JP2758246B2 - オートチューニングコントローラ - Google Patents
オートチューニングコントローラInfo
- Publication number
- JP2758246B2 JP2758246B2 JP2069279A JP6927990A JP2758246B2 JP 2758246 B2 JP2758246 B2 JP 2758246B2 JP 2069279 A JP2069279 A JP 2069279A JP 6927990 A JP6927990 A JP 6927990A JP 2758246 B2 JP2758246 B2 JP 2758246B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- compensator
- control
- amount
- feature
- 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
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Description
【発明の詳細な説明】
この発明は特性の異なる複数の制御対象や、特性の変
化する制御対象に対して、良好な制御を行うルールベー
ス型のオートチューニングコントローラに関するもので
ある。
化する制御対象に対して、良好な制御を行うルールベー
ス型のオートチューニングコントローラに関するもので
ある。
第６図は例えば岩崎．森田共著「モデル分類型ファジ
ィオートチューニングコントローラ」第32回自動制御連
合講演会（1988）．第267,268頁に示された従来のルー
ルベース型のオートチューニングコントローラの一例を
示すブロック図であり、図において、１は制御対象、２
は制御対象１を制御するためのオートチューニングコン
トローラ、11はオートチューニングコントローラ２に与
えられる目標値、12はオートチューニングコントローラ
２から制御対象１へ与えられる操作量、13は制御対象１
の出力である制御量である。また、51,52,53はそれぞれ
オートチューニングコントローラ２の構成要素を示し、
51は制御対象１をPI制御により閉ループ制御するための
補償器としてのPI補償器、52は目標値11,操作量12,制御
量13から制御対象１の応答の特徴量14を求める特徴量抽
出部、53はその特徴量14をもとにファジィ推論によりPI
補償器51のPIパラメータの変更量15を求めるファジィ推
論部である。 次に動作について説明する。 PI補償器51は、目標値11と制御量13との誤差に応じて
比例，積分（PI）演算を行い、その演算出力を制御対象
１に操作量12とて与える。通常のPIコントローラの場合
は、上記PI演算で用いるPIパラメータを人が決定して制
御するが、このルールベース型のオートチューニングコ
ントローラ２では、特徴量抽出部52とファジィ推論部53
とにより決定する。即ち、特徴量抽出部52は、目標値1
1,操作量12,制御量13から、目標値11のステップ変化に
対する制御量13のオーバシュート量や減衰比などの特徴
量14を求める。ファジィ推論部53は、予め決定してある
ルールに基づいて、特徴量14を入力として推論を行い、
PI補償器51のPIパラメータの変更量15を求める。PI補償
器51はファジィ推論部53からの上記変更量15により、PI
パラメータを修正してPI制御を行う。 以上のような推論を何度か繰返すことにより、望まし
い応答を実現するPIパラメータが得られ、良好なPI制御
が実現できる。
ィオートチューニングコントローラ」第32回自動制御連
合講演会（1988）．第267,268頁に示された従来のルー
ルベース型のオートチューニングコントローラの一例を
示すブロック図であり、図において、１は制御対象、２
は制御対象１を制御するためのオートチューニングコン
トローラ、11はオートチューニングコントローラ２に与
えられる目標値、12はオートチューニングコントローラ
２から制御対象１へ与えられる操作量、13は制御対象１
の出力である制御量である。また、51,52,53はそれぞれ
オートチューニングコントローラ２の構成要素を示し、
51は制御対象１をPI制御により閉ループ制御するための
補償器としてのPI補償器、52は目標値11,操作量12,制御
量13から制御対象１の応答の特徴量14を求める特徴量抽
出部、53はその特徴量14をもとにファジィ推論によりPI
補償器51のPIパラメータの変更量15を求めるファジィ推
論部である。 次に動作について説明する。 PI補償器51は、目標値11と制御量13との誤差に応じて
比例，積分（PI）演算を行い、その演算出力を制御対象
１に操作量12とて与える。通常のPIコントローラの場合
は、上記PI演算で用いるPIパラメータを人が決定して制
御するが、このルールベース型のオートチューニングコ
ントローラ２では、特徴量抽出部52とファジィ推論部53
とにより決定する。即ち、特徴量抽出部52は、目標値1
1,操作量12,制御量13から、目標値11のステップ変化に
対する制御量13のオーバシュート量や減衰比などの特徴
量14を求める。ファジィ推論部53は、予め決定してある
ルールに基づいて、特徴量14を入力として推論を行い、
PI補償器51のPIパラメータの変更量15を求める。PI補償
器51はファジィ推論部53からの上記変更量15により、PI
パラメータを修正してPI制御を行う。 以上のような推論を何度か繰返すことにより、望まし
い応答を実現するPIパラメータが得られ、良好なPI制御
が実現できる。
従来のルールベース型のオートチューニングコントロ
ーラは以上のように構成されているので、PID（比例，
積分，微分）制御や２自由度制御等を行うための複雑な
補償器を採用する場合には、非常に複雑な特徴量14やフ
ァジィ推論部53のルールが必要で実現が困難であり、ま
た、ステップ，ランプ等のような特徴量抽出のための目
標値11の変化が多種存在する場合には、それぞれに対す
る特徴量14の定義，ルールの追加が必要で複雑になる等
の課題があった。 この発明は上記のような課題を解消するためになされ
たもので、設計アルゴリズムが提案されている複雑な補
償器を採用できると共に、多種の目標値変化にも容易に
対応できるルールベース型のオートチューニングコント
ローラを得ることを目的とする。
ーラは以上のように構成されているので、PID（比例，
積分，微分）制御や２自由度制御等を行うための複雑な
補償器を採用する場合には、非常に複雑な特徴量14やフ
ァジィ推論部53のルールが必要で実現が困難であり、ま
た、ステップ，ランプ等のような特徴量抽出のための目
標値11の変化が多種存在する場合には、それぞれに対す
る特徴量14の定義，ルールの追加が必要で複雑になる等
の課題があった。 この発明は上記のような課題を解消するためになされ
たもので、設計アルゴリズムが提案されている複雑な補
償器を採用できると共に、多種の目標値変化にも容易に
対応できるルールベース型のオートチューニングコント
ローラを得ることを目的とする。
この発明に係るルールベース型の引オートチューニン
グコントローラは、制御対象のモデルを内部に持ち、こ
のモデルと制御対象とを同じ構造・パラメータを有する
補償器で制御し、両方の制御量の特徴量を比較し、その
比較結果から推論を行って上記モデルを修正し、そのモ
デルをもとに上記各補償器を設計するようにしたもので
ある。
グコントローラは、制御対象のモデルを内部に持ち、こ
のモデルと制御対象とを同じ構造・パラメータを有する
補償器で制御し、両方の制御量の特徴量を比較し、その
比較結果から推論を行って上記モデルを修正し、そのモ
デルをもとに上記各補償器を設計するようにしたもので
ある。
この発明におけるルールベース型のオートチューニン
グコントローラは、モデルの特徴量と制御対象の特徴量
とが一致するように、推論によってモデルのパラメータ
を修正していくことにより、良好な制御対象の閉ループ
特性が達成される。
グコントローラは、モデルの特徴量と制御対象の特徴量
とが一致するように、推論によってモデルのパラメータ
を修正していくことにより、良好な制御対象の閉ループ
特性が達成される。
以下、この発明の一実施例を図について説明する。 第１図において、１は制御対象、２は制御対象１を制
御するこの発明によるオートチューニングコントロー
ラ、11はオートチューニングコントローラ２に与えられ
る目標値、12aはオートチューニングコントローラ２か
ら制御対象１に与えられるプラント操作量、13aは制御
対象１の出力である制御量としてのプラント制御量、21
aは制御対象１の閉ループ系を構成するための補償器と
してのプラント補償器で、伝達関数Ｃ（ｓ）を有する。
20は制御対象１のモデルで、伝達関数PM（ｓ）を有す
る。21bはモデル20の閉ループ系を構成するためのモデ
ル補償器で、伝達関数Ｃ（ｓ）を有する。12bはモデル
補償器21bからモデル20に与えられるモデル操作量、13b
はモデル20の出力であるモデル制御量、22aはプラント
制御量13a,目標値11,プラント操作量12aから特徴量を求
める制御対象特徴量抽出部としてのプラント特徴量抽出
部、14aはプラント特徴量抽出部22aの出力であるプラン
ト特徴量、22bはモデル制御量13b,目標値11,モデル操作
量12bから特徴量を求めるモデル特徴量抽出部、14bはモ
デル特徴量抽出部22bの出力であるモデル特徴量、23は
プラント特徴量14aとモデル特徴量14bとを比較する特徴
量比較部、24は特徴量比較部23の出力をもとに推論を行
い、モデル20の変更を行う推論部、25はモデル20に適し
たプラント補償器21a及びモデル補償器21bを設計する補
償器設定部である。 次に動作について説明する。 この実施例では、制御対象１が温度を一定に保つ炉で
あり、プラント操作量12aがヒータへの電流，プラント
制御量13aが温度計出力である場合について述べる。通
常、このような炉の特性は一次遅れと無駄時間とで近似
できるので、制御対象１のモデル20の伝達関数は次式と
する。 ただし、s:ラプラス演算子 K:プラントゲイン T:一次遅れ時定数 L:無駄時間 K,T,L:モデルパラメータ プラント補償器21a,モデル補償器21bはPID補償器と
し、伝達関数は次式とする。 ただし、Kp:比例ゲイン TI:積分時定数 Kd:微分ゲイン Kp,TI,Kd:補償パラメータ 補償器設定部25は、（１）式のモデルパラメータK,T,
Lが与えられた場合、（２）式の補償器パラメータKp,
TI,Kdを決定する機能を持つ。この実施例では、上記の
決定を部分的モデルマッチング法（北森：制御対象の部
分的知識に基づく制御系設計法、計測自動制御学会論文
集15−４ 第549〜555頁（1979））により実現した。 プラント特徴量抽出部22a,モデル特徴量抽出部22b
は、目標値11,操作量12,制御量13から推論部24で用いる
プラント特徴量14a,モデル特徴量14bを抽出する。第２
図は、目標値11がステップ変化した場合のプラント制御
量13a,モデル制御量13bの変化の様子の一例を示す。こ
の第２図に示したステップ入力に対する各制御量13a,13
bの立上り時間（rp,rm），オーバシュートの大きさ
（op,om）などが特徴量の例である。 特徴量比較部23では、各特徴量抽出部22a,22bで得ら
れたプラント特徴量14aとモデル特徴量14bとの比を求め
る。即ち、立上り時間比rr,オーバシュート比orを次式
で求める。 rr＝rp/rm・・・・・（３） or＝op/om・・・・・（４） 推論部24では上記特徴量の比（rr,orなど）をもとに
モデルパラメータ（K,T,L）の修正分ΔK,ΔT,ΔＬを決
定する。この結果、モデル20の新しいパラメータは、 Ｋ←Ｋ＋ΔK,T←Ｔ＋ΔT,L←Ｌ＋ΔＬ・・・（５） と修正される。推論部24のルールはファジィルールで記
述され、例えば対のようなものである。 Rule1.rrが１より大きくorが１よりかなり小さければ、
ΔＫはかなり小さくする。 これらの各ルールの適合度を調べ、通常のファジィ推
論の手法で各ルールの出力を合成することにより、上記
修正分ΔK,ΔT,ΔＬの値は決定できる。 このように、ファジィルールの前件部として、立上り
時間比rr＝rp/rmおよびオーバーシュート比or＝op/omを
用いたので、ステップ，ランプ等のような特徴量抽出の
ための目標値11の変化が多種存在する場合であっても、
第２図におけるプラント制御量13aおよびモデル制御量1
3bは、目標値11の変化に応じた相似形となるので、立上
り時間比rrおよびオーバーシュート比orに影響を及ぼす
ことはなく、上記ファジィシールを用いることができ
る。 第３図はこの実施例の動作の流れを示すフローチャー
トである。ステップST1において、モデル20のモデルパ
ラメータ（T,K,L）の初期値を作業者が決定する。これ
は制御対象１の特性の大まかな値であり、作業者がおお
よその値を知っている場合が多い。ステップST2では、
モデル20に適した各補償器21a,21bの補償パラメータ等
を補償器設計部25により設計して決定する。次にステッ
プST3では、上記決定されたプラント補償器21aで、制御
対象１を制御し、その時の目標値11,プラント操作量12
a,プラント制御量13aからプラント特徴量抽出部22aによ
りプラント特徴量14aを抽出する。また、ステップST4で
は、上記決定されたモデル補償器21bで、モデル20を上
記プラントを制御した時と同じ目標値11に対してコント
ローラ上で数値計算して制御し、その時の目標値11,モ
デル操作量12b,モデル制御量13bからモデル特徴量抽出
部22bによりモデル特徴量14bを抽出する。そしてステッ
プST5で、両方の特徴量14a,14bnを特徴量比較部23によ
り比較し、双方がほぼ一致していれば、制御対象１のモ
デル20と制御対象１とがほぼ一致しており、このとき、
部分的モデルマッチング法による良好なプラント補償器
21aが設計できているため、ステップST6でオートチュー
ニングを終了する。 上記双方が一致していない場合には、ステップST7
で、推論部24においてファジィ推論を行い、モデル20を
修正する。そののち、再びステップST2に戻り各補償器2
1a,21bを設計する。 以上の手順を繰返すことにより、制御対象のモデルパ
ラメータを実際の制御対象１に近づけることができ、望
ましいプラント補償器21aを得ることができる。 なお、上記実施例では、補償器21a,21bとしてPID補償
器を用いたが、第４図のように閉ループ系を構成しな
い、即ち、目標値11のみ与えられる前置補償器21c,12d
を用いる場合や、第５図のように目標値11と各制御量13
a,13bの情報を直接用いる２自由度補償器21e,21fなど、
従来提案されている種々の補償器を用いた場合にも、こ
の発明のオートチューニングコントローラ２は、補償器
設計部25を変更して、前置補償器設定部25a（第４図）
又は２自由度補償器設計部25b（第５図）と成すことに
より、ルールをほとんど変更することなしに実現でき
る。また、制御対象１のモデル20の同定のみが必要で、
良好なコントローラの設計が必要ない場合にも、上記各
実施例の補償器設計部25,25a,25bを除くことにより実現
できる。 また、上記各実施例の特徴量抽出部22a,22bでは、特
徴量の例として立上がり時間ｒとオーバシュート量ｏを
用いたが、その他、振動減衰化、オフセット量，オーバ
シュート時間など、推論に用いることができる特徴量で
あれば、どのような特徴量を用いてもよい。 さらに、上記各実施例の特徴量比較部23では、各特徴
量14a,14bの比を用いたが、特徴量の差など、特徴量の
比較ができ、推論部24で使用できる比較方法であればよ
い。 また、上記各実施例の推論部24では、ファジィルール
による推論によりモデル20のモデルパラメータを変更し
たが、その他、通常のルールなどモデル20のモデルパラ
メータ変更値が出力できるものであればよい。 さらに、上記各実施例は、温度制御系に関するもの
で、内部のモデルとして一次遅れと無駄時間で表わされ
るとしたが、制御対象１に応じて例えば２次遅れ系、内
部にループを持つようなモータ制御系モデルなどを用い
てもよい。また、ルールにより複数の異なる構造のモデ
ルを切り換えて用いるようにすることもできる。
御するこの発明によるオートチューニングコントロー
ラ、11はオートチューニングコントローラ２に与えられ
る目標値、12aはオートチューニングコントローラ２か
ら制御対象１に与えられるプラント操作量、13aは制御
対象１の出力である制御量としてのプラント制御量、21
aは制御対象１の閉ループ系を構成するための補償器と
してのプラント補償器で、伝達関数Ｃ（ｓ）を有する。
20は制御対象１のモデルで、伝達関数PM（ｓ）を有す
る。21bはモデル20の閉ループ系を構成するためのモデ
ル補償器で、伝達関数Ｃ（ｓ）を有する。12bはモデル
補償器21bからモデル20に与えられるモデル操作量、13b
はモデル20の出力であるモデル制御量、22aはプラント
制御量13a,目標値11,プラント操作量12aから特徴量を求
める制御対象特徴量抽出部としてのプラント特徴量抽出
部、14aはプラント特徴量抽出部22aの出力であるプラン
ト特徴量、22bはモデル制御量13b,目標値11,モデル操作
量12bから特徴量を求めるモデル特徴量抽出部、14bはモ
デル特徴量抽出部22bの出力であるモデル特徴量、23は
プラント特徴量14aとモデル特徴量14bとを比較する特徴
量比較部、24は特徴量比較部23の出力をもとに推論を行
い、モデル20の変更を行う推論部、25はモデル20に適し
たプラント補償器21a及びモデル補償器21bを設計する補
償器設定部である。 次に動作について説明する。 この実施例では、制御対象１が温度を一定に保つ炉で
あり、プラント操作量12aがヒータへの電流，プラント
制御量13aが温度計出力である場合について述べる。通
常、このような炉の特性は一次遅れと無駄時間とで近似
できるので、制御対象１のモデル20の伝達関数は次式と
する。 ただし、s:ラプラス演算子 K:プラントゲイン T:一次遅れ時定数 L:無駄時間 K,T,L:モデルパラメータ プラント補償器21a,モデル補償器21bはPID補償器と
し、伝達関数は次式とする。 ただし、Kp:比例ゲイン TI:積分時定数 Kd:微分ゲイン Kp,TI,Kd:補償パラメータ 補償器設定部25は、（１）式のモデルパラメータK,T,
Lが与えられた場合、（２）式の補償器パラメータKp,
TI,Kdを決定する機能を持つ。この実施例では、上記の
決定を部分的モデルマッチング法（北森：制御対象の部
分的知識に基づく制御系設計法、計測自動制御学会論文
集15−４ 第549〜555頁（1979））により実現した。 プラント特徴量抽出部22a,モデル特徴量抽出部22b
は、目標値11,操作量12,制御量13から推論部24で用いる
プラント特徴量14a,モデル特徴量14bを抽出する。第２
図は、目標値11がステップ変化した場合のプラント制御
量13a,モデル制御量13bの変化の様子の一例を示す。こ
の第２図に示したステップ入力に対する各制御量13a,13
bの立上り時間（rp,rm），オーバシュートの大きさ
（op,om）などが特徴量の例である。 特徴量比較部23では、各特徴量抽出部22a,22bで得ら
れたプラント特徴量14aとモデル特徴量14bとの比を求め
る。即ち、立上り時間比rr,オーバシュート比orを次式
で求める。 rr＝rp/rm・・・・・（３） or＝op/om・・・・・（４） 推論部24では上記特徴量の比（rr,orなど）をもとに
モデルパラメータ（K,T,L）の修正分ΔK,ΔT,ΔＬを決
定する。この結果、モデル20の新しいパラメータは、 Ｋ←Ｋ＋ΔK,T←Ｔ＋ΔT,L←Ｌ＋ΔＬ・・・（５） と修正される。推論部24のルールはファジィルールで記
述され、例えば対のようなものである。 Rule1.rrが１より大きくorが１よりかなり小さければ、
ΔＫはかなり小さくする。 これらの各ルールの適合度を調べ、通常のファジィ推
論の手法で各ルールの出力を合成することにより、上記
修正分ΔK,ΔT,ΔＬの値は決定できる。 このように、ファジィルールの前件部として、立上り
時間比rr＝rp/rmおよびオーバーシュート比or＝op/omを
用いたので、ステップ，ランプ等のような特徴量抽出の
ための目標値11の変化が多種存在する場合であっても、
第２図におけるプラント制御量13aおよびモデル制御量1
3bは、目標値11の変化に応じた相似形となるので、立上
り時間比rrおよびオーバーシュート比orに影響を及ぼす
ことはなく、上記ファジィシールを用いることができ
る。 第３図はこの実施例の動作の流れを示すフローチャー
トである。ステップST1において、モデル20のモデルパ
ラメータ（T,K,L）の初期値を作業者が決定する。これ
は制御対象１の特性の大まかな値であり、作業者がおお
よその値を知っている場合が多い。ステップST2では、
モデル20に適した各補償器21a,21bの補償パラメータ等
を補償器設計部25により設計して決定する。次にステッ
プST3では、上記決定されたプラント補償器21aで、制御
対象１を制御し、その時の目標値11,プラント操作量12
a,プラント制御量13aからプラント特徴量抽出部22aによ
りプラント特徴量14aを抽出する。また、ステップST4で
は、上記決定されたモデル補償器21bで、モデル20を上
記プラントを制御した時と同じ目標値11に対してコント
ローラ上で数値計算して制御し、その時の目標値11,モ
デル操作量12b,モデル制御量13bからモデル特徴量抽出
部22bによりモデル特徴量14bを抽出する。そしてステッ
プST5で、両方の特徴量14a,14bnを特徴量比較部23によ
り比較し、双方がほぼ一致していれば、制御対象１のモ
デル20と制御対象１とがほぼ一致しており、このとき、
部分的モデルマッチング法による良好なプラント補償器
21aが設計できているため、ステップST6でオートチュー
ニングを終了する。 上記双方が一致していない場合には、ステップST7
で、推論部24においてファジィ推論を行い、モデル20を
修正する。そののち、再びステップST2に戻り各補償器2
1a,21bを設計する。 以上の手順を繰返すことにより、制御対象のモデルパ
ラメータを実際の制御対象１に近づけることができ、望
ましいプラント補償器21aを得ることができる。 なお、上記実施例では、補償器21a,21bとしてPID補償
器を用いたが、第４図のように閉ループ系を構成しな
い、即ち、目標値11のみ与えられる前置補償器21c,12d
を用いる場合や、第５図のように目標値11と各制御量13
a,13bの情報を直接用いる２自由度補償器21e,21fなど、
従来提案されている種々の補償器を用いた場合にも、こ
の発明のオートチューニングコントローラ２は、補償器
設計部25を変更して、前置補償器設定部25a（第４図）
又は２自由度補償器設計部25b（第５図）と成すことに
より、ルールをほとんど変更することなしに実現でき
る。また、制御対象１のモデル20の同定のみが必要で、
良好なコントローラの設計が必要ない場合にも、上記各
実施例の補償器設計部25,25a,25bを除くことにより実現
できる。 また、上記各実施例の特徴量抽出部22a,22bでは、特
徴量の例として立上がり時間ｒとオーバシュート量ｏを
用いたが、その他、振動減衰化、オフセット量，オーバ
シュート時間など、推論に用いることができる特徴量で
あれば、どのような特徴量を用いてもよい。 さらに、上記各実施例の特徴量比較部23では、各特徴
量14a,14bの比を用いたが、特徴量の差など、特徴量の
比較ができ、推論部24で使用できる比較方法であればよ
い。 また、上記各実施例の推論部24では、ファジィルール
による推論によりモデル20のモデルパラメータを変更し
たが、その他、通常のルールなどモデル20のモデルパラ
メータ変更値が出力できるものであればよい。 さらに、上記各実施例は、温度制御系に関するもの
で、内部のモデルとして一次遅れと無駄時間で表わされ
るとしたが、制御対象１に応じて例えば２次遅れ系、内
部にループを持つようなモータ制御系モデルなどを用い
てもよい。また、ルールにより複数の異なる構造のモデ
ルを切り換えて用いるようにすることもできる。
以上のように、この発明によれば、ルールベース型の
オートチューニングコントローラにおいて、コントロー
ラ内部に制御対象のモデルを設け、上記モデルと制御対
象それぞれの特徴量を比較し、推論によってモデルを変
更し、そのモデルに適した補償器を設計するように構成
したので、様々な制御仕様に対応でき、従来のものより
汎用的になり、コスト低減につながる等の効果がある。
オートチューニングコントローラにおいて、コントロー
ラ内部に制御対象のモデルを設け、上記モデルと制御対
象それぞれの特徴量を比較し、推論によってモデルを変
更し、そのモデルに適した補償器を設計するように構成
したので、様々な制御仕様に対応でき、従来のものより
汎用的になり、コスト低減につながる等の効果がある。
第１図はこの発明の一実施例によるオートチューニング
コントローラを示すブロック図、第２図はモデルと制御
対象の制御量および特徴量の応答例を示す特性図、第３
図は動作の流れを示すフローチャート、第４図はこの発
明の他の実施例によるオートチューニングコントローラ
を示すブロック図、第５図はこの発明のさらに他の実施
例によるオートチューニングコントローラを示すブロッ
ク図、第６図は従来のオートチューニングコントローラ
を示すブロック図である。 １は制御対象、２はオートチューニングコントローラ、
13aはプラント制御量、13bはモデル制御量、14aはプラ
ント特徴量、14bはモデル特徴量、20は制御対象のモデ
ル、21aはプラント補償器、21bはモデル補償器、22aは
プラント特徴量抽出部、22bはモデル特徴量抽出部、23
は特徴量比較部、24は推論部、25は補償器設計部。 なお、図中、同一符号は同一、または相当部分を示す。
コントローラを示すブロック図、第２図はモデルと制御
対象の制御量および特徴量の応答例を示す特性図、第３
図は動作の流れを示すフローチャート、第４図はこの発
明の他の実施例によるオートチューニングコントローラ
を示すブロック図、第５図はこの発明のさらに他の実施
例によるオートチューニングコントローラを示すブロッ
ク図、第６図は従来のオートチューニングコントローラ
を示すブロック図である。 １は制御対象、２はオートチューニングコントローラ、
13aはプラント制御量、13bはモデル制御量、14aはプラ
ント特徴量、14bはモデル特徴量、20は制御対象のモデ
ル、21aはプラント補償器、21bはモデル補償器、22aは
プラント特徴量抽出部、22bはモデル特徴量抽出部、23
は特徴量比較部、24は推論部、25は補償器設計部。 なお、図中、同一符号は同一、または相当部分を示す。
Claims (1)
- 【請求項１】制御対象のモデルと、上記モデルを制御す
るモデル補償器と、上記モデルから出力されるモデル制
御量からモデル特徴量を抽出するモデル特徴量抽出部
と、上記モデル補償器と同じ構造であって同じパラメー
タで上記制御対象を制御する制御対象補償器と、上記制
御対象から出力される制御量から制御対象特徴量を抽出
する制御対象特徴量抽出部と、上記モデル特徴量と上記
制御対象特徴量とを比較する特徴量比較部と、上記特徴
量比較部の比較結果に基づいて推論を行い上記モデルを
変更する推論部と、上記推論部により変更されたモデル
に応じて上記モデル補償器及び上記制御対象補償器を変
更する補償器設計部とを備えたオートチューニングコン
トローラ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2069279A JP2758246B2 (ja) | 1990-03-19 | 1990-03-19 | オートチューニングコントローラ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2069279A JP2758246B2 (ja) | 1990-03-19 | 1990-03-19 | オートチューニングコントローラ |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03268103A JPH03268103A (ja) | 1991-11-28 |
| JP2758246B2 true JP2758246B2 (ja) | 1998-05-28 |
Family
ID=13398038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2069279A Expired - Fee Related JP2758246B2 (ja) | 1990-03-19 | 1990-03-19 | オートチューニングコントローラ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2758246B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006046633A1 (ja) * | 2004-10-28 | 2006-05-04 | Yamatake Corporation | 制御対象モデル生成装置および生成方法 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000092881A (ja) * | 1998-09-18 | 2000-03-31 | Yaskawa Electric Corp | 電動機制御装置 |
| JP4633253B2 (ja) * | 2000-12-28 | 2011-02-16 | 住友化学株式会社 | Ｐｉｄ制御装置のチューニング方法 |
| JP2004038428A (ja) * | 2002-07-02 | 2004-02-05 | Yamatake Corp | 制御対象モデル生成方法、制御パラメータ調整方法、制御対象モデル生成プログラムおよび制御パラメータ調整プログラム |
-
1990
- 1990-03-19 JP JP2069279A patent/JP2758246B2/ja not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006046633A1 (ja) * | 2004-10-28 | 2006-05-04 | Yamatake Corporation | 制御対象モデル生成装置および生成方法 |
| JP2006127079A (ja) * | 2004-10-28 | 2006-05-18 | Yamatake Corp | 制御対象モデル生成装置および生成方法 |
| CN100568124C (zh) * | 2004-10-28 | 2009-12-09 | 株式会社山武 | 控制对象模型生成设备和生成方法 |
| US7664556B2 (en) | 2004-10-28 | 2010-02-16 | Yamatake Corporation | Control object model generation device and generation method |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03268103A (ja) | 1991-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4223894B2 (ja) | Ｐｉｄパラメータ調整装置 | |
| US5268835A (en) | Process controller for controlling a process to a target state | |
| JP3328742B2 (ja) | ニューロｐｉｄ制御装置 | |
| JP5016002B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
| Jeng et al. | Simultaneous automatic tuning of cascade control systems from closed-loop step response data | |
| KR19990022788A (ko) | 다변수 예측 제어기내에서 처리 제어기의 최적화 방법 | |
| JP2003167605A (ja) | 制御装置、温度調節器および熱処理装置 | |
| JP3864781B2 (ja) | 温度調節器 | |
| US6847954B1 (en) | Control-loop auto-tuner with nonlinear tuning rules estimators | |
| JP2758246B2 (ja) | オートチューニングコントローラ | |
| JP2585294B2 (ja) | Ｐｉｄコントローラ | |
| JPH04266101A (ja) | 多変数モデル予測制御装置 | |
| JPH08110802A (ja) | Ｐｉｄコントローラ | |
| Xu et al. | Receding horizon optimization approach to PID controller parameters auto-tuning | |
| JPH08179805A (ja) | ロバスト制御器のパラメータ設定方法 | |
| JPH11506553A (ja) | ダイナミックプロセスのモデル化装置 | |
| JP2862308B2 (ja) | コントローラの調整方法および調整システム | |
| JPH07191709A (ja) | モデル予測制御のパラメータ設定方法 | |
| JP2818325B2 (ja) | ２自由度調節装置 | |
| JP2752230B2 (ja) | ２自由度制御装置 | |
| JPH0272404A (ja) | メンバーシップ関数決定方法 | |
| JPH04256102A (ja) | モデル予測制御装置 | |
| JP3277484B2 (ja) | Ｐｉｄコントローラ | |
| JPH03100704A (ja) | プロセス制御装置 | |
| JPH08115102A (ja) | コントローラ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080313 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090313 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100313 Year of fee payment: 12 |
|
| LAPS | Cancellation because of no payment of annual fees |