JPS62241006A - オ−ト・チユ−ニング・コントロ−ラ - 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】 〔産業上の利用分野〕 この発明は、例えばプロセス制御などに用いられるコン
トローラにおいて、その制御パラメータを制御対象の特
性に応じて自動調整する機能を具備したオート・チュー
ニング・コントローラ、特にその制御パラメータの自動
調整に関するものである。

〔従来の技術〕

従来、オート・チューニング・コントローラとして、例
えば第５図のようなものが提案されている。これは、Ａ
、Ｂ、コリビオ、Ｐ、Ｍ、）ンブキンズ“インダストリ
アル　アブリケーシタンオブ　ア　セルフチューニング
　フィードバックコントロール　アルゴリズム”、ｌ５
Ａ）ランザクシッンズ　ｖｏｌ、２０．１９８１．第３
〜ｌＯ頁（Ａ、Ｂ、Ｃｏｒｒｉｐｉｏ＋　Ｐ、Ｍ、Ｔｏ
ｍｐｋｉｎｓ＋　“Ｉｎｄｕ５ｔｒｉａｌ　　Ａｐｐｌ
ｉｃａｔｉｏｎ　　ｏｆ　　ａ　　Ｓｅｌｆ−Ｔｕｎｉ
ｎｇ　　ＦｅｅｄｂａｃｋＣｏｎｔｒｏｌ　　Ａ１ｇｏ
ｒｉＬｈ＋ｓ’　＊　　（ＳＡ　Ｔｒａｎｓａｃｔｉｏ
ｎｓ＋　　νｏｌ。

２０、　Ｎｏ、　　２．　１９８１．　ｐｐ、　　３−
１０）に掲載されたものである。図において、１は目標
信号発生装置、２はオート・チューニング・コントロー
ラ、３は制御対象、４はＰＩＤコントローラ、５は数学
モデル演算器、６は同定器、７は調整演算器である。

上記のように構成された従来のオート・チューニング・
コントローラの動作について説明する。

オート・チューニング・コントローラ２は、目標値信号
発生装置１から与えられる目標値信号ｒ（ｋ）と、制御
対象３の出力である制御量ｙ（ト））とを入力し、制御
対象３の入力となる操作量ｕ（ｋｌを出力する。ここで
、カッコ内の値は、サンプリング間隔Ｔ毎の離散化され
た時刻を表す。

このとき、オート・チューニング・コントローラ２の内
部では、以下のような動作が行われている。

まず、上記目標値信号ｒ（ｋｌと上記制御量７（）Ｃ）
とから、偏差ｅ　（ｋ）が計算される。

ｅ　（ｋ）＝　ｒ　（ｋ）　−ｙ　（ｋｌ　　　　　　
　　・（１）ＰＩＤコントロー゛う４は、上記偏差ｅ（
ｋ）を入力し、設定されている制御パラメータに従って
、操作量ｕ（ｋ）を計算し、出力する。制御パラメータ
は、ＰＩＤコントローラ４では、ゲインＫＣ，積分時間
Ｔｒ、’ａ分時間ＴＩ）であり、このパラメータに従っ
て、上記操作量ｕ（ｋｌは次のように計算される。

上記操作量ｕ（ｋ）は、制御対象３の入力となると同時
に数学モデル演算器５と同定器６の入力にもなる。

上記数学モデル演算器５は、上記操作量ｕ（ｋ）を入力
すると、出力ｖ（ｋ）を例えば次式のような数学モデル
により計算する。

ｖ（ｋｌ−ａ、　　ｖ（ｋ−１）　　＋３！ｖ（ｋ−２
）＋　　ｂ　、　　ｕ　（ｋ−ｍ−１）　　＋　　ｂ　
ｚ　　ｕ　（ｋ−ｍ−２）　　＝（３）ここで、ｍは０
以上の整数であり、制御対象３の無駄時間を意味する。

同定器６は、上記制御対象３と上記数学モデル演算器５
の入出力関係が等価になるように、すなわち・両者の出
力ｙ（ｋ）とＶ（ｋ）が等しくなるように、第（３）式
の係数ａｌ　ｔ　ａｍ　Ｔ　　ｂ、　ｌ　　ｂｌを求め
る。

このために、同定器６は、上記操作量Ｕ（ト））、およ
び上記制御量ｙ（ｋ）、上記数学モデルの出力ｖ（ｋ）
を入力する。

同定器６の動作を説明するために、ここで次のベクトル
Ｘ（ｋＬ　　ｚ（ｋ）、　　φ（ｋ）を定義する。

ｘ’　（ｋ−１）　＝　（ｙ（ｋ−１）　、　　ｙ（ｋ
−２）　、　　ｕ（ｋ−ｍ−１）　。

ｕ　（ｋ−ｓ−２）　　）　　　　　　　　　　　　　
　　・・・（４）ｚ’　（ｋ−１）　−（ｖ（ｋ−１）
　、　ｖ（ｋ−２）　、　ｕ（ｋ−＋＊−１）　。

ｕ（ｋ−１２）〕　　　　　　　　・・・（５）φ０１
）＝（ａ　Ｉ＊　　ａ＠　＊　　ｂｌ　＊　　ｂｚ　）
　　　　”・（６）ここに、ベクトルの右肩の添字Ｔは
、ベクトルの転置を意味する。

同定器６は次のアルゴリズムを実行する。

Ｇ（ｋ）−（１＋！〒（ｋ）Ｐ（ｋ）ｘＯｃ））　−’
　ｚτ（ｋ）　Ｐ　（ｋ）　　−（７）φ（ｋ＋１）−
φ（ｋ）＋　（ｙ（ｋ＋１）　−φ（ｋ）　ｘ　（ｋ）
　）　Ｇ　（ｋ）　・・・（８）Ｐ（ｋ＋１）　　＝Ｐ
Ｏｃ）−Ｐ（ｋ）ｘ（ｋ）Ｇ（ｋ）　　　　　　　　　
　・・・（９１このアルゴリズムにより、ベクトルφ伽
）、すなわち数学モデル第（３）式の係数ａｌ　ｒ　　
ａｍ　ｒ　　ｋ）Ｉ　＋ｂｔは逐次的に求められる。

以上のようにして求められる上記ベクトルφ（ト））は
、上記同定器６から出力され、上記数学モデル演算器５
に送られて数学モデルを修正するために使われるととも
に、調整演算器７へ送られて制御パラメータ、すなわち
ゲインＫＣ＋積分時間Ｔ１１微分時間Ｔ、を求められる
ために用いられる。これらの制御パラメータを求めるた
めに、上記調整演算器７は次の演算を実行する。

Ｋｃ　＝　（ａｔ　＋　２　ａｔ　）　Ｑ／　ｂ＋　　
　　　　＝ＱＩここで、第０１式と第（ロ）式に現れる
ＱはＱｍｌ−ｅ−”富　　　　　　　　　　　　　　　
　　　　　　　　　　　　　川α簿で定義される。ここ
にＢは調整パラメータであり、閉グループにおける所望
の時定数である。

以上のようにして求められたゲインＫｅｎ積分時間Ｔ１
１微分時間Ｔゎは、前記ＰＩＤコントローラ４に送られ
て、前記偏差ｅ　（ｋ）から第（２）式により、再び前
記操作１　ｕ　（ｋ）を計算するために用いられる。

〔発明が解決しようとする問題点〕

従来のオート・チューニング・コントローラは以上のよ
うに構成されているので、制御対象を同定しなければな
らなかった。ところがこの同定には次のような問題があ
る。

（１）計算が複雑である。

（２）計算量が多い。

（３）収束に時間がかかる。

（４）制御対象が持つ非線型性を扱うことができない。

（５）数学モデルの型を例えば第（３）式のように限定
してしまっているので、それ以外の型の制御対象の同定
には不適切となる。

（６）前記ＫＰ　、’ｒ’＋　、Ｔｏの３つの制御パラ
メータを得るために、前記ａｌ　＋　　ａｚ　ｌ　　ｂ
、　１　　ｂｔの４つの係数を同定するから無駄がある
。

そして以上のような同定の問題点は、従来のオート・チ
ューニング・コントローラでは、そのままそれ自体の問
題となっ”ζいた。

この発明は上記のような問題点を解消するためになされ
たもので、制御対象の同定を行わずに、人間の経験則や
勘を推論ルールとして記憶しておき、これを使って制御
量とテスト信号との偏差。

あるいは制御量、テスト信号などから、制御対象に最適
な制御パラメータを推論することができるオート・チュ
ーニング・コントローラを得ることを目的とする。

〔問題点を解決するための手段〕

この発明に係るオート・チューニング・コントローラは
、数学モデル演算器と、同定器と、調整演算器を具備す
る代わりに、閉ループの制御系にテスト信号を与えるた
めのテスト信号発生器および偏差切換器と、そのときの
応答から制御対象の特性を示す特徴量を計算する特徴量
抽出器と、制御パラメータを最適化するためのルールを
記憶する推論ルール記憶器と、上記特徴量を入力し上記
推論ルールに従って制御パラメータを現在の値からどれ
だけ調整すれば最適になるかを推論する速度型ファジィ
推論器と、上記速度型ファジィ推論器の出力を積算し、
実際の制御パラメータの値として上記コントローラに与
える積算器とを設けたものである。

〔作用〕

この発明のオート・チューニング・コントローラにおい
ては、人間の経験や勘を推論ルールとして記憶しておき
、これに従・ってテスト信号と制御量との偏差などの波
形から現象論的に最適な制御パラメータを推論し、自動
調整を行う。

〔実施例〕

以下、この発明の一実施例を図について説明する。

第１図は、この発明の一実施例によるオート・チューニ
ング・コントローラを示すブロック線図である。第１図
において、１は目標値信号発生器であり、目標値信号ｒ
　（ｋ）を発生させる。２はオート・チューニング・コ
ントローラであり、上記目標値信号ｒ（ｋ）と制御対象
３の出力である制御１ｙ（ト））を入力して、上記制御
対象３の入力を出力する。

３は上記制御対象であり、上記オート・チューニング・
コントローラ２の出力を入力し、制御量ｙ伽）を出力す
る。上記のように、この制御量）＝（ｋ）は、上記オー
ト・チューニング・コントローラ２にフィードバックさ
れる。

次に上記オート・チューニング・コントローラ２の内部
構成を説明する。４はコントローラであって、この実施
例ではＰＩＤコントローラが使われている。このＰＩＤ
コントローラ４は偏差ｅ　（ｋ）を入力し、設定されて
いる制御パラメータ、ナなわちゲインＫｃ、積分時間Ｔ
ｌ　ｌ微分時間Ｔ、に従って操作量ｕ（ｋ）を出力する
。８は偏差切換器′であり、上記偏差ｅ　（ｋ）として
、テスト信号Ｔ　ｆｋ）と上記制御量ｙ（ｋ）との偏差
Ｔ　（ｋ）　−ｙ　（ｋ）を選ぶか、上記目標値信号ｒ
　（ｋ）と上記制？Ｉ量ｙ（ｋ）との偏差ｒ　（ｋｌ　
−ｙ（ｋ）を選ぶかを決定する。９はテスト信号発生器
であり、上記テスト信号Ｔ（ｋ）を発生する。１０は特
徴量抽出器であり、テスト信号と制御量との上記偏差あ
るいは上記テスト信号、上記側ｉｔなどを人力し、上記
′＃ｉＩｍ対象の特性を表す特徴量Ｓｔ：　ｉ　ｗｌ、
２．・・・、ｎを出力する。１１は推論ルール記憶器で
あり、上記コントローラ４の制御パラメータを最適化す
るための推論ルールＲｊ　；ｊ−Ｌ２＋・・・。

−が記憶されている。１２は速度型ファジィ推論器であ
り、上記特徴ｔＳｉを入力し、上記推論ルール１２ｊに
従って、上記制御パラメータ、すなわちゲインＫＣ＋積
分時間Ｔ１．微分時間Ｔ、を最適化するには、現在の値
からどれだけ調整すればよいかを推論し、その調整量Δ
Ｋｃ、ΔＴ＋＋　ΔＴ、をそれぞれ出力する。１３は積
算器であり、上記ΔＫｅｎ　ΔＴｌ　ｌ　ΔＴＤを入力
し積算して、実際のパラメータの値として出力する。上
記積算器１３から出力された制御パラメータは、前記コ
ントローラ４に与えられ、偏差ｅ　（ｋ）から操作ｆｉ
ｕｔｋ）を計算するために用いられる。

第２図は上記オート・チューニング・コントローラの動
作を示すフローチャートである。

この動作は、前半部、即ち、ステップ１４〜２０の制御
パラメータの自動調整を行う自動調整モードと、後半部
、即ち、ステップ２１〜２２の、上記で調整された制御
パラメータに従って平常の制御を行う制御モードとに分
れる。

まず、ステップ１４で偏差切換器８をａ側に接続するこ
とにより、動作はｉｍ＊モードに入る。

ステップ１５〜１７で、ＰＩＤコントローラ４はテスト
信号Ｔ（ト））と制御量ｙ（ｋ）との偏差ｅ　（ｋ）　
−Ｔ　（ｋ）　−ｙ　（ｋ）　　　　　　　　・−０４
）を入力して制御対象３を制御する。この際、特徴量抽
出器１０は上記ｅ（ｋｌなどを入力し、特徴量Ｓｉを計
算し、出力する。

ステップ１８では、上記特徴量Ｓｉから判断して、現在
の制御特性が満足し得るものかどうかを判定する。

もし、満足し得ないものであれば、ステップ１９〜２０
に進み、速度型ファジィ推論器１２が制御特性を満足で
きるものにするためには、制御パラメータをどれだけ調
整すればよいかを推論する。

そして、積算器が、その調整量と現在の制御パラメータ
の値を加え合わせ、コントローラ３に与える。

以後、再びステップ１５の前に帰り、上記の動作を繰り
返す。

一方、ステップ１８において、もし現在の制御特性が満
足できるも°のであれば、ステップ２１〜２２へ進む。

ステップ２１は、動作を以上の調整モードから制御モー
ドに切り換える働きをする。

ステップ２２は、平常の制御モードを示し、ここでは、
コントローラ４は目標値信号ｒ（ｋ）に従って制御対象
３を制御している。

さて、上記特徴量抽出器ｌＯが出力する特徴量Ｓｉ　と
、上記推論ルール記憶器１１が記憶する推論ルールＲｊ
、上記速度型ファジィ推論器１２が行う速度型ファジィ
推論について説明する。ここでは、簡単のため、ゲイン
調整についてのみ述べる。

第３図は、特徴量Ｓｌの例を示す図である。テスト信号
Ｔ（ト））として、例えば第３図の上のグラフのような
パルス状の信号を加えたとする。この場合の、第ａＯ式
による偏差ａ　（ｋ）は例えば第３図の下のグラフのよ
うになる。この波形から、特徴量Ｓｔとして、例えば次
のような量が考えられる。

ここで、ｅＰｌｍ　　ａｔｔｏ　　ａＰｓは、テスト信
号の後に現れる、それぞれ正、負、正のピーク値であり
、ｅ　（１）ｉ　”、ｅ（Ｎ）はテスト信号後、あろ一
定時刻までの上記偏差である。

次に推論ルールＲｊについて説明する。推論ル−ルＲｊ
　は、人間が制御パラメータの調整を行うときに用いて
いる経験則や勘をルール化させたものである。上記Ｓ　
Ｉ、　Ｓ　ｔに対して、例えば次のようなものが考えら
れる。

Ｒ３：「もし、Ｓｌが太きくＳｔが小さいならば、ゲイ
ンに、を少し小さくせよ。」 Ｒｉ：ｒもし、Ｓ、が小さくＳ！も小さいならば、ゲイ
ンに、は現在の値に保て。」 このように、推論ルールＲＪは、「もし〜であれば〜せ
よ」という形をしている。このうち、もし「〜であれば
」の部分を前件部命題といい、「〜せよ」の部分を後件
部命題という。

この後件部命題の形が例えば上記推論ルールＲ１１Ｒ２
のように、「小さくせよ」、「現在の値に保て」という
ように、値の変化分を指定している場合に、このファジ
ィ推論を特に、速度型ファジィ推論という。これに対し
、後件部命題の形が「〜に設定せよ」、「〜くらいの値
にとれ」というように、値そのものを指定している場合
、そのファジィ推論を、特に、位置型ファジィ推論とい
う。

この発明では、速度型ファジィ推論を実行する速度型フ
ァジィ推論器１２が備えられている。その動作について
説明する。、 第４図は、速度型ファジィ推論のしくみを示している。

ここでは、特徴量としてＳＩとＳｔが選ばれ推論ルール
としてＲ３とＲ２が用いられている場合を示している。

まず、現在の状態が、ファジィ推論ルールの前件部命題
の条件をどの程度溝たしているかを評価する。ここでは
、ＳＩ、Ｓｔの値は、実際にはそれぞれＳ　、　−３、
”　、　Ｓ　ｔｗｘ　Ｓ　、　”であったものとする、
これらの値はメンバーシップ関数によって評価される０
例えば、推論ルールＲ１に関しては、第４図上段の左２
つのグラフで示されるように、「Ｓｌが大きく」と「Ｓ
！が小さいならば」は、それぞれ、０．７５と０．５だ
け満たされていると、評価される。そして、これらのう
ち低い方の値をとって、ルールＲ８の前件部命題は０．
５だけ満たされている、とする。

次に、後件部命題の「Ｋｃを少し小さくせよ」のメンバ
ーシップ関数は、前件部命題が満たされる度合で重み付
けされる。この様子が、第４図の上段、左から３番目の
グラフに示されている。

以上のような演算が各ルールＲ，について行われ、最後
に、各ルールの重み付けされた後件部命題のメンバーシ
ップ関数は重ねられる。そして重心の計算が行われ、そ
の重心をもって最適なゲインの調整量ΔＫｃとする。

同様にして積分時間、微分時間についても推論が行われ
て、速度型ファジィ推論器１２はそれぞれの最適な調整
量ΔＴ５．ΔＴ、を出力する。

上記最適な制御パラメータの！ｌ！整量ΔＫＣ，Δ７１
１　ΔＴ０は積算器１３を経て、実際の制御パラメータ
の値、即ちそれぞれＫＣ，ＴＩ　、’ｒｏとしてコント
ローラ４に与えられる。

なお、上記実施例は、コントローラとしてＰＩＤコント
ローラを使用し、そのゲイン、積分時間。

微分時間を自動調整するオート・チューニング・コント
ローラについて述べたが、この発明はさらに他の型のオ
ート・チューニング・コントローラにも適用できる０例
えば、コントローラとして０Ｎ−ＯＦＦと不感帯を組み
合わせたコントローラを使用し、その不感帯の幅を自動
調整するオート・チューニング・コントローラに使用し
ても有効であるし、コントローラとして近代制御理論に
基づく最適制御コントローラを使用し、その評価関数の
パラメータを自動調整するオート・チューニング・コン
トローラに通用しても有効である。

（発明の効果） 以上のように、この発明によれば、人間の経験や勘を推
論ルールとして記憶しておき、これに従ってテスト信号
と制御量との偏差などの波形の特徴量から制御パラメー
タをファジィ推論するようにしたので、複雑で、制御対
象の型を限定してしまう同定を行わずにすみ、単純なメ
ンバーシップ関数の演算により、人間の経験や勘に基づ
く自動調整を行うことができ、軽い演算負荷、短時間で
の自動調整１幅広い型の制御対象の自動ＵＲ整が可能と
なる効果がある。

【図面の簡単な説明】

第１図はこの発明の一実施例によるオート・チューニン
グ・コントローラを示すブロック線図・第２図はその動
作を示すフローチャート図・第３図はメンバーシップ関
数による評価の例を示す図・第４図はファジィ推論のし
くみを示す図、第５図は従来のオート・チューニング・
コントローラの一例を示す図である。 図において、ｌは目標値信号発生装置、２はオート・チ
ューニング・コントローラ、３は制御対象、４はコント
ローラであり、ここではその−例としてＰＩＤコントロ
ーラ、８は偏差切換器、９はテスト信号発生器、１０は
特徴量抽出器、１１は推論ルール記憶器、１２は速度型
ファジィ推論器、１３は積算器である。 なお図中同一符号は同−又は相当部分を示す。

Claims (1)

【特許請求の範囲】
1. （１）偏差を入力し、制御対象の入力である操作量を出
   力するコントローラと、 上記偏差として上記制御対象の出力である制御量とテス
   ト信号との偏差と目標値信号発生装置が発生する目標値
   信号と上記制御量との偏差のいずれかを選択する偏差切
   換器と、 上記テスト信号を発生するテスト信号発生器と、上記制
   御量とテスト信号との偏差を入力し、制御対象の特性を
   表す特徴量を出力する特徴量抽出器と、 上記コントローラの最適な制御パラメータを推論するた
   めの推論ルールを記憶する推論ルール記憶器と、 上記特徴量を入力し上記推論ルールに従って制御パラメ
   ータを現在の値からどれだけ調整すべきかを推論する速
   度型ファジィ推論器と、 上記速度型ファジィ推論器の出力を積算し上記コントロ
   ーラに与える積算器とを備えたことを特徴とするオート
   ・チューニング・コントローラ。