JPH07502354A - 閉ループ神経ネットワーク自動同調器 - Google Patents

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。

Description

【発明の詳細な説明】 閉ループ神経ネットワーク自動同調器 本発明は制御装置の同調器の分野に関し、適応比例積分制御装置及び比例積分微 分（ＰＩＤ）制御装置の閉ループ自動同調器に特に適用される。

背　景 数えきれない状況において、何らかの「プロセス」　（たとえば、室内の温度、 化学工場で製造している製品の品質、航空機の高度）の出力を設定値又は基準値 と呼ばれる指定の所望の値に従わせることは重要である。これは、入力として、 典型的には現在プロセス出力（たとえば、現在室温）と、所望のプロセス出力す なわち、「設定値」（サーモスタットの設定により指定される）との誤差を取上 げ、出力として制御信号（燃量の流量を調整する炉に対する信号）を発生する「 制御装置」と呼ばれる装置を使用して実行される。制御装置と、プロセスと、情 報の流れを確立させる接続とから構成されるセットアツプ全体を「制御ループ」 といい、また、このようにして制御されているプロセスは閉ループ制御の下にあ るといわれる。これに対し、プロセスに所定の入力信号が与えられ、プロセス出 力が　゛後続するプロセス入力に影響を及ぼすことな（観測されるとき、そのプ ロセスは「開ループ」にある。この開ループの場合には、プロセス出力の調整は ない。

数多くの種類の制御装置が存在する。しかしながら、産業上の適用用途における あらゆる制御の大半はｒＰＩＤ制御装置」と呼ばれる特定の種類のＶ御装置によ って実行される。ＰＩＤ制御装置は比例利得ＫＣ％積分利得に＋及び微分利得Ｋ Ｄという３つのパラメータを有する。ＰＩＤ制御装置の出力は、どの時点におい ても、ＫｃＸ現在誤差、Ｋ１×それまでの何らかの長さの時間にわたる累算（積 分）誤差及びＫｏ　ｘｇｌ差の現在変化率（微分）という３つの項の和である。

ＰＩＤｉｔｉｌｌｌ装置のいくつかの変形、簡略化及び拡張はあるが、以上の説 明はこの論議については十分に普遍的なものである。

ＰＩＤ制御装置−３つのパラメータに対して適切な値を指定する−を同調するこ とにより、需要プロセスの全てとはいえないまでも、その多くを適切に制御でき る。あらゆるＰＩＤｗ４御装置について、随時の復帰が必要とされる：実世界プ ロセスは多様な理由によって時間と共に変化する。

ＰＩＤ同調は手動操作により繰返して実行される場合が多い。プロセスオペレー タ又はコントロールエンジニアは、設定値のわずかな変化に対して許容しつるプ ロセス行動が得られるまで、パラメータを（原理に基づく又は特定された方式で ）変化させる。これは長時間にわたる操作になると考えられ、その結果、制御装 置の設定がきわめて正確になることはほとんどない。そこで、少なくとも原則と しては、近最適パラメータ設定を自動的に発生させることができる「自動同調器 」が開発されている。

自動同調器には２つの種類がある。開ループの自動同調器では、プロセスは制御 装置の調整効果に影響を及ぼさずに開ループでシュミレートされる。次に、その 結果得られたプロセス出力を解析して、適切なパラメータ値を同定する。開ルー プ自動同調器を不安定なプロセスに対して使用することは不可能であり、プロセ スは制御されない状況で動作されているので、それは一般的には望ましくない。

閉ループ自動同調器の場合、制御ループはそこなわれない。その代わりに、プロ セスが全制御下で動作している間にプロセスデータを収集する。

通常は、制御ループの設定値をわずかに変化させ、それにより得られたプロセス 出力の何らかの解析に基づいて制御パラメータを確定する。データの解析はより 複雑になるが、多くの用途においては、閉ループでの同調の利点はその複雑さに まさる。

本発明では、プロセスを閉ループで同調するために神経ネットワークを採用する 。

閉ループにあるということは、同調器が有効に動作するために制御装置の遮断を 要求しないことを意味している。すなわち、プロセスは常に制御を受けている。

５ｗ１ｎｉａｒｓｋｉによるパターン認識技法を使用するｒＮｏｖｅｌ　Ｎｅｕ ｒａｌ　Ｎｅｔｗｏｒｋ　Ｂａ５ｅｄ　Ｓｅｌｆ−Ｔｕｎｉｎｇ　ＰＩＤ　Ｃｏ ｎｔｒｏｌｌｅｒＪと題した論文（Ｎｏｖｅｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ 　Ｂａ５ｅｄ　Ｓｅｌｆ−Ｔｕｎｉｎｇ　ＰｒＤ　Ｃｏｎｔｒｏｌｌｅｒ　Ｗｈ ｉｃｈ　Ｕｓｅｓ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｔｅｃｈｎｉｑ ｕｅｓ、Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ａｍｅｒｉｃａｎ　Ｃｏｎｔ ｒｏｌ　Ｃｏｎｆｅｒｅｎｃｅ＋　１９９０年６月、３０２３．４ページを参照 ）には、開ループでＰＩＤ制御装置を同調する「神経形態」同調器が記載されて いる。これは、１９４２年に開発された発見的手続きである開ループツイーグラ ー〇ニコルスアルゴリズムを使用する。５ｗ１ｎｉａｒｓｋｉの神経ネットワー クシステムは誤差データに応答するようには設計されていない。

そこに記載されている神経ネットワーク（神経形態同調器）は、開ループステ、 プ応答の不連続のサンプルをこの時間サンプルの一連のプロセス値として記憶す る。同調は（「調整器なしで」）関ループシステムについて実行される。また、 この研究に基づいて開発できる同調器は、「開ループ」同調器と呼ばれるＰＩＤ 同調器の部類に入る。従って、５ｗ１ｎｉａｒｓｋｉが提案しているような神経 ネットワークの使用は、独自の期待調整値に調整可能であると考えられる閉ルー プ利用の潜在能力を活用していない。

神経ネットワークはＨｏｎｅｗｅ　ｌ　Ｉの名称ｒＡ　Ｔｗｏ−Ｌｅｖｅｌ　Ｓ ｙｓｔｅｍ　ＩｄｅｎｔｉｆｉｅｒＪによる同時係属出願第０７／６４３．５９ ５号の中に記載されており、その場合には、プロセス（「システム」）自体を同 定し、同定されたシステムについてパラメータを推定し、同調するのであるが、 同時係属出願第０７１５９４．９２７号では、神経ネットワークを使用して、１ つのプロセスの複数のモデルに関わるパラメータを推定する。また、システム同 定のための神経ネットワーク（Ｃｈｕ他、ＩＥＥＥ　Ｃｏｎｔｒｏｌ　Ｓｙｓｔ ｅｍｓ　Ｍａｇａｚｉｎｅ＋　１９９０年４月、３１〜３５ページ）においては 、パラメータ推定のためにホブフィールド神経ネットワークを使用する。（ホブ フィールド形神経ネットワークの使用は、出力を確定するための整定時間という 自明な問題を提示するが、一方、非ホブフィールド形ネットワークは全くのオフ ラインで訓練し、結果をオンラインで非常に迅速に発生することができる。）こ の特許には、相対的に低コストの解決方法が記載されており、この特許は、未知 のプロセスの未知のパラメータを同調するのとは反対にｒＰＩＤＪ型の同調に依 存しているために容易に市場に受入れられる設計の自動同調器を提供する。

同時係属出願（第０７／６４３．５９５号、Ａ　Ｔｗｏ−Ｌｅｖｅｌ　５ｙｓｔ ｅｎ　Ｉｄｅｎｔｉｆｉｅｒ）においては、システム同定の中心は、本発明の場 合のような制ｍ装置パラメータではなく、プロセスパラメータの確定にある。

発明の概要 自動同調器にＰＩＤ制御装置の比例積分及び／又は微分制御定数を調整させるた めに、設定値を使用者により変更できるか、又は自動的に変更できるような閉ル ープ自動同調器を説明する。

好ましい実施例では、システムは、プロセスの出力（又はそれを示す信号）と、 ＰＩＤ制御装置の現在パラメータ設定とを受信する神経ネットワークを採用する 。

希望に応じて制御装置出力（Ｕ１プロセスに至る）の供給に既知の遅れ、すなわ ち、遅延を導入するために、スミス予測子を採用しても良い。比例パラメータ、 積分パラメータ及び／又は微分パラメータの様々な組合せを単独で又は組合せて 、そのような単独の又は組合せの出力定数が望ましい場合に、変形によって発生 させても良い。この出願を通して、また、請求の範囲において、ＰＩＤはＰＩＤ パラメータの何らかの組合せを使用する種類の制御装置を指す。

自動同調器について設定値の変化を発生させる異なる方法も説明する。

図面の簡単な説明 図１は、閉ループと関連させた自動同調器の、その中のプロセスを含めたブロッ ク線図である。

図２は、ＰＩＤ制御装置及びプロセスシステムの発見的線図である。

図３は、自動同調器及びスミス予測子によって制御されるシステムのブロック線 図である。

図４は、自動同調器の様々に異なる入カオブシ冒ンを詳細に示す被制御システム のブロック線図である。

図５は、神経ネットワークに関する拡張線図を伴なう簡略化システムブロック線 図である。

図６は、本発明において使用できるような神経ネットワークの発見的ブロック線 図である。

発明の詳細な説明 本発明はＰＩＤ制御装置の閉ループ同調に関する。そのような制御装置の場合、 制御装置が制御すべきシステム又はプロセスに対して出力を発生するたびに、通 常は定数が３つまで指定される。（そのようなシステム又はプロセスは建物の内 部温度状脳、化学反応の速度、電動機の速度、あるいは１つ又は複数の被制御変 数のいずれかを有する他の何らかのそのようなシステムを含むことが可能であろ う。）それらのＰＩＤパラメータの適切な選択によって、大半のプロセスを適切 に制御できる。

ＰＩＤ′ＭＩ＋装置は次の世紀に入っても十分に使用されるであろう。従って、 現在の多くの制御技法はそれらのＰＩＤパラメータを採用するのに適合している 。

そのため、ＺｉｅｇｌｅｒとＮ１ｃｈｏｌｓがＰＩＤパラメータについて研究し 、１９４０年代に彼らの理念を公表した、少なくともそのとき以来使用されてき たＰＩＤパラメータを使用することには何らかの利点がある。

適切な又は最良のＰＩＤ定数を見出すプロセスを制御ループ同調という。同調中 、プロセスが制御下にあるように、同調を閉ループで実行することが望ましい。

ところが、閉ループにおいては、プロセスを正しく制御すると共に、制御装置を 正しく同調するために、制御装置を考慮しなければならない。

現在利用可能な閉ループ同調器や同調アルゴリズムはいくつかある。しかしなが ら、現在利用可能なＰＩＤ制御装置は、いずれも、閉ループ同調のために訓練さ れた神経ネットワークを採用するものとして知られていない。

神経ネットワーク同調器により要求されるデータは、少なくとも、サーボ制御の 下のサンプル値プロセス出力シーケンス（ｙｏ　、Ｙ’＋　Ｎ　Ｙ２−１）であ る。プロセス外乱、通常は設定値変化（Ｖ、又はｒ）は手動操作により開始され るか、又は自動的に開始されるかのいずれかである。自動の場合、設定値変化が 長い期間にわたってなかったときに「の１段階変化を発生するように設計された プログラムに従って、設定値変化は自動同調器自体により開始されるであろう。

希望に応じて、プログラムは、同調の必要性を指示するようなプロセス出力レベ ルの大きな揺動、すなわち、プロセス出力の変動に応答するか、あるいは、相当 大きな望ましくないレベルのオーバシュートに応答することが可能であろう。

そのようなプログラムを作成することは、この分野の通常の当業者の技術の範囲 内で容易である。

別の開ループｗＩｍループに対してこのプロセスのｙが重要である場合、その別 の閉ループはｒを変化させることもできるであろう。これは制御ループの「カス ケード」として知られているであろう。

サンプル値プロセス出力と関連する（準最適又は現在）ＰＩＤパラメータは（現 時点で好ましい実施例では）同調器に対する入力を構成する。同調器の出力（Ｋ ｃ’＋　Ｋｌ”ｌ　Ｋ”ｏ）は、制御装置により使用するための１組の近最適同 調ノでラメータである。当初のパラメータより徐々に良（なってゆく新たなネッ トワーク生成パラメータに伴って、同調プロセスを繰返しても良い。この同調器 の動作は従来の閉ループ同調器の動作に類似しているが、ＰＩＤ定数に到達する 方法は異なる。従来の多くの同調器は親指の法則、推測又は同調アルゴリズムを 開発するために、専門家を利用する。それらの方法は、開ループの場合はプロセ ス出力で認められた変化又はそのような変化の欠陥に基づいて、また、閉ループ の場合には時には制御装置の出力に墓づいて、制御装置パラメータを計算する。

これに対し、本発明では、同調は訓練段階において生成された最適化値に基づい て、実験により実行される。

制御パラメータを同定するために、神経ネットワークをオフラインで訓練しなけ ればならない。監視学習神経ネットワークモデルを採用する。たとえば、参考と して、先に引用した５ｗ１ｎｉａｒｓｋｉの論文又は同様にＨｏｎｅｙｗｅｌｌ に譲渡された同時係属出願（出願番号　）を参照のこと。現時点で好ましい実施 例に関わるそれぞれの訓練例は、ネットワーク入力として、制御装置パラメータ 値及びその結果としてのサンプル値閉ループ出力応答値と、対応する所望のネッ トワーク出力値、すなわち、ＰＴＤパラメータの最適値とを指示しなければなら ない。そのようない（つかの例を複数の異なるプロセス及び複数の異なる制御装 置設定について収集しなければならない。プロセスは同調器を使用するためのプ ロセスを包含する範囲を有するべきである。代替例については、図４に関連する 説明を参照のこと。以下の説明はそれらのいずれにも適用されるであろう。

訓練目的のために、訓練例として使用されるプロセスごとに、最適制御パラメー タを同定しなければならない。この目的のために最適のＰＩＤパラメータを生成 するように使用される閉ループプロセスのシミニレ−シーンと関連して、従来の 最適化アルゴリズムを使用しても良い。最適基準をどのように選択するかはデザ イン上の問題であり、当該技術では良（理解されているように、たとえば、設定 値に最も速（到達する方式又は最も有効にコストを利用できる方式を得るように 選択しても良い。訓練時の神経ネットワークの出力をこの最適値と比較し、どの 学習規則を採用するかに従って補強する。

特定すれば、訓練データセットを生成するために複数の最適化基準を使用するこ とはかなり容易である。例は最小積分２乗誤差（ＩＳＥ）、最小積分Ｘ絶対値誤 差（ＩＴＡＥ）及び最小積分絶対値誤差（ＩＡＥ）であっても良いであろう。

開ループ間調器の場合、そのようなシステムでは同調器により誤差データを直接 受信することは不可能であるので、誤差に基づく最適化基準の使用は実行不可能 である。それらの基準のいずれか１つ、又はここでは挙げない他の基準を使用す ると、与えられた基準に対して最適化された出力を伴なう、異なる訓練を経た閉 ループ神経ネットワーク自動同調器が得られる。

１つのネットワークを複数の異なる最適化基準によって訓練することも可能であ る。この場合、訓練中、現在最適値（所望の出力ネットワーク）を生成するため に使用した基準を指示し、動作中には、使用者が自動同調のための現在関心基準 を指定するために使用する追加ネットワーク入力を提供する。

訓練データは、ＰＩＤ制御装置モデルによって制御されるプロセスの数学的モデ ルを使用して、コンピュータシミニレ−シーンにおいて生成される。まず、同調 器を使用するためのプロセスを包含するプロセスの範囲を規定（すなわち、同定 ）する。たとえば、利得が０．１から１０．０の範囲にあり、時間定数は５がら １２０サンプル時間単位の範囲にあり且つ遅延は３ｏサンプル時間単位までの範 囲にある遅延を伴ない、（二次プロセスの場合に）０．４から０．９までの制動 係数を伴ない、−次プロセス及び二次プロセスとして（制御目的ために）適切に モデル化できるプロセスのために同調器を得ることが望ましいであろう。プロセ スモデル範囲を、たとえば、化学的プロセスなどの特定の１領域における典型的 なプロセスに関するプロセスエンジニアの知識に基づいて選択することができる 。モデルをそのような範囲に限定することにより、神経ネットワークの訓練はよ り速くなるであろう。

次に、選択した様々な特定のプロセスに対して、様々なＰＩＤパラメータへの閉 ループプロセス応答をシミュレートすることができる。訓練データを生成するた めのシミュレーシ１ンは閉ループで実行され、別の好ましい実施例においては、 神経ネットワークはプロセスモデルの１つ又は複数の出力値と、設定値（すなわ ち、基準信号）値と、制御装置パラメータ（Ｋｃ、に、、に、）とを受信する。

それに応答して、神経ネットワークは、最適化制御装置ＰＩＤ変数値と考えるも のを発生する。それらの最適化ＰＫＤ値が入力値と対を成す（最適化アルゴリズ ムにより計算される）既知の最適値に近づくにつれて、神経ネットワークは徐々 に良く訓練されてゆ（。神経ネットワークは、許容限界内で最適の出力を発生し たとき、実際の閉ループシステムに入ることができる。

ネットワークが訓練データにつ１１島で所望の正確さを得たならば、神経ネット ワークを実時間制御装置にプログラムし、制御装置と共に自動同調実時間制御装 置として販売しても良い。

訓練時には、いくつかの周知の監視学習神経ネットワークアルゴリズムを使用で きる。我々の研究においては、周知の逆伝搬訓練アルゴリズムを採用したが、他 のテクノロジーを使用することができるであろう。

コンピュータシステムが神経ネットワークとして構成されるか、又はそのプロセ スの１つとして神経ネットワークを含むように、神経ネットワークをソフトウェ アで構成しても良い。また、ハードウェアで構成しても良い。現在、い（っがの 神経ネットワーク集積回路が市販されるようになってきている。無限の数の全く 同じようなプログラム、すなわち、「訓練」された回路を製造するために唯一回 の訓練が要求されるだけであるように、それらの集積回路を複数のグループとし てプログラムしても良い。以下に説明する通り、訓練のために代賛の１組の入力 をも使用できる。

次に、閉ループシステム４０が示されている図４を参照して説明すると、プロセ ス４１は、プロセスに出力ｙを発生させるための出力Ｕを有するＰＩＤ制御装置 ４２により制御される。ＰＫＤ制御装置は、信号線４４に制御パラメータを供給 する関連する神経ネブトヮーク自動同調器４３を有する。この線図には、自動同 調器４３に至る５つの入力線、すなわち、人力線４５〜４９がある。

人力線４５〜４９の全てを使用する必要はないが、状況によっては全てを使用す ることが望ましいであろう。神経ネットワーク自動同調器の１組の選択すべき入 力を設計するに際しては、神経ネットワークシステムの設計者には良く知られて いる数多くの考慮事項が重要になる。それらの事項の１つは、神経ネットワーク 入力層の相対的な複雑さの許容レベルである。大量の入力を受信すべき場合には 、はるかに多くの数の人力ノードが要求されることは自明である。そこで、たと えば、信号線４８におけるＰＩＤ制御装置の出力は３つの値に、、Ｋｏ及びＫＣ のみになるであろう。信号線４９を介する同調器への入力はプロセス制御装置に より生成されるＵの１つ又は複数の値のストリームであると考えられる。信号線 ４５におけるｒに関わる入力も同様に唯一つの値になるであろう。信号線４６の 入力も値のストリームになるであろう。信号線４７がらの入力は十中へ九は値の ストリームになるであろろが、それはｙ出力値のストリームと、誤差に関する「 （現在設定値）との組合せである。

どの入力を受入れるべきであるかを決定するときには、プロセス４１とループ４ ０全体の性質をも考慮に入れることを認識すべきである。たとえば、信号線４５ からの設定値、すなわち、基準入力の使用は、厳密に線形の応答を有するプロセ スにおいては必要ではなく、あるいは、有用でさえないであろう。

本発明の利点の１つは、特定の適用用途のｆＩＩＩＩｇＪＩ！の開発又は操作の いずれかに際して、経験を積んだプロセスオペレータ又はコントロールエンジニ アは必要とされない。また、大規模な計算資源や記憶資源も要求されず、神経ネ ットワークを集積回路でそのスピードアップを伴って実現する場合には、有用性 はその重みを一層増すであろう。

神経ネットワークをオフラインで訓練し、次に閉ループシステムに取入れるので 、そのような装置のエンドユーザーにとって訓練時間は問題にならず、ネットワ ークは動作中に実時間モードでＰＩＤ値を供給する。これは、動作中に人力が新 たに変化するたびに再整定しなければならないが、訓練を必要としないボブフィ ールドネットワークとは対照的であるといえよう。

そこで神経ネットワーク自動同調制御装ｆｌ！１１が一部を形成しているシステ ムｌＯがブロック線図で示されている図１を参照すると、通常は、プロセス１２ を入力ｒｕＪに応答して出力「ｙ」を発生するものとして見ることができる。制 御装置、すなわち、サーボ機構１４は、ここでは矢印１７により示すようにプロ セスに影響を及ぼす。制御装ｆｆ１５と神経ネットワーク自動同調器６は、実際 には、単一のコンピュータであっても良（、あるいは、１組の対話形ソフトウェ アプロセッサ又はハードウェアプロセッサであっても良い。好ましい実施例では 、使用者又は自動同調器６（信号線６ａを介する）のいずれかに設定値、すなわ ち、基準信号「「」である入力１５に対する段階変化を開始させるために、スイ ッチ１３（ソフトウェア又はハードウェアで良い）を設けである。本発明におい ては、出力ｙを信号線６ｂを介して神経ネットワーク自動同調器６に戻し、制御 装置５の出力であるｒｕＪを信号線６ｃを介して自動同調器に戻す。信号線１８ ａを介して比例積分微分同調器５に、徐々に良くなってゆく比例信号ｅＩ識、積 分信号標識及び微分信号楼識を戻す。先に述べた通り、ＰＩＤ制御装置は、希望 に応じて、誤差の比例及び積分及び微分か、比例及び積分のみか、誤差の比例及 び微分かに基づいてＵを公式化すれば良く、全てはｒＰＩＤＪ制御装置になるで あろう。

また、希望に応じて、制御装置の出力Ｕを神経ネットワーク入力として使用しな （でも良いことにも注意すべきである。この形部では、自動同調器を対応する制 御装置出力データを伴わずに訓練しなければならないであろう。他の情報は、い ずれにせよ、プロセス応答（ｙ）である。

そこで、図２を参照すると、反応装置容器１２ｃは実際のプロセス装置１２ａの 中に示されている。この場合の制御装置、すなわち、サーボ機構は弁１４ａであ る。弁は冷却剤をバイブ１４ｂを通して反応装置Ｅ　１２　ａからＩｌｌされた 流量で流出させる。弁は、その弁を開放方向又は閉鎖方向に動かす信号（ｕ）に より制御される。反応物質１２ｄは熱を発生し、その熱は温度プローブ１２ｅに より測定され、温度プローブはプロセス出力信号ｙを同調器１１ａを伴なう制御 装置に戻す。反応の生成物は１２ｆから取出され、装入物は混合ロッドアセンブ リ１２ｇを介して導入される。

プラント出力（ここでは、温度、すなわち、「ｙ」）は信号線５ａを介して制御 装置の入力端子にも与えられる。従って、単純なケースを例示すれば、温度ｙが 変化すると、その結果、制御装置応答Ｕは冷却剤の流量を増減させるために冷却 剤放出弁の位置を変化させることにより反応を推進する。従って、この場合のＵ は弁作動装置１１４ｂの置とベクトルであり、その動きはＰＩＤ制御装置１１ａ の内部における動作によりに、、Ｋｃの関数として規定される。

当該技術においては、Ｕは次の式で表わすようにＰＩＤパラメータの関数になり つるということは知られている： ｕ　（ｓ）＝　（Ｋｃ　＋に＋　／ｓ＋Ｋｏｓ）Ｅ（ｓ）すなわち、 ｕ　（ｔ）　＝ｅＫｃ　＋に＋　ｆｅｄ　ｔ＋Ｋｐ　ｄａ／ｄ　を式中、Ｓはラ プラスＪ変換変数である。

次に、スミス予測子３１の使用が示されている図３を参照する。予測子は当該技 術では良く知られており、新たなｙに対する制御装置出力Ｕの応答をシステムに 固有の既知の遅延パラメータに基づいて遅くするか又は速くするために使用され る。ＰＩＤｉ！制御装置は通常は応答の遅延を考慮しないので、スミス予測子を 使用することはＰＩＤＩ４１！Ｉ凡例を無視せずこれを処理するための１つの方 法である。また、ここで制御装置１５ｂに対する入力として使用される誤差信号 ｅがあり且つＵがプロセス１２へ直接に入力されるように制御装置は特定して描 かれていないことにも注意する。（誤差は設定値とｙとの差であるので、神経ネ ットワーク自動同調器がｙではなく、ｅによって訓練される限り、どの実施例に おいてもｙの代わりに誤差を使用しても良い、）ここでも同様に、自動同調器６ ｂは変数の最適化値を制御装置ｆｆ５ｂへ送信する。ここで、自動同調器は入力 １９なしでも適切に機能しうることに注意すべきである。

神経ネットワーク自動同調器の出力は、希望に応じて、ＰＩＤ係数自体の値では な（、係数の増分（十又は−の何らかの値）の形態をとりうろことに注意すべき である。そのような場合には、訓練中にも、動作中にも、神経ネットワーク入力 としても現在ＫＣ，に、及びＫｌ）を必ずしも供給しなくて良い。

次に図６を参照すると、神経ネットワーク６０のおおまかな構造は、この場合、 ３つの層６１，６２及び６３から構成されていることがわかる。１組の入力■１ は第１の層６１に情報を提供する。この情報は、たとえば、信号線４５〜４９（ それぞれが複数の信号を表わしていても良い）のいずれががら受ける。層は、設 計者が神経ネットワークの外部から入力を受けるために希望するのと同じ数のノ ードを有する０層６１のそれらのノードは６１．〜６１．．として示されて〜す る。

一般に、ノード６１．〜６１゜からノード６２．〜６２．への直接接続により、 情報はここでは矢印Ｉ２として描かれているものを介して、層６２のような陰の 層としても知られる１つ又は複数の中央層に入る。１つの層の７−ドの間には、 ノード６２２の出力を６２３の入力端子へ送り出す線６４のような伝搬、又は１ つの層の中で、ノードｅ　ｉ　ｓ−２について線６５により示すように１つのノ ードがらそれ自体に至る伝搬があっても良〜）ことに注意すべきである。両方向 矢印Ｉ２、！、により指示するように、下向きの伝搬も許容されるであろう、こ の特許の発明者は、自動同調器において使用するために利用可能な神経ネットワ ークの形態を限定することを希望しておらず、この例としての神経ネットワーク ６ｏは単に可能な神経ネットワーク構造を一般化して表わしているにすぎない。

線６４により示すような性質をもつ単層ネットワークを設けることが可能であり 、その場合、単一の層の中のノードのいくつかは層６３から７−ドａｔ、、６２ ２及び６！、により発生されるような出力を発生する。

神経ネットワーク６０の矢印Ｉ、は、層６２のノードと層６３のノードとの十分 には説明されていない一連の接続を発見的に表わす。図６に関連して説明したよ うな神経ネットワークを訓練した後、本発明に従ってＫ　”Ｃ＋　Ｋ”＋及びＫ ”Ｄのような出力を発生する。

神経ネットワークンステムＮＮのそれほど抽象的でない形態が図５に見られる。

ここにも、同様の閉ループ制御プロセス５０が示されている。神経ネットワーク の出力Ｋｃ”、に♂及びＫｏ”はＰＩＤ制御装置へフィードバックされるのであ るが、この図にはそれらの配線を示していない。この神経ネットワークシステム ＮＮも３つの層を有する。最下部の層はかなり太き（、中央層とその層との接続 は矢印として示されているだけである。簡明にするため、この構造の中には再帰 的接続や、第１の層へのフィードバックを示していない。制御装置パラメータＫ ｃ＋に＋及びＫｏは最下部の層Ｂの３つの個々のノードへ導かれる。ＰＩＤＩＩ ＩＩ装置の出力Ｕは信号線５２及びファンアウト５１を介して最下部の層Ｂに接 続するものとして示されている。基準信号Ｒは信号線５３により最下部の層Ｂと 、そ国際調査報告　。、、Ｔ／ＩＫ。、７１．。９６

Claims (1)

1. 【特許請求の範囲】 １．プロセス（１２）を制御するＰＩＤ制御装置（５）を同調する神経ネットワ ークを有する自動同調器（６）を有する閉ループ制御システムにおいて、前記自 動同調器は前記プロセスからｙ出力の現在値を受け、前記神経ネットワークは、 同調器出力として、プロセスのＰＩＤ制御モデルと、所定の最適化基準とに従っ た１組のパラメータＫ１，Ｋ０及びＫｃの何らかのパラメータの組合せである最 過化ＰＩＤ制御装置パラメータ（１８）を発生するように訓練されており、且つ 前記最適化パラメータは、前記制御装置により近最適ブロヤス出力ｕを発生する ために採用される前記自動同調器の出力の基礎を形成する閉ループ制御システム 。 ２．前記自動同調器は、同調を開始させるために前記制御システムに対する設定 値入力を調整するように作用する第２の出力（６ａ）を有する請求項１記載の閉 ループ制御システム。 ３．前記神経ネットワークは、前記ＰＩＤ制御装置により現在採用されているＰ ＩＤ値（８ａ）、ｕの値（６ａ）、ｙの値（６６，４６）、設定値（４５）、誤 差（４７）といった入力のうち１つ又は２つ以上を訓練中と動作中に共に受ける 請求項１記載の閉ループ制御システム。 ４．前記神経ネットワークは比例出力、積分出力及び微分出力という３つの出力 を前記自動同調器の前記出力として発生する請求項１記載の閉ループ制御システ ム。 ５．前記制御装置は比例、積分及び微分の３つのパラメータを使用して、前記プ ロセスに対してそのｕ出力を発生し、そのｕはそれら３つのパラメータと誤差信 号値の関数である請求項４記載の閉ループ制御システム。 ６．スミス予測子（３１）はプロセス出力ｙ及び設定値から入力を受け、システ ム遅延を補正するために出力ｕの供給を管理する請求項１記載の閉ループ制御シ ステム。 ７．前記神経ネットワークは、神経ネットワーク学習アルゴリズムで最適化基準 を採用して、オフラインで訓練される請求項１記載の閉ループ制御システム。 ８．誤差又は設定値のいずれかと、ｙとの所定の関数に応答して、自動同調器に より前記設定値変化が開始されても良い請求項２記載の閉ループ制御システム。 ９．閉ループ制御システムにあってプロセス（１２）を制御するＰＩＤ制御装置 （５）を同調するために訓練された神経ネットワーク（６）を有する自動同調器 （６）において、その自動同調器は前記プロセスからｙ出力の現在値を受け、前 記神経ネットワークはプロセスのＰＩＤ制御装置モデルと、所定の最適化基準と に従った１組のパラメータＫｃ，Ｋｔ，Ｋｄの何らかのパラメータの組合せであ る最適化ＰＩＤ制御装置パラメータ（１８）を発生するように訓練されており、 且つ前記最適化パラメータは、前記制御装置により前記第１の出力に応答してよ り最適に近いｕを発生するために採用される前記自動同調器の出力の基礎を形成 する閉ループ制御システム。 １０．神経ネットワーク（６）は、前記神経ネットワークが訓練され且つ閉ルー プシステムに組込まれた後に使用者により前記神経ネットワークからの出力を発 生するために選択されることが可能ないくつかの最適化基準を使用して訓練され る請求項７記載の閉ループシステム。 １１．前記神経ネットワークの３つの最適出力は、Ｋｃ，Ｋ１及びＫ０を含む１ 組のパラメータのうちの１つ又は２つ以上のパラメータの変化から成る請求項４ 記載の閉ループ制御システム。