JP3201001B2 - プロセス制御における自己回帰モデルの無駄時間処理装置 - Google Patents
プロセス制御における自己回帰モデルの無駄時間処理装置Info
- Publication number
- JP3201001B2 JP3201001B2 JP24280892A JP24280892A JP3201001B2 JP 3201001 B2 JP3201001 B2 JP 3201001B2 JP 24280892 A JP24280892 A JP 24280892A JP 24280892 A JP24280892 A JP 24280892A JP 3201001 B2 JP3201001 B2 JP 3201001B2
- Authority
- JP
- Japan
- Prior art keywords
- dead time
- time
- matrix
- correlation function
- variable
- 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
【０００１】
【産業上の利用分野】本発明は、化学プラントやセメン
トプラント等の計測された連続運転データに基づいて、
その対象とするプロセスの特性を多変数自己回帰モデル
により同定し、その自己回帰モデルを用いて多変数系統
を同時に制御する、プロセス制御における自己回帰モデ
ルの無駄時間処理装置に関する。
トプラント等の計測された連続運転データに基づいて、
その対象とするプロセスの特性を多変数自己回帰モデル
により同定し、その自己回帰モデルを用いて多変数系統
を同時に制御する、プロセス制御における自己回帰モデ
ルの無駄時間処理装置に関する。
【０００２】
【従来の技術】従来、プラント等のプロセス制御では、
多変数系統を同時に制御する場合、自己回帰モデルを作
成してシステム全体を制御する方法が採られている。こ
こで用いられる自己回帰モデル式は数式１のように定義
することができる。
多変数系統を同時に制御する場合、自己回帰モデルを作
成してシステム全体を制御する方法が採られている。こ
こで用いられる自己回帰モデル式は数式１のように定義
することができる。
【０００３】
【数１】 M K ｘi（ｎ）＝Σ Σａij（ｍ）ｘi（ｎ−ｍ） m=1 j=1
【０００４】なお、数式１中のＭはモデルの次数、Ｋは
変数の数、ａijは自己回帰モデル係数、ｘi（ｎ）は変
数ｘiのΔｔ時間ごとｎステップ目の値である。ところ
でプロセス制御において、操作量から制御量への応答ま
での無駄時間が長いと、その収集した時系列データを用
いて自己回帰式にモデル化する場合、そのモデルの最適
な次数は、無駄時間を含むため大きくなる。
変数の数、ａijは自己回帰モデル係数、ｘi（ｎ）は変
数ｘiのΔｔ時間ごとｎステップ目の値である。ところ
でプロセス制御において、操作量から制御量への応答ま
での無駄時間が長いと、その収集した時系列データを用
いて自己回帰式にモデル化する場合、そのモデルの最適
な次数は、無駄時間を含むため大きくなる。
【０００５】また、同定すべき自己回帰モデル係数の中
で本来ゼロであるべきものまで同時に同定することにな
るので、純粋な応答部分に対応した係数の同定精度が落
ちるとともに、本来ゼロである項も有限な値をもって同
定される可能性がある。そこで従来は、無駄時間に対す
る処理を行わずにそのまま自己回帰モデルを作るかある
いは時系列データ自体を無駄時間分ずらすことにより対
応を行っていた。
で本来ゼロであるべきものまで同時に同定することにな
るので、純粋な応答部分に対応した係数の同定精度が落
ちるとともに、本来ゼロである項も有限な値をもって同
定される可能性がある。そこで従来は、無駄時間に対す
る処理を行わずにそのまま自己回帰モデルを作るかある
いは時系列データ自体を無駄時間分ずらすことにより対
応を行っていた。
【０００６】
【発明が解決しようとする課題】しかしながら、このよ
うに時系列データ自体をずらす場合、ある一つの変数を
ずらすと他の全ての変数に対して同じ時間だけずらした
ことになり、それぞれの変数間の無駄時間を独立に設定
することができない。すなわち、図７に示すように、ｘ
1からｘ2までの間だけ個別に無駄時間処理を行いたいと
しても、変数ｘ1の時系列データのずらしによる無駄時
間処理は、図８のようにｘ1と他の全ての変数間につい
ての無駄時間処理となってしまう。
うに時系列データ自体をずらす場合、ある一つの変数を
ずらすと他の全ての変数に対して同じ時間だけずらした
ことになり、それぞれの変数間の無駄時間を独立に設定
することができない。すなわち、図７に示すように、ｘ
1からｘ2までの間だけ個別に無駄時間処理を行いたいと
しても、変数ｘ1の時系列データのずらしによる無駄時
間処理は、図８のようにｘ1と他の全ての変数間につい
ての無駄時間処理となってしまう。
【０００７】このように、従来は無駄時間に対する処理
が各変数間ごとに設定できないため、あらかじめわかっ
ている各変数間ごとの無駄時間の先見情報を自己回帰モ
デルへ反映することができないという問題があった。本
発明は、この問題点を解決するためになされたもので、
その目的とするところは、各変数間についておのおの独
立に無駄時間の補正を可能にすることにより、自己回帰
モデルの精度向上を図り、制御性能を向上させることが
できる、プロセス制御における自己回帰モデルの無駄時
間処理装置を提供することにある。
が各変数間ごとに設定できないため、あらかじめわかっ
ている各変数間ごとの無駄時間の先見情報を自己回帰モ
デルへ反映することができないという問題があった。本
発明は、この問題点を解決するためになされたもので、
その目的とするところは、各変数間についておのおの独
立に無駄時間の補正を可能にすることにより、自己回帰
モデルの精度向上を図り、制御性能を向上させることが
できる、プロセス制御における自己回帰モデルの無駄時
間処理装置を提供することにある。
【０００８】
【課題を解決するための手段】上記課題を解決するため
に、本発明は、複数変数の時系列データを読み取る手段
と、その各変数間ごとの無駄時間設定値を入力する手段
と、時系列データに基づき各変数間の相関関数計算を行
い相関関数行列を求める手段と、前記無駄時間設定値に
基づき相関関数行列の対応する要素を時間方向に前記無
駄時間設定値分ずらすことにより無駄時間を補正する手
段と、無駄時間補正を行った相関関数行列を用いて自己
回帰モデルの同定計算を行い自己回帰モデル係数行列を
算出する手段と、前記無駄時間設定値に基づき自己回帰
モデル係数行列の対応する要素を時間方向に前記無駄時
間設定値分、逆方向にずらして無駄時間を元に戻す補正
を行う手段と、を備えたものである。
に、本発明は、複数変数の時系列データを読み取る手段
と、その各変数間ごとの無駄時間設定値を入力する手段
と、時系列データに基づき各変数間の相関関数計算を行
い相関関数行列を求める手段と、前記無駄時間設定値に
基づき相関関数行列の対応する要素を時間方向に前記無
駄時間設定値分ずらすことにより無駄時間を補正する手
段と、無駄時間補正を行った相関関数行列を用いて自己
回帰モデルの同定計算を行い自己回帰モデル係数行列を
算出する手段と、前記無駄時間設定値に基づき自己回帰
モデル係数行列の対応する要素を時間方向に前記無駄時
間設定値分、逆方向にずらして無駄時間を元に戻す補正
を行う手段と、を備えたものである。
【０００９】
【作用】本発明においては、まず複数変数の時系列デー
タが読み取られ、各変数間ごとの相関関数計算が行われ
る。次に、後述する行列Ｄの要素としてあらかじめ設定
された各変数間ごとの無駄時間設定値を用いて、相関関
数行列の対応する要素を時間方向にずらすことにより、
無駄時間が補正される。更に、補正後の相関関数行列を
用いた自己回帰モデルの同定計算により、自己回帰モデ
ル係数行列が算出される。そして、上述した無駄時間補
正後の各変数間の同時間性を確保するために、前記無駄
時間設定値分だけ自己回帰モデル係数行列の対応する要
素を、時間方向の逆方向に戻す補正処理を行う。
タが読み取られ、各変数間ごとの相関関数計算が行われ
る。次に、後述する行列Ｄの要素としてあらかじめ設定
された各変数間ごとの無駄時間設定値を用いて、相関関
数行列の対応する要素を時間方向にずらすことにより、
無駄時間が補正される。更に、補正後の相関関数行列を
用いた自己回帰モデルの同定計算により、自己回帰モデ
ル係数行列が算出される。そして、上述した無駄時間補
正後の各変数間の同時間性を確保するために、前記無駄
時間設定値分だけ自己回帰モデル係数行列の対応する要
素を、時間方向の逆方向に戻す補正処理を行う。
【００１０】
【実施例】以下、図に沿って本発明の実施例を説明す
る。図１は本発明に係る装置の動作を示すフローチャー
トである。同図において、最初に複数変数の時系列デー
タ１をファイルから読み込む（ステップ１１）。
る。図１は本発明に係る装置の動作を示すフローチャー
トである。同図において、最初に複数変数の時系列デー
タ１をファイルから読み込む（ステップ１１）。
【００１１】次に、読み込んだ各変数の時系列データを
用いて各変数間の相関関数計算を行う(ステップ１２)。
算出された相関関数をもとに相関関数行列Ｒ（ｋ）＝
｛Ｒij（ｋ）｝を数式２のように定義する。ここでＲij
（ｋ）は行列要素を表す。なお、数式２におけるＮは時
系列データ点数、ｋは相関関数遅れ次数である。
用いて各変数間の相関関数計算を行う(ステップ１２)。
算出された相関関数をもとに相関関数行列Ｒ（ｋ）＝
｛Ｒij（ｋ）｝を数式２のように定義する。ここでＲij
（ｋ）は行列要素を表す。なお、数式２におけるＮは時
系列データ点数、ｋは相関関数遅れ次数である。
【００１２】
【数２】 N-k Ｒij（ｋ）＝１／Ｎ−ｋ） Σ｛ｘj（ｎ＋ｋ）ｘi（ｎ）｝ n=1
【００１３】次に、別途、ステップ１３によりあらかじ
め設定入力されている各変数間ごとの無駄時間の値に基
づいて、相関関数の無駄時間補正処理を行う（ステップ
１４）。ここでは、例えば、時系列データの変数の数が
４つ（ｘ1，ｘ2，ｘ3，ｘ4）、すなわちＫ＝４であり、
ｘiからｘjへの無駄時間がＬ ij ステップ分（時間に換し
てＬ ij ×Δｔ時間）だけあったとすると、このステップ
数Ｌ ij を、４×４の要素からなる変数間の無駄時間設定
値を格納する行列Ｄのｉ行ｊ列に設定する。具体的に
は、ｘ 1 からｘ 3 への無駄時間がＬ 13 ステップ分だけあっ
たとすると、行列Ｄの１行３列にＬ 13 と設定されるもの
であり、行列Ｄの各要素は各変数間ごとの無駄時間（時
間方向にずらすステップ数）を意味している。この行列
Ｄは、相関関数行列の各要素に対して上述した無駄時間
補正処理を行うために使用され、更に、後述するごとく
自己回帰モデル係数に対応する変数を時間軸に沿って逆
方向にずらす補正処理にも使用される。なお、ｘiから
ｘjへは負の無駄時間、すなわち、進み時間が存在する
ことになるが、ここで対象とする自己回帰モデルは過去
のデータにより構成されるモデル式であり、時間進みは
考慮することはできない。従って、行列Ｄのｊ行ｉ列は
０のままとし、無駄時間補正の対象とはならない。相関
関数行列Ｒ（ｋ）の対応する要素Ｒij（ｋ）を時間方向
にＬ ij ステップ分ずらして形成された行列をＲ”（ｋ）
とする。すなわち、
め設定入力されている各変数間ごとの無駄時間の値に基
づいて、相関関数の無駄時間補正処理を行う（ステップ
１４）。ここでは、例えば、時系列データの変数の数が
４つ（ｘ1，ｘ2，ｘ3，ｘ4）、すなわちＫ＝４であり、
ｘiからｘjへの無駄時間がＬ ij ステップ分（時間に換し
てＬ ij ×Δｔ時間）だけあったとすると、このステップ
数Ｌ ij を、４×４の要素からなる変数間の無駄時間設定
値を格納する行列Ｄのｉ行ｊ列に設定する。具体的に
は、ｘ 1 からｘ 3 への無駄時間がＬ 13 ステップ分だけあっ
たとすると、行列Ｄの１行３列にＬ 13 と設定されるもの
であり、行列Ｄの各要素は各変数間ごとの無駄時間（時
間方向にずらすステップ数）を意味している。この行列
Ｄは、相関関数行列の各要素に対して上述した無駄時間
補正処理を行うために使用され、更に、後述するごとく
自己回帰モデル係数に対応する変数を時間軸に沿って逆
方向にずらす補正処理にも使用される。なお、ｘiから
ｘjへは負の無駄時間、すなわち、進み時間が存在する
ことになるが、ここで対象とする自己回帰モデルは過去
のデータにより構成されるモデル式であり、時間進みは
考慮することはできない。従って、行列Ｄのｊ行ｉ列は
０のままとし、無駄時間補正の対象とはならない。相関
関数行列Ｒ（ｋ）の対応する要素Ｒij（ｋ）を時間方向
にＬ ij ステップ分ずらして形成された行列をＲ”（ｋ）
とする。すなわち、
【数３】 Ｒij”（ｋ）＝Ｒij（ｋ＋Ｌ ij ） とする。
【００１４】これに対して、従来例のように変数ｘiの
時系列データ自体を他の変数に対しＬ i ステップずらし
て無駄時間処理を行ったときの変数ｘi’（ｎ）を数式
４に示し、その場合の相関関数Ｒij’（ｋ）を数式５に
示す。
時系列データ自体を他の変数に対しＬ i ステップずらし
て無駄時間処理を行ったときの変数ｘi’（ｎ）を数式
４に示し、その場合の相関関数Ｒij’（ｋ）を数式５に
示す。
【００１５】
【数４】ｘi’（ｎ）＝ｘi（ｎ＋Ｌ i ）
【００１６】
【数５】 N' Ｒij’（ｋ）＝１／Ｎ’） Σ｛ｘj’（ｎ＋ｋ）ｘi（ｎ）｝ n=1 （ただし、Ｎ’＝Ｎ−Ｌ i −ｋ） N' ＝１／Ｎ’） Σ｛ｘj（ｎ＋ｋ＋Ｌ i ）ｘi（ｎ）｝ n=1 ＝Ｒij（ｋ＋Ｌ i ）
【００１７】したがって本発明は、設定された行列Ｄ ij
を用いて、数式２で示される相関関数Ｒij（ｋ）を個別
の変数ごとに時間方向にＬ ij ステップ分ずらして（すな
わち、ｋ＝ｋ＋Ｌ ij とする）無駄時間補正処理を行なう
ことができ、各変数ｘi，ｘjの間ごとに独立して無駄時
間を補正することが可能になる。これにより、解決課題
として説明した図８のように、ある変数と他の複数の変
数との間で一律に無駄時間が設定される従来の方法を改
善し、図７のように変数相互間で個別に無駄時間を設可
能とするものであり、いわば無駄時間設定機能が強化さ
れることとなる。
を用いて、数式２で示される相関関数Ｒij（ｋ）を個別
の変数ごとに時間方向にＬ ij ステップ分ずらして（すな
わち、ｋ＝ｋ＋Ｌ ij とする）無駄時間補正処理を行なう
ことができ、各変数ｘi，ｘjの間ごとに独立して無駄時
間を補正することが可能になる。これにより、解決課題
として説明した図８のように、ある変数と他の複数の変
数との間で一律に無駄時間が設定される従来の方法を改
善し、図７のように変数相互間で個別に無駄時間を設可
能とするものであり、いわば無駄時間設定機能が強化さ
れることとなる。
【００１８】次に、ステップ１４で求めた相関関数行列
Ｒ”（ｋ）を用いて自己回帰モデルの同定計算を行い
（例えば、「信号解析とシステム同定」（中溝高好著，
株式会社コロナ社発行）のｐ.５４〜ｐ.５５「３.２線
形予測器」の項目ａ，ｂを参照）、自己回帰モデル係数
行列の要素である自己回帰モデル係数ａijを求める（ス
テップ１５）。
Ｒ”（ｋ）を用いて自己回帰モデルの同定計算を行い
（例えば、「信号解析とシステム同定」（中溝高好著，
株式会社コロナ社発行）のｐ.５４〜ｐ.５５「３.２線
形予測器」の項目ａ，ｂを参照）、自己回帰モデル係数
行列の要素である自己回帰モデル係数ａijを求める（ス
テップ１５）。
【００１９】次いで、前記行列Ｄの無駄時間設定値を用
いて、自己回帰モデルの補正処理を行う（ステップ１
６）。つまり、同定された自己回帰モデルをそのままで
採用しようとすると、モデルにおける各変数間の同時間
性がなくなってしまうことになる。そのために、補正処
理した無駄時間のステップ数だけ自己回帰モデルの変数
の次数を戻す処理を行う。具体的には、ｘJ（ｊ＝Ｊ）
からｘiのみに対し、前述した行列Ｄの要素とて無駄時
間がＬ iJ ステップあったとし、ｘj（ｊ≠Ｊ）からｘiへ
は無駄時間がないとした場合、変数ｘJについての次数
をＬ iJ だけ戻し、変数ｘj（ｊ≠Ｊ）については次数を
戻す処理を行わない。自己回帰モデルの次数を戻す処理
を行った後の自己回帰モデル式は数式６のようになる。
数式６において、仮に変数の数が４つ（Ｋ＝４）であっ
たとすると、ｉは１〜４の値をとる。なお、Ｍはモデル
の次数である。また、数式６の右辺第１項はｊ＝Ｊの場
合、右辺第２項はｊ≠Ｊの場合である。
いて、自己回帰モデルの補正処理を行う（ステップ１
６）。つまり、同定された自己回帰モデルをそのままで
採用しようとすると、モデルにおける各変数間の同時間
性がなくなってしまうことになる。そのために、補正処
理した無駄時間のステップ数だけ自己回帰モデルの変数
の次数を戻す処理を行う。具体的には、ｘJ（ｊ＝Ｊ）
からｘiのみに対し、前述した行列Ｄの要素とて無駄時
間がＬ iJ ステップあったとし、ｘj（ｊ≠Ｊ）からｘiへ
は無駄時間がないとした場合、変数ｘJについての次数
をＬ iJ だけ戻し、変数ｘj（ｊ≠Ｊ）については次数を
戻す処理を行わない。自己回帰モデルの次数を戻す処理
を行った後の自己回帰モデル式は数式６のようになる。
数式６において、仮に変数の数が４つ（Ｋ＝４）であっ
たとすると、ｉは１〜４の値をとる。なお、Ｍはモデル
の次数である。また、数式６の右辺第１項はｊ＝Ｊの場
合、右辺第２項はｊ≠Ｊの場合である。
【００２０】
【数６】 M ｘi（ｎ）＝ΣａiJ（ｍ）ｘJ｛ｎ−（ｍ＋Ｌ iJ ）｝ m=1 K M ＋Σ Σａij（ｍ）ｘj（ｎ−ｍ） j=1 m=1
【００２１】このように、無駄時間がｘJ（ｊ＝Ｊ）か
らｘiにのみ存在する場合に、自己回帰モデル係数ａiJ
に対応する変数ｘJについて無駄時間分（Ｌ iJ ステップ
分）、時間方向に沿って逆方向に戻すものである。
らｘiにのみ存在する場合に、自己回帰モデル係数ａiJ
に対応する変数ｘJについて無駄時間分（Ｌ iJ ステップ
分）、時間方向に沿って逆方向に戻すものである。
【００２２】以上のようにして、相関関数及び自己回帰
モデルに対しての無駄時間処理が実現される。それによ
りプラントの変数間の個別の無駄時間情報が有効にモデ
ルに反映されて、モデル化の信頼性が向上する。
モデルに対しての無駄時間処理が実現される。それによ
りプラントの変数間の個別の無駄時間情報が有効にモデ
ルに反映されて、モデル化の信頼性が向上する。
【００２３】図２は上述した実施例に用いた時系列デー
タの一例を示すトレンドグラフである。この例では、Ｘ
1，Ｘ2を制御量、Ｘ3，Ｘ4を操作量とし、この４つの変
数の時系列データをもとに、自己回帰モデルのモデル化
を行ったものである。これらの時系列データ間には、Ｘ
3→Ｘ1，Ｘ３→Ｘ２の間に７ステップ（７次）の無駄時
間、また、Ｘ４→Ｘ１，Ｘ4→Ｘ2の間に１ステップの無
駄時間があるものとする。
タの一例を示すトレンドグラフである。この例では、Ｘ
1，Ｘ2を制御量、Ｘ3，Ｘ4を操作量とし、この４つの変
数の時系列データをもとに、自己回帰モデルのモデル化
を行ったものである。これらの時系列データ間には、Ｘ
3→Ｘ1，Ｘ３→Ｘ２の間に７ステップ（７次）の無駄時
間、また、Ｘ４→Ｘ１，Ｘ4→Ｘ2の間に１ステップの無
駄時間があるものとする。
【００２４】図３は算出された相関関数行列Ｒ（ｋ）を
示す。この相関関数行列に対し、前記行列Ｄに相当する
図４の表示画面に示すように、Ｉ行からＪ列への前記無
駄時間（ずらすステップ数）を設定し、相関関数の無駄
時間補正処理を行う。ここで、無駄時間補正処理の方法
を例示する。前述のように、図４の表示画面で指定され
た行列Ｄの要素は、Ｌ 31 ＝７，Ｌ 32 ＝７，Ｌ 41 ＝１，Ｌ
42 ＝１で、その他のＬ ij は０であるから、数式３を用い
ることにより、図３に示した相関関数行列の１段目（遅
れ次数１）〜３段目（遅れ次数３）の各々について前記
Ｌ 31 ，Ｌ 32 ，Ｌ 41 ，Ｌ 42 に対応する４つの要素のみが８
段目（遅れ次数８）〜１０段目（遅れ次数１０）のもの
と置き換えられ、その他の要素はそのままとなる。すな
わち、変数「KLNRPMSY」（ｉ（横）方向），「KLN POW
R」（ｊ（縦）方向）間の要素と変数「KLNRPMSY」（ｉ
（横）方向），「KLN BURN」（ｊ（縦）方向）間の要素
とが８段目（遅れ次数８）〜１０段目（遅れ次数１０）
から１段目（遅れ次 数１）〜３段目（遅れ次数３）に７
ステップ分（７次分）ずらされ、変数「KLNFULSY」（ｉ
（横）方向），「KLN POWR」（ｊ（縦）方向）間の要素
と変数「KLNFULSY」（ｉ（横）方向），「KLN BURN」
（ｊ（縦）方向）間の要素とが２段目（遅れ次数２）〜
４段目（遅れ次数４）から１段目（遅れ次数１）〜３段
目（遅れ次数３）に１ステップ分（１次分）ずらされ、
その他の要素はそのままとなる。このようにして、無駄
時間補正処理が行われた３段の相関関数行列（図示せ
ず）を得る。そして、この補正された相関関数行列を用
いて自己回帰モデルの係数行列が図５のように求まる。
更に、このモデルに対し、同時間性を持たせるため、自
己回帰モデルの補正を行うと、最終的に図６に示すよう
な係数行列を有する自己回帰モデルが得られた。ただ
し、モデルの次数が３次であったものが最大７の遅れス
テップがあるため、１０次となる。図５において四角で
囲った行列要素が図６の四角で囲った要素と対応する。
これら以外の要素は自己回帰モデルに含まれないので、
便宜上、０としている。ここで、同時間性を持たせるた
めの自己回帰モデルの補正（変数の次数を逆方向に無駄
時間設定値分ずらす処理）の具体例を図５，図６を参照
して例示すると、図５の３段目の自己回帰モデル係数行
列（モデル次数３）における変数「KLNRPMSY」（横方
向）と「KLN POWR」（縦方向）との間の要素（係数）
「−３５．７６８７７」が、図６では最終段の自己回帰
モデル係数行列（モデル次数１０）における変数「KLNR
PMSY」（横方向）と「KLN POWR」（縦方向）との間の係
数となっている。つまり、係数「−３５．７６８７７」
に着目すると、これに対応する変数「KLN POWR」が７次
（７ステップ）分、戻されている。このように無駄時間
の先見情報を各変数ごとに設定することにより、自己回
帰モデルの精度向上につながり、更に実プラントにおけ
る制御性能が向上する。
示す。この相関関数行列に対し、前記行列Ｄに相当する
図４の表示画面に示すように、Ｉ行からＪ列への前記無
駄時間（ずらすステップ数）を設定し、相関関数の無駄
時間補正処理を行う。ここで、無駄時間補正処理の方法
を例示する。前述のように、図４の表示画面で指定され
た行列Ｄの要素は、Ｌ 31 ＝７，Ｌ 32 ＝７，Ｌ 41 ＝１，Ｌ
42 ＝１で、その他のＬ ij は０であるから、数式３を用い
ることにより、図３に示した相関関数行列の１段目（遅
れ次数１）〜３段目（遅れ次数３）の各々について前記
Ｌ 31 ，Ｌ 32 ，Ｌ 41 ，Ｌ 42 に対応する４つの要素のみが８
段目（遅れ次数８）〜１０段目（遅れ次数１０）のもの
と置き換えられ、その他の要素はそのままとなる。すな
わち、変数「KLNRPMSY」（ｉ（横）方向），「KLN POW
R」（ｊ（縦）方向）間の要素と変数「KLNRPMSY」（ｉ
（横）方向），「KLN BURN」（ｊ（縦）方向）間の要素
とが８段目（遅れ次数８）〜１０段目（遅れ次数１０）
から１段目（遅れ次 数１）〜３段目（遅れ次数３）に７
ステップ分（７次分）ずらされ、変数「KLNFULSY」（ｉ
（横）方向），「KLN POWR」（ｊ（縦）方向）間の要素
と変数「KLNFULSY」（ｉ（横）方向），「KLN BURN」
（ｊ（縦）方向）間の要素とが２段目（遅れ次数２）〜
４段目（遅れ次数４）から１段目（遅れ次数１）〜３段
目（遅れ次数３）に１ステップ分（１次分）ずらされ、
その他の要素はそのままとなる。このようにして、無駄
時間補正処理が行われた３段の相関関数行列（図示せ
ず）を得る。そして、この補正された相関関数行列を用
いて自己回帰モデルの係数行列が図５のように求まる。
更に、このモデルに対し、同時間性を持たせるため、自
己回帰モデルの補正を行うと、最終的に図６に示すよう
な係数行列を有する自己回帰モデルが得られた。ただ
し、モデルの次数が３次であったものが最大７の遅れス
テップがあるため、１０次となる。図５において四角で
囲った行列要素が図６の四角で囲った要素と対応する。
これら以外の要素は自己回帰モデルに含まれないので、
便宜上、０としている。ここで、同時間性を持たせるた
めの自己回帰モデルの補正（変数の次数を逆方向に無駄
時間設定値分ずらす処理）の具体例を図５，図６を参照
して例示すると、図５の３段目の自己回帰モデル係数行
列（モデル次数３）における変数「KLNRPMSY」（横方
向）と「KLN POWR」（縦方向）との間の要素（係数）
「−３５．７６８７７」が、図６では最終段の自己回帰
モデル係数行列（モデル次数１０）における変数「KLNR
PMSY」（横方向）と「KLN POWR」（縦方向）との間の係
数となっている。つまり、係数「−３５．７６８７７」
に着目すると、これに対応する変数「KLN POWR」が７次
（７ステップ）分、戻されている。このように無駄時間
の先見情報を各変数ごとに設定することにより、自己回
帰モデルの精度向上につながり、更に実プラントにおけ
る制御性能が向上する。
【００２５】
【発明の効果】以上述べたように本発明によれば、時系
列データから相関関数行列が求められると、各変数間ご
とに設定された無駄時間設定値に基づき無駄時間が補正
される。更に、各変数間の同時間性を確保するために、
自己回帰モデル係数に対応する変数が前記無駄時間設定
値に基づいて補正される。それにより、自己回帰モデル
の精度向上につながり、これを実際のプラント制御シス
テムに適用すると制御の信頼性が向上することになる。
更には、各変数間ごとに無駄時間を設定して処理するこ
とができるようになり、無駄時間の少ない効率の良い制
御が実現される。
列データから相関関数行列が求められると、各変数間ご
とに設定された無駄時間設定値に基づき無駄時間が補正
される。更に、各変数間の同時間性を確保するために、
自己回帰モデル係数に対応する変数が前記無駄時間設定
値に基づいて補正される。それにより、自己回帰モデル
の精度向上につながり、これを実際のプラント制御シス
テムに適用すると制御の信頼性が向上することになる。
更には、各変数間ごとに無駄時間を設定して処理するこ
とができるようになり、無駄時間の少ない効率の良い制
御が実現される。
【図１】本発明に係る実施例の動作を示すフローチャー
トである。
トである。
【図２】実施例に用いられた時系列データの一例を示す
トレンドグラフである。
トレンドグラフである。
【図３】算出された相関関数行列を示す図である。
【図４】無駄時間の設定例を示す表示画面図である。
【図５】自己回帰モデルの係数行列を示す図である。
【図６】自己回帰モデルの係数行列を示す図である。
【図７】本発明の処理を示す説明図である。
【図８】従来の処理を示す説明図である。
１ 時系列データ
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭63−109503（ＪＰ，Ａ) 社団法人計測自動制御学会編，「自動 制御ハンドブック（基礎編）」，第１ 版，株式会社オーム社，昭和58年10月30 日，ｐ．564−576 (58)調査した分野(Int.Cl.7，ＤＢ名) G05B 13/02 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 複数変数の時系列データを読み取る手段
と、その各変数間ごとの無駄時間設定値を入力する手段
と、時系列データに基づき各変数間の相関関数計算を行
い相関関数行列を求める手段と、前記無駄時間設定値に
基づき相関関数行列の対応する要素を時間方向に前記無
駄時間設定値分ずらすことにより無駄時間を補正する手
段と、無駄時間補正を行った相関関数行列を用いて自己
回帰モデルの同定計算を行い自己回帰モデル係数行列を
算出する手段と、前記無駄時間設定値に基づき自己回帰
モデル係数行列の対応する要素を時間方向に前記無駄時
間設定値分、逆方向にずらして無駄時間を元に戻す補正
を行う手段と、 を備えたことを特徴とする、プロセス制御における自己
回帰モデルの無駄時間処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24280892A JP3201001B2 (ja) | 1992-08-19 | 1992-08-19 | プロセス制御における自己回帰モデルの無駄時間処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24280892A JP3201001B2 (ja) | 1992-08-19 | 1992-08-19 | プロセス制御における自己回帰モデルの無駄時間処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0667704A JPH0667704A (ja) | 1994-03-11 |
| JP3201001B2 true JP3201001B2 (ja) | 2001-08-20 |
Family
ID=17094599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24280892A Expired - Fee Related JP3201001B2 (ja) | 1992-08-19 | 1992-08-19 | プロセス制御における自己回帰モデルの無駄時間処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3201001B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7317953B2 (en) * | 2003-12-03 | 2008-01-08 | Fisher-Rosemount Systems, Inc. | Adaptive multivariable process controller using model switching and attribute interpolation |
| WO2014006807A1 (ja) * | 2012-07-03 | 2014-01-09 | シャープ株式会社 | グラフ描画装置、グラフ描画方法、工程管理システム、工程管理方法および可読記憶媒体 |
-
1992
- 1992-08-19 JP JP24280892A patent/JP3201001B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 社団法人計測自動制御学会編，「自動制御ハンドブック（基礎編）」，第１版，株式会社オーム社，昭和５８年１０月３０日，ｐ．５６４−５７６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0667704A (ja) | 1994-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0680639B1 (en) | Predictive networks and method with learned preprocessing parameters | |
| US6243696B1 (en) | Automated method for building a model | |
| US5467462A (en) | Event driven logic simulator for partial simulation | |
| US6285972B1 (en) | Generating a nonlinear model and generating drive signals for simulation testing using the same | |
| US20070293959A1 (en) | Apparatus, method and computer product for predicting a price of an object | |
| JP3396479B2 (ja) | データファイルに複数オブジェクト制約条件を課す方法 | |
| US20070101302A1 (en) | Mixed signal circuit simulator | |
| JPS63145549A (ja) | 論理回路シミユレ−シヨン方法 | |
| JP3201001B2 (ja) | プロセス制御における自己回帰モデルの無駄時間処理装置 | |
| JPS5852696A (ja) | 音声認識装置 | |
| JP3214876B2 (ja) | ニューラルネットワークの構成方法およびニューラルネットワーク構築支援システム | |
| JP4733552B2 (ja) | Ｐａｒｃｏｒ係数算出装置、ｐａｒｃｏｒ係数算出方法、そのプログラムおよびその記録媒体 | |
| JP3087974B2 (ja) | プラントの異常時運転支援方法及びその装置 | |
| US5675523A (en) | Waveform data generating apparatus | |
| JP4116262B2 (ja) | 空気調和機及びその空調負荷予測方法、並びにプログラム | |
| JPH1078803A (ja) | ファジィコントローラまたは結合されたファジィコントローラの系を設計または適応させる方法 | |
| JPH10283334A (ja) | ニューラルネットワークの入力層最適化方法 | |
| WO2021260888A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 | |
| JP2940470B2 (ja) | 構造解析方法および構造解析装置 | |
| JPH04329052A (ja) | 通信予測トラヒック逐次予測方法 | |
| JPH09297604A (ja) | 状態方程式の生成方法及び状態方程式の自動生成装置 | |
| JP2965767B2 (ja) | プログラマブルコントローラのプログラミング装置およびそのタイマ設定時間の入力方法 | |
| SU1277100A1 (ru) | Устройство дл вычислени значений степенного р да | |
| JPH0644294A (ja) | 信号発生装置とシミュレーション装置及び制御装置 | |
| JPH0831109B2 (ja) | 半導体装置の論理検証用遅延情報抽出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20000803 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20010522 |
|
| LAPS | Cancellation because of no payment of annual fees |