TWI481974B - An optimum apparatus and method, and a control device and method - Google Patents

An optimum apparatus and method, and a control device and method Download PDF

Info

Publication number
TWI481974B
TWI481974B TW102138429A TW102138429A TWI481974B TW I481974 B TWI481974 B TW I481974B TW 102138429 A TW102138429 A TW 102138429A TW 102138429 A TW102138429 A TW 102138429A TW I481974 B TWI481974 B TW I481974B
Authority
TW
Taiwan
Prior art keywords
variable
control
transition state
time
condition setting
Prior art date
Application number
TW102138429A
Other languages
English (en)
Other versions
TW201428439A (zh
Inventor
Tetsuya Tabaru
Hiroshi Shimizu
Souichi Iwamoto
Toru Saito
wataru Ueki
Original Assignee
Azbil Corp
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 Azbil Corp filed Critical Azbil Corp
Publication of TW201428439A publication Critical patent/TW201428439A/zh
Application granted granted Critical
Publication of TWI481974B publication Critical patent/TWI481974B/zh

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Feedback Control In General (AREA)

Description

最適化裝置及方法以及控制裝置及方法
本發明關於一種對成為控制對象的石油精製過程、石油化學過程等的工業過程進行最適化的最適化裝置及方法以及控制裝置及方法。
作為石油精製過程、石油化學過程等工業過程的控制方法，知曉的有模型預測控制。模型預測控制原來在成為多輸入輸出系統的過程中，作為一面遵守相當於過程的輸入之操作變數及相當於過程的輸出的控制變數所規定的條件，一面使這些值設定為向著目標值的控制方法而發展起來的。除此之外，現在，對過程的恒定狀態的目標值，通過線性規劃法(Linear Programming、以下簡記為LP)、二次規劃法(Quadratic Programming、以下簡記為QP)之最適化方法來決定(參見專利文獻1、非專利文獻1~4)。
對這種模型預測控制的例子進行簡單地說明。如圖9所示，進行模型預測控制的系統具備恒定狀態最適化部501與執行多變數模型預測控制運算的控制部502。恒定狀態最適化部501通過輸入最適化評價函數、上下限條件值、操作變數、控制變數等，並利用LP、QP等之最適化方法來計算出控制對象的過程503在恒定狀態的最適目標值。控制部502輸入最適目標值、控制變數及上下限值等，一邊考慮規定的條件(上下限值)一邊進行控制運算，以使過程503的操作變數及控制變數收斂於最適目標值。例如，控制部502進行控制，以使操作變數、控制變數不超出由上下 限值所規定的限制範圍。此外，關於模型預測控制的具體計算，由於在非專利文獻4等，有詳細的記述，故在此省略說明。
其次，對利用LP及QP來決定目標值的方法進行說明。在實際的過程之最適化，有時對來自目前的恒定狀態的差分進行最適化(以下稱作差分型最適化)。例如，在專利文獻1，公開了關於以模型預測控制為對象的系統之恒定狀態的最適化方法，但在此進行了差分型的最適化運算。又，在非專利文獻2，記載有藉由LP來決定過程的最適化之方法，但在此亦使用了差分型的最適化。
以下，假設u1 、u2 、‧‧‧um 表示操作變數，y1 、y2 、‧‧‧yn 表示控制變數的值。操作變數的個數為m、控制變數的個數為n。又設k為表示目前的控制週期的索引(index)。當將控制變數、操作變數合成作為向量(vector)進行處理時，以下式(1)進行表示。並且，當控制變數與操作變數為一個向量進行處理時，可以如下式(2)所示地用x來表示。又，差分型的最適化問題，以式(3)所例示地進行記述。
【算式1】
u(k-1)為一控制週期前之操作變數的值、y(∞)為將u(k-1)連續輸入到過程之情況下，控制變數收斂的值。在此，設連續u(k-1>與y(∞)的組、即連續一個控制週期前的值之情況下的過程的恒定狀態為最適化的原點x0 ，將自原點的最適差分值Δxopt 作為求解的問題進行最適化。
Δu為自u(k-1)的差分、Δy則為自y(∞)的差分。J為評價函數、目的是將此值最小化。H不為零的話是二次規劃法，為零的話則是線性規劃法。式(3)的第6行的式子意味著如果從目前的恒定狀態使操作變數僅改變Δu的話，則控制變數的變化量Δy將變成G0 Δu。在此，G0 是過程(控制對象)的傳遞函數矩陣G(S)為s=0時的值。此外，「G0 =G(0)‧‧‧(4)」。以下，將G0 稱為直流增益矩陣。又，在ui 、yi 帶下劃線的變數表示操作變數、控制變數的下限值、帶上劃線的變數表示上限值。均可作為不等式條件來表示。此外，若將不等式條件進行一般地表示，則可寫為「AΔx≦Δb‧‧‧(5)」。
如果求解上述問題並得到Δxopt 的話，則藉由將得到的值加到x0 上，就可以得到最適目標值xopt 。藉由將此值設為模型預測控制的目標值，就能夠將程序控制在最適狀態。
此外，雖然在此藉由限制在上下限值內來對操作變數、控制變數的條件進行了規定，但也有除此以外的方法。例如，也有將與控制變數從上下限值超出了的量相對應的補償，追加到上述之評價函數的方法。在此方法的情況下，雖然允許控制變數超出上下限值，但由於超出的量變大時，評價函數將會變大，因此超出的量將會被抑制。
又，在本說明書，提起條件的話，是包含：完全不容許偏離上下限值內、設定值者、及雖然容許偏離上下限值內、設定值，但藉由補償對超出上下限值、設定值者，進行抑制之兩者。又，把不容許偏離上下限值內、設定值的類型的條件稱作硬性條件，把容許偏離的類型的條件稱作軟性條件。軟性條件的情況下，由於容許偏離原來的上下限值、設定值，所以有時會得到不滿足條件的解。請注意在本說明書，雖然也包含如上所述的情形，並以“滿足條件”來表達，但實際上所滿足的是從原來的上下限值、設定值所被擴展了的條件。
【現有技術文獻】
【專利文獻】
【專利文獻1】日本專利第4614536號公報
【非專利文獻】
【非專利文獻1】大嶋正裕、「模型預測控制-理論的誕生‧展開‧發展-」、計測與控制、第39卷、第5號、321-325頁、2000年。
【非專利文獻2】石川昭夫、大嶋正裕、谷垣昌敬、村上周太、「具有恒定最適化功能的模型預測控制中的壞條件的去除法」、化學工學論文集、第24卷、第1號、24-29頁、1998年。
【非專利文獻3】S. Joe Qin, Thomas A. Badgwell, “A survey of industrial model predictive control technology”, Control Engineering Practice, vol.11, pp.733-764, 2003.
【非專利文獻4】Jan M. Maciejowski (足立修一、野政明譯)、「模型預測控制 -和在條件的最適控制-」、東京電機大學出版社、2005年。
但是，在上述關聯的技術，存在作為控制對象的過程包含積分要素之情形的最適化問題。
所謂積分要素，是指輸出與輸入的時間積分成比例之要素。以傳遞函數來表示的話即為K/s。作為具有積分要素的動態系統(以下稱作積分類)的例子，用容器(tank)來進行說明。假設容器內的流體之體積為y1 、流入到容器的流量為u1 、從容器流出的流量為u2 的話，那麼這些關係以下式(6)來表示。若將流入流量、流出流量作為系統的輸入、體積作為輸出來考慮的話，則此系統為積分類。
【算式2】
積分要素只要輸入不是0，則輸出就不是一定的。因此，積分類的輸出不是一定值，有時會連續變化。例如，以上述容器的例子來說，流入流量與流出流量不平衡時，容器內的流體體積將會持續變化。若流入流量比流出流量多的狀態持續的話，容器內的流體將溢出。另一方面，如果流出流量多的話，容器將會在某個時候變成空的。當然，通常有必要進行控制以使其不變成上述的任何狀態。
在實際的過程，存在具有積分要素者，且有可能成為最適化的對象。但是，依據後述的理由，上述技術無法就那樣地適用於此種過程。
其一是由於操作變數的變化量Δu是有限的，即使是在所給出的條件內，控制變數的變化量Δy也不限於是有限的。在前述，雖然說明了Δy可以由直流增益矩陣G0 與Δu之積來計算，但過程包含積分要素之情況下，G0 不會變成有限的。這是由積分要素的傳遞函數為K/s、在s=0時變成無限大而來的。既然G0 不會成為有限，則Δy也不會變成有限。實際上，如果是本領域技術人員的話，能夠容易地理解在上述容器的例子，可能發生y1 不會變成有限、或溢出、變成空的之狀況。
又，在差分型的最適化，無法計算y(∞)也將成為問題。y(∞)是繼續一個控制週期前的輸入u(k-1)情況下的恒定狀態之控制變數的收斂值。上述的最適化方法，以存在y(∞)為前提。但是，若舉容器的例子，u1 與u2 不等的話，y1 (∞)就不會成為有限的值。因此，成為最適化的前提之條件不成立。
根據如上之理由，在非專利文獻2所記載的方法，由於未考慮包含積分要素的過程其特有的動作，因此最適化方法也不能原樣地適用。因此，包含積分要素之過程的最適化方法與通常不同的。例如，在關於模型預測控制的產業應用所記述的非專利文獻3的3.3.4項(753頁)，作為具有積分要素之過程的恒定狀態最適化方法，表示了兩種方法。
第一，表示了追加將包含積分類的控制變數的斜率限制成0之等式限制條件(硬性條件)的方法。第二，表示了藉由將包含積分類的控制變數的斜率之大小(例如斜率的平方)加入到最適化的評價函數，以作為補償來對控制變數的斜率給予軟性條件的方法。如此對最適化問題進行求解的話，包含積分類的控制變數之斜率將變為0或十分小的值，操作變數的最適解將變為抑制上述控制變數的變化的值。
此等方法從即便是積分類的過程也能夠進行最適化這個意義上來說，是優異的。但是，問題並沒有完全解決，而留下以下的問題。
首先，對包含積分類的控制變數無法進行積極地最適化。上述的方法，是以計算出具有積分類的控制變數之斜率為0，或盡可能地變小之操作變數、控制變數的目標值為目的。但是，並未表示出用於使具有積分類之控制變數的值本身接近期望的(最適的)值之辦法。
而且，對與具有積分類的控制變數有關係的操作變數之最適化造成影響。例如，考慮如圖10所示，操作變數為兩個(MV1、MV2)，控制變數為一個(CV1)的控制對象。在從MV1到CV1之間，存在積分要素，但在從MV2到CV1之間，則不存在。進行最適化運算時，CV1的斜率為0，該值設為與下限值一致。
在此，最適化的目標設為MV2之最小化。由於在從MV1到CV1之間，存在積分類要素，CV1之當前的斜率為0，因此加上將CV1的斜率設為0之限制條件，並對最適化問題進行求解，則MV1的最適目標值變為當前值。這是由於一旦偏離當前值的話，CV1就具有斜率。
另一方面，MV2的最適目標值也變為當前值。這是由於CV1的值與下限值一致，無法進一步減小MV2之值的緣故。實際上，如果將MV1的值暫時增大且從此進行還原的話，就可以同時實現保持CV1的斜率為0、將CV1的值保持在下限及將MV2的值比起當前值進一步地減小。但是，由於在上述方法，考慮的只是將CV1的斜率保持為0，或接近0的值，所以無法使MV1及MV2一同地更動。如此一來，在上述關聯之技術，可能會發生無法進行理應可行之最適化的狀況。
本發明正是為了解決上述問題而做出的，其目的為，即便是具有積分類的控制對象，也能夠對控制的目標值進行最適化。
本發明之最適化裝置具備：資料收集部，收集控制對象的資料，控制對象的資料包含：用於對控制對象進行控制之操作變數及控制對象輸出之控制變數；模型記憶部，記憶控制對象的數學模型；第1預測部，對收集於資料收集部的資料中的成為最適化對象的最適化對象變數之中的包含積分要素輸出的控制變數，預測過渡狀態時間後的值；第2預測部，對最適化對象變數之中的不包含積分要素之輸出的控制變數，預測規定時間後的值；斜率預測部，對最適化對象變數之中的包含積分要素之輸出的控制變數，預測既定時間後的每單位時間的變化量；恒定狀態變數條件設 定部，對最適化對象變數的既定時間後的值進行條件設定；過渡狀態斜率條件設定部，針對最適化對象變數之中的包含積分要素之輸出的控制變數，對過渡狀態區間之每單位時間的變化量進行除了0以外的條件設定；過渡狀態變數條件設定部，對操作變數的過渡狀態區間之值進行條件設定，該操作變數的過渡狀態區間之值與最適化對象變數之中的至少包含積分要素之輸出的控制變數有關；以及求解運算部，求出滿足由過渡狀態斜率條件設定部及過渡狀態變數條件設定部所設定的條件、且將所給予的最適化的評價函數，進行最適化的最適化對象變數的最適解，最適化對象變數是將至既定時間為止的時間區間分為直到過渡狀態時間經過為止的一個以上的過渡狀態區間與過渡狀態時間經過後的一個恒定狀態區間，且將過渡狀態區間及恒定狀態區間之操作變數及控制變數的值個別地作為最適化對象並設定之變數。
在上述最適化裝置，也可以具備恒定狀態斜率條件設定部，該恒定狀態斜率條件設定部針對由收集於資料收集部的資料而設定的最適化對象變數之中的包含積分要素之輸出的控制變數，對過渡狀態時間之後的每單位時間的變化量進行條件設定。
在上述最適化裝置，亦可：過渡狀態斜率條件設定部及恒定狀態斜率條件設定部，對最適化對象變數之中的包含積分要素之輸出的控制變數，根據上下限值給出條件，過渡狀態斜率條件設定部給出比恒定狀態斜率條件設定部更大的上限值及更小的下限值作為條件。
在上述最適化裝置，亦可：過渡狀態斜率條件設定部及恒定狀態斜率條件設定部，對最適化對象變數之中的包含積分要素之輸出的控 制變數，輸出與每單位時間的變化量的大小相應的補償，過渡狀態斜率條件設定部針對同樣每單位時間的變化量，輸出比恒定狀態斜率條件設定部小的補償，求解運算部對將補償加在評價函數之函數進行最適化。
在上述最適化裝置，亦可：根據評價函數，對過渡狀態斜率條件設定部及恒定狀態斜率條件設定部的設定進行調整。
又，本發明之控制裝置使用上述之最適化裝置所輸出的目標值，且具備：控制部，進行控制使得操作變數及控制變數朝向最適化裝置所輸出的目標值，且至少擁有設定時間參數(parameter)，該設定時間參數調整積分類之控制變數設定為目標值為止的時間，使過渡狀態時間與設定時間參數有所關聯，並決定之。
本發明之最適化方法，具備如下步驟：資料收集步驟，其收集控制對象的資料，控制對象的資料包含用於對控制對象進行控制的操作變數及控制對象輸出的控制變數；模型記憶步驟，其記憶控制對象的數學模型；第1預測步驟，對由資料收集步驟所收集的資料中的成為最適化的對象的最適化對象變數之中的包含積分要素之輸出的控制變數，預測過渡狀態時間後的值；第2預測步驟，對最適化對象變數之中的不包含積分要素之輸出的控制變數，預測規定時間後的值；斜率預測步驟，對最適化對象變數之中的包含積分要素之輸出的控制變數，預測既定時間後的每單位時間的變化量；恒定狀態變數條件設定步驟，其對最適化對象變數的既定時間後的值進行條件設定；過渡狀態斜率條件設定步驟，針對最適化對象變數之中的包含積分要素之輸出的控制變數，對過渡狀態區間之每單位時間的變化量進行除了0以外的條件設定；過渡狀態變數條件設定步驟，其 對操作變數的過渡狀態區間之值進行條件設定，該操作變數與最適化對象變數之中的至少包含積分要素之輸出的控制變數有關；以及求解運算步驟，其求出滿足由過渡狀態斜率條件設定步驟及過渡狀態變數條件設定步驟所設定的條件、且對所給出的最適化的評價函數進行最適化的最適化對象變數的最適解，最適化對象變數是將至既定時間為止的時間區間分為直到過渡狀態時間經過為止的一個以上的過渡狀態區間與過渡狀態時間經過後的一個恒定狀態區間，且將過渡狀態區間及恒定狀態區間之操作變數及控制變數的值個別地作為最適化對象並設定之變數。
在上述最適化方法，亦可具備：恒定狀態斜率條件設定步驟，針對從以資料收集步驟所收集之資料來設定的最適化對象變數之中包含積分要素之輸出的控制變數，對過渡狀態時間之後的每單位時間之變化量，進行條件設定。
在上述最適化方法，亦可：在過渡狀態斜率條件設定步驟及恒定狀態斜率條件設定步驟，對最適化對象變數之中的包含積分要素之輸出的控制變數，根據上下限值給出條件，在過渡狀態斜率條件設定步驟，給出比恒定狀態斜率條件設定步驟更大的上限值及更小的下限值作為條件。
在上述最適化方法，亦可：在過渡狀態斜率條件設定步驟及恒定狀態斜率條件設定步驟，對最適化對象變數之中的包含積分要素之輸出的控制變數，輸出與每單位時間的變化量的大小相應的補償，在過渡狀態斜率條件步驟，針對同樣每單位時間的變化量，輸出比恒定狀態斜率條件步驟小的補償，在求解運算步驟，對將補償加在評價函數之函數進行最 適化。
在上述最適化方法，也可以根據評價函數，對過渡狀態斜率條件設定步驟及恒定狀態斜率條件設定步驟之設定進行調整。
又，本發明的控制方法使用上述之最適化方法所輸出的目標值，且具備：控制步驟，進行控制使得操作變數及控制變數朝向最適化裝置所輸出的目標值，且至少擁有設定時間參數(parameter)，該設定時間參數調整積分類之控制變數設定為目標值為止的時間，使過渡狀態時間與設定時間參數有所關聯，並決定之。
藉由上述說明，根據本發明，即便是擁有積分類的控制對象，也能夠獲得控制的目標值的最適化這一優異的效果。
101‧‧‧資料收集部
102‧‧‧恒定狀態預測部
103‧‧‧斜率預測部
104‧‧‧模型記憶部
105‧‧‧目標值運算部
121‧‧‧第1預測部
122‧‧‧第2預測部
151‧‧‧過渡狀態斜率條件設定部
152‧‧‧恒定狀態斜率條件設定部
153‧‧‧過渡狀態變數條件設定部
154‧‧‧恒定狀態變數條件設定部
155‧‧‧求解運算部
圖1是用來對本發明的原理進行說明的說明圖。
圖2是表示本發明的實施型態1之最適化裝置的結構的結構圖。
圖3是對具有本發明的實施型態之最適化裝置的第1預測部121及第2預測部122的恒定狀態預測部102的動作例進行說明的流程圖。
圖4是表示本發明的實施型態1之最適化裝置具備的目標值運算部105的結構的結構圖。
圖5是對本發明的實施型態1之最適化裝置的動作(最適化方法)進行說明的流程圖。
圖6是表示本發明的實施型態2之最適化裝置具備的目標值運算部105 a的結構的結構圖。
圖7是用來說明相對於斜率的上下限值之給予方式的一個例子的說明圖。
圖8是表示本發明的實施型態3之最適化裝置具備的目標值運算部105a的結構的結構圖。
圖9是表示進行模型預測控制的系統的結構例的結構圖。
圖10是用來對控制對象的結構進行說明的說明圖。
〔原理〕
首先，對本發明的原理進行說明。
如同在「發明欲解決之問題」一欄所說明，在擁有積分類的控制對象的目標值的最適化，一般要求在預先決定的既定時間後擁有積分類的控制變數的斜率為0或為較小的值。但是，在朝目標值進行控制的途中狀態(過渡狀態)，該要求被認為未必是必要的。又，將與積分類有關的控制變數的值的變化量列入最適化一事，若考慮過渡狀態之操作變數的值，並決定處於過渡狀態的時間即有可能。
在本發明，不僅既定的時間後的目標值，而且過渡狀態之操作變數、控制變數的值也視為最適化問題的未知變數。又，追加假定處於過渡狀態的時間(以下稱作過渡狀態時間)作為最適化的參數。並且，如圖1所示，對於擁有積分類的控制變數的過渡狀態之斜率，作為斜率不為0之情況(非零)的條件，可以容許擁有斜率。藉此，利用處於過渡狀態的 時間，對擁有積分類的控制變數的值以積極地更改為前提的最適化成為可能。又，藉由假定處於過渡狀態的時間，擁有積分類的控制變數的變化量變為有限，對具體的值進行估計將成為可能。藉此，可以明確地將擁有積分類的控制變數列入最適化問題。
作為在「發明欲解決之問題」所述的另一個問題之恒定狀態下的控制變數的收斂值y(∞)無法計算的問題也可以藉由設定過渡狀態時間而得以解決。雖然擁有積分類的控制變數不見得收斂於一定值，但可以對有限時間前的值進行預測。因此，對於擁有積分類的控制變數，計算過渡狀態時間前的預測值以替代恒定狀態之收斂值。又，可在最適化問題，利用計算出之預測值。藉此，y(∞)無法計算的問題也解決了。
藉由如上所述，可以使擁有積分類的控制變數、與該控制變數有關的操作變數的目標值更接近期望的值，能夠積極地進行最適化。
以下，參照附圖對本發明的實施型態進行說明。
〔實施方式1〕
首先，用圖2對本發明的實施型態1進行說明。圖2是表示本發明的實施型態1之最適化裝置的結構的結構圖。該最適化裝置具備：資料收集部101，恒定狀態預測部102，斜率預測部103，模型記憶部104，及目標值運算部105。又，恒定狀態預測部102具備第1預測部121及第2預測部122。
資料收集部101為了預測過程131的將來的回應，收集來自於控制對象之過程131的控制變數、操作變數、干擾變數等的必要資料。這些資料被送至恒定狀態預測部102及斜率預測部103。模型記憶部104對 過程131的舉動進行預測，又，為了求解操作變數的變化量與控制變數的變化量的關係，記憶必要的數學模型。作為這種數學模型，有傳遞函數模型、狀態空間示意模型、步驟回應模型等。當然，並不局限於這些模型，還可以利用其他的數學模型。
恒定狀態預測部102假定作為輸入給過程131的操作變數的值繼續保持目前的樣子，預測過程131的預先決定的既定時間後的控制變數的值。該既定的時間，為了積分類以外的控制變數之收斂，安排充分時間者較佳。
在此，如前所述，由於積分類的控制變數不見得收斂於有限值，因而得不到原來意義上的恒定狀態的預測值。因此，在實施形態1，在恒定狀態預測部102，具備第1預測部121及第2預測部122。對於積分類的控制變數，藉由第1預測部121，利用既定的過渡狀態時間前的預測值。第1預測部121對資料收集部101所收集的資料中的成為最適化的對象的最適化對象變數之中包含積分要素之輸出的控制變數，預測過渡狀態時間後的值。此時的過渡狀態時間雖然是上述預先決定的時間以前，但必須是有限的。
另一方面，對於在第1預測部121未使用的控制變數及操作變數，在第2預測部122，求出既定的時間前的預測值。第2預測部122對最適化對象變數之中不包含積分要素之輸出的控制變數，預測既定的時間後的值。此既定的時間也可以是無限的。因為第2預測部122的對象不是積分類，所以無限時間前的預測值收斂於一定值。此外，以下，即使不是無限時間後， 包含從過渡狀態時間以後，到既定的時間為止，稱作恒定狀態。又，在恒定狀態預測部102輸出的預測值之中，第1預測部121輸出的積分類的控制變數的預測值為有限時間後的值，正確地說，雖然不是恒定狀態的預測值，以下為方便起見，包含該值，稱作恒定狀態預測值。
此外，最適化對象變數將到既定的時間為止的時間區間分為直到過渡狀態時間經過為止的一個以上的過渡狀態區間與過渡狀態時間經過後的一個恒定狀態區間，且將過渡狀態區間及恒定狀態區間之操作變數及控制變數的值個別地作為最適化對象而設定之變數。
其次，對具有兩個第1預測部121及第2預測部122的恒定狀態預測部102的動作例，用圖3的流程圖來進行說明。
首先，在步驟S101，恒定狀態預測部102將控制變數號碼i重置為1。又，在步驟S102，恒定狀態預測部102將操作變數號碼j重置為1。其次，在步驟S103，恒定狀態預測部102對模型記憶部104所記憶的模型之中是否存在從操作變數j到控制變數i的模型進行查詢。如果有對應的模型(步驟S103的「是」)，則在步驟S104，恒定狀態預測部102判斷該模型是否為積分類。
在模型為積分類的情況下(步驟S104的「是」)，在步驟S105之恒定狀態預測部102，第1預測部121求出直到過渡狀態時間後為止模型的輸出回應的時間序列，從目前到預測的終止之間，藉由操作變數i來求出控制變數j之變化量的預測值。
另一方面，在模型不是積分類的情況下(步驟S104的「否」)，在步驟S106之恒定狀態預測部102，第2預測部122直到既定的 時間後為止，求出模型的輸出回應的時間序列變化量(因操作變數i而產生的控制變數j變化的量)之預測值。又，在既定的時間為無限時間的情況下，直到控制變數的值收斂為止，求出變化量之預測值。
上述預測是假定對每對操作變數j與控制變數i，操作變數j今後也維持當前值所進行。
在此，由步驟S103的判斷為沒有模型的話(步驟S103的「否」)，因為操作變數j與控制變數i的預測沒有關係，所以恒定狀態預測部102跳過預測運算，對作為當前對象的操作變數是否為最後，來進行判定(步驟S107)，在不是最後的情況下(步驟S107的「否」)，對操作變數號碼i加1來推進操作變數號碼(步驟S108)，且返回至步驟S103。
根據上述說明，針對從操作變數j到控制變數i之模型所存在的所有操作變數，執行上述運算(步驟S107的「否」)的話，在步驟S109，恒定狀態預測部102對求得的變化量的預測值進行合計，並作為控制變數i的預測變化量。將該預測變化量加上控制變數i的當前預測值、或當前的測定值，則變為控制變數i的恒定狀態之預測值。藉由就每個控制變數進行以上的運算(步驟S110、步驟S111)，恒定狀態預測部102求出所有的控制變數的恒定狀態預測值並輸出。此外，恒定狀態預測值與用於該值的計算之操作變數的值一起被輸出，並被傳遞給目標值運算部105。
此外，恒定狀態預測的運算並不限於上述，如下所示亦可。例如，在上述，第2預測部122求出既定的時間前的預測值，但該既定的時間與過渡狀態時間相同亦可。在此情況，第1預測部121與第2預測部122變為相同。又，將既定的時間取為無限遠點亦可。在此情況，對於不是積 分類的控制變數，將變成與相關技術相同的預測結果。
又，在採用圖3的流程圖之說明，就每對操作變數與控制變數進行了預測運算，但並不局限於此，也可以一併計算。例如，若為採用狀態空間示意模型之運算，亦可考慮同時地進行多變數系統整體的回應計算。但是，對於關於積分類之部分(相當於第1預測部121)，有必要注意：必須在既定之有限時間，將預測計算停止。又，在存在干擾變數，且對控制變數的回應產生影響的情況下，採用干擾變數與控制變數之間的預測模型，來同樣地進行預測為佳。總之，關於恒定狀態預測的運算，採用數學模型並對控制對象的將來的值進行預測的方法，各種各樣的技術皆可適用。
接著，對斜率預測部103進行說明。斜率預測部103對最適化對象變數之中包含積分要素之輸出的控制變數，預測既定的時間後的每單位時間之變化量(斜率)。除了預測的不是值而是斜率這一點以外，其餘與第2預測部122相同，可與第2預測部122同樣地進行預測。例如，準備從操作變數到控制變數的斜率為止之數學模型，用準備的數學模型與收集的控制對象的資料，求出斜率的回應，將該回應收斂的值作為恒定狀態之斜率預測值即可。
接著，就目標值運算部105用圖4來進行更詳細地說明。圖4是表示本發明的實施型態1之最適化裝置所具備的目標值運算部105之結構的結構圖。目標值運算部105具備：過渡狀態斜率條件設定部151，恒定狀態斜率條件設定部152，過渡狀態變數條件設定部153，恒定狀態變數條件設定部154及求解運算部155。
過渡狀態斜率條件設定部151，對擁有積分要素之輸出的控 制變數的過渡狀態下的斜率進行條件設定。對最適化對象變數之中包含積分要素之輸出的控制變數，設定過渡狀態區間之每單位時間的變化量(斜率)為0以外的條件。在實施型態1的最適化裝置，藉由在過渡狀態容許擁有斜率，實現比關聯技術更積極的最適化。因此，至少不給予像把斜率限制為0如此的條件。此外，亦可對於斜率進行不給條件如此的設定。
恒定狀態斜率條件設定部152經過擁有積分要素之輸出的控制變數的過渡狀態時間後，對既定的時間後的斜率設定條件。此外，恒定狀態斜率條件設定部152對本發明來說並非必須之構成要素。但是，過渡狀態時間經過後也容許控制變數有大的斜率，控制系統的穩定性、目標值追隨特性很有可能受損。因此，通常與關聯技術同樣地，由恒定狀態斜率條件設定部152，設定如在既定的時間後對斜率進行抑制之條件。
過渡狀態變數條件設定部153對操作變數及控制變數的過渡狀態之條件進行設定。一般，操作變數不易物理性地從上下限條件偏離，對於至少與包含積分要素之輸出的控制變數有關的操作變數，即，對於一旦改變該操作變數的值、則積分要素之輸出將會改變的操作變數，有必要給予條件。藉由如此這般給予條件，包含積分要素之輸出的控制變數的斜率，從操作變數的觀點來看，被限制在可實現的範圍內，因此能夠得到適當的解。此外，亦可對控制變數給予條件，雖然這樣較佳，但非必須。
恒定狀態變數條件設定部154對作為最適化對象變數的操作變數及控制變數之既定的時間後(恒定狀態下的)的值，進行條件設定。該條件既可以是硬性條件，又可以是軟性條件。恒定狀態變數條件設定部154與關聯之技術相同，同樣地設定亦無妨。
上述過渡狀態斜率條件設定部151、恒定狀態斜率條件設定部152、過渡狀態變數條件設定部153、恒定狀態變數條件設定部154及求解運算部155的各種條件、過渡狀態時間、控制對象的模型、所給予的最適化評價函數傳給求解運算部155。求解運算部155用上述的值，在所有的變數滿足條件的範圍，求出使評價函數最適化之最適目標值。
在此，對求解運算部155用於運算的過渡狀態時間之給予方法進行說明。過渡狀態時間的給予方法，可以在不超過既定的時間之範圍任意地決定。但是，大於積分類的斜率之收斂時間(改變操作變數的值之後，直到積分類的控制變數之斜率變成一定為止的時間)者較佳。
又，有模型預測控制部，而該模型預測控制部進行朝向藉由本實施型態的最適化裝置(最適化方法)所確定的最適目標值之控制，此情況下，參照模型預測控制部的參數來決定亦可。例如，在作為模型預測控制部的參數，給予積分類的控制變數之設定時間的情況下，可以將該設定時間用作過渡狀態時間。又，在向最適目標值的控制不是模型預測控制的情況下，至少有對積分類的控制變數之設定時間進行調整的參數之情況下，或如果給予了以設定時間作為控制規格，則可以決定過渡狀態時間，使其與給予的設定時間有所關聯。
又，在藉由本實施型態的最適化裝置(最適化方法)所決定的最適目標值被發送至控制裝置，控制裝置對該最適目標值進行控制的情況下，可以結合控制裝置將積分類的控制變數向目標值進行控制時的設定時間，來決定上述過渡狀態時間。例如，在控制裝置使積分類的控制變數以設定時間TSt追隨目標值的情況下，過渡狀態時間藉由「(過渡狀態時 間)=γ×TSt，(γ為預先設定之正的常數)」來決定。
γ為1左右的值較佳，通常可以設定為1。過渡狀態時間的決定方法不局限於該方法，但設定為與設定時間大致成比例關係，即，如果設定時間變長的話，則過渡狀態時間也將變長。藉此，使之與控制裝置的設定時間有所關聯，而適當且自動地決定最適化裝置的過渡狀態時間，因此與控制裝置的穩定時間之設定無關，可以得到本發明的效果。
在如此這般決定過渡狀態時間的情況下，與最適化裝置連接的控制裝置有必要是至少可調節積分類的控制變數之設定時間的裝置。最佳者為可以直接指定設定時間，但透過控制的參數間接地決定穩定時間也無妨。例如，亦可藉由既定的基準時間預先決定，並將基準時間與上述參數進行乘法或除法運算來決定設定時間之結構。只要是滿足上述條件的方法不論是什麼控制方法均可，但考慮最適化裝置所給予的條件並能夠進行控制這一點，可以說模型預測控制適合本發明。
此外，在此說明了結合控制裝置的設定時間，來決定最適化裝置的過渡狀態時間之方法，但結合最適化裝置的過渡狀態時間來決定控制裝置的設定時間也是一樣的，若為本領域技術人員，即可容易地理解。
又，可將至過渡狀態時間為止的區間分割成複數個，將分割了的各個區間之控制變數與操作變數的值作為最適化的對象。但是，本發明的效果是利用分割成允許積分類的控制變數擁有斜率的過渡狀態區間與、對斜率進行抑制的恒定狀態區間來實現的，即使將過渡狀態區間再進行分割，也不會大幅度地增大效果。
綜上所論，則本發明的實施型態1之最適化裝置的動作(最 適化方法)變成如圖5的流程圖所示。
首先，在步驟S201，資料收集部101收集控制對象的資料，該控制對象的資料包含用於對控制對象進行控制的操作變數及控制對象輸出的控制變數(資料收集步驟)。接著，在步驟S202，將控制對象的數學模型記憶於模型記憶部104(模型記憶步驟)。
接著，在步驟S203，第1預測部121對在步驟S201，由資料收集部101所收集的資料中的成為最適化的對象的最適化對象變數之中包含積分要素之輸出的控制變數，預測過渡狀態時間後的值(第1預測步驟)。接著，在步驟S204，第2預測部122對最適化對象變數之中不包含積分要素之輸出的控制變數，預測既定的時間後的值(第2預測步驟)。
接著，在步驟S205，斜率預測部103對最適化對象變數之中包含積分要素之輸出的控制變數，進行既定的時間後的每單位時間的變化量(斜率)的預測(斜率預測步驟)。接著，在步驟S206，恒定狀態變數條件設定部154對最適化對象變數的既定的時間後的值，進行條件設定(恒定狀態變數條件設定步驟)。接著，在步驟S207，過渡狀態斜率條件設定部151對最適化對象變數之中包含積分要素之輸出的控制變數，進行過渡狀態區間之每單位時間的變化量為0以外的條件設定(過渡狀態斜率條件設定步驟)。
接著，在步驟S208，過渡狀態變數條件設定部153對與最適化對象變數之中至少包含積分要素之輸出的控制變數有關的操作變數之過渡狀態區間中的值，進行條件設定(過渡狀態變數條件設定步驟)。此後，在步驟S209，求解運算部155求出滿足由步驟S207及步驟S208所設定的 條件，且對給出的最適化的評價函數進行最適化之最適化對象變數的最適解(求解運算步驟)。
此外，最適化裝置為電腦設備，且具備：CPU(Central Processing Unit；中央運算處理裝置)、主記憶裝置、外部記憶裝置及網路連接裝置等，利用藉由展開於主記憶裝置的程式，CPU所做的動作，可以實現上述各功能。又，各功能也可以分散於複數台電腦設備中。
如以上說明，根據實施型態1，由第1預測部121對在資料收集部101所收集的資料之中的成為最適化的對象的最適化對象變數之中，包含積分要素之輸出的控制變數，進行過渡狀態時間後的值的預測，又，由於在目標值運算部105，由過渡狀態斜率條件設定部151對擁有積分類的控制變數的過渡狀態之斜率進行設定，作為斜率不為0之情況(非零)的條件而容許擁有斜率，因此即使是擁有積分類的控制對象，也能夠進行控制的最適化。
〔實施方式2〕
接著，用圖6對本發明的實施形態2進行說明。圖6是表示本發明的實施型態2之最適化裝置的部分結構的結構圖。在圖6，表示了最適化裝置具備的目標值運算部105a的結構。其他的結構與用圖2進行說明的實施形態1相同。
在實施方式2，過渡狀態斜率條件設定部151、恒定狀態斜率條件設定部152具有相對於積分類的控制變數的斜率的條件藉由限制在上下限值所給予之特徵。即，斜率的條件為硬性條件。又，藉由過渡狀態 斜率條件設定部151可以設定比起由恒定狀態斜率條件設定部152所設定的上下限值更緩和的上下限。即，變為上限較大、下限較小。此外，以過渡狀態斜率條件設定部151，也可以包含將上限設定為正的無限大、將下限設定為負的無限大。這與過渡狀態下對斜率不給出條件實質上是等價的。
又，在實施方式2，目標值運算部105a具備：新的擬似增益矩陣運算部156及斜率增益矩陣運算部157。
以下，對實施形態2之目標值運算部105a進行詳細地說明。在本發明，如前所述，設想操作變數在過渡狀態與恒定狀態下取不同的值。在以下，為了區別過渡狀態中的值和恒定狀態中的值，對過渡狀態的變數值在右上加上撇符號「’」。例如，u1 ，‧‧‧um 表示恒定狀態中的操作變數的值；u’1 ，‧‧‧，u’m 表示過渡狀態中的值。對控制變數及由變數合成而成的向量也同樣地進行區別。
擬似增益矩陣運算部156求出操作變數的變化量與控制變數的變化量的相關矩陣。擬似增益矩陣的作用與關聯技術中的直流增益矩陣相同。直流增益矩陣的行數為控制變數的數量即「n行」、列數為操作變數的數量即「m列」，i行j列的要素Gij 與操作變數i的值改變1時，控制變數j變化的量相等。擬似增益矩陣也是同樣的，但由於將過渡狀態的變數值導入到最適化問題，所以有不同的部分。
首先，列數變為操作變數的數量的2倍即「2m列」。這是由於在過渡狀態與恒定狀態下操作變數容許取不同的值。又，在從操作變數i到控制變數j的預測模型為積分類的情況下，與僅受過渡狀態的操作變數之值影響相反，在預測模型不是積分類的情況下，僅受恒定狀態的操作 變數值影響。考慮這種情況的話，擬似增益矩陣的計算變成如下：
〔從操作變數i至控制變數j的預測模型為積分類之情況〕
矩陣的i行j列的要素在過渡狀態下僅對操作變數i改變1時，控制變數j在過渡狀態期間(變為恒定狀態之前)設定變化的量。作為計算方法，計算預測模型的單位步驟回應(給出單位步驟輸入時的輸出回應)，並求出過渡狀態時間後的值。將從過渡狀態時間減去無益時間後的值與後述的斜率增益相乘來求得，或者更單純地，有求出過渡狀態時間與斜率增益的乘積的方法。此外，i行j+m列的要素設為0。
〔從操作變數i至控制變數j的預測模型不是積分類之情況〕
設矩陣的i行j列的要素為0，i行j+m列的要素設定為預測模型的直流增益。
假設由上述得到的擬似增益矩陣為G的話，則操作變數與控制變數的變化量的關係變為以下式(7)所示。將此輸入到求解運算部155。
斜率增益矩陣運算部157求出操作變數的變化量與控制變數的斜率的變化量之相關矩陣。矩陣為n行m列，i行j列的要素Sij 與對操作變數i的值改變1時控制變數j的斜率變化的量相等。此外，從操作變數i至控制變數j的預測模型不是積分類之情況，Sij 為0。這意味著即使 改變操作變數i的值，控制變數j的恒定狀態之斜率也將收斂於0。假設斜率增益矩陣為S、將預測模型用傳遞函數矩陣表示為G(s)的話，S可以由下式(8)求得。
恒定狀態變數條件設定部154對操作變數、控制變數的恒定狀態進行設定。藉由限制上下限值而給出的硬性條件可以由下式(9)表示。恒定狀態變數條件設定部154雖然基本上與關聯技術相同，但用作y(∞)的值的恒定狀態預測部的輸出之中，積分類的控制變數的預測值變成由第1預測部輸出的既定的過渡狀態時間前的預測值，這點與現有技術不同。
過渡狀態變數條件設定部153對最適化對象變數之中與至少包含積分要素之輸出的控制變數有關的操作變數的過渡狀態區間之值，進行條件設定。例如，對作為最適化對象變數的操作變數、控制變數的過渡狀態之上下限值進行設定。一般而言，操作變數即便是在過渡狀態，也被賦給與恒定狀態相同的上下限值則較佳。對於控制變數也是同樣的，由於設定成在過渡狀態，控制變數不會超出上下限值，所以賦給與恒定狀態相同的上下限值則較佳。但是，因為也有如下的觀點，所以並非必須的。
包含積分類的控制變數之過渡狀態中的動作一般為從當前值向目標值遞增或遞減。因此，對於包含積分類的控制變數，如果在恒定狀態下賦給上下限值，則即使在過渡狀態下從上下限值偏離之危險較小。
對過渡狀態中的控制變數之斜率設定上下限值(後述)，如果不發生大的斜率，在過渡狀態，即便不對控制變數的值設定上下限值的限制，也是充分的。
根據控制變數，有時即便一時地超出上下限值也不會有所妨礙。對於這種控制變數，有時與其用一概不容許從上下限值偏離的硬性條件，倒不如應用一面對偏離給予補償，一面容許偏離的軟性條件為佳。
恒定狀態斜率條件設定部152對包含積分類的控制變數的恒定狀態下的每單位時間的變化量(斜率)，進行上下限值設定。最一般的是像關聯技術中也使用的那樣，將恒定狀態下的斜率限制為0。這與將上下限值均設為0等價。將該限制以式子來表示，則為「S△u=0‧‧‧(10)」。這是等式條件，是硬性條件。
如果，即使在恒定狀態下也容許某種程度的斜率，使其在上下限值具有幅度的話，則變成如下式(11)所示之不等式條件。因為該條件也未容許從上下限值超出，所以成為硬性條件。
對相對於斜率的上下限值之給予方式的一個例子進行敘述。如圖7所示，雖然是在恒定狀態容許的斜率，但如果在控制變數接近 上限的情況下，正的斜率(增加方向)容許的餘地較小。另一方面，負的斜率(減小方向)被認為可以容許某種程度為止的斜率。如果在控制變數接近下限的情況，則變為與上述相反。又，如果是充分地遠離上限、下限的話，則不管正、負，即使有若干斜率，立即對控制系統產生不良影響的可能性較低。使這種想法得以反映的是如下式(12)所示的不等式。
(k-1)是一個控制週期前的第i個控制變數的預測值，yi (SL) 是恒定狀態下的第i個控制變數的每單位時間的變化量(斜率)，Ttr 為任意的正的常數，較佳為最適化時設想的過渡狀態時間，或相同程度的值。
又，yi (SL) 可以根據積分類控制變數的每單位時間的變化量(斜率)預測值、斜率增益矩陣S、操作變數的變化量△u來計算。α、β為0以上的常數。若將該常數設定為0，則變為與將斜率限制為0的情形相同。如果賦予大於0的值，對於斜率，變為設定：根據從當前值到上下限為止的距離而可變的上下限值。而且，如果假設Ttr 為最適化時設想的過渡狀態時間，則成為也根據過渡狀態時間可變的上下限值。
又，對於最適化的評價函數，如果將該控制變數設定成盡可能地接近特定的目標值，用該目標值來代替上下限亦可。又，對於最適化的評價函數，在設定有該控制變數的最大化的情況，如果用當前值來代替下限的話，就變成僅容許使控制變數的值增加、或者斜率為0之設定。
α、β可以如下所示地決定。恒定狀態下的斜率在可能的範圍，較小者為佳，α、β為不超過0.1之較小的值為佳。又，α、β也可以根據控制變數來改變其值。例如，可以考慮關於想對斜率進行抑制的控制變數用0或極小的值；對於沒有必要抑制斜率的控制變數則用相對較大的值。
過渡狀態斜率條件設定部151對包含積分類的控制變數的過渡狀態之每單位時間的變化量(斜率)，設定上下限值限制。在此所給出的條件為至少比恒定狀態斜率條件設定部152所給出的要緩和。因此，有必要將斜率的上限值設定成比恒定狀態的上限值大，將下限值設定得更小。例如，在恒定狀態，假如設定像式(12)那樣的上下限的話，則有必要使α、β大於恒定狀態下的值。藉此，在過渡狀態，將會容許比平衡狀態大的斜率。又，藉由將相對於斜率的上限設定為正的無限大、下限設定為負的無限大，與不設定條件的狀態等價也無妨。
藉由上述所運算得到的各種上下限值、增益矩陣、所給的最適化評價函數被移交給最適化求解運算部155，所有的變數在條件內，且可以求出如使評價函數最小之最適目標值。下式(13)是上述之公式化的一例。
【算式8】
但，I1 為擁有積分類的控制變數以外的控制變數的索引整體的集合。
此外，最適化求解運算的結果，雖然得到作為過渡狀態的解之△u’、△y’與作為恒定狀態的解之△u、△y，但作為包含模型預測控制的多變數控制的最適目標值，最低限度必要的僅僅是恒定狀態的解，因此也可以僅將△u、△y作為最適目標值進行輸出亦無妨。當然，將過渡狀態的解一起輸出並由控制運算來利用亦可。
〔實施方式3〕
接著，用圖8對本發明的實施型態3進行說明。圖8是表示本發明的實施型態3之最適化裝置的部分結構的結構圖。在圖8，表示了最適化裝置所具備的目標值運算部105a的結構。在實施方式3，求解運算部155a具備新的函數修正部158。其他的結構與用圖2說明的實施型態1相同。
實施方式3具有如下特徵：在目標值運算部105a中的過渡 狀態斜率條件設定部151、恒定狀態斜率條件設定部152，對控制變數的斜率設定予以補償的軟性條件。
在實施型態3，為了抑制包含積分類的控制變數的每單位時間的變化量(斜率)，將斜率的大小作為補償加入到評價函數。藉由該補償，由於恒定狀態、過渡狀態之控制變數的斜率越小則「評價函數+補償」的值變得越好，因此可以得到斜率小的最適目標值。該補償由函數修正部158，被附加至從外部給予之原來的最適化評價函數。又，追加了補償的修正評價函數，在求解運算部155a中的求解運算被使用。在下式(14)，表示評價函數的修正例。
在此，J’(x)是修正後的評價函數，J(x)是原來的最適化評價函數，I2 是擁有積分類的控制變數的索引整體的集合，pi 是對第i個控制變數的恒定狀態之斜率的補償係數，yi (SL) 是恒定狀態之第i個控制變數的每單位時間的變化量(斜率)，p’i 是對第i個控制變數的過渡狀態之斜率的補償係數，y’i (SL) 是過渡狀態之第i個控制變數的每單位時間的變化量。
過渡狀態之斜率有必要比恒定狀態之斜率要緩和。因此，對過渡狀態的斜率之大小的補償係數p'i 應設定成：比對恒定狀態的斜率之大 小的補償係數pi 小。又，作為p’i =0，對過渡狀態之斜率不進行補償亦可。
上述的例子當斜率為非零時就會發生補償，但對於指定的上下限值為止的斜率，不予以補償亦可。該例子如下式(15)所示。
在此，是第i個控制變數關於恒定狀態之斜率的下限，是上限，εi 是可以偏離上下限的幅度。
如果恒定狀態之斜率落於上下限內的話，因為εi 可以是0，所以不會追加補償至評價函數。另一方面，當恒定狀態之斜率偏離上下限，則將被予以與偏離量的平方成正比的補償。由於補償越小則修正後的評價函數的值變得越小，因此，其結果，偏離上下限的量得以抑制。
在上述例子，將可以偏離的幅度設定為其上下限是相同的值，但也可以設定為不同的值。例如，如果想對擁有正的斜率進行嚴格地抑制，而對擁有負的斜率稍作寬容，則只要使相當於εi的變數分別作為上下限，增大對上限的補償係數，且減小對下限的補償係數即可。
如上所述，實施形態3的特徵為：為了抑制斜率，而以斜率條件設定部設定之對於斜率的條件，並非以等式條件、不等式條件之硬式條件來給定，而是給予將對斜率之補償追加至評價函數的軟性條件。除了該特徵以外，其他與實施形態2相同。又，也可以將兩種方法進行組合而實施。
此外，本發明並不限於上述說明的實施形態，在本發明的技術思想範圍，顯然本領域之具有通常知識者，是可以實施多種變形及組合的。例如，本發明是可以適用於模型預測控制的。只要將由本發明的最適化所決定的目標值用於模型預測控制即可。又，根據決定模型預測控制部的設定時間之控制規格或參數，自動地決定過渡狀態時間亦可。
101‧‧‧資料收集部
102‧‧‧恒定狀態預測部
103‧‧‧斜率預測部
104‧‧‧模型記憶部
105‧‧‧目標值運算部
121‧‧‧第1預測部
122‧‧‧第2預測部
131‧‧‧過程

Claims (12)

  1. 一種最適化裝置，其特徵在於，具備：資料收集部，其收集控制對象的資料，所述控制對象的資料包含用於對所述控制對象進行控制的操作變數及所述控制對象輸出的控制變數；模型記憶部，其對所述控制對象的數學模型進行記憶；第1預測部，其對收集於所述資料收集部的資料中之成為最適化對象的最適化對象變數之中的包含積分要素之輸出的控制變數，預測過渡狀態時間後的值；第2預測部，其對所述最適化對象變數之中的不包含積分要素之輸出的控制變數，預測規定時間後的值；斜率預測部，其對所述最適化對象變數之中的包含積分要素之輸出的控制變數，預測既定時間後的每單位時間的變化量；恒定狀態變數條件設定部，其對最適化對象變數的既定時間後的值，進行條件設定；過渡狀態斜率條件設定部，其就所述最適化對象變數之中的包含積分要素之輸出的控制變數，對過渡狀態區間中的每單位時間的變化量進行0以外的條件設定；過渡狀態變數條件設定部，其對操作變數的過渡狀態區間之值進行條件設定，該操作變數與所述最適化對象變數之中的至少包含積分要素之輸出的控制變數有關；以及求解運算部，其求出滿足由所述過渡狀態斜率條件設定部及所述過渡狀態變數條件設定部所設定的條件、且將所給出的最適化的評價函數進行 最適化的所述最適化對象變數的最適解，所述最適化對象變數是將至既定時間為止的時間區間分為直到過渡狀態時間經過為止的一個以上的過渡狀態區間與過渡狀態時間經過後的一個恒定狀態區間，且將所述過渡狀態區間及所述恒定狀態區間中的所述操作變數及所述控制變數的值，個別地作為最適化對象並設定之變數。
  2. 如申請專利範圍第1項之最適化裝置，其中，具備恒定狀態斜率條件設定部，該恒定狀態斜率條件設定部就根據收集於所述資料收集部的資料而設定的最適化對象變數之中的包含積分要素之輸出的控制變數，對所述過渡狀態時間以後的每單位時間的變化量進行條件設定。
  3. 如申請專利範圍第2項之最適化裝置，其中，所述過渡狀態斜率條件設定部及恒定狀態斜率條件設定部，對所述最適化對象變數之中的包含積分要素之輸出的控制變數，根據上下限值給予條件，所述過渡狀態斜率條件設定部給出比所述恒定狀態斜率條件設定部更大的上限值及更小的下限值作為條件。
  4. 如申請專利範圍第2項之最適化裝置，其中，所述過渡狀態斜率條件設定部及恒定狀態斜率條件設定部對所述最適化對象變數之中的包含積分要素之輸出的控制變數，輸出與每單位時間的變化量之大小相應的補償，所述過渡狀態斜率條件設定部針對同樣每單位時間的變化量，輸出比所述恒定狀態斜率條件設定部小的補償， 所述求解運算部，對將所述補償加在所述評價函數之函數進行最適化。
  5. 如申請專利範圍第2至4項中任一項之最適化裝置，其中，根據所述評價函數，對所述過渡狀態斜率條件設定部及所述恒定狀態斜率條件設定部的設定進行調整。
  6. 一種控制裝置，採用申請專利範圍第1至5項中任一項之最適化裝置輸出的目標值，其特徵為包括：控制部，進行控制使得操作變數及控制變數朝向最適化裝置所輸出的目標值，且至少具有對積分類的控制變數設定至目標值為止的時間，進行調整的設定時間參數，使所述過渡狀態時間與所述設定時間參數相關聯，並決定之。
  7. 一種最適化方法，其特徵在於，具備如下步驟：資料收集步驟，其收集控制對象的資料，所述控制對象的資料包含用於對所述控制對象進行控制的操作變數及所述控制對象輸出的控制變數；模型記憶步驟，其對所述控制對象的數學模型進行記憶；第1預測步驟，對以所述資料收集步驟所收集的資料中的成為最適化的對象的最適化對象變數之中的包含積分要素之輸出的控制變數，預測過渡狀態時間後的值；第2預測步驟，其就所述最適化對象變數之中的不包含積分要素之輸出的控制變數，對規定時間後的值進行預測；斜率預測步驟，其就所述最適化對象變數之中的包含積分要素之輸出的控制變數，對既定時間後的每單位時間的變化量進行預測；恒定狀態變數條件設定步驟，其對最適化對象變數的既定時間後的值 進行條件設定；過渡狀態斜率條件設定步驟，其就所述最適化對象變數之中的包含積分要素之輸出的控制變數，對過渡狀態區間中的每單位時間的變化量進行0以外的條件設定；過渡狀態變數條件設定步驟，其對操作變數之過渡狀態區間中的值，進行條件設定，該操作變數與所述最適化對象變數之中的至少包含積分要素之輸出的控制變數有關；以及求解運算步驟，其求出滿足由所述過渡狀態斜率條件設定步驟及所述過渡狀態變數條件設定步驟所設定的條件、且對所給出的最適化的評價函數進行最適化的所述最適化對象變數的最適解，所述最適化對象變數是將至既定時間為止的時間區間分為直到過渡狀態時間經過為止的一個以上的過渡狀態區間與過渡狀態時間經過後的一個恒定狀態區間，且將所述過渡狀態區間及所述恒定狀態區間中的所述操作變數及所述控制變數的值個別地作為最適化對象並設定之變數。
  8. 如申請專利範圍第7項之最適化方法，其中，具備恒定狀態斜率條件設定步驟，該恒定狀態斜率條件設定步驟就根據所述資料收集步驟所收集的資料而設定的最適化對象變數之中的包含積分要素之輸出的控制變數，對所述過渡狀態時間以後的每單位時間之變化量進行條件設定。
  9. 如申請專利範圍第8項之最適化方法，其中，在所述過渡狀態斜率條件設定步驟及恒定狀態斜率條件設定步驟，對所述最適化對象變數之中的包含積分要素之輸出的控制變數，根據上下限 值給予條件，在所述過渡狀態斜率條件設定步驟，給出比所述恒定狀態斜率條件設定步驟更大的上限值及更小的下限值作為條件。
  10. 如申請專利範圍第8項之最適化方法，其中，在所述過渡狀態斜率條件設定步驟及恒定狀態斜率條件設定步驟，對所述最適化對象變數之中的包含積分要素之輸出的控制變數，輸出與每單位時間的變化量之大小相應的補償，在所述過渡狀態斜率條件步驟，針對同樣每單位時間的變化量，輸出比所述恒定狀態斜率條件步驟小的補償，在所述求解運算步驟，對將所述補償加在所述評價函數之函數進行最適化。
  11. 如申請專利範圍第8至10項中任一項之最適化方法，其中，根據所述評價函數，對所述過渡狀態斜率條件設定步驟及所述恒定狀態斜率條件設定步驟中的設定進行調整。
  12. 一種控制方法，採用申請專利範圍第7至11項中任一項之最適化方法所輸出的目標值，其特徵在於：所述控制方法具備控制步驟，該控制步驟進行控制使得操作變數及控制變數朝向最適化裝置所輸出的目標值，且至少具有對積分類的控制變數設定至目標值為止的時間，進行調整的設定時間參數，使所述過渡狀態時間與所述設定時間參數相關聯，並決定之。
TW102138429A 2012-12-28 2013-10-24 An optimum apparatus and method, and a control device and method TWI481974B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012288116A JP5969919B2 (ja) 2012-12-28 2012-12-28 最適化装置および方法ならびに制御装置および方法

Publications (2)

Publication Number Publication Date
TW201428439A TW201428439A (zh) 2014-07-16
TWI481974B true TWI481974B (zh) 2015-04-21

Family

ID=51039759

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102138429A TWI481974B (zh) 2012-12-28 2013-10-24 An optimum apparatus and method, and a control device and method

Country Status (3)

Country Link
JP (1) JP5969919B2 (zh)
CN (1) CN103913989B (zh)
TW (1) TWI481974B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6222031B2 (ja) * 2014-10-09 2017-11-01 Ｊｆｅスチール株式会社 圧延機の制御方法及び制御装置
US10656606B2 (en) * 2015-06-05 2020-05-19 Shell Oil Company System and method for controlling ramp imbalances in model predictive controllers
CN109828459B (zh) * 2017-11-23 2020-05-26 中国科学院沈阳自动化研究所 一种基于多变量约束区间预测控制的平稳控制实现方法
JP7151546B2 (ja) * 2019-02-25 2022-10-12 オムロン株式会社 制御装置、制御方法、及び制御プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW321738B (zh) * 1994-10-07 1997-12-01 Omron Tateisi Electronics Co
JP2007004769A (ja) * 2005-05-25 2007-01-11 Nippon Petroleum Refining Co Ltd 石油精製プラントのパラメータ予測装置及びパラメータ予測方法
CN1940781A (zh) * 2005-09-30 2007-04-04 费舍-柔斯芒特系统股份有限公司 用于控制分批过程的方法和系统
US20070168057A1 (en) * 2005-12-05 2007-07-19 Fisher-Rosemount Systems, Inc. Multi-objective predictive process optimization with concurrent process simulation
EP2327463A1 (en) * 2005-08-15 2011-06-01 Praxair Technology, Inc. Model predictive control having application to distillation processes

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1047671C (zh) * 1994-08-03 1999-12-22 程飚 一种控制被控对象的预测控制方法及使用该方法的系统
US5758047A (en) * 1995-06-14 1998-05-26 Lu; Zhuxin Joseph Method of process controller optimization in a multivariable predictive controller
WO2003096130A1 (en) * 2001-10-23 2003-11-20 Brooks-Pri Automation, Inc. Semiconductor run-to-run control system with state and model parameter estimation
JP2003150233A (ja) * 2001-11-12 2003-05-23 Hitachi Ltd プラントの性能劣化状態評価方法と性能劣化状態評価装置
JP4324960B2 (ja) * 2003-09-18 2009-09-02 横河電機株式会社 多変数予測制御システム
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
US7826909B2 (en) * 2006-12-11 2010-11-02 Fakhruddin T Attarwala Dynamic model predictive control
WO2009086220A1 (en) * 2007-12-21 2009-07-09 University Of Florida Systems and methods for offset-free model predictive control
CN100545772C (zh) * 2008-05-12 2009-09-30 杭州电子科技大学 一种燃煤锅炉系统混合控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW321738B (zh) * 1994-10-07 1997-12-01 Omron Tateisi Electronics Co
JP2007004769A (ja) * 2005-05-25 2007-01-11 Nippon Petroleum Refining Co Ltd 石油精製プラントのパラメータ予測装置及びパラメータ予測方法
EP2327463A1 (en) * 2005-08-15 2011-06-01 Praxair Technology, Inc. Model predictive control having application to distillation processes
CN1940781A (zh) * 2005-09-30 2007-04-04 费舍-柔斯芒特系统股份有限公司 用于控制分批过程的方法和系统
US20070168057A1 (en) * 2005-12-05 2007-07-19 Fisher-Rosemount Systems, Inc. Multi-objective predictive process optimization with concurrent process simulation

Also Published As

Publication number Publication date
CN103913989A (zh) 2014-07-09
JP2014130496A (ja) 2014-07-10
JP5969919B2 (ja) 2016-08-17
CN103913989B (zh) 2016-09-14
TW201428439A (zh) 2014-07-16

Similar Documents

Publication Publication Date Title
Ellis et al. Integrating dynamic economic optimization and model predictive control for optimal operation of nonlinear process systems
TWI481974B (zh) An optimum apparatus and method, and a control device and method
Rockafellar et al. On buffered failure probability in design and optimization of structures
JP3378251B2 (ja) 範囲制御法を用いた多変数予測制御方法
US9971323B2 (en) Optimizing device and method
Santos et al. On the explicit dead-time compensation for robust model predictive control
Pourkargar et al. Modification to adaptive model reduction for regulation of distributed parameter systems with fast transients
Zhang et al. Economic model predictive control with triggered evaluations: State and output feedback
Veinović et al. Optimized PIDD2 controller for AVR systems regarding robustness
Patwardhan et al. Assessing the performance of model predictive controllers
JP6962042B2 (ja) シミュレーション装置およびシミュレーション方法
Rajhans et al. Terminal region characterization and stability analysis of discrete time quasi-infinite horizon nonlinear model predictive control
JPWO2016092872A1 (ja) 制御装置、そのプログラム、プラント制御方法
Zheng et al. An offline optimization and online table look-up strategy of two-layer model predictive control
JP5994947B2 (ja) 制御系設計支援装置、制御系設計支援プログラム、制御系設計支援方法、操作変化量算出装置および制御装置
CN110023849B (zh) 控制装置及控制装置的设计方法
Pataro et al. A stabilizing predictive controller with implicit feedforward compensation for stable and time-delayed systems
Zhao et al. Adaptive asymptotic stabilization of uncertain nonstrict feedback nonlinear HOFA systems with time delays
JP2002157003A (ja) 多変数モデル予測制御装置、方法、及びその記憶媒体
Ellis et al. Elucidation of the role of constraints in economic model predictive control
Hashimoto Receding horizon control for a class of discrete-time nonlinear implicit systems
JP2022077459A (ja) 電力配分装置、電力配分方法、およびプログラム
Chen et al. An integrated approach to active model adaptation and on-line dynamic optimisation of batch processes
JP7059697B2 (ja) 最適計算装置、最適計算方法、およびプログラム
Rauh et al. Interval Methods for Real-Time Capable Robust Control of Solid Oxide Fuel Cell Systems

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees