JPH06250707A - ファジィ制御チューニングにおけるデータ抽出方法 - Google Patents
ファジィ制御チューニングにおけるデータ抽出方法Info
- Publication number
- JPH06250707A JPH06250707A JP5062450A JP6245093A JPH06250707A JP H06250707 A JPH06250707 A JP H06250707A JP 5062450 A JP5062450 A JP 5062450A JP 6245093 A JP6245093 A JP 6245093A JP H06250707 A JPH06250707 A JP H06250707A
- Authority
- JP
- Japan
- Prior art keywords
- data
- tuning
- control
- operation data
- fuzzy control
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 ファジィ制御チューニングに用いる複数の操
業データより、その分布の不均衡を減少させ、かつその
数を減少させることを目的とする。 【構成】 ステップＳ３のクラスター分析によりクラス
ターを生成し、その重心をファジィ制御のチューニング
のための入力値データとし、そのクラスター内の操業デ
ータの出力値の平均値をチューニングのための出力値デ
ータとする（ステップＳ４）。
業データより、その分布の不均衡を減少させ、かつその
数を減少させることを目的とする。 【構成】 ステップＳ３のクラスター分析によりクラス
ターを生成し、その重心をファジィ制御のチューニング
のための入力値データとし、そのクラスター内の操業デ
ータの出力値の平均値をチューニングのための出力値デ
ータとする（ステップＳ４）。
Description
【０００１】
【産業上の利用分野】この発明は、ファジィ制御のチュ
ーニングに必要なデータを操業データより抽出する、フ
ァジィ制御チューニングにおけるデータ抽出方法に関す
る。
ーニングに必要なデータを操業データより抽出する、フ
ァジィ制御チューニングにおけるデータ抽出方法に関す
る。
【０００２】
【従来の技術】人間が行っているプラントなどの制御を
自動化するときに、人間の操作のあいまいさを考慮し、
ファジィ推論を用いたファジィ制御により自動化するこ
とは非常に有用である。そして、そのファジィ制御をよ
り人間操作に近づけて実用化させるにあたって、ファジ
ィ制御の制御規則の修正、すなわちファジィ制御のチュ
ーニングは最も重要なことである。しかし、ファジィ制
御の制御規則であるファジィルールの前件部のパラメー
タ（入力変数）とファジィ推論の推論結果である制御性
との関係は、従来の制御アルゴリズムと異なり不明瞭で
ある。このため、多くの場合、ファジィ制御のチューニ
ングは試行錯誤で行われている。
自動化するときに、人間の操作のあいまいさを考慮し、
ファジィ推論を用いたファジィ制御により自動化するこ
とは非常に有用である。そして、そのファジィ制御をよ
り人間操作に近づけて実用化させるにあたって、ファジ
ィ制御の制御規則の修正、すなわちファジィ制御のチュ
ーニングは最も重要なことである。しかし、ファジィ制
御の制御規則であるファジィルールの前件部のパラメー
タ（入力変数）とファジィ推論の推論結果である制御性
との関係は、従来の制御アルゴリズムと異なり不明瞭で
ある。このため、多くの場合、ファジィ制御のチューニ
ングは試行錯誤で行われている。
【０００３】ここで、このファジィ制御（ファジィ推
論）のチューニングは、以下に示すように行われる。ま
ず、制御対象の状態とこの状態でのオペレータの制御結
果とからなる操業データを様々な状況を想定して複数設
定する。そして、この制御対象の状態を入力としてファ
ジィ制御を行った場合の制御結果と、そのオペレータの
制御結果との推論残差が、設定した全ての操業データに
おいて０になるように、ファジィルールの前件部メンバ
シップ関数を改良する。
論）のチューニングは、以下に示すように行われる。ま
ず、制御対象の状態とこの状態でのオペレータの制御結
果とからなる操業データを様々な状況を想定して複数設
定する。そして、この制御対象の状態を入力としてファ
ジィ制御を行った場合の制御結果と、そのオペレータの
制御結果との推論残差が、設定した全ての操業データに
おいて０になるように、ファジィルールの前件部メンバ
シップ関数を改良する。
【０００４】また、このチューニングの支援は、以下に
示すように行われる。まず、ファジィ制御のファジィル
ールの前件部のメンバシップ関数の頂点値と、そのファ
ジィルールの前件部のグレードとの変化量の関係を求め
る。ついで、ファジィルールの適合度に関与するグレー
ドを与えるメンバシップ関数がチューニングの前後で変
更されない前提で、グレードと適合度との変化量の関係
を求め、適合度とファジィルールの推論結果との変化量
の関係を求める。そして、推論結果とこのファジィ推論
における推論残差との変化量の関係を求め、メンバシッ
プ関数の頂点値と推論残差の変化量の関係を明らかにす
ることにより、ファジィルールの前件部のメンバシップ
関数の改良を支援する。
示すように行われる。まず、ファジィ制御のファジィル
ールの前件部のメンバシップ関数の頂点値と、そのファ
ジィルールの前件部のグレードとの変化量の関係を求め
る。ついで、ファジィルールの適合度に関与するグレー
ドを与えるメンバシップ関数がチューニングの前後で変
更されない前提で、グレードと適合度との変化量の関係
を求め、適合度とファジィルールの推論結果との変化量
の関係を求める。そして、推論結果とこのファジィ推論
における推論残差との変化量の関係を求め、メンバシッ
プ関数の頂点値と推論残差の変化量の関係を明らかにす
ることにより、ファジィルールの前件部のメンバシップ
関数の改良を支援する。
【０００５】
【発明が解決しようとする課題】従来は、以上のように
なされていたので、多くの操業データを用いなければな
らず、また、収集した操業データ全てをそのまま用いる
と、良好なチューニング結果が得られないという問題が
あった。
なされていたので、多くの操業データを用いなければな
らず、また、収集した操業データ全てをそのまま用いる
と、良好なチューニング結果が得られないという問題が
あった。
【０００６】一般に、制御対象の定常状態の操業データ
は非常に多く収集できるが、非定常状態の操業データは
あまり収集できない。つまり、収集した操業データの分
布は非常に不均衡な状態である。一方、チューニングで
は、得られた操業データに対する推論残差の絶対値の和
もしくは平方の和を指針としているので、定常状態の操
業データが多い状態では、定常状態の操業データの推論
残差は０に近くなるが、非定常状態の操業データの推論
残差は０に近づかない。すなわち、定常状態の操業デー
タが多い状態のチューニングでは、定常状態に対しては
良い結果を示すが、非定常状態にはあまりよい結果を示
さないファジィ制御となる。
は非常に多く収集できるが、非定常状態の操業データは
あまり収集できない。つまり、収集した操業データの分
布は非常に不均衡な状態である。一方、チューニングで
は、得られた操業データに対する推論残差の絶対値の和
もしくは平方の和を指針としているので、定常状態の操
業データが多い状態では、定常状態の操業データの推論
残差は０に近くなるが、非定常状態の操業データの推論
残差は０に近づかない。すなわち、定常状態の操業デー
タが多い状態のチューニングでは、定常状態に対しては
良い結果を示すが、非定常状態にはあまりよい結果を示
さないファジィ制御となる。
【０００７】また、通常の操業をもとにした操業データ
は同じような状態の操業データが多いので、得られた操
業データを全てそのまま用いるのでは、効率よくチュー
ニングができないという問題があった。そして、異なる
オペレータの操作による操業データ同士において、同様
な入力状態に対して、大きく異なる出力状態のものがあ
り、どちらの操業データを用いた方が良いのかを考慮し
なければならず、チューニングが難しくなるという問題
があった。
は同じような状態の操業データが多いので、得られた操
業データを全てそのまま用いるのでは、効率よくチュー
ニングができないという問題があった。そして、異なる
オペレータの操作による操業データ同士において、同様
な入力状態に対して、大きく異なる出力状態のものがあ
り、どちらの操業データを用いた方が良いのかを考慮し
なければならず、チューニングが難しくなるという問題
があった。
【０００８】この発明は、以上のような問題点を解消す
るために成されたものであり、ファジィ制御チューニン
グに用いる複数の操業データより、その分布の不均衡を
減少させ、かつその数を減少させることを目的とする。
るために成されたものであり、ファジィ制御チューニン
グに用いる複数の操業データより、その分布の不均衡を
減少させ、かつその数を減少させることを目的とする。
【０００９】
【課題を解決するための手段】この発明のファジィ制御
チューニングにおけるデータ抽出方法は、制御対象の状
態を似通ったものどうしに区分けして領域を設定し、領
域の重心を制御対象の状態の抽出値とし、領域内の制御
対象の状態に対応するオペレータの制御結果の平均値を
オペレータの制御結果の抽出値とし、制御対象の状態の
抽出値とオペレータの制御結果の抽出値とを操業データ
としてファジィ制御チューニングに用いることを特徴と
する。
チューニングにおけるデータ抽出方法は、制御対象の状
態を似通ったものどうしに区分けして領域を設定し、領
域の重心を制御対象の状態の抽出値とし、領域内の制御
対象の状態に対応するオペレータの制御結果の平均値を
オペレータの制御結果の抽出値とし、制御対象の状態の
抽出値とオペレータの制御結果の抽出値とを操業データ
としてファジィ制御チューニングに用いることを特徴と
する。
【００１０】
【作用】多数の操業データは、区分けした領域の数に減
少し、操業データの偏りが減少する。
少し、操業データの偏りが減少する。
【００１１】
【実施例】以下この発明の１実施例を図を参照して説明
する。図１は、この発明の１実施例を説明するためのフ
ローチャートであり、以下に同図を用いてこの発明のフ
ァジィ制御チューニングにおけるデータ抽出方法を説明
する。まず、制御対象プロセスのオペレータの手動操作
による操作量とファジィ制御関連のプロセス入力値とを
収集する（ステップＳ１）。これらの操業データは、フ
ァジィ制御の初期モデルを作るためのデータとなる。こ
の操業データの一組は、複数のファジィ制御初期モデル
のための入力値と、ファジィ制御初期モデルの出力の目
標値とから構成される。
する。図１は、この発明の１実施例を説明するためのフ
ローチャートであり、以下に同図を用いてこの発明のフ
ァジィ制御チューニングにおけるデータ抽出方法を説明
する。まず、制御対象プロセスのオペレータの手動操作
による操作量とファジィ制御関連のプロセス入力値とを
収集する（ステップＳ１）。これらの操業データは、フ
ァジィ制御の初期モデルを作るためのデータとなる。こ
の操業データの一組は、複数のファジィ制御初期モデル
のための入力値と、ファジィ制御初期モデルの出力の目
標値とから構成される。
【００１２】つぎに、収集した操業データの入力値を区
分けするためのクラスター距離を設定し（ステップＳ
２）、このクラスター距離を用いてクラスター分析を行
う（ステップＳ３）。例えば、２つの入力値と出力値と
からなる操業データを、クラスター分析により区分けす
ると、図２（ａ）に示すようになる。図２は、収集した
操業データが、クラスター分析により３つのクラスター
２１に区分けされた状態を示すものである。ところで、
通常、より良いファジィ制御則を得るためには、多くの
操業データを収集し、そのためクラスター分析を行おう
とすると膨大な計算量が必要となるので、非階層的なク
ラスター分析手法を用いることが望ましい。
分けするためのクラスター距離を設定し（ステップＳ
２）、このクラスター距離を用いてクラスター分析を行
う（ステップＳ３）。例えば、２つの入力値と出力値と
からなる操業データを、クラスター分析により区分けす
ると、図２（ａ）に示すようになる。図２は、収集した
操業データが、クラスター分析により３つのクラスター
２１に区分けされた状態を示すものである。ところで、
通常、より良いファジィ制御則を得るためには、多くの
操業データを収集し、そのためクラスター分析を行おう
とすると膨大な計算量が必要となるので、非階層的なク
ラスター分析手法を用いることが望ましい。
【００１３】次に、図２（ｂ）に示すように、クラスタ
ー分析により生成されたクラスターの重心をファジィ制
御のチューニングのための入力値データとし、そのクラ
スター内の操業データの出力値の平均値をチューニング
のための出力値データとする（ステップＳ４）。ここ
で、図２（ａ）の操業データ２２に示されるように、そ
れが含まれるクラスター内で出力値が他に比較して飛び
抜けて大きいものがある。このように、同一クラスター
内で出力値が他と大きく異なる操業データは、異常な操
業データとして削除する。
ー分析により生成されたクラスターの重心をファジィ制
御のチューニングのための入力値データとし、そのクラ
スター内の操業データの出力値の平均値をチューニング
のための出力値データとする（ステップＳ４）。ここ
で、図２（ａ）の操業データ２２に示されるように、そ
れが含まれるクラスター内で出力値が他に比較して飛び
抜けて大きいものがある。このように、同一クラスター
内で出力値が他と大きく異なる操業データは、異常な操
業データとして削除する。
【００１４】そして、以上のようにして得られたチュー
ニング用データを用いてファジィ制御のチューニングを
行う。以上のようにすることにより、チューニングのた
めのデータは減少し、効率的にファジィ制御のチューニ
ングが行える。例えば、図２に示す例の場合、１７個有
った操業データは、３個のチューニング用データとな
る。そして、操業データ２２のような異常なデータは削
除されるので、より正確なチューニングが行える。
ニング用データを用いてファジィ制御のチューニングを
行う。以上のようにすることにより、チューニングのた
めのデータは減少し、効率的にファジィ制御のチューニ
ングが行える。例えば、図２に示す例の場合、１７個有
った操業データは、３個のチューニング用データとな
る。そして、操業データ２２のような異常なデータは削
除されるので、より正確なチューニングが行える。
【００１５】
【発明の効果】以上説明したように、この発明によれば
ファジィ制御のチューニングのために収集された操業デ
ータを似通ったものどうしに区分けして、区分けした中
より１つのチューニング用データを抽出し、このチュー
ニング用データを用いてチューニングを行う。したがっ
て、収集した操業データが、非定常状態のものより制御
対象の定常状態のものが多い場合でも、抽出したチュー
ニング用データは分布がより均衡しているので、偏った
チューニングにならないという効果がある。また、チュ
ーニングのためのデータ数を減らせ、異常な値を取り除
けるので、効率的かつ正確なチューニングが行えるとい
う効果がある。
ファジィ制御のチューニングのために収集された操業デ
ータを似通ったものどうしに区分けして、区分けした中
より１つのチューニング用データを抽出し、このチュー
ニング用データを用いてチューニングを行う。したがっ
て、収集した操業データが、非定常状態のものより制御
対象の定常状態のものが多い場合でも、抽出したチュー
ニング用データは分布がより均衡しているので、偏った
チューニングにならないという効果がある。また、チュ
ーニングのためのデータ数を減らせ、異常な値を取り除
けるので、効率的かつ正確なチューニングが行えるとい
う効果がある。
【図１】この発明のファジィ制御チューニングのための
データ抽出方法を説明するフローチャートである。
データ抽出方法を説明するフローチャートである。
【図２】操業データをクラスター分析した結果を示す分
布図である。
布図である。
Ｓ１ 操業データ収集 Ｓ２ クラスター距離設定 Ｓ３ クラスター分析 Ｓ４ チューニングデータ抽出 Ｓ５ ファジィ制御チューニング
Claims (1)
- 【請求項１】 制御対象の状態とこの状態でのオペレー
タの制御結果とからなる操業データを様々な状況を想定
して複数設定し、前記制御対象の状態を入力としてファ
ジィ制御を行った場合の制御結果と、前記オペレータの
制御結果との推論残差が、設定した全ての操業データに
おいて０になるように、前記ファジィ制御のファジィル
ールの前件部メンバシップ関数を改良するファジィ制御
チューニングにおいて、 前記制御対象の状態を似通ったものどうしに区分けして
領域を設定し、 前記領域の重心を制御対象の状態の抽出値とし、 前記領域内の制御対象の状態に対応するオペレータの制
御結果の平均値をオペレータの制御結果の抽出値とし、 前記制御対象の状態の抽出値とオペレータの制御結果の
抽出値とを操業データとして前記ファジィ制御チューニ
ングに用いることを特徴とするファジィ制御チューニン
グにおけるデータ抽出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5062450A JPH06250707A (ja) | 1993-03-01 | 1993-03-01 | ファジィ制御チューニングにおけるデータ抽出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5062450A JPH06250707A (ja) | 1993-03-01 | 1993-03-01 | ファジィ制御チューニングにおけるデータ抽出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06250707A true JPH06250707A (ja) | 1994-09-09 |
Family
ID=13200561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5062450A Pending JPH06250707A (ja) | 1993-03-01 | 1993-03-01 | ファジィ制御チューニングにおけるデータ抽出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06250707A (ja) |
-
1993
- 1993-03-01 JP JP5062450A patent/JPH06250707A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111651220B (zh) | 一种基于深度强化学习的Spark参数自动优化方法及系统 | |
| CN112987666B (zh) | 电厂机组运行优化调控方法及系统 | |
| JPH06259400A (ja) | 複雑なシステムのシミュレーション操作方法 | |
| US5386498A (en) | Expert system having a knowledge base compiler and a certainty factor manager | |
| Isomursu et al. | A self-tuning fuzzy logic controller for temperature control of superheated steam | |
| JPH06250707A (ja) | ファジィ制御チューニングにおけるデータ抽出方法 | |
| Li et al. | Higher order fuzzy control structure for higher order or time-delay systems | |
| Egorov et al. | Optimal design and control of gas‐turbine engine components: a multicriteria approach | |
| Mrozek et al. | The methodology of rough controller synthesis | |
| Lemke et al. | A characteristic optimism factor in fuzzy decision-making | |
| KR100310609B1 (ko) | 퍼지전문가장치를이용한피아이디제어기의계수조정장치및그의제어방법 | |
| KR100338312B1 (ko) | 퍼지제어루프에서의퍼지추론방법 | |
| Qi et al. | Moisture prediction with influencing factors analysis of expanded cut tobacco before resurgence | |
| Kovacic et al. | Adaptive fuzzy logic control based on integral criterion | |
| JPH08211903A (ja) | モデル予測制御におけるオートチューニング装置 | |
| JP2809862B2 (ja) | ファジィ制御装置 | |
| De-Jiang et al. | The optimized fuzzy logic in control systems | |
| Liu | On-line expert system with application to the steel mill soaking pit control | |
| Nestler et al. | Cutting values prediction with neural networks | |
| JP2536066B2 (ja) | ファジィモデリング制御方法 | |
| Yongquan et al. | A new method to tune rules in fuzzy control system using fuzzy arithmetic operations | |
| JP2000339165A (ja) | ファジィ制御の推論規則作成用データ生成方法 | |
| Stipanicev et al. | Fuzzy feedforward and composite control | |
| Ganchev et al. | Auto-tuning of cascade systems with auxiliary corrector | |
| JPH04195402A (ja) | プラント自動化装置 |