WO2007116590A1 - 運転制御方法，運転制御装置及び運転制御システム - Google Patents

運転制御方法，運転制御装置及び運転制御システム Download PDF

Info

Publication number
WO2007116590A1
WO2007116590A1 PCT/JP2007/050682 JP2007050682W WO2007116590A1 WO 2007116590 A1 WO2007116590 A1 WO 2007116590A1 JP 2007050682 W JP2007050682 W JP 2007050682W WO 2007116590 A1 WO2007116590 A1 WO 2007116590A1
Authority
WO
WIPO (PCT)
Prior art keywords
control
evaluation value
model
deviation
amount
Prior art date
Application number
PCT/JP2007/050682
Other languages
English (en)
French (fr)
Inventor
Takaaki Sekiai
Satoru Shimizu
Akihiro Yamada
Original Assignee
Hitachi, Ltd.
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 Hitachi, Ltd. filed Critical Hitachi, Ltd.
Priority to US12/279,350 priority Critical patent/US8155763B2/en
Publication of WO2007116590A1 publication Critical patent/WO2007116590A1/ja

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—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
    • G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance

Definitions

  • the present invention relates to a driving control apparatus to which unsupervised learning is applied, and a driving control method.
  • Reinforcement learning is a framework of learning control that generates operation signals to the environment so that the measurement signal obtained from the environment becomes desirable by trial-and-error interaction with the environment such as the control target.
  • Reinforcement Learning an evaluation value of scalar quantity calculated using a measurement signal that can also obtain environmental strength (in Reinforcement Learning, it is called a reward) is used as a clue, and an expectation of the evaluation value obtained from the present state to the future It has a learning function that generates an operation signal to the environment so that the value is maximized.
  • there are algorithms such as Actor-Critic, Q-learning, and real-time Dynamic Programming.
  • Dyna-architecture As a framework of reinforcement learning developed from the above-mentioned method, there is a framework called Dyna-architecture. This is a method of learning in advance what kind of operation signal should be generated for a model simulating a control target, and using this learning result to determine an operation signal to be applied to the control target. It also has a model adjustment function that reduces the error between the control target and the model.
  • Patent Document 1 As a technology to which reinforcement learning is applied, the technology described in Patent Document 1 can be mentioned.
  • a plurality of reinforcement learning modules which are a set of systems having a model and a learning function, are provided, and a responsible signal that takes a larger value as the prediction error between the model and the control object in each reinforcement learning module is smaller
  • a responsible signal that takes a larger value as the prediction error between the model and the control object in each reinforcement learning module is smaller
  • Patent Document 1 Japanese Patent Laid-Open No. 2000-35956
  • the present invention provides an operation control device and an operation control method that can be operated without adversely affecting the operation state of a control target even when a deviation between a model and a real machine (model error) occurs. With the goal.
  • an operation control method of a control device which derives and controls an operation amount that maximizes or minimizes an evaluation value based on a control deviation that is a deviation between a control amount to be controlled and its target value.
  • the model has a model simulating the characteristics of the control target, and the operation quantity that maximizes or minimizes the evaluation value based on the control deviation of the model is calculated for the model, and the control target is calculated by the operation quantity.
  • the evaluation value is calculated based on the control deviation in the case of control, and based on the evaluation value of the control deviation of the model and the deviation of the evaluation value of the control deviation of the controlled object, the manipulated variable of the current step and the next It is an operation control method characterized by determining a change width of an operation amount which is a difference from the operation amount determined in the step.
  • the vehicle can be operated without adversely affecting the operating state of the controlled object.
  • FIG. 1 is a diagram for explaining an example in which a control device 200 according to the present invention is applied to a control target 100.
  • the operation signal generation unit 300 provided in the control device 200 generates an operation signal 201 to be applied to the control target. Further, the evaluation value calculation unit 500 calculates the evaluation value signal 203 using the measurement signal 202 from the control target. Operation signal generator 300 receives this evaluation value signal. Receive 203
  • the operation signal generation unit 300 has a function of generating the operation signal 201 so that the total sum of the expected values of the evaluation value signal 203 up to the present state is also the maximum or the minimum. In the following, a case will be described where the operation signal generation unit 300 generates the operation signal 201 so that the sum of the expected values of the evaluation value signal 203 is maximized.
  • An evaluation value calculation unit 500 generates an evaluation value signal 203 according to the deviation between the measurement signal 202 and its target value. For example, when the measurement signal 202 matches the target value, the evaluation value signal 203 is set to “1”, and when it does not match, it is set to “0”. Alternatively, the evaluation value signal 203 is set to be inversely proportional to the deviation between the measurement signal 202 and its target value. That is, as described in FIG. 5 described later, the evaluation value is closer to the target as the numerical value is larger as +30, and the target power is farther as the numerical value is smaller as 30. In this case, the evaluation value can be calculated by a plurality of methods. An example of evaluation value calculation is shown in FIG.
  • the difference between the control amount and the target value is associated with the evaluation value, and the evaluation value can be generated with reference to this table.
  • the evaluation value can be set and calculated as a function of the difference between the control amount and the target value.
  • the operation signal 201 is generated by trial and error in the initial stage of learning. Thereafter, as the learning progresses, an operation signal 201 is generated such that the evaluation value signal 203 becomes larger.
  • Such a learning algorithm can use, for example, an algorithm such as Actor-Critic or Q learning.
  • the controller in FIG. 1 uses a framework called Dyna-architecture. It has a model unit 400 for simulating the control target 100, and the operation signal generation unit 300 learns in advance the method of generating the operation signal 201 for the model unit 400, It is a framework for generating the signal 201.
  • the operation signal generation unit 300 has a function of generating the operation signal 204 input to the model unit 400 and receiving the measurement signal 205 and the evaluation value signal 206 from the model unit 400.
  • the evaluation value signal 206 is calculated using the measurement signal 205 in the evaluation value calculation unit 510.
  • the evaluation value calculation unit 510 has the same function as the evaluation value calculation unit 500.
  • the operation signal generation unit 300 refers to the data stored in the operation signal generation parameter storage unit 600 to determine the operation signal 201 to be applied to the control target 100.
  • FIG. 2 is a view for explaining an aspect of data stored in the operation signal generation parameter storage unit 600.
  • the operation signal generation parameter storage unit 600 stores the name of the operation end provided in the control target 100, the change width per cycle of the operation amount, and data on the unit. There is.
  • the operation end can increase or decrease the manipulated variable within the range of manipulated variable change.
  • FIG. 2 describes the case where there are a plurality of operating terminals, the number of operating terminals may be one.
  • the operation change width is described for each operation end in FIG. 2, a plurality of operation ends can be put together and the sum of the change widths of the operation ends can be limited.
  • the limit value of the manipulated variable change width in FIG. 2 is determined by the manipulation signal generation parameter updating unit 700.
  • the setting values necessary for the process of updating the nometer are input from an external input device 20 configured of a keyboard 30 and a mouse 40. These pieces of information are displayed on an image display device 10 such as a CRT. The operator of the control target 100 inputs the set value 214 using the image display device 10 and the external input device 20.
  • FIG. 3 is an example of a screen displayed on the image display device 10. Through this screen, the operator can set the initial value, upper limit, lower limit, and update rate of the operation amount change width at the operation end.
  • FIG. 4 is a diagram for explaining the processing in the operation signal generation parameter updating unit 700. The contents of each process in Fig. 4 will be explained below.
  • process 710 it is determined whether the number of steps t is greater than 0. If it is 0 (if NO), process 720 is performed; if it is greater than 0 (if YES), process 740 is performed. carry out.
  • the number of steps is the number of times the operation signal applied to the control target 100 has been changed, and is a value that increases from 0 to the initial value and by 1 each time the operation is performed.
  • processing 720 the initial value set in FIG. 3 is acquired.
  • processing 730 the initial value acquired in processing 720 is transmitted as data 209 to the operation signal generation parameter storage unit 600.
  • process 740 the previous operation signal generation parameter stored in the operation signal generation parameter storage unit 600 is acquired as data 208.
  • processing 750 the evaluation value signal 203 and the evaluation value signal 206 are acquired.
  • r (t) is the value of the evaluation value signal 203
  • r (t) is the evaluation value signal 206
  • f (r (t), r (t)) is a function with r (t) and r (t) as variables.
  • G (t + l) G (t) + f (r (t), r (t))
  • G (t + 1) calculated using Equations 1 and 2 exceeds the upper limit set in FIG. 3, G (t + 1) is taken as the upper limit value set, and if smaller than the lower limit Let G (t + 1) be the lower limit value you set.
  • G (t + 1) obtained by processing 770 is transmitted as data 209 to the operation signal generation parameter storage unit 600.
  • the difference between the evaluation value signals 203 and 206 and the change amount of operation amount G (t + 1) ⁇ G (t) are stored as a table in correspondence with each other, and the operation amount may be determined with reference to this. .
  • the change amount of the manipulated variable is calculated based on the difference between the evaluation value 206 based on the control deviation of the model and the evaluation value 203 based on the control deviation when the control target is controlled. It can be operated without adversely affecting the condition. In addition, it can be flexibly controlled according to the difference between the model and the actual machine.
  • the operation amount change width is increased by setting the upper limit of the operation amount change width, the difference between the actual machine and the model has a large effect, so changing the operation amount quickly and operating the control target It can balance the negative impact on the changing state.
  • the model parameter storage unit 800 stores parameters necessary to configure the model unit 400.
  • the model unit 400 is a physical model
  • the model parameter storage unit 800 stores physical constants necessary to construct the physical model. For example, when the control target 100 is a thermal power plant, values such as the heat transfer coefficient are stored.
  • the model parameter updating unit 900 reads out the parameters 212 stored in the model parameter storage unit 800 so that the characteristics of the control object and the model match, corrects the parameters, and transmits the corrected parameter 213. , Update model parameters.
  • the model parameters 211 can be transferred to the model unit 400 using the techniques described in Japanese Patent Application Laid-Open Nos. 10-214112 and 2001-154705. Set and update model parameters.
  • FIG. 5 to 7 are diagrams for explaining problems that may occur when the conventional control device is applied to the control target 100.
  • FIG. 5 to 7 are diagrams for explaining problems that may occur when the conventional control device is applied to the control target 100.
  • FIG. 5 shows the relationship between the space of the operation amount and the obtained evaluation value.
  • the value of the manipulated variable A is A
  • the evaluation value is -30. Also, the evaluation value for A and B is +10.
  • the action that maximizes the sum of the expected values of the evaluation values avoids the area where the evaluation value is negative as shown by the dotted line in FIG. 5, and becomes a positive action to the area that is positive.
  • FIG. 6 is a diagram showing the change width of the movable operation amount by one action with an arrow.
  • the change width of the operation amount is constant.
  • the starting point force also has an evaluation value of +
  • Fig. 7 is a diagram showing an example where the characteristics of the model and the controlled object are different.
  • the condition of the manipulated variable for which the evaluation value is negative differs between the model and the control target.
  • the evaluation value after one step is 30, which is not a desirable state.
  • FIG. 8 to 10 explain the effects of applying the control device of the present invention to plant 100.
  • FIG. 8 to 10 explain the effects of applying the control device of the present invention to plant 100.
  • FIG. 8 to 10 the variation width of the manipulated variable is determined through the processing of FIG. 3 without making the manipulated variable variation width constant.
  • the evaluation value after one step is -10. This is a better value than 30 obtained after one step in the conventional method.
  • the operating state approximates to the initial state, so that the safety of the controlled object can be maintained.
  • the control device 200 obtains information on the controlled object 100 and the model unit 400 having different characteristics! /! /.
  • the model parameter update unit 900 stores the measured signal 202 from the control target 100 and the output signal 205 from the model unit 400 in the model parameter storage unit 800 so that the characteristics of the model unit 400 and the control target 100 match. Update the parameters that have been set. If the characteristics of the model and the controlled object are different, the operation signal 201 is returned to return to the initial state (Start in FIG. 8). As described above, when the difference between the evaluation values is larger than the predetermined value and the model is corrected, the difference between the model and the actual machine can be safely controlled along the model when the difference between the model and the actual machine is smaller than the predetermined value.
  • FIG. 9 is a view for explaining the relationship between the space of the operation amount and the evaluation value obtained by the model after correction.
  • the action that maximizes the sum of the expected values of the evaluation values is the direction toward a positive area, avoiding the area where the evaluation value is negative as shown by the dotted line in Fig. 9.
  • This operation path differs between when the model before correction is used and when the model after correction is used.
  • FIG. 10 shows a path when the control target 100 is controlled using the corrected operation path.
  • FIG. 11 is a view for explaining the relationship between the number of steps and the amount of change in the amount of operation when the operation in FIG. 10 is performed.
  • Equation 2 Since both the evaluation value of the model and the evaluation value from the control target are 0, the second item in Equation 2 is 0. Therefore, the change amount of the manipulated variable is increased by ⁇ per step.
  • An operation signal 201 is displayed on the CRT 10 of FIG. It is also possible to display data such as the amount of change in operation amount, which is the data 210 stored in the operation signal generation parameter storage unit 600.
  • the control amount 202 of the control target 100 can also be displayed.
  • the CRT 10 can display the relationship between the space of the operation amount and the evaluation value shown in FIGS. 5 to 10 on the screen.
  • FIG. 14 shows an example when the relationship between the space of the operation amount and the evaluation value is displayed on the screen.
  • the control device 100 sets the operation amounts of the plurality of operations to be applied to the control target to the plurality of axes respectively, displays the start point and the reach point of each operation applied to the control target, and reaches the operation one step before Connect the point and the start point of the operation of the next step, create the image information to be displayed, and display it on CRT10. This makes it possible to easily grasp the amount of change in each operation in comparison with the overall operation.
  • an arrival point is also displayed by an arrow.
  • control device 100 has model 400 simulating the characteristic of the control object, and calculates evaluation value based on the control deviation when the model is controlled to the target, and evaluation value calculation unit 510 of the model and the like. And an evaluation value calculation unit 500 of the control object that calculates the evaluation value based on the control deviation when the control object is controlled, and the evaluation value of the model when performing each operation and the evaluation value from the control object The difference is calculated, and display data to be displayed corresponding to the display of each operation is created and transmitted to the CRT 10. In this way, by displaying the difference between the evaluation value of the model and the evaluation value from the control target when each operation is performed according to each operation display, no operation is performed. can do.
  • the change width of the operation amount is reduced immediately after the start of the operation, and the operation method learned for the model is controlled. Check if the target is also valid. After that, it turns out that the operation method learned for the model whose characteristics of the control object and model are close is effective for the control object, and then the change width of the operation amount gradually increases.
  • FIG. 1 is a view for explaining an example in which a control device of the present invention is applied to a control target.
  • FIG. 2 is a diagram for explaining an aspect of data stored in an operation signal generation parameter storage unit.
  • FIG. 3 is a diagram for explaining a screen displayed on the image display device.
  • FIG. 4 is a diagram for explaining processing of an operation signal generation parameter updating unit.
  • FIG. 5 is a diagram for explaining the characteristics of a model.
  • FIG. 6 is a diagram for explaining an arrival point for each step.
  • FIG. 7 is a diagram for explaining the difference between a control target and a model characteristic.
  • FIG. 8 is a view for explaining the operation method of the present invention.
  • FIG. 9 is a diagram for explaining the characteristics of the model after correction.
  • FIG. 11 is a diagram for explaining the relationship between the number of steps and the amount of change in operation amount.
  • FIG. 12 This is an example of evaluation value calculation.
  • FIG. 13 An example of a table for determining the amount of operation.
  • FIG. 14 Example of displaying the relationship between the space of the operation amount and the evaluation value on the screen.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

モデルと実機との偏差（モデル誤差）が生じた場合にも、制御対象の運転状態に悪影響を及ぼすことなく運転可能な運転制御装置、及び運転制御方法を提供することを目的とする。 制御対象の制御量とその目標値との偏差である制御偏差に基づく評価値を最大または最小とする操作量を導出して制御する制御装置の運転制御方法において、前記制御対象の特性を模擬したモデルを有し、前記モデルを対象にしてモデルの制御偏差に基づく評価値を最大または最小にする操作量を算出し、前記操作量で前記制御対象を制御した場合の制御偏差に基づいて評価値を算出し、前記モデルの制御偏差の評価値と、前記制御対象の制御偏差の評価値の偏差に基づいて、現ステップの操作量と次ステップで決定する操作量との差である操作量の変化幅を決定することを特徴とする運転制御方法である。

Description

明 細 書
運転制御方法，運転制御装置及び運転制御システム
技術分野
[0001] 本発明は、教師なし学習を応用した運転制御装置、及び運転制御方法に関する。
背景技術
[0002] 近年、教師なし学習の分野で強化学習と呼ばれる手法が盛んに研究されている。
強化学習とは、制御対象などの環境との試行錯誤的な相互作用を通じて、環境から 得られる計測信号が望まし ヽものとなるように、環境への操作信号を生成する学習制 御の枠組みとして知られている。強化学習では、環境力も得られる計測信号を用いて 計算されるスカラー量の評価値 (強化学習では、報酬と呼ばれて 、る）を手がかりに、 現状態から将来までに得られる評価値の期待値が最大となるように、環境への操作 信号を生成する学習機能を持つ。このような学習機能を実装する方法として、例えば Actor-Critic, Q学習，実時間 Dynamic Programmingなどのアルゴリズムがある。
[0003] また、上述の手法を発展させた強化学習の枠組みとして、 Dyna—アーキテクチャと 呼ばれる枠組みがある。これは、制御対象を模擬するモデルを対象にどのような操作 信号を生成するのが良いかを予め学習し、この学習結果を用いて制御対象に印加 する操作信号を決定する方法である。また、制御対象とモデルの誤差を小さくするモ デル調整機能を持っている。
[0004] また、強化学習を適用した技術として、特許文献 1に述べられている技術が挙げら れる。これは、モデルと学習機能を有するシステムの組である強化学習モジュールを 複数備えておき、各強化学習モジュールにおけるモデルと制御対象との予測誤差が 小さいものほど大きな値を取る責任信号を求め、この責任信号に比例して各強化学 習モジュールから生成される制御対象への操作信号を重み付けし、制御対象に印 加する操作信号を決定する技術である。
[0005] 特許文献 1 :特開 2000— 35956号公報
発明の開示
発明が解決しょうとする課題 [0006] 制御対象の特性が複雑で、この特性を完全に模擬できるモデルを用いることが難し い場合には、前述の Dyna—アーキテクチャを構成するモデルと、制御対象の特性が 異なる可能性がある。この場合、特許文献 1の技術を用いて、モデルに対して有効な 操作方法を学習しても、この操作方法が制御対象にとっては有効とならない可能性 がある。また、学習した操作方法に基づいた操作信号を制御対象に印加することによ つて、制御対象の運転状態が悪化してしまう可能性もある。
[0007] 本発明では、モデルと実機との偏差 (モデル誤差)が生じた場合にも、制御対象の 運転状態に悪影響を及ぼすことなく運転可能な運転制御装置、及び運転制御方法 を提供することを目的とする。
課題を解決するための手段
[0008] 制御対象の制御量とその目標値との偏差である制御偏差に基づく評価値を最大ま たは最小とする操作量を導出して制御する制御装置の運転制御方法にぉ 、て、前 記制御対象の特性を模擬したモデルを有し、前記モデルを対象にしてモデルの制 御偏差に基づく評価値を最大または最小にする操作量を算出し、前記操作量で前 記制御対象を制御した場合の制御偏差に基づ 、て評価値を算出し、前記モデルの 制御偏差の評価値と、前記制御対象の制御偏差の評価値の偏差に基づいて、現ス テツプの操作量と次ステップで決定する操作量との差である操作量の変化幅を決定 することを特徴とする運転制御方法である。
発明の効果
[0009] 本発明は、モデル誤差が生じた場合にも、制御対象の運転状態に悪影響を及ぼす ことなく運転することがでさる。
発明を実施するための最良の形態
[0010] 以下、発明を実施するための一例について、添付図面を参照しながら説明する。図 1は、本発明に係る制御装置 200を制御対象 100に適用した例について説明する図 である。
[0011] 制御装置 200に備え付けられている操作信号生成部 300は、制御対象に印加する 操作信号 201を生成する。また、評価値計算部 500では、制御対象からの計測信号 202を用いて評価値信号 203を計算する。操作信号生成部 300は、この評価値信号 203を受信する。
[0012] 操作信号生成部 300では、現状態力も将来までの評価値信号 203の期待値の総 和が最大、もしくは最小となるように、操作信号 201を生成する機能を持つ。以下で は、操作信号生成部 300では、評価値信号 203の期待値の総和が最大となるように 、操作信号 201を生成する場合について説明する。
[0013] 評価値計算部 500では、計測信号 202とその目標値との偏差に応じた評価値信号 203を生成する。例えば、計測信号 202が目標値と一致する場合には、評価値信号 203を「1」とし、一致しない場合には「0」と設定する。あるいは、計測信号 202とその 目標値との偏差に反比例するように、評価値信号 203を設定する。つまり後述する図 5に記載するように、評価値は、 + 30の様に数値が大きいほど目標に近ぐ—30の 様に数値が小さいほど目標力も遠い。この場合の評価値の算出は複数の方法をとる ことができる。評価値算出の一例を図 12に示す。制御量及び目標値の差と評価値を 対応させた表を持ち、これを参照して評価値を生成できる。また、評価値を制御量と 目標値の差の関数として設定しておいて、算出することもできる。
[0014] 操作信号生成部 300を実装する方法として、強化学習を用いる方法が挙げられる。
強化学習では、学習の初期段階においては試行錯誤的に操作信号 201を生成する 。その後、学習を進めるに従って、評価値信号 203が大きくなるような操作信号 201 を生成するようになる。
[0015] このような学習アルゴリズムは、例えば Actor-Critic, Q学習などのアルゴリズムを用 いることがでさる。
[0016] 図 1の制御装置は、 Dyna—アーキテクチャと呼ばれる枠組みを用いている。これは 、制御対象 100の模擬するモデル部 400を持ち、操作信号生成部 300では予めモ デル部 400を対象に操作信号 201の生成方法を学習しておき、その学習結果を用 V、て操作信号 201を生成する枠組みである。
[0017] 操作信号生成部 300は、モデル部 400に入力する操作信号 204を生成し、モデル 部 400からの計測信号 205と評価値信号 206を受信する機能を持つ。この評価値信 号 206は、評価値計算部 510において、計測信号 205を用いて計算される。評価値 計算部 510は、評価値計算部 500と同様の機能を持つ。 [0018] 操作信号生成部 300は、操作信号生成パラメータ記憶部 600に保存されているデ ータを参照して、制御対象 100に印加する操作信号 201を決定する。
[0019] 図 2は、操作信号生成パラメータ記憶部 600に保存されているデータの様態を説明 する図である。図 2のように、操作信号生成パラメータ記憶部 600には、制御対象 10 0に備え付けられている操作端の名称、その操作量の 1周期あたりの変化幅、及び単 位に関するデータが保存されている。操作端は、操作量変化幅の範囲で操作量を増 加 ·あるいは減少することができる。
[0020] 尚、図 2では操作端の数が複数個ある場合について記載しているが、操作端の数 は 1つであってもよい。また、図 2では操作端毎に操作変化幅を記載しているが、複 数の操作端を一くくりにまとめて、その操作端の変化幅の和を制限することもできる。
[0021] 図 2の操作量変化幅の制限値は、操作信号生成パラメータ更新部 700において決 定する。
[0022] ノラメータ更新の処理に必要な設定値は、キーボード 30とマウス 40で構成される 外部入力装置 20から入力される。これらの情報は、 CRTなどの画像表示装置 10に 表示される。制御対象 100の運転員は、画像表示装置 10と外部入力装置 20を用い て、設定値 214を入力する。
[0023] 図 3は、画像表示装置 10に表示される画面の例である。この画面を通して、運転員 は操作端の操作量変化幅の初期値、上限，下限、及び更新率を設定することができ る。ここで設定した設定値の使用方法について、図 4を用いて説明する。図 4は、操 作信号生成パラメータ更新部 700における処理を説明する図である。以下では、図 4 の各々の処理内容について説明する。
[0024] 処理 710では、ステップ数 tが 0より大きいかどうかを判定し、 0である場合 (NOの場 合）は処理 720を実施し、 0より大きい場合 (YESの場合）は処理 740を実施する。こ こでステップ数とは、制御対象 100に印加する操作信号を変更した回数であり、 0を 初期値に、操作する度に 1ずつ増加する値である。
[0025] 処理 720では、図 3において設定した初期値を取得する。
[0026] 処理 730では、処理 720にて取得した初期値を、操作信号生成パラメータ記憶部 6 00にデータ 209として送信する。 [0027] 処理 740では、操作信号生成パラメータ記憶部 600に保存されている前回の操作 信号生成パラメータをデータ 208として取得する。
[0028] 処理 750では、評価値信号 203と評価値信号 206を取得する。
[0029] 処理 760では、数 1を用いて操作量変化幅を変更する。ここで、 tはステップ数、 G(t
)はステップ tにおける操作量、 r (t)は評価値信号 203の値、 r (t)は評価値信号 206
1 2
の値、 f(r (t), r (t))は r (t)と r (t)を変数とする関数である。
1 2 1 2
(数 1)
G(t+ l) = G(t)+f(r (t), r (t))
1 2
数 1における関数 f(r (t), r (t))の例して、数 2に示す関数が挙げられる。
1 2
(数 2)
f(r (t), r (t))= a - ^ ( | r (t)-r (t) | )
1 2 1 2
処理 770では、数 1及び数 2を用いて計算した G(t+ 1)が図 3で設定した上限を超 える場合には G(t+ 1)を設定した上限の値とし、下限より小さい場合には G(t+ 1)を 設定した下限の値とする。
[0030] 最後に、処理 780では、処理 770によって求められた G(t+ 1)を操作信号生成パラ メータ記憶部 600にデータ 209として送信する。
[0031] 尚、数式 2の様に関数の形で操作量変化幅を算出することもできるし、図 13の様に
、評価値信号 203, 206の差と、操作量変化幅 G(t+ 1)— G(t)を対応させて表として 記憶させて、これを参照して操作量を決定することとしても良 、。
[0032] このように、モデルの制御偏差に基づく評価値 206と制御対象を制御した場合の制 御偏差に基づく評価値 203の差で操作量変化幅を算出しているので、制御対象の 運転状態に悪影響を及ぼすことなく運転可能である。また、モデルと実機のズレに応 じて柔軟に制御できる。
[0033] また、評価値の差が大き!/、場合は変化幅を小さく、評価値の差が小さ!、場合は変 化幅を大きくすることにより、モデルとのズレが大きい場合に操作量を安全に変更で き、モデルとのズレが小さ 、場合に操作量を早く変更できる。
[0034] また、操作量変化幅の上限を設定することにより、操作量変化幅を大きくすると、実 機とモデルのズレが大きく影響するので、操作量を早く変更することと制御対象の運 転状態に悪影響を及ぼすことのバランスをとることができる。
[0035] モデルパラメータ記憶部 800には、モデル部 400を構成するのに必要なパラメータ が保存されている。モデル部 400が物理モデルである場合は、モデルパラメータ記 憶部 800には物理モデルを構成するのに必要な物理定数が保存されている。例え ば、制御対象 100が火力発電プラントである場合は、熱伝達率などの値が保存され る。
[0036] モデルパラメータ更新部 900では、制御対象とモデルの特性が一致するように、モ デルパラメータ記憶部 800に記憶されているパラメータ 212を読み出しパラメータを 修正し、修正されたパラメータ 213を送信し、モデルパラメータを更新する。例えば、 制御対象 100が火力発電プラントである場合は、特開 10— 214112号公報，特開 2 001— 154705号公報等に述べられている技術を用いて、モデルパラメータ 211をモ デル部 400へ設定し、モデルのパラメータを更新する。
[0037] 図 5〜図 7は、従来の制御装置を制御対象 100に適用した場合に発生すると考えら れる問題について説明する図である。
[0038] 図 5は、操作量の空間と得られる評価値の関係である。例えば操作量 Aの値が A
1
、操作量 Bの値が B の場合、その操作量をモデル部 400に入力したときに得られる
1
評価値が—30である。また、 A， Bの時の評価値は + 10である。
2 2
[0039] 評価値の期待値の総和が最大となるような行動は、図 5の点線のように評価値が負 となる領域を避け、正である領域へ向力 行動となる。
[0040] 図 6は、一回の行動で移動可能な操作量の変化幅を矢印で示した図である。この 図では、操作量の変化幅を一定としている。このように、スタート地点力も評価値が +
30となる地点まで、 6ステップで到達する。
[0041] ここでは、モデルと制御対象の特性が異なる場合について考える。図 7は、モデル と制御対象の特性の違う例を示した図である。図 7のように、評価値が負となる操作 量の条件が、モデルと制御対象とで異なる。この場合、モデルで学習した操作方法を たどって操作を実行すると、 1ステップ後の評価値は 30となり、望ましい状態では ない。
[0042] 図 8〜図 10は、本発明の制御装置をプラント 100に適用した時の効果について説 明する図である。本発明の制御装置では、操作量変化幅を一定にせず、図 3の処理 を通して操作量の変化幅を決定する。
[0043] 初期値を小さく設定することにより、 1ステップ目の操作量変化幅を小さくすることが できる。その結果、図 8のように、 1ステップ後の評価値は— 10となる。これは、従来 法にて 1ステップ後に得られる 30よりも、優れた値である。
[0044] このように、操作の最初の段階における操作量変化幅を小さくすることで、初期状 態と近似した運転状態に移動するので、制御対象の安全性を保つことができる。
[0045] この 1ステップの操作によって、制御装置 200は制御対象 100とモデル部 400の特 性が異なって!/、ると!/、う情報を入手する。制御対象 100からの計測信号 202とモデル 部 400からの出力信号 205を用いて、モデルパラメータ更新部 900ではモデル部 40 0と制御対象 100の特性が一致するように、モデルパラメータ記憶部 800に保存され ているパラメータを更新する。モデルと制御対象の特性が違う場合には、初期状態（ 図 8における Start )に戻るように、操作信号 201を戻す。このように、評価値の差が所 定値より大き 、場合はモデルを修正することにより、モデルと実機のズレが所定値より 小さ 、ときは、モデルに沿って安全に制御できる。
[0046] 図 9は、操作量の空間と、修正後のモデル力 得られる評価値の関係を説明する図 である。このモデルを対象に、評価値の期待値の総和が最大となるような行動は、図 9の点線のように評価値が負となる領域を避け、正である領域へ向力 行動である。こ の操作経路は、修正前のモデルを用いた場合と修正後のモデルを用いた場合とで 異なるものとなる。
[0047] 図 10は、修正後の操作経路を用いて制御対象 100を制御した時の経路である。
[0048] 本発明では、操作を実施したことによって得られる評価値が、モデルを対象としたと きに得られた評価値と一致する場合に、操作量変化幅を大きくする。その結果、図 1
0のように、除々に矢印の大きさが大きくなる。
[0049] 図 11は、図 10の操作実行時におけるステップ数と操作量変化幅の関係を説明す る図である。
[0050] モデルの評価値、及び制御対象からの評価値が共に 0であるので、数 2における第 2項目は 0となる。従って、操作量変化幅は、 1ステップ当たり、 αだけ大きくなる。 [0051] 図 1の CRT10には、操作信号 201が表示される。また、操作信号生成パラメータ記 憶部 600に記憶されているデータ 210である操作量変化幅等のデータを表示するこ ともできる。制御対象 100の制御量 202も表示することができる。 CRT10は、図 5〜 図 10の操作量の空間と評価値の関係を画面に表示することができる。
[0052] 図 14に、操作量の空間と評価値の関係を画面に表示した場合の一例を示す。制 御装置 100は、制御対象へ適用する複数の操作の操作量をそれぞれ複数の軸に設 定し、制御対象へ適用した各操作の始点と到達点を表示し、 1ステップ前の操作の 到達点と次のステップの操作の始点を接続して表示する画像情報を作成して CRT1 0で表示する。これにより各操作の変化量を操作全体との対比で容易に把握すること 力 Sできる。尚、始点カも到達点を矢印で表示する。
[0053] また、制御装置 100は、制御対象の特性を模擬したモデル 400を有し、モデルを対 象に制御した場合の制御偏差に基づいて評価値を算出するモデルの評価値計算部 510と、制御対象を制御した場合の制御偏差に基づいて評価値を算出する制御対 象の評価値計算部 500を有し、各操作を行った際のモデルの評価値及び制御対象 からの評価値の差を算出し、各操作の表示に対応して表示する表示データを作成し 、 CRT10へ送信する。この様に、各操作を行った際のモデルの評価値及び制御対 象からの評価値の差をこの各操作表示に対応して表示することにより、操作を行いな 力 Sらモデル誤差を把握することができる。
[0054] 以上に述べたように、本発明の運転制御装置を制御対象に適用することによって、 操作開始直後においては操作量の変化幅を小さくし、モデルを対象に学習した操作 方法が、制御対象にも有効であるかどうかを確認する。その後、制御対象とモデルの 特性が近ぐモデルを対象に学習した操作方法が制御対象に対しても有効であるこ とが分かった後、除々に操作量の変化幅が大きくなる。
[0055] よって、モデルと制御対象の特性に違いがあった場合でも制御対象の運転が悪ィ匕 するリスクを軽減できる。
[0056] また、モデル誤差が生じた場合にも、制御対象の運転状態に悪影響を及ぼすこと なく運転可能である。
図面の簡単な説明 [0057] [図 1]本発明の制御装置を制御対象に適用した例について説明する図である。
[図 2]操作信号生成パラメータ記憶部に保存されているデータの態様を説明する図 である。
[図 3]画像表示装置に表示する画面を説明する図である。
[図 4]操作信号生成パラメータ更新部の処理を説明する図である。
[図 5]モデルの特性を説明する図である。
[図 6]ステップ毎の到達点を説明する図である。
[図 7]制御対象とモデル特性の違いを説明する図である。
[図 8]本発明の操作方法を説明する図である。
[図 9]修正後のモデルの特性を説明する図である。
[図 10]を説明する図である。
[図 11]ステップ数と操作量変化幅の関係を説明する図である。
[図 12]評価値算出の一例である。
[図 13]操作量を決定するための表の一例。
[図 14]操作量の空間と評価値の関係を画面に表示した例。
符号の説明
[0058] 10· ··画像表示装置、 20…外部入力装置、 30· "キーボード、 40· "マウス、 100· ·· 制御対象、 200…制御装置、 300…操作信号生成部、 400…モデル部、 500, 510 …評価値計算部、 600…操作信号生成パラメータ記憶部、 700…操作信号生成パ ラメータ更新部、 800…モデルパラメータ記憶部、 900…モデルパラメータ更新部。

Claims

請求の範囲
[1] 制御対象の制御量とその目標値との偏差である制御偏差に基づく評価値を最大ま たは最小とする操作量を導出して制御する制御装置の運転制御方法において、 前記制御対象の特性を模擬したモデルを有し、
前記モデルを対象にしてモデルの制御偏差に基づく評価値を最大または最小に する操作量を算出し、
前記操作量で前記制御対象を制御した場合の制御偏差に基づいて評価値を算出 し、
前記モデルの制御偏差の評価値と、前記制御対象の制御偏差の評価値の偏差に 基づ 、て、現ステップの操作量と次ステップで決定する操作量との差である操作量の 変化幅を決定することを特徴とする運転制御方法。
[2] 請求項 1に記載の運転制御方法にぉ 、て、
前記操作量の変化幅を決定する場合は、前記評価値の偏差が大き!、場合は変化 幅を小さぐ前記評価値の偏差が小さい場合は変化幅を大きくすることを特徴とする 運転制御方法。
[3] 請求項 1に記載の運転制御方法にぉ 、て、
前記操作量の変化幅の上限を設定することを特徴とする運転制御方法。
[4] 請求項 1に記載の運転制御方法にぉ 、て、
前記評価値の偏差が所定値より大き!/ヽ場合は、前記モデルを修正することを特徴と する運転制御方法。
[5] 制御対象の制御量とその目標値との偏差である制御偏差に基づく評価値を最大ま たは最小とする操作量を導出して制御する運転制御装置において、
前記制御対象の特性を模擬したモデルを備え、
前記モデルを対象に制御した場合の制御偏差に基づいて評価値を算出するモデ ルの評価値計算部と、
前記モデルの評価値を最大または最小にする操作量を算出する操作信号生成部 と、
前記操作量で前記制御対象を制御した場合の制御偏差に基づいて評価値を算出 する制御対象の評価値計算部と、
前記モデルの制御偏差の評価値と、前記制御対象の制御偏差の評価値に基づ 、 て、現ステップの操作量と次ステップで決定する操作量との差である操作量の変化 幅を決定する操作信号更新部を備えることを特徴とする運転制御装置。
[6] 請求項 5に記載の運転制御装置において、
前記操作信号生成部は、前記評価値の偏差が大きい場合は変化幅を小さぐ前記 評価値の偏差が小さい場合は変化幅を大きくすることを特徴とする運転制御装置。
[7] 請求項 5に記載の運転制御装置において、
前記操作信号更新部は、前記操作量変化幅の上限を有することを特徴とする運転 制御方法。
[8] 請求項 5に記載の運転制御装置において、
前記評価値の偏差が所定値より大き ヽ場合は、モデルを修正するモデルパラメ一 タ更新部を有することを特徴とする運転制御装置。
[9] 制御対象へ複数の操作を行!、制御する制御装置と、表示装置を有する運転制御 システムにおいて、
前記制御装置は、前記制御対象への複数の操作の操作量をそれぞれ複数の軸に 設定し、制御対象へ適用した各操作の始点と到達点を表示し、 1ステップ前の操作 の到達点と次のステップの操作の始点を接続して表示する画像情報を作成し、前記 表示装置へ送信することを特徴とする運転制御システム。
[10] 請求項 9に記載の運転制御システムにおいて、
前記制御装置は、前記制御対象の特性を模擬したモデルを有し、前記モデルを対 象に制御した場合の制御偏差に基づいて評価値を算出するモデルの評価値計算部 と、前記制御対象を制御した場合の制御偏差に基づいて評価値を算出する制御対 象の評価値計算部を有し、前記各操作を行った際のモデルの評価値及び制御対象 からの評価値の差を算出し、前記各操作の表示に対応して表示する表示データを作 成し、前記表示装置へ送信することを特徴とする運転制御システム。
PCT/JP2007/050682 2006-03-31 2007-01-18 運転制御方法，運転制御装置及び運転制御システム WO2007116590A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US12/279,350 US8155763B2 (en) 2006-03-31 2007-01-18 Operation control method, operation control device, and operation control system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006-096373 2006-03-31
JP2006096373A JP4952025B2 (ja) 2006-03-31 2006-03-31 運転制御方法，運転制御装置及び運転制御システム

Publications (1)

Publication Number Publication Date
WO2007116590A1 true WO2007116590A1 (ja) 2007-10-18

Family

ID=38580892

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2007/050682 WO2007116590A1 (ja) 2006-03-31 2007-01-18 運転制御方法，運転制御装置及び運転制御システム

Country Status (4)

Country Link
US (1) US8155763B2 (ja)
JP (1) JP4952025B2 (ja)
CN (1) CN101390024A (ja)
WO (1) WO2007116590A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018105412A1 (ja) * 2016-12-07 2018-06-14 ソニー株式会社 情報処理装置および方法、並びにプログラム

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4427074B2 (ja) 2007-06-07 2010-03-03 株式会社日立製作所 プラントの制御装置
US8135653B2 (en) 2007-11-20 2012-03-13 Hitachi, Ltd. Power plant control device which uses a model, a learning signal, a correction signal, and a manipulation signal
JP4876057B2 (ja) * 2007-11-20 2012-02-15 株式会社日立製作所 プラントの制御装置、及び火力発電プラントの制御装置
JP4627553B2 (ja) * 2008-03-28 2011-02-09 株式会社日立製作所 プラントの制御装置および火力発電プラントの制御装置
CN105319966B (zh) * 2014-07-30 2017-10-20 南京南瑞继保电气有限公司 一种避免系统间通讯恢复后冗余系统同时退出值班的方法
JP6497367B2 (ja) * 2016-08-31 2019-04-10 横河電機株式会社 プラント制御装置、プラント制御方法、プラント制御プログラム及び記録媒体
JP6742222B2 (ja) * 2016-11-14 2020-08-19 株式会社日立製作所 運転支援装置及びプログラム
JP6662310B2 (ja) * 2017-01-11 2020-03-11 横河電機株式会社 データ処理装置、データ処理方法及びプログラム
DE112017007028B4 (de) * 2017-02-09 2023-06-15 Mitsubishi Electric Corporation Positionskontrollvorrichtung und Positionskontrollverfahren
CN111433694A (zh) * 2017-11-29 2020-07-17 三菱日立电力系统株式会社 运转条件评价装置、运转条件评价方法及发电设备的控制系统
JP6970078B2 (ja) 2018-11-28 2021-11-24 株式会社東芝 ロボット動作計画装置、ロボットシステム、および方法
JP7206874B2 (ja) * 2018-12-10 2023-01-18 富士電機株式会社 制御装置、制御方法及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04256102A (ja) * 1991-02-08 1992-09-10 Toshiba Corp モデル予測制御装置
JPH0695706A (ja) * 1992-09-11 1994-04-08 Toshiba Corp モデル予測制御装置
JPH0883104A (ja) * 1994-09-12 1996-03-26 Toshiba Corp プラント制御装置
JPH09128011A (ja) * 1995-10-31 1997-05-16 Fuji Electric Co Ltd モデル予測制御方法
JPH1074188A (ja) * 1996-05-23 1998-03-17 Hitachi Ltd データ学習装置およびプラント制御装置
JP2003005804A (ja) * 2001-06-19 2003-01-08 Honda Motor Co Ltd プラントの制御装置
JP2004094939A (ja) * 2002-08-09 2004-03-25 Omron Corp モデル構造、制御装置、温度調節器および熱処理装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5166873A (en) * 1989-09-13 1992-11-24 Yokogawa Electric Corporation Process control device
US5930136A (en) * 1990-06-04 1999-07-27 Hitachi, Ltd. Control device for controlling a controlled apparatus, and a control method therefor
EP0524317A4 (en) * 1991-02-08 1995-02-15 Tokyo Shibaura Electric Co Model forecasting controller
US5448681A (en) * 1992-03-27 1995-09-05 National Semiconductor Corporation Intelligent controller with neural network and reinforcement learning
JPH10214112A (ja) 1997-01-29 1998-08-11 Hitachi Ltd 火力プラントシミュレータ
JP3086206B2 (ja) 1998-07-17 2000-09-11 科学技術振興事業団 エージェント学習装置
JP2001154705A (ja) 1999-11-25 2001-06-08 Hitachi Ltd 火力プラントの運転制御方法及び運転制御装置
JP3742966B2 (ja) * 2000-02-23 2006-02-08 株式会社日立製作所 制御装置
US7050864B2 (en) * 2001-04-20 2006-05-23 Honda Giken Kogyo Kabushiki Kaisha Control system for a plant using identified model parameters
JP3989775B2 (ja) * 2002-06-05 2007-10-10 株式会社日立製作所 制御モデルを用いた制御系のプリセット制御方法および制御装置
ITMI20021231A1 (it) * 2002-06-06 2003-12-09 Nuovo Pignone Spa Sistema di controllo e regolazione della temperatura di fiamma per turbine a gas monoalbero
EP1650672A3 (en) * 2004-10-21 2006-08-23 HONDA MOTOR CO., Ltd. A neural network element with reinforcement/attenuation learning
US7395251B2 (en) * 2005-07-01 2008-07-01 International Business Machines Corporation Neural networks for prediction and control

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04256102A (ja) * 1991-02-08 1992-09-10 Toshiba Corp モデル予測制御装置
JPH0695706A (ja) * 1992-09-11 1994-04-08 Toshiba Corp モデル予測制御装置
JPH0883104A (ja) * 1994-09-12 1996-03-26 Toshiba Corp プラント制御装置
JPH09128011A (ja) * 1995-10-31 1997-05-16 Fuji Electric Co Ltd モデル予測制御方法
JPH1074188A (ja) * 1996-05-23 1998-03-17 Hitachi Ltd データ学習装置およびプラント制御装置
JP2003005804A (ja) * 2001-06-19 2003-01-08 Honda Motor Co Ltd プラントの制御装置
JP2004094939A (ja) * 2002-08-09 2004-03-25 Omron Corp モデル構造、制御装置、温度調節器および熱処理装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018105412A1 (ja) * 2016-12-07 2018-06-14 ソニー株式会社 情報処理装置および方法、並びにプログラム
US10795326B2 (en) 2016-12-07 2020-10-06 Sony Corporation Information processing apparatus, and method

Also Published As

Publication number Publication date
CN101390024A (zh) 2009-03-18
JP2007272498A (ja) 2007-10-18
US20090012632A1 (en) 2009-01-08
US8155763B2 (en) 2012-04-10
JP4952025B2 (ja) 2012-06-13

Similar Documents

Publication Publication Date Title
WO2007116590A1 (ja) 運転制御方法，運転制御装置及び運転制御システム
JP4698656B2 (ja) 制御システムおよび制御支援装置
CN105313120A (zh) 机器人程序修正系统
CN108994818B (zh) 控制装置以及机器学习装置
JP4811997B2 (ja) 状態推定装置、状態推定システム及びコンピュータプログラム
WO2020183864A1 (ja) 自動操縦ロボットを制御する操作推論学習モデルの学習システム及び学習方法
CN109849025A (zh) 振动抑制装置
EP0540168B1 (en) Simulator using a neural network
JP6908144B1 (ja) 自動操縦ロボットの制御装置及び制御方法
JPH06266449A (ja) 調整入力利用のカスケード炉温制御装置
US11137728B2 (en) Processing device, control parameter determination method, and non-transitory recording medium storing a control parameter determination program
KR102382047B1 (ko) Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템
DeBoon et al. Multi-objective gain optimizer for a multi-input active disturbance rejection controller: Application to series elastic actuators
US20200379452A1 (en) Plant operating condition setting support system, learning device, and operating condition setting support device
Kostadinov et al. Online weight-adaptive nonlinear model predictive control
CN109507879B (zh) 控制装置以及机器学习装置
JP4546332B2 (ja) 運転支援装置および運転支援方法
CN116047888A (zh) 一种基于bp神经网络pid的自平衡车的控制方法
JP3214270B2 (ja) 電動機の速度制御装置並びに速度及び位置制御装置
WO2020162200A1 (ja) 制御装置および制御プログラム
CN114761182B (zh) 机器人控制系统和用于训练所述机器人控制系统的方法
JP3040901B2 (ja) ニューラルネットワークによる制御方法および内蔵制御装置
CN101943889A (zh) 使电气传动系统调节器自动启动和/或运行的方法及装置
EP3835894A1 (en) Method and apparatus for configuring a machine controller
CN115298529A (zh) 被测体自动驾驶装置、被测体测试系统、指令车速生成程序及被测体自动驾驶方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07706986

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 6948/DELNP/2008

Country of ref document: IN

WWE Wipo information: entry into national phase

Ref document number: 12279350

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 200780006110.7

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 07706986

Country of ref document: EP

Kind code of ref document: A1