JP7353804B2 - 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

Description

本発明は、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に関する。

従来、プロセス制御の手法として、制御対象とするプロセスの数学モデル（以下、「プロセスモデル」ともいう。）を用いるモデル予測制御（ＭＰＣ；Model Predictive Control）が知られている。また、例えば水温や流量の変動等の要因によってプロセスの特性が変化するとモデル予測制御の精度が低下し得るという課題に対して、プロセスモデルを定期的に更新する手法が知られている。例えば、特許文献１には、オンラインモデル同定を用いたモデル予測制御方法であって、モデル予測制御演算実施にあたっては、用いるプロセス動的モデルを実操業データに基づいて毎回導出するモデル再同定を行う技術が開示されている。

特開２０１１－１９８３２７号公報

従来技術では、モデル再同定が周期的に実施される。しかしながら、周期的に、単なるモデル再同定を行ったとしても、モデル予測制御の精度が必ずしも向上しない場合がある。したがって、プロセスのモデル予測制御に関する技術には改善の余地があった。

かかる事情に鑑みてなされた本発明の目的は、プロセスのモデル予測制御に関する技術を改善することにある。

本発明の一実施形態に係るモデル予測制御システムは、
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の検出値を時系列データとして蓄積する蓄積手段と、
更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新する更新手段と、を備える。

本発明の一実施形態に係る情報処理装置は、
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の検出値を時系列データとして蓄積する蓄積手段と、
更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新する更新手段と、を備える。

本発明の一実施形態に係る情報処理装置は、
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の検出値を時系列データとして蓄積する蓄積手段と、更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新する更新手段と、を備え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、前記第１決定手段、前記第２決定手段、及び前記更新手段のうち少なくとも１つを備える。

本発明の一実施形態に係るプログラムは、
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の検出値を時系列データとして蓄積する蓄積手段と、
更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新する更新手段と、として機能させる。

本発明の一実施形態に係るプログラムは、
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の検出値を時系列データとして蓄積する蓄積手段と、更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新する更新手段と、を備え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、前記第１決定手段、前記第２決定手段、及び前記更新手段のうち少なくとも１つとして機能させる。

本発明の一実施形態に係るモデル予測制御方法は、
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ステップと、
前記プロセスの制御出力及び制御入力の検出値を時系列データとして蓄積するステップと、
更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、将来の更新周期における前記モデルパラメータの第１候補値を決定するステップと、
過去の更新周期における前記モデルパラメータの実績値に基づいて、前記将来の更新周期における前記モデルパラメータの第２候補値を決定するステップと、
前記将来の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新するステップと、を含む。

本発明の一実施形態によれば、プロセスのモデル予測制御に関する技術が改善する。

本発明の一実施形態に係るモデル予測制御システムの概略構成を示す図である。 モデル予測制御における更新周期を説明する図である。 情報処理装置の概略構成を示すブロック図である。 情報処理装置に蓄積される第１時系列データを示す図である。 情報処理装置に蓄積される第２時系列データを示す図である。 情報処理装置の第１動作を示すフローチャートである。 情報処理装置の第２動作を示すフローチャートである。

以下、本発明の実施形態について説明する。

（モデル予測制御システムの構成）
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を備えることができる。

プラント設備２０は、プラントにおけるプロセスの実施に用いられる任意の設備である。例えば水処理プラントにおける浄水プロセスの実施に用いられるプラント設備２０は、処理水（例えば、汚水）に対して空気を送風する送風機等の現場機器と、当該現場機器を制御するＰＬＣ（Programmable Logic Controller）等の制御装置と、処理水中の硝酸濃度及び／又はアンモニア濃度等のプロセスデータ、並びに処理水に対して送風する空気の送風量又は送風機の駆動電力等の操作量を検出するセンサ（検出手段）と、例えばインターネット又はＬＡＮ（Local Area Network）等のネットワークＮを介して情報処理装置１０と通信する通信装置と、を含む設備である。しかしながら、プラント設備２０の構成は当該例に限られず、例えばセンサの検出値を一時的に記憶する記憶装置等を更に含む構成も可能である。

情報処理装置１０は、例えばプラントの中央管理室に設置されるが、これに限られず任意の場所に設置可能である。情報処理装置１０は、ネットワークＮを介して、プラント内に設置されたプラント設備２０と通信可能である。

情報処理装置１０は、制御対象とする任意のプロセスのモデル予測制御を実施する装置である。具体的には、情報処理装置１０は、制御周期毎に、制御対象とするプロセスのプロセスモデルを用いて将来の制御出力を予測するとともに、実際の制御出力を目標値に近付けるように制御入力を決定する。例えば、水処理プラントにおける浄水プロセスを制御対象とする場合、処理水中の硝酸濃度及び／又はアンモニア濃度等のプロセスデータを制御出力とし、処理水に対して送風する空気の送風量又は送風機の駆動電力等の操作量を制御入力とすることができる。しかしながら、制御対象とするプロセス、並びに当該プロセスの制御出力及び制御入力は、当該例に限られず、任意に決定可能である。

また、情報処理装置１０は、モデル予測制御の実施中、更新周期毎にプロセスモデルのモデルパラメータを更新する処理（以下、「更新処理」ともいう。）を実行可能である。具体的には、情報処理装置１０は、モデル予測制御の実施中、プロセスの制御出力及び制御入力の検出値等を、制御周期毎の第１時系列データとして蓄積する。情報処理装置１０は、後述する学習期間において蓄積された第１時系列データ（以下、「学習データ」ともいう。）と、モデルパラメータの実績値と、に基づいて、プロセスモデルのモデルパラメータを更新する更新処理を実行可能である。

本実施形態では、更新処理は後述する処理期間において実行され得る。例えば図２は、ｍ回目及びｍ＋１回目の更新周期を示す図である。各更新周期は、学習期間と、学習期間に続く処理期間と、を含む。学習期間は、モデルパラメータの更新処理に用いる学習データを蓄積するための期間である。処理期間は、モデルパラメータの更新処理を実行するための期間である。図２におけるＴは更新周期の長さを示し、Ｔａは学習期間の長さを示し、Ｔｂは処理期間の長さを示す。なお、モデル予測制御の制御周期の長さは、更新周期、学習期間、及び処理期間それぞれの長さＴ、Ｔａ、及びＴｂと比較して十分短い。例えば、ｍ回目の更新周期の学習期間において蓄積された学習データと、当該更新周期におけるモデルパラメータの実績値と、に基づいて、ｍ回目の更新周期の処理期間においてモデルパラメータが更新される。そして、ｍ＋１回目の更新周期においては更新後のモデルパラメータを用いてモデル予測制御が実施される。

本実施形態において、情報処理装置１０は、将来の更新周期におけるモデルパラメータを第１候補値又は第２候補値に更新する。第１候補値は、現在の更新周期において蓄積された学習データと、現在の更新周期におけるモデルパラメータの実績値と、に基づいて決定される値である。第２候補値は、過去の更新周期におけるモデルパラメータの実績値に基づいて決定される値である。かかる構成によれば、将来の更新周期におけるモデルパラメータが、直近の新しいデータに基づく第１候補値、又は過去のデータに基づく第２候補値に更新される。このため、将来の更新期間におけるモデルパラメータが直近の新しいデータのみに依存して更新される構成と比較して、モデルパラメータの探索範囲が実際のプラントの状況から乖離することを防ぐことができ、プロセスのモデル予測制御に関する技術が改善する。

（情報処理装置のハードウェア構成）
図３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。

通信部１１は、無線又は有線を介して外部装置と通信する１つ以上の通信インタフェースである。本実施形態において、通信部１１は、ネットワークＮを介してプラント設備２０と通信する通信インタフェースを含む。また、通信部１１は、表示装置３０及び入力装置４０のそれぞれと通信する通信インタフェースを含む。ここで表示装置３０は、例えば液晶ディスプレイ又はＯＥＬ（Organic Electro-luminescence）ディスプレイ等の任意のディスプレイである。入力装置４０は、例えばキーボード又はマウス等の、ユーザによる操作を受け付ける任意の入力インタフェースである。

記憶部１２は、１つ以上のメモリである。本実施形態において「メモリ」は、例えば半導体メモリ、磁気メモリ、又は光メモリ等であるが、これらに限られず任意のメモリとすることができる。記憶部１２に含まれる各メモリは、例えば主記憶装置、補助記憶装置、又はキャッシュメモリとして機能する。記憶部１２は、例えば情報処理装置１０に内蔵されるが、任意のインタフェースを介して情報処理装置１０に外部から接続される構成も可能である。

制御部１３は、１つ以上のプロセッサを含む。本実施形態において「プロセッサ」は、汎用のプロセッサ、特定の処理に特化した専用のプロセッサ等であるが、これらに限られず任意のプロセッサとすることができる。制御部１３は、情報処理装置１０全体の動作を制御する。情報処理装置１０の動作の詳細については後述する。

（情報処理装置のソフトウェア構成）
図３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、第１決定手段１３４、第２決定手段１３５、及び更新手段１３６として機能させる。

各手段１３１～１３６の概要について説明する。記憶手段１３１は、制御対象とするプロセスのプロセスモデルを記憶部１２に記憶する手段である。プロセスモデルは、１つ以上のモデルパラメータを有する数学モデルである。プロセスモデルは、各モデルパラメータの初期値の情報を更に含む。プロセスモデルは、例えば実験又はシミュレーションにより予め決定可能である。

プロセス制御手段１３２は、記憶部１２に記憶された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手段である。具体的には、プロセス制御手段１３２は、制御周期毎に、記憶部１２に記憶されたプロセスモデルに基づいて将来の制御出力（例えば、硝酸濃度及び／又はアンモニア濃度等のプロセスデータ）を予測し、実際の制御出力を目標値に近付けるように制御入力（例えば、送風量又は送風機の駆動電力等の操作量）を決定し、決定した制御入力の指令値をプラント設備２０に入力する。なお、制御出力の目標値は、ユーザ操作に応じて又は自動的に、任意のタイミングで変更可能である。

蓄積手段１３３は、プロセスの制御出力の目標値、制御出力の検出値、及び制御入力の検出値を、制御周期毎の第１時系列データとして記憶部１２に蓄積する手段である。例えば図４に示すように、時刻データ、制御出力の目標値、制御出力の検出値、及び制御入力の検出値の組み合わせが、第１時系列データとして記憶部１２に蓄積される。時刻データは、年月日及び時刻を示すデータである。また、制御出力及び制御入力の検出値は、プラント設備２０のセンサによって検出された値である。なお、プラント設備２０のセンサによる制御入力の検出値は、上述したプロセス制御手段１３２がプラント設備２０に入力する制御入力の指令値と必ずしも一致しなくてよい。

また、蓄積手段１３３は、モデルパラメータの実績値及び評価値を、更新周期毎の第２時系列データとして記憶部１２に蓄積する手段としても機能する。例えば図５に示すように、時刻データ、モデルパラメータの実績値、及びモデルパラメータの評価値の組み合わせが、第２時系列データとして記憶部１２に蓄積される。時刻データは、年月日及び時刻を示すデータである。また、モデルパラメータの実績値は、対応する更新周期において実際に用いられたモデルパラメータの値である。また、評価値は、プロセスモデルの評価関数で示される値であって、当該評価関数に基づいて評価されたモデルパラメータの精度を示す。例えば、評価値が高いほど、モデルパラメータの精度が高い（すなわち、モデルパラメータが真値に近い）ことを示す。しかしながら、当該例に限られず、プロセスモデルの評価関数は任意の手法を用いて決定可能である。

第１決定手段１３４は、現在の更新周期の学習期間において蓄積された第１時系列データ（すなわち、学習データ）と、現在の更新周期におけるモデルパラメータの実績値と、に基づいて、将来の更新周期におけるモデルパラメータの第１候補値を決定する手段である。

第２決定手段１３５は、過去の更新周期におけるモデルパラメータの実績値に基づいて、将来の更新周期におけるモデルパラメータの第２候補値を決定する手段である。

更新手段１３６は、プロセスモデルのモデルパラメータを更新する更新処理を実行する手段である。

なお、制御部１３は、上述した各手段１３１～１３６に加えて、一般的にプロセッサが実行可能な任意の処理を実施する手段（例えば、一般的な演算処理及び計時処理を実行する手段等）として更に機能する構成も可能である。

（情報処理装置の動作）
図６及び図７を参照して、情報処理装置１０の動作について説明する。図６は、プロセスのモデル予測制御を実施する第１動作を示すフローチャートである。

ステップＳ１００：記憶手段１３１は、制御対象とするプロセスのプロセスモデルを記憶部１２に記憶する。

ステップＳ１０１：制御部１３は、モデル予測制御の初期設定を行う。具体的には、制御部１３は、変数ｉを１に設定する。変数ｉは、モデル予測制御の開始時から起算した現在時刻が何回目の更新周期に属するかを示す変数である。モデル予測制御の開始時から起算した現在時刻をｔ、更新周期の長さをＴとすると、（ｉ－１）Ｔ≦ｔ＜ｉＴであるとき、現在時刻ｔはｉ回目の更新周期に属する。また、制御部１３は、プロセスモデルのモデルパラメータを初期値に設定する。

ステップＳ１０２：プロセス制御手段１３２は、プロセスモデルに基づいて将来の制御出力を予測し、実際の制御出力を目標値に近付けるように制御入力を決定する。プロセス制御手段１３２は、決定した制御入力の指令値を、通信部１１を介してプラント設備２０に入力する。なお、プロセス制御手段１３２は、上述したようにユーザ操作に応じて又は自動的に、制御出力の目標値を任意のタイミングで変更可能である。

ステップＳ１０３：蓄積手段１３３は、通信部１１を介してプラント設備２０からプロセスの制御出力及び制御入力の検出値を取得すると、時刻データ、制御出力の目標値、制御出力の検出値、及び制御入力の検出値の組み合わせを第１時系列データとして記憶部１２に蓄積する。その後、動作はステップＳ１０２に戻る。ステップＳ１０２及びＳ１０３は、制御周期毎に繰り返し実行される。

図７は、モデルパラメータの更新処理を実行する第２動作を示すフローチャートである。第２動作は、各更新期間における処理期間内に実施される。また、第２動作は、上述した第１動作におけるステップＳ１０２及びＳ１０３を繰り返す処理と並行して実施される。

ステップＳ２００：第１決定手段１３４は、ｉ回目の更新周期の学習期間において蓄積された第１時系列データ（すなわち、学習データ）ｉ回目の更新周期におけるモデルパラメータの実績値と、に基づいて、ｉ＋１回目の更新周期におけるモデルパラメータの第１候補値を決定する。

第１候補値の決定には、任意のアルゴリズムが採用可能である。本実施形態では、第１決定手段１３４は、ｉ回目の更新周期におけるモデルパラメータの実績値（例えば、Ｐｉ）を基準として、第１数値範囲（例えば、Ｐｉ±ΔＰ）を特定し、第１数値範囲の中から第１候補値を決定する。詳細には、第１決定手段１３４は、学習データ及びプロセスモデルの評価関数に基づいて、第１数値範囲の中から精度が最も高い数値を探索及び特定し、特定した当該数値を第１候補値として決定する。

ステップＳ２０１：第２決定手段１３５は、ｉ＋１回目の更新周期におけるモデルパラメータの第２候補値を決定するか否かを判定する。第２候補値を決定すると判定した場合（ステップＳ２０１－Ｙｅｓ）、動作はステップＳ２０２に進む。一方、第２候補値を決定しないと判定した場合（ステップＳ２０１－Ｎｏ）、動作はステップＳ２０５に進む。

詳細には、第２決定手段１３５は、所定条件が満たされた場合に第２候補値を決定すると判定する。所定条件は、任意に決定可能である。例えば、所定条件は、プロセスモデルの評価関数に基づいて評価された、ｉ＋１回目の更新周期におけるモデルパラメータの第１候補値の精度が、所定基準よりも低い、という第１条件を含み得る。また、所定条件は、当該評価関数に基づいて評価された、モデルパラメータの実績値の精度が、ｉ－ａ回目～ｉ－１回目（但し、ａは２以上の整数。）の更新周期それぞれにおいて所定基準よりも低い、という第２条件を含み得る。また、所定条件は、第２決定手段１３５が第２候補値を前回決定してから所定時間が経過した、という第３条件を含み得る。第１条件～第３条件は、ＡＮＤ条件として扱われてもよく、或いはＯＲ条件として扱われてもよい。

ステップＳ２０２：第２決定手段１３５は、過去の更新周期におけるモデルパラメータの実績値に基づいて、ｉ＋１回目の更新周期におけるモデルパラメータの第２候補値を決定する。

第２候補値の決定には、任意のアルゴリズムが採用可能である。本実施形態では、第２決定手段１３５は、ｉ＋１回目の更新周期から所定時間だけ遡った参照時刻を基準として、参照期間を特定する。例えば、ｉ＋１回目の更新周期が２０１９年５月１日に対応する場合、１年前の２０１８年５月１日を基準として前後１ヶ月の参照期間（すなわち、２０１８年４月１日～同年６月１日の期間）が特定されるが、当該例に限られず、参照期間は任意の方法で特定可能である。なお、ｉ＋１回目の更新周期から遡る時間の長さ、及び、参照期間の長さは、予め定められてもよく、或いはユーザ操作に基づいて定められてもよい。

そして、第２決定手段１３５は、参照期間におけるモデルパラメータの複数個の実績値に基づいて、第２候補値を決定する。詳細には、第２決定手段１３５は、参照期間におけるモデルパラメータの複数個の実績値の中から、プロセスモデルの評価関数に基づいて評価された精度が高いものから順に２つ以上の実績値を特定する。なお、特定する実績値の数は、予め定められてもよく、或いはユーザ操作に基づいて定められてもよい。第２決定手段１３５は、当該２つ以上の実績値の中の代表値に基づいて、第２候補値を決定する。代表値は、例えば、当該２つ以上の実績値の中の、中央値、平均値、および最頻値であってよい。

ここで、第２決定手段１３５は、当該代表値を第２候補値としてもよい。或いは、第２決定手段１３５は、当該代表値（例えば、Ｐ´）を基準として、第２数値範囲（例えば、Ｐ´±ΔＰ）を特定し、第２数値範囲の中で精度が最も高い数値を第２候補値として決定してもよい。

ステップＳ２０３：制御部１３は、ｉ回目の更新周期の終了時まで待機する。ｉ回目の更新周期の終了時になると（ステップＳ２０３－Ｙｅｓ）、動作はステップＳ２０４に進む。

ステップＳ２０４：更新手段１３６は、モデルパラメータを第１候補値又は第２候補値に更新する。詳細には、更新手段１３６は、プロセスモデルの評価関数に基づいてそれぞれ評価された、第１候補値の精度及び第２候補値の精度に基づいて、第１候補値及び第２候補値のうち精度が高い一方の候補値を選択し、選択した当該候補値にモデルパラメータを更新する。モデルパラメータの更新後、動作はステップＳ２０７に進む。

ステップＳ２０５：制御部１３は、ｉ回目の更新周期の終了時まで待機する。ｉ回目の更新周期の終了時になると（ステップＳ２０５－Ｙｅｓ）、動作はステップＳ２０６に進む。

ステップＳ２０６：更新手段１３６は、モデルパラメータを第１候補値に更新する。モデルパラメータの更新後、動作はステップＳ２０７に進む。

ステップＳ２０７：蓄積手段１３３は、第２時系列データを記憶部１２に蓄積する。具体的には、蓄積手段１３３は、モデルパラメータの更新後の値を、ｉ＋１回目の更新周期におけるモデルパラメータの実績値として、精度を示す評価値及び時刻データとともに記憶部１２に蓄積する。

ステップＳ２０８：制御部１３は、変数ｉをインクリメントする。その後、本動作は終了する。

以上述べたように、本実施形態によれば、将来の更新周期におけるモデルパラメータが、直近の新しいデータに基づく第１候補値、又は過去のデータに基づく第２候補値に更新される。このため、将来の更新期間におけるモデルパラメータが直近の新しいデータのみに依存して更新される構成と比較して、モデル予測制御における追従性能とロバスト性能との双方を維持することができるので、プロセスのモデル予測制御に関する技術が改善する。

本発明を諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形及び修正を行うことが容易であることに注意されたい。したがって、これらの変形及び修正は本発明の範囲に含まれることに留意されたい。例えば、各手段、各ステップ等に含まれる機能等は論理的に矛盾しないように再配置可能であり、複数の手段及びステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。

例えば、モデル予測制御システム１が複数の情報処理装置１０を備える構成も可能である。また、実施形態に係る１つの情報処理装置１０の各構成又は各手段が、互いに通信可能な複数の装置に分散配置された構成も可能である。

また、上述した実施形態において、図６及び図７を参照して情報処理装置１０の動作の例について説明した。しかしながら、上述した動作に含まれる一部のステップ、又は１つのステップに含まれる一部の動作が、論理的に矛盾しない範囲内において省略された構成も可能である。また、上述した動作に含まれる複数のステップの順番が、論理的に矛盾しない範囲内において入れ替わった構成も可能である。

また、上述した実施形態において、第２決定手段１３５が、ｉ＋１回目の（すなわち、将来の）更新周期から所定時間だけ遡った参照時刻を基準として、１つの参照期間を特定する構成について説明した。しかしながら、第２決定手段１３５が、複数の参照時刻を基準として複数の参照期間を特定する構成も可能である。かかる場合、第２決定手段１３５は、複数の参照期間における複数の中央値の更に中央値を、第２候補値として決定する。なお、ｉ＋１回目の更新周期から遡る各時間の長さ、各参照期間の長さ、及び、特定する参照期間の個数は、予め定められてもよく、或いはユーザ操作に基づいて定められてもよい。

また、上述した実施形態において、特定された参照期間において用いられたプロセスモデルの構成（すなわち、パラメータの種類及び数等）と、現在使用中のプロセスモデルの構成と、が異なる場合が発生し得る。かかる場合、第２決定手段１３５は、モデルパラメータの第２候補値を決定する際に、当該参照期間のデータを使用しない。

また、上述した実施形態において、制御部１３によって実現される各手段をソフトウェア構成として説明したが、これらのうち少なくとも一部の手段は、ソフトウェア資源及び／又はハードウェア資源を含む概念であってもよい。例えば、記憶手段１３１及び蓄積手段１３３はメモリを含んでもよい。

また、上述した実施形態に係る情報処理装置１０として機能させるために、コンピュータ等の汎用の情報処理装置を用いることができる。当該情報処理装置は、実施形態に係る情報処理装置１０の各機能を実現する処理内容を記述したプログラムを、当該情報処理装置のメモリに格納し、当該情報処理装置のプロセッサによって当該プログラムを読み出して実行させることによって実現可能である。

１ モデル予測制御システム
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 第１決定手段
１３５ 第２決定手段
１３６ 更新手段
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 (15)

1. 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の検出値を時系列データとして蓄積する蓄積手段と、
   更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
   過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
   前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新する更新手段と、
   を備える、モデル予測制御システム。
2. 請求項１に記載のモデル予測制御システムであって、
   前記更新手段は、前記プロセスモデルの評価関数に基づいてそれぞれ評価された、前記第１候補値の精度及び前記第２候補値の精度に基づいて、前記第１候補値及び前記第２候補値のうち精度が高い一方の候補値を選択し、選択した前記候補値に前記次の更新周期における前記モデルパラメータを更新する、モデル予測制御システム。
3. 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、
   前記第２決定手段は、所定条件が満たされた場合に前記第２候補値を決定し、
   前記更新手段は、前記第２決定手段によって前記第２候補値が決定された場合、前記次の更新周期における前記モデルパラメータを前記第１候補値又は前記第２候補値に更新し、前記第２決定手段によって前記第２候補値が決定されなかった場合、前記次の更新周期における前記モデルパラメータを前記第１候補値に更新する、モデル予測制御システム。
4. 請求項３に記載のモデル予測制御システムであって、
   前記所定条件は、前記プロセスモデルの評価関数に基づいて評価された、前記次の更新周期における前記モデルパラメータの前記第１候補値の精度が、所定基準よりも低い、という第１条件を含む、モデル予測制御システム。
5. 請求項３又は４に記載のモデル予測制御システムであって、
   前記所定条件は、前記プロセスモデルの評価関数に基づいて評価された、前記モデルパラメータの実績値の精度が、前回の更新周期を含む２つ以上の連続する過去の更新周期それぞれにおいて所定基準よりも低い、という第２条件を含む、モデル予測制御システム。
6. 請求項３から５のいずれか一項に記載のモデル予測制御システムであって、
   前記所定条件は、前記第２決定手段が前記第２候補値を前回決定してから所定時間が経過した、という第３条件を含む、モデル予測制御システム。
7. 請求項１から６のいずれか一項に記載のモデル予測制御システムであって、
   前記第２決定手段は、
   前記次の更新周期から所定時間だけ遡った参照時刻を基準として参照期間を特定し、
   前記参照期間における前記モデルパラメータの複数個の実績値に基づいて前記第２候補値を決定する、モデル予測制御システム。
8. 請求項７に記載のモデル予測制御システムであって、
   前記第２決定手段は、前記複数個の実績値の中から、前記プロセスモデルの評価関数に基づいて評価された精度が高いものから順に２つ以上の実績値を特定し、前記２つ以上の実績値の中央値に基づいて前記第２候補値を決定する、モデル予測制御システム。
9. 請求項１から８のいずれか一項に記載のモデル予測制御システムであって、
   前記第１決定手段は、前記現在の更新周期における前記モデルパラメータの実績値を基準として特定された第１数値範囲の中から前記第１候補値を決定する、モデル予測制御システム。
10. 請求項１から９のいずれか一項に記載のモデル予測制御システムであって、
    前記第２決定手段は、前記過去の更新周期における前記モデルパラメータの実績値を前記第２候補値として決定し、又は、前記過去の更新周期における前記モデルパラメータの実績値を基準として特定された第２数値範囲の中から前記第２候補値を決定する、モデル予測制御システム。
11. 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の検出値を時系列データとして蓄積する蓄積手段と、
    更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
    過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
    前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新する更新手段と、
    を備える、情報処理装置。
12. 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の検出値を時系列データとして蓄積する蓄積手段と、更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新する更新手段と、を備え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、前記第１決定手段、前記第２決定手段、及び前記更新手段のうち少なくとも１つを備える、情報処理装置。
13. 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の検出値を時系列データとして蓄積する蓄積手段と、
    更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更
    新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、
    過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、
    前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新する更新手段と、
    として機能させる、プログラム。
14. 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の検出値を時系列データとして蓄積する蓄積手段と、更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定する第１決定手段と、過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定する第２決定手段と、前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新する更新手段と、を備え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、前記第１決定手段、前記第２決定手段、及び前記更新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。
15. 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ステップと、
    前記プロセスの制御出力及び制御入力の検出値を時系列データとして蓄積するステップと、
    更新周期毎に、現在の更新周期において蓄積された前記時系列データと、前記現在の更新周期における前記プロセスモデルのモデルパラメータの実績値と、に基づいて、前記現在の次の更新周期における前記モデルパラメータの第１候補値を決定するステップと、
    過去の更新周期における前記モデルパラメータの実績値に基づいて、前記次の更新周期における前記モデルパラメータの第２候補値を決定するステップと、
    前記次の更新周期における前記モデルパラメータを、前記モデル予測制御の精度が高い、前記第１候補値又は前記第２候補値に更新するステップと、
    を含む、モデル予測制御方法。
    

Images