JPH02275501A - Process controller - Google Patents
Process controllerInfo
- Publication number
- JPH02275501A JPH02275501A JP1096901A JP9690189A JPH02275501A JP H02275501 A JPH02275501 A JP H02275501A JP 1096901 A JP1096901 A JP 1096901A JP 9690189 A JP9690189 A JP 9690189A JP H02275501 A JPH02275501 A JP H02275501A
- Authority
- JP
- Japan
- Prior art keywords
- membership function
- fuzzy
- manipulated variable
- membership
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004886 process control Methods 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 101100453921 Caenorhabditis elegans kin-29 gene Proteins 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Abstract
Description
【発明の詳細な説明】
〔発明の目的〕
（産業上の利用分野）
本発明は、プラントのプロセス値を目標値に一致するよ
うに制御するプロセス制御装置に関する。DETAILED DESCRIPTION OF THE INVENTION [Object of the Invention] (Industrial Application Field) The present invention relates to a process control device that controls a process value of a plant to match a target value.
（従来の技術）
一般に、複雑なプロセスの操作を巧妙に行う熟練したオ
ペレータの操作のノウハウといったものは、あいまいさ
を含んだ感賞的なものであるため、これを定式化して制
御規則とすることは困難な場合が多い。そこで近年、従
来の自動制御手法では、うまく制御できなかったプロセ
スに対する制御手法のひとつとしてファジィ制御が注目
されている。(Prior art) In general, the operational know-how of a skilled operator who skillfully operates a complex process is an admirable thing that contains ambiguity, so this is formulated as a control rule. This is often difficult. Therefore, in recent years, fuzzy control has attracted attention as a control method for processes that cannot be controlled well using conventional automatic control methods.
ファジィ制御では、熟練したオペレータの経験や知識な
どのあいまいなプロセス操作のノウハウをメン、バーシ
ップ関数を用いてファジィルールとして構成し、ファジ
ィ推論によって操作量を決定する。第１０図にファジィ
制御を応用した従来のプロセス制御装置を示す。In fuzzy control, ambiguous process operation know-how, such as the experience and knowledge of skilled operators, is configured as fuzzy rules using membership and burship functions, and the amount of operation is determined by fuzzy inference. FIG. 10 shows a conventional process control device to which fuzzy control is applied.
ファジィ制御では、ファジィ制御規則すなわちプロセス
の制御アルゴリズムをプロセスの状態に関する情報Ｘと
プロセスへの入力（操作ｆｆ１） ｙとの関係として、
例えば、
１Ｆ （ｘ ｉｓ ｓｍａｌｌ）ＴＨＥＮ （
ｙ ｉｓ ｍｅｄｉｕｍ）ＩＦ （ｘ ｉｓ
ｂｉｇ）
ＴＨＥＮ （ｙ ｉ ｓ ｓｍａ １１）のよう
に、ＩＦ−ＴＨＥＮ 形式のファジィルールとして記
述する。ファジィ制御によるプロセス制御は、これらの
ファジィルールを集約したもので構成され、制御装置に
入力（制御偏差）が与えられたときの出力（操作ｍ）は
ファジィ推論によって演算される。ファジィルールのＩ
Ｆ（・・・）の部分（条件部）や、ＴＨＥＮ （・・・
）の部分（出力部）における”ｓｍａｌビや“ｍｅｄｉ
ｕｍ“ｂｉｇ“などは、ｘ＋ｙがとるファジィ変数であ
り、メンバーシップ関数によって表される。In fuzzy control, a fuzzy control rule, that is, a process control algorithm is defined as a relationship between information X regarding the state of the process and input to the process (operation ff1) y.
For example, 1F (x is small) THEN (
y is medium) IF (x is
big) written as a fuzzy rule in IF-THEN format, such as THEN (y i s sma 11). Process control using fuzzy control is composed of a collection of these fuzzy rules, and when an input (control deviation) is given to the control device, the output (operation m) is calculated by fuzzy inference. Fuzzy rule I
The F (...) part (condition part) and THEN (...
) part (output part)
um "big" etc. is a fuzzy variable that x+y takes and is represented by a membership function.
第１０図中、符号２１．２２．２４はそれぞれファジィ
ルール１、ファジィルール２およファジィルールｎに対
応しており、またファジィルールの条件部は入力メンバ
ーシップ関数３１． ３２゜３４に、対応してファジィ
ルールの出力部は出力メンバーシップ関数４１，４２．
４４に、それぞれ対応している。ファジィ推論では、入
力（制御偏差）Ｘに対してそれぞれのファジィルールを
適用して、まず条件部の評価を行って、入力メンバーシ
ップ関数３１，３２．３４の出力値を得る。In FIG. 10, symbols 21, 22, and 24 correspond to fuzzy rule 1, fuzzy rule 2, and fuzzy rule n, respectively, and the condition part of the fuzzy rule is the input membership function 31. 32° 34, the output part of the fuzzy rule corresponds to output membership functions 41, 42 .
44, respectively. In the fuzzy inference, each fuzzy rule is applied to the input (control deviation) X, and the condition part is first evaluated to obtain the output values of the input membership functions 31, 32, and 34.
次に入力メンバーシップ関数の出力値から、それぞれ出
力メンバーシップ関数４１，４２．４４を決定する。こ
れらの出力メンバーシップ関数４１゜４２．４４を合成
して１つのメンバーシップ関数を得、さらに出力変換を
行って１つの操作量を得る。Next, output membership functions 41, 42, and 44 are determined from the output values of the input membership functions, respectively. These output membership functions 41°42.44 are combined to obtain one membership function, and further output conversion is performed to obtain one manipulated variable.
以上が従来技術によるファジィ制御手法の一例である。The above is an example of the fuzzy control method according to the prior art.
ファジィ推論手法は、以上のほかにも各種あるが、いず
れもメンバーシップ関数の決定法は、オペレータの経験
に基づく一義的定義手法である。There are various fuzzy inference methods other than those mentioned above, but in all of them, the membership function determination method is a unique definition method based on the operator's experience.
（発明が解決しようとする課題）
従来のファジィ制御手法ではメンバーシップ関数が固定
されており、その設定はオペレータの経験に基づく一義
的定義手法によっている。そのために、制御系の制御性
能向上のためにオペレータの行うメンバーシップ関数の
調整は、系の安定度を見て、経験的に変化率の大きさを
推定し、その都度マニュアルで行っている。このように
メンバーシップ関数のマニュアル：Ａ整は経験に頼る部
分が多く、熟練したオペレータでないと、メンバーシッ
プ関数のｙＡ！が不十分になり、うまく制御することが
できない、といった事態が多々発生することになる。(Problem to be Solved by the Invention) In the conventional fuzzy control method, the membership function is fixed, and its setting is based on a unique definition method based on the operator's experience. Therefore, in order to improve the control performance of a control system, an operator manually adjusts the membership function each time by looking at the stability of the system and empirically estimating the magnitude of the rate of change. In this way, the membership function manual: A-setting relies heavily on experience, and unless you are a skilled operator, the membership function yA! This often results in situations where the control becomes insufficient and cannot be controlled properly.
本発明は、上記事情を考慮してなされたもので、メンバ
ーシップ関数を自動的に補正するオートチューニング手
段を備えた、ファジィ推論によるプロセス制御装置を提
供することを目的とする。The present invention has been made in consideration of the above circumstances, and an object of the present invention is to provide a process control device using fuzzy inference, which is equipped with an auto-tuning means for automatically correcting a membership function.
（課題を解決するための手段）
上記目的を達成するために本発明のプロセス制御装置は
、プラントのプロセス値と目標値との間の偏差からファ
ジィ制御規則に基づきメンバーシップ関数を用いてファ
ジィ推論を行ってプロセスの操作量を決定する操作量決
定手段と、この操作量決定手段の入力および出力の少な
くとも一方に対して統計処理を行って統計量を算出する
統計処理手段と、この統計処理手段によって算出された
統計量を基にして新たなメンバーシップ関数を決定し、
操作量決定手段内のメンバーシップ関数を自動的に補正
するメンバーシップ関数チューニング手段とを備えたこ
とを特徴とする。(Means for Solving the Problems) In order to achieve the above object, the process control device of the present invention performs fuzzy inference using membership functions based on fuzzy control rules from deviations between plant process values and target values. a manipulated variable determining means that determines the manipulated variable of the process; a statistical processing means that performs statistical processing on at least one of the input and output of the manipulated variable determining means to calculate a statistical amount; and this statistical processing means. Determine a new membership function based on the statistics calculated by
The present invention is characterized by comprising membership function tuning means for automatically correcting the membership function within the manipulated variable determining means.
（作 用）
上記構成のプラント制御装置１においては、第１図に示
すように、例えばファジィっ推論による操作量決定手段
１３への入力、すなわちプラント１４のプロセス値の目
標値に対する偏差を基に統計処理手段１１によって統計
量を算出し、それをメンバーシップ関数チューニング手
段１２に入力する。このメンバーシップ関数チューニン
グ手段１２では、ファジィルールの中に現れるファジィ
変数を表すメンバーシップ関数のしきい値を統計処理手
段１１によって算出された統計量から決定し、操作量決
定手段１３に含まれているメンバーシップ関数を自動的
に補正する。このように構成することによって、制御系
が安定であれば感度を強（し、また制御系が不安定であ
れば感度を弱くするように、メンバーシップ関数を自動
的に補正しながら制御を行うことが可能となる。(Function) In the plant control device 1 having the above configuration, as shown in FIG. A statistical amount is calculated by the statistical processing means 11 and inputted to the membership function tuning means 12. This membership function tuning means 12 determines the threshold value of a membership function representing a fuzzy variable appearing in a fuzzy rule from the statistical amount calculated by the statistical processing means 11, and automatically correct membership functions. With this configuration, control is performed while automatically correcting the membership function so that if the control system is stable, the sensitivity is increased (or if the control system is unstable, the sensitivity is decreased). becomes possible.
（実施例）
第２図は本発明によるプロセス制御装置のより具体的な
実施例を示すものである。このプロセス制御装置におい
ては、プラント１４のプロセス値Ｚと目標値との間の偏
差Ｘ と、この！＠差Ｘ。１をさらに微分回路１５を通
して得られる変化量Ｘ。２との２人力をファジィ推論に
よる操作量決定手段１３に入力し、ファジィ推論によっ
て出力操作量ｙを決定する制御系を構成すると共に、偏
差Ｘ。１と変化量Ｘ。２の両人力に対してそれぞれ統計
処理手段１１ａ、ｌｌｂおよびメンバーシップ関数チュ
ーニング手段１２ａ、１２ｂを直列に接続し、操作量決
定手段１３にその内部に設定されているメンバーシップ
関数の補正のために、メンバーシップ関数チューニング
手段１２ａ、１２ｂの出力を入力する。偏差Ｘ。１が入
力される統計処理手段１１ａおよび変化量Ｘ。２が入力
される統計処理手段１１ｂは同一構成を持っており、ま
た、両メンバーシップ関数チューニング手段１２ａ、１
２ｂは同−構成を持っている。そこで、両統針処理手段
１１ａおよびｌｌｂを統計処理手段１１とし、両メンバ
ーシップ関数チューニング手段１２ａ。(Embodiment) FIG. 2 shows a more specific embodiment of the process control device according to the present invention. In this process control device, the deviation X between the process value Z of the plant 14 and the target value, and this! @differenceX. The amount of change X obtained by further passing 1 through the differentiation circuit 15. A control system is constructed in which the human power of 2 and 2 is input to the operation amount determination means 13 based on fuzzy inference, and the output operation amount y is determined by fuzzy inference. 1 and the amount of change X. Statistical processing means 11a, llb and membership function tuning means 12a, 12b are connected in series for both human forces of 2, respectively, and the operation amount determining means 13 is used to correct the membership function set therein. , the outputs of the membership function tuning means 12a, 12b are input. Deviation X. The statistical processing means 11a to which 1 is input and the amount of change X. The statistical processing means 11b to which 2 is input has the same configuration, and both membership function tuning means 12a, 1
2b has the same configuration. Therefore, the Ryoto needle processing means 11a and llb are used as the statistical processing means 11, and both membership function tuning means 12a.
１２ｂをメンバーシップ関数チューニング手段１２とし
て、その内部構成を、第３図を参照して説明する。12b as membership function tuning means 12, its internal configuration will be explained with reference to FIG.
第３図に示すように、統計処理手段１１は、平均値演算
手段６１、標準偏差演算手段６２およびデータ記憶手段
６３によって構成されている。As shown in FIG. 3, the statistical processing means 11 includes an average value calculation means 61, a standard deviation calculation means 62, and a data storage means 63.
データ記憶手段６３に記憶されている入力Ｘに関する過
去のｎ個のサンプリング値（Ｘｌ、Ｘｌ。Past n sampling values (Xl, Xl.
・・・、ｘ）および入力Ｘの現在値Ｘ。から、平均値演
算手段６１は次式（１）で示す演算を行って平均値Ｘを
求める。..., x) and the current value X of the input X. From this, the average value calculating means 61 calculates the average value X by performing the calculation shown in the following equation (1).
また、標準偏差演算手段６２では、次式（２）で示す演
算を行って標準偏差σを求める。Further, the standard deviation calculation means 62 calculates the standard deviation σ by performing the calculation shown in the following equation (2).
統計処理手段１１により以上の演算式に基づいて算出さ
れた統計量Ｘ、σは、メンバーシップ関数チューニング
手段１２に人力され、ここで補正のためのメンバーシッ
プ関数が決定される。The statistical quantities X and σ calculated by the statistical processing means 11 based on the above calculation formulas are manually input to the membership function tuning means 12, where a membership function for correction is determined.
次に、統計量ｘ、σに基づいて補正のためのメンバーシ
ップ関数を決定する方法について、第４図を参照して説
明する。Next, a method of determining membership functions for correction based on the statistics x and σ will be explained with reference to FIG.
第４図には、入力Ｘに関し、その平均値Ｘおよび標準偏
差σに基づいて５つのファジィ変数ＮＢ。FIG. 4 shows five fuzzy variables NB for input X based on its mean value X and standard deviation σ.
ＮＳ、Ｚ、ＰＳ、ＰＢを表すメンバーシップ関数のしき
い値を決定する状況が示されている。ここで、ファジィ
変数ＮＢは入力Ｘに関し「負の大」を：α味し、同様に
、ファジィ変数ＮＳは「負の小」を、ファジィ変数Ｚは
「ゼロ」を、ファジィ変数ＰＳは「正の小」を、ファジ
ィ変数ＰＢは「正の大」を意味している。つまり、各フ
ァジィ変数のピーク値をとる点の人力Ｘの値に関して言
えば、ＮＢ＜ＮＳ＜Ｚ＜ＰＳ＜ＰＢ
である。A situation is shown for determining thresholds for membership functions representing NS, Z, PS, PB. Here, the fuzzy variable NB represents "negative large" with respect to the input X, similarly, the fuzzy variable NS represents "negative small", the fuzzy variable Z represents "zero", and the fuzzy variable PS represents "positive The fuzzy variable PB means "a positive large". That is, regarding the value of human power X at the point where each fuzzy variable takes its peak value, NB<NS<Z<PS<PB.
このようにメンバーシップ関数を決定すると、制御系が
安定な場合には第５図（ａ）に示すようにメンバーシッ
プ関数の感度が相対的に強くなり、制御系が不安定な場
合には第５図（ｂ）に示すようにメンバーシップ関数の
感度が相対的に弱くなる。When the membership function is determined in this way, the sensitivity of the membership function becomes relatively strong when the control system is stable, as shown in Figure 5 (a), and when the control system is unstable, the sensitivity of the membership function becomes relatively strong. As shown in Figure 5(b), the sensitivity of the membership function becomes relatively weak.
以下の説明においては、操作量決定手段１３に一例とし
て次のファジィルールが適用されているものとして、そ
の推論動作について説明する。In the following explanation, the inference operation will be explained assuming that the following fuzzy rule is applied to the manipulated variable determining means 13 as an example.
Ｉ Ｆ （ｘ−ＰＢ） ＴＨＥＮ （ｙ−ＮＢ）
Ｉ Ｆ （ｘ−ＰＳ） ＴＨＥＮ （ｙ−ＮＳ）
ＩＦ （ｘ−Ｚ） ＴＨＥＮ、（ｙ＝Ｚ）ＩＦ
（ｘ−ＮＳ） ＴＨＥＮ （ｙ−ＰＳ）ＩＦ
（ｘ−ＮＢ） ＴＨＥＮ （ｙ−ＰＢ）第６図はフ
ァジィ推論部を持っている操作瓜決足手段１３の一構成
例を示すものである。I F (x-PB) THEN (y-NB)
I F (x-PS) THEN (y-NS)
IF (x-Z) THEN, (y=Z) IF
(x-NS) THEN (y-PS) IF
(x-NB) THEN (y-PB) FIG. 6 shows an example of the configuration of the operation deciding means 13 having a fuzzy reasoning section.
第６図に示すように、各ファジィルールの条件部および
出力部に現れるファジィ変数ＮＢ、ＮＳ。As shown in FIG. 6, fuzzy variables NB and NS appear in the condition part and output part of each fuzzy rule.
Ｚ、ＰＳ、ＰＢを表すメンバーシップ関数をファジィル
ールごとにそれぞれ入力メンバーシップ関数と出力メン
バーシップ関数とに分けて並列に接続している。また、
各入力メンバーシップ関数には、メンバーシップ関数チ
ューニング手段１２からメンバーシップ関数補正出力が
人力されている。Membership functions representing Z, PS, and PB are divided into input membership functions and output membership functions for each fuzzy rule and are connected in parallel. Also,
A membership function correction output is manually inputted to each input membership function from the membership function tuning means 12.
以上の構成に従い、プロセス値の統計量に基づいて決定
されたメンバーシップ関数となるように入力メンバーシ
ップ関数を補正することができる。According to the above configuration, the input membership function can be corrected to become the membership function determined based on the statistics of the process values.
入力Ｘに対して操作量決定手段１３では、まず、適用可
能なファジィルールの条件部の評価を行い、その結果に
従って出力部を実行して１つのメンバーシップ関数を得
る。The manipulated variable determining means 13 first evaluates the condition part of the applicable fuzzy rule for the input X, and executes the output part according to the result to obtain one membership function.
第７図に、１つのファジィルールの適用方法例を示す。FIG. 7 shows an example of how one fuzzy rule is applied.
図示の例の場合、入力ｘ””ｘｏｌに対してメンバーシ
ップ関数ＰＳによって評価を行い、ａという値を得る。In the illustrated example, the input x""xol is evaluated by the membership function PS to obtain a value a.
この値ａを出力メンバーシップ関数ＮＳに適用し、３以
上の値の部分を削除することによって新たなメンバーシ
ップ関数を得る。A new membership function is obtained by applying this value a to the output membership function NS and deleting the portion with a value of 3 or more.
次に、このようにして得られた複数のメンバーシップ関
数を合成手段１３ａ（第６図）により合成して１つのメ
ンバーシップ関数とし、さらに出力変換手段１３ｂによ
り出力変換を行って１つの出力操作量ｙを得る。Next, the plurality of membership functions obtained in this way are synthesized into one membership function by the synthesis means 13a (FIG. 6), and further output conversion is performed by the output conversion means 13b to perform one output operation. Obtain the quantity y.
第８図に、合成と出力変換の一例を示す。この例の場合
、合成では複数（２つ）のメンバーシップ関数Ｚ、ＮＳ
を重ね合わせによって１つのメンバーシップ関数とし、
出力変換は、そのメンバーシップ関数の重心値ｙＧを求
め、その重心値ｙＧを出力操作量とするものであ′る。FIG. 8 shows an example of synthesis and output conversion. In this example, the composition uses multiple (two) membership functions Z, NS
is made into one membership function by superposition,
The output conversion is to obtain the centroid value yG of the membership function and use the centroid value yG as the output manipulated variable.
以上詳述したメンバーシップ関数のオートチュニングは
、適当な制御周期、例えば１００制御周期ごとに行えば
よい。The auto-tuning of the membership function detailed above may be performed at an appropriate control period, for example, every 100 control periods.
上記実施例においては、プロセス値の統計量に基づき入
力メンバーシップ関数をオートチューニングする例を示
したが、それとは異なり、第９図に示すように、操作量
の統計量に基づき出力メンバーシップ関数をオートチュ
ーニングするものであってもよい。また、入力メンバー
シップ関数と出力メンバーシップ関数を同時にオートチ
ューニングするものであってもよい。In the above embodiment, an example was shown in which the input membership function is auto-tuned based on the statistics of the process values, but unlike that, as shown in FIG. It may also be something that auto-tunes. Alternatively, the input membership function and the output membership function may be autotuned simultaneously.
メンバーシップ関数が固定されている従来のファジィ制
御手法では、オペレータは系の安定の度合から経験的に
変化率の大きさを推定してメンバーシップ関数をマニュ
アルで調整し、制御性能の向上を図っていた。このオペ
レータの経験によるメンバーシップ関数の調整は、プロ
セス値の長期的な統計量に基づく方法と本質的に変わり
がない。In conventional fuzzy control methods in which the membership function is fixed, the operator estimates the magnitude of the rate of change empirically based on the degree of stability of the system and manually adjusts the membership function to improve control performance. was. This adjustment of the membership function based on the operator's experience is essentially the same as the method based on long-term statistics of process values.
そこで本発明においては、従来のファジィ制御に加えて
、プロセス値の統計量を自動的に算出する手段を設け、
統計量によってメンバーシップ関数をオートチューニン
グする手段を加えたプロセス制御装置としたものである
。Therefore, in the present invention, in addition to conventional fuzzy control, a means for automatically calculating statistics of process values is provided,
This is a process control device that includes means for auto-tuning membership functions based on statistics.
本発明のプロセス制御装置によれば、オペレータの経験
に頼らなくても、プロセス値と目標値との間の偏差の統
計量、および／または操作量の統計量に基づいて操作量
決定手段が持っているメンバーシップ関数を自動的に補
正するので、系の安定度が長期的に変化しても同一のフ
ァジィルールの下で制御性能の向上を図ることができる
。According to the process control device of the present invention, the manipulated variable determining means has a function based on the statistics of the deviation between the process value and the target value and/or the statistics of the manipulated variable without relying on the operator's experience. Since the membership function of the system is automatically corrected, control performance can be improved under the same fuzzy rule even if the stability of the system changes over time.
第１図は本発明の基本的機能を説明するためのブロック
図、第２図はより具体的な実施例を示すブロック図、第
３図は第１図および第２図における統計処理手段および
メンバーシップ関数チューニング手段の一具体例を示す
ブロック図、第４図はプロセス値の統計量からメンバー
シップ関数を決定する方法の一例を説明するための説明
図、第５図は安定な制御系で決定されるメンバーシップ
関数と不安定な制御系で決定されるメンバーシップ関数
とを比較対照する説明図、第６図は第１図および第２図
における操作量決定手段の一興体例を示すブロック図、
第７図はファジィルールの適用例を示す図、ｍ８図はメ
ンバーシップ関数の合成および出力変換の一例を示す説
明図、第９図は本発明の池の実施例を示すブロック図、
第１０図は従来のファジィ推論によるプロセス制御装置
を示すブロック図である。
１・・・プラント制御装置、１１． １１ ａ、 １
ｌ ｂ・・・統計処理手段、１２．１２ａ、１２ｂ・
・・メンバーシップ関数チューニング手段、１３・・・
操作量決定手段、１４・・・プラント、１５・・・微分
回路、５１・・・出力メンバーシップ関数合成手段、５
２・・・出力変換手段、６１・・・平均値演算手段、６
２・・・標準偏差演算手段、６３・・・データ記憶手段
。FIG. 1 is a block diagram for explaining the basic functions of the present invention, FIG. 2 is a block diagram showing a more specific embodiment, and FIG. 3 is a statistical processing means and members in FIGS. 1 and 2. A block diagram showing a specific example of a ship function tuning means, Fig. 4 is an explanatory diagram illustrating an example of a method of determining membership functions from statistics of process values, and Fig. 5 shows membership functions determined using a stable control system. 6 is a block diagram showing an example of the operation amount determining means in FIGS. 1 and 2,
FIG. 7 is a diagram showing an example of application of fuzzy rules, m8 diagram is an explanatory diagram showing an example of membership function composition and output conversion, and FIG. 9 is a block diagram showing an embodiment of the pond of the present invention.
FIG. 10 is a block diagram showing a conventional process control device using fuzzy inference. 1... Plant control device, 11. 11 a, 1
l b...Statistical processing means, 12.12a, 12b.
...Membership function tuning means, 13...
Manipulated amount determining means, 14... Plant, 15... Differential circuit, 51... Output membership function synthesis means, 5
2... Output conversion means, 61... Average value calculation means, 6
2...Standard deviation calculation means, 63...Data storage means.
Claims (1)
るプロセス制御装置において、 プラントのプロセス値と目標値との間の偏差からファジ
ィ制御規則に基づきメンバーシップ関数を用いてファジ
ィ推論を行いプロセスの操作量を決定する操作量決定手
段と、この操作量決定手段の入力および出力の少なくと
も一方に対して統計処理を行い統計量を算出する統計処
理手段と、この統計処理手段によって算出された統計量
を基にして新たなメンバーシップ関数を決定し、前記操
作量決定手段内のメンバーシップ関数を自動的に補正す
るメンバーシップ関数チューニング手段とを備えたこと
を特徴とするプロセス制御装置。[Claims] In a process control device that controls a plant process value so that it matches a target value, the fuzzy A manipulated variable determining means that performs inference and determines the manipulated variable of the process, a statistical processing means that performs statistical processing on at least one of the input and output of the manipulated variable determining means and calculates the statistical amount, and the statistical processing means A process control characterized by comprising membership function tuning means for determining a new membership function based on the calculated statistics and automatically correcting the membership function in the manipulated variable determining means. Device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1096901A JPH02275501A (en) | 1989-04-17 | 1989-04-17 | Process controller |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1096901A JPH02275501A (en) | 1989-04-17 | 1989-04-17 | Process controller |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02275501A true JPH02275501A (en) | 1990-11-09 |
Family
ID=14177276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1096901A Pending JPH02275501A (en) | 1989-04-17 | 1989-04-17 | Process controller |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02275501A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04199302A (en) * | 1990-11-29 | 1992-07-20 | Ube Ind Ltd | Learning system for neural circuit network in fuzzy control |
| JPH05128086A (en) * | 1991-10-30 | 1993-05-25 | Adoin Kenkyusho:Kk | Network type information processing system |
-
1989
- 1989-04-17 JP JP1096901A patent/JPH02275501A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04199302A (en) * | 1990-11-29 | 1992-07-20 | Ube Ind Ltd | Learning system for neural circuit network in fuzzy control |
| JPH05128086A (en) * | 1991-10-30 | 1993-05-25 | Adoin Kenkyusho:Kk | Network type information processing system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Le et al. | Self-evolving type-2 fuzzy brain emotional learning control design for chaotic systems using PSO | |
| Boulkroune et al. | How to design a fuzzy adaptive controller based on observers for uncertain affine nonlinear systems | |
| Park et al. | Robust adaptive fuzzy controller for non‐affine nonlinear systems with dynamic rule activation | |
| Zhang | Stable adaptive fuzzy sliding mode control of interconnected systems | |
| JPH02275501A (en) | Process controller | |
| Roberts | A brief overview of model predictive control | |
| Reid et al. | Mutual Q-learning | |
| Anderson et al. | MR. FIS: Mamdani rule style fuzzy inference system | |
| Hsiao | Neural-network based approach on delay-dependent robust stability criteria for dithered chaotic systems with multiple time-delay | |
| Li et al. | Approximate Optimal Robust Tracking Control Based on State Error and Derivative Without Initial Admissible Input | |
| CN110825051A (en) | Multi-model control method of uncertainty system based on gap metric | |
| Bourke et al. | A predictive fuzzy relational controller | |
| JPH0293905A (en) | Controller considering history of manipulated variable | |
| JPS62226304A (en) | Ambiguity controller | |
| CN114967448A (en) | Sliding mode consistent tracking control method for high-order multi-agent of unknown nonlinear dynamics | |
| Georgescu | Capturing and Tuning Nonlinear Characteristics of Economic Stabilization Systems by Fuzzy Control Techniques | |
| JPH04326402A (en) | Fuzzy controller | |
| JPH044401A (en) | Fuzzy control rule auto-tuning device | |
| JP2000322263A (en) | Method for rationalizing constitution of fuzzy inference model | |
| JP2532976B2 (en) | Fuzzy knowledge base construction device | |
| JP2536066B2 (en) | Fuzzy modeling control method | |
| Tang et al. | A comparative study of fuzzy logic and classical control with EPICS | |
| JP2828768B2 (en) | Fuzzy knowledge construction device | |
| Xu et al. | Time-varying formation of uncertain nonlinear multi-agent systems via adaptive feedback control approach with event-triggered impulsive estimator | |
| JPH04218802A (en) | Hybrid controller |