JPH0527806A - ニユーラル・ネツトを用いたフイードフオワード制御器 - Google Patents

Abstract

(57)【要約】 【目的】 フィードフォワード制御器において、目標値
が変更されたとき、あるいは外乱が発生したとき、ある
いは外乱の大きさが変化したとき、優れた追従性を得る
ようにする。 【構成】 フィードバック制御器により制御対象の制御
量を目標値に保持するよようにフィードバック制御して
いる系で使用されるフィードフォワード制御器におい
て、目標値信号と外乱信号を入力し、前記フィードバッ
ク制御系に加えるフィードフォワード制御信号を発生す
る時系列信号を扱えるニューラルネット３と、前記フィ
ードバック制御系の情報を入力して学習則により前記ニ
ューラルネットのシナプス荷重を修正していく学習機構
４とを備え、目標値を変更した際、あるいは制御対象に
外乱が加わったとき、または外乱の大きさが変化したと
き、制御偏差を抑制するよう機構した。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、プラント制御を始めと
する各種の制御システムにおいて利用されるニューラル
・ネットを用いた制御器に係わり、特に目標値変更時の
追従，外乱変動の抑制及び制御対象特性変化に対応可能
なニューラル・ネットを用いたフィードフォワード制御
器に関する。

【０００２】

【従来の技術】発電用ボイラや化学プラントなどのプラ
ント制御分野では、外乱に対する制御性を向上させるた
めに、フィードフォワード制御器（アルゴリズム）を用
い、制御量を変動させる要因となる状態量（例えば、負
荷量や原料流量など）を外乱信号として入力し、この信
号を係数倍にしたり、１次遅れ要素や不完全微分要素や
１次進み遅れ要素などの線形要素で信号特性を変化して
フィードフォワード制御信号を生成し、フィードバック
制御器の出力に加える方式が採られている。

【０００３】また、最適レギュレータを用いた制御系に
おいて、目標値変更時の追従性を向上させるために、目
標値信号を入力し、制御量をその目標値に一致させる操
作量を発生しフィードバック制御器の出力に加えるフィ
ードフォワード制御器が併設される場合もある。更に、
これらの外乱抑制用フィードフォワード制御器や目標値
追従用フィードフォワード制御器を各々別のニューラル
・ネットで実現した例も知られている。プラント分野で
は、外乱による制御量の変動を抑制することが重要であ
る。しかし同時に目標値変更時の追従性も良好にする必
要がある場合も多い。このため従来、図５に示したよう
に外乱抑制用及び目標値追従用の各々独立したフィード
フォワード制御器を設けて対処してきた。

【０００４】

【発明が解決しようとする課題】上記した従来方式にい
おいて、制御対象のプラントは一般に非線形特性であっ
て、目標値（したがって制御量）の値によって外乱が制
御量を乱す特性が異なり、逆に外乱レベルによって目標
値変更に対する制御量応答が異なる（同じ量だけ目標値
を変更する場合でも、所要の操作量の変更量あるいは所
要の操作量変化波形が異なる）場合がある。このため、
目標値（制御量）がある値の時に外乱に対する制御性が
良好なように外乱抑制用フィードフォワード制御器を設
計・調整しておいても目標値が別の値の時には有効に作
用しないことがある。

【０００５】また外乱があるレベルにあるときに目標値
変更に対して制御量が良好に追従するように目標値追従
用フィードフォワード制御器を設計・調整しておいて
も、外乱レベルが変わると有効に作用しないことがあ
る。このような現象は、例えば、目標値（制御量）を蒸
気温度とし外乱を負荷量（蒸気流量）としたボイラ蒸気
温度設計などで見られる。即ち、現実のプラントでは目
標値から制御量への伝達特性と外乱から制御量への伝達
特性は複雑に干渉しあっているのにも拘らず、従来のフ
ィードフォワード制御方式は、特性が各々独立で線形で
あることを前提として構築されているために前述の不都
合が生じている。

【０００６】次に、外乱抑制用フィードフォワード制御
器と目標値追従用フィードフォワード制御器と共にニュ
ーラル・ネットで構成し、操作量も教師信号とし、フィ
ードバック制御器の出力信号を学習（誤差）信号とし
て、この値が零になるようにニューラル・ネットのシナ
プス荷重を学習させている場合の問題点について述べ
る。この場合、例えば外乱が一定値のままで目標値変更
がった場合に、目標値追従用フィードフォワード制御器
が理想的に作用していると、フィードバック制御器の出
力は零のまま保存されるため、外乱抑制用フィードフォ
ワード制御器の再学習は生じない。

【０００７】しかるに外乱から制御量への伝達特性は目
標値変更によって変化しているので、この状況で外乱量
が変動すると外乱抑制用フィードフォワード制御器は外
乱変動による制御量への影響を充分に抑制できない事態
が生じる。逆に、目標値が一定の状態で、外乱レベルの
変更があった場合に外乱抑制用フィードフォワード制御
器が理想的に作用すると、フィードバック制御器の出力
は零のまま保持されるので目標値追従用フィードフォワ
ード制御器の再学習は生じない。しかるに目標値から制
御量への伝達特性は外乱レベルの変更によって変化して
いるため、この状況で目標値を変更すると目標値追従用
フィードフォワード制御器は制御量を目標値に良好に追
従させることができない事態が生じる。

【０００８】更に、目標値追従用フィードフォワード制
御器及び外乱抑制用フィードフォワード制御器が理想的
に作用していない場合には、目標値あるいは外乱が変化
するとフィードバック制御器の出力は零でなくなる。こ
の結果、この出力値が零になるように目標値追従用フィ
ードフォワード制御器と外乱抑制用フィードフォワード
制御器が共に独立に再学習する。しかるにフィードバッ
ク制御器出力のうち、幾らが目標値追従用フィードフォ
ワード制御器用の学習信号で、幾らが外乱抑制用フィー
ドフォワード制御器用の学習信号であるか分離されてな
いためにその割合がわからず、不適切な再学習が行なわ
れ良好なフィードフォワード制御を学習により実現でき
ないことがあった。本発明は上記実情に鑑みてなされた
ものであり、ニューラル・ネットの有する非線形特性実
現性と学習性を用いて、目標値変更時の優れたフィード
フォワード追従制御性能と外乱に対する優れたフィード
フォワード抑制制御性能を合せ持ち、更に目標値レベル
と外乱レベルが複合して作用する非線形な特性変化に対
しても適応性を有するニューラル・ネットを用いたフィ
ードフォワード制御器を提供することを目的としてい
る。

【０００９】

【課題を解決するための手段】前記課題を解決するた
め、本発明によるフィードフォワード制御器は、学習可
能で時系列信号を扱え、目標値信号と外乱信号を入力し
非線形特性の適切なフィードフォワード制御信号を発信
するニューラル・ネットで構成し、更に、フィードバッ
ク制御ループ中の信号を学習信号として入力し、前述の
ニューラル・ネットのシナプス荷重を逆伝播学習則など
の学習則によりオンラインで修正する学習機構を付加す
ることにより、制御対象の非線形な特性変化にも適応で
き、目標値変更時にも外乱変化時にも良好にフィードフ
ォワード制御できるようにした。

【００１０】

【実施例】以下に本発明の一実施例について、図面を用
いて説明する。図１は全体の構成を示すもので、１は a
dd₂ からの操作量及び外乱信号が加わり制御量を出力す
る制御対象、２は目標値と制御量の差である制御偏差を
add₁ から入力しこれが零になるようにフィードバック
制御方式の演算を行ない出力するフィードバック制御
器、３は目標値及び外乱信号を入力し非線形特性のフィ
ードフォワード制御信号を発信する時系列信号を扱え、
学習可能なニューラル・ネットから構成されるフィード
フォワード制御器で、このフィードフォワード制御信号
とフィードバック制御器２の出力信号から操作量が合成
される。４はフィードバック制御器２の出力を学習信号
として入力しこの値が零になるようにニューラルネット
・フィードフォワード制御器３のシナプス荷重値を修正
していく学習機構である。

【００１１】上記フィードフォワード制御器３は、制御
対象１にある外乱が印加されている状況下での制御対象
の逆特性（制御量から操作量への伝達特性）モデルであ
る。これにより、目標値及び外乱信号を入力し、制御対
象１にその外乱が加わっている状況下で制御量を目標値
に一致させる操作量に相当するフィードフォワード制御
信号を発生する。この状況は、目標値や外乱が変化する
過渡時においても成立している。したがって、フィード
フォワード制御器３が理想的に動作している時には、制
御偏差及びフィードバック制御器２の出力は零で、操作
量はフィードフォワード制御信号と一致し、制御対象１
はフィードフォワード制御により良好に制御される。

【００１２】しかし、現実のプラントでは経年変化や制
御系設計上想定していない外乱により、その特性が変化
することがある。この状況が生じるとフィードフォワー
ド制御信号だけでは制御量を目標値に一致させることが
できなくなって、制御偏差が零でなくなり、フィードバ
ック制御器２は零でない出力を発生する。その結果、フ
ィードフォワード制御信号の値と操作量は等しくなくな
る。この事態が発生すると、この時の操作量を教師信号
としフィードフォワード制御信号がこの教師信号と一致
するように、したがって操作量とフィードフォワード制
御信号の差であるフィードバック制御器２の出力を学習
信号として、この値が零になっていくように、学習機構
４で逆伝播学習則などの学習則により、ニューラルネッ
ト・フィードフォワード制御器３のシナプス荷重を修正
していく。かくして学習信号が零になると完全なフィー
ドフォワード制御系に復帰する。なお、図１でフィード
バック制御器２としては、制御偏差だけを入力する縦続
補償タイプのものを図示したが、これに限られるもので
はなく、Ｉ−ＰＤ制御器のように縦続補償とフィードバ
ック補償を併用したタイプの制御器であってもよい。

【００１３】図２は時系列信号を扱えるニューラル・ネ
ットで構成されるフィードフォワード制御器３の一実施
例を示す。また図３はその構成要素の人工ニューロン素
子の模式図である。即ち、入力データＸ_j （j=1,2,…N
）にシナプス荷重（シナプス可変結合係数）Ｗ_j （j=
1,2,…N ）を乗算して得られたＸ_j ・Ｗ_j を受けると、 能を有している。なお、関数ｆとしてシグモナイド関数
などの非線形関数を用いると、この人工ニューロン素子
は非線形特性をもつ。

【００１４】図２に示したフィードフォワード制御器３
は、複数個の遅延要素８と、複数個の人工ニューロン５
からなる入力層と、複数個の人工ニューロン６からなる
中間層と、出力層の人工ニューロン７とから構成され、
目標値と外乱信号を入力しフィードフォワード制御信号
を発信する。また、各人工ニューロンのシナプス荷重は
学習機構４により学習時に修正される。入力された外乱
信号及び目標値は各々所定の現在値入力用の入力層人工
ニューロン素子に入力される。また複数段の遅延要素８
を介して１段毎に各々所定の入力層人工ニューロン素子
に入力される。かくして、外乱信号及び目標値の現時点
から過去にさかのぼった時系列信号が入力層の人工ニュ
ーロン素子５に入力されることになり、このニューラル
ネットは動特性を有するニューラル・ネットになってい
る。

【００１５】入力層人工ニューロン素子５の出力にはシ
ナプス荷重が乗ぜられ、複数個の信号が加算されて中間
層の各人工ニューロン素子６に入力され、非線形出力関
数で特性変換されて出力する。この中間層の各人工ニュ
ーロン素子６の出力に再びシナプス荷重が乗ぜられ、複
数個の信号が加算され出力層人工ニューロン素子７に入
力され、これが出力関数で変換されて、フィードフォワ
ード制御信号として発信される。ここで、中間層の人工
ニューロン素子６では外乱信号に基づく信号と目標値に
基つく信号が共に入力されて融合し、非線形の出力関数
で変換される。これにより、外乱レベルと目標値レベル
が影響し合い、複雑な非線形特性である制御対象の逆特
性をシナプス荷重の学習により実現可能にしている。

【００１６】なお、図２で中間層としては１層の場合を
図示したが複数の層から構成されていてもよい。また時
系列信号を扱えるニューラル・ネットとしては図２に示
したものに限定されるものではなく、例えば図２の遅延
要素８の代りに微分要素を用いたモーメント表現モデル
タイプのニューラル・ネットや、ニューラル・ネットの
出力信号を入力層へフィードバックする分母系列表現タ
イプやＡＲＭＡモデルタイプのニューラルネットや、あ
るいは人工ニューロン素子としてその素子の出力を入力
へフィードバックするリカレント人工ニューロン素子を
用いたニューラル・ネットも使用できる。

【００１７】次に、他の実施例を図４を用いて説明す
る。ここで、21は多入力多出力制御対象で、22は複数個
のフィードバック制御器、23は複数個の外乱信号及び複
数個の目標値を入力し複数個のフィードフォワード制御
信号を発信する時系列信号を扱え、学習可能なニューラ
ル・ネットからなる多変数フィードフォワード制御器、
24は各々のフィードフォワード制御信号に対応する複数
個の学習信号を入力し、多変数フィードフォワード制御
器23のシナプス荷重を逆伝播学習則などの学習則で修正
する学習機構である。

【００１８】即ち、一般にプラントは種々の外乱や複数
個の操作量が干渉し複雑に影響し合って複数の制御量を
発生する性質をもっている。本実施例はこのような多変
数系に対して適切な複数個のフィードフォワード制御信
号を、ニューラル・ネットの有する多入出力処理性，非
線形特性，学習可能性を活用して発生させ、多変数系を
良好にフィードフォワード制御するものである。要する
に、従来のフィードフォワード制御は、ある限られた状
況下では優れた制御を実現できても、少し状況が変ると
かえって制御を乱したり、制御対象の特性変動に対して
ロバストでないといった問題があってフィードフォワー
ド制御だけでは危険であった。しかし本実施例による制
御器では、上記のような状況が発生した過渡時はフィー
ドバック制御器でカバーし、その間に学習機構でニュー
ラル・ネットのシナプス荷重を修正していくことによ
り、その状況に的確に対応できるフィードフォワード制
御器を再構成できる。これにより制御対象の特性変動や
不確定要因にも適応できる制御器となっている。

【００１９】

【発明の効果】以上説明したように、本発明によればニ
ューラル・ネットの有する非線形動特性をモデル化でき
る能力と、所望の特性を学習により獲得できる性質を活
用して、外乱が加わっている状況下での制御対象の逆特
性モデルを実現し、このニューラル・ネットに目標値と
外乱信号を同時に入力し、その出力をフィードフォワー
ド制御信号として制御対象を操作する構成としたので、
目標値レベルと外乱レベルが影響し合い複雑な非線形特
性である制御対象を的確にフィードフォワード制御でき
る。

【図面の簡単な説明】

【図１】本発明によるニューラル・ネットを用いたフィ
ードフォワード制御器の一実施例の全体構成図。

【図２】時系列信号を扱えるニューラル・ネットからな
るフィードフォワード制御器の内部構成図。

【図３】人工ニューロン素子の模式図。

【図４】他の実施例である多変数フィードフォワード制
御器の構成図。

【図５】従来例を示す図。

【符号の説明】

１ 制御対象 ２ フィードバック制御器 ３ ニューラル・ネットを用いたフィードフォワード制
御器 ４ 学習要素 ５ 入力層の人工ニューロン素子 ６ 中間層の人工ニューロン素子 ７ 出力層の人工ニューロン素子 ８ 遅延要素

Claims (1)

1. 【特許請求の範囲】 【請求項１】 フィードバック制御器により制御対象の
   制御量を目標値に保持するようにフィードバック制御し
   ている系で使用されるフィードフォワード制御器におい
   て、目標値信号と外乱信号を入力し、前記フィードバッ
   ク制御系に加えるフィードフォワード制御信号を発生す
   る時系列信号を扱えるニューラルネットと、前記フィー
   ドバック制御系の情報を入力して学習則により前記ニュ
   ーラルネットのシナプス荷重を修正していく学習機構と
   を備え、目標値を変更したとき、あるいは制御対象に外
   乱が加わったとき、または外乱の大きさが変化したとき
   に生ずる制御偏差を抑制するよう制御することを特徴と
   するニューラル・ネットを用いたフィードフォワード制
   御器。