KR101622068B1 - Setting calculation system learning device and learning method - Google Patents

Setting calculation system learning device and learning method Download PDF

Info

Publication number
KR101622068B1
KR101622068B1 KR1020147031254A KR20147031254A KR101622068B1 KR 101622068 B1 KR101622068 B1 KR 101622068B1 KR 1020147031254 A KR1020147031254 A KR 1020147031254A KR 20147031254 A KR20147031254 A KR 20147031254A KR 101622068 B1 KR101622068 B1 KR 101622068B1
Authority
KR
South Korea
Prior art keywords
function
learning
value
downstream
calculation
Prior art date
Application number
KR1020147031254A
Other languages
Korean (ko)
Other versions
KR20140143225A (en
Inventor
하루키 이나미
Original Assignee
도시바 미쓰비시덴키 산교시스템 가부시키가이샤
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 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 filed Critical 도시바 미쓰비시덴키 산교시스템 가부시키가이샤
Publication of KR20140143225A publication Critical patent/KR20140143225A/en
Application granted granted Critical
Publication of KR101622068B1 publication Critical patent/KR101622068B1/en

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • 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
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • 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
    • G05B21/00—Systems involving sampling of the variable controlled
    • G05B21/02—Systems involving sampling of the variable controlled electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

수식 모델의 학습에 필요한 실적치의 일부를 얻을 수 없는 경우라도, 수식 모델을 구성하는 각 함수의 학습 항을 적절하게 갱신 가능한 설정 계산 시스템의 학습 장치를 제공한다. 이를 위해, 기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 장치에 있어서, 수식 모델을 구성하는 상류측 및 하류측 함수 각각의 학습 항을 실측치를 이용하여 계산하는 학습 항 계산부와, 하류측 함수의 학습 항의 계산에서 하류측 함수에 입력되는 제1의 실측치가 이상인지의 여부를 판정하는 실측치 판정부와, 제1의 실측치가 이상이라고 판정된 경우에, 상류측 함수로부터의 출력을 하류측 함수에 입력하여 하류측 함수로부터 출력되는 실적계산치를 계산하는 실적계산치 계산부와, 하류측 함수로부터의 출력에 대응하는 제2의 실측치에 대한 실적계산치의 오차를, 상류측 및 하류측 함수의 각 학습 항에 분배하는 보완학습 계산부를 구비한다.There is provided a learning apparatus of a setting calculation system capable of appropriately updating a learning term of each function constituting a mathematical expression model even when a part of actual values necessary for learning of the mathematical model can not be obtained. To this end, a learning apparatus for updating a learning term of a mathematical expression model by using a measured value in a setting calculation system that calculates a set value of a mechanical equipment using an mathematical model, comprising: a learning device for learning each of an upstream side and a downstream side An actual value judging section for judging whether or not the first actual value inputted to the downstream side function in the calculation of the learning term of the downstream side function is abnormal; A second calculation unit that calculates a second calculation result of the second calculation based on the output from the first calculation unit and the second calculation unit, And a supplementary learning calculation section for distributing the error of the calculated results to the respective learning terms of the upstream side and the downstream side functions.

Description

설정 계산 시스템의 학습 장치 및 학습 방법{SETTING CALCULATION SYSTEM LEARNING DEVICE AND LEARNING METHOD}{SETTING CALCULATION SYSTEM LEARNING DEVICE AND LEARNING METHOD}

본 발명은, 설정 계산 시스템의 학습 장치 및 학습 방법에 관한 것이다.
The present invention relates to a learning apparatus and a learning method of a setting calculation system.

일반적으로, 예를 들면 압연 플랜트의 프로세스 라인 등에서의 기계설비를 제어하기 위한 설정치의 결정 방법으로서, 제어 대상을 포함하는 환경에서 발생하는 물리현상을 수식에 의해 표현·재현한 수식 모델을 구축하고, 이 수식 모델상에서 목적으로 하는 결과를 얻을 수 있는 설정치를 구함으로써 설정치를 결정하는 방법이 알려져 있다.Generally, for example, as a method of determining a set value for controlling a machine tool in a process line or the like of a rolling plant, a mathematical expression model in which a physical phenomenon occurring in an environment including a control object is represented and reproduced by an expression, A method of determining a set value by determining a set value for obtaining a desired result on the mathematical expression model is known.

수식 모델을 이용한 설정치의 결정에서는, 사용하는 수식 모델에서의 대상 물리현상의 재현 정밀도를 높이는 것이, 보다 좋은 설정치의 결정으로 이어진다. 그래서, 수식 모델의 정밀도를 향상하기 위해, 수식 모델 내에 학습 항을 편입하여, 실적치에 의한 수식 모델의 수정을 실시하는 것도 종래에서 행하여지고 있다.In the determination of the set value using the mathematical expression model, increasing the precision of reproduction of the target physical phenomenon in the mathematical expression model to be used leads to determination of a better set value. Thus, in order to improve the precision of the mathematical expression model, it has been conventionally done to incorporate the term into the mathematical expression model and to modify the mathematical expression model based on the actual value.

이와 같은 수식 모델의 학습 방법으로서는, 수식 모델에 의해 계산한 실적치의 계산치(실적계산치)를, 계측기 등으로 실제로 계측한 실측치로부터 얻어지는 실적치와 비교하여, 이들의 값의 차이가 작아지도록 수식 모델의 학습 항을 갱신하여 가는 방법이 자주 채용된다.As a learning method of such a mathematical model, a calculation value (an actual calculation value) of an actual value calculated by a mathematical expression model is compared with an actual value obtained from a measured value actually measured by a meter or the like, and the learning of the mathematical expression model The method of updating the term is often adopted.

그리고, 종래에서의 학습 방법에서는, 수식 모델에 의한 실적계산치와 실제의 실적치에서 차이가 생기는 요인을, 설비나 환경의 변화에 의한 프로세스 라인의 시계열적인 변동과, 프로세스 라인에서 처리되는 재료의 종류, 처리 패턴의 차이에 기인하는 로트별의 변동의 2종류로 크게 나눈 다음, 이들 2종류의 변동마다 산출한 학습계수에 의거하여 수식 모델의 계산치를 수정하는 것이 알려져 있다(예를 들면, 특허 문헌 1 참조).In the conventional learning method, factors causing a difference in the actual calculated value by the mathematical expression model and actual actual values are called the time series fluctuation of the process line due to the change of the equipment or the environment, the type of the material processed in the process line, It is known that the calculation values of the mathematical expression model are corrected based on the learning coefficients calculated for each of these two kinds of fluctuations (for example, see Patent Document 1 Reference).

특허 문헌 1 : 일본 특허 제2839746호 공보Patent Document 1: Japanese Patent No. 2839746

그런데, 수식 모델로 재현하려고 하는 물리현상(즉, 제어 대상에서 일어나는 물리현상)이 복잡한 것인 경우, 보다 단순한 복수의 함수를 합성한 합성함수에 의해 당해 물리현상을 재현하는 수식 모델을 구성하는 일이 있다. 그리고, 그와 같은 경우에는, 합성함수를 구성하는 개개의 함수마다 학습 항을 마련하여 개개의 함수마다 학습을 실시하는 것이, 수식 모델의 재현 정밀도 향상의 관점에서도 바람직하다.However, when the physical phenomenon (that is, the physical phenomenon occurring in the control object) to be reproduced by the mathematical expression model is complex, a mathematical expression model for reproducing the physical phenomenon by the synthesis function synthesizing a plurality of simpler functions . In such a case, it is preferable from the viewpoint of improving the reproduction precision of the mathematical expression model that a learning term is provided for each function constituting the combining function to perform learning for each individual function.

그런데, 계측기 주변의 환경 등의 문제에 의해 실측치를 얻을 수가 없는 경우, 수식 모델을 구성하는 함수 중의 일부에 관해 학습에 필요한 실적치를 얻을 수가 없는 일이 있을 수 있다. 수식 모델을 구성하는 합성함수가 보다 많은 함수로 합성되어 있고, 학습에 필요한 실적치의 종류가 많을수록, (일부의) 실적치의 결손이 생길 가능성은 높아진다.However, when measured values can not be obtained due to problems such as the environment around the measuring instrument, there is a possibility that actual values necessary for learning can not be obtained for some of the functions constituting the mathematical expression model. As the synthesis functions composing the mathematical expression model are synthesized with more functions and the more kinds of actual values required for learning are, the more likely the probability that some of the actual values will be defective will increase.

그리고, 학습에 필요한 실적치의 일부에서 결손이 생김으로써 수식 모델의 학습을 완료할 수가 없어서, 일시적으로 수식 모델의 예측 정밀도가 저하되어 버린다는 과제가, 종래의 설정 계산 시스템의 학습 장치 및 학습 방법에는 존재한다. 또한, 학습을 시작한 직후의 상황에서는, 학습에 필요한 실적치의 일부에서 결손이 생김으로써 수식 모델의 학습을 완료할 수가 없는 경우에는, 수식 모델이 본래 기대되는 정밀도로 예측을 할 수가 있도록 될 때까지 필요한 시간이 길어져 버린다는 과제도 있다.The problem that the learning of the mathematical model can not be completed due to the lack of some of the actual values required for the learning and the prediction accuracy of the mathematical expression model is temporarily lowered is known as the learning apparatus and learning method of the conventional setting calculation system exist. In the situation immediately after the learning is started, if the learning of the mathematical expression model can not be completed due to a deficiency in a part of the actual values required for learning, it is necessary until the mathematical expression model can predict the originally expected precision There is also a problem that the time is lengthened.

본 발명은, 이와 같은 과제를 해결하기 위해 이루어진 것으로, 수식 모델의 학습에 필요한 실적치의 일부를 얻을 수 없는 경우라도, 얻어진 만큼(分)의 실적치를 이용한 학습을 실시하여 수식 모델을 구성하는 각 함수의 학습 항을 적절하게 갱신하는 것이 가능하여, 수식 모델의 정밀도의 저하를 억제할 수 있는 설정 계산 시스템의 학습 장치 및 학습 방법을 얻는 것이다.
SUMMARY OF THE INVENTION The present invention has been made to solve such problems, and it is an object of the present invention to provide a learning method and a learning method for learning a mathematical model, The learning term of the setting calculation system can be appropriately updated and degradation of the accuracy of the mathematical expression model can be suppressed.

본 발명에 관한 설정 계산 시스템의 학습 장치에서는, 기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서, 상기 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 장치로서, 상기 수식 모델을 구성하는 상류측 함수 및 하류측 함수 각각의 학습 항을 상기 실측치를 이용하여 계산하는 학습 항 계산부와, 상기 학습 항 계산부에서의 상기 하류측 함수의 학습 항의 계산에서 상기 하류측 함수에 입력되는 상기 실측치인 제1의 실측치가 이상인지의 여부를 판정하는 실측치 판정부와, 상기 제1의 실측치가 이상이라고 판정된 경우에, 상기 상류측 함수로부터의 출력을 상기 하류측 함수에 입력하여 상기 하류측 함수로부터 출력되는 실적계산치를 계산하는 실적계산치 계산부와, 상기 하류측 함수로부터의 출력에 대응하는 상기 실측치인 제2의 실측치에 대한 상기 실적계산치의 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에 분배하는 보완학습 계산부를 구비한다.The learning apparatus of the setting calculation system according to the present invention is a learning apparatus for updating a learning term of the mathematical expression model using an actual value in a setting calculation system for calculating a set value of a mechanical equipment using an mathematical model, A learning term calculation unit for calculating a learning term of each of an upstream side function and a downstream side function constituting the learning term by using the measured value; An output from the upstream function is input to the downstream function to determine whether the first actual value is abnormal or not, A function calculating section for calculating a performance calculation value output from the function on the downstream side, The error of the measured value of the results calculated for the second measured value, and a complementary learning unit operable to distribute the calculated learning, wherein learning and wherein the downstream-side function of the upstream function.

또한, 본 발명에 관한 설정 계산 시스템의 학습 방법에서는, 기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서, 상기 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 방법으로서, 상기 수식 모델을 구성하는 상류측 함수 및 하류측 함수 각각의 학습 항을 상기 실측치를 이용하여 계산하는 제1의 스텝과, 상기 제1의 스텝에서의 상기 하류측 함수의 학습 항의 계산에서 상기 하류측 함수에 입력되는 상기 실측치인 제1의 실측치가 이상인지의 여부를 판정하는 제2의 스텝과, 상기 제1의 실측치가 이상이라고 판정된 경우에, 상기 상류측 함수로부터의 출력을 상기 하류측 함수에 입력하여 상기 하류측 함수로부터 출력되는 실적계산치를 계산하는 제3의 스텝과, 상기 하류측 함수로부터의 출력에 대응하는 상기 실측치인 제2의 실측치에 대한 상기 실적계산치의 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에 분배하는 제4의 스텝을 구비한다.
In a learning method of a setting calculation system according to the present invention, in a setting calculation system for calculating a set value of a mechanical equipment using an equation model, a learning method of updating a learning term of the equation model by using an actual value, A first step of calculating a learning term of each of an upstream side function and a downstream side function constituting a model by using the actual values; and a second step of calculating a learning term of the downstream function in the first step, A second step of determining whether or not the first measured value, which is an actually measured value to be input, is abnormal; and a second step of determining whether or not the first measured value is abnormal, A third step of calculating a performance calculation value output from the downstream-side function, and a third step of calculating an actual-value calculation value corresponding to the output from the downstream- The error of the results calculated for the second measured value, and a step of claim 4 for dispensing the anti-learning and learning, wherein the downstream-side function of the upstream function.

본 발명에 관한 설정 계산 시스템의 학습 장치 및 학습 방법에서는, 수식 모델의 학습에 필요한 실적치의 일부를 얻을 수 없는 경우라도, 얻어진 만큼의 실적치를 이용한 학습을 실시하여 수식 모델을 구성하는 각 함수의 학습 항을 적절하게 갱신하는 것이 가능하고, 수식 모델의 정밀도의 저하를 억제할 수 있다는 효과를 이룬다.
In the learning apparatus and the learning method of the setting calculation system according to the present invention, even when a part of the actual values required for learning the mathematical expression model can not be obtained, learning using the obtained actual values is performed, Term can be appropriately updated, and it is possible to suppress deterioration in precision of the mathematical expression model.

도 1은 본 발명의 실시의 형태 1에 관한 설정 계산 시스템의 전체 구성을 설명하는 도면.
도 2는 본 발명의 실시의 형태 1에 관한 설정 계산 시스템의 학습 장치의 동작을 설명하는 플로우도.
도 3은 본 발명의 실시의 형태 1에 관한 설정 계산 시스템이 구비하는 학습 장치를 중심으로 하는 상세한 구성을 설명하는 도면.BRIEF DESCRIPTION OF THE DRAWINGS Fig. 1 is a diagram for explaining the entire configuration of a setting calculation system according to Embodiment 1 of the present invention; Fig.
Fig. 2 is a flowchart for explaining the operation of the learning apparatus of the setting calculation system according to the first embodiment of the present invention; Fig.
3 is a diagram for explaining a detailed configuration centered on a learning apparatus included in a setting calculation system according to Embodiment 1 of the present invention.

본 발명을 첨부한 도면에 따라 설명한다. 각 도면을 통하여 같은 부호는 동일 부분 또는 상당부분을 나타내고 있고, 그 중복 설명은 적절하게 간략화 또는 생략한다.The present invention will be described with reference to the accompanying drawings. Throughout the drawings, the same reference numerals denote the same or corresponding parts, and redundant descriptions thereof are appropriately simplified or omitted.

실시의 형태 1.Embodiment Mode 1.

도 1부터 도 3은, 본 발명의 실시의 형태 1에 관한 것으로, 도 1은 설정 계산 시스템의 전체 구성을 설명하는 도면, 도 2는 설정 계산 시스템의 학습 장치의 동작을 설명하는 플로우도, 도 3은 설정 계산 시스템이 구비하는 학습 장치를 중심으로 하는 상세한 구성을 설명하는 도면이다.1 to 3 relate to a first embodiment of the present invention. FIG. 1 is a diagram for explaining the entire configuration of a setting calculation system, FIG. 2 is a flowchart for explaining an operation of a learning apparatus of the setting calculation system, 3 is a diagram for explaining a detailed configuration around a learning apparatus provided in the setting calculation system.

도 1에 도시하는 것은, 예를 들면 압연 플랜트의 프로세스 라인 등을 구성하는 기계설비(1)의 설정치를 계산하는 설정 계산 시스템(2)의 전체 구성이다. 이 설정 계산 시스템(2)은, 설정 계산 장치(3), 실측치 수집 장치(4) 및 학습 장치(5)를 구비하고 있다.1 shows the entire configuration of a setting calculation system 2 for calculating a set value of a machine tool 1 constituting a process line or the like of a rolling plant, for example. The setting calculation system 2 includes a setting calculation device 3, a measured value collection device 4, and a learning device 5.

설정 계산 장치(3)에는, 기계설비(1)가 동작함에 의해 생기는 물리현상을 수식에 의해 모델화한 수식 모델이 미리 등록되어 있다. 설정 계산 장치(3)는, 이 수식 모델을 이용하여 기계설비(1)가 동작한 결과를 시뮬레이트함에 의해, 기계설비(1)가 동작한 결과가 목표치에 보다 가까워지도록 기계설비(1)의 설정치를 계산한다. 설정 계산 장치(3)에 의해 계산된 설정치는, 기계설비(1)에 출력된다. 그리고, 기계설비(1)는, 설정 계산 시스템(2)에서 계산된 설정치에 따라 동작한다.In the setting calculation device 3, a mathematical expression model in which a physical phenomenon caused by the operation of the mechanical equipment 1 is modeled by an equation is registered in advance. The setting calculation device 3 simulates the operation result of the machine tool 1 by using this mathematical expression model so that the set value of the machine tool 1 is set such that the result of operation of the machine tool 1 is closer to the target value . The setting value calculated by the setting calculation device 3 is output to the machine tool 1. [ Then, the machine tool 1 operates according to the set value calculated in the setting calculation system 2.

실측치 수집 장치(4)는, 기계설비(1)나 기계설비(1)가 동작한 환경 중의 물리량 중, 학습 장치(5)에서의 수식 모델의 학습에 필요한, 미리 정하여진 종류의 물리량의 실측치를 수집하는 것이다. 기계설비(1)나 기계설비(1)가 설치된 환경 중에는, 상기 물리량을 계측하기 위한 계측기 등이 미리 설치되어 있다. 그리고, 실측치 수집 장치(4)는 계측기 등에 의해 계측된 상기 물리량의 실측치를 수집한다.The measured value collecting device 4 calculates actual values of predetermined types of physical quantities necessary for learning the mathematical expression model in the learning device 5 among the physical quantities in the environment in which the mechanical equipment 1 or the mechanical equipment 1 operates To collect. In an environment in which the mechanical equipment 1 or the mechanical equipment 1 is installed, a measuring instrument for measuring the physical quantity is provided in advance. The measured value collecting device 4 collects actual values of the physical quantities measured by a meter or the like.

학습 장치(5)는, 실측치 수집 장치(4)에 의해 수집된 실측치에 의거하여, 설정 계산 장치(3)에서 이용되는 수식 모델의 학습을 실시한 것이다. 학습 장치(5)는, 수식 모델 학습 계산부(6), 실측치 판정부(7) 및 보완학습 계산부(8)를 구비하고 있다.The learning device 5 performs learning of the mathematical model used in the setting calculation device 3 based on the measured values collected by the measured value collection device 4. The learning apparatus 5 includes an equation model learning calculation section 6, a measured value determination section 7, and a supplementary learning calculation section 8.

수식 모델 학습 계산부(6)는, 설정 계산 장치(3)에서 이용되는 것과 같은 수식 모델을 이용하여 실적계산치를 계산한다. 여기서, 실적계산치란, 실측치 수집 장치(4)에 의해 수집된 실측치를 입력으로 한 경우의 수식 모델로부터의 출력이다. 그리고, 수식 모델 학습 계산부(6)는 수식 모델로부터 계산한 실적계산치와, 실측치 수집 장치(4)에 의해 수집된 실측치로부터 직접 구해진 실적치를 비교하고, 이들의 값의 차이가 작아지도록 수식 모델의 학습 항을 계산한다.The equation model learning calculation unit 6 calculates an earnings calculation value using an equation model such as that used in the setting calculation apparatus 3. [ Here, the earnings calculation value is an output from the mathematical expression model when the measured value collected by the measured value collection device 4 is input. The equation model learning calculation section 6 compares the calculated value of the performance calculated from the mathematical expression model with the actual value directly obtained from the measured value collected by the measured value collection device 4, Calculate the learning term.

실측치 판정부(7)는, 실측치 수집 장치(4)에 의해 수집된 실측치가 정상인지 이상(anomalous)인지를 판정하는 것이다. 여기서, 실측치가 이상 상태란, 실측치의 값이 정상인 범위(이 범위는 계측 대상마다 미리 정하여진다)로부터 일탈한 상태에 더하여, 실측치 그 자체가 존재하지 않는 결측(欠測)의 상태도 포함된다.The measured value determination section 7 determines whether the measured values collected by the measured value collection device 4 are normal or anomalous. Here, the measured value is an abnormal state, which includes a state of missing (missing) in which the measured value itself does not exist, in addition to a state deviating from a range where the measured value is normal (this range is predetermined for each measurement target).

실측치 판정부(7)에 의해 실측치가 이상이라고 판정된 경우, 학습 장치(5)는, 이 이상이라고 판정된 실측치에 상당하는 실적계산치가 존재할 때에는, 당해 실측치에 대신하여 이 실적계산치를 이용하여 학습 항의 계산을 진행한다.When the actual value is judged to be abnormal by the actual value judging section 7, the learning device 5, when there is an actual value calculated corresponding to the actual value judged to be abnormal, is used instead of the actually measured value, Proceed with the calculation of the term.

여기서, 「실측치에 상당하는 실적계산치」에 관해, 다시 설명한다. 우선, 전에도 기술한 바와 같이, 수식 모델로 재현하려고 하는 물리현상이 복잡한 것인 경우, 보다 단순한 함수를 복수 조합함에 의해 당해 물리현상을 재현하는 수식 모델을 구성하는 일이 있다. 이와 같은 경우에는, 어느 함수(이하 「상류측 함수」라고 한다)로부터의 출력이, 다른 함수(이하 「하류측 함수」라고 한다)의 입력이 되어 수식 모델의 계산이 진행된다.Here, the "performance calculation value corresponding to the measured value" will be described again. First, as described previously, when the physical phenomenon to be reproduced by the mathematical expression model is complex, a mathematical expression model for reproducing the physical phenomenon may be constructed by combining a plurality of simpler functions. In such a case, the output from a certain function (hereinafter referred to as " upstream function ") becomes the input of another function (hereinafter referred to as " downstream function "

이와 같은 관계에 있는 상류측 함수와 하류측 함수가 존재하는 경우, 하류측 함수에서의 학습 항의 갱신은, 통상이라면, 실측치 수집 장치(4)에 의해 수집된 실측치를 하류측 함수에 입력한 때에 하류측 함수로부터 출력되는 실적계산치를 이용하여 행한다. 그러나, 하류측 함수에 입력되어야 할 실측치가 이상인 경우, 하류측 함수에 실측치를 입력할 수가 없기 때문에, 하류측 함수의 학습을 행할 수가 없게 되어 버린다.When the upstream side function and the downstream side function having such a relationship exist, the updating of the learning term in the downstream side function is performed when the measured value collected by the measured value collection device 4 is input to the downstream side function, Using the performance calculation value output from the side function. However, when the measured value to be input to the downstream-side function is abnormal, it is impossible to input the measured value into the downstream-side function, so that it becomes impossible to learn the downstream-side function.

그래서, 상류측 함수로부터 출력되는 실적계산치를 실측치 대신에 하류측 함수에 입력함으로써, 하류측 함수에서의 학습을 진행한다. 즉, 위에서 말하는 「실측치에 상당하는 실적계산치」란, 수식 모델에서의 하류측 함수의 입력으로서 이용되는 상류측 함수의 실적계산치인 것이다.Thus, by inputting the performance calculation value output from the upstream-side function into the downstream-side function instead of the measured value, the learning in the downstream-side function proceeds. That is, the above-mentioned " performance calculation value corresponding to the measured value " is the calculated value of the upstream side function used as the input of the downstream-side function in the mathematical expression model.

이와 같이, 상류측 함수로부터 출력된 실적계산치를 실측치 대신에 하류측 함수에 입력함으로써 하류측 함수에서의 학습을 진행한 경우, 본래라면(즉, 하류측 함수에 입력하여야 할 정상적인 실측치가 얻어진 것이라면), 상류측 함수의 학습 항에서 흡수해야 할 오차에 대해서도, 하류측의 학습 항에서 흡수되게 된다. 그러면, 그 후에 하류측 함수의 입력에 이용하는 실측치로서 올바른 것이 얻어지게 된 경우에, 상류측 함수와 하류측 함수의 각각에서의 학습을 재개한 때에, 오히려 상류측 함수 및 하류측 함수의 개개의 학습 항에서의 학습 정밀도가 저하되어 버린다는 사태에 떨어져 들어가 버린다.In this way, when the learning in the downstream function is advanced by inputting the performance calculation value output from the upstream-side function to the downstream-side function instead of the measured value, if it is intrinsic (that is, if the normal measured value to be input to the downstream- , The error to be absorbed in the learning term of the upstream side function is also absorbed in the learning term on the downstream side. Then, when a correct one is obtained as an actual value to be used for inputting the downstream function, when the learning in each of the upstream function and the downstream function is resumed, the individual learning of the upstream function and the downstream function And the learning accuracy in the term is deteriorated.

그래서, 본 발명에 관한 학습 장치(5)에는, 실측치에 대신하고 상류측 함수로부터 출력된 실적계산치를 입력으로서 이용하여 계산된 하류측 함수의 출력과, 이 출력에 대응하는 실적치와의 오차를, 소정의 절차로 구해진 분배비로서 상류측 함수 및 하류측 함수의 쌍방의 학습 항에 분배하는 보완학습 계산부(8)가 구비되어 있다.Therefore, in the learning apparatus 5 of the present invention, the error between the output of the downstream-side function calculated by using the performance calculation value output from the upstream-side function instead of the measured value and the actual value corresponding to this output, And a supplementary learning calculation section 8 for distributing the learning term to learning terms of the upstream side function and the downstream side function as the distribution ratio obtained by a predetermined procedure.

이 보완학습 계산부(8)는, 하류측 함수에 입력되어야 할 실측치가 이상이라고 실측치 판정부(7)에 의해 판정된 경우에, 하류측 함수의 출력과, 이 출력에 대응하는 실적치와의 오차를 우선 계산한다. 그리고, 이 오차를, 소정의 절차로 구해진 분배비로서 상류측 함수 및 하류측 함수의 쌍방의 학습 항에 분배한다.The complementary learning calculator 8 calculates the error between the output of the downstream function and the actual value corresponding to this output when the actual value to be input to the downstream function is determined to be abnormal by the measured value determining section 7 . Then, this error is distributed to both learning terms of the upstream side function and the downstream side function as a distribution ratio obtained by a predetermined procedure.

이 때의 오차의 분배비를 구하는 절차에 관해 설명한다. 우선, 수식 모델의 학습이 진행될수록 수식 모델의 출력과 실적치와의 오차는 작아진다. 따라서 수식 모델의 학습이 충분히 진행한 상태에서는, 학습 항이 갱신된 때의 변화는 작아진다. 그리고, 이와 같이 학습 항이 안정된 상태에서는, 각 함수의 학습 항의 상대적인 크기를, 각각의 함수의 크기를 척도(目安)로 하여 평가할 수 있다. 여기서, 함수의 크기란, 함수에의 입력을 기준(基準)으로 하는 당해 함수로부터의 출력의 크기인 것이다.The procedure for obtaining the distribution ratio of the error at this time will be described. First, as the learning of the mathematical model progresses, the error between the output of the mathematical model and the actual value becomes smaller. Therefore, in a state in which the learning of the mathematical expression model proceeds sufficiently, the change when the learning term is updated is small. And, in the state where the learning term is stable as described above, the relative size of the learning term of each function can be evaluated with the size of each function as a scale. Here, the size of the function is the size of the output from the function whose reference to the function is input.

그래서, 보완학습 계산부(8)는, 상류측 함수 및 하류측 함수의 각각에 관해, 함수에의 입력을 기준으로 하는 함수로부터의 출력의 크기를 구한다. 그리고, 이렇게 하여 구해진 상류측 함수의 크기와 하류측 함수의 크기와의 비를, 상기 분배비로 한다. 여기서, 각 함수의 크기를 구할 때에 함수에 입력하는 값으로는, 원칙적으로 실측치 수집 장치(4)에 의해 수집된 실측치를 이용한다. 단, 입력하려고 하는 실측치가 이상하여 이용할 수가 없는 경우에는, 실적계산치 등의 다른 값으로 대용하여도 좋다.Thus, the supplemental learning calculation unit 8 obtains the magnitude of the output from the function based on the input to the function, with respect to each of the upstream function and the downstream function. The ratio of the size of the upstream-side function thus obtained to the size of the downstream-side function is defined as the above-mentioned distribution ratio. Here, as a value to be input to the function when the size of each function is obtained, actually measured values collected by the measured value collecting device 4 are used. However, when the measured value to be input is abnormal and can not be used, another value such as the calculated value of the performance may be substituted.

이와 같이 하여 구해진 분배비로서, 보완학습 계산부(8)는, 상기 오차를 상류측 함수 및 하류측 함수의 쌍방의 학습 항에 분배한다. 그리고, 수식 모델 학습 계산부(6)는, 보완학습 계산부(8)에 의해 분배된 오차에 의거하여, 상류측 함수 및 하류측 함수의 각각의 학습 항을 갱신한다.As a distribution ratio thus obtained, the supplementary learning calculation section 8 distributes the error to both the learning term of the upstream side function and the downstream side function. Then, the equation model learning calculation section 6 updates each learning term of the upstream side function and the downstream side function on the basis of the error distributed by the supplementary learning calculation section 8.

다음에, 도 2를 참조하면서, 설정 계산 장치(3) 및 학습 장치(5)에 관해 더욱 상세하게 설명한다. 또한, 여기서는, 설명상의 편리를 위해, 수식 모델은 상류측 함수와 하류측 함수의 2개로 구성되어 있다고 하고, 도 2에 도시하는 바와 같이, 상류측 함수는 또한 모델식(1a) 및 모델식(1b)으로 구성되고, 하류측 함수는 또한 모델식(2a) 및 모델식(2b)으로 구성되어 있다고 한다.Next, the setting calculation device 3 and the learning device 5 will be described in more detail with reference to Fig. Here, for convenience of explanation, it is assumed that the mathematical expression model is composed of an upstream function and a downstream function, and as shown in Fig. 2, the upstream function is also expressed by the model equations (1a) and 1b, and the downstream-side function is also made up of the model equation 2a and the model equation 2b.

설정 계산 장치(3)는, 기계설비(1)가 동작한 결과를 나타내는 수식 모델의 출력이 목표치에 보다 가까워지도록 기계설비(1)의 설정치를 계산한다. 이 수식 모델의 출력의 계산에 관해 순서를 쫓아 설명한다. 우선, 수식 모델의 상류측 함수에 관해, 모델식(1a)의 함수를 f, 입력하는 물리량을 V0, 기계설비(1)의 설정치를 X1 i(i=1, 2, …), 기타의 조건 입력을 a1 j(j=1, 2, …)라고 하면, 모델식(1a)으로부터의 도중결과(途中結果) 출력(Y1)은 다음의 (수식 1)식으로 표시된다.The setting calculation device 3 calculates the set value of the machine tool 1 so that the output of the mathematical expression model showing the result of operation of the machine tool 1 is closer to the target value. The computation of the output of the mathematical expression model will be described following the order. First, the function of the model equation (1a) is denoted by f, the input physical quantity is denoted by V 0 , the set value of the mechanical equipment (1) is denoted by X 1 i (i = 1, 2, (Intermediate result) output (Y 1 ) from the model equation (1a) is expressed by the following expression (1), where a 1 j (j = 1, 2, ...)

[수식 1][Equation 1]

Figure 112014106972341-pct00001
Figure 112014106972341-pct00001

이 도중결과 출력(Y1)에 대해 다음의 (수식 2)식으로 표시되는 학습 항에 의한 보정을 시행한 결과인 Y1 Z를 구한다. 그리고, 구해진 Y1 Z를 모델식(1b)의 입력으로 하여, 다음의 (수식 3)식을 계산함으로써, 상류측 함수로부터의 출력인 V1가 얻어진다. 여기서, (수식 2)식에서, H는 오차 보정 함수, Z1는 학습 항의 계수이고, (수식 3)식에서, g는 모델식(1b)의 함수, W1 l(l=1, 2, …)는 기타의 변수 입력, b1 k(k=1, 2, …)는 기타의 조건 입력이다.During this process, Y 1 Z is obtained as a result of the correction by the learning term expressed by the following equation (2) with respect to the result output (Y 1 ). Then, by using the obtained Y 1 Z as an input to the model equation (1b) and calculating the following equation (3), an output V 1 from the upstream-side function is obtained. Where G is a function of the model equation (1b), W 1 l (l = 1, 2, ...), and G 1 is a function of the learning term. It is the other input variables, b 1 k (k = 1 , 2, ...) is the other of the input condition.

[수식 2][Equation 2]

Figure 112014106972341-pct00002
Figure 112014106972341-pct00002

[수식 3][Equation 3]

Figure 112014106972341-pct00003
Figure 112014106972341-pct00003

이렇게 하여 상류측 함수로부터 출력된 V1를 하류측 함수에 입력하여 수식 모델의 계산이 진행된다. 수식 모델의 하류측 함수에 관해, 모델식(2a)의 함수를 f, 기계설비(1)의 설정치를 X2 i(i=1, 2, …), 기타의 조건 입력을 a2 j(j=1, 2, …)라고 하면, 모델식(2a)으로부터의 도중결과 출력(Y2)은 다음의 (수식 4)식으로 표시된다.In this manner, V 1 output from the upstream-side function is input to the downstream-side function, and calculation of the equation model proceeds. The function of the model equation 2a is represented by f, the set value of the mechanical equipment 1 is represented by X 2 i (i = 1, 2,...), And the other conditions input by a 2 j (j = 1, 2, ...), the intermediate result output (Y 2 ) from the model equation (2a) is expressed by the following equation (4).

[수식 4][Equation 4]

Figure 112014106972341-pct00004
Figure 112014106972341-pct00004

그리고, 이 도중결과 출력(Y2)에 대해 다음의 (수식 5)식으로 표시되는 학습 항에 의한 보정을 시행한 결과의 Y2 Z를 모델식(2b)의 입력으로 하는 다음의 (수식 6)식을 계산함으로써, 하류측 함수로부터의 출력인 V2가 얻어진다. 이 V2가 수식 모델로부터의 최종 결과 출력이다. 여기서, (수식 5)식에서, H는 오차 보정 함수, Z2는 학습 항의 계수이고, (수식 6)식에서, g는 모델식(2b)의 함수, W2 l(l=1, 2, …)는 기타의 변수 입력, b2 k(k=1, 2, …)는 기타의 조건 입력이다.Then, Y 2 Z obtained by performing the correction by the learning term expressed by the following expression (5) with respect to the result output (Y 2 ) is input to the model equation (2b) ), The output V 2 from the downstream side function is obtained. This V 2 is the final result output from the mathematical model. Where G is the function of the model equation (2b), W 2 l (l = 1, 2, ...), and G 2 is the coefficient of the learning term. It is the other input variables, b 2 k (k = 1 , 2, ...) is the other of the input condition.

[수식 5][Equation 5]

Figure 112014106972341-pct00005
Figure 112014106972341-pct00005

[수식 6][Equation 6]

Figure 112014106972341-pct00006
Figure 112014106972341-pct00006

설정 계산 장치(3)는, 이렇게 하여 얻어진 최종 결과 출력(V2)를 목표 값인 VAIM와 동등하게 되는 X1 i 및 X2 i를 구함으로써, 기계설비(1)의 설정치를 결정한다. 즉, 다음의 (수식 7)식과 같이 한 다음, (수식 1) 내지 (수식 7)식을 충족시키는 X1 i 및 X2 i를 구한다.The setting calculation device 3 determines the set value of the machine tool 1 by obtaining X 1 i and X 2 i equal to the target value V AIM obtained by the final result output V 2 thus obtained. That is, X 1 i and X 2 i satisfying the equations (1) to (7) are obtained after the following Equation (7).

[수식 7][Equation 7]

Figure 112014106972341-pct00007
Figure 112014106972341-pct00007

학습 장치(5)가 구비하는 수식 모델 학습 계산부(6)는, 실적계산치 계산부(6a)와 학습 항 계산부(6b)로 구성되어 있다. 실적계산치 계산부(6a)는, 설정 계산 장치(3)에서 이용되는 것과 같은 수식 모델을 이용하여 실적계산치를 계산한다. 학습 항 계산부(6b)는, 실적계산치 계산부(6a)에 의해 계산한 실적계산치와, 실측치 수집 장치(4)에 의해 수집된 실측치에 의한 실적치를 비교하고, 이들의 값의 차이가 작아지도록 수식 모델의 학습 항을 계산한다.The equation model learning calculation section 6 provided in the learning apparatus 5 is constituted by a performance calculation value calculation section 6a and a learning term calculation section 6b. The performance calculation value calculation unit 6a calculates the performance calculation value using the mathematical expression model used in the setting calculation apparatus 3. The learning term calculation section 6b compares the actual value calculated by the actual value calculation section 6a with the actual value obtained by the actual value collected by the actual value collection device 4 so that the difference between these values becomes smaller Calculate the learning term of the equation model.

이 수식 모델 학습 계산부(6)에서의 학습 항의 계산에 관해, 우선, 실적계산치 계산부(6a)에서의 실적계산치의 계산에 관해 설명한다. 이 실적계산치의 계산은, 원칙적으로 상류측 함수 및 하류측 함수에서 같기 때문에 상류측 함수 및 하류측 함수를 각각 나타내는 첨자인 「1」 및 「2」를 생략한다. 모델식(a)의 함수를 f, 입력하는 물리량의 실측치를 VACT, 기계설비(1)의 설정치의 실제의 값을 XACT i(i=1, 2, …), 기타의 조건 입력을 aj(j=1, 2, …)라고 하면, 모델식(a)으로부터의 도중결과 출력(실적계산치)(YACAL)은 다음의 (수식 8)식으로 표시된다.With regard to the calculation of the learning term in the mathematical expression model learning calculation section 6, the calculation of the performance calculation value in the performance calculation value calculation section 6a will first be described. Since the calculation of this earnings calculation value is basically the same in the upstream function and the downstream function, subscripts " 1 " and " 2 ", respectively indicating the upstream function and the downstream function are omitted. Let the function of the model equation (a) be f, the measured value of the input physical quantity be V ACT , the actual value of the set value of the mechanical equipment 1 be X ACT i (i = 1, 2, j (j = 1, 2, ...) when said model equation (a) result (performance calculated) (Y ACAL) from the middle of is represented by the following (equation 8) formula.

[수식 8][Equation 8]

Figure 112014106972341-pct00008
Figure 112014106972341-pct00008

이 도중결과 출력(YACAL)에 대해 다음의 (수식 9)식으로 표시되는 학습 항에 의한 보정을 시행한 결과인 YACAL Z를 구한다. 그리고, 구해진 YACAL Z를 모델식(b)의 입력으로서, 다음의 (수식 10)식을 계산함으로써 실적계산치(VACAL)가 얻어진다. 여기서, (수식 9)식에서, H는 오차 보정 함수, Z는 학습 항의 계수이고, (수식 10)식에서, g는 모델식(b)의 함수, Wl(l=1, 2, …)는 기타의 변수 입력, bk(k=1, 2, …)는 기타의 조건 입력이다.Y ACAL Z is obtained as a result of performing the correction by the learning term expressed by the following expression (9) on the result output (Y ACAL ). Then, using the obtained Y ACAL Z as the input of the model equation (b), the following equation (10) is calculated to obtain the performance calculation value (V ACAL ). In the equation (9), H is an error correction function, Z is a coefficient of a learning term, g is a function of the model equation (b), W l (l = 1, 2, , And b k (k = 1, 2, ...) are other condition inputs.

[수식 9][Equation 9]

Figure 112014106972341-pct00009
Figure 112014106972341-pct00009

[수식 10][Equation 10]

Figure 112014106972341-pct00010
Figure 112014106972341-pct00010

다음에, 학습 항 계산부(6b)에서의 학습 항의 계산에 관해 설명한다. 이 학습 항의 계산도, 실적계산치의 경우와 마찬가지로 원칙적으로 상류측 함수 및 하류측 함수에서 같다. 여기서 설명하는 예에서는, 학습 항은 모델식(a)으로부터의 도중결과 출력에 대해 시행된다. 따라서 학습을 위한 실적계산치와 실적치와의 비교는, 모델식(a)으로부터의 도중결과 출력에서 행하여진다.Next, the calculation of the learning term in the learning term calculation section 6b will be described. The calculation of this learning term is also the same in the upstream and downstream functions, as in the case of the performance calculation. In the example described here, the learning term is enforced for the intermediate result output from the model equation (a). Therefore, comparison between the calculated value of the performance for learning and the actual value is made at the output of the result from the model equation (a).

이 때문에, 우선, 실측치(VACT)에 의거하여, 모델식(a)으로부터의 도중결과 출력에 대응하는 실적치(YACT)를 다음의 (수식 11)식에 의해 계산한다. 이(수식 11)식에서, g- 1는 모델식(b)의 역함수, WACT l(l=1, 2, …)는 기타의 변수 입력의 실측치, bk(k=1, 2, …)는 기타의 조건 입력이다.Therefore, first, the actual value (Y ACT ) corresponding to the intermediate result output from the model equation (a) is calculated from the following equation (11) based on the measured value (V ACT ). This (Equation 11) where, g - 1 is the inverse of the model formula (b), W ACT l ( l = 1, 2, ...) is the other variable input of the measured value, b k (k = 1, 2, ...) Is the other condition input.

[수식 11][Equation 11]

Figure 112014106972341-pct00011
Figure 112014106972341-pct00011

이렇게 하여 구해진 실적치(YACT)와 (수식 8)식에 의해 구해진 YACAL로부터, 오차(ZCUR)를 다음의 (수식 12)식에 의해 계산한다. 이 (수식 12)식에서, h는 오차 계산 함수이다.The error (Z CUR ) is calculated from the following equation (12) from Y ACAL obtained from the actual values (Y ACT ) and the equation (8) obtained in this manner. In this equation (12), h is an error calculation function.

[수식 12][Equation 12]

Figure 112014106972341-pct00012
Figure 112014106972341-pct00012

또한, 이 오차 계산 함수(h)의 구체적인 형태에 관해서는, 예를 들면, YACT와 YACAL와의 차(差)를 취하는 것으로 하여도 좋고(즉, ZCUR=YACT-YACAL), YACT와 YACAL와의 비(比)를 취하는 것으로 하여도 좋다(즉, ZCUR=YACT/YACAL). 그리고, 이 오차 계산 함수(h)의 구체적인 형(形)에 응하여(수식 2), (수식 5), (수식 9)식의 오차 보정 함수(H)의 구체적인 형도 변하여 온다. 즉, 오차 계산 함수(h)가 입력 변수의 차를 취하는 것인 경우, 오차 보정 함수(H)는 입력 변수의 합을 취하는 것으로 되고, 오차 계산 함수(h)가 입력 변수의 비를 취하는 것인 경우, 오차 보정 함수(H)는 입력 변수의 곱을 취하는 것으로 된다.For example, the difference between Y ACT and Y ACAL may be taken as a specific form of the error calculation function h (i.e., Z CUR = Y ACT -Y ACAL ), Y The ratio of ACT to Y ACAL may be taken (i.e., Z CUR = Y ACT / Y ACAL ). The concrete form of the error correcting function H of the equation (5) and (9) also changes according to the concrete form of the error calculating function h. That is, when the error calculation function h takes the difference of the input variables, the error correction function H takes the sum of the input variables, and the error calculation function h takes the ratio of the input variables , The error correcting function H takes the product of the input variable.

그리고, 다음의 (수식 13)식에 의해, 이 오차를 평활화한 다음 학습 항에 반영하여 새로운 학습 항(ZNEW)을 계산한다. 이(수식 13)식에서, ZNEW는 다음회의 설정 계산 장치(3)에서의 설정 계산에서 사용하는 학습 항, ZOLD는 전회의 설정 계산 장치(3)에서의 설정 계산에서 사용한 학습 항, β는 평활화 계수이다.Then, a new learning term (Z NEW ) is calculated by smoothing the error by the following equation (13) and reflecting it to the learning term. In the equation (13), Z NEW is the learning term used in the setting calculation in the next setting calculation apparatus 3, Z OLD is the learning term used in the setting calculation in the previous setting calculation apparatus 3, Smoothing factor.

[수식 13][Equation 13]

Figure 112014106972341-pct00013
Figure 112014106972341-pct00013

이상이, 학습 항의 계산에 필요한 실측치를 정상적으로 얻을 수 있는 경우에 있어서의 학습 항의 계산 방법이다. 한편, 전술한 바와 같이, 하류측 함수의 학습 항의 계산에서 하류측 함수에 입력된 실측치가 이상인 경우에는, 상류측 함수로부터 출력된 실적계산치를 하류측 함수에 입력하여 계산을 진행함으로써, 하류측 함수에서의 학습에 필요한 실적계산치를 얻는다. 이하에서는, 이 하류측 함수의 학습 항의 계산에서 하류측 함수에 입력되는 실측치가 이상인 경우에 있어서의 하류측 함수로의 학습에 필요한 실적계산치의 계산에 관해 설명한다.This is the calculation method of the learning term in the case where the measured value necessary for the calculation of the learning term can be normally obtained. On the other hand, as described above, when the measured value inputted to the downstream-side function is abnormal in the calculation of the term of the downstream-side function, the calculation result is input to the downstream-side function by inputting the calculated value of the output from the upstream- To obtain the performance calculation value necessary for learning in Calculation of the calculated value of the performance required for learning to the downstream function when the measured value input to the downstream function is abnormal in the calculation of the learning term of the downstream function will be described below.

이 경우, 하류측 함수의 모델식(2a)에 입력되는 것은, 상류측 함수에서 (수식 10)식을 이용하여 계산된 VACAL이다. 따라서 하류측 함수의 모델식(2a)의 함수를 f, 기계설비(1)의 설정치의 실측치를 X2ACT i(i=1, 2, …), 기타의 조건 입력을 a2 j(j=1, 2, …)라고 하면, 모델식(2a)으로부터의 도중결과 출력(Y2ACAL)은 다음의 (수식 14)식으로 표시된다. 이(수식 14)식에서, V1ACAL는 상류측 함수에서 (수식 10)식을 이용하여 계산된 실적계산치이다.In this case, the input to the model equation (2a) of the downstream-side function is V ACAL calculated using the equation (10) in the upstream-side function. Therefore, the function of a downstream function model equation (2a) of f, the set value of the measured value of the mechanical equipment (1) X 2ACT i (i = 1, 2, ...), the other of the condition input a 2 j (j = 1 , 2, ...), the intermediate result output (Y 2 ACAL ) from the model equation (2a) is expressed by the following expression (14). In the equation (14), V 1 ACAL is the calculated value of the performance calculated using the equation (10) on the upstream side function.

[수식 14][Equation 14]

Figure 112014106972341-pct00014
Figure 112014106972341-pct00014

그리고, 이렇게 하여 계산한 Y2ACAL와, (수식 11)식에서 실측치(VACT)=V2ACT를 대입하여 얻어진 실적치(Y2ACT)로부터, 학습 항의 계산을 행한다. 단, 여기서, 전술한 바와 같이 Y2ACAL에는 상류측 함수와 하류측 함수의 쌍방의 오차가 포함되어 있기 때문에, 보완학습 계산부(8)에 의해, 오차(YACT-Y2ACAL)를 상류측 함수 및 하류측 함수의 쌍방의 학습 항에 분배한다.The learning term is calculated from the actual value (Y 2ACT ) obtained by substituting the actual value (V ACT ) = V 2ACT in the thus calculated Y 2 ACAL and the equation (11). Since the Y 2 ACAL includes the errors of both the upstream and downstream functions as described above, the complementary learning calculator 8 calculates the error (Y ACT -Y 2 ACAL ) as the upstream function And the learning function of the downstream side function.

이 보완학습 계산부(8)에서의 오차의 분배비의 계산 방법은, (수식 12)식에서의 오차 계산 함수(h)의 형에 의해 변하여 온다. 구체적으로는, 오차 계산 함수(h)가 입력 변수의 차를 취하는 것인 경우, 보완학습 계산부(8)에서의 오차의 분배는, 다음의 (수식 15)식 및 (수식 16)식에 의거한 비례 배분에 의해 행하여진다.The calculation method of the distribution ratio of the error in the supplementary learning calculation unit 8 is changed by the type of the error calculation function h in the equation (12). More specifically, when the error calculation function h takes the difference of the input variables, the distribution of the error in the supplementary learning calculation section 8 can be calculated based on the following equations (15) and (16) It is done by a proportional distribution.

[수식 15][Equation 15]

Figure 112014106972341-pct00015
Figure 112014106972341-pct00015

[수식 16][Equation 16]

Figure 112014106972341-pct00016
Figure 112014106972341-pct00016

또한, 오차 계산 함수(h)가 입력 변수의 비를 취하는 것인 경우, 보완학습 계산부(8)에서의 오차의 분배는, 다음의 (수식 17)식 및 (수식 18)식에 의거한 비례 배분에 의해 행하여진다.In the case where the error calculation function h takes the ratio of the input variable, the distribution of the error in the complementary learning calculation section 8 is proportional to the following Expression (17) and Expression (18) Distribution.

[수식 17][Equation 17]

Figure 112014106972341-pct00017
Figure 112014106972341-pct00017

[수식 18][Equation 18]

Figure 112014106972341-pct00018
Figure 112014106972341-pct00018

또한, 이들의 (수식 15) 내지 (수식 18)식에서, Z1CUR는 상류측 함수의 학습 항으로 분배되는 오차, Z2CUR는 상류측 함수의 학습 항으로 분배되는 오차, f는 모델식(a)의 함수이다.In the equations (15) to (18), Z 1CUR is the error distributed to the learning term of the upstream function, Z 2CUR is the error distributed to the learning term of the upstream function, f is the model equation (a) .

이렇게 하여 상류측 함수 및 하류측 함수의 각 학습 항으로 오차를 비례 배분한 후는, 상류측 함수와 하류측 함수의 각각의 학습 항에 관해, (수식 13)식에 의해 각각에 분배되는 오차를 평활화한 다음 학습 항에 반영된다. 갱신된 새로운 학습 항은, 다음의 설정 타이밍에서의 설정 계산 장치(3)에서의 설정치 계산에 사용된다.After the error is proportionally distributed to each learning term of the upstream side function and the downstream side function, an error distributed to each of the learning terms of the upstream side function and the downstream side function by the equation (13) It is smoothed and then reflected in the learning term. The updated new learning term is used for calculating the set value in the setting calculation apparatus 3 at the next setting timing.

이와 같이 구성된 학습 장치(5)에서의 동작의 흐름을, 도 3을 참조하면서 다시한번 설명한다. 우선, 스텝 S1에서, 실측치 수집 장치(4)가 실측치를 수집한다. 다음에, 스텝 S2로 진행하여, 실측치 판정부(7)는 실측치 수집 장치(4)가 수집한 실측치 중, V2ACT가 이상인지의 여부를 확인한다. V2ACT가 이상하지 않으면 스텝 S3으로 진행한다. 이 스텝 S3에서는, 실측치 판정부(7)는 실측치 수집 장치(4)가 수집한 실측치 중, V1ACT가 이상인지의 여부를 확인한다. V1ACT가 이상하지 않으면 스텝 S4로 진행한다.The flow of operation in the learning apparatus 5 constructed as described above will be described again with reference to Fig. First, in step S1, the measured value collecting device 4 collects measured values. Next, the process proceeds to step S2, and the measured value determining section 7 confirms whether or not V 2 AC is abnormal among the measured values collected by the measured value collecting device 4. If V 2ACT is not abnormal, the process proceeds to step S 3. In this step S3, the measured value determining section 7 confirms whether or not V1ACT of the measured values collected by the measured value collecting device 4 is abnormal. If V 1ACT is not abnormal, the process proceeds to step S 4.

이 스텝 S4에서는, 실적계산치 계산부(6a)는, (수식 8)식을 이용하여 상류측 함수의 실적계산치(Y1ACAL)를 계산한다. 계속된 스텝 S5에 있어서, 학습 항 계산부(6b)는, (수식 11)식을 이용하여 상류측 함수의 실적치(Y1ACT)를 계산한다. 다음에 스텝 S6으로 진행하여, 학습 항 계산부(6b)는, (수식 12)식을 이용하여 상류측 함수의 오차(Z1CUR)를 계산한다.In this step S4, the performance calculation value calculation unit 6a calculates the performance calculation value ( Y1ACAL ) of the upstream side function using the formula (8). In the succeeding step S5, the learning term calculation section 6b calculates the actual value ( Y1ACT ) of the upstream-side function using the equation (11). Next, the process proceeds to step S6, and the learning term calculation section 6b calculates the error ( Z1CUR ) of the upstream side function using the equation (12).

스텝 S6의 후는 스텝 S7로 진행한다. 이 스텝 S7에서는, 실적계산치 계산부(6a)는, (수식 8)식의 VACT에 실측치(V1ACT)를 대입하여 하류측 함수의 실적계산치(Y2ACAL)를 계산한다. 계속된 스텝 S8에서, 학습 항 계산부(6b)는, (수식 11)식을 이용하여 하류측 함수의 실적치(Y2ACT)를 계산한다. 다음에 스텝 S9로 진행하여, 학습 항 계산부(6b)는, (수식 12)식을 이용하여 하류측 함수의 오차(Z2CUR)를 계산한다.After step S6, the process proceeds to step S7. In this step S7, the performance calculation value calculating section 6a substitutes the measured value V 1ACT into V ACT of the formula (8) to calculate the performance calculation value (Y 2ACAL ) of the downstream function. In the succeeding step S8, the learning term calculation section 6b calculates the actual value (Y 2ACT ) of the downstream side function using the formula (11). Next, the process proceeds to step S9, and the learning term calculation section 6b calculates the error (Z 2CUR ) of the downstream side function using the equation (12).

스텝 S9의 후는 스텝 S10으로 진행한다. 이 스텝 S10에서는, 학습 항 계산부(6b)는, (수식 13)식의 ZCUR에 Z1CUR 및 Z2CUR를 각각 대입하여, 상류측 함수의 학습 항(Z1NEW)및 하류측 함수의 학습 항(Z2NEW)을 계산한다. 그리고, 스텝 S11으로 진행하여, 계산한 학습 항(Z1NEW 및 Z2NEW)으로 설정 계산 장치(3)의 수식 모델의 학습 항을 갱신하고, 일련의 학습 항 갱신 처리는 종료한다.After step S9, the process proceeds to step S10. In this step S10, the learning term calculation section 6b substitutes Z 1CUR and Z 2CUR into the Z CUR of the expression (13) to calculate the learning term (Z 1NEW ) of the upstream function and the learning term (Z 2 NEW ). Then, the process advances to step S11 to update the learning term of the mathematical expression model of the setting calculation apparatus 3 with the calculated learning terms ( Z1NEW and Z2NEW ), and the series of learning term updating processing ends.

한편, 스텝 S3에서, V1ACT가 이상한 경우에는 스텝 S20으로 진행한다. 이 스텝 S20에서는, 실적계산치 계산부(6a)는, (수식 8)식을 이용하여 상류측 함수의 실적계산치(Y1ACAL)를 계산한다. 계속된 스텝 S21에서, 실적계산치 계산부(6a)는, (수식 9)식 및 (수식 10)식을 이용하여 상류측 함수의 실적계산치(V1ACAL)를 계산한다.On the other hand, if V1ACT is abnormal in step S3, the process proceeds to step S20. In this step S20, the performance calculation value calculation unit 6a calculates the performance calculation value ( Y1ACAL ) of the upstream side function using the formula (Expression 8). In step S21, the performance calculation value calculation unit 6a calculates the performance calculation value V1ACAL of the upstream side function using the formula (9) and the formula (10).

스텝 S21의 후는 스텝 S22로 진행한다. 이 스텝 S22에서는, 실적계산치 계산부(6a)는, (수식 14)식에 의해 V1ACAL를 사용한 하류측 함수의 실적계산치(Y2ACAL)를 계산한다. 계속된 스텝 S23에서, 학습 항 계산부(6b)는, (수식 11)식을 이용하여 하류측 함수의 실적치(Y2ACT)를 계산한다.After step S21, the process proceeds to step S22. In this step S22, the performance calculation value calculating unit 6a calculates the performance calculation value (Y 2 ACAL ) of the downstream side function using V 1 ACAL by the formula (14). In the succeeding step S23, the learning term calculation section 6b calculates the actual value (Y 2ACT ) of the downstream side function using the formula (11).

그리고, 스텝 S24로 진행하여, 보완학습 계산부(8)는, (수식 15)식 및 (수식 16)식, 또는, (수식 17)식 및 (수식 18)를 이용하여, Z1CUR 및 Z2CUR를 계산한다. 스텝 S24의 후는, 전술한 스텝 S10으로 이행한다.Then, the process proceeds to step S24, where the supplementary learning calculation unit 8 calculates Z 1CUR and Z 2CUR (Equation 15) by using the equation 15 and the equation 16 or the equation 17 and the equation 18, . After step S24, the process proceeds to step S10 described above.

또한, 스텝 S2에서, V2ACT가 이상한 경우에는 스텝 S30으로 진행한다. 이 스텝 S30에서는, 실측치 판정부(7)는 실측치 수집 장치(4)가 수집한 실측치 중, V1ACT가 이상인지의 여부를 확인한다. V1ACT도 이상한 경우에는, 상류측 함수 및 하류측 함수의 양쪽 전부에서 학습 항의 갱신은 행하지 않는다.If it is determined in step S2 that V2ACT is abnormal, the flow advances to step S30. In this step S30, the measured value determining section 7 confirms whether or not V1ACT of the measured values collected by the measured value collecting device 4 is abnormal. When V 1ACT is also abnormal, the learning term is not updated in both the upstream side function and the downstream side function.

한편, 스텝 S30에서 V1ACT가 이상하지 않은 경우는 스텝 S31으로 진행한다. 이 스텝 S31에서는, 실적계산치 계산부(6a)는, (수식 8)식을 이용하여 상류측 함수의 실적계산치(Y1ACAL)를 계산한다. 계속된 스텝 S32에서, 학습 항 계산부(6b)는, (수식 11)식을 이용하여 상류측 함수의 실적치(Y1ACT)를 계산한다. 다음에 스텝 S33으로 진행하여, 학습 항 계산부(6b)는, (수식 12)식을 이용하여 상류측 함수의 오차(Z1CUR)를 계산한다.On the other hand, if V1ACT is not abnormal in step S30, the process proceeds to step S31. In this step S31, the performance calculation value calculating unit 6a calculates the performance calculation value ( Y1ACAL ) of the upstream side function using the formula (Eq. 8). In the succeeding step S32, the learning term calculation section 6b calculates the actual value ( Y1ACT ) of the upstream side function using the formula (11). Next, the process proceeds to step S33, and the learning term calculation section 6b calculates the error ( Z1CUR ) of the upstream side function using the equation (12).

스텝 S33의 후는 스텝 S34로 진행한다. 이 스텝 S34에서는, 학습 항 계산부(6b)는, (수식 13)식을 이용하여 상류측 함수의 학습 항(Z1NEW)을 계산한다. 그리고, 스텝 S35로 진행하여, 계산한 학습 항(Z1NEW)으로 설정 계산 장치(3)의 수식 모델의 학습 항을 갱신하고, 일련의 학습 항 갱신 처리는 종료한다.After step S33, the process proceeds to step S34. In this step S34, the learning term calculation unit 6b calculates the learning term ( Z1NEW ) of the upstream side function using the formula (13). Then, the process advances to step S35 to update the learning term of the mathematical expression model of the setting calculation apparatus 3 with the calculated learning term (Z 1 NEW ), and the series of learning term updating processing ends.

이상과 같이 구성된 설정 계산 시스템의 학습 장치는, 수식 모델을 구성하는 상류측 함수 및 하류측 함수 각각의 학습 항을 실측치를 이용하여 계산하는 학습 항 계산부와, 학습 항 계산부에서의 하류측 함수의 학습 항의 계산에서 하류측 함수에 입력되는 제1의 실측치가 이상인지의 여부를 판정하는 실측치 판정부와, 제1의 실측치가 이상이라고 판정된 경우에, 상류측 함수로부터의 출력을 하류측 함수에 입력하여 하류측 함수로부터 출력되는 실적계산치를 계산하는 실적계산치 계산부와, 하류측 함수로부터의 출력에 대응하는 제2의 실측치에 대한 실적계산치의 오차를, 상류측 함수의 학습 항 및 하류측 함수의 학습 항에 분배하는 보완학습 계산부를 구비하고 있다.The learning apparatus of the setting calculation system configured as described above includes a learning term calculation unit for calculating learning terms of each of an upstream side function and a downstream side function constituting the mathematical expression model using measured values, An output from the upstream function is determined as a downstream side function when the first measured value is determined to be abnormal; Side function and a second actual value corresponding to an output from the downstream-side function, and a second calculation unit that calculates an error of an actual calculation value with respect to a second actual value corresponding to an output from the downstream- And a supplementary learning calculation section that distributes the learning term to the learning term of the function.

따라서 학습을 위해 하류측 함수에 입력한 실측치를 얻을 수가 없는 경우에도, 상류측 함수로부터 출력되는 실적계산치를 실측치 대신에 하류측 함수에 입력함으로써 하류측 함수에서의 학습을 진행함과 함께, 축적되는 오차를 상류측 함수의 학습 항으로 배분하여, 상류측 함수와 하류측 함수의 쌍방에서의 적절한 학습을 실현한다.Therefore, even when the actual value input to the downstream function can not be obtained for learning, the performance computation value output from the upstream function is input to the downstream function instead of the measured value to advance learning in the downstream function, The error is distributed to the learning term of the upstream side function and appropriate learning is realized in both the upstream side function and the downstream side function.

즉, 수식 모델의 학습에 필요한 실적치의 일부를 얻을 수 없는 경우라도, 얻어진 만큼의 실적치를 이용한 학습을 실시하여 수식 모델을 구성하는 각 함수의 학습 항을 적절하게 갱신하는 것이 가능하고, 수식 모델의 정밀도의 저하를 억제할 수 있다. 그리고, 이 때문에, 기계설비의 설정치의 계산 정밀도 향상에 공헌할 수 있다.That is, even when a part of the actual values necessary for the learning of the mathematical expression model can not be obtained, it is possible to appropriately update the learning term of each function constituting the mathematical expression model by performing learning using the obtained actual values, It is possible to suppress deterioration in precision. For this reason, it can contribute to improvement in the calculation accuracy of the set value of the mechanical equipment.

또한, 이상과 같이 구성된 설정 계산 시스템의 학습 장치는, 예를 들면, 수식 모델 학습 계산부, 실적계산치 계산부, 학습 항 계산부, 실측치 판정부 및 보완학습 계산부의 각 부분의 완수하는 기능을 실현하기 위한 정보 처리를, 중앙 처리 장치나 기억 장치 등을 갖는 하드웨어 자원에 실행시킴으로써 구축하는 것도 가능하다.Further, the learning apparatus of the setting calculation system configured as described above realizes, for example, a function of completing each part of the equation model learning calculation unit, the performance calculation value calculation unit, the learning term calculation unit, the measured value determination unit and the supplementary learning calculation unit It is also possible to execute the information processing for executing the above-described processing on hardware resources having a central processing unit, a storage device and the like.

[산업상의 이용 가능성][Industrial Availability]

본 발명은, 기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서, 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 장치 및 학습 방법에 이용할 수 있다.
INDUSTRIAL APPLICABILITY The present invention can be used in a learning apparatus and a learning method for updating a learning term of a mathematical expression model using an actual value in a setting calculation system for calculating a set value of a mechanical equipment using an mathematical model.

1 : 기계설비
2 : 설정 계산 시스템
3 : 설정 계산 장치
4 : 실측치 수집 장치
5 : 학습 장치
6 : 수식 모델 학습 계산부
6a : 실적계산치 계산부
6b : 학습 항 계산부
7 : 실측치 판정부
8 : 보완학습 계산부1: Hardware
2: Setting calculation system
3: Setting calculation device
4: Measured value collecting device
5: Learning device
6: Formula model learning calculation unit
6a: Calculation section
6b:
7:
8: Complementary learning calculation unit

Claims (5)

기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서, 상기 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 장치로서,
상기 수식 모델을 구성하는 상류측 함수 및 하류측 함수 각각의 학습 항을 상기 실측치를 이용하여 계산하는 학습 항 계산부와,
상기 학습 항 계산부에서의 상기 하류측 함수의 학습 항의 계산에서 상기 하류측 함수에 입력되는 상기 실측치인 제1의 실측치가 이상(anomalous)인지의 여부를 판정하는 실측치 판정부와,
상기 제1의 실측치가 이상이라고 판정된 경우에, 상기 상류측 함수로부터의 출력을 상기 하류측 함수에 입력하여 상기 하류측 함수로부터 출력되는 실적계산치를 계산하는 실적계산치 계산부와,
상기 하류측 함수로부터의 출력에 대응하는 상기 실측치인 제2의 실측치로부터 얻어지는 실적치와 상기 실적계산치와의 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에 분배하는 보완학습 계산부를 구비한 것을 특징으로 하는 설정 계산 시스템의 학습 장치.A learning apparatus for updating a learning term of the mathematical expression model using an actual value in a setting calculation system for calculating a set value of a mechanical equipment using an mathematical model,
A learning term calculation unit for calculating a learning term of each of an upstream side function and a downstream side function constituting the above described mathematical expression model using said measured value;
An actual-value determining unit that determines whether or not the first measured value, which is an actually measured value, input to the downstream-side function in the calculation of the learning term of the downstream-side function in the learning term calculating unit is anomalous;
A performance calculation value calculation unit that inputs an output from the upstream function to the downstream function and calculates a performance calculation value output from the downstream function when the first measured value is determined to be abnormal;
A supplementary learning calculation for distributing an error between the actual value obtained from the second measured value, which is the actual value, corresponding to the output from the downstream side function and the calculated value of the performance, to the learning term of the upstream side function and the learning term of the downstream side function And a learning unit for learning the setting calculation system. 제 1항에 있어서,
상기 보완학습 계산부는, 상기 상류측 함수에의 입력을 기준으로 한 상기 상류측 함수로부터의 출력의 크기와 상기 하류측 함수에의 입력을 기준으로 한 상기 하류측 함수로부터의 출력의 크기와의 비에 의거하여, 상기 오차를 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에 분배하는 것을 특징으로 하는 설정 계산 시스템의 학습 장치.The method according to claim 1,
Wherein the complementary learning calculator calculates a ratio of a magnitude of the output from the upstream function based on the input to the upstream function and a magnitude of the output from the downstream function based on the input to the downstream function, And distributes the error to the learning term of the upstream function and the learning term of the downstream function. 제 2항에 있어서,
상기 보완학습 계산부는,
상기 오차를, 상기 제2의 실측치로부터 얻어지는 실적치와 상기 실적계산치와의 차이에 의해 구함과 함께,
구해진 상기 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에, 상기 상류측 함수에의 입력과 상기 상류측 함수로부터의 출력과의 차이의 절대치와, 상기 하류측 함수에의 입력과 상기 하류측 함수로부터의 출력과의 차이의 절대치에 의거하여 비례 배분하는 것을 특징으로 하는 설정 계산 시스템의 학습 장치.3. The method of claim 2,
Wherein the supplementary learning calculation unit comprises:
Wherein said error is obtained by a difference between an actual value obtained from said second measured value and said calculated actual value,
And a learning term of the upstream function and a learning term of the downstream function are set such that the absolute value of the difference between the input to the upstream function and the output from the upstream function, Based on the absolute value of the difference between the input and the output from the downstream-side function. 제 2항에 있어서,
상기 보완학습 계산부는,
상기 오차를, 상기 제2의 실측치로부터 얻어지는 실적치와 상기 실적계산치와의 비에 의해 구함과 함께,
구해진 상기 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에, 상기 상류측 함수에의 입력과 상기 상류측 함수로부터의 출력과의 비의 절대치와, 상기 하류측 함수에의 입력과 상기 하류측 함수로부터의 출력과의 비의 절대치에 의거하여 비례 배분하는 것을 특징으로 하는 설정 계산 시스템의 학습 장치.3. The method of claim 2,
Wherein the supplementary learning calculation unit comprises:
The error is obtained by the ratio between the actual value obtained from the second measured value and the calculated value of the performance,
And a learning term of the downstream function and an absolute value of a ratio between an input to the upstream function and an output from the upstream function and an absolute value of the ratio of the absolute value of the ratio of the input to the upstream function to the output of the downstream function, Based on the absolute value of the ratio between the input and the output from the downstream-side function. 기계설비의 설정치를 수식 모델을 이용하여 계산하는 설정 계산 시스템에서, 상기 수식 모델의 학습 항을 실측치를 이용하여 갱신하는 학습 방법으로서,
상기 수식 모델을 구성하는 상류측 함수 및 하류측 함수 각각의 학습 항을 상기 실측치를 이용하여 계산하는 제1의 스텝과,
상기 제1의 스텝에서의 상기 하류측 함수의 학습 항의 계산에서 상기 하류측 함수에 입력되는 상기 실측치인 제1의 실측치가 이상인지의 여부를 판정하는 제2의 스텝과,
상기 제1의 실측치가 이상이라고 판정된 경우에, 상기 상류측 함수로부터의 출력을 상기 하류측 함수에 입력하여 상기 하류측 함수로부터 출력되는 실적계산치를 계산하는 제3의 스텝과,
상기 하류측 함수로부터의 출력에 대응하는 상기 실측치인 제2의 실측치로부터 얻어지는 실적치와 상기 실적계산치와의 오차를, 상기 상류측 함수의 학습 항 및 상기 하류측 함수의 학습 항에 분배하는 제4의 스텝을 구비한 것을 특징으로 하는 설정 계산 시스템의 학습 방법.A learning method for updating a learning term of the mathematical expression model using an actual value in a setting calculation system for calculating a set value of a mechanical equipment using an mathematical model,
A first step of calculating a learning term of each of an upstream side function and a downstream side function constituting the mathematical expression model using the measured value,
A second step of determining whether or not the first measured value, which is an actually measured value inputted to the downstream function, is abnormal in the calculation of the term of the function of the downstream function in the first step,
A third step of inputting the output from the upstream function to the downstream function and calculating a calculated value of the output from the downstream function when the first measured value is determined to be abnormal;
A fourth term for distributing the error between the actual value obtained from the second actual value, which is the actual value, corresponding to the output from the downstream side function and the actual value calculated, to the learning term of the upstream function and the term of the downstream function, Wherein the step of calculating the learning value comprises the steps of:
KR1020147031254A 2012-05-16 2012-05-16 Setting calculation system learning device and learning method KR101622068B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/062535 WO2013171862A1 (en) 2012-05-16 2012-05-16 Setting calculation system learning device and learning method

Publications (2)

Publication Number Publication Date
KR20140143225A KR20140143225A (en) 2014-12-15
KR101622068B1 true KR101622068B1 (en) 2016-05-17

Family

ID=49583306

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147031254A KR101622068B1 (en) 2012-05-16 2012-05-16 Setting calculation system learning device and learning method

Country Status (4)

Country Link
JP (1) JP5846303B2 (en)
KR (1) KR101622068B1 (en)
CN (1) CN104303114B (en)
WO (1) WO2013171862A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10124381B2 (en) * 2014-02-17 2018-11-13 Toshiba Mitsubishi-Electric Industrial Systems Corporation Rolling process learning control device

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002091505A (en) 2000-09-14 2002-03-29 Toshiba Corp Model identifying device
JP2003340508A (en) 2002-05-27 2003-12-02 Toshiba Ge Automation Systems Corp Learning control apparatus for device of calculating setting of rolling mill

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07107682B2 (en) * 1989-02-15 1995-11-15 株式会社東芝 Target system modeling method and target system modeling apparatus
JP2839746B2 (en) * 1991-06-17 1998-12-16 株式会社神戸製鋼所 Learning control method in process line
US5566275A (en) * 1991-08-14 1996-10-15 Kabushiki Kaisha Toshiba Control method and apparatus using two neural networks
JPH06342422A (en) * 1993-05-31 1994-12-13 Kawasaki Steel Corp Signal processing method
JPH07200005A (en) * 1993-12-28 1995-08-04 Mitsubishi Electric Corp Learning control method
JPH09265302A (en) * 1996-03-28 1997-10-07 Kawasaki Steel Corp Process model identification method
US5764509A (en) * 1996-06-19 1998-06-09 The University Of Chicago Industrial process surveillance system
JP2000242323A (en) * 1999-02-24 2000-09-08 Hitachi Ltd Plant operation guidance system
JP4208509B2 (en) * 2002-07-18 2009-01-14 東芝三菱電機産業システム株式会社 Model learning device for rolling process
US7720641B2 (en) * 2006-04-21 2010-05-18 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to delayed coking unit
JP5069608B2 (en) * 2008-05-26 2012-11-07 株式会社日立製作所 Sheet width control device and control method for hot rolling mill
CN101966535B (en) * 2009-07-28 2012-11-14 宝山钢铁股份有限公司 Cold rolling strip shape forward control setting method based on incoming material plate profile
JP2012043235A (en) * 2010-08-20 2012-03-01 Hitachi Ltd Plant model construction support system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002091505A (en) 2000-09-14 2002-03-29 Toshiba Corp Model identifying device
JP2003340508A (en) 2002-05-27 2003-12-02 Toshiba Ge Automation Systems Corp Learning control apparatus for device of calculating setting of rolling mill

Also Published As

Publication number Publication date
JP5846303B2 (en) 2016-01-20
KR20140143225A (en) 2014-12-15
WO2013171862A1 (en) 2013-11-21
JPWO2013171862A1 (en) 2016-01-07
CN104303114A (en) 2015-01-21
CN104303114B (en) 2017-06-16

Similar Documents

Publication Publication Date Title
KR101832653B1 (en) Rolling process learning control device
CN111033382B (en) Utilizing overlay misalignment error estimation in imaging overlay metrology
JP4972623B2 (en) Distribution system state estimation apparatus, method and program
CN110252826A (en) Steel plate thickness control method and device
KR101622068B1 (en) Setting calculation system learning device and learning method
JP2010264499A (en) Method of optimizing parameter of control model
CN114264865A (en) Online self-calibration method for current collection device
JP2009072807A (en) Method and device for controlling planar shape of rolled stock and method of manufacturing thick steel plate
CN117092975A (en) Production control method and system based on digital twin
CN108599976B (en) Network quality evaluation model construction method and device and computer equipment
JP2020099982A (en) Machine tool thermal displacement correction method, thermal displacement correction program, thermal displacement correction device
US20230266158A1 (en) Method and system for eccentric load error correction
US8041511B2 (en) Method for optimizing calibration maps for an algorithm of estimation of a control quantity of an internal combustion engine
JP4529964B2 (en) Simulation device, simulation method, and simulation program
KR102570644B1 (en) Method for compensating a cutting error of vessel main panel
US20220269250A1 (en) Device and Method for Automatic Calculation of Measurement Confidence in Flexible Modular Plants and Machines
JP2004053349A (en) Hysteresis error correction apparatus
KR101439697B1 (en) System and method for controlling strip deviation
JP6816629B2 (en) Manufacturing process learning controller
JP4379698B2 (en) Method for manufacturing sheet product and sheet product manufacturing apparatus
JP2000126809A (en) Set up device of rolling mill
RU2003117333A (en) METHODS FOR ADJUSTING AND REGULATING PRODUCT PARAMETERS, IN PARTICULAR OF A LIQUID ROCKET ENGINE
CN117810960A (en) Method and device for predicting state of power system
CN109933848A (en) A kind of product design method and its formulate system
CN107887907A (en) A kind of multi-period rolling optimization method of Electrical Power System Dynamic state estimation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190311

Year of fee payment: 4