JP7287835B2 - モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 - Google Patents
モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 Download PDFInfo
- Publication number
- JP7287835B2 JP7287835B2 JP2019100719A JP2019100719A JP7287835B2 JP 7287835 B2 JP7287835 B2 JP 7287835B2 JP 2019100719 A JP2019100719 A JP 2019100719A JP 2019100719 A JP2019100719 A JP 2019100719A JP 7287835 B2 JP7287835 B2 JP 7287835B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- control
- value
- model parameters
- current
- 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
プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
を備えるモデル予測制御システムであって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施する。
プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
を備える情報処理装置であって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施する。
プロセスモデルを記憶する記憶手段と、前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、を備え、前記プロセス制御手段が時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施するモデル予測制御システムを構成するために、
前記記憶手段、前記プロセス制御手段、前記蓄積手段、及び前記設定手段のうち少なくとも1つを備える。
情報処理装置を、
プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
として機能させるプログラムであって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施する。
通信可能に接続された複数の情報処理装置を含んで構成され、プロセスモデルを記憶する記憶手段と、前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、を備え、前記プロセス制御手段が時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施するモデル予測制御システムにおける、前記複数の情報処理装置のうち1つの情報処理装置を、
前記記憶手段、前記プロセス制御手段、前記蓄積手段、及び前記設定手段のうち少なくとも1つとして機能させる。
情報処理装置が実行するプロセスのモデル予測制御方法であって、
プロセスモデルを記憶するステップと、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施する制御ステップと、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積するステップと、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定するステップと、
を含み、
前記制御ステップにおいて、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施する。
図1を参照して、本発明の一実施形態に係るモデル予測制御システム1について説明する。モデル予測制御システム1は、例えば水処理プラント等、任意のプラントにおけるプロセスを制御するために用いられるシステムである。モデル予測制御システム1は、情報処理装置10と、1つ以上のプラント設備20と、を備える。図1において、情報処理装置10については1つのみを、プラント設備20については3つをそれぞれ図示しているが、モデル予測制御システム1は任意の数の情報処理装置10及びプラント設備20を備えてもよい。
図2を参照して、情報処理装置10のハードウェア構成について説明する。情報処理装置10は、通信部11と、記憶部12と、制御部13と、を備える。
図2を参照して、情報処理装置10のソフトウェア構成について説明する。情報処理装置10の動作の制御に用いられる1つ以上のプログラムが記憶部12に記憶される。当該1つ以上のプログラムは、制御部13によって読み込まれると、制御部13を記憶手段131、プロセス制御手段132、蓄積手段133、設定手段134、判定手段135、及び決定手段136として機能させる。
図5を参照して、情報処理装置10の動作について説明する。当該動作は、時間経過に従ってモデルパラメータを目標値に漸近させながらモデル予測制御を実施する動作である。
P(t)=Gi-1+(Gi-Gi-1)・(1-exp(-α・t)) (1)
なお、αはi回目の更新周期における目標値Giへの近付き方を決める係数であって、任意に決定可能である。
図6及び図7を参照して、情報処理装置10が上述の動作を実行した場合におけるモデルパラメータの時間変化について、具体的に説明する。図6及び図7は、横軸が時間を示し、縦軸がモデルパラメータを示すグラフである。
10 情報処理装置
11 通信部
12 記憶部
13 制御部
131 記憶手段
132 プロセス制御手段
133 蓄積手段
134 設定手段
135 判定手段
136 決定手段
20 プラント設備
30 表示装置
40 入力装置
N ネットワーク
Claims (8)
- プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
を備えるモデル予測制御システムであって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、
前記設定手段により周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定手段と、
前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定手段と、
を更に備え、
前記プロセス制御手段は、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、モデル予測制御システム。 - 請求項1に記載のモデル予測制御システムであって、
前記判定手段は、前記モデルパラメータの現在及び過去の目標値の分散が所定閾値未満である場合、前記過剰適合が発生している可能性が有ると判定する、モデル予測制御システム。 - 請求項1又は2に記載のモデル予測制御システムであって、
前記決定手段は、前記モデルパラメータの現在及び過去の目標値に基づいて前記スタート値を決定する、モデル予測制御システム。 - プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
を備える情報処理装置であって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、
前記設定手段により周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定手段と、
前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定手段と、
を更に備え、
前記プロセス制御手段は、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、情報処理装置。 - プロセスモデルを記憶する記憶手段と、前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、前記設定手段により周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定手段と、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定手段と、を備え、前記プロセス制御手段が時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、前記プロセス制御手段は、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、モデル予測制御システムを構成するために、
前記記憶手段、前記プロセス制御手段、前記蓄積手段、前記設定手段、前記判定手段、及び前記決定手段のうち少なくとも1つを備える、情報処理装置。 - 情報処理装置を、
プロセスモデルを記憶する記憶手段と、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、
として機能させるプログラムであって、
前記プロセス制御手段は、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、
前記設定手段により周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定手段と、
前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定手段と、
として更に機能させ、
前記プロセス制御手段は、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、プログラム。 - 通信可能に接続された複数の情報処理装置を含んで構成され、プロセスモデルを記憶する記憶手段と、前記プロセスモデルを用いてプロセスのモデル予測制御を実施するプロセス制御手段と、前記プロセスの制御出力及び制御入力を時系列データとして蓄積する蓄積手段と、蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定する設定手段と、前記設定手段により周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定手段と、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定手段と、を備え、前記プロセス制御手段が時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、前記プロセス制御手段は、前記判定手段により前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、モデル予測制御システムにおける、前記複数の情報処理装置のうち1つの情報処理装置を、
前記記憶手段、前記プロセス制御手段、前記蓄積手段、前記設定手段、前記判定手段、及び前記決定手段のうち少なくとも1つとして機能させる、プログラム。 - 情報処理装置が実行するプロセスのモデル予測制御方法であって、
プロセスモデルを記憶するステップと、
前記プロセスモデルを用いてプロセスのモデル予測制御を実施する制御ステップと、
前記プロセスの制御出力及び制御入力を時系列データとして蓄積するステップと、
蓄積された前記時系列データを学習データとして用いる機械学習により前記プロセスモデルのモデルパラメータの目標値を設定するステップと、
を含み、
前記制御ステップにおいて、時間経過に従って前記モデルパラメータを前記目標値に漸近させながら前記モデル予測制御を実施し、
前記設定するステップにより周期的に設定された前記モデルパラメータの目標値の変化に基づいて、前記機械学習において過剰適合が発生している可能性の有無を判定する判定ステップと、
前記判定ステップにより前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値から現在の目標値までの数値範囲に含まれない値をスタート値として決定する決定ステップと、
を更に備え、
前記制御ステップでは、前記判定ステップにより前記過剰適合が発生している可能性が有ると判定された場合、前記モデルパラメータの現在値を前記スタート値で上書きしてから、時間経過に従って前記モデルパラメータを前記現在の目標値に漸近させる、モデル予測制御方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019100719A JP7287835B2 (ja) | 2019-05-29 | 2019-05-29 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019100719A JP7287835B2 (ja) | 2019-05-29 | 2019-05-29 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020194453A JP2020194453A (ja) | 2020-12-03 |
JP7287835B2 true JP7287835B2 (ja) | 2023-06-06 |
Family
ID=73547955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019100719A Active JP7287835B2 (ja) | 2019-05-29 | 2019-05-29 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7287835B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7353804B2 (ja) * | 2019-06-04 | 2023-10-02 | メタウォーター株式会社 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
CN113515852B (zh) * | 2021-06-07 | 2023-06-16 | 河北工业大学 | 可持续学习风机出力预测方法、系统、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011198327A (ja) | 2010-03-24 | 2011-10-06 | Jfe Steel Corp | オンラインモデル同定を用いたモデル予測制御方法および装置 |
WO2015037165A1 (ja) | 2013-09-12 | 2015-03-19 | 日本電気株式会社 | 情報処理装置、予測制御方法及び記録媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3205929B2 (ja) * | 1998-01-30 | 2001-09-04 | 株式会社山武 | Imcコントローラ |
JP6763831B2 (ja) * | 2017-07-03 | 2020-09-30 | 横河電機株式会社 | 制御システム及び制御方法 |
-
2019
- 2019-05-29 JP JP2019100719A patent/JP7287835B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011198327A (ja) | 2010-03-24 | 2011-10-06 | Jfe Steel Corp | オンラインモデル同定を用いたモデル予測制御方法および装置 |
WO2015037165A1 (ja) | 2013-09-12 | 2015-03-19 | 日本電気株式会社 | 情報処理装置、予測制御方法及び記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2020194453A (ja) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962960B2 (en) | Chip removal apparatus and information processing apparatus | |
JP7287835B2 (ja) | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 | |
JP6359182B2 (ja) | 機械の動作を制御するための方法およびシステム | |
JP6438366B2 (ja) | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた制御装置および電動機装置 | |
WO2019234810A1 (ja) | 学習装置、推論装置、方法、及びプログラム | |
KR102660544B1 (ko) | 제어 장치, 컨트롤러, 제어 시스템, 제어 방법, 및 제어 프로그램 | |
JP2010140302A (ja) | フィールド機器 | |
CN113111589A (zh) | 预测模型的训练方法、预测供热温度的方法、装置和设备 | |
CN109421072B (zh) | 控制装置 | |
CN116339239B (zh) | 数控机床协同控制方法、装置、设备以及计算机存储介质 | |
CN113873074A (zh) | 一种控制方法、电子设备及计算机存储介质 | |
JPWO2016151620A1 (ja) | シミュレートシステム、シミュレート方法およびシミュレート用プログラム | |
CN114356895B (zh) | 基于异常工况数据库管理的方法、装置、设备及存储介质 | |
JP2005004658A (ja) | 変化点検出装置,変化点検出方法および変化点検出用プログラム | |
JP7353804B2 (ja) | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 | |
US20220067124A1 (en) | Information processing device, information processing method, and computer program product | |
JP6468400B1 (ja) | 情報処理装置、情報処理方法、及び、情報処理プログラム | |
US20230419109A1 (en) | Method of learning neural network, recording medium, and remaining life prediction system | |
JP2020197944A (ja) | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 | |
JPH11296204A (ja) | 多変数プロセス制御システム | |
EP4050431A1 (en) | Control device, method, program, and system | |
JP7085140B2 (ja) | 制御装置、制御方法及び制御プログラム | |
Tan et al. | Q-learning with heterogeneous update strategy | |
CN115086190B (zh) | 数据处理方法及装置、计算机可存储介质 | |
CN117973635B (zh) | 决策预测方法、电子设备以及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221130 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20221215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230413 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7287835 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |