JPH03260805A - ファジィ制御ルールのチューニング方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概要〕 ファジィ制御ルールの重み付けをチューニングするため
のチューニング方法に関し、 重み付けのチューニングの自動処理を目的とし、３層の
階層ネットワーク部を備えるデータ処理手段を用意して
、前段の処理層にチューニング対象のファジィ制御ルー
ルの前件部メンバーシップ関数の演算機能を割り付け、
中間の処理層に前件部演軍機能を割り付け、後段の処理
層に後件部演算機能を割り付けるとともに、該ファジィ
制御ルールによって関連付けられる処理ユニット間に内
部状態値の設定される内部結合を割り付ける第１の処理
過程と、学習用の制御提示データの提示に従って出力さ
れる後段の処理層からの出力値とチューニング対象のフ
ァジィ制御ルールの後件部メンバーシップ関数とから算
出する制御量データが学習用の制御教師データと一致す
べく内部状態値の学習を実行する第２の処理過程と、学
習された内部状態値の値を特定することでファジィ制御
ルールの重み付けのチューニングを行う第３の処理過程
とを備えるよう構成する。

〔産業上の利用分野〕

本発明は、ファジィ制御器に備えられるファジィ制御ル
ールの重み付けを制御対象に適合するものにチューニン
グするためのファジィ制御ルールのチューニング方法に
関し、特に、階層ネントヮーク構成データ処理装置を利
用してファジィ制御ルールの重み付けを自動的にチュー
ニングできるようにするファジィ制御ルールのチューニ
ング方法に関するものである。

新しい制御処理方式として、ファジィ制御が普及しつつ
ある。このファジィ制御は、人間の判断等のあいまいさ
を含む制御アルゴリズムを１ｆ−ｔｈｅｎ形式で表現し
、ファジィ推論に従ってこの制御アルゴリズムを実行し
ていくことで、検出される制御状態量から制御操作量を
算出して制御対象を制御していくものである。このファ
ジィ制御を実現していくためには、ファジィ制御アルゴ
リズムを記述するファジィ制御ルールの重み付けを制御
対象に適合するものにチューニングしていく必要がある
。ファジィ制御器を実用的なものとしていくためには、
このファジィ制御ルールの重み付けのチューニングを自
動的に実現できるようにしていく必要があるのである。

〔従来の技術］ 例えば、 ｉｆ　ｘ、　ｉｓ　ｂｉｇ　ａｎｄ　ｘｚ　ｉｓ　ｓｍ
ａｌｌ　ｔｈｅｎ　ｙ　ｉｓ　ｂｉｇの形式０１部は前
件部、ｔｈｅｎ部は後件部と称せられている）で記述さ
れるファジィ制御ルールの生成は、従来、制御対象の制
御に熟知しているオペレータの対象プロセスに関する知
識に従って、先ず最初に、制御状態量及び制御操作量の
値に関しての言語的な意味をメンバーシップ関数として
定量化し、次に、これらのメンバーシップ関数の間の関
係付けを記述することでファジィ制御ルールの粗いモデ
ルを生成する。そして、この生成した粗いファジィ制御
ルールのモデルをシミュレーションや現地テストにより
評価しながら重み付けも含めてチューニングしていくこ
とで、制御対象に適合したファジィ制御ルールに完成さ
せていくという方法により実現されていた。

〔発明が解決しようとする課題〕

このように、従来では、ファジィ制御ルールの生成と、
例えば、ルール１の推論制御量値への影響度合をルール
２よりも２０パーセント大きくする必要があるといった
ようなファジィ制御ルールの重み付けのチューニングは
、ファジィ制御器を構築しようとする設計者と制御対象
の制御に熟知しているオペレータとの共同作業に従い手
作業で行われていた。このファジィ制御ルールの生成と
その重み付けのチューニングのための作業は、ノウハウ
を駆使しながら試行錯誤的に実行していく必要があるた
め、通常短くても数カ月を要することになる。そして、
制御対象に関する制御知識が少ない場合には、この期間
は更に長期間のものとなる。

これから、従来のファジィ制御ルールの重み付けのチュ
ーニング方式では、ファジィ制御器の設計者や制御対象
のオペレータに対して、極めて負荷のかかる作業を強い
ることになるという問題点があった。しかも、このファ
ジィ制御ルールの重み付けのチューニングの精度はファ
ジィ制御器の制御性能に直接影響を及ぼすことから、高
精度なチューニングを実現できるような方法の開発が強
く望まれていたのである。

本発明はかかる事情に鑑みてなされたものであって、フ
ァジィ制御ルールの重み付けのチューニングを自動的か
つ機械的に実現できる新たなファジィ制御ルールのチュ
ーニング方法を提供することで、ファジィ制御ルールの
重み付けのチューニングに要する作業量を大幅に低減で
きるようにするとともに、客観的なファジィ制御ルール
の重み付けのチューニングを実行できるようにすること
を目的とするものである。

〔課題を解決するための手段〕

第１図は本発明の原理構成図である。

図中、Ｐｉは第１の処理過程、Ｐ２は第２の処理過程、
Ｐ３は第３の処理過程である。

１０は階層ネットワーク構成データ処理手段、１１は階
層ネットワーク構成データ処理手段１０の備える階層ネ
ットワーク部、１２は階層ネットワーク部１１の入力層
を構成する入カニニット、１３は階層ネットワーク部１
１の第１の処理層を構成する処理ユニット、１４は階層
ネットワーク部１１の第２の処理層を構成する処理ユニ
・ノド、１５は階層ネットワーク部１１の第３の処理層
を構成する処理ユニット、１６は階層ネットワーク部１
１の第４の処理層を構成する処理ユニット、１７は階層
ネットワーク部１１の出力層を構成する出カニニットで
ある。

同一の制御状態量（制御操作量）に関しての演算処理を
実行する第１の処理層の処理ユニット１３のグループは
、多くの場合、入力値を分配処理する特定な同一の人カ
ニニット１２とのみ内部結合する構成が採られる。この
内部結合に割り付けられる内部状態値は学習の対象外と
することが可能である。第１の処理層の処理ユニット１
３と第２の処理層の処理ユニット１４との間と、第２の
処理層の処理ユニット１４と第３の処理層の処理ユニッ
ト１５との間は、チューニング対象のファジィ制御ルー
ルの記述に従う形式でもって内部結合する構成が採られ
る。この内部結合に割り付けられる内部状態値は学習の
対象となる。第３の処理層の処理ユニット１５と第４の
処理層の処理ユニット１６とは対応する関係にあるもの
同士でもって内部結合する構成が採られる。この内部結
合に割り付けられる内部状態値は学習の対象外とするこ
とが可能である。同一の制御操作量（制御状態量）に関
しての演算処理を実行する第４の処理層の処理ユニット
１６は、対応する出力ユニット１７と間で内部結合する
構成が採られる。この内部結合に割り付けられる内部状
態値は学習の対象外とすることが可能である。

第２の処理層の処理ユニット１４は、更に階層的に多段
に構成されるものであってもよく、また、第３の処理層
の処理ユニット１５もまた、更に階層的に多段に構成さ
れるものであってもよい、第２の処理層の処理ユニット
１４が階層的に多段に構成される場合には、隣接する層
の処理ユニット１４の間はチューニング対象のファジィ
制御ルールの記述に従う形式でもって内部結合する構成
が採られ、また、第３の処理層の処理ユニッ１−１５が
階層的に多段に構成される場合には、隣接する層の処理
ユニット１５の間はチューニング対象のファジィ制御ル
ールの記述に従う形式でもって内部結合する構成が採ら
れる。

２０は学習信号提示装置であって、学習用の制御データ
群（制御状態量と制御操作量との対を基本単位として、
いずれか一方が制御提示データとなり、残りの他方が教
師信号である制御教師データとなる）の内の制御提示デ
ータを階層ネットワーク部１１の人力層に提示するとと
もに、制御教師データを次に説明する内部状態値学習処
理装置３０に提示するもの、３０は例えばバック・プロ
パゲーシッン法を実装する内部状態値学習処理装置であ
って、学習信号提示装置２０による制御提示データの提
示に従って出力される出カニニット１７からの制御量デ
ータ群と、学習信号提示装置２０から提示される制御教
師データ群との間の誤差値を算出し、該誤差値に基づい
て学習対象とされる内部状態値を順次更新していくこと
で該誤差値が許容範囲となる内部状態値を学習するもの
である。

第１の処理過程Ｐ１では、第１の処理層の処理ユニット
１３に対して、チューニング対象のファジィ制御ルール
の前件部メンバーシップ関数の演算機能を割り付け、第
２の処理層の処理ユニット１４に対して、該ファジィ制
御ルールの前件部演算機能を割り付け、第３の処理層の
処理ユニット１５に対して、該ファジィ制御ルールの後
件部演算機能を割り付け、第４の処理層の処理ユニット
１６に対して、該ファジィ制御ルールの後件部メンバー
シップ関数の演算機能を割り付け、出カニニット１７に
対して、同一の属性に係る後件部メンバーシップ関数の
真理値から制御量データを算出する演算機能を割り付け
るとともに、該ファジィ制御ルールによって関連付けら
れる処理ユニット１３と処理ユニット１４との間と、該
ファジィ制御ルールによって関連付けられる処理ユニッ
ト１４と処理ユニット１５との間に内部結合を構成して
、その構成した内部結合に内部状態値の初期値を割り付
ける処理を実行する。

この第４の処理層の処理ユニット１６に対しての後件部
メンバーシップ関数の演算機能の割付処理は、同一の属
性に係るすべての後件部メンバーシップ関数を１つの処
理ユニット１６でもって管理する構成を採る場合には、
その１つの処理ユニット１６に対して割り付けることに
なり、一方、同一の属性に係る後件部メンバーシップ関
数を複数の処理ユニット１６でもって分散して管理する
構成を採る場合には、それらの処理ユニット１６に対し
て割り付けることになる。第１図では、複数の処理ユニ
ット１６に後件部メンバーシップ関数の演算機能を割り
付けるものを示しである。

そして、この割付処理にあって、チューニング対象のフ
ァジィ制御ルールの前件部が制御状態量に関しての記述
となるときには、制御状態量に関してのメンバーシップ
関数を前件部メンバーシップ関数として割り付けるとと
もに、制御操作量に関してのメンバーシップ関数を後件
部メンバーシップ関数として割り付け、該ファジィ制御
ルールの前件部が制御操作量に関しての記述となるとき
には、制御操作量に関してのメンバーシップ関数を前件
部メンバーシップ関数として割り付けるとともに、制御
状態量に関してのメンバーシップ関数を後件部メンバー
シップ関数として割り付ける。

また、第２の処理層の処理ユニット１４が階層的に多段
に構成される場合には、この多段に構成される第２の処
理層にファジィ制御ルールの前件部演算機能を割り付け
るとともに、第３の処理層の処理ユニット１５が階層的
に多段に構成される場合には、この多段に構成される第
３の処理層にファジィ制御ルールの後件部演算機能を割
り付けることになる。

続く、第２の処理過程Ｐ２では、学習信号提示装置２０
を起動することで、入カニニット１２を介して第１の処
理層の処理ユニット１３に対して学習用の制御提示デー
タを提示するとともに、内部状態値学習処理装置３０に
対して学習用の制御教師データを提示する。そして、こ
の内部状態値学習処理釜Ｗ３０を起動することで、学習
用の制御提示データの提示に従って出力される出カニニ
ット１７からの制御量データが、提示される制御教師デ
ータと概略一致することになるべく学習対象の内部状態
値の学習処理を実行する。

続く、第３の処理過程Ｐ３では、学習された処理ユニッ
ト１３と処理ユニット１４との間の内部結合の内部状態
値と、処理ユニット１４と処理ユニット１５との間の内
部結合の内部状態値、そして、多段に構成される場合に
は、これに加えて処理ユニット１４の間や処理ユニット
１５の間の内部結合の内部状態値の値を抽出していくと
ともに、その抽出した内部状態値をファジィ制御ルール
の重み付けとして特定していくことで、ファジィ制御ル
ールの重み付けのチューニングを実行する。

〔作用〕

本発明では、例えば「出口圧力が著しく低いときには、
供給熱量を大きく増やせ」とか「水位が高いときには、
スロットル弁開度を小さくしろ」というようなファジィ
制御ルールの重み付けをチューニングする場合、第１の
処理過程Ｐ１の処理に従って、第１の処理層の処理ユニ
ット１３に対して、このファジィ制御ルール中に記述さ
れることになる「出口圧力が高い」、「出口圧力が低い
」、「出口圧力が著しく低い」や、「水位が高い」、「
水位が中程度」、「水位が低い」といった制御状態量に
ついてのメンバーシップ関数の演算機能を割り付け、ま
た、第４の処理層の処理ユニット１６に対して、このフ
ァジィ制御ルール中に記述されることになる「供給加熱
量を大きく増やせ」、「供給加熱量を小さくしろ」や、
「スロットル弁開度を大きくしろ」、「スロットル弁開
度を小さくしろ」といった制御操作量についてのメンバ
ーシップ関数の出力機能を割り付ける処理を実行する。

すなわち、処理ユニット１３が、制御状態量の入力に応
じて、割り付けられたメンバーシップ関数のメンバーシ
ップ関数値（真理値）を算出して出力することになるよ
うに構成し、また、処理ユニット１６が、出カニニット
１７に対して、割り付けられたメンバーシップ関数の真
理値を出力（実施例で説明するように、処理ユニット１
５からの出力値に応して縮小したものを出力等する）す
ることになるよう構成するのである。

ここで、出口圧力等の同一種別の制御状態量についての
メンバーシップ関数を演算する処理ユニット１３は、そ
のメンバーシップ関数が複数の制御状態量の関数となら
ない限り同一の入カユニツ）１２とのみ内部結合し、ま
た、供給加熱量操作等の同一種別の制御操作量について
のメンバーシップ関数を演算する複数の処理ユニット１
６は、同一の出カニニット１７とのみ内部結合するよう
割付処理を行う。

次に、この第１の処理過程Ｐ１に従って、ファジィ制御
ルールの数分用意される第２の処理層の処理ユニット１
４に対して、チューニング対象となっているファジィ制
御ルールの前件部演算機能（例えば入力値の最小値を選
択して出力するという演算機能）を割り付けるとともに
、後件部メンバーシップ関数の数分用意される第３の処
理層の処理ユニット１５に、該ファジィ制御ルールの後
件部演算機能（例えぽ人力値の最大値を選択して出力す
るという演算機能）を割り付ける処理を実行する。

続いて、この第１の処理過程ＰＩに従って、チューニン
グ対象のファジィ制御ルールの記述に従う形式でもって
、第１の処理層の処理ユニット１３と第２の処理層の処
理ユニット１４との間を内部結合し、第２の処理層の処
理ユニット１４と第３の処理層の処理ユニット１５との
間を内部結合するとともに、これらの内部結合に内部状
態値の初期値を割り付ける処理を実行する。すなわち、
上述の例で説明するならば、「出口圧力が著しく低い」
のメンバーシップ関数を演算する処理ユニット１３と「
供給加熱量を大きく増やせ」のメンバーシップ関数を出
力する処理ユニット１６との間を、対応の処理ユニット
１４及び処理ユニット１５を介して内部結合するととも
に、「水位が高い」のメンバーシップ関数を演算する処
理ユニット１３と「スロットル弁開度を小さくしろ」の
メンバーシップ関数を演算する処理ユニット１６との間
を、対応の処理ユニット１４及び処理ユニット１５を介
して内部結合して、それらの内部結合に対して例えば“
ｌ”という初期値（すべての内部結合に対して同し値で
ある必要はない〉を割り付ける処理を実行する。

この第１の処理過程Ｐ１により、チューニング対象のフ
ァジィ制御ルールが階層ネットワーク部ｌｌ上に写像さ
れることになる。

階層ネットワーク部１１に対してチューニング対象のフ
ァジィ制御ルールの写像処理を完了すると、続く第２の
処理過程Ｐ２の処理に従って、制御対象から入手される
実際の制御データ群を学習用の教師信号として用いて、
例えばファジィ制御ルールの前件部が制御状態量に関し
ての条件を記述するものであるときには、学習用の制御
データ群の内の制御状態量データを制御提示データとし
て用いるとともに、他方の制御操作量データを制御教師
データとして用いて階層ネットワーク部１１の内部状態
値の学習処理を実行する。

この学習処理により、実際の制御対象の制御内容が階層
ネットワーク部１１の内部状ｍｉに反映されることにな
る。すなわち、より関係が深いと規定される前件部メン
バーシップ関数と前件部演算との間の内部結合の内部状
態値と、前件部演算と後件部演算（後件部メンバーシッ
プ関数）との間の内部結合の内部状態値はより大きな値
をもつものに学習されることになる。

これから、続く第３の処理過程Ｐ３に従って、それらの
内部状態値の値を抽出していくことで、ファジィ制御ル
ールの重み付けをチューニングすることになる。

このように、本発明によれば、ファジィ制御ルールの重
み付けを自動的かつ機械的にチューニングできるように
なる。

〔実施例〕

以下、実施例に従って本発明の詳細な説明する。

第２図に、本発明の実現のために使用する装置のシステ
ム槽底を図示する０図中、第１図で説明したものと同し
ものについては同一の記号で示しである。１’−ｈは階
層ネットワーク部１１の入力層を構成する複数の入カニ
ニット、１−ｉは階層ネットワーク部１１の中間層（？
３１数段備えられる）を構成する複数の基本ユニット、
ｌｊは階層ネットワーク部１１の出力層を構成する１つ
又は複数の基本ユニット、ｌｏａは階層ネットワーク構
成データ処理手段１０をなす階層ネットワーク構成デー
タ処理装置、１８は重み値格納部であって、階層ネット
ワーク部１１の内部結合に割り付けられる重み値を管理
するものである。

２１は学習信号格納部であって、重み値の学習のために
用いられる学習用の制御データを格納するもの、２２は
学習信号提示部であって、学習信号格納部２１から学習
用の制御データを読み出して、その内の制御提示データ
を階層ネットワーク部１１に提示するとともに、対をな
すもう一方の制御教師データを後述する重み値変更部３
０ａと次に説明する学習収束判定部２３に提示するもの
、２３は学習収束判定部であって、階層ネットワーク部
１１から出力される制御量データと学習信号提示部２２
からの制御教師データとを受けて、階層ネットワーク部
１１のデータ処理機能の誤差が許容範囲に入ったか否か
を判定してその判定結果を学習信号提示部２２に通知す
るものである。

３０ａは第１図の内部状態値学習処理装置３０に相当す
る重み値変更部であって、学習信号提示部２２からの制
御教師データと階層ネットワーク部１１のネントワーク
出力データとを受けて、バツク・プロパゲーション法に
従って重み値の更新量を算出して重み値を更新していく
ことで重み値を収束値にと収束させるべく学習するもの
である。

本発明では、第１図で説明したように、この第２図のシ
ステムを使用して、ファジィ制御ルールのチューニング
の自動処理を構築するものである。

この本発明の詳細な説明に入る前に、通常のデータ処理
の実現のために採る階層ネットワーク部１１の装置構成
について詳述するとともに、この階層ネットワーク部１
１の内部結合に割り付けられる重み値を学習するために
、重み値変更部３０ａが実行する学習アルゴリズムであ
るところのバック・プロパゲージタン法（Ｄ、Ｅ、Ｒｕ
ｍｅｌｈａｒｔ、　Ｇ、Ｅ、１ｌｉｎｔｏｎ、ａｎｄ　
Ｒ，ＪＪｉｌｌｉａｍｓ＋　”Ｌｅａｒｎｉｎｇ　Ｉｎ
ｔｅｒｎａｌ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　ｂｙ
　Ｅｒｒｏｒ　Ｐｒｏｐａｇａｔｉｏｎ　　、ＰＡＲＡ
ＬＬＥＬ　ＤＩＳＴＲＩＢＵＴＥＤ　ＰＲＯＣＥＳＳＩ
ＮＧ、　Ｖｏｌ、１．　ｐｐ、３１８−３６４゜Ｔｈｅ
　ＭＩＴ　Ｐｒｅｓｓ、１９８６）について詳述する。

階層ネットワーク部１１は、基本的には、基本ユニット
と呼ぶ一種のノードと、重み値を持つ内部結合とから階
層ネットワークを構成している。

第３図に、基本ユニットｌの基本構成を示す、この基本
ユニット１は、多大カー出力系となっており、複数の入
力に対し夫々の内部結合の重み値を乗算する乗算処理部
２と、それらの全乗算結果を加算する累算処理部３と、
この累算値に非線型の閾値処理を施して一つの最終出力
を出力する閾値処理部４とを備える。

ｈ層を前段層としｉ層を後段層とすると、このｊＩｘ処
理部３では下記の（１）式の演算を実行し、闇値処理部
４では下記の（２）式の演算を実行する。

ｘ２．−Σ７ｐｂＷｚｂ　　　　　　　　　　（１）式
３’　ｐｔ　＝１　／　（１＋　ｅｘｐ（ｘ　１＋θｉ
））　　（２）式但し、 ｈ　：ｈ層のユニット番号 ｉ　：ｉ層のユニット番号 ｐ　：入力信号のパターン番号 θ、：ｉ層の１番ユニットの閾値 Ｗ、、：ｈ−ｉ層間の内部結合の重み値Ｘ□：ｈ層の各
ユニットからｉ層の１番ユニットへの入力の積和 ＶｅｈＳＰ番目パターンの入力信号に対するｈ層のｈ番
ユニットからの出力 フｐｉ’Ｐ番目パターンの入力信号に対するｉ層の１番
ユニットからの出力 そして、階層ネットワーク部１１では、このような構成
の多数の基本ユニット１が、入力信号値をそのまま分配
して出力する入カニニットｌ゛を人力層として、第４図
に示すように階層的に接続されることで階層ネットワー
クを構成して、入カバターン（入力信号）を対応する出
カバターン（出力信号）に変換するという並列的なデー
タ処理機能を発揮することになる。

バック・プロパゲーション法では、階層ネットワークの
重み値Ｗ１と閾値θ、とを誤差のフィードバックにより
適応的に自動調節して学習することになる。　（１）（
２）式から明らかなように、重み値Ｗ４．と閾値θ五と
の１１節は同時に実行される必要があるが、この作業は
相互に干渉する難しい作業となる。そこで、本出願人は
、先に出願の「特願昭６２−３３３４８４号（昭和６２
年１２月２８日出願、“ネントワーク構成データ処理装
置”）」で開示したように、入力側のｈ層に常に１”を
出力するとともにその出力に対して閾値θ１を重み値と
して割り付けるユニットを設けることで、閾値θ、を重
み値Ｗｈの中に組み込んで閾値θｉを重み値として扱う
ようにすることを提案した。このようにすることで、上
述の（１）　（２）式は、 Ｘｓｉ冨Σ）’ｐｂＷｔｈ　　　　　　　　　　（３）
式ｙ　ｐ、　−１／　（１＋ｅｘｐ（−ｘ　ｔ、））　
　　　（４）式で表されることになる。

次に、この（３）　（４）式の記述形式のものに従って
、バック・プロパゲーション法による璽み値の学習処理
方式について説明する。ここで、この説明は、階層ネッ
トワーク部１１が、第４図に示すｈ層−ｉ層−５層とい
う３層構造の階層ネットワークをもつもので行う。

（３）　（４）弐からの類推によって次の（５）　（６
）式が得られる。すなわち、 ｘ１＝ΣｙｔｔＷＪ＝　　　　　　　　　　（５）式ｙ
□＝　１　／　（１＋ｅｘｐ（ＸｔＪ））　　　　　（
６）式但し、 ｊ　：ｊ層のユニット番号 Ｗ、、：ｉ−ｊ層間の内部結合の重み値Ｘ□：ｉ層の各
ユニットからｊ層の４番ユニットへの入力の積和 １ｍ＝：Ｐ番目パターンの入力信号に対するｊ層の４番
ユニットからの出力 重み値変更部３０ａでは、学習用の入カバターンが提示
されたときに出力される出力層からの出カバターンＹｅ
ｊと、その出カバターンｙ、Ｊのとるべき信号である教
師パターンｄｅＪ（ｐ番目パターンの入力信号に対する
ＪＩＪ番目ユニットへの教師信号）とを受は取ると、先
ず最初に、出カバターンｙ□と教師パターンＬ＝との差
分値（ｄ、。

ｙ□］を算出し、次に、 α□−ｙ、（１−ｙｔＪ）（ａ□−３’１）（７）式 を算出し、続いて、 ΔＷＪ、（ｔ）＝ｇΣαｐｊ　３’　ｐｉ＋ζΔＷＪｉ
（ｔ−１）（８）式 ％式％： ： に従って、ｉ層−ｊ層間の重み値の更新量ΔＷ　Ｊ　１
（１）を算出する。ここで、「ζΔＷ、、（ｔ−１）Ｊ
という前回の更新サイクル時に決定された重み値の更新
量に係るものを加算するのは学習の高速化を図るためで
ある。

続いて、重み値変更部３０ａは、算出したα９、を用い
て、先ず最初に、 β□＝ｙ□（１−ｙ□）Σα□Ｗ、１（ｔ−１）（９）
式 を算出し、次に、 ΔＷ＝ｂ（ｔ）　＝　ｔΣβｐｉ　）’　ｐｈ＋ζΔＬ
ｈ（ｔ−１）（１０）式 に従って、ｈ層−１層間の重み値の更新量ΔＷｉｋ（１
）を算出する。

続いて、重み値変更部３０ａは、この纂出した更新量に
従って次の更新サイクルのための重み値Ｗ、轟（ｔ）　
−Ｗ、（ｔ−１）＋ΔＷ、１（ｔ）Ｗ＋ｂ（ｔ）＝Ｗｉ
ｂ（ｔ　　１）＋ΔＷ、ｈ（ｔ）を決定していく方法を
繰り返していくことで、学習用の入カバターンが提示さ
れたときに出力される出力層からの出カバターンｙ□と
、その出カバターンｙ□のとるべき信号である教師パタ
ーンｄ　ｅ＝とが一致することになる重み値Ｗ　ｊ　ｉ
　＋　Ｗ　ｉ　ｋを学習するよう処理している。

そして、階層ネットワーク部１１がｇ層−ｈ層−１層−
ｊ層という４層構造の階層ネットワークをもつときには
、重み値変更部３０ａは、先ず最初に、 Ｔ　＊ｈ−３’　ｐｈ（１７ｓｈ）Σβ、、Ｗ、、（ｔ
−１）（１１）式 を纂出し、次に、 ΔＷゎＩ（ｔ）−εΣγｐｈ　）’　ｐ＊＋ζΔＷｋ、
（ｔ−１）（１２）式 に従ってｇ層＝ｈ層間の重み値の更新量ΔＷｂｌ（ｔ）
を算出するというように、前段の眉間の重み値の更新量
ΔＷを、出力側の後段から求まる値とネットワーク出力
データとを使いながら決定していくよう処理するのであ
る。

ここで、基本ユニット１が閾値処理部４を備えない場合
には、上述の（７）式は、 α□＝（ｄ□−ｙ□）（７）式 となり、上述の（９〉式は、 β２．＝Σα、、ＷＪｉ（ｔ−１）　　　、　　　　（
９）式となり、上述の（１１）式は、 γ、＝Σβ□Ｗｔｈ（ｔ−１）　　　　　　（１１）式
階層ネットワーク部１１のハードウェア部品による構成
方法としては、本出願人が出願した「特願昭６３−２１
６８６５号（昭和６３年８月３１日出願、“ネットワー
ク構成データ処理装置”）」で開示したものを用いるこ
とが可能である。

すなわち、基本ユニットｌは、第５図に示すように、入
力スイッチ部７を介して入力される前段層からの出力と
重み値保持部８が保持する重み値とを乗算する乗算型Ｄ
／Ａコンバータ２ａと、乗算型Ｄ／Ａコンバータ２ａの
出力値と前回の累算値とを加算して新たな累算値を算出
するアナログ加算器３ａと、アナログ加算器３ａの加算
結果を保持するサンプルホールド回路３ｂと、累算処理
が終了したときにサンプルホールド回路３ｂの保持デー
タを非線形変換する非線型関数発生回路４ａと、後段層
への出力となる非線型関数発生回路４ａのアナログ信号
値をホールドする出力保持部５と、出力保持部５の保持
データを出力する出力スイッチ部６と、これらの各処理
部を制御する制御回路９とを備えることで実現される。

そして、階層ネットワーク部１１は、この構成を採る基
本ユニット１が、第６図に示すように、１本の共通なア
ナログバス７０でもって電気的に接続される構成で実現
される。ここで、図中、７１は基本ユニット１の重み保
持部８に重み値を与える重み出力回路、７２は入カニニ
ット１°に対応する初期信号出力回路、７３はデータ転
送の制御信号である同期制御信号を重み出力回路７１゜
初期信号出力回路７２及び制御回路９に伝える同期制御
信号線、７４は同期制御信号を送出する主制御回路であ
る。

この構成の階層ネットワーク部１１おいて、主制御回路
７４は、前段層の基本ユニット１を時系列的に順次選択
するとともに、この選択処理と同期させて、選択された
基本ユニット１の出力保持部５が保持する最終出力をア
ナログバス７０を介して時分割の送信形式に従って後段
層の基本ユニットｌの乗算型Ｄ／Ａコンバータ２ａに対
して出力するよう処理する。この人力を受は取ると、後
段層の基本ユニットｌの乗算型Ｄ／Ａコンバータ２ａは
、対応する重み値を順次選択して入力値と璽み値との乗
算処理を行い、アナログ加算器３ａとサンプルホールド
回路３ｂとにより構成される累算処理部３はこの東軍値
を順次累算していく。

続いて、前段層の基本ユニット１に関してのすべての累
算処理が終了すると、主制御回路７４は、後段層の基本
ユニット１の非線型関数発生−回路４ａを起動して最終
出力の算出を行い、出力保持部５がこの変換処理結果の
最終出力を保持するよう処理する。そして、主制御回路
７４は、この後段層を新たな前段層として次の後段層に
対して同様の処理を繰り返していくことで、入カバター
ンに対応する出カバターンが出力されるべく処理するの
である。

次に、第２図のシステムを使用して実現することになる
本発明のファジィ制御ルールの重み付けの自動チューニ
ング処理について説明する。最初に、第５図及び第６図
に示すようなハードウェア部品により構成される階層ネ
ットワーク部１１を利用する実施例について説明する。

本発明では、例えば第５図及び第６図に示すようなハー
ドウェア部品により構成される階層ネントワーク部１１
を利用して、チューニング対象のファジィ制御ルールを
この階層ネットワーク部ｌｌ上に写体することで始めら
れることになる。ここで、このチューニング対象のファ
ジィ制御ルールは、従来通り、オペレータ等による手作
業にまり生成されるものであってもよいが、同日提出の
特許Ｉｔ（発明の名称“ファジィ制御ルールの生成方法
”）で開示する方法により自動生成されるものを用いる
ことも可能である。

ファジィ制御ルールの重み付けのチューニングを行うユ
ーザは、先ず最初に、前件部が制御状態量に関しての条
件を記述し、後件部が制御操作量に関しての条件を記述
するファジィ制御ルールの重み付けをチューニングを実
行するときには、階層ネットワーク部１１の最前段の中
間層の基本ユニットｌを利用して、チューニング対象の
ファジィ制御ルールの制御状態量についてのメンバーシ
ップ関数の真理値を算出して出力する機能（前件部メン
バーシップ関数の真理値の算出機能）を割り付けるとと
もに、第４番目に位置する中間層の基本ユニット１を利
用して、チューニング対象のファジィ制御ルールの制御
ｌ操作量についてのメンバーシップ関数の真理値を出力
する機能（後件部メンバーシップ関数の真理値の出力機
能）を割り付ける処理を実行する。第７図に、この割り
付けられるメンバーシップ関数の一例を図示する。

この前件部メンバーシップ関数の真理値の算出機能の割
付処理は、具体的には、基本ユニット１より出力される
出力値ｙ が、第８図（ａ）に示すように、 ωく０．θ〈０ であるときには、第７図の「温度が低い」というメンバ
ーシップ関数と類似する関数形状となり、また、 ω〉０．　θ〉０ であるときには、第７図の「温度が高いｊというメンバ
ーシップ関数と類似する関数形状となることに着目して
、第８図（ｂ）に示すように、この基本ユニット１の入
力に割り付けられる重み値ω及び閾値θを適切に設定す
ることで、第７図の「温度が低い」や「温度が高い」と
いう関数形状のメンバーシップ関数が実現されることに
なる。

また、２つの基本ユニット１より出力される出力値の差
分値ｙ １＋ｅｘｐ（−ω２ｘ＋θ２） が、第９図（ａ）に示すように、第７図の「温度が普通
」というメンバーシップ関数と類似する関数形状となる
ことに着目して、第９図（ｂ）に示すように、２個の基
本ユニット１と、この２個の基本ユニット１の出力値に
重み値“１”及び−１”を乗じたものを入力とし、かつ
闇値処理部４を備えない基本ユニット１により権威され
る減算器１ａ（この構成に従い、この２個の基本ユニッ
ト１の出力値の差分値を算出するよう動作する）とを備
えて、この２個の基本ユニット１の入力に割り付けられ
る重み値ω１．ω２及び閾値θ１゜θ２を適切にするこ
とで、第７図の「温度が普通」という関数形状のメンバ
ーシップ関数の割付処理が実現されることになる。

また、後件部メンバーシップ関数の真理値の出力機能の
割付処理は、具体的には、第１０図（ａ）に示すように
、後件部メンバーシップ関数を細かく区画して各区画の
真理値ｙ、を特定し、次に、第１Ｏ図（ｂ）に示すよう
に、閾値処理部４を備えない基本ユニット１により権威
される真理値出力器１ｂをこの真理値の個数（ｎ個）分
用窓して、この真理値出力器１ｂの入力（後述するよう
に、後件部メンバーシップ関数の真理値の出力値の縮小
率を指定することになる）に重み値“　、ｎを割り付け
ることで実現される。ここで、第１０図（ｂ）に示すよ
うに、例えばバルブＡの開度といった同一種別の制御操
作量に係る後件部メンバーシップ関数の真理値は、用意
される同一の真理値出力器ｔｂに入力される構成が採ら
れ、これらの真理値出力器１ｂは、割り付けられる制御
操作量についての縮小されたメンバーシップ関数の真理
値の関数和を出力するよう権威されることになる。

なお、この第１Ｏ図に示す実施例では、後件部メンバー
シップ関数の関数パターンを出力する機能を割り付ける
ことで開示したが、本発明では、後件部メンバーシップ
関数の対応する真理値を演算結果値として使用する権威
を採ることも可能であって、そのような権威を採る場合
には、前件部メンバーシップ関数の真理値の算出機能を
実現すべく採った第８図や第９図の権威が用いられるこ
とになる。

前件部メンバーシップ関数の真理値の算出機能と後件部
メンバーシップ関数の真理値の出力機能との割付処理が
完了すると、ユーザは、次に、階層ネットワーク部１１
の第２番目に位置する中間層の基本ユニットｌを利用し
て、チューニング対象のファジィ制御ルールの前件部演
算機能を割り付けるとともに、第３番目に位置する中間
層の基本ユニット１を利用して、チューニング対象のフ
ァジィ制御ルールの後件部演算機能を割り付ける処理を
実行する。

この前件部演算機能の割付処理は、チューニング対象の
ファジィ制御ルールのもつ前件部演算機能に整合させて
実行′されることになる。従って、前件部演算機能が入
力値の平均値を算出して出力するものであるときには、
例えば、第１１図（ａ）に示すように、重み値“１７入
力点数”を乗したものを入力とし、かつ閾値処理部４を
備えない基本ユニットｌにより構成される平均値算出器
１ｃを備えることで実行する。同様に、この後件部演算
機能の割付処理は、チューニング対象のファジィ制御ル
ールのもつ後件部演算機能に整合させて実行されること
になる。従って、後件部演算機能が入力値の加算値を算
出して出力するものであるときには、例えば、第１１図
（ｂ）に示すように、重み値″ｌ”を乗したものを入力
とし、かつ閾値処理部４を備えない基本ユニット１によ
り構成される加算値算出器１ｄを備えることで実行する
。

様々な基本ユニットｌの利用方法により種々の演算機能
を実現できるものではあるが、チューニング対象のファ
ジィ制御ルールの前件部演算機能や後件部演算機能が複
雑なものとなるときには、１個の基本ユニット１の利用
ではその演算機能を実現できない場合が起こることがあ
る。このようなときには、１個の基本ユニット１を利用
するのではなくて、階層ネットワーク部１１の中の一部
の階層ネットワークを利用して前件部演算機能や後件部
演算機能を実現することも可能である。すなわち、階層
ネットワーク部１１の中の一部の階層ネットワーク部分
を前件部演算機能や後件部演算機能を実現するためのユ
ニットとして確保して、このユニットの内部結合の重み
値に対して前件部演算機能や後件部演算機能を実現すべ
く学習された固定的な値をセットすることで実現するよ
うな方法を採ることも可能である。このようにすれば、
前件部機能として一般的に用いられている入力値の最小
値を選択して出力する演算機能や、後件部演算機能とし
て一般的に用いられている人力値の最大値を選択して出
力する演算機能等も正確に実現できることになる。

以下、説明の便宜上、平均値算出器１ｃを備えることで
前件部演算機能の割付処理を実現し、加算値算出器１ｄ
を備えることで後件部演算機能の割付処理を実現する例
で説明することにする。

続いて、ユーザは、チューニング対象のファジィ制御ル
ールの記述に従う形式でもって、前件部メンバーシップ
関数の割り付けられた基本ユニット１と前件部演算機能
の割り付けられた平均値算出器１ｃとの間を内部結合す
るとともに、この平均値算出器１ｃと後件部演算機能の
割り付けられた加算値算出器１ｄとの間を内部結合する
。この内部結合の設定処理は、具体的には、結合関係の
ない内部結合に対して学習によっても変化されないゼロ
値の重み値を割り付けることで実現される。

後件部演算機能の出力する演算値は、基本的には、対応
する後件部メンバーシップ関数の真理値の縮小率を与え
るものであって、例えば第１２図に示すように、「パル
プＡの開度を小さく設定」というメンバーシップ関数が
■のように表され、「パルプＡの開度を大きく設定」と
いうメンバーシップ関数が■のように表される場合には
、■のメンバーシップ関数に対応付けられる後件部演算
機能の出力値に従って、「パルプＡの開度を小さく設定
」というメンバーシップ関数の適用値が定まり、■のメ
ンバーシップ関数に対応付けられる後件部演算機能の出
力値に従って、「パルプＡの開度を大きく設定」という
メンバーシップ関数の適用値が定まることになる。そし
て、最も一般的には、下式に従って、この縮小されたメ
ンバーシップ関数の関数和の図形の重心を求めることで
、ファジィ推論値であるパルプＡの開度Ｙを算出する構
成が採られている。

前件演算機能と後件部演算機能との割付処理が完了する
と、ユーザは、次に、階層ネットワーク部１１の出力層
の基本ユニットｌを利用して、真理値出力器１ｂの出力
値を使用して制御操作量データを算出する機能であるフ
ァジィ推論値の算出機能を割り付ける処理を実行する。

このファジィ推論値の算出機能の割付処理は、例えば上
述のような重心演算により決定する場合には、第１３図
に示すように、閾値処理部４を備えない基本ユニットｌ
により構成される重心導出値算出器１ｅを２個用意して
、真理値出力器１ｂとの間の内部結合の重み値として、
一方の重心導出値算出器１ｅに対しては、真理値出力器
１ｂに対応付けられる制御操作量の最小値を起点にして
大きくなる順に従い例えば０から１までの間で等間隔も
って増加する重み値を割り付けるとともに、他方の重心
導出値算出器１ｅに対しては、真理値出力器１ｂに対応
付けられる制御操作量の最大値を起点にして小さくなる
順に従い例えば０から−１までの間で等間隔もって減少
する重み値を割り付けることで実現される。そして、最
終的な重心値は、階層ネットワーク部１１とは別に用意
される演算手段に従いこの２個の重心導出値算出器１ｅ
の出力値を使用して求められるよう構成される。

すなわち、この構成により、一方の重心導出値算出器１
ｅは、例えば、真理値出力器１ｂが６ユニツトである場
合で説明するならば、 ＹＩ＝Ｏ−ＣＩ＋０．２・ｃ、＋ｏ、４・Ｃ８＋０．６
・Ｃａ　＋０．８・Ｃ３＋１・Ｃ４但し、Ｃ４は制御操
作量の真理値 を出力し、これに対して、他方の重心導出値算出器１ｅ
は、 Ｙ、＝　−１−Ｃ、−０，８・Ｃ！−０，６・Ｃ５−〇
、４・Ｃ４〜０．２・Ｃ５０’Ｃ６を出力するので、こ
の重心導出値算出器１ｅの出力値Ｙ、、Ｙ、を使用して
、 Ｙ。

− ＹＩ　　　ＹＩ を計算すると、 ＹＩ というように、上述の（Ｉ３）式で説明した重心値が求
められることになるのである。

第１４図に、以上の処理により階層ネットワーク部１１
に写像されることになるファジィ制御ルールの実現のた
めの機能配置を図示する。ここで、図中、記号の付かな
い○印は基本ユニットｌを示している。また、図中のＸ
Ｉ（ＳＡ）は、ＸＩという制御状態量についてのメンバ
ーシップ関数ＳＡにより求められるＸｌの真理値を表し
、ＬＨ３−１は、前件部演算の演算結果値を表し、Ｙ（
ＳＡ）は、Ｙという制御操作量についてのメンバーシッ
プ関数ＳＡに対応付けられるものであることを表してい
る。

第１５図に、この第１４図を機能ブロック化したものを
図示する。図中、処理ユニット１３ａは第１図の処理ユ
ニット１３に対応するというように、第１図で説明した
ものと同し機能を発揮するものについては対応する数値
でもって表記しである。但し、第１図の権威では、第４
の処理層の処理ユニット１６が同一制御操作量種別に係
る個々のメンバーシップ関数を管理するとともに、出カ
ニニット１７がそれらのメンバーシップ関数の関数和を
求めてファジィ推論値を算出するという権威を採るもの
を示したのに対して、この第１５図では、第４の処理層
の処理ユニット１６ａが同一制御操作量種別に係るメン
バーシップ関数の関数和を同時に算出してしまうという
権威を採るものを示すものであることから、第１図では
、処理ユニット１６を処理ユニット１５対応で備えるよ
うに示しているのに対して、第１５図では、同一制御操
作量種別に係る処理ユニット１５ａ群に対して処理ユニ
ット１６ａが１個備えられることで示しである。

このようにして、ユーザは、第１５図に示すように、階
層ネットワーク部１１の最前段の中間層（第１４図に示
すように次層を利用する場合もあるが、これを一体的な
ものであることから最前段の中間層であると言える）の
基本ユニットｌ−ｉに代えて、チューニング対象のファ
ジィ制御ルールの制御状態量のメンバーシップ関数の真
理値を算出して出力する処理ユニ、）１３ａを割り付け
、第２番目に位置する中間層の基本ユニット１に代えて
、チューニング対象のファジィ制御ルールの前件部演算
機能である入力値の平均値を算出して出力する処理ユニ
ット１４ａを割り付け、第３番目に位置する中間層の基
本ユニット１に代えて、チューニング対象のファジィ制
御ルールの後件部演算機能である入力値の加算値を算出
して出力する処理ユニット１５ａを割り付け、第４番目
に位置する中間層の基本ユニット１に代えて、チューニ
ング対象のファジィ制御ルールの制御操作量のメンバー
シップ関数の真理値をその前段に位置する処理ユニット
１５ａからの出力値に応して縮小して出力する処理ユニ
ット１６ａを割り付け、出力層の基本ユニット１に代え
て、チューニング対象のファジィ制御ルールの制御操作
量の重心演算のために用いられる２つの値を算出して出
力する出カニニット１７ａを割り付けることで、チュー
ニング対象のファジィ制御ルールの階層ネットワーク部
１１への写像を実現することになる。

このファジィ制御ルールの写像処理にあって、例えば温
度のように同一種別の制御状態量のメンバーシップ関数
の真理値を算出して出力する処理ユニット１３ａ　（図
中の破線で囲んだもの）については、特定の同一の入カ
ニニット１２（その制御状態量値を分配するもの）との
み内部結合する構成が採られることを基本とするが、こ
のメンバーシップ関数が例えば温度と湿度とにより規定
される不快指数のように異なる制御状態量に関係する場
合には、複数の入カニニット１２と内部結合する構成が
採られることになる。そして、第１０図で説明したよう
に、処理ユニット１６ａと対応する処理ユニット１５ａ
との間はすべて内部結合する構成が採られるとともに、
第１３図で説明したように、処理ユニット１６ａとこれ
に１対１対応で備えられる出力ユニット１７ａとの間も
またすべて内部結合する構成が採られることになる。

チューニング対象のファジィ制御ルールの写像処理が完
了すると、第２図に示したシステムを使用して、ユーザ
は、制御対象から人手される実際の制御データ群を学習
信号提示装置２０の学習信号格納部２１に登録し、続い
て、学習信号提示装置２０に対して、登録された制御デ
ータ群を階層ネットワーク構成データ処理装置１０ａに
提示していくよう指示することで、階層ネットワーク部
１１の重み値の学習の実行を指示する。

この重み値の学習にあたって、入カニニット１２と処理
ユニット１３ａとの間の内部結合の重み値の初期値とし
ては、第８図及び第９図で説明した対応の重み値（閾値
）がセットされる。また、処理ユニット１３ａと処理ユ
ニット１４ａとの間の内部結合の重み値の初期値として
は、第１１図（ａ）で説明したように“ｌ／入力点数”
がセットされる。また、処理ユニット１４ａと処理ユニ
ット１５ａとの間の内部結合の重み値の初期値としては
、第１１図（ｂ）で説明したように“１”がセットされ
る。また、処理ユニット１５ａと処理ユニフ）１６ａと
の間の内部結合の重み値の初期値としては、第１０図で
説明したように後件部メンバーシップ関数を実現する値
がセットされる。

そして、処理ユニット１６ａと出カニニット１７ａとの
間の内部結合の重み値の初期値としては、第１３図で説
明した対応の重み値がセットされることになる。

学習信号提示装置２０から学習用の制御状態量データを
受は取ると、階層ネットワーク部１１の入カニニット１
２は、この制御状態量データを対応？処理ユニット１３
ａに分配する。続いて、この制御状態量データを受は取
ると、各処理ユニット１３ａは、前件部メンバーシップ
関数の真理値を算出して、次段の処理ユニット１４ａに
その算出した真理値を出力する。続いて、前件部メンバ
ーシップ関数の真理値と対応の重み値との乗算値を受は
取ると、処理ユニット１４ａは、その入力値の平均値を
算出して次段の処理ユニット１５ａに前件部演算の演算
値として出力する。続いて、前件部演算の演算値と対応
の重み値との乗算値を受は取ると、処理ユニット１５ａ
は、その入力値の加算値を算出して次段の処理ユニット
１６ａに後件部演算の演算値として出力する。続いて、
後件部演算の演算値と対応の重み値との乗算値を受は取
ると、処理ユニット１６ａは、出カニニット１７ａにそ
の人力値に応して縮小した後件部メンバーシップ関数の
真理値の関数和を出力する。続いて、この後件部メンバ
ーシップ関数の関数和を受は取ると、出カニニット１７
ａは、制御操作量データの算出のために必要となる上述
の２つの値Ｙ、、Ｙ！を算出して出力し、この出力を受
けて図示しない演算手段が最終的な出力である制御操作
量データを算出して重み値変更部３０ａ及び学習収束判
定部２３に出力する。

このようにして出力ユニット１７ａから制御操作量デー
タを受は取ると、重み値変更部３０ａは、上述の（７）
式に従ってα、ｊを算出して（８）式に従って出カニニ
ット１７ａと処理ユニット１６ａとの間の内部結合の重
み値の更新量を算出する。ここで、出カニニット１７ａ
と処理ユニット１６ａとの間の内部結合の重み値はファ
ジィ制御ルールの重み付けのチューニングのためには大
きな意味を持たないものであることから、この算出され
た更新量に従って重み値を更新していかなくてもよい。

なお、この学習処理の開始にあたって、学習用の制御操
作量データから教師信号として用いられる上述の２つの
Ｙ、、Ｙｔを算出することが要求されるが、この処理は
、例えば、学習用の制御操作量データ値を通る特定な傾
きの直線と、後件部メンバーシップ関数の左右の両端点
上との交点に従って決定する等の方法により実行される
ことになる。

続いて、重み値変更部３０ａは、この算出したα□を用
いて、上述の（９）式に従ってβ１を算出して（ｌＯ）
式に従って処理ユニット１６ａと処理ユニット１５ａと
の間の内部結合の重み値の更新量を算出する。ここで、
処理ユニット１６ａと処理ユニット１５ａとの間の内部
結合の重み値もファジィ制御ルールの重み付けのチュー
ニングのためには大きな意味を持たないものであること
から、この算出された更新量に従って重み値を更新して
いかなくてもよい。

続いて、重み値変更部３０ａは、この算出したβ□を用
いて、上述の（１１）式に従ってＴｐｂを算出して（１
２）式に従って処理ユニット１５ａと処理ユニット１４
ａとの間の内部結合の重み値の更新量を算出する。この
処理ユニット１５ａと処理ユニット１４ａとの間の内部
結合の重み値はファジィ制御ルールの重み付けのチュー
ニングのために意味を持つ重み値であることから、重み
値変更部３０ａは、この算出された更新量に従って次の
更新サイクルのための重み値を算出して重み値格納部１
８に格納する。

続いて、重み値変更部３０ａは、同様の処理に従って、
ファジィ制御ルールの重み付けのチューニングのために
意味を持つ処理ユニット１４ａと処理ユニット１３ａと
の間の内部結合の重み値の更新量を算出し、次の更新サ
イクルのための重み値を算出して重み値格納部１８に格
納する。処理ユニット１３ａと入カニニット１２との間
の内部結合の重み値はファジィ制御ルールの重み付けの
チューニングのためには大きな意味を持たないものであ
ることから、重み値変更部３０ａは、ここで、この更新
サイクルでの重み値の更新処理を打ち切ることができる
。

学習信号提示装置２０の学習収束判定部２３が重み値の
学習収束を判断しない場合には、学習信号提示部２２か
ら同し学習用の制御データ群の提示が再度実行されるこ
とになるので、重み値変更部３０ａは、上述の処理と同
一の手順を繰り返していくことで、処理ユニット１５ａ
と処理ユニット１４ａとの間の内部結合の重み値と、処
理ユニット１４ａと処理ユニット１３ａとの間の内部結
合の重み値の更新処理を続行する。

この学習処理により、学習用の制御データ群の関係付け
を規定する処理ユニット１５ａと処理ユニット１４ａと
の間の内部結合の重み値と、処理ユニット１４ａと処理
ユニット１３ａとの間の内部結合の重み値とが求められ
ることになるが、この重み値は、実際の制御対象の制御
内容を反映したものを意味している。すなわち、実際の
制御対象に従って、より関係が深いと規定される前件部
メンバーシップ関数と前件部演算との間の重み値と、前
件部演算と後件部演算（後件部メンバーシップ関数）と
の間の重み値はより大きな値をもつものに学習されるこ
とになる。これから、この重み値をファジィ制御ルール
の推論制御量値への寄与度を表す重み付けとして決定し
ていくことで、制御対象の忠実な制御モデルとなるファ
ジィ制御ルールを得ることができるのである。

以上に説明した実施例では、第５図及び第６図に示すよ
うなハードウェア部品により構成される階層ネットワー
ク部１１を利用するものを開示した０次に、計算機上に
構築される階層ネットワーク・シミュレータにより実現
される階層ネットワ−り部１１を利用する実施例につい
て詳細に説明する。

第１６図に、階層ネットワーク・シミュレータを利用し
て本発明を実現するために使用する装置のシステム構成
を図示する０図中、第１図及び第２図で説明したものと
同しものについては同一の記号で示しである。１０ｂが
計算機上に構築される階層ネットワーク・シミュレータ
である。第１７図に、この階層ネットワーク・シミュレ
ータ１０ｂの詳細な機能構成を図示する。

この第１７図に示すように、階層ネットワーク・シミュ
レータｌＯｂは、第１５図に示すような処理ニー’−７
ト１３ａ、１４ａ、１５ａ、１６ａ、及び出カニニット
１７ａの結合関係を管理するネットワーク構造管理部４
０と、演算処理全体の制御を実行する演算制御部４１と
、各処理ユニット１３　ａ　＋　１４　ａ　＋　１５　
ａ　＋　１６　ａに入力される入力値を一時的に展開す
る入力データ展開部４２と、各内部結合に割り付けられ
る重み値を管理する重み値管理部４３と、テーブル手段
等により前件部メンバーシップ関数を管理する前件部メ
ンバーシップ関数管理部４４と、テーブル手段等により
後件部メンバーシップ関数を管理する後件部メンバーシ
ップ関数管理部４５と、各処理ユニット　１３　ａ。

１４　ａ　＋　１５　ａ　＋　ｌ　６　ａの演算機能を
実行する演算実行部４６と、演算実行部４６により算出
された各処理ユニットの出力値となる演算値を管理する
出力データ管理部４７と、処理ユニット１６ａの演算値
に対して重心演算を実行することで階層ネットワーク・
シミュレータ１０ｂの出力値となる制御操作量データを
算出する重心演算部４８とを備えるよう構成される。

そして、この演算実行部４６は、処理ユニット１３ａ、
１４ａ、１５ａ、１６ａの処理を模擬すべく、重み値と
入力値との乗算値を算出する乗算値算出部４９と、乗算
値算出部４９の乗算値に従って前件部メンバーシップ関
数の真理値を算出する前件部真理値算出部５０と、前件
部演算機能が入力値の最小値を求める場合に備えられて
、乗算値算出部４９の乗算値の内の最小値を特定する最
小値特定部５１と、後件部演算機能が人力値の最大値を
求める場合に備えられて、乗算値算出部４９の乗算値の
内の最大値を特定する最大値特定部５２と、後件部メン
バーシップ関数の関数値を縮小して出力する後件部真理
値出力部５３とを備えるよう構成される。

階層ネットワーク・シミュレータ１０ｂでは、基本ユニ
ットｌに割り付けられる重み値や闇値に従って前件部メ
ンバーシップ関数の算出機能や、前件部演算機能や、後
件部演算機能や、後件部メンバーシップ関数の出力機能
や、制御状態量データの重心演算機能を実現するもので
はないことから、基本ユニット１を利用する場合と異な
り、重み値の初期値としては“１”等が設定（ランダム
値を設定する方法を採ることも可能である）されること
になる、また、前件部及び後件部演算機能として、最小
値や最大値を選択するといった不連続な関数処理を用い
ることが可能であることから、このような関数処理を用
いる場合には、厳密な意味において上述したバック・プ
ロパゲーシッン法を使用することはできないのであるが
、本発明ではバック・プロパゲーション法を広義に捉え
て、内部状態値学習処理装置３０によりバック・プロパ
ゲーシッン法に従って重み値の学習を実行する槽底を採
るものである。勿論、本発明は重み値の学習方法により
その適用が限られるものではないので、より適切な学習
アルゴリズムに従って実行することも可能である。また
、この階層ネットワーク・シミュレータｔａｂでは、後
件部メンハーシソプ関数管理部４５がテーブル手段等に
より直接的に後件部メンバーシップ関数を管理する構成
を採ることから、処理ユニット１６ａについては、第１
図の１戒のように処理ユニット１５ａ対応で備えられる
槽底になる。

次に、階層ネットワーク・シミュレータ１０ｂを使用し
た場合の本発明の処理について説明する。

学習信号提示装置２０から学習用の制御状態量データを
入力データ展開部４２に受は取ると、乗算値算出部４９
は、入力データ展開部４２から各処理ユニット１３ａの
入力値を処理ユニット１３ａを単位にして読み出し、重
み値管理部４３からそれらの入力値に対応付けられる重
み値を読み出すとともに、これらの対応する乗算処理を
実行する。この乗算値が算出されると、前件部真理値夏
山部５０は、前件部メンバーシップ関数管理部４４から
対応の前件部メンバーシップ関数を読み出すとともに、
その読み出した前件部メンバーシップ関数に従ってこの
乗算値に対応付けられる真理値を算出して出力データ管
理部４７に格納する。

すべての処理ユニット１３ａについての処理が終了する
と、出力データ管理部４７は、求められた前件部メンバ
ーシップ関数の真理値を入力データ展開部４２に展開す
る。

続いて、乗算値算出部４９は、入力データ展開部４２か
ら各処理ユニット１４ａの入力値を処理ユニッｌ−１４
ａを単位にして読み出し、重み値管理部４３からそれら
の入力値に対応付けられる重み値を読み出すとともに、
これらの対応する乗算処理を実行する。この乗算値が算
出されると、最小値特定部５１は、この乗算値の内の最
小値を特定することで前件部演算の演算値を算出して出
力データ管理部４７に格納する。すべての処理ユニット
１４ａについての処理が終了すると、出力データ管理部
４７は、求められた前件部演算の演算結果値を入力デー
タ展開部４２に展開する。

続いて、乗算値算出部４９は、入力データ展開部４２か
ら各処理ユニン）１５ａの入力値を処理ユニット１５ａ
を単位にして読み出し、重み値管理部４３からそれらの
入力値に対応付けられる重み値を読み出すとともに、こ
れらの対応する乗算処理を実行する。この乗算値が算出
されると、最大値特定部５２は、この乗算値の内の最大
値を特定することで後件部演算の演算値を算出して出力
データ管理部４７に格納する。すべての処理ユニット１
５ａについての処理が終了すると、出力データ管理部４
７は、求められた後件部演算の演算結果値を入力データ
展開部４２に展開する。

続いて、乗算値算出部４９は、入力データ展開部４２か
ら処理曳ニッ）１６ａの人力値を処理ユニット１６ａを
単位にして読み出し、重み値管理部４３からそれらの入
力値に対応付けられる重み値を読み出すとともに、これ
らの対応する乗算処理を実行する。この乗算値が算出さ
れると、後件部真理値出力部５３は、後件部メンバーシ
ップ関数管理部４５から対応の後件部メンバーシップ関
数を読み出すとともに、その読み出した後件部メンバー
シップ関数の関数値をこの乗算値に従って縮小して出力
データ管理部４７に格納する。すべての処理ユニット１
６ａについての処理が終了すると、出力データ管理部４
７は、縮小された後件部メンバーシップ関数の関数値を
同一種別の制御操作量を単位にして重心演算部４８に通
知し、この通知処理を受けて、重心演算部４８は、上述
の（１３）式の重心演算を実行することで階層ネットワ
ーク・シミュレータ１０ｂの出力値となる制御操作量デ
ータを算出して、内部状態値学習処理装置３０及び学習
信号提示装置２０の学習収束判定部２３に出力する。

このようにして階層ネットワーク・シミュレータ１０ｂ
から制御操作量データを受は取ると、内部状ｍｏｗ学習
処理装置３０は、上述した重み値変更部３０ａの処理と
同様の処理を実行することで、ファジィ制御ルールの重
み付けのチューニングのために意味を持つ重み値である
処理ユニット１５ａと処理ユニット１４ａとの間の内部
結合の重み値と、処理ユニット１４ａと処理ユニット１
５ａとの間の内部結合の重み値の更新量を算出するとと
もに、この算出された更新量に従って次の更新サイクル
のための重み値を算出して階層ネットワーク・シミュレ
ータ１０ｂの重み値管理部４３の重み値を更新する。

そして、学習信号提示装置２０の学習収束判定部２３が
重み値の学習収束を判断しない場合には、学習信号提示
部２２から同し学習用の制御データ群の提示が再度実行
されることになるので、内部状態値学習処理装置３０は
、この処理手順を繰り返していくことで、処理ユニット
１５ａと処理ユニット１４ａとの間の内部結合の重み値
と、処理ユニット１４ａと処理ユニー／　）　１３　ａ
との間の内部結合の重み値の学習値を学習する。

二の学習処理により、第５図及び第６図に示すようなハ
ードウェア部品により構成される階層ネットワーク部１
１を利用する場合と同様に、学習用の制御データ群の関
係付けを表現する処理ユニット１５ａと処理ユニット１
４ａとの間の内部結合の重み値と、処理ユニット１４ａ
と処理ユニット１３ａとの間の内部結合の重み値が求め
られることになり、これから制御対象の忠実な制御モデ
ルとなるファジィ制御ルールの重み付けがチューニング
できるのである。

次に、本発明によるファジィ制御ルールの重み付けのチ
ューニング方法を模擬するために行ったシミュレーショ
ンについて説明する。

このシミュレーションは、第１８図に示す１０個のファ
ジィ制御ルールの重み付けをチューニングすることで行
った。ここで、これらのファジィ制御ルールの前件部を
記述する制御状態量として、第１９図に示すｒＴＵｌ、
ＡＬＫ、ＴＥＭＰ、ＴＵＳＥ、ＴＵＵＰ、ＦＬＯＣ，５
ＴＡＴ、という７種類の制御状態量があり、後件部を記
述する制御操作量として第１９図に示すｒＤＤＯ３Ｊと
いう１種類の制御操作量があることを想定した。

第１８図に示すファジィ制御ルールの前件部記述に示す
ように、ｒＴＵＩＪについては、ｒＳＡ（小さい）」と
ｒＭＭ　（普通）」とｒＬＡ　（大きい）」とｒＳＴ　
（〜より小さい）」というメンバーシップ関数が使用さ
れ、ｒＡＬＫＪについては、ｒＳＡ　（小さい）」とｒ
ＬＡ　（大きい）」というメンバーシップ関数が使用さ
れ、ｒＴＥＭＰＪについては、ｒｌｓ　（小さくない）
」とｒＳＡ　（小さい）」というメンバーシップ関数が
使用され、ｒＴＵＳＥ、については、ｒＬＡ　（大きい
）」とｒｌＬ（大きくない）」というメンバーシップ関
数が使用され、ｒＴＵＵＰＪについては、ｒＭＭ（普通
）」とｒＭＬ　（少し大きい）」とｒＬＡ（大きい）」
というメンバーシップ関数が使用され、「ＦＬＯＣ」に
ついてはｒｓＡ　（小さい）」というメンバーシップ関
数が使用され、ｒＳＴＡＴ」については、ｒＬＡ　（大
きい）Ｊというメンバーシップ関数が使用されることを
想定している。

第２０図に、これらのメンバーシップ関数の関数形状の
定義を示すとともに、第２１図に、これらのメンバーシ
ップ関数がもつこの関数形状のパラメータＰ　、（ｉ　
−１，２，３）の設定値を図示する。

また、第１８図に示すファジィ制御ルールの後件部記述
に示すように、ｒＤＤｏｓ、については、ｒＰＭ　（正
で中位）ｊとｒＮＭ　（負で中位）」とｒＰＢ　（正で
大きく）」とｒＰＳ　（正で小さく）」というメンバー
シップ関数が使用されることを想定している。第２２図
に、これらのメンバーシップ関数の関数形状の定義を示
すとともに、第２３図に、これらのメンバーシップ関数
がもつこの関数形状のパラメータＰ　、（ｉ　＝１．２
．３）の設定値を図示する。

第２４図に、階層ネットワーク部１１に写体された第１
８図のファジィ制御ルールを図示する。

なお、図中、入カニニット１２については省略しである
。この図に示すように、第１の処理層の処理ユニット１
３ａは、制御状態量のメンバーシップ関数の数に合わせ
て１５ユ；ット用意され、第２の処理層の処理ユニット
１４ａは、ファジィ制御ルールの数に合わせて１０ユニ
ツト用意され、第３の処理層の処理ユニット１５ａは、
制御操作量のメンバーシップ関数の数に合わせて４ユニ
ツト用意されることになる。ここで、第２の処理層の処
理ユニット１４ａには、人力値の平均値を特定する前件
部演算機能（ｉ小値をとる機能として近似したものであ
る）が割り付けられ、第３の処理層の処理ユニット１５
ａには、入力値の加算値を特定する後件部演算機能（Ｉ
ｔ人力値とる機能として近似したものである）が割り付
けられる。

このシミュレーションでは、制御対象から第２５図に示
す３０個の制御データが入手されたものとして、学習定
数εの値を０．５、モーメンタムこの値を０．４に設定
して重み値の学習を行った。

第２６図に、最も誤差値の小さくなった更新サイクル回
数が１０００回のときの重み値の学習データを図示する
。この図では、例えばＮｏ、２のファジィ制御ルール中
の１．６６７５２８″は、第１８図に示すＮｏ、２のフ
ァジィ制御ルールのｒＴＵｌのＭＭＪを扱う処理ユニッ
ト１３ａとＮｏ、２のファジィ制御ルールの前件部演算
を扱う処理ユニット１４ａとの間の内部結合の重み値の
学習データであるというように、第１８図のファジィ制
御ルールの１１部に表れる順番に従って処理ユニット１
３ａと処理ユニット１４ａとの間の内部結合の重み値の
学習データを示すとともに、例えばＮｏ、２のファジィ
制御ルール中の“０．６４００２６″は、ＮＯ３２のフ
ァジィ制御ルールの前件部演算を扱う処理ユニット１４
ａとＮｏ、２のファジィ制御ルールの後件部演算を扱う
処理ユニット１５ａとの間の重み値の学習データという
ように、処理ユニット１３ａと処理ユニッｌ−１４ａと
の間の内部結合の重み値の学習データを示しである。

この第２６図から、第１８図に示すＮｏ、４のファジィ
制御ルールを適用する場合には、ｒＡＬＫのＳＡ、とい
うメンバーシップ関数から求まる真理値を“０．４１７
３２３”倍し、ｒＴＵｌのＬＡＪというメンバーシップ
関数から求まる真理値を”２．０１０９９０”倍して、
小さい方の値等を特定するとともに、その特定値した値
を“２．１６６８８５”倍して、Ｎｏ。

２のファジィ制御ルールから求まる値との大きい方の値
等でもってｒＤＤｏｓのＮＭ、というメンバーシップ関
数の真理値を算出するというように処理すればよいこと
を表している。また、この図から、Ｎｏ、７やＮｏ、１
０のファジィ制御ルールは、他のファジィ制御ルールに
比較して制御量の推論値に対して比較的小さな寄与しか
していないことや、Ｎｏ、３のファジィ制御ルールにお
けるｒＴＵｌのＳＡＪの真理値は、ｒＡＬＫのＬＡＪの
真理値に比べて制御量の推論値に対して比較的小さな寄
与しかしていないこと等が一目見るだけで明らかになる
。

この学習された重み値をファジィ制御ルールの重み付け
の値として用いることで、ファジィ制御ルールを制御対
象に忠実なものとすることができるようになるのである
。

このように、本発明によれば、階層ネットワーク部１１
上にファジィファジィ制御ルールを写像させて、学習さ
れた階層ネットワークの重み値でもってファジィ制御ル
ールの重み付けを特定していくようにするものであるこ
とから、ファジィ制御ルールの重み付けを機械的かつ客
観的に評価できるようになるのである。

図示実施例について説明したが、本発明はこれに限定さ
れるものではない。例えば、本出願人は、先に出願の「
特願昭６３−２２７８２５号（昭和６３年９月１２日出
願、“ネットワーク構成データ処理装置の学習処理方式
°）」で、バック・プロパゲーシッン法の改良を図って
より短時間で重み値の学習処理を実現できるようにする
発明を開示したが、本発明ではこの学習方式を利用する
ことができるのである。また、実施例では、前件部メン
バーシップ関数として制御状態量に係るもの、後件部メ
ンバーシップ関数として制御操作量に係るもののファジ
ィ制御ルールの重み付けのチューニングで説明したが、
本発明はこれに限られるものではなくて、前件部メンバ
ーシップ関数として制御操作量に係るもの、後件部メン
バーシップ関数として制御状態量に係るもののファジィ
制御ルールの重み付けのチューニングに対してもそのま
ま適用できる。

そして、重心演算により制御量データを算出する構成で
もって説明したが、本発明はこれに限られるものではな
くて、別のファジィ推論値の演算方式を採るものであっ
てもよい、また、入カニニットや処理ユニットや出カニ
ニットの演算処理の実現方法は如何なる方法を採るもの
であってもよいのである。

（発明の効果〕 以上説明したように、本発明によれば、ファジィ制御ル
ールの重み付けのチューニングを機械的かつ自動的に実
現できるようになる。従って、手作業によっていたファ
ジィ制御ルールの重み付けのチューニングを、極めて少
ない作業量でもって客観的に実行できるようになる。そ
して、制御対象に関しての制御知識が乏しい場合でも、
ファジィ制御ルールの重み付けのチューニングを容易に
実現できるようになる。しかも、このチューニングされ
たファジィ制御ルールに従ってファジィ制御器を構築し
た場合にあっても、運用中の実制御データを使用して制
御対象に適合したファジィ制御ルールへとチューニング
を行うことが可能となる０以上のことから、本発明によ
り、ファジィ制御器をより実用的なものとすることがで
きるようになるのである。

【図面の簡単な説明】 第１図は本発明の原理構成図、 第２図は本発明の実現のために使用するシステムの説明
図、 第３図は基本ユニットの基本構成図、 第４図は階層ネットワーク部の基本構成図、第５図は基
本ユニットの一実施例、 第６図は階層ネットワーク部の一実施例、第７図はメン
バーシップ関数の説明図、第８図及び９図は前件部メン
バーシップ関数の真理値の算出機能の割付処理の説明図
。 第１０図は後件部メンバーシップ関数の真理値の出力機
能の割付処理の説明図、 第１１図は前件部演算機能及び後件部演算機能の割付処
理の説明図、 第１２図はファジィ推論値の説明図、 第１３図はファジィ推論値の算出機能の割付処理の説明
図、 第１４図及び第１５図は写像されたファジィ制御ルール
の説明図、 第１６図は本発明の実現のために使用するシステムの説
明図、 第１７は階層ネットワーク・シミュレータの説明図、 第１８図はシミュレーションに使用したファジィ制御ル
ールの説明図、 第１９図はシミュレーションに使用した制御状態量及び
制御操作量の説明図、 第２０図及び第２１図はシミュレーションに使用した制
御状態量のメンバーシップ関数の説明図、第２２図及び
第２３図はシごユレーシッンに使用した制御操作量のメ
ンバーシップ関数の説明図、第２４図はシ主ニレ−ジョ
ンに使用した階層ネットワーク部の説明図、 第２５図はシ稟ニレ−ジョンに使用した学習用の制御デ
ータの説明図、 第２６図はシミュレーションにより求められる重み値の
学習データの説明図である。 図中、１は基本ユニット、１°は入カニニット、２は乗
纂処理部、３は累算処理部、４は閾値処理―、１０は階
層ネットワーク構成データ処理手段、１０ａは階層ネッ
トワーク構成データ処理装置、１０ｂは階層ネットワー
ク・シミュレータ、１１は階層ネットワーク部、１２は
入カニニット、１３．１４．１５及び１６は処理ユニッ
ト、１７は出カニニット、１８は重み値格納部、２０は
学習信号提示装置、２１は学習信号格納部、２２は学習
信号提示部、２３は学習収束判定部、３０は内部状態値
学習処理装置である。 丑Ｒ岨０り

Claims (4)

【特許請求の範囲】
1. （１）ファジィ制御ルールの重み付けを制御対象に適合
   するものにチューニングするためのファジィ制御ルール
   のチューニング方法であって、 複数の処理ユニットから構成される第１、第２、第３の
   処理層を備える階層ネットワーク部（１１）を具備する
   階層ネットワーク構成データ処理手段（１０）を用意し
   て、該第１の処理層の処理ユニット（１３）にチューニ
   ング対象のファジィ制御ルールの前件部メンバーシップ
   関数の演算機能を割り付け、該第２の処理層の処理ユニ
   ット（１４）に該ファジィ制御ルールの前件部演算機能
   を割り付け、該第３の処理層の処理ユニット（１５）に
   該ファジィ制御ルールの後件部演算機能を割り付けると
   ともに、該ファジィ制御ルールにより関連付けられる演
   算機能の割り付けられた該処理ユニット間に内部状態値
   の設定される内部結合を割り付ける第１の処理過程（Ｐ
   １）と、 学習用の制御提示データを上記階層ネットワーク部（１
   １）の第１の処理層に提示して、該提示に従って出力さ
   れる第３の処理層からの出力値とチューニング対象のフ
   ァジィ制御ルールの後件部メンバーシップ関数とから制
   御量データを算出するとともに、該算出値が学習用の制
   御教師データと概略一致すべく上記内部状態値の学習を
   実行する第２の処理過程（Ｐ２）と、 学習された内部状態値の値を特定することで、ファジィ
   制御ルールの重み付けのチューニングを行う第３の処理
   過程（Ｐ３）とを備えることを、特徴とするファジィ制
   御ルールのチューニング方法。
2. （２）請求項（１）記載のファジィ制御ルールのチュー
   ニング方法において、 第２の処理層が更に階層的に多段に構成され、第１の処
   理過程（Ｐ１）で、該多段に構成される第２の処理層に
   ファジィ制御ルールの前件部演算機能を割り付けるよう
   処理することを、 特徴とするファジィ制御ルールのチューニング方法。
3. （３）請求項（１）記載のファジィ制御ルールのチュー
   ニング方法において、 第３の処理層が更に階層的に多段に構成され、第１の処
   理過程（Ｐ１）で、該多段に構成される第３の処理層に
   ファジィ制御ルールの後件部演算機能を割り付けるよう
   処理することを、 特徴とするファジィ制御ルールのチューニング方法。
4. （４）請求項（１）、（２）又は（３）記載のファジィ
   制御ルールのチューニング方法において、 第２の処理過程（Ｐ２）で、学習用の制御教師データと
   、学習用の制御提示データの提示に対して出力される階
   層ネットワーク部（１１）のネットワーク出力データと
   を使い、バック・プロパゲーション法に従って内部状態
   値の更新量を算出し、該更新量に従って内部状態値を順
   次更新していくことで内部状態値の学習を実行していく
   よう処理することを、 特徴とするファジィ制御ルールのチューニング方法。