JP2831880B2 - 自動制御装置 - Google Patents
自動制御装置Info
- Publication number
- JP2831880B2 JP2831880B2 JP4196931A JP19693192A JP2831880B2 JP 2831880 B2 JP2831880 B2 JP 2831880B2 JP 4196931 A JP4196931 A JP 4196931A JP 19693192 A JP19693192 A JP 19693192A JP 2831880 B2 JP2831880 B2 JP 2831880B2
- Authority
- JP
- Japan
- Prior art keywords
- feedforward
- control
- fuzzy inference
- set value
- compensation amount
- 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 - Lifetime
Links
Landscapes
- Casting Or Compression Moulding Of Plastics Or The Like (AREA)
- Feedback Control In General (AREA)
Description
【０００１】
【産業上の利用分野】本発明は制御対象の制御量を与え
られた設定値に追従させ安定化させることを目的とする
自動制御装置に関するものである。
られた設定値に追従させ安定化させることを目的とする
自動制御装置に関するものである。
【０００２】
【従来の技術】自動制御装置の制御方式として、図５に
示すものが知られている。図５はフィードバック補償器
とフィードフォワード補償器とを組み合わせた複合制御
系である。
示すものが知られている。図５はフィードバック補償器
とフィードフォワード補償器とを組み合わせた複合制御
系である。
【０００３】図５において、１はフィードバック補償
器、２はフィードフォワード補償器、３は制御対象を表
す。加算点４において、設定値yrと制御対象３から検出
された制御量ｙとの偏差ｅが演算され、フィードバック
補償器１の入力となる。フィードバック補償器１は
器、２はフィードフォワード補償器、３は制御対象を表
す。加算点４において、設定値yrと制御対象３から検出
された制御量ｙとの偏差ｅが演算され、フィードバック
補償器１の入力となる。フィードバック補償器１は
【数１】 ΔＸ2 ＝ＫP ｅ＋ＫI ∫ｅdt＋ＫD (de/dt) …(1) なるＰＩＤ演算によってフィードバック補償量ΔＸ2 を
出力する。ここでＫP ，ＫI ，ＫD はそれぞれ比例ゲイ
ン，積分ゲイン，微分ゲインを表す。またディジタル制
御系として実現するならば
出力する。ここでＫP ，ＫI ，ＫD はそれぞれ比例ゲイ
ン，積分ゲイン，微分ゲインを表す。またディジタル制
御系として実現するならば
【数２】 なるディジタルＰＩＤ演算によってフィードバック補償
量ΔＸ2 を決定する。ここでｈはディジタル制御系のサ
ンプリング周期であり、添字ｎはディジタル系の時刻を
表す。
量ΔＸ2 を決定する。ここでｈはディジタル制御系のサ
ンプリング周期であり、添字ｎはディジタル系の時刻を
表す。
【０００４】フィードフォワード補償器２は、設定値yr
と外乱ｄを入力としてフィードフォワード補償量ΔＸ1
を出力する。設定値yr、フィードバック補償量ΔＸ2 及
びフィードフォワード補償量ΔＸ1 は、加算点５におい
て加算されて、操作量Ｘとなる。尚、加算点５において
設定値yrを直接加算する処理は、制御系の構成という観
点からは、フィードフォワード補償の一部と見なすこと
ができるが、本発明においては、これを設定値に基づく
フィードフォワード補償量と呼ぶことにし、同図のフィ
ードフォワード補償器２とは分離して考えることにす
る。
と外乱ｄを入力としてフィードフォワード補償量ΔＸ1
を出力する。設定値yr、フィードバック補償量ΔＸ2 及
びフィードフォワード補償量ΔＸ1 は、加算点５におい
て加算されて、操作量Ｘとなる。尚、加算点５において
設定値yrを直接加算する処理は、制御系の構成という観
点からは、フィードフォワード補償の一部と見なすこと
ができるが、本発明においては、これを設定値に基づく
フィードフォワード補償量と呼ぶことにし、同図のフィ
ードフォワード補償器２とは分離して考えることにす
る。
【０００５】フィードバック制御では設定値と制御量と
の偏差を演算し(1) 式又は(2) 式のＰＩＤ演算により操
作量を決定するため、偏差が発生してはじめて制御動作
が行われることになる。従って制御量を検出するための
時間遅れが大きい制御対象では、偏差が発生するまでに
時間がかかるため、良好な制御を実現できない場合が多
い。
の偏差を演算し(1) 式又は(2) 式のＰＩＤ演算により操
作量を決定するため、偏差が発生してはじめて制御動作
が行われることになる。従って制御量を検出するための
時間遅れが大きい制御対象では、偏差が発生するまでに
時間がかかるため、良好な制御を実現できない場合が多
い。
【０００６】一方フィードフォワード制御では、設定値
や外乱を入力とし、これに対応する操作を行うため、遅
れの大きい制御対象でも良い制御性能を得ることが可能
である。ただしフィードフォワード制御では制御対象の
モデルが必須であり、モデルの良否が制御性能に大きく
影響する。このモデルをフィードフォワード演算モデル
と呼ぶことにする。
や外乱を入力とし、これに対応する操作を行うため、遅
れの大きい制御対象でも良い制御性能を得ることが可能
である。ただしフィードフォワード制御では制御対象の
モデルが必須であり、モデルの良否が制御性能に大きく
影響する。このモデルをフィードフォワード演算モデル
と呼ぶことにする。
【０００７】フィードバック制御とフィードフォワード
制御とを組み合わせることにより、両者の欠点を相補う
ことができる。すなわち、制御対象の遅れが大きい場合
でもフィードフォワード制御によって設定値変更や外乱
の影響を抑制することができると同時に、フィードフォ
ワード演算モデルに多少の誤差がある場合でも、フィー
ドバック制御により補償されるため、フィードフォワー
ド制御あるいはフィードバック制御を単独で用いた場合
よりも全体としての制御性能の向上が図れる。
制御とを組み合わせることにより、両者の欠点を相補う
ことができる。すなわち、制御対象の遅れが大きい場合
でもフィードフォワード制御によって設定値変更や外乱
の影響を抑制することができると同時に、フィードフォ
ワード演算モデルに多少の誤差がある場合でも、フィー
ドバック制御により補償されるため、フィードフォワー
ド制御あるいはフィードバック制御を単独で用いた場合
よりも全体としての制御性能の向上が図れる。
【０００８】現実の制御対象は非線形特性を有するもの
が多く、フィードフォワード制御を効果的に利用するた
めにはフィードフォワード演算モデルが非線形特性を表
現する能力を備えていなければならない。非線形特性を
表現する方法として折れ線近似などが利用されている
が、その設計は試行錯誤で行っているのが現状である。
が多く、フィードフォワード制御を効果的に利用するた
めにはフィードフォワード演算モデルが非線形特性を表
現する能力を備えていなければならない。非線形特性を
表現する方法として折れ線近似などが利用されている
が、その設計は試行錯誤で行っているのが現状である。
【０００９】
【発明が解決しようとする課題】本発明は、制御量を設
定値に追従させる追値制御系において、従来より確実に
設定値変更時の制御応答を向上させると共に、外乱変動
による制御量を抑制することを目的としている。
定値に追従させる追値制御系において、従来より確実に
設定値変更時の制御応答を向上させると共に、外乱変動
による制御量を抑制することを目的としている。
【００１０】
【課題を解決するための手段】図１は本発明の基本技術
思想の理解を容易にするために示したブロック線図であ
る。すなわち、本発明は、その原理上、ファジィモデル
の持つ長所を最適に活用して実現できるものである。特
に本発明においては簡略化ファジィモデルと呼ばれるフ
ァジィモデルを利用する。簡略化ファジィモデルは非線
形特性を容易に表現できると共に、後述する簡便な学習
アルゴリズムによって非線形特性を自動的に学習できる
という特徴を有している。本発明はこれらの特質に着目
してファジィモデルの利用を図ったものである。
思想の理解を容易にするために示したブロック線図であ
る。すなわち、本発明は、その原理上、ファジィモデル
の持つ長所を最適に活用して実現できるものである。特
に本発明においては簡略化ファジィモデルと呼ばれるフ
ァジィモデルを利用する。簡略化ファジィモデルは非線
形特性を容易に表現できると共に、後述する簡便な学習
アルゴリズムによって非線形特性を自動的に学習できる
という特徴を有している。本発明はこれらの特質に着目
してファジィモデルの利用を図ったものである。
【００１１】本発明はＰＩＤ制御によるフィードバック
補償器と、設定値および外乱を入力としてフィードフォ
ワード補償を行う簡略化ファジィモデルによるフィード
フォワード補償器と、制御偏差がある範囲に入り安定状
態に収束したかどうかを認識する安定状態判定手段と、
安定状態でのフィードバック補償量を教師信号として簡
略化ファジィモデルによるフィードフォワード演算モデ
ルを逐次的に修正する学習手段とから構成される。更に
図１に示すように、図５で示した従来の制御方式と同
様、設定値に基づくフィードフォワード補償量をも組み
合わせた構成となっている。
補償器と、設定値および外乱を入力としてフィードフォ
ワード補償を行う簡略化ファジィモデルによるフィード
フォワード補償器と、制御偏差がある範囲に入り安定状
態に収束したかどうかを認識する安定状態判定手段と、
安定状態でのフィードバック補償量を教師信号として簡
略化ファジィモデルによるフィードフォワード演算モデ
ルを逐次的に修正する学習手段とから構成される。更に
図１に示すように、図５で示した従来の制御方式と同
様、設定値に基づくフィードフォワード補償量をも組み
合わせた構成となっている。
【００１２】まず、簡略化ファジィ推論について説明す
る。簡略化ファジィ推論とは、文献「ファジィ化製品開
発の基礎と実際」（長町三生編 1991年 海文堂発行の
特に31〜35頁）に示されているように、マムダニ流のフ
ァジィ推論において、後件部がファジィ集合ではなく、
実数値で表される推論形式である。いま簡単のためにｎ
入力１出力の簡略化ファジィ推論を考え、その前件部変
数をｘi (i=1, …,n)で、後件部変数をｙで、またｋ番
目のルールの後件部実数値をｗk で表す。
る。簡略化ファジィ推論とは、文献「ファジィ化製品開
発の基礎と実際」（長町三生編 1991年 海文堂発行の
特に31〜35頁）に示されているように、マムダニ流のフ
ァジィ推論において、後件部がファジィ集合ではなく、
実数値で表される推論形式である。いま簡単のためにｎ
入力１出力の簡略化ファジィ推論を考え、その前件部変
数をｘi (i=1, …,n)で、後件部変数をｙで、またｋ番
目のルールの後件部実数値をｗk で表す。
【００１３】このときｋ番目のルールは
【数３】 if ｘi is Ａi k and … and ｘn is Ａn k then ｙ＝ｗk …(3) のように書くことができる。ここでＡi k は前件部変数
ｘi 上で定義されたファジィ集合を表す。そのメンバー
シップ関数としては図３に示すような三角型メンバーシ
ップ関数で、メンバーシップ値が0.5 のところで交差す
るものを用いる。
ｘi 上で定義されたファジィ集合を表す。そのメンバー
シップ関数としては図３に示すような三角型メンバーシ
ップ関数で、メンバーシップ値が0.5 のところで交差す
るものを用いる。
【００１４】また前件部変数ｘi 上で、それぞれＮi 個
のメンバーシップ関数が定義されているとすれば、ファ
ジィルールの総数Ｎは Ｎ＝Ｎ1 ・Ｎ2 ・…・Ｎn となる。
のメンバーシップ関数が定義されているとすれば、ファ
ジィルールの総数Ｎは Ｎ＝Ｎ1 ・Ｎ2 ・…・Ｎn となる。
【００１５】ｋ番目のルールの前件部適合度をμk とす
ると
ると
【数４】 μk ＝Ａ1 k (ｘ1 ) ・Ａ2 k (ｘ1 ) ・…・Ａn k (ｘ1 ) …(4) と表され、ファジィ推論の出力は
【数５】 ｙ＝μ1 ・ｗ1 ＋μ2 ・ｗ2 ＋…＋μN ・ｗN …(5) なる式、すなわち各ルールの後件部実数値ｗi の前件部
適合度μi による重み付き平均値で求められる。ここで
Ａi k としては図１のフィードフォワード補償器21がこ
のようなファジィルール、適合度演算処理および重み付
き平均の演算を含むものである。
適合度μi による重み付き平均値で求められる。ここで
Ａi k としては図１のフィードフォワード補償器21がこ
のようなファジィルール、適合度演算処理および重み付
き平均の演算を含むものである。
【００１６】さらに前記文献に示されているように、簡
略化ファジィ推論を用いると教師付き学習を容易に実現
できる。すなわち、教師信号ｙ0 とファジィモデルの出
力ｙとの誤差をδ（＝ｙ0 −ｙ）とすると、ｋ番目のル
ールの後件部実数値ｗk は
略化ファジィ推論を用いると教師付き学習を容易に実現
できる。すなわち、教師信号ｙ0 とファジィモデルの出
力ｙとの誤差をδ（＝ｙ0 −ｙ）とすると、ｋ番目のル
ールの後件部実数値ｗk は
【数６】 ｗk ＝ｗk ＋τ・μk ・δ …(6) によって更新することができる。ここでτは学習係数で
あり０〜１の実数値をとる。この学習アルゴリズムによ
れば、ファジィ推論の出力と教師信号との誤差を最小化
する方向に修正できることが証明されている。
あり０〜１の実数値をとる。この学習アルゴリズムによ
れば、ファジィ推論の出力と教師信号との誤差を最小化
する方向に修正できることが証明されている。
【００１７】いまＰＩＤ制御によるフィードバック補償
器と、設定値に基づくフィードフォワード補償量によっ
て制御される場合を考える。図２は設定値変更時の制御
応答を概念的に示したものである。設定値yrを変更した
場合、制御偏差が生じるためＰＩＤ制御によるフィード
バック補償器は制御偏差を少なくする方向に補償を行
う。そしてある時間を経過すれば制御偏差は小さな値と
なり、制御量は安定な状態に到達する。この時点でのＰ
ＩＤ補償量は、定常偏差を近似的に０にする補償量とな
っている。外乱についても同様のことが言え、外乱が変
動し、ある値に収束した後、制御偏差が０に近づいた状
態での補償量は、定常偏差を近似的に０にする補償量で
ある。すなわち、上記の意味の安定状態での補償量は制
御対象の定常特性（静特性）を反映した値となっている
と言うことができ、各種の設定値および外乱における安
定状態での補償量をモデル化するということは、制御対
象の静特性をモデル化することと等価である。
器と、設定値に基づくフィードフォワード補償量によっ
て制御される場合を考える。図２は設定値変更時の制御
応答を概念的に示したものである。設定値yrを変更した
場合、制御偏差が生じるためＰＩＤ制御によるフィード
バック補償器は制御偏差を少なくする方向に補償を行
う。そしてある時間を経過すれば制御偏差は小さな値と
なり、制御量は安定な状態に到達する。この時点でのＰ
ＩＤ補償量は、定常偏差を近似的に０にする補償量とな
っている。外乱についても同様のことが言え、外乱が変
動し、ある値に収束した後、制御偏差が０に近づいた状
態での補償量は、定常偏差を近似的に０にする補償量で
ある。すなわち、上記の意味の安定状態での補償量は制
御対象の定常特性（静特性）を反映した値となっている
と言うことができ、各種の設定値および外乱における安
定状態での補償量をモデル化するということは、制御対
象の静特性をモデル化することと等価である。
【００１８】従ってフィードフォワード演算モデルを設
定値yrと外乱ｄの関数ｆとみなし
定値yrと外乱ｄの関数ｆとみなし
【数７】 ΔＸ1 ＝ｆ（yr，ｄ） …(7) と表現すれば、いくつかの設定値yri および外乱ｄi と
そのときのフィードバック補償量ΔＸ2 (i) の組に対し
て ｆ（yri ，ｄi ）＝ΔＸ2 (i) を満たすような関数ｆを見出すことがフィードフォワー
ド演算モデルを決定することになる。
そのときのフィードバック補償量ΔＸ2 (i) の組に対し
て ｆ（yri ，ｄi ）＝ΔＸ2 (i) を満たすような関数ｆを見出すことがフィードフォワー
ド演算モデルを決定することになる。
【００１９】そしてこの関数ｆの具体的な表現手段とし
て前述の簡略化ファジィ推論を用いることができ、さら
にフィードバック補償器の出力を教師信号とすることに
よりフィードフォワード演算モデルを自動的に学習する
ことが可能となる。以下簡略ファジィ推論によるモデル
を単にファジィモデルと呼ぶことにする。
て前述の簡略化ファジィ推論を用いることができ、さら
にフィードバック補償器の出力を教師信号とすることに
よりフィードフォワード演算モデルを自動的に学習する
ことが可能となる。以下簡略ファジィ推論によるモデル
を単にファジィモデルと呼ぶことにする。
【００２０】さらに本制御装置の運転状態として学習モ
ードと運転モードとを設ける。学習モードとは、ＰＩＤ
制御によるフィードバック補償器と、設定値に基づくフ
ィードフォワード補償量とによって制御を行い、安定状
態でのフィードバック補償器の出力を教師信号としてフ
ィードフォワード演算モデルを学習するモードであり、
運転モードとは学習によって調整されたフィードフォワ
ード演算モデルに基づいてフィードバック／フィードフ
ォワード複合系として動作するモードである。
ードと運転モードとを設ける。学習モードとは、ＰＩＤ
制御によるフィードバック補償器と、設定値に基づくフ
ィードフォワード補償量とによって制御を行い、安定状
態でのフィードバック補償器の出力を教師信号としてフ
ィードフォワード演算モデルを学習するモードであり、
運転モードとは学習によって調整されたフィードフォワ
ード演算モデルに基づいてフィードバック／フィードフ
ォワード複合系として動作するモードである。
【００２１】次に図１を説明する。図１において、１は
フィードバック補償器であり、図５で示したフィードバ
ック補償器１と同一の機能を有するものである。すなわ
ち加算点４において演算される設定値yrと制御量ｙとの
偏差ｅを入力とし、ＰＩＤ演算によってフィードバック
補償量ΔＸ2 を出力するものである。
フィードバック補償器であり、図５で示したフィードバ
ック補償器１と同一の機能を有するものである。すなわ
ち加算点４において演算される設定値yrと制御量ｙとの
偏差ｅを入力とし、ＰＩＤ演算によってフィードバック
補償量ΔＸ2 を出力するものである。
【００２２】21はファジィモデルによるフィードフォワ
ード補償器であり、設定値yrと外乱ｄとを入力としてフ
ィードフォワード補償量ΔＸ1 を出力する。
ード補償器であり、設定値yrと外乱ｄとを入力としてフ
ィードフォワード補償量ΔＸ1 を出力する。
【００２３】設定値yrとフィードバック補償量ΔＸ2 及
びフィードフォワード補償量ΔＸ1は、加算点５におい
て加算され操作量Ｘとなる。
びフィードフォワード補償量ΔＸ1は、加算点５におい
て加算され操作量Ｘとなる。
【００２４】ファジィモデルによるフィードフォワード
補償量ΔＸ1 とＰＩＤ補償器によるフィードバック補償
量ΔＸ2 との差δが加算点６において演算され、学習手
段22の入力となる。
補償量ΔＸ1 とＰＩＤ補償器によるフィードバック補償
量ΔＸ2 との差δが加算点６において演算され、学習手
段22の入力となる。
【００２５】23は安定状態判定手段であり、設定値yr、
外乱ｄおよび加算点４で演算された制御偏差ｅを入力と
し、安定状態信号λを出力するものである。安定状態信
号λとは０または１の２値信号であり、１が安定状態で
あることを、０が安定状態でないことを表す。安定状態
判定手段23は、設定値yrおよび外乱ｄの時間的変化がな
く、且つ制御偏差ｅがある範囲に入った状態を維持しつ
つ、ある一定時間Ｔs経過したなら安定であり、それ以
外の状態では安定でないという論理に基づいている。
外乱ｄおよび加算点４で演算された制御偏差ｅを入力と
し、安定状態信号λを出力するものである。安定状態信
号λとは０または１の２値信号であり、１が安定状態で
あることを、０が安定状態でないことを表す。安定状態
判定手段23は、設定値yrおよび外乱ｄの時間的変化がな
く、且つ制御偏差ｅがある範囲に入った状態を維持しつ
つ、ある一定時間Ｔs経過したなら安定であり、それ以
外の状態では安定でないという論理に基づいている。
【００２６】22は学習手段であり、23の安定状態判定手
段からの出力である安定状態信号λと、加算点６で演算
された誤差δ、フィードフォワード補償器21で演算され
た各ファジィルールの前件部適合度μi (i=1〜N)、およ
び後件部実数値ｗi (i=1〜N)を入力として、前述の(6)
式に従って各ファジィルールの後件部実数値ｗi (i=1〜
N)を修正する。ただし、修正演算は制御状態が安定の場
合、すなわちλ＝１の状態でのみ行い、安定でない状態
では行わない。
段からの出力である安定状態信号λと、加算点６で演算
された誤差δ、フィードフォワード補償器21で演算され
た各ファジィルールの前件部適合度μi (i=1〜N)、およ
び後件部実数値ｗi (i=1〜N)を入力として、前述の(6)
式に従って各ファジィルールの後件部実数値ｗi (i=1〜
N)を修正する。ただし、修正演算は制御状態が安定の場
合、すなわちλ＝１の状態でのみ行い、安定でない状態
では行わない。
【００２７】７は、学習モードでは開放され、運転モー
ドにおいて投入される接点を表す。学習モードではＰＩ
Ｄ制御によるフィードバック補償器と、設定値に基づく
フィードフォワード補償量とによって制御を行うため、
加算点５においてフィードフォワード補償量ΔＸ1 を加
算しない。
ドにおいて投入される接点を表す。学習モードではＰＩ
Ｄ制御によるフィードバック補償器と、設定値に基づく
フィードフォワード補償量とによって制御を行うため、
加算点５においてフィードフォワード補償量ΔＸ1 を加
算しない。
【００２８】一方、運転モードでは、ファジィ推論によ
るフィードフォワード補償器と、ＰＩＤ制御によるフィ
ードバック補償器と、設定値に基づくフィードフォワー
ド補償量による複合系として動作させるため、加算点５
において設定値yr、フィードバック補償量ΔＸ2 、フィ
ードフォワード補償量ΔＸ1 が加算される。また運転モ
ードでは、安定状態信号λの値は０に固定されて、学習
は行われない。
るフィードフォワード補償器と、ＰＩＤ制御によるフィ
ードバック補償器と、設定値に基づくフィードフォワー
ド補償量による複合系として動作させるため、加算点５
において設定値yr、フィードバック補償量ΔＸ2 、フィ
ードフォワード補償量ΔＸ1 が加算される。また運転モ
ードでは、安定状態信号λの値は０に固定されて、学習
は行われない。
【００２９】
【作用】図１中の外乱ｄは一般的にベクトルと考えて良
いが、ここでは簡単のためにスカラであるとする。すな
わちファジィモデルによるフィードフォワード補償器は
設定値yrと一つの外乱ｄを入力とし、フィードフォワー
ド補償量ΔＸ1 を出力するものとする。
いが、ここでは簡単のためにスカラであるとする。すな
わちファジィモデルによるフィードフォワード補償器は
設定値yrと一つの外乱ｄを入力とし、フィードフォワー
ド補償量ΔＸ1 を出力するものとする。
【００３０】設定値yrに対し図３(a) に示すように３つ
のメンバーシップ関数Ａ1 、Ａ2 、Ａ3 を定義し、メン
バーシップ関数のグレードが１となるyrの値をそれぞれ
yr1〜yr3 とする。また外乱ｄについても図３(b) に示
すように２つのメンバーシップ関数Ｂ1 、Ｂ2 を定義
し、メンバーシップ関数のグレードが１となるｄの値を
それぞれｄ1 、ｄ2 とする。
のメンバーシップ関数Ａ1 、Ａ2 、Ａ3 を定義し、メン
バーシップ関数のグレードが１となるyrの値をそれぞれ
yr1〜yr3 とする。また外乱ｄについても図３(b) に示
すように２つのメンバーシップ関数Ｂ1 、Ｂ2 を定義
し、メンバーシップ関数のグレードが１となるｄの値を
それぞれｄ1 、ｄ2 とする。
【００３１】この場合ファジィモデルは次のような６つ
のファジィルールで構成される。 ルール１：if yr is Ａ1 and ｄ is Ｂ1 then ΔＸ1
＝ｗ1 ルール２：if yr is Ａ2 and ｄ is Ｂ1 then ΔＸ1
＝ｗ2 ルール３：if yr is Ａ3 and ｄ is Ｂ1 then ΔＸ1
＝ｗ3 ルール４：if yr is Ａ1 and ｄ is Ｂ2 then ΔＸ1
＝ｗ4 ルール５：if yr is Ａ2 and ｄ is Ｂ2 then ΔＸ1
＝ｗ5 ルール６：if yr is Ａ3 and ｄ is Ｂ2 then ΔＸ1
＝ｗ6
のファジィルールで構成される。 ルール１：if yr is Ａ1 and ｄ is Ｂ1 then ΔＸ1
＝ｗ1 ルール２：if yr is Ａ2 and ｄ is Ｂ1 then ΔＸ1
＝ｗ2 ルール３：if yr is Ａ3 and ｄ is Ｂ1 then ΔＸ1
＝ｗ3 ルール４：if yr is Ａ1 and ｄ is Ｂ2 then ΔＸ1
＝ｗ4 ルール５：if yr is Ａ2 and ｄ is Ｂ2 then ΔＸ1
＝ｗ5 ルール６：if yr is Ａ3 and ｄ is Ｂ2 then ΔＸ1
＝ｗ6
【００３２】図４は学習モードでの各信号の時間的変化
を表した図である。ここでは外乱ｄがｄ1 の近傍の値に
ある状態で設定値yrをyr1 、yr2 、yr3 の各点近傍に順
次変更し、各設定値において学習を行わせ、次いで外乱
ｄがｄ2 近傍の値にある状態で、設定値yrをyr3 、y
r2 、yr1 の各点近傍に順次変更し、各設定値における
学習を行わせている。
を表した図である。ここでは外乱ｄがｄ1 の近傍の値に
ある状態で設定値yrをyr1 、yr2 、yr3 の各点近傍に順
次変更し、各設定値において学習を行わせ、次いで外乱
ｄがｄ2 近傍の値にある状態で、設定値yrをyr3 、y
r2 、yr1 の各点近傍に順次変更し、各設定値における
学習を行わせている。
【００３３】設定値yrおよび外乱ｄの各値において安定
状態信号λが１の区間、すなわち学習が行われている区
間を〜で表す。
状態信号λが１の区間、すなわち学習が行われている区
間を〜で表す。
【００３４】いまある変数ｘが値ｘ0 の近傍の値である
ということを ｘ＝〜ｘ0 で表すことにする。
ということを ｘ＝〜ｘ0 で表すことにする。
【００３５】図４中の区間では、yr＝〜yr1 、ｄ＝〜
ｄ1 であるから、各メンバーシップ関数の適合度は Ａ1(〜yr1)＝〜１ Ｂ1(〜ｄ1)＝〜１ Ａ2(〜yr1)＝〜０ Ｂ2(〜ｄ1)＝〜０ Ａ3(〜yr1)＝０ となり、各ルールの前件部適合度は μ1 ＝Ａ1(〜yr1)・Ｂ1(〜ｄ1)＝〜１ μ2 ＝Ａ2(〜yr1)・Ｂ1(〜ｄ1)＝〜０ μ3 ＝Ａ3(〜yr1)・Ｂ1(〜ｄ1)＝０ μ4 ＝Ａ1(〜yr1)・Ｂ2(〜ｄ1)＝〜０ μ5 ＝Ａ2(〜yr1)・Ｂ2(〜ｄ1)＝〜０ μ6 ＝Ａ3(〜yr1)・Ｂ2(〜ｄ1)＝０ となる。このとき(6) 式の第２項である修正項が最も大
きな値となるのはルール１であり、学習によってルール
１の後件部実数値ｗ1 は区間でのフィードバック補償
量ΔＸ2 (1) に漸近する方向に修正される。すなわち ｆ (〜yr1,〜ｄ1)＝〜ΔＸ2 (1) なる関係が学習される。
ｄ1 であるから、各メンバーシップ関数の適合度は Ａ1(〜yr1)＝〜１ Ｂ1(〜ｄ1)＝〜１ Ａ2(〜yr1)＝〜０ Ｂ2(〜ｄ1)＝〜０ Ａ3(〜yr1)＝０ となり、各ルールの前件部適合度は μ1 ＝Ａ1(〜yr1)・Ｂ1(〜ｄ1)＝〜１ μ2 ＝Ａ2(〜yr1)・Ｂ1(〜ｄ1)＝〜０ μ3 ＝Ａ3(〜yr1)・Ｂ1(〜ｄ1)＝０ μ4 ＝Ａ1(〜yr1)・Ｂ2(〜ｄ1)＝〜０ μ5 ＝Ａ2(〜yr1)・Ｂ2(〜ｄ1)＝〜０ μ6 ＝Ａ3(〜yr1)・Ｂ2(〜ｄ1)＝０ となる。このとき(6) 式の第２項である修正項が最も大
きな値となるのはルール１であり、学習によってルール
１の後件部実数値ｗ1 は区間でのフィードバック補償
量ΔＸ2 (1) に漸近する方向に修正される。すなわち ｆ (〜yr1,〜ｄ1)＝〜ΔＸ2 (1) なる関係が学習される。
【００３６】またの区間では、yr＝〜yr2 、ｄ＝〜ｄ
1 であるから、各メンバーシップ関数の適合度は Ａ1(〜yr2)＝〜０ Ｂ1(〜ｄ1)＝〜１ Ａ2(〜yr2)＝〜１ Ｂ2(〜ｄ1)＝〜０ Ａ3(〜yr2)＝〜０ となり、各ルールの前件部適合度は μ1 ＝Ａ1(〜yr2)・Ｂ1(〜ｄ1)＝〜０ μ2 ＝Ａ2(〜yr2)・Ｂ1(〜ｄ1)＝〜１ μ3 ＝Ａ3(〜yr2)・Ｂ1(〜ｄ1)＝〜０ μ4 ＝Ａ1(〜yr2)・Ｂ2(〜ｄ1)＝〜０ μ5 ＝Ａ2(〜yr2)・Ｂ2(〜ｄ1)＝〜０ μ6 ＝Ａ3(〜yr2)・Ｂ2(〜ｄ1)＝０ となる。このとき(6) 式の第２項である修正項が最も大
きな値となるのはルール２であり、学習によってルール
２の後件部実数値ｗ2 は区間でのフィードバック補償
量ΔＸ2 (2) に漸近する方向に修正される。すなわち ｆ (〜yr2,〜ｄ1)＝〜ΔＸ2 (2) なる関係が学習される。
1 であるから、各メンバーシップ関数の適合度は Ａ1(〜yr2)＝〜０ Ｂ1(〜ｄ1)＝〜１ Ａ2(〜yr2)＝〜１ Ｂ2(〜ｄ1)＝〜０ Ａ3(〜yr2)＝〜０ となり、各ルールの前件部適合度は μ1 ＝Ａ1(〜yr2)・Ｂ1(〜ｄ1)＝〜０ μ2 ＝Ａ2(〜yr2)・Ｂ1(〜ｄ1)＝〜１ μ3 ＝Ａ3(〜yr2)・Ｂ1(〜ｄ1)＝〜０ μ4 ＝Ａ1(〜yr2)・Ｂ2(〜ｄ1)＝〜０ μ5 ＝Ａ2(〜yr2)・Ｂ2(〜ｄ1)＝〜０ μ6 ＝Ａ3(〜yr2)・Ｂ2(〜ｄ1)＝０ となる。このとき(6) 式の第２項である修正項が最も大
きな値となるのはルール２であり、学習によってルール
２の後件部実数値ｗ2 は区間でのフィードバック補償
量ΔＸ2 (2) に漸近する方向に修正される。すなわち ｆ (〜yr2,〜ｄ1)＝〜ΔＸ2 (2) なる関係が学習される。
【００３７】同様にしての各区間においてルー
ル３〜６の後件部実数値ｗ3 〜ｗ6が修正され ｆ (〜yr3,〜ｄ1)＝〜ΔＸ2 (3) ｆ (〜yr3,〜ｄ2)＝〜ΔＸ2 (4) ｆ (〜yr2,〜ｄ2)＝〜ΔＸ2 (5) ｆ (〜yr1,〜ｄ2)＝〜ΔＸ2 (6) なる関係が学習される。
ル３〜６の後件部実数値ｗ3 〜ｗ6が修正され ｆ (〜yr3,〜ｄ1)＝〜ΔＸ2 (3) ｆ (〜yr3,〜ｄ2)＝〜ΔＸ2 (4) ｆ (〜yr2,〜ｄ2)＝〜ΔＸ2 (5) ｆ (〜yr1,〜ｄ2)＝〜ΔＸ2 (6) なる関係が学習される。
【００３８】以上により各ルールの後件部実数値が逐次
修正され、(7) 式の関数ｆが学習されることになる。
修正され、(7) 式の関数ｆが学習されることになる。
【００３９】上記学習モードによりフィードフォワード
演算モデルの学習が終了した段階で運転モードに移行す
る。運転モードでは、図１における接点７が投入され、
補償量ΔＸ1 は加算点５で加算されるため、制御系全体
はフィードフォワード／フィードバック複合系として動
作する。
演算モデルの学習が終了した段階で運転モードに移行す
る。運転モードでは、図１における接点７が投入され、
補償量ΔＸ1 は加算点５で加算されるため、制御系全体
はフィードフォワード／フィードバック複合系として動
作する。
【００４０】
【実施例】樹脂・ゴム用カレンダ装置の自動厚み制御に
本発明を適用した場合の実施例について説明する。カレ
ンダ装置は数本の加熱ロールによって樹脂・ゴムを一定
の肉厚のシートに整形する圧延機械であり、自動厚み制
御は製品の肉厚を均一に維持するために行うものであ
る。図６はカレンダ装置の基本構造を概念的に示した図
である。図６(a) はロールの断面方向から見た図であ
り、図６(b) はシート出側方向から見た図である。図６
の61, 62はロール、63, 64は厚み検出器であり、65は圧
延整形された樹脂またはゴムを表している。
本発明を適用した場合の実施例について説明する。カレ
ンダ装置は数本の加熱ロールによって樹脂・ゴムを一定
の肉厚のシートに整形する圧延機械であり、自動厚み制
御は製品の肉厚を均一に維持するために行うものであ
る。図６はカレンダ装置の基本構造を概念的に示した図
である。図６(a) はロールの断面方向から見た図であ
り、図６(b) はシート出側方向から見た図である。図６
の61, 62はロール、63, 64は厚み検出器であり、65は圧
延整形された樹脂またはゴムを表している。
【００４１】シート厚みの設定値が与えられると、先ず
ロールギャップの値をシート厚みの設定値に一致させる
制御を行うが、この段階では樹脂・ゴムの弾性変形によ
って圧延されたシートの厚みは設定値よりも大きい値に
なる。そこで検出器により検出されたシート厚みと設定
値との偏差に基づいたフィードバック補償を行うことに
より、ロールギャップを徐々に狭め、シート厚みの検出
値と設定値とを一致させるようにする。すなわち、厚み
検出値が厚み指令よりも大きい場合にはロールギャップ
を小さくし、逆に小さい場合にはロールギャップを大き
くして、シート厚みを一定に維持する。さらにシートの
幅方向に厚みの偏りがある場合には左右両側のロールギ
ャップを独立に制御し、厚みを均一にするというのが自
動厚み制御の基本的な考え方である。
ロールギャップの値をシート厚みの設定値に一致させる
制御を行うが、この段階では樹脂・ゴムの弾性変形によ
って圧延されたシートの厚みは設定値よりも大きい値に
なる。そこで検出器により検出されたシート厚みと設定
値との偏差に基づいたフィードバック補償を行うことに
より、ロールギャップを徐々に狭め、シート厚みの検出
値と設定値とを一致させるようにする。すなわち、厚み
検出値が厚み指令よりも大きい場合にはロールギャップ
を小さくし、逆に小さい場合にはロールギャップを大き
くして、シート厚みを一定に維持する。さらにシートの
幅方向に厚みの偏りがある場合には左右両側のロールギ
ャップを独立に制御し、厚みを均一にするというのが自
動厚み制御の基本的な考え方である。
【００４２】一般に、カレンダ装置における厚み検出器
は、ロールギャップ位置に近接して配置されることが望
ましいが、カレンダ装置の構造的な制約により、ロール
ギャップ位置から厚み検出器位置までは一定の距離が必
要となる。従って厚み検出についてはむだ時間が存在
し、しかもむだ時間の値は圧延速度に反比例するという
性質を有する。このため単独のフィードバック補償器で
は良好な制御を行うことができず、特に圧延速度変更時
の厚み変動を抑制することは困難であると考えられる。
は、ロールギャップ位置に近接して配置されることが望
ましいが、カレンダ装置の構造的な制約により、ロール
ギャップ位置から厚み検出器位置までは一定の距離が必
要となる。従って厚み検出についてはむだ時間が存在
し、しかもむだ時間の値は圧延速度に反比例するという
性質を有する。このため単独のフィードバック補償器で
は良好な制御を行うことができず、特に圧延速度変更時
の厚み変動を抑制することは困難であると考えられる。
【００４３】フィードフォワード補償を用いることによ
り、与えられた厚み指令に対して、ロールギャップを厚
み指令よりもどれくらい狭めるかという補償を、厚みの
実際値が得られる前に先回りして行うことができ、圧延
速度指令変更時の厚み変動を抑制すると共に、厚み指令
値の変化に対する応答性を向上させることが可能とな
る。
り、与えられた厚み指令に対して、ロールギャップを厚
み指令よりもどれくらい狭めるかという補償を、厚みの
実際値が得られる前に先回りして行うことができ、圧延
速度指令変更時の厚み変動を抑制すると共に、厚み指令
値の変化に対する応答性を向上させることが可能とな
る。
【００４４】図７はカレンダ装置の自動厚み制御に本発
明を適用した場合の制御ブロック線図である。
明を適用した場合の制御ブロック線図である。
【００４５】１はＰＩ制御によるフィードバック補償
器、21はファジィモデルによるフィードフォワード補償
器、31はギャップ制御系、32はカレンダ装置を表す。
器、21はファジィモデルによるフィードフォワード補償
器、31はギャップ制御系、32はカレンダ装置を表す。
【００４６】厚み指令および圧延速度指令をそれぞれｇ
r 、Ｕr で表す。厚み検出器は図６に示したようにロー
ル幅方向２点に配置されており、シート出側から見て右
側の検出値をｇR 、左側の検出値をｇL とする。加算点
41および42において厚み指令ｇr と左右の厚み検出値と
の偏差ｅR 、ｅL が演算されフィードバック補償器１の
入力となる。フィードバック補償器１はＰＩ演算に基づ
き左右のロールギャップ指令に対するフィードバック補
償量Δｈ2R、Δｈ2Lを出力する。
r 、Ｕr で表す。厚み検出器は図６に示したようにロー
ル幅方向２点に配置されており、シート出側から見て右
側の検出値をｇR 、左側の検出値をｇL とする。加算点
41および42において厚み指令ｇr と左右の厚み検出値と
の偏差ｅR 、ｅL が演算されフィードバック補償器１の
入力となる。フィードバック補償器１はＰＩ演算に基づ
き左右のロールギャップ指令に対するフィードバック補
償量Δｈ2R、Δｈ2Lを出力する。
【００４７】21はファジィモデルに基づくフィードフォ
ワード補償器であり、厚み指令ｇrおよび圧延速度指令
Ｕr を入力とし、ロールギャップ指令に対するフィード
フォワード補償量Δｈ1 を出力するものである。
ワード補償器であり、厚み指令ｇrおよび圧延速度指令
Ｕr を入力とし、ロールギャップ指令に対するフィード
フォワード補償量Δｈ1 を出力するものである。
【００４８】図７に示すように、厚み指令ｇr に基づく
フィードフォワード補償も行う構成となっている。すな
わち、厚み指令ｇr 、左右のフィードバック補償量Δｈ
2R、Δｈ2Lおよびファジィモデルに基づくフィードフォ
ワード補償量Δｈ1 は、加算点51, 52においてそれぞれ
加算され、左右のロールギャップ指令ｈrR、ｈrLとな
る。
フィードフォワード補償も行う構成となっている。すな
わち、厚み指令ｇr 、左右のフィードバック補償量Δｈ
2R、Δｈ2Lおよびファジィモデルに基づくフィードフォ
ワード補償量Δｈ1 は、加算点51, 52においてそれぞれ
加算され、左右のロールギャップ指令ｈrR、ｈrLとな
る。
【００４９】31はギャップ制御系であり、ロールギャッ
プ実際値ｈR 、ｈL を与えられたギャップ指令ｈrR、ｈ
rLに一致させる機能を持つものである。
プ実際値ｈR 、ｈL を与えられたギャップ指令ｈrR、ｈ
rLに一致させる機能を持つものである。
【００５０】８は平均値演算手段であり、左右のフィー
ドバック補償量Δｈ2R、Δｈ2Lの平均（Δｈ2R＋Δ
ｈ2L）／２を演算してΔｈ2 として出力する。
ドバック補償量Δｈ2R、Δｈ2Lの平均（Δｈ2R＋Δ
ｈ2L）／２を演算してΔｈ2 として出力する。
【００５１】ファジィモデルによるフィードフォワード
補償量Δｈ1 とＰＩ制御によるフィードバック補償量の
平均値Δｈ2 との差δが加算点６において演算され、学
習手段22の入力となる。
補償量Δｈ1 とＰＩ制御によるフィードバック補償量の
平均値Δｈ2 との差δが加算点６において演算され、学
習手段22の入力となる。
【００５２】23は安定状態判定手段であり、厚み指令ｇ
r 、圧延速度指令Ｕr および左右の厚み偏差ｅR 、ｅL
を入力とし、安定状態信号λを出力するものである。安
定状態信号λは、１が安定状態であることを、０が安定
状態でないことを表す。安定状態判定手段は、厚み指令
ｇr および圧延速度指令Ｕr の時間的変化がなく、且つ
左右の厚み偏差ｅR 、ｅL が共にある範囲（±50μm 程
度）に入った状態を維持しつつ、ある一定時間Ｔs （５
秒程度）経過したならば安定であり、それ以外の状態で
は安定でないという論理に基づく。
r 、圧延速度指令Ｕr および左右の厚み偏差ｅR 、ｅL
を入力とし、安定状態信号λを出力するものである。安
定状態信号λは、１が安定状態であることを、０が安定
状態でないことを表す。安定状態判定手段は、厚み指令
ｇr および圧延速度指令Ｕr の時間的変化がなく、且つ
左右の厚み偏差ｅR 、ｅL が共にある範囲（±50μm 程
度）に入った状態を維持しつつ、ある一定時間Ｔs （５
秒程度）経過したならば安定であり、それ以外の状態で
は安定でないという論理に基づく。
【００５３】22は学習手段であり、安定状態判定手段23
からの出力である安定状態信号λと加算点６で演算され
た誤差δ、フィードフォワード補償器21で演算された各
ファジィルールの前件部適合度μi (i=1〜25) および後
件部実数値ｗi (i=1〜25) を入力として、前述の(6) 式
に従って各ファジィルールの後件部実数値ｗi (i=1〜2
5) を修正する。ただし、修正演算は制御状態が安定の
場合、すなわちλ＝１の状態でのみ行い、安定でない状
態では行わない。
からの出力である安定状態信号λと加算点６で演算され
た誤差δ、フィードフォワード補償器21で演算された各
ファジィルールの前件部適合度μi (i=1〜25) および後
件部実数値ｗi (i=1〜25) を入力として、前述の(6) 式
に従って各ファジィルールの後件部実数値ｗi (i=1〜2
5) を修正する。ただし、修正演算は制御状態が安定の
場合、すなわちλ＝１の状態でのみ行い、安定でない状
態では行わない。
【００５４】７は、学習モードでは開放され、運転モー
ドにおいて投入される接点である。表１に本実施例にお
けるフィードフォワード補償器のためのファジィルール
を示す。また図８に厚み指令ｇr と圧延速度指令Ｕr と
に対するメンバーシップ関数を示す。
ドにおいて投入される接点である。表１に本実施例にお
けるフィードフォワード補償器のためのファジィルール
を示す。また図８に厚み指令ｇr と圧延速度指令Ｕr と
に対するメンバーシップ関数を示す。
【表１】
【００５５】前述の学習モードの運転方法と同様に、幾
つかの厚み指令と圧延速度指令の組み合わせにおける学
習を行うことによって、フィードフォワード演算モデル
を決定することができる。図９に実施例において得られ
たフィードフォワード演算モデルを示す。
つかの厚み指令と圧延速度指令の組み合わせにおける学
習を行うことによって、フィードフォワード演算モデル
を決定することができる。図９に実施例において得られ
たフィードフォワード演算モデルを示す。
【００５６】また、図10は、ＰＩ制御によるフィードバ
ック補償器と、設定値に基づくフィードフォワード補償
量による制御において、圧延速度指令を高速、中速、低
速の３段階に変更した場合の応答を示したものであり、
図11は学習モードで学習させたフィードフォワード演算
モデルを用い、フィードバック／フィードフォワード複
合系として制御した場合の応答を示したものである。
ック補償器と、設定値に基づくフィードフォワード補償
量による制御において、圧延速度指令を高速、中速、低
速の３段階に変更した場合の応答を示したものであり、
図11は学習モードで学習させたフィードフォワード演算
モデルを用い、フィードバック／フィードフォワード複
合系として制御した場合の応答を示したものである。
【００５７】フィードバック／フィードフォワード複合
系として制御した場合の制御偏差の変動は、フィードバ
ック補償器のみで制御した場合の制御偏差よりも著しく
抑制されていることがわかる。これにより本発明の有効
性が確認できる。
系として制御した場合の制御偏差の変動は、フィードバ
ック補償器のみで制御した場合の制御偏差よりも著しく
抑制されていることがわかる。これにより本発明の有効
性が確認できる。
【００５８】
【発明の効果】以上詳述したように、本発明は、従来の
フィードバック／フィードフォワード複合制御系におけ
るフィードフォワード補償器として、簡略化ファジィモ
デルを利用することによって、制御対象の非線形特性を
適切に表現するとともに、簡略化ファジィモデルの学習
アルゴリズムを用いてファジィ補償器のオートチューニ
ングをも可能にするという特徴を有する。
フィードバック／フィードフォワード複合制御系におけ
るフィードフォワード補償器として、簡略化ファジィモ
デルを利用することによって、制御対象の非線形特性を
適切に表現するとともに、簡略化ファジィモデルの学習
アルゴリズムを用いてファジィ補償器のオートチューニ
ングをも可能にするという特徴を有する。
【図１】本発明の基本技術思想の理解を容易にするため
に示した自動制御装置のブロック線図である。
に示した自動制御装置のブロック線図である。
【図２】ＰＩＤ制御による制御応答を概念的に示すグラ
フである。
フである。
【図３】メンバーシップ関数を示す図で、(a) は設定値
yrについてのメンバーシップ関数、(b) は外乱ｄについ
てのメンバーシップ関数を示している。
yrについてのメンバーシップ関数、(b) は外乱ｄについ
てのメンバーシップ関数を示している。
【図４】学習モードでの各信号の時間的変化を表したグ
ラフである。
ラフである。
【図５】従来のフィードバック補償器とフィードフォワ
ード補償器とを組み合わせた複合制御系を示すブロック
線図である。
ード補償器とを組み合わせた複合制御系を示すブロック
線図である。
【図６】カレンダ装置の基本構造を概念的に示した図で
あって、(a) はロールの断面方向から見た図であり、
(b) はシート出側方向から見た図である。
あって、(a) はロールの断面方向から見た図であり、
(b) はシート出側方向から見た図である。
【図７】カレンダ装置の自動厚み制御に本発明を適用し
た場合の制御ブロック線図である。
た場合の制御ブロック線図である。
【図８】図７の装置におけるメンバーシップ関数を示す
図で(a) は厚み指令ｇr に対するメンバーシップ関数
を、(b) は圧延速度指令Ｕr に対するメンバーシップ関
数を示す。
図で(a) は厚み指令ｇr に対するメンバーシップ関数
を、(b) は圧延速度指令Ｕr に対するメンバーシップ関
数を示す。
【図９】実施例において得られたフィードフォワード演
算モデルを示す図である。
算モデルを示す図である。
【図１０】ＰＩ制御によるフィードバック補償器のみの
制御において、圧延速度指令を高速、中速、低速の３段
階に変更した場合の応答を示したグラフである。
制御において、圧延速度指令を高速、中速、低速の３段
階に変更した場合の応答を示したグラフである。
【図１１】学習モードで学習させたフィードフォワード
演算モデルを用い、フィードバック／フィードフォワー
ド複合系として、圧延速度指令を高速、中速、低速の３
段階に変更した場合の応答を示したグラフてある。
演算モデルを用い、フィードバック／フィードフォワー
ド複合系として、圧延速度指令を高速、中速、低速の３
段階に変更した場合の応答を示したグラフてある。
１ フィードバック補償器 ２ フィードフォワード補償器 ３ 制御対象 ４，５，６ 加算点 ７ 接点 ８ 平均値演算手段 21 ファジィモデルによるフィードフォワード補償器 22 学習手段 23 安定状態判定手段 31 ギャップ制御系 32 カレンダ装置 41, 42，51, 52 加算点 61, 62 ロール 63, 64 厚み検出器 65 圧延整形された樹脂またはゴム
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−326402（ＪＰ，Ａ) 特開 平２−35501（ＪＰ，Ａ) 特開 平４−84303（ＪＰ，Ａ) 瀬戸山徹、外２名、「多層神経回路網 内に学習される逆ダイナミクスモデルに よるマニピュレータの制御」、電子情報 通信学会技術研究報告、電子情報通信学 会、昭和63年３月26日、第87巻、第427 号、Ｐ．249−256 (58)調査した分野(Int.Cl.6，ＤＢ名) G05B 13/00 - 13/04 G05B 11/32 B29C 43/24 B29C 43/58 B21B 37/00 - 37/78
Claims (2)
- 【請求項１】 制御量を設定値に追従させる追値制御系
において、ＰＩＤ制御によるフィードバック補償器と、
ファジィ推論によるフィードフォワード補償器と、設定
値に基づくフィードフォワード補償量とからなる複合系
を構成し、設定値および外乱の時間的変化がなく且つ制
御偏差が目標偏差内に入り、その状態が一定時間経過し
たときに１を出力し、それ以外のときには０を出力する
安定状態判定手段と、前記ＰＩＤ制御によるフィードバ
ック補償器及び前記設定値に基づくフィードフォワード
補償量により制御が行われる状態で、前記安定状態判定
手段の出力が１となった段階で、ファジィ推論によるフ
ィードフォワード補償器の出力を、前記ＰＩＤ制御によ
るフィードバック補償器の出力に合致させるようにファ
ジィ推論の内部パラメータを逐次修正する学習手段とを
有し、前記ＰＩＤ制御によるフィードバック補償器は、
制御偏差を入力とし、ＰＩＤ演算によるフィードバック
補償量を出力とし、前記ファジィ推論によるフィードフ
ォワード補償器は、設定値と外乱とを入力とし、ファジ
ィ推論によるフィードフォワード補償量を出力とし、前
記安定状態判定手段は、設定値と外乱と制御偏差とを入
力とし、安定状態信号を出力とし、前記学習手段は前記
ＰＩＤ制御によるフィードバック補償量と前記ファジィ
推論によるフィードフォワード補償量との偏差を入力と
するとともに、前記ファジィ推論によるフィードフォワ
ード補償器で用いるファジィ推論モデルの前件部適合度
と後件部実数値の組を入力とし、前記ファジィ推論モデ
ルの後件部実数値を出力とし、種々の設定値及び外乱に
おいて前記学習を繰り返した後は前記ＰＩＤ制御による
フィードバック補償器と、前記ファジィ推論によるフィ
ードフォワード補償器と、設定値に基づくフィードフォ
ワード補償量との複合系として動作するよう構成したこ
とを特徴とする自動制御装置。 - 【請求項２】 ２本のロールによって樹脂・ゴム等を一
定の肉厚のシートに整形する圧延機械用自動厚み制御装
置において、ＰＩＤ制御によるフィードバック補償器
と、ファジィ推論によるフィードフォワード補償器と、
厚みの設定値に基づくフィードフォワード補償量とから
なる複合系を構成し、厚みの設定値および圧延速度など
の外乱の時間的変化がなく且つ制御偏差が目標偏差内に
入り、その状態が一定時間経過したときに１を出力し、
それ以外のときには０を出力する安定状態判定手段と、
ＰＩＤ制御によるフィードバック補償器及び厚みの設定
値に基づくフィードフォワード補償量により制御される
状態で、前記安定状態判定手段の出力が１となった段階
で、ファジィ推論によるフィードフォワード補償器の出
力を、ＰＩＤ制御によるフィードバック補償器の出力に
合致させるようにファジィ推論の内部パラメータを逐次
修正する学習手段とを有し、前記ＰＩＤ制御によるフィ
ードバック補償器は、厚みの設定値と検出されたシート
厚みとの差を入力とし、ＰＩＤ演算によるロールギャッ
プのフィードバック補償量を出力とし、前記ファジィ推
論によるフィードフォワード補償器は、厚みの設定値と
圧延速度などの外乱とを入力とし、ファジィ推論による
ロールギャップのフィードフォワード補償量を出力と
し、前記安定状態判別手段は、厚みの設定値と圧延速度
などの外乱と制御偏差とを入力とし、安定状態信号を出
力とし、前記学習手段は前記ＰＩＤ制御によるフィード
バック補償量と前記ファジィ推論によるフィードフォワ
ード補償量との偏差を入力とするとともに、前記ファジ
ィ推論によるフィードフォワード補償器で用いるファジ
ィ推論モデルの前件部適合度と後件部実数値の組を入力
とし、前記ファジィ推論モデルの後件部実数値を出力と
し、種々の厚みの設定値及び外乱において前記学習を繰
り返した後はＰＩＤ制御によるフィードバック補償器
と、ファジィ推論によるフィードフォワード補償器と、
厚みの設定値に基づくフィードフォワード補償量との複
合系として動作することを特徴とする請求項１記載の自
動制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4196931A JP2831880B2 (ja) | 1992-07-23 | 1992-07-23 | 自動制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4196931A JP2831880B2 (ja) | 1992-07-23 | 1992-07-23 | 自動制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06149308A JPH06149308A (ja) | 1994-05-27 |
| JP2831880B2 true JP2831880B2 (ja) | 1998-12-02 |
Family
ID=16366045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4196931A Expired - Lifetime JP2831880B2 (ja) | 1992-07-23 | 1992-07-23 | 自動制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2831880B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5773938A (en) * | 1995-07-04 | 1998-06-30 | Samsung Electronics Co., Ltd. | Apparatus for controlling speed of a rotary motor |
| US7119511B2 (en) * | 2003-04-11 | 2006-10-10 | International Business Machines Corporation | Servo system for a two-dimensional micro-electromechanical system (MEMS)-based scanner and method therefor |
| JP6490131B2 (ja) | 2017-03-31 | 2019-03-27 | ファナック株式会社 | 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法 |
| CN112947088B (zh) * | 2021-03-17 | 2022-08-16 | 中国人民解放军火箭军工程大学 | 一种基于密闭空间的温湿度系统的建模和控制方法 |
| CN113359421A (zh) * | 2021-06-28 | 2021-09-07 | 上海师范大学 | 一种压电精密气体流量阀的复合控制系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2721186B2 (ja) * | 1988-07-26 | 1998-03-04 | 株式会社東芝 | ファジィ制御方式 |
| JPH0293904A (ja) * | 1988-09-30 | 1990-04-04 | Omron Tateisi Electron Co | ファジィ制御装置およびファジィ制御方法 |
| JPH04326402A (ja) * | 1991-04-26 | 1992-11-16 | Toshiba Corp | ファジィ制御装置 |
-
1992
- 1992-07-23 JP JP4196931A patent/JP2831880B2/ja not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| 瀬戸山徹、外２名、「多層神経回路網内に学習される逆ダイナミクスモデルによるマニピュレータの制御」、電子情報通信学会技術研究報告、電子情報通信学会、昭和６３年３月２６日、第８７巻、第４２７号、Ｐ．２４９−２５６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06149308A (ja) | 1994-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Labiod et al. | Adaptive fuzzy control of a class of MIMO nonlinear systems | |
| US5175678A (en) | Method and procedure for neural control of dynamic processes | |
| Wu et al. | Robust tracking observer-based adaptive fuzzy control design for uncertain nonlinear MIMO systems with time delayed states | |
| JP2647217B2 (ja) | 複合制御方法 | |
| JP2831880B2 (ja) | 自動制御装置 | |
| He et al. | DSC-based RBF neural network control for nonlinear time-delay systems with time-varying full state constraints | |
| Wang et al. | Controller synthesis for switched T–S fuzzy positive systems described by the Fornasini–Marchesini second model | |
| JPH04127908A (ja) | 圧延機における形状制御方法および制御装置 | |
| Lin et al. | Robust neuro-fuzzy control of multivariable systems by tuning consequent membership functions | |
| Yan et al. | An explicit-time and explicit-accuracy control for a state-constrained nonstrict-feedback uncertain system based on adaptive fuzzy dynamic-approximation | |
| Zweiri | Optimization of a three-term backpropagation algorithm used for neural network learning | |
| JP2923000B2 (ja) | サーボ制御装置 | |
| JPH075904A (ja) | ニューラルネットワーク制御装置 | |
| Wang et al. | A novel two-loop large offset tracking control of an uncertain nonlinear system with input constraints | |
| KR950003800B1 (ko) | 신경회로망을 이용한 형상제어시스템 | |
| Lewis et al. | Neural network control of robot arms and nonlinear systems | |
| Langari | Synthesis of nonlinear controllers via fuzzy logic | |
| JP2575818B2 (ja) | プラント制御装置 | |
| JPH0378003A (ja) | ファジイコントローラ | |
| Kabore et al. | A B-spline neural network based actuator fault diagnosis in nonlinear systems | |
| JPH04326101A (ja) | ニューラルネットワーク制御装置 | |
| Frayman et al. | Cold rolling mill thickness control using the cascade-correlation neural network | |
| CN114859722B (zh) | 一种时滞非线性凝固过程系统模糊自适应容错控制方法 | |
| Chen et al. | Adaptive Tracking Control of Single Input Single Output Nonlinear System with Sectorial Dead Zone Using Interval Type-2 Neural Network Fuzzy Control | |
| Lin et al. | Recurrent fuzzy neural network adaptive hybrid control for linearized multivariable systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980414 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19980825 |