JP6260214B2 - 情報処理方法、装置及びプログラム - Google Patents
情報処理方法、装置及びプログラム Download PDFInfo
- Publication number
- JP6260214B2 JP6260214B2 JP2013234459A JP2013234459A JP6260214B2 JP 6260214 B2 JP6260214 B2 JP 6260214B2 JP 2013234459 A JP2013234459 A JP 2013234459A JP 2013234459 A JP2013234459 A JP 2013234459A JP 6260214 B2 JP6260214 B2 JP 6260214B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- function
- state deviation
- value
- control 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.)
- Active
Links
Images
Landscapes
- Feedback Control In General (AREA)
Description
図1にディーゼルエンジンの吸気システムを示す。ディーゼルエンジンの吸気制御系は、吸気圧制御系と新気量制御系を含む。吸気圧制御系は、排気中の微粒子物質(PM:Particulate Matter)を低減するために、可変ノズルターボVNTのノズル径を制御して吸気圧を吸気圧目標値に追従するようにコントロールしている。一方、新気量制御系は、排気中の窒素酸化物(NOx)を低減するために、排気をシリンダ内に再循環させる排気循環器EGRのバルブ開度を制御して新気量を新気量目標値に追従するようにコントロールしている。
上で述べたようなディーゼルエンジンでは、MAF及びMAPを変化させる制御を行うが、耐久性の問題から、MAF及びMAPの急激な変化は避けることが好ましい。
実際に制御を行う場合、空気過剰率τが制限値を超えてしまう場合や、多少制限値を超えることを許容する場合もある。この場合でも、できるだけ過剰に制限値を超えることは避けることが好ましい。
状態偏差の変化量に関する制約についても、過度の変化を抑える目的もあるので、制御の方法によっては、制約を超えた変化も許す場合もある。この場合も、過度に制約を超えることを抑制するため、以下のようなペナルティ関数を採用する場合もある。
(a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形し、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形し、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形し、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形し、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成し、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形し、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する
処理を、コンピュータに実行させるためのプログラム。
前記パラメータが、前記状態偏差と前記線形化制御入力とから表されるパラメータである
付記1記載のプログラム。
前記パラメータが、前記状態偏差の変化量である
付記1記載のプログラム。
前記ペナルティ関数が、前記パラメータの値域毎に異なる関数で表され、
前記第1及び第2の微分関数を、前記パラメータの値域毎に生成する
付記1乃至3のいずれか1つ記載のプログラム。
(a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出し、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出し、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出し、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成し、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理をプロセッサに実行させるためのプログラム。
前記状態偏差の現在値から算出される前記パラメータの現在値が所定範囲内であるか判断する処理をさらに含み、
前記パラメータの現在値が前記所定範囲内であれば、前記第1の値及び第2の値を算出する処理と、前記第1の行列を算出する処理と、前記第2のベクトルを算出する処理と、前記線形化制御入力のベクトルを生成する処理と、前記線形化制御入力を抽出する処理とを実行する
付記5記載のプログラム。
前記データ格納部が、
前記パラメータの現在値の値域に応じた前記第1の式及び前記第2の式を格納しており、
前記第1の値及び前記第2の値を算出する処理が、
前記パラメータの現在値が属する値域を特定し、当該特定された値域に応じた前記第1の式及び前記第2の式を読み出す処理
を含む付記5又は6記載のプログラム。
前記パラメータの現在値が前記所定範囲外であれば、
前記データ格納部から前記関数ベクトル及び前記第1の係数行列を読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルと、前記第1の係数行列の逆行列との積により、前記線形化制御入力の第2のベクトルを生成し、
前記線形化制御入力の第2のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理をさらに含む付記5乃至7のいずれか1つ記載のプログラム。
前記パラメータが、前記状態偏差と前記線形化制御入力とから表されるパラメータである場合には、
前記第3の値は、前記制御対象の状態方程式で用いられる行列と前記線形化制御入力の1単位時間前の値とから算出される
付記5乃至8のいずれか1つ記載のプログラム。
前記パラメータが、前記状態偏差の変化量である場合には、
前記第3の値は、前記状態偏差の現在値と前記状態偏差の1単位時間前の値との差である
付記1記載のプログラム。
(a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形し、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形し、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形し、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形し、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成し、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形し、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する
処理を含み、コンピュータにより実行されるオフライン処理方法。
(a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出し、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出し、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出し、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成し、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理を含み、プロセッサにより実行される制御方法。
(a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形する手段と、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形する手段と、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形する手段と、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形する手段と、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成する手段と、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形する手段と、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する手段と、
を有するオフライン処理装置。
(a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出する手段と、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出する手段と、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出する手段と、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成する手段と、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する手段と、
を有する制御装置。
102 入力データ格納部
103 第1変形処理部
104 第1データ格納部
105 第2変形処理部
106 第2データ格納部
107 第3変形処理部
108 第3データ格納部
109 第1行列生成部
110 第4データ格納部
111 第2行列生成部
112 微分処理部
Claims (14)
- (a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形し、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形し、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形し、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形し、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成し、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形し、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する
処理を、コンピュータに実行させるためのプログラム。 - 前記パラメータが、前記状態偏差と前記線形化制御入力とから表されるパラメータである
請求項1記載のプログラム。 - 前記パラメータが、前記状態偏差の変化量である
請求項1記載のプログラム。 - 前記ペナルティ関数が、前記パラメータの値域毎に異なる関数で表され、
前記第1及び第2の微分関数を、前記パラメータの値域毎に生成する
請求項1乃至3のいずれか1つ記載のプログラム。 - (a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出し、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出し、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出し、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成し、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理をプロセッサに実行させるためのプログラム。 - 前記状態偏差の現在値から算出される前記パラメータの現在値が所定範囲内であるか判断する処理をさらに含み、
前記パラメータの現在値が前記所定範囲内であれば、前記第1の値及び第2の値を算出する処理と、前記第1の行列を算出する処理と、前記第2のベクトルを算出する処理と、前記線形化制御入力のベクトルを生成する処理と、前記線形化制御入力を抽出する処理とを実行する
請求項5記載のプログラム。 - 前記データ格納部が、
前記パラメータの現在値の値域に応じた前記第1の式及び前記第2の式を格納しており、
前記第1の値及び前記第2の値を算出する処理が、
前記パラメータの現在値が属する値域を特定し、当該特定された値域に応じた前記第1の式及び前記第2の式を読み出す処理
を含む請求項5又は6記載のプログラム。 - 前記パラメータの現在値が前記所定範囲外であれば、
前記データ格納部から前記関数ベクトル及び前記第1の係数行列を読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルと、前記第1の係数行列の逆行列との積により、前記線形化制御入力の第2のベクトルを生成し、
前記線形化制御入力の第2のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理をさらに含む請求項5乃至7のいずれか1つ記載のプログラム。 - 前記パラメータが、前記状態偏差と前記線形化制御入力とから表されるパラメータである場合には、
前記第3の値は、前記制御対象の状態方程式で用いられる行列と前記線形化制御入力の1単位時間前の値とから算出される
請求項5乃至8のいずれか1つ記載のプログラム。 - 前記パラメータが、前記状態偏差の変化量である場合には、
前記第3の値は、前記状態偏差の現在値と前記状態偏差の1単位時間前の値との差である
請求項5記載のプログラム。 - (a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形し、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形し、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形し、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形し、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成し、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形し、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する
処理を含み、コンピュータにより実行されるオフライン処理方法。 - (a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出し、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出し、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出し、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成し、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する
処理を含み、プロセッサにより実行される制御方法。 - (a)モデル予測制御の評価関数とラグランジュ乗数を含み且つ前記制御対象の状態方程式に関する第1の関数との和を含む第2の関数を前記ラグランジュ乗数について偏微分することで得られ且つ前記制御対象の状態偏差及び前記制御対象に対する線形化制御入力を変数として含む第1の一次式群と、(b)前記第2の関数を前記制御対象の状態偏差について偏微分することで得られ且つ前記制御対象の状態偏差及び前記ラグランジュ乗数を変数として含む第2の一次式群と、(c)前記第2の関数を前記制御対象の線形化制御入力について偏微分することで得られ且つ前記ラグランジュ乗数及び前記制御対象の状態偏差を変数として含む第3の一次式群と、(d)前記モデル予測制御の制御対象についての制約条件に対応するペナルティ関数と、(e)前記制約条件において制限されるパラメータに関する関係式とを格納するデータ格納部から前記第1の一次式群を読み出して、前記状態偏差の現在値を除き前記状態偏差の変数を消し込むように順次代入を行って、前記第1の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第4の一次式群に変形する手段と、
前記データ格納部から前記第2の一次式群を読み出して、前記ラグランジュ乗数の変数を消し込むように順次代入を行って、前記第2の一次式群を、前記状態偏差を変数として含む第5の一次式群に変形する手段と、
前記データ格納部から前記第3の一次式群を読み出して、前記第4の一次式群及び前記第5の一次式群を代入することで、前記第3の一次式群を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第6の一次式群に変形する手段と、
前記第6の一次式群を、第1の係数行列と前記線形化制御入力についてのベクトルとの積が、前記状態偏差の現在値の関数ベクトルと等式で表されるように変形する手段と、
前記データ格納部に格納された前記ペナルティ関数を前記パラメータについて1階偏微分した第1の微分関数及び2階偏微分した第2の微分関数を生成する手段と、
前記データ格納部から前記関係式を読み出して、前記第4の一次式群を前記関係式に代入することで、前記関係式を、前記状態偏差の現在値と前記線形化制御入力とを変数として含む第7の一次式群に変形する手段と、
前記第7の一次式群から前記線形化制御入力についての係数を抽出し、前記ペナルティ関数について予め定められている第2の係数行列及び係数ベクトルを算出する手段と、
を有するオフライン処理装置。 - (a)モデル予測制御の制御対象についての状態偏差の現在値についての関数ベクトルと、(b)制御期間内における前記制御対象に対する線形化制御入力のベクトルとの積が前記関数ベクトルと等しくなるように予め算出されている第1の係数行列と、(c)前記モデル予測制御の制御対象における制約条件に対応するペナルティ関数について予め算出されている第2の係数行列及び係数ベクトルと、(d)前記制約条件において制限されるパラメータについて前記ペナルティ関数を1階偏微分した第1の式及び2階偏微分した第2の式とを格納するデータ格納部から前記第1の式及び前記第2の式を読み出して、前記状態偏差の現在値から得られる、前記パラメータの基点の値を代入することで、第1の値及び第2の値を算出する手段と、
前記データ格納部から前記第1の係数行列及び前記第2の係数行列を読み出して、前記第2の値と前記第2の係数行列との積と前記第1の係数行列との和である第1の行列を算出する手段と、
前記データ格納部から前記関数ベクトルを読み出して、前記関数ベクトルに前記状態偏差の現在値を代入することで得られる第1のベクトルから、((前記第1の値)−(前記第2の値と前記パラメータの基点に関連し且つ前記状態偏差の現在値又は前記線形化制御入力の1単位時間前の値から得られる第3の値との積))と前記係数ベクトルとの積を差し引いた第2のベクトルを算出する手段と、
前記第1の行列の逆行列と前記第2のベクトルとの積により、前記線形化制御入力のベクトルを生成する手段と、
前記線形化制御入力のベクトルの要素のうち最初の時刻のための線形化制御入力を抽出する手段と、
を有する制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013234459A JP6260214B2 (ja) | 2013-11-12 | 2013-11-12 | 情報処理方法、装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013234459A JP6260214B2 (ja) | 2013-11-12 | 2013-11-12 | 情報処理方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015095126A JP2015095126A (ja) | 2015-05-18 |
JP6260214B2 true JP6260214B2 (ja) | 2018-01-17 |
Family
ID=53197480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013234459A Active JP6260214B2 (ja) | 2013-11-12 | 2013-11-12 | 情報処理方法、装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6260214B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110023B (zh) * | 2021-04-02 | 2024-02-27 | 昆明理工大学 | 一种基于柴油机哈密顿模型的结构修正控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5960608A (ja) * | 1982-09-30 | 1984-04-06 | Toshiba Corp | プロセスの最適化制御方法 |
JP6136494B2 (ja) * | 2013-04-11 | 2017-05-31 | 富士通株式会社 | 情報処理方法、装置及びプログラム |
-
2013
- 2013-11-12 JP JP2013234459A patent/JP6260214B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015095126A (ja) | 2015-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5834759B2 (ja) | 行列生成プログラム、方法及び装置、並びにプラント制御プログラム、方法及び装置 | |
Bu | Air-breathing hypersonic vehicles funnel control using neural approximation of non-affine dynamics | |
JP6416781B2 (ja) | 内燃機関空気経路制御のためのレートベースモデル予測制御方法 | |
Stewart et al. | A model predictive control framework for industrial turbodiesel engine control | |
García-Nieto et al. | Nonlinear predictive control based on local model networks for air management in diesel engines | |
JP6553580B2 (ja) | 内燃機関の空気経路制御のための離散時間レートベースモデル予測制御方法 | |
US8738271B2 (en) | Asymmetric wavelet kernel in support vector learning | |
CN109709792A (zh) | 航空发动机稳态回路比例积分控制器及其设计方法和装置 | |
El Hadef et al. | Explicit nonlinear model predictive control of the air path of a turbocharged spark-ignited engine | |
JP5569426B2 (ja) | エンジン制御プログラム及び装置 | |
Kong et al. | Stable feedback linearization-based economic MPC scheme for thermal power plant | |
JP6260214B2 (ja) | 情報処理方法、装置及びプログラム | |
JP6136494B2 (ja) | 情報処理方法、装置及びプログラム | |
Lee et al. | Modelling and H∞ control of diesel engine boost pressure using a linear parameter varying technique | |
Izci et al. | Feedforward-Compensated PI Controller Design for Air–Fuel Ratio System Control Using Enhanced Weighted Mean of Vectors Algorithm | |
CN106033189A (zh) | 飞行机器人位姿神经网络预测控制器 | |
Kushwaha et al. | Air path identification of turbocharged diesel engine using RNN | |
Du et al. | A method of multiple model adaptive control of affine systems and its application to aero-engines | |
Bachtiar et al. | Analytical results for the multi-objective design of model-predictive control | |
Li et al. | An improved design of aggregation-based model predictive control | |
Šantin et al. | Combined gradient and Newton projection quadratic programming solver for MPC | |
Asprion et al. | Efficient solution of the diesel-engine optimal control problem by time-domain decomposition | |
JP5903925B2 (ja) | 情報処理方法、装置及びプログラム | |
Zhou et al. | A softly switched multiple model predictive control of a turbocharged diesel engine | |
CN111356959B (zh) | 用于计算机辅助地控制技术系统的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160705 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170406 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170418 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170516 |
|
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: 20171114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171127 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6260214 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |