JP6492772B2 - 情報処理装置、モデル生成プログラムおよびモデル生成方法 - Google Patents

情報処理装置、モデル生成プログラムおよびモデル生成方法 Download PDF

Info

Publication number
JP6492772B2
JP6492772B2 JP2015039578A JP2015039578A JP6492772B2 JP 6492772 B2 JP6492772 B2 JP 6492772B2 JP 2015039578 A JP2015039578 A JP 2015039578A JP 2015039578 A JP2015039578 A JP 2015039578A JP 6492772 B2 JP6492772 B2 JP 6492772B2
Authority
JP
Japan
Prior art keywords
measurement data
measurement
order
state
steady state
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
Application number
JP2015039578A
Other languages
English (en)
Other versions
JP2016162139A (ja
Inventor
裕平 梅田
裕平 梅田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015039578A priority Critical patent/JP6492772B2/ja
Priority to US15/006,874 priority patent/US10180999B2/en
Publication of JP2016162139A publication Critical patent/JP2016162139A/ja
Application granted granted Critical
Publication of JP6492772B2 publication Critical patent/JP6492772B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2438—Active learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)

Description

本発明は、情報処理装置、モデル生成プログラムおよびモデル生成方法に関する。
従来から、制御対象のモデルを用いて制御対象をどのように制御するかを設計する制御設計が行われる。この制御設計では、制御対象を制御するパラメータに設定する測定条件を変え、制御対象の状態が定常状態となるまで待ってから制御対象の状態を測定する。そして、制御設計では、測定した測定データを基に、制御対象のモデルを生成する。
下城孝名子ら、"準定常計測を用いたガソリンエンジンのすすモデリング"、第１回計測自動制御学会制御部門マルチシンポジウム、２０１４年
しかしながら、従来の技術は、測定条件ごとに制御対象の状態が定常状態となるまで待ってから測定を行うため、定常状態の測定データの収集に時間がかかる。精度のよいモデルを生成するには、測定データが多い方が好ましい。しかし、多くの測定条件で定常状態の測定データを得ようとした場合、測定データの収集にかかる時間が長くなる。
一つの側面では、短い時間で定常状態の測定データを収集できる情報処理装置、モデル生成プログラムおよびモデル生成方法を提供することを目的とする。
第１の案では、情報処理装置は、取得部と、推定部とを有する。取得部は、制御対象の動作に関するパラメータの複数の値を第１の順序で前記制御対象に適用した場合に値ごとに出力される制御対象の動作状態を示す第１の測定データを取得する。また、取得部は、複数の値を第１の順序とは異なる第２の順序で制御対象に適用した場合に値ごとに出力される制御対象の動作状態を示す第２の測定データを取得する。推定部は、値ごとに、第１の測定データと第２の測定データとに基づき、制御対象の動作状態が定常状態である場合の測定データを推定する。
本発明の一の実施態様によれば、短い時間で定常状態の測定データを収集できるという効果を奏する。
図１は、システム構成の一例を説明する説明図である。 図２は、情報処理装置の機能的な構成の一例を示す図である。 図３は、モデルを生成する流れを模式的に示した図である。 図４は、測定経路の生成の一例を模式的に示した図である。 図５は、モデル生成処理の手順の一例を示すフローチャートである。 図６は、モデル生成プログラムを実行するコンピュータの構成の一例を示す説明図である。
以下に、本願の開示する情報処理装置、モデル生成プログラムおよびモデル生成方法の実施例を図面に基づいて詳細に説明する。なお、本実施例により、開示技術が限定されるものではない。また、以下に示す実施例は、矛盾を起こさない範囲で適宜組み合わせても良い。
［システム構成］
制御設計では、制御対象のモデルを用いて制御対象をどのように制御するかを設計する。システム１は、制御対象のモデルを生成するシステムである。本実施例では、制御対象をエンジンとし、エンジンの制御設計を行う場合を例に説明する。エンジンの制御設計では、エンジンの制御に使用する数値を決定するため、エンジンの操作によってエンジンの状態がどのように変化するかを測定し、測定された測定データに基づき、エンジンをモデル化する。例えば、エンジンの制御設計では、バルブ開度や燃料噴射量の変化により排気ガスや燃費がどのように変化するかを測定してモデルを生成する。そして、エンジンの制御設計では、生成されたモデルを用いてエンジンをどのように制御するかを設計する。例えば、エンジンの制御設計では、生成されたモデルから、求められる出力を得つつ、排気ガスや燃費を抑えるにはどのようなバルブ開度や燃料噴射量がよいかを設計する。
図１は、システム構成の一例を説明する説明図である。図１に示すように、システム１は、情報処理装置１０と、エンジン１１とを有する。
エンジン１１は、制御設計の制御対象とされた対象物である。
情報処理装置１０は、制御対象とされたエンジン１１のモデルを生成する装置である。情報処理装置１０は、例えば、パーソナルコンピュータやサーバコンピュータなどのコンピュータである。情報処理装置１０は、１台のコンピュータとして実装してもよく、また、複数台のコンピュータにより実装しても良い。なお、本実施例では、情報処理装置１０を１台のコンピュータとした場合を例に説明する。
情報処理装置１０は、エンジン１１を各種の測定条件で動作させる。例えば、情報処理装置１０は、エンジン１１を制御するパラメータに設定する測定条件を変え、エンジン１１へ動作指示を出力する。このパラメータは、制御設計においてモデルへの入力情報となる。エンジン１１を制御するパラメータとしては、例えば、バルブ開度や燃料噴射量が挙げられる。なお、パラメータは、これに限定されるものではない。
また、情報処理装置１０は、各種の測定条件でのエンジン１１の状態を示す測定データを取得する。例えば、情報処理装置１０は、各種の測定条件でエンジン１１が定常状態に収束する前の測定データを取得する。例えば、情報処理装置１０は、パラメータが測定条件に変更されてから定常状態に収束する前の所定期間の間のエンジン１１の状態を示す測定データを取得する。測定データとしては、例えば、排気ガスに含まれるＮＯx（窒素酸化物）、ＰＭ（粒子状物質）、ＣＯ2（二酸化炭素）の各濃度や、燃費のデータを取得する。
［情報処理装置の構成］
次に、本実施例に係る情報処理装置１０について説明する。図２は、情報処理装置の機能的な構成の一例を示す図である。図２に示すように、情報処理装置１０は、外部Ｉ／Ｆ（インタフェース）部２０と、入力部２１と、表示部２２と、記憶部２３と、制御部２４とを有する。なお、情報処理装置１０は、上記の機器以外の他の機器を有してもよい。
外部Ｉ／Ｆ部２０は、他の装置との間で情報の入出力を行うインタフェースである。外部Ｉ／Ｆ部２０としては、ＵＳＢ（Universal Serial Bus）などの各種の入出力ポート、ＬＡＮカードなどのネットワークインタフェースカードを採用できる。
外部Ｉ／Ｆ部２０は、不図示の通信ケーブルを介して他の装置と各種情報を送受信する。例えば、外部Ｉ／Ｆ部２０は、エンジン１１を制御する不図示の制御装置に対して、測定条件を指定した動作指示を出力する。制御装置は、指定された測定条件でエンジン１１を動作させる。制御装置は、エンジン１１の状態を所定の周期で測定する。例えば、制御装置は、エンジン１１の排気ガスに含まれるＮＯx、ＰＭ、ＣＯ2の各濃度や、燃費を１６ｍｓの周期で測定する。そして、制御装置は、所定の周期で、測定されたエンジン１１の状態を示すデータを測定時刻と対応付けて測定データとして出力する。すなわち、制御装置は、測定するごとに、測定データを時系列順に出力する。外部Ｉ／Ｆ部２０は、制御装置から出力された測定データを受信する。
入力部２１は、各種の情報を入力する入力デバイスである。入力部２１としては、マウスやキーボードなどの操作の入力を受け付ける入力デバイスが挙げられる。入力部２１は、制御設計に関する各種の情報の入力を受け付ける。例えば、入力部２１は、エンジン１１を制御するパラメータごとに、パラメータに設定可能な範囲の入力を受け付ける。入力部２１は、ユーザからの操作入力を受け付け、受け付けた操作内容を示す操作情報を制御部２４に入力する。
表示部２２は、各種情報を表示する表示デバイスである。表示部２２としては、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）などの表示デバイスが挙げられる。表示部２２は、各種情報を表示する。例えば、表示部２２は、操作画面など各種の画面を表示する。
記憶部２３は、各種のデータを記憶する記憶デバイスである。例えば、記憶部２３は、ハードディスク、ＳＳＤ（Solid State Drive）、光ディスクなどの記憶装置である。なお、記憶部２３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ＮＶＳＲＡＭ（Non Volatile Static Random Access Memory）などのデータを書き換え可能な半導体メモリであってもよい。
記憶部２３は、制御部２４で実行されるＯＳ（Operating System）や各種プログラムを記憶する。例えば、記憶部２３は、後述するモデル生成処理を実行するプログラムを含む各種のプログラムを記憶する。さらに、記憶部２３は、制御部２４で実行されるプログラムで用いられる各種データを記憶する。例えば、記憶部２３は、測定経路情報３０と、測定データ３１と、定常状態データ３２とを記憶する。
測定経路情報３０は、エンジン１１を制御するパラメータに設定する測定条件をどのように変更するかを記憶したデータである。例えば、測定経路情報３０には、パラメータについての複数の測定条件が変更する順番に沿って記憶される。
測定データ３１は、エンジン１１の測定データを記憶したデータである。測定データ３１には、測定条件ごとに、測定条件に対応付けて測定データが記憶される。
定常状態データ３２は、測定条件ごとに、エンジン１１の推定された定常状態の測定データを記憶したデータである。
制御部２４は、情報処理装置１０を制御するデバイスである。制御部２４としては、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等の電子回路や、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の集積回路を採用できる。制御部２４は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、これらによって種々の処理を実行する。制御部２４は、各種のプログラムが動作することにより各種の処理部として機能する。例えば、制御部２４は、受付部４０と、経路生成部４１と、出力部４２と、取得部４３と、推定部４４と、モデル生成部４５とを有する。
受付部４０は、各種の受け付けを行う。例えば、受付部４０は、制御設計に関する各種の操作指示を受け付ける。例えば、受付部４０は、制御設計に関する操作画面を表示部２２に表示させ、操作画面からモデルの生成開始を指示する操作指示の入力を受け付ける。また、受付部４０は、操作画面からエンジン１１を制御するパラメータごとに、パラメータに設定可能な範囲の入力を受け付ける。
経路生成部４１は、制御対象を制御するパラメータについての複数の測定条件を所定の順序に対応付けて生成する。例えば、経路生成部４１は、エンジン１１を制御するパラメータについての複数の測定条件を生成する。例えば、経路生成部４１は、実験計画法（Design of experiments）を用いて、それぞれ受付部４０で受け付けた範囲内でエンジン１１を制御する各パラメータに設定する値の組合せを定めた複数の測定条件を生成する。実験計画法としては、空間充填法、一様乱数法、ラテンハイパーキューブ法など何れの方式を用いてもよい。実験計画法では、それぞれのパラメータの範囲内で効率的に測定する値の組合せが測定条件として生成される。なお、経路生成部４１は、複数の測定条件を実験計画法以外の方法で生成してもよい。例えば、経路生成部４１は、それぞれのパラメータの範囲内で、ランダム、あるいは、一定間隔ごとの値の組合せを測定条件として生成してもよい。
経路生成部４１は、生成した複数の測定条件を所定の順序に結んだ経路を生成する。例えば、経路生成部４１は、複数の測定条件を順に一筆書きで結び、一筆書きで結んだ最後の測定条件から離れた測定条件を追加して測定経路を生成する。
経路生成部４１は、生成した測定経路を測定経路情報３０に記憶する。例えば、経路生成部４１は、変更する順番に対応付けて複数の測定条件を測定経路情報３０に記憶する。
出力部４２は、外部Ｉ／Ｆ部２０からエンジン１１を制御する不図示の制御装置に対して、測定条件を指定した動作指示を出力させる。例えば、出力部４２は、測定経路情報３０に記憶された順番の順序および順番の順序とは逆の順序に沿って、エンジン１１を測定条件で動作させる動作指示を出力する。すなわち、出力部４２は、測定経路の往路および復路に沿って、エンジン１１を測定条件で動作させる動作指示を出力する。エンジン１１は、パラメータが測定条件に変更され、測定条件で動作する。外部Ｉ／Ｆ部２０では、パラメータが測定条件に変更されたエンジン１１の状態を示す測定データが時系列に受信される。出力部４２は、測定経路の往路および復路に沿って動作指示を出力する。このため、各測定条件は、測定経路の往路および復路でそれぞれ測定データが測定される。
取得部４３は、外部Ｉ／Ｆ部２０で受信される、エンジン１１の状態を示す測定データを取得する。例えば、取得部４３は、測定条件ごとに、エンジン１１が定常状態に収束する前の測定データを取得する。例えば、取得部４３は、測定条件に変更されてから所定期間の間の測定データを取得する。ここで、エンジン１１は、測定条件が変更されても出力が定常状態となるまで時間がかかる。例えば、エンジン１１は、測定条件が変更されてから出力が定常状態となるまで数分から数十分程度かかる。取得部４３は、測定条件ごとに、エンジン１１が定常状態に収束するまでの時間より短い所定期間の測定データを取得する。この所定時間は、例えば、エンジン１１の場合、数秒から数十秒程度とする。所定時間は、エンジン１１が定常状態に収束するまでの時間の半分未満であればよい。
取得部４３は、取得した測定データを動作指示した測定条件に対応付けて順次に測定データ３１に記憶する。なお、本実施例では、取得部４３にて測定データに測定条件に対応付ける場合について説明したが、例えば、エンジン１１を制御する制御装置が測定データに測定条件を含めて送信してもよい。
推定部４４は、測定条件ごとに、所定の順序および逆の順序でそれぞれ取得された測定データから定常状態の測定データを推定する。例えば、推定部４４は、測定データ３１に記憶された測定条件に対応する測定データを読み出す。ここで、上述のように、エンジン１１は、測定条件が変更されても出力が定常状態となるまで時間がかかる。例えば、エンジン１１は、測定条件が変更されてから出力が定常状態となるまで数分から数十分程度かかる。このため、測定条件が変更されてから定常状態となるまでの測定データは、測定経路の往路と復路で異なる。しかし、測定経路の往路と復路でそれぞれ取得された測定データは、経時的に同じ定常状態の測定データに指数的に収束する。そこで、推定部４４は、測定条件ごとに、所定の順序および逆の順序でそれぞれ取得された測定データが経時的に同じ定常状態の測定データに指数的に収束する予測式を用いて、定常状態の測定データを推定する。推定部４４は、予測式を用いて、測定条件および測定データの種別ごとに定常状態の測定データを推定する。例えば、推定部４４は、それぞれの測定条件で、ＮＯx、ＰＭ、ＣＯ2の濃度や、燃費ごとに定常状態の測定データを推定する。
例えば、推定部４４は、以下の式（１）、（２）の予測式を用いて、定常状態の測定データを推定する。式（１）、（２）は、種別ｙについての定常状態の測定データを推定する式である。
ｙ1（ｔ1）＝ｙ（∞）＋｛ｙ（∞）＋ｙ1（０）｝×ｅｘｐ（−ｂ1×ｔ1） （１）
ｙ2（ｔ2）＝ｙ（∞）＋｛ｙ（∞）＋ｙ2（０）｝×ｅｘｐ（−ｂ2×ｔ2） （２）
ここで、ｙ（∞）は、パラメータｙの収束した定常状態の測定データである。ｂ1、ｂ2は、指数的な収束度合いを示す値である。ｙ（∞）、ｂ1、ｂ2は、変数である。ｙ1（０）は、例えば、測定経路の往路で測定条件を設定して最初に得られた種別ｙの測定データの値である。ｙ2（０）は、例えば、測定経路の復路で測定条件を設定して最初に得られた種別ｙの測定データの値である。ｔ1は、例えば、ｙ1（０）の測定データの測定時刻からの経過時間である。ｔ2は、例えば、ｙ2（０）の測定データの測定時刻からの経過時間である。
式（１）、（２）は、経過時間ｔ1、ｔ2が∞となると共にｙ（∞）に収束する。式（１）から、経過時間ｔ1後に種別ｙの値は、ｙ1（ｔ1）と予測される。式（２）から、経過時間ｔ2後に種別ｙの値は、ｙ2（ｔ2）と予測される。
推定部４４は、測定条件ごとに、式（１）、（２）から予測される測定データが実際に測定された測定データに近くなるｙ（∞）、ｂ1、ｂ2を求める。例えば、推定部４４は、予測される測定データと、実際に測定された測定データとの誤差を最小とする最適化問題を解いてｙ（∞）、ｂ1、ｂ2を求める。
例えば、誤差を２乗和(Ｌ２ノルム)とした場合、誤差は、以下の式（３）のように表せる。
Figure 0006492772
ここで、ｙ1（ｔ1）は、式（１）により予測される経過時間ｔ1での測定データの予測値である。ｙ~1（ｔ1）は、経過時間ｔ1で実際に測定された測定データの実測値である。ｙ2（ｔ2）は、式（２）により予測される経過時間ｔ2での測定データの予測値である。ｙ~2（ｔ2）は、経過時間ｔ2で実際に測定された測定データの実測値である。Ｎ1は、例えば、往路の測定経路の測定条件で実際に測定された測定データのデータ数である。Ｎ2は、例えば、復路の測定経路の測定条件で実際に測定された測定データのデータ数である。
推定部４４は、測定条件ごとに、測定データ３１から実際の測定データを読み出す。そして、推定部４４は、測定経路別に、読み出した測定データに含まれる測定時刻を用いて、最初の測定データが測定されてからの各測定データの経過時間を求める。例えば、推定部４４は、往路の測定経路の測定データについて経過時間ｔ1を求め、復路の測定経路の測定データについて経過時間ｔ2を求める。
そして、推定部４４は、式（３）のように実際に測定データが測定された経過時間ｔ1、ｔ2での測定データの予測値ｙ1（ｔ1）、ｙ2（ｔ2）と、測定データの実測値ｙ~1（ｔ1）、ｙ~2（ｔ2）との誤差を最小とするｙ（∞）、ｂ1、ｂ2を最適化問題を解いて算出する。例えば、推定部４４は、最急降下法、ＧＡ（genetic algorithm）などを用いて、ｙ（∞）、ｂ1、ｂ2を変化させ、式（３）が最小となるｙ（∞）、ｂ1、ｂ2を算出する。すなわち、推定部４４は、実際に測定された測定データとの誤差が小さくなるように式（１）、（２）をフィッティングする。これにより、定常状態の測定データｙ（∞）が推定される。
推定部４４は、測定条件ごとに、それぞれの測定データの種別について、定常状態の測定データを推定する。例えば、推定部４４は、測定条件ごとに、ＮＯx、ＰＭ、ＣＯ2の濃度や、燃費の定常状態の測定データを推定する。推定部４４は、測定条件に対応付けて、各種別の予測された定常状態の測定データを定常状態データ３２に記憶させる。
モデル生成部４５は、エンジン１１のモデルを生成する。例えば、モデル生成部４５は、測定データの種別ごとに、定常状態データ３２に記憶された測定条件と、測定条件に対応する定常状態の測定データを用いて機械学習を行ってモデルを生成する。例えば、モデル生成部４５は、ＮＯx、ＰＭ、ＣＯ2の濃度や、燃費ごとに、ＬＯＬＩＭＯＴ（Local Linear Model Tree）やガウス過程(Gaussian Process)を用いた回帰分析などにより周辺のデータの重みつき平均を出力する手法を用いてモデルを生成する。これにより、生成されたモデルから様々な測定条件でのＮＯx、ＰＭ、ＣＯ2の濃度や、燃費が予測できる。
ここで、具体的な例を用いて説明する。図３は、モデルを生成する流れを模式的に示した図である。情報処理装置１０では、受付部４０が、エンジン１１を制御するパラメータごとに、パラメータに設定可能な範囲の入力を受け付ける。
経路生成部４１は、実験計画法を用いて、エンジン１１を制御する各パラメータに設定する値の組合せをそれぞれ受付部４０で受け付けた範囲内で定めた複数の測定条件を生成する。例えば、経路生成部４１は、実験計画法を用いて、バルブ開度、燃料噴射量を定めた複数の測定条件を生成する。図４は、測定経路の生成の一例を模式的に示した図である。図４の例では、それぞれの点が測定条件を示している。
経路生成部４１は、複数の測定条件を順に一筆書きで結び、一筆書きで結んだ最後の測定条件から離れた測定条件を追加する。図４の例では、スタート点から終了点まで測定条件が順に結ばれており、終了点の後に、終了点と、終了点の前の点との間の測定条件の差を２倍にした追加点が追加されている。経路生成部４１は、スタートの点から追加点までの測定条件を順に一筆書きで結んで測定経路を生成する。経路生成部４１は、生成した測定経路の順番に対応付けて複数の測定条件を測定経路情報３０に記憶する。
出力部４２は、測定経路の往路に沿って、スタート点から追加点の各測定条件の動作指示を順に出力する。出力部４２は、追加点の測定条件の動作指示を出力した後、測定経路の復路に沿って、終了点からスタート点の各測定条件の動作指示を順に出力する。この動作指示を出力する間隔は、取得部４３においてエンジン１１が定常状態に収束する前の所定時間の測定データを取得できる間隔であればよい。例えば、出力部４２は、所定時間の間隔で各測定条件の動作指示を出力する。
取得部４３は、測定条件ごとに、エンジン１１が定常状態に収束する前の所定時間の測定データを取得する。取得部４３は、取得した測定データを動作指示した測定条件に対応付けて順次に測定データ３１に記憶する。
推定部４４は、上述の式（１）−（３）を用いて、測定データ３１に記憶された実際の測定データから、測定条件ごとに、それぞれの測定データの種別について、定常状態の測定データを推定する。推定部４４は、測定条件に対応付けて、各種別の予測された定常状態の測定データを定常状態データ３２に記憶させる。
モデル生成部４５は、測定データの種別ごとに、定常状態データ３２に記憶された測定条件と、測定条件に対応する定常状態の測定データを用いて機械学習を行ってモデルを生成する。これにより、生成されたモデルから測定データの種別ごとに各種の測定条件での測定データが予測できるようになる。
ここで、従来の制御設計では、制御対象を制御するパラメータに設定する測定条件を変え、制御対象の状態が定常状態となるまで待ってから制御対象の状態を測定する。例えば、制御対象をエンジン１１とした場合、従来の制御設計では、エンジン１１の状態が定常状態となるまで数分から数十分程度待ってからエンジン１１の状態を測定する。エンジン１１の状態が定常状態であるかの判別は、例えば、測定データが安定したかを測定者が目視で確認することにより行う。このため、従来の制御設計では、１つの測定条件での測定データを得るのに時間がかかる。制御対象についての精度のよいモデルを生成するには、測定データが多い方が好ましい。しかし、多くの測定条件で定常状態の測定データを得ようとした場合、測定データの収集にかかる時間が長くなる。例えば、エンジン１１は、高度化により設定するパラメータも増加している。このようなエンジン性能が向上するに従い、設定するパラメータ数が増加すると、精度のよいモデルを生成するには、より多くの測定条件での測定データが必要となる。しかし、従来の制御設計では、十分な数の測定データを得られず、精度のよいモデルを生成することが難しい。
一方、本実施例に係る情報処理装置１０は、エンジン１１の状態が定常状態となるまで待たなくてもよいため、測定条件ごとに測定データの取得にかかる時間を短縮できる。また、本実施例に係る情報処理装置１０は、測定条件ごとに、エンジン１１の状態が定常状態であるかを判別せずに、一定の時間で次の測定条件に移行できるため、各測定条件でのエンジン１１の状態の測定を自動化できる。これにより、本実施例に係る情報処理装置１０は、多くの測定条件での測定データを短時間で自動的に取得できるため、精度のよいモデルを生成できる。
［処理の流れ］
次に、本実施例に係る情報処理装置１０がモデルを生成するモデル生成処理の流れについて説明する。図５は、モデル生成処理の手順の一例を示すフローチャートである。このモデル生成処理は、所定のタイミング、例えば、操作画面からモデルの生成開始を指示する操作指示の入力を受け付けたタイミングで実行される。
図５に示すように、受付部４０は、操作画面からエンジン１１を制御するパラメータごとに、パラメータに設定可能な範囲の入力を受け付ける（Ｓ１０）。
経路生成部４１は、実験計画法を用いて、それぞれ受付部４０で受け付けた範囲内でエンジン１１を制御する各パラメータに設定する値の組合せを定めた複数の測定条件を生成する（Ｓ１１）。例えば、経路生成部４１は、実験計画法を用いて、バルブ開度、燃料噴射量を定めた複数の測定条件を生成する。
経路生成部４１は、複数の測定条件を順に一筆書きで結び、一筆書きで結んだ最後の測定条件から離れた測定条件を追加して測定経路を生成する（Ｓ１２）。経路生成部４１は、変更する順番に対応付けて複数の測定条件を測定経路情報３０に記憶する（Ｓ１３）。
出力部４２は、測定経路情報３０に記憶された順番の順序に沿って、エンジン１１を測定条件で動作させる動作指示を出力する（Ｓ１４）。取得部４３は、測定条件に変更されてから所定期間の間の測定データを取得する（Ｓ１５）。取得部４３は、取得した測定データを測定条件に対応付けて順次に測定データ３１に記憶する（Ｓ１６）。
出力部４２は、追加点の測定条件を出力したかを判定する（Ｓ１７）。追加点の測定条件が未出力の場合（Ｓ１７否定）、上述のＳ１４へ移行し、測定経路情報３０に記憶された順番の順序に沿って、測定条件の動作指示を出力する。
一方、追加点の測定条件が出力済みの場合（Ｓ１７肯定）、出力部４２は、測定経路情報３０に記憶された順番の順序とは逆の順序に沿って、エンジン１１を測定条件で動作させる動作指示を出力する（Ｓ１８）。取得部４３は、測定条件に変更されてから所定期間の間の測定データを取得する（Ｓ１９）。取得部４３は、取得した測定データを測定条件に対応付けて順次に測定データ３１に記憶する（Ｓ２０）。
出力部４２は、スタート点の測定条件を出力したかを判定する（Ｓ２１）。スタート点の測定条件が未出力の場合（Ｓ２１否定）、上述のＳ１８へ移行し、測定経路情報３０に記憶された順番の順序とは逆の順序に沿って、測定条件の動作指示を出力する。
一方、スタート点の測定条件が出力済みの場合（Ｓ２１肯定）、推定部４４は、測定データ３１に記憶された実際の測定データから、測定条件ごとに、それぞれの測定データの種別について、定常状態の測定データを推定する（Ｓ２２）。推定部４４は、測定条件に対応付けて、各種別の予測された定常状態の測定データを定常状態データ３２に記憶させる（Ｓ２３）。
モデル生成部４５は、測定データの種別ごとに、定常状態データ３２に記憶された測定条件と、測定条件に対応する定常状態の測定データを用いて機械学習を行ってモデルを生成し（Ｓ２４）、処理を終了する。
［効果］
上述してきたように、本実施例に係る情報処理装置１０は、制御対象を制御するパラメータについての複数の測定条件を所定の順序に対応付けて生成する。情報処理装置１０は、所定の順序および所定の順序とは逆の順序に沿って、生成された測定条件ごとに、動作指示を出力する。情報処理装置１０は、出力された動作指示によりパラメータが測定条件に変更された制御対象の状態を示す測定データを取得する。情報処理装置１０は、測定条件ごとに、所定の順序および逆の順序でそれぞれ取得された測定データから定常状態の測定データを推定する。これにより、情報処理装置１０は、短い時間で定常状態の測定データを収集できる。このように、情報処理装置１０は、短い時間で定常状態の測定データを収集できることにより、測定データ数を増やすことが可能になり、モデルを高精度化できる。また、情報処理装置１０は、制御対象の状態が安定したかを確認する必要がないため、測定の自動化が可能になる。
また、本実施例に係る情報処理装置１０は、測定条件ごとに、所定の順序および逆の順序でそれぞれ取得された測定データが経時的に同じ定常状態の測定データに指数的に収束する予測式を用いて、定常状態の測定データを推定する。これにより、情報処理装置１０は、定常状態の測定データを精度よく推定できる。
また、本実施例に係る情報処理装置１０は、予測式から予測される測定データと、取得された測定データとの誤差を最小とする最適化問題を解くことで、定常状態の測定データを推定する。これにより、情報処理装置１０は、定常状態の測定データを精度よく推定できる。
また、本実施例に係る情報処理装置１０は、定常状態に収束する前の測定データを取得する。これにより、情報処理装置１０は、測定条件ごとに、短い時間で測定データを収集できる。
また、本実施例に係る情報処理装置１０は、所定の順序で最後の測定条件から離れた測定条件を追加し、追加した測定条件を所定の順序および逆の順序の折り返し点とする。これにより、情報処理装置１０は、同じ測定経路の往路と復路で、測定条件ごとに、異なる測定条件から収束する測定データを取得できる。
さて、これまで開示の装置に関する実施例について説明したが、開示の技術は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。
例えば、上記実施例では、制御対象をエンジン１１とした場合を例示した。しかしながら、これらに限定されるものではない。例えば、制御対象は、測定条件を変更してから制御対象の状態が定常状態に安定するまで時間がかかるものであれば何れでもよい。例えば、制御対象は、アクチュエータや、各種の生産を行うプラント、大型機械などであってもよい。
また、上記実施例では、誤差を上述の式（３）に示すように２乗和(Ｌ２ノルム)とした場合を例示した。しかしながら、これらに限定されるものではない。例えば、誤差を以下の式（４）に示すようにＬ１ノルムとしてもよい。
Figure 0006492772
また、上記実施例では、測定データの種別ごとのモデルを生成する場合を例示した。しかしながら、これらに限定されるものではない。例えば、定常状態データ３２に記憶された測定条件と、測定条件に対応する定常状態の測定データを用いて、機械学習を行って複数の種別の測定データを予測するモデルを生成してもよい。例えば、モデル生成部４５は、全ての種別の測定データを予測する１つのモデルを生成してもよい。
また、上記実施例では、複数の測定条件を所定の順序に結んだ１つの経路の往路と復路を測定経路とする場合を例示した。しかしながら、これらに限定されるものではない。例えば、経路生成部４１は、１つの経路の往路と復路以外を測定経路としてもよい。測定経路ごとに、各測定条件の直前となる測定条件が異なれば、別な手法で測定経路を定めてもよい。すなわち、各測定条件に到達する前の測定条件が異なるように測定経路を定められれば、何れの手法を用いてもよい。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的状態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、受付部４０、経路生成部４１、出力部４２、取得部４３、推定部４４およびモデル生成部４５の各処理部が適宜統合されても良い。さらに、各処理部にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
［モデル生成プログラム］
また、上記の実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータシステムで実行することによって実現することもできる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータシステムの一例を説明する。最初に、ドライバに対する注意喚起の制御を行うモデル生成プログラムについて説明する。図６は、モデル生成プログラムを実行するコンピュータの構成の一例を示す説明図である。
図６に示すように、コンピュータ４００は、ＣＰＵ（Central Processing Unit）４１０、ＨＤＤ（Hard Disk Drive）４２０、ＲＡＭ（Random Access Memory）４４０を有する。これら４００〜４４０の各部は、バス５００を介して接続される。
ＨＤＤ４２０には上記の受付部４０、経路生成部４１、出力部４２、取得部４３、推定部４４およびモデル生成部４５と同様の機能を発揮するモデル生成プログラム４２０ａが予め記憶される。なお、モデル生成プログラム４２０ａについては、適宜分離しても良い。
また、ＨＤＤ４２０は、各種情報を記憶する。例えば、ＨＤＤ４２０は、ＯＳや発注量の決定に用いる各種データを記憶する。
そして、ＣＰＵ４１０が、モデル生成プログラム４２０ａをＨＤＤ４２０から読み出して実行することで、実施例の各処理部と同様の動作を実行する。すなわち、モデル生成プログラム４２０ａは、受付部４０、経路生成部４１、出力部４２、取得部４３、推定部４４およびモデル生成部４５と同様の動作を実行する。
なお、上記したモデル生成プログラム４２０ａについては、必ずしも最初からＨＤＤ４２０に記憶させることを要しない。
また、例えば、モデル生成プログラム４２０ａは、コンピュータ４００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に記憶させても良い。そして、コンピュータ４００がこれらからプログラムを読み出して実行するようにしても良い。
さらには、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ４００に接続される「他のコンピュータ（またはサーバ）」などにプログラムを記憶させておく。そして、コンピュータ４００がこれらからプログラムを読み出して実行するようにしても良い。
１ システム
１０ 情報処理装置
１１ エンジン
２０ 外部Ｉ／Ｆ部
２１ 入力部
２２ 表示部
２３ 記憶部
２４ 制御部
３０ 測定経路情報
３１ 測定データ
３２ 定常状態データ
４０ 受付部
４１ 経路生成部
４２ 出力部
４３ 取得部
４４ 推定部
４５ モデル生成部

Claims (6)

  1. 制御対象の動作に関するパラメータの複数の値を第１の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第１の測定データと、前記複数の値を前記第１の順序とは異なる第２の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第２の測定データと、を取得する取得部と、
    前記値ごとに、前記第１の測定データと前記第２の測定データとに基づき、前記制御対象の動作状態が定常状態である場合の測定データを推定する推定部と、
    を有することを特徴とする情報処理装置。
  2. 前記推定部は、前記値ごとに、前記第１の順序で取得された前記第１の測定データおよび前記第２の順序で取得された前記第２の測定データが経時的に同じ定常状態の測定データに指数的に収束する予測式を用いて、前記制御対象の動作状態が定常状態である場合の測定データを推定する
    ことを特徴とする請求項１に記載の情報処理装置。
  3. 前記推定部は、前記予測式から予測される測定データと前記第１の測定データおよび前記第２の測定データとの誤差を最小とする最適化問題を解くことで、前記制御対象の動作状態が定常状態である場合の測定データを推定する
    ことを特徴とする請求項２に記載の情報処理装置。
  4. 前記制御対象の動作に関するパラメータの値を定めた複数の測定条件を所定の順序に対応付けて生成すると共に、前記所定の順序で最後の測定条件から離れた追加の測定条件を生成する生成部と、
    前記追加の測定条件を折り返し点として、前記所定の順序および前記所定の順序とは逆の順序に沿って前記生成部により生成された測定条件ごとに、動作指示を出力する出力部と、をさらに有し、
    前記取得部は、前記所定の順序に前記測定条件ごとに出力される前記第１の測定データと、前記逆の順序に前記測定条件ごとに出力される前記第２の測定データを取得する
    ことを特徴とする請求項１〜３の何れか１つに記載の情報処理装置。
  5. コンピュータに、
    制御対象の動作に関するパラメータの複数の値を第１の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第１の測定データと、前記複数の値を前記第１の順序とは異なる第２の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第２の測定データと、を取得し、
    前記値ごとに、前記第１の測定データと前記第２の測定データとに基づき、前記制御対象の動作状態が定常状態である場合の測定データを推定する
    処理を実行させることを特徴とするモデル生成プログラム。
  6. コンピュータが、
    制御対象の動作に関するパラメータの複数の値を第１の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第１の測定データと、前記複数の値を前記第１の順序とは異なる第２の順序で前記制御対象に適用した場合に前記値ごとに出力される前記制御対象の動作状態が定常状態に収束する前の前記制御対象の動作状態を示す第２の測定データと、を取得し、
    前記値ごとに、前記第１の測定データと前記第２の測定データとに基づき、前記制御対象の動作状態が定常状態である場合の測定データを推定する
    処理を実行することを特徴とするモデル生成方法。
JP2015039578A 2015-02-27 2015-02-27 情報処理装置、モデル生成プログラムおよびモデル生成方法 Active JP6492772B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015039578A JP6492772B2 (ja) 2015-02-27 2015-02-27 情報処理装置、モデル生成プログラムおよびモデル生成方法
US15/006,874 US10180999B2 (en) 2015-02-27 2016-01-26 Model generating device and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015039578A JP6492772B2 (ja) 2015-02-27 2015-02-27 情報処理装置、モデル生成プログラムおよびモデル生成方法

Publications (2)

Publication Number Publication Date
JP2016162139A JP2016162139A (ja) 2016-09-05
JP6492772B2 true JP6492772B2 (ja) 2019-04-03

Family

ID=56798962

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015039578A Active JP6492772B2 (ja) 2015-02-27 2015-02-27 情報処理装置、モデル生成プログラムおよびモデル生成方法

Country Status (2)

Country Link
US (1) US10180999B2 (ja)
JP (1) JP6492772B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6897079B2 (ja) * 2016-12-08 2021-06-30 株式会社Ihi 熱処理装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09189568A (ja) * 1996-01-10 1997-07-22 Hitachi Ltd 収束値予測方法および装置
JP2003013794A (ja) * 2001-04-24 2003-01-15 Denso Corp 車両用制御パラメータの適合方法及び適合装置
JP4069361B2 (ja) * 2002-06-11 2008-04-02 三菱自動車工業株式会社 内燃機関の点火時期制御装置
AT10073U9 (de) * 2008-01-14 2009-02-15 Avl List Gmbh Verfahren und vorrichtung zur analyse und bewertung von messdaten eines messsystems
JP6004315B2 (ja) * 2012-03-05 2016-10-05 株式会社ニイガタマシンテクノ 圧力制御装置及び圧力制御方法

Also Published As

Publication number Publication date
US10180999B2 (en) 2019-01-15
US20160253442A1 (en) 2016-09-01
JP2016162139A (ja) 2016-09-05

Similar Documents

Publication Publication Date Title
JP7413580B2 (ja) ニューラルネットワークを使用した集積回路フロアプランの生成
JP6636071B2 (ja) コンピュータ実装方法、コンピュータシステム及びコンピュータ装置
US9727671B2 (en) Method, system, and program storage device for automating prognostics for physical assets
US10366330B2 (en) Formal verification result prediction
US8402411B1 (en) Reporting of aspects and partitioning of automatically generated code according to a partitioning scheme
JP6667674B2 (ja) 疑似カウントを使用する強化学習
US20150025872A1 (en) System, method, and apparatus for modeling project reliability
US20110061041A1 (en) Reliability and availability modeling of a software application
Kosztyán et al. Hybrid time-quality-cost trade-off problems
Jansen et al. The COMICS Tool–Co mputing Mi nimal C ounterexample s for DTMCs
Ghezzi et al. Verifying non-functional properties of software product lines: Towards an efficient approach using parametric model checking
Kaya et al. E-Cosmic: A business process model based functional size estimation approach
JP2017146888A (ja) 設計支援装置及び方法及びプログラム
Lorig et al. Hypothesis-Driven Simulation Studies
JP6484449B2 (ja) 予測装置、予測方法および予測プログラム
JP6492772B2 (ja) 情報処理装置、モデル生成プログラムおよびモデル生成方法
CN110399284A (zh) 一种测试用例编写与执行方法及装置
Djanatliev et al. Veritas-a versatile modeling environment for test-driven agile simulation
JP6693182B2 (ja) データ取得指示生成プログラム、データ取得指示生成方法およびデータ取得指示生成装置
US10429811B2 (en) Systems and methods for testing convergence of closed-loop control systems
US10360321B2 (en) Model generation method and information processing apparatus
JP6642431B2 (ja) 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体
de Lemos et al. Identifying and handling uncertainties in the feedback control loop
JP7211429B2 (ja) 情報処理装置、制御方法、及びプログラム
JP6528461B2 (ja) 情報処理装置、測定データ取得プログラム、測定データ取得方法およびモデル生成方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171215

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181025

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181106

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181221

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: 20190205

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190218

R150 Certificate of patent or registration of utility model

Ref document number: 6492772

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150