（1986）P329〜P346記載の論文
「FUZZY MODELLING AND CONTROL OF MULTILAYER INCINE
RATOR」で紹介されており、プロセスを１つの線形モデ
ルで近似する手法に比較して非線形特性を反映した、制
御性のよいモデリング手法として注目されている。
とき、このデータをもとに入力空間をいくつかに分割
し、各部分空間で出力ｙを入力ｘの線形関数で近似す
る、というモデリング手法は、例えば文献「Fuzzy Sets
and Systems」Vol.18（1986）P329〜P346記載の論文
「FUZZY MODELLING AND CONTROL OF MULTILAYER INCINE
RATOR」で紹介されており、プロセスを１つの線形モデ
ルで近似する手法に比較して非線形特性を反映した、制
御性のよいモデリング手法として注目されている。
第５図は、この様な手法でプロセスを３つのの領域
L1,L2,L3に分割した例であり、例えばL1,L2領域につい
ては、 L1領域： if x1＝Big,x2＝Small,… Then ｙ＝a0＋a1x1＋…＋anxn L2領域： if x1＝Small,x2＝Big…， Then ｙ＝０＋1x1＋…＋nxn の如く各領域において線形関数で近似する。
L1,L2,L3に分割した例であり、例えばL1,L2領域につい
ては、 L1領域： if x1＝Big,x2＝Small,… Then ｙ＝a0＋a1x1＋…＋anxn L2領域： if x1＝Small,x2＝Big…， Then ｙ＝０＋1x1＋…＋nxn の如く各領域において線形関数で近似する。
（発明が解決しようとする課題） この様な手法は、プロセスの開ループデータが得られ
るときは領域分割は精度よくできるが、プロセスによっ
ては制御ループを開にしてデータを収集できないものが
あり、閉ループのまま領域分割作業が必要な場合があ
る。
るときは領域分割は精度よくできるが、プロセスによっ
ては制御ループを開にしてデータを収集できないものが
あり、閉ループのまま領域分割作業が必要な場合があ
る。
この様な場合にとられる手法として、閉ループのま
ま、第４図に示すように入力ｘにＭ系列同定信号（擬似
雑音信号）Ｍを印加し、その応答により線形系として統
計モデル（以下ARモデル）を同定し、その結果からプロ
セスの開ループにおける特性を表す入出力データを擬似
的に作成し、このデータに基づいてプロセスを複数領域
に分割し、各領域ごとに線形モデルを作る手法がとられ
る。
ま、第４図に示すように入力ｘにＭ系列同定信号（擬似
雑音信号）Ｍを印加し、その応答により線形系として統
計モデル（以下ARモデル）を同定し、その結果からプロ
セスの開ループにおける特性を表す入出力データを擬似
的に作成し、このデータに基づいてプロセスを複数領域
に分割し、各領域ごとに線形モデルを作る手法がとられ
る。
しかしながら、このようなAR手法による同定では、擬
似データは領域全体での線形モデルから作成されるため
に、開ループで同定されるデータに比較してプロセスの
非線形特性を表すデータとしての信頼性が低く、制御性
がよくないという問題がある。
似データは領域全体での線形モデルから作成されるため
に、開ループで同定されるデータに比較してプロセスの
非線形特性を表すデータとしての信頼性が低く、制御性
がよくないという問題がある。
本発明は、このような問題点を解消できるARモデルに
よるファジィモデリング制御方法の提供を目的とする。
よるファジィモデリング制御方法の提供を目的とする。
（課題を解決するための手段） 本発明の特徴は、閉ループ制御系に対して操作信号に
重畳させた同定用の疑似雑音に対するプロセスの応答に
基いて線形系として統計モデル（以下ARモデルという）
を同定しその結果からプロセスの開ループにおける特性
を表す入出力デーラを疑似的に作成し、上記疑似データ
に基き誤差評価を最小とするようプロセスの領域を複数
に分割して各領域毎にファジィモデルを作成し、各領域
の境界部分のデータを２つに分解して、各領域でのARモ
デルを再構成し、これに基づいて上記疑似データを再構
成するようにしたファジィモデリング制御方法である。
重畳させた同定用の疑似雑音に対するプロセスの応答に
基いて線形系として統計モデル（以下ARモデルという）
を同定しその結果からプロセスの開ループにおける特性
を表す入出力デーラを疑似的に作成し、上記疑似データ
に基き誤差評価を最小とするようプロセスの領域を複数
に分割して各領域毎にファジィモデルを作成し、各領域
の境界部分のデータを２つに分解して、各領域でのARモ
デルを再構成し、これに基づいて上記疑似データを再構
成するようにしたファジィモデリング制御方法である。
（作用） 閉ループ制御系に対して操作信号に重畳させた同定用
の疑似雑音を供給し、これに対するプロセスの応答に基
いて線形系として統計モデル（ARモデル）を同定してAR
モデルを作成する。更に、その結果からプロセスの開ル
ープにおける特性を表す入出力データを疑似的に作成す
る。この作成された疑似データに基き誤差評価を最小に
するようプロセスの領域を複数に分割して各領域毎にフ
ァジイモデルを作成する。次に、各領域の境界部分のデ
ータを２つに分解して各領域でのARモデルを再構成しこ
れに基いて上記疑似データを再構成させる。
の疑似雑音を供給し、これに対するプロセスの応答に基
いて線形系として統計モデル（ARモデル）を同定してAR
モデルを作成する。更に、その結果からプロセスの開ル
ープにおける特性を表す入出力データを疑似的に作成す
る。この作成された疑似データに基き誤差評価を最小に
するようプロセスの領域を複数に分割して各領域毎にフ
ァジイモデルを作成する。次に、各領域の境界部分のデ
ータを２つに分解して各領域でのARモデルを再構成しこ
れに基いて上記疑似データを再構成させる。
（実施例） 第１図に基づいて本発明方法を適用した制御装置の実
施例を説明する。第４図で説明した要素と同一要素には
同一符号を付して説明を省略し、本発明の特徴部につい
ての説明を追加する。
施例を説明する。第４図で説明した要素と同一要素には
同一符号を付して説明を省略し、本発明の特徴部につい
ての説明を追加する。
制御装置２はファジィモデリング制御部201と、デー
タ収集期間にスイッチ203,204により切換えて一時的に
使用されるPID制御部202よりなり、ファジィモデルの確
定後は201による制御が実行される。
タ収集期間にスイッチ203,204により切換えて一時的に
使用されるPID制御部202よりなり、ファジィモデルの確
定後は201による制御が実行される。
３は閉ループ状態でプロセスの入出力特性を同定し複
数領域に分割するためのファジィモデル処理部であり、
301は、プロセス入力ｘに同定用の擬似雑音を供給する
Ｍ系列信号供給部である。
数領域に分割するためのファジィモデル処理部であり、
301は、プロセス入力ｘに同定用の擬似雑音を供給する
Ｍ系列信号供給部である。
302はARモデル機能部であり入力信号ｘと出力ｙに基
づいてARモデルを同定し、これに基づいてプロセスの開
ループにおけるデータＤを作成する。
づいてARモデルを同定し、これに基づいてプロセスの開
ループにおけるデータＤを作成する。
303は領域分割機能部であり、擬似開ループデータに
基づいて評価誤差関数を最小にするような分割を実行す
る。
基づいて評価誤差関数を最小にするような分割を実行す
る。
304はデータ分解機能部であり、303で分割された領域
の境界データを例えばファジィメンバシップ関数の交差
点で２分割する。
の境界データを例えばファジィメンバシップ関数の交差
点で２分割する。
304はデータ再構成機能部であり、分割されたデータ
に基づいて各領域でARモデルを再構成し、これに基いて
各領域の擬似データを再構成する。
に基づいて各領域でARモデルを再構成し、これに基いて
各領域の擬似データを再構成する。
再構成されたデータに基づいて303により領域分割が
実行され、その結果を更に304により分解,305により再
構成が実行され、このサイクルが複数回実行され、誤差
評価関数が最小となる領域分割が決定されると、このデ
ータが制御装置のファジィモデル制御部201にダウンロ
ードされる。
実行され、その結果を更に304により分解,305により再
構成が実行され、このサイクルが複数回実行され、誤差
評価関数が最小となる領域分割が決定されると、このデ
ータが制御装置のファジィモデル制御部201にダウンロ
ードされる。
このダウロード後はスイッチ203,204がファジィモデ
リング制御部201側に切換えられ、以後は複数領域に分
割されたファジィモデリング制御に移行する。
リング制御部201側に切換えられ、以後は複数領域に分
割されたファジィモデリング制御に移行する。
従って、ファジィモデリング処理部３は最適な領域分
割が終了した後は制御対象プロセスが変わるまでは不要
となるので、ブロック３の部分はオフライン的な付加装
置として独立させ汎用的に使用することが可能である。
割が終了した後は制御対象プロセスが変わるまでは不要
となるので、ブロック３の部分はオフライン的な付加装
置として独立させ汎用的に使用することが可能である。
次に、第２図のフローチャートにより本発明方法の信
号処理手順を説明する。
号処理手順を説明する。
ステップで開ループデータ有無がチェックされ、な
しの場合にはステップによりＭ系列同定信号を用いた
ARモデルから擬似データが作成される。
しの場合にはステップによりＭ系列同定信号を用いた
ARモデルから擬似データが作成される。
ステップでは擬似データ又は開ループデータがある
場合はこれを用いてGMDH（General Method For Data Ha
ndling）による規範UC（Universal Criterion:評価関
数）を最小にするようファジィ制御を分割する。
場合はこれを用いてGMDH（General Method For Data Ha
ndling）による規範UC（Universal Criterion:評価関
数）を最小にするようファジィ制御を分割する。
この場合の領域分解は、プロセス法則を１つと推定し
て全領域を線形とみなすARモデル及びその評価関数UC1
を計算し、プロセス法則を２つと推定して入力xiをSmal
lとBigの２種に別けて全入力ｘについてのARモデル及び
その評価関数UC2（xi）を計算し、同様にプロセス法則
を３つの場合、４つの場合…と推定して同様な計算を実
行する。
て全領域を線形とみなすARモデル及びその評価関数UC1
を計算し、プロセス法則を２つと推定して入力xiをSmal
lとBigの２種に別けて全入力ｘについてのARモデル及び
その評価関数UC2（xi）を計算し、同様にプロセス法則
を３つの場合、４つの場合…と推定して同様な計算を実
行する。
従来の技術であればステップに進んで最小の評価関
数UC値をとる分割が決定されるが、本発明では分割内容
を評価，修正するためのステップ，が付加される。
数UC値をとる分割が決定されるが、本発明では分割内容
を評価，修正するためのステップ，が付加される。
第３図はこれら２ステップの内容を詳細に示したもの
であり、先ずデータを分解するステップではプロセス
法則が２つの場合では、プロセス入力x1,x2…xnのう
ち、評価関数が最小となるmin UC2（xi）を与えるxiを
とり、これをSmall,Bigの２通りに分解する。分解の方
法は例えば境界部分のメンバシップ関数の交点で２グル
ープ｛xi（ｊ）｝Ｓ及び｛xi（ｋ）｝Ｂに分解する。こ
こでj,kは時系列を意味する。
であり、先ずデータを分解するステップではプロセス
法則が２つの場合では、プロセス入力x1,x2…xnのう
ち、評価関数が最小となるmin UC2（xi）を与えるxiを
とり、これをSmall,Bigの２通りに分解する。分解の方
法は例えば境界部分のメンバシップ関数の交点で２グル
ープ｛xi（ｊ）｝Ｓ及び｛xi（ｋ）｝Ｂに分解する。こ
こでj,kは時系列を意味する。
これら分解データに基づいてステップによる擬似デ
ータの再構成が実行される。
ータの再構成が実行される。
先ずステップ−１では、｛xi（ｊ）｝Ｓに対応した
プロセス出力｛yi（ｊ）｝を集めてARモデルに適用す
る。ARモデル式Ｙ（ｎ）は、 で表される。ここでＹ（ｎ−ｋ）はプロセスのPV値、ｕ
（ｎ−ｋ）はMV値、ｅ（ｎ）は雑音である。
プロセス出力｛yi（ｊ）｝を集めてARモデルに適用す
る。ARモデル式Ｙ（ｎ）は、 で表される。ここでＹ（ｎ−ｋ）はプロセスのPV値、ｕ
（ｎ−ｋ）はMV値、ｅ（ｎ）は雑音である。
コントロール法則はｕ＝−KYの形が既知であるとし
て、ｕにＭ系列を重畳して開ループ特性を表す係数
｛ak｝，｛bk｝等を推定する。
て、ｕにＭ系列を重畳して開ループ特性を表す係数
｛ak｝，｛bk｝等を推定する。
この様にして決定されるARモデル式に基づいて開ルー
プ時の入出力データを擬似的に構成する。
プ時の入出力データを擬似的に構成する。
ステップ−２では、｛xi（ｋ）｝Ｂに関し同様な処
理でARモデル式を決定し、これに基づいて開ループ時の
入出力データを擬似的に構成する。
理でARモデル式を決定し、これに基づいて開ループ時の
入出力データを擬似的に構成する。
この様にして構成されたデータにより、ステップで
は擬似データの更新が実行され、更新データに基づいて
領域分割が新たに実行されることになる。
は擬似データの更新が実行され、更新データに基づいて
領域分割が新たに実行されることになる。
（発明の効果） 以上説明したように、非線形特性を有するプロセスの
ファジィモデリングを行うとき、従来は同定信号として
Ｍ系列を印加して、閉ループ時のオンラインデータから
ARモデルによってプロセスの開ループ特性を得ているた
めに、非線形特性が弱められる問題点があったが、本発
明方法では、プロセスの非線形特性に応答してプロセス
への入出力データ空間を複数個に分割し、各分割空間毎
にARモデルを再適用し、非線形特性を生かした開ループ
特性データを再構成することができる。
ファジィモデリングを行うとき、従来は同定信号として
Ｍ系列を印加して、閉ループ時のオンラインデータから
ARモデルによってプロセスの開ループ特性を得ているた
めに、非線形特性が弱められる問題点があったが、本発
明方法では、プロセスの非線形特性に応答してプロセス
への入出力データ空間を複数個に分割し、各分割空間毎
にARモデルを再適用し、非線形特性を生かした開ループ
特性データを再構成することができる。
再構成されたデータは、非線形特性をよく反映してい
るためにファジィモデリングの制度が向上し、このモデ
リングで確立したモデル式に基づいてプロセスの最適制
御の制御性をより向上させることが可能となる。
るためにファジィモデリングの制度が向上し、このモデ
リングで確立したモデル式に基づいてプロセスの最適制
御の制御性をより向上させることが可能となる。
第１図は本発明の実施例を示す構成図、第２図はその信
号処理手順を説明するフローチャート図、第３図はその
一部の詳細説明図、第４図領域分割を行うファジィモデ
リングによる制御系の説明図、第５図はプロセスの領域
分割の一例を示す説明図である。 １……プロセス、２……制御装置、201……ファジィモ
デリング制御部、３……ファジィモデリング処理部、30
1……Ｍ系列同定信号供給部、302……ARモデル機能部、
303……領域分割機能部、304……データ分解機能部、30
5……データ再構成機能部
号処理手順を説明するフローチャート図、第３図はその
一部の詳細説明図、第４図領域分割を行うファジィモデ
リングによる制御系の説明図、第５図はプロセスの領域
分割の一例を示す説明図である。 １……プロセス、２……制御装置、201……ファジィモ
デリング制御部、３……ファジィモデリング処理部、30
1……Ｍ系列同定信号供給部、302……ARモデル機能部、
303……領域分割機能部、304……データ分解機能部、30
5……データ再構成機能部
Claims (1)
- 【請求項１】閉ループ制御系に対して操作信号に重畳さ
せた同定用の疑似雑音に対するプロセスの応答に基づい
て線形系として統計モデル（以下ARモデルという）を同
定しその結果からプロセスの開ループにおける特性を表
す入出力データを疑似的に作成し、上記疑似データに基
づき誤差評価を最小とするようプロセスの領域を複数に
分割して各領域毎にファジイモデルを作成し、各領域の
境界部分のデータを２つに分解して各領域でのARモデル
を再構成しこれに基いて上記疑似データを再構成するよ
うにしたファジイモデリング制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63136048A JP2536066B2 (ja) | 1988-06-02 | 1988-06-02 | ファジィモデリング制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63136048A JP2536066B2 (ja) | 1988-06-02 | 1988-06-02 | ファジィモデリング制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01305402A JPH01305402A (ja) | 1989-12-08 |
| JP2536066B2 true JP2536066B2 (ja) | 1996-09-18 |
Family
ID=15165960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63136048A Expired - Fee Related JP2536066B2 (ja) | 1988-06-02 | 1988-06-02 | ファジィモデリング制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2536066B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5240112B2 (ja) * | 2009-07-27 | 2013-07-17 | 株式会社ニコン | システム同定方法及びシステム同定装置 |
-
1988
- 1988-06-02 JP JP63136048A patent/JP2536066B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 「ＦｕｚｚｙＳｅｔｓａｎｄＳｙｓｔｅｍｓ」Ｖｏｌ．１８（１９８８）ＰＰ．３２９−３４６ |
| 菅野「ファジィ制御」（１９８８．５．３０）日刊工業新聞社、ＰＰ．１３７−１７７ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH01305402A (ja) | 1989-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Park et al. | Direct adaptive self-structuring fuzzy controller for nonaffine nonlinear system | |
| Agarwal | Combining neural and conventional paradigms for modelling, prediction and control | |
| JP2005070940A (ja) | Ｐｉｄパラメータ調整装置 | |
| Preitl et al. | Iterative feedback tuning in fuzzy control systems. Theory and applications | |
| Bernal et al. | Analysis and synthesis of nonlinear control systems | |
| Norgaard et al. | NNSYSID and NNCTRL tools for system identification and control with neural networks | |
| Griñó et al. | Nonlinear system identification using additive dynamic neural networks-two on-line approaches | |
| CN114757512A (zh) | 一种基于图神经网络的作业车间调度方法 | |
| JP2536066B2 (ja) | ファジィモデリング制御方法 | |
| Miyagi et al. | A programming language for discrete event production systems based on production flow schema and mark flow graph | |
| Prabhu et al. | Fuzzy-logic-based reinforcement learning of admittance control for automated robotic manufacturing | |
| Hu | Generalized predictive control using a neuro-fuzzy model | |
| Adam | Qualitative models in simulation and control of structural machine processes | |
| Naceur et al. | On an internal multimodel control for nonlinear systems | |
| Schäfer | Semantic reasoning for automated factory planning | |
| Piche et al. | First-order gradient descent training of adaptive discrete-time dynamic networks | |
| Conway et al. | Using adaptive networks to model and control drug delivery | |
| Hanebeck | Progressive Bayesian estimation for nonlinear discrete-time systems: the measurement step | |
| Foltin et al. | A new adaptive PID control approach based on closed-loop response recognition. | |
| Russo | Designing a simple system to greatly accelerate the learning speed of a large class of fuzzy learning methods | |
| Preitl et al. | State space approach to the stability analysis of a class of fuzzy control systems meant for third-order plants | |
| CN112947078A (zh) | 一种基于值迭代的伺服电机智能优化控制方法 | |
| Johansson | Rule Based Interpolating Control-Fuzzy and its Alternatives | |
| Sekaj et al. | Adaptive Control Based on the Closed-Loop Response Recognition | |
| GÜRKAN et al. | Reducing inconsistencies in intuitionistic 2-way adaptive fuzzy control systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |