JPH0784608A - 制御装置 - Google Patents
制御装置Info
- Publication number
- JPH0784608A JPH0784608A JP22899993A JP22899993A JPH0784608A JP H0784608 A JPH0784608 A JP H0784608A JP 22899993 A JP22899993 A JP 22899993A JP 22899993 A JP22899993 A JP 22899993A JP H0784608 A JPH0784608 A JP H0784608A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- controlled
- state
- control
- future
- 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.)
- Withdrawn
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 制御対象の特性に合った制御量予測ができる
ように効率よく制御系を調整でき、ノイズを受ける制御
対象に対しても広い予測範囲に渡り精度の高い予測がで
きる制御装置を提供する。 【構成】 制御装置は、操作量と制御量の観測値とから
制御対象の動特性モデルに基づき制御対象の状態量を推
定する複数の状態観測器（２．１〜２．Ｎp ）と、各状
態観測器について、各状態観測器の内部に用いる外乱モ
デルと観測ノイズモデルとに対する周波数特性を調整す
る調整手段（５）と、複数の状態観測器で推定された各
状態量から対応する未来制御量を予測する複数の予測手
段（３．１〜３．Ｎp ）と、予測手段で予測された各未
来制御量の互いに異なる予測時間における部分をつなぎ
あわせて新たな未来制御量を合成する予測応答合成手段
（６）と、この合成された未来制御量が与えられた未来
目標値に追従するように操作量を決定する操作量算出手
段（４）と、を備えている。
ように効率よく制御系を調整でき、ノイズを受ける制御
対象に対しても広い予測範囲に渡り精度の高い予測がで
きる制御装置を提供する。 【構成】 制御装置は、操作量と制御量の観測値とから
制御対象の動特性モデルに基づき制御対象の状態量を推
定する複数の状態観測器（２．１〜２．Ｎp ）と、各状
態観測器について、各状態観測器の内部に用いる外乱モ
デルと観測ノイズモデルとに対する周波数特性を調整す
る調整手段（５）と、複数の状態観測器で推定された各
状態量から対応する未来制御量を予測する複数の予測手
段（３．１〜３．Ｎp ）と、予測手段で予測された各未
来制御量の互いに異なる予測時間における部分をつなぎ
あわせて新たな未来制御量を合成する予測応答合成手段
（６）と、この合成された未来制御量が与えられた未来
目標値に追従するように操作量を決定する操作量算出手
段（４）と、を備えている。
Description
【０００１】
【産業上の利用分野】本発明は、制御対象の観測量から
状態観測器により状態量を推定しそれに基づいて操作量
を決定する制御装置に関する。
状態観測器により状態量を推定しそれに基づいて操作量
を決定する制御装置に関する。
【０００２】
【従来の技術】近年、プロセス制御の分野で、モデル予
測制御装置がしばしば用いられる。モデル予測制御は、
以下の特徴が指摘されている。 ●むだ時間の長い制御対象に対し安定した制御応答を実
現できる。 ●未来目標値を用いたフィードフォワード制御で追従性
を改善できる。 ●多変数制御系にも適用可能である。 ●制御対象の正確な動特性モデルを必要とせず、例えば
ステップ応答から、制御系を容易に構成できる。 ●予測モデルにプラントの物理的法則や非線形特性を含
めることにより、きめの細かい制御ができる。 ●制御対象の運転に関する制約条件（例えば、上下限リ
ミッタ、変化率リミッタなど）を制御則に直接入れられ
る。
測制御装置がしばしば用いられる。モデル予測制御は、
以下の特徴が指摘されている。 ●むだ時間の長い制御対象に対し安定した制御応答を実
現できる。 ●未来目標値を用いたフィードフォワード制御で追従性
を改善できる。 ●多変数制御系にも適用可能である。 ●制御対象の正確な動特性モデルを必要とせず、例えば
ステップ応答から、制御系を容易に構成できる。 ●予測モデルにプラントの物理的法則や非線形特性を含
めることにより、きめの細かい制御ができる。 ●制御対象の運転に関する制約条件（例えば、上下限リ
ミッタ、変化率リミッタなど）を制御則に直接入れられ
る。
【０００３】これまでに、数多くの予測制御方式が提案
されてきた。これらはたとえば、 （１）西谷：モデル予測制御の応用、計測と制御Vol.2
8,No.11,pp.996-1004(1989) （２）D.W.Clarke & C.Mohtadi:Properties of General
ized Predictive Control,Automatica 26-6 pp.859(198
9)などに解説されている。
されてきた。これらはたとえば、 （１）西谷：モデル予測制御の応用、計測と制御Vol.2
8,No.11,pp.996-1004(1989) （２）D.W.Clarke & C.Mohtadi:Properties of General
ized Predictive Control,Automatica 26-6 pp.859(198
9)などに解説されている。
【０００４】特に（２）では、多種のモデル予測制御方
式を包含した一般化予測制御方式（Generalized Predic
tive Control:GPC）が提案されている。これは、未来目
標値ｙ* （ｋ＋ｉ），（ｉ＝１，…，Ｎp ）が与えられ
たとき、制御対象のモデルに基づいて制御応答未来値
（ｙ（ｋ＋ｉ），ｉ＝１，…，Ｎp ）を予測し、制御要
求を表す評価関数
式を包含した一般化予測制御方式（Generalized Predic
tive Control:GPC）が提案されている。これは、未来目
標値ｙ* （ｋ＋ｉ），（ｉ＝１，…，Ｎp ）が与えられ
たとき、制御対象のモデルに基づいて制御応答未来値
（ｙ（ｋ＋ｉ），ｉ＝１，…，Ｎp ）を予測し、制御要
求を表す評価関数
【０００５】
【数１】 を最小化する操作量増分Δｕ（ｋ）を求める方式であ
る。
る。
【０００６】これに対しては、特開平４−１１８７０３
号公報および特開平４−２５６１０２号公報などの発明
が既に提案されている。また、制御応答未来値を予測す
る手段として制御対象の制御量、操作量の観測値から内
部の状態量を推定する状態観測器を用いた方式が、特願
平５−０５３８０７号明細書に述べられている。
号公報および特開平４−２５６１０２号公報などの発明
が既に提案されている。また、制御応答未来値を予測す
る手段として制御対象の制御量、操作量の観測値から内
部の状態量を推定する状態観測器を用いた方式が、特願
平５−０５３８０７号明細書に述べられている。
【０００７】
【発明が解決しようとする課題】上記のモデル予測制御
装置では、制御系の特性を調整するパラメータが評価関
数（１）式の中の重み係数λのみしかなく、良好な調整
ができない場合があった。しかしながら、これらの調整
を簡単に行う手段がなかった。
装置では、制御系の特性を調整するパラメータが評価関
数（１）式の中の重み係数λのみしかなく、良好な調整
ができない場合があった。しかしながら、これらの調整
を簡単に行う手段がなかった。
【０００８】また、状態観測器を用いるモデル予測制御
装置では、状態観測値の設計が適切でないとノイズに対
し極めて敏感になり、この結果制御動作がノイズに影響
されやすくなる場合があった。しかしながら、ノイズを
受ける制御対象では、予測する範囲が長い場合、近い未
来から遠い未来までの制御量の予測精度を同時に向上さ
せることができず、安定した予測および制御動作が得ら
れなかった。
装置では、状態観測値の設計が適切でないとノイズに対
し極めて敏感になり、この結果制御動作がノイズに影響
されやすくなる場合があった。しかしながら、ノイズを
受ける制御対象では、予測する範囲が長い場合、近い未
来から遠い未来までの制御量の予測精度を同時に向上さ
せることができず、安定した予測および制御動作が得ら
れなかった。
【０００９】そこで本発明の目的は上記従来技術の有す
る問題を解消し、制御対象の特性に合った制御量予測が
できるように効率よく制御系を調整でき、ノイズを受け
る制御対象に対しても広い予測範囲に渡り精度の高い予
測ができ、モデル予測制御装置の制御性能を向上させる
ことである。
る問題を解消し、制御対象の特性に合った制御量予測が
できるように効率よく制御系を調整でき、ノイズを受け
る制御対象に対しても広い予測範囲に渡り精度の高い予
測ができ、モデル予測制御装置の制御性能を向上させる
ことである。
【００１０】
【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、本特許出願では、２つの手段が提案される。
ために、本特許出願では、２つの手段が提案される。
【００１１】第一に、モデル予測制御で用いる制御量予
測値を未来の各時点毎に特性の異なる個別の状態観測器
で推定した状態量から予測する手段を設ける。個々の状
態観測器の特性は、仮定した外乱、ノイズモデルのパラ
メータを個別に調整できる手段により、それぞれ独立に
調整する。とくに、近い未来の予測に対しては、高周波
数ノイズを仮定した状態観測器を用い、遠い未来の予測
に対しては、低周波数ノイズを仮定した状態観測器を用
いる。
測値を未来の各時点毎に特性の異なる個別の状態観測器
で推定した状態量から予測する手段を設ける。個々の状
態観測器の特性は、仮定した外乱、ノイズモデルのパラ
メータを個別に調整できる手段により、それぞれ独立に
調整する。とくに、近い未来の予測に対しては、高周波
数ノイズを仮定した状態観測器を用い、遠い未来の予測
に対しては、低周波数ノイズを仮定した状態観測器を用
いる。
【００１２】第二に、制御対象の入力側の外乱や出力側
の観測ノイズに対する状態観測器の特性を制御系の特性
を調整するためのパラメータとする。具体的には、状態
観測器の設計時に、制御対象に加わる外乱や観測ノイズ
がこれまで白色雑音という理想化したものを仮定してい
たのに対し、周波数により特性が変化する現実的な有色
雑音を仮定し、その特性パラメータすなわち有色雑音が
生成されるモデルのパラメータを制御系調整パラメータ
の一部とする。さらにそれを操作員が制御応答を見なが
ら容易に調整できるように、操作端末のディスプレイ上
にスライダーにより表示し、ポインティングデバイスに
より連続的に調整できるようにする。
の観測ノイズに対する状態観測器の特性を制御系の特性
を調整するためのパラメータとする。具体的には、状態
観測器の設計時に、制御対象に加わる外乱や観測ノイズ
がこれまで白色雑音という理想化したものを仮定してい
たのに対し、周波数により特性が変化する現実的な有色
雑音を仮定し、その特性パラメータすなわち有色雑音が
生成されるモデルのパラメータを制御系調整パラメータ
の一部とする。さらにそれを操作員が制御応答を見なが
ら容易に調整できるように、操作端末のディスプレイ上
にスライダーにより表示し、ポインティングデバイスに
より連続的に調整できるようにする。
【００１３】上記目的を達成するために、本発明による
制御装置は、操作量と制御量の観測値とから制御対象の
動特性モデルに基づき制御対象の状態量を推定する複数
の状態観測器と、前記各状態観測器について、前記状態
観測器の内部に用いる外乱モデルと観測ノイズモデルと
に対する周波数特性を調整する調整手段と、前記複数の
状態観測器で推定された各状態量から対応する未来制御
量を予測する複数の予測手段と、前記予測手段で予測さ
れた各未来制御量の互いに異なる予測時間における部分
をつなぎあわせて新たな未来制御量を合成する予測応答
合成手段と、この合成された未来制御量が与えられた未
来目標値に追従するように操作量を決定する操作量算出
手段と、を備えたことを特徴とする。
制御装置は、操作量と制御量の観測値とから制御対象の
動特性モデルに基づき制御対象の状態量を推定する複数
の状態観測器と、前記各状態観測器について、前記状態
観測器の内部に用いる外乱モデルと観測ノイズモデルと
に対する周波数特性を調整する調整手段と、前記複数の
状態観測器で推定された各状態量から対応する未来制御
量を予測する複数の予測手段と、前記予測手段で予測さ
れた各未来制御量の互いに異なる予測時間における部分
をつなぎあわせて新たな未来制御量を合成する予測応答
合成手段と、この合成された未来制御量が与えられた未
来目標値に追従するように操作量を決定する操作量算出
手段と、を備えたことを特徴とする。
【００１４】また、複数の前記状態観測器のうちの任意
の２つにおいて、高周波数のノイズ特性に対し設計した
状態観測器は現在に近い未来制御量の予測に用い、他方
の低周波数のノイズ特性に対し設計した状態観測器は現
在から遠い未来制御量の予測に用いるように、各状態観
測器を割り当てることを特徴とする。
の２つにおいて、高周波数のノイズ特性に対し設計した
状態観測器は現在に近い未来制御量の予測に用い、他方
の低周波数のノイズ特性に対し設計した状態観測器は現
在から遠い未来制御量の予測に用いるように、各状態観
測器を割り当てることを特徴とする。
【００１５】また、操作量と制御量の観測値とから制御
対象の動特性モデルに基づき制御対象の状態量を推定す
る状態観測器と、この状態観測器により推定した状態量
から制御対象を所望の制御量に制御するための最適操作
量を決定する制御演算手段とを備える制御装置におい
て、前記状態観測器の周波数特性を規定する外乱モデル
と観測ノイズモデルを設定する手段と、この周波数特性
を変更するために前記外乱モデルおよび観測ノイズモデ
ルのそれぞれのモデルのパラメータを操作端末上で調整
する調整手段とを有することを特徴とする。
対象の動特性モデルに基づき制御対象の状態量を推定す
る状態観測器と、この状態観測器により推定した状態量
から制御対象を所望の制御量に制御するための最適操作
量を決定する制御演算手段とを備える制御装置におい
て、前記状態観測器の周波数特性を規定する外乱モデル
と観測ノイズモデルを設定する手段と、この周波数特性
を変更するために前記外乱モデルおよび観測ノイズモデ
ルのそれぞれのモデルのパラメータを操作端末上で調整
する調整手段とを有することを特徴とする。
【００１６】また、前記調整手段は、操作端末のディス
プレイ上に表示された一つ以上のスライダーであり、操
作員がポインティングデバイスを用いてスライダーを調
整することにより、調整すべきパラメータを連続的に変
更できるものであることを特徴とする。
プレイ上に表示された一つ以上のスライダーであり、操
作員がポインティングデバイスを用いてスライダーを調
整することにより、調整すべきパラメータを連続的に変
更できるものであることを特徴とする。
【００１７】状態観測手段がカルマンフィルタであるこ
とが好適である。
とが好適である。
【００１８】
【作用】複数の状態観測器の内部には入力側の外乱を表
す外乱モデルと制御対象の入力側の観測ノイズを表す観
測ノイズモデルとが設定され、これらのモデルに対する
周波数特性を各状態観測器について個別に調整手段によ
って調整する。このように調整された複数の状態観測器
により操作量と制御量の観測値とから制御対象の動特性
モデルに基づき制御対象の状態量を推定する。各状態観
測器に接続された各予測手段により、推定された各状態
量から未来制御量を予測し、予測応答合成手段により、
予測された各未来制御量の互いに異なる予測時間におけ
る部分をつなぎあわせて新たな未来制御量を合成し、操
作量算出手段により、この合成された未来制御量が与え
られた未来目標値に追従するように操作量を決定する。
す外乱モデルと制御対象の入力側の観測ノイズを表す観
測ノイズモデルとが設定され、これらのモデルに対する
周波数特性を各状態観測器について個別に調整手段によ
って調整する。このように調整された複数の状態観測器
により操作量と制御量の観測値とから制御対象の動特性
モデルに基づき制御対象の状態量を推定する。各状態観
測器に接続された各予測手段により、推定された各状態
量から未来制御量を予測し、予測応答合成手段により、
予測された各未来制御量の互いに異なる予測時間におけ
る部分をつなぎあわせて新たな未来制御量を合成し、操
作量算出手段により、この合成された未来制御量が与え
られた未来目標値に追従するように操作量を決定する。
【００１９】上述の第一の手段においては、予測する時
間点ごとに異なる特性の状態推定器により未来制御量を
予測することができる。その利点を図６で説明する。モ
デル予測制御では、未来の操作量を変えたとき、未来の
制御量がどのように変化するかを予測しながら、それが
最適になる操作量の変化方向を探っていく最適化が行わ
れる。ここで、操作量が未来の制御量に与える影響を図
６（ａ）に示す。
間点ごとに異なる特性の状態推定器により未来制御量を
予測することができる。その利点を図６で説明する。モ
デル予測制御では、未来の操作量を変えたとき、未来の
制御量がどのように変化するかを予測しながら、それが
最適になる操作量の変化方向を探っていく最適化が行わ
れる。ここで、操作量が未来の制御量に与える影響を図
６（ａ）に示す。
【００２０】まず、近い未来では、制御量は動きが早
く、高い周波数成分を多く含んでいる。これを精度良く
推定するには状態観測器も高い周波数まで敏感に反応す
るような設計が必要である。よって図６（ｂ）の様に高
周波数ノイズを仮定した状態観測器による予測を行うこ
とにより、近い未来の予測精度が良くなる。なお、遠い
未来の予測精度はノイズに影響されて悪くなる。
く、高い周波数成分を多く含んでいる。これを精度良く
推定するには状態観測器も高い周波数まで敏感に反応す
るような設計が必要である。よって図６（ｂ）の様に高
周波数ノイズを仮定した状態観測器による予測を行うこ
とにより、近い未来の予測精度が良くなる。なお、遠い
未来の予測精度はノイズに影響されて悪くなる。
【００２１】次に、遠い未来では、図６（ａ）に示すよ
うに制御量の動きが遅く、低い周波数成分を多く含んで
いることがわかる。これを精度良く推定するには状態観
測器も低い周波数のみに反応するような設計が必要であ
る。よって図６（ｃ）の様に低周波数ノイズを仮定した
状態観測器による予測を行うことにより、遠い未来の予
測精度は高周波数ノイズに影響されずに良くなる。な
お、近い未来では、状態観測器が高周波数の動きに追従
できずに予測精度は低下する。
うに制御量の動きが遅く、低い周波数成分を多く含んで
いることがわかる。これを精度良く推定するには状態観
測器も低い周波数のみに反応するような設計が必要であ
る。よって図６（ｃ）の様に低周波数ノイズを仮定した
状態観測器による予測を行うことにより、遠い未来の予
測精度は高周波数ノイズに影響されずに良くなる。な
お、近い未来では、状態観測器が高周波数の動きに追従
できずに予測精度は低下する。
【００２２】したがって、近い未来では図６（ｂ）の様
に高周波数ノイズを仮定し、遠い未来では図６（ｃ）の
様に低周波数ノイズを仮定して、両者の状態観測器を組
み合わせた図６（ｄ）の予測方式が最も予測精度が良
く、これを用いることによりモデル予測制御装置の制御
性能も良くなる。
に高周波数ノイズを仮定し、遠い未来では図６（ｃ）の
様に低周波数ノイズを仮定して、両者の状態観測器を組
み合わせた図６（ｄ）の予測方式が最も予測精度が良
く、これを用いることによりモデル予測制御装置の制御
性能も良くなる。
【００２３】また、上述の第二の手段においては、制御
対象に加わる外乱や観測ノイズのモデルをかえると、こ
の結果、設計される状態観測器の耐外乱特性や耐ノイズ
特性がかわる。従ってこれらを積極的に調整パラメータ
としてチューニングすることにより、個々の制御対象の
置かれた環境に適した状態観測器を設計でき、状態量の
推定精度が向上し、同時に制御量予測精度、モデル予測
制御装置の制御精度も向上する。また、操作員が制御応
答を確認しながら容易にパラメータを調整できるので、
制御系の調整効率が改善される。
対象に加わる外乱や観測ノイズのモデルをかえると、こ
の結果、設計される状態観測器の耐外乱特性や耐ノイズ
特性がかわる。従ってこれらを積極的に調整パラメータ
としてチューニングすることにより、個々の制御対象の
置かれた環境に適した状態観測器を設計でき、状態量の
推定精度が向上し、同時に制御量予測精度、モデル予測
制御装置の制御精度も向上する。また、操作員が制御応
答を確認しながら容易にパラメータを調整できるので、
制御系の調整効率が改善される。
【００２４】
【実施例】本発明の制御装置の第１実施例のブロック図
を図１に示す。制御対象であるプラント１は操作量ｕに
よって操作され制御量ｙを出力する。モデル予測制御装
置であるコントローラ１０の内部は、制御量ｙと操作量
ｕとからプラント１の状態ｘを推定する状態観測器２、
状態推定値ｘv から未来の制御量予測応答ｙv を推定す
る予測器３、予測応答ｙv と未来の目標値応答ｙ* から
最適操作量ｕを求める操作量算出部４より構成されてい
る。また、コントローラには調整器５が接続されてお
り、状態観測器２で用いるパラメータω１，ω２，ｋ
１，ｋ２を調整して出力する。
を図１に示す。制御対象であるプラント１は操作量ｕに
よって操作され制御量ｙを出力する。モデル予測制御装
置であるコントローラ１０の内部は、制御量ｙと操作量
ｕとからプラント１の状態ｘを推定する状態観測器２、
状態推定値ｘv から未来の制御量予測応答ｙv を推定す
る予測器３、予測応答ｙv と未来の目標値応答ｙ* から
最適操作量ｕを求める操作量算出部４より構成されてい
る。また、コントローラには調整器５が接続されてお
り、状態観測器２で用いるパラメータω１，ω２，ｋ
１，ｋ２を調整して出力する。
【００２５】また、ハードウェア構成を、図２および図
３に示す。図２に示すように、モデル予測制御装置であ
るコントローラ１０がプラント１に接続され、コントロ
ーラ１０にオペレータコンソール２０が接続されてい
る。調整器５はこの中でソフトウェアにより実現されて
いる。
３に示す。図２に示すように、モデル予測制御装置であ
るコントローラ１０がプラント１に接続され、コントロ
ーラ１０にオペレータコンソール２０が接続されてい
る。調整器５はこの中でソフトウェアにより実現されて
いる。
【００２６】図３に示すように、オペレータコンソール
２０のハードウェアは、ディスプレイ２１、キーボード
２２、マウスや電子ペン、タッチパネルなどのポインテ
ィングデバイス２３、ＣＰＵ２４、メモリ２６、コント
ローラ１０とのインターフェイス２７がデータバス２５
で接続されて構成されている。操作員によるポインティ
ングデバイス２３やキーボード２２の操作により、ソフ
トウェアで実現された調整器５を操作できる。
２０のハードウェアは、ディスプレイ２１、キーボード
２２、マウスや電子ペン、タッチパネルなどのポインテ
ィングデバイス２３、ＣＰＵ２４、メモリ２６、コント
ローラ１０とのインターフェイス２７がデータバス２５
で接続されて構成されている。操作員によるポインティ
ングデバイス２３やキーボード２２の操作により、ソフ
トウェアで実現された調整器５を操作できる。
【００２７】調整器５の操作画面を図４に示す。周波数
特性グラフ３０は外乱周波数特性３１とノイズ周波数特
性３２を表示している。これらの特性グラフはスライダ
ー３３〜３６により連続的に変更できる。プラント１の
入力側の外乱を表す外乱モデルの外乱周波数特性３１に
おいて、低減ゲインｋ１はスライダー３５で調整し、カ
ットオフ帯域ω１はスライダー３３で調整する。同様
に、プラント１の出力側の観測ノイズを表す観察ノイズ
モデルのノイズ周波数特性３２において、高域ゲインｋ
２はスライダー３６で調整し、カットオフ帯域ω２はス
ライダー３４で調整する。これらの周波数特性グラフお
よびスライダーは、これらの一部のみを表示することも
可能である。
特性グラフ３０は外乱周波数特性３１とノイズ周波数特
性３２を表示している。これらの特性グラフはスライダ
ー３３〜３６により連続的に変更できる。プラント１の
入力側の外乱を表す外乱モデルの外乱周波数特性３１に
おいて、低減ゲインｋ１はスライダー３５で調整し、カ
ットオフ帯域ω１はスライダー３３で調整する。同様
に、プラント１の出力側の観測ノイズを表す観察ノイズ
モデルのノイズ周波数特性３２において、高域ゲインｋ
２はスライダー３６で調整し、カットオフ帯域ω２はス
ライダー３４で調整する。これらの周波数特性グラフお
よびスライダーは、これらの一部のみを表示することも
可能である。
【００２８】調整器５で指定されたパラメータω１，ω
２，ｋ１，ｋ２は以下の演算により、プラント１のモデ
ルに基づいて状態観測器のパラメータＡ，Ｂ，Ｃ，Ｋに
変換される。
２，ｋ１，ｋ２は以下の演算により、プラント１のモデ
ルに基づいて状態観測器のパラメータＡ，Ｂ，Ｃ，Ｋに
変換される。
【００２９】まず、プラント１のモデルとして、 Ｘｓ（ｋ＋１）＝ＡｓＸｓ（ｋ）＋Ｂｓｕ（ｋ）＋Ｇｓｗ１（ｋ） ｙ（ｋ） ＝ＣｓＸｓ（ｋ）＋Ｈｓｗ２（ｋ） （２） のような状態空間モデルを用意する。ただし、ｕ（ｋ）
は操作量、ｙ（ｋ）は制御量または観測量、Ｘｓ（ｋ）
はプラントの状態ベクトル、ｗ１（ｋ）はプラントに加
わる外乱、ｗ２（ｋ）は観測量ｙ（ｋ）に加わるノイズ
である。ここで、操作員により指定された外乱特性に関
するパラメータｋ１，ω１から外乱モデル Ｘｗ１（ｋ＋１）＝（１−τω１）Ｘｗ１（ｋ）＋τω１ｋ１ｖ１（ｋ） ｗ１（ｋ） ＝Ｘｗ１（ｋ） （３） を作成する。同様に、操作員により指定されたノイズ特
性に関するパラメータｋ２，ω２から観測ノイズモデル Ｘｗ２（ｋ＋１）＝（１−τω２）Ｘｗ２（ｋ）−τω２ｋ２ｖ２（ｋ） ｗ２（ｋ） ＝Ｘｗ２（ｋ）＋ｋ２ｖ２（ｋ） （４） を作成する。
は操作量、ｙ（ｋ）は制御量または観測量、Ｘｓ（ｋ）
はプラントの状態ベクトル、ｗ１（ｋ）はプラントに加
わる外乱、ｗ２（ｋ）は観測量ｙ（ｋ）に加わるノイズ
である。ここで、操作員により指定された外乱特性に関
するパラメータｋ１，ω１から外乱モデル Ｘｗ１（ｋ＋１）＝（１−τω１）Ｘｗ１（ｋ）＋τω１ｋ１ｖ１（ｋ） ｗ１（ｋ） ＝Ｘｗ１（ｋ） （３） を作成する。同様に、操作員により指定されたノイズ特
性に関するパラメータｋ２，ω２から観測ノイズモデル Ｘｗ２（ｋ＋１）＝（１−τω２）Ｘｗ２（ｋ）−τω２ｋ２ｖ２（ｋ） ｗ２（ｋ） ＝Ｘｗ２（ｋ）＋ｋ２ｖ２（ｋ） （４） を作成する。
【００３０】これらを統合したモデル
【００３１】
【数２】 をまとめて、 Ｘ（ｋ＋１）＝ＡＸ（ｋ）＋Ｂｕ（ｋ）＋Ｇｖ（ｋ） ｙ（ｋ） ＝ＣＸ（ｋ）＋Ｈｖ（ｋ） （６） と表す。
【００３２】これに対し、離散時間Ｒｉｃｃａｔｉ方程
式 ０＝Ｐ−ＡＰＡT ＋ＡＰＣT （Ｒ＋ＣＰＣT ）-1ＣＰＡT −Ｑ （７） の正定解行列Ｐおよび Ｋ＝−ＰＣT （ＣＰＣT ＋Ｒ）-1 （８） なるゲインベクトルを求める。ただし、 Ｑ＝ＧＥ｛ｖT ｖ｝ＧT （Ｅ｛｝は期待値を意味
する） Ｒ＝ＨＥ｛ｖT ｖ｝ＨT である。以上のパラメータ、
Ａ，Ｂ，Ｃ，Ｋを状態観測器２へ渡す。
式 ０＝Ｐ−ＡＰＡT ＋ＡＰＣT （Ｒ＋ＣＰＣT ）-1ＣＰＡT −Ｑ （７） の正定解行列Ｐおよび Ｋ＝−ＰＣT （ＣＰＣT ＋Ｒ）-1 （８） なるゲインベクトルを求める。ただし、 Ｑ＝ＧＥ｛ｖT ｖ｝ＧT （Ｅ｛｝は期待値を意味
する） Ｒ＝ＨＥ｛ｖT ｖ｝ＨT である。以上のパラメータ、
Ａ，Ｂ，Ｃ，Ｋを状態観測器２へ渡す。
【００３３】状態観測器２では、制御周期毎に観測され
る信号ｕ（ｋ），ｙ（ｋ）から次の処理でプラント１の
状態ベクトルＸ（ｋ）を逐次推定する。
る信号ｕ（ｋ），ｙ（ｋ）から次の処理でプラント１の
状態ベクトルＸ（ｋ）を逐次推定する。
【００３４】 Ｘ（ｋ＋１）＝ＡＸ（ｋ）＋Ｂｕ＋Ｋ（ｙ（ｋ）−ＣＸ（ｋ）） ｙ（ｋ） ＝ＣＸ（ｋ） （９） この状態推定値Ｘ（ｋ）を予測器３へ渡す。
【００３５】予測器３では、
【００３６】
【数３】 により制御量の予測値ベクトル
【００３７】
【数４】 を求め、操作量算出部４へ渡す。
【００３８】操作量算出部４では、外部から与えられた
目標値応答からなるベクトル ｙ* ＝［ｙ* （ｋ＋１），…，ｙ* （ｋ＋Ｎp ）］T および予測応答ベクトルｙから最適操作量増分ベクトル Δｕ（ｋ）＝［Δｕ（ｋ＋１），…，Δｕ（ｋ＋Ｎu
）］T を以下の処理で求める。
目標値応答からなるベクトル ｙ* ＝［ｙ* （ｋ＋１），…，ｙ* （ｋ＋Ｎp ）］T および予測応答ベクトルｙから最適操作量増分ベクトル Δｕ（ｋ）＝［Δｕ（ｋ＋１），…，Δｕ（ｋ＋Ｎu
）］T を以下の処理で求める。
【００３９】 Δｕ（ｋ）＝（ＧT Ｇ＋λＩ）-1ＧT （ｙ* −ｙ） （11） ただし、
【００４０】
【数５】 さらに現時刻ｋでの最適操作量を ｕ（ｋ）＝ｕ（ｋ−１）＋Δｕ（ｋ） （12） により求め、プラント１へ出力する。
【００４１】本実施例の構成によれば、プラント１に加
わる外乱や観測ノイズのモデルをかえると、この結果、
設計される状態観測器２の耐外乱特性や耐ノイズ特性が
かわるが、これらを積極的に調整パラメータとしてチュ
ーニングすることにより、プラント１の置かれた環境に
適した状態観測器２を設計でき、状態量の推定精度が向
上し、同時に制御量予測精度、モデル予測制御装置の制
御精度も向上する。また、操作員が制御応答を確認しな
がら容易にパラメータを調整できるので、制御系の調整
効率が改善される。
わる外乱や観測ノイズのモデルをかえると、この結果、
設計される状態観測器２の耐外乱特性や耐ノイズ特性が
かわるが、これらを積極的に調整パラメータとしてチュ
ーニングすることにより、プラント１の置かれた環境に
適した状態観測器２を設計でき、状態量の推定精度が向
上し、同時に制御量予測精度、モデル予測制御装置の制
御精度も向上する。また、操作員が制御応答を確認しな
がら容易にパラメータを調整できるので、制御系の調整
効率が改善される。
【００４２】次に、本発明の第２実施例を図７を参照し
て説明する。本実施例では、図１における構成と異な
り、複数の状態観測器２．１、２．２、・・・２．Ｎ
ｐ、および複数の予測器３．１、３．２、・・・３．Ｎ
ｐが設けられている。また、予測器３．１、３．２、・
・・３．Ｎｐで予測された各未来制御量の互いに異なる
予測時間における部分をつなぎあわせて新たな未来制御
量を合成する予測応答合成手段６が設けられている。操
作量算出部４により、この合成された未来制御量が与え
られた未来目標値に追従するように操作量ｕを決定す
る。
て説明する。本実施例では、図１における構成と異な
り、複数の状態観測器２．１、２．２、・・・２．Ｎ
ｐ、および複数の予測器３．１、３．２、・・・３．Ｎ
ｐが設けられている。また、予測器３．１、３．２、・
・・３．Ｎｐで予測された各未来制御量の互いに異なる
予測時間における部分をつなぎあわせて新たな未来制御
量を合成する予測応答合成手段６が設けられている。操
作量算出部４により、この合成された未来制御量が与え
られた未来目標値に追従するように操作量ｕを決定す
る。
【００４３】また、本実施例においても、図２〜図４に
示した第１実施例と同じハードウェアが構成されてい
る。
示した第１実施例と同じハードウェアが構成されてい
る。
【００４４】さらに、本実施例においては、調整器５に
おいて、図５に示す機能が追加されている。図５は調整
器５の操作画面であり、図５において、制御量ｙの予測
応答グラフ４０、最適操作量ｕの未来値のグラフ４１、
外乱のカットオフ周波数ω１の予測時間による変化を表
すグラフ４２、および、観察ノイズのカットオフ周波数
ω２の予測時間による変化を表すグラフ４３が同時に表
示されている。
おいて、図５に示す機能が追加されている。図５は調整
器５の操作画面であり、図５において、制御量ｙの予測
応答グラフ４０、最適操作量ｕの未来値のグラフ４１、
外乱のカットオフ周波数ω１の予測時間による変化を表
すグラフ４２、および、観察ノイズのカットオフ周波数
ω２の予測時間による変化を表すグラフ４３が同時に表
示されている。
【００４５】まず、グラフ４０で予測範囲調整ポインタ
４０ａ，４０ｂを左右に調整することによりモデル予測
制御で考慮する予測範囲のパラメータＬ，Ｎp を調整で
きる。同様に、グラフ４１で制御範囲調整ポインタ４１
ａを左右に調整することによりモデル予測制御で考慮す
る制御範囲のパラメータＮu を調整できる。
４０ａ，４０ｂを左右に調整することによりモデル予測
制御で考慮する予測範囲のパラメータＬ，Ｎp を調整で
きる。同様に、グラフ４１で制御範囲調整ポインタ４１
ａを左右に調整することによりモデル予測制御で考慮す
る制御範囲のパラメータＮu を調整できる。
【００４６】グラフ４２では、外乱の周波数特性を予測
長ごとに個別に設定できる。まず、注目する予測長を予
測範囲Ｌ〜Ｎp の中てポインタ４２ａにより指定する。
その予測長Ｎp （ｉ）に対し、スライダー３３で外乱の
カットオフ周波数ω１（ｉ）を調整するとグラフ４２に
直ちに反映される。
長ごとに個別に設定できる。まず、注目する予測長を予
測範囲Ｌ〜Ｎp の中てポインタ４２ａにより指定する。
その予測長Ｎp （ｉ）に対し、スライダー３３で外乱の
カットオフ周波数ω１（ｉ）を調整するとグラフ４２に
直ちに反映される。
【００４７】同様にグラフ４３では、ノイズの周波数特
性を予測長ごとに個別に設定できる。注目する予測長を
予測範囲Ｌ〜Ｎp の中でポインタ４３ａにより指定す
る。その予測長Ｎp （ｉ）に対し、スライダー３４でノ
イズのカットオフ周波数ω２（ｉ）を調整するとグラフ
４３に直ちに反映される。
性を予測長ごとに個別に設定できる。注目する予測長を
予測範囲Ｌ〜Ｎp の中でポインタ４３ａにより指定す
る。その予測長Ｎp （ｉ）に対し、スライダー３４でノ
イズのカットオフ周波数ω２（ｉ）を調整するとグラフ
４３に直ちに反映される。
【００４８】異なる２点の予測長に対し、ω１あるいは
ω２を指定した場合、この間は図５の様に直線補間され
る。こうして、各予測長Ｎp （ｉ）（ｉ＝Ｌ，…，Ｎp
）に対し、外乱およびノイズのカットオフ周波数ω１
（ｉ），ω２（ｉ）が指定される。
ω２を指定した場合、この間は図５の様に直線補間され
る。こうして、各予測長Ｎp （ｉ）（ｉ＝Ｌ，…，Ｎp
）に対し、外乱およびノイズのカットオフ周波数ω１
（ｉ），ω２（ｉ）が指定される。
【００４９】これらの個々のパラメータに対し、第１実
施例と同じ（２）〜（８）式の手順にて、個別に状態観
測器に関するパラメータＡｉ，Ｂｉ，Ｃｉ，Ｋｉ，（ｉ
＝１，…，Ｎp ）が計算され、個々の状態観測器へ送ら
れる。
施例と同じ（２）〜（８）式の手順にて、個別に状態観
測器に関するパラメータＡｉ，Ｂｉ，Ｃｉ，Ｋｉ，（ｉ
＝１，…，Ｎp ）が計算され、個々の状態観測器へ送ら
れる。
【００５０】個々の状態観測器２．１〜２．Ｎp および
予測器３．１〜３．Ｎp では、第１実施例と同じ
（９）、（１０）式の手順にて、制御量予測値を計算す
る。これらの予測応答は予測応答合成手段６にて合成さ
れ、操作量算出部４へ送られる。操作量算出部４の処理
内容は第１実施例と同じである。
予測器３．１〜３．Ｎp では、第１実施例と同じ
（９）、（１０）式の手順にて、制御量予測値を計算す
る。これらの予測応答は予測応答合成手段６にて合成さ
れ、操作量算出部４へ送られる。操作量算出部４の処理
内容は第１実施例と同じである。
【００５１】次に本実施例の作用効果を図６を参照して
説明する。予測する時間点ごとに異なる特性の状態推定
器２．１、２．２、…、２．Ｎｐにより未来制御量を予
測することができる。モデル予測制御では、未来の操作
量を変えたとき、未来の制御量がどのように変化するか
を予測しながら、それが最適になる操作量の変化方向を
探っていく最適化が行われる。ここで、操作量が未来の
制御量に与える影響を図６（ａ）に示す。
説明する。予測する時間点ごとに異なる特性の状態推定
器２．１、２．２、…、２．Ｎｐにより未来制御量を予
測することができる。モデル予測制御では、未来の操作
量を変えたとき、未来の制御量がどのように変化するか
を予測しながら、それが最適になる操作量の変化方向を
探っていく最適化が行われる。ここで、操作量が未来の
制御量に与える影響を図６（ａ）に示す。
【００５２】まず、近い未来では、制御量は動きが早
く、高い周波数成分を多く含んでいる。これを精度良く
推定するには状態観測器２．１、２．２、…、２．Ｎｐ
も高い周波数まで敏感に反応するような設計が必要であ
る。よって図６（ｂ）の様に高周波数ノイズを仮定した
状態観測器による予測を行うことにより、近い未来の予
測精度が良くなる。一方、遠い未来の予測精度はノイズ
に影響されて悪くなる。
く、高い周波数成分を多く含んでいる。これを精度良く
推定するには状態観測器２．１、２．２、…、２．Ｎｐ
も高い周波数まで敏感に反応するような設計が必要であ
る。よって図６（ｂ）の様に高周波数ノイズを仮定した
状態観測器による予測を行うことにより、近い未来の予
測精度が良くなる。一方、遠い未来の予測精度はノイズ
に影響されて悪くなる。
【００５３】次に、遠い未来では、図６（ａ）に示すよ
うに制御量の動きが遅く、低い周波数成分を多く含んで
いることがわかる。これを精度良く推定するには状態観
測器も低い周波数のみに反応するような設計が必要であ
る。よって図６（ｃ）の様に低周波数ノイズを仮定した
状態観測器による予測を行うことにより、遠い未来の予
測精度は高周波数ノイズに影響されずに良くなる。一
方、近い未来では、状態観測器が高周波数の動きに追従
できずに予測精度は低下する。
うに制御量の動きが遅く、低い周波数成分を多く含んで
いることがわかる。これを精度良く推定するには状態観
測器も低い周波数のみに反応するような設計が必要であ
る。よって図６（ｃ）の様に低周波数ノイズを仮定した
状態観測器による予測を行うことにより、遠い未来の予
測精度は高周波数ノイズに影響されずに良くなる。一
方、近い未来では、状態観測器が高周波数の動きに追従
できずに予測精度は低下する。
【００５４】したがって、近い未来の部分では図６
（ｂ）の様に高周波数ノイズを仮定し、遠い未来の部分
では図６（ｃ）の様に低周波数ノイズを仮定して、両者
の状態観測器を組み合わせた図６（ｄ）の予測方式が最
も予測精度が良く、これを用いることによりモデル予測
制御装置の制御性能も良くなる。
（ｂ）の様に高周波数ノイズを仮定し、遠い未来の部分
では図６（ｃ）の様に低周波数ノイズを仮定して、両者
の状態観測器を組み合わせた図６（ｄ）の予測方式が最
も予測精度が良く、これを用いることによりモデル予測
制御装置の制御性能も良くなる。
【００５５】
【発明の効果】制御量予測値を未来の各時点毎に特性の
異なる複数の状態観測器および予測器で個別に予測する
ので、ノイズを受ける制御対象に対しても、広い予測範
囲に渡り精度の高い予測ができ、モデル予測制御装置の
制御性能が向上する。
異なる複数の状態観測器および予測器で個別に予測する
ので、ノイズを受ける制御対象に対しても、広い予測範
囲に渡り精度の高い予測ができ、モデル予測制御装置の
制御性能が向上する。
【図１】本発明の制御装置の第１実施例の概略構成を示
すブロック図。
すブロック図。
【図２】本発明の制御装置のハードウェアの概略構成を
示すブロック図。
示すブロック図。
【図３】調整器を実現するためのハードウェアの概略構
成を示す図。
成を示す図。
【図４】本発明の第１実施例における調整器における操
作画面を示す図。
作画面を示す図。
【図５】本発明の第２実施例における調整器における操
作画面を示す図。
作画面を示す図。
【図６】制御量の予測値を個別の状態観測器で推定する
効果を説明する図。
効果を説明する図。
【図７】本発明の制御装置の第２実施例の概略構成を示
すブロック図。
すブロック図。
【符号の説明】 １ プラント（制御対象） ２ 状態観測器 ３ 予測器 ４ 操作量算出部 ５ 調整器 ６ 予測応答合成手段 １０ コントローラ ２０ オペレータコンソール ２１ ディスプレイ ２２ キーボード ２３ ポインティングデバイス ２４ ＣＰＵ ２５ データバス ２６ メモリ ２７ インターフェイス ３０ 周波数特性グラフ ３１ 外乱周波数特性 ３２ ノイズ周波数特性 ３３〜３６ 特性パラメータ調整スライダー ４０ 予測応答グラフ ４１ 未来値のグラフ ４２ 外乱のカットオフ周波数ω１の予測時間による変
化を表すグラフ ４３ ノイズのカットオフ周波数ω２の予測時間による
変化を表すグラフ ４０ａ，４０ｂ 予測範囲調整ポインタ ４１ａ 制御範囲調整ポインタ ４２ａ，４３ａ 周波数指定ポインタ
化を表すグラフ ４３ ノイズのカットオフ周波数ω２の予測時間による
変化を表すグラフ ４０ａ，４０ｂ 予測範囲調整ポインタ ４１ａ 制御範囲調整ポインタ ４２ａ，４３ａ 周波数指定ポインタ
Claims (1)
- 【請求項１】操作量と制御量の観測値とから制御対象の
動特性モデルに基づき制御対象の状態量を推定する複数
の状態観測器と、 前記各状態観測器について、前記各状態観測器の内部に
用いる外乱モデルと観測ノイズモデルとに対する周波数
特性を調整する調整手段と、 前記複数の状態観測器で推定された各状態量から対応す
る未来制御量を予測する複数の予測手段と、 前記予測手段で予測された各未来制御量の互いに異なる
予測時間における部分をつなぎあわせて新たな未来制御
量を合成する予測応答合成手段と、 この合成された未来制御量が与えられた未来目標値に追
従するように操作量を決定する操作量算出手段と、を備
えたことを特徴とする制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22899993A JPH0784608A (ja) | 1993-09-14 | 1993-09-14 | 制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22899993A JPH0784608A (ja) | 1993-09-14 | 1993-09-14 | 制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0784608A true JPH0784608A (ja) | 1995-03-31 |
Family
ID=16885179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP22899993A Withdrawn JPH0784608A (ja) | 1993-09-14 | 1993-09-14 | 制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0784608A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001073515A1 (en) * | 2000-03-28 | 2001-10-04 | Beta Lasermike Limited | Control systems for extrusion or drawing plants |
| JP2005171789A (ja) * | 2003-12-09 | 2005-06-30 | General Electric Co <Ge> | 航空機用ガスタービンのモデル予測制御のための方法及び装置 |
| JP2011511374A (ja) * | 2008-01-31 | 2011-04-07 | フィッシャー−ローズマウント システムズ， インコーポレイテッド | モデル不一致を補償するためのチューニングを有する頑健な適応モデル予測コントローラ |
| WO2018163662A1 (ja) * | 2017-03-09 | 2018-09-13 | オムロン株式会社 | サーボパラメータ調整装置およびサーボパラメータ調整方法 |
-
1993
- 1993-09-14 JP JP22899993A patent/JPH0784608A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001073515A1 (en) * | 2000-03-28 | 2001-10-04 | Beta Lasermike Limited | Control systems for extrusion or drawing plants |
| JP2005171789A (ja) * | 2003-12-09 | 2005-06-30 | General Electric Co <Ge> | 航空機用ガスタービンのモデル予測制御のための方法及び装置 |
| JP2011511374A (ja) * | 2008-01-31 | 2011-04-07 | フィッシャー−ローズマウント システムズ， インコーポレイテッド | モデル不一致を補償するためのチューニングを有する頑健な適応モデル予測コントローラ |
| US9904257B2 (en) | 2008-01-31 | 2018-02-27 | Fisher-Rosemount Systems, Inc. | Using autocorrelation to detect model mismatch in a process controller |
| WO2018163662A1 (ja) * | 2017-03-09 | 2018-09-13 | オムロン株式会社 | サーボパラメータ調整装置およびサーボパラメータ調整方法 |
| JP2018151682A (ja) * | 2017-03-09 | 2018-09-27 | オムロン株式会社 | サーボパラメータ調整装置およびサーボパラメータ調整方法 |
| US11163272B2 (en) | 2017-03-09 | 2021-11-02 | Omron Corporation | Servo parameter adjustment device and servo parameter adjustment method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101936569B1 (ko) | 센서 시스템 | |
| JP3516232B2 (ja) | 最適かつ自動的に外乱を排除するフィードバック制御を実現するための方法及び装置 | |
| JP6394724B2 (ja) | サーボパラメータ調整装置およびサーボパラメータ調整方法 | |
| JP6885085B2 (ja) | 制御装置、制御方法、および、制御プログラム | |
| JP6946654B2 (ja) | 制御装置、制御方法、および、制御プログラム | |
| US7277047B1 (en) | Reduced state estimation with biased measurements | |
| WO2022091291A1 (ja) | 情報処理装置、情報処理方法および記録媒体 | |
| JP2009175917A (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
| JPH0784608A (ja) | 制御装置 | |
| JPH0535309A (ja) | モデル予測制御装置 | |
| Niedźwiecki et al. | New algorithms for adaptive notch smoothing | |
| US7797129B2 (en) | Processing data to maintain an estimate of a running median | |
| CN114722343A (zh) | 一种离合器位置信号滤波方法、装置、存储介质及终端 | |
| Ahmad et al. | On-line genetic algorithm tuning of a PI controller for a heating system | |
| Yurasova et al. | Dynamic measurement errors correction adaptive to noises of a sensor | |
| Proletarsky et al. | Intelligent Algorithm of Measuring Complex for Aircrafts | |
| JP2020095332A (ja) | フィルタ設計装置、振動抑制装置、フィルタ設計方法及びプログラム | |
| JPH0272404A (ja) | メンバーシップ関数決定方法 | |
| Saho | Fundamental properties and optimal gains of a steady-state velocity measured α-β tracking filter | |
| CN118011841B (zh) | 一种非线性自适应控制系统性能评估方法 | |
| JPH0778001A (ja) | デジタルコントローラ | |
| JPH0689103A (ja) | 多変数制御装置 | |
| JP3774376B2 (ja) | 制御系の限界ゲインや伝達関数の同定方法およびその装置 | |
| JP2844636B2 (ja) | プログラム制御装置 | |
| JPH11218398A (ja) | 飛しょう体の誘導制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001128 |