JP5846303B2 - Learning apparatus and learning method for setting calculation system - Google Patents
Learning apparatus and learning method for setting calculation system Download PDFInfo
- Publication number
- JP5846303B2 JP5846303B2 JP2014515412A JP2014515412A JP5846303B2 JP 5846303 B2 JP5846303 B2 JP 5846303B2 JP 2014515412 A JP2014515412 A JP 2014515412A JP 2014515412 A JP2014515412 A JP 2014515412A JP 5846303 B2 JP5846303 B2 JP 5846303B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- learning
- value
- calculation
- actual
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims description 186
- 238000000034 method Methods 0.000 title claims description 39
- 230000006870 function Effects 0.000 claims description 222
- 238000013178 mathematical model Methods 0.000 claims description 75
- 238000005259 measurement Methods 0.000 claims description 74
- 238000011144 upstream manufacturing Methods 0.000 claims description 69
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 230000000295 complement effect Effects 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 description 9
- 238000013215 result calculation Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B21/00—Systems involving sampling of the variable controlled
- G05B21/02—Systems involving sampling of the variable controlled electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
この発明は、設定計算システムの学習装置及び学習方法に関するものである。 The present invention relates to a learning apparatus and a learning method for a setting calculation system.
一般に、例えば圧延プラントのプロセスライン等における機械設備を制御するための設定値の決定方法として、制御対象を含む環境で生起する物理現象を数式により表現・再現した数式モデルを構築し、この数式モデル上で目的とする結果が得られるような設定値を求めることで設定値を決定する方法が知られている。 In general, for example, as a method of determining set values for controlling machine equipment in a process line of a rolling plant, a mathematical model that represents and reproduces a physical phenomenon that occurs in an environment including the controlled object by a mathematical formula is constructed. There is known a method for determining a setting value by obtaining a setting value that can achieve the target result.
数式モデルを用いた設定値の決定においては、使用する数式モデルにおける対象物理現象の再現精度を高めることが、よりよい設定値の決定に繋がる。そこで、数式モデルの精度を向上するため、数式モデル内に学習項を組み入れて、実績値による数式モデルの修正を実施することも従来において行われている。 In determining the setting value using the mathematical model, increasing the reproduction accuracy of the target physical phenomenon in the mathematical model to be used leads to the determination of a better setting value. Thus, in order to improve the accuracy of the mathematical model, it has been conventionally performed to incorporate a learning term in the mathematical model and to correct the mathematical model based on the actual value.
このような数式モデルの学習方法としては、数式モデルにより計算した実績値の計算値(実績計算値)を、計測器等で実際に計測した実測値から得られる実績値と比較し、これらの値の違いが小さくなるように数式モデルの学習項を更新していく方法がよく採用される。 As a learning method of such a mathematical model, the actual value calculated by the mathematical model (actual calculated value) is compared with the actual value obtained from the actual value actually measured with a measuring instrument, etc. A method of updating the learning term of the mathematical model is often adopted so that the difference between the two becomes small.
そして、従来における学習方法においては、数式モデルによる実績計算値と実際の実績値とで違いが生じる要因を、設備や環境の変化によるプロセスラインの時系列的な変動と、プロセスラインで処理される材料の種類、処理パターンの違いに起因するロット別の変動の2種類に大別した上で、これら2種類の変動毎に算出した学習係数に基づいて数式モデルの計算値を修正するものが知られている(例えば、特許文献1参照)。 And in the conventional learning method, the factor that causes the difference between the actual calculation value by the mathematical model and the actual actual value is processed by the process line and the time-series fluctuation of the process line due to the change of equipment and environment. It is known that the calculation value of the mathematical formula model is corrected based on the learning coefficient calculated for each of these two types of variations after roughly dividing into two types of variations due to the types of materials and processing patterns. (For example, refer to Patent Document 1).
ところで、数式モデルで再現しようとする物理現象(すなわち、制御対象で起こる物理現象)が複雑なものである場合、より単純な複数の関数を合成した合成関数により当該物理現象を再現する数式モデルを構成することがある。そして、そのような場合には、合成関数を構成する個々の関数毎に学習項を設けて個々の関数毎に学習を実施することが、数式モデルの再現精度向上の観点からしても好ましい。 By the way, when a physical phenomenon to be reproduced by a mathematical model (ie, a physical phenomenon that occurs in a controlled object) is complicated, a mathematical model that reproduces the physical phenomenon by a composite function obtained by synthesizing a plurality of simpler functions. May be configured. In such a case, it is also preferable from the viewpoint of improving the reproducibility of the mathematical model to provide a learning term for each function constituting the composite function and perform learning for each function.
ところが、計測器周辺の環境等の問題により実測値が得られなかった場合、数式モデルを構成する関数のうちの一部について学習に必要な実績値を得ることができないことがあり得る。数式モデルを構成する合成関数がより多くの関数から合成されており、学習に必要な実績値の種類が多いほど、(一部の)実績値の欠損が生じる可能性は高くなる。 However, when actual measurement values cannot be obtained due to problems such as the environment around the measuring instrument, it may be impossible to obtain actual values necessary for learning for some of the functions constituting the mathematical model. As the synthesis function constituting the mathematical model is synthesized from a larger number of functions, the more types of actual values necessary for learning, the higher the possibility that (partial) actual values will be lost.
そして、学習に必要な実績値の一部で欠損が生じたことで数式モデルの学習を完了することができず、一時的に数式モデルの予測精度が低下してしまうという課題が、従来の設定計算システムの学習装置及び学習方法には存在する。また、学習を開始した直後の状況においては、学習に必要な実績値の一部で欠損が生じたことで数式モデルの学習を完了することができない場合には、数式モデルが本来期待される精度で予測を行うことができるようになるまでに必要な時間が長くなってしまうという課題もある。 Then, the problem that the mathematical model learning cannot be completed due to a deficiency in a part of the actual values necessary for learning, and the prediction accuracy of the mathematical model temporarily decreases is the conventional setting. It exists in a learning apparatus and a learning method of a calculation system. In addition, in the situation immediately after starting learning, if the learning of the mathematical model cannot be completed due to a deficiency in a part of the actual values necessary for learning, the mathematical model is expected to have the expected accuracy. There is also a problem that the time required until the prediction can be performed becomes long.
この発明は、このような課題を解決するためになされたもので、数式モデルの学習に必要な実績値の一部が得られない場合であっても、得られた分の実績値を用いた学習を実施して数式モデルを構成する各関数の学習項を適切に更新することが可能であって、数式モデルの精度の低下を抑制することができる設定計算システムの学習装置及び学習方法を得るものである。 The present invention has been made to solve such a problem, and even when a part of the actual value necessary for learning the mathematical model is not obtained, the actual value for the obtained amount is used. A learning apparatus and learning method for a setting calculation system capable of appropriately updating learning terms of each function constituting a mathematical model by performing learning and suppressing a decrease in accuracy of the mathematical model Is.
この発明に係る設定計算システムの学習装置においては、機械設備の設定値を数式モデルを用いて計算する設定計算システムにおいて、前記数式モデルの学習項を実測値を用いて更新する学習装置であって、前記数式モデルを構成する上流側関数及び下流側関数それぞれの学習項を前記実測値を用いて計算する学習項計算部と、前記学習項計算部での前記下流側関数の学習項の計算において前記下流側関数に入力される前記実測値である第1の実測値が異常であるか否かを判定する実測値判定部と、前記第1の実測値が異常であると判定された場合に、前記上流側関数からの出力を前記下流側関数に入力して前記下流側関数から出力される実績計算値を計算する実績計算値計算部と、前記下流側関数からの出力に対応する前記実測値である第2の実測値に対する前記実績計算値の誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に分配する補完学習計算部と、を備える。 In the learning apparatus of the setting calculation system according to the present invention, in the setting calculation system that calculates the setting value of the mechanical equipment using the mathematical model, the learning device updates the learning term of the mathematical model using the actual measurement value. In the calculation of the learning term of the downstream function in the learning term calculation unit, the learning term calculation unit that calculates the learning term of each of the upstream function and the downstream function constituting the mathematical model using the actual measurement value When it is determined that the first actual measurement value input to the downstream function is abnormal, the actual measurement value determination unit that determines whether the first actual measurement value is abnormal, or the first actual measurement value is abnormal , An actual calculation value calculation unit that inputs an output from the upstream function to the downstream function and calculates an actual calculation value output from the downstream function, and the actual measurement corresponding to the output from the downstream function Value is the first Of the error of the actual calculated value with respect to measured values, and a complementary learning calculation section for distributing the learning section learning term and the downstream function of the upstream function.
また、この発明に係る設定計算システムの学習方法においては、機械設備の設定値を数式モデルを用いて計算する設定計算システムにおいて、前記数式モデルの学習項を実測値を用いて更新する学習方法であって、前記数式モデルを構成する上流側関数及び下流側関数それぞれの学習項を前記実測値を用いて計算する第1のステップと、前記第1のステップでの前記下流側関数の学習項の計算において前記下流側関数に入力される前記実測値である第1の実測値が異常であるか否かを判定する第2のステップと、前記第1の実測値が異常であると判定された場合に、前記上流側関数からの出力を前記下流側関数に入力して前記下流側関数から出力される実績計算値を計算する第3のステップと、前記下流側関数からの出力に対応する前記実測値である第2の実測値に対する前記実績計算値の誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に分配する第4のステップと、を備える。 Further, in the learning method of the setting calculation system according to the present invention, in the setting calculation system for calculating the setting value of the mechanical equipment using the mathematical model, the learning method of updating the learning term of the mathematical model using the actual measurement value. A first step of calculating learning terms of each of the upstream function and the downstream function constituting the mathematical model using the actual measurement value, and a learning term of the downstream function in the first step. A second step of determining whether or not the first actual measurement value that is the actual measurement value input to the downstream function in the calculation is abnormal; and the first actual measurement value is determined to be abnormal A third step of inputting an output from the upstream function to the downstream function and calculating an actual calculation value output from the downstream function, and the output corresponding to the output from the downstream function Actual measurement The error of the actual calculated value for the second measured value is, and a fourth step of distributing the learning section learning term and the downstream function of the upstream function.
この発明に係る設定計算システムの学習装置及び学習方法においては、数式モデルの学習に必要な実績値の一部が得られない場合であっても、得られた分の実績値を用いた学習を実施して数式モデルを構成する各関数の学習項を適切に更新することが可能であって、数式モデルの精度の低下を抑制することができるという効果を奏する。 In the learning device and the learning method of the setting calculation system according to the present invention, even when a part of the actual value necessary for learning the mathematical model is not obtained, the learning using the actual value for the obtained amount is performed. It is possible to appropriately update the learning term of each function constituting the mathematical model, and it is possible to suppress a decrease in accuracy of the mathematical model.
この発明を添付の図面に従い説明する。各図を通じて同符号は同一部分又は相当部分を示しており、その重複説明は適宜に簡略化又は省略する。 The present invention will be described with reference to the accompanying drawings. Throughout the drawings, the same reference numerals indicate the same or corresponding parts, and redundant description thereof will be simplified or omitted as appropriate.
実施の形態1.
図1から図3は、この発明の実施の形態1に係るもので、図1は設定計算システムの全体構成を説明する図、図2は設定計算システムの学習装置の動作を説明するフロー図、図3は設定計算システムが備える学習装置を中心とする詳細な構成を説明する図である。Embodiment 1 FIG.
FIGS. 1 to 3 relate to Embodiment 1 of the present invention, FIG. 1 is a diagram for explaining the overall configuration of the setting calculation system, and FIG. 2 is a flowchart for explaining the operation of the learning device of the setting calculation system. FIG. 3 is a diagram illustrating a detailed configuration centering on a learning device provided in the setting calculation system.
図1に示すのは、例えば圧延プラントのプロセスライン等を構成する機械設備1の設定値を計算する設定計算システム2の全体構成である。この設定計算システム2は、設定計算装置3、実測値収集装置4及び学習装置5を備えている。
FIG. 1 shows an overall configuration of a
設定計算装置3には、機械設備1が動作することにより生じる物理現象を数式によりモデル化した数式モデルが予め登録されている。設定計算装置3は、この数式モデルを用いて機械設備1が動作した結果をシミュレートすることにより、機械設備1の動作した結果が目標値により近くなるように機械設備1の設定値を計算する。設定計算装置3により計算された設定値は、機械設備1へと出力される。そして、機械設備1は、設定計算システム2より計算された設定値に従って動作する。
In the setting calculation device 3, a mathematical model in which a physical phenomenon generated by the operation of the machine facility 1 is modeled by a mathematical formula is registered in advance. The setting calculation device 3 uses the mathematical model to simulate the result of the operation of the machine facility 1, thereby calculating the set value of the machine facility 1 so that the operation result of the machine facility 1 is closer to the target value. . The set value calculated by the setting calculation device 3 is output to the machine facility 1. The mechanical equipment 1 operates according to the set value calculated by the
実測値収集装置4は、機械設備1や機械設備1が動作する環境中の物理量のうち、学習装置5における数式モデルの学習に必要な、予め定められた種類の物理量の実測値を収集するものである。機械設備1や機械設備1が設置された環境中には、前記物理量を計測するための計測器等が予め設置されている。そして、実測値収集装置4は計測器等により計測された前記物理量の実測値を収集する。
The measured
学習装置5は、実測値収集装置4により収集された実測値に基づいて、設定計算装置3で用いられる数式モデルの学習を実施するものである。学習装置5は、数式モデル学習計算部6、実測値判定部7及び補完学習計算部8を備えている。
The
数式モデル学習計算部6は、設定計算装置3で用いられるものと同じ数式モデルを用いて実績計算値を計算する。ここで、実績計算値とは、実測値収集装置4により収集された実測値を入力とした場合の数式モデルからの出力である。そして、数式モデル学習計算部6は数式モデルから計算した実績計算値と、実測値収集装置4により収集された実測値から直接に求めた実績値とを比較し、これらの値の違いが小さくなるように数式モデルの学習項を計算する。
The mathematical model
実測値判定部7は、実測値収集装置4により収集された実測値が正常であるか異常であるかを判定するものである。ここで、実測値が異常である状態とは、実測値の値が正常である範囲(この範囲は計測対象毎に予め定められる)から逸脱した状態に加え、実測値そのものが存在しない欠測の状態も含まれる。
The actual measurement
実測値判定部7により実測値が異常であると判定された場合、学習装置5は、この異常であると判定された実測値に相当する実績計算値が存在するときには、当該実測値に代えてこの実績計算値を用いて学習項の計算を進める。
When the actual measurement value is determined to be abnormal by the actual measurement
ここで、「実測値に相当する実績計算値」について、さらに説明する。まず、前にも述べたように、数式モデルで再現しようとする物理現象が複雑なものである場合、より単純な関数を複数組み合わせることにより当該物理現象を再現する数式モデルを構成することがある。このような場合には、ある関数(以下「上流側関数」という)からの出力が、他の関数(以下「下流側関数」という)の入力となって数式モデルの計算が進められる。 Here, the “result calculation value corresponding to the actual measurement value” will be further described. First, as described above, when a physical phenomenon to be reproduced with a mathematical model is complicated, a mathematical model that reproduces the physical phenomenon may be configured by combining a plurality of simpler functions. . In such a case, an output from a certain function (hereinafter referred to as “upstream function”) is input to another function (hereinafter referred to as “downstream function”), and calculation of the mathematical model proceeds.
このような関係にある上流側関数と下流側関数が存在する場合、下流側関数における学習項の更新は、通常であれば、実測値収集装置4により収集された実測値を下流側関数に入力したときに下流側関数から出力される実績計算値を用いて行う。しかし、下流側関数に入力されるべき実測値が異常であった場合、下流側関数に実測値を入力することができないため、下流側関数の学習を行うことができなくなってしまう。
When there is an upstream function and a downstream function having such a relationship, the update of the learning term in the downstream function is normally performed by inputting the actual value collected by the actual
そこで、上流側関数から出力された実績計算値を実測値の代わりに下流側関数に入力することで、下流側関数における学習を進める。すなわち、上でいう「実測値に相当する実績計算値」とは、数式モデルにおいて下流側関数の入力として用いられる上流側関数の実績計算値のことである。 Therefore, the actual calculation value output from the upstream function is input to the downstream function instead of the actual measurement value to advance learning in the downstream function. That is, the above-mentioned “actual calculation value corresponding to the actual measurement value” is the actual calculation value of the upstream function used as the input of the downstream function in the mathematical model.
このように、上流側関数から出力された実績計算値を実測値の代わりに下流側関数に入力することで下流側関数における学習を進めた場合、本来であれば(すなわち、下流側関数に入力すべき正常な実測値が得られていたのであれば)、上流側関数の学習項で吸収すべきである誤差についても、下流側の学習項で吸収されることになる。そうすると、その後に下流側関数の入力に用いる実測値として正しいものが得られるようになった場合に、上流側関数と下流側関数のそれぞれでの学習を再開したときに、かえって上流側関数及び下流側関数の個々の学習項での学習精度が低下してしまうという事態に落ち入ってしまう。 In this way, when learning in the downstream function is advanced by inputting the actual calculation value output from the upstream function to the downstream function instead of the actual measurement value, if it is natural (that is, input to the downstream function) If a normal actual measurement value to be obtained has been obtained), errors that should be absorbed by the upstream function learning term are also absorbed by the downstream learning term. Then, when the correct measured value used for the input of the downstream function can be obtained after that, when the learning for each of the upstream function and the downstream function is resumed, the upstream function and the downstream function are instead used. The situation that the learning accuracy in each learning term of the side function is lowered falls into the situation.
そこで、この発明に係る学習装置5には、実測値に代えて上流側関数から出力された実績計算値を入力として用いて計算された下流側関数の出力と、この出力に対応する実績値との誤差を、所定の手続きで求めた分配比でもって上流側関数及び下流側関数の双方の学習項に分配する補完学習計算部8が備えられている。
Therefore, in the
この補完学習計算部8は、下流側関数に入力されるべき実測値が異常であると実測値判定部7により判定された場合に、下流側関数の出力と、この出力に対応する実績値との誤差をまず計算する。そして、この誤差を、所定の手続きで求めた分配比でもって上流側関数及び下流側関数の双方の学習項に分配する。
When the actual value to be input to the downstream function is determined by the actual
この際の誤差の分配比を求める手続きについて説明する。まず、数式モデルの学習が進行するほど数式モデルの出力と実績値との誤差は小さくなる。したがって、数式モデルの学習が十分に進行した状態においては、学習項が更新された際の変化は小さくなる。そして、このように学習項が安定した状態においては、各関数の学習項の相対的な大きさを、それぞれの関数の大きさを目安として評価することができる。ここで、関数の大きさとは、関数への入力を基準とする当該関数からの出力の大きさのことである。 A procedure for obtaining the error distribution ratio at this time will be described. First, the error between the output of the mathematical model and the actual value becomes smaller as the learning of the mathematical model progresses. Therefore, in a state where learning of the mathematical model is sufficiently advanced, a change when the learning term is updated becomes small. In such a state where the learning term is stable, the relative size of the learning term of each function can be evaluated using the size of each function as a guide. Here, the size of a function is the size of an output from the function based on the input to the function.
そこで、補完学習計算部8は、上流側関数及び下流側関数のそれぞれについて、関数への入力を基準とする関数からの出力の大きさを求める。そして、こうして求めた上流側関数の大きさと下流側関数の大きさとの比を、前記分配比とする。ここで、各関数の大きさを求める際に関数に入力する値には、原則として実測値収集装置4により収集された実測値を用いる。ただし、入力しようとする実測値が異常であって利用できない場合には、実績計算値等の他の値で代用してもよい。
Therefore, the complementary
このようにして求めた分配比でもって、補完学習計算部8は、前記誤差を上流側関数及び下流側関数の双方の学習項に分配する。そして、数式モデル学習計算部6は、補完学習計算部8により分配された誤差に基づいて、上流側関数及び下流側関数のそれぞれの学習項を更新する。
The supplementary
次に、図2を参照しながら、設定計算装置3及び学習装置5についてさらに詳しく説明する。なお、ここでは、説明上の便宜のため、数式モデルは上流側関数と下流側関数の2つから構成されているとし、図2に示すように、上流側関数はさらにモデル式1a及びモデル式1bから構成され、下流側関数はさらにモデル式2a及びモデル式2bから構成されているとする。
Next, the setting calculation device 3 and the
設定計算装置3は、機械設備1の動作した結果を表す数式モデルの出力が目標値により近くなるように機械設備1の設定値を計算する。この数式モデルの出力の計算について順を追って説明する。まず、数式モデルの上流側関数について、モデル式1aの関数をf、入力する物理量をV0、機械設備1の設定値をX1 i(i=1,2,…)、その他の条件入力をa1 j(j=1,2,…)とすると、モデル式1aからの途中結果出力Y1は次の(数1)式で表される。The setting calculation device 3 calculates the set value of the machine facility 1 so that the output of the mathematical model representing the result of the operation of the machine facility 1 is closer to the target value. The calculation of the output of the mathematical model will be described step by step. First, regarding the upstream function of the mathematical model, the function of the model formula 1a is f, the input physical quantity is V 0 , the set value of the mechanical equipment 1 is X 1 i (i = 1, 2,...), And other condition inputs Assuming that a 1 j (j = 1, 2,...), the intermediate result output Y 1 from the model equation 1a is expressed by the following equation (1).
この途中結果出力Y1に対して次の(数2)式で表される学習項による補正を施した結果であるY1 Zを求める。そして、求めたY1 Zをモデル式1bの入力として、次の(数3)式を計算することで、上流側関数からの出力であるV1が得られる。ここで、(数2)式において、Hは誤差補正関数、Z1は学習項の係数であり、(数3)式において、gはモデル式1bの関数、W1 l(l=1,2,…)はその他の変数入力、b1 k(k=1,2,…)はその他の条件入力である。Y 1 Z , which is the result of correcting the halfway result output Y 1 by the learning term expressed by the following equation (2), is obtained. Then, V 1 that is an output from the upstream function is obtained by calculating the following equation (3) using the obtained Y 1 Z as input of the
こうして上流側関数から出力されたV1を下流側関数へと入力して数式モデルの計算が進められる。数式モデルの下流側関数について、モデル式2aの関数をf、機械設備1の設定値をX2 i(i=1,2,…)、その他の条件入力をa2 j(j=1,2,…)とすると、モデル式2aからの途中結果出力Y2は次の(数4)式で表される。Thus, V 1 output from the upstream function is input to the downstream function, and the calculation of the mathematical model proceeds. For the downstream function of the mathematical model, the function of the
そして、この途中結果出力Y2に対して次の(数5)式で表される学習項による補正を施した結果のY2 Zをモデル式2bの入力とする次の(数6)式を計算することで、下流側関数からの出力であるV2が得られる。このV2が数式モデルからの最終結果出力である。ここで、(数5)式において、Hは誤差補正関数、Z2は学習項の係数であり、(数6)式において、gはモデル式2bの関数、W2 l(l=1,2,…)はその他の変数入力、b2 k(k=1,2,…)はその他の条件入力である。Then, the following equation (6) is input with Y 2 Z obtained as a result of correcting the intermediate result output Y 2 by the learning term expressed by the following equation (5) as the input of the
設定計算装置3は、こうして得られた最終結果出力V2を目標値であるVAIMと等しくなるようなX1 i及びX2 iを求めることで、機械設備1の設定値を決定する。すなわち、次の(数7)式のように置いた上で、(数1)〜(数7)式を満たすようなX1 i及びX2 iを求める。The setting calculation device 3 determines the set value of the mechanical equipment 1 by obtaining X 1 i and X 2 i such that the final result output V 2 obtained in this way is equal to the target value V AIM . That is, X 1 i and X 2 i satisfying the expressions (Expression 1) to (Expression 7) are obtained after placing them as the following Expression (7).
学習装置5が備える数式モデル学習計算部6は、実績計算値計算部6aと学習項計算部6bとから構成されている。実績計算値計算部6aは、設定計算装置3で用いられるものと同じ数式モデルを用いて実績計算値を計算する。学習項計算部6bは、実績計算値計算部6aにより計算した実績計算値と、実測値収集装置4により収集された実測値による実績値とを比較し、これらの値の違いが小さくなるように数式モデルの学習項を計算する。
The mathematical model learning
この数式モデル学習計算部6における学習項の計算に関し、まず、実績計算値計算部6aにおける実績計算値の計算について説明する。この実績計算値の計算は、原則として上流側関数及び下流側関数で同じであるため上流側関数及び下流側関数をそれぞれ表す添字である「1」及び「2」を省略する。モデル式aの関数をf、入力する物理量の実測値をVACT、機械設備1の設定値の実際の値をXACT i(i=1,2,…)、その他の条件入力をaj(j=1,2,…)とすると、モデル式aからの途中結果出力(実績計算値)YACALは次の(数8)式で表される。Regarding the calculation of the learning term in the mathematical model learning
この途中結果出力YACALに対して次の(数9)式で表される学習項による補正を施した結果であるYACAL Zを求める。そして、求めたYACAL Zをモデル式bの入力として、次の(数10)式を計算することで実績計算値VACALが得られる。ここで、(数9)式において、Hは誤差補正関数、Zは学習項の係数であり、(数10)式において、gはモデル式bの関数、Wl(l=1,2,…)はその他の変数入力、bk(k=1,2,…)はその他の条件入力である。Y ACAL Z , which is the result of correcting the halfway result output Y ACAL by the learning term expressed by the following equation (9), is obtained. Then, using the obtained Y ACAL Z as an input of the model formula b, the following formula (Equation 10) is calculated to obtain the actual calculated value V ACAL . Here, in Equation (9), H is an error correction function, Z is a coefficient of a learning term, and in Equation (10), g is a function of model equation b, W l (l = 1, 2,... ) Are other variable inputs, and b k (k = 1, 2,...) Are other condition inputs.
次に、学習項計算部6bにおける学習項の計算について説明する。この学習項の計算も、実績計算値の場合と同様、原則として上流側関数及び下流側関数で同じである。ここで説明する例においては、学習項はモデル式aからの途中結果出力に対して施される。したがって、学習のための実績計算値と実績値との比較は、モデル式aからの途中結果出力において行われる。
Next, calculation of learning terms in the learning
このため、まず、実測値VACTに基づいて、モデル式aからの途中結果出力に対応する実績値YACTを次の(数11)式により計算する。この(数11)式において、g−1はモデル式bの逆関数、WACT l(l=1,2,…)はその他の変数入力の実測値、bk(k=1,2,…)はその他の条件入力である。Therefore, first, on the basis of the measured values V ACT, the actual value Y ACT corresponding to intermediate results output from the model formula a is calculated by the following equation (11). In the equation (11), g −1 is an inverse function of the model equation b, W ACT l (l = 1, 2,...) Is an actually measured value of other variable inputs, b k (k = 1, 2,. ) Is another condition input.
こうして求めた実績値YACTと(数8)式により求めたYACALとから、誤差ZCURを次の(数12)式により計算する。この(数12)式において、hは誤差計算関数である。The error Z CUR is calculated by the following equation (12) from the actual value Y ACT thus obtained and Y ACAL obtained by the equation (8). In the equation (12), h is an error calculation function.
なお、この誤差計算関数hの具体的な形については、例えば、YACTとYACALとの差をとるものとしてもよいし(すなわち、ZCUR=YACT−YACAL)、YACTとYACALとの比をとるものとしてもよい(すなわち、ZCUR=YACT/YACAL)。そして、この誤差計算関数hの具体的な形に応じて(数2)、(数5)、(数9)式の誤差補正関数Hの具体的な形も変わってくる。すなわち、誤差計算関数hが入力変数の差をとるものであった場合、誤差補正関数Hは入力変数の和をとるものとなり、誤差計算関数hが入力変数の比をとるものであった場合、誤差補正関数Hは入力変数の積をとるものとなる。The specific form of the error calculation function h may be, for example, as taking the difference between the Y ACT and Y ACAL (i.e., Z CUR = Y ACT -Y ACAL ), Y ACT and Y ACAL (Ie, Z CUR = Y ACT / Y ACAL ). Depending on the specific form of the error calculation function h, the specific form of the error correction function H in the equations (Equation 2), (Equation 5), and (Equation 9) also changes. That is, when the error calculation function h takes the difference of the input variables, the error correction function H takes the sum of the input variables, and when the error calculation function h takes the ratio of the input variables, The error correction function H is a product of input variables.
そして、次の(数13)式により、この誤差を平滑化した上で学習項へと反映して新しい学習項ZNEWを計算する。この(数13)式において、ZNEWは次回の設定計算装置3での設定計算で使用する学習項、ZOLDは前回の設定計算装置3での設定計算で使用した学習項、βは平滑化係数である。Then, this error is smoothed by the following equation (13) and reflected in the learning term to calculate a new learning term Z NEW . In this equation (13), Z NEW is a learning term used in the next setting calculation in the setting calculation device 3, Z OLD is a learning term used in the previous setting calculation in the setting calculation device 3, and β is a smoothing. It is a coefficient.
以上が、学習項の計算に必要な実測値を正常に得ることができた場合における学習項の計算方法である。一方、前述したように、下流側関数の学習項の計算において下流側関数に入力される実測値が異常であった場合には、上流側関数からの出力された実績計算値を下流側関数に入力して計算を進めることで、下流側関数での学習に必要な実績計算値を得る。以下においては、この下流側関数の学習項の計算において下流側関数に入力される実測値が異常であった場合における下流側関数での学習に必要な実績計算値の計算について説明する。 The above is the calculation method of the learning term when the actual measurement value necessary for the calculation of the learning term can be normally obtained. On the other hand, as described above, when the actual measurement value input to the downstream function is abnormal in the calculation of the learning term of the downstream function, the actual calculation value output from the upstream function is converted to the downstream function. By inputting and proceeding with the calculation, the actual calculation value necessary for learning in the downstream function is obtained. In the following, calculation of the actual calculation value necessary for learning in the downstream function when the actual measurement value input to the downstream function is abnormal in the calculation of the learning term of the downstream function will be described.
この場合、下流側関数のモデル式2aに入力されるのは、上流側関数において(数10)式を用いて計算されたVACALである。したがって、下流側関数のモデル式2aの関数をf、機械設備1の設定値の実測値をX2ACT i(i=1,2,…)、その他の条件入力をa2 j(j=1,2,…)とすると、モデル式2aからの途中結果出力Y2ACALは次の(数14)式で表される。この(数14)式において、V1ACALは上流側関数において(数10)式を用いて計算された実績計算値である。In this case, the input to the downstream
そして、こうして計算したY2ACALと、(数11)式において実測値VACT=V2ACTを代入して得られた実績値Y2ACTとから、学習項の計算を行う。ただし、ここで、前述したようにY2ACALには上流側関数と下流側関数の双方の誤差が含まれているため、補完学習計算部8により、誤差(YACT−Y2ACAL)を上流側関数及び下流側関数の双方の学習項に分配する。Then, thus performing the calculated Y 2ACAL, from the equation (11) actual values obtained by substituting the measured value V ACT = V 2ACT in formula Y 2ACT, the calculation of the learning term. However, since the error of both the upstream function and the downstream function is included in Y 2ACAL as described above, the error (Y ACT −Y 2ACAL ) is calculated by the complementary
この補完学習計算部8における誤差の分配比の計算方法は、(数12)式における誤差計算関数hの形によって変わってくる。具体的には、誤差計算関数hが入力変数の差をとるものであった場合、補完学習計算部8における誤差の分配は、次の(数15)式及び(数16)式に基づく比例配分により行われる。
The calculation method of the error distribution ratio in the complementary
また、誤差計算関数hが入力変数の比をとるものであった場合、補完学習計算部8における誤差の分配は、次の(数17)式及び(数18)式に基づく比例配分により行われる。
Further, when the error calculation function h takes a ratio of input variables, the error distribution in the complementary
なお、これらの(数15)〜(数18)式において、Z1CURは上流側関数の学習項へと分配される誤差、Z2CURは上流側関数の学習項へと分配される誤差、fはモデル式aの関数である。In these equations (Equation 15) to (Equation 18), Z 1CUR is an error distributed to the learning term of the upstream function, Z 2CUR is an error distributed to the learning term of the upstream function, and f is It is a function of the model formula a.
こうして上流側関数及び下流側関数の各学習項へと誤差を比例配分した後は、上流側関数と下流側関数のそれぞれの学習項について、(数13)式によりそれぞれに分配された誤差を平滑化した上で学習項へと反映される。更新された新たな学習項は、次の設定タイミングにおける設定計算装置3での設定値計算に使用される。 After the error is proportionally distributed to the learning terms of the upstream function and the downstream function in this way, the error distributed to each learning term of the upstream function and the downstream function is smoothed by the equation (13). And then reflected in the learning terms. The updated new learning term is used for setting value calculation in the setting calculation device 3 at the next setting timing.
このように構成された学習装置5における動作の流れを、図3を参照しながら今一度説明する。まず、ステップS1において、実測値収集装置4が実測値を収集する。次に、ステップS2へと進み、実測値判定部7は実測値収集装置4が収集した実測値のうち、V2ACTが異常であるか否かを確認する。V2ACTが異常でなければステップS3へと進む。このステップS3においては、実測値判定部7は実測値収集装置4が収集した実測値のうち、V1ACTが異常であるか否かを確認する。V1ACTが異常でなければステップS4へと進む。The flow of the operation in the
このステップS4においては、実績計算値計算部6aは、(数8)式を用いて上流側関数の実績計算値Y1ACALを計算する。続くステップS5において、学習項計算部6bは、(数11)式を用いて上流側関数の実績値Y1ACTを計算する。次にステップS6へと進み、学習項計算部6bは、(数12)式を用いて上流側関数の誤差Z1CURを計算する。In step S4, the result calculation value calculation unit 6a calculates the result calculation value Y1ACAL of the upstream function using the equation (8). In subsequent step S5, the learning
ステップS6の後はステップS7へと進む。このステップS7においては、実績計算値計算部6aは、(数8)式のVACTに実測値V1ACTを代入して下流側関数の実績計算値Y2ACALを計算する。続くステップS8において、学習項計算部6bは、(数11)式を用いて下流側関数の実績値Y2ACTを計算する。次にステップS9へと進み、学習項計算部6bは、(数12)式を用いて下流側関数の誤差Z2CURを計算する。After step S6, the process proceeds to step S7. In this step S7, the actual calculated value calculating section 6a calculates the actual calculated value Y 2ACAL downstream function by substituting the measured values V 1ACT the V ACT of (number 8). In subsequent step S8, the learning
ステップS9の後はステップS10へと進む。このステップS10においては、学習項計算部6bは、(数13)式のZCURにZ1CUR及びZ2CURをそれぞれ代入して、上流側関数の学習項Z1NEW及び下流側関数の学習項Z2NEWを計算する。そして、ステップS11へと進み、計算した学習項Z1NEW及びZ2NEWで設定計算装置3の数式モデルの学習項を更新し、一連の学習項更新処理は終了する。After step S9, the process proceeds to step S10. In this step S10, the learning
一方、ステップS3において、V1ACTが異常であった場合にはステップS20へと進む。このステップS20においては、実績計算値計算部6aは、(数8)式を用いて上流側関数の実績計算値Y1ACALを計算する。続くステップS21において、実績計算値計算部6aは、(数9)式及び(数10)式を用いて上流側関数の実績計算値V1ACALを計算する。On the other hand, if V1ACT is abnormal in step S3, the process proceeds to step S20. In step S20, the actual calculation value calculation unit 6a calculates the actual calculation value Y1ACAL of the upstream function using the equation (8). In subsequent step S21, the actual calculation value calculation unit 6a calculates the actual function calculation value V1ACAL of the upstream function using Equation (9) and Equation (10).
ステップS21の後はステップS22へと進む。このステップS22においては、実績計算値計算部6aは、(数14)式によりV1ACALを使用した下流側関数の実績計算値Y2ACALを計算する。続くステップS23において、学習項計算部6bは、(数11)式を用いて下流側関数の実績値Y2ACTを計算する。After step S21, the process proceeds to step S22. In this step S22, actual calculated value calculating section 6a calculates the actual calculated value Y 2ACAL downstream functions using V 1ACAL by equation (14) below. In subsequent step S23, the learning
そして、ステップS24へと進み、補完学習計算部8は、(数15)式及び(数16)式、又は、(数17)式及び(数18)を用いて、Z1CUR及びZ2CURを計算する。ステップS24の後は、前述したステップS10へと移行する。Then, the process proceeds to step S24, the complementary learning calculation unit 8 (number 15) and (Expression 16), or by using the equation (17) and (Equation 18), calculates the Z 1CUR and Z 2CUR To do. After step S24, the process proceeds to step S10 described above.
また、ステップS2において、V2ACTが異常であった場合にはステップS30へと進む。このステップS30においては、実測値判定部7は実測値収集装置4が収集した実測値のうち、V1ACTが異常であるか否かを確認する。V1ACTも異常であった場合には、上流側関数及び下流側関数の両方ともにおいて学習項の更新は行わない。In step S2, if V2ACT is abnormal, the process proceeds to step S30. In step S30, the actual measurement
一方、ステップS30においてV1ACTが異常でない場合はステップS31へと進む。このステップS31においては、実績計算値計算部6aは、(数8)式を用いて上流側関数の実績計算値Y1ACALを計算する。続くステップS32において、学習項計算部6bは、(数11)式を用いて上流側関数の実績値Y1ACTを計算する。次にステップS33へと進み、学習項計算部6bは、(数12)式を用いて上流側関数の誤差Z1CURを計算する。On the other hand, if V 1ACT is not abnormal in step S30, the process proceeds to step S31. In step S31, the actual calculation value calculation unit 6a calculates the actual function calculation value Y1ACAL of the upstream function using the equation (8). In subsequent step S32, the learning
ステップS33の後はステップS34へと進む。このステップS34においては、学習項計算部6bは、(数13)式を用いて上流側関数の学習項Z1NEWを計算する。そして、ステップS35へと進み、計算した学習項Z1NEWで設定計算装置3の数式モデルの学習項を更新し、一連の学習項更新処理は終了する。After step S33, the process proceeds to step S34. In this step S34, the learning
以上のように構成された設定計算システムの学習装置は、数式モデルを構成する上流側関数及び下流側関数それぞれの学習項を実測値を用いて計算する学習項計算部と、学習項計算部での下流側関数の学習項の計算において下流側関数に入力される第1の実測値が異常であるか否かを判定する実測値判定部と、第1の実測値が異常であると判定された場合に、上流側関数からの出力を下流側関数に入力して下流側関数から出力される実績計算値を計算する実績計算値計算部と、下流側関数からの出力に対応する第2の実測値に対する実績計算値の誤差を、上流側関数の学習項及び下流側関数の学習項に分配する補完学習計算部と、を備えている。 The learning device of the setting calculation system configured as described above includes a learning term calculation unit that calculates the learning terms of the upstream function and the downstream function that constitute the mathematical model using actual measurement values, and a learning term calculation unit. In the calculation of the learning term of the downstream function, an actual value determination unit that determines whether or not the first actual value input to the downstream function is abnormal is determined, and the first actual value is determined to be abnormal In the case where the output from the upstream function is input to the downstream function, the actual calculation value calculation unit for calculating the actual calculation value output from the downstream function, and the second corresponding to the output from the downstream function A complementary learning calculation unit that distributes an error of the actual calculation value with respect to the actual measurement value to the learning term of the upstream function and the learning term of the downstream function.
したがって、学習のために下流側関数に入力する実測値が得られなかった場合でも、上流側関数から出力された実績計算値を実測値の代わりに下流側関数に入力することで下流側関数における学習を進めるとともに、蓄積される誤差を上流側関数の学習項へと配分して、上流側関数と下流側関数の双方における適切な学習を実現する。 Therefore, even if the actual measurement value to be input to the downstream function for learning is not obtained, the actual calculation value output from the upstream function is input to the downstream function instead of the actual measurement value. As the learning proceeds, the accumulated error is distributed to the learning term of the upstream function, thereby realizing appropriate learning in both the upstream function and the downstream function.
すなわち、数式モデルの学習に必要な実績値の一部が得られない場合であっても、得られた分の実績値を用いた学習を実施して数式モデルを構成する各関数の学習項を適切に更新することが可能であって、数式モデルの精度の低下を抑制することができる。そして、このため、機械設備の設定値の計算精度向上に貢献し得る。 That is, even if some of the actual values necessary for learning the mathematical model are not obtained, learning using the actual values for the obtained amount is performed, and the learning terms of each function constituting the mathematical model are set. It is possible to update appropriately, and it is possible to suppress a decrease in accuracy of the mathematical model. For this reason, it can contribute to the improvement of the calculation accuracy of the set value of the mechanical equipment.
なお、以上のように構成された設定計算システムの学習装置は、例えば、数式モデル学習計算部、実績計算値計算部、学習項計算部、実測値判定部及び補完学習計算部の各部の果たす機能を実現するための情報処理を、中央処理装置や記憶装置等を有するハードウェア資源に実行させることで構築することも可能である。 Note that the learning device of the setting calculation system configured as described above includes, for example, functions performed by each unit of the mathematical model learning calculation unit, the actual calculation value calculation unit, the learning term calculation unit, the actual measurement value determination unit, and the complementary learning calculation unit. It is also possible to construct the information processing for realizing the above by causing a hardware resource having a central processing unit, a storage device, and the like to execute.
この発明は、機械設備の設定値を数式モデルを用いて計算する設定計算システムにおいて、数式モデルの学習項を実測値を用いて更新する学習装置及び学習方法に利用できる。 INDUSTRIAL APPLICABILITY The present invention can be used in a learning apparatus and a learning method for updating a learning term of a mathematical model using an actual measurement value in a setting calculation system that calculates a set value of mechanical equipment using a mathematical model.
1 機械設備
2 設定計算システム
3 設定計算装置
4 実測値収集装置
5 学習装置
6 数式モデル学習計算部
6a 実績計算値計算部
6b 学習項計算部
7 実測値判定部
8 補完学習計算部DESCRIPTION OF SYMBOLS 1
Claims (5)
前記数式モデルを構成する上流側関数及び下流側関数それぞれの学習項を前記実測値を用いて計算する学習項計算部と、
前記学習項計算部での前記下流側関数の学習項の計算において前記下流側関数に入力される前記実測値である第1の実測値が異常であるか否かを判定する実測値判定部と、
前記第1の実測値が異常であると判定された場合に、前記上流側関数からの出力を前記下流側関数に入力して前記下流側関数から出力される実績計算値を計算する実績計算値計算部と、
前記下流側関数からの出力に対応する前記実測値である第2の実測値に対する前記実績計算値の誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に分配する補完学習計算部と、を備えたことを特徴とする設定計算システムの学習装置。 In a setting calculation system that calculates a setting value of a mechanical facility using a mathematical model, a learning device that updates a learning term of the mathematical model using an actual measurement value,
A learning term calculation unit that calculates learning terms for each of the upstream function and the downstream function constituting the mathematical model using the measured values;
An actual value determination unit that determines whether or not the first actual measurement value that is the actual measurement value input to the downstream function in the learning term calculation of the downstream function in the learning term calculation unit is abnormal; ,
When it is determined that the first actual measurement value is abnormal, the actual calculation value for calculating the actual calculation value output from the downstream function by inputting the output from the upstream function to the downstream function A calculation unit;
Complementary learning calculation for distributing an error of the actual calculation value with respect to the second actual measurement value corresponding to the output from the downstream function to the learning term of the upstream function and the learning term of the downstream function And a learning device for a setting calculation system.
前記誤差を、前記第2の実測値と前記実績計算値との差により求めるとともに、
求めた前記誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に、前記上流側関数への入力と前記上流側関数からの出力との差の絶対値と、前記下流側関数への入力と前記下流側関数からの出力との差の絶対値とに基づき比例配分することを特徴とする請求項2に記載の設定計算システムの学習装置。 The complementary learning calculation unit
The error is obtained from the difference between the second actual measurement value and the actual calculation value,
The obtained error is stored in the upstream function learning term and the downstream function learning term, the absolute value of the difference between the input to the upstream function and the output from the upstream function, and the downstream function. 3. The learning apparatus for a setting calculation system according to claim 2, wherein proportional distribution is performed based on an absolute value of a difference between an input to the output and an output from the downstream function.
前記誤差を、前記第2の実測値と前記実績計算値との比により求めるとともに、
求めた前記誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に、前記上流側関数への入力と前記上流側関数からの出力との比の絶対値と、前記下流側関数への入力と前記下流側関数からの出力との比の絶対値とに基づき比例配分することを特徴とする請求項2に記載の設定計算システムの学習装置。 The complementary learning calculation unit
While obtaining the error by the ratio of the second actual measurement value and the actual calculation value,
The obtained error is stored in the upstream function learning term and the downstream function learning term, the absolute value of the ratio between the input to the upstream function and the output from the upstream function, and the downstream function. 3. The learning apparatus for a setting calculation system according to claim 2, wherein proportional distribution is performed based on an absolute value of a ratio between an input to the output and an output from the downstream function.
前記数式モデルを構成する上流側関数及び下流側関数それぞれの学習項を前記実測値を用いて計算する第1のステップと、
前記第1のステップでの前記下流側関数の学習項の計算において前記下流側関数に入力される前記実測値である第1の実測値が異常であるか否かを判定する第2のステップと、
前記第1の実測値が異常であると判定された場合に、前記上流側関数からの出力を前記下流側関数に入力して前記下流側関数から出力される実績計算値を計算する第3のステップと、
前記下流側関数からの出力に対応する前記実測値である第2の実測値に対する前記実績計算値の誤差を、前記上流側関数の学習項及び前記下流側関数の学習項に分配する第4のステップと、を備えたことを特徴とする設定計算システムの学習方法。 In a setting calculation system for calculating a setting value of mechanical equipment using a mathematical model, a learning method for updating a learning term of the mathematical model using an actual measurement value,
A first step of calculating a learning term of each of the upstream function and the downstream function constituting the mathematical model using the measured value;
A second step of determining whether or not the first actual measurement value that is the actual measurement value input to the downstream function in the calculation of the learning term of the downstream function in the first step is abnormal; ,
When it is determined that the first actually measured value is abnormal, the output from the upstream function is input to the downstream function, and the actual calculation value output from the downstream function is calculated. Steps,
An error of the actual calculation value with respect to the second actual measurement value that is the actual measurement value corresponding to the output from the downstream function is distributed to the learning term of the upstream function and the learning term of the downstream function. And a learning method for the setting calculation system.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2012/062535 WO2013171862A1 (en) | 2012-05-16 | 2012-05-16 | Setting calculation system learning device and learning method |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2013171862A1 JPWO2013171862A1 (en) | 2016-01-07 |
JP5846303B2 true JP5846303B2 (en) | 2016-01-20 |
Family
ID=49583306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014515412A Active JP5846303B2 (en) | 2012-05-16 | 2012-05-16 | Learning apparatus and learning method for setting calculation system |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP5846303B2 (en) |
KR (1) | KR101622068B1 (en) |
CN (1) | CN104303114B (en) |
WO (1) | WO2013171862A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6233423B2 (en) * | 2014-02-17 | 2017-11-22 | 東芝三菱電機産業システム株式会社 | Learning control device for rolling process |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07107682B2 (en) * | 1989-02-15 | 1995-11-15 | 株式会社東芝 | Target system modeling method and target system modeling apparatus |
JP2839746B2 (en) * | 1991-06-17 | 1998-12-16 | 株式会社神戸製鋼所 | Learning control method in process line |
US5566275A (en) * | 1991-08-14 | 1996-10-15 | Kabushiki Kaisha Toshiba | Control method and apparatus using two neural networks |
JPH06342422A (en) * | 1993-05-31 | 1994-12-13 | Kawasaki Steel Corp | Signal processing method |
JPH07200005A (en) * | 1993-12-28 | 1995-08-04 | Mitsubishi Electric Corp | Learning control method |
JPH09265302A (en) * | 1996-03-28 | 1997-10-07 | Kawasaki Steel Corp | Process model identification method |
US5764509A (en) * | 1996-06-19 | 1998-06-09 | The University Of Chicago | Industrial process surveillance system |
JP2000242323A (en) * | 1999-02-24 | 2000-09-08 | Hitachi Ltd | Plant operation guidance system |
JP2002091505A (en) * | 2000-09-14 | 2002-03-29 | Toshiba Corp | Model identifying device |
JP4119684B2 (en) * | 2002-05-27 | 2008-07-16 | 東芝三菱電機産業システム株式会社 | Learning control device for rolling mill setting calculation device |
JP4208509B2 (en) * | 2002-07-18 | 2009-01-14 | 東芝三菱電機産業システム株式会社 | Model learning device for rolling process |
US7720641B2 (en) * | 2006-04-21 | 2010-05-18 | Exxonmobil Research And Engineering Company | Application of abnormal event detection technology to delayed coking unit |
JP5069608B2 (en) * | 2008-05-26 | 2012-11-07 | 株式会社日立製作所 | Sheet width control device and control method for hot rolling mill |
CN101966535B (en) * | 2009-07-28 | 2012-11-14 | 宝山钢铁股份有限公司 | Cold rolling strip shape forward control setting method based on incoming material plate profile |
JP2012043235A (en) * | 2010-08-20 | 2012-03-01 | Hitachi Ltd | Plant model construction support system |
-
2012
- 2012-05-16 CN CN201280073247.5A patent/CN104303114B/en active Active
- 2012-05-16 JP JP2014515412A patent/JP5846303B2/en active Active
- 2012-05-16 KR KR1020147031254A patent/KR101622068B1/en active IP Right Grant
- 2012-05-16 WO PCT/JP2012/062535 patent/WO2013171862A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2013171862A1 (en) | 2016-01-07 |
CN104303114B (en) | 2017-06-16 |
CN104303114A (en) | 2015-01-21 |
WO2013171862A1 (en) | 2013-11-21 |
KR101622068B1 (en) | 2016-05-17 |
KR20140143225A (en) | 2014-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4223894B2 (en) | PID parameter adjustment device | |
KR101832653B1 (en) | Rolling process learning control device | |
JP4908433B2 (en) | Control parameter adjustment method and control parameter adjustment program | |
JP2009277226A (en) | Method for real time calculation of process model and simulator therefor | |
JP5288271B2 (en) | A method to optimize multiple model parameters defining rolling torque function in rolling process | |
JP5846303B2 (en) | Learning apparatus and learning method for setting calculation system | |
CN107871180A (en) | GM based on Newton-Cotes formulas tectonic setting value(1,1)Model prediction method | |
JP4485896B2 (en) | PID controller | |
JP2019168776A (en) | Parameter identification device and method and program thereof | |
JP4529964B2 (en) | Simulation device, simulation method, and simulation program | |
JP7019982B2 (en) | Adjustment factor estimator, model learning device, and method | |
TWI533097B (en) | Parameter tuning method and computer program product | |
TW201546582A (en) | Process control method | |
Giagopoulos et al. | Parameter identification of complex structures using finite element model updating techniques | |
JP3681283B2 (en) | Rolling mill setup equipment | |
JP2020135591A (en) | Estimation device, estimation method, and computer program | |
US20220269250A1 (en) | Device and Method for Automatic Calculation of Measurement Confidence in Flexible Modular Plants and Machines | |
JP6822281B2 (en) | Input data generators, methods and programs | |
JP2000126809A (en) | Set up device of rolling mill | |
JP6216078B2 (en) | Benchmark index creation support method | |
JP4155508B2 (en) | Control parameter adjustment method for control device | |
CN117810960A (en) | Method and device for predicting state of power system | |
DETTU | The twin-in-the-loop approach for vehicle dynamics estimation and control: methods and applications | |
JP2022108033A (en) | Operation control support device and operation control support method | |
WO2019172066A1 (en) | Bending estimation device, bending estimation method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20151027 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5846303 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |