JPH06187004A - 多変数制御調節計 - Google Patents
多変数制御調節計Info
- Publication number
- JPH06187004A JPH06187004A JP33612592A JP33612592A JPH06187004A JP H06187004 A JPH06187004 A JP H06187004A JP 33612592 A JP33612592 A JP 33612592A JP 33612592 A JP33612592 A JP 33612592A JP H06187004 A JPH06187004 A JP H06187004A
- Authority
- JP
- Japan
- Prior art keywords
- model
- manipulated variable
- output
- control
- controlled
- 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.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
(57)【要約】
【目的】多変数入出力の一部が、例えばセンサやアクチ
ュエータの故障で異常となった場合でも、引続き正常な
制御動作を行えるようにする。 【構成】制御対象であるプラントからの制御量信号を入
力し、その信号が設定値に追従するように操作出力を演
算する操作量計算手段と、制御対象プロセスの各入力と
出力の組み合わせ毎にその因果関係を記述した複数個の
モデルを格納したモデル格納部と、操作量計算手段から
の操作量と制御対象からの制御量信号を入力しこれらを
常時監視し、それらの異常状態を検知する異常検知手段
と、この異常検知手段にて異常が検知された場合異常で
ない入力と出力に対応するモデルを前記モデル格納部か
ら選択するモデル選択手段とを備え、操作量計算手段
は、モデル選択手段で選択されたモデルを用いて、そこ
に与えられる評価基準を最小とするように操作出力を計
算するように構成した。
ュエータの故障で異常となった場合でも、引続き正常な
制御動作を行えるようにする。 【構成】制御対象であるプラントからの制御量信号を入
力し、その信号が設定値に追従するように操作出力を演
算する操作量計算手段と、制御対象プロセスの各入力と
出力の組み合わせ毎にその因果関係を記述した複数個の
モデルを格納したモデル格納部と、操作量計算手段から
の操作量と制御対象からの制御量信号を入力しこれらを
常時監視し、それらの異常状態を検知する異常検知手段
と、この異常検知手段にて異常が検知された場合異常で
ない入力と出力に対応するモデルを前記モデル格納部か
ら選択するモデル選択手段とを備え、操作量計算手段
は、モデル選択手段で選択されたモデルを用いて、そこ
に与えられる評価基準を最小とするように操作出力を計
算するように構成した。
Description
【０００１】
【産業上の利用分野】本発明は、多数の入力と多数の出
力とを扱う多変数制御調節計に関し、更に詳しくは、多
数の入出力のいずれかが異常になった場合でも、継続し
て制御を実行できるようにした多変数制御調節形に関す
る。
力とを扱う多変数制御調節計に関し、更に詳しくは、多
数の入出力のいずれかが異常になった場合でも、継続し
て制御を実行できるようにした多変数制御調節形に関す
る。
【０００２】
【従来の技術】図４および図５は、多変数の入出力を扱
うプロセス調節計の従来例を示す構成ブロック図であ
る。図４の例は、多変数プロセスを１入力，１出力系に
分解して調節計を構成したものであって、プロセスＰＲ
からそれぞれ測定信号Ｙ１，Ｙ２を入力する単一ループ
調節計ＣＮＴ１，ＣＮＴ２を２台用い、各調節計からの
制御出力Ｕ１，Ｕ２によりプロセスを制御するようにし
ている。
うプロセス調節計の従来例を示す構成ブロック図であ
る。図４の例は、多変数プロセスを１入力，１出力系に
分解して調節計を構成したものであって、プロセスＰＲ
からそれぞれ測定信号Ｙ１，Ｙ２を入力する単一ループ
調節計ＣＮＴ１，ＣＮＴ２を２台用い、各調節計からの
制御出力Ｕ１，Ｕ２によりプロセスを制御するようにし
ている。
【０００３】図５の例は、多変数プロセスを多変数のま
ま扱う調節計ＣＮＴ０を用いたものである。この調節計
は、内部に一つの変数（測定信号と設定値との偏差）を
入力とし、制御出力を自身が担当する制御端に出力する
調節計部Ｃ１，Ｃ２と、一つの変数を入力し、制御出力
を他方の側の調節計部からの制御出力に加算する調節計
部Ｃ３，Ｃ４（たすきがけ構造の調節計部）とで構成し
てある。
ま扱う調節計ＣＮＴ０を用いたものである。この調節計
は、内部に一つの変数（測定信号と設定値との偏差）を
入力とし、制御出力を自身が担当する制御端に出力する
調節計部Ｃ１，Ｃ２と、一つの変数を入力し、制御出力
を他方の側の調節計部からの制御出力に加算する調節計
部Ｃ３，Ｃ４（たすきがけ構造の調節計部）とで構成し
てある。
【０００４】
【発明が解決しようとする課題】図６，図７は、図４、
図５の各従来例での制御応答を示す波形図である。図４
の従来例によれば、各調節計ＣＮＴ１，ＣＮＴ２からの
制御出力Ｙ１，Ｙ２が、図６に示すように互いに干渉し
合い、良好な制御特性が保てなくなるという課題があ
る。
図５の各従来例での制御応答を示す波形図である。図４
の従来例によれば、各調節計ＣＮＴ１，ＣＮＴ２からの
制御出力Ｙ１，Ｙ２が、図６に示すように互いに干渉し
合い、良好な制御特性が保てなくなるという課題があ
る。
【０００５】これに対して、図５の従来例によれば、図
７の制御応答波形に示されるように、内部干渉から生ず
る外乱が抑えられ、良好な制御性能を維持することがで
きる。しかしながら、これらの何れの従来例とも、プロ
セスに設置した多数のセンサの一部が故障する等して、
測定信号（制御量）の一部が異常状態になったり、ま
た、アクチュエータ等の故障が生じた場合は、安定な制
御が行えなくなるという課題がある。
７の制御応答波形に示されるように、内部干渉から生ず
る外乱が抑えられ、良好な制御性能を維持することがで
きる。しかしながら、これらの何れの従来例とも、プロ
セスに設置した多数のセンサの一部が故障する等して、
測定信号（制御量）の一部が異常状態になったり、ま
た、アクチュエータ等の故障が生じた場合は、安定な制
御が行えなくなるという課題がある。
【０００６】本発明は、このような点に鑑みてなされた
もので、センサやアクチュエータの一部が故障したよう
な場合でも、引続き多変数プロセスを安定に制御するこ
とのできる調節計を提供することを目的とする。
もので、センサやアクチュエータの一部が故障したよう
な場合でも、引続き多変数プロセスを安定に制御するこ
とのできる調節計を提供することを目的とする。
【０００７】
【課題を解決するための手段】このような目的を達成す
る本発明は、制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作出力
を演算する操作量計算手段と、制御対象プロセスの各入
力と出力の組み合わせ毎にその因果関係を記述した複数
個のモデルからなるモデル格納部と、前記操作量計算手
段からの操作量と制御対象からの制御量信号を入力しこ
れらを常時監視し、それらの異常状態を検知する異常検
知手段と、この異常検知手段にて異常が検知された場合
異常でない入力と出力に対応するモデルを前記モデル格
納部から選択するモデル選択手段とを備え、前記操作量
計算手段は、モデル選択手段で選択されたモデルを用い
て、そこに与えられる評価基準を最小とするように操作
量を計算することを特徴とする多変数制御調節計であ
る。
る本発明は、制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作出力
を演算する操作量計算手段と、制御対象プロセスの各入
力と出力の組み合わせ毎にその因果関係を記述した複数
個のモデルからなるモデル格納部と、前記操作量計算手
段からの操作量と制御対象からの制御量信号を入力しこ
れらを常時監視し、それらの異常状態を検知する異常検
知手段と、この異常検知手段にて異常が検知された場合
異常でない入力と出力に対応するモデルを前記モデル格
納部から選択するモデル選択手段とを備え、前記操作量
計算手段は、モデル選択手段で選択されたモデルを用い
て、そこに与えられる評価基準を最小とするように操作
量を計算することを特徴とする多変数制御調節計であ
る。
【０００８】
【作用】モデル格納部には、調節計が制御しようとする
プロセスをモデル化したものが、入出力毎に複数個格納
されている。モデル選択手段は、調節計が入力する多変
数入出力の状態を常時監視していて、異常状態を示して
いない入出力に対応する（使用可能の入出力変数に対す
る）最適モデルを選択し、それを操作量計算手段に設定
する。
プロセスをモデル化したものが、入出力毎に複数個格納
されている。モデル選択手段は、調節計が入力する多変
数入出力の状態を常時監視していて、異常状態を示して
いない入出力に対応する（使用可能の入出力変数に対す
る）最適モデルを選択し、それを操作量計算手段に設定
する。
【０００９】操作量計算手段は、設定されたモデルを使
用して、プロセスからの正常な制御量が、与えられてい
る制御目標値に近づくように操作量を計算する。これに
より、多入力、多出力変数の一部に異常が発生した場合
でも、異常を示す入力または出力を除いて、制御を継続
することを可能とする。
用して、プロセスからの正常な制御量が、与えられてい
る制御目標値に近づくように操作量を計算する。これに
より、多入力、多出力変数の一部に異常が発生した場合
でも、異常を示す入力または出力を除いて、制御を継続
することを可能とする。
【００１０】
【実施例】以下、図面を用いて本発明の実施例を詳細に
説明する。図１は、本発明の一実施例の構成ブロック図
である。図において１は制御対象であるプロセス、２は
プロセス１から多変数のプロセス信号（制御量）ＰＶ
（ｊ）と制御目標値ＳＶ（ｊ）とを入力し、制御量が各
制御目標値に追従するように多変数の操作量ＭＶ（ｊ）
を計算する操作量計算手段で、そこに与えられる評価基
準（評価関数）を最小とするような操作量ＭＶ（ｊ）を
それぞれ計算するように構成されている。
説明する。図１は、本発明の一実施例の構成ブロック図
である。図において１は制御対象であるプロセス、２は
プロセス１から多変数のプロセス信号（制御量）ＰＶ
（ｊ）と制御目標値ＳＶ（ｊ）とを入力し、制御量が各
制御目標値に追従するように多変数の操作量ＭＶ（ｊ）
を計算する操作量計算手段で、そこに与えられる評価基
準（評価関数）を最小とするような操作量ＭＶ（ｊ）を
それぞれ計算するように構成されている。
【００１１】３は制御対象であるプロセス１の各入力と
出力の組み合わせ毎にその因果関係をあらかじめ記述し
た複数個のモデルを格納したモデル格納部である。ここ
に格納されている各モデルは、調節計の制御対象である
プロセスの個々の入力と出力の組み合わせに対応するよ
うにプロセスをモデル化したもので、例えば、（１）式
で記述されるようなインパルス応答モデルが用いられて
いる。
出力の組み合わせ毎にその因果関係をあらかじめ記述し
た複数個のモデルを格納したモデル格納部である。ここ
に格納されている各モデルは、調節計の制御対象である
プロセスの個々の入力と出力の組み合わせに対応するよ
うにプロセスをモデル化したもので、例えば、（１）式
で記述されるようなインパルス応答モデルが用いられて
いる。
【００１２】 ＰＶ（ｋ＋１）＝NΣi=1ｈｉ・ＭＶ（ｋ−ｉ＋１） ｌｉｍi（ｉ→∞）ｈｉ＝０ …（１） ここで、ｈｉはモデルのインパルス応答係数である。図
２は、インパルス応答モデルによるプロセス動特性を表
現した説明図である。このように表現されるインパルス
応答モデルは、モデル化の段階でモデル次数を仮定する
必要はなく、リサイクル系のようなかなり特異なプロセ
スの場合でもモデル表現が可能なことである。
２は、インパルス応答モデルによるプロセス動特性を表
現した説明図である。このように表現されるインパルス
応答モデルは、モデル化の段階でモデル次数を仮定する
必要はなく、リサイクル系のようなかなり特異なプロセ
スの場合でもモデル表現が可能なことである。
【００１３】図１に戻り、４は異常検知手段で、操作量
計算手段２からの操作量と、プロセス１からの制御量信
号を常時監視していて、例えば信号の値が異常に変化し
た場合などからセンサの不具合い等に基づく異常状態を
検知する。５は異常検知手段４にて異常が検知された場
合、異常でない入力と出力に対応するモデルを、モデル
格納部３から選択するモデル選択手段で、ここで選択し
たモデルを、操作量計算手段２に設定する。
計算手段２からの操作量と、プロセス１からの制御量信
号を常時監視していて、例えば信号の値が異常に変化し
た場合などからセンサの不具合い等に基づく異常状態を
検知する。５は異常検知手段４にて異常が検知された場
合、異常でない入力と出力に対応するモデルを、モデル
格納部３から選択するモデル選択手段で、ここで選択し
たモデルを、操作量計算手段２に設定する。
【００１４】操作量計算手段２は、モデル選択手段５に
より設定されたモデルを用い、そこに与えられる評価基
準を最小とするように操作量を計算するように構成して
ある。この様に構成した装置の動作を次に説明する。モ
デル格納部３には、プロセス１の個々の入力と出力の組
み合わせに対応した複数個のモデルがあらかじめ設定さ
れている。異常検知手段４は、プロセス１から出力され
る制御量信号や、操作量計算手段２がプロセス１に出力
する操作量信号を常時監視している。また、モデル選択
手段５は、異常検知手段４での判定結果を、調節計の制
御周期毎に見ている。そして、異常でない入力と出力に
対応するモデルを順次、各入出力毎にモデル格納手段３
から選択し、それらを操作量計算手段２に転送する。
より設定されたモデルを用い、そこに与えられる評価基
準を最小とするように操作量を計算するように構成して
ある。この様に構成した装置の動作を次に説明する。モ
デル格納部３には、プロセス１の個々の入力と出力の組
み合わせに対応した複数個のモデルがあらかじめ設定さ
れている。異常検知手段４は、プロセス１から出力され
る制御量信号や、操作量計算手段２がプロセス１に出力
する操作量信号を常時監視している。また、モデル選択
手段５は、異常検知手段４での判定結果を、調節計の制
御周期毎に見ている。そして、異常でない入力と出力に
対応するモデルを順次、各入出力毎にモデル格納手段３
から選択し、それらを操作量計算手段２に転送する。
【００１５】図３は、このモデル選択手段５でのモデル
選択動作を示すフローチャートである。ここでは、入力
番号順にモデルの入力と出力は異常かを全ての入力，全
ての出力に関して判断し、異常でないと判断されたモデ
ルの出力（応答パラメータ）をコピーして、それらを操
作量計算手段２に順次転送する。操作量計算手段２は、
設定されている制御目標、評価基準、モデル選択手段５
から転送されたモデル出力、前回までのプロセス入力、
プロセス出力を用いて、今回の操作量を計算する。い
ま、操作量計算手段２内に、プロセス１から与えられる
現在の制御量と制御目標値とを入力し、現在の制御量が
どの様にして制御目標値に近づけるかを指定する参照軌
道（現在の制御量から制御目標値への一次遅れなど）を
計算する機能を備えたものを想定して、操作量を計算す
る手順を示せば以下の通りである。
選択動作を示すフローチャートである。ここでは、入力
番号順にモデルの入力と出力は異常かを全ての入力，全
ての出力に関して判断し、異常でないと判断されたモデ
ルの出力（応答パラメータ）をコピーして、それらを操
作量計算手段２に順次転送する。操作量計算手段２は、
設定されている制御目標、評価基準、モデル選択手段５
から転送されたモデル出力、前回までのプロセス入力、
プロセス出力を用いて、今回の操作量を計算する。い
ま、操作量計算手段２内に、プロセス１から与えられる
現在の制御量と制御目標値とを入力し、現在の制御量が
どの様にして制御目標値に近づけるかを指定する参照軌
道（現在の制御量から制御目標値への一次遅れなど）を
計算する機能を備えたものを想定して、操作量を計算す
る手順を示せば以下の通りである。
【００１６】はじめに、操作量計算手段内の参照軌道を
計算する機能により、参照軌道の計算を行う。この参照
軌道ｒｅｆj（出力ｊ番目の参照軌道）は、例えば、
（２）式を用いて行われる。 ｒｅｆj（ｉ）＝αi・ＰＶ＋（１−αi）・ＳＶ …（２） ｉ＝１，２，３…，Ｈ ここで、α＝ｅｘｐ（−３・ＴＳ／ＴＲ） ＰＶ；制御量 ＳＶ；制御目標値 ＴＳ；制御周期 ＴＲ；応答周期 続いて、（２）式の計算により得られた参照軌道ｒｅｆ
jを、（３）式に適用し、この式で示される評価関数を
最小とする今回の操作量ＭＶjを計算する。
計算する機能により、参照軌道の計算を行う。この参照
軌道ｒｅｆj（出力ｊ番目の参照軌道）は、例えば、
（２）式を用いて行われる。 ｒｅｆj（ｉ）＝αi・ＰＶ＋（１−αi）・ＳＶ …（２） ｉ＝１，２，３…，Ｈ ここで、α＝ｅｘｐ（−３・ＴＳ／ＴＲ） ＰＶ；制御量 ＳＶ；制御目標値 ＴＳ；制御周期 ＴＲ；応答周期 続いて、（２）式の計算により得られた参照軌道ｒｅｆ
jを、（３）式に適用し、この式で示される評価関数を
最小とする今回の操作量ＭＶjを計算する。
【００１７】評価関数 ：NΣj=1 HΣi=1｛ｒｅｆj（ｉ）−LTΣk=1ａi・ＭＶj（ｉ−ｋ）｝2 …（３） ここで、ｊ；出力番号 Ｎ；出力数 Ｈ；予測区間 ａｉ；インパルス応答係数 ＬＴ；インパルス応答の数LT Σk=1ａｉ・ＭＶj（ｉ−ｋ）；モデル選択手段５から
転送されたモデル出力 なお、操作量計算手段２でのモデル出力を用いた操作量
の計算の仕方は、モデルが数理的に表記できる場合に
は、例えば、線形計画法や最急勾配法などの各種最適化
手法を用いることが可能である。
転送されたモデル出力 なお、操作量計算手段２でのモデル出力を用いた操作量
の計算の仕方は、モデルが数理的に表記できる場合に
は、例えば、線形計画法や最急勾配法などの各種最適化
手法を用いることが可能である。
【００１８】なお、上記の説明では、モデル格納部に保
持する複数のモデルは、個々の入力と出力の組み合わせ
に対応して設けられることを想定したが、同一の入出力
に対して複数のモデルを用意する（定義する）ように
し、運転条件や制御条件の変動に応じて最適なモデルを
切替えて用いるようにしてもよい。これにより、ゲイン
・スケジューリング制御を行うことができる。
持する複数のモデルは、個々の入力と出力の組み合わせ
に対応して設けられることを想定したが、同一の入出力
に対して複数のモデルを用意する（定義する）ように
し、運転条件や制御条件の変動に応じて最適なモデルを
切替えて用いるようにしてもよい。これにより、ゲイン
・スケジューリング制御を行うことができる。
【００１９】
【発明の効果】以上詳細に説明したように、本発明によ
れば、制御対象の因果関係を記述するモデルを複数個保
持しておき、その中から使用可能のモデルを実時間で選
択して抽出し、そのモデルを用いて操作量を計算するよ
うにしたもので、多変数入出力の一部が、例えばセンサ
やアクチュエータの故障で異常となった場合でも、引続
き正常な制御動作を行える多変数制御調節計が実現でき
る。
れば、制御対象の因果関係を記述するモデルを複数個保
持しておき、その中から使用可能のモデルを実時間で選
択して抽出し、そのモデルを用いて操作量を計算するよ
うにしたもので、多変数入出力の一部が、例えばセンサ
やアクチュエータの故障で異常となった場合でも、引続
き正常な制御動作を行える多変数制御調節計が実現でき
る。
【００２０】また、同一の入出力に対して複数のモデル
を用意することにより、制御条件の変動に応じて、制御
方式（モデル）を最適なものに切り換えることで、安定
な制御を行うことができる。
を用意することにより、制御条件の変動に応じて、制御
方式（モデル）を最適なものに切り換えることで、安定
な制御を行うことができる。
【図１】本発明の一実施例の構成ブロック図である。
【図２】インパルス応答モデルによるプロセス動特性を
表現した説明図である。
表現した説明図である。
【図３】モデル選択手段５でのモデル選択動作を示すフ
ローチャートである。
ローチャートである。
【図４】従来の多変数制御調節計の一例を示す構成ブロ
ック図である。
ック図である。
【図５】従来の多変数制御調節計の一例を示す構成ブロ
ック図である。
ック図である。
【図６】図４の装置における制御応答例を示す波形図で
ある。
ある。
【図７】図５の装置における制御応答例を示す波形図で
ある。
ある。
１ プロセス（プラント） ２ 操作量計算手段 ３ モデル格納部 ４ 異常検知手段 ５ モデル選択手段
Claims (1)
- 【請求項１】制御対象であるプラントからの制御量信号
を入力し、その信号が設定値に追従するように操作量を
演算する操作量計算手段と、 制御対象プロセスの各入力と出力の組み合わせ毎にその
因果関係を記述した複数個のモデルを格納したモデル格
納部と、 前記操作量計算手段からの操作量と制御対象からの制御
量信号を入力しこれらを常時監視し、それらの異常状態
を検知する異常検知手段と、 この異常検知手段にて異常が検知された場合異常でない
入力と出力に対応するモデルを前記モデル格納部から選
択するモデル選択手段とを備え、 前記操作量計算手段は、モデル選択手段で選択されたモ
デルを用いて、そこに与えられる評価基準を最小とする
ように操作量を計算することを特徴とする多変数制御調
節計。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33612592A JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33612592A JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06187004A true JPH06187004A (ja) | 1994-07-08 |
| JP3214636B2 JP3214636B2 (ja) | 2001-10-02 |
Family
ID=18295955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP33612592A Expired - Fee Related JP3214636B2 (ja) | 1992-12-16 | 1992-12-16 | 多変数制御調節計 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3214636B2 (ja) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004006030A1 (ja) * | 2002-07-02 | 2004-01-15 | Yamatake Corporation | 制御対象モデル生成方法及びそのプログラム、制御パラメータ調整方法及びそのプログラム |
| JP2005202934A (ja) * | 2003-12-03 | 2005-07-28 | Fisher Rosemount Syst Inc | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ |
| JP2010031842A (ja) * | 2008-07-29 | 2010-02-12 | General Electric Co <Ge> | エンジンの動作パラメータを推定するための方法及びシステム |
| JP2012027676A (ja) * | 2010-07-23 | 2012-02-09 | Yokogawa Electric Corp | 多変数モデル予測を用いた運転制御装置および運転制御方法 |
| JP2012528392A (ja) * | 2009-05-29 | 2012-11-12 | アスペン テクノロジー インコーポレイテッド | 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法 |
| US9141911B2 (en) | 2009-05-29 | 2015-09-22 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
| JP2016051473A (ja) * | 2014-08-29 | 2016-04-11 | ゼネラル・エレクトリック・カンパニイ | 多入力多出力プラントのモデルベース適応制御方法およびシステム |
| US9513610B2 (en) | 2012-02-08 | 2016-12-06 | Aspen Technology, Inc. | Apparatus and methods for non-invasive closed loop step testing using a tunable trade-off factor |
| US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
| US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
| US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
| US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
| US11934159B2 (en) | 2018-10-30 | 2024-03-19 | Aspentech Corporation | Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation |
-
1992
- 1992-12-16 JP JP33612592A patent/JP3214636B2/ja not_active Expired - Fee Related
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004006030A1 (ja) * | 2002-07-02 | 2004-01-15 | Yamatake Corporation | 制御対象モデル生成方法及びそのプログラム、制御パラメータ調整方法及びそのプログラム |
| DE102004058238B4 (de) * | 2003-12-03 | 2016-02-04 | Fisher-Rosemount Systems, Inc. | Adaptive, multivariable Prozesssteuerung, die Modellschaltung und Attribut-Interpolation nutzt |
| JP2005202934A (ja) * | 2003-12-03 | 2005-07-28 | Fisher Rosemount Syst Inc | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ |
| JP2010031842A (ja) * | 2008-07-29 | 2010-02-12 | General Electric Co <Ge> | エンジンの動作パラメータを推定するための方法及びシステム |
| JP2012528392A (ja) * | 2009-05-29 | 2012-11-12 | アスペン テクノロジー インコーポレイテッド | 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法 |
| US9141911B2 (en) | 2009-05-29 | 2015-09-22 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
| JP2012027676A (ja) * | 2010-07-23 | 2012-02-09 | Yokogawa Electric Corp | 多変数モデル予測を用いた運転制御装置および運転制御方法 |
| US9513610B2 (en) | 2012-02-08 | 2016-12-06 | Aspen Technology, Inc. | Apparatus and methods for non-invasive closed loop step testing using a tunable trade-off factor |
| JP2016051473A (ja) * | 2014-08-29 | 2016-04-11 | ゼネラル・エレクトリック・カンパニイ | 多入力多出力プラントのモデルベース適応制御方法およびシステム |
| US10025301B2 (en) | 2014-08-29 | 2018-07-17 | General Electric Company | Method and system of adaptive model-based control for multiple-input multiple-output plants |
| US11934159B2 (en) | 2018-10-30 | 2024-03-19 | Aspentech Corporation | Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation |
| US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
| US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
| US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
| US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3214636B2 (ja) | 2001-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4630189A (en) | System for determining abnormal plant operation based on whiteness indexes | |
| US7117045B2 (en) | Combined proportional plus integral (PI) and neural network (nN) controller | |
| JPH06187004A (ja) | 多変数制御調節計 | |
| EP0712060B1 (en) | Method and apparatus for providing multivariable nonlinear control | |
| Polycarpou et al. | Automated fault detection and accommodation: a learning systems approach | |
| US7317953B2 (en) | Adaptive multivariable process controller using model switching and attribute interpolation | |
| JP2747526B2 (ja) | 弁により自動制御されるシステムの較正方法 | |
| Van Buijtenen et al. | Adaptive fuzzy control of satellite attitude by reinforcement learning | |
| Parlos et al. | Neuro-predictive process control using online controller adaptation | |
| Li et al. | Fault detection and diagnosis in a closed-loop nonlinear distillation process: application of extended Kalman filters | |
| US6597958B1 (en) | Method for measuring the control performance provided by an industrial process control system | |
| Lindemann et al. | Adaptive Quality Control for discrete large-scale Manufacturing Systems subjected to Disturbances | |
| CN114489182B (zh) | 一种具有双温度检测功能的pid温度控制方法 | |
| Marcu et al. | Miscellaneous neural networks applied to fault detection and isolation of an evaporation station | |
| JPH0772277A (ja) | プラズマ制御装置 | |
| Ahamed et al. | Reinforcement learning controllers for automatic generation control in power systems having reheat units with GRC and dead-band | |
| Balbis et al. | Model predictive control design for industrial applications | |
| JP2862308B2 (ja) | コントローラの調整方法および調整システム | |
| Akpan et al. | Implementation of neural network-based nonlinear adaptive model predictive control over a service-oriented computer network | |
| Zerkaoui et al. | Multivariable adaptive control for non-linear systems: application to the Tennessee Eastman Challenge Process | |
| JPH03201008A (ja) | ゲインスケジューリング制御装置 | |
| Fessel et al. | Steam superheater control via self-tuning regulator | |
| Santhosh et al. | Fractional-Order Controller design for Electrical Systems-A Study | |
| Venkatesan | A statistical approach to automatic process control (regulation schemes) | |
| JPH0264802A (ja) | 制御器の最適パラメータ調整装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080727 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090727 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100727 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |