JP3141664B2 - ファジィ推論装置のファジィ知識転送装置および方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【技術分野】この発明はファジィ推論装置のファジィ知
識転送装置および方法に関する。

【０００２】

【従来技術とその問題点】制御知識にしたがうファジィ
推論の結果に基づいて制御を行う制御装置（ファジィ推
論装置）と，制御装置の最適な制御知識の生成または修
正を行う知識生成装置とが別個のシステムの場合，知識
生成装置によって生成された制御装置の制御知識を変更
するとき，制御装置の制御動作を停止させた後に，知識
生成装置から制御装置に制御知識を転送していた。

【０００３】しかしながら，このような従来のシステム
の場合，知識転送装置から制御装置に最適な制御知識を
転送するときには制御動作を中断しなければならない。
制御装置が制御動作を中断できないときには，その制御
装置に最適な制御知識を転送することができない。

【０００４】

【発明の開示】この発明は，ファジィ推論装置が動作中
においても新たに生成されたファジィ知識をオンライン
で転送できるファジィ推論装置のファジィ知識転送装置
および方法を提供することを目的としている。

【０００５】ファジィ知識は，ファジィ・ルールとメン
バーシップ関数とからなる。

【０００６】第１の発明によるファジィ推論装置のファ
ジィ知識転送装置は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成す
る知識学習手段，上記知識学習手段によって生成された
ファジィ・ルールについて，優先順位を決定する優先順
位決定手段，上記優先順位決定手段によって決定された
優先順位にしたがって，上記知識学習手段によって生成
されたファジィ・ルールおよびメンバーシップ関数を，
上記ファジィ推論装置における推論サイクル内に転送可
能なブロックに分割する知識分割手段，ならびに上記知
識分割手段によって分割されたファジィ・ルールおよび
メンバーシップ関数を，そのブロック毎に上記ファジィ
推論装置に複数推論サイクルにわたってすべて転送する
知識転送手段を備えている。

【０００７】第１の発明によるファジィ推論装置のファ
ジィ知識転送方法は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成
し，生成されたファジィ・ルールについて，優先順位を
決定し，決定された優先順位にしたがって，生成された
ファジィ・ルールおよびメンバーシップ関数を，上記フ
ァジィ推論装置における推論サイクル内に転送可能なブ
ロックに分割し，分割されたファジィ・ルールおよびメ
ンバーシップ関数を，そのブロック毎に上記ファジィ推
論装置に複数推論サイクルにわたってすべて転送するす
るものである。

【０００８】第１の発明によると，知識学習手段によっ
て生成された最適なファジィ・ルールおよびメンバーシ
ップ関数が生成される。知識学習手段によって生成され
たファジィ・ルールについて優先順位決定手段によって
優先順位が決定される。優先順位決定手段によって決定
された優先順位にしたがって，知識学習手段によって生
成されたファジィ・ルールおよびメンバーシップ関数
が，知識分割手段によってファジィ推論装置における推
論サイクル内に転送可能なブロックに分割される。知識
分割手段によって分割されたファジィ・ルールおよびメ
ンバーシップ関数が，そのブロック毎に知識転送手段に
よってファジィ推論装置に複数推論サイクルにわたって
転送される。ファジィ推論装置にあらかじめ設定された
ファジィおよびメンバーシップ関数が，知識転送手段に
よって転送されたファジィ・ルールおよびメンバーシッ
プ関数に変更される。

【０００９】したがって，知識学習手段によって生成さ
れた最適なファジィ・ルールおよびメンバーシップ関数
が，ファジィ推論装置の動作中にオンラインで転送する
ことができるので，ファジィ推論装置は最適なファジィ
・ルールおよびメンバーシップ関数を用いてファジィ推
論を行うことができる。また，ファジィ・ルールに優先
順位を決定し，その優先順位の高いファジィ・ルールお
よびメンバーシップ関数からファジィ推論装置に転送さ
れるので，ファジィ推論装置はより有効なファジィ・ル
ールおよびメンバーシップ関数を速く得ることができ
る。

【００１０】第２の発明によるファジィ推論装置のファ
ジィ知識転送装置は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成す
る知識学習手段，上記知識学習手段によって生成された
ファジィ・ルールについて，優先順位を決定する優先順
位決定手段，上記優先順位決定手段によって決定された
優先順位にしたがって，上記知識学習手段によって生成
されたファジィ・ルールおよびメンバーシップ関数のう
ち所要のものについて，上記ファジィ推論装置における
推論サイクル内に転送可能なブロックに分割する知識分
割手段，ならびに上記知識分割手段によって分割された
ファジィ・ルールおよびメンバーシップ関数を，そのブ
ロック毎に上記ファジィ推論装置に複数推論サイクルに
わたって転送する知識転送手段を備えている。

【００１１】第２の発明によるファジィ推論装置のファ
ジィ知識転送方法は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成
し，生成されたファジィ・ルールについて，優先順位を
決定し，決定された優先順位にしたがって，生成された
ファジィ・ルールおよびメンバーシップ関数のうち所要
のものについて，上記ファジィ推論装置における推論サ
イクル内に転送可能なブロックに分割し，分割されたフ
ァジィ・ルールおよびメンバーシップ関数を，そのブロ
ック毎に上記ファジィ推論装置に複数推論サイクルにわ
たって転送するするものである。

【００１２】所要のファジィ・ルールおよびメンバーシ
ップ関数とは，たとえば知識学習手段によって修正され
たファジィ・ルールおよびメンバーシップ関数，新たに
生成されたメンバーシップ関数，優先順位が高いファジ
ィ・ルールである。

【００１３】第２の発明によると，知識学習手段によっ
て生成されたファジィ・ルールおよびメンバーシップ関
数が生成される。知識学習手段によって生成されたファ
ジィ・ルールについて優先順位決定手段によって優先順
位が決定される。優先順位決定手段によって決定された
優先順位にしたがって，知識学習手段によって修正され
たファジィ・ルールおよびメンバーシップ関数，新たに
生成されたメンバーシップ関数，優先順位が高いファジ
ィ・ルールについて，知識分割手段によってファジィ推
論装置における推論サイクル内に転送可能なブロックに
分割される。分割されたファジィ・ルールおよびメンバ
ーシップ関数が，知識転送手段によってファジィ推論装
置に複数推論サイクルにわたって転送される。ファジィ
推論装置にあらかじめ設定されたファジィ・ルールおよ
びメンバーシップ関数が，知識転送手段によって転送さ
れた最適なファジィ・ルールおよびメンバーシップ関数
に変更される。

【００１４】したがって，知識学習手段によって生成さ
れた最適なファジィ・ルールおよびメンバーシップ関数
が，ファジィ推論装置の動作中にオンラインで転送する
ことができるので，ファジィ推論装置は最適なファジィ
・ルールおよびメンバーシップ関数を用いてファジィ推
論を行うことができる。また，ファジィ・ルールおよび
メンバーシップ関数のうち，知識学習手段によって修正
されたファジィ・ルールおよびメンバーシップ関数，新
たに生成されたメンバーシップ関数，優先順位が高いフ
ァジィ・ルールのような重要なものだけが転送されるの
で，ファジィ知識の転送時間が短くなる。

【００１５】第３の発明によるファジィ推論装置のファ
ジィ知識転送装置は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ推論装
置の推論サイクル毎に，上記ファジィ・ルールおよびメ
ンバーシップ関数を学習により修正し，最適なファジィ
・ルールおよびメンバーシップ関数を生成する知識学習
手段，上記知識学習手段によって生成されたファジィ・
ルールについて，優先順位を決定する優先順位決定手
段，上記優先順位決定手段によって決定された優先順位
にしたがって，上記知識学習手段によって生成されたフ
ァジィ・ルールおよびメンバーシップ関数を，上記ファ
ジィ推論装置における推論サイクル内に転送可能なブロ
ックに分割する知識分割手段，ならびに上記知識分割手
段によって分割されたファジィ・ルールおよびメンバー
シップ関数を，最も優先順位の高いブロックだけ上記フ
ァジィ推論装置に転送する知識転送手段を備えている。

【００１６】第３の発明によるファジィ推論装置のファ
ジィ知識転送方法は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ推論装
置の推論サイクル毎に，上記ファジィ・ルールおよびメ
ンバーシップ関数を学習により修正し，最適なファジィ
・ルールおよびメンバーシップ関数を生成し，生成され
たファジィ・ルールについて，優先順位を決定し，決定
された優先順位にしたがって，生成されたファジィ・ル
ールおよびメンバーシップ関数を，上記ファジィ推論装
置における推論サイクル内に転送可能なブロックに分割
し，分割されたファジィ・ルールおよびメンバーシップ
関数を，最も優先順位の高いブロックだけ上記ファジィ
推論装置に転送するするものである。

【００１７】第３の発明によると，知識学習手段によっ
て生成された最適なファジィ・ルールおよびメンバーシ
ップ関数がファジィ推論装置の推論サイクル毎に生成さ
れる。知識学習手段によって生成されたファジィ・ルー
ルについて優先順位決定手段によって優先順位が決定さ
れる。優先順位決定手段によって決定された優先順位に
したがって，知識学習手段によって生成されたファジィ
・ルールおよびメンバーシップ関数が，知識分割手段に
よってファジィ推論装置における推論サイクル内に転送
可能なブロックに分割される。知識分割手段によって分
割されたファジィ・ルールおよびメンバーシップ関数
が，最も優先順位の高いブロックだけ知識転送手段によ
ってファジィ推論装置に転送される。ファジィ推論装置
にあらかじめ設定されたファジィおよびメンバーシップ
関数が，知識転送手段によって転送されたファジィ・ル
ールおよびメンバーシップ関数に変更される。

【００１８】したがって，最適なファジィ・ルールおよ
びメンバーシップ関数がファジィ推論装置の推論サイク
ル毎に学習により生成され，そのうちで優先順位が最も
高いブロックのみが，ファジィ推論装置の動作中にオン
ラインで転送することができるので（リアルタイム学
習，リアルタイム転送），ファジィ推論装置は常に最適
なファジィ・ルールおよびメンバーシップ関数を用いて
ファジィ推論を行うことができる。

【００１９】第４の発明によるファジィ推論装置のファ
ジィ知識転送装置は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成す
る知識学習手段，上記知識学習手段によって生成された
ファジィ・ルールについて，優先順位を決定する優先順
位決定手段，ファジィ・ルールの相関関係に基づいて，
上記知識学習手段によって生成されたファジィ・ルール
およびメンバーシップ関数を，上記ファジィ推論装置に
おける推論サイクル内に転送可能なブロックに分割する
知識分割手段，ならびに上記知識分割手段によって分割
されたブロックを，そのブロックに含まれるファジィ・
ルールの優先順位にしたがって順次ブロック毎に上記フ
ァジィ推論装置に複数推論サイクルにわたってすべて転
送する知識転送手段を備えている。

【００２０】第４の発明によるファジィ推論装置のファ
ジィ知識転送方法は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて，上記ファジィ・ルー
ルおよびメンバーシップ関数を学習により修正し，最適
なファジィ・ルールおよびメンバーシップ関数を生成
し，生成されたファジィ・ルールについて，優先順位を
決定し，ファジィ・ルールの相関関係に基づいて，生成
されたファジィ・ルールおよびメンバーシップ関数を，
上記ファジィ推論装置における推論サイクル内に転送可
能なブロックに分割し，分割されたブロックを，そのブ
ロックに含まれるファジィ・ルールの優先順位にしたが
って順次ブロック毎に上記ファジィ推論装置に複数推論
サイクルにわたってすべて転送するするものである。

【００２１】第４の発明によると，知識学習手段によっ
て生成された最適なファジィ・ルールおよびメンバーシ
ップ関数が生成される。知識学習手段によって生成され
たファジィ・ルールについて優先順位決定手段によって
優先順位が決定される。ファジィ・ルールの相互関係に
基づいて，知識学習手段によって生成されたファジィ・
ルールおよびメンバーシップ関数が，知識分割手段によ
ってファジィ推論装置における推論サイクル内に転送可
能なブロックに分割される。知識分割手段によって分割
されたファジィ・ルールおよびメンバーシップ関数が，
そのブロック毎に知識転送手段によってファジィ推論装
置に複数推論サイクルにわたって転送される。ファジィ
推論装置にあらかじめ設定されたファジィおよびメンバ
ーシップ関数が，知識転送手段によって転送されたファ
ジィ・ルールおよびメンバーシップ関数に変更される。

【００２２】したがって，知識学習手段によって生成さ
れ，かつ相関関係のあるファジィ・ルールおよびメンバ
ーシップ関数を，ファジィ推論装置の動作中にオンライ
ンで転送することができる。ファジィ推論装置では相関
のあるファジィ・ルールおよびメンバーシップ関数が一
度に修正されるので，ファジィ・ルールおよびメンバー
シップ関数の一部が変更されることによる不安定化を防
ぐことができる。

【００２３】第５の発明によるファジィ推論装置のファ
ジィ知識転送装置は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて学習を行い，ファジィ
・ルールおよびメンバーシップ関数を新たに生成する知
識学習手段，上記知識学習手段によって生成されたファ
ジィ・ルールについて，優先順位を決定する優先順位決
定手段，上記優先順位決定手段によって決定された優先
順位にしたがって，上記知識学習手段によって新たに生
成されたファジィ・ルールおよびメンバーシップ関数
を，上記ファジィ推論装置における推論サイクル内に転
送可能なブロックに分割する知識分割手段，ならびに上
記知識分割手段によって分割されたファジィ・ルールお
よびメンバーシップ関数を，そのブロック毎に上記ファ
ジィ推論装置に複数推論サイクルにわたってすべて転送
する知識転送手段を備えている。

【００２４】第５の発明によるファジィ推論装置のファ
ジィ知識転送方法は，入力データについて，あらかじめ
設定されたファジィ・ルールおよびメンバーシップ関数
にしたがうファジィ推論を行い，出力データを算出する
ファジィ推論装置において，上記入力データと，その入
力データを用いてファジィ推論により得られた出力デー
タと，出力教師データに基づいて学習を行い，ファジィ
・ルールおよびメンバーシップ関数を新たに生成し，生
成されたファジィ・ルールについて，優先順位を決定
し，決定された優先順位にしたがって，新たに生成され
たファジィ・ルールおよびメンバーシップ関数を，上記
ファジィ推論装置における推論サイクル内に転送可能な
ブロックに分割し，分割されたファジィ・ルールおよび
メンバーシップ関数を，そのブロック毎に上記ファジィ
推論装置に複数推論サイクルにわたってすべて転送する
するものである。

【００２５】第５の発明によると，知識学習手段によっ
て新たに生成された最適なファジィ・ルールおよびメン
バーシップ関数が生成される。知識学習手段によって生
成されたファジィ・ルールについて優先順位決定手段に
よって優先順位が決定される。優先順位決定手段によっ
て決定された優先順位にしたがって，知識学習手段によ
って生成されたファジィ・ルールおよびメンバーシップ
関数が，知識分割手段によってファジィ推論装置におけ
る推論サイクル内に転送可能なブロックに分割される。
知識分割手段によって分割されたファジィ・ルールおよ
びメンバーシップ関数が，そのブロック毎に知識転送手
段によってファジィ推論装置に複数推論サイクルにわた
って転送される。ファジィ推論装置にあらかじめ設定さ
れたファジィおよびメンバーシップ関数に，知識転送手
段によって転送されたファジィ・ルールおよびメンバー
シップ関数に追加される。

【００２６】したがって，ファジィ推論装置は新たなフ
ァジィ・ルールおよびメンバーシップ関数が追加された
ことによって精密なファジィ推論が行える。

【００２７】

【実施例の説明】

［ 概 要 ］図１は，入力データについて，あらかじ
め設定されたファジィ知識にしたがってファジィ推論を
行い，出力データを出力するファジィ推論装置と，最適
なファジィ知識をファジィ推論装置に転送するファジィ
知識転送装置とを有するシステムにおいて，ファジィ推
論装置に設定されたファジィ知識が不適正である場合，
最適なファジィ知識をファジィ知識転送装置からファジ
ィ推論装置にオンラインで転送するとき転送方法を分類
した分類表の一例である。

【００２８】最適なファジィ知識は，ファジィ推論装置
の入，出力データ等に基づいて，ファジィ知識転送装置
が学習することによって生成される。また，最適なファ
ジィ知識をオペレータが作成し，これをファジィ知識転
送装置に入力してもよい。

【００２９】ファジィ知識の転送方法は，「転送時間」
と「推論サイクル」との関係によって大きく異なる。

【００３０】「転送時間」は，ファジィ推論装置に転送
することが必要なすべての最適なファジィ知識をファジ
ィ知識転送装置からファジィ推論装置に転送するために
要する時間である。

【００３１】「推論サイクル」は，この明細書では次の
ように定義される。ファジィ推論装置がファジィ推論処
理とファジィ知識の受信処理とを並行して実行できるモ
ードのである場合には，「推論サイクル」は，ファジィ
推論装置の一推論周期を意味し，より具体的には，ファ
ジィ推論装置が入力データの読込みを開始する時点か
ら，一組のファジィ知識にしたがう１回のファジィ推論
を行って出力データを出力した後，次の入力データの読
込みを開始するまでの時間である。必要ならば，「推論
サイクル」は受信したファジィ知識を知識メモリに転送
するのに要する時間を一推論時間から差し引いた時間に
設定される。ファジィ推論装置がファジィ推論をファジ
ィ知識の受信処理とを並行して実行できず，シーケンシ
ャルにう実行するものである場合には，「推論サイク
ル」はファジィ推論装置の一推論周期から，推論に要す
る時間を減算した時間となる。

【００３２】1.1 転送時間＜推論サイクルの場合

【００３３】この場合には，ファジィ推論装置に転送す
ることが必要なすべての最適なファジィ知識を一括して
転送すればよい。転送時間＝推論サイクルの場合は，こ
の方法でもよいし，次に述べる方法のどちらでもよい。

【００３４】1.2 推論サイクル＜転送時間の場合

【００３５】この場合には，ファジィ推論装置に転送す
ることが必要なすべての最適なファジィ知識を推論サイ
クル内で転送可能なブロックに分割して転送しなければ
ならない。最適なファジィ知識を分割する方法には，以
下のようなものがある。

【００３６】(1) 最適なファジィ知識を推論サイクル内
で転送可能なブロックに単純に分割する方法。

【００３７】(2) 最適なファジィ知識のファジィ・ルー
ル毎に優先順位を付け，優先順位の高い順に推論サイク
ル内で転送可能なブロックに最適なファジィ知識を分割
する方法。

【００３８】この方法にはさらに，最適なファジィ知識
を優先順位の高い順にすべて転送する場合（第１実施
例）と，ファジィ知識の中で所要のもの（優先順位が高
いファジィ・ルールとそのメンバーシップ関数，修正す
べきファジィ・ルールとそのメンバーシップ関数等）の
みを転送する場合（第２実施例，第３実施例）とがあ
る。

【００３９】ファジィ知識のファジィ・ルール毎の優先
順位付けには，たとえば以下のような方法がある。

【００４０】(i) 最適なファジィ知識について，入力
空間（前件部変数）を複数の領域に分割し，入力データ
が多い領域に関わるファジィ・ルールを優先するように
優先順位を付ける方法。

【００４１】(ii) 最適なファジィ知識について，メン
バーシップ関数の学習による変更量を基準とし，その修
正量の多いメンバーシップ関数を用いるファジィ・ルー
ルほど優先するように優先順位を付ける方法。入力デー
タが多いほどそれに関するルールの優先順位は高くな
る。

【００４２】(iii) 最適なファジィ知識について，学
習前のファジィ・ルールの使用頻度に応じて優先順位を
付ける方法。

【００４３】(3) 最適なファジィ知識のファジィ・ルー
ルの中で相互に因果関係があるファジィ・ルールをセッ
トにして，そのルール・セットを推論サイクル内に転送
可能なブロックに最適なファジィ知識を分割する方法。

【００４４】この場合にはさらに，入力空間の全体的な
動作を制御したり，全体的な観点から記述されたルール
・セットを優先して転送する場合（第４実施例）と，局
所的な観点から記述されてはいるが精密なファジィ推論
を行うためのルール・セットを優先して転送する場合
（第５実施例）とがある。

【００４５】［第１実施例］第１実施例は，学習によっ
て生成されたファジィ知識について，対応する学習前の
ファジィ知識のファジィ・ルールの使用頻度に応じて優
先順位を付け，学習後のファジィ知識を優先順位が高い
順に推論サイクルで転送可能なブロックに分割し，その
後，優先順位の高い順に分割されたブロック毎にすべて
のファジィ知識を転送するものである。

【００４６】図２は，ガラス製品の製造工程の全体的構
成を示すブロック図である。このガラス製品の製造工程
は第１実施例から第４実施例において共通のものであ
る。

【００４７】ガラス溶解炉１においてガラスが溶解され
る。この溶解されたガラスはガラス流路２を流れてカッ
タ３の位置まで導かれ，カッタ３によって切断される。
切断された溶解ガラスは成形器４内に充填され，冷却さ
れることにより成形され，ガラス製品となる。カッタ３
は一定時間間隔で溶解されたガラスを切断する。ガラス
溶解炉１内の溶解されたガラス残量が少なくなると，ガ
ラスが追加される。

【００４８】成形されたガラス製品の品質を高く保つた
めにその重量を一定にしなければならない。カッタ３は
一定時間間隔で溶解したガラスを切断しているので，ガ
ラス製品の重量を一定に制御するには，ガラス流路２を
流れる溶解したガラスの流量を制御しなければならな
い。溶解したガラスの温度に応じてガラスの流動性が変
化するので，ガラス流路２を流れる溶解したガラスの温
度を制御することによって，ガラス流量が一定になるよ
うに制御される。

【００４９】ガラス流路２はバーナＢ１，Ｂ２およびＢ
３によって加熱され，加熱量はガス・タンク６からバー
ナＢ１，Ｂ２およびＢ３に流入するガス流量に応じて調
整される。バーナＢ１，Ｂ２およびＢ３のそれぞれに流
入するガス流量は，バルブＶ１，Ｖ２およびＶ３によっ
て調整される。

【００５０】また，ガラス流路２にはバーナＢ１，Ｂ２
およびＢ３の付近にそれぞれ温度センサＴＳ１，ＴＳ２
およびＴＳ３が設けられており，これらの温度センサＴ
Ｓ１，ＴＳ２およびＴ３によってガラス流路２を流れる
溶解したガラスの温度が計測される。温度センサＴＳ
１，ＴＳ２およびＴＳ２のそれぞれによって計測された
計測温度信号Ｔ１，Ｔ２およびＴ３は，温度調節器10に
与えられる。

【００５１】温度調節器10は，温度センサＴＳ１，ＴＳ
２およびＴＳ３のそれぞれから与えられる計測温度信号
Ｔ１，Ｔ２およびＴ３に基づいて，後述する目標値生成
装置20から与えられる目標温度ＴＴ１，ＴＴ２およびＴ
Ｔ３に近づくようにバルブＶ１，Ｖ２およびＶ３のそれ
ぞれに与えるバルブ開度信号ＶＯ１，ＶＯ２およびＶＯ
３を調整する。

【００５２】ここで，ガラス溶解炉１内の溶解したガラ
ス残量によってガラス流路２にかかる圧力が変化するの
で，ガラス溶解炉１内の溶解したガラス残量に応じて溶
解したガラス流量が影響を受ける。したがって，ガラス
製品の重量に大きな誤差が生じることがある。

【００５３】このため，ガラス製品の目標重量ＴＷと，
成形器４によって成形されたガラス製品を計量器５によ
って計量して得られる計測重量ＭＷとに基づいて，溶解
したガラス流量を精密に制御するために温度調節器10の
目標温度ＴＴ１，ＴＴ２およびＴＴ３を生成する目標値
生成装置20が設けられている。

【００５４】目標値生成装置20は，詳細については後述
するが，ガラス製品の目標重量ＴＷと計測重量ＭＷとに
基づいて，あらかじめ設定された目標値生成知識にした
がって目標温度補正量ΔＴＴ１，ΔＴＴ２およびΔＴＴ
３を算出し，算出した目標温度補正量ΔＴＴ１，ΔＴＴ
２およびΔＴＴ３を基準温度ＢＴに加算することによっ
て温度調節器20に与える目標温度ＴＴ１，ＴＴ２および
ＴＴ３を生成する。

【００５５】しかし，ガラス溶解炉１内のガラス残量の
変化によって温度調節器10の目標温度の精度が低下す
る。この精度の低下を防止するために，目標値生成装置
20の目標値生成知識を目標値生成知識生成装置30がオン
ラインで学習し，学習した目標値生成知識を目標値生成
知識生成装置30から目標値生成装置20にオンラインで転
送する。目標値生成知識生成装置30における学習は，目
標重量ＴＷと計測重量ＭＴとの重量誤差Ｅ，および目標
値生成装置20が算出した温度補正量ΔＴＴ１，ＴＴ２お
よびΔＴＴ３に基づいて行われる。

【００５６】図３は，目標値生成装置20および目標値生
成知識生成装置30の詳細な構成を示す機能ブロック図で
ある。目標値生成装置20および目標値生成知識生成装置
30の機能ブロック図は，第１実施例〜第３実施例におい
て共通である。

【００５７】目標値生成装置20および目標値生成知識生
成装置30は，これらの全てをハードウェア・アーキテク
チャにより実現できるし，プログラムされたコンピュー
タ・システムにより実現することもできる。また，目標
値生成装置20および目標値生成知識装置30の一部をハー
ドウェアにより，その他をソフトウェアにより実現する
こともできる。

【００５８】以下，３つの目標温度のうち目標温度ＴＴ
２の生成について説明する。

【００５９】目標値生成装置20は，タイミング発生回路
21，加算処理22および24，ならびに目標温度補正量推論
処理23からなる。加算処理22および24，ならびに目標温
度補正量推論処理23はそれぞれプログラム・ルーチンで
あり，ソフトウェアにしたがうコンピュータの動作によ
って実現される。

【００６０】タイミング発生回路21は，成形器４におけ
る１個のガラス製品の成形タイミングと同期した成形タ
イミング信号を発生する。成形タイミング信号は，タイ
ミング発生回路21から目標温度補正量推論処理23および
目標値生成知識生成装置30に与えられる。

【００６１】タイミング発生回路21はまた，成形タイミ
ング信号を発生する時間間隔を表す成形周期を表すデー
タを出力する。成形周期を表すデータは，タイミング生
成回路21から目標値生成知識生成装置30に与えられる。

【００６２】加算処理22は，計量器５によって計量され
たガラス製品の計測重量ＭＷを，ガラス製品の目標重量
ＴＷから減算し，重量誤差Ｅを算出する。重量誤差Ｅは
加算処理22，目標温度推論処理23および目標値生成知識
生成装置30に与えられる。

【００６３】目標温度補正量推論処理23は，タイミング
発生回路21からの成形タイミング信号に応答して，加算
処理22から与えられる重量誤差Ｅを読み込む。目標温度
補正量推論処理23は，読み込んだ重量誤差Ｅについて，
あらかじめ設定された目標値生成知識（目標値生成ルー
ルおよびそのメンバーシップ関数からなる）にしたがっ
てファジィ推論を行って目標温度補正量ΔＴＴ２を算出
する。目標温度補正量推論処理23は，その目標温度補正
量ΔＴＴ２を加算処理24および目標値生成知識生成装置
30に出力する。

【００６４】図４は，目標温度補正量推論処理23にあら
かじめ設定された目標値生成知識の一例である。

【００６５】図４(A) は，目標値生成知識の目標値生成
ルールの一例である。たとえば，「ルール１」は「IF
重量誤差Ｅ＝ＮＢ THEN 目標温度補正量ΔＴＴ２＝Ｐ
Ｂ」というものである。

【００６６】図４(B) は，目標値生成ルールの前件部変
数「重量誤差Ｅ」に関して，言語情報「ＮＢ（Negative
Big ）」，「ＮＳ（Negative Small ）」，「ＺＲ（Ze
ro）」，「ＰＳ（Positive Small）」および「ＰＢ（Po
sitive Big）」を表す５つのメンバーシップ関数の一例
である。

【００６７】図４(C) は，目標値生成ルールの後件部変
数「目標温度補正量ΔＴＴ２」に関して，言語情報「Ｎ
Ｂ」，「ＮＳ」，「ＺＲ」，「ＰＳ」および「ＰＢ」を
表す５つのシングルトンの一例である。一般にはシング
ルトンとメンバーシップ関数とは異なるものであるが，
この発明においてはシングルトンはメンバーシップ関数
に含まれるものとする。

【００６８】加算処理24は，目標温度補正量推論処理23
から与えられた目標温度補正量ΔＴＴ２を基準温度ＢＴ
に加算し，目標温度ＴＴ２を算出する。目標温度ＴＴ２
は，加算処理24から温度調節器10に与えられる。基準温
度ＢＴは，あらかじめ適当な値に設定されている。

【００６９】このようにして，目標値生成装置20は，計
測重量ＭＷに応じた目標温度ＴＴ２を生成する。

【００７０】図５は，ガラス製品の成形回数毎の計測重
量ＭＷおよび目標温度ＴＴ２を示すグラフの一例であ
る。このグラフにおいては，成形されたガラス製品の計
測重量ＭＷが成形を開始した後，成形３回目で所定の重
量誤差許容範囲に収まり，その後は，計測重量ＭＷは重
量誤差許容範囲に収まっている。

【００７１】ガラス製品の成形回数が進みガラス溶解炉
１内の溶解したガラス残量が減ると，ガラス溶解炉１に
ガラスが追加される。このとき，上述のようにガラス製
品の重量に大きな誤差が発生することがある。このよう
な場合，温度調節器10に与えられる目標温度ＴＴ２が目
標値生成装置20によって変更される。

【００７２】目標値生成装置20にあらかじめ設定されて
いる目標値生成知識が不適正であると，図６に示すよう
にガラス製品の計測重量ＭＷが目標重量ＴＷから大きく
ずれて重量誤差許容範囲に収まらなくなってしまうこと
がある。

【００７３】目標値生成知識生成装置30は，計測重量Ｍ
Ｗが重量誤差許容範囲内に所定回数収まらなくなると，
目標値生成装置20にあらかじめ設定された目標値生成知
識を学習によって変更し，この変更された最適な目標値
生成知識を目標値生成装置20に転送して設定する。

【００７４】目標値生成知識生成装置30は，学習処理31
および知識更新処理32からなり，知識更新処理32はさら
に，優先順位付け処理33，知識分割処理34および知識転
送用メモリ35からなる。これらの各処理，すなわち，学
習処理31，優先順位付け処理33および知識分割処理34は
それぞれプログラム・ルーチンであり，ソフトウェアに
したがうコンピュータによって実現される。

【００７５】学習処理31は，計測重量ＭＷが重量誤差許
容範囲内に所定回数収まらなくなる，すなわち，重量誤
差Ｅが重量誤差許容範囲を所定回数超えると学習処理を
行う。熟練したオペレータによって設定される目標温度
補正量ΔＴＴ２を教師データとして，目標値生成装置20
から与えられた重量誤差Ｅおよび目標温度補正量ΔＴＴ
２に基づいて，目標値生成知識を学習よって生成する。

【００７６】学習処理31はたとえば最急降下法によって
学習を行う。最急降下法を用いた学習は，同一出願人に
よる特開平５−１８９２３７号公報に開示されている。
学習によって得られた目標値生成知識は，知識更新処理
32の優先順位付け処理33に与えられる。

【００７７】図７は，図４に示す目標値生成知識に対応
する，学習によって生成された目標値生成知識の一例で
ある。

【００７８】図７(A) は，学習によって生成された目標
値生成ルールの一例である。

【００７９】図７(B) は，学習によって生成された目標
値生成ルールの前件部変数「重量誤差Ｅ」に関して，言
語情報「ＮＢ」，「ＮＳ」，「ＺＲ」，「ＰＳ」および
「ＰＢ」を表す５つのメンバーシップ関数の一例であ
る。

【００８０】図７(C) は，学習によって生成された目標
値生成ルールの後件部変数「目標温度補正量ΔＴＴ２」
に関して，言語情報「ＮＳ」，「ＮＶＳ（Negative Ver
y Small ）」，「ＺＲ」，「ＰＶＳ（Positive Very Sm
all ）」および「ＰＳ」を表す５つのシングルトンの一
例である。

【００８１】図４に示す学習前の目標値生成知識と，図
７に示す学習後の目標値生成知識とを比較すると，目標
値生成知識の目標値生成ルールにおいては「ルール３」
を除く目標値生成ルールについて後件部変数「目標温度
補正量ΔＴＴ２」の言語情報が変更されている。さら
に，後件部変数「目標温度補正量ΔＴＴ２」の言語情報
「ＮＢ」および「ＰＢ」が削除され，新たに言語情報
「ＮＶＳ」および「ＰＶＳ」が追加されている。目標値
生成ルールの言語情報の追加にともなって，図７(C) に
示されるそれぞれの言語情報を表すメンバーシップ関数
も変更されている。また，前件部変数「重量誤差Ｅ」に
おいては言語情報は変更されていないが，それぞれの言
語情報を表すメンバーシップ関数について，図７(B) の
鎖線で示す学習前のメンバーシップ関数が，実線で示す
学習後のメンバーシップ関数に修正されている。

【００８２】図８および図９は，知識変更処理32におけ
る処理手順を示すフロー・チャートである。

【００８３】優先順位付け処理33は，各目標値生成ルー
ルのそれぞれの使用頻度に基づいて，学習後の目標値生
成知識の各目標値生成ルールに優先順位を付け，優先順
位が高い順に目標値生成ルールを並び替える（図８；ス
テップ101 ）。

【００８４】この使用頻度は，目標値生成装置20が目標
値生成知識を用いて目標温度補正量ΔＴＴ２を算出する
際に計数する。使用頻度とは過去の一定時間または所定
回数のファジィ推論処理における目標値生成ルールの使
用頻度を指し，目標値生成装置20が目標温度補正量ΔＴ
Ｔ２を算出する際に，目標値生成知識の目標値生成ルー
ルに関して前件部変数「重量誤差Ｅ」の適合度が「０」
より大きいとき，その目標値生成ルールの使用回数をイ
ンクリメントすることによって各目標値生成ルールの使
用回数を計数し，使用回数の最大値で各目標値生成ルー
ルの使用回数を正規化したものである。使用頻度は，目
標温度補正量推論処理23から優先順位付け処理33に与え
られる。

【００８５】たとえば，重量誤差Ｅが「０」であると
き，目標値生成知識の目標値生成ルールのうち，「ルー
ル３」の適合度が「1.0 」となり，その他のルールの適
合度が「0.0 」となる。したがって，この場合には，
「ルール３」の使用回数のみがインクリメントされ，そ
の他のルールの使用回数はインクリメントされない。過
去の一定時間または所定回数のファジィ推論処理におい
て，このようにして得られた使用回数を，その中で最大
の使用回数で正規化して使用頻度を算出する。

【００８６】たとえば，目標値生成ルールに優先順位を
付けて並び替えると，「ルール１」，「ルール５」，
「ルール２」，「ルール４」，「ルール３」という順序
になる。

【００８７】優先順位付けされた目標値生成知識は，優
先順位付け処理33から知識分割処理34に与えられる。

【００８８】優先順位付けは，入力空間を複数の領域に
分割し，重量誤差Ｅ（入力データ）数が多い領域に関わ
る目標値生成ルールを優先する方法でもよいし，メンバ
ーシップ関数の変更量に基づく方法でもよい。

【００８９】まず，知識分割処理34は，優先順位付け処
理33によって優先順位が付けられた目標値生成ルールの
中で，優先順位が最も高い目標値生成ルールを取出す
（図８；ステップ103 ）。

【００９０】たとえば，知識分割処理34は，「ルール
１」を取り出す。

【００９１】知識分割処理34は，取りだした目標値生成
ルールについて，その目標値生成ルールの後件部変数の
言語情報が学習によって新たに生成されたものであるか
どうかを判断する（図８；ステップ104 ）。

【００９２】たとえば，「ルール１」の「ＰＳ」，「ル
ール３」の「ＺＲ」および「ルール５」の「ＮＳ」は学
習前にも存在しているので，ステップ104 でYES と判定
され，「ルール２」の「ＰＶＳ」および「ルール４」の
「ＮＶＳ」は学習によって新たに生成されたものである
から，ステップ104 でNOと判定される。

【００９３】知識分割処理34は，ステップ104 でNO，す
なわち，目標値生成ルールの後件部変数の言語情報が新
たに生成されたものでないと判定すると，取り出した目
標値生成ルールを知識転送用メモリ35に設定する（図
８；ステップ105 ）。

【００９４】たとえば，図10において，知識分割処理34
は，優先順位が最も高い「ルール１」を知識転送用メモ
リ35に設定する。この後，次に優先順位の高い「ルール
５」が知識転送用メモリ35に設定される。

【００９５】知識分割処理34は，ステップ104 でYES ，
すなわち，取り出した目標値生成ルールについて，後件
部変数の言語情報が学習によって新たに生成されたもの
であると判定すると，さらに，その言語情報を表すメン
バーシップ関数が知識転送用メモリ34に既に設定されて
いるかどうかを判断する（図８；ステップ106 ）。

【００９６】知識分割処理34は，学習によって新たに生
成された後件部変数の言語情報を表すメンバーシップ関
数が知識転送用メモリ35に既に設定されていなければ
（ステップ106 でNO），そのメンバーシップ関数を知識
転送メモリ35に設定する（図８；ステップ107 ）。

【００９７】たとえば，図10において，「ルール２」の
後件部変数の言語情報「ＮＶＳ」は学習によって新たに
生成されたものであるので，この言語情報「ＮＶＳ」を
表すメンバーシップ関数が知識転送用メモリ35に設定さ
れる。

【００９８】その後，取り出した目標値生成ルールを，
知識転送用メモリ35に設定する（図８；ステップ108
）。

【００９９】たとえば，ステップ106 において，「ルー
ル２」の後件部の言語情報「ＮＶＳ」を表すメンバーシ
ップ関数が設定されたのであれば，この「ルール２」が
知識転送用メモリ35に設定されることになる（図10参
照）。

【０１００】知識分割処理34は，優先順位付け処理33に
よって優先順位付けられた目標値生成ルールのすべてが
知識転送用メモリ35に設定されるまで，ステップ103 〜
108の処理を繰り返す（図８；ステップ102 ）。

【０１０１】このようにして，使用頻度に基づく優先順
位にしたがって，学習によって生成された目標値生成知
識のすべての目標値生成ルールと，学習によって新たに
生成された後件部変数の言語情報を表すメンバーシップ
関数とが，知識転送用メモリ35に設定される。図10にお
いては「ルール３」まで設定される。

【０１０２】知識分割処理34は，ステップ102 において
NO，すなわち，すべての目標値生成ルールが知識転送用
メモリ35に設定したと判定すると，ステップ107 で設定
されなかった後件部変数の言語情報を表すメンバーシッ
プ関数を，そのメンバーシップ関数を用いる目標値生成
ルールの優先順位にしたがって，知識転送メモリ35に設
定する（図９；ステップ109 ）。これは，学習前に既に
存在する言語情報であっても，その言語情報を表すメン
バーシップ関数の値（形状）が学習によって修正されて
いることがあるからである。

【０１０３】たとえば，知識分割処理34は，「ルール
１」の後件部変数の言語情報「ＮＳ」を表すメンバーシ
ップ関数を知識転送メモリ35に設定する。図10におい
て，後件部メンバーシップ関数「ＺＲ」まで設定され
る。

【０１０４】知識分割処理34は，目標値生成ルールの前
件部変数の各言語情報を表すメンバーシップ関数を，そ
のメンバーシップ関数を用いる目標値生成ルールの優先
順位にしたがって，知識転送用メモリ35に設定する（図
９；ステップ110 ）。

【０１０５】たとえば，知識分割処理34は，「ＮＢ」，
「ＰＢ」，「ＮＳ」，「ＰＳ」，「ＺＲ」の順にこれら
の言語情報を表すメンバーシップ関数を設定する。図10
において，すべて設定される。

【０１０６】以上のようにして，知識分割処理34は，目
標値生成装置20の目標温度補正量推論処理23に転送すべ
きすべての目標値生成知識（目標値生成ルールおよびメ
ンバーシップ関数）を知識転送用メモリ35に設定する。

【０１０７】知識分割処理34は，知識転送メモリ35に設
定した学習によって生成された目標値生成ルールおよび
メンバーシップ関数を，タイミング発生回路21から与え
られる成形周期を表すデータによって規定される推論サ
イクル内で転送可能なブロックに先頭アドレスから順に
分割した後，タイミング発生回路21から与えられる成形
タイミング信号に同期して，分割したブロック毎に目標
温度補正量推論処理22に転送する（図９；ステップ111
）。

【０１０８】たとえば，知識分割処理34が目標値生成ル
ールおよびメンバーシップ関数を分割すると，図10に示
すように，「ルール１，ルール５」，「後件部変数メン
バーシップ関数ＰＶＳ，ルール２，後件部変数メンバー
シップ関数ＮＶＳ」，「ルール４，ルール３」，「後件
部変数メンバーシップ関数ＰＳ，後件部変数メンバーシ
ップ関数ＮＳ，後件部変数メンバーシップ関数ＺＲ」，
「前件部変数メンバーシップ関数ＮＢ，前件部変数メン
バーシップ関数ＰＢ，前件部変数メンバーシップ関数Ｎ
Ｓ」，「前件部変数メンバーシップ関数ＰＳ，前件部変
数メンバーシップ関数ＺＲ」のように６個のブロックに
分割され，これらは６回の推論サイクルにわたって転送
されることになる。

【０１０９】目標温度補正量推論処理23は，あらかじめ
設定された目標値生成知識を，知識転送用メモリ35から
転送された目標値生成知識に変更し，転送された目標値
生成知識にしたがって目標温度補正量ΔＴＴ２のファジ
ィ推論を行うこととなる。

【０１１０】図11は，学習処理31の学習によって生成さ
れた目標値生成知識を，目標温度補正量推論処理23に転
送する前後の目標温度ＴＴ２および計測重量ＭＷを示す
グラフである。学習によって生成された目標値生成知識
を転送する前は，計測重量ＭＷが重量誤差許容範囲内に
収まっていなかった。その後，学習によって生成された
目標値生成知識を転送すると，計測重量ＭＷが目標重量
ＴＷに近づいて重量誤差許容範囲内に収まり，すべての
目標値生成知識を転送すると計測重量ＭＷが目標重量Ｔ
Ｗにほぼ等しくなった。

【０１１１】以上のようにして，目標値生成知識生成装
置30の学習処理31に学習によって生成されたすべての目
標生成知識を目標値生成装置20内の目標温度推論処理22
にオンラインで転送することができる。

【０１１２】［第２実施例］第２実施例は，学習によっ
て生成されたファジィ知識について，対応する学習前の
ファジィ知識のファジィ・ルールの使用頻度に応じて優
先順位を付け，学習によって生成されたファジィ・ルー
ルの中で優先順位の高いものだけを優先順位の高い順に
推論サイクルで転送可能なブロックさに分割し，その
後，優先順位の高い順に分割されたブロック毎にファジ
ィ知識を転送するものである。

【０１１３】第２実施例は第１実施例の特殊な場合であ
る。第１実施例においては，学習によって生成された目
標値生成知識をすべて転送していたが，第２実施例にお
いては，学習によって生成れた目標値生成知識の中で所
要のものだけを，目標値生成知識生成装置20から目標値
生成装置20に転送するものである。所要の目標値生成知
識とは，優先順位の高い目標値生成ルールおよびメンバ
ーシップ関数，学習によって修正された目標値生成ルー
ルおよびメンバーシップ関数がある。この第２実施例で
は，目標値生成ルールのうち優先順位が高い順に，入力
データ数の80％以上をカバーできるものである。

【０１１４】第２実施例は，第１実施例の知識更新処理
32における処理のみが異なるので，この知識更新処理32
についてのみ以下説明する。

【０１１５】図12および図13は，知識更新処理32におけ
る処理手順を示すフロー・チャートである。図12および
図13において，図８および図９と同一処理には同一符号
を付し，詳細な説明は省略する。

【０１１６】優先順位付け処理33は，学習処理31によっ
て生成された目標値生成知識の目標値生成ルールに学習
前の各目標値生成ルールの使用頻度に基づいて優先順位
を付け，所要の目標値生成ルールを優先順位が高い順に
並び替える（図12；ステップ121 ）。優先順位が付けら
れた目標値生成知識は，優先順位付け処理33から知識分
割処理34に与えられる。

【０１１７】たとえば，優先順位付け処理34は，使用頻
度に基づいて目標値生成ルールに優先順位を付けると，
「ルール１」，「ルール５」，「ルール２」，「ルール
４」，「ルール３」という順序になる。優先順位付け処
理33は，これらの目標値生成ルールについて，入力デー
タ数の80％をカバーするために必要な目標値生成ルール
を優先順位の高い順位に並び替えると，「ルール１」，
「ルール５」，「ルール２」，「ルール４」となる。

【０１１８】知識分割処理34は，優先順位付け処理33に
よって優先順位付けされた目標値生成ルールの優先順位
に基づいて，目標値生成ルールと，その後件部変数で新
たに生成された言語情報を表すメンバーシップ関数を知
識転送メモリ35に設定する。このとき，知識分割処理34
は，目標値生成ルールの後件部変数の言語情報が新たに
生成されていれば，その言語情報を表すメンバーシップ
関数を先に知識転送用メモリ35に設定する。その次に，
そのメンバーシップ関数を用いる目標値生成ルールを知
識転送用メモリ35に設定する。また，知識分割処理34
は，目標値生成ルールの後件部変数の言語情報が変更さ
れていなければ，その目標値生成ルールのみを知識転送
用メモリ35に知識転送用メモリ35に設定する（図12；ス
テップ103〜108 ）。

【０１１９】たとえば，優先順位が最も高い「ルール
１」については，学習前の後件部変数の言語情報「Ｎ
Ｂ」が学習後に「ＮＳ」と変更され，この言語情報「Ｎ
Ｓ」は学習前に既に存在するので，知識分割処理34は，
「ルール１」のルールのみを知識転送用メモリ35に設定
する（図14参照）。「ルール５」については「ルール
１」と同様である（図14参照）。

【０１２０】また，「ルール２」については，学習前の
後件部変数の言語情報「ＮＳ」が学習後に「ＮＶＳ」と
変更され，この言語情報「ＮＶＳ」は学習前に存在しな
いので，知識分割処理34は，この言語情報「ＮＶＳ」を
表すメンバーシップ関数を知識転送用メモリ35に設定
し，その後に「ルール２」を知識転送用メモリ35に設定
する（図14参照）。「ルール４」については「ルール
２」と同様である（図14参照）。

【０１２１】知識分割処理34は，優先順位付け処理33に
よって優先順位付けされた所要の目標値生成ルール（入
力データの80％をカバーするために必要な目標値生成ル
ール）のすべてを知識転送用メモリ35に設定されるま
で，ステップ103 〜108 の処理を繰り返す（図12；ステ
ップ122 ）。

【０１２２】このようにして，所要の目標値生成ルール
と，学習によって新たに生成された後件部変数の言語情
報を表すメンバーシップ関数を知識転送用メモリ35に設
定される。図14において，「ルール４」まで設定され
る。

【０１２３】知識分割処理34は，学習によって修正され
た前件部変数のメンバーシップ関数を，そのメンバーシ
ップ関数を用いる目標値生成ルールの優先順位にしたが
って知識転送用メモリ35に設定する（図13；ステップ12
3 ）。

【０１２４】たとえば，前件部変数のメンバーシップ関
数はすべて修正されているので，知識分割処理34は，前
件部変数のすべてのメンバーシップ関数を，そのメンバ
ーシップ関数を用いいる目標値生成ルールの優先順位，
すなわち，「ＮＢ」，「ＰＢ」，「ＮＳ」，「ＰＳ」，
「ＺＲ」の順にこれらを表すメンバーシップ関数を知識
転送用メモリ35に設定する。図14において，すべて設定
される。

【０１２５】以上のようにして，知識分割処理34は学習
によって生成された所要の目標値生成知識を知識転送用
メモリ35に設定する。

【０１２６】知識分割処理34は，知識転送メモリ35に設
定した学習によって生成された目標値生成ルールおよび
メンバーシップ関数を，タイミング発生回路21から与え
られる成形周期を表すデータによって規定される推論サ
イクル内で転送可能なブロックに先頭アドレスから順に
分割した後，タイミング発生回路21から与えられる成形
タイミング信号に同期して，分割したブロック毎に目標
温度補正量推論処理22に転送する（図13；ステップ111
）。

【０１２７】たとえば，知識分割処理34が目標値生成知
識を分割すると，図14に示すように，「ルール１，ルー
ル５」，「後件部変数メンバーシップ関数ＰＶＳ，ルー
ル２，後件部変数メンバーシップ関数ＮＶＳ」，「ルー
ル４，前件部変数メンバーシップ関数ＮＢ，前件部変数
メンバーシップ関数ＰＢ」，「前件部変数メンバーシッ
プ関数ＮＳ，前件部変数メンバーシップ関数ＰＳ，前件
部変数メンバーシップ関数ＺＲ」のように４個のブロッ
クに分割され，これらは４回の推論サイクルにわたって
転送されることになる。

【０１２８】目標温度補正量推論処理23は，あらかじめ
設定された目標値生成知識を，知識転送用メモリ35から
転送された目標値生成知識に修正し，修正された目標値
生成知識にしたがって目標温度補正量ΔＴＴ２の推論処
理を行うこととなる。

【０１２９】図15は，学習処理31の学習によって生成さ
れた目標値生成知識を，目標温度補正量推論処理23に転
送する前後の目標温度ＴＴ２および計測重量ＭＷを示す
グラフである。学習によって生成された目標値生成知識
を転送する前は，計測重量ＭＷが重量誤差許容範囲内に
収まっていなかった。その後，学習によって生成された
目標値生成知識を転送すると，計測重量ＭＷが目標重量
ＴＷに近づいて重量誤差許容範囲内に収まり，すべての
目標値生成知識を転送すると計測重量ＭＷが目標重量Ｔ
Ｗにほぼ等しくなった。

【０１３０】以上のようにして，目標値生成知識生成装
置30の学習処理31に学習によって生成された目標生成知
識のうち所要のものを目標値生成装置20内の目標温度推
論処理22にオンラインで転送することができる。

【０１３１】［第３実施例］第３実施例は，ファジィ知
識を推論サイクル毎に学習し，学習によって生成された
ファジィ知識について，対応する学習前のファジィ・ル
ール知識のファジィ・ルールの使用頻度に応じて優先順
位を付け，学習後のファジィ知識を優先順位が高い順に
その推論サイクル内で転送可能なブロックに分割し，そ
のブロックのみを転送するものである（リアルタイム学
習，リアルタイム転送）。

【０１３２】第３実施例は，第２実施例の特殊な場合で
ある。第２実施例においては，ガラス製品の計測重量Ｍ
Ｗが一定の重要誤差許容範囲内に所定回収まらなくなる
と，目標値生成知識を学習により生成し，学習によって
生成された所要の目標値生成知識を目標値生成知識生成
装置30から目標値生成装置20に転送した。

【０１３３】第３実施例においては，目標値生成知識生
成装置30が目標値生成装置20の推論サイクル毎に目標値
生成知識を学習により生成し，学習によって生成された
目標値生成知識のうちその推論サイクル内に転送可能な
目標値生成知識だけを，目標値生成知識生成装置20から
目標値生成装置20に転送する。

【０１３４】学習処理31は，目標値生成装置20の推論サ
イクル毎に，熟練したオペレータが設定した目標温度補
正量ΔＴＴ２を教師データとして，目標値生成装置20か
ら与えれた重量誤差Ｅおよび目標温度補正量ΔＴＴ２に
基づいて，目標値生成知識を学習により生成する。

【０１３５】優先順位付け処理32は，学習により生成さ
れた目標値生成ルールについて，対応する学習前の目標
値生成ルールの使用頻度に基づいて優先順位を付けす
る。

【０１３６】知識分割処理34は，優先順位付けされた目
標値生成知識を優先順位が高い順位知識転送用メモリに
設定し，その推論サイクル内に転送可能なものだけを知
識転送メモリ35から目標温度推論処理34に転送する。

【０１３７】目標温度補正量推論処理23には，図４に示
す目標値生成知識があらかじめ設定されているものとす
る。学習処理31が第１回目の学習によって生成した目標
生成知識を知識分割処理34が知識転送用メモリ35に設定
すると，図16のようになる。知識転送用メモリ35に設定
された目標値知識のなかで，推論サイクル内で転送可能
な目標値生成知識，すなわち，「ルール１，ルール５」
が目標温度補正量推論処理23に転送される。目標温度補
正量推論処理23には，図17に示すような目標値生成ルー
ルが設定されていることなる。

【０１３８】学習処理31が第２回目の学習によって生成
した目標生成知識を知識分割処理34が知識転送用メモリ
35に設定すると，図18のようになる。知識転送用メモリ
35に設定された目標値知識のなかで，推論サイクル内で
転送可能な目標値生成知識，すなわち，「後件部メンバ
ーシップ関数ＮＶＳ，ルール２」が目標温度補正量推論
処理23に転送される。目標温度補正量推論処理23には，
図19に示すような目標値生成ルールが設定されているこ
となる。

【０１３９】このようにして，目標値生成装置20におけ
る推論サイクル毎に目標値生成知識が学習処理31によっ
て生成され，学習によって生成された目標値生成知識の
うち，その推論サイクル内に転送可能な目標値生成知識
のみが目標値生成知識生成装置30から目標温度補正量推
論処理23に転送される。

【０１４０】図20は，学習処理31によって生成された目
標値生成知識を，目標温度補正量推論処理23に転送する
前後の目標温度ＴＴ２および計測重量ＭＷを示すグラフ
である。第１回の学習後の目標値生成知識を転送する前
は計測重量ＭＷが重量誤差許容範囲内に収まっていなか
ったが，学習処理31によって生成された目標値生成知識
を転送するにつれて，計測重量ＭＷが目標重量ＴＷに近
いて重量誤差許容範囲内に収まり，重量誤差Ｅがほぼな
くなっている。

【０１４１】以上のようにして，目標値生成装置20の推
論サイクル毎に目標値生成知識生成装置30の学習処理31
によってオンラインで生成し（リアルタイム学習），生
成された目標値生成知識のうちその推論サイクル内に転
送可能な目標値生成知識だけを目標値生成知識生成装置
30がら目標値生成装置20の目標温度推論処理22にオンラ
インで転送する（リアルタイム転送）。

【０１４２】［第４実施例］第４実施例は，学習によっ
て生成されたにファジィ知識ついて，対応するファジィ
・ルールの中で相互に因果関係のあるファジィ・ルール
をセットにして推論サイクル内で転送可能なブロックに
分割し，その後，優先順位が高い順に分割されたブロッ
ク毎にすべてのファジィ知識を転送するものである。

【０１４３】図21は，目標値生成装置20および目標値生
成知識生成装置30の詳細な構成を示す機能ブロック図で
ある。図21において，図３に示すものと同一物には同一
符号を付し詳細な説明を省略する。

【０１４４】目標温度補正量推論処理23Ａは，タイミン
グ発生回路21からの成形タイミング信号に応答して，加
算処理22から与えられる重量誤差Ｅを読み込む。目標温
度補正量推論処理23Ａは，読み込んだ重量誤差Ｅについ
て，あらかじめ設定された目標値生成知識（目標値生成
ルールおよびそのメンバーシップ関数からなる）にした
がってファジィ推論を行って目標温度補正量ΔＴＴ２を
算出する。目標温度補正量推論処理23Ａは，その目標温
度補正量ΔＴＴ２を加算処理24および目標値生成知識生
成装置30に出力する。

【０１４５】図22は，目標温度補正量推論処理23Ａにあ
らかじめ設定された目標値生成知識の一例である。

【０１４６】図22(A) は，目標値生成知識の目標値生成
ルールの一例である。

【０１４７】図22(B) は，目標値生成ルールの前件部変
数「重量誤差Ｅ」に関して，言語情報「ＮＢ」，「Ｎ
Ｓ」，「ＺＲ」，「ＰＳ」および「ＰＢ」を表す５つの
メンバーシップ関数で一例である。

【０１４８】図22(C) は，目標値生成ルールの後件部変
数「目標温度補正量ΔＴＴ２」に関して，言語情報「Ｎ
Ｂ」，「ＮＳ」，「ＺＲ」，「ＰＳ」および「ＰＢ」を
表す５つのシングルトンの一例である。

【０１４９】図22(B) に示す前件部変数「重量誤差Ｅ」
のメンバーシップ関数のうち，言語情報「ＮＢ」および
「ＰＢ」を表すメンバーシップ関数はそれぞれ，重量誤
差Ｅの負領域および正領域の全体をカバーするメンバー
シップ関数である。

【０１５０】学習処理31Ａは，計測重量ＭＷが重量誤差
許容範囲内に所定回数収まらなくなる，すなわち，重量
誤差Ｅが重量誤差許容範囲を超えると学習処理を行う。
熟練したオペレータが設定した目標温度補正量ΔＴＴ２
を教師データとして，目標値生成装置20から与えられた
重量誤差Ｅおよび目標温度補正量ΔＴＴ２に基づいて，
目標値生成知識を学習よって生成する。学習処理31はた
とえば最小勾配法によって学習を行う。

【０１５１】図23は，図22に示す目標値生成知識に対応
する，学習によって生成されたの目標値生成知識の一例
である。

【０１５２】図23(A) は，学習によって生成された目標
値生成ルールの一例である。

【０１５３】図23(B) は，学習によって生成された目標
値生成ルールの前件部変数「重量誤差Ｅ」に関して，言
語情報「ＮＢ」，「ＮＳ」，「ＺＲ」，「ＰＳ」および
「ＰＢ」を表す５つのメンバーシップ関数の一例であ
る。

【０１５４】図23(C) は，学習によって生成された目標
値生成ルールの後件部変数「目標温度補正量ΔＴＴ２」
に関して，言語情報「ＮＳ」，「ＮＶＳ（Negative Ver
y Small ）」，「ＺＲ」，「ＰＶＳ（Positive Very Sm
all ）」および「ＰＳ」を表す５つのシングルトンの一
例である。

【０１５５】図22に示す学習前の目標値生成知識と，図
23に示す学習後の目標値生成知識とを比較すると，目標
値生成知識においては，「ルール３」を除く目標値生成
ルールについて後件部変数「目標温度補正量ΔＴＴ２」
の言語情報を表すシングルトンが修正されている。すな
わち，図23(C) において，鎖線で示す学習前のシングル
トンが，実線で示す学習後のシングルトンに修正されて
いる。

【０１５６】学習処理31Ａによって生成された目標値生
成知識を目標値生成ルールの相互の因果関係に基づかな
いで目標補正量推論処理23Ａに転送すると目標温度生成
処理23Ａは，適正な目標温度補正量ΔＴＴ２を算出する
ことができない。

【０１５７】たとえば，「ルール１，後件部変数メンバ
ーシップ関数ＰＢ」，「ルール２，後件部変数メンバー
シップ関数ＰＳ」という順序で目標温度補正量推論処理
23Ａ転送すると，目標温度補正量推論処理23Ａに設定さ
れた目標値生成知識は図24に示すようになる。図24に示
すように後件部変数のメンバーシップ関数が非対称にな
っている。このような目標値生成知識を用いて目標温度
補正量推論処理23Ａが推論を行うと，図25に示すように
ガラス製品の重量誤差Ｅが学習によって生成された目標
値生成知識を転送する前よりも大きくなることがある。

【０１５８】目標値生成知識のように相互に因果関係，
たとえば対称性がある目標値生成ルールおよびメンバー
シップ関数を転送する場合には，相互に因果関係のある
目標値生成ルールおよびメンバーシップ関数をセットに
して転送しなければ，目標温度補正量推論処理23Ａは，
適正な目標温度補正量ΔＴＴ２を推論することができな
い。

【０１５９】第４実施例では，相互に因果関係のある目
標値生成ルールおよびメンバーシップ関数をセットにし
て，知識更新処理32Ａから目標温度推論処理23Ａに転送
する。

【０１６０】図26および図27は，知識転送処理32Ａにお
ける処理手順を示すフロー・チャートである。

【０１６１】知識優先順位付け処理33Ａは，あらかじめ
設定された目標値生成ルールの相互の因果関係を表すテ
ーブル（因果関係テーブル）にしたがって，学習によっ
て生成された目標値生成知識の目標値生成ルールについ
て，学習前後のメンバーシップ関数の変更量に基づい
て，優先順位付けて並び替える（図26；ステップ131
）。

【０１６２】図28は，因果関係テーブルの一例である。
この因果関係テーブルには，相互に因果関係のある目標
値生成ルールをセットにして，そのセットにしたグルー
プについて，目標値生成ルールの順にグループ番号が付
されている。相互に因果関係（対称性）のある目標値生
成ルールは，「ルール１」と「ルール５」（グループ
Ａ）および「ルール２」と「ルール４」（グループＢ）
である。

【０１６３】優先順位付け処理33Ａは，学習によって生
成された目標値生成知識の各目標値生成ルールについ
て，後件部変数の言語情報を表すメンバーシップ関数に
ついて，学習前と学習後と比較し，それぞれのメンバー
シップ関数の変更量を算出する。

【０１６４】たとえば，「ルール１」の後件部変数の言
語情報「ＮＢ」を表すメンバーシップ関数は，学習前が
「−８」であるのに対して，学習後は「−４」となって
いる。したがって，メンバーシップ関数の変更量は，
「４」となる。このようにして，優先順位つけ処理33Ａ
は，各目標値生成ルールの後件部変数の言語情報を表す
メンバーシップ関数の変更量を算出する。

【０１６５】優先順位付け処理33Ａは，各目標値生成ル
ールの後件部変数の言語情報を表すメンバーシップ関数
の変更量を算出すると，メンバーシップ関数の変更量が
大きいほど優先順位を高くなるようにして各グループに
優先順位を付ける。

【０１６６】たとえば，変更量が「４」で最大である
「ルール１」および「ルール５」の目標値生成ルールが
含まれる「グループＡ」の優先順位が「１」となってい
る。順に，変更量が「２」の「ルール２」および「ルー
ル４」が含まれる「グループＢ」の優先順位が「２」と
なり，最後に変更量が「０」である「ルール３」の目標
値生成ルールが含まれる「グループＣ」の優先順位が
「３」となる。

【０１６７】このようにして，優先順位付け処理33Ａに
よって優先順位付けされた目標値生成ルールが図29に示
されている。優先順位付けられた目標値生成知識は，知
識分割処理34Ａに与えられる。

【０１６８】知識分割処理34Ａは，優先順位付け処理33
Ａから与えられた優先順位付けされた目標値生成知識
を，目標値生成ルールのグループの優先順位にしたがっ
て知識転送用メモリ35に設定する。

【０１６９】知識分割処理34Ａは，優先順位が最も高い
グループを取り出す（図26；ステップ133 ）。たとえ
ば，知識分割処理34Ａは「グループＡ」を取り出す。

【０１７０】知識分割処理34Ａは，優先順位が最も高い
グループを取り出すと，そのグループに含まれる目標値
生成ルールの後件部変数の言語情報を表すメンバーシッ
プ関数が既に知識転送用メモリ35に設定されているかど
うかを判断する（図26；ステップ134 ）。

【０１７１】知識分割処理34Ａは，目標値生成ルールの
後件部変数のメンバーシップ関数が知識転送用メモリ35
に既に設定されていなければ（ステップ134 でNO），そ
のメンバーシップ関数を知識転送用メモリ35に設定する
（図26；ステップ135 ）。

【０１７２】たとえば，「グループＡ」に含まれる「ル
ール１」および「ルール５」の後件部変数の言語情報
「ＮＢ」および「ＰＢ」は，知識転送用メモリ35に設定
されていないので，これらの言語情報を表すメンバーシ
ップ関数が知識転送用メモリ35に設定される（図30参
照）。

【０１７３】その後，知識分割処理34Ａは，知識転送用
メモリ35に設定されたメンバーシップ関数に対応する目
標値生成ルールを，知識転送用メモリ35に設定する（図
26；ステップ136 ）。

【０１７４】たとえば，ステップ124 において，「グル
ープＡ」に含まれる「ルール１」および「ルール５」に
ついて後件部変数の言語情報を表すメンバーシップ関数
が設定されたのであれば，この「ルール１」および「ル
ール５」が設定されることになる（図30参照）。

【０１７５】知識分割処理34は，優先順位付け処理33Ａ
によって優先順位付けされたグループのすべてが知識転
送用メモリ35に設定されるまでステップ133 〜136 まで
の処理を繰り返す（図26；ステップ132 ）。

【０１７６】このようにして，各グループの目標値生成
ルールと，その後件部変数の言語情報を表すメンバーシ
ップ関数とが，後件部変数のメンバーシップ関数の変更
量に基づく優先順位にしたがって，知識転送用メモリ35
に設定される。図30において「ルール３」まで設定され
る。

【０１７７】知識分割処理34は，ステップ132 において
NO，すなわち，全てのグループが知識転送用メモリ35に
設定したと判定すると，目標値生成知識の前件部変数の
各言語情報のメンバーシップ関数を，そのメンバーシッ
プ関数を用いる目標値生成ルールが含まれるグループの
優先順位にしたがって，知識転送用メモリ35に設定する
（図27；ステップ137 ）。

【０１７８】たとえば，知識分割処理34Ａは，言語情報
「ＮＢ」，「ＰＢ」，「ＮＳ」，「ＰＳ」，「ＺＲ」と
いう順序に前件部メンバーシップ関数を設定する。

【０１７９】以上のようにして，知識分割処理34Ａは全
ての目標値生成知識を知識転送用メモリ35に設定する。
図30においてすべて設定される。

【０１８０】知識分割処理34は，知識転送メモリ35に設
定した学習によって生成された目標値生成ルールおよび
メンバーシップ関数を，タイミング発生回路21から与え
られる成形周期を表すデータによって規定される推論サ
イクル内で転送可能なブロックに先頭アドレスから順に
グループ毎に分割した後，タイミング発生回路21から与
えられる成形タイミング信号に同期して，分割したブロ
ック毎に目標温度補正量推論処理22に転送する（図27；
ステップ138 ）。

【０１８１】たとえば，知識分割処理34Ａが目標値生成
知識を分割すると，図30に示すように，「後件部変数メ
ンバーシップ関数ＰＢ，後件部変数メンバーシップ関数
ＮＢ」，「ルール１，ルール５」，「後件部変数メンバ
ーシップ関数ＰＳ，後件部変数メンバーシップ関数Ｎ
Ｓ」，「ルール２，ルール４」，「後件部変数メンバー
シップ関数ＰＳ，後件部変数メンバーシップ関数ＮＳ，
後件部変数メンバーシップ関数ＺＲ，ルール３」，「前
件部変数メンバーシップ関数ＮＢ，前件部変数メンバー
シップ関数ＰＢ，前件部変数メンバーシップ関数ＮＳ，
前件部変数メンバーシップ関数ＰＳ」，「前件部変数メ
ンバーシップ関数ＺＲ」のように７個のブロックに分割
され，これらは７回の推論サイクルにわたって転送され
ることになる。

【０１８２】目標温度補正量推論処理23Ａは，あらかじ
め設定された目標値生成知識を，知識転送用メモリ35か
ら転送された目標値生成知識に変更して，転送された目
標値生成知識にしたがって目標温度補正量ΔＴＴ２の推
論処理を行うこととなる。

【０１８３】図31は，「グループＡ」の後件部変数のル
ールとメンバーシップ関数を知識転送用メモリ35から目
標温度補正量推論処理23Ａに転送した後（第１回，第２
回の知識転送後），目標温度補正量推論処理23Ａに設定
された目標値生成知識を示す。第１回および第２回の知
識転送によって，相互に因果関係（対称性）のある後件
部変数のメンバーシップ関数「ＰＢ」，「ＮＢ」と，
「ルール１」および「ルール５」が目標温度補正量推論
処理23Ａに設定される。

【０１８４】図32は，「グループＢ」の後件部変数のル
ールとメンバーシップ関数を知識転送用メモリ35から目
標温度補正量推論処理23Ａに転送した後（第３回，第４
回の転送度），目標温度補正量推論処理23Ａに設定され
た目標値生成知識を示す。第３回および第４回の知識転
送によって，相互に因果関係（対称性）のある後件部変
数のメンバーシップ関数「ＰＳ」，「ＮＳ」と，「ルー
ル２」および「ルール４」が目標温度補正量推論処理23
Ａに設定される。

【０１８５】図33は，学習処理31Ａによって生成された
目標値生成知識を，目標温度補正量推論処理23Ａに転送
する前後の目標温度ＴＴ２および計測重量ＭＷを示すグ
ラフである。学習によって生成された目標値生成知識を
転送する前は，計測重量ＭＷが重量誤差許容範囲内に収
まっていなかった。その後，学習によって生成された目
標値生成知識を相互に因果関係のある目標値生成ルール
をセットにして転送すると，計測重量ＭＷが目標重量Ｔ
Ｗに近づいて重量誤差許容範囲内に収まり，すべての目
標値生成知識を転送すると計測重量ＭＷが目標重量ＴＷ
にほぼ等しくなった。相互に因果関係のある目標温度生
成ルールと，そのメンバーシップ関数をセットにするこ
とによって，目標値生成知識の不整合に起因する不安定
化がなくなる。

【０１８６】以上のようにして，目標値生成知識生成装
置30の学習処理31に学習によって生成されたすべての目
標生成知識を相互に因果関係のあるグループ毎に目標値
生成装置20内の目標温度推論処理23Ａにオンラインで転
送することができる。

【０１８７】［第５実施例］第５実施例は，学習によっ
て生成されたファジィ知識について，局所的な観点から
記述されてはいるが精密なファジィ推論を行うためのル
ール・セットから優先して推論サイクル内に転送可能な
ブロックに分割し，その後，分割されたブロック毎にフ
ァジィ知識を転送するものである。

【０１８８】図34は，給湯器システムの全体的構成を示
す図である。

【０１８９】バルブＶは，ガス・タンク（図示略）から
熱交換器Ｃに流入するガス量を，制御装置40から与えら
れるバルブ開度信号ＶＯに基づいて調整するものであ
る。

【０１９０】熱交換器Ｃは，流入する水をバーナＢによ
って加熱して熱湯を排出する。熱交換器Ｃから排出され
る熱湯は，ミキサＭによって流入する水と一定の割合で
混合されて排出される。

【０１９１】バーナＢによる加熱量は，ガス・タンクか
ら流入するガス量によって調節される。バーナＢに流入
するガス量は，バルブＶによって調節される。バルブＢ
には制御装置40からバルブ開度信号ＶＯが与えられる。

【０１９２】制御装置40は，熱交換器50から排出される
湯の温度（出湯温度Ｔ）を温度センサ（図示略）によっ
て検出し，出湯温度Ｔが目標温度ＴＴに近づくようにバ
ルブＢに与えるバルブ開度信号ＶＯを算出し，このバル
ブ開度開度信号ＶＯをバルブＢに出力する。

【０１９３】図31は，制御装置40の詳細な構成を示す機
能ブロック図である。

【０１９４】制御装置40は，ＰＩＤ制御とファジィ制御
とを組み合わせたハイブリッド制御を行う。制御装置40
は，ＰＩＤ制御処理41およびファジィ制御処理51を１つ
のプログラムされたコンピュータ・システムで実現する
こともできるし，ＰＩＤ制御41とファジィ制御51とをそ
れぞれ別個のコンピュータ・システムで実現することも
できる。また，制御装置40の一部をハードウェアによ
り，その他の部分をソフトウェアにより実現することも
できる。

【０１９５】ＰＩＤ制御処理41は，加算処理42および4
7，比例ゲイン43，Ｐ制御処理44，Ｉ制御処理45ならび
にＤ制御処理46からなる。これらの各処理，すなわち，
加算処理42および47，比例ゲイン43，Ｐ制御処理44，Ｉ
制御処理45ならびにＤ制御処理46はそれぞれプログラム
・ルーチンであり，ソフトウェアにしたがうコンピュー
タ・システムによって実現できる。

【０１９６】加算処理42は，目標温度ＴＴと，センサに
よって検出された出湯温度Ｔとの温度偏差ｅを算出し，
Ｐ制御処理44，Ｉ制御処理45およびファジィ制御処理51
に出力する。

【０１９７】比例ゲイン43は，目標温度ＴＴに定数Ｋf
を乗じて加算処理47に出力する。

【０１９８】Ｐ制御処理44は比例制御であり，加算処理
42から与えられる温度偏差ｅに比例定数Ｋp を乗じて加
算処理47に出力する。

【０１９９】Ｉ制御処理45は積分制御であり，加算処理
42から与えられた温度偏差ｅを時間積分し，その時間積
分に積分定数Ｋi を乗じて加算処理46に出力する。

【０２００】Ｄ制御処理46は微分制御であり，センサに
よって検出された出湯温度を時間微分し，その時間微分
に微分定数Ｋd を乗じて加算処理47に出力する。

【０２０１】ファジィ制御処理51は，微分処理52，ファ
ジィ推論処理53，比例ゲイン54および学習処理55からな
る。これらの各処理，すなわち，微分処理52，ファジィ
推論処理53，比例ゲイン54および学習処理55はそれぞれ
プログラム・ルーチンであり，ソフトウェアにしたがう
コンピュータ・システムによって実現できる。

【０２０２】微分処理52は，加算処理42から与えられた
温度偏差ｅを時間微分し，偏差微分de／dtを算出するも
のである。偏差微分de／dtは，微分処理52からファジィ
推論処理53に与えられる。

【０２０３】ファジィ推論処理53は，センサによって検
出された出湯温度ＴＴと，微分処理52から与えられた偏
差微分とについて，あらかじめ設定された温度制御知識
にしたがって，ファジィ推論処理を行い，操作量ｕを算
出するものである。推論結果は，ファジィ推論処理53か
ら加算処理47，比例ゲイン54および学習処理55に与えら
れる。

【０２０４】ファジィ推論処理53は，ファジィ推論を行
うタイミングを表すタイミング信号と，推論周期を表す
データとを学習処理55に出力する。

【０２０５】図36は，ファジィ推論処理53にあらかじめ
設定された温度制御知識の温度制御ルールの一例であ
る。

【０２０６】図37は，ファジィ推論処理53にあらかじめ
設定された温度制御知識の温度制御ルールの一例であ
る。

【０２０７】図37(A) は，温度制御ルールの前件部変数
「温度偏差ｅ」に関して，言語情報「ＮＢ」，「Ｎ
Ｓ」，「ＺＲ」，「ＰＳ」および「ＰＢ」を表す５つの
メンバーシップ関数の一例である。

【０２０８】図37(B) は，温度制御ルールの前件部変数
「偏差微分de／dt」に関して，言語情報「ＮＢ」，「Ｎ
Ｓ」，「ＺＲ」，「ＰＳ」および「ＰＢ」を表す５つの
メンバーシップ関数で一例である。

【０２０９】図37(C) は，温度制御ルールの後件部変数
「操作量ｕ」に関して，言語情報「ＮＢ」，「ＮＭ」，
「ＮＳ」，「ＺＲ」，「ＰＳ」，「ＰＭ」および「Ｐ
Ｂ」を表す７つのシングルトンで一例である。

【０２１０】比例ゲイン54は，ファジィ推論処理53から
与えらる操作量ｕに定数Ｋi を乗じて加算処理47に出力
する。

【０２１１】加算処理47は，比例ゲイン43，Ｐ制御処理
44，Ｉ制御処理45，Ｄ制御処理46，ファジィ推論処理53
および比例ゲイン54から与えられる出力を加算すること
によってバルブ開度信号ＶＯを算出する。バルブ開度信
号ＶＯは加算処理47からバルブＢに与えられる。

【０２１２】ファジィ制御処理51は，給湯器システムに
外乱が発生したときにＰＩＤ制御処理41の応答に対し
て，ＰＩＤ制御処理41の行過量を減少させるように操作
量ｕを出力するように構成している。ファジィ制御処理
51は，外乱が入力されない整定状態，すなわち，センサ
によって検出された出湯温度Ｔが目標温度ＴＴにほぼ一
致している場合，ＰＩＤ制御処理41によるＰＩＤ制御で
十分な制御性能を得ることができる。この場合は，ファ
ジィ制御処理51は操作量ｕを出力することはなく，ファ
ジィ制御51は外乱が入力されたときのみ操作量ｕを出力
する。

【０２１３】以上のようして，ＰＩＤ制御とファジィ制
御とを組み合わせたハイブリッド制御による給湯器シス
テムの温度制御が行われる。

【０２１４】図38は，ＰＩＤ制御処理41のみ場合の出湯
温度Ｔと，ＰＩＤ制御とファジィ制御処理51とによるハ
イブリッド制御の場合の出湯温度Ｔの一例が示されてい
る。ハイブリッド制御の場合，ＰＩＤ制御処理41のみの
場合と比較して制御性能が約15［％］向上した。

【０２１５】しかし，給湯器システムに対して，ファジ
ィ推論処理53にあらかじめ設定されている温度制御知識
が最適化されていないので，温度偏差Ｅが最大の時点か
ら目標温度ＴＴまで復帰する時間が長くかかっている。
このような場合に，局所的な観点か記述はされているが
精密なファジィ推論を行うための温度制御知識を学習処
理55が学習により新たに生成する。

【０２１６】以下，ファジィ制御51の学習処理55につい
て説明する。

【０２１７】学習処理55は，温度偏差ｅ，偏差微分de／
dtおよび操作量ｕに基づいて，局所的な観点か記述はさ
れているが精密なファジィ推論を行うための温度制御知
識を学習により生成し，学習によって新たに生成された
温度制御知識を学習処理55からファジィ推論処理53にオ
ンラインで転送する。

【０２１８】学習処理55は，給湯器システムの入出力関
係，すなわち，バルブ開度信号ＶＯおよび出湯温度Ｔに
基づいて，ファジィ推論処理53の推論誤差が大きい場
合，推論誤差が大きくなる入出力空間について，学習に
よって得られた新たに温度制御知識（温度制御ルールと
メンバーシップ関数）を新たに生成する。

【０２１９】学習処理55は，熟練したオペレータによっ
て設定される操作量ｕを教師データとして，加算処理42
から与えられた温度偏差ｅ，微分器52から与えられた偏
差微分de／dtおよびファジィ推論処理53から与えられた
操作量ｕに基づいて，ファジィ推論処理53の推論結果
と，オペレータが設定した教師データとの誤差が大きく
なる入力空間領域に新たに温度制御ルールおよび前件部
変数メンバーシップ関数を学習により生成する。学習処
理55による学習は，たとえばFifth IFSA World Congres
s(1993),Proceedings pp11-14 に記載されている。

【０２２０】図39は，学習によって生成された温度制御
知識の温度制御ルールの一例である。

【０２２１】図40は，学習によって生成された温度制御
知識の前件部変数および後件部変数のメンバーシップ関
数の一例である。

【０２２２】図40(A) は，学習によって生成された温度
制御ルールの前件部変数「温度偏差ｅ」に関して，言語
情報「ＮＢ」，「ＮＳ」，「ＺＲ」，「ＰＳ」，「Ｐ
Ｍ］および「ＰＢ」を表す６つのメンバーシップ関数の
一例である。

【０２２３】図40(B) は，学習によって生成された温度
制御ルールの前件部変数「偏差微分de／dt」に関して，
言語情報「ＮＢ」，「ＮＭ」，「ＮＳ」，「ＺＲ」，
「ＰＳ」および「ＰＢ」を表す６つのメンバーシップ関
数で一例である。

【０２２４】図40(C) は，学習によって生成された温度
制御ルールの後件部変数「操作量ｕ」に関して，言語情
報「ＮＢ」，「ＮＭ」，「ＮＳ」，「ＺＲ」，「Ｐ
Ｓ」，「ＰＭ」および「ＰＢ」を表す７つのシングルト
ンで一例である。

【０２２５】学習処理55の学習によって，温度制御ルー
ルの前件部変数「温度偏差ｅ」について言語情報「Ｐ
Ｍ」が追加され，前件部変数「偏差微分de／dt」につい
て言語情報「ＮＭ」が新たに生成されている。前件部変
数の言語情報の生成にともなって，これらの言語情報を
表すメンバーシップ関数もそれぞれ生成されている。温
度制御ルールの後件部変数「操作量ｕ」に関して，言語
情報およびメンバーシップ関数の追加または修正は行わ
れていない。

【０２２６】温度制御ルールに関しては，学習処理53の
学習によって以下の追加されている。

【０２２７】 Ｒ１：IF ｅ＝ＰＳ AND de／dt＝ＮＭ THEN ｕ＝ＮＳ Ｒ２：IF ｅ＝ＰＭ AND de／dt＝ＮＳ THEN ｕ＝ＮＳ Ｒ３：IF ｅ＝ＰＭ AND de／dt＝ＮＭ THEN ｕ＝ＮＭ Ｒ４：IF ｅ＝ＰＭ AND de／dt＝ＮＢ THEN ｕ＝ＮＢ Ｒ５：IF ｅ＝ＰＢ AND de／dt＝ＮＭ THEN ｕ＝ＮＭ

【０２２８】これらの温度制御ルールは，「温度偏差
ｅ」が正であり，かつ，「偏差微分de／dt」が負の場合
に，すなわち，温度偏差ｅを減少させるためのルール群
である。

【０２２９】図37は，学習処理55における処理手順を示
すフロー・チャートである。

【０２３０】学習処理55は，学習によって生成された温
度制御知識の温度制御ルールの入力空間において，学習
に用いた温度誤差ｅおよび誤差微分de／dtのデータ数の
応じて，優先順位を決定する（図41；ステップ141 ）。
たとえば，優先順位は，Ｒ３，Ｒ２，Ｒ１，Ｒ４，Ｒ５
の順になる。

【０２３１】学習処理55は，優先順位が付けられた温度
制御ルールを，ファジィ推論処理53から与えられる推論
周期を表すデータによって規定される推論サイクル内で
転送可能なブロックに分割する（図41；ステップ142
）。

【０２３２】たとえば，優先順位が付けられた温度制御
ルールを分割すると，「Ｒ３，Ｒ２」，「Ｒ１，Ｒ
４」，「Ｒ５」となる。

【０２３４】学習処理55は，新たに生成した前件部変数
のメンバーシップ関数をファジィ推論処理53に転送し，
その後，ステップ132 で分割した温度制御ルールを優先
順位の高い順にブロック毎にファジィ推論処理53の推論
サイクル毎に転送する（図41；ステップ143 ）。

【０２３５】たとえば，前件部変数「温度偏差ｅ」の言
語情報「ＰＭ」を表すメンバーシップ関数と，後件部変
数「偏差微分de／dt」の言語情報「ＮＭ」を表すメンバ
ーシップ関数とが学習処理55によって新たに生成されて
いるので，学習処理55は，これらの言語情報を表すメン
バーシップ関数を，ファジィ推論処理53から与えられる
タイミング信号に同期してファジィ推論処理53に転送す
る。その後，学習処理55は，ステップ143 で分割した
「Ｒ３，Ｒ２」，「Ｒ１，Ｒ４」および「Ｒ５」を，こ
の順序でファジィ推論処理53から与えられるタイミング
信号に同期してファジィ推論処理53に転送する。

【０２３６】学習処理55は，必要に応じて学習によって
生成された温度制御知識のうち，残りの温度制御知識を
推論サイクル内で転送できるブロックに分割して転送す
る（図41；ステップ144 ）。

【０２３７】この第５実施例においては，ファジィ推論
処理53にあらかじめ設定された温度制御知識に学習によ
って新たに生成された温度制御ルールとメンバーシップ
関数とが追加されるだけであるで，このステップにおい
て知識転送は行われない。

【０２３８】このようにして，学習処理55によって新た
に生成された温度制御ルールおよびメンバーシップ関数
がファジィ推論処理53に転送される。

【０２３９】ファジィ推論処理53は，学習処理55から転
送された温度制御ルールとメンバーシップ関数を，あら
かじめ設定された温度制御知識に追加してファジィ推論
を行う。これによって，ファジィ推論処理53は，推論誤
差が大きかった入力空間について，学習処理55によって
新たに生成された温度制御ルールおよびメンバーシップ
関数を用いて推論を行うことができる。したがってファ
ジィ制御処理51の制御性能を改善することができる。

【０２４０】図38は，ファジィ推論処理53が学習後の知
識を用いて制御を行った場合，給湯システムの出湯温度
Ｔを示すグラフの一例が示されている。学習による温度
制御知識が新たに追加されたことによって，学習前のハ
イブリッド制御の場合よりも，さらに制御性能が約15
［％］程度改善された。

【図面の簡単な説明】

【図１】ファジィ知識をファジィ推論装置にオンライン
で転送する場合，ファジィ知識の転送方法を分類した分
類表の一例である。

【図２】第１実施例〜第４実施例までに共通のガラス製
品工程の全体的構成を示すブロック図である。

【図３】第１実施例から第３実施例までに共通の目標値
生成装置および目標値生成知識生成装置の詳細な構成を
示す機能ブロック図である。

【図４】目標温度補正量推論処理にあらかじめ設定され
た目標知識生成知識の一例である。

【図５】成形回数毎の目標温度および計測重量を表すグ
ラフの一例である。

【図６】目標値生成知識が不適正な場合における成形回
数毎の目標温度および計測重量を表すグラフの一例であ
る。

【図７】学習処理によって生成さた目標知識生成知識の
一例である。

【図８】第１実施例について，知識変更処理における処
理手順を示すフロー・チャートである。

【図９】第１実施例について，知識変更処理における処
理手順を示すフロー・チャートである。

【図10】第１実施例について，知識分割処理によって知
識転送用メモリに設定された目標値生成知識の一例であ
る。

【図11】第１実施例について，学習処理によって生成さ
れた目標値生成知識を，目標温度補正量推論処理に転送
する前後の目標温度および計測重量を示すグラフであ
る。

【図12】第２実施例について，知識更新処理における処
理手順を示すフロー・チャートである。

【図13】第２実施例について，知識更新処理における処
理手順を示すフロー・チャートである。

【図14】第２実施例について，知識転送用メモリに設定
された目標値生成知識の一例である。

【図15】第２実施例について，学習処理によって生成さ
れた目標値生成知識を目標温度補正量推論処理に転送す
る前後の目標温度および計測重量を示すグラフである。

【図16】第３実施例について，第１回目の学習後に知識
転送用メモリに設定された目標値生成知識の一例であ
る。

【図17】第３実施例について，第１回目の学習後の目標
生成知識を目標温度補正量推論処理に転送したときの目
標温度補正量推論処理に設定された目標値生成知識を示
す。

【図18】第３実施例について，第２回目の学習後に知識
転送用メモリに設定された目標値生成知識の一例であ
る。

【図19】第３実施例について，第２１回目の学習後の目
標生成知識を目標温度補正量推論処理に転送したときの
目標温度補正量推論処理に設定された目標値生成知識を
示す。

【図20】第３実施例について，学習処理によって生成さ
れた目標値生成知識を，目標温度補正量推論処理に転送
する前後の目標温度および計測重量を示すグラフであ
る。

【図21】第３実施例について，目標値生成装置および目
標値生成知識生成装置の詳細な構成を示す機能ブロック
図である。

【図22】第３実施例について，目標温度補正量推論処理
にあらかじめ設定された目標知識生成知識の一例であ
る。

【図23】学習処理によって生成された目標知識生成知識
の一例である。

【図24】目標値生成知識を非対称に転送した場合，目標
温度補正量推論処理に設定された目標値生成知識の一例
である。

【図25】目標値生成知識を非対称に転送した場合，目標
温度補正量推論処理が推論を行ったときの計測重量およ
び目標温度を表すグラフである。

【図26】第４実施例について，知識更新処理における処
理手順を示すフロー・チャートである。

【図27】第４実施例について，知識更新処理における処
理手順を示すフロー・チャートである。

【図28】優先順位付け処理にあらかじめ設定された因果
関係テーブルの一例を示す。

【図29】目標値生成知識の相互に因果関係のある目標値
生成ルールのグループについて，優先順位を付けたとき
の一例である。

【図30】第４実施例において，知識転送用メモリに設定
された目標値生成知識の一例である。

【図31】第４実施例において，目標値生成知識のうち
「グループＡ」を知識更新処理から目標温度補正量推論
処理に転送したとき，目標温度補正量推論処理に設定さ
れた目標温度知識を示す。

【図32】第４実施例において，目標値生成知識のうち
「グループＢ」までを知識更新処理から目標温度補正量
推論処理に転送したとき，目標温度補正量推論処理に設
定された目標温度知識を示す。

【図33】第４実施例について，学習処理の学習によって
生成された目標値生成知識を目標温度補正量推論処理に
転送する前後の目標温度および計測重量を示すグラフで
ある。

【図34】給湯器システムの全体的構成を示すブロック図
である。

【図35】制御装置の詳細な構成を示す機能ブロック図で
ある。

【図36】ファジィ推論処理にあらかじめ設定された温度
制御知識の温度制御ルールの一例である。

【図37】ファジィ推論処理にあらかじめ設定された温度
制御知識のメンバーシップ関数の一例である。。

【図38】給湯器システムにおける出湯温度について，Ｐ
ＩＤ制御と，ＰＩＤ制御およびファジィ制御を組み合わ
せたハイブリッド制御との外乱に対する応答を示すグラ
フである。

【図39】学習によって生成された温度制御知識の温度制
御ルールの一例である。

【図40】学習によって生成された温度制御知識のメンバ
ーシップ関数の一例である。

【図41】第５実施例において，学習処理における知識転
送の処理手順を示すフロー・チャートである。

【図42】第５実施例の給湯器システムにおける出湯温度
について，ＰＩＤ制御，学習前のハイブリッド制御，お
よび学習後のハイブリッド制御について，外乱に対する
応答を示すグラフである。

【符号の説明】

10 温度調節器 20 目標値生成装置 21，23 加算処理 22 目標温度補正量推論処理 30 目標値生成知識生成装置 31 学習処理 32 知識更新処理 33 優先順位付け処理 34 知識分割処理 35 知識転送用メモリ 40 制御装置 41 ＰＩＤ制御処理 42，47 加算処理 43 比例ゲイン 44 Ｐ制御処理 45 Ｉ制御処理 46 Ｄ制御処理 51 ファジィ制御処理 52 微分処理 53 ファジィ推論処理 54 比例ゲイン 55 学習処理

フロントページの続き (72)発明者 堤 ゆみ 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (72)発明者 田島 年浩 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (72)発明者 堤 康弘 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (72)発明者 相馬 宏司 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (72)発明者 労 世紅 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (72)発明者 久野 敦司 京都府京都市右京区花園土堂町10番地 オムロン株式会社内 (56)参考文献 特開 平５−282150（ＪＰ，Ａ) 特開 平５−297913（ＪＰ，Ａ) 特開 平３−293524（ＪＰ，Ａ) 坂口著、”ＵＮＩＸ用開発支援システ ムの構築法”、エレクトロニクス，Ｖｏ ｌ．36（1991年11月），ｐ．60−63 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 9/44 G06N 7/02

Claims (10)

(57)【特許請求の範囲】
1. 【請求項１】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成する知識
   学習手段，上記知識学習手段によって生成されたファジ
   ィ・ルールについて，優先順位を決定する優先順位決定
   手段，上記優先順位決定手段によって決定された優先順
   位にしたがって，上記知識学習手段によって生成された
   ファジィ・ルールおよびメンバーシップ関数を，上記フ
   ァジィ推論装置における推論サイクル内に転送可能なブ
   ロックに分割する知識分割手段，ならびに上記知識分割
   手段によって分割されたファジィ・ルールおよびメンバ
   ーシップ関数を，そのブロック毎に上記ファジィ推論装
   置に複数推論サイクルにわたってすべて転送する知識転
   送手段，を備えたファジィ推論装置のファジィ知識転送
   装置。
2. 【請求項２】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成し，生成
   されたファジィ・ルールについて，優先順位を決定し，
   決定された優先順位にしたがって，生成されたファジィ
   ・ルールおよびメンバーシップ関数を，上記ファジィ推
   論装置における推論サイクル内に転送可能なブロックに
   分割し，分割されたファジィ・ルールおよびメンバーシ
   ップ関数を，そのブロック毎に上記ファジィ推論装置に
   複数推論サイクルにわたってすべて転送する，ファジィ
   推論装置のファジィ知識転送方法。
3. 【請求項３】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成する知識
   学習手段，上記知識学習手段によって生成されたファジ
   ィ・ルールについて，優先順位を決定する優先順位決定
   手段，上記優先順位決定手段によって決定された優先順
   位にしたがって，上記知識学習手段によって生成された
   ファジィ・ルールおよびメンバーシップ関数のうち所要
   のものについて，上記ファジィ推論装置における推論サ
   イクル内に転送可能なブロックに分割する知識分割手
   段，ならびに上記知識分割手段によって分割されたファ
   ジィ・ルールおよびメンバーシップ関数を，そのブロッ
   ク毎に上記ファジィ推論装置に複数推論サイクルにわた
   って転送する知識転送手段，を備えたファジィ推論装置
   のファジィ知識転送装置。
4. 【請求項４】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成し，生成
   されたファジィ・ルールについて，優先順位を決定し，
   決定された優先順位にしたがって，生成されたファジィ
   ・ルールおよびメンバーシップ関数のうち所要のものに
   ついて，上記ファジィ推論装置における推論サイクル内
   に転送可能なブロックに分割し，分割されたファジィ・
   ルールおよびメンバーシップ関数を，そのブロック毎に
   上記ファジィ推論装置に複数推論サイクルにわたって転
   送する，ファジィ推論装置のファジィ知識転送方法。
5. 【請求項５】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ推論装置の推
   論サイクル毎に，上記ファジィ・ルールおよびメンバー
   シップ関数を学習により修正し，最適なファジィ・ルー
   ルおよびメンバーシップ関数を生成する知識学習手段，
   上記知識学習手段によって生成されたファジィ・ルール
   について，優先順位を決定する優先順位決定手段，上記
   優先順位決定手段によって決定された優先順位にしたが
   って，上記知識学習手段によって生成されたファジィ・
   ルールおよびメンバーシップ関数を，上記ファジィ推論
   装置における推論サイクル内に転送可能なブロックに分
   割する知識分割手段，ならびに上記知識分割手段によっ
   て分割されたファジィ・ルールおよびメンバーシップ関
   数を，最も優先順位の高いブロックだけ上記ファジィ推
   論装置に転送する知識転送手段，を備えたファジィ推論
   装置のファジィ知識転送装置。
6. 【請求項６】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ推論装置の推
   論サイクル毎に，上記ファジィ・ルールおよびメンバー
   シップ関数を学習により修正し，最適なファジィ・ルー
   ルおよびメンバーシップ関数を生成し，生成されたファ
   ジィ・ルールについて，優先順位を決定し，決定された
   優先順位にしたがって，生成されたファジィ・ルールお
   よびメンバーシップ関数を，上記ファジィ推論装置にお
   ける推論サイクル内に転送可能なブロックに分割し，分
   割されたファジィ・ルールおよびメンバーシップ関数
   を，最も優先順位の高いブロックだけ上記ファジィ推論
   装置に転送する，ファジィ推論装置のファジィ知識転送
   方法。
7. 【請求項７】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成する知識
   学習手段，上記知識学習手段によって生成されたファジ
   ィ・ルールについて，優先順位を決定する優先順位決定
   手段，ファジィ・ルールの相関関係に基づいて，上記知
   識学習手段によって生成されたファジィ・ルールおよび
   メンバーシップ関数を，上記ファジィ推論装置における
   推論サイクル内に転送可能なブロックに分割する知識分
   割手段，ならびに上記知識分割手段によって分割された
   ブロックを，そのブロックに含まれるファジィ・ルール
   の優先順位にしたがって順次ブロック毎に上記ファジィ
   推論装置に複数推論サイクルにわたってすべて転送する
   知識転送手段，を備えたファジィ推論装置のファジィ知
   識転送装置。
8. 【請求項８】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて，上記ファジィ・ルールおよ
   びメンバーシップ関数を学習により修正し，最適なファ
   ジィ・ルールおよびメンバーシップ関数を生成し，生成
   されたファジィ・ルールについて，優先順位を決定し，
   ファジィ・ルールの相関関係に基づいて，生成されたフ
   ァジィ・ルールおよびメンバーシップ関数を，上記ファ
   ジィ推論装置における推論サイクル内に転送可能なブロ
   ックに分割し，分割されたブロックを，そのブロックに
   含まれるファジィ・ルールの優先順位にしたがって順次
   ブロック毎に上記ファジィ推論装置に複数推論サイクル
   にわたってすべて転送する，ファジィ推論装置のファジ
   ィ知識転送方法。
9. 【請求項９】 入力データについて，あらかじめ設定さ
   れたファジィ・ルールおよびメンバーシップ関数にした
   がうファジィ推論を行い，出力データを算出するファジ
   ィ推論装置において，上記入力データと，その入力デー
   タを用いてファジィ推論により得られた出力データと，
   出力教師データに基づいて学習を行い，ファジィ・ルー
   ルおよびメンバーシップ関数を新たに生成する知識学習
   手段，上記知識学習手段によって生成されたファジィ・
   ルールについて，優先順位を決定する優先順位決定手
   段，上記優先順位決定手段によって決定された優先順位
   にしたがって，上記知識学習手段によって新たに生成さ
   れたファジィ・ルールおよびメンバーシップ関数を，上
   記ファジィ推論装置における推論サイクル内に転送可能
   なブロックに分割する知識分割手段，ならびに上記知識
   分割手段によって分割されたファジィ・ルールおよびメ
   ンバーシップ関数を，そのブロック毎に上記ファジィ推
   論装置に複数推論サイクルにわたってすべて転送する知
   識転送手段，を備えたファジィ推論装置のファジィ知識
   転送装置。
10. 【請求項10】 入力データについて，あらかじめ設定さ
    れたファジィ・ルールおよびメンバーシップ関数にした
    がうファジィ推論を行い，出力データを算出するファジ
    ィ推論装置において，上記入力データと，その入力デー
    タを用いてファジィ推論により得られた出力データと，
    出力教師データに基づいて学習を行い，ファジィ・ルー
    ルおよびメンバーシップ関数を新たに生成し，生成され
    たファジィ・ルールについて，優先順位を決定し，決定
    された優先順位にしたがって，新たに生成されたファジ
    ィ・ルールおよびメンバーシップ関数を，上記ファジィ
    推論装置における推論サイクル内に転送可能なブロック
    に分割し，分割されたファジィ・ルールおよびメンバー
    シップ関数を，そのブロック毎に上記ファジィ推論装置
    に複数推論サイクルにわたってすべて転送する，ファジ
    ィ推論装置のファジィ知識転送方法。