JPH09244705A - 制御モデル構築支援装置および方法 - Google Patents

制御モデル構築支援装置および方法

Info

Publication number
JPH09244705A
JPH09244705A JP5577196A JP5577196A JPH09244705A JP H09244705 A JPH09244705 A JP H09244705A JP 5577196 A JP5577196 A JP 5577196A JP 5577196 A JP5577196 A JP 5577196A JP H09244705 A JPH09244705 A JP H09244705A
Authority
JP
Japan
Prior art keywords
data
database
control model
model
stored
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
Application number
JP5577196A
Other languages
English (en)
Other versions
JP3412384B2 (ja
Inventor
Masahiro Shikayama
昌宏 鹿山
Haruyoshi Kumayama
治良 熊山
Shohei Fukuoka
昇平 福岡
Masato Yoshida
正人 吉田
Yoichi Sugita
洋一 杉田
Yasuo Morooka
泰男 諸岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP5577196A priority Critical patent/JP3412384B2/ja
Priority to TW086102151A priority patent/TW327682B/zh
Priority to US08/811,095 priority patent/US6049738A/en
Priority to KR1019970007731A priority patent/KR100331605B1/ko
Publication of JPH09244705A publication Critical patent/JPH09244705A/ja
Application granted granted Critical
Publication of JP3412384B2 publication Critical patent/JP3412384B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

(57)【要約】 【課題】制御対象を制御モデルにより制御する場合に、
高性能な制御モデルを構築する。 【解決手段】制御モデル構築支援装置１００に制御モデ
ル構築用のデータベース１２１に格納されている複数の
データをデータ分割手段１１４により統計的に隔たりの
ない複数のデータ郡に分割して、分割データベース１２
２のそれぞれのデータベースに格納する。そして、分割
された１つのデータ郡によりモデル構築手段１１５で制
御モデルを構築し、他方のデータでモデル評価手段１１
６により、構築した制御モデルの評価を行う。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は鉄鋼，電力，一般産
業等の制御システムを対象とし、制御対象からデータを
収集して制御モデルを構築する場合に、高精度な制御モ
デルを効率的に構築する手法に関する。
【０００２】
【従来の技術】制御対象からデータを収集し計算機で用
いる従来技術としては、特開平6− 168222号記載のよ
うに、制御対象の制御情報を収集する手段を備え、収集
したデータを独立したメモリに蓄えることで、このデー
タを用いて繰り返しシミュレーションを行う手法があっ
た。
【０００３】また制御対象から得たデータから制御モデ
ルを構築する従来手法としては、特開平5−296923 号記
載のように、制御対象から得た制御量誤差とこれを解消
するモデルのチューニング量の関係を何ケースか蓄え、
この関係を同定したニューラルネットで制御モデルをチ
ューニングする手法があった。
【０００４】
【発明が解決しようとする課題】上記従来技術には、以
下の問題点があった。
【０００５】特開平6−168222 号記載の手法は、制御対
象からのデータの採取と、これを計算機にどのような形
態で蓄えるかについての考慮はあるが、データを用いて
モデル構築を行う場合に、この作業を効率化する手法
や、構築した制御モデルの精度を向上させる方法につい
ては考慮されていなかった。さらに制御モデルの入出力
データの遅延関係を補償することに配慮していないた
め、制御モデルの入出力を異なった時刻のデータを用い
て構築する必要がある場合には、人手でこれを補償しな
ければならない場合があった。さらに蓄えたデータを制
御モデル構築に支障のない形態で圧縮することに配慮し
ていないため、データの採取を繰り返すと計算機に蓄え
られているデータ量が膨大となる問題があった。
【０００６】また特開平5−296923 号記載の手法では、
制御モデルの高精度化には配慮されているものの、制御
対象から得たデータがどの程度一般性を有しているかを
判断することを考慮していないため、例えばデータがノ
イズを含んでいる場合には、これが原因で構築した制御
モデルの精度が低下する問題があった。さらに構築した
制御モデルの妥当性を評価することに配慮していないた
め、制御モデルが一般性に乏しい場合には、これをその
まま実際の制御に用いることで制御性能が低下する場合
があった。さらに蓄えたデータが制御モデル構築に必要
な入出力領域の各部において、一般性を有した制御モデ
ルを構築するのに十分な量，質を有していることを検証
することに配慮していないため、制御モデルの特定の領
域の入力に対する出力の精度が著しく低下する場合があ
った。
【０００７】本発明の第１の目的は、構築した制御モデ
ルの妥当性を精度良く評価することを可能にした制御モ
デル構築支援装置を提供することにある。
【０００８】本発明の第２の目的は、制御モデルの入出
力を異なった時刻のデータを用いて構築する必要がある
場合には、制御対象から収集したデータに対して制御対
象の動作を基に各入力の遅延補償を行い、制御モデルの
構築にそのまま適用可能なデータベースを構築する制御
モデル構築支援装置を提供することにある。
【０００９】本発明の第３の目的は、制御モデルの動作
領域の各部においてデータの蓄積が不十分な領域があっ
た場合には、これをオペレータに報知することで制御モ
デルの局所的な性能の低下を回避する制御モデル構築支
援装置を提供することにある。
【００１０】第４の目的として、制御対象から得たデー
タが膨大なとき、統計的な性質の喪失を最小化した形で
データベースのサイズを適正化し、適正化したデータベ
ースの内容を用いて制御モデルの構築を行う制御モデル
構築支援装置を提供することにある。
【００１１】第５の目的として、種々の制御モデル構築
支援手段をオペレータが対話形式で選択，実行できる環
境を提供した、使い勝手の良い制御モデル構築支援装置
を提供することにある。
【００１２】
【課題を解決するための手段】上記第１の目的は、制御
対象から収集したデータを該制御対象を模擬する制御モ
デルへの入力データ及び出力データとして分離すると共
に該入力データと該出力データを対応づけて複数のデー
タを第１のデータベースに格納するデータ収集手段と、
前記第１のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離するデータ分
割手段と、該分離された複数のデータ群をそれぞれ格納
する複数のデータベースを有する第２のデータベース
と、前記第１又は前記第２のデータベースに格納された
データに基づいて前記制御対象を模擬する制御モデルを
構築するモデル構築手段と、該モデル構築手段で構築さ
れた前記制御モデルを前記第１又は前記第２のデータベ
ースに格納されたデータに基づいて評価するモデル評価
手段を備えることにより達成することができる。
【００１３】上記第２の目的は、制御対象から収集した
データを該制御対象を模擬する制御モデルへの入力デー
タ及び出力データとして分離し、該分離した前記出力デ
ータが検出された時刻に基づいて、該出力データに対応
づけるべき入力データが収集される時刻を決定すると共
に、該決定された時刻に収集される入力データと該出力
データとを対にして前記第１のデータベースに格納する
データ収集手段と前記第１のデータベースに対にして格
納された前記入力データ及び前記出力データに基づいて
前記制御対象を模擬する制御モデルを構築するモデル構
築手段とを備えることにより達成することができる。
【００１４】上記第３の目的は、制御対象から収集した
複数のデータをデータベースに格納し、該データベース
に格納された複数のデータに基づいて該制御対象を模擬
する制御モデル構築支援装置において、前記制御モデル
の入出力領域を複数の部分領域に分割し、該分割した部
分領域に従って前記データベースに格納された複数のデ
ータを分離すると共に該分離した結果、予め定めたデー
タ数より少ない領域をオペレータに報知するデータ定量
化手段を備えることにより達成することができる。
【００１５】上記第４の目的は、制御対象から収集した
複数のデータをデータベースに格納し、該データベース
に格納された複数のデータに基づいて該制御対象を模擬
する制御モデル構築支援装置において、前記データベー
スに格納されているデータから該データを代表する少数
のデータの組み合わせを決定し、該少数のデータの組み
合わせを前記データベースに格納するデータ圧縮手段を
備えることにより達成することができる。
【００１６】上記第５の目的は、制御対象から収集した
データを該制御対象を模擬する制御モデルへの入力デー
タ及び出力データとして分離し、該分離した前記出力デ
ータが検出された時刻に基づいて、該出力データに対応
づけるべき入力データが収集される時刻を決定すると共
に、該決定された時刻に収集される入力データと該出力
データとを対にして前記第１のデータベースに格納する
データ収集手段と、前記第１のデータベースに格納され
た複数のデータを統計的に隔たりのない複数のデータ群
に分離するデータ分割手段と、該分離された複数のデー
タ群をそれぞれ格納する複数のデータベースを有する第
２のデータベースと、前記第１又は前記第２のデータベ
ースに格納されたデータに基づいて前記制御対象を模擬
する制御モデルを構築するモデル構築手段と、該モデル
構築手段で構築された前記制御モデルを前記第１又は前
記第２のデータベースに格納されたデータに基づいて評
価するモデル評価手段と、前記制御モデルの入出力領域
を複数の部分領域に分割し、該分割した部分領域に従っ
て前記データベースに格納された複数のデータを分離す
ると共に該分離した結果、予め定めたデータ数より少な
い領域をオペレータに報知するデータ定量化手段と、前
記第１又は前記第２のデータベースに格納されているデ
ータから該データを代表する少数のデータの組み合わせ
を決定し、該少数のデータの組み合わせを前記第１又は
第２のデータベースに格納するデータ圧縮手段と、外部
からの入力信号により該収集手段，該データ分割手段，
該モデル構築手段，該モデル評価手段，該データ定量化
手段，該データ圧縮手段を独立して起動及び終了の管理
を行う管理手段とを備えることにより達成することがで
きる。
【００１７】
【発明の実施の形態】以下、本発明の実施例を図にした
がって詳細に説明する。
【００１８】図１に本発明により実現された制御モデル
構築支援装置の構成を示す。まず全体の構成を説明した
後、各部の詳細を説明する。制御モデル構築支援装置１
００は種々のタスクが格納されている演算手段１１０，
演算手段１１０に備えられている種々の演算を選択的に
起動するタスク起動手段１０１，制御モデル構築用のデ
ータや構築された制御モデル等を記憶する記憶手段１２
０，外部と信号の授受を行う通信インタフェース１０２
から構成される。さらに制御モデル構築支援装置１００
はオペレータが入出力を行うマンマシン装置１４０を備
えている。さらにネットワーク１５０を介して制御装置
１３０，Ｉ／Ｏ１６０と接続され、制御装置１３０に対
しては構築した制御モデルをネットワーク１５０を介し
て出力する。またＩ／Ｏ１６０を介して制御対象１７０
の状態を観測し、必要なデータの取り込みを行う。制御
装置１３０はＩ／Ｏ１６０、ネットワーク１５０を介し
て制御対象１７０の状態を検出し、制御モデル構築支援
装置１００で構築された制御モデルを用いて制御対象１
７０を制御するための信号を出力する。制御対象１７０
は制御装置１３０が出力した制御信号をＩ／Ｏ１６０を
介して受け取り、これにしたがって動作する。
【００１９】本実施例では制御対象１７０として熱間圧
延ラインの加熱炉プラントを例に説明する。加熱炉１８
０は圧延に先だって鋼板を高温に加熱するプラントで、
スラブと呼ばれる鋼板１９０が挿入され、バーナ１８１
〜１８４で熱して１１００℃程度に昇温した後、高温の
スラブ１９２として出力する。加熱炉は通常、図に示す
ように４つ程度の炉帯（予熱帯，第１加熱帯，第２加熱
帯，均熱帯）から構成される。またセンサ１７１は炉に
入る前のスラブ温度θ0 を測定し、センサ172〜１７５
は各炉帯の温度ｔ1〜ｔ4をそれぞれ測定する。さらにセ
ンサ１７６は炉から出たときのスラブ温度θout を測定
する。
【００２０】次に制御モデル構築支援装置１００の各部
の動作を詳細に説明する。タスク起動手段１０１は、マ
ンマシン装置１４０からオペレータが入力した情報にし
たがって演算手段１１０に格納されているタスクの起動
・管理を行う。図２にタスク起動手段１０１が実行する
処理を示す。通常はＳ2-1 でオペレータがマンマシン装
置１４０を介して信号を入力したかどうかを検出する処
理を行う。本実施例では割り込みでこの信号を受信する
例を示すが、周期的な検出処理を行ってもよい。割り込
みが発生すると割り込みルーチンに入り、Ｓ2-2 で割り
込みのコマンドを解釈し、演算手段１１０の中で、オペ
レータの指示したタスクを起動する。本実施例において
演算手段１１０は、データ収集手段１１１，データ定量
化手段１１２，データ圧縮手段１１３，データ分割手段
１１４，モデル構築手段１１５，モデル評価手段１１
６，モデル転送手段１１７の各タスクを備えた例を示し
ている。同様に記憶手段１２０は、制御対象１７０から
収集したデータが蓄えられるデータベース１２１，分割
されたデータが蓄えられる第２のデータベース122、こ
れらを用いて構築された制御モデルが蓄えられる制御モ
デル格納部１２３から構成される。
【００２１】図３にデータ収集手段１１１の処理アルゴ
リズムを示す。データ収集手段111はタスク起動手段１
０１からの起動指令にしたがって実行を開始される。ま
ずＳ3-1で通信Ｉ／Ｆ１０２を介して、制御モデルの入
力と出力に対応した信号を制御対象１７０に備えられた
センサの検出値として取り込む。本実施例では図１にし
たがって、θ0 ，ｔ1〜ｔ4，θout を取り込む。以下制
御モデルの入力が、θ0 ，ｔ1〜ｔ4、仕様としてあらか
じめ与えられているスラブ厚Ｂ、制御モデルの出力がθ
out の例を示す。制御モデルとしてはこれらの入出力関
係を再現する必要がある。関係をモデル化する例を示
す。Ｓ3-2 でθout を検出したスラブ１９２に対して、
各炉帯の在炉時間からこのスラブが加熱炉に挿入された
ときの時刻、および各炉帯で加熱を受けた時刻を算出す
る。加熱炉１８０は４つの炉帯から構成されており、予
熱帯〜均熱帯の各在炉時間は鋼板を搬送する速度と各炉
長により求めることができ、これをΔＴ1〜ΔＴ4とす
る。また、θout が検出された時刻をＴout とすると、
スラブが加熱炉に挿入されたときの時刻Ｔinは、
【００２２】
【数１】 Ｔin＝Ｔout−（ΔＴ1＋ΔＴ2＋ΔＴ3＋ΔＴ4） …（数１） で算出できる。またスラブが各炉帯で加熱を受けた時刻
は、予熱帯Ｔpre 、第１加熱帯Ｔh1，第２加熱帯Ｔh2，
均熱帯Ｔunifのそれぞれについて、
【００２３】
【数２】 Ｔpre＝Ｔout−（ΔＴ1／２＋ΔＴ2＋ΔＴ3＋ΔＴ4） …（数２）
【００２４】
【数３】 Ｔh1＝Ｔout−（ΔＴ2／２＋ΔＴ3＋ΔＴ4） …（数３）
【００２５】
【数４】 Ｔh2＝Ｔout−（ΔＴ3／２＋ΔＴ4） …（数４）
【００２６】
【数５】 Ｔunif＝Ｔout−ΔＴ4／２ …（数５） で概算できる。Ｓ3-3では、このようにして算出した時
刻Ｔin，Ｔpre，Ｔh1，Ｔh2，Ｔunifをそれぞれ収集し
たθ0 ，ｔ1〜ｔ4に対応づけて、さらにスラブ厚Ｂを収
集したθout と関係づけて一組の対として制御モデル構
築用データを生成する。そしてＳ3-4 で、構築されたデ
ータの対を第１のデータベース１２１に格納する。
【００２７】図４に第１のデータベース１２１の構成例
を示す。制御モデルの入力であるθ0 ，ｔ1〜ｔ4，Ｂと
制御モデルの出力であるθout の組が多数蓄えられてい
る。
【００２８】データ定量化手段１１２は、第１のデータ
ベース１２１の内容を検索し、統計的な性質やデータの
隔たりを定量化してオペレータに報知する。オペレータ
は報知された結果を基に、第１のデータベース１２１の
内容が良好な制御モデルを構築するのに十分かどうかを
判断する。
【００２９】図５にデータ定量化手段１１２の構成を示
す。タスク起動手段１０１により起動される。処理方法
決定手段５０１，第１〜第ｎの複数の定量化手段５０２
〜５０５から構成される。定量化手段５０２〜５０５は
必要に応じて複数備えられるが、必要ない場合には１つ
であってもよい。処理方法決定手段５０１は、タスク起
動手段１０１を介したユーザからの指示により、第１の
定量化手段５０２〜第ｎの定量化手段５０５のどれを用
いるか選択する。選択された定量化手段の演算結果はマ
ンマシン装置１４０に表示される。
【００３０】図６に定量化手段の処理の一例を示す。図
６では、制御モデルの全領域を領域１〜領域ｎのｎ個の
部分領域に分割し、部分領域毎に第１のデータベース１
２１に蓄えられているデータの個数をカウントしてオペ
レータに報知する例を示す。Ｓ6-1 で第１のデータベー
ス１２１からデータの対を一組抽出する。Ｓ6-2 で抽出
したデータのθout が、１０９０℃より小さいかどうか
判定する。小さい場合にはＳ6-3 で領域１に対応したデ
ータ数に１を加算する。１０９０℃より大きい場合に
は、Ｓ6-4で同様にθoutが１０９０℃より大きく１１０
０℃以下かどうかを判定する。判定結果がＹesの場合に
はＳ6-5 で領域２に対応したデータ数に１を加算する。
このような操作を順次行い、第１のデータベース１２１
の各データの対が各領域に何個属しているか計算する。
Ｓ6-11ですべてのデータの対について行ったことを確認
した後処理を終了する。
【００３１】図７にマンマシン装置１４０で報知された
定量化結果の一例を示す。各領域についてカウントされ
たデータの個数が表示され、著しく個数の少ない領域３
（他の領域との個数の差をとり、その差が予め定めたあ
る一定以上のもの）について、制御モデル高精度化の観
点から「１１００℃＜θout ≦１１１０℃のデータを追
加して下さい。」といった表示を行いデータを追加した
ほうが望ましいことを指示している。オペレータはこの
結果にしたがって、加熱炉１８０から出力されるスラブ
１９２の目標温度Θoutを１１００℃＜Θout≦１１１０
℃に設定してデータの追加を行い制御モデルの高精度化
を図ることができる。定量化手段５０２〜５０５が行う
処理としては、この他にθ0 ，ｔ1〜ｔ4，Ｂ，θout の
各パラメータの分散を定量化し、その大きさで第１のデ
ータベース１２１に蓄えられているデータの隔たり具合
を報知する手法等、種々考えられる。
【００３２】図８にデータ圧縮手段１１３の構成を示
す。データ圧縮手段１１３は第１のデータベース１２１
を情報の喪失を最小化した形で定められたサイズに圧縮
する処理を行う。ここでは一例としてデータ圧縮手段１
１３が、量子化ネットワーク８０１と量子化アルゴリズ
ム８０２からなる場合の実施例を示す。本実施例では、
図１に示したデータベース１２１に蓄えられているデー
タがＭ個のとき、これらを良好に代表するｐ個のデータ
（ｐ＜Ｍ）に圧縮する場合を例に説明する。量子化ネッ
トワーク８０１はＩ1〜Ｉnの入力（本実施例の場合入力
はθ0 ，ｔ1 〜ｔ4 ，Ｂのため、ｎ＝６）を取り込む入
力ニューロン８０５および定数を出力するしきい値ニュ
ーロン８０６からなる入力層８０３と、ｐ個の量子化ニ
ューロン８０７からなる量子化ニューロン層８０４、さ
らに入力層８０３と量子化ニューロン層804 の間で信号
を伝達するシナプス８０８により構成される。入力ニュ
ーロン８０５は入力された信号の値をそのまま出力し、
量子化ニューロン８０７は入力ニューロン８０５の出力
及び結合しているシナプス８０８のシナプス荷重の値Ｗ
ijの積を次式に従い出力する。
【００３３】
【数６】
【００３４】量子化アルゴリズム８０２は、入力を次々
と量子化ネットワーク８０１に入力し、出力が最大であ
った量子化ニューロンが、対応した入力に対してさらに
大きな値を出力する方向に、シナプス荷重の値を更新す
る。
【００３５】図９に量子化アルゴリズム８０２が実行す
るアルゴリズムを示す。まずＳ9-1で、データベース１
２１からデータを抽出し、量子化ネットワーク８０１に
入力する。図４に示したデータを圧縮する場合には、
（３０，６１０，１０２０，…，１１００），（２７，
６１２，９８０，…，１１００）のデータの組みが順次
入力される。次にＳ9-2 で、各量子化ニューロン８０７
について（数６）に基づいた演算を行い、出力値Ｏ1〜
Ｏpを算出する。Ｓ9-3 で、Ｏ1〜Ｏpのうち値が最大の
ものを検出する。かりにＯj が最大であったとすると、
量子化ニューロンｊと入力層８０３のニューロンを結ぶ
シナプスの荷重Ｗ1j〜Ｗn+1・j を更新する。入力ニュー
ロン８０５に対応したシナプス荷重であるＷ1j〜Ｗn・j
に関しては(数７)により、またしきい値ニューロン８０
６に対応したシナプス荷重Ｗn+1・jに関しては（数８）
により、新しい値が計算される。
【００３６】
【数７】 Ｗij＝Ｗij＋α・（Ｉi−Ｗij） …（数７） （ｉ＝１，…，ｎ）
【００３７】
【数８】
【００３８】ただしＷij，Ｗn+1・j はそれぞれ更新後の
入力ニューロン，しきい値ニューロンに対応したシナプ
ス荷重の値、αは定数である。シナプス荷重の更新式
は、ベクトル（Ｗ1j，…，Ｗnj）とベクトル（Ｉ1，
…，Ｉn）の類似度を大きくする処理と対応していれば
よく、このような更新式は（数７）（数８）の他にもい
くつか考えられる。Ｓ9-5 で処理の終了を判定する。終
了はＳ9-1〜Ｓ9-4を一定回数繰り返したことで判定して
もよいが、データベース１２１から抽出したデータの対
に対応したシナプス荷重の更新量が、すべて一定値以下
となったことで判定してもよい。処理が終了していない
場合にはＳ9-1 にかえり、データの組みを次々と抽出
し、同様の処理を繰り返す。以上の処理が終了すると第
１のデータベース１２１に格納されていたＭ個のデータ
の対がｐ個の量子化ニューロンのシナプス荷重で代表で
きたことになる。その後Ｓ9-6 で、ｐ個の量子化ニュー
ロンに対応したシナプス荷重、
【００３９】
【数９】
【００４０】をデータベース１２１にコピーすることに
より、Ｍ個のデータを、これらを代表するｐ個の少数の
データで代表することができ、内容を圧縮できる。この
様な処理により第１のデータベース１２１のサイズを適
性に保つことができる。本実施例でデータ圧縮手段１１
３は、第１のデータベース１２１にあらかじめ蓄えられ
たデータを対象に量子化を行い、その結果を第１のデー
タベース１２１にコピーすることにより内容の更新を行
ったが、時系列に得られる入力を通信Ｉ／F102から直接
取り込んで、量子化結果を第１のデータベース１２１に
出力する方法でも良い。
【００４１】図１０にデータ分割手段１１４の処理を示
す。データ分割手段１１４は、第１のデータベース１２
１の内容を、統計的に隔たりのない複数のデータベース
に分割し、これらを第２のデータベース１２２に格納す
る。本実施例では２つのデータベースに分割する例を示
す。まずＳ10-1で、第１のデータベース１２１に格納さ
れているデータをθout の値の大きさにしたがって並び
換える。次にＳ10-2でデータを並びにしたがって抽出
し、第２のデータベース１２２の分割データベース１と
分割データベース２に交互に振り分ける。すなわち奇数
番目のデータの対は分割データベースに、偶数番目のデ
ータの対は分割データベース２に格納するといった形態
で、データの分割を行う。分割データベース１１１０１
と分割データベース２１１０２から構成される第２の分
割データベース１２２の構成は、例えば図１１の形態と
なっている。Ｓ10-3で第１のデータベース１２１のすべ
てのデータの振り分けが終わったことを確認した後、Ｓ
10-4で２つのデータベースの統計的性質に隔たりがない
ことを明らかにする目的で、θ0 ，ｔ1〜ｔ4，Ｂ，θ
out に関して、統計量を算出し比較する。統計量として
は各パラメータについて平均値，分散，中央値等を求
め、２つのデータベース間でこれらの差が予め定めた範
囲内であることをもって、統計的性質に隔たりがないと
判断する。Ｓ10-5で比較結果を判定し、統計的性質に隔
たりがなければ良好なデータ分割が行われたと判断し、
処理を終了する。隔たりがあった場合には、Ｓ10-6で分
割データベース１１１０１と分割データベース２１１０
２に蓄えられているデータの対、先に求めた統計量を表
示してオペレータの選択により分割データベース１と分
割データベース２間でデータを交換し、Ｓ10-4以降の処
理を繰り返す。
【００４２】図１２にモデル構築手段１１５の処理を示
す。モデル構築手段１１５は、第１のデータベース１２
１，分割データベース１１１０１，分割データベース21
102のいずれかを選択し、蓄えられているデータの対か
ら、θ0 ,ｔ1〜ｔ4,Ｂを入力、θout を出力とする制御
モデルを構築する。制御モデルの形態としては多層ニュ
ーラルネットの利用等種々考えられるが、本実施例で
は、回帰モデルを例に説明する。図１２のＳ12-1で制御
モデルの入力を決定する。入力はθ0 ，ｔ1〜ｔ4，Ｂと
θout の関係を良好に近似できることに配慮して、例え
ばｌｎ（θ0），ｌｎ(ｔ1），ｌｎ(ｔ2），ｌｎ
(ｔ3），（ｔ4)2 ，Ｂのように決定する。次にＳ12-2
でデータベースに格納されているデータを用いて制御モ
デルを(数１０)のように構築する。
【００４３】
【数１０】 θout＝ａ0＋ａ1ｌｎ(ｔ1)＋ａ2ｌｎ(ｔ2)＋ａ3ｌｎ(ｔ3)＋ａ4ｔ4 2＋ａ5Ｂ …（数１０） ここでａ0〜ａ5は、広く知られている線形回帰分析の手
法（例えば『回帰分析と主成分分析』日科技連）により
一意的に決定できる。本実施例では回帰モデルの構築を
例に示したが、θ0 ，ｔ1〜ｔ4，Ｂを入力、θout を出
力とする多層ニューラルネットでモデルを構築する等、
制御モデル構築の手法としては、種々考えられる。
【００４４】次にモデル評価手段１１６の処理を示す。
モデル評価手段１１６は分割データベース１１１０１を
用いて構築した制御モデルの確からしさを分割データベ
ース２１１０２を用いて評価したり、逆に分割データベ
ース２１１０２を用いて構築した制御モデルの確からし
さを第１のデータベース１１０１を用いて評価し、その
結果をオペレータに報知する。まずＳ13-1でモデル構築
手段１１５を用いてモデルを構築する。以上の処理は図
１２と同様である。この結果、例えば(数１０）のよう
な制御モデルが構築できる。Ｓ１３−２でｉを１に設定
する。Ｓ13-3で第２のデータベース１１０２からｉ番目
のデータの対を取り出し、入力の組θ0 〜Ｂを抽出す
る。Ｓ13-4では構築した制御モデル式にこれらを入力
し、出力として得られるθout の推定値θout と、取り
出したデータの対のθoutについて差分ΔＥiを、（数１
１）で計算する。
【００４５】
【数１１】 ΔＥi＝｜θout−θout｜ …（数１１） Ｓ13-3〜Ｓ13-4の処理を、分割データベース２１１０２
に未処理のデータの対がなくなるまで繰り返す。Ｓ13-7
で得られた差分を総計し、（数１２）にしたがってモデ
ル誤差Ｅtotal を算出する。
【００４６】
【数１２】
【００４７】Ｓ13-8で処理の終了を判定し、終了してい
ない場合には再度Ｓ13-1に処理を復帰し、制御モデルの
入力を変えて、Ｓ13-1〜Ｓ13-7を繰り返す。この結果、
種々の入力の組み合わせに対するモデル誤差Ｅtotal が
算出できる。図１４にこれを表示したマンマシン装置１
４０の画面例を示す。図１４に示すように、各モデルに
対応したモデル誤差Ｅtotal が表示され、オペレータは
最もモデル誤差の小さい制御モデルを選択できる。尚、
この場合にはＥtotal が最も小さいものをモデル評価手
段１１６で求め、最もＥtotal が小さいものを制御モデ
ルと自動的に決定するようにしてもよい。
【００４８】モデル転送手段１１７は、タスク起動手段
１０１を介して授受したオペレータからの指令にしたが
って、選択されたモデルを通信Ｉ／Ｆ，ネットワーク１
５０を介して制御装置１３０に転送する。
【００４９】次に本発明の第２の実施例として、図１５
に演算手段１１０の機能としてデータ正規化手段１５０
１を備えた実施例を示す。データ正規化手段１５０１は
図１に示した他の演算手段のタスクと並行して必要に応
じて組み込まれる。制御モデルを多層ニューラルネット
で構成する場合等では、入出力のデータは０〜１等に正
規化して用いることが普通であり、このような場合にタ
スク起動手段１０１を介したオペレータからの指示によ
り、処理が起動される。データ正規化手段1501は、第１
のデータベース１２１に蓄えられている各変数のデータ
をある範囲に正規化し、結果を正規化データベース１５
０２に格納する。正規化データベース１５０２は同様に
モデル構築に用いられ、データ分割手段１１４による複
数のデータベースへの分割等も、同様に行われる。
【００５０】図１６にデータ正規化手段１５０１の処理
アルゴリズムを示す。本実施例では値を０〜１の範囲に
正規化する場合を示す。Ｓ16-1で第１のデータベース１
２１のある変数について、その最大値ＤmaxとＤminを算
出する。次にＳ16-2で、この変数の値を、
【００５１】
【数１３】 Ｄi＝（Ｄi−Ｄmin）／（Ｄmax−Ｄmin） …（数１３） により新たな値に更新する。これによりＤｉは最小値が
０、最大値が１となり、すべてのデータが０〜１の間の
値となる。Ｓ16-3で正規化していない変数があるかどう
かを判定し、ある場合には正規化していない変数がなく
なるまでＳ16-1〜Ｓ16-2処理を繰り返す。
【００５２】本実施例では制御モデル構築支援装置１０
０と制御装置１３０を別構成とし、ネットワーク１５０
を介して結合する構成としたが、一体化してもよい。ま
た演算手段１１０のタスクは必要に応じて取捨選択して
もよいし、さらに他の機能を有したタスクを定義するこ
とも容易である。制御対象１７０として本実施例では加
熱炉プラントを例に説明したが、制御対象の入力と出力
の関係をモデル化して制御に用いる他の用途にも、本願
は広く用いることができる。またデータ圧縮手段の処理
としてベクトル量子化手法を適用した例を示したが、デ
ータベースの各変数の平均や分散等の統計的な性質を監
視しながら、これに影響を与えないようにデータの間引
きを行う等でも同様の効果を実現できる。
【００５３】
【発明の効果】本発明によれば、データ収集手段を設け
たことにより、制御モデルの入出力を異なった時刻のデ
ータを用いて構築する必要があった場合でも、この操作
を人手で行う必要はない。またデータ定量化手段を設け
たことにより、良好な制御モデルを構築するために、ど
の領域のデータを新たに制御対象から採取すればよいか
を直ちに知ることができる。さらにデータ分割手段とモ
デル評価手段を設けたことにより、構築した制御モデル
の妥当性を実際の制御に用いる前に容易に検証できる。
またデータ圧縮手段を設けたことにより、データベース
に格納されているデータが時間の経過とともに膨大とな
っても、サイズを適正な規模に保つことができる。さら
にタスク起動手段を設けたことにより、オペレータは制
御モデル構築のために備えられた種々の支援手段を効率
的に選択して用いることができる。また制御モデルの優
劣を比較した実施例では、形の異なる回帰式の間でどち
らが妥当かを明らかにする例を示したが、中間層数や中
間層ニューロン数の異なる多層ニューラルネットの優劣
の比較，回帰モデルとニューラルネットの優劣の比較，
時系列モデルで現在からどこまで遡った入力を予測に用
いるべきか等の評価も、同様の形態で実現できる。
【図面の簡単な説明】
【図１】本発明において実現された制御モデル構築支援
装置。
【図２】タスク起動手段の処理アルゴリズム。
【図３】データ収集手段の処理アルゴリズム。
【図４】データベースの構成図。
【図５】データ定量化手段の処理構成図。
【図６】データ定量化手段の処理アルゴリズム。
【図７】マンマシン装置の表示例。
【図８】データ圧縮手段の処理構成図。
【図９】量子化アルゴリズムの処理図。
【図１０】データ分割手段の処理アルゴリズム。
【図１１】分割データベースの構成図。
【図１２】モデル構築手段の処理アルゴリズム。
【図１３】モデル評価手段の処理アルゴリズム。
【図１４】マンマシン装置の表示例。
【図１５】データ正規化手段を設けた制御モデル構築支
援装置の構成図。
【図１６】データ正規化手段の処理アルゴリズム。
【符号の説明】
１００…制御モデル構築支援装置、１０１…タスク起動
手段、１１１…データ収集手段、１１２…データ定量化
手段、１１３…データ圧縮手段、１１４…データ分割手
段、１１５…モデル構築手段、１１６…モデル評価手
段、１１７…モデル転送手段、１２１…第１のデータベ
ース、１２２…第２のデータベース、130…制御装置、
１４０…マンマシン装置、１７０…制御対象。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 吉田 正人 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 杉田 洋一 茨城県日立市大みか町七丁目２番１号 株 式会社日立製作所電力・電機開発本部内 (72)発明者 諸岡 泰男 茨城県日立市大みか町七丁目２番１号 株 式会社日立製作所電力・電機開発本部内

Claims (11)

    【特許請求の範囲】
  1. 【請求項１】制御対象から収集したデータを該制御対象
    を模擬する制御モデルへの入力データ及び出力データと
    して分離すると共に該入力データと該出力データを対応
    づけて複数のデータを第１のデータベースに格納するデ
    ータ収集手段と、 前記第１のデータベースに格納された複数のデータを統
    計的に隔たりのない複数のデータ群に分離するデータ分
    割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
    データベースを有する第２のデータベースと、 前記第１又は前記第２のデータベースに格納されたデー
    タに基づいて前記制御対象を模擬する制御モデルを構築
    するモデル構築手段と、 該モデル構築手段で構築された前記制御モデルを前記第
    １又は前記第２のデータベースに格納されたデータに基
    づいて評価するモデル評価手段を備えたことを特徴とす
    る制御モデル構築支援装置。
  2. 【請求項２】前記モデル構築手段は前記第２のデータベ
    ースが有する該複数のデータベースのうち一のデータベ
    ースに格納された複数のデータに基づいて前記制御対象
    を模擬する制御モデルを構築し、 前記モデル評価手段は該第２のデータベースが有する複
    数のデータベースのうち前記モデル構築手段で利用され
    ていない他のデータベースに格納されているデータに基
    づいて前記制御モデルの評価を行うことを特徴とした請
    求項第１項のモデル構築支援装置。
  3. 【請求項３】前記モデル構築手段は前記第２のデータベ
    ースが有する該複数のデータベースに格納された複数の
    データに基づいて前記制御対象を模擬する複数の制御モ
    デルを構築し、 前記モデル評価手段は該第２のデータベースが有する複
    数のデータベースのうち前記モデル構築手段で利用され
    ていない他のデータベースに格納されているデータに基
    づいて前記制御モデルの評価を行い、前記構築された複
    数の制御モデルから１つの制御モデルを決定することを
    特徴とした請求項第１項のモデル構築支援装置。
  4. 【請求項４】前記データ収集手段は前記分離した前記出
    力データが検出された時刻に基づいて、該出力データに
    対応づけるべき入力データが収集される時刻を決定する
    と共に、該決定された時刻に収集される入力データと該
    出力データとを対にして前記第１のデータベースに格納
    することを特徴とする請求項第１項の制御モデル構築支
    援装置。
  5. 【請求項５】制御対象から収集したデータを該制御対象
    を模擬する制御モデルへの入力データ及び出力データと
    して分離し、該分離した前記出力データが検出された時
    刻に基づいて、該出力データに対応づけるべき入力デー
    タが収集される時刻を決定すると共に、該決定された時
    刻に収集される入力データと該出力データとを対にして
    前記第１のデータベースに格納するデータ収集手段と、 前記第１のデータベースに対にして格納された前記入力
    データ及び前記出力データに基づいて前記制御対象を模
    擬する制御モデルを構築するモデル構築手段とを備えた
    ことを特徴とする制御モデル構築支援装置。
  6. 【請求項６】制御対象から収集したデータを該制御対象
    を模擬する制御モデルへの入力データ及び出力データと
    して分離すると共に該入力データと該出力データを対応
    づけて複数のデータを第１のデータベースに格納するデ
    ータ収集手段と、 前記第１のデータベースに格納された複数のデータを統
    計的に隔たりのない複数のデータ群に分離するデータ分
    割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
    データベースを有する第２のデータベースと、 前記第１又は前記第２のデータベースに格納されたデー
    タに基づいて前記制御対象を模擬する制御モデルを構築
    するモデル構築手段とを備えたことを特徴とする制御モ
    デル構築支援装置。
  7. 【請求項７】前記データ分割手段は、前記分離された複
    数のデータ群のそれぞれについて平均値，分散値，中央
    値，標準偏差等の統計量を算出し、該算出した値の差が
    あらかじめ設定した値以上の場合に、前記第２のデータ
    ベースが有する複数のデータベース間で該データベース
    に格納された一部のデータを交換することを特徴とする
    請求項第６項の制御モデル構築支援装置。
  8. 【請求項８】制御対象から収集した複数のデータをデー
    タベースに格納し、該データベースに格納された複数の
    データに基づいて該制御対象を模擬する制御モデル構築
    支援装置において、 前記制御モデルの入出力領域を複数の部分領域に分割
    し、該分割した部分領域に従って前記データベースに格
    納された複数のデータを分離すると共に該分離した結
    果、予め定めたデータ数より少ない領域をオペレータに
    報知するデータ定量化手段を備えたことを特徴とする制
    御モデル構築支援装置。
  9. 【請求項９】制御対象から収集した複数のデータをデー
    タベースに格納し、該データベースに格納された複数の
    データに基づいて該制御対象を模擬する制御モデル構築
    支援装置において、 前記データベースに格納されているデータから該データ
    を代表する少数のデータの組み合わせを決定し、該少数
    のデータの組み合わせを前記データベースに格納するデ
    ータ圧縮手段を備えたことを特徴とする制御モデル構築
    支援装置。
  10. 【請求項１０】制御対象から収集したデータを該制御対
    象を模擬する制御モデルへの入力データ及び出力データ
    として分離し、該分離した前記出力データが検出された
    時刻に基づいて、該出力データに対応づけるべき入力デ
    ータが収集される時刻を決定すると共に、該決定された
    時刻に収集される入力データと該出力データとを対にし
    て前記第１のデータベースに格納するデータ収集手段
    と、 前記第１のデータベースに格納された複数のデータを統
    計的に隔たりのない複数のデータ群に分離するデータ分
    割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
    データベースを有する第２のデータベースと、 前記第１又は前記第２のデータベースに格納されたデー
    タに基づいて前記制御対象を模擬する制御モデルを構築
    するモデル構築手段と、 該モデル構築手段で構築された前記制御モデルを前記第
    １又は前記第２のデータベースに格納されたデータに基
    づいて評価するモデル評価手段と、 前記制御モデルの入出力領域を複数の部分領域に分割
    し、該分割した部分領域に従って前記データベースに格
    納された複数のデータを分離すると共に該分離した結
    果、予め定めたデータ数より少ない領域をオペレータに
    報知するデータ定量化手段と、 前記第１又は前記第２のデータベースに格納されている
    データから該データを代表する少数のデータの組み合わ
    せを決定し、該少数のデータの組み合わせを前記第１又
    は第２のデータベースに格納するデータ圧縮手段と、 外部からの入力信号により該収集手段，該データ分割手
    段，該モデル構築手段，該モデル評価手段，該データ定
    量化手段，該データ圧縮手段を独立して起動及び終了の
    管理を行う管理手段とを備えたことを特徴とする制御モ
    デル構築支援装置。
  11. 【請求項１１】制御対象から収集したデータを該制御対
    象を模擬する制御モデルへの入力データ及び出力データ
    として分離すると共に該入力データと該出力データを対
    応づけて複数のデータを第１のデータベースに格納し、 前記第１のデータベースに格納された複数のデータを統
    計的に隔たりのない複数のデータ群に分離すると共に該
    分離された複数のデータ群を複数のデータベースを有す
    る第２のデータベースにそれぞれ格納し、 前記第１又は前記第２のデータベースに格納されたデー
    タに基づいて前記制御対象を模擬する制御モデルを構築
    し、 該モデル構築手段で構築された前記制御モデルを前記第
    １又は前記第２のデータベースに格納されたデータに基
    づいて評価することを特徴とする制御モデル構築支援方
    法。
JP5577196A 1996-03-13 1996-03-13 制御モデル構築支援装置 Expired - Fee Related JP3412384B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP5577196A JP3412384B2 (ja) 1996-03-13 1996-03-13 制御モデル構築支援装置
TW086102151A TW327682B (en) 1996-03-13 1997-02-22 A control model modeling support system and modeling method thereof
US08/811,095 US6049738A (en) 1996-03-13 1997-03-03 Control model modeling support system and a method therefor
KR1019970007731A KR100331605B1 (ko) 1996-03-13 1997-03-07 제어모델구축지원장치및방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP5577196A JP3412384B2 (ja) 1996-03-13 1996-03-13 制御モデル構築支援装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2002256279A Division JP3755497B2 (ja) 2002-09-02 2002-09-02 制御モデル構築支援装置および方法

Publications (2)

Publication Number Publication Date
JPH09244705A true JPH09244705A (ja) 1997-09-19
JP3412384B2 JP3412384B2 (ja) 2003-06-03

Family

ID=13008144

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5577196A Expired - Fee Related JP3412384B2 (ja) 1996-03-13 1996-03-13 制御モデル構築支援装置

Country Status (4)

Country Link
US (1) US6049738A (ja)
JP (1) JP3412384B2 (ja)
KR (1) KR100331605B1 (ja)
TW (1) TW327682B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019020800A (ja) * 2017-07-12 2019-02-07 アズビル株式会社 支援装置および支援方法
JP2019164839A (ja) * 2016-02-17 2019-09-26 ソニー株式会社 情報処理方法および情報処理装置
US11151158B2 (en) 2017-05-31 2021-10-19 Mitsubishi Electric Corporation Data duplication device and computer readable medium

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100451676B1 (ko) * 1996-06-21 2004-11-16 지멘스 악티엔게젤샤프트 1차산업에서산업용플랜트를운전하기위한방법및시스템
JP3211878B2 (ja) * 1998-03-06 2001-09-25 日本電気株式会社 通信処理制御手段及びそれを備えた情報処理装置
US6957172B2 (en) * 2000-03-09 2005-10-18 Smartsignal Corporation Complex signal decomposition and modeling
US6558153B2 (en) 2000-03-31 2003-05-06 Aqua-Chem, Inc. Low pollution emission burner
US6577908B1 (en) * 2000-06-20 2003-06-10 Fisher Rosemount Systems, Inc Adaptive feedback/feedforward PID controller
US8280533B2 (en) * 2000-06-20 2012-10-02 Fisher-Rosemount Systems, Inc. Continuously scheduled model parameter based adaptive controller
US7113834B2 (en) * 2000-06-20 2006-09-26 Fisher-Rosemount Systems, Inc. State based adaptive feedback feedforward PID controller
US7233886B2 (en) * 2001-01-19 2007-06-19 Smartsignal Corporation Adaptive modeling of changed states in predictive condition monitoring
US20040030667A1 (en) * 2002-08-02 2004-02-12 Capital One Financial Corporation Automated systems and methods for generating statistical models
DE10341764B4 (de) 2002-09-11 2019-01-10 Fisher-Rosemount Systems, Inc. Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems
US7376472B2 (en) 2002-09-11 2008-05-20 Fisher-Rosemount Systems, Inc. Integrated model predictive control and optimization within a process control system
JP4391789B2 (ja) * 2003-10-03 2009-12-24 本田技研工業株式会社 モデルパラメータを部分的に同定する同定器を備えた、プラントを制御する制御装置
DE102004058238B4 (de) * 2003-12-03 2016-02-04 Fisher-Rosemount Systems, Inc. Adaptive, multivariable Prozesssteuerung, die Modellschaltung und Attribut-Interpolation nutzt
US20060229921A1 (en) * 2005-04-08 2006-10-12 Mr. Patrick Colbeck Business Control System
US7451004B2 (en) * 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
US7444191B2 (en) 2005-10-04 2008-10-28 Fisher-Rosemount Systems, Inc. Process model identification in a process control system
US7738975B2 (en) * 2005-10-04 2010-06-15 Fisher-Rosemount Systems, Inc. Analytical server integrated in a process control network
US8036760B2 (en) 2005-10-04 2011-10-11 Fisher-Rosemount Systems, Inc. Method and apparatus for intelligent control and monitoring in a process control system
US8509926B2 (en) 2005-12-05 2013-08-13 Fisher-Rosemount Systems, Inc. Self-diagnostic process control loop for a process plant
JP4639166B2 (ja) * 2006-05-18 2011-02-23 本田技研工業株式会社 制御装置
US8275577B2 (en) 2006-09-19 2012-09-25 Smartsignal Corporation Kernel-based method for detecting boiler tube leaks
US8311774B2 (en) 2006-12-15 2012-11-13 Smartsignal Corporation Robust distance measures for on-line monitoring
JP5192476B2 (ja) * 2009-10-22 2013-05-08 株式会社日立製作所 作業支援システム、作業支援方法、および作業支援プログラム
JP5751045B2 (ja) * 2010-08-31 2015-07-22 富士電機株式会社 プラントの運転条件最適化システム、プラントの運転条件最適化方法、プラントの運転条件最適化プログラム
US8935039B2 (en) 2010-12-13 2015-01-13 Korea Railroad Research Institute Method for reducing detection data of a monitoring device in a vehicle, and method for monitoring a vehicle defect in near real time using same
US10679140B2 (en) * 2014-10-06 2020-06-09 Seagate Technology Llc Dynamically modifying a boundary of a deep learning network
DE102016207740A1 (de) * 2016-05-04 2017-11-09 Siemens Aktiengesellschaft Verfahren zum Bestimmen eines Modells
US11560908B2 (en) 2019-05-13 2023-01-24 Caterpillar Inc. Control mapping for hydraulic machines
TWI708128B (zh) * 2019-09-04 2020-10-21 中國鋼鐵股份有限公司 製程參數的調控方法與電子裝置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03100704A (ja) * 1989-09-13 1991-04-25 Yokogawa Electric Corp プロセス制御装置
JPH0414105A (ja) * 1990-05-08 1992-01-20 Toshiba Corp プロセス制御装置
JPH05296923A (ja) * 1992-04-18 1993-11-12 Horiba Ltd 分光分析における多成分分析方法
JPH06168222A (ja) * 1992-11-30 1994-06-14 Toshiba Corp プラントのシミュレーション装置
JPH06214611A (ja) * 1993-01-19 1994-08-05 Asahi Chem Ind Co Ltd プロセス制御システムおよびその運転条件作成方法
JPH06281302A (ja) * 1993-03-26 1994-10-07 Yamatake Honeywell Co Ltd 冷凍機の稼働エネルギー量推定装置
JPH08137508A (ja) * 1994-09-14 1996-05-31 Toshiba Corp モデリング装置および制御装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5282261A (en) * 1990-08-03 1994-01-25 E. I. Du Pont De Nemours And Co., Inc. Neural network process measurement and control

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03100704A (ja) * 1989-09-13 1991-04-25 Yokogawa Electric Corp プロセス制御装置
JPH0414105A (ja) * 1990-05-08 1992-01-20 Toshiba Corp プロセス制御装置
JPH05296923A (ja) * 1992-04-18 1993-11-12 Horiba Ltd 分光分析における多成分分析方法
JPH06168222A (ja) * 1992-11-30 1994-06-14 Toshiba Corp プラントのシミュレーション装置
JPH06214611A (ja) * 1993-01-19 1994-08-05 Asahi Chem Ind Co Ltd プロセス制御システムおよびその運転条件作成方法
JPH06281302A (ja) * 1993-03-26 1994-10-07 Yamatake Honeywell Co Ltd 冷凍機の稼働エネルギー量推定装置
JPH08137508A (ja) * 1994-09-14 1996-05-31 Toshiba Corp モデリング装置および制御装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019164839A (ja) * 2016-02-17 2019-09-26 ソニー株式会社 情報処理方法および情報処理装置
US11151158B2 (en) 2017-05-31 2021-10-19 Mitsubishi Electric Corporation Data duplication device and computer readable medium
JP2019020800A (ja) * 2017-07-12 2019-02-07 アズビル株式会社 支援装置および支援方法

Also Published As

Publication number Publication date
JP3412384B2 (ja) 2003-06-03
KR970066949A (ko) 1997-10-13
KR100331605B1 (ko) 2002-09-26
TW327682B (en) 1998-03-01
US6049738A (en) 2000-04-11

Similar Documents

Publication Publication Date Title
JPH09244705A (ja) 制御モデル構築支援装置および方法
Gai et al. A joint feedback strategy for consensus in large-scale group decision making under social network
CN110866528B (zh) 一种模型训练方法、能耗使用效率预测方法、装置和介质
JP3637412B2 (ja) 時系列データ学習・予測装置
WO2006100646A2 (en) Method for controlling a product production process
Ren et al. Optimistic Stackelberg solutions to bilevel linear programming with fuzzy random variable coefficients
CN112839746B (zh) 折叠产生预测系统
JP3377163B2 (ja) 自律的制御システム
JP3755497B2 (ja) 制御モデル構築支援装置および方法
Borkar et al. Modality of teaching learning based optimization algorithm to reduce the consistency ratio of the pair-wise comparison matrix in analytical hierarchy processing
JP2006099793A (ja) 制御モデル構築支援装置および方法
CN115470595A (zh) 一种数据与机理融合的热轧带钢凸度预测方法
CN114331188A (zh) 一种基于大数据的项目价值评估参考方法及系统
CN114269006A (zh) 一种基于信息增益率的室内ap聚类选取方法和设备
JP6992733B2 (ja) 情報処理装置、および情報処理方法
CN110110906B (zh) 一种基于Efron近似优化的生存风险建模方法
JPH03265064A (ja) シミュレーション方法及びその装置並びに生産管理支援装置及びｃａｄ装置
WO1994028492A1 (fr) Systeme de commande reparti et procede de configuration du systeme
KR102433867B1 (ko) 가상적산을 이용한 철골 구조물 물량 산정 방법
CN115062431B (zh) 一种基于CS-Elman神经网络模型的热轧板凸度预测方法
JP3423416B2 (ja) レンズ等の設計支援装置及び方法
JP3229773B2 (ja) 商品販売量等の予測装置
CN117519042B (zh) 基于ai技术的水泥生产智能控制方法、系统及存储介质
WO1993013486A1 (en) Method and apparatus for estimating unknown numeric quantity
JPH10198402A (ja) 学習パラメータ初期値の同定方法及び装置

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090328

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090328

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100328

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110328

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110328

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees