JPH03166601A - 制御支援装置 - Google Patents
制御支援装置Info
- Publication number
- JPH03166601A JPH03166601A JP1304899A JP30489989A JPH03166601A JP H03166601 A JPH03166601 A JP H03166601A JP 1304899 A JP1304899 A JP 1304899A JP 30489989 A JP30489989 A JP 30489989A JP H03166601 A JPH03166601 A JP H03166601A
- Authority
- JP
- Japan
- Prior art keywords
- control
- process state
- symbolizing
- state
- symbolization
- 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 212
- 230000006870 function Effects 0.000 claims abstract description 31
- 230000014509 gene expression Effects 0.000 claims abstract description 30
- 230000001364 causal effect Effects 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 60
- 238000011112 process operation Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 238000004886 process control Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 15
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 23
- 238000005259 measurement Methods 0.000 description 10
- 239000010865 sewage Substances 0.000 description 9
- 239000002349 well water Substances 0.000 description 8
- 235000020681 well water Nutrition 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/90—Fuzzy logic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/906—Process plant
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
【産業上の利用分野】
本発明は、プロセス制御装置およびこれを用いる制御支
援装置に関し、特に製鉄炉等の熱プロセス,化学プラン
トの反応プロセスあるいは上水道における薬品注入プロ
セスに代表される複雑なユ二程、更には、下水道におけ
る下水排水ボンブの制御等の急激な制御量の変化を伴う
プロセスを制御または管理するに好適な、プロセスM御
装置およびこれを用いる制御支援装置に関する。 〔従来の技術〕 近年、多くの製造工業プロセスや、上下水道等の公共資
源を管理するプロセスにおいて、状態の計測と制御のた
めのシステムが採用されている。 代表的なものとしては、プロセスの状態と目標値の偏差
に基づ<PIDM御や、ブムセスの状態量を用いてri
f−then〜」型のルールにより推論を行い、プロセ
ス操作量を求める人工知能の応用手法等がある. PID制御は、プロセスの計測情報の数が少ない場合に
は有効であるが、計測情報の数が多く、しかも、計測情
報間に複雑な因果関係が含まれる場合には、適用が困難
であった。「i『〜then〜j型のルールにより推論
を行うものでは、ルールを構築するために、熟練運転員
の知識や経験によるノウハウを抽出する必要がある.し
かしながら、複雑なプロセスでは、熟練運転員の知識や
経験によるノウハウを抽出することが困難であるばかり
でなく、ルール相互間の整合性を保つために、試行錯誤
的な作業が必要であるという問題があった。 このような問題に対しては、本出願人が、先に特願昭6
3−236402号,特願平1−136019号により
、時系列的な状態変化パターンから特徴を抽出して抽象
的な表現に変換すること、および、抽象的表現により得
られる計測情報間の因果関係を用いることを特徴とする
制御装置を提案している。上述の制御装置によれば、操
業期間の大部分を占める定常的なプロセス状態の様々な
擾乱を乗り越える安定化制御が実現できる. 〔発明が解決しようとする課題〕 しかしながら、上記技術においても、非定常なプロセス
状態もしくは突発的な異常事態における対応、および、
回復のための制御操作は人手に委ねられたまま残されて
いる。このようなマニュアル操作領域のシステム化につ
いては、最近の人工知能応用の技術開発成果と、データ
解析技術のIlη発成果を導入することが,有力な解決
方法と考えられる。ここで、上記技術を、非定常的なプ
ロセスの制御に適用するに当たっては、以下に示す二つ
の問題がある。 第一は、熟練運転員の知識や経験によるノウハウの大き
な要素となっている状態識別部のシステム化が困難なこ
とである。熟練運転員が制御に利川する情報は,通常の
計測情報以外に、r時間推移のなかでの状態変化パター
ン」「複数の計測データの状態組合せパターン」F音響
,映像,雰囲気等のパターンノ 等の認識およびこれらの組合せがある。更に言えば、こ
れらの情報における非線形性,あいまい性が加わって、
一連の熟練運転員の判断が下されている。 第二は、熟練運転員に近い推論,判定のルールの抽出が
容易でないことである。この問題は、般のエキスパート
システム構築でも大きな課題となっているが、この理由
として、 「熟練者が自分の知識を明示的なルールとして認識して
いることは少ない」 「エキスパートの経験していない特殊な状況に対する知
識を引き出すことはできない」 ということが言われている。この二つは、そのまま、プ
ロセス制御のためのルール抽出にも当てはまる。 ルール抽出の効果的な方法は、人工知能応用の課題でも
あるが、プロセス制御を対象とした場合には、対象プロ
セスの構造的特性の把握に基づいた独自のアプローチが
あるものと考えられる。 本発明は上記事情に鑑みてなされたもので、その第一の
目的は,従来の技術における上述の如き問題を解消し、
プロセスの状態変化パターンをあいまいな記号に変換す
ることにより、熟練運転員がプロセスの状態を識別して
プロセス操作量を決定する際に用いる言語に近い表現を
用いることを可能にする、記号化装置を提供することに
ある。 また、本発明の第二の目的は、上述の記号化装置を利用
して、複雑なプロセスの制御システム構築のための技術
として、熟練運転員に近い状態識別機能を発揮させるよ
うにしたプロセス制御装置および制御支応装置を堤供す
ることにある。 本発明の他の目的は、同じく上述の記号化装置を利用し
て、熟練運転員の制御知識やプロセス構造に基づくプロ
セス状態量の間の因果関係知識等を利用することにより
、ルール相互間の整合性を保った制御モデルの構築が行
えるようにしたプロセス制御装置および制御支援装置を
提供することにある。 〔課題を解決するための手段〕 本発明の上記第一の目的は、制御対象プロセスのプロセ
ス状態を記号的な表現に変換する記号化装置において、
前記プロセス状態の時系列的な変化パターンの特徴量を
抽出する特徴抽出部と、該特徴抽出部からの特徴量を記
号毎に定められたファジー表現のためのメンバシップ関
数を用いて、あいまいな記号に変換する記号化部とから
構成されることを特徴とする記号化装置、および、制御
対象プロセスのプロセス状態値を検出するプロセス状態
値検出手段と、該プロセス状態値検出手段からのプロセ
ス状態値およびプロセス操作量を記憶しておくプロセス
状態値記憶手段とをイfするプロセス制御装置において
、前記プロセス状態M記憶手段に記憶されているプロセ
ス状態値およびプロセス操作危を用いて、現イEのプロ
セス状態イ直およびプロセス操作量の変化パターンを記
号的な表現に変換する記号化手段と、該記号化手段がら
の記号的な表現を用いてプロセスの状態を目標値に近づ
けるためのプロセス操作量を決定する制御演算手段と、
該制御演算手段により決定されたプロセス操作量を入力
し、該プロセス操作量をプロセスへの制御出力に変換出
力する制御出力変換手段とを設けたことを特徴とするプ
ロセス制御装置によって達成される。 〔作用〕 本発明に係るプロセス制御装置においては、記号化装置
は、プロセス状態値の変化パターンの特徴量を抽出し、
この特徴量を用いてプロセスの変化状態を記号的な表現
に変換する。これにより、熟練運転員に近いプロセス状
態の識別機能を発揮させることができる。また、制御演
算装置は、記号的な表現に変換されたプロセス変化状態
を入力とし、プロセス操作量を決定する。熟練運転員の
持つ経験的なノウハウや知識は言語に近い記号で表現さ
れるため、プロセス変化状態の記号的な表現を用いた、
制御モデルの構築が行える。これにより,熟練運転員の
持つプロセス構造あるいはプロセス状態量の間の因果関
係等の知識が有効に利用でき、制御のためのルール相互
間の整合性を保った制御モデルを実現できる。 また、制御履歴記憶装置には過去のプロセス状態値およ
びプロセス操作量の記号的な表現が記憶される。パラメ
ータ学習装置は、上記制御履歴記憶装置に記憶されてい
る過去の制御結果を用い、記号化装置および制御演算装
置における演算のためのパラメータを変更する。これに
より、プロセスの状態変化パターンを表現するために用
いる記号的な表現のあいまいさを、熟練運転員の持つ言
語的な表現のあいまいさに近づけ、熟練運転員に近いプ
ロセス操作量演算のためのプロセス状態識別機能を発揮
させることが可能になる。 〔実施例〕 以下、本発明の実施例を図面に基づいて詳細に説明する
。 第1図は、本発明の第一の実施例であるプロセス制御装
置のブロック構成を示す図である。図において、lは制
御対象であるプロセス、2は制御対象プロセスlの状@
量を検出し、制御装置において取り扱う形式のプロセス
状態検出値に変換して出力するプロセス状態検出器、3
は計測されたプロセスの状態値およびプロセス操作量を
一定期間保存するプロセス状態値記憶装置、4は該プロ
セス状態値記憶装置3に保存されたプロセス状態値およ
びプロセス操作量を予め定めたサンプリング周期毎に取
り出し、プロセスの状態変化パターンおよびプロセス操
作量の変化パターンを記号的な表現に変換する記舛化装
置、5は該記号化装置4の出力を用いてプロセスの状態
を目標値に近づけるためのプロセス操作量を決定する制
御演算装置、6は該制御演算装i¥75により決定され
たプロセス操作量を実際のプロセス操作端駆動用の信号
に変換してプロセス制御用に出力する制御出力変換装置
を示している。また、7は前記記号化装置4の出力であ
る記号的な表現に変換されたプロセス状態値およびプロ
セス操作量を記憶しておくための制御履歴記憶装置、8
は該制御履歴記憶装置7に記憶されている過去の制御履
歴を用いて前記記号化装置4および制御演算装置5のパ
ラメータを決定するためのパラメータ学習装置、9はプ
ロセス状態値の因果関係やプロセス構造に関する知識を
記憶しておく知識ベース、10は知識ベース9への知識
の追加や変更を容易にするための知識ペースエディタ、
1lは該知識ベースエディタIOを操作するためのCR
T等を備えた表示装置を示している。 記号化装置4は、前述の特願昭63−236402号,
特願平1−136019号に示した方法,すなわち、入
力パターンを折れ線で近似し、該折れ線をそれを構成す
るベクトル系列に変換し、これを、比較対象となる標準
的なパターンを折れ線で表現したべクトル系列と比較し
て、両者間の類似度および縮尺率を計算することにより
、少ない計算量で、形状は相似であるが大きさの異なる
パターンを含めてパターン識別を可能とするパターン識
別方法を用いて、プロセスの変化パターンおよびプロセ
ス操作量の変化パターンを、記号的な表現に変換する。 第2図に、上述の記号化装置4の詳細を示す。 本実施例における記号化装置4は、上記特徴に加えて、
プロセス状態値およびプロセス操作量の時系列的な変化
パターンから特徴を抽出する特徴抽出部21と、ファジ
ー表現のためのメンバシップ関数を用いて特徴をあいま
いな記号表現に変換する記号化部24とを備えている.
以下、第2図に示した装置の詳細な動作を説明する. プロセスで計測されるデータの多くは、一定のサンプリ
ング周期毎に得られる時系列的なデータである。先に第
1図に示したプロセス状態記憶装置3から取り出された
時系列データ20は、フィルター記憶部22に記憶され
ている特徴抽出フィルターを用いた積和演算により,そ
の時系列的な変化パターンに対応した多項式に展開され
る。この多項式の展開係数23が、上述の記号化部24
に送られる。記号化部24では、処理中の時系列データ
に対応したメンバシップ関数をメンバシップ関数記憶部
25から取り出し、ファジー表現された記号データ26
として出力する。 次に、第2図の特徴抽出部21の動作を、第3図を用い
て説明する。第3図<a>は時系列データの一例を示す
図、同(b)は特徴抽出を行うためのフィルターの一例
を示す図である.第3図(a)に示した時系列データに
、同(b)に示したフィルターを作用させて得られる展
開係数23を、第3図(c)に示す。この例では、同図
(b)のO次フィルター31によるO次の展開係数は4
.0、1次フィルター32による1次の展開係数は0.
5. 2次フィルター33による2次の展開係数は0.
3である。 第4図は、第2図における記号化部24の動作例を示す
図である。同図(a)は、0次の展開係数に対するメン
バシップ関数の一例であり、同図(b)は、1次と2次
の展UFJ係数に対する二次元的なメンバシップ関数の
例である。また、同図(C)は、同図(a)および(b
)に示したメンバシップ関数を用いた記号化結果を示す
ものである.第4図(a)において, 41. 42お
よび43は、それぞれ、「低い」「中くらい」および「
高い』という記号に対するメンバシップ関数である。 先に第3図(a)に示した時系列データに対するO次フ
ィルター31による展開係数は4.0であり、第4図(
a)の矢印44に対するメンバシップ関数の値から、記
号的な表現の適合度としてr中くらい」が0.8、『低
い」が062であるという結果を得る。 第4図(b)は、メンバシップ関数の値を模式的に等高
線で表現したものであり、例えば、45. 46および
47は、それぞれ、「下降中」『平衡状態」および「上
昇中』という記号に対するメンバシップ関数であり、断
面A−A’は第4図(a)と類似した形状をしている。 また、第3図(a)に示した時系列データに対する1次
フィルター32および2次フィルター33による展開係
数は、それぞれ、0.5および0.3であり、第4図(
b)の×印48に対するメンバシッブ関数の値から、こ
の場合の記号的な表現の適合度としては、「上昇中」が
0.5、「平衡状態」が0.2、「平衡から上昇」が0
.3であるという結果を得る。 このように、第2図に示した記号化装置4により、時系
列的なデータとしてのプロセス状態f1aが、プロセス
のレベルを表わす「高い」「中くらい」「低い」という
あいまいな記号と、プロセスの変化状態を示す「上昇中
」「平衡状態」といったあいまいな記号に対する適合度
の組として得られる。 第1図の制御演算装置5は、上述の記号化装置4の出力
結果である記号表現を新しい記号表現に変換する機能を
有する。第5図は、本制御演算装置5の構成を示すブロ
ック図である。図中、5lは上述の記号化装置4から送
られる記号表現の適合度を保持しておくメモリ回路、5
2は該メモリ回路5lに記憶された各記号の適合度の組
を任意に組み合せて出力する組み合せネットワーク、5
3は任意の記号の組を新しい記号に変換する記号変換回
路を示している.第5図では、組み合せネットワーク5
2と記号変換回路53の組が二段結合されている例を示
しているが、これは、必要に応じて仕意の段数とするこ
とができるものである。 上述の組み合せネットワーク52の詳細な構成を、第6
図に示す。組み合せネットワーク52はメモリ6lの配
列であり、知識ベース9に蓄えられているプロセスの構
造やデータ間の因果関係に関する知識に基づき、メモリ
回路5lと記号変換回路53とを接続するものである。 例えば、第7図に示すような知識が、知識べ一ス9に蓄
えられているとする。すなわち、因果関係知識により、
「データAとデータBにより、データXが決定される』
、あるいは、制御知識により、「データAが『上昇中』
であり、データBがr高い』ならば、操作量Xを『増加
』する」ということが先験的に与えられているとする。 この場合、第6図に示す各メモリ6Iのうち、●印を付
したものがネットワークの結合係数が1.0で接続の状
態となり、他のメモリは接続の結合係数は0.0となる
.この組み合せネットワーク52を介することにより、
知識ベース9に蓄えられた知識に従ってメモリ5lに保
持された記号の組が、記号変換回路53への入力として
与えられる。組み合せネットワーク52は、第6図に示
すようなハードウェアとして構成されるだけでなく、同
様の機能を持つソフトウェアとしても実現できることは
言うまでもない。 第8図は、上述の記号変換回路53の記号変換素子54
の例を詳細に説明する図である。記号変換部83は、多
次元の記憶素子の配列であり、第8図では、説明を簡単
にするために二次元の例を示している。8lおよび82
は、メモリ回路5l中の、それぞれ異なる事象の記号的
表現の適合度を保持するメモリである.記号変換部83
の横方向の素子は、メモリ(A)81の同一記号を表わ
すメモリから入力を受け、同様に、縦方向の素子は、メ
モリ(B)82の同一記号を表わすメモリから入力を受
ける。メモリ(C)84の各素子は、それぞれ、記号変
換部83のすべての素子と結合されている。メモリ(A
)81およびメモリ(B)82から入力を受けた記号変
換部83の各素子は、入力状況に応じて、一定の出力分
布となる。 この出力分布に応じて、メモリ(C)84の各素子の出
力状態が決定される。すなわち、記珍変換部83のj番
目の素子への入力をxi( i = 1 . 2,・・
・ntLj番目の素子の出力をXJとし、メモリ84の
k番目の素子の出力をXkとすると、 ni XJ= f ( Σ xl) ・
・・・(1)i=1 nJ ×k=f( Σ WJxj) ・・・・(
2)J=1 と表わされる。ここで、W1は結合重みパラメー夕、f
は入出力の変換関数であり、例えば、シグモイド関数 1 f(x)= ・・・・
(3)1+exp(−x) 等を用いることができる。 第1図に戻って、パラメータ学習装置8は、記号化され
た制御履歴を記憶しておく制御履歴記憶装置7の記憶内
容を用いて、記号変換素子54の内部結合85の結合パ
ラメータを更新する。この結合パラメータの更新方法と
しては、制御履歴記憶装置7にM積されている過去の操
業データの記号化された状態値を制御演算装置5への入
力とし、出力として得られる記号表現された操作量と教
師信号である過去の操業データの記号化された操作量と
の誤差を用い、良く知られた誤差逆伝播法等を用いて行
うことができる。 記号変換素子54のメモリ(C)84は、それぞれ、同
一の事象の状態を表わすファジー表現された記号であり
、メンバシップ関数の適合度のような性質を持たせるこ
とができる。すなわち、同一の事象に対する記号の適合
度の総和は1.0になるように、それぞれのメモリの出
力を、各メモリの出力の総和で正規化しておけば良い.
更に、記号表現のあいまいさを減少させるには、各メモ
リの間に側抑制結合を設けて、すなわち、xl(i=1
,2,・・・・+n)を同一事象に対する記号表現とす
るとき、J =1−S とすることにより、事象の判定を明確に行うことができ
る。ここで、W8は結合重みを表わすパラメータであり
、例えば、第9図に示すような形状をしている。 多次元の空間的な位置として示される記号表現の場合も
、第(4)式と同様の側抑制結合を設けることができる
。 発見的な学習方法として、上述の方法による学習により
、知識ベース9に蓄えられた知識に基づく、組み合せネ
ットワーク52の結合状態での各記号間の結合パラメー
タが与えられた後、再び制御履歴記憶装置7に蓄えられ
たデータを入力し、同時に大きな適合度を持つ記号を探
索した後、その記号の組の間に結合を新たに設けて学習
することにより、新しい知識や制御ルールの発見的な獲
得を行うことができる。また、制御履歴記憶装置7に記
憶されている過去の状態値と、制御演算装置5か.ら出
力される操作量が類似しているデータを分類・抽出し、
各記号の適合度の平均値・分散等を求め、適合度の平均
値が大きくしかも分散の小さい記号の組を探索すること
により、知識ベース9に蓄えられていないプロセス状態
値と操作量との因果関係を自動的に抽出し、制御知識と
して登録し、利用することができる。これにより、熟練
運転員の持つ知識や経験を自動的に抽出できるばかりで
なく、制御知識の間の矛盾も発見することができる。 以上で説明した学習方法は、記号変換回路53の内部結
合の結合パラメータを学習するものであるが、他の場合
として、制御履歴記憶装置7に記憶する内容を、計測さ
れた時系列的な数値データとすることも可能である。こ
の場合、第lO図に示すように,記号化装置4と制御演
算回路5における処理を一連のものとし、パラメータ学
習装fa8による学習において、制御演算装置5の内部
結合85の結合パラメータと同時に、記号化装置4のメ
ンバシップ関数も学習することもできる。これにより、
プロセス状態値を表現する記号のあいまいさを、熟練運
転員の持つ知識を表現する言語のあいまいさに近づける
ことができ、プロセス状態の識別機能を一層高めること
ができる。 上述の実施例における各部の動作の関連を、制御装置設
計時と制御実施時について、説明する。 まず、制御装置設計特においては、以下の■〜■の動作
を行う。 ■:表示装置I+から知識ベースエディタ10を用いて
、知識ベース9に制御対象プロセスlに関する知識を対
話的に入力する。 ■:知識ベース9に蓄えられた知識を基に、制御演算装
置5の組み合せネットワーク52の結合係数を設定する
。 ■:制御履歴記憶装置7に記憶された制御履歴を用いて
、パラメータ学習装置8により、制御演算装置5の内部
結合85の結合パラメータの学習を行う。 以上の■〜■の動作を実行後の制御演算装置5の操作量
出力と、制御履歴記憶装置7に記憶されている操作量と
を比較し、知識ベース9の内容を追加,修正し、上記■
〜■の動作を繰り返すことも可能である6 制御履歴記憶装置7へのデータの格納は、過去のプロセ
スデータがプロセス状態値として保存されている場合は
、そのデータを記号化装置4を通して格納しても良いし
、本発明による制御演算装置5を制御に利用する前の操
業データを記号化装置4を通して記号化した結果を格納
するようにしても良い。 また、制御実施時ににおいては、後述の■〜■の動作を
、一定の周期で繰り返す。 ■:プロセス状態検出器2により制御対象プロセス1の
プロセス状態を検出する。検出された現在のプロセス状
態値と、プロセス状態記憶装置3から一定のサンプリン
グ周期で読み出したデータとを、記号化装置4に送る。 ■:記号化装置4により記号化されたプロセス状態値お
よび操作量は、制御演算装置5に送られるとともに、制
御履歴記憶装置7に記憶される。 ■:制御演算装置5は、記号化装置4から入力される記
号化されたプロセス状態値を用いて、内部の結合パラメ
ータで表現された制御モデルにより、プロセス操作量を
演算して制御出力変換装置6に出力する。 ■二制御出力変換装置6は、制御演算装置5から入力さ
れるプロセス操作量を、実際のプロセス操作端駆動用の
信号に変換し、制御対象プロセス1の操作端に出力する
。 以上述べた如く、上記実施例によれば、熟練運転員の持
つあいまいな記号を用いたプロセス操作量の演算ができ
ると同時に、蓄積された知識や経験を有効に利用するこ
とができ、熟練運転員に近いプロセス制御モデルの構築
を行うことが可能になるという効果がある。 ここで、上述の実施例に係る具体例を挙げておく。以下
に示す具体例は、第15図に示す如く、ボンブ台数制御
装置を示すものである。 第15図において、Aは下水処理プロセスを示しており
,Bはこの下水処理プロセスAにおけるポンプ台数制御
装置を示している6沈砂池151には地中に埋設された
管渠152が設けられ、更にスクリーン153を介して
ポンプ井+54が一体に設けられている。阻水扉155
は、上記管渠152からの流入水量が多く、ポンプ井1
54の水位が上昇した場合に、ポンプ設備を浸水から守
るためのゲートである。上記管渠+52から流入した下
水、すなわち一般排水および雨水,地下水は、阻水扉1
55を介して、沈砂池151からスクリーン+53を通
して、ポンプ井154に流れる如く構成されている。 上記ポンプ井+54には、ポンプ156− 1 〜15
6− nが接続された吸込み菅157−1〜+57−
nが浸透配管されている。そして、各ボンブ156−
1〜156− nの吐出し側の各管は、共通接続されて
下水処理設備等+58に配管されている。 上の如く構成された下水排水プロセスにおいては、通常
は、運転するポンプの組み合せの変更により段階的に、
または、一部速度制御や吐出し弁開度制御により連続的
に、吐出量の調整がなされている。ところで、下水は前
述の如く一般排水と雨水,地下水等から成り、一般排水
は時系列変化が週単位か日単位かによって、ある程度定
型的となっているのに対し、雨水,地下水は地域,天候
等によりその都度変化するために、流入流量の予測値を
求めることが困難である。 そこで、通常、ボンブ156および阻水扉155の運転
制御は、ボンブ井水位と、ポンプ群の全吐出し流量とを
直接対応させて行われている。ところが、このような運
転制御では、流入流量が大きく変化し、ボンブ井水位の
変化が急峻となった場合に対応できなくなる場合があり
、ボンブの無人運転を困難なものとしている。また、流
入流量の再現性が乏しいために、ボンブ群の運転制御に
は熟練が必要であり,かつ,都市を洪水から守るという
使命感から、極度に緊張を強いられる仕事となっている
。 下水処理プロセスAを制御するために、上記実施例によ
るボンブ台数制御装置Bは、次の如き構成となっている
。すなわち、プロセス状態検出器2が設けられ、このプ
ロセス状態検出器2を通して、降雨計の計測信号l59
,ポンプ井水位検出信号+61および吐出し流量検出信
号!62が、記号化装jn4およびプロセス状態値記憶
装置3に送られる如く構成されている。記号化装置4は
、現在のプロセス状態値および適当なサンプリング周j
び1で取り出したプロセス状態値記憶装置3に記憶され
た過去のプロセス状fllij 4ffとを用いて、各
々のプロセス状態の変化パターンを記号化して出力する
。 第17図に示す如く、ポンプ井水位の時系列データ17
1を、多項式に展開したときのO次の項からポンプ井水
位が、1次および2次の項からボンブ井水位変化率が、
それぞれ、あいまいな記号として表現され、制御演算装
置5のメモリ回路5Iに記憶される。同様に、全吐出!
k172の時系列データを多項式に展開したときのO次
の項から降雨量のあいまいな記号が、1次および2次の
項から降雨量変化率のあいまいな記号が、それぞれ、メ
モリ回路51に記憶される。 知識ベース9には、表示装置l1がら知識ベースエディ
タlOを用いて入力されたプロセスの構造による因果性
知識と、経験的に得られている制御知識とが記憶されて
いる。第16図に、知識ベース9に記憶された知識の一
例を示す。これらの知識を用いて、制御演算装置5の組
み合せネットワーク52−1および52−2の結合係数
が決定される3第l7図に結合の状態を模式的に示す。 第16図の因果性知識■によりポンプ井水位と貯水量と
の間に、因果性知識■によりポンプ井水位変化率と全吐
出し量の双方と流入量との間に、因果性知識■および■
により降雨量と降雨量変化率の双方と流入量変化率との
間に、それぞれ、因果関係があることが示される。この
関係は、第17図の組み合せネットワーク52−1の結
合係数を規定している。また、第16図の制御知識のお
よび■により貯水量,流入量および流入量変化率とボン
ブ台数間に、制御知識■および■により貯水量,流入量
および流入量変化率と阻水扉155の開度との間に、そ
れぞれ、因果関係があることが示される。 この関係は、第17図の組み合せネットワーク52−2
の結合係数を規定している。 制御系設計時には、制御履歴記憶装置7に記憶された各
プロセス状態値が順々に呼び出され、メモリ回路5lに
記憶される。記号変換回路53−1および53−2を通
して演算された結果である操作量と、上述の制御履歴記
憶装置7に記憶された過去の操作量との偏差を教師信号
として、パラメータ学習装置8により記号変換回路53
−1および53−2の結合パラメータが学習的に変更さ
れる。 制御履歴記憶装置7に、過去の状態値が数値として記憶
されている場合は、各々の状態値を記号化装置4の入力
とし、出力として得られる操作量と制御履歴記憶装置7
に記憶された操作量との偏差を教師信号として、パラメ
ータ学習装置8により、記号化装R4のメンバシツプ関
数と記号変換回路53−1および53−2の結合パラメ
ータを同時に学習することができる。 制御実施時には、記号化装置4の出力であるメモリ回路
5lに記憶されているデータを用いて、制御演算装置5
の学習された結合パラメータにより操作量が決定され、
プロセスの制御が行われる。 本実施例によれば、運転員の持つあいまいな記号で表現
された知識および制御履歴をプロセス操作量決定のため
の知識として有効に活用することが可能になり、熟練運
転員の能力に近いプロセス制御装置を容易に実現するこ
とができる。 次に、上述のプロセス制御装置の応用に係るプロセスモ
デル生成装置について説明する。 第1!図は,本実施例に係るプロセスモデル生成装置の
ブロック構或図である。図中、制御対象プロセスl,プ
ロセス状態検出器2,プロセス状態値記憶装置3,記号
化装置4,制御演算装置5,制御出力変換装置6,制御
履歴記憶装置7.パラメータ学習装置8,知識ベース9
,知識ベースエディタ10,表示装置I+は、先の実施
例に関して第1図に示した構成要素と同一の動作をする
ものである。復元装置112は、制御履歴記憶装置7に
記憶された、記号化されたプロセス状態値を時系列デー
タとして復元し、表示装置!1に表示する機能を有する
ものである。また、モデル生成装置IIIは,第5図に
示した制御演算装置5と基本的には同一の構成を有し、
知識ベース9に記憶されたプロセスの因果性に関する知
識を用いて、基本的なプロセスのモデルを内部の組み合
せネットワークの結合状態として表現する。パラメータ
学習装置8は、制御履歴記憶装置7に蓄積された、過去
の記号化されたプロセス状態量とプロセス操作量に対す
るプロセスモデル生成装置Illの状態変化出力と、制
御履歴記憶装置7に記憶されている実際の状態変化とを
比較し、前述の学習方法によりモデル生成装置111の
内部結合85の結合パラメータを変更する。本実施例に
よれば、過去の操業データを用いたプロセスモデルを、
自動的に生戒することができるという効果がある。 次に、第12図を用いて、上述のプロセス制御装置の応
用に係る最適操作知識自動生成装置について説明する。 第12図は、本実施例に係る最適操作知識自動生成装置
のブロック構威図である.第l2図において、制御対象
プロセス1,プロセス状態検出器2,プロセス状態値記
憶装置3.記号化装置4,制御演算装置5,制御出力変
換装置6,制御履歴記憶装置7,パラメータ学習装置8
,知識ベース9,知識ベースエディタ10,表示装置1
1は、先の実施例に関して第1図に示した構成要素と同
一の動作をするものである。復元装置+12は、制御履
歴記憶装置7に記憶された、記号化されたプロセス状態
値を時系列データとして復元し、表示装置11に表示す
る機能を有するものである。また、プロセスシミュレー
ション装[ +22は、制御履歴記憶装置7に蓄積され
た、記号化されたプロセス状態値とプロセスモデルを用
いて、プロセスの状態変化のシミュレーションを実行す
る。最適操作量決定装置+23は、プロセスシミュレー
ション装置122のシミュレーション結果と、表示装置
l1から入力されたプロセスの目標状態とを用いて、最
適な操作量を決定する。前述の第一の実施例では、パラ
メータ学習装置8の教師信号としての操作量は、過去の
操業時における操作履歴であったのに対し、本実施例で
は、最適操作量決定装置+23の出力信号である最適操
作量を用いる点が大きく異なっている. 本実施例によれば、蓄積された操業履歴を用いて、プロ
セス状態値と最適操作量との関係を制御演算装置5内の
結合パラメータとして自動的に生成することが可能にな
る。 次に、第13図を用いて,上述のプロセス制御装置の応
用に係るプロセス運転訓練装置について説明する。 第13図は、本実施例に係るプロセス運転訓練装置のブ
ロック構成図である。図中、制御対象プロセスl,プロ
セス状態検出器2,プロセス状態値記憶装113,記号
化装R4.Mm演算装置5,制御出力変換装置6,制御
履歴記憶装置7,パラメータ学習装置8,知識ベース9
,知識ベースエディタ10,表示装置IIは、先の実施
例に関して第1図に示した構成要素と同一の動作をする
ものである。復元装置+12は、第I1図に示したもの
と同一の機能を有するものである.また、プロセスシミ
ュレーション装置132は、表示装置11から入力され
る訓練員によるプロセス操作量を入力とし、内部のプロ
セスモデルに基づいたプロセスの状態変化を出力する。 比較装置+31は、制御履歴記憶装置7に記憶されてい
る実際の操作量およびプロセス状態値の変化と、訓練員
による操作結果とを比較し、比較結果を表示装置1】に
出力する。 本実施例によれば、蓄積された操業履歴を用いて、プロ
セス運転員の訓練を行うことが可能になるという効果が
ある。 次に、第14図を用いて、上述のプロセス制御装置の応
用に係るプロセス運転支援装置について説明する。 第14図は、本実施例に係るプロセス運転支援装置のブ
ロック構成図である。図中、制御対象プロセス1,プロ
セス状態検出器2,プロセス状態値記憶装置3,記号化
装置4,制御演算装置5,制御出力変換装置6,制御履
歴記憶装置7,表示装置11は、先の実施例に関して第
1図に示した構成要素と同一の動作をするものである。 また、Ml索装置141は,記号化装置4による現在の
記号化されたプロセス状態に最も近い過去のプロセス状
態値およびプロセス操作量を、制114H歴記憶装置7
に蓄積された過去の操業結果から検索し、復元装置+1
2に出力する機能を有するものである。復元装置+12
は、第11図に示したものと同一の機能を有するもので
あり、検索装置141から入力される記号化されたプロ
セス状態値の変化を時系列的な変化パターンに復元し、
表示装置IIに出力する。 更に、表示装w111には、プロセス状態値記憶装置3
に記憶されている、現在のプロセス状態の変化パターン
を同時に表示する。 本実施例によれば、プロセスの運転員に対し、蓄積され
た操業履歴と現在のプロセス状態とを比較表示できると
同時に、過去の操作量と操作結果をも制御のための有力
な情報として提供することが可能になる. 第11図〜第l4図に示した各応用装置は、プロセス制
御を支援するための有効な手段を提供するものである。 なお、上記各実施例は、本発明の一例として示したもの
であり、本発明は、これらに限定されるものではない。 〔発明の効果〕 以上、詳細に説明した如く、本発明によれば、プロセス
の状態変化パターンをあいまいな記号に変換することに
より、熟練運転員が用いる表現に近い表現を可能とする
記号化装置を実現でき、また、熟練運転員に近い判別機
能を発揮可能なプロセス制御装置を実現できるという効
果がある。更に、下記の如き効果を得ることができる。 (1)これまで、直接的な計測が不可能であった、プロ
セス計測情報の時系列的な状態変化パターンを、プロセ
スの情報を判別するための有力な情報として利用できる
。 (2)プロセスのモデル構築の情報的なネックとなって
いた変数間の干渉の扱いや、多変数モデルにおける数値
的な演算の限界が、変数の状態を記号等の抽象的な表現
に変換することにより利用可能になる. (3)プロセスの制御モデルを記号的な表現を用いて行
うことにより、熟練運転員の持つ知識やノウハウ、ある
いは、プロセスの構造から定まる変数問の因果関係等を
利用した制御モデルの構築が可能になり、熟練者の表現
力を越えた知識と経験則を、もれなく、しかも、整合性
を保った形で抽出・利用可能になる。 (4)プロセスの計測データを、あいまいな記号に変換
して用いることによ番ハ熟練運転員がプロセス状態を表
現するのに用いる言語に近い表現を用いたプロセス操作
量の演算を行うことが可能になる。 (5)過去のプロセス計測データに記号的な事象名を与
えて蓄積することにより、プロセス操業時の事象と類似
する過去の事象を高速に検索することが可能となり、過
去の類似した操業データを参考とした異常事態への対処
等蓄積された経験を有効活用した判断基準を提供するこ
とができる。
援装置に関し、特に製鉄炉等の熱プロセス,化学プラン
トの反応プロセスあるいは上水道における薬品注入プロ
セスに代表される複雑なユ二程、更には、下水道におけ
る下水排水ボンブの制御等の急激な制御量の変化を伴う
プロセスを制御または管理するに好適な、プロセスM御
装置およびこれを用いる制御支援装置に関する。 〔従来の技術〕 近年、多くの製造工業プロセスや、上下水道等の公共資
源を管理するプロセスにおいて、状態の計測と制御のた
めのシステムが採用されている。 代表的なものとしては、プロセスの状態と目標値の偏差
に基づ<PIDM御や、ブムセスの状態量を用いてri
f−then〜」型のルールにより推論を行い、プロセ
ス操作量を求める人工知能の応用手法等がある. PID制御は、プロセスの計測情報の数が少ない場合に
は有効であるが、計測情報の数が多く、しかも、計測情
報間に複雑な因果関係が含まれる場合には、適用が困難
であった。「i『〜then〜j型のルールにより推論
を行うものでは、ルールを構築するために、熟練運転員
の知識や経験によるノウハウを抽出する必要がある.し
かしながら、複雑なプロセスでは、熟練運転員の知識や
経験によるノウハウを抽出することが困難であるばかり
でなく、ルール相互間の整合性を保つために、試行錯誤
的な作業が必要であるという問題があった。 このような問題に対しては、本出願人が、先に特願昭6
3−236402号,特願平1−136019号により
、時系列的な状態変化パターンから特徴を抽出して抽象
的な表現に変換すること、および、抽象的表現により得
られる計測情報間の因果関係を用いることを特徴とする
制御装置を提案している。上述の制御装置によれば、操
業期間の大部分を占める定常的なプロセス状態の様々な
擾乱を乗り越える安定化制御が実現できる. 〔発明が解決しようとする課題〕 しかしながら、上記技術においても、非定常なプロセス
状態もしくは突発的な異常事態における対応、および、
回復のための制御操作は人手に委ねられたまま残されて
いる。このようなマニュアル操作領域のシステム化につ
いては、最近の人工知能応用の技術開発成果と、データ
解析技術のIlη発成果を導入することが,有力な解決
方法と考えられる。ここで、上記技術を、非定常的なプ
ロセスの制御に適用するに当たっては、以下に示す二つ
の問題がある。 第一は、熟練運転員の知識や経験によるノウハウの大き
な要素となっている状態識別部のシステム化が困難なこ
とである。熟練運転員が制御に利川する情報は,通常の
計測情報以外に、r時間推移のなかでの状態変化パター
ン」「複数の計測データの状態組合せパターン」F音響
,映像,雰囲気等のパターンノ 等の認識およびこれらの組合せがある。更に言えば、こ
れらの情報における非線形性,あいまい性が加わって、
一連の熟練運転員の判断が下されている。 第二は、熟練運転員に近い推論,判定のルールの抽出が
容易でないことである。この問題は、般のエキスパート
システム構築でも大きな課題となっているが、この理由
として、 「熟練者が自分の知識を明示的なルールとして認識して
いることは少ない」 「エキスパートの経験していない特殊な状況に対する知
識を引き出すことはできない」 ということが言われている。この二つは、そのまま、プ
ロセス制御のためのルール抽出にも当てはまる。 ルール抽出の効果的な方法は、人工知能応用の課題でも
あるが、プロセス制御を対象とした場合には、対象プロ
セスの構造的特性の把握に基づいた独自のアプローチが
あるものと考えられる。 本発明は上記事情に鑑みてなされたもので、その第一の
目的は,従来の技術における上述の如き問題を解消し、
プロセスの状態変化パターンをあいまいな記号に変換す
ることにより、熟練運転員がプロセスの状態を識別して
プロセス操作量を決定する際に用いる言語に近い表現を
用いることを可能にする、記号化装置を提供することに
ある。 また、本発明の第二の目的は、上述の記号化装置を利用
して、複雑なプロセスの制御システム構築のための技術
として、熟練運転員に近い状態識別機能を発揮させるよ
うにしたプロセス制御装置および制御支応装置を堤供す
ることにある。 本発明の他の目的は、同じく上述の記号化装置を利用し
て、熟練運転員の制御知識やプロセス構造に基づくプロ
セス状態量の間の因果関係知識等を利用することにより
、ルール相互間の整合性を保った制御モデルの構築が行
えるようにしたプロセス制御装置および制御支援装置を
提供することにある。 〔課題を解決するための手段〕 本発明の上記第一の目的は、制御対象プロセスのプロセ
ス状態を記号的な表現に変換する記号化装置において、
前記プロセス状態の時系列的な変化パターンの特徴量を
抽出する特徴抽出部と、該特徴抽出部からの特徴量を記
号毎に定められたファジー表現のためのメンバシップ関
数を用いて、あいまいな記号に変換する記号化部とから
構成されることを特徴とする記号化装置、および、制御
対象プロセスのプロセス状態値を検出するプロセス状態
値検出手段と、該プロセス状態値検出手段からのプロセ
ス状態値およびプロセス操作量を記憶しておくプロセス
状態値記憶手段とをイfするプロセス制御装置において
、前記プロセス状態M記憶手段に記憶されているプロセ
ス状態値およびプロセス操作危を用いて、現イEのプロ
セス状態イ直およびプロセス操作量の変化パターンを記
号的な表現に変換する記号化手段と、該記号化手段がら
の記号的な表現を用いてプロセスの状態を目標値に近づ
けるためのプロセス操作量を決定する制御演算手段と、
該制御演算手段により決定されたプロセス操作量を入力
し、該プロセス操作量をプロセスへの制御出力に変換出
力する制御出力変換手段とを設けたことを特徴とするプ
ロセス制御装置によって達成される。 〔作用〕 本発明に係るプロセス制御装置においては、記号化装置
は、プロセス状態値の変化パターンの特徴量を抽出し、
この特徴量を用いてプロセスの変化状態を記号的な表現
に変換する。これにより、熟練運転員に近いプロセス状
態の識別機能を発揮させることができる。また、制御演
算装置は、記号的な表現に変換されたプロセス変化状態
を入力とし、プロセス操作量を決定する。熟練運転員の
持つ経験的なノウハウや知識は言語に近い記号で表現さ
れるため、プロセス変化状態の記号的な表現を用いた、
制御モデルの構築が行える。これにより,熟練運転員の
持つプロセス構造あるいはプロセス状態量の間の因果関
係等の知識が有効に利用でき、制御のためのルール相互
間の整合性を保った制御モデルを実現できる。 また、制御履歴記憶装置には過去のプロセス状態値およ
びプロセス操作量の記号的な表現が記憶される。パラメ
ータ学習装置は、上記制御履歴記憶装置に記憶されてい
る過去の制御結果を用い、記号化装置および制御演算装
置における演算のためのパラメータを変更する。これに
より、プロセスの状態変化パターンを表現するために用
いる記号的な表現のあいまいさを、熟練運転員の持つ言
語的な表現のあいまいさに近づけ、熟練運転員に近いプ
ロセス操作量演算のためのプロセス状態識別機能を発揮
させることが可能になる。 〔実施例〕 以下、本発明の実施例を図面に基づいて詳細に説明する
。 第1図は、本発明の第一の実施例であるプロセス制御装
置のブロック構成を示す図である。図において、lは制
御対象であるプロセス、2は制御対象プロセスlの状@
量を検出し、制御装置において取り扱う形式のプロセス
状態検出値に変換して出力するプロセス状態検出器、3
は計測されたプロセスの状態値およびプロセス操作量を
一定期間保存するプロセス状態値記憶装置、4は該プロ
セス状態値記憶装置3に保存されたプロセス状態値およ
びプロセス操作量を予め定めたサンプリング周期毎に取
り出し、プロセスの状態変化パターンおよびプロセス操
作量の変化パターンを記号的な表現に変換する記舛化装
置、5は該記号化装置4の出力を用いてプロセスの状態
を目標値に近づけるためのプロセス操作量を決定する制
御演算装置、6は該制御演算装i¥75により決定され
たプロセス操作量を実際のプロセス操作端駆動用の信号
に変換してプロセス制御用に出力する制御出力変換装置
を示している。また、7は前記記号化装置4の出力であ
る記号的な表現に変換されたプロセス状態値およびプロ
セス操作量を記憶しておくための制御履歴記憶装置、8
は該制御履歴記憶装置7に記憶されている過去の制御履
歴を用いて前記記号化装置4および制御演算装置5のパ
ラメータを決定するためのパラメータ学習装置、9はプ
ロセス状態値の因果関係やプロセス構造に関する知識を
記憶しておく知識ベース、10は知識ベース9への知識
の追加や変更を容易にするための知識ペースエディタ、
1lは該知識ベースエディタIOを操作するためのCR
T等を備えた表示装置を示している。 記号化装置4は、前述の特願昭63−236402号,
特願平1−136019号に示した方法,すなわち、入
力パターンを折れ線で近似し、該折れ線をそれを構成す
るベクトル系列に変換し、これを、比較対象となる標準
的なパターンを折れ線で表現したべクトル系列と比較し
て、両者間の類似度および縮尺率を計算することにより
、少ない計算量で、形状は相似であるが大きさの異なる
パターンを含めてパターン識別を可能とするパターン識
別方法を用いて、プロセスの変化パターンおよびプロセ
ス操作量の変化パターンを、記号的な表現に変換する。 第2図に、上述の記号化装置4の詳細を示す。 本実施例における記号化装置4は、上記特徴に加えて、
プロセス状態値およびプロセス操作量の時系列的な変化
パターンから特徴を抽出する特徴抽出部21と、ファジ
ー表現のためのメンバシップ関数を用いて特徴をあいま
いな記号表現に変換する記号化部24とを備えている.
以下、第2図に示した装置の詳細な動作を説明する. プロセスで計測されるデータの多くは、一定のサンプリ
ング周期毎に得られる時系列的なデータである。先に第
1図に示したプロセス状態記憶装置3から取り出された
時系列データ20は、フィルター記憶部22に記憶され
ている特徴抽出フィルターを用いた積和演算により,そ
の時系列的な変化パターンに対応した多項式に展開され
る。この多項式の展開係数23が、上述の記号化部24
に送られる。記号化部24では、処理中の時系列データ
に対応したメンバシップ関数をメンバシップ関数記憶部
25から取り出し、ファジー表現された記号データ26
として出力する。 次に、第2図の特徴抽出部21の動作を、第3図を用い
て説明する。第3図<a>は時系列データの一例を示す
図、同(b)は特徴抽出を行うためのフィルターの一例
を示す図である.第3図(a)に示した時系列データに
、同(b)に示したフィルターを作用させて得られる展
開係数23を、第3図(c)に示す。この例では、同図
(b)のO次フィルター31によるO次の展開係数は4
.0、1次フィルター32による1次の展開係数は0.
5. 2次フィルター33による2次の展開係数は0.
3である。 第4図は、第2図における記号化部24の動作例を示す
図である。同図(a)は、0次の展開係数に対するメン
バシップ関数の一例であり、同図(b)は、1次と2次
の展UFJ係数に対する二次元的なメンバシップ関数の
例である。また、同図(C)は、同図(a)および(b
)に示したメンバシップ関数を用いた記号化結果を示す
ものである.第4図(a)において, 41. 42お
よび43は、それぞれ、「低い」「中くらい」および「
高い』という記号に対するメンバシップ関数である。 先に第3図(a)に示した時系列データに対するO次フ
ィルター31による展開係数は4.0であり、第4図(
a)の矢印44に対するメンバシップ関数の値から、記
号的な表現の適合度としてr中くらい」が0.8、『低
い」が062であるという結果を得る。 第4図(b)は、メンバシップ関数の値を模式的に等高
線で表現したものであり、例えば、45. 46および
47は、それぞれ、「下降中」『平衡状態」および「上
昇中』という記号に対するメンバシップ関数であり、断
面A−A’は第4図(a)と類似した形状をしている。 また、第3図(a)に示した時系列データに対する1次
フィルター32および2次フィルター33による展開係
数は、それぞれ、0.5および0.3であり、第4図(
b)の×印48に対するメンバシッブ関数の値から、こ
の場合の記号的な表現の適合度としては、「上昇中」が
0.5、「平衡状態」が0.2、「平衡から上昇」が0
.3であるという結果を得る。 このように、第2図に示した記号化装置4により、時系
列的なデータとしてのプロセス状態f1aが、プロセス
のレベルを表わす「高い」「中くらい」「低い」という
あいまいな記号と、プロセスの変化状態を示す「上昇中
」「平衡状態」といったあいまいな記号に対する適合度
の組として得られる。 第1図の制御演算装置5は、上述の記号化装置4の出力
結果である記号表現を新しい記号表現に変換する機能を
有する。第5図は、本制御演算装置5の構成を示すブロ
ック図である。図中、5lは上述の記号化装置4から送
られる記号表現の適合度を保持しておくメモリ回路、5
2は該メモリ回路5lに記憶された各記号の適合度の組
を任意に組み合せて出力する組み合せネットワーク、5
3は任意の記号の組を新しい記号に変換する記号変換回
路を示している.第5図では、組み合せネットワーク5
2と記号変換回路53の組が二段結合されている例を示
しているが、これは、必要に応じて仕意の段数とするこ
とができるものである。 上述の組み合せネットワーク52の詳細な構成を、第6
図に示す。組み合せネットワーク52はメモリ6lの配
列であり、知識ベース9に蓄えられているプロセスの構
造やデータ間の因果関係に関する知識に基づき、メモリ
回路5lと記号変換回路53とを接続するものである。 例えば、第7図に示すような知識が、知識べ一ス9に蓄
えられているとする。すなわち、因果関係知識により、
「データAとデータBにより、データXが決定される』
、あるいは、制御知識により、「データAが『上昇中』
であり、データBがr高い』ならば、操作量Xを『増加
』する」ということが先験的に与えられているとする。 この場合、第6図に示す各メモリ6Iのうち、●印を付
したものがネットワークの結合係数が1.0で接続の状
態となり、他のメモリは接続の結合係数は0.0となる
.この組み合せネットワーク52を介することにより、
知識ベース9に蓄えられた知識に従ってメモリ5lに保
持された記号の組が、記号変換回路53への入力として
与えられる。組み合せネットワーク52は、第6図に示
すようなハードウェアとして構成されるだけでなく、同
様の機能を持つソフトウェアとしても実現できることは
言うまでもない。 第8図は、上述の記号変換回路53の記号変換素子54
の例を詳細に説明する図である。記号変換部83は、多
次元の記憶素子の配列であり、第8図では、説明を簡単
にするために二次元の例を示している。8lおよび82
は、メモリ回路5l中の、それぞれ異なる事象の記号的
表現の適合度を保持するメモリである.記号変換部83
の横方向の素子は、メモリ(A)81の同一記号を表わ
すメモリから入力を受け、同様に、縦方向の素子は、メ
モリ(B)82の同一記号を表わすメモリから入力を受
ける。メモリ(C)84の各素子は、それぞれ、記号変
換部83のすべての素子と結合されている。メモリ(A
)81およびメモリ(B)82から入力を受けた記号変
換部83の各素子は、入力状況に応じて、一定の出力分
布となる。 この出力分布に応じて、メモリ(C)84の各素子の出
力状態が決定される。すなわち、記珍変換部83のj番
目の素子への入力をxi( i = 1 . 2,・・
・ntLj番目の素子の出力をXJとし、メモリ84の
k番目の素子の出力をXkとすると、 ni XJ= f ( Σ xl) ・
・・・(1)i=1 nJ ×k=f( Σ WJxj) ・・・・(
2)J=1 と表わされる。ここで、W1は結合重みパラメー夕、f
は入出力の変換関数であり、例えば、シグモイド関数 1 f(x)= ・・・・
(3)1+exp(−x) 等を用いることができる。 第1図に戻って、パラメータ学習装置8は、記号化され
た制御履歴を記憶しておく制御履歴記憶装置7の記憶内
容を用いて、記号変換素子54の内部結合85の結合パ
ラメータを更新する。この結合パラメータの更新方法と
しては、制御履歴記憶装置7にM積されている過去の操
業データの記号化された状態値を制御演算装置5への入
力とし、出力として得られる記号表現された操作量と教
師信号である過去の操業データの記号化された操作量と
の誤差を用い、良く知られた誤差逆伝播法等を用いて行
うことができる。 記号変換素子54のメモリ(C)84は、それぞれ、同
一の事象の状態を表わすファジー表現された記号であり
、メンバシップ関数の適合度のような性質を持たせるこ
とができる。すなわち、同一の事象に対する記号の適合
度の総和は1.0になるように、それぞれのメモリの出
力を、各メモリの出力の総和で正規化しておけば良い.
更に、記号表現のあいまいさを減少させるには、各メモ
リの間に側抑制結合を設けて、すなわち、xl(i=1
,2,・・・・+n)を同一事象に対する記号表現とす
るとき、J =1−S とすることにより、事象の判定を明確に行うことができ
る。ここで、W8は結合重みを表わすパラメータであり
、例えば、第9図に示すような形状をしている。 多次元の空間的な位置として示される記号表現の場合も
、第(4)式と同様の側抑制結合を設けることができる
。 発見的な学習方法として、上述の方法による学習により
、知識ベース9に蓄えられた知識に基づく、組み合せネ
ットワーク52の結合状態での各記号間の結合パラメー
タが与えられた後、再び制御履歴記憶装置7に蓄えられ
たデータを入力し、同時に大きな適合度を持つ記号を探
索した後、その記号の組の間に結合を新たに設けて学習
することにより、新しい知識や制御ルールの発見的な獲
得を行うことができる。また、制御履歴記憶装置7に記
憶されている過去の状態値と、制御演算装置5か.ら出
力される操作量が類似しているデータを分類・抽出し、
各記号の適合度の平均値・分散等を求め、適合度の平均
値が大きくしかも分散の小さい記号の組を探索すること
により、知識ベース9に蓄えられていないプロセス状態
値と操作量との因果関係を自動的に抽出し、制御知識と
して登録し、利用することができる。これにより、熟練
運転員の持つ知識や経験を自動的に抽出できるばかりで
なく、制御知識の間の矛盾も発見することができる。 以上で説明した学習方法は、記号変換回路53の内部結
合の結合パラメータを学習するものであるが、他の場合
として、制御履歴記憶装置7に記憶する内容を、計測さ
れた時系列的な数値データとすることも可能である。こ
の場合、第lO図に示すように,記号化装置4と制御演
算回路5における処理を一連のものとし、パラメータ学
習装fa8による学習において、制御演算装置5の内部
結合85の結合パラメータと同時に、記号化装置4のメ
ンバシップ関数も学習することもできる。これにより、
プロセス状態値を表現する記号のあいまいさを、熟練運
転員の持つ知識を表現する言語のあいまいさに近づける
ことができ、プロセス状態の識別機能を一層高めること
ができる。 上述の実施例における各部の動作の関連を、制御装置設
計時と制御実施時について、説明する。 まず、制御装置設計特においては、以下の■〜■の動作
を行う。 ■:表示装置I+から知識ベースエディタ10を用いて
、知識ベース9に制御対象プロセスlに関する知識を対
話的に入力する。 ■:知識ベース9に蓄えられた知識を基に、制御演算装
置5の組み合せネットワーク52の結合係数を設定する
。 ■:制御履歴記憶装置7に記憶された制御履歴を用いて
、パラメータ学習装置8により、制御演算装置5の内部
結合85の結合パラメータの学習を行う。 以上の■〜■の動作を実行後の制御演算装置5の操作量
出力と、制御履歴記憶装置7に記憶されている操作量と
を比較し、知識ベース9の内容を追加,修正し、上記■
〜■の動作を繰り返すことも可能である6 制御履歴記憶装置7へのデータの格納は、過去のプロセ
スデータがプロセス状態値として保存されている場合は
、そのデータを記号化装置4を通して格納しても良いし
、本発明による制御演算装置5を制御に利用する前の操
業データを記号化装置4を通して記号化した結果を格納
するようにしても良い。 また、制御実施時ににおいては、後述の■〜■の動作を
、一定の周期で繰り返す。 ■:プロセス状態検出器2により制御対象プロセス1の
プロセス状態を検出する。検出された現在のプロセス状
態値と、プロセス状態記憶装置3から一定のサンプリン
グ周期で読み出したデータとを、記号化装置4に送る。 ■:記号化装置4により記号化されたプロセス状態値お
よび操作量は、制御演算装置5に送られるとともに、制
御履歴記憶装置7に記憶される。 ■:制御演算装置5は、記号化装置4から入力される記
号化されたプロセス状態値を用いて、内部の結合パラメ
ータで表現された制御モデルにより、プロセス操作量を
演算して制御出力変換装置6に出力する。 ■二制御出力変換装置6は、制御演算装置5から入力さ
れるプロセス操作量を、実際のプロセス操作端駆動用の
信号に変換し、制御対象プロセス1の操作端に出力する
。 以上述べた如く、上記実施例によれば、熟練運転員の持
つあいまいな記号を用いたプロセス操作量の演算ができ
ると同時に、蓄積された知識や経験を有効に利用するこ
とができ、熟練運転員に近いプロセス制御モデルの構築
を行うことが可能になるという効果がある。 ここで、上述の実施例に係る具体例を挙げておく。以下
に示す具体例は、第15図に示す如く、ボンブ台数制御
装置を示すものである。 第15図において、Aは下水処理プロセスを示しており
,Bはこの下水処理プロセスAにおけるポンプ台数制御
装置を示している6沈砂池151には地中に埋設された
管渠152が設けられ、更にスクリーン153を介して
ポンプ井+54が一体に設けられている。阻水扉155
は、上記管渠152からの流入水量が多く、ポンプ井1
54の水位が上昇した場合に、ポンプ設備を浸水から守
るためのゲートである。上記管渠+52から流入した下
水、すなわち一般排水および雨水,地下水は、阻水扉1
55を介して、沈砂池151からスクリーン+53を通
して、ポンプ井154に流れる如く構成されている。 上記ポンプ井+54には、ポンプ156− 1 〜15
6− nが接続された吸込み菅157−1〜+57−
nが浸透配管されている。そして、各ボンブ156−
1〜156− nの吐出し側の各管は、共通接続されて
下水処理設備等+58に配管されている。 上の如く構成された下水排水プロセスにおいては、通常
は、運転するポンプの組み合せの変更により段階的に、
または、一部速度制御や吐出し弁開度制御により連続的
に、吐出量の調整がなされている。ところで、下水は前
述の如く一般排水と雨水,地下水等から成り、一般排水
は時系列変化が週単位か日単位かによって、ある程度定
型的となっているのに対し、雨水,地下水は地域,天候
等によりその都度変化するために、流入流量の予測値を
求めることが困難である。 そこで、通常、ボンブ156および阻水扉155の運転
制御は、ボンブ井水位と、ポンプ群の全吐出し流量とを
直接対応させて行われている。ところが、このような運
転制御では、流入流量が大きく変化し、ボンブ井水位の
変化が急峻となった場合に対応できなくなる場合があり
、ボンブの無人運転を困難なものとしている。また、流
入流量の再現性が乏しいために、ボンブ群の運転制御に
は熟練が必要であり,かつ,都市を洪水から守るという
使命感から、極度に緊張を強いられる仕事となっている
。 下水処理プロセスAを制御するために、上記実施例によ
るボンブ台数制御装置Bは、次の如き構成となっている
。すなわち、プロセス状態検出器2が設けられ、このプ
ロセス状態検出器2を通して、降雨計の計測信号l59
,ポンプ井水位検出信号+61および吐出し流量検出信
号!62が、記号化装jn4およびプロセス状態値記憶
装置3に送られる如く構成されている。記号化装置4は
、現在のプロセス状態値および適当なサンプリング周j
び1で取り出したプロセス状態値記憶装置3に記憶され
た過去のプロセス状fllij 4ffとを用いて、各
々のプロセス状態の変化パターンを記号化して出力する
。 第17図に示す如く、ポンプ井水位の時系列データ17
1を、多項式に展開したときのO次の項からポンプ井水
位が、1次および2次の項からボンブ井水位変化率が、
それぞれ、あいまいな記号として表現され、制御演算装
置5のメモリ回路5Iに記憶される。同様に、全吐出!
k172の時系列データを多項式に展開したときのO次
の項から降雨量のあいまいな記号が、1次および2次の
項から降雨量変化率のあいまいな記号が、それぞれ、メ
モリ回路51に記憶される。 知識ベース9には、表示装置l1がら知識ベースエディ
タlOを用いて入力されたプロセスの構造による因果性
知識と、経験的に得られている制御知識とが記憶されて
いる。第16図に、知識ベース9に記憶された知識の一
例を示す。これらの知識を用いて、制御演算装置5の組
み合せネットワーク52−1および52−2の結合係数
が決定される3第l7図に結合の状態を模式的に示す。 第16図の因果性知識■によりポンプ井水位と貯水量と
の間に、因果性知識■によりポンプ井水位変化率と全吐
出し量の双方と流入量との間に、因果性知識■および■
により降雨量と降雨量変化率の双方と流入量変化率との
間に、それぞれ、因果関係があることが示される。この
関係は、第17図の組み合せネットワーク52−1の結
合係数を規定している。また、第16図の制御知識のお
よび■により貯水量,流入量および流入量変化率とボン
ブ台数間に、制御知識■および■により貯水量,流入量
および流入量変化率と阻水扉155の開度との間に、そ
れぞれ、因果関係があることが示される。 この関係は、第17図の組み合せネットワーク52−2
の結合係数を規定している。 制御系設計時には、制御履歴記憶装置7に記憶された各
プロセス状態値が順々に呼び出され、メモリ回路5lに
記憶される。記号変換回路53−1および53−2を通
して演算された結果である操作量と、上述の制御履歴記
憶装置7に記憶された過去の操作量との偏差を教師信号
として、パラメータ学習装置8により記号変換回路53
−1および53−2の結合パラメータが学習的に変更さ
れる。 制御履歴記憶装置7に、過去の状態値が数値として記憶
されている場合は、各々の状態値を記号化装置4の入力
とし、出力として得られる操作量と制御履歴記憶装置7
に記憶された操作量との偏差を教師信号として、パラメ
ータ学習装置8により、記号化装R4のメンバシツプ関
数と記号変換回路53−1および53−2の結合パラメ
ータを同時に学習することができる。 制御実施時には、記号化装置4の出力であるメモリ回路
5lに記憶されているデータを用いて、制御演算装置5
の学習された結合パラメータにより操作量が決定され、
プロセスの制御が行われる。 本実施例によれば、運転員の持つあいまいな記号で表現
された知識および制御履歴をプロセス操作量決定のため
の知識として有効に活用することが可能になり、熟練運
転員の能力に近いプロセス制御装置を容易に実現するこ
とができる。 次に、上述のプロセス制御装置の応用に係るプロセスモ
デル生成装置について説明する。 第1!図は,本実施例に係るプロセスモデル生成装置の
ブロック構或図である。図中、制御対象プロセスl,プ
ロセス状態検出器2,プロセス状態値記憶装置3,記号
化装置4,制御演算装置5,制御出力変換装置6,制御
履歴記憶装置7.パラメータ学習装置8,知識ベース9
,知識ベースエディタ10,表示装置I+は、先の実施
例に関して第1図に示した構成要素と同一の動作をする
ものである。復元装置112は、制御履歴記憶装置7に
記憶された、記号化されたプロセス状態値を時系列デー
タとして復元し、表示装置!1に表示する機能を有する
ものである。また、モデル生成装置IIIは,第5図に
示した制御演算装置5と基本的には同一の構成を有し、
知識ベース9に記憶されたプロセスの因果性に関する知
識を用いて、基本的なプロセスのモデルを内部の組み合
せネットワークの結合状態として表現する。パラメータ
学習装置8は、制御履歴記憶装置7に蓄積された、過去
の記号化されたプロセス状態量とプロセス操作量に対す
るプロセスモデル生成装置Illの状態変化出力と、制
御履歴記憶装置7に記憶されている実際の状態変化とを
比較し、前述の学習方法によりモデル生成装置111の
内部結合85の結合パラメータを変更する。本実施例に
よれば、過去の操業データを用いたプロセスモデルを、
自動的に生戒することができるという効果がある。 次に、第12図を用いて、上述のプロセス制御装置の応
用に係る最適操作知識自動生成装置について説明する。 第12図は、本実施例に係る最適操作知識自動生成装置
のブロック構威図である.第l2図において、制御対象
プロセス1,プロセス状態検出器2,プロセス状態値記
憶装置3.記号化装置4,制御演算装置5,制御出力変
換装置6,制御履歴記憶装置7,パラメータ学習装置8
,知識ベース9,知識ベースエディタ10,表示装置1
1は、先の実施例に関して第1図に示した構成要素と同
一の動作をするものである。復元装置+12は、制御履
歴記憶装置7に記憶された、記号化されたプロセス状態
値を時系列データとして復元し、表示装置11に表示す
る機能を有するものである。また、プロセスシミュレー
ション装[ +22は、制御履歴記憶装置7に蓄積され
た、記号化されたプロセス状態値とプロセスモデルを用
いて、プロセスの状態変化のシミュレーションを実行す
る。最適操作量決定装置+23は、プロセスシミュレー
ション装置122のシミュレーション結果と、表示装置
l1から入力されたプロセスの目標状態とを用いて、最
適な操作量を決定する。前述の第一の実施例では、パラ
メータ学習装置8の教師信号としての操作量は、過去の
操業時における操作履歴であったのに対し、本実施例で
は、最適操作量決定装置+23の出力信号である最適操
作量を用いる点が大きく異なっている. 本実施例によれば、蓄積された操業履歴を用いて、プロ
セス状態値と最適操作量との関係を制御演算装置5内の
結合パラメータとして自動的に生成することが可能にな
る。 次に、第13図を用いて,上述のプロセス制御装置の応
用に係るプロセス運転訓練装置について説明する。 第13図は、本実施例に係るプロセス運転訓練装置のブ
ロック構成図である。図中、制御対象プロセスl,プロ
セス状態検出器2,プロセス状態値記憶装113,記号
化装R4.Mm演算装置5,制御出力変換装置6,制御
履歴記憶装置7,パラメータ学習装置8,知識ベース9
,知識ベースエディタ10,表示装置IIは、先の実施
例に関して第1図に示した構成要素と同一の動作をする
ものである。復元装置+12は、第I1図に示したもの
と同一の機能を有するものである.また、プロセスシミ
ュレーション装置132は、表示装置11から入力され
る訓練員によるプロセス操作量を入力とし、内部のプロ
セスモデルに基づいたプロセスの状態変化を出力する。 比較装置+31は、制御履歴記憶装置7に記憶されてい
る実際の操作量およびプロセス状態値の変化と、訓練員
による操作結果とを比較し、比較結果を表示装置1】に
出力する。 本実施例によれば、蓄積された操業履歴を用いて、プロ
セス運転員の訓練を行うことが可能になるという効果が
ある。 次に、第14図を用いて、上述のプロセス制御装置の応
用に係るプロセス運転支援装置について説明する。 第14図は、本実施例に係るプロセス運転支援装置のブ
ロック構成図である。図中、制御対象プロセス1,プロ
セス状態検出器2,プロセス状態値記憶装置3,記号化
装置4,制御演算装置5,制御出力変換装置6,制御履
歴記憶装置7,表示装置11は、先の実施例に関して第
1図に示した構成要素と同一の動作をするものである。 また、Ml索装置141は,記号化装置4による現在の
記号化されたプロセス状態に最も近い過去のプロセス状
態値およびプロセス操作量を、制114H歴記憶装置7
に蓄積された過去の操業結果から検索し、復元装置+1
2に出力する機能を有するものである。復元装置+12
は、第11図に示したものと同一の機能を有するもので
あり、検索装置141から入力される記号化されたプロ
セス状態値の変化を時系列的な変化パターンに復元し、
表示装置IIに出力する。 更に、表示装w111には、プロセス状態値記憶装置3
に記憶されている、現在のプロセス状態の変化パターン
を同時に表示する。 本実施例によれば、プロセスの運転員に対し、蓄積され
た操業履歴と現在のプロセス状態とを比較表示できると
同時に、過去の操作量と操作結果をも制御のための有力
な情報として提供することが可能になる. 第11図〜第l4図に示した各応用装置は、プロセス制
御を支援するための有効な手段を提供するものである。 なお、上記各実施例は、本発明の一例として示したもの
であり、本発明は、これらに限定されるものではない。 〔発明の効果〕 以上、詳細に説明した如く、本発明によれば、プロセス
の状態変化パターンをあいまいな記号に変換することに
より、熟練運転員が用いる表現に近い表現を可能とする
記号化装置を実現でき、また、熟練運転員に近い判別機
能を発揮可能なプロセス制御装置を実現できるという効
果がある。更に、下記の如き効果を得ることができる。 (1)これまで、直接的な計測が不可能であった、プロ
セス計測情報の時系列的な状態変化パターンを、プロセ
スの情報を判別するための有力な情報として利用できる
。 (2)プロセスのモデル構築の情報的なネックとなって
いた変数間の干渉の扱いや、多変数モデルにおける数値
的な演算の限界が、変数の状態を記号等の抽象的な表現
に変換することにより利用可能になる. (3)プロセスの制御モデルを記号的な表現を用いて行
うことにより、熟練運転員の持つ知識やノウハウ、ある
いは、プロセスの構造から定まる変数問の因果関係等を
利用した制御モデルの構築が可能になり、熟練者の表現
力を越えた知識と経験則を、もれなく、しかも、整合性
を保った形で抽出・利用可能になる。 (4)プロセスの計測データを、あいまいな記号に変換
して用いることによ番ハ熟練運転員がプロセス状態を表
現するのに用いる言語に近い表現を用いたプロセス操作
量の演算を行うことが可能になる。 (5)過去のプロセス計測データに記号的な事象名を与
えて蓄積することにより、プロセス操業時の事象と類似
する過去の事象を高速に検索することが可能となり、過
去の類似した操業データを参考とした異常事態への対処
等蓄積された経験を有効活用した判断基準を提供するこ
とができる。
第1図は本発明に係るプロセス制御装置の一実施例を示
すブロック構成図、第2図は記号化装置のブロック構成
図,第3図は特徴抽出部の動作説明図、第4図は記号化
部の動作説明図、第5図は制御演算装置のブロック構成
図、第6図は組み合せネットワークを説明する図、第7
図は知識ベースに記憶されている知識の例を示す図、第
8図は記号変換回路の構成説明図、第9図はパラメータ
学習装置における側抑制結合を説明する図,第lO図は
パラメータ学習装置の構成例を示す図、第11図は実施
例のプロセスモデル生成装置の構成例を示す図、第12
図は実施例のプロセス最適操作量決定装置の構成例を示
す図、第13図は実施例のプロセス運転訓練装置の構成
例を示す図、第14図は実施例のプロセス運転支援装置
の構成例を示す図、第15図は実施例の具体的応用例と
してのポンプ台数制御装置の構成例を示す図、第16図
は知識べ一スの内容を示す図、第17図はボンブ台数制
御装置における制御演算装置を示す図である。 l二制御対象プロセス、2:プロセス状態検出器、3:
プロセス状態値記憶装置、4:記号化装置、5:制御演
算装置、6:制御出力変換装置,7:制御履歴記憶装置
、8:パラメータ学習装置、9:知識ベース、IO=知
識ベースエディタ、ll:表示装置、2l:特徴抽出部
、24:記号化部。 第 2 図 21 24 22 25 第 4 図(その1) (a) 第 6 図 第 7 図 因果性知識 第 8 図 第 l O 図 第 1 6 図
すブロック構成図、第2図は記号化装置のブロック構成
図,第3図は特徴抽出部の動作説明図、第4図は記号化
部の動作説明図、第5図は制御演算装置のブロック構成
図、第6図は組み合せネットワークを説明する図、第7
図は知識ベースに記憶されている知識の例を示す図、第
8図は記号変換回路の構成説明図、第9図はパラメータ
学習装置における側抑制結合を説明する図,第lO図は
パラメータ学習装置の構成例を示す図、第11図は実施
例のプロセスモデル生成装置の構成例を示す図、第12
図は実施例のプロセス最適操作量決定装置の構成例を示
す図、第13図は実施例のプロセス運転訓練装置の構成
例を示す図、第14図は実施例のプロセス運転支援装置
の構成例を示す図、第15図は実施例の具体的応用例と
してのポンプ台数制御装置の構成例を示す図、第16図
は知識べ一スの内容を示す図、第17図はボンブ台数制
御装置における制御演算装置を示す図である。 l二制御対象プロセス、2:プロセス状態検出器、3:
プロセス状態値記憶装置、4:記号化装置、5:制御演
算装置、6:制御出力変換装置,7:制御履歴記憶装置
、8:パラメータ学習装置、9:知識ベース、IO=知
識ベースエディタ、ll:表示装置、2l:特徴抽出部
、24:記号化部。 第 2 図 21 24 22 25 第 4 図(その1) (a) 第 6 図 第 7 図 因果性知識 第 8 図 第 l O 図 第 1 6 図
Claims (1)
- 【特許請求の範囲】 1、制御対象プロセスのプロセス状態を記号的な表現に
変換する記号化装置において、前記プロセス状態の時系
列的な変化パターンの特徴量を抽出する特徴抽出部と、
該特徴抽出部からの特徴量を記号毎に定められたファジ
ー表現のためのメンバシップ関数を用いて、あいまいな
記号に変換する記号化部とから構成されることを特徴と
する記号化装置。 2、制御対象プロセスのプロセス状態値を検出するプロ
セス状態値検出手段と、該プロセス状態値検出手段から
のプロセス状態値およびプロセス操作量を記憶しておく
プロセス状態値記憶手段とを有するプロセス制御装置に
おいて、前記プロセス状態値記憶手段に記憶されている
プロセス状態値およびプロセス操作量を用いて、現在の
プロセス状態値およびプロセス操作量の変化パターンを
記号的な表現に変換する記号化手段と、該記号化手段か
らの記号的な表現を用いてプロセスの状態を目標値に近
づけるためのプロセス操作量を決定する制御演算手段と
、該制御演算手段により決定されたプロセス操作量を入
力し、該プロセス操作量をプロセスへの制御出力に変換
出力する制御出力変換手段とを設けたことを特徴とする
プロセス制御装置。 3、前記制御演算手段における演算が、前記記号化手段
からの記号的な表現と、プロセス操作量の記号的な表現
との間の結合ネットワークを用いた、記号間の変換演算
であることを特徴とする請求項2記載のプロセス制御装
置。 4、前記記号化手段の出力であるプロセス状態値および
プロセス操作量の記号的な表現を記憶しておく制御履歴
記憶手段と、該制御履歴記憶手段に記憶された過去の制
御履歴を用いて、前記制御演算手段における結合ネット
ワークの結合パラメータを変更するパラメータ学習手段
とを備えたことを特徴とする請求項3記載のプロセス制
御装置。 5、前記記号化装置が、前記プロセス状態の時系列的な
変化パターンの特徴量を抽出する特徴抽出部と、該特徴
抽出部からの特徴量を記号毎に定められたファジー表現
のためのメンバシップ関数を用いて、あいまいな記号に
変換する記号化部とから構成されることを特徴とする請
求項2または3記載のプロセス制御装置。 6、前記記号化装置が、前記プロセス状態の時系列的な
変化パターンの特徴量を抽出する特徴抽出部と、該特徴
抽出部からの特徴量を記号毎に定められたファジー表現
のためのメンバシップ関数を用いて、あいまいな記号に
変換する記号化部とから構成されることを特徴とする請
求項4記載のプロセス制御装置。 7、前記各手段に加えて、前記制御履歴記憶手段に記憶
された過去の制御履歴を用いて、前記制御演算手段にお
ける結合パラメータおよび前記記号化手段におけるメン
バシップ関数を変更するパラメータ学習手段を備えたこ
とを特徴とする請求項6記載のプロセス制御装置。 8、前記各手段に加えて、前記制御演算手段における記
号間の結合態様を規定するプロセス制御知識およびプロ
セス構造に基づく因果性知識を蓄えておくための知識ベ
ースを備えたことを特徴とする請求項2〜7のいずれか
に記載のプロセス制御装置。 9、請求項1記載の記号化装置と、該記号化装置の出力
であるプロセス状態値およびプロセス操作量の記号的な
表現を記憶しておく制御履歴記憶手段と、プロセス状態
値およびプロセス操作量の因果関係を記憶しておくため
の知識ベースと、該知識ベースの情報を用いてプロセス
のモデルを生成するモデル生成手段と、前記制御履歴記
憶手段の情報を用いてプロセスモデルのパラメータを学
習するパラメータ学習手段とを備え、プロセスモデルを
生成することを特徴とする制御支援装置。 10、請求項1記載の記号化装置と、該記号化装置の出
力であるプロセス状態値およびプロセス操作量の記号的
な表現を記憶しておく制御履歴記憶手段と、記号化され
たプロセス状態値を用いてプロセス操作量を決定する制
御演算手段と、プロセス状態値およびプロセス操作量の
因果関係を記憶しておくための知識ベースと、プロセス
のモデルに基づき、プロセスのシミュレーションを行う
プロセスシミュレーション手段と、該プロセスシミュレ
ーション手段の出力を用いて前記制御演算手段のパラメ
ータを学習するパラメータ学習手段とを備え、プロセス
最適操作量を決定することを特徴とする制御支援装置。 11、請求項1記載の記号化装置と、該記号化装置の出
力であるプロセス状態値およびプロセス操作量の記号的
な表現を記憶しておく制御履歴記憶手段と、記号化され
たプロセス状態値を時系列データに復元する復元手段と
、外部から入力された操作量に対するプロセスの変化を
計算するプロセスシミュレータ部と、該プロセスシミュ
レータ部の出力と前記復元手段からのプロセス状態値と
を比較する手段と、前記復元手段の出力と前記比較手段
の出力および前記プロセスシミュレータ部への入力を行
う表示入力手段を備えたことを特徴とする制御支援装置
。 12、請求項1記載の記号化装置と、該記号化装置の出
力であるプロセス状態値およびプロセス操作量の記号的
な表現を記憶しておく制御履歴記憶手段と、現在のプロ
セス状態の記号表現を用いて、前記制御履歴記憶手段か
ら現在のプロセス状態に最も類似した過去のプロセス状
態を検索する手段と、検索結果の記号表現されたプロセ
ス状態を時系列データに復元する復元手段とを備えたこ
とを特徴とする制御支援装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1304899A JPH03166601A (ja) | 1989-11-27 | 1989-11-27 | 制御支援装置 |
US07/617,347 US5265222A (en) | 1989-11-27 | 1990-11-23 | Symbolization apparatus and process control system and control support system using the same apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1304899A JPH03166601A (ja) | 1989-11-27 | 1989-11-27 | 制御支援装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03166601A true JPH03166601A (ja) | 1991-07-18 |
Family
ID=17938630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1304899A Pending JPH03166601A (ja) | 1989-11-27 | 1989-11-27 | 制御支援装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US5265222A (ja) |
JP (1) | JPH03166601A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022091530A1 (ja) * | 2020-11-02 | 2022-05-05 | Soinn株式会社 | 推定装置、推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Families Citing this family (86)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3362364B2 (ja) * | 1992-07-17 | 2003-01-07 | オムロン株式会社 | ファジイ推論システムおよび方法ならびに前件部処理装置 |
DE59309141D1 (de) * | 1992-08-01 | 1998-12-24 | Siemens Ag | Verfahren und leittechnisches system zum steuern, überwachen und regeln insbesondere von komplexen industriellen prozessen, wie z.b. in einem kernkraftwerk |
KR970006413B1 (ko) * | 1993-12-29 | 1997-04-28 | 한국전기통신공사 | 퍼지 컴퓨터 |
ATE166982T1 (de) * | 1994-03-31 | 1998-06-15 | Siemens Ag | Verfahren zur automatischen diagnose von störungsfällen |
US5761387A (en) * | 1994-09-12 | 1998-06-02 | Fuji Xerox Co., Ltd. | System controller |
US6578019B1 (en) * | 1994-11-08 | 2003-06-10 | Canon Kabushiki Kaisha | Information processing system which understands information and acts accordingly and method therefor |
DE4443192A1 (de) * | 1994-12-05 | 1996-06-13 | Siemens Ag | Verfahren zur Darstellung einer n'ten Variablen in einem dreidimensionalen Kennfeld und zugehörige Anordnung |
JP3552771B2 (ja) * | 1994-12-26 | 2004-08-11 | 三井化学株式会社 | 製造品銘柄変更システム |
JPH08194682A (ja) * | 1995-01-19 | 1996-07-30 | Ariizumi Gijiyutsushi Jimusho:Kk | 演算トラッキングシステムおよびこのシステムを用いた演算方法 |
US5787232A (en) * | 1996-01-10 | 1998-07-28 | Siemens Corporate Research, Inc. | Efficient data-driven theory revision system |
US6654697B1 (en) | 1996-03-28 | 2003-11-25 | Rosemount Inc. | Flow measurement with diagnostics |
US6017143A (en) | 1996-03-28 | 2000-01-25 | Rosemount Inc. | Device in a process system for detecting events |
US7254518B2 (en) | 1996-03-28 | 2007-08-07 | Rosemount Inc. | Pressure transmitter with diagnostics |
US7949495B2 (en) | 1996-03-28 | 2011-05-24 | Rosemount, Inc. | Process variable transmitter with diagnostics |
US8290721B2 (en) | 1996-03-28 | 2012-10-16 | Rosemount Inc. | Flow measurement diagnostics |
US7085610B2 (en) | 1996-03-28 | 2006-08-01 | Fisher-Rosemount Systems, Inc. | Root cause diagnostics |
US6907383B2 (en) | 1996-03-28 | 2005-06-14 | Rosemount Inc. | Flow diagnostic system |
US6539267B1 (en) | 1996-03-28 | 2003-03-25 | Rosemount Inc. | Device in a process system for determining statistical parameter |
US6601005B1 (en) | 1996-11-07 | 2003-07-29 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
US6754601B1 (en) | 1996-11-07 | 2004-06-22 | Rosemount Inc. | Diagnostics for resistive elements of process devices |
US6434504B1 (en) | 1996-11-07 | 2002-08-13 | Rosemount Inc. | Resistance based process control device diagnostics |
US5956663A (en) * | 1996-11-07 | 1999-09-21 | Rosemount, Inc. | Signal processing technique which separates signal components in a sensor for sensor diagnostics |
US6449574B1 (en) | 1996-11-07 | 2002-09-10 | Micro Motion, Inc. | Resistance based process control device diagnostics |
US6519546B1 (en) | 1996-11-07 | 2003-02-11 | Rosemount Inc. | Auto correcting temperature transmitter with resistance based sensor |
DE69714606T9 (de) * | 1996-12-31 | 2004-09-09 | Rosemount Inc., Eden Prairie | Vorrichtung zur überprüfung eines von einer anlage kommenden steuersignals in einer prozesssteuerung |
BR9812913A (pt) | 1997-10-13 | 2000-08-08 | Rosemount Inc | Dispositivo processador, programa em um meio legìvel por computador, estrutura de dados incorporada em um dispositivo processador de fluido e método de trasmitir dados em um laço de controle de processo fluido |
IL122393A0 (en) * | 1997-12-01 | 1998-06-15 | Ttr Technologies Ltd | A code word for use in digital optical media and a method of generation thereof |
US6771264B1 (en) | 1998-08-20 | 2004-08-03 | Apple Computer, Inc. | Method and apparatus for performing tangent space lighting and bump mapping in a deferred shading graphics processor |
US6525737B1 (en) | 1998-08-20 | 2003-02-25 | Apple Computer, Inc. | Graphics processor with pipeline state storage and retrieval |
US6615149B1 (en) | 1998-12-10 | 2003-09-02 | Rosemount Inc. | Spectral diagnostics in a magnetic flow meter |
US6611775B1 (en) | 1998-12-10 | 2003-08-26 | Rosemount Inc. | Electrode leakage diagnostics in a magnetic flow meter |
US6298454B1 (en) | 1999-02-22 | 2001-10-02 | Fisher-Rosemount Systems, Inc. | Diagnostics in a process control system |
US7562135B2 (en) | 2000-05-23 | 2009-07-14 | Fisher-Rosemount Systems, Inc. | Enhanced fieldbus device alerts in a process control system |
US6633782B1 (en) | 1999-02-22 | 2003-10-14 | Fisher-Rosemount Systems, Inc. | Diagnostic expert in a process control system |
US7206646B2 (en) | 1999-02-22 | 2007-04-17 | Fisher-Rosemount Systems, Inc. | Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control |
US8044793B2 (en) | 2001-03-01 | 2011-10-25 | Fisher-Rosemount Systems, Inc. | Integrated device alerts in a process control system |
JP2000276206A (ja) * | 1999-03-24 | 2000-10-06 | Yamaha Motor Co Ltd | 総合特性最適化方法及び装置 |
US6356191B1 (en) | 1999-06-17 | 2002-03-12 | Rosemount Inc. | Error compensation for a process fluid temperature transmitter |
US7010459B2 (en) | 1999-06-25 | 2006-03-07 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
DK1247268T4 (da) | 1999-07-01 | 2009-11-16 | Rosemount Inc | Selvvaliderende totråd-temperaturtransmitter med lav effekt |
US6505517B1 (en) | 1999-07-23 | 2003-01-14 | Rosemount Inc. | High accuracy signal processing for magnetic flowmeter |
US6701274B1 (en) | 1999-08-27 | 2004-03-02 | Rosemount Inc. | Prediction of error magnitude in a pressure transmitter |
US6556145B1 (en) | 1999-09-24 | 2003-04-29 | Rosemount Inc. | Two-wire fluid temperature transmitter with thermocouple diagnostics |
JP2001273313A (ja) * | 2000-01-19 | 2001-10-05 | Fuji Xerox Co Ltd | プロセス記述装置および方法ならびにプロセス分類方法 |
US6671747B1 (en) * | 2000-08-03 | 2003-12-30 | Apple Computer, Inc. | System, apparatus, method, and computer program for execution-order preserving uncached write combine operation |
US6735484B1 (en) | 2000-09-20 | 2004-05-11 | Fargo Electronics, Inc. | Printer with a process diagnostics system for detecting events |
US8073967B2 (en) | 2002-04-15 | 2011-12-06 | Fisher-Rosemount Systems, Inc. | Web services-based communications for use with process control systems |
US7720727B2 (en) | 2001-03-01 | 2010-05-18 | Fisher-Rosemount Systems, Inc. | Economic calculations in process control system |
US6965806B2 (en) | 2001-03-01 | 2005-11-15 | Fisher-Rosemount Systems Inc. | Automatic work order/parts order generation and tracking |
DE60206884T2 (de) | 2001-03-01 | 2006-07-27 | Fisher-Rosemount Systems, Inc., Austin | Gemeinsame Benutzung von Daten iner Prozessanlage |
US6970003B2 (en) | 2001-03-05 | 2005-11-29 | Rosemount Inc. | Electronics board life prediction of microprocessor-based transmitters |
US6629059B2 (en) | 2001-05-14 | 2003-09-30 | Fisher-Rosemount Systems, Inc. | Hand held diagnostic and communication device with automatic bus detection |
US6912700B1 (en) * | 2001-06-06 | 2005-06-28 | The United States Of America As Represented By The National Security Agency | Method and system for non-linear state based satisfiability |
US6772036B2 (en) | 2001-08-30 | 2004-08-03 | Fisher-Rosemount Systems, Inc. | Control system using process model |
JP4202798B2 (ja) * | 2003-03-20 | 2008-12-24 | 株式会社東芝 | 時系列パターン抽出装置および時系列パターン抽出プログラム |
US7018800B2 (en) | 2003-08-07 | 2006-03-28 | Rosemount Inc. | Process device with quiescent current diagnostics |
US6920799B1 (en) | 2004-04-15 | 2005-07-26 | Rosemount Inc. | Magnetic flow meter with reference electrode |
US7046180B2 (en) | 2004-04-21 | 2006-05-16 | Rosemount Inc. | Analog-to-digital converter with range error detection |
US7599044B2 (en) | 2005-06-23 | 2009-10-06 | Apple Inc. | Method and apparatus for remotely detecting presence |
US9201420B2 (en) | 2005-04-08 | 2015-12-01 | Rosemount, Inc. | Method and apparatus for performing a function in a process plant using monitoring data with criticality evaluation data |
US8005647B2 (en) | 2005-04-08 | 2011-08-23 | Rosemount, Inc. | Method and apparatus for monitoring and performing corrective measures in a process plant using monitoring data with corrective measures data |
US8112565B2 (en) | 2005-06-08 | 2012-02-07 | Fisher-Rosemount Systems, Inc. | Multi-protocol field device interface with automatic bus detection |
US9298311B2 (en) | 2005-06-23 | 2016-03-29 | Apple Inc. | Trackpad sensitivity compensation |
US7577930B2 (en) | 2005-06-23 | 2009-08-18 | Apple Inc. | Method and apparatus for analyzing integrated circuit operations |
US7272531B2 (en) | 2005-09-20 | 2007-09-18 | Fisher-Rosemount Systems, Inc. | Aggregation of asset use indices within a process plant |
US20070068225A1 (en) | 2005-09-29 | 2007-03-29 | Brown Gregory C | Leak detector for process valve |
US7433191B2 (en) | 2005-09-30 | 2008-10-07 | Apple Inc. | Thermal contact arrangement |
US7598711B2 (en) | 2005-11-23 | 2009-10-06 | Apple Inc. | Power source switchover apparatus and method |
US7953501B2 (en) | 2006-09-25 | 2011-05-31 | Fisher-Rosemount Systems, Inc. | Industrial process control loop monitor |
US8788070B2 (en) | 2006-09-26 | 2014-07-22 | Rosemount Inc. | Automatic field device service adviser |
WO2008042290A2 (en) | 2006-09-29 | 2008-04-10 | Rosemount Inc. | Magnetic flowmeter with verification |
US7321846B1 (en) | 2006-10-05 | 2008-01-22 | Rosemount Inc. | Two-wire process control loop diagnostics |
US8898036B2 (en) | 2007-08-06 | 2014-11-25 | Rosemount Inc. | Process variable transmitter with acceleration sensor |
US8301676B2 (en) | 2007-08-23 | 2012-10-30 | Fisher-Rosemount Systems, Inc. | Field device with capability of calculating digital filter coefficients |
US7702401B2 (en) | 2007-09-05 | 2010-04-20 | Fisher-Rosemount Systems, Inc. | System for preserving and displaying process control data associated with an abnormal situation |
US8055479B2 (en) | 2007-10-10 | 2011-11-08 | Fisher-Rosemount Systems, Inc. | Simplified algorithm for abnormal situation prevention in load following applications including plugged line diagnostics in a dynamic process |
US7921734B2 (en) | 2009-05-12 | 2011-04-12 | Rosemount Inc. | System to detect poor process ground connections |
NL2004604C2 (en) * | 2010-04-23 | 2011-10-25 | Ohpen B V | System and method for updating a dataset. |
US9207670B2 (en) | 2011-03-21 | 2015-12-08 | Rosemount Inc. | Degrading sensor detection implemented within a transmitter |
US9927788B2 (en) | 2011-05-19 | 2018-03-27 | Fisher-Rosemount Systems, Inc. | Software lockout coordination between a process control system and an asset management system |
US9052240B2 (en) | 2012-06-29 | 2015-06-09 | Rosemount Inc. | Industrial process temperature transmitter with sensor stress diagnostics |
US9207129B2 (en) | 2012-09-27 | 2015-12-08 | Rosemount Inc. | Process variable transmitter with EMF detection and correction |
US9602122B2 (en) | 2012-09-28 | 2017-03-21 | Rosemount Inc. | Process variable measurement noise diagnostic |
JP2014124593A (ja) * | 2012-12-27 | 2014-07-07 | Hitachi Ltd | 水道管理支援システム |
US10376426B2 (en) | 2015-06-30 | 2019-08-13 | The Procter & Gamble Company | Low-bulk, closely-fitting disposable absorbent pant for children |
US10206823B2 (en) | 2015-10-06 | 2019-02-19 | The Procter & Gamble Company | Disposable diaper with convenient lay-open features |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0682396B2 (ja) * | 1985-10-22 | 1994-10-19 | オムロン株式会社 | メンバーシップ関数合成装置およびファジィ・システム |
JPH0786893B2 (ja) * | 1986-11-13 | 1995-09-20 | オムロン株式会社 | ファジィ情報処理装置 |
US4907167A (en) * | 1987-09-30 | 1990-03-06 | E. I. Du Pont De Nemours And Company | Process control system with action logging |
US4985824A (en) * | 1987-10-30 | 1991-01-15 | Husseiny Abdo A | Reliable fuzzy fault tolerant controller |
EP0337423B1 (en) * | 1988-04-13 | 1995-10-18 | Hitachi, Ltd. | Process control method and control system |
-
1989
- 1989-11-27 JP JP1304899A patent/JPH03166601A/ja active Pending
-
1990
- 1990-11-23 US US07/617,347 patent/US5265222A/en not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022091530A1 (ja) * | 2020-11-02 | 2022-05-05 | Soinn株式会社 | 推定装置、推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
US5265222A (en) | 1993-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH03166601A (ja) | 制御支援装置 | |
Chen et al. | Interpolation of wind-induced pressure time series with an artificial neural network | |
Li et al. | Evolutionary deep learning with extended Kalman filter for effective prediction modeling and efficient data assimilation | |
CN103617563B (zh) | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 | |
CN116451567A (zh) | 一种瓦斯负压抽采管道泄漏评估及智能处置方法 | |
Shi et al. | Membrane fouling diagnosis of membrane components based on multi-feature information fusion | |
Chang et al. | Fuzzy exemplar‐based inference system for flood forecasting | |
Ju et al. | Hydrologic simulations with artificial neural networks | |
Kościelny et al. | Fuzzy logic application to diagnostics of industrial processes | |
JPH03134706A (ja) | 下水処理場運転支援のための知識獲得方法 | |
Demirkaya | Deformation analysis of an arch dam using ANFIS | |
Minns | Subsymbolic methods for data mining in hydraulic engineering | |
Kim et al. | Comparing cost prediction methods for apartment housing projects: CBR versus ANN | |
JP2000107744A (ja) | 上下水道プラントのクライアントサーバシステム | |
Son et al. | Black-box modeling of nonlinear system using evolutionary neural NARX model | |
Mounce et al. | Development of artificial intelligence systems for analysis of water supply system data | |
Shokry et al. | Kriging based fault detection and diagnosis approach for nonlinear noisy dynamic processes | |
Strobl et al. | Artificial intelligence technologies in surface water quality monitoring | |
Sanchez | Dynamic neural networks for nonlinear systems identification | |
Emami et al. | Dam seepage prediction using RBF and GFF models of artificial neural network; Case study: Boukan Shahid Kazemi's Dam | |
Razvarz et al. | Basic concepts of neural networks and deep learning and their applications for pipeline damage detection | |
Rosyadi et al. | Multivariate soft sensor for product monitoring in the debutanizer column with deep learning | |
Raimondi et al. | Short-time fuzzy DAP predictor for air pollution due to vehicular traffic | |
Kurniawan et al. | Comparison of extreme learning machine and neural network method on hand typist robot for quadriplegic person | |
Osnes | Recurrent Neural Networks and Nonlinear Model-based Predictive Control of an Oil Well with ESP |