JPH11506553A - ダイナミックプロセスのモデル化装置 - Google Patents
ダイナミックプロセスのモデル化装置Info
- Publication number
- JPH11506553A JPH11506553A JP8532923A JP53292396A JPH11506553A JP H11506553 A JPH11506553 A JP H11506553A JP 8532923 A JP8532923 A JP 8532923A JP 53292396 A JP53292396 A JP 53292396A JP H11506553 A JPH11506553 A JP H11506553A
- Authority
- JP
- Japan
- Prior art keywords
- network
- model
- linear
- dynamic
- neuron
- 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
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
- 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)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Transition And Organic Metals Composition Catalysts For Addition Polymerization (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
(57)【要約】
本発明は、線形ダイナミック挙動を有する伝達要素(2)を有する、ダイナミックプロセスをモデル化するための装置に関する。たとえば流量調節における弁またはダンパーのような非線形ダイナミックプロセスをモデル化するためこの伝達要素(2)にニューロン回路網(1)が直列に接続されている。ニューロン回路網はプロセスのスタティックな特性曲線をシミュレートするように構成されている。その際にニューロン回路網の学習能力は有利である。本発明は適応調節器に応用される。
Description
【発明の詳細な説明】
ダイナミックプロセスのモデル化装置
本発明は請求項1の前文によるダイナミックプロセスをモデル化するための装
置に関する。
ヨーロッパ特許第 0292749A2号明細書から、ダイナミックプロセスをモデル化
するための装置は公知である。この装置では制御対象モデルとして等しい時定数
を有するn次の遅れ要素が基礎とされている。その際に線形ダイナミックプロセ
スモデルが対象とされている。線形プロセスモデルは、特に小さい刺激のみが許
されているならば、たいていの場合にプロセス記述のために十分である。しかし
目標値変更の際にすべての操作範囲が通過される応用例もある。たとえば、操作
端が弁またはダンパーであり、また流量が操作端の操作を介して決定される流量
調節の場合である。操作端の操作はその際にすべての操作範囲を通過する。これ
らの操作端は強い非線形特性を呈するので、線形プロセスモデルによる制御対象
特性の近似はもはや十分でない。たとえば弁では非線形特性を記述するため弁特
性曲線、その値がそのつどの動作点に関係している非線形スタティック利得特性
曲線が用いられる。その結果動作点を持つ微調節されたPID調節器の調節品質
に変化が生ずる。
本発明の課題は、ダイナミックプロセスをモデル化するための装置であって、
非線形プロセスの際にも良好な結果を与え、また前記の欠点をなくすためのより
正確な同定を可能にする装置を提供することにある。
この課題を解決するため、冒頭に記載した種類の新しい装置は請求項1の特徴
部分に記載されている特徴を有する。従属請求項には本装置の有利な実施態様が
記載されている。
本発明は、特別な非線形プロセス特性がモデル化のための装置において考慮さ
れるという利点を有する。モデルは調節器最適化のためにもプロセス診断のため
にも使用され得る。調節器最適化の際には調節器のパラメータがプロセスモデル
のパラメータに関係して設定される。プロセス診断の際には求められた特性曲線
がたとえばデータシートに指示されている特性曲線と比較される。この特性曲線
は作動中の摩損により、または操作端の組み込み状況により変化し得る。求めら
れた特性曲線がデータシート中の指示から強く偏差すると、操作端を交換しなけ
ればならない。
調節器最適化のためにはしばしばラプラス範囲で下記の伝達関数を有するPT
nモデルから出発する。
その際にxはモデルの出力量、yはモデルの入力量、Kは利得係数、Tは時定
数、またnはそのパラメータの次数を示す。非線形スタティック利得特性曲線を
有するプロセスでは利得は動作点に、すなわち出力量xに関係している。
K=K0+f(x)
PI調節器の利得Kpおよびリセット時間Tnはこのプロセスモデルに対して
大きさ最適に従って下記のように求められる。
プロセスの動作点に関係する利得Kは調節器利得Kpにのみ作用し、PI調節
器のリセット時間Tnには作用しない。プロセスを小さい利得を有する動作点に
おいて同定したならば、この式に従ってPI調節器の高い利得が計算される。こ
の調節器はそれによって低い制御対象利得を補償する。いま制御ループにより高
い制御対象利得を有する動作範囲に達すると、調節器利得が非線形ダイナミック
プロセスモデルにより小さくされ、また調節が不安定になることが有利なことに
回避される。逆に、低い制御対象利得を有する動作範囲では調節器利得が高めら
れるので、調節器は緩慢にならず、また制御偏差がさらに良好に調節され得る。
本発明による装置のブロック回路図が示されている図面により以下に本発明な
らびに実施例および利点を一層詳細に説明する。
非線形ダイナミックプロセスをモデル化するための装置は図面に相応してニュ
ーロン回路網1およびダイナミックプロセスモデル2の直列回路から成っている
。ニューロン回路網1は入力yおよび出力uを有する三層フィードフォワード回
路網である。それによってスタティックな特性曲線がシミュレートされる。ダイ
ナミックプロセスモデル2は線形ダイナミック挙動を有する伝達要素、ここでは
入力端にニューロン回路網1の出力値uを与えられて出力値xを与えるPTnモ
デルである。
このPTnモデルの伝達関数は下式により表される。
その際にu(s)およびx(s)はそれぞれ入力信号u(t)または出力信号
x(t)のラプラス変換を表す。ダイナミックプロセスをモデル化するための装
買が閉じられた制御ループにおいて使用されると、ダイナミックプロセスモデル
2の出力信号x(t)は制御量を表し、またy(t)は調節器の操作信号、u(
t)はモデル内部の中間的量を表す。プロセスを同定するため制御ループが定常
的状態から励起される。制御ループの過渡的応答から操作量yおよび制御量xの
数anzの等間隔のサポート値が記憶される。サンプリング時間はTaにより表
される。測定された値は、それらのそのつどの初期値y(1)またはx(1)に
関連付けるように、コンディショニングされる。
Δy(k)=y(k)−y(1) (2)
Δx(k)=x(k)−x(1) (3)
ここでk=anz…1である。これらの値は同定のために使用される入力および
出力量である。
PTnモデルは下記の状態差式により記述される。
Z(k+1)=Φ * Z(k)+H *u(k) (4)
および
x(k+1)=Zn(k+1) (5)
これらの式においてuは入力量、Z=(z1,z2,…,zn)はPTnモデル
の内部状態量を有するベクトル、またxは出力量である。マトリックスΦは変換
マトリックスと呼ばれ、またn行ならびにn列を有する。値nはモデル次数を
示す。Hはn行および1列を有する入力ベクトルである。計算は離散的な時間値
k*Taに対して、すなわちサンプリング時間Taの整数倍において行われる。
変換マトリックスΦの要素はPTnモデルに対して下記の計算規則に従って得ら
れる。
h=Ta/Tとして: (6)
パラメータiおよびjはここで行に対してはi=1…n、また列に対してはj
=1…nを有する通し変数である。
入力ベクトルHに対する計算規則は下式により表される。
利得はニューロン回路網1によりシミュレートされなければならないので、P
Tnモデルに対してK=1にセットされる。
パラメータhに関する変換マトリックスおよび入力ベクトルの導関数は下式に
より表される。
i=jに対して:
さもなければ:
および
積および連比計算法によりパラメータhに関する差式の導関数に対する下記の
回帰式が得られる。
ここで初期条件は次のとおりである。
使用されるニューロン回路網は下記の関数により記述される。
これらの式は入力、出力および中間層における“anz_hidden”ニュ
ーロンを有する三層フィードフォワード回路網の伝達挙動を表す。これらの式で
値yはニューロン回路網の入力値、また値uはその出力値である。パラメータθ
a、wa、whおよびθhは回路網の非線形挙動を決定する回路網パラメータで
ある。関数tanhは中間層のニューロンの能動化関数である。tanhは双曲
線正接関数である。それは下記のように定義されている。
出力ニューロンのオフセットに対しては下式が成り立つ。
この個所に事前知識が明示的に入れられる。この決定により条件y(0)=0
が保証される。従ってプロセスモデルの決定に対して操作および実際値がそのつ
どの初期値に関連付けられていなければならない。
回路網パラメータに関する関数の導関数がこれにより出力される。
別の補助量として中間層のニューロンの出力値が必要とされる。
yHi=tanh(WHi*y + θhi) (17)
この補助量および式(16)により式(15)は下記のように変換され得る。
回路網出力uの導関数が重みおよびオフセットに関して次いで下記のように表
される。
形式的にはオフセットθhiは一定値1を有する追加的な入力ニューロンへの
重みとして解釈され得る。従って以下ではもはやオフセットと重みとの間の区別
はされない。これらの値は統一的に回路網のパラメータと呼ばれる。従って以下
では導関数∂u/∂wは導関数∂u/∂wa、∂u/∂whおよび∂u/∂θh
と同義に使用される。
装置の計算された出力値はコンディショニングされ正規化された制御量(式(
3))と比較される。数値的最適化によりニューロン回路網1およびPTnモデ
ル2のパラメータが、計算された制御量と測定された制御量との間の偏差が最小
になるように変更される。
これはモデル次数n=1…10に対してそれぞれ別々に実行される。次いで、
誤りが最小値を有するモデル次数およびその際に求められたパラメータが選ばれ
る。
ニューロン回路網1の中間層中のニューロンの数は同じく変更され得る。たい
ていの場合には中間層中のニューロンの数は10以下で十分である。
回路網およびプロセスモデルのパラメータは数値的最適化により計算される。
ここに“MATLAB(登録商標)”と共に使用するための“最適化TOOLB
OX”、ユーザーズガイド、The Math Works社、ナティック、マ
サチュセッツ州、1994年1月から知られているBFGSアルゴリズムを有す
る準ニュートン法が使用され得る。そのためにニューロン回路網1およびPTn
モデル2の直列回路の伝達挙動ならびに探索されるパラメータに関する誤差関数
の導関数が必要とされる。
ここで
error(k)=x(k)−Δx(k) (23)
値xは非線形ダイナミックモデルの出力値であり、また値Δxは実プロセスの
正規化された測定された出力値である。誤差Eはプロセスの計算されたモデルの
偏差に対する尺度である。
回路網パラメータは最適化のための開始値としての偶然値により予め占められ
る。パラメータhは初期値h=1にセットされる。
探索されるパラメータに関する誤差関数の導関数は下記のように表される。
また同様にPTnモデルのパラメータhに関しては下記のように表される。
これらの導関数は、どの値だけ最適化アルゴリズムが探索されるパラメータを
変更しなければならないかに関する情報を含んでいる。
ニューロン回路網1およびPTnモデル2は直列に接続されている。ダイナミ
ックモデル2の入力量u(k)はそれによってニューロン回路網1の出力値であ
る。直列回路はいま下記のように記述され得る。
x(k)=G〔NN(Δy(k))〕 (26)
ここでGは線形PTnモデル2の伝達挙動を表すものとする。NNはニューロン
回路網1の伝達挙動である。測定され正規化された操作量の値Δyがニューロン
回路網に与えられる。線形伝達要素2はニューロン回路網1の後に接続されてい
るので、回路網パラメータwに関するxの導関数に対しては下式が成り立つ。
この表においてwa、whおよびθhの間の区別はされない。この式は、探索
される導関数∂x(k)/∂wが簡単な仕方で回路網の導関数∂NN(Δy(k)
)/∂wから得られることを示している。
回路網パラメータの導関数を線形システムGに対する入力列として使用すると
、それに付属の出力列はまさに探索される導関数∂x(k)/∂wを明らかにす
る。
線形システムの状態空間中での表示と伝達関数としての表示とは等価であるの
で、∂x(k)/∂wの計算のためにマトリックスΦおよびHおよび入力値∂N
N(Δy(k))/∂wを有する状態空間表示が使用される。
回路網パラメータに関する誤差関数の導関数が次いで式(23)による誤差値
error(k)による導関数∂x(k)/∂wの重み付けにより明らかになる
。
hの値は正でなければならない。従って、それは最小値に制限される。
特性曲線は、操作信号yが移動した範囲に対して計算される。たとえば弁のす
べての特性曲線が計算されるべきであれば、励起の際にすべての操作範囲が通過
されなければならず、さもなければ特性曲線が部分的にしか計算されない。すベ
ての操作範囲が通過されると、操作範囲が一旦正の方向に、また次いで負の方向
に通過される二重のランプ励起で原理的に十分である。ただし励起は、制御量が
励起信号に追随し得るように過度に速く行われてはならない。さらに制御対象の
励起は、式(14)の条件が満足されるように、定常的な状態から行われなけれ
ばならない。
1つの入力および1つの出力を有するニューロン回路網1の機能は従来通常の
特性曲線モジュールによってもシミュレートされ得る。特性曲線モジュールを決
定するために必要なサポート値はニューロン回路網の特性曲線から取り出される
。この場合、ニューロン回路網および線形ダイナミック挙動を有する伝達要素の
本発明による直列回路は装置を設計するためにのみ必要とされる。その際に特に
ニ
ューロン回路網の学習能力は有利である。
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 オブラドフイツク、ドラガン
ドイツ連邦共和国 デー−81669 ミユン
ヘン フランチスカーナーシユトラーセ
28
Claims (1)
- 【特許請求の範囲】 1.線形ダイナミック挙動を有する伝達要素(2)を有する、ダイナミックプロ セスをモデル化するための装置において、たとえば流量調節における弁またはダ ンパーのような非線形ダイナミックプロセスをモデル化するためニューロン回路 網(1)が線形ダイナミック挙動を有する伝達要素(2)に直列に接続されてい ることを特徴とするダイナミックプロセスのモデル化装置。 2.伝達要素(2)がそのパラメータである利得K、時定数Tおよび次数nを設 定され得るPTnモデルであることを特徴とする請求項1記載の装置。 3.ニューロン回路網(1)が三層のフィードフォワード回路網であり、また1 つの入力および1つの出力を有することを特徴とする請求項1または2記載の装 置。 4.ニューロン回路網(1)が、プロセスのスタティックな特性曲線をシミュレ ートするように構成されていることを特徴とする請求項1ないし3の1つに記載 の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19516426.1 | 1995-05-04 | ||
DE19516426A DE19516426A1 (de) | 1995-05-04 | 1995-05-04 | Anordnung zur Modellierung eines dynamischen Prozesses |
PCT/DE1996/000748 WO1996035153A1 (de) | 1995-05-04 | 1996-04-30 | Anordnung zur modellierung eines dynamischen prozesses |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH11506553A true JPH11506553A (ja) | 1999-06-08 |
Family
ID=7761104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP8532923A Pending JPH11506553A (ja) | 1995-05-04 | 1996-04-30 | ダイナミックプロセスのモデル化装置 |
Country Status (7)
Country | Link |
---|---|
EP (1) | EP0827602B1 (ja) |
JP (1) | JPH11506553A (ja) |
CN (1) | CN1183149A (ja) |
AT (1) | ATE176952T1 (ja) |
DE (2) | DE19516426A1 (ja) |
ES (1) | ES2130813T3 (ja) |
WO (1) | WO1996035153A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022186051A1 (ja) * | 2021-03-02 | 2022-09-09 | ファナック株式会社 | 調整支援装置、制御システム及び調整支援方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19718262A1 (de) * | 1997-04-30 | 1998-11-05 | Schenck Panel Production Syste | Verfahren und System zur Generierung eines Prozeßmodells eines technischen Problems |
US5972264A (en) * | 1997-06-06 | 1999-10-26 | Composite Rotor, Inc. | Resin transfer molding of a centrifuge rotor |
CN106647324B (zh) * | 2016-09-30 | 2019-04-09 | 武汉大学 | 硬件在环混合实时仿真系统接口稳定性改进方法 |
CN111037550B (zh) * | 2019-12-03 | 2023-02-10 | 华南理工大学 | 一种冗余度机械臂运动控制的解决方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3717555A1 (de) * | 1987-05-25 | 1988-12-08 | Siemens Ag | Verfahren zum bestimmen der parameter eines verzoegerungsgliedes n-ter ordnung mit gleichen zeitkonstanten |
JPH03179502A (ja) * | 1989-12-08 | 1991-08-05 | Hitachi Ltd | 適応制御方法 |
JPH05127706A (ja) * | 1991-10-31 | 1993-05-25 | Toshiba Corp | ニユーラルネツト型シミユレータ |
US5396415A (en) * | 1992-01-31 | 1995-03-07 | Honeywell Inc. | Neruo-pid controller |
DE4323439A1 (de) * | 1993-07-13 | 1995-01-19 | Siemens Ag | Anordnung zur Modellierung eines nichtlinearen Prozesses |
-
1995
- 1995-05-04 DE DE19516426A patent/DE19516426A1/de not_active Withdrawn
-
1996
- 1996-04-30 WO PCT/DE1996/000748 patent/WO1996035153A1/de active IP Right Grant
- 1996-04-30 JP JP8532923A patent/JPH11506553A/ja active Pending
- 1996-04-30 CN CN96193616A patent/CN1183149A/zh active Pending
- 1996-04-30 EP EP96911930A patent/EP0827602B1/de not_active Expired - Lifetime
- 1996-04-30 ES ES96911930T patent/ES2130813T3/es not_active Expired - Lifetime
- 1996-04-30 DE DE59601347T patent/DE59601347D1/de not_active Expired - Fee Related
- 1996-04-30 AT AT96911930T patent/ATE176952T1/de not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022186051A1 (ja) * | 2021-03-02 | 2022-09-09 | ファナック株式会社 | 調整支援装置、制御システム及び調整支援方法 |
Also Published As
Publication number | Publication date |
---|---|
WO1996035153A1 (de) | 1996-11-07 |
DE59601347D1 (de) | 1999-04-01 |
EP0827602B1 (de) | 1999-02-24 |
EP0827602A1 (de) | 1998-03-11 |
CN1183149A (zh) | 1998-05-27 |
ATE176952T1 (de) | 1999-03-15 |
DE19516426A1 (de) | 1996-11-07 |
ES2130813T3 (es) | 1999-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5566065A (en) | Method and apparatus for controlling multivariable nonlinear processes | |
US7272454B2 (en) | Multiple-input/multiple-output control blocks with non-linear predictive capabilities | |
DE69225723T2 (de) | Zweistufige Systemidentifikationsvorrichtung mit Optimierung | |
US5847952A (en) | Nonlinear-approximator-based automatic tuner | |
US7647284B2 (en) | Fixed-weight recurrent neural network controller with fixed long-term and adaptive short-term memory | |
EP1021752B1 (en) | Model-free adaptive process control | |
US5598329A (en) | Method and device for controlling a process | |
Curtiss et al. | Adaptive control of HVAC processes using predictive neural networks. | |
CN109033585B (zh) | 不确定网络控制系统的pid控制器设计方法 | |
JP2004152264A (ja) | 統合型モデル予測制御機能ブロックおよびオプチマイザ機能ブロックのための設定および閲覧用表示画面 | |
PL182764B1 (pl) | System sterowania instalacj� | |
US6092018A (en) | Trained neural network engine idle speed control system | |
JPH05127706A (ja) | ニユーラルネツト型シミユレータ | |
CN111930010A (zh) | 一种基于lstm网络的通用mfa控制器设计方法 | |
KR20010086084A (ko) | 컨트롤러의 설계장치 | |
JPH11506553A (ja) | ダイナミックプロセスのモデル化装置 | |
US6768927B2 (en) | Control system | |
Sakai et al. | Data-driven cascade control system: Response estimation and controller design | |
JPH07210208A (ja) | 火力プラント制御におけるオートチューニング方法及びそれを利用した火力プラント制御装置 | |
Shenoy | Proportional-Integral Controller with Decouplers for an interacting TITO Process | |
JPH09146610A (ja) | 多変数非線形プロセス・コントローラー | |
JP7089335B2 (ja) | 制御装置 | |
JP2862308B2 (ja) | コントローラの調整方法および調整システム | |
JP3121628B2 (ja) | 2自由度制御装置 | |
JPH0272404A (ja) | メンバーシップ関数決定方法 |