JP3612032B2 - 化学反応装置における異常反応の制御システム - Google Patents
化学反応装置における異常反応の制御システム Download PDFInfo
- Publication number
- JP3612032B2 JP3612032B2 JP2001105439A JP2001105439A JP3612032B2 JP 3612032 B2 JP3612032 B2 JP 3612032B2 JP 2001105439 A JP2001105439 A JP 2001105439A JP 2001105439 A JP2001105439 A JP 2001105439A JP 3612032 B2 JP3612032 B2 JP 3612032B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- temperature
- reaction
- reactor
- output
- 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
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Physical Or Chemical Processes And Apparatus (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、化学反応装置における制御システムの改良、更に詳しくは、ニューラルネットワークを用いた演算によって化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができる化学反応装置における異常反応の制御システムに関するものである。
【０００２】
【従来の技術】
周知のとおり、重合反応や縮合反応などの化学反応を伴う実験においては、温度、圧力、濃度およびその他の外部条件によって、化学反応の速度が大きく左右されるため、その化学反応の特性に応じてこれらの諸条件を的確かつ迅速に調節しなければならない。
【０００３】
特に、発熱を伴う化学反応では、反応速度が温度に対して敏感に変化することが多く、上記諸条件のうち反応系内の温度を適当な範囲に調節しなければ危険である。更に、反応速度は温度が上がるにつれて急激に進み、終いには爆発するという暴走反応が起こる危険性があるので、このような化学反応は早期に異常状態を検出する必要がある。
【０００４】
従来、化学反応の状態を制御するためには、温度や圧力、触媒やモノマーの滴下流量などのパラメータを個別に制御しており、このような個別での計測や制御では総合的な装置全体の異常判定が困難であり、異常な状態を察知するのにどうしても時間がかかってしまうという欠点があった。
【０００５】
【発明が解決しようとする課題】
本発明は、上記欠点に鑑みて為されたものであり、その目的とするところは、ニューラルネットワークを用いた演算によって化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができる化学反応装置における異常反応の制御システムを提供することにある。
【０００６】
【課題を解決するための手段】
本発明者が上記課題を解決するために採用した手段を添付図面を参照して説明すれば次のとおりである。
【０００７】
即ち、本発明は、反応さすべき化学薬材Ａを収容するリアクター１と；このリアクター１内の現在温度を測定して反応温度信号Ｐ1 を出力する反応温度センサー２と；前記リアクター１内の化学薬材Ａと熱交換する熱媒Ｂを収容する熱交換ジャケット３と；この熱交換ジャケット３と循環路31・32を介して熱媒Ｂが循環可能に連通された熱媒温度調節機構であって、加熱器41と冷却器42とによって熱媒Ｂの帯熱温度を昇降調節可能な温度加減タンク４と；前記熱媒Ｂの現在温度を測定して熱媒温度信号Ｐ2 として出力する熱媒温度センサー５と；前記リアクター１内の化学薬材Ａを回転モーターによって攪拌し、電流値と回転数から回転トルクを算定して回転トルク算定信号Ｐ3 を出力する攪拌機６と；前記リアクター１に触媒Ｃを計量供給し、当該リアクター１内の化学薬材Ａに対する触媒量を増加させて触媒のコンテント信号Ｐ4 として出力する触媒定量ポンプ７と；前記反応温度センサー２の出力する反応温度信号Ｐ1 、前記温度センサー５の出力する熱媒温度信号Ｐ2 、前記回転トルク算定信号Ｐ3 および前記触媒のコンテント信号Ｐ4 が入力される一方、これらの信号Ｐ1 〜Ｐ4 の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態が数値的に演算されたものをステータス信号Ｖとして出力するニューロ・コントローラ８と；このニューロ・コントローラ８が出力するステータス信号Ｖの数値変動の一定範囲を限定して正常許容帯値として設定できる一方、こうして設定された正常許容帯値とニューロ・コントローラ８から刻々入力される現在のステータス信号Ｖにかかる数値とを比較してこの現在の数値が正常許容帯値から乖離したときに異常信号Ｆをニューロ・コントローラ８に出力する許容値設定器９とを包含して成り、この許容値設定器９から異常信号Ｆが出力されたときは、前記ニューロ・コントローラ８が温度加減タンク４の加熱器41または冷却器42、攪拌機６または触媒定量ポンプ７に対し、是正制御信号Ｗを出力してリアクター１内における異常反応を制御するという技術的手段を採用した。
【０００８】
また、本発明は、上記課題を解決するために、必要に応じて上記手段に加え、ニューロ・コントローラ８に装備されるニューラルネットワークのプログラムを階層構造のニューラルネットワークにするという技術的手段を採用した。
【０００９】
更にまた、本発明は、上記課題を解決するために、必要に応じて上記手段に加え、是正制御信号Ｗによって警告ランプまたは警告ブザーを作動させるという技術的手段を採用した。
【００１０】
【発明の実施の形態】
本発明の実施形態を具体的に図示した図面に基いて更に詳細に説明すると次のとおりである。
【００１１】
本発明の実施形態を図１から図４に基いて説明する。図中、符号１で指示するものはリアクターであり、このリアクター１には反応さすべき化学薬材Ａが収容されている。
【００１２】
符号２で指示するものは反応温度センサーであり、この反応温度センサー２は前記リアクター１内の現在温度を測定して反応温度信号Ｐ1 を出力する。
【００１３】
符号３で指示するものは熱交換ジャケットであり、この熱交換ジャケット３は前記リアクター１の外周を包囲するように配設され、化学薬材Ａと熱交換する熱媒Ｂを収容している。
【００１４】
符号４で指示するものは温度加減タンクであり、この温度加減タンク４は熱媒温度調節機構であって、加熱器41と冷却器42とによって熱媒Ｂの帯熱温度を昇降調節可能に構成されている。
【００１５】
符号５で指示するものは熱媒温度センサーであり、この熱媒温度センサー５は前記熱媒Ｂの現在温度を測定して熱媒温度信号Ｐ2 として出力する。
【００１６】
符号６で指示するものは攪拌機であり、この攪拌機６は前記リアクター１内の化学薬材Ａを回転モーターによって攪拌し、電流値と回転数から回転トルクを算定して回転トルク算定信号Ｐ3 を出力する。
【００１７】
符号７で指示するものは触媒定量ポンプであり、この触媒定量ポンプ７は前記リアクター１に触媒Ｃを計量供給し、当該リアクター１内の化学薬材Ａに対する触媒量を増加させて触媒のコンテント信号Ｐ4 として出力する。
【００１８】
符号８で指示するものはニューロ・コントローラであり、このニューロ・コントローラ８は、ニューラルネットワークを装備しており、このニューラルネットワークの特徴は、同時に複数のデータが入力可能であり、データ相互の結合による演算をすることができるので、化学反応全体のダイナミックスを捉えて、より正確な制御と判断ができるという点である。
【００１９】
本実施形態に採用するニューラルネットワークは、図２に示すような階層構造であって、入力層81、中間層82、出力層83の３層から成り、入力層81は上記の４つの信号Ｐ1 〜Ｐ4 に異常状態信号Ｘを加えた５個の素子、中間層82は３０個の素子、出力層83はステータス信号Ｖの１個の素子で各々構成されている。
【００２０】
また、符号９で指示するものは許容値設定器であり、この許容値設定器９は前記ニューロ・コントローラ８が出力するステータス信号Ｖの演算値変動の一定範囲を限定して正常許容帯値として設定できる一方、こうして設定された正常許容帯値とニューロ・コントローラ８から刻々入力される現在のステータス信号Ｖにかかる数値とを比較してこの現在の数値が正常許容帯値から乖離したときに異常信号Ｆをニューロ・コントローラ８に出力する。
【００２１】
ここで、本実施形態に採用するニューラルネットワークモデルについて以下に説明する。まず、本実施形態のニューラルネットワークには前記反応温度センサー２の出力する反応温度信号Ｐ1 、前記温度センサー５の出力する熱媒温度信号Ｐ2 、前記攪拌機６の回転トルク算定信号Ｐ3 、前記触媒定量ポンプ７のコンテント信号Ｐ4 および異常状態信号Ｘが入力層に入力される。この異常状態信号Ｘは、温度や濃度などを急激に上昇させたりして化学反応を人為的に異常状態にせしめ、その際に採取したデータを基としたものである。
【００２２】
本実施形態の制御システムにあっては、装置に配設された各計器から出力される４つの信号Ｐ1 〜Ｐ4 、および異常状態信号Ｘを評価基準として評価関数Ｅを作成する。この評価関数Ｅは教師信号とニューラルネットワーク出力値との誤差をとって定義する関数であるが、本実施形態では二乗誤差で定義されるものを採用する。
【００２３】
ニューラルネットワークの構成は、それぞれの層のニューロンがシナプス結合によって結合されている。ニューロンは多入力１出力の信号を伝達する素子であり、入力された信号は内部の関数で変換されて出力される。関数はニューロンの入出力特性を表わす重要なものであり、シグモイド関数が多く用いられている。本実施形態に使用するバックプロパゲーション法によるニューラルネットワークの学習によるシナプス結合の更新式を（１）式に示す。また、本制御に用いる、評価関数Ｅを（２）式に示す。
【００２４】
【数式１】
【００２５】
【数式２】
【００２６】
ここに、
ｋ：サンプルタイム
ε：収束速度定数
ｎ：サンプル数
ｙ：教師信号
ｙハット（ｋ）：ニューラルネットワーク出力値
【００２７】
ここで、ｗN jiは、入力層81、中間層82、出力層83をそれぞれ０、１、２層とし、Ｎ＝１，２におけるＮ−１層のｊ番目のユニットからＮ層のｉ番目のユニットへの結合係数を意味している。通常、評価関数Ｅは設定値と測定値の誤差を用いて定義するものであり、本実施形態の評価関数は、異常値をｙ＝１、正常値をｙ＝０と予め設定した教師信号ｙと、ニューラルネットワークから出力される値ｙハット（ｋ）との二乗誤差で定義する。なお、εは学習の収束速度を決定する定数である。
【００２８】
（１）式により１サンプルタイム毎に各結合係数を更新し、ニューラルネットワークによる出力値と教師信号との間の誤差が極小値または、設定回数になったら学習は終了する。これによって更新された結合係数によって、ニューラルネットワークは演算値（ｙハット（ｋ））を出力する。
【００２９】
ここで使用された結合係数は格納しておくことができ、次回の制御に応用される。また、バックプロパゲーション法によるニューラルネットワークの学習フローチャートを図３に示す。
【００３０】
ニューラルネットワークは、予め入力パターンと出力の関係をバックプロパゲーション法などを用いて学習を行っており、各素子間の結合重みを決定する。学習後は入力パターンと出力の関係を瞬時に得ることができ、常にリアルタイムに学習データを順次更新することにより、状態変化に追従して次に必要となる条件を事前に逸早く予測して適切に制御することができる。
【００３１】
そして、このニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算してニューロ・コントローラ８から出力されたステータス信号Ｖは許容値設定器９に入力される。この許容値設定器９は前記ステータス信号Ｖの数値から、化学反応が正常な状態であるかを判定するための正常許容値の範囲を設定して入力する装置である。
【００３２】
本実施形態では、評価関数Ｅにおいてｙ＝１を異常値としているので、正常許容帯値を０．８以下と設定しておき、ステータス信号Ｖにかかる数値が０．９であれば異常であるというように判断できるのである。そして、各計器から出力される信号の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算し、この演算された数値と異常状態の範囲を設定した正常許容値と比較していることから、その数値を確認すれば現在の化学反応の状態がどれくらい安全であるのか、あるいは危険な状態であるのかを簡単に推定することができるのである。
【００３３】
許容値設定器９に入力されたステータス信号Ｖにかかる数値が設定した正常許容値の範囲内であった場合、化学反応は正常な状態であると判断する。しかし、演算された数値が設定した正常許容値の範囲外に乖離した場合、現在の化学反応が異常な状態であると判断し、ニューロ・コントローラ８に異常信号Ｆを出力する。
【００３４】
この異常信号Ｆが入力された前記ニューロ・コントローラ８は、化学反応を正常な状態に是正すべく是正制御信号Ｗを出力する。この是正制御信号Ｗは、温度加減タンク４の加熱器41または冷却器42に出力して熱媒Ｂの温度を調節したり、攪拌機６に出力して回転を停止したり、または触媒定量ポンプ７に出力して滴下を抑制または停止したりして制御する。更に、この信号によって反応禁止剤Ｓの注入ポンプを動作するように構成しても良い。
【００３５】
また、本実施形態では、ニューロ・コントローラ８が出力する是正制御信号Ｗによって、警告ランプｒまたは警告ブザーｂを作動させることもでき、作業者の視覚または聴覚にも異常を素早く認知させることができる。
【００３６】
本発明は概ね上記のように構成されるが、本発明は図示の実施例に限定されるものでは決してなく、「特許請求の範囲」の記載内において種々の変更が可能であって、例えば、反応装置は上記した熱媒循環方式のものに限らず、リアクター１内の温度などを制御できるものであれば、熱媒の熱交換接触面積の調節方式などの他の化学反応装置にも応用することができる。
【００３７】
また、化学薬材および熱媒の温度センサーをより多く配設したり、各ポンプの流量制御なども併せて計測した信号を入力することによって、更に高精度な装置全体の制御を行うことができ、何れのものも本発明の技術的範囲に属する。
【００３８】
【発明の効果】
以上実施形態を挙げて説明したとおり、本発明にあっては、各計器から出力される信号の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算し、この演算された数値と異常状態の範囲を設定した正常許容値と比較することによって、その数値を確認すれば現在の化学反応の状態がどれくらい安全であるのかあるいは危険な状態であるのかを簡単に推定することができる。
【００３９】
また、演算された数値と正常許容帯値とを比較して演算値が正常許容帯値から乖離したときに異常信号をニューロ・コントローラに出力し、温度加減タンクの加熱器または冷却器、攪拌機または触媒定量ポンプなどの装置に対し、是正制御信号を出力してリアクター内における暴走反応などの化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができることから、非常に安全性が高く、産業上における利用価値は頗る高いものがあると云える。
【図面の簡単な説明】
【図１】本発明の実施形態の反応装置を表わす構造説明図である。
【図２】本発明の実施形態のニューラルネットワークの構成図である。
【図３】本発明の実施形態のニューラルネットワークにおける学習フローチャートである。
【図４】本発明の実施形態のニューラルネットワークにおける制御用フローチャートである。
【符号の説明】
１ リアクター
２ 反応温度センサー
Ｐ1 反応温度信号
３ 熱交換ジャケット
31 循環路
32 循環路
４ 温度加減タンク
41 加熱器
42 冷却器
５ 熱媒温度センサー
Ｐ2 熱媒温度信号
６ 攪拌機
Ｐ3 回転トルク算定信号
７ 触媒定量ポンプ
Ｐ4 コンテント信号
８ ニューロ・コントローラ
81 入力層
82 中間層
83 出力層
Ｖ ステータス信号
Ｗ 是正制御信号
Ｘ 異常状態信号
９ 許容値設定器
Ｆ 異常信号
Ａ 化学薬材
Ｂ 熱媒
Ｃ 触媒
Ｓ 反応禁止剤
ｒ 警告ランプ
ｂ 警告ブザー
【発明の属する技術分野】
本発明は、化学反応装置における制御システムの改良、更に詳しくは、ニューラルネットワークを用いた演算によって化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができる化学反応装置における異常反応の制御システムに関するものである。
【０００２】
【従来の技術】
周知のとおり、重合反応や縮合反応などの化学反応を伴う実験においては、温度、圧力、濃度およびその他の外部条件によって、化学反応の速度が大きく左右されるため、その化学反応の特性に応じてこれらの諸条件を的確かつ迅速に調節しなければならない。
【０００３】
特に、発熱を伴う化学反応では、反応速度が温度に対して敏感に変化することが多く、上記諸条件のうち反応系内の温度を適当な範囲に調節しなければ危険である。更に、反応速度は温度が上がるにつれて急激に進み、終いには爆発するという暴走反応が起こる危険性があるので、このような化学反応は早期に異常状態を検出する必要がある。
【０００４】
従来、化学反応の状態を制御するためには、温度や圧力、触媒やモノマーの滴下流量などのパラメータを個別に制御しており、このような個別での計測や制御では総合的な装置全体の異常判定が困難であり、異常な状態を察知するのにどうしても時間がかかってしまうという欠点があった。
【０００５】
【発明が解決しようとする課題】
本発明は、上記欠点に鑑みて為されたものであり、その目的とするところは、ニューラルネットワークを用いた演算によって化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができる化学反応装置における異常反応の制御システムを提供することにある。
【０００６】
【課題を解決するための手段】
本発明者が上記課題を解決するために採用した手段を添付図面を参照して説明すれば次のとおりである。
【０００７】
即ち、本発明は、反応さすべき化学薬材Ａを収容するリアクター１と；このリアクター１内の現在温度を測定して反応温度信号Ｐ1 を出力する反応温度センサー２と；前記リアクター１内の化学薬材Ａと熱交換する熱媒Ｂを収容する熱交換ジャケット３と；この熱交換ジャケット３と循環路31・32を介して熱媒Ｂが循環可能に連通された熱媒温度調節機構であって、加熱器41と冷却器42とによって熱媒Ｂの帯熱温度を昇降調節可能な温度加減タンク４と；前記熱媒Ｂの現在温度を測定して熱媒温度信号Ｐ2 として出力する熱媒温度センサー５と；前記リアクター１内の化学薬材Ａを回転モーターによって攪拌し、電流値と回転数から回転トルクを算定して回転トルク算定信号Ｐ3 を出力する攪拌機６と；前記リアクター１に触媒Ｃを計量供給し、当該リアクター１内の化学薬材Ａに対する触媒量を増加させて触媒のコンテント信号Ｐ4 として出力する触媒定量ポンプ７と；前記反応温度センサー２の出力する反応温度信号Ｐ1 、前記温度センサー５の出力する熱媒温度信号Ｐ2 、前記回転トルク算定信号Ｐ3 および前記触媒のコンテント信号Ｐ4 が入力される一方、これらの信号Ｐ1 〜Ｐ4 の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態が数値的に演算されたものをステータス信号Ｖとして出力するニューロ・コントローラ８と；このニューロ・コントローラ８が出力するステータス信号Ｖの数値変動の一定範囲を限定して正常許容帯値として設定できる一方、こうして設定された正常許容帯値とニューロ・コントローラ８から刻々入力される現在のステータス信号Ｖにかかる数値とを比較してこの現在の数値が正常許容帯値から乖離したときに異常信号Ｆをニューロ・コントローラ８に出力する許容値設定器９とを包含して成り、この許容値設定器９から異常信号Ｆが出力されたときは、前記ニューロ・コントローラ８が温度加減タンク４の加熱器41または冷却器42、攪拌機６または触媒定量ポンプ７に対し、是正制御信号Ｗを出力してリアクター１内における異常反応を制御するという技術的手段を採用した。
【０００８】
また、本発明は、上記課題を解決するために、必要に応じて上記手段に加え、ニューロ・コントローラ８に装備されるニューラルネットワークのプログラムを階層構造のニューラルネットワークにするという技術的手段を採用した。
【０００９】
更にまた、本発明は、上記課題を解決するために、必要に応じて上記手段に加え、是正制御信号Ｗによって警告ランプまたは警告ブザーを作動させるという技術的手段を採用した。
【００１０】
【発明の実施の形態】
本発明の実施形態を具体的に図示した図面に基いて更に詳細に説明すると次のとおりである。
【００１１】
本発明の実施形態を図１から図４に基いて説明する。図中、符号１で指示するものはリアクターであり、このリアクター１には反応さすべき化学薬材Ａが収容されている。
【００１２】
符号２で指示するものは反応温度センサーであり、この反応温度センサー２は前記リアクター１内の現在温度を測定して反応温度信号Ｐ1 を出力する。
【００１３】
符号３で指示するものは熱交換ジャケットであり、この熱交換ジャケット３は前記リアクター１の外周を包囲するように配設され、化学薬材Ａと熱交換する熱媒Ｂを収容している。
【００１４】
符号４で指示するものは温度加減タンクであり、この温度加減タンク４は熱媒温度調節機構であって、加熱器41と冷却器42とによって熱媒Ｂの帯熱温度を昇降調節可能に構成されている。
【００１５】
符号５で指示するものは熱媒温度センサーであり、この熱媒温度センサー５は前記熱媒Ｂの現在温度を測定して熱媒温度信号Ｐ2 として出力する。
【００１６】
符号６で指示するものは攪拌機であり、この攪拌機６は前記リアクター１内の化学薬材Ａを回転モーターによって攪拌し、電流値と回転数から回転トルクを算定して回転トルク算定信号Ｐ3 を出力する。
【００１７】
符号７で指示するものは触媒定量ポンプであり、この触媒定量ポンプ７は前記リアクター１に触媒Ｃを計量供給し、当該リアクター１内の化学薬材Ａに対する触媒量を増加させて触媒のコンテント信号Ｐ4 として出力する。
【００１８】
符号８で指示するものはニューロ・コントローラであり、このニューロ・コントローラ８は、ニューラルネットワークを装備しており、このニューラルネットワークの特徴は、同時に複数のデータが入力可能であり、データ相互の結合による演算をすることができるので、化学反応全体のダイナミックスを捉えて、より正確な制御と判断ができるという点である。
【００１９】
本実施形態に採用するニューラルネットワークは、図２に示すような階層構造であって、入力層81、中間層82、出力層83の３層から成り、入力層81は上記の４つの信号Ｐ1 〜Ｐ4 に異常状態信号Ｘを加えた５個の素子、中間層82は３０個の素子、出力層83はステータス信号Ｖの１個の素子で各々構成されている。
【００２０】
また、符号９で指示するものは許容値設定器であり、この許容値設定器９は前記ニューロ・コントローラ８が出力するステータス信号Ｖの演算値変動の一定範囲を限定して正常許容帯値として設定できる一方、こうして設定された正常許容帯値とニューロ・コントローラ８から刻々入力される現在のステータス信号Ｖにかかる数値とを比較してこの現在の数値が正常許容帯値から乖離したときに異常信号Ｆをニューロ・コントローラ８に出力する。
【００２１】
ここで、本実施形態に採用するニューラルネットワークモデルについて以下に説明する。まず、本実施形態のニューラルネットワークには前記反応温度センサー２の出力する反応温度信号Ｐ1 、前記温度センサー５の出力する熱媒温度信号Ｐ2 、前記攪拌機６の回転トルク算定信号Ｐ3 、前記触媒定量ポンプ７のコンテント信号Ｐ4 および異常状態信号Ｘが入力層に入力される。この異常状態信号Ｘは、温度や濃度などを急激に上昇させたりして化学反応を人為的に異常状態にせしめ、その際に採取したデータを基としたものである。
【００２２】
本実施形態の制御システムにあっては、装置に配設された各計器から出力される４つの信号Ｐ1 〜Ｐ4 、および異常状態信号Ｘを評価基準として評価関数Ｅを作成する。この評価関数Ｅは教師信号とニューラルネットワーク出力値との誤差をとって定義する関数であるが、本実施形態では二乗誤差で定義されるものを採用する。
【００２３】
ニューラルネットワークの構成は、それぞれの層のニューロンがシナプス結合によって結合されている。ニューロンは多入力１出力の信号を伝達する素子であり、入力された信号は内部の関数で変換されて出力される。関数はニューロンの入出力特性を表わす重要なものであり、シグモイド関数が多く用いられている。本実施形態に使用するバックプロパゲーション法によるニューラルネットワークの学習によるシナプス結合の更新式を（１）式に示す。また、本制御に用いる、評価関数Ｅを（２）式に示す。
【００２４】
【数式１】
【数式２】
ここに、
ｋ：サンプルタイム
ε：収束速度定数
ｎ：サンプル数
ｙ：教師信号
ｙハット（ｋ）：ニューラルネットワーク出力値
【００２７】
ここで、ｗN jiは、入力層81、中間層82、出力層83をそれぞれ０、１、２層とし、Ｎ＝１，２におけるＮ−１層のｊ番目のユニットからＮ層のｉ番目のユニットへの結合係数を意味している。通常、評価関数Ｅは設定値と測定値の誤差を用いて定義するものであり、本実施形態の評価関数は、異常値をｙ＝１、正常値をｙ＝０と予め設定した教師信号ｙと、ニューラルネットワークから出力される値ｙハット（ｋ）との二乗誤差で定義する。なお、εは学習の収束速度を決定する定数である。
【００２８】
（１）式により１サンプルタイム毎に各結合係数を更新し、ニューラルネットワークによる出力値と教師信号との間の誤差が極小値または、設定回数になったら学習は終了する。これによって更新された結合係数によって、ニューラルネットワークは演算値（ｙハット（ｋ））を出力する。
【００２９】
ここで使用された結合係数は格納しておくことができ、次回の制御に応用される。また、バックプロパゲーション法によるニューラルネットワークの学習フローチャートを図３に示す。
【００３０】
ニューラルネットワークは、予め入力パターンと出力の関係をバックプロパゲーション法などを用いて学習を行っており、各素子間の結合重みを決定する。学習後は入力パターンと出力の関係を瞬時に得ることができ、常にリアルタイムに学習データを順次更新することにより、状態変化に追従して次に必要となる条件を事前に逸早く予測して適切に制御することができる。
【００３１】
そして、このニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算してニューロ・コントローラ８から出力されたステータス信号Ｖは許容値設定器９に入力される。この許容値設定器９は前記ステータス信号Ｖの数値から、化学反応が正常な状態であるかを判定するための正常許容値の範囲を設定して入力する装置である。
【００３２】
本実施形態では、評価関数Ｅにおいてｙ＝１を異常値としているので、正常許容帯値を０．８以下と設定しておき、ステータス信号Ｖにかかる数値が０．９であれば異常であるというように判断できるのである。そして、各計器から出力される信号の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算し、この演算された数値と異常状態の範囲を設定した正常許容値と比較していることから、その数値を確認すれば現在の化学反応の状態がどれくらい安全であるのか、あるいは危険な状態であるのかを簡単に推定することができるのである。
【００３３】
許容値設定器９に入力されたステータス信号Ｖにかかる数値が設定した正常許容値の範囲内であった場合、化学反応は正常な状態であると判断する。しかし、演算された数値が設定した正常許容値の範囲外に乖離した場合、現在の化学反応が異常な状態であると判断し、ニューロ・コントローラ８に異常信号Ｆを出力する。
【００３４】
この異常信号Ｆが入力された前記ニューロ・コントローラ８は、化学反応を正常な状態に是正すべく是正制御信号Ｗを出力する。この是正制御信号Ｗは、温度加減タンク４の加熱器41または冷却器42に出力して熱媒Ｂの温度を調節したり、攪拌機６に出力して回転を停止したり、または触媒定量ポンプ７に出力して滴下を抑制または停止したりして制御する。更に、この信号によって反応禁止剤Ｓの注入ポンプを動作するように構成しても良い。
【００３５】
また、本実施形態では、ニューロ・コントローラ８が出力する是正制御信号Ｗによって、警告ランプｒまたは警告ブザーｂを作動させることもでき、作業者の視覚または聴覚にも異常を素早く認知させることができる。
【００３６】
本発明は概ね上記のように構成されるが、本発明は図示の実施例に限定されるものでは決してなく、「特許請求の範囲」の記載内において種々の変更が可能であって、例えば、反応装置は上記した熱媒循環方式のものに限らず、リアクター１内の温度などを制御できるものであれば、熱媒の熱交換接触面積の調節方式などの他の化学反応装置にも応用することができる。
【００３７】
また、化学薬材および熱媒の温度センサーをより多く配設したり、各ポンプの流量制御なども併せて計測した信号を入力することによって、更に高精度な装置全体の制御を行うことができ、何れのものも本発明の技術的範囲に属する。
【００３８】
【発明の効果】
以上実施形態を挙げて説明したとおり、本発明にあっては、各計器から出力される信号の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態を数値的に演算し、この演算された数値と異常状態の範囲を設定した正常許容値と比較することによって、その数値を確認すれば現在の化学反応の状態がどれくらい安全であるのかあるいは危険な状態であるのかを簡単に推定することができる。
【００３９】
また、演算された数値と正常許容帯値とを比較して演算値が正常許容帯値から乖離したときに異常信号をニューロ・コントローラに出力し、温度加減タンクの加熱器または冷却器、攪拌機または触媒定量ポンプなどの装置に対し、是正制御信号を出力してリアクター内における暴走反応などの化学反応の異常状態を早急に検出して、迅速かつ的確に制御することができることから、非常に安全性が高く、産業上における利用価値は頗る高いものがあると云える。
【図面の簡単な説明】
【図１】本発明の実施形態の反応装置を表わす構造説明図である。
【図２】本発明の実施形態のニューラルネットワークの構成図である。
【図３】本発明の実施形態のニューラルネットワークにおける学習フローチャートである。
【図４】本発明の実施形態のニューラルネットワークにおける制御用フローチャートである。
【符号の説明】
１ リアクター
２ 反応温度センサー
Ｐ1 反応温度信号
３ 熱交換ジャケット
31 循環路
32 循環路
４ 温度加減タンク
41 加熱器
42 冷却器
５ 熱媒温度センサー
Ｐ2 熱媒温度信号
６ 攪拌機
Ｐ3 回転トルク算定信号
７ 触媒定量ポンプ
Ｐ4 コンテント信号
８ ニューロ・コントローラ
81 入力層
82 中間層
83 出力層
Ｖ ステータス信号
Ｗ 是正制御信号
Ｘ 異常状態信号
９ 許容値設定器
Ｆ 異常信号
Ａ 化学薬材
Ｂ 熱媒
Ｃ 触媒
Ｓ 反応禁止剤
ｒ 警告ランプ
ｂ 警告ブザー
Claims (3)
- 反応さすべき化学薬材Ａを収容するリアクター１と；このリアクター１内の現在温度を測定して反応温度信号Ｐ1 を出力する反応温度センサー２と；前記リアクター１内の化学薬材Ａと熱交換する熱媒Ｂを収容する熱交換ジャケット３と；この熱交換ジャケット３と循環路31・32を介して熱媒Ｂが循環可能に連通された熱媒温度調節機構であって、加熱器41と冷却器42とによって熱媒Ｂの帯熱温度を昇降調節可能な温度加減タンク４と；前記熱媒Ｂの現在温度を測定して熱媒温度信号Ｐ2 として出力する熱媒温度センサー５と；前記リアクター１内の化学薬材Ａを回転モーターによって攪拌し、電流値と回転数から回転トルクを算定して回転トルク算定信号Ｐ3 を出力する攪拌機６と；前記リアクター１に触媒Ｃを計量供給し、当該リアクター１内の化学薬材Ａに対する触媒量を増加させて触媒のコンテント信号Ｐ4 として出力する触媒定量ポンプ７と；前記反応温度センサー２の出力する反応温度信号Ｐ1 、前記温度センサー５の出力する熱媒温度信号Ｐ2 、前記回転トルク算定信号Ｐ3 および前記触媒のコンテント信号Ｐ4 が入力される一方、これらの信号Ｐ1 〜Ｐ4 の異常状態下におけるデータをプログラム中に予め学習記憶せしめたニューラルネットワークによって入力された信号Ｐ 1 〜Ｐ 4 に基づく反応状態が数値的に演算されたものをステータス信号Ｖとして出力するニューロ・コントローラ８と；このニューロ・コントローラ８が出力するステータス信号Ｖの数値変動の一定範囲を限定して正常許容帯値として設定できる一方、こうして設定された正常許容帯値とニューロ・コントローラ８から刻々入力される現在のステータス信号Ｖにかかる数値とを比較してこの現在の数値が正常許容帯値から乖離したときに異常信号Ｆをニューロ・コントローラ８に出力する許容値設定器９とを包含して成り、
この許容値設定器９から異常信号Ｆが出力されたときは、前記ニューロ・コントローラ８が温度加減タンク４の加熱器41または冷却器42、攪拌機６または触媒定量ポンプ７に対し、是正制御信号Ｗを出力してリアクター１内における異常反応を制御することを特徴とする化学反応装置における異常反応の制御システム。 - ニューロ・コントローラ８に装備されるニューラルネットワークのプログラムが、階層構造のニューラルネットワークであることを特徴とする請求項１記載の化学反応装置における異常反応の制御システム。
- 是正制御信号Ｗによって警告ランプまたは警告ブザーを作動させることを特徴とする請求項１または２記載の化学反応装置における異常反応の制御システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001105439A JP3612032B2 (ja) | 2001-04-04 | 2001-04-04 | 化学反応装置における異常反応の制御システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001105439A JP3612032B2 (ja) | 2001-04-04 | 2001-04-04 | 化学反応装置における異常反応の制御システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002301359A JP2002301359A (ja) | 2002-10-15 |
| JP3612032B2 true JP3612032B2 (ja) | 2005-01-19 |
Family
ID=18958134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001105439A Expired - Lifetime JP3612032B2 (ja) | 2001-04-04 | 2001-04-04 | 化学反応装置における異常反応の制御システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3612032B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1988950B (zh) * | 2004-05-28 | 2012-09-05 | 住友化学株式会社 | 热交换型反应器 |
| US7181654B2 (en) * | 2004-09-17 | 2007-02-20 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a reactor |
| JP5297014B2 (ja) * | 2007-09-21 | 2013-09-25 | 大陽日酸株式会社 | 熱媒加熱冷却装置及び熱媒温度制御方法 |
| WO2020054183A1 (ja) | 2018-09-10 | 2020-03-19 | 富士フイルム株式会社 | フロー反応支援装置及び方法、フロー反応設備及び方法 |
| EP3858474A4 (en) * | 2018-09-28 | 2021-12-22 | FUJIFILM Corporation | FLOW REACTION EQUIPMENT AND PROCEDURES |
| JP7098821B2 (ja) | 2019-03-08 | 2022-07-11 | 富士フイルム株式会社 | データ生成装置および方法、並びに学習装置および方法 |
| JP2023164204A (ja) * | 2022-04-29 | 2023-11-10 | 日本特殊陶業株式会社 | 生成装置 |
| CN117339516B (zh) * | 2023-11-17 | 2024-04-12 | 菏泽帝捷化工股份有限公司 | 一种硫化锌工业化生产过程的精准控制系统及控制方法 |
-
2001
- 2001-04-04 JP JP2001105439A patent/JP3612032B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002301359A (ja) | 2002-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3612032B2 (ja) | 化学反応装置における異常反応の制御システム | |
| JP2700914B2 (ja) | ターミナル・エレメント | |
| EP1119800B1 (en) | A system for on line inference of physical and chemical properties and system for on line control | |
| JP2967099B2 (ja) | 連続重合反応器中における重合体の性質のオンライン測定 | |
| JP2010500582A5 (ja) | ||
| Zhang et al. | Estimation of impurity and fouling in batch polymerisation reactors through the application of neural networks | |
| CN112947088B (zh) | 一种基于密闭空间的温湿度系统的建模和控制方法 | |
| US20080228308A1 (en) | Critical dimension uniformity optimization | |
| Wright et al. | On-line identification and nonlinear control of an industrial pH process | |
| JP3606564B2 (ja) | 化学反応装置における反応温度の最適制御システム | |
| CN109925992B (zh) | 一种基于多模块分阶段的连续搅拌在线监测方法 | |
| CN100580585C (zh) | 一种工业生产过程小样本条件下的软测量方法 | |
| JP2005531396A (ja) | 発熱反応をモニタリング及び保護する方法 | |
| Ibrahim | Practical modelling and control implementation studies on a pH neutralization process pilot plant | |
| Jeyaraj et al. | Real‐time data‐driven PID controller for multivariable process employing deep neural network | |
| CN116911621B (zh) | 基于数据驱动的树脂生产安全风险智能评估方法及系统 | |
| CN112147884A (zh) | 不含挥发油的中药提取设备微沸状态智能控制方法及系统 | |
| JPH0628009A (ja) | 重合プロセスの制御方法 | |
| TW487834B (en) | Computer method and apparatus for determining state of physical properties in a chemical process | |
| JPH0477614B2 (ja) | ||
| JPH06320056A (ja) | サイクロン詰まり警報システム | |
| Yu et al. | Enhanced neural network modelling for a real multi-variable chemical process | |
| Alvarez et al. | Batch Polymerization Monitoring Using Mewa and Mpca | |
| JP4771614B2 (ja) | 重合率の測定方法 | |
| JPH0527453B2 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20031031 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20031215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040705 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040803 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040922 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041021 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3612032 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |