JP3214636B2 - 多変数制御調節計 - Google Patents
多変数制御調節計Info
- Publication number
- JP3214636B2 JP3214636B2 JP33612592A JP33612592A JP3214636B2 JP 3214636 B2 JP3214636 B2 JP 3214636B2 JP 33612592 A JP33612592 A JP 33612592A JP 33612592 A JP33612592 A JP 33612592A JP 3214636 B2 JP3214636 B2 JP 3214636B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- operation amount
- control
- output
- input
- 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)
- Safety Devices In Control Systems (AREA)
Description
【0001】
【産業上の利用分野】本発明は、多数の入力と多数の出
力とを扱う多変数制御調節計に関し、更に詳しくは、多
数の入出力のいずれかが異常になった場合でも、継続し
て制御を実行できるようにした多変数制御調節形に関す
る。
力とを扱う多変数制御調節計に関し、更に詳しくは、多
数の入出力のいずれかが異常になった場合でも、継続し
て制御を実行できるようにした多変数制御調節形に関す
る。
【0002】
【従来の技術】図4および図5は、多変数の入出力を扱
うプロセス調節計の従来例を示す構成ブロック図であ
る。図4の例は、多変数プロセスを1入力,1出力系に
分解して調節計を構成したものであって、プロセスPR
からそれぞれ測定信号Y1,Y2を入力する単一ループ
調節計CNT1,CNT2を2台用い、各調節計からの
制御出力U1,U2によりプロセスを制御するようにし
ている。
うプロセス調節計の従来例を示す構成ブロック図であ
る。図4の例は、多変数プロセスを1入力,1出力系に
分解して調節計を構成したものであって、プロセスPR
からそれぞれ測定信号Y1,Y2を入力する単一ループ
調節計CNT1,CNT2を2台用い、各調節計からの
制御出力U1,U2によりプロセスを制御するようにし
ている。
【0003】図5の例は、多変数プロセスを多変数のま
ま扱う調節計CNT0を用いたものである。この調節計
は、内部に一つの変数(測定信号と設定値との偏差)を
入力とし、制御出力を自身が担当する制御端に出力する
調節計部C1,C2と、一つの変数を入力し、制御出力
を他方の側の調節計部からの制御出力に加算する調節計
部C3,C4(たすきがけ構造の調節計部)とで構成し
てある。
ま扱う調節計CNT0を用いたものである。この調節計
は、内部に一つの変数(測定信号と設定値との偏差)を
入力とし、制御出力を自身が担当する制御端に出力する
調節計部C1,C2と、一つの変数を入力し、制御出力
を他方の側の調節計部からの制御出力に加算する調節計
部C3,C4(たすきがけ構造の調節計部)とで構成し
てある。
【0004】図6,7は、図4、図5の各従来例での制
御応答を示す波形図である。図4の従来例によれば、各
調節計CNT1,CNT2からの制御出力U1,U2
が、図6に示すように互いに干渉し合い、良好な制御特
性が保てなくなるという課題がある。
御応答を示す波形図である。図4の従来例によれば、各
調節計CNT1,CNT2からの制御出力U1,U2
が、図6に示すように互いに干渉し合い、良好な制御特
性が保てなくなるという課題がある。
【0005】これに対して、図5の従来例によれば、図
7の制御応答波形に示されるように、内部干渉から生ず
る外乱が抑えられ、良好な制御性能を維持することがで
きる。しかしながら、これらの何れの従来例とも、プロ
セスに設置した多数のセンサの一部が故障する等して、
測定信号(制御量)の一部が異常状態になったり、ま
た、アクチュエータ等の故障が生じた場合は、安定な制
御が行えなくなるという課題がある。
7の制御応答波形に示されるように、内部干渉から生ず
る外乱が抑えられ、良好な制御性能を維持することがで
きる。しかしながら、これらの何れの従来例とも、プロ
セスに設置した多数のセンサの一部が故障する等して、
測定信号(制御量)の一部が異常状態になったり、ま
た、アクチュエータ等の故障が生じた場合は、安定な制
御が行えなくなるという課題がある。
【0006】本発明は、このような点に鑑みてなされた
もので、センサやアクチュエータの一部が故障したよう
な場合でも、引続き多変数プロセスを安定に制御するこ
とのできる調節計を提供することを目的とする。
もので、センサやアクチュエータの一部が故障したよう
な場合でも、引続き多変数プロセスを安定に制御するこ
とのできる調節計を提供することを目的とする。
【0007】
【課題を解決するための手段】このような目的を達成す
る本発明は、制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作量を
演算する操作量計算手段と、制御対象プロセスの各入力
(操作量)と出力(制御量)の組み合わせ毎にその因果
関係を記述した複数個のモデルを格納したモデル格納部
と、前記操作量計算手段からの操作量と制御対象からの
制御量信号を入力しこれらを常時監視し、それらの異常
状態を検知する異常検知手段と、この異常検知手段にて
異常が検知された場合異常でない入力と出力に対応する
モデルを前記モデル格納部から選択するモデル選択手段
とを備え、前記操作量計算手段は、モデル選択手段で選
択されたモデルを用いて、そこに与えられる評価基準を
最小とするように、異常を示す操作量を除いて、操作量
を計算することを特徴とする多変数制御調整計である。
る本発明は、制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作量を
演算する操作量計算手段と、制御対象プロセスの各入力
(操作量)と出力(制御量)の組み合わせ毎にその因果
関係を記述した複数個のモデルを格納したモデル格納部
と、前記操作量計算手段からの操作量と制御対象からの
制御量信号を入力しこれらを常時監視し、それらの異常
状態を検知する異常検知手段と、この異常検知手段にて
異常が検知された場合異常でない入力と出力に対応する
モデルを前記モデル格納部から選択するモデル選択手段
とを備え、前記操作量計算手段は、モデル選択手段で選
択されたモデルを用いて、そこに与えられる評価基準を
最小とするように、異常を示す操作量を除いて、操作量
を計算することを特徴とする多変数制御調整計である。
【0008】
【作用】モデル格納部には、調節計が制御しようとする
プロセスをモデル化したものが、入出力毎に複数個格納
されている。モデル選択手段は、調節計が入力する多変
数入出力の状態を常時監視していて、異常状態を示して
いない入出力に対応する(使用可能の入出力変数に対す
る)最適モデルを選択し、それを操作量計算手段に設定
する。
プロセスをモデル化したものが、入出力毎に複数個格納
されている。モデル選択手段は、調節計が入力する多変
数入出力の状態を常時監視していて、異常状態を示して
いない入出力に対応する(使用可能の入出力変数に対す
る)最適モデルを選択し、それを操作量計算手段に設定
する。
【0009】操作量計算手段は、設定されたモデルを使
用して、プロセスからの正常な制御量が、与えられてい
る制御目標値に近づくように操作量を計算する。これに
より、多入力、多出力変数の一部に異常が発生した場合
でも、異常を示す入力または出力を除いて、制御を継続
することを可能とする。
用して、プロセスからの正常な制御量が、与えられてい
る制御目標値に近づくように操作量を計算する。これに
より、多入力、多出力変数の一部に異常が発生した場合
でも、異常を示す入力または出力を除いて、制御を継続
することを可能とする。
【0010】
【実施例】以下、図面を用いて本発明の実施例を詳細に
説明する。図1は、本発明の一実施例の構成ブロック図
である。図において1は制御対象であるプロセス、2は
プロセス1から多変数のプロセス信号(制御量)PV
(j)と制御目標値SV(j)とを入力し、制御量が各
制御目標値に追従するように多変数の操作量MV(j)
を計算する操作量計算手段で、そこに与えられる評価基
準(評価関数)を最小とするような操作量MV(j)を
それぞれ計算するように構成されている。
説明する。図1は、本発明の一実施例の構成ブロック図
である。図において1は制御対象であるプロセス、2は
プロセス1から多変数のプロセス信号(制御量)PV
(j)と制御目標値SV(j)とを入力し、制御量が各
制御目標値に追従するように多変数の操作量MV(j)
を計算する操作量計算手段で、そこに与えられる評価基
準(評価関数)を最小とするような操作量MV(j)を
それぞれ計算するように構成されている。
【0011】3は制御対象であるプロセス1の各入力と
出力の組み合わせ毎にその因果関係をあらかじめ記述し
た複数個のモデルを格納したモデル格納部である。ここ
に格納されている各モデルは、調節計の制御対象である
プロセスの個々の入力と出力の組み合わせに対応するよ
うにプロセスをモデル化したもので、例えば、(1)式
で記述されるようなインパルス応答モデルが用いられて
いる。
出力の組み合わせ毎にその因果関係をあらかじめ記述し
た複数個のモデルを格納したモデル格納部である。ここ
に格納されている各モデルは、調節計の制御対象である
プロセスの個々の入力と出力の組み合わせに対応するよ
うにプロセスをモデル化したもので、例えば、(1)式
で記述されるようなインパルス応答モデルが用いられて
いる。
【0012】 PV(k+1)=NΣi=1hi・MV(k−i+1) limi(i→∞)hi=0 …(1) ここで、hiはモデルのインパルス応答係数である。図
2は、インパルス応答モデルによるプロセス動特性を表
現した説明図である。このように表現されるインパルス
応答モデルは、モデル化の段階でモデル次数を仮定する
必要はなく、リサイクル系のようなかなり特異なプロセ
スの場合でもモデル表現が可能なことである。
2は、インパルス応答モデルによるプロセス動特性を表
現した説明図である。このように表現されるインパルス
応答モデルは、モデル化の段階でモデル次数を仮定する
必要はなく、リサイクル系のようなかなり特異なプロセ
スの場合でもモデル表現が可能なことである。
【0013】図1に戻り、4は異常検知手段で、操作量
計算手段2からの操作量と、プロセス1からの制御量信
号を常時監視していて、例えば信号の値が異常に変化し
た場合などからセンサの不具合い等に基づく異常状態を
検知する。5は異常検知手段4にて異常が検知された場
合、異常でない入力と出力に対応するモデルを、モデル
格納部3から選択するモデル選択手段で、ここで選択し
たモデルを、操作量計算手段2に設定する。
計算手段2からの操作量と、プロセス1からの制御量信
号を常時監視していて、例えば信号の値が異常に変化し
た場合などからセンサの不具合い等に基づく異常状態を
検知する。5は異常検知手段4にて異常が検知された場
合、異常でない入力と出力に対応するモデルを、モデル
格納部3から選択するモデル選択手段で、ここで選択し
たモデルを、操作量計算手段2に設定する。
【0014】操作量計算手段2は、モデル選択手段5に
より設定されたモデルを用い、そこに与えられる評価基
準を最小とするように操作量を計算するように構成して
ある。この様に構成した装置の動作を次に説明する。モ
デル格納部3には、プロセス1の個々の入力と出力の組
み合わせに対応した複数個のモデルがあらかじめ設定さ
れている。異常検知手段4は、プロセス1から出力され
る制御量信号や、操作量計算手段2がプロセス1に出力
する操作量信号を常時監視している。また、モデル選択
手段5は、異常検知手段4での判定結果を、調節計の制
御周期毎に見ている。そして、異常でない入力と出力に
対応するモデルを順次、各入出力毎にモデル格納手段3
から選択し、それらを操作量計算手段2に転送する。
より設定されたモデルを用い、そこに与えられる評価基
準を最小とするように操作量を計算するように構成して
ある。この様に構成した装置の動作を次に説明する。モ
デル格納部3には、プロセス1の個々の入力と出力の組
み合わせに対応した複数個のモデルがあらかじめ設定さ
れている。異常検知手段4は、プロセス1から出力され
る制御量信号や、操作量計算手段2がプロセス1に出力
する操作量信号を常時監視している。また、モデル選択
手段5は、異常検知手段4での判定結果を、調節計の制
御周期毎に見ている。そして、異常でない入力と出力に
対応するモデルを順次、各入出力毎にモデル格納手段3
から選択し、それらを操作量計算手段2に転送する。
【0015】図3は、このモデル選択手段5でのモデル
選択動作を示すフローチャートである。ここでは、入力
番号順にモデルの入力と出力は異常かを全ての入力,全
ての出力に関して判断し、異常でないと判断されたモデ
ルの出力(応答パラメータ)をコピーして、それらを操
作量計算手段2に順次転送する。操作量計算手段2は、
設定されている制御目標、評価基準、モデル選択手段5
から転送されたモデル出力、前回までのプロセス入力、
プロセス出力を用いて、今回の操作量を計算する。い
ま、操作量計算手段2内に、プロセス1から与えられる
現在の制御量と制御目標値とを入力し、現在の制御量が
どの様にして制御目標値に近づけるかを指定する参照軌
道(現在の制御量から制御目標値への一次遅れなど)を
計算する機能を備えたものを想定して、操作量を計算す
る手順を示せば以下の通りである。
選択動作を示すフローチャートである。ここでは、入力
番号順にモデルの入力と出力は異常かを全ての入力,全
ての出力に関して判断し、異常でないと判断されたモデ
ルの出力(応答パラメータ)をコピーして、それらを操
作量計算手段2に順次転送する。操作量計算手段2は、
設定されている制御目標、評価基準、モデル選択手段5
から転送されたモデル出力、前回までのプロセス入力、
プロセス出力を用いて、今回の操作量を計算する。い
ま、操作量計算手段2内に、プロセス1から与えられる
現在の制御量と制御目標値とを入力し、現在の制御量が
どの様にして制御目標値に近づけるかを指定する参照軌
道(現在の制御量から制御目標値への一次遅れなど)を
計算する機能を備えたものを想定して、操作量を計算す
る手順を示せば以下の通りである。
【0016】はじめに、操作量計算手段内の参照軌道を
計算する機能により、参照軌道の計算を行う。この参照
軌道refj(出力j番目の参照軌道)は、例えば、
(2)式を用いて行われる。 refj(i)=αi・PV+(1−αi)・SV …(2) i=1,2,3…,H ここで、α=exp(−3・TS/TR) PV;制御量 SV;制御目標値 TS;制御周期 TR;応答周期 続いて、(2)式の計算により得られた参照軌道ref
jを、(3)式に適用し、この式で示される評価関数を
最小とする今回の操作量MVjを計算する。
計算する機能により、参照軌道の計算を行う。この参照
軌道refj(出力j番目の参照軌道)は、例えば、
(2)式を用いて行われる。 refj(i)=αi・PV+(1−αi)・SV …(2) i=1,2,3…,H ここで、α=exp(−3・TS/TR) PV;制御量 SV;制御目標値 TS;制御周期 TR;応答周期 続いて、(2)式の計算により得られた参照軌道ref
jを、(3)式に適用し、この式で示される評価関数を
最小とする今回の操作量MVjを計算する。
【0017】評価関数 :NΣj=1 HΣi=1{refj(i)−LTΣk=1ai・MVj(i−k)}2 …(3) ここで、j;出力番号 N;出力数 H;予測区間 ai;インパルス応答係数 LT;インパルス応答の数LT Σk=1ai・MVj(i−k);モデル選択手段5から
転送されたモデル出力 なお、操作量計算手段2でのモデル出力を用いた操作量
の計算の仕方は、モデルが数理的に表記できる場合に
は、例えば、線形計画法や最急勾配法などの各種最適化
手法を用いることが可能である。
転送されたモデル出力 なお、操作量計算手段2でのモデル出力を用いた操作量
の計算の仕方は、モデルが数理的に表記できる場合に
は、例えば、線形計画法や最急勾配法などの各種最適化
手法を用いることが可能である。
【0018】なお、上記の説明では、モデル格納部に保
持する複数のモデルは、個々の入力と出力の組み合わせ
に対応して設けられることを想定したが、同一の入出力
に対して複数のモデルを用意する(定義する)ように
し、運転条件や制御条件の変動に応じて最適なモデルを
切替えて用いるようにしてもよい。これにより、ゲイン
・スケジューリング制御を行うことができる。
持する複数のモデルは、個々の入力と出力の組み合わせ
に対応して設けられることを想定したが、同一の入出力
に対して複数のモデルを用意する(定義する)ように
し、運転条件や制御条件の変動に応じて最適なモデルを
切替えて用いるようにしてもよい。これにより、ゲイン
・スケジューリング制御を行うことができる。
【0019】
【発明の効果】以上詳細に説明したように、本発明によ
れば、制御対象の因果関係を記述するモデルを複数個保
持しておき、その中から使用可能のモデルを実時間で選
択して抽出し、そのモデルを用いて、異常を示す操作量
を除いて、操作量を計算するようにしたもので、多変数
入出力の一部が、例えばセンサやアクチュエータの故障
で異常となった場合でも、異常を示す入力(操作量)ま
たは出力(制御量)を除いて、引続き正常な制御動作を
行える多変数制御調節計が実現できる。
れば、制御対象の因果関係を記述するモデルを複数個保
持しておき、その中から使用可能のモデルを実時間で選
択して抽出し、そのモデルを用いて、異常を示す操作量
を除いて、操作量を計算するようにしたもので、多変数
入出力の一部が、例えばセンサやアクチュエータの故障
で異常となった場合でも、異常を示す入力(操作量)ま
たは出力(制御量)を除いて、引続き正常な制御動作を
行える多変数制御調節計が実現できる。
【0020】また、同一の入出力に対して複数のモデル
を用意することにより、制御条件の変動に応じて、制御
方式(モデル)を最適なものに切り換えることで、安定
な制御を行うことができる。
を用意することにより、制御条件の変動に応じて、制御
方式(モデル)を最適なものに切り換えることで、安定
な制御を行うことができる。
【図1】本発明の一実施例の構成ブロック図である。
【図2】インパルス応答モデルによるプロセス動特性を
表現した説明図である。
表現した説明図である。
【図3】モデル選択手段5でのモデル選択動作を示すフ
ローチャートである。
ローチャートである。
【図4】従来の多変数制御調節計の一例を示す構成ブロ
ック図である。
ック図である。
【図5】従来の多変数制御調節計の一例を示す構成ブロ
ック図である。
ック図である。
【図6】図4の装置における制御応答例を示す波形図で
ある。
ある。
【図7】図5の装置における制御応答例を示す波形図で
ある。
ある。
1 プロセス(プラント) 2 操作量計算手段 3 モデル格納部 4 異常検知手段 5 モデル選択手段
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7,DB名) G05B 11/32 G05B 9/02 G05B 13/04
Claims (2)
- 【請求項1】制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作量を
演算する操作量計算手段と、 制御対象プロセスの各入力(操作量)と出力(制御量)
の組み合わせ毎にその因果関係を記述した複数個のモデ
ルを格納したモデル格納部と、 前記操作量計算手段からの操作量と制御対象からの制御
量信号を入力しこれらを常時監視し、それらの異常状態
を検知する異常検知手段と、 この異常検知手段にて異常が検知された場合異常でない
入力と出力に対応するモデルを前記モデル格納部から選
択するモデル選択手段とを備え、 前記操作量計算手段は、モデル選択手段で選択されたモ
デルを用いて、そこに与えられる評価基準を最小とする
ように、異常を示す操作量を除いて、操作量を計算する
ことを特徴とする多変数制御調整計。 - 【請求項2】モデル格納部は、同一の入出力に対して複
数のモデルを格納し、モデル選択手段が、運転条件や制
御条件の変動に応じて最適なモデルを選択することを特
徴とする請求項1記載の多変数制御調整計。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP33612592A JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP33612592A JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH06187004A JPH06187004A (ja) | 1994-07-08 |
JP3214636B2 true JP3214636B2 (ja) | 2001-10-02 |
Family
ID=18295955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP33612592A Expired - Fee Related JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3214636B2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US7317953B2 (en) * | 2003-12-03 | 2008-01-08 | Fisher-Rosemount Systems, Inc. | Adaptive multivariable process controller using model switching and attribute interpolation |
US7861578B2 (en) * | 2008-07-29 | 2011-01-04 | General Electric Company | Methods and systems for estimating operating parameters of an engine |
US8560092B2 (en) * | 2009-05-29 | 2013-10-15 | Aspen Technology, Inc. | Apparatus and method for model quality estimation and model adaptation in multivariable process control |
US9141911B2 (en) | 2009-05-29 | 2015-09-22 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
JP5500370B2 (ja) * | 2010-07-23 | 2014-05-21 | 横河電機株式会社 | 多変数モデル予測を用いた運転制御装置および運転制御方法 |
EP2788827B1 (en) | 2012-02-08 | 2018-09-19 | Aspen Technology, Inc. | Apparatus and methods for non-invasive closed loop step testing using a tunable trade-off factor |
US10025301B2 (en) | 2014-08-29 | 2018-07-17 | General Electric Company | Method and system of adaptive model-based control for multiple-input multiple-output plants |
US11934159B2 (en) | 2018-10-30 | 2024-03-19 | Aspentech Corporation | Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation |
US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
WO2021076760A1 (en) | 2019-10-18 | 2021-04-22 | Aspen Technology, Inc. | System and methods for automated model development from plant historical data for advanced process control |
US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
-
1992
- 1992-12-16 JP JP33612592A patent/JP3214636B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH06187004A (ja) | 1994-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3214636B2 (ja) | 多変数制御調節計 | |
Polycarpou et al. | Automated fault detection and accommodation: a learning systems approach | |
Zhao et al. | Fuzzy gain scheduling of PID controllers | |
US7117045B2 (en) | Combined proportional plus integral (PI) and neural network (nN) controller | |
Vemuri et al. | Neural network based fault detection in robotic manipulators | |
US4630189A (en) | System for determining abnormal plant operation based on whiteness indexes | |
Hagan et al. | Neural networks for control | |
EP0712060B1 (en) | Method and apparatus for providing multivariable nonlinear control | |
JPH09504129A (ja) | モデル予測制御用のニューラルネットベースの外乱予測子 | |
Eker et al. | Design and implementation of a hybrid control strategy | |
CN109595687B (zh) | 电采暖dcs控制系统、系统的故障诊断方法及故障容错方法 | |
JPH06266410A (ja) | ビジュアルフィードバック制御装置 | |
Kallappa et al. | Fuzzy wide-range control of fossil power plants for life extension and robust performance | |
Erbatur et al. | Chattering elimination via fuzzy boundary layer tuning | |
JP3062606B2 (ja) | ニューラルネットワークを用いた適応制御装置 | |
Ahamed et al. | Reinforcement learning controllers for automatic generation control in power systems having reheat units with GRC and dead-band | |
Kim et al. | Once-through boiler steam temperature control using dynamic matrix control technique | |
Balbis et al. | Model predictive control design for industrial applications | |
Xiao et al. | Command-Filter-Based Adaptive Containment Control for Stochastic Nonlinear Multi-Agent Systems | |
Zerkaoui et al. | Multivariable adaptive control for non-linear systems: application to the Tennessee Eastman Challenge Process | |
Batur et al. | Fuzzy adaptive control | |
Pham et al. | Adaptive control of dynamic systems using neural networks | |
JPH0490002A (ja) | クロマトグラフ制御システム | |
Tzafestas et al. | Geometry and thermal regulation of GMA welding via conventional and neural adaptive control | |
Várkonyi-Kóczy et al. | Anytime fuzzy modeling approach for fault detection systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080727 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090727 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100727 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |