JPH09244708A - 制御アルゴリズム自動獲得装置 - Google Patents

Abstract

(57)【要約】 【課題】本発明の課題は、基本的なルールを与えれば自
動的に学習することによって正しい制御を行うルールを
獲得し得る制御アルゴリズム自動獲得装置を提供するこ
とにある。 【解決手段】本発明は、制御プロセスの動特性を監視
し、制御対象に影響を与える操作部と操作部の操作方向
を見つけ出す論理性チエックをすると共に、制御量と設
定量の差である制御偏差と制御偏差変化と加速度とか
ら、既に出力された増減操作量が所定の増減操作量にな
るような修正倍率を推定し、この修正倍率を既に出力さ
れた増減操作量に掛けて修正を加え、そのときの制御偏
差と制御偏差変化と、修正された増減操作量を逐次学習
データとして、制御本体に学習を加える妥当性チエック
をすることを特徴とするものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は制御量と設定量の差
である制御偏差とその変化が理想的であるかどうかを判
断し、それに影響を与えた増減操作量に対して修正を加
え、それらの理想化された学習データにより制御本体を
逐次学習させて進化させる制御アルゴリズム自動獲得装
置に関するものである。

【０００２】

【従来の技術】ファジィ恒温恒湿制御の例を基に説明す
る。より快適な生活環境や作業環境を生み出すために、
今や空調制御は無くてはならないシステムとなった。近
年の半導体を中心とする産業の発展にも、高度な環境整
備の必要性から、空調システムは大きな関わりを持って
いる。その代表的な例として、クリーンルームやバイオ
ハザード対策等が挙げられる。半導体生産ラインにおい
ては製品の品質を保つために適度な乾燥が必要となり、
年間を通じて常に一定の温度と湿度を得るために恒温恒
湿制御を用いている。これは従来、Ｖ型温湿度制御法と
露点温度制御法の２種類に大別されていた。

【０００３】従来のＶ型温湿度制御法は経済的で、湿度
の変動が比較的少ない制御を望むケースに採用されるこ
とが多い。Ｖ型温湿度制御装置は、入力の数に合わせた
二つの閉ループを構成するため、室内温度調節計および
室内湿度調節計の二つの調整計を持っており、室内温湿
度からＰＩＤ制御動作によって、操作量を決定する。こ
の制御法では二入力（温度、湿度）三出力（冷水弁（バ
ルブ）、温水弁、加湿弁）の変則的な制御系を一入力一
出力に分割することによって制御し易くしており、それ
により一つの弁は必ず閉じているため経済的であるが、
冷却および除湿の要求が重複するケースでは外乱に対す
る応答性が悪くなる可能性がある。

【０００４】また露点温度制御は、恒温恒湿装置におい
て、より正確に相対湿度を制御するため、一旦所定の室
内温湿度に対応する露点温度になるよう制御し、室内顕
熱負荷の不足分は再加熱で、潜熱負荷の不足分は再加湿
で調節する制御法である。この制御法では二入力三出力
の変則的な制御系を一入力一出力の三つの制御系に分割
することによって制御し易くしている。しかし外気が室
内環境に近い中間期（春や秋）では、再加熱や再加湿が
生じ、経済性を著しく損なうことがある。

【０００５】次に、従来のファジィ制御について説明す
る。特開平２−１８３３０２号公報に記載されているフ
ァジィ制御方法は、プロセスの動特性の同定には、種々
の方法が提案されており、これらの手法でその動特性は
推定可能であることを前提とする。

【０００６】プロセス特性推定手段は、プロセス特性
（Ｌ，Ｔ，Ｇ）の推定手段であり、この同定結果に基づ
いて、制御サンプリング周期およびゲイン変更機能を駆
動する。むだ時間ＬとリードタイムＴとプロセスゲイン
Ｇから制御サンプリング周期およびゲインを推定するフ
ァジィルールを構築し、ファジィ推論によって、制御サ
ンプリング周期およびゲインを推定することを特徴とす
る。

【０００７】制御サンプリング周期を推定することによ
って、制御のインターバル時間を調整する。また、ゲイ
ンを推定することによって、ファジィコントローラのゲ
インを調整する。

【０００８】特開平５−２６５５１２号公報に記載され
ている学習型制御装置およびファジィ推論装置は、ファ
ジィ制御モデルとファジィ対象モデルとで構成する。フ
ァジィ対象モデルは、制御対象と並列配置され、ファジ
ィ制御モデルからの出力値を入力し、制御対象からの出
力値に一致するような学習を行う学習型ファジィモデル
である。また、ファジィ制御モデルは、ファジィ対象モ
デルからの出力値と望ましい出力値の誤差の変化量を求
め、この変化量に基づいて、その誤差を小さくするよう
にファジィ制御モデルのパラメータを変化させるもので
ある。

【０００９】

【発明が解決しようとする課題】ファジィ制御の従来か
らの問題点として、「専門家が元々いないケースなどで
は導入が困難になる。」ことがあげられる。この問題点
では、ファジィ制御の利点が問題点に反転することもあ
るということを示している。つまり、専門家や熟練者の
スキルを容易に反映できるという利点を持つファジィ制
御は、専門家が元々存在しないような、抽出されるべき
スキルが無い場合には適用が難しくなってしまうのであ
る。

【００１０】専門家が元々存在しないような場合でも、
定性的（基本的）な幾つかのルールは得られる。しかし
当然のことながら、それだけではルールが完全ではない
ため、正確に制御することはできない。

【００１１】本発明は上記の事情に鑑みてなされたもの
で、基本的なルールを与えれば自動的に学習することに
よって正しい制御を行うルールを獲得し得る制御アルゴ
リズム自動獲得装置を提供することを目的とする。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に本発明の制御アルゴリズム自動獲得装置は、制御プロ
セスの動特性を監視し、制御対象に影響を与える操作部
と操作部の操作方向を見つけ出す論理性チエック手段
と、制御量と設定量の差である制御偏差と制御偏差変化
と加速度とから、既に出力された増減操作量が所定の増
減操作量になるような修正倍率を推定し、この修正倍率
を既に出力された増減操作量に掛けて修正を加え、その
ときの制御偏差と制御偏差変化と、修正された増減操作
量を逐次学習データとして、制御本体に学習を加える妥
当性チエック手段とを具備することを特徴とするもので
ある。

【００１３】

【発明の実施の形態】以下図面を参照して本発明の実施
の形態例を詳細に説明する。図１は本発明に係る空調設
備の概要を示す構成説明図である。即ち、空調機１に
は、冷却コイル２、加熱コイル３および蒸気スプレ（蒸
気噴霧式加湿器）４を組み込んだ。なお、空調機１は、
空調設備における熱源設備や熱媒輸送設備を除いた熱交
換設備を担当する部分の総称である。空調機１からは、
内部組込みファン（ＦＡＮ）５によって、制御対象室６
からの還気と新鮮空気を混合した循環空気が送り出され
る。途中、循環空気は、清浄度を調整されながら、二つ
のコイル２，３および蒸気スプレ４を通過する。それぞ
れの役割は、冷却コイル２および加熱コイル３は冷却
（除湿）および加熱による温湿度調整であり、蒸気スプ
レ４は蒸気を噴霧することによる湿度調整である。図１
において、Ｔは温度センサの室内温度検出端、Ｈは湿度
センサの室内湿度検出端、７はファジィ恒温恒湿制御器
を示す。なお、Ｄ／ＡはＣＰＵ内蔵のディジタル値から
アナログ量への変換器、Ａ／ＤはＣＰＵ内蔵のアナログ
量からディジタル値への変換器、ＦｕｚｚｙＩｎｆｅｒ
ｅｎｃｅ Ｂｏａｒｄはファジィ推論ボード（ＰＢ８５
１０９）を表している。

【００１４】次に、空調機１内部の温湿度制御プロセス
について、図２に示すような湿り空気線図の概略図を用
いて説明する。すなわち、空調機１の内部では、空気が
通過する過程で、図２のような、温湿度に関する様々な
制御プロセスの働きによって、空気調和が図られてい
る。それらの制御プロセスは、冷却（除湿）制御プロセ
ス、加熱制御プロセスおよび加湿制御プロセスの三つで
ある。おのおのの制御プロセスは、物理変化規則に基づ
くものである。コイル２，３相互の配置や蒸気スプレ４
およびコイル２，３の配置を替えた場合、期待した制御
プロセスが有効に働かない。

【００１５】次に、冷却（除湿）制御プロセスについて
説明する。すなわち、冷却コイル２は、一次冷媒やブラ
イン等の二次冷媒を管内に流動させ、管外の空気や水等
の被冷却物を冷却する目的で、管をコイル状に加工した
ものである。循環空気が冷却コイル２を通過する際、そ
の温度がコイル２の表面温度より高ければ、冷却され
る。しかし、水分を含んだ空気が除湿されるかどうか
は、空気を露点温度以下まで冷却する必要があるかない
かで決まる。すなわち、その必要がないケースでは、コ
イル２の表面で水分が凝結せず、空気中の水分量は変化
しない。一方、その必要があるケースでは、空気が露点
温度以下に冷却され、コイル２の表面に水分が結露し除
湿されるため、空気中の水分量が減少する。

【００１６】次に、加熱制御プロセスについて説明す
る。すなわち、加熱コイル３は、温水等の熱媒体を管内
に流動させ、管外の空気や水等の被加熱物を加熱する目
的で、管をコイル状に加工したものである。循環空気
は、加熱コイル３を通過する際、乾球温度だけが上昇す
る。加熱コイル３では、温水の入口温度、温水流量およ
び空気流量が一定であれば、加熱面での温水および空気
の熱交換量は一定である。実際の空調では、このような
一定量の熱交換プロセスが常に存在するわけではなく、
室内負荷の変動に応じ、加熱能力を変化させ、室内への
熱供給量を加減することで、室内温度が一定に保たれ
る。

【００１７】次に、加湿制御プロセスについて説明す
る。すなわち、蒸気スプレ４は、ボイラ等で発生する蒸
気をノズル、または小さな穴から噴出させ、加湿する方
式の加湿器である。加湿制御プロセスは、室内湿度を上
昇させる。

【００１８】次に、経済的な温湿度制御プロセスについ
て説明する。すなわち、空調制御で取り扱う循環空気
は、空気および水蒸気からなる単なる混合気体である。
この混合気体の状態の表現には、湿り空気線図が一般に
用いられる。湿り空気線図によれば、空調設備における
温湿度条件は、いかなる空気の状態でも、二つの制御プ
ロセスの組み合わせによって、作り出せることが解る。
すなわち、三つの制御プロセスが同時に動作している状
態は、お互いに能力を打ち消すように働いており、不経
済である。

【００１９】次に、夏季の一般的な動作について説明す
る。すなわち、わが国の夏季における気象条件は高温多
湿であるため、夏季に行われる空気調和、すなわち夏季
空気調和では、空気の冷却および減湿に重点がおかれ
る。制御対象室６の室内負荷や外気（新鮮空気）の状態
によるものの、夏季においては、冷却コイル２は空気中
の湿分を除去する装置、すなわち減湿器の働きを行い、
加熱コイル３は再熱の目的のための空気加熱器、すなわ
ち再熱器の働きを行うのが一般的な動作である。なお、
日本人の夏季快感帯（夏季空気調和における快感帯）
は、室温２６°Ｃおよび相対湿度５０％が基準になって
いる。

【００２０】次に、冬季の一般的な動作について説明す
る。すなわち、冬季快感帯は、室温２０°Ｃ、相対湿度
５０％とされる。室内負荷の状態によるものの、わが国
の冬季の外気は乾燥しているため、冬季に行われる空
調、すなわち冬季空調では、加熱コイル３による空気の
加熱、蒸気スプレ４による空気の加湿に重点がおかれ
る。

【００２１】次に、ファジィ恒温恒湿適応制御装置のオ
ペレータの操作について説明する。すなわち、図３は、
ファジィ恒温恒湿適応制御装置の運転に関するオペレー
タの思考パターンおよび行動パターンの分析結果を示し
ている。オペレータの意思決定には、二つの局面が考え
られる。一つ目は、温度や湿度をどうすべきかの判断で
ある。二つ目は、温湿度の要求を基に、各弁の開度を確
認し、各弁の操作量を決定する。

【００２２】次に、ファジィ推論の形態について説明す
る。すなわち、図４は、オペレータの意思決定に基づく
ファジィ推論の形態を示している。ファジィ推論機構
は、２段階５ブロックで構成した。第１段階は、制御量
である室内温湿度を目標値に一致させるための温度要求
量および湿度要求量を推論する。また、第２段階は、第
１段階で得られた要求量に基づき、三つの弁（冷水、温
水、加湿）の開度から、三つの弁の増減操作量を推論す
る。ただし、実際の操作は、一つか二つの弁に限られ
る。各ファジィ推論ブロックは、温度要求量ファジィ中
間推論、湿度要求量ファジィ中間推論、冷水弁操作量フ
ァジィ最終推論、温水弁操作量ファジィ最終推論および
加湿弁操作量ファジィ最終推論の五つで構成される。

【００２３】ファジィ中間推論では、制御量である温湿
度を目標値に一致させるため、制御偏差、制御偏差の変
化を捕らえ、制御量を上昇させるのか、下降させるの
か、何もしないのかの要求量を求める。また、ファジィ
最終推論は、以下のような、オペレータの基本的な制御
動作からなる。 ［ルール１］もし、温度を上昇させたいならば、冷水弁
を閉める方法か、または温水弁を開ける方法がある。た
だし、温水弁を開ける方法よりも、冷水弁を閉める方法
の方が経済的である。しかし、冷水弁が既に全閉である
か、もしくは冷却コイルが減湿器の働きを行っていれ
ば、温水弁を開ける方法を選ばざるを得ない。 ［ルール２］もし、温度を下降させたいならば、冷水弁
を開ける方法か、または温水弁を閉める方法がある。た
だし、冷水弁を開ける方法よりも、温水弁を閉める方法
の方が経済的である。しかし、温水弁が既に全閉であれ
ば、冷水弁を開ける方法を選ばざるを得ない。 ［ルール３］もし、湿度を上昇させたいならば、冷水弁
を閉める方法か、または加湿弁を開ける方法がある。た
だし、加湿弁を開ける方法よりも、冷水弁を閉める方法
の方が経済的である。しかし、冷水弁が既に全閉である
か、もしくは冷却コイルが冷却器の働きを行っていれ
ば、加湿弁を開ける方法を選ばざるを得ない。 ［ルール４］もし、湿度を下降させたいならば、冷水弁
を開ける方法か、または加湿弁を閉める方法がある。た
だし、冷水弁を開ける方法よりも、加湿弁を閉める方法
の方が経済的である。しかし、加湿弁が既に全閉であれ
ば、冷水弁を開ける方法を選ばざるを得ない。 ［ルール５］もし、三つの弁が開いているならば、三つ
の弁を少しずつ閉めていく。

【００２４】次に、制御アルゴリズムの自動獲得につい
て説明する。モデルの出力が明らかに挙動不振である場
合は、モデル自体が不完全であると推察される。このよ
うな時は、不完全な（理想的でない）モデルを理想的な
モデルに修正する必要がある。

【００２５】実システムにおいてはモデルを構築するに
足る理想的なデータが得られないケースが多い。また対
象となる制御に元々専門家（熟練者）が存在しないケー
スでは制御規則すら得られない。しかし、少なくとも定
性的（基本的）な幾つかのルールは得ることができる。
そして、その定性的な幾つかのルールを学習させて初期
のモデルをつくり、そのモデルで制御させてみる。しか
しアルゴリズムが単純なため、思うような制御にならな
い確率が高いので、今度はその不完全なモデルを学習さ
せ、アルゴリズムの修正を行っていくのである。

【００２６】本発明の制御アルゴリズム自動獲得装置
は、論理性チエック手段と妥当性チェック手段とを具備
する。前記論理性チェック手段は制御プロセスの動特性
を監視し、制御対象に影響を与える操作部と操作部の操
作方向を見つけ出す機能を有する。また前記妥当性チェ
ック手段は制御量と設定量の差である制御偏差と制御偏
差変化と加速度とから、既に出力された増減操作量が所
定の増減操作量になるような修正倍率を推定し、この修
正倍率を既に出力された増減操作量に掛けて修正を加
え、そのときの制御偏差と制御偏差変化と、修正された
増減操作量を逐次学習データとして、制御本体に学習を
加える機能を有する。

【００２７】すなわち、ファジィ制御アルゴリズムの自
動獲得を実現するための学習アルゴリズムを構築し、基
本的なルールによって得られたモデルを自動的に学習す
ることで、不完全なモデルを制御に適したモデルに修正
していくことが可能となった。

【００２８】以下温湿度制御を例に挙げて説明する。 ［１］ 弁（バルブ）の役割 温湿度制御では、省エネルギー性を考えた場合、三つの
弁（冷水、温水、加湿）が全部開くことはない。そし
て、開いている二つの弁（一つの場合も有り得る）はそ
れぞれ役割が決まっており、どちらかが温度を、どちら
かが湿度を制御している。それぞれに対応付けられた弁
の出力が適当であるかそうでないかを見極め、不適当で
あればモデルに修正を加えていくことになる。弁の対応
付けは、以下の通りである。 冷水弁（ＣＶ）と温水弁（ＨＶ）が開いている場合…Ｈ
Ｖ→温度、ＣＶ→湿度 冷水弁（ＣＶ）と加湿弁（ＳＶ）が開いている場合…Ｃ
Ｖ→温度、ＳＶ→湿度 温水弁（ＨＶ）と加湿弁（ＳＶ）が開いている場合…Ｈ
Ｖ→温度、ＳＶ→湿度 ［２］ アルゴリズム修正のための方法論 アルゴリズム修正のための方法論は論理性チェック手段
と妥当性チェック手段の二段階で構成される。ただし、
修正および再学習は逐次行っていく必要があり、逐次と
は制御インターバル毎が適当である。

【００２９】［２−１］ 論理性チェック手段 図５に示すように、温度・湿度の応答パターンは、全部
で九通りある。これらの九つのパターンと現在の弁の開
度状態（全閉か全開かそうでないかの三分割）により、
どの弁が温度と湿度のどちらを制御すべきなのかをＭａ
ｘ−Ｍｉｎ合成最大高さ法によって見分ける。ルール数
は、総当たりで２４３ルールであったが、クワイン・マ
クラスキー法により簡単化したため、最終的には図６，
図７に示すように２８ルールとなった。図６，図７中、
ｄＣＶは冷水弁増減操作量、ｄＨＶは温水弁増減操作
量、ｄＳＶは加湿弁増減操作量を示し、Ｔは温度、Ｈは
湿度を表している。ｄＣＶの列のＴに丸がついていれ
ば、冷水弁は温度を操作していることを表わす。例え
ば、ルール（Ｒｕｌｅ）１０では冷水弁は湿度を操作
し、温水弁は温度を操作していることを表わしている。
Ｍａｘ−Ｍｉｎ合成最大高さ法では、現在の状態に最も
適合しているルールを見つけだし、推論の出力をそのル
ールの結論部とする。例を挙げて説明すると、温度も湿
度も上昇させるとき、冷水弁＝開、温水弁＝閉、加湿弁
＝開の場合では、温度は冷水弁が、湿度は加湿弁が制御
していることが分かる。そしてこれは、図８のように表
わすことができる。

【００３０】その後、作用している弁の操作極性が正し
いかを確認し、間違っていたらそれを修正するという作
業が必要になる。弁の操作極性は既に決定されており、
これに反するものは間違いであるとみなされる。弁の操
作極性は、以下のように表せる。

【００３１】

【数１】

【００３２】［２−２］ 妥当性チェック手段 制御量（温度および湿度）の挙動を監視することによっ
て、間違った動きをしている弁を除々に正しい方向に導
いていこうとするものである。論理性チェックにより、
どのバルブが温度（湿度）を調節しているかを判断し、
その弁の出力を妥当性チェックにて修正することにな
る。

【００３３】妥当性を測るためには、まず制御量（温度
および湿度）がどのように変化しているかを知らなくて
はならない。制御量の変化（偏差、偏差変化および加速
度）は、設定値と測定値を用いて次式のように導くこと
ができる。

【００３４】

【数２】

【００３５】すでに、どの弁が温度および湿度を調整し
ているかは論理性チェックによって判断されているの
で、妥当性チェックでは、温度と湿度のそれぞれの偏差
と偏差変化と加速度を割り出すことによって弁を正常な
動作へと向かわせることが役割となる。具体的には、図
９に示すように弁の実際の出力に適当な値をかけること
によって出力を変化させ、除々に理想的な出力に近付け
ていくようにする。

【００３６】ここで重要なことは、出力にかける倍率を
どのように決定すれば良いかということであるが、ここ
ではＭａｘ−Ｍｉｎ合成重心法を用いて、推論によって
倍率を決定するというしくみを採用する。

【００３７】妥当性チェックでは偏差、偏差変化、加速
度の三つの入力変数を用いる。それぞれのスケーリング
ファクタは制御本体と同じ数値を使用することが原則で
ある。ただし、加速度は制御本体に無いものであるた
め、任意に決定する必要が生じる。これらのことから妥
当性チェックのルールブロックは図１０にあるように４
ブロックに分けられる。ただしＢブロックとＣブロック
においてはモデルからの出力の方向性を正すために、あ
らかじめモデルからの出力の絶対値をとる。図１１は妥
当性チェックのルールブロックの概念図である。妥当性
チェックは極性によって結果が大きく異なるため、極性
を充分に考慮する必要があり、そのために所属度関数を
図１２に示すように−ＺＲと＋ＺＲに分けている。

【００３８】具体的に妥当性チェックの制御規則表を図
１３に示す。図１４は制御規則表のブロック分けを示
す。加速度を表すファジィ集合を規定するラベルは｛Ｎ
Ｂ，ＮＳ，ＺＲ，ＰＳ，ＰＢ｝であるが、その中のＰＢ
についての制御規則表である。これは図１１の（５）を
表す。

【００３９】ただし、実際に倍率を決定するための推論
を行う時、図１３に記入してある数値をそのまま使用す
ることはできないため、以下のように変換し、その指数
を使用する。

【００４０】｛1/4 ，1/2 ，1 ，2 ，4 ｝→｛ 2^-2， 2
^-1， 2⁰ 、 2¹ ， 2² ｝ ｛-4，-2，-1，-1/2，-1/4｝→｛-2² ，-2¹ ，-2⁰ ，-2
^-1，-2^-2｝ 妥当性チェックを行う際、極性のほかにもう一つ留意し
なくてはならない点がある。図１５はある制御量の挙動
と初期の制御規則表である。すなわち、実際の出力が限
りなくゼロに近い（ＺＲ）とき、制御量の挙動がａおよ
びｂのどちらかになるとする。もしＺＲを極性によって
分類していないとしたら、ａでもｂでも同じように倍率
がかけられることになる。例えば用意されている倍率の
数値が正の値だとすると、ａでは特に問題は起こらない
が、ｂでは出力は一気に負の方向に修正される。制御ア
ルゴリズムの自動獲得は、逐次学習することにより進化
していくので、大幅に間違った学習指針を与えることは
学習そのものを間違った方向に導くことになり、それだ
けは避けなくてはならない。

【００４１】

【実施例】制御アルゴリズムの自動獲得システムには様
々なタイプがあるが、ここでは学習型ファジィ推論法を
基本とする学習型ファジィ−ＰＩ制御器と階層的ファジ
ィモデルの二つについて、制御アルゴリズムの自動獲得
装置を説明する。

【００４２】［１］ 学習型ファジィ−ＰＩ制御器の制
御アルゴリズム自動獲得装置 図１６は学習型ファジィ−ＰＩ制御器の制御アルゴリズ
ムの自動獲得装置である。学習型ファジィ−ＰＩ制御器
の学習則は、複数の理想的な入出力データをあらかじめ
与えられたファジィモデルに与え、モデルからの出力デ
ータと理想的な出力データとの差を捕らえ、最急降下法
に基づき逐次学習することによって、理想的なモデルを
獲得するものである。学習型ファジィ−ＰＩ制御器で
は、結論部にファジィ集合ではなく、実数値を用いてい
る。

【００４３】ここでは、冷却コイルまたは加熱コイルを
用いた温度制御を例に挙げて説明する。学習型ファジィ
−ＰＩ制御器の制御アルゴリズムは以下の通りである。 ［ステップ１］ 学習型ファジィ−ＰＩ制御器の温度制
御に必要なルール（例えば２５ルール）を用意する。学
習型ファジィ−ＰＩ制御器は２入力ｅ（ｔ−１），ｄｅ
（ｔ−１）、１出力ｄＨＶ（ｔ−１）で、入力は５分
割，出力（結論部実数値）は乱数とする。

【００４４】［ステップ２］ 用意したルールを用い、
温度偏差ｅ（ｔ−１）と温度偏差変化ｄｅ（ｔ−１）か
ら温水弁の出力ｄＨＶ（ｔ−１）を推論する。 ［ステップ３］ 論理性チェックを行う（温水弁の操作
極性を確認する…正動作＝＋１。なお、冷水弁を用いた
場合は、逆動作＝−１とする。）。

【００４５】［ステップ４］ 温度偏差ｅ（ｔ），温度
偏差変化ｄｅ（ｔ），温度の加速度ｄ² ｅ（ｔ）から妥
当性のチェックを行い、推論出力を修正する。 ［ステップ５］ 温度偏差ｅ^*（ｔ−１）と温度偏差変
化ｄｅ^*（ｔ−１）と出力ｄＨＶ（ｔ−１）の演算結果
を、学習機構に教師データとして与える。

【００４６】［ステップ６］ 学習機構の教師データに
より学習型ファジィ−ＰＩ制御器の結論部実数値の学習
を行う。 ［ステップ７］ ［ステップ２］〜［ステップ６］を、
制御インターバル毎に繰り返す。

【００４７】［２］ 階層的ファジィモデルの制御アル
ゴリズム自動獲得装置 図１７は階層的ファジィモデルの制御アルゴリズム自動
獲得装置である。学習型ファジィ−ＰＩ制御器は、問題
が大規模になると、規則の総数が膨大になって、適用が
難しくなる。そこで、ファジィモデルを階層構造にする
と、パラメータ数が減って、大規模な問題に適用できる
ようになる。しかも、ニューラルネットワークにおける
階層結合型ネットワークの構造や学習則は、階層的ファ
ジィモデルに置き換えられる。

【００４８】階層的ファジィモデルは、図４のファジィ
恒温恒湿制御システムで扱った２段階５ブロック（ファ
ジィ中間推論、ファジィ最終推論）のファジィ推論機構
を構成する。ファジィ中間推論では、制御量である温湿
度を目標値に一致させるため、温度偏差、温度偏差の変
化を捕らえ、制御量を上昇させるのか、下降させるの
か、何もしないのかの要求量を求めた。また、ファジィ
最終推論で用いたファジィルールは、上記の［ルール
１］〜［ルール５］で述べたようなオペレータの基本的
な制御動作に基づいている。

【００４９】ここでは、ファジィ恒温恒湿制御を例に挙
げて説明する。階層的ファジィモデルの制御アルゴリズ
ムは以下の通りである。 ［ステップ１］ ７入力（冷水弁ＣＶ（ｔ−１），温水
弁ＨＶ（ｔ−１），加湿弁ＳＶ（ｔ−１）の開度、温度
偏差ｅ_T 、温度偏差変化ｄｅ_T 、湿度偏差ｅ_H、湿度偏
差変化ｄｅ_H ）３出力（冷水弁開度変化ｄＣＶ（ｔ），
温水弁開度変化ｄＨＶ（ｔ），加湿弁開度変化ｄＳＶ
（ｔ））の階層的ファジィモデルを用意する。階層的フ
ァジィモデルは中間層第１モデル〜中間層第３モデルと
出力層第１モデル〜出力層第３モデルより構成される。

【００５０】［ステップ２］ 用意した階層的ファジィ
モデルを用い、冷水弁ｄＣＶ（ｔ），温水弁ｄＨＶ
（ｔ），加湿弁ｄＳＶ（ｔ）の各出力を推論する。 ［ステップ３］ 温度要求量と湿度要求量と現在の冷水
弁ＣＶ（ｔ−１），温水弁ＨＶ（ｔ−１），加湿弁ＳＶ
（ｔ−１）の開度から、論理性チェックを行う。

【００５１】［ステップ４］ 温度と湿度のそれぞれの
偏差ｅ_T ，ｅ_H 、偏差変化ｄｅ_T ，ｄｅ_H 、加速度ｄ²
ｅ_T ，ｄ² ｅ_H から妥当性チェックを行い、推論出力を
修正する。

【００５２】［ステップ５］ ７つの入力（冷水弁ＣＶ
（ｔ−１），温水弁ＨＶ（ｔ−１），加湿弁ＳＶ（ｔ−
１）の開度、温度偏差ｅ_T 、温度偏差変化ｄｅ_T 、湿度
偏差ｅ_H 、湿度偏差変化ｄｅ_H ）と３つの出力（冷水弁
開度変化ｄＣＶ（ｔ），温水弁開度変化ｄＨＶ（ｔ），
加湿弁開度変化ｄＳＶ（ｔ））の演算結果を、学習機構
に教師データとして与える。

【００５３】［ステップ６］ 学習機構に与えた教師デ
ータにより階層的ファジィモデルの学習を行う。 ［ステップ７］ ［ステップ２］〜［ステップ６］を、
制御インターバル毎に繰り返す。

【００５４】

【発明の効果】以上述べたように本発明によれば、制御
アルゴリズムの自動獲得を実現するための学習アルゴリ
ズムを構築し、基本的なルールによって得られたモデル
を自動的に学習することで、不完全なモデルを制御に適
したモデルに修正していくことが可能となった。

【図面の簡単な説明】

【図１】本発明に係る空調設備の概要を示す構成説明図
である。

【図２】本発明に使用する湿り空気線図の一例を示す概
略図である。

【図３】本発明に使用するオペレータの思考パターンお
よび行動パターンの一例を示す説明図である。

【図４】本発明に使用するファジィ推論の形態の一例を
示す説明図である。

【図５】本発明に係る論理性チェックに使用する温度・
湿度の応答パターンの一例を示す説明図である。

【図６】本発明に係る論理性チェックに使用するルール
１〜２４の一例を示す説明図である。

【図７】本発明に係る論理性チェックに使用するルール
２５〜２８の一例を示す説明図である。

【図８】図６のルールの一部を示す説明図である。

【図９】本発明に係る妥当性チェックでの修正方法の一
例を示す説明図である。

【図１０】本発明に係る妥当性チェックのルールブロッ
クの一例を示す説明図である。

【図１１】本発明に係る妥当性チェックのルールブロッ
クの概念の一例を示す説明図である。

【図１２】本発明に係る妥当性チェックのための所属度
関数の一例を示す説明図である。

【図１３】本発明に係る妥当性チェックのための制御規
則表の一例を示す説明図である。

【図１４】本発明に係る妥当性チェックのための制御規
則表のブロック分けの一例を示す説明図である。

【図１５】本発明に係る妥当性チェックのためのある制
御量の挙動と初期の制御規則表の一例を示す説明図であ
る。

【図１６】本発明に係る学習型ファジィ−ＰＩ制御器の
制御アルゴリズム自動獲得装置の一例を示す説明図であ
る。

【図１７】本発明に係る階層的ファジィモデルの制御ア
ルゴリズム自動獲得装置の一例を示す説明図である。

【符号の説明】

１…空調機、２…冷却コイル、３…加熱コイル、４…蒸
気スプレ（蒸気噴霧式加湿器）、５…ファン（ＦＡ
Ｎ）、６…制御対象室、７…ファジィ恒温恒湿制御器、
Ｔ…温度センサの室内温度検出端、Ｈ…湿度センサの室
内湿度検出端、ＣＰＵ…計測制御コンピュータ、Ｄ／Ａ
…ディジタル値からアナログ量への変換器、Ａ／Ｄ…ア
ナログ量からディジタル値への変換器、Ｆｕｚｚｙ Ｉ
ｎｆｅｒｅｎｃｅ Ｂｏａｒｄ…ファジィ推論ボード
（ＰＢ８５１０９）。

Claims (1)

【特許請求の範囲】
1. 【請求項１】 制御プロセスの動特性を監視し、制御対
   象に影響を与える操作部と操作部の操作方向を見つけ出
   す論理性チェック手段と、 制御量と設定量の差である制御偏差と制御偏差変化と加
   速度とから、既に出力された増減操作量が所定の増減操
   作量になるような修正倍率を推定し、この修正倍率を既
   に出力された増減操作量に掛けて修正を加え、そのとき
   の制御偏差と制御偏差変化と、修正された増減操作量を
   逐次学習データとして、制御本体に学習を加える妥当性
   チェック手段とを具備することを特徴とする制御アルゴ
   リズム自動獲得装置。