JP5213749B2 - モデル関数更新処理装置および方法 - Google Patents
モデル関数更新処理装置および方法 Download PDFInfo
- Publication number
- JP5213749B2 JP5213749B2 JP2009033549A JP2009033549A JP5213749B2 JP 5213749 B2 JP5213749 B2 JP 5213749B2 JP 2009033549 A JP2009033549 A JP 2009033549A JP 2009033549 A JP2009033549 A JP 2009033549A JP 5213749 B2 JP5213749 B2 JP 5213749B2
- Authority
- JP
- Japan
- Prior art keywords
- polarity
- input parameter
- model function
- determination
- parameter
- 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
- 238000012545 processing Methods 0.000 title claims description 98
- 238000000034 method Methods 0.000 title claims description 67
- 238000004364 calculation method Methods 0.000 claims description 135
- 238000004458 analytical method Methods 0.000 claims description 100
- 238000003860 storage Methods 0.000 claims description 84
- 238000012886 linear function Methods 0.000 claims description 60
- 238000009826 distribution Methods 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 17
- 238000003672 processing method Methods 0.000 claims description 16
- 230000007423 decrease Effects 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 255
- 238000004378 air conditioning Methods 0.000 description 25
- 238000013500 data storage Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 11
- 238000000491 multivariate analysis Methods 0.000 description 9
- 238000000611 regression analysis Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007791 dehumidification Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
そこで、多目的最適化などのためにオンラインでモデル関数を更新することになるが、得られるデータが常にモデル関数を算出するために妥当なものになるとは限らないという問題点があった。
以上のような問題点は、モデル関数(多目的最適化の場合は目的関数に相当する)を更新するときに、全く無制約で更新してしまうことにより発生する問題点である。
また、本発明のモデル関数更新処理装置の1構成例は、さらに、前記極性判定手段が少なくとも1個の入力パラメータについて極性不一致と判定したときに、モデル関数式の更新が妥当でないことをオペレータに通知する通知手段を備えることを特徴とするものである。
また、本発明のモデル関数更新処理装置の1構成例において、前記極性判定手段は、前記分析用データに基づいて前記近似対象を近似した奇数次の判定用関数式を算出する判定用関数式算出手段と、この判定用関数式算出手段が算出した判定用関数式における各入力パラメータの独立最高次の項の係数の正負に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する独立最高次係数判定手段とからなることを特徴とするものである。
また、本発明のモデル関数更新処理装置の1構成例において、前記極性判定手段は、前記分析用データに基づいて前記近似対象を近似した判定用関数式を算出する判定用関数式算出手段と、この判定用関数式算出手段が算出した判定用関数式において特定の入力パラメータ以外の各入力パラメータを想定される変動範囲内の代表値に固定して前記特定の入力パラメータを想定される最小値から最大値の間で変化させ、前記出力パラメータの変化を求めることを入力パラメータ毎に行う代表値周辺検証計算手段と、この代表値周辺検証計算手段で計算された、前記入力パラメータに対する前記出力パラメータの変化から、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する代表値周辺増減判定手段とからなることを特徴とするものである。
また、本発明のモデル関数更新処理装置の1構成例において、前記極性知見記憶手段は、前記極性情報として、入力パラメータ値の特定の条件下での出力パラメータ値の大小関係を入力パラメータ毎に記憶し、前記極性判定手段は、前記判定用関数式から、前記極性情報で規定された入力パラメータ値の条件下での出力パラメータ値の大小関係を入力パラメータ毎に求め、この大小関係が前記極性情報で規定された大小関係と一致するかどうかを入力パラメータ毎に判定することを特徴とするものである。
また、本発明のモデル関数更新処理装置の1構成例は、さらに、前記近似対象の入力パラメータ値を取得する入力パラメータ値取得手段と、前記モデル関数式記憶手段に記憶されたモデル関数式を用いて、前記入力パラメータ値取得手段が取得した入力パラメータ値から出力パラメータ値を算出するモデル関数値算出手段とを備えることを特徴とするものである。
運転時の計測データなどを用いて、実質的にオンラインでモデル関数(目的関数)を自動更新する場合に、オペレータ、ユーザの概略的な知見(入出力パラメータ間の関係の極性など)を活用することにより、常識的な更新を維持する確率を向上できることに発明者は着眼した。
入力パラメータと出力パラメータの関係が単調減少関係か単調増加関係になる場合は、上記発明の原理1で説明した数式処理的な極性によるチェックは単純でわかりやすい。しかし、完全に単調な関係になるとは限らないと考えられる場合(略単調な関係)は、数式処理的な極性によるチェックは必ずしも妥当ではない。このような場合は、特別な知見のある入力パラメータ値の条件を特定し、その条件での出力パラメータ値が妥当な大小関係にあるかどうかをチェックすることが好ましい。
以下、本発明の実施の形態について図面を参照して説明する。図1は本発明の第1の実施の形態に係るモデル関数更新処理装置の構成を示すブロック図である。本実施の形態は、上記発明の原理1に基づくものである。モデル関数更新処理装置は、近似対象の入出力関係を表す分析用データを記憶する分析用データ記憶部1と、分析用データに基づいて近似対象のモデル関数式を算出するモデル関数式算出部2と、分析用データに基づいて近似対象を近似した1次関数式を算出する1次関数式算出部3と、1次関数式における各入力パラメータの係数の正負から、入力パラメータと出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が後述する極性知見記憶部6に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する1次関数式係数判定部4と、近似対象における入力パラメータと出力パラメータとの関係の極性を示す極性情報が予め登録された極性知見記憶部6と、1次関数式係数判定部4が全ての入力パラメータについて極性一致と判定したときのみ、後述するモデル関数式記憶部8に記憶されたモデル関数式をモデル関数式算出部2が算出したモデル関数式に更新するモデル関数式更新処理部7と、モデル関数式記憶部8と、モデル関数式を用いて入力パラメータ値から出力パラメータ値を算出するモデル関数値算出部9と、近似対象の入力パラメータ値を取得する入力パラメータ値取得部10と、モデル関数値算出部9が計算した出力パラメータ値を出力する出力パラメータ値出力部11とから成る。
モデル関数式算出部2は、分析用データ記憶部1に格納された分析用データに対して重回帰分析やSVR(Support Vector Regression )などの広義の多変量解析を行い、入力パラメータと出力パラメータとの関係を示すモデル関数式を算出する(ステップS101)。
1次関数式係数判定部4は、1次関数式算出部3が算出した1次関数式に基づいて、入力パラメータと出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が極性知見記憶部6に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する(ステップS103)。
Z=−2.0X3+13.0X2−32.0X+48.0+1.024Y3
−7.04Y2+19.2Y ・・・(1)
Z=−11.0X+8.4Y+44.0 ・・・(2)
Z=−10.5X+7.6Y+42.0 ・・・(3)
Z=7.5X+7.6Y+10.0 ・・・(4)
次に、本発明の第2の実施の形態について説明する。第1の実施の形態では、入力パラメータと出力パラメータの関係が増加関係なのか減少関係なのかということ(極性)を判定するために、分析用データを用いて1次の判定用関数式を算出して、各入力パラメータの係数の正負で極性を判定したが、別の判定方法を用いてもよい。
ステップS100,S101の処理は、第1の実施の形態と同じである。
以上のようにして、本実施の形態においても、入力パラメータと出力パラメータの関係の極性を判定することができ、第1の実施の形態と同様の効果を得ることができる。
なお、判定用関数式にX3やY3の項がなく、XY2やX2Yの項があったとしても、XY2やX2Yの項は独立最高次の項には該当しない。その理由は、XY2やX2Yが複数の入力パラメータを含むからである。
次に、本発明の第3の実施の形態について説明する。本実施の形態では、分析用データを用いて高次の判定用関数式を算出して、注目する特定の入力パラメータ以外の各入力パラメータを変動範囲の代表値(中央値など)に固定し、注目する入力パラメータを想定される最小値から最大値の間にて特定間隔で変化させ、出力パラメータ値の変化により極性を判定する。本実施の形態の方法は、関数式であれば、入力パラメータ空間内の任意の位置で出力パラメータ値を容易に算出できることに着眼した方法である。
図15のステップS100,S101の処理は、第1の実施の形態と同じである。判定用関数式算出部14は、分析用データ記憶部1に記憶されている分析用データに対して重回帰分析やSVRなどの広義の多変量解析を行い、入力パラメータX,Yと出力パラメータZとの関係を示す高次の判定用関数式を算出する(ステップS102)。ここでは、説明を容易にするため、判定用関数式として式(1)が得られたものと仮定する。
Z=−2.0X3+13.0X2−32.0X+68.0 ・・・(5)
Z=1.024Y3−7.04Y2+19.2Y+20.0 ・・・(6)
以上のようにして、本実施の形態においても、第1の実施の形態と同様の効果を得ることができる。
次に、本発明の第4の実施の形態について説明する。本実施の形態では、分析用データを用いて高次の判定用関数式を算出して、出力パラメータを注目する特定の入力パラメータで偏微分し、微分係数の正負の分布により極性を判定する。本実施の形態の方法は、関数式であれば、偏微分した数式を自動で求めることが可能であることに着眼した方法である。
図19のステップS100,S101の処理は、第1の実施の形態と同じである。判定用関数式算出部17は、分析用データ記憶部1に記憶されている分析用データに対して重回帰分析やSVRなどの広義の多変量解析を行い、入力パラメータX,Yと出力パラメータZとの関係を示す高次の判定用関数式を算出する(ステップS102)。ここでは、説明を容易にするため、判定用関数式として式(1)が得られたものと仮定する。
∂Z/∂X=−6.0X2+26.0X−32.0 ・・・(7)
∂Z/∂Y=3.072Y2−14.08Y+19.2 ・・・(8)
偏微分多項式算出部18は、以上のような処理を判定用関数式算出部17が算出した判定用関数式の入力パラメータ毎に行う。
以上のようにして、本実施の形態においても、第1の実施の形態と同様の効果を得ることができる。
次に、本発明の第5の実施の形態について説明する。本実施の形態は、上記発明の原理2に基づくものである。図20は本実施の形態に係るモデル関数更新処理装置の構成を示すブロック図であり、図1と同一の構成には同一の符号を付してある。モデル関数更新処理装置は、分析用データ記憶部1と、モデル関数式算出部2と、極性判定部5dと、極性知見記憶部6と、モデル関数式更新処理部7と、モデル関数式記憶部8と、モデル関数値算出部9と、入力パラメータ値取得部10と、出力パラメータ値出力部11とから成る。極性判定部5dは、判定用関数式算出部20と、大小関係判定部21とから成る。
判定用関数式算出部20は、1次関数式算出部3と同様に、分析用データ記憶部1に記憶されている分析用データに対して重回帰分析やSVRなどの広義の多変量解析を行い、入力パラメータX,Yと出力パラメータZとの関係を示す1次の判定用関数式を算出する(ステップS102)。
(A)入力パラメータXの値が0.0以上1.0以下の範囲にある場合の出力パラメータZの値は、入力パラメータXの値が3.0以上4.0以下にある場合の出力パラメータZの値よりも大きい(極性は概ね負)。
(B)入力パラメータYの値が0.0以上1.0以下の範囲にある場合の出力パラメータZの値は、入力パラメータYの値が4.0以上5.0以下にある場合の出力パラメータZの値よりも小さい(極性は概ね正)。
以上のようにして、本実施の形態においても、第1の実施の形態と同様の効果を得ることができる。また、本実施の形態では、近似対象における入力パラメータと出力パラメータの関係が単調な関係でない場合であっても、不適切なモデル関数が算出されてしまう確率を低減することができる。
Claims (16)
- 近似対象の入出力関係を表す分析用データが入力されたときに、この分析用データに基づいて前記近似対象のモデル関数式を算出するモデル関数式算出手段と、
前記近似対象における入力パラメータと出力パラメータとの関係の極性を示す極性情報が予め登録された極性知見記憶手段と、
前記モデル関数式と同一または異なる判定用関数式に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する極性判定手段と、
モデル関数式を記憶するモデル関数式記憶手段と、
前記極性判定手段が全ての入力パラメータについて極性一致と判定したときのみ、前記モデル関数式記憶手段に記憶されたモデル関数式を前記モデル関数式算出手段が算出したモデル関数式に更新するモデル関数式更新処理手段とを備えることを特徴とするモデル関数更新処理装置。 - 請求項1記載のモデル関数更新処理装置において、
さらに、前記極性判定手段が少なくとも1個の入力パラメータについて極性不一致と判定したときに、モデル関数式の更新が妥当でないことをオペレータに通知する通知手段を備えることを特徴とするモデル関数更新処理装置。 - 請求項1または2記載のモデル関数更新処理装置において、
前記極性判定手段は、
前記分析用データに基づいて前記近似対象を近似した1次の判定用関数式を算出する1次関数式算出手段と、
この1次関数式算出手段が算出した1次の判定用関数式における各入力パラメータの係数の正負から、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する1次関数式係数判定手段とからなることを特徴とするモデル関数更新処理装置。 - 請求項1または2記載のモデル関数更新処理装置において、
前記極性判定手段は、
前記分析用データに基づいて前記近似対象を近似した奇数次の判定用関数式を算出する判定用関数式算出手段と、
この判定用関数式算出手段が算出した判定用関数式における各入力パラメータの独立最高次の項の係数の正負に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する独立最高次係数判定手段とからなることを特徴とするモデル関数更新処理装置。 - 請求項1または2記載のモデル関数更新処理装置において、
前記極性判定手段は、
前記分析用データに基づいて前記近似対象を近似した判定用関数式を算出する判定用関数式算出手段と、
この判定用関数式算出手段が算出した判定用関数式において特定の入力パラメータ以外の各入力パラメータを想定される変動範囲内の代表値に固定して前記特定の入力パラメータを想定される最小値から最大値の間で変化させ、前記出力パラメータの変化を求めることを入力パラメータ毎に行う代表値周辺検証計算手段と、
この代表値周辺検証計算手段で計算された、前記入力パラメータに対する前記出力パラメータの変化から、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する代表値周辺増減判定手段とからなることを特徴とするモデル関数更新処理装置。 - 請求項1または2記載のモデル関数更新処理装置において、
前記極性判定手段は、
前記分析用データに基づいて前記近似対象を近似した判定用関数式を算出する判定用関数式算出手段と、
この判定用関数式算出手段が算出した判定用関数式において前記出力パラメータを前記入力パラメータで偏微分した偏微分多項式を入力パラメータ毎に算出する偏微分多項式算出手段と、
この偏微分多項式算出手段が算出した偏微分多項式の微分係数の正負の分布に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する微分係数分布判定手段とからなることを特徴とするモデル関数更新処理装置。 - 請求項1または2記載のモデル関数更新処理装置において、
前記極性知見記憶手段は、前記極性情報として、入力パラメータ値の特定の条件下での出力パラメータ値の大小関係を入力パラメータ毎に記憶し、
前記極性判定手段は、前記判定用関数式から、前記極性情報で規定された入力パラメータ値の条件下での出力パラメータ値の大小関係を入力パラメータ毎に求め、この大小関係が前記極性情報で規定された大小関係と一致するかどうかを入力パラメータ毎に判定することを特徴とするモデル関数更新処理装置。 - 請求項1乃至7のいずれか1項に記載のモデル関数更新処理装置において、
さらに、前記近似対象の入力パラメータ値を取得する入力パラメータ値取得手段と、
前記モデル関数式記憶手段に記憶されたモデル関数式を用いて、前記入力パラメータ値取得手段が取得した入力パラメータ値から出力パラメータ値を算出するモデル関数値算出手段とを備えることを特徴とするモデル関数更新処理装置。 - 近似対象の入出力関係を表す分析用データが入力されたときに、この分析用データに基づいて前記近似対象のモデル関数式を算出するモデル関数式算出手順と、
前記モデル関数式と同一または異なる判定用関数式に基づいて、入力パラメータと出力パラメータの関係の極性を入力パラメータ毎に判別し、前記近似対象における入力パラメータと出力パラメータとの関係の極性を示す極性情報が予め登録された極性知見記憶手段を参照して、前記判別した極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する極性判定手順と、
この極性判定手順で全ての入力パラメータについて極性一致と判定したときのみ、モデル関数式記憶手段に記憶されたモデル関数式を前記モデル関数式算出手順で算出したモデル関数式に更新するモデル関数式更新処理手順とを備えることを特徴とするモデル関数更新処理方法。 - 請求項9記載のモデル関数更新処理方法において、
さらに、前記極性判定手順で少なくとも1個の入力パラメータについて極性不一致と判定したときに、モデル関数式の更新が妥当でないことをオペレータに通知する通知手順を備えることを特徴とするモデル関数更新処理方法。 - 請求項9または10記載のモデル関数更新処理方法において、
前記極性判定手順は、
前記分析用データに基づいて前記近似対象を近似した1次の判定用関数式を算出する1次関数式算出手順と、
この1次関数式算出手順で算出した1次の判定用関数式における各入力パラメータの係数の正負から、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する1次関数式係数判定手順とを含むことを特徴とするモデル関数更新処理方法。 - 請求項9または10記載のモデル関数更新処理方法において、
前記極性判定手順は、
前記分析用データに基づいて前記近似対象を近似した奇数次の判定用関数式を算出する判定用関数式算出手順と、
この判定用関数式算出手順で算出した判定用関数式における各入力パラメータの独立最高次の項の係数の正負に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する独立最高次係数判定手順とを含むことを特徴とするモデル関数更新処理方法。 - 請求項9または10記載のモデル関数更新処理方法において、
前記極性判定手順は、
前記分析用データに基づいて前記近似対象を近似した判定用関数式を算出する判定用関数式算出手順と、
この判定用関数式算出手順で算出した判定用関数式において特定の入力パラメータ以外の各入力パラメータを想定される変動範囲内の代表値に固定して前記特定の入力パラメータを想定される最小値から最大値の間で変化させ、前記出力パラメータの変化を求めることを入力パラメータ毎に行う代表値周辺検証計算手順と、
この代表値周辺検証計算手順で計算した、前記入力パラメータに対する前記出力パラメータの変化から、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する代表値周辺増減判定手順とを含むことを特徴とするモデル関数更新処理方法。 - 請求項9または10記載のモデル関数更新処理方法において、
前記極性判定手順は、
前記分析用データに基づいて前記近似対象を近似した判定用関数式を算出する判定用関数式算出手順と、
この判定用関数式算出手順で算出した判定用関数式において前記出力パラメータを前記入力パラメータで偏微分した偏微分多項式を入力パラメータ毎に算出する偏微分多項式算出手順と、
この偏微分多項式算出手順で算出した偏微分多項式の微分係数の正負の分布に基づいて、前記入力パラメータと前記出力パラメータの関係の極性を入力パラメータ毎に判別し、この極性が前記極性知見記憶手段に予め登録された極性と一致するかどうかを入力パラメータ毎に判定する微分係数分布判定手順とを含むことを特徴とするモデル関数更新処理方法。 - 請求項9または10記載のモデル関数更新処理方法において、
前記極性知見記憶手段に予め登録された極性情報は、入力パラメータ値の特定の条件下での出力パラメータ値の大小関係を入力パラメータ毎に示すものであり、
前記極性判定手順は、前記判定用関数式から、前記極性情報で規定された入力パラメータ値の条件下での出力パラメータ値の大小関係を入力パラメータ毎に求め、この大小関係が前記極性情報で規定された大小関係と一致するかどうかを入力パラメータ毎に判定することを特徴とするモデル関数更新処理方法。 - 請求項9乃至15のいずれか1項に記載のモデル関数更新処理方法において、
さらに、前記近似対象の入力パラメータ値を取得する入力パラメータ値取得手順と、
前記モデル関数式記憶手段に記憶されたモデル関数式を用いて、前記入力パラメータ値取得手順で取得した入力パラメータ値から出力パラメータ値を算出するモデル関数値算出手順とを備えることを特徴とするモデル関数更新処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009033549A JP5213749B2 (ja) | 2009-02-17 | 2009-02-17 | モデル関数更新処理装置および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009033549A JP5213749B2 (ja) | 2009-02-17 | 2009-02-17 | モデル関数更新処理装置および方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010191566A JP2010191566A (ja) | 2010-09-02 |
JP5213749B2 true JP5213749B2 (ja) | 2013-06-19 |
Family
ID=42817573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009033549A Expired - Fee Related JP5213749B2 (ja) | 2009-02-17 | 2009-02-17 | モデル関数更新処理装置および方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5213749B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181082A (ja) * | 2009-02-05 | 2010-08-19 | Yamatake Corp | モデル関数処理装置および方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5672035B2 (ja) * | 2011-02-03 | 2015-02-18 | 富士通株式会社 | 入力パラメータ算出方法、装置及びプログラム |
JP6393076B2 (ja) * | 2014-05-08 | 2018-09-19 | アズビル株式会社 | 関数生成装置、熱源機器制御装置、空調システム、関数生成方法、および関数生成用プログラム |
WO2015173842A1 (ja) * | 2014-05-12 | 2015-11-19 | 三菱電機株式会社 | パラメータ学習装置およびパラメータ学習方法 |
CN110925974B (zh) * | 2019-12-09 | 2021-08-03 | 广东美的暖通设备有限公司 | 空调器及其输出参数的控制方法和控制装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03259368A (ja) * | 1990-03-09 | 1991-11-19 | Nec Corp | シミュレーションモデル生成方式 |
JPH06332506A (ja) * | 1993-05-21 | 1994-12-02 | Yamatake Honeywell Co Ltd | 非線形制御装置 |
JP3603182B2 (ja) * | 2000-08-22 | 2004-12-22 | 株式会社日立製作所 | 排水処理プロセスシミュレータ |
JP4661640B2 (ja) * | 2006-03-09 | 2011-03-30 | 株式会社日立製作所 | 空調制御システム |
JP2009002650A (ja) * | 2008-10-06 | 2009-01-08 | Daikin Ind Ltd | 異常診断システム |
-
2009
- 2009-02-17 JP JP2009033549A patent/JP5213749B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181082A (ja) * | 2009-02-05 | 2010-08-19 | Yamatake Corp | モデル関数処理装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2010191566A (ja) | 2010-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018328266B2 (en) | Cooling unit energy optimization via smart supply air temperature setpoint control | |
JP5213749B2 (ja) | モデル関数更新処理装置および方法 | |
JP2019521444A (ja) | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 | |
JP7279445B2 (ja) | 予測方法、予測プログラムおよび情報処理装置 | |
JP2007500379A (ja) | インテリジェント制御システムのソフト演算最適化装置 | |
TWI754341B (zh) | 空間提案系統、空間提案方法及電腦程式產品 | |
AU2006201792A1 (en) | Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset | |
JP2004086896A (ja) | 適応的予測モデル構築方法及び適応的予測モデル構築システム | |
JP2005523527A (ja) | ローカルネットを介しての自動的モデルメインテナンス | |
JP2005535025A (ja) | 量子ソフト演算に基づくインテリジェントメカトロニクス制御サスペンションシステム | |
US9952574B2 (en) | Machine learning device, motor control system, and machine learning method for learning cleaning interval of fan motor | |
US20160209817A1 (en) | Information processing device, predictive control method, and recording medium | |
JP2004178492A (ja) | 強化学習法を用いたプラントシミュレーション方法 | |
WO2021192279A1 (ja) | 空調制御の学習装置および推論装置 | |
JP5264796B2 (ja) | プラント運転支援装置 | |
CN103489034A (zh) | 预测与诊断在线海流监测数据的方法和装置 | |
JP2004062440A (ja) | 予測モデルシステム | |
JP2019520642A (ja) | 制御目的関数統合システム、制御目的関数統合方法、および、制御目的関数統合プログラム | |
CN109839889A (zh) | 设备推荐系统及方法 | |
WO2021210353A1 (ja) | 故障予兆システム | |
JP5717950B2 (ja) | モデル関数処理装置および方法 | |
JP5749041B2 (ja) | アクティブフィードバック制御装置及びプログラム | |
CN111971664B (zh) | 学习处理装置、数据分析装置、分析模式选择方法、及分析模式选择程序 | |
KR100310609B1 (ko) | 퍼지전문가장치를이용한피아이디제어기의계수조정장치및그의제어방법 | |
JP2005078545A (ja) | プロセスモデルの調整方法及び調整装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20111107 |
|
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: 20130219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130226 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5213749 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160308 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |