JPH06139224A

JPH06139224A - 情報処理装置および監視装置

Info

Publication number: JPH06139224A
Application number: JP5206143A
Authority: JP
Inventors: Akira Maeda; 章前田; Seiju Funabashi; 誠壽舩橋; Hiromasa Yamaoka; 弘昌山岡; Nobuyuki Fujikura; 信之藤倉; Mikio Yoda; 幹雄依田; Mitsuo Yanagi; 光雄柳; Toshihide Ichimori; 俊秀市森
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-09-08
Filing date: 1993-08-20
Publication date: 1994-05-20

Abstract

(57)【要約】（修正有）【目的】本発明は、制御装置やパターン認識装置な
ど、入力データから出力データを決定する情報処理装置
において、入力と出力の組を複数個記憶し、その組に基
づいて出力を決定することにより、設計が容易で、かつ
高速な処理や学習などの高度な機能を実現する情報処理
装置を提供することを目的とする。【構成】あらかじめ知られている入力データと、それ
に対する正しい出力データの組を複数個記憶しておく。
記憶した入力データのことを応答パターンデータと呼
ぶ。次に、実際の動作において入力されたデータを上記
複数個の組に対してそれぞれ与える。そして、各組にお
いて、入力データと応答パターンデータを比較し、その
間の距離（類似度）を評価する。各組における上記評価
結果と各組の出力データを、例えば評価された距離に基
づく重み付き平均値などの方法で合成することにより、
最終的な出力を生成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、制御装置やパターン認
識装置など、入力データから出力データを決定する情報
処理装置において、入力と出力の組を複数個記憶し、そ
の組に基づいて出力を決定することにより、設計が容易
で、かつ高速な処理や学習などの高度な機能を実現する
情報処理装置、およびそれを利用した制御システムの監
視装置に関する。

【０００２】

【従来の技術】従来の制御装置において、入力から出力
を決定する方法には、大きく分けて（１）何らかの数式モデルを用いる方法（従来技術１）（２）ファジィ推論やニューロなど、いわゆる知識処理
手法を用いるもの（従来技術２）例えばエンジン制御の例では、自動車技術第４６巻第５
号、１００ページから１０４ページにおいて平子敦史他
による「ファジィ理論による変速タイミングの改善」な
る文献に解説がある。

【０００３】（３）テーブルを用いるもの（従来技術
３）などがある。

【０００４】パターン認識装置に関しても数多くの従来
例が知られているが、大別すると（４）対象に関する特徴量を用いて認識アルゴリズムを
対象毎に設計する方法（従来技術４）（５）ニューロなどの学習機能を用いる方法（従来技術
５）の２種類がある。

【０００５】本発明に最も近い公知例としては、特開平
２−５６６０２「ファジー推論装置」があげられる（従
来技術６）。これは上記の従来技術３のテーブル制御に
近い技術である。

【０００６】この公知例の概要は次の通りである。制御
または認識などへの応用において、入出力関係をファジ
ィ推論を用いて表現する際に、推論のたびに実行される
メンバシップ関数値の計算やファジィルールの合成など
の演算を高速化するために専用のハードウェアを用いる
と、入力データの項目数やファジィルールの数が増えた
ときにこのハードウェアの回路規模が増大する。これを
解決するために本公知例では、ファジィ推論においても
入力データの値を決めれば出力データの値が一意的に決
まることから、入出力関係をあらかじめ全てメモリに覚
えさせておく。例えば入力データ項目が２つで各項目が
８ビットの整数値で表現されているときに、入力データ
の値を合計１６ビットのアドレスとみなし、６４キロ
（＝２の１６乗）ワードのメモリ内にアドレスとして与
えられた入力値に対するファジィ推論の出力値を格納す
る。こうすることによりファジィ推論に必要な演算を全
てメモリのアドレッシングに置き換えて実行することが
できる。

【０００７】さらに入力データ項目数が増えた場合に
は、補助記憶装置を用いていわば仮想記憶方式により実
現する方法、または上記構成を多層に接続する方法、例
えば入力データ項目数が４の時には、２入力１出力の構
成を２段階に接続する方法、が述べられている。

【０００８】いずれにしても、本公知例の構成は入力デ
ータの値をアドレスに変換して、あらかじめメモリに格
納された出力を得るという点で、いわゆるテーブルを用
いる方法をハードウェア的に実現した方式と等価であ
る。

【０００９】

【発明が解決しようとする課題】制御装置に関する従来
技術１は、古典制御理論や現代制御理論など、多くの理
論があり、また広く実用化されている。しかし、対象が
複雑で数式モデルが構成できない場合にはこれらの理論
を用いることができないという問題点がある。また、数
式モデルを構成することが原理的に可能な場合でも、実
際の構成にあたっては理論的な知識が必要で、複雑な制
御系を設計するのは高度な技術力を持った設計者が必要
不可欠であった。さらには、制御対象の特性が時間的に
変化するような場合には、それらに追従し得るモデルの
構築が必要であるが、これはさらに難しく、ごくわずか
の例を除いては実用化されていないという問題点があ
る。

【００１０】また従来技術２は上記の問題点の一部を解
決しようというもので、数学モデルの構築が非常に難し
い場合にも、人間の知識を利用したり、またニューロの
学習機能を用いて制御系を作り上げることができる。し
かし、これらの手法も、数学的な知識こそあまり必要で
はないものの、人間の知識をどう獲得し、計算機処理で
きる形に表現するか、またニューロの場合は学習用のデ
ータをどう収集するか、またニューロの構造をどう決め
るか、学習の実行に必要なパラメータをどう決めるかな
ど、設計者のノウハウに依存する部分が多く、結果とし
てこれらの手法を用いて制御系を設計できる設計者の数
が限られ、また設計自身にも多くの時間が必要となり、
制御系の設計コストの上昇を招いているという問題点が
ある。

【００１１】また従来技術３は、比較的単純な構成でか
つ高速処理が可能になるという特徴があるが、大部分は
入力項目数が２または高々３種類の場合であり、それ以
上入力データの項目数が増えるとテーブルを記憶するた
めの容量が膨大になり、特に組み込み型の制御装置にお
いては実現が非常に困難であるという問題点がある。例
えば入力データが５項目あり、各項目の値を８ビットで
表現した場合、入力データは合計４０ビットで表現され
ることになり、メモリの容量は２の４０乗、すなわち１
テラワードが必要となる。組み込み型の機器においては
これはコスト的にも実現がほぼ不可能であり、より複雑
なシステムにおいてはさらに入力データ項目数が増える
ため、単純なテーブル方式では限界のあることは明かで
ある。

【００１２】制御装置の場合と同様にパターン認識装置
に関する従来技術４では、認識に必要な特徴量が何であ
るか、またその認識アルゴリズムをどのように設計する
かということは、基本的にノウハウに属するものであ
り、高度な技術力を持った設計者しか扱うことのできな
い問題であった。また、たとえある問題に対してこのよ
うな認識アルゴリズムを設計できたとしても、例えば音
声認識と文字認識ではまったく違ったアプローチが必要
であり、対象毎に認識アルゴリズムを一から設計し直さ
なければならないため、ますますシステム開発コストが
増大するという問題点が顕著であった。

【００１３】それに対して従来技術５の学習機能を用い
る方法では、原理的には上記の開発コストの増大という
問題を避け、入力パターンとそれに対する出力（認識結
果）の組（教師データと呼ぶ）を数多く用意し、あとは
あらかじめ定められた学習手順によって学習することに
よりパターン認識装置を構成することができる。しかし
ながら、実際には教師データをどのように用意すればよ
いか、またはニューロの場合はネットワークの構造をど
のように決めるかや学習実行時に必要なさまざまなパラ
メータ（学習係数や慣性係数など）をどのように設定す
ればいいか、といった部分でやはりノウハウが必要にな
り、必ずしも教師データを用意すれば全てがうまく行く
ということにはなっていないのが実状である。

【００１４】従来技術６は、本質的に従来技術３をハー
ドウェア的に実現したものであり、メモリ容量の点で同
様の問題点が避けられない。補助記憶装置を用いた場合
でも、入力データ項目数が増えるにつれてより深刻にな
る同様の問題点を解決することはできない。多段に接続
してメモリの容量を削減する方法では、明らかに表現で
きる入出力関係に制約が生じる。すなわち、特開平２−
５６６０２で示されている方法で、４つの入力を２個づ
つの２組にわけて２段階のテーブル参照により表現した
場合、入力データを全て８ビットで表現すると３個の６
４キロワードのメモリで十分である。しかし入力自体が
４×８ビット＝３２ビット分の情報量をもつことから、
この方法では入出力関係自体を近似的にしか表現できな
い。このことは、特開平２−５６６０２で示されている
方法で、各組に対する１６ビットの入力が１段目のテー
ブル参照で８ビットに変換される時点で、入力のもつ情
報量が失われていることからも分かる。

【００１５】また上記従来技術５の学習機能を用いる方
法では、学習するのに十分な数の教師データを用意しな
ければならない。しかし対象とする問題によっては入力
または出力の一部に欠損値（未知データ）が数多く含ま
れている場合もある。このような場合、従来の技術では
欠損値を含まないデータだけを学習に用いることになる
が、学習に用いることのできるデータ数が少なくなるこ
とや、欠損値を含まないデータが全体のデータの中で偏
った分布を持つ場合には学習結果自身も偏ったものにな
ることなどから、結果として得られるシステムの性能が
低下するという問題があった。

【００１６】さらに上記の従来技術に共通する問題点と
して、センサ故障などの原因により入力の一部の情報が
得られなくなった場合に対して十分な対応ができないこ
とがある。従来技術の５の一つであるニューロによるパ
ターン認識などでは、入力の一部が未知である場合には
適当な既定値（例えば平均的な値）に置き換える方法な
どが一般的に用いられている。しかし未知の入力と既知
の入力との相関関係を利用して、未知入力を推定するこ
とができれば、より精度の高いパターン認識が可能にな
る。制御システムにおいてセンサ故障などの原因により
入力の一部が利用できなくなった場合にも同様のことが
言える。しかしながら従来の技術においては、このよう
な欠損値の存在を十分に考慮しておらず、欠損値に対応
したシステムを構築することが困難であった。

【００１７】また従来技術の５を用いてプラント状態の
監視をするシステムを構成しようとした場合にも教師デ
ータの収集に関する問題が生じる。すなわち、複雑なプ
ラントになると膨大な数の故障状態の可能性があるた
め、あらかじめあらゆる故障状態に関する入力−出力の
組を用意するのは実質上不可能である。したがって正常
状態と故障状態を識別する監視システムを、学習機能を
用いて実現するのは非常に困難であるという問題があっ
た。

【００１８】

【課題を解決するための手段】上記の問題点を解決する
ために、本発明ではまずあらかじめ知られている入力デ
ータ（制御装置の場合にはセンサからの入力データ、認
識装置の場合は認識すべきパターンの特徴量データな
ど）と、それに対する正しい出力データ（制御装置の場
合は制御出力としての操作量、認識装置の場合はパター
ンの認識結果）の組を複数個記憶しておく。以下では、
このあらかじめ与えられている入力データのことを、実
際に入力されるデータと区別して応答パターンデータと
呼ぶことにする。ここで、応答パターンデータは、入力
されるデータの全ての項目からなる必要はなく、ある特
定の正しい出力データを決定するために必要な部分情報
からなってもよい。例えば文字認識の例で、特徴量がｎ
個あった場合を考える。ｎ個の特徴量の内で、ｍ個（ｎ
＞ｍとする）の特徴量のデータがある特定の値を取れ
ば、残り（ｎ−ｍ）個の特徴量の値には関係なく、認識
結果としての文字が定まる場合がある。この場合、応答
パターンデータとしてはｎ個の特徴量の値を全て持つ必
要はなく、部分的な情報であるｍ個の特徴量の値の組を
持っておけば十分なことになる。

【００１９】次に、実際の動作において入力されたデー
タを上記複数個の組に対してそれぞれ与える。そして、
各組において、入力データと応答パターンデータを比較
し、その間の距離（類似度）を評価する。

【００２０】各組における上記評価結果と各組の出力デ
ータを、例えば評価された距離に基づく重み付き平均値
などの方法で合成することにより、最終的な出力を生成
する。

【００２１】

【作用】以下、本発明の動作原理を図１および図２を用
いて説明する。

【００２２】図１は本発明をハードウェアで実現した場
合のブロック構成図である。全体の構成は、データバス
１０１と、それに接続された全体の制御を行うメインＣ
ＰＵ１０２と、複数のメモリセル１０３とからなる。複
数のメモリセル１０３のそれぞれには、応答パターンデ
ータと出力データの組がそれぞれ記憶されている。また
各メモリセル１０３には、データバスとのインタフェー
ス部１０４および入力データと応答パターンデータとの
距離計算部１０５を設ける。

【００２３】メインＣＰＵ１０２は、まず入力データを
全てのメモリセルにデータバス１０１を介して分配（ブ
ロードキャスト）する。各メモリセル１０３はメインＣ
ＰＵ１０２から分配された入力データを受け取り、距離
計算部１０５がそれぞれ内部に格納された応答パターン
データとの距離計算を行う。計算された距離に基づいて
各メモリセルはインタフェース部１０４を介して出力デ
ータをデータバスに出力する。メインＣＰＵ１０２は、
各メモリセルからの出力を集め、最終出力を合成する。

【００２４】図２は、上記の構成における処理のフロー
図である。

【００２５】まず処理２０１により、メインＣＰＵは入
力情報を取り込み、処理２０２により各メモリセルに分
配される。

【００２６】各メモリセル内では、処理２０３により分
配されたデータが一時各メモリセルのレジスタに格納さ
れる。次いで処理２０４により入力データと応答パター
ンデータとの距離が（図１の距離計算部１０５により）
計算される。

【００２７】次に処理２０５では計算された距離に応じ
て各メモリセルの応答時間を算出し、処理２０６で算出
された応答時間分ウェイトする。ここで、距離が小さい
ものほど応答時間は小さいものとする。処理２０６のウ
ェイト後、処理２０７により出力パターンがデータバス
に出力される。

【００２８】メインＣＰＵは、処理２０８で各メモリセ
ルからの応答を待ち、応答が来たものから順次読み込ん
でいく。すなわち、入力データと近い応答パターンデー
タに対応する出力データから順次読み込まれていくこと
になる。処理２０９では、処理２０８で読み込まれた出
力データに対して距離に応じた平均化処理を行い、処理
２１０で最終出力値を出力する。

【００２９】制御装置、パターン認識装置のいずれの場
合にも、入力から出力を決定する手段をどう設計するか
という問題として考える。その問題に対し、本発明では
上記の構成のように入力データ（応答パターンデータ）
と出力データの組を複数個記憶し、実際の入力データに
対して、それに近い距離を持つ応答パターンデータに対
応する出力データから実際の出力を決定する。

【００３０】このように、応答パターンデータと出力デ
ータの組で複雑な入出力関係を表現することにより、複
雑な理論や設計ノウハウが不要になり、従来技術１、
２、４、および５における装置設計が困難で開発コスト
の増大を招くという問題点を解決することができる。

【００３１】また、全ての入力値に対する全ての組み合
わせに対して適切な出力データを記憶しておくテーブル
方式に比較して、本発明では応答パターンデータと入力
データとの距離を基に最終出力を決定するために、より
少ない応答パターンデータ−出力データの組を記憶して
おくだけでよく、記憶装置の容量を大幅に節約すること
ができる。この効果は入力データの部分情報を応答パタ
ーンとして持つことにより、さらに顕著なものとなる。

【００３２】さらに上記の構成において出力データ＝応
答パターンデータという特別な場合を考えると、入力デ
ータの一部に欠損値が存在する場合に、既知のデータか
ら欠損値を推測するシステムを構成できることが分か
る。

【００３３】

【実施例】以下、本発明の実施例を図３ないし図３２を
用いて説明する。

【００３４】図３は本発明の第１の実施例である自動車
エンジン制御システムの全体構成を示す図である。エン
ジン制御ユニット３０１は、エアフローセンサ３０２か
らの吸入空気量信号ａ、車速センサ３０３からの車速信
号ｖ、変速機３０４からの変速比信号ｒ、水温センサ３
０５からの水温信号ｔ、気圧センサ３０６からの気圧信
号ｐを入力とし、エンジンの生成するトルク及び排気ガ
スを適正値に保つために、ディストリビュータ３０７へ
の点火時期制御信号Ｔとインジェクタ３０８への空燃比
制御信号Ｒを出力する。

【００３５】図４は図３のエンジン制御ユニット３０１
の内部ブロック構成図を示す。全体構成は、全体動作の
制御と外部との入出力機能をもつメインＣＰＵ４０１
と、複数（例えば１０２４個）のメモリセル４０２、お
よびそれらを接続するデータバス４０３とからなる。

【００３６】メインＣＰＵは、まずセンサ情報入力処理
４０４により、エンジン制御ユニットへの入力である吸
入空気量信号ａ、車速信号ｖ、変速比信号ｒ、水温信号
ｔ、気圧信号ｐを読み込み、メインＣＰＵ内部のレジス
タに一旦格納する。今、説明のためそれぞれの信号の値
をａ＝５０、ｖ＝１９、ｒ＝３２、ｔ＝７２、ｐ＝２３
とする。次にメモリセルへのデータ転送処理４０５は、
レジスタ内のデータを複数のメモリセル４０２のそれぞ
れに転送する。その後メインＣＰＵはメモリセルからの
出力待ち処理４０６を実行する。メモリセルからの出力
が行われた時点で、出力待ち処理４０６はメモリセルか
らの出力をメインＣＰＵの内部レジスタ４０７に格納す
る。この処理を、あらかじめ決められた個数のメモリセ
ルからの出力が得られるか、もしくはあらかじめ決めら
れた時間だけ待つか、どちらかの条件が成立するまで行
う。そして出力処理４０８では、内部レジスタ４０７の
内容に格納されたメモリセルからの出力を平均化し、最
終的な制御出力を決定し、その結果をディストリビュー
タおよびインジェクタに対して出力する。ここで平均化
は、たとえば３個のメモリセルからの出力が得られたも
のとし、それをそれぞれＴi、Ｒi（i=1,2,3）とする
と、平均化の結果Ｔav、ＲavはそれぞれＴav＝ΣＴi
／３、Ｒav＝ΣＲi／３と書ける。ここでΣはｉ＝
１、２、３に関する和を表す。

【００３７】次にメモリセル内部での動作を説明する。
各メモリセル内での動作は共通であり、全て同時的に実
行される。今はメモリセル＃１内での動作を例にとって
説明する。

【００３８】メインＣＰＵのデータ転送処理４０５によ
って転送されたデータは、メモリセル内のレジスタ４０
９に格納される。メモリセル内のレジスタ４１０には各
メモリセルが応答すべき応答パターンデータが、レジス
タ４１１にはその応答パターンに対するメモリセルの出
力データが格納されている。基本的に応答パターンデー
タはエンジン制御における対象の状態を表す量であり、
応答パターンデータによって表現されたエンジンの個々
の状態に対してどのような制御をするべきかというのが
出力データに対応している。この応答パターンデータと
出力データの複数の組をどのように決定するかにはいろ
いろな方法が考えられる。例えば、後述の第２の実施例
で説明する学習によって自動的に決定する方法や、また
はファジィなど他の手段により記述された入出力関係か
ら変換して得る方法などがある。ここでは単純にクラス
タリング手法を用いて決定する方法をとるものとする。
すなわち、５次元の応答パターンデータと２次元の出力
データを合わせて７次元のベクトルと考え、この７次元
ベクトルの多数個の組が設計段階のシミュレーションな
どで利用できるものとする。このとき、一般にはこの７
次元ベクトルの組の数は膨大な個数となるから、これを
そのままメモリセルに格納することは可能であるにして
も非常に効率が悪い。そこで例えば、７次元のベクトル
を適当なクラスタリング手法で１０２４個のクラスタに
分類し、各クラスタの代表値をメモリセルに格納すると
いう方法で１０２４個の応答パターンデータ−出力デー
タの組を決定することができる。

【００３９】レジスタ４０９にデータが格納された時点
で、ベクトル間距離計算処理４１２は、レジスタ４０９
内のデータとレジスタ４１０内のデータとのベクトル同
士の距離を計算する。図４の例では、レジスタ４０９に
格納された吸入空気量信号ａ、車速信号ｖ、変速比信号
ｒ、水温信号ｔ、気圧信号ｐの５個のデータを５次元ベ
クトル（ａ，ｖ，ｒ，ｔ，ｐ）とみなし、レジスタ４１
０に格納された応答パターンを同様に（ａ’，ｖ’，
ｒ’，ｔ’，ｐ’）と考えて、ベクトル間距離Ｄを

【００４０】

【数１】 D = ｜a-a'｜ + ｜v-v'｜ + ｜r-r'｜ + ｜t-t'｜ + ｜p-p'｜（１）として計算する。

【００４１】ただし式１において、レジスタ４１０内の
データに＊で表示した特別の値が存在する場合は、対応
する入力のどのような値に対しても距離が０になるも
の、すなわちdon't care値と考えて、式１の距離計算か
らその項目は省くものとする。すなわち、図４のメモリ
セル＃１の例では、ｒ’＝＊、ｔ’＝＊であるから、式
１は実際には

【００４２】

【数２】 D = ｜a-a'｜ + ｜v-v'｜ + ｜p-p'｜（２）なる式で計算される事になる。もちろんベクトル間距離
計算処理４１２に先だって、応答パターン内で値が＊の
データに対してはレジスタ４０９の対応するデータが複
写される、すなわち図４のメモリセル＃１の例では、
ｒ’＝ｒ（＝３２）、ｔ’＝ｔ（＝７２）なる代入がな
されるものとしてもよい。また＊は具体的には入力値と
しては決して現れない値、例えば−１（２バイトの符号
付き整数の１６進表現で言えばＦＦＦＦ）などで表現さ
れているものとすればよい。

【００４３】さて、式１または式２で計算された距離Ｄ
を用いて、応答時間算出処理４１３は各メモリセルがメ
インＣＰＵに応答を返すまでの待ち時間Ｔwを計算す
る。この待ち時間Ｔwは、距離Ｄの単調増加関数とす
る。図５にその一例を示す。図５の例ではしきい値Ｄth
までは線形に増加し、ＤがＤthを越えると応答時間無限
大、すなわちまったく応答を返さないようになるものと
している。

【００４４】応答時間算出処理４１３で計算された応答
時間Ｔwはバス出力処理４１４に送られ、バス出力処理
４１４は、Ｔw単位時間ウェイトした後、出力データを
データバス４０３へ出力する。図４のメモリセル＃１の
例ではディストリビュータへの点火時期制御信号Ｔ＝３
６７とインジェクタへの空燃比制御信号Ｒ＝２９を出力
する。

【００４５】複数のメモリセルで上記の動作が同時的に
実行される。メモリセル毎に異なるのはレジスタ４１０
と４１１にそれぞれ格納された応答パターンデータおよ
び出力データだけである。

【００４６】以上のような構成により、複数のメモリセ
ルに応答パターンデータとそれに対応する出力データを
格納しておけば、任意のセンサ入力データに対して、そ
のデータにもっとも近い応答パターンを持つメモリセル
がもっとも短い待ち時間で出力データを出力することに
なる。メインＣＰＵから見れば、全てのメモリセルに対
する逐次的な問い合わせをすることなしに、応答した時
間順序に従ってメモリセルからの出力データを読み込む
ことにより、入力データと応答パターンデータの距離の
近い順序に対応した出力データが得られることになる。
したがってメモリセルの数が増大しても、出力に要する
時間は変化せず、常に高速な制御が可能になるという特
徴がある。なお、式１では入力データと応答パターンデ
ータとの距離を差の絶対値の和として定義したが、もち
ろんこれは差の２乗の和などの、一般的な距離の定義式
に置き換えることもできる。

【００４７】上記の例では、応答パターンデータに＊と
いうdon't care値を許している。これにより応答パター
ンデータ−出力データの組をメモリセルに記憶させる際
に、部分的なセンサ入力情報だけで事実上出力データが
決定されてしまうような場合に、必要のない入力データ
に関する指定を不要とする事ができる。したがってある
入出力関係を、より少ない応答パターンデータ−出力デ
ータの組、すなわちより少ないメモリセル個数で表現で
きる、という特徴がある。

【００４８】また出力データに対してもdon't care値を
許すこともできる。この場合、don't care値の扱いはメ
インＣＰＵで決定される。上記の平均化処理において、
don't care値は平均値計算に含めなければよい。また、
ＴiまたはＲiの全てがdon'tcare値であった場合には、
あらかじめ定められたデフォルト値を出力するか、また
は前回の制御サイクルにおける出力値を記憶しておき、
再度同じ値を出力するものとすることができる。

【００４９】また以上の構成では、応答パターンデータ
−出力データの組毎に距離計算ハードを対応させるもの
としたが、複数個の応答パターンデータ−出力データの
組に一つの距離計算ハードを対応させ、距離計算ハード
が複数の組に対して順次距離計算を行う方法とすること
により、必要なハードの量を減らすことができる。

【００５０】図６に図４のエンジン制御ユニットをハー
ドウェアで実現する際の構成図を示す。

【００５１】６０１は図４におけるメインＣＰＵ４０１
を実現するマイクロプロセッサである。図４のセンサ情
報入力処理４０４、メモリセルへのデータ転送処理４０
５、メモリセルからの出力待ち処理４０６、出力処理４
０８を、マイクロプロセッサ６０１内のプログラムメモ
リににあらかじめロードされたプログラムに従って実行
する。

【００５２】６０２は図４のメモリセル４０２に対応す
る。また６０３は複数のメモリセルが同時にデータを出
力しようとした際に衝突が起きないようにコントロール
を行うアービタである。マイクロプロセッサ６０１、メ
モリセル６０２、アービタ６０３はそれぞれデータバス
６０４、制御信号線６０５、クロック信号線６０６に接
続され、各部分はクロック信号線６０６上のクロック信
号に従って同期的に動作する。

【００５３】次にメモリセル６０２の内部構造を説明す
る。図４のレジスタ４０９は、図６のレジスタ６０７〜
６１１に対応する。レジスタ６０７〜６１１にはそれぞ
れマイクロプロセッサ６０１からブロードキャストされ
たセンサ情報ａ，ｖ，ｒ，ｔ，ｐが、制御信号線６０５
の制御に従ってデータバス６０４から読みだして格納さ
れる。

【００５４】応答パターンデータａ’，ｖ’，ｒ’，
ｔ’，ｐ’はあらかじめレジスタ６１２〜６１６に格納
されている。

【００５５】減算器６１７〜６２１は、それぞれの情報
に関してセンサ情報と応答パターンデータの減算を行
い、結果を加算器６２２に送る。加算器６２２は５個の
減算器からの結果を入力とし、それらの絶対値の総和Ｄ
を計算する。

【００５６】図５の関数は、ルックアップテーブル６２
３にテーブルとしてあらかじめ記憶されており、加算器
６２２の出力Ｄはルックアップテーブル６２３により待
ち時間Ｔwに変換される。ルックアップテーブル６２３
の出力Ｔwはデクリメントレジスタ６２４に格納され、
単位時間毎に１づつ値が減算されていく。

【００５７】デクリメントレジスタ６２４の内容が０に
なると、制御信号がアービタ６０３に送信される。アー
ビタ６０３からの出力許可制御信号が返ってきた時点
で、出力データレジスタ６２５にあらかじめ格納された
出力データがデータバス６０４に出力される。

【００５８】図７は図４のエンジン制御ユニットのもう
一つの実現方法を示す図である。

【００５９】図４と異なる点は、各メモリセルの出力に
際して、レジスタ７１１からの出力に加えて、ベクトル
間距離計算処理７１２によって算出された入力データと
応答パターンとの距離Ｄを出力することにある。

【００６０】このとき、メインＣＰＵにおける出力待ち
処理７０６によって格納された出力データと距離データ
を用いて、出力処理７０８は、Ｔav＝Σ（Ｔi／Ｄi）／
Σ（１／Ｄi）、Ｒav＝Σ（Ｒi／Ｄi）／Σ（１／Ｄ
i）、なる関係式により最終出力Ｔav、Ｒavを算出す
る。

【００６１】この式は距離が小さい、すなわち入力デー
タに対してより類似度の高い応答パターンデータを持つ
メモリセルからの出力に対してより大きな（具体的には
距離の逆数に応じた）重みを用いて重み付き平均をとる
ことに対応している。（ただし、Ｄi：ｉ番目のメモリ
セルから出力された距離＝０となるｉがある場合には、
Ｒav＝Ｒi、Ｔav＝Ｔi、とするものとする。）このよう
に、距離、すなわち類似度に応じた重み付き平均により
最終的な出力を計算することにより、平均化処理の精度
を上げることができる。したがって、より少ないメモリ
セル数により同程度の精度で入力−出力関係を表現でき
るという特徴がある。

【００６２】以上、本発明の第１の実施例によれば、応
答パターンデータと出力データの組を複数個記憶し、か
つ入力データに近い応答パターンデータを持つ組をハー
ドウェア的に高速に求めることができるので、応答パタ
ーンデータと出力データの組が多数個必要な場合にも、
高速な制御が可能になるという特徴がある。

【００６３】また、もっとも近い応答パターンだけでは
なく、複数個の応答パターンに対応した出力データの重
み付き平均値として最終出力を決定するため、より高精
度な出力が得られるという効果もある。さらに、応答パ
ターンデータの項目をを入力データ項目の部分的な情報
とすることにより、出力精度を落とすことなく、必要な
応答パターンデータ−出力データの数を減らすことがで
きるという特徴もある。

【００６４】図６のハードウェア構成図では各メモリセ
ルは全て一つのデータバスに接続されるものとしたが、
一般的なネットワーク接続で知られているような階層型
バス構成やリング型バス構成にしても同様の効果を得る
ことができる。

【００６５】また上記の実施例では各メモリセルにおけ
る類似度（距離）計算は全て同一の手続きにより実行さ
れるものとしたが、例えば計算アルゴリズムをメモリセ
ル毎にマイクロプログラムとしてＲＯＭまたはＲＡＭ
（プログラムメモリ）に格納するなどの手法を用いれ
ば、各メモリセル毎に類似度の定義を変更することもで
きる。また距離と待ち時間との関係を表すテーブルの内
容をメモリセル毎に変えることもできる。この場合に
は、重要な応答パターンデータ−出力データの組を格納
したメモリセルが常に優先的に反応するように設定する
ことも可能であり、より精度のよい出力を得ることが可
能になるという効果がある。

【００６６】図８は本発明の第２の実施例である学習型
コントローラのブロック構成図を示す。

【００６７】本実施例における学習型コントローラは、
メインＣＰＵ８０１とそれぞれ１個または複数個のＲＯ
Ｍ型メモリセルチップ８０２とＲＡＭ型メモリセルチッ
プ８０３、およびそれらを接続する外部バス８０４とか
らなる。

【００６８】メインＣＰＵ８０１は、コントローラへの
入出力処理、および後述する実行モード／学習モードの
管理、メモリセルチップへのデータ転送処理などを行
い、第１の実施例の図４におけるメインＣＰＵ４０１と
ほぼ同様の役割を持つ。

【００６９】メモリセルチップ８０２（ＲＯＭ型）およ
び８０３（ＲＡＭ型）は、それぞれ図４のメモリセル４
０２を複数個、例えば１６個づつをまとめてＬＳＩとし
て実現したものである。ただし、図４のメモリセル４０
２の構造とは異なり、出力データレジスタ４１１には出
力データではなく、メモリセル番号が格納されているも
のとする。メインＣＰＵは、このメモリセル番号から、
後述するメモリセル管理テーブル８０５を用いてメモリ
セル番号を出力データに変換する。変換後の処理は第１
の実施例と同様に行う。また、ＲＯＭ型のメモリセルチ
ップ８０２は、応答パターンデータを格納するレジスタ
４１０が読みだし専用のＲＯＭで構成されており、ＲＡ
Ｍ型のメモリセルチップ８０３ではこれらがメインＣＰ
Ｕ８０１から随時書き換え可能な構成となっているとこ
ろが異なる。

【００７０】図９は、ＲＯＭ型メモリセルチップ８０２
の内部構成を示す図である。

【００７１】基本的な構成は、図１のメモリセル１０３
を１６単位１チップに集積した構成になっている。チッ
プ内に納められた各メモリセル９０１は、チップ内のデ
ータバス９０２、制御信号線９０３、クロック信号線９
０４によって結合され、各信号線はそれぞれ外部の対応
する信号線と結合している。

【００７２】図１０は、ＲＡＭ型メモリセルチップ８０
３の内部構成を示す図である。

【００７３】基本的には図９のＲＯＭ型メモリセルチッ
プと同様であるが、応答パターンデータを格納するレジ
スタ１００１および出力データを格納するレジスタ１０
０２が書換可能なメモリによって構成されていること、
およびそれらに格納すべきデータをメインＣＰＵ８０１
から転送する際に書き込むべきメモリセルのアドレスを
指定するためのアドレス信号線１００３を備えているこ
と、が異なっている。

【００７４】さて、図８の構成においては、動作は（１）実行モード（２）学習モードの２種類のモードで実行される。

【００７５】（１）の実行モードで動作する場合には、
ＲＯＭ型メモリセルチップ８０２とＲＡＭ型メモリセル
チップ８０３は同等に扱われ、第１の実施例で説明した
のと同様に動作する。（２）の学習モードでの動作が
本実施例特有のものであり、以下で詳細に説明する。こ
こで学習モードでの実行の際には、入力データと同時
に、その入力データに対応する正しい出力データ（これ
を教師データと呼ぶ）がメインＣＰＵ８０１に与えられ
るものとする。

【００７６】まず図１１は、メインＣＰＵ８０１が使用
するメモリセル管理テーブルの構成を示す図である。

【００７７】テーブルの各行がそれぞれメモリセルに対
応する。カラム１１０１はＲＡＭ型メモリセルチップに
格納されているメモリセルの番号を示す。ここではＲＯ
Ｍ型メモリセルチップに格納されているメモリセル番号
は１００１以上の値を取るものとし、ＲＡＭ型メモリセ
ルチップに格納されているメモリセル番号は１〜１００
０の範囲の値を取るものとする。

【００７８】カラム１１０２には、カラム１１０１に格
納されたメモリセル番号に対応するメモリセルが実際に
使用中であるかどうかを示す使用フラグを格納する。カ
ラム１１０３には、その行に対応するメモリセルの内容
が、例外事象に対応するものかどうかを示す例外フラグ
の値を格納する。カラム１１０４には、対応するメモリ
セルの応答パターンデータを、カラム１１０５には出力
データを格納する。動作時にメモリセルからメインＣＰ
Ｕに出力されるメモリセル番号は、このカラム１１０５
の内容に従って出力データに変換される。カラム１１０
６には、そのメモリセルが参照された回数を格納する。

【００７９】図１２は、学習モードでのメインＣＰＵの
処理フローを示す図である。処理１２０１は最初に学習
モードに入るときにだけ実行される初期化処理である。
この初期化処理では、メモリセル管理テーブルのカラム
１１０１に、図８のＲＡＭ型メモリセルチップに格納さ
れているメモリセル番号を順次セットし、かつカラム１
１０２、１１０３および１１１０６の内容を全て０クリ
アする。また、図８のＲＡＭ型メモリセルチップに格納
されている応答パターンレジスタ１１０１および出力デ
ータレジスタ１１０２の内容を全て入力データおよび出
力データとして決して現れない値、例えば２バイトの整
数表現でいえば−１（１６進数表現でＦＦＦＦ）という
値をセットし、同様にカラム１１０４、１１０５に値を
セットする。

【００８０】処理１２０２は処理１２０３〜１２０５を
学習終了条件が成立するまで繰り返す。

【００８１】処理１２０３は、学習モードでの動作時に
入力されたデータを用いて、ＲＯＭ型メモリセルチップ
およびＲＡＭ型メモリセルチップ両方を用いて、実施例
１で説明した方法と同様の方法により出力データを決定
する。

【００８２】処理１２０４では、処理１２０３で参照さ
れたメモリセルに対して、カラム１１０６の内容を１だ
け増やす。

【００８３】処理１２０５は、メモリセルの出力から計
算された出力、例えば実施例１の場合のＲavとＴavを、
教師データとして与えられたＲ'avとＴ'avと比較する。
そしてその差Ｅ＝｜Ｒav−Ｒ'av｜**2＋｜Ｔav−Ｔ'av
｜**2を計算し、あらかじめ定められたしきい値θと比
較し、差がしきい値より等しいか大きければ処理１２０
６以下を実行し、小さければ再び処理１２０３を実行す
る。

【００８４】処理１２０６では、図１１のメモリセル管
理テーブルのカラム１１０２を調べ、現在未使用のメモ
リセルがあるかどうかを調べ、ある場合には処理１２０
７（メモリセル追加による学習）を実行し、未使用メモ
リセルがなければ処理１２０８以下（メモリセル内容更
新による学習）を実行する。

【００８５】処理１２０７では、処理１２０６で見つか
った未使用のメモリセル番号を変数ｉにセットする。

【００８６】処理１２０８〜処理１２０９は、処理１２
０６で空きメモリセルが見つからなかった場合に実行さ
れる。まず処理１２０８では、ＲＡＭ型メモリセルチッ
プに格納されたメモリセルについて、内容を書き換える
べきメモリセル番号を決定する。本実施例においては、
図１１のメモリセル管理テーブルのカラム１１０３の例
外事象フラグの値が０であるメモリセルの内で、カラム
１１０６に格納されている参照回数がもっとも小さなメ
モリセルを選択するものとする。この書き換えメモリセ
ルの選択ではいろいろな方法が考えられる。例えば、も
っとも長い時間参照されていないメモリセルを選択する
方法などもある。

【００８７】処理１２０９では、処理１２０８で決定さ
れた内容を書き換えるべきメモリセル番号を変数ｉにセ
ットする。

【００８８】処理１２１０では、第ｉ番目のメモリセル
に対して、内容を現在の教師データに対応したものに置
き換える。すなわち、第ｉ番目のメモリセルの応答パタ
ーンレジスタに現在の入力データの値をセットする。

【００８９】処理１２１１では、図１１の管理テーブル
のカラム１１０１が変数ｉの値に等しい行を見つけ、そ
の行の応答パターンデータのカラム１１０４に現在の入
力データの値を、同様にカラム１１０５に教師データ
Ｒ'avとＴ'avの値をセットする。

【００９０】処理１２１２では、処理１２１１で書き換
えた管理テーブルの行のカラム１１０２の使用フラグを
１にセットする。

【００９１】処理１２１３では、現在の入力が例外的な
事象に属するかどうかを調べる。例外的な入力に対応す
る場合は処理１２１４でカラム１１０３の内容を１にセ
ットする。ここで例外的な事象とは、例えばエンジン制
御の例でいえばノッキングやエンストなど、通常に制御
が行われているときには発生しないが、何らかの原因に
より通常の状態からはずれた場合に起こる事象のことを
指す。学習モードにおいては、これらの例外的な事象が
滅多に発生しないときに学習機能により例外的な事象に
対する入出力関係が失われる場合が起こり得る。本実施
例ではこれを避けるために例外的な事象かどうかを示す
フラグをメモリセル管理テーブル内に設け、学習により
例外的な事象に関する入出力関係が失われないようにす
る。例外的な事象かどうかを判定する手段には種々のも
のがあるが、ここでは学習は全て外部の制御により入出
力データの与え方が管理されているものとし、例外的な
事象であるかどうかの情報も合わせて外部から与えられ
ているものとする。

【００９２】以上の処理を入力データと教師データに対
して１回または複数回実行することによりＲＡＭ型メモ
リセルチップの内容を学習により構成することができ
る。

【００９３】以上、本発明の第２の実施例では、学習機
能はメモリセルの追加および置き換えとして実現した。
しかし、メモリセルの内容の逐次的な修正により学習を
行うこともできる。その場合は図１２の処理１２１０以
下に対応して次のような処理をすればよい。

【００９４】考え方は出力Ｒav、Ｔavを計算するのに用
いられた例えば３個のメモリセルの内容、すなわち応答
パターンデータと出力データのどちらかまたは両方の内
容を、出力誤差Ｅ＝｜Ｒav−Ｒ'av｜**2＋｜Ｔav−Ｔ'a
v｜**2が小さくなるように修正することである。例えば
応答パターンデータと出力データの両方を、Ｅがもっと
も大きく変化する方向に修正する、いわゆる最急降下法
を用いるとすれば次のようにすればよい。

【００９５】まず出力データＲi（i=1,2,3）に関しては

【００９６】

【数３】 ∂Ｅ／∂Ｒi＝２（ＲavーＲ'av）・∂Ｒav／∂Ｒi ＝（１／Ｄi）／Σ（１／Ｄj）（３）である（Σはｊ＝１、２、３に関する和を示すものとす
る）から、Ｒiの修正は次の式：

【００９７】

【数４】Ｒi←Ｒi＋ΔＲi、ΔＲi＝−η・∂Ｅ／∂Ｒi （４）にしたがって行えばよい。ここでηはＲiの修正速度を
コントロールする学習係数とよばれる定数で、通常０．
０１〜０．２程度の値に固定するものとする。Ｔiの修
正も全く同様にできる。

【００９８】次に応答パターンデータ（ａ'i，ｖ'i，
ｒ'i，ｔ'i，ｐ'i）の修正は次のようにする。ｘ'iで５
個の応答パターンデータのいずれかを表すものとする
と、出力誤差Ｅは応答パターンデータと入力データとの
距離Ｄiを通してのみｘ'iに依存しているから、

【００９９】

【数５】 ∂Ｅ/∂ｘ'i＝∂Ｅ/∂Ｒav・∂Ｒav/∂ｘ'i＋∂Ｅ/Ｔav・∂Ｔav/∂ｘ'i （５）であり、さらに

【０１００】

【数６】 ∂Ｒav/∂ｘ'i＝∂Ｒav/∂(１/Ｄi)・(−１/Ｄi**2)・∂Ｄi/∂ｘ'i （６）となる（Ｔavに関しても全く同様）。さらに

【０１０１】

【数７】 ∂Ｅ／∂（１／Ｄi）＝２（ＲavーＲ'av）・［Ｒi／Σ（１／Ｄj）−ΣＲj／Ｄj／（Σ（１／Ｄj））**2］（７）であるから、これらの式を組み合わせれば∂Ｅ／∂ｘ'i
を求めることができる。したがって、

【０１０２】

【数８】ｘ'i←ｘ'i＋Δｘ'i、Δｘ'i＝−η・∂Ｅ／∂ｘ'i （８）で各応答パターンデータを修正することにより最急降下
法による修正ができる。

【０１０３】以上説明した第２の実施例によれば、書き
換え可能なＲＡＭ型メモリセルを用い、教師データと出
力データとの差を小さくするようにＲＡＭ型メモリセル
に格納された応答パターンデータと出力データを追加／
置換／修正することができるので、徐々に制御精度が向
上する学習型コントローラを実現することができる。

【０１０４】また、いくつかの（第２の実施例では１６
個）メモリセルをまとめて１チップとして構成したこと
により、メモリセルの個数を追加することが非常に容易
になる。したがって、本実施例の構成をとることによ
り、小規模なシステムから大規模なシステムまでを同じ
構成で実現することができ、また設計変更によるメモリ
セル数の増加にも柔軟に対応できるシステムが提供でき
るという効果もある。

【０１０５】以上説明した実施例では、応答パターンデ
ータと出力データの内容を書き換え可能な構成とした
が、例えば図６の距離計算を専用ハードウェアの代わり
に汎用のマイクロプロセッサとプログラムで実行するも
のとし、そのプログラムを格納したプログラムメモリの
内容や図６のルックアップテーブル６２２をＲＡＭで構
成し、それぞれメインＣＰＵから書き換え可能とする構
成も可能である。このような構成にすることにより、メ
モリセル毎に出力の優先度をメインＣＰＵから柔軟に設
定することが可能になり、より精度のよいコントローラ
を実現することが可能になる。

【０１０６】またこの学習型コントローラを第１の実施
例におけるエンジン制御システムや、より一般的な組み
込み型制御装置、たとえば家電品におけるエアコンや冷
蔵庫／洗濯機といった製品に組み込むことがもちろん可
能であり、その場合にはユーザが教師データとなる正解
値を与えることにより、徐々にユーザの使い方や好みに
あった制御を行うようになるような制御装置／製品を提
供することができるという効果もある。

【０１０７】以上、本発明の第１および第２の実施例で
は制御装置としての実施例を説明したが、パターン認識
などの情報処理においても、基本的には複雑な入出力関
係をいかに表現するかという意味では制御装置と同様で
あり、上記のようなメモリセルに格納された応答パター
ンデータ−出力データの組を用いる方法を全く同様に適
用することができる。

【０１０８】次に図１３〜図１６により、本発明の第３
の実施例を説明する。

【０１０９】図１３は、一般的な知識処理システムの構
成図である。知識処理システムの核心部分である推論エ
ンジン１３０１は、入出力インタフェース１３０２を介
して、データベース１３０３、オンライン回線１３０
４、またはワークステーション１３０５などから入力を
受け取る。推論エンジンは、入力されたデータ（数値ま
たは記号）に対して、知識ベース１３０６に格納されて
いるif-then形式のルールを逐次適用して出力を得る。
この推論のメカニズムの詳細に関しては、一般的な文献
において詳しく述べられている。そして、推論エンジン
１３０１の出力は、再び入出力インタフェース１３０２
を介して、データベース１３０３への書き込み、オンラ
イン回線１３０４を通じての通信出力、またはワークス
テーション画面への出力などが実行される。上記の処理
は、新たなデータが入力される度に繰り返される。

【０１１０】具体的に知識処理を利用したシステムの例
としては、例えば重見一秀ほか、日立評論第７２巻１１
号（１９９０年１１月）５１ページ〜５６ページにおけ
る「金融取引のための意思決定支援エキスパートシステ
ム」なる文献に詳しく述べられている。

【０１１１】図１４は、本発明の第３の実施例の構成図
を示す図である。

【０１１２】まず推論エンジン１４０１、入出力インタ
フェース１４０２、データベース１４０３、オンライン
回線１４０４、ワークステーション１４０５、および知
識ベース１４０６などは図１３の構成と全く同様であ
る。本実施例の特徴は、入出力インタフェース１４０２
と推論エンジンの間に、過去の推論における入力データ
と出力データの組を多数記憶する連想処理部１４０７を
設けたところに特徴がある。連想処理部１４０７は、本
発明の第１の実施例で説明したエンジン制御ユニットや
第２の実施例で説明した学習型コントローラと同様の構
成からなる連想エンジン１４０８を備えている。ただ
し、連想エンジン１４０８内のメモリセルは全て第２の
実施例の図１０で示したＲＡＭ型メモリセルチップの如
く、外部から書き換え可能な応答パターンデータおよび
出力データ用のレジスタを備えているものとする。

【０１１３】図１５は連想処理部１４０７の動作を示す
処理フローである。

【０１１４】まず処理１５０１では、入力データ連想処
理部１４０７に入力されたデータを連想エンジン１４０
８に入力する。連想エンジン１４０８の構成は、図１ま
たは図４に示したものと同様に、各メモリセルに入力デ
ータとそれに対する出力データをペアで記憶させ、実際
に入力されたデータと、メモリセルに記憶された入力デ
ータ（応答パターンデータ）が一致した場合に、その出
力データが連想エンジン１４０８の出力となる構成とす
る。ここで本実施例においては、入力データに記号的な
ものを許すものとする。

【０１１５】図１６は上記の文献における意思決定支援
システム（テクニカル分析支援システム）で用いられて
いるルールの例である。このように一般の推論エンジン
はこの例で言うと「ブル・オーダ」といったパターン名
称、すなわち記号的な入力が中心になる。

【０１１６】本実施例ではあらかじめそれぞれの記号的
な名称に一意的な数字（ビットパターンと考えてもよ
い）が割り当ててあるものと考える。こうすることによ
り、数値データと同様に記号データも第１または第２の
実施例と同様に扱うことができる。ただし、記号データ
を数字に変換したものに対しては距離として一致するか
しないかという意味しかありえない。したがって例え
ば、２バイトの整数表現の場合には、２の補数表現で≧
０の部分を数値データとし、＜０の部分は記号データに
対応するものとなるように、あらかじめ適当な数値デー
タのスケール変換を施しておく。そして記号データ（例
えばｓとする）に対しては距離計算ロジックを

【０１１７】

【数９】Ｄ＝ｄ if ｓ＝ｓ’ ＝０ else （９）とすれば、数値データと記号データを混在させることが
可能である。ここでｓは入力データ、ｓ’は対応する応
答パターンデータの値とする。またｄ（＞０）は適当な
定数である。記号データの中には一致しなければ無意味
であるような項目が有り得る。その場合には上式におけ
るｄの値を非常に大きな値に設定しておけば、その記号
データが一致するとき以外は事実上そのメモリセルの出
力が選択されることがないようにできる。

【０１１８】さて、処理１５０１の後、処理１５０２で
は連想エンジン１４０８からの出力を待つ。処理１５０
３では、連想エンジン１４０８から実際に意味のある出
力データが得られた場合、すなわち入力データにマッチ
する応答パターンデータ−出力データの組が連想エンジ
ン１４０８内部のメモリセルに存在した場合には処理１
５０４を、そうでない場合には処理１５０５以下の処理
を実行する。

【０１１９】処理１５０４では、処理１５０２で得られ
た連想エンジン１４０８からの出力を連想処理部１４０
７の出力として入出力インタフェース１４０２に出力す
る。

【０１２０】処理１５０５では、連想エンジン１４０８
では出力データが得られなかったわけであるから、入力
データを推論エンジン１４０１に入力する。推論エンジ
ン１４０１は、上記文献等で述べられている処理に基づ
き、知識ベース１４０６に格納されている知識を用いな
がら出力データを計算する。

【０１２１】次いで処理１５０６では、推論エンジン１
４０１からの出力を受け取る。

【０１２２】処理１５０７では、処理１５０６で受け取
った出力データを入出力インタフェース１４０２に出力
する。処理１５０８では、連想エンジン１４０８の空き
メモリセルに、現在の入力データを応答パターンデータ
として、出力データと共に格納する。ただし連想エンジ
ン１４０８に空きメモリセルがない場合には、第２の実
施例で述べたように、もっとも参照度数の少ないメモリ
セルか、またはもっとも長い時間参照されていないのメ
モリセル、の内容を置き換えるものとする。

【０１２３】以上、本発明の第３の実施例によれば、複
雑な知識処理を備えたシステムにおいて、よく現れる入
力データと、それに対する出力データを連想処理部１４
０７に記憶して利用するため、繰り返し現れる入力デー
タに対して毎回複雑な知識処理を実行することがなく、
動作させていくうちに次第に高速に結果を得ることがで
きるようになる。

【０１２４】上記の実施例の説明では、処理１５０７で
は空きメモリセルに現在の入力データをそのまま応答パ
ターンデータとして格納した。入力データの項目数が大
きくなり、また知識ベース１４０６に格納されているル
ールの数が増えるにつれ、推論エンジン１４０１内部で
の処理は複雑になる。しかし、結果として得られる推論
エンジン１４０１の出力が、入力データのどの項目に依
存しているかを、推論エンジン１４０１内部での処理を
監視することにより決めることができる。以下にその例
を示す。

【０１２５】一般によく知られているように、ルールに
よる前向きの推論では、現在事実として与えられている
事柄から適用できるルールを実行し、ルールのthen部
（結論部）を新しく事実として追加し、さらにルールを
実行するという動作を最終的な結論が得られるまで繰り
返す。ここで、推論エンジン１４０１でどのルールがど
のような順番で動作したかを逐次記録しておくものとす
る。そして、最終的な結論が得られたときに、その記録
を逆方向にたどることができる。すなわち、最後に結論
を得るのに使用したルールのif部（条件部）に入力デー
タ項目があればそれをマークしておく。他のルールによ
って生成された中間的なデータ項目があれば、そのデー
タ項目を結論部にもつルールを記録をさかのぼることに
より決めることができ、同様にそのルールの条件部を調
べる。これを繰り返すことにより最終的な結論を導くの
に最小限必要な入力データ項目を決定することができ
る。

【０１２６】さて、このように出力が入力データのどの
項目によって決定されたかが決まった場合、連想エンジ
ン１４０８内のメモリセルの応答パターンデータには決
定に必要な入力データ項目を記述し、それ以外の不要な
入力データ項目に関しては、第１の実施例におけるdon'
t care値と同様の扱いにより不要データ項目としてメモ
リセルに格納することができる。こうすることにより、
出力データを得るために最小限必要なデータ項目だけを
応答パターンデータとして持つことができるため、一つ
のメモリセルが入力データにマッチする可能性が高ま
り、より少ない数のメモリセルで同様の効果を実現する
ことができるようになる。

【０１２７】以上説明した第１〜第３の実施例におい
て、全ての動作を計算機ソフトウェアによってハードウ
ェア動作を模擬的に実行することが可能であり、その際
でも学習による制御精度の向上や、知識処理システムの
動作が使用するにつれて高速になる、などといった効果
を実現することができる。

【０１２８】図１７は本発明の第４の実施例である制御
装置の設計システムのブロック構成図である。本実施例
のシステムは、ファジィ知識などあらかじめ他の手段に
より表現された入出力関係を、第１〜第３の実施例にお
ける応答パターンデータ−出力データの組に変換するこ
とを目的とする。特に本実施例ではファジィ知識を用い
た場合について詳細に説明する。

【０１２９】まず、あらかじめ先験的／部分的に知られ
ている制御知識をファジィ知識として表現し、ファジィ
知識ベース１７０１に格納する。入力発生手段１７０２
は、ファジィ推論エンジン１７０３と制御装置シミュレ
ータ１７０４への入力を生成する。生成手段としては、
全くランダムに入力値を生成する方法や、制御対象のシ
ミュレーションや実測値に基づいて生成する方法などが
あるが、いずれの方法でも本システムの動作は同一であ
る。

【０１３０】ファジィ推論エンジン１７０３は、入力値
に対してファジィ知識ベース１７０１の内容を用いて出
力を計算する。

【０１３１】同様に制御装置シミュレータ１７０４は、
第１〜第３の実施例で詳しく説明した、応答ターンデー
タ−出力データの組をメモリセルに記憶させて入出力関
係を表現する制御装置の動作を、全てソフトウェアによ
り模擬することにより入力データから出力を計算する。
制御装置シミュレータ１７０４内部の（模擬された）メ
モリセルの内容は、制御装置の設計に先だってあらかじ
め初期化されているものとする。すなわち、第２の実施
例と同様のメモリセル管理テーブルを用いて、全てのメ
モリセルの使用フラグをリセットし、不使用状態として
おく。初期の入力においては、どのメモリセルにも応答
パターンデータが格納されていないため、出力値は決定
できないが、その場合には制御シミュレータによってあ
らかじめ決められたデフォルト値、たとえば２バイトの
整数表現で言えば−１（１６新表現でＦＦＦＦ）などの
特殊な値を出力するものとする。

【０１３２】ファジィ推論エンジン１７０３と制御装置
シミュレータ１７０４の出力は、比較判定器１７０５に
入力される。比較判定器１７０５は２組の出力の誤差を
計算し、その誤差があらかじめ制御装置の設計条件とし
て与えられる制御許容誤差を越えているかを調べる。こ
こで、制御装置シミュレータ１７０４があらかじめ定め
られたデフォルト値を出力した場合には、必ず制御許容
誤差を越えていると判定されるようにしておくものとす
る。

【０１３３】もし比較判定器１７０５によって制御許容
誤差を越えていないと判定された場合には、制御装置シ
ミュレータ１７０４内部のメモリセルの内容は変更され
ない。そして入力発生手段１７０２によって新たな入力
が生成される。

【０１３４】制御許容誤差を越えていると判定された場
合には、制御装置シミュレータ１７０４にメモリ内容更
新命令が発行され、以下の動作が実行される。

【０１３５】まずファジィ推論エンジン１７０３におい
てどの入力変数が出力を決定するのに使用されたかが調
べられる。これは例えば入力値をｘ1〜ｘ10としたとき
に、ｘ1をｘ1＋Δｘ1と微小量（例えば入力値が８ビッ
トで表現されているときには最下位ビットが表現する
値）変化させたときに出力値の変化を見る。そして出力
値が変化した場合にはｘ1は出力値の決定において使用
されたものとみなす。これを順次ｘ10まで繰り返す。

【０１３６】次いで制御装置シミュレータ１７０４は、
入力発生手段１７０２から入力された値の内でファジィ
推論エンジン１７０３で出力決定に使用された変数の値
を持ち、かつ未使用変数はdon't care値として表現した
ものを応答パターンデータとし、ファジィ推論エンジン
１７０３の出力を出力データとして、それぞれ組にして
制御装置シミュレータ１７０４内のメモリセルの内容と
して格納する。格納されたメモリセルは、第２の実施例
と同様、メモリセル管理テーブルの使用フラグを使用状
態を示す値にセットする。

【０１３７】上記の操作をあらかじめ決められた条件が
満たされるまで繰り返す。この条件は例えば、あらかじ
め定められた回数（例えば１００万回）入力発生手段１
７０２により入力値が発生されるという条件、または制
御装置シミュレータ１７０４内のメモリセルが全て使用
状態になるという条件であるとする。

【０１３８】以上の構成により、あらかじめ与えられた
ファジィ知識による入出力関係が制御装置シミュレータ
内部のメモリセルによる動作により置き換えられること
になる。

【０１３９】もちろん上記の構成により生成されたメモ
リセルの内容を、第２の実施例で説明した学習の仕組み
を用いてオンライン的／オフライン的にさらに修正して
制御精度を向上させることも可能であるし、またあらか
じめ与えられた知識もファジィに限らず、いわゆるルー
ルベースの知識や数式による記述、およびそれらの組み
合わせとして与えられても、本実施例の動作および効果
は変わらない。

【０１４０】以上、本発明の第４の実施例によれば、あ
らかじめ先験的／部分的知識として与えられている知識
をメモリセルを用いた制御装置による動作に置き換える
ことができるので、メモリセルの内容を決定するのが容
易である、または学習によるメモリセルの内容の修正に
おける初期値を効率よくまた精度よく決定することがで
きるという効果がある。

【０１４１】図１８は本発明の第５の実施例である化学
製品の材料設計支援システムの構成図である。このシス
テムの目的は、化学製品に対する要求特性として、例え
ば比重・硬度・融点・抵抗率・光沢・弾性率などの物性
値が与えられたときに、その要求特性を満たす原材料の
配分比を求めることにある。この要求特性値と配分比の
関係は一般に非常に複雑で、数学的なモデルを構成する
ことはほとんど不可能である。そこで与えられた要求特
性値と配分比との関係をニューロにより学習して求める
試みが、例えば情報処理学会第４４回（平成４年度前
期）全国大会予行集第２２１−２２２ページにおける
「ニューラルネットワークによる材料設計支援―その
２．システム構築―」と題する文献などで紹介されてい
る。

【０１４２】しかしながら、材料設計においては、要求
物性の全てが明確に指定されるとは限らず、その一部分
だけが指定され、それ以外の物性値に関しては特別の要
求値なし、すなわちdon't careとして扱われる場合があ
る。この場合、上記従来方法のようにニューロを用いた
場合、入力項目に欠損値があるとニューロによる演算が
できなくなる。これを避けるため、従来は欠損値を持つ
要求値なしの入力項目に対してはあらかじめ定められた
平均値などの既定値を入力するなどの方法がとられてい
た。しかし要求値なしの入力項目であっても、要求値が
指定された入力項目との相関が強い場合、単純に既定値
に置き換えてしまうと出力として得られる配分比が精度
よく求まらないという問題点があった。本発明の第５の
実施例では、これらの設計問題に対して第１ないし第４
の実施例で用いた方法を応用することにより、上記問題
点を解決する。

【０１４３】図１９は本発明の第５の実施例のブロック
構成図である。

【０１４４】連想エンジン１９０１は、一部分に欠損値
を含む要求特性値の組を入力として、欠損値のない要求
特性値の組を出力する。値合成器１９０２は、連想エン
ジン１９０１の入力と出力を入力とし、それらの合成を
行う。すなわち、連想エンジン１９０１の入力の欠損値
に対応する項目に関しては連想エンジン１９０１からの
出力値を、それ以外の項目に関しては連想エンジン１９
０１への入力値をそのまま出力値とする。ニューロ推論
エンジン１９０３は、値合成器１９０２の出力である欠
損値を含まない要求特性値の組を入力とし、原材料の配
分比を出力する。事例ファイル１９０４は、過去の事例
における特性値の組が記憶されており、連想エンジン１
９０１は事例ファイル１９０４に格納された事例に基づ
いて出力要求特性値を算出する。

【０１４５】図２０は図１９の連想エンジン１９０１に
おける処理フローを示す図である。

【０１４６】処理２００１では、事例ファイル１９０４
を読み込み、その内容をメモリ上の配列 Yk[i] (k=1,2,
…,Ns; i=1,2,…,Nt)に展開する。ここで、Nsは事例の
数、Ntは特性値の項目数である。Yk[i]の値は、第k番目
の事例における第i番目の特性値の値である。

【０１４７】処理２００２は、処理２００３以下を要求
特性値の入力がある限りくり返し実行する。

【０１４８】処理２００３は、設計すべき材料の要求特
性値を入力する。この入力は例えば材料設計者がキーボ
ードなどの入力装置によって入力がなされるものとす
る。入力された値は配列X[i] (i=1,2,…,Nt)に格納され
る。ここで、特に要求されない特性値は欠損値として特
別な記号、たとえば "*" で表現されているものとす
る。

【０１４９】処理２００４は、変数kの値を1からNsまで
変化させながら処理２００５以下をくり返し実行する。

【０１５０】処理２００５は、入力特性値としてのX[i]
と、各事例における特性値Yk[i]との距離を記憶するD
[k]を０に初期化する。

【０１５１】処理２００６は、変数iの値を1からNtまで
変化させながら処理２００７以下をくり返し実行する。

【０１５２】処理２００７は、入力の第i番目の特性値X
[i]の値を調べ、その値が欠損値でなければ、すなわちX
[i]≠*ならば処理２００８を実行する。

【０１５３】処理２００８は、D[k]の値に(X[i]-Yk[i])
**2を加える。

【０１５４】処理２００９は、処理２００４〜処理２０
０８で計算された距離D[k]の内で最も値の小さなNm個
（例えばNm=5）を選び、その事例番号を配列index[k]
(k=1,2,…,Nm)に格納する。

【０１５５】処理２０１０は、変数iの値を1からNtまで
変化させながら処理２０１１以下をくり返し実行する。

【０１５６】処理２０１１は、出力特性値を記憶する配
列Z[i]の値を０に初期化する。

【０１５７】処理２０１２は、変数kの値を1からNmまで
変化させながら処理２０１３をくり返し実行する。

【０１５８】処理２０１３は、Z[i]の値にY(index[k])
[i]（事例番号index[k]の事例の第i番目の特性値）を加
える。

【０１５９】処理２０１４は、Z[i]の値をNmで割った値
をZ[i]に格納する。

【０１６０】処理２０１５は、処理２０１４までの処理
で算出された出力特性値Z[i]を出力する。

【０１６１】図２１は、図１９のニューロ推論エンジン
１９０３の構成を示す図である。ここではニューロは入
力層２１０１、第一中間層２１０２、第二中間層２１０
３、出力層２１０４の４層構成をとるものとし、Nt個の
要求特性値からそれに対応するNr個の材料配分比を出力
するものとする。

【０１６２】図２２は図１９の事例ファイル１９０４の
構成を示す図である。過去の事例においては、ある材料
配分で作成した化学製品の持つ特性値が測定され、記録
されているものとする。それぞれの事例は、Nt個の特性
値とNr個の材料配分比の計(Nt+Nr)個の値の組からな
り、欠損値は含まれないものとしてよい。図２０の処理
２００１では、事例ファイル１９０４に格納されている
値のうち、Nt個の特性値だけが読み込まれる。

【０１６３】図２３は、図２１のニューロ推論エンジン
の構成方法を示す図である。図２１に示された各ノード
を結ぶリンクにはそれぞれ重みと呼ばれるパラメータが
設定される。このパラメータは例えば従来技術５で説明
されているような誤差逆伝播法と呼ばれる学習アルゴリ
ズムで決定される。本実施例の構成では、入力層のノー
ドに図２２の事例ファイルに格納されている各事例のNt
個の特性値を入力し、図２１のニューロの出力を計算す
る。出力層の各ノードの出力は、各事例のNr個の材料配
分比とそれぞれ比較され、その誤差を減少させるように
ニューロ内部の重みパラメータの値を変更する。これを
事例ファイル１９０４に含まれる全ての事例に対して、
誤差が最小になる、すなわち学習が収束するまでくり返
し実行する。

【０１６４】以上のような構成により、ニューロ推論エ
ンジンの学習は欠損値のない事例ファイル１９０４を用
いて行うが、実際の入力に欠損値が含まれる場合には、
事例ファイル１９０４を利用した連想エンジン１９０１
によって欠損値が補完された上でニューロ推論エンジン
に入力される。したがって、ニューロによる特性値と材
料配分比の関係の学習結果を有効に利用しながら、かつ
入力値に欠損値がある場合にも精度のよい結果を得るこ
とができるようになる。

【０１６５】以上、本発明の第５の実施例では、連想エ
ンジン１９０１を図２０に示すソフトウェアで実現する
ものとしたが、連想エンジンを図４で示したようなハー
ドウェアで実現することももちろん可能である。ただし
本実施例では、図４における応答パターン４１０と出力
データ４１１が同一なので、これを共通化することによ
り、ハードウェア構成を簡略化することができるという
特徴もある。さらに図７で説明したように、距離情報D
[k]を用いてより精度のよい出力を得ることも可能であ
り、それを図２０に示したようなソフトウェア処理で実
現することは容易である。また本実施例の要点は連想エ
ンジン１９０１による入力欠損値の補完機能にあるか
ら、入力である要求特性値から出力である材料配分比を
求める機構は図１９のようなニューロ推論エンジンに限
ることなく、数学的モデルやファジィ推論モデルなどの
任意の方法を用いることが可能で、その場合にも本実施
例と同様の効果を得ることができる。

【０１６６】本実施例では化学製品の材料設計システム
の例を説明したが、一般にニューロやファジィを適用可
能な制御・予測・診断システム、またはパターン認識装
置において、入力に欠損値が生じる場合には本実施例と
同様の方法を用いることが可能である。

【０１６７】また上記第５の実施例においては、ニュー
ロ推論エンジン１９０３の学習では事例ファイル１９０
４に格納された事例のうちで欠損値のないものだけを使
うものとした。しかしながら、事例ファイルに欠損値が
多数含まれる場合には、ニューロ推論エンジンの学習に
用いることができる事例が少なくなり、学習に支障が出
る場合がある。また、ある特性値が欠損値であること自
体に意味がある場合には、ニューロの学習結果自身の精
度が低下することになる。例えば、ある特殊な化学材料
においては物性値のひとつである光沢に対する要求が不
要なため、ほとんどの事例について光沢の要求値が欠損
しているものとする。この場合、光沢に対する要求値が
欠損していることは、それ自身でその事例は特殊な化学
材料に関する事例である可能性が高いという情報を含ん
でいると言える。このときに、単純に欠損値のない事例
だけを使ってニューロ推論エンジンの学習を行うと、こ
こで考えている特殊な化学材料に関する学習はほとんど
なされないことになる。このような場合に上記第５の実
施例の方法を用いても、ニューロ推論エンジン自身が特
殊な化学材料に関する配分比の予測が精度よくできない
ために、設計支援システム全体の性能が低下することに
なる。

【０１６８】この問題を避けるために、図２３で説明し
たニューロ推論エンジンの逆伝播法による学習の際にも
連想エンジンによるデータの前処理を利用することがで
きる。

【０１６９】図２４にこの場合の構成図を示す。図１９
とほぼ同様の構成であるが、連想エンジン２４０１によ
る欠損値データの補完を、ニューロ推論エンジン２４０
３の学習時に用いることに特徴がある。連想エンジン２
４０１および値合成器２４０２の動作は、図１９におけ
る連想エンジン１９０１および値合成器１９０２の動作
と同一である。連想エンジン２４０１は事例ファイル２
４０４に格納された事例を用いて、事例に含まれる欠損
値を他の事例を用いて補完する。値合成器２４０２は欠
損値を補完された値で置き換え、それをニューロ推論エ
ンジン２４０３に出力する。ニューロ推論エンジン２４
０３の学習方法は図２３に示したものと同様で、事例フ
ァイル２４０４から読みだしたNr個の原材料配分比を教
師データとして学習を行う。

【０１７０】以上説明したように、本実施例では連想エ
ンジン２４０１の欠損値補完機能を用いることにより、
これまで欠損値の扱いが困難であったニューロ推論エン
ジンの学習が容易になるという効果がある。

【０１７１】次に、本発明の第６の実施例であるプラン
ト監視装置を説明する。図２５はごく一般的なプラント
制御システムの構成図である。制御対象となるプラント
２５０１には各種センサが取り付けられ、プラントの状
態を表すセンサ情報があらかじめ定められた時間間隔で
制御装置２５０２に送られる。制御装置２５０２は、プ
ラントの状態値を外部から与えられた目標値に近づける
ために、各時間間隔毎にプラントに対して制御信号を出
力する。すなわち制御装置２５０２は、プラントからの
センサ情報と制御目標値を入力とし、プラントに対する
操作量を出力する。本発明の第１の実施例で述べたエン
ジン制御システムで言えば、プラント２５０１がエンジ
ン本体に、制御装置２５０２がエンジン制御ユニットに
対応する。大規模プラント制御から家電製品などのマイ
コン組込型制御システムまで、多くの制御システムは図
２５の構成からなるものと考えてよい。

【０１７２】さて本発明の第６の実施例は、図２５の制
御システムに対して監視装置を設け、プラント異常／セ
ンサ異常／制御装置異常などを検知し、異常を検知した
場合には警報を出力する。またセンサ異常に関しては異
常センサを特定し、異常とされたセンサ情報を無効にす
るとともに、可能ならば他のセンサ情報からこのセンサ
情報を推定することにより、システム全体の停止を防止
する。

【０１７３】図２６は本実施例によるプラント監視シス
テムの構成図である。制御対象となるプラント２６０１
および制御装置２６０２は、それぞれ図２５のプラント
２５０１および制御装置２５０２と同一のものである。
監視装置２６０３は、プラント２６０１からのセンサ情
報・制御装置２６０２からの制御信号・制御目標値を入
力とし、システム全体の動作を監視する。正常動作時の
監視装置２６０３は、入力されたセンサ情報をそのまま
制御装置２６０２に出力し、また制御装置２６０２から
の制御信号をそのままプラント２６０１へ出力するた
め、図２６のシステムは図２５と全く同じ動作をする。
ただし何らかの異常が検知された場合には、警報信号を
オペレータコンソール２６０４へ出力するとともに、そ
れに対するオペレータ指示によって故障センサ情報の検
出・故障センサ情報の推定を行う。

【０１７４】図２７は、図２６の監視装置２６０３の内
部構成を示す図である。監視装置２６０３は、監視装置
全体の制御および外部との信号の入出力を制御するコン
トロールユニット２７０１、入力セレクタ２７０２、連
想エンジン２７０３、および出力セレクタ２７０４とか
らなる。連想エンジン２７０３の構成は、例えば本発明
の第１の実施例における図７と同様の構成をとるものと
する。図２８にその構成図を示す。図７と図２８の違い
は、図２８では応答パターンと出力データが同一のた
め、図７の出力データレジスタ７１１が省略されている
こと、および平均化＆出力処理７０８として、応答のあ
ったメモリセルの内で最小のベクトル距離Dminを出力す
ることである。また、応答パターンレジスタは全てメイ
ンＣＰＵから書き換え可能とするため、全てのメモリセ
ルは第２の実施例の図８にあるＲＡＭ型メモリセルチッ
プで構成されているものとする。

【０１７５】監視装置２６０３は、学習モード・監視モ
ード・異常特定モード・補正モードの４つの動作モード
で動作する。それぞれのモードの切り替えや各部分の制
御はコントロールユニット２７０１が行う。以下それぞ
れのモードでの動作を説明する。なお、以下の動作説明
におけるオペレータ指示とは、監視装置２６０３に対す
るオペレータ指示であり、それ以外の緊急停止や手動操
作など、プラントや制御装置に対する指示とは別の手段
が用意されているものとする。

【０１７６】（１）学習モード異常監視の開始に際して、必要なデータを連想エンジン
２７０３に蓄積・格納するモードである。学習モードに
おいては、入力セレクタ１６０２は全ての入力をそのま
ま連想エンジン２７０３に出力する。この命令はコント
ロールユニット２７０１から入力セレクタ２７０２に対
して行われる。同様に出力セレクタ２７０４も連想エン
ジン２７０３の出力をそのまま監視装置の出力とする。
連想エンジン２７０３は、連想エンジン内のメモリセル
内容の変更を行う。出力セレクタ２７０４は監視装置２
６０３への入力をそのまま出力する。学習モードにおけ
る連想エンジン２７０３の動作は、第２の実施例におけ
る学習モードの動作と類似している。

【０１７７】図２９にその処理フローを示す。

【０１７８】処理２９０１は処理２９０２〜２９０３を
学習モードが終了するまで繰り返す。

【０１７９】処理２９０２は、学習モードでの動作時に
入力されたデータを用いて、実施例１で説明した方法と
同様の方法により出力データおよび最小ベクトル距離Dm
inを決定する。

【０１８０】処理２９０３は、処理２９０２で求められ
たDminとあらかじめ定められたしきい値距離Dthとを比
較し、Dmin＞Dthならば処理２９０４を実行する。

【０１８１】処理２９０４では、未使用のメモリセルが
あるかどうかを調べ、あれば処理２９０５を、なければ
処理２９０６および処理２９０７を実行する。

【０１８２】処理２９０５では、処理２９０４で見つけ
た未使用メモリセルの応答パターンレジスタに現在の入
力データを格納する。

【０１８３】処理２９０６では学習のためのメモリセル
が不足しているという警告メッセージをコントロールユ
ニット２７０１を介してオペレータコンソールに表示
し、学習処理を終了する。

【０１８４】学習モードはオペレータ指示などで外部か
らコントロールユニット２７０１にモード変更命令が発
行されるか、または処理２９０６でメモリセル不足が生
じるまで続き、連想エンジン２７０３は入力データ毎に
上記の処理を繰り返す。

【０１８５】（２）監視モード学習モードが終了し、連想エンジン２７０３に監視に必
要なデータの蓄積が終了した時点で監視装置は監視モー
ドに入る。

【０１８６】監視モードでは、入力セレクタ２７０２と
出力セレクタ２７０４の動作は学習モードと同じで、監
視装置への入力を出力にそのまま渡すだけの処理を行
う。

【０１８７】連想エンジン２７０３は、入力に対して図
２９の処理２９０２を行い、最小ベクトル距離Dminを求
め、その値をコントロールユニット２７０１に出力す
る。

【０１８８】コントロールユニット２７０１は、連想エ
ンジン２７０３から出力された最小ベクトル距離Dminと
あらかじめ監視用に定められたしきい値Dthとを比較
し、Dmin＞Dthならばオペレータコンソール２６０４に
異常検知メッセージを表示し、オペレータ指示を待つ。

【０１８９】異常検知メッセージにたいするオペレータ
指示は、無視／学習／異常特定、のいずれかである。

【０１９０】オペレータが無視を指示した場合、コント
ロールユニットは現在の入力に対する異常検知メッセー
ジを無視して、次の入力に対する処理を続行する。

【０１９１】学習を指示した場合、連想エンジン２７０
３は図２９における処理２９０４を実行し、現在の入力
データを未使用メモリセルに格納する。

【０１９２】異常特定を指示した場合には、監視装置は
次の異常特定モードに移行する。

【０１９３】（３）異常特定モード異常特定モードでは図３０に示した処理フローに従って
以下の動作を行う。

【０１９４】処理３００１では、まず変数iの値を１か
らNinputまで変化させながら処理３００２〜処理３００
４を実行する。ここでNinputは入力セレクタ２７０１に
入力されるデータの数である。

【０１９５】処理３００２では、コントロールユニット
２７０１は入力セレクタに対してi番目の入力センサデ
ータを欠損値（don't care値）に変更するように指示す
る。ここで欠損値は通常のセンサ入力としては決して現
れない特別な値としてあらかじめ定められたパターンで
表現しておくものとする。

【０１９６】処理３００３では、連想エンジン２７０３
は欠損値を含むデータに対して図２９の処理２９０２を
実行し、連想結果である平均化出力センサ情報を算出す
る。

【０１９７】処理３００４では、i番目の入力センサに
関して、入力されたデータの値Iiと平均化出力として計
算されたデータの値Oiの差Ei=|Ii-Oi|を求める。ここで
|・|は絶対値を表す。

【０１９８】処理３００５では、処理３００１〜処理３
００４で計算されたIi、Oi、Eiの値をオペレータコンソ
ールに棒グラフなどの適当な形式で表示する。

【０１９９】図３１にオペレータコンソールへの表示例
を示す。計測値としてのIiの値と推測値としてのOiの値
が各センサ毎に棒グラフで表示される。この例では、Ii
とOiはそれぞれ異なった色で表示し、かつセンサ毎に重
ねあわせた表示とした。これによりどのセンサが故障の
可能性が高いかを容易に判定することができる。もちろ
んEiの値を直接表示したり、また折れ線グラフなど、他
の表示方法を採用することも可能である。

【０２００】処理３００６ではオペレータの指示を待
つ。ここでのオペレータ指示は、無視／学習／故障セン
サ指示、の３種類である。無視または学習が指示された
場合には、監視モードと同様の処理を行い、動作モード
も監視モードに戻る。故障センサ指示では、オペレータ
コンソール上での表示を基にオペレータが故障センサを
判定し、その番号または名称を指示する。そして監視装
置の動作モードは次の補正モードへ移行する。

【０２０１】（４）補正モード補正モードでは、処理３００７で故障と指示されたセン
サに対し、入力セレクタ２７０２が入力されたデータを
を欠損値で置き換えるようにコントロールユニット２７
０１から入力セレクタ２７０２に対して指示される。連
想エンジン２７０３は、図３０の処理３００３と同様の
処理を行い、平均化出力として得られた結果を出力セレ
クタへ出力する。出力セレクタ２７０４は、故障と指示
されたセンサに対応するデータは連想エンジンからの出
力を、それ以外のデータは監視装置に入力されたデータ
を選択し、監視装置全体の出力として出力する。従って
このモードでは、故障と判定されたセンサに対するデー
タを、連想エンジン２７０３によって他のセンサ情報か
ら推定されたデータに置き換える動作をする。それ以外
の連想エンジンの動作は監視モードと同様で、再び最小
ベクトル距離DminがDthを越えたときには、異常検知メ
ッセージを表示してオペレータ指示を待つなど、図２９
と同様の処理を実行する。

【０２０２】以上の４つのモードにおける動作の関係を
図３２に示しておく。

【０２０３】以上、本発明の第６の実施例によれば、学
習済みの状態からある定められたベクトル距離以上離れ
た状態を異常として検知できるため、異常状態に関する
事例を収集する必要がないため、容易に監視装置を構成
できるという特徴がある。さらに異常を検知した場合
に、連想エンジンの欠損値補完機能を用いることによ
り、センサ故障などを特定することができるとともに、
特定したセンサ情報を他のセンサ情報から補完すること
により、システムを停止することなく運転を続行するこ
とができるという特徴もある。上記の説明では連想エン
ジンは図２８の構成をとるものとしたが、もちろん第５
の実施例と同様にソフトウェア処理によって同等の機能
と効果を実現することが可能である。

【０２０４】また上記の実施例においては、各動作モー
ドの移行や故障センサの判定は全てオペレータ判断で行
うものとしたが、家電製品における組込み制御への応用
などでは全て全自動で実行することも可能である。例え
ば学習モードは出荷時に完了するものとし、監視モード
から異常特定モードへの移行はDmin＞Dthとなった時に
無条件に発生するとすればよい。また故障センサの特定
もEiの値がある定められた値を越えたときに自動的に故
障センサと見なし、補正モードに移行すればよい。この
ように故障センサと見なされたセンサの数が３個以上に
なった場合や、製品動作上重要なセンサが故障と見なさ
れた場合には、製品全体の故障としてユーザに故障を知
らせる表示をすればよい。また補正モードに移行した場
合には、ユーザに対して製品の点検をうながす表示をす
ることも可能である。このような構成にすることによ
り、部分的なセンサ故障に対する耐性を高めることがで
き、より稼働率の高い安定した組込み型制御を実現する
ことができるという効果がある。

【０２０５】

【発明の効果】以上、本発明によれば、入力に対する出
力の組を応答パターンデータ−出力データの組として複
数個用意し、その組に基づいて出力を決定するために、
知識処理や数学的制御理論に基づく複雑なアルゴリズム
の設計が不要であり、容易に制御装置やパターン認識装
置を構成できるという効果がある。

【０２０６】また、入力データの部分的な情報から応答
パターンデータを構成することができるため、より少な
い組の数で精度よく入出力関係を表現できるという効果
もある。

【０２０７】さらに応答パターンデータまたは出力デー
タまたはその両方を学習により逐次的に変更することに
より、制御または認識精度を徐々に向上することが可能
になるという効果がある。

【０２０８】さらに入力の一部分が未知であるような入
力に対し、既知の入力部分から未知の入力を補完するこ
とができるため、ニューロ等と併用することにより、よ
り出力精度の高いシステムが構築できるという効果もあ
る。また同様の機能により欠損値を含む事例データをそ
のまま用いてニューロ等の学習に利用することができる
ため、データの選別／加工などの前処理が不要になり、
システム構築に要する時間とコストを低減できるという
効果もある。さらに上記の構成を監視装置に用いること
により、故障状態に対応する教師データを収集すること
なしに精度よく故障を検知することができるシステムを
容易に構築することができるという効果もある。

【図面の簡単な説明】

【図１】ハードウェア実現方法におけるブロック構成
図。

【図２】同処理フロー図。

【図３】エンジン制御システムの全体構成図。

【図４】エンジン制御ユニットのブロック構成図。

【図５】応答時間算出関数。

【図６】エンジン制御ユニットのハードウェア構成図。

【図７】エンジン制御ユニットのブロック構成図（代
案）。

【図８】学習型コントローラのブロック構成図。

【図９】ＲＯＭ型メモリセルチップの構成図。

【図１０】ＲＡＭ型メモリセルチップの構成図。

【図１１】メモリセル管理テーブル。

【図１２】学習型コントローラの処理フロー。

【図１３】知識処理システムの構成図。

【図１４】本発明の第３の実施例のブロック構成図。

【図１５】連想処理部における処理フロー図。

【図１６】テクニカル分析支援システムのルールの例。

【図１７】制御装置設計システムのブロック構成図。

【図１８】材料設計支援システムの構成を示す図。

【図１９】本発明の第５の実施例のブロック構成図。

【図２０】図１９の連想エンジン１９０１における処理
フロー図。

【図２１】図１９のニューロ推論エンジン１９０３の構
成図。

【図２２】図１９の事例ファイル１９０４の構成を示す
図。

【図２３】ニューロ推論エンジンの学習による構成方法
を示す図。

【図２４】欠損値を含む事例を用いた学習システムの構
成図。

【図２５】プラント制御システムの構成図。

【図２６】本発明の第６の実施例によるプラント監視シ
ステムのブロック構成図。

【図２７】図２６の監視装置２６０３の内部ブロック構
成図。

【図２８】図２７の連想エンジン２７０３の内部構成
図。

【図２９】学習モードにおける監視装置の処理フロー
図。

【図３０】異常特定モードにおける監視装置の処理フロ
ー図。

【図３１】オペレータコンソールへのセンサ状態表示
例。

【図３２】監視装置の動作モードの関係を示す図。

───────────────────────────────────────────────────── フロントページの続き (72)発明者藤倉信之東京都国分寺市東恋ケ窪１丁目280番地株式会社日立製作所中央研究所内 (72)発明者依田幹雄茨城県日立市大みか町五丁目２番１号株式会社日立製作所大みか工場内 (72)発明者柳光雄茨城県日立市大みか町七丁目１番１号株式会社日立製作所日立研究所内 (72)発明者市森俊秀神奈川県川崎市麻生区王禅寺1099番地株式会社日立製作所システム開発研究所内

Claims

【特許請求の範囲】

【請求項１】複数個の要素を持つ入力データの値から１
個または複数個の要素を持つ出力データを算出する情報
処理装置において、・入力データの値とそれに対する出力データの値の組
を、それぞれ１個または複数個記憶する複数個の記憶手
段・上記情報処理装置に対する入力データの値を、上記複
数個の記憶手段にそれぞれ与える手段・各記憶手段毎に、与えられた入力データと、記憶され
た組における入力データの値との類似度を各組毎に比較
評価する手段・各組毎の比較評価結果と上記手段により記憶された組
における出力データを用いて新たな総合出力データを算
出する手段・上記手段により算出された総合出力データを、上記情
報処理装置の出力データとして出力する手段を備えたこ
とを特徴とする情報処理装置。
【請求項２】請求項１の装置において、各記憶手段毎に
行う比較評価手段は、時間的に同時並行して実行される
ことを特徴とする情報処理装置。
【請求項３】請求項１または２の装置において、各記憶
手段毎に行う比較評価手段は、各記憶手段毎に異なるこ
とを特徴とする情報処理装置。
【請求項４】請求項１ないし３の装置において、総合出
力データを算出する手段は、複数個の記憶手段とは独立
した装置において実行することを特徴とする情報処理装
置。
【請求項５】請求項１ないし４の装置において、入力デ
ータの値と出力データの値の各組毎に比較評価された類
似度の大きな順に複数個を選択する手段を設け、該手段
により選択された複数個の組における出力データから総
合出力データを算出する情報処理装置。
【請求項６】請求項１ないし５の装置において、情報処
理装置に対する入力データと、記憶手段によって記憶さ
れた入力データとの距離計算によって類似度を算出する
情報処理装置。
【請求項７】請求項１ないし６の装置において、総合出
力データは記憶手段により記憶された出力データを、類
似度を重みとした平均化処理により算出する情報処理装
置。
【請求項８】請求項１ないし７の装置において、複数個
の記憶手段はそれぞれ独立した装置によって実現する情
報処理装置。
【請求項９】請求項８の装置において、入力データの値
と出力データの値の組を記憶する複数個の装置と、総合
出力データを算出する装置は、共通のデータバスに接続
される情報処理装置。
【請求項１０】請求項９の装置において、入力データの
値と出力データの値の組を記憶する複数個の装置と、総
合出力データを算出する装置は、データバスを介して入
力データおよび出力データの値をやりとりする情報処理
装置。
【請求項１１】請求項１０の装置において、入力データ
の値と出力データの値の組を記憶する複数個の装置は、
それぞれ比較評価した類似度を総合出力データを算出す
る装置に出力する情報処理装置。
【請求項１２】請求項１ないし１１の装置において、記
憶手段に記憶される入力データの値と出力データの値
は、それぞれ情報処理装置に対する入力データと出力デ
ータのうちの一部である情報処理装置。
【請求項１３】請求項１ないし１２の装置において、出
力データの値の代わりに入力データの値を識別するため
の番号を入力データの値との組として記憶し、記憶され
た組における識別番号から、その組の入力データに対応
する出力データを算出し、算出された出力データと、各
組毎の比較評価結果とを用いて新たな総合出力データを
算出する手段を備えた情報処理装置。
【請求項１４】請求項１３の装置において、上記手段に
より記憶された組における識別番号からその組の入力デ
ータに対応する出力データを算出する手段は、識別番号
と出力データとの対応を記憶する手段により実現する情
報処理装置。
【請求項１５】請求項１ないし１４の装置において、入
力データの値とそれに対する正しい出力データを与え、
入力データに対して算出された総合出力データと与えら
れた正しい出力データとの差に基づいて、記憶手段によ
り記憶された入力データの値と出力データの値の記憶内
容を変更する手段を設けた情報処理装置。
【請求項１６】請求項１５の装置において、記憶内容の
変更は、総合出力データと与えられた正しい出力データ
との差を小さくするように、記憶された入力データの値
と出力データの値を修正する情報処理装置。
【請求項１７】請求項１５の装置において、記憶内容の
変更は、入力データの値と出力データの値の組を新たに
追加して記憶することにより行う情報処理装置。
【請求項１８】請求項１５の装置において、記憶内容の
変更は、不要となった入力データの値と出力データの値
の組を新しい組で置き換えて行う情報処理装置。
【請求項１９】請求項１５の装置において、入力データ
の値と出力データの値を記憶する装置は、書き換え可能
な記憶装置と書き換え不可能で読みだし専用の記憶装置
の両方から構成される情報処理装置。
【請求項２０】請求項１９の装置において、記憶内容の
変更は、書き換え可能な記憶装置にたいしてのみ行う情
報処理装置。
【請求項２１】請求項９ないし１１の装置において、入
力データの値と出力データの値の組を記憶する装置は、
それぞれ異なるタイミングで出力データまたは類似度ま
たはその両方を出力する情報処理装置。
【請求項２２】請求項２１の装置において、入力データ
の値と出力データの値の組を記憶する装置は、各装置が
比較評価した類似度に基づいて各装置の出力タイミング
を決定する手段を備えた情報処理装置。
【請求項２３】請求項２１または２２の装置において、
入力データの値と出力データの値の組を記憶する装置
は、各装置が比較評価した類似度に基づいて各装置の待
ち時間を算出する手段を備え、該手段により算出された
待ち時間の経過後に出力データまたは類似度またはその
両方を出力する情報処理装置。
【請求項２４】請求項２１ないし２３の装置において、
総合出力データを算出する装置は、あらかじめ定められ
た時間内に入力データの値と出力データの値の組を記憶
する装置から出力されたデータを用いて総合出力を決定
する情報処理装置。
【請求項２５】請求項２１ないし２３の装置において、
総合出力データを算出する装置は、入力データの値と出
力データの値の組を記憶する装置から出力されたデータ
のうちで、早く出力されたものからあらかじめ定められ
た個数のものを選択し、選択されたデータから総合出力
を決定する情報処理装置。
【請求項２６】複数個の要素を持つ入力データの値から
１個または複数個の要素を持つ出力データを算出する情
報処理装置において、・入力データから出力データを算出するための知識を格
納する知識ベース・上記知識ベースに格納された知識を
入力データに作用させながら計算を実行する推論エンジ
ン・入力データの値とそれに対する出力データの値の複数
個の組を記憶し、その組に基づいて上記情報処理装置へ
の入力データから出力データを算出する連想エンジン・推論エンジンと連想エンジンの出力を比較する手段・比較結果に基づいて連想エンジン内に記憶された入力
データの値と出力データの値の内容を変更する手段を設
けた情報処理装置。
【請求項２７】請求項２５の装置において、連想エンジ
ンからの出力データが利用可能な場合には、該出力デー
タを情報処理装置全体の出力とする情報処理装置。
【請求項２８】請求項２６の装置において、連想エンジ
ンからの出力データが利用可能でない場合に、入力デー
タを推論エンジンに入力し、推論エンジンからの出力を
もって情報処理装置全体の出力とする情報処理装置。
【請求項２９】請求項２５ないし２７の装置において、
連想エンジン内に記憶された入力データの値と出力デー
タの値の内容の変更は、情報処理装置に対する入力デー
タの値と、推論エンジンの出力データの値の組を新しく
記憶する情報処理装置。
【請求項３０】請求項２８の装置において、推論エンジ
ンの出力データを算出するのに必要な入力データの要素
を求める手段を設け、該手段により求められた入力デー
タの要素の値と出力データの値の組を新しく記憶する情
報処理装置。
【請求項３１】複数個の要素を持つ入力データの値から
１個または複数個の要素を持つ出力データを算出する情
報処理装置の設計方法において、・入力データの値を生成する手段・入力データから出力データを算出するための知識を格
納する知識ベース・上記知識ベースに格納された知識を入力データに作用
させながら計算を実行する推論エンジン・入力データの値とそれに対する出力データの値の複数
個の組を記憶し、その組に基づいて上記情報処理装置へ
の入力データから出力データを算出する連想エンジン・推論エンジンと連想エンジンの出力を比較する手段・比較結果に基づいて連想エンジン内に記憶された入力
データの値と出力データの値の内容を変更する手段を設
けた情報処理装置の設計方法。
【請求項３２】請求項１ないし３０いずれか１項の装置
において、複数個の記憶手段に記憶する入力データと出
力データは同一である情報処理装置。
【請求項３３】一部に欠損値を含む入力データの値から
欠損値部分を求める情報処理装置において、・入力データの値を記憶する複数個の記憶手段・上記情報処理装置に対する入力データの値を、上記複
数個の記憶手段にそれぞれ与える手段・各記憶手段毎に、与えられた入力データと、記憶され
た入力データの値との類似度を各組毎に比較評価する手
段・各組毎の比較評価結果と、上記手段により記憶された
入力データを用いて総合結果を算出する手段・上記情報処理装置に対する入力データの値と、上記算
出された総合結果を合成して欠損値のないデータを生成
する手段・上記生成されたデータを出力する手段を備えたことを
特徴とする情報処理装置。
【請求項３４】請求項３２の装置において、入力データ
の値と総合結果との合成は、入力データの欠損値を、そ
れに対応する総合結果の値で置き換えることにより行う
情報処理装置。
【請求項３５】複数個の要素を持つ入力データの値から
１個または複数個の要素を持つ出力データを算出する情
報処理装置において、・入力と出力の複数個の組を記憶する手段・上記手段によって記憶された欠損値を含む一つの入力
データと、上記手段によって記憶された全部または一部
の入力データとを用いて欠損値のない入力データを生成
する手段・上記生成された入力データを用いて出力データを算出
する手段・上記記憶手段により記憶された出力データと、上記算
出手段により算出された出力データとの差から、上記算
出手段に含まれるパラメータを変更する手段を備えたこ
とを特徴とする情報処理装置。
【請求項３６】請求項３４の装置において、出力データ
はニューラルネットワークを用いて算出する情報処理装
置。
【請求項３７】制御対象と、制御対象の状態を計測する
１個または複数個の手段と、制御対象に対する制御目標
値を与える手段と、該計測手段によって計測された値と
制御目標値から制御対象への操作量を決定する制御装置
からなるシステムにおいて、・上記計測された値、制御目標値、操作量の一部または
全部を複数個記憶する複数個の手段・上記手段により記憶された値に対応する現在の計測
値、制御目標値、操作量の一部または全部を、上記複数
個の記憶手段にそれぞれ与える手段・各記憶手段毎に、現在の計測値、制御目標値、操作量
の一部または全部と、記憶された値との類似度を比較評
価する手段・各組毎に比較評価された類似度のうちで最小のものを
求める手段・上記求められた最小の類似度から制御対象の状態を判
定する手段を備えたことを特徴とする監視装置。
【請求項３８】請求項３６の監視装置において、・計測値の一部を欠損値に置き換えて上記監視装置に入
力する手段・各組毎の比較評価結果と記憶された値とから、欠損値
のない計測値を算出する手段・欠損値に置き換えた値に対応する現在の計測値と、上
記算出手段により算出された計測値との類似度を求める
手段・上記類似度から欠損値に置き換えた計測値の異常の有
無を判定する手段を備えた監視装置。
【請求項３９】請求項３７の監視装置において、・現在の計測値と、算出された計測値を合成して補正し
た計測値を求める手段・上記求めた補正計測値を制御装置に出力する手段を備
えた監視装置。
【請求項４０】請求項３８の監視装置において、現在の
計測値と算出された計測値との合成は、異常と判定され
た計測値に対しては算出された計測値を用い、それ以外
の計測値に対しては現在の計測値を用いることにより行
う監視装置。
【請求項４１】請求項３８の監視装置において、現在の
計測値と算出された計測値とを同時に表示することによ
りプラント状態を表示する監視装置。