JPH0363081B2 - - Google Patents

Info

Publication number
JPH0363081B2
JPH0363081B2 JP52092537A JP9253777A JPH0363081B2 JP H0363081 B2 JPH0363081 B2 JP H0363081B2 JP 52092537 A JP52092537 A JP 52092537A JP 9253777 A JP9253777 A JP 9253777A JP H0363081 B2 JPH0363081 B2 JP H0363081B2
Authority
JP
Japan
Prior art keywords
vector
process output
control
output vector
incremental
Prior art date
Legal status (The legal status 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 status listed.)
Expired
Application number
JP52092537A
Other languages
English (en)
Other versions
JPS5320081A (en
Inventor
Maruchin Sanchesu Juan
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Publication of JPS5320081A publication Critical patent/JPS5320081A/ja
Publication of JPH0363081B2 publication Critical patent/JPH0363081B2/ja
Granted legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D3/00—Distillation or related exchange processes in which liquids are contacted with gaseous media, e.g. stripping
    • B01D3/42—Regulation; Control
    • B01D3/4211—Regulation; Control of columns
    • B01D3/425—Head-, bottom- and feed stream
    • 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
    • G05B13/048—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 using a predictor

Landscapes

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

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、複数のサンプリング時点ごとに制御
ベクトルを生成し、該制御ベクトルをプロセス実
効装置に印加することで、プロセス制御を行う方
法および装置に関する。
本発明は、例えば航空、電子、化学各工学等の
多岐に渡るシステムに適用できることから、その
適用分野は際限がない。
具体例としては、昇降舵の位置によつてピツチ
角を制御する航空機の単一入力単一出力制御、及
び還流並びに水蒸気の流量によつて頂・底部の組
成を制御する蒸留塔の多変数制御がある。
［従来の技術及びその課題］ 制御構造を有するシステムの制御性能は、プロ
セスのダイナミツク・パラメータの不測の変化に
起因する恒久パラメータの劣化に左右されるが、
これらの劣化は直接的にも間接的にも測定するこ
とはできない。
近年この問題を解決しようとする制御技術が開
発された来た。これらの技術の中で最も注目され
るのは、モデル参照適応制御システムであり、こ
れは基本的には次の手順の一つに従つて動作す
る。
(1) プロセスのパラメータ及び状態変数の実時間
アダプテイブ推定を行い、その結果からアダプ
テイブ・レギユレータがプロセスに印加すべき
制御を計算するか、或は (2) プロセス出力をモデル参照出力に追随させる
ために、適応制御機構を介してプロセスに印加
すべき制御を計算する。
一般に、上記の両手順とも制御構造は修正器の
設計を必要とし、この集積のパラメータの計算は
プロセスの次数が増すにつれて困難となるので、
これらの技術の適用分野は極めて限定されたもの
となる。
［課題を解決するための手段］ 本発明は、未来のサンプリング時点においてモ
デルにより予測された予測プロセス出力ベクトル
を同じく未来のサンプリング時点で到達すべき所
望プロセス出力ベクトルに等しくさせるように、
プロセス実行装置へ印加する制御ベクトルをサン
プリング時点ｋごとに生成することを特徴とす
る。
［実施例］ 以下、本発明の実施例について一般的に説明
し、その後で本制御方法の具体的適用例を示す。
第１図は、本発明による制御方法の一実施例の
概略的構成図である。
同図において、制御対象部３は、プロセスを実
行する装置１０、その出力を検出するセンサ１
２、センサ１２によつて検出されたプロセス出力
ypの増分を算出する演算ブロツク１３より構成
される。装置１０は制御ベクトルｕによつて動作
が調整され、その結果であるプロセス出力ypが
センサ１２によつて検出される。
アイデンテイフイケーシヨン・ブロツク４（以
下、「同定ブロツク４」という。）は、遅延ブロツ
ク１１と演算ブロツク５とから構成される。
遅延ブロツク１１はプロセスの遅れを考慮して
設けられている。すなわち、制御ベクトルｕ(k)は
時点（ｋ＋ｒ＋１）までプロセス出力に作用しな
いために、時点ｋでのプロセス出力ｙ(k)はその前
の時点（ｋ−ｒ−１）での制御ベクトルｕ（ｋ−
ｒ−１）によつて定まつてくる。ここで、ｒはプ
ロセスにおいて観測される遅れ、又は便宜上考慮
された遅れを表わす。
演算ブロツク５は適応予測モデルを有し、この
モデルを用いて時点（ｋ−ｒ−１）での制御ベク
トルｕ（ｋ−ｒ−１）の値から時点ｋでのプロセ
ス出力ｙ(k)の推定値を演算する。
更に、適応予測モデルは、誤差ｅに基きアダプ
テイブ・フイードバツク機構６によつて、パラメ
ータの更新が行われる。
なお、後述する同定モードでは、制御ベクトル
ｕ(k)は通路１を通してオペレータ２によつて与え
られる。
一方、通路７には、駆動ブロツク９および制御
ブロツク８が設けられ、本発明の特徴となる制御
が行われる。制御ブロツク８は、演算ブロツク５
の適応予測モデルを利用して制御ベクトルｕ(k)を
算出する。
以下、本実施例について更に詳しく説明する。
まず、ｕ(k)、yp(k)等はベクトルとして取り扱
われる。例えば、プロセス出力変数が１個であれ
ばypは一次元ベクトル、ｎ個であればｎ次元ベ
クトルとなる。また、ｕ(k)等のｋは、サンプリン
グ時点を意味する。
任意のサンプリング時点ｋにおいて、本制御シ
ステムは、同定モードおよび制御モードという二
つの動作モードが可能である。どの動作モードを
採用するかは、人間又は自動のオペレータ２によ
つて決定される。すなわち、オペレータ２が通路
１を選択すれば同定モード、通路７を選択すれば
制御モードとなる。以下、両動作モードを第１図
を用いて説明する。
(1) 同定モード このモードにおいて、制御ベクトル（より正
確には増分制御ベクトル）ｕ(k)は、通路１で表
わされるように、オペレータ２から制御される
プロセスを実行する装置１０と、同定ブロツク
４との双方に直接印加される。
同定ブロツク４は、演算ブロツク５に格納さ
れた適応予測モデルを用いて、推定増分プロセ
ス出力ベクトルｄ(k)、すなわちプロセス出力の
推定値を算出する。
この推定増分プロセス出力ベクトルｄ(k)と、
演算ブロツク１３で算出された実増分プロセス
出力ベクトルｙ(k)、すなわちプロセス出力の検
出値との差を表わす誤差ベクトルｅ(k)は、アダ
プテイブ・フイードバツク機構６を通して上述
の適応予測モデルのパラメータを更新するため
に使用される。制御ベクトルｕ(k)は遅延ブロツ
ク１１でｒ＋１サンプリング期間だけ遅延して
演算ブロツク５に入力し、適応予測モデルを利
用して上記推定増分プロセス出力ｄ(k)を算出す
る。
すなわち、同定モードではモデル参照適応シ
ステムの動作によつて、演算ブロツク５の適応
予測モデルのパラメータが同定される。
(2) 制御モード オペレータ２が通路７を選択することで、シ
ステムは制御モードで動作する。このモードに
おいても、適応予測モデルのパラメータは上述
のようにして更新される。
これに加えて、制御される装置１０に印加さ
れるべき制御ベクトルｕ(k)は、制御ブロツク８
において、次のように計算される。
まず、駆動ブロツク９から未来のサンプリン
グ時点（ｋ＋ｒ＋１）におけるプロセスの所望
増分出力ベクトルｄ 1（ｋ＋ｒ＋１）を入力し、
また、現時点の制御ベクトル等から未来時点
（ｋ＋ｒ＋１）における予測増分プロセス出力
ベクトルを算出する。
そして、この予測増分プロセス出力ベクトル
と前記ｄ 1（ｋ＋ｒ＋１）とが等しくなるよう
に、制御ベクトルｕ(k)が計算される。その際、
制御ブロツク８は、演算ブロツク５と同じ更新
された適応予測モデルを用いて計算を行う。
一方、駆動ブロツク９では、オペレータ２に
よつてプロセスの出力の所望セツトポイント
（主目標値）Ｖが設定される。そして、駆動ブ
ロツク９は、後述するように、主目標値Ｖに連
続的に近づく仕方を示すプロセス出力の軌跡
（トラジエクトリ）の形を決定する。
駆動ブロツク９から出力する上記ｄ 1（ｋ＋ｒ
＋１）は、未来の時点（ｋ＋ｒ＋１）における
軌跡（トラジエクトリ）に沿つたプロセス出力
の値である（詳細は、後述の動作(ヘ)への項参
照）。
なお、装置１０によつて実行されるプロセス
の制御を正しく行うために、本システムは常に
プロセスの出力、入力および測定可能な外乱ベ
クトルの増分値を用い、加えて制御ベクトルの
限界をチエツクすることができる。制御モード
中のサンプリング時点ｋ毎にデジタル計算機の
援助を受けて本制御システムが遂行する特定動
作は以下のようになる。
(イ) センサ１２による検出 センサ１２によつてプロセス出力ベクトル
yp(k)を測定する。もし、好都合ならば、プ
ロセスの出力変数をフイルタリングしてyp
(k)を求める。ベクトルypの次元はｎとする。
(ロ) 演算ブロツク１３の増分計算 演算ブロツク１３は、センサ１２からプロ
セス出力yp(k)を入力し、次式によつてその
増分ベクトルｙ(k)を算出する。
ｙ(k)＝yp(k)−yp（ｋ−γ） ……（式１） ここでγは任意に選択された整数である。
すなわち、γだけ過去のプロセス出力yp（ｋ
−γ）との差を計算している。ｙ(k)は、実際
のプロセス出力から算出しているから、以
下、実増分プロセス出力ベクトルという。
(ハ) 演算ブロツク５のプロセス出力の推定適応
予測モデルを格納した演算ブロツク５は、実
増分プロセス出力ベクトルｙ、増分制御ベク
トルｕおよび増分外乱ベクトルｗを入力し、
適応予測モデルを用いて次式により推定増分
プロセス出力ベクトルｄ(k)を計算する。
ｄ（Ｋ）＝h 〓i=1 Ai（ｋ−１）ｙ（ｋ−ｉ−r1）＋f 〓i=1 Bi（ｋ−１）ｕ（ｋ−ｉ−ｒ） ＋g 〓i=1 Ci（ｋ−１）ｗ（ｋ−ｉ−r2） ……（式２） なお、制御ベクトルｕおよび外乱ベクトルｗに
ついては、 ｕ(k-i-r)＝up（ｋ−ｉ−ｒ） −up（ｋ−ｉ−ｒ−γ） ……（式３） ｗ(k-i-r2)＝wp（ｋ−ｉ−r2） −wp（ｋ−ｉ−r2−γ） ……（式４） である。ここで、up（ｋ−ｉ−ｒ）およびwp
（ｋ−ｉ−r2）は各々サンプリング時点（ｋ
−ｉ−ｒ）および（ｋ−ｉ−r2）における制
御ベクトルおよび測定可能な外乱ベクトルで
あり、次元は各々n1およびｍである。式２に
おいて、整数ｈ、ｆおよびｇは適宜選択する
ことができ、同様に整数r1およびr2は出力ベ
クトルおよび外乱ベクトルの利用可能な或は
予測される測定を考慮して適宜選択すること
ができる。
適応予測モデルのマトリクスAi（ｋ−１）、
Bi（ｋ−１）およびCi（ｋ−１）は、適切な
次元を有しており、それらの値は時点ｋに更
新される前の過去の値に一致している。
もし、制御ベクトルの次元が出力ベクトル
の次元よりも大きければ、ほとんどの場合、
独特の制御解を得るために補助条件を加える
か、或は単に若干の制御ベクトル成分を外乱
ベクトル内に含ませるだけでよい。特定の場
合としてn1＝ｎが考えられる。
(ニ) 推定誤差ベクトルｅ(k)の計算 演算ブロツク１３によつて計算された実増
分プロセス出力ベクトルｙ(k)と演算ブロツク
５によつて計算された推定増分プロセス出力
ベクトルｄ(k)との差をとつて、推定誤差ベク
トルを算出し、アダプテイブ・フイードバツ
ク機構６へ出力する。
ｅ(k)＝ｙ(k)−ｄ(k) ……（式５） (ホ) 適応予測モデルのパラメータ更新 アダプテイブ・フイードバツク機構６は、
次のアルゴリズムによつて、適応予測モデル
のパタメータの更新を行う。
適応予測モデルのマトリクスAi(k)、Bi(k)
およびCi(k)のｊ行ｑ列の成分であるパラメー
タをaijq(k)、bijq(k)およびcijq(k)とすると、 aijq(k)＝βaijqαj(k)ej(k)yq （ｋ−ｉ−r1）＋aijq（ｋ−１）……（式６） bijq(k)＝βbijqαj(k)ej(k)uq （ｋ−ｉ−ｒ）＋bijq（ｋ−１）……（式７） cijq(k)＝βcijqαj(k)ej(k)wq （ｋ−ｉ−r2）＋cijq（ｋ−１）……（式８） である。
ここでｅ(k)、yq（ｋ−ｉ−r1）、uq（ｋ−ｉ−
ｒ）およびwq（ｋ−ｉ−r2）は、それぞれベ
クトルｅ(k)、ｙ（ｋ−ｉ−r1）、ｕ（ｋ−ｉ−
ｒ）およびｗ（ｋ−ｉ−r2）の対応成分であ
る。βaijq、βbijqおよびβcijqは適宜調整可能
な係数であり、αj(k)（ｊ＝１、ｎ）は公知の
グラジエント・パラメータ・アイデンテイフ
イケーシヨン技術で許容される広範囲な可能
性の中から容易に選択可能な可変利得であ
る。これらの可変利得は次のようにして特定
的に選択することができる。
aj(k)＝１／〔１＋h 〓i=1 o 〓g=1 βaijqyq（ｋ−ｉ−r1）2＋f 〓i=1 o 〓g=1 βbijquq（ｋ−ｉ−ｒ）2 ＋g 〓i=1 n 〓 〓g=1 βcijqwq（ｋ−ｉ−r2）2〕（ｊ＝１、ｎ）……（式
９） 以上式６〜式９によつて、更新されたパラメ
ータaijq(k)、bijq(k)およびcijq(k)を得ること
ができる。
このようにして、同定モードにおいて適応
予測モデルのパラメータ同定が行われる。
(ヘ) 駆動ブロツク９による所望増分プロセス出
力ベクトルd1（ｋ＋ｒ＋１）の計算。
まず、未来の時点（ｋ＋ｒ＋１）で到達す
べき所望プロセス出力ベクトルdp（ｋ＋ｒ＋
１）を算出する。
ｎ次元の所望プロセス出力ベクトルdp
（ｋ＋ｒ＋１）の計算。
この計算は種々の方法で行うことが可能
である。例えば所望のダイナミクスを有す
るモデル参照を用いるが、或は所望のダイ
ナンクス及び先に測定した或は予測したプ
ロセス出力を考慮した他のデザインを用い
て計算できる。例えば、この最後の型のデ
ザインは次式によつて限定することができ
る。
dp（ｋ＋ｒ＋１）＝t 〓i=1 Fiyp（ｋ＋ｒ＋１−r1−ｉ）＋s 〓i=1 Hiv（ｋ＋１−ｉ） ……（式10） ここにyp（ｋ＋ｒ＋１−r1−ｉ）およびｖ
（ｋ＋１−ｉ）は各々サンプリング時点ｋ
＋ｒ＋１−r1−１及びｋ＋１−ｉにおける
プロセス出力ベクトル及び駆動ブロツク９
への入力ベクトルである。ｖ（ｋ＋１−ｉ）
は次元ｎのベクトルで、オペレータ２によ
つて直接与えられる所望の主目標値に相当
する。
また、マトリクスFiおよびHiは、整数
ｔおよびｓと共に、プロセス出力が目標値
に到達するまでの軌跡（トラジエクトリ）
を考慮して自由に選択することができる。
すなわち、このプロセス出力の軌跡（トラ
ジエクトリ）の形が、特に主目標値に収束
するように、式10のマトリクスFiおよび
Hiの値によつて設定される。
式10によつて、未来の時点ｋ＋ｒ＋１で
到達すべき所望プロセス出力ベクトルdp
（ｋ＋ｒ＋１）が計算されると、所望増分
プロセス出力ベクトルd1（ｋ＋ｒ＋１）は
種々の方法で容易に計算することができ
る。その中で、プロセスの遅れを表わすｒ
と増分計算のために設定されたγとがγ＞
ｒの場合には、次式で計算される。
d1(k+r+1)＝dp(k+r+1) −yp（ｋ＋ｒ＋１−γ） ……（式11） 必要ならばd1（ｋ＋ｒ＋１）の限界チエツ
クを行うことができる。
このように、所望増分プロセス出力d1
（ｋ＋ｒ＋１）は、プロセス出力ypから式
10を用いて駆動ブロツク９によつて計算さ
れる。この所望出力d1（ｋ＋ｒ＋１）は、
時点ｋでのプロセス出力yp(k)から主目標
値（セツトポイント）へ連続的に接近する
仕方の変化を表わす軌跡（トラジエクト
リ）に沿つた未来時点（ｋ＋ｒ＋１）での
プロセス出力の到達すべき出力値である。
(ト) 制御ブロツク８による増分制御ベクトルｕ
(k)の計算。
制御ブロツク８での概略的動作は、まず未
来の時点（ｋ＋ｒ＋１）で予測されるプロセ
ス出力の増分d′1（ｋ＋ｒ＋１）を計算した
後、駆動ブロツク９から入力した所望増分プ
ロセス出力d1（ｋ＋ｒ＋１）と比較し、両者
が等しくなるように増分制御ベクトルｕ(k)を
調整する。以下、詳述する。
予測増分プロセス出力ベクトルd′1（ｋ＋
ｒ＋１）の計算。
制御ブロツク８は、上述した適応予測モ
デルを用いて、次式によりプロセス出力の
増分を予測する。
d′1（ｋ＋ｒ＋１）＝h 〓i=1 Ai(k)ｙ（ｋ＋ｒ＋１−r1−ｉ）＋f 〓i=1 Bi(k)ｕ（ｋ＋１−ｉ） ＋g 〓i=1 Ciw＝（ｋ＋ｒ＋１−r2−ｉ） ……（式12） ここで、マトリクスAi、BiおよびCiは、時
点ｋでの更新された適応予測モデルに対応
し、またｙは演算ブロツク１３により算出さ
れた実増分プロセス出力ベクトル、ｕは増分
制御ベクトル、ｗは増分外乱ベクトルであ
る。
続いて、制御ブロツク８は、駆動ブロツク
９から入力した未来の時点（ｋ＋ｒ＋１）で
軌跡（トラジエクトリ）に沿つて到達すべき
所望増分プロセス出力ベクトルd1（ｋ＋ｒ＋
１）と、算出した予測増分プロセス出力ベク
トルd′1（ｋ＋ｒ＋１）とが未来の時点（ｋ＋
ｒ＋１）において等しくなるように増分制御
ベクトルｕ(k)を次式によつて算出する。
ｉ(k)＝B1 -1d1（ｋ＋ｒ＋１）−B1 -1 h 〓i=2 Bi(k)ｕ（ｋ＋１−ｉ）−B1 -1 h 〓i=1 Ai(k) ｙ（ｋ＋ｒ＋１−r1−ｉ）−B1 -1 g 〓i=1 Ci(k)ｗ（ｋ＋ｒ＋１−r2−ｉ）……（式13） このｕ(k)を計算する際、マトリクスB1(k)を
反転させなければならないことは明白であろ
う。マトリクスB1(k)が特異解となる恐れは、
入力及び出力プロセスベクトルの成分に時間
遅れを加え、そして合成プロセスを制御する
ことによつて実際的にはほとんど常に避ける
ことが可能である。このような手順の実際例
は後述する。
ｕ(k)から制御ベクトルは次のように計算
される。
up(k)＝ｕ(k)＋up（ｋ−γ）
……（式14） (チ) 望むならば制御ベクトルup(k)はプロセス
に印加する前に限界チエツクすることができ
る。
以上、(イ)〜(チ)の動作を説明したが、同定モード
で動作している場合には(イ)〜(ホ)の動作だけを遂行
すればよく、この同定モード動作は実時間或はオ
フ・ラインで、またサンプリング間隔の間にでさ
えも遂行させることが可能である。
また、(ヘ)〜(チ)の動作は、駆動ブロツク９および
制御ブロツク８によつて行われ、本発明の特徴を
示している。すなわち、プロセス出力yp(k)とオ
ペレータ２から入力した主目標値Ｖ(k)とから式10
によつて、プロセス出力の主目標値Ｖ(k)へ到達す
るまでの軌跡（トラジエクトリ）を決定し、この
軌跡に沿つて未来時点（ｋ＋ｒ＋１）で到達すべ
き所望プロセス出力d1を計算する。続いて、適応
予測モデルを用いて未来時点（ｋ＋ｒ＋１）で到
達するであろう予測プロセス出力d′1を算出し、
この予測プロセス出力d′1と前記所望プロセス出
力d1とが等しくなるように制御ベクトルｕ(k)を調
整する。
このような制御ベクトルｕ(k)が各サンプリング
時点ごとに行われるために、当初の軌跡（トラジ
エクトリ）に沿つてプロセス出力を主目標値Ｖへ
到達、特に収束させることができる。更に、目標
値を変更すれば同様にして追随させることができ
る。
また、本実施例における制御モードでは、適応
予測モデルを更新するための(イ)〜(ホ)の動作も行わ
れている。この動作は、プロセスの不測の特性変
動に対応するために重要である。
(イ)〜(ホ)の動作は、サンプリング時点（ｋ＋ｒ＋
１）における実際のプロセス出力と予測されたプ
ロセス出力との差をゼロにするように予測モデル
のパラメータを更新するものである。また、制御
ベクトルｕ(k)は、サンプリング時点（ｋ＋ｒ＋
１）での予測されたプロセス出力を所望プロセス
出力と等しくするように算出されるために、この
予測の正確さは、制御ベクトルｕ(k)の正確な計算
にとつて重要である。上記動作(イ)〜(ホ)は、この予
測を正確なものとし、制御システムの性能を向上
させるものである。
さらに、(イ)〜(ホ)の動作は、大きな予測エラーを
結果するプロセスのパラメータ変動が存在する場
合に特に重要となる。すなわち、(イ)〜(ホ)の動作に
よつて予測モデルのパラメータが更新され、それ
により予測エラーをなくすことができるからであ
る。
なお、本制御システムは、上述したように増分
入力、出力、および外乱ベクトルを使用すること
も可能である。しかし、別の実施方法では増分入
力、出力および外乱ベクトルを便宜選択した若干
の定ベクトルの対して計算することもできる。こ
の算出方法に従えば、式１、３、４、11および14
を次のように変更する必要がある。
ｙ(k)＝yp(k)−ypc （式15） ｕ(k-i-r)＝up(k-i-r)−upc （式16） ｗ(k-i-r2)＝wp(k-i-r2)−wpc （式17） d1(k+r+1)＝dp(k+r+1)−ypc （式18） up(k)＝ｕ(k)＋upc （式19） 同様に、例えばプロセスに関してある知識が得
られたために、若干の適応予測モデルのパラメー
タに特定の値を与えることが好都合であると考え
られる場合には、これらの値を特定のパラメータ
に与え、対応するβ係数を０にセツトすることが
できる。また、適応予測モデルのパラメータ更新
動作を停止して制御を行うことも勿論可能であ
り、そうすることが望ましい場合も考えられる。
適応予測モＤルのパラメータ更新の方法には、
本実施例とは別の方法を採用してもよい。たとえ
ば、同定ブロツク４の出力であるベクトルｄ(k)を
制御対象３の出力ベクトルｙ(k)の推定としてでは
なく、他のいずれかの出力或は先行サンプリング
時点における入力ベクトルの推定として算出し、
その推定誤差によつて適応予測モデルを更新する
方法である。
若干の場合には、本制御システムの応用として
本システムを１組の単一出力、多入力システムに
分解し、各システムに毎サンプリング時点に制御
ベクトルの成分によつて照合される条件を負担さ
せ、対応するｎ個の一次式の組から毎サンプリン
グ時点における制御ベクトルを計算させることが
できる。
最後に、プロセスの静的利得は、その出力、入
力及び外乱ベクトル或は増分ベクトルの成分にス
カラー利得を乗ずることによつて変更することが
できる。また、プロセスのダイナミツクスは同様
にして変更することができる。この場合の制御シ
ステムは、変更されたプロセスの制御を通してプ
ロセスを制御する。
すなわち、静的利得は、プロセスが定常状態の
時、すなわちシステムが安定状態にある時の出
力、入力及び外乱ベクトルの異なる成分間の利得
を意味する。したがつて、これらの成分の一つに
スカラー利得を乗ずることで、対応する静的利得
が変化させる。
実施例 ２元蒸留塔の多変数制御 第２図は、本実施例の具体的応用例の概略的構
成図である。
ここでは、カナダ国アルバータ州エドモントン
のアルバータ大学化学工業化において、本制御シ
ステムにより２元蒸留塔の頂・底部組成（メタノ
ールの重量パーセントによる）の多変数制御を行
つた。
同図に示すように、供給流１１０は第４のアツ
シユトレイから蒸留塔１００内に入り、頂部製品
は凝縮器１２０内において冷却水によつて凝縮さ
れ、容器１３０に落下する。そして、組成記録器
２０によつて頂部組成の測定が行われる。
また、還流流量１６は流れ記録器制御器２２に
よつて調整される。
一方、底部製品１５の組成は、ガス・クロマト
グラフ装置２１によつて測定される。また、塔の
底部の再熱器１８を加熱する蒸気流量１７は、流
れ記録器制御器２３によつて調整される。
この実験の目的は、蒸留塔の頂部および底部か
ら取り出される製品の組成を制御することである
から、この組成がプロセス出力ypの各成分に相
当する。従つて、組成記録器２０およびガス・ク
ロマトグラフ装置２１がypを検出するセンサ１
２に相当する。
また、還流流量１６および蒸気流量１７が制御
変数として用いられ、第１図における制御ベクト
ルの各成分に相当する。
デジタル計算器１９は、頂・底部組成の測定値
であるプロセス出力ypを入力し、既に述べたパ
ラメータ更新、所望又は予測増分プロセス出力ベ
クトル等の算出などの演算を行い、その結果とし
ての操作量を流れ記録器制御器２２および２３へ
出力する。
更に、塔は次の設備も備えている。すなわち、
２つの液面指示器制御器２４、２つの流れ記録器
２５、圧力指示器制御器２６、２つの温度記録器
制御器２７、および流れ記録器制御器２８であ
る。
上記のように制御変数は還流および蒸気の流量
１６および１７であり、サンプリング周期は256
秒である。この長いサンプリング周期のために頂
部組成と還流および水蒸気流量との間の時間遅れ
はない。底部組成を測定するのに要する分析時間
のために、底部組成と蒸気流量との間には１サン
プリング期間の測定時間遅れが存在し、底部組成
と還流流量との間の時間遅れは２サンプリング期
間であつた。プロセスは重大な外乱は作用しなか
つた。
式13におけるB1(k)の特異性の問題を避けるた
めに頂部組成測定に１サンプリング期間の遅れが
加えられる。したがつて、サンプリング時点ｋに
おける頂部組成に関するプロセス出力ベクトルの
成分は時点ｋ−１における頂部組成の測定値であ
り、同様に時点ｋ＋１におけるプロセス出力ベク
トルの前記成分は時点ｋで既に知られている。
このような構成において、サンプリング時点ｋ
ごとに、本制御システムが制御モードで遂行する
動作シーケンスは次の通りである。
１ プロセス出力ベクトルyp(k)を求めるための
頂部および底部組成の測定。
プロセス出力ベクトルyp(k)の成分は、時点
ｋ−１にすでに測定された頂部組成yp1(k)およ
び時点ｋに測定された底部組成yp2(k)である。
２ プロセスの遅れを表わす数ｒは、この場合１
に等しく、増分を求めるための整数γは２に等
しく選ばれている。したがつて、演算ブロツク
１３によつて計算される実増分プロセス出力ベ
クトルｙ(k)は、式１より、 ｙ(k)＝yp(k)−yp（ｋ−２） ……（式20） となる。
３ 式２における適応予測モデルにおける整数
ｈ、ｆおよびr1はそれぞれ３、４、および０に
等しく選ばれ、外乱は考慮されなかつた。した
がつて、推定増分プロセス出力ベクトルｄ(k)
は、 d1(k) d2(k)＝ΣAi（ｋ−１）y1（ｋ−ｉ） y2（ｋ−ｉ）＋Σi（ｋ−１）u1（ｋ−ｉ−１） u2（ｋ−ｉ−１） ……（式21） で計算される。
ただし、d1およびy1は頂部組成に関する成分で
あり、d2およびy2は底部組成に関する成分であ
る。u1およびu2はそれぞれ増分還流および蒸気流
量である。増分制御ベクトルｕ（ｋ−ｉ−１）は、 ｕ（ｋ−ｉ−１）＝up（ｋ−ｉ−１） −up（ｋ−ｉ−３） ……（式22） よつて求められる。ここにup（ｋ−ｉ−１）は
時刻ｋ−ｉ−１に印加される制御ベクトクであ
る。
また、マトリクスAi（ｋ−１）（ｉ＝１、３）
およびBi（ｋ−１）（ｉ＝１、４）は、次によ
うに選ばれた。
A1（ｋ−１）＝a111（ｋ−１） ０ ０ ０； A2（ｋ−１）＝a211（ｋ−１） ０ ０ a222（ｋ−１）； A3（ｋ−１）＝０ ０ ０ a322（ｋ−１）； B1（ｋ−１）＝ b111（ｋ−１） ０ b112（ｋ−１） b122（ｋ−１）； B2（ｋ−１）＝ b211（ｋ−１） b212（ｋ−１） b221（ｋ−１） b222（ｋ−１）； B3（ｋ−１） ＝０ b321（ｋ−１） ０ b322（ｋ−１）； B4（ｋ−１）＝０ b421（ｋ−１） ０ ０ ４ 続いて、式５に示すように、増分推定誤差ベ
クトルｅ(k)を計算する。
５ 増分推定誤差ベクトルｅ(k)に基き、式６、７
および９に従て、マトリクスAi(k)およびBi(k)
のパラメータの時点ｋにおける更新値を計算す
る。その際、外乱は考慮されず、また頂部およ
び底部列における非０パラメータに対応する係
数βの値は、各々１および0.1に設定され、残
りの０パラメータに対応する係数βに設定され
る。
６ 時点ｋ＋２における所望プロセス出力ベクト
ルdp（ｋ＋２）の成分dp1（ｋ＋２）およびdp2
（ｋ＋２）はそれぞれ次のスカラー式によつて
駆動ブロツク９で計算される。これらは式10の
特定のケースである。
dp1（ｋ＋２）＝2 〓i=1 f1iy1（ｋ＋２−ｉ）＋3 〓i=1 h1iv1（ｋ＋１−ｉ） ……（式23） dp2（ｋ＋２）＝2 〓i=1 f2iy2（ｋ＋１−ｉ）＋3 〓i=1 h2iv2（ｋ＋１−ｉ） ……（式24） 但し、v1（ｋ＋１−ｉ）およびv2（ｋ＋１−
ｉ）はそれぞれ時点（ｋ＋１−ｉ）における駆
動ブロツク９の入力ベクトルｖ（ｋ＋１−ｉ）
の頂部および底部組成に関連する成分である。
式23および24のパラメータはそれぞれ0.0056
ラジアン／秒の自然周波数のサンプリング時間
遅れを与えない場合と与えた場合の２次モデル
のパラメータと等しくなるように選ばれ、ダン
ピング比および静的利得は１に等しくしてあ
る。静的利得の値を１にすると、成分v1（ｋ＋
１−ｉ）およびv2（ｋ＋１−ｉ）はそれぞれ時
点ｋ（ｋ＋１−ｉ）における頂部および底部組
成に対する設定点の値を物理的に意味するよう
になる。
式23において値y1（ｋ＋１）は、 y1（ｋ＋１）＝yp1（ｋ＋１） −yp1（ｋ−１） ……（式25） によつて予め計算されており、yp1（ｋ＋１）は
時点ｋにおいて測定された頂部組成の値である
ことに注意されたい。
dp（ｋ＋２）から、所望の増分プロセス出力
ベクトルd1（ｋ＋２）は、 d1(k+2)＝dp(k+2)−yp(k) ……（式26） によつて求められる。
所望増分プロセス出力ベクトルd1（ｋ＋２）
は、駆動ブロツク９で計算され、制御ブロツク
８へ出力される。
d1（ｋ＋２）の頂部および底部組成に関連す
る成分d11（ｋ＋２）およびd12（ｋ＋２）は絶対
値をそれぞれ0.3および0.6％に制限されてい
た。
７ 制御ブロツク８によつて増分制御ベクトルｕ
(k)の計算が次式により行われる。これも式13の
特定の場合である。
ｕ(k)＝B1 -1d1（ｋ＋２）−B1 -1 4 〓i=2 Bi(k)ｕ（ｋ＋１−ｉ） −B1 -1 3 〓i=1 Ai(k)ｙ（ｋ＋２−ｉ） ……（式27） up(k)＝ｕ(k)＋up（ｋ−２） ……（式28） ８ up(k)の絶対値および増分値は、プロセスに
印加する前に限界チエツクを行つた。
第３図は、蒸留塔の本制御システムの実験結果
を示すグラフである。
ここでは、蒸留塔の制御実験の制御操作の始め
から６時間24分後までの結果を示している。
同図のＡ、Ｂ、ＣおよびＤにおいて、縦軸はそ
れぞれ頂部組成（％）、底部組成（％）、還流流量
（ｇ／ｓ）および蒸気流量（ｇ／ｓ）を表わし、
横軸はサンプリング時点による時間を表わしてい
る。
適応予測モデルのパラメータの初期値は有利的
に選択され、制御システムは制御操作を開始する
前の２サンプリング期間を同定モードで作動させ
た。
制御操作が開始すると、制御システムは、頂部
組成が96.5％ないし96％、底部組成が１％ないし
３％になるようにプロセス制御を行つた。その
後、時点２９において、頂部組成が３％に保たれ
たまま頂部組成は97％に駆動され、時点５５には
底部組成が３％から５％に駆動されたが頂部組成
は97％に保たれた。
本制御システムが見事に解決した２元蒸留塔の
多変数制御問題は、長期間にわたつて且つしばし
ば、相互に作用し合う多変数化学システムにおけ
る難事の好例であつたことに注目されたい。
［発明の効果］ 以上詳細に説明したように、本発明は、未来の
サンプリング時点においてモデルにより予測され
た予測プロセス出力ベクトルを同じく未来のサン
プリング時点で到達すべき所望プロセス出力ベク
トルに等しくさせるように、プロセス実行装置へ
印加する制御ベクトルをサンプリング時点ｋごと
に生成することを特徴とする。これによつて所望
の主目標値に到達するまでの過程をも精度良く安
定して制御することが可能となる。
【図面の簡単な説明】
第１図は、本発明による制御方法の一実施例の
概略的構成図である。第２図は、本実施例の具体
的応用例の概略的構成図である。第３図は蒸留塔
の本制御システムの実験結果を示すグラフであ
る。 １……同定モード通路、２……オペレータ、３
……制御対象部、４……同定ブロツク、５……演
算ブロツク、６……アダプテイブ・フイードバツ
ク機構、７……制御モード通路、８……制御ブロ
ツク、９……駆動ブロツク、１０……プロセス実
行装置、１１……遅延ブロツク、１２……セン
サ、１３……演算ブロツク、１００……蒸留塔、
１１０……供給流、１２０……凝縮器、１３０…
…容器、１４……頂部製品、１５……底部製品、
１６……還流流量、１７……蒸気流量、１８……
再熱器、１９……デジタル計算機、２０……組成
記録器、２１……ガスクロマトグラフ装置、２
２，２３……流れ記録器制御器、２４……液面指
示器制御器、２５……流れ記録器、２６……圧力
指示器制御器、２７……温度記録器制御器、２８
……流れ記録器制御器。

Claims (1)

  1. 【特許請求の範囲】 １ 少なくとも一つの入力変数および少なくとも
    一つの出力変数を有し該入力変数の少なくとも一
    つがプロセス入力ベクトルを定めるプロセスを実
    行する装置に、複数のサンプリング時点ｋの各々
    の間で生成する制御ベクトルを印加し、該制御ベ
    クトルの値に従つて前記装置が前記プロセス入力
    ベクトルを変化させる制御方法において、 (A) 未来のサンプリング時点ｋ＋ｒ＋１（ｒは前
    記プロセスの遅れに応じた数）で、前記プロセ
    ス出力変数の少なくとも一つから成るプロセス
    出力ベクトルのダイナミツク値を、前記制御ベ
    クトルの関数として予測し得るモデルを格納
    し、 (B) 所望の目標を考慮して、前記未来のサンプリ
    ング時点ｋ＋ｒ＋１における前記プロセス出力
    ベクトルの所望される値を表す所望ダイナミツ
    クプロセス出力ベクトルを前記サンプリング時
    点ｋごとに生成し、 (C) 前記未来のサンプリング時点ｋ＋ｒ＋１にお
    いて前記ダイナミツクプロセス出力ベクトルを
    前記所望ダイナミツクプロセス出力ベクトルに
    等しくさせるように、前記モデルによつて予測
    される前記制御ベクトルを前記サンプリング時
    点ｋごとに生成する、 ことを特徴とする制御方法。 ２ 上記所望ダイナミツクプロセス出力ベクトル
    は前記プロセスにとつての所望変化を考慮し、所
    望目標ベクトルと上記ダイナミツクプロセス出力
    ベクトルとの双方の関数として生成されることを
    特徴とする特許請求の範囲第１項記載の制御方
    法。 ３ 上記所望ダイナミツクプロセス出力ベクトル
    を生成するステツプは、上記所望ダイナミツクプ
    ロセス出力ベクトルと上記ダイナミツクプロセス
    出力ベクトルとの増分差を示す増分所望ダイナミ
    ツク出力ベクトルを生成するステツプを含むこと
    を特徴とする特許請求の範囲第２項記載の制御方
    法。 ４ 上記制御ベクトルは、上記プロセスの入力ベ
    クトルにおける増分変化を示し上記モデルによつ
    て予測される増分制御ベクトルであり、未来のサ
    ンプリング時点ｋ＋ｒ＋１において上記ダイナミ
    ツク出力ベクトルを上記所望ダイナミツク出力ベ
    クトルと等しくさせることを特徴とする特許請求
    の範囲第１項記載の制御方法。 ５ 上記制御ベクトルは、上記プロセスの入力ベ
    クトルにおける増分変化を示し上記モデルによつ
    て予測される増分制御ベクトルであり、未来のサ
    ンプリング時点ｋ＋ｒ＋１において上記ダイナミ
    ツク出力ベクトルを上記所望ダイナミツク出力ベ
    クトルと等しくさせることを特徴とする特許請求
    の範囲第３項記載の制御方法。 ６ サンプリング時点ｋ＋ｒ＋１における実ダイ
    ナミツクプロセス出力ベクトルと、上記モデルに
    よつて予測されたサンプリング時点ｋ＋ｒ＋１で
    のダイナミツクプロセス出力ベクトルとの差がゼ
    ロに向けて減少するように、前記モデルのパラメ
    ータを周期的に更新するステツプを更に含むこと
    を特徴とする特許請求の範囲第１項記載の制御方
    法。 ７ 上記パラメータを更新するステツプは、次の
    ステツプ(A)、(B)および(C)から成ることを特徴とす
    る特許請求の範囲第６項記載の制御方法。 (A) 前のサンプリング時点ｋ−ｒ−１における上
    記制御ベクトルの生成の結果としてサンプリン
    グ時点ｋにおいて生じたはずであり、第１の定
    められた前のサンプリング時点の間に更新され
    た上記モデルによつて推定されるダイナミツク
    プロセス出力ベクトルを示す推定プロセス出力
    ベクトルを周期的に生成し、 (B) 上記サンプリング時点ｋにおける前記推定プ
    ロセス出力ベクトルと、前記サンプリング時点
    ｋにおける前記ダイナミツクプロセス出力ベク
    トルとの差を示す推定誤差ベクトルを周期的に
    生成し、 (C) 前記推定誤差ベクトルの関数として前記モデ
    ルのパラメータを周期的に修正する。 ８ サンプリング時点ｋにおける実ダイナミツク
    プロセス出力ベクトルと、第二の前のサンプリン
    グ時点における実ダイナミツクプロセス出力ベク
    トルとの差を示す増分プロセス出力ベクトルを生
    成するステツプを更に含むことを特徴とする特許
    請求の範囲第７項記載の制御方法。 ９ 上記推定プロセス出力ベクトルは、増分ダイ
    ナミツクプロセス出力ベクトルの、上記第一の前
    のサンプリング時点で更新された上記モデルによ
    つて推定された値であることを特徴とする特許請
    求の範囲第８項記載の制御方法。 １０ 推定誤差ベクトルの生成ステツプは、上記
    増分プロセス出力ベクトルと上記推定プロセス出
    力ベクトルとの差を決定するステツプからなるこ
    とを特徴とする特許請求の範囲第９項記載の制御
    方法。 １１ 前記装置が前記制御ベクトルに従つて前記
    プロセス入力ベクトルを変化させるという仕方で
    前記装置へ該制御ベクトルを印加するステツプを
    更に含むことを特徴とする特許請求の範囲第１項
    記載の制御方法。 １２ 少なくとも１つの入力変数と少なくとも１
    つの出力変数とを有するプロセスを制御する制御
    装置において、 主目標値ベクトルｖ(k)と瞬時的プロセス出力ベ
    クトルyp(k)とに反応し、サンプリング時点ｋと
    ｋ＋ｒ＋１との間での前記プロセスの出力ベクト
    ルの所望増分変化に対応する所望増分プロセス出
    力ベクトルd1（ｋ＋ｒ＋１）を複数のサンプリン
    グ時点ｋの各々で生成する駆動ブロツクと、 前記所望増分プロセス出力ベクトルd1（ｋ＋ｒ
    ＋１）に反応し、適応予測モデルに従つてプロセ
    ス出力ベクトルを予測しサンプリング時点ｋ＋ｒ
    ＋１で前記予測されたプロセス出力ベクトルを前
    記所望プロセス出力ベクトルと等しくさせるよう
    にサンプリング時点ｋで前記プロセスに印加する
    増分制御ベクトルｕ(k)をサンプリング時点ｋごと
    に生成する制御ブロツクと、 前記増分制御ベクトルｕ(k)および増分プロセス
    出力ベクトルｙ(k)に反応し、サンプリング時点ｋ
    より前の時点で更新された適応予測モデルに従つ
    て予測されサンプリング時点ｋ−ｒ−１で生成さ
    れた増分制御ベクトルｕ（ｋ−ｒ−１）によつて
    サンプリング時点ｋで生ずるべき増分プロセス出
    力を表す推定増分プロセス出力ベクトルｄ(k)をサ
    ンプリング時点ｋごとに生成する同定ブロツク
    と、 前記推定増分プロセス出力ベクトルｄ(k)と前記
    増分プロセス出力ベクトルｙ(k)との間の差を表す
    推定誤差ベクトルｅ(k)をサンプリング時点ｋごと
    に生成する手段と、 前記推定誤差ベクトルｅ(k)に反応し、前記推定
    誤差ベクトルｅ(k)をゼロへ向けて縮小させるよう
    に前記適応予測モデルのパラメータをサンプリン
    グ時点ｋごとに修正する適応機構と、 を設けたことを特徴とする制御装置。
JP9253777A 1976-08-04 1977-08-03 Control system improvement in Granted JPS5320081A (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
GB32395/76A GB1583545A (en) 1976-08-04 1976-08-04 Control systems

Publications (2)

Publication Number Publication Date
JPS5320081A JPS5320081A (en) 1978-02-23
JPH0363081B2 true JPH0363081B2 (ja) 1991-09-30

Family

ID=10337959

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9253777A Granted JPS5320081A (en) 1976-08-04 1977-08-03 Control system improvement in

Country Status (16)

Country Link
US (2) US4197576A (ja)
JP (1) JPS5320081A (ja)
AT (1) AT370891B (ja)
AU (1) AU513844B2 (ja)
BR (1) BR7704892A (ja)
DD (1) DD131417A5 (ja)
DE (1) DE2735012A1 (ja)
DK (1) DK313777A (ja)
ES (1) ES460649A1 (ja)
FR (1) FR2360928A1 (ja)
GB (1) GB1583545A (ja)
IL (1) IL52554A (ja)
IT (1) IT1143746B (ja)
MX (1) MX150861A (ja)
NL (1) NL7708657A (ja)
SE (1) SE445268B (ja)

Families Citing this family (131)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4277832A (en) * 1979-10-01 1981-07-07 General Electric Company Fluid flow control system
AU542025B2 (en) * 1980-04-07 1985-01-31 Juan Martin Sanchez Adaptive-predictive control system
EP0037579B1 (en) * 1980-04-07 1986-08-20 Juan Martin Sanchez Adaptive-predictive control method and adaptive-predictive control system
JPS5716719A (en) * 1980-07-04 1982-01-28 Hitachi Ltd Method and equipment for controlling steam temperature in thermal power plant
US4407013A (en) * 1980-10-20 1983-09-27 Leeds & Northrup Company Self tuning of P-I-D controller by conversion of discrete time model identification parameters
FR2512985A1 (fr) * 1981-09-11 1983-03-18 Telemecanique Electrique Procede d'identification du modele d'une enceinte thermique et application a la regulation d'une enceinte thermique
US4512747A (en) * 1982-01-13 1985-04-23 Hitchens Max W Material conveying system simulation and monitoring apparatus
EP0099114B1 (en) * 1982-07-13 1988-05-11 Nec Corporation Logic simulator operable on level basis and on logic block basis on each level
US4506321A (en) * 1982-09-08 1985-03-19 Imec Corporation Motion control system with adaptive deceleration
DE3305766A1 (de) * 1983-02-19 1984-08-23 Manfred 6401 Kalbach Pitsch Verfahren zum minimieren der energiekosten sowie hoechstlastwaechter zu seiner durchfuehrung
US4578747A (en) * 1983-10-14 1986-03-25 Ford Motor Company Selective parametric self-calibrating control system
DE3408523A1 (de) * 1984-03-08 1985-09-12 Siemens AG, 1000 Berlin und 8000 München Verfahren zur ueberwachung der durch die steuerung der antriebe einer rechnergesteuerten werkzeugmaschine oder eines industrieroboters erzeugten bahn
US4679174A (en) * 1984-04-26 1987-07-07 Western Geophysical Company Of America Method for seismic lithologic modeling
DE3429718A1 (de) * 1984-08-13 1986-02-20 H. Dipl.-Ing. 3400 Göttingen Lobenhoffer Verfahren zur herstellung von werkstoffkoerpern
NO166821C (no) * 1985-02-21 1991-09-04 Aardal & Sunndal Verk As Fremgangsmaate for styring av aluminiumoksyd-tilfoerselen til elektrolyseovner for fremstilling av aluminium.
US4617637A (en) * 1985-07-09 1986-10-14 Lifecare Services, Inc. Servo control system for a reciprocating piston respirator
US4663703A (en) * 1985-10-02 1987-05-05 Westinghouse Electric Corp. Predictive model reference adaptive controller
US4852053A (en) * 1985-10-18 1989-07-25 Exxon Chemical Patents Inc. Material and energy balance reconciliation
JPH0743608B2 (ja) * 1985-11-19 1995-05-15 株式会社安川電機 未来目標値と過去の操作量の情報を用いるディジタル制御装置
JPS62118406A (ja) * 1985-11-19 1987-05-29 Yaskawa Electric Mfg Co Ltd 未来目標値と過去の操作量及び試行時の偏差の情報を用いる制御方式
US4679103A (en) * 1986-04-29 1987-07-07 International Business Machines Corporation Digital servo control system for a data recording disk file
US4736316A (en) * 1986-08-06 1988-04-05 Chevron Research Company Minimum time, optimizing and stabilizing multivariable control method and system using a constraint associated control code
US4866644A (en) * 1986-08-29 1989-09-12 Shenk John S Optical instrument calibration system
US4769766A (en) * 1986-09-11 1988-09-06 Tung Hsien Hsin Robust model reference controller
JPS6370875A (ja) * 1986-09-12 1988-03-31 Sharp Corp トナ−補給時のトナ−濃度基準レベル設定方法
DE3866826D1 (de) * 1987-03-09 1992-01-23 Siemens Ag Digitales integriermodul fuer abtastregeleinrichtungen.
US5406488A (en) * 1987-05-06 1995-04-11 The Secretary Of State For Defence In Her Britannic Majesty's Government Of The United Kingdom Of Great Britain And Northern Ireland Correction of errors in autopilots
EP0333870B1 (en) * 1987-09-11 1994-11-30 Kabushiki Kaisha Yaskawa Denki Seisakusho Control system that best follows periodical setpoint value
JP2726089B2 (ja) * 1988-03-29 1998-03-11 ケー‐トロン インターナシヨナル インコーポレイテツド 供給される材料の供給重量の制御方法及び装置
US4912624A (en) * 1988-03-30 1990-03-27 Syracuse University Multi-parameter optimization circuit
US4954975A (en) * 1988-08-10 1990-09-04 K-Tron International, Inc. Weigh feeding system with self-tuning stochastic control and weight and actuator measurements
DE69026122T2 (de) * 1989-01-25 1996-08-29 Canon Kk Selbstanpassende Vorrichtung
DE3921158A1 (de) * 1989-06-28 1991-01-10 Pintsch Bamag Ag Antriebsvorrichtung fuer eine selbsttaetig oeffnende und schliessende tuer, insbesondere eine gelenktuer
IL94626A (en) * 1989-07-06 1994-05-30 Cabot Corp Carbon black process control system
US5126933A (en) * 1990-02-07 1992-06-30 White Iii Charles A Self-learning memory unit for process controller and self-updating function generator
US5159660A (en) * 1990-08-09 1992-10-27 Western Thunder Universal process control using artificial neural networks
US5260874A (en) * 1990-09-05 1993-11-09 The Boeing Company Aircraft flight emulation test system
US5347446A (en) * 1991-02-08 1994-09-13 Kabushiki Kaisha Toshiba Model predictive control apparatus
US5260865A (en) * 1991-04-01 1993-11-09 Beauford Martin H Nonlinear model based distillation control
US5139548A (en) * 1991-07-31 1992-08-18 Air Products And Chemicals, Inc. Gas liquefaction process control system
US5335164A (en) * 1991-07-31 1994-08-02 Universal Dynamics Limited Method and apparatus for adaptive control
US5687077A (en) * 1991-07-31 1997-11-11 Universal Dynamics Limited Method and apparatus for adaptive control
US5301102A (en) * 1991-10-07 1994-04-05 Westvaco Corporation Multivariable control of a Kamyr digester
US5343407A (en) * 1991-11-01 1994-08-30 Phillips Petroleum Company Nonlinear model based distillation control
US5774381A (en) * 1992-03-04 1998-06-30 Meier; Paul F. Modeling and simulation of catalytic cracking
JP3158439B2 (ja) * 1992-03-31 2001-04-23 株式会社安川電機 予見制御装置
JP2957802B2 (ja) * 1992-05-19 1999-10-06 株式会社日立製作所 クロマトグラフ装置
US5402333A (en) * 1992-06-15 1995-03-28 E. I. Du Pont De Nemours & Co., Inc. System and method for improving model product property estimates
US5329443A (en) * 1992-06-16 1994-07-12 Praxair Technology, Inc. Two-phase method for real time process control
US5353237A (en) * 1992-06-25 1994-10-04 Oryx Energy Company System for increasing efficiency of chemical treatment
US5379210A (en) * 1992-07-24 1995-01-03 M&M Software Products, Inc. Natural tracking controller
US5740033A (en) * 1992-10-13 1998-04-14 The Dow Chemical Company Model predictive controller
JP2750648B2 (ja) * 1992-11-16 1998-05-13 本田技研工業株式会社 漸化式形式のパラメータ調整則を持つ適応制御器
JP3196390B2 (ja) * 1992-12-25 2001-08-06 富士電機株式会社 パラメータ同定器
US5424942A (en) * 1993-08-10 1995-06-13 Orbital Research Inc. Extended horizon adaptive block predictive controller with an efficient prediction system
JP3161921B2 (ja) * 1994-10-27 2001-04-25 ファナック株式会社 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法
US5659667A (en) * 1995-01-17 1997-08-19 The Regents Of The University Of California Office Of Technology Transfer Adaptive model predictive process control using neural networks
US5682309A (en) * 1995-04-28 1997-10-28 Exxon Chemical Patents Inc. Feedback method for controlling non-linear processes
US6092919A (en) * 1995-08-01 2000-07-25 Guided Systems Technologies, Inc. System and method for adaptive control of uncertain nonlinear processes
DE19548909A1 (de) * 1995-12-27 1997-07-03 Siemens Ag Verfahren zur Regelung eines verzögerungsbehafteten Prozesses mit Ausgleich sowie Regeleinrichtung zur Durchführung des Verfahrens
JP3956057B2 (ja) 1996-01-31 2007-08-08 エイエスエム アメリカ インコーポレイテッド 熱処理のモデル規範型予測制御
US5796606A (en) * 1996-02-07 1998-08-18 Noranda Inc. Process information and maintenance system for distributed control systems
US5841652A (en) * 1996-04-03 1998-11-24 Scap Europa, S.A. Adaptive-predictive control and optimization system
US7149590B2 (en) 1996-05-06 2006-12-12 Pavilion Technologies, Inc. Kiln control and upset recovery using a model predictive control in series with forward chaining
US8311673B2 (en) * 1996-05-06 2012-11-13 Rockwell Automation Technologies, Inc. Method and apparatus for minimizing error in dynamic and steady-state processes for prediction, control, and optimization
US7418301B2 (en) * 1996-05-06 2008-08-26 Pavilion Technologies, Inc. Method and apparatus for approximating gains in dynamic and steady-state processes for prediction, control, and optimization
US6493596B1 (en) * 1996-05-06 2002-12-10 Pavilion Technologies, Inc. Method and apparatus for controlling a non-linear mill
US7610108B2 (en) * 1996-05-06 2009-10-27 Rockwell Automation Technologies, Inc. Method and apparatus for attenuating error in dynamic and steady-state processes for prediction, control, and optimization
US7058617B1 (en) * 1996-05-06 2006-06-06 Pavilion Technologies, Inc. Method and apparatus for training a system model with gain constraints
US6438430B1 (en) * 1996-05-06 2002-08-20 Pavilion Technologies, Inc. Kiln thermal and combustion control
US5933345A (en) 1996-05-06 1999-08-03 Pavilion Technologies, Inc. Method and apparatus for dynamic and steady state modeling over a desired path between two end points
US5850339A (en) * 1996-10-31 1998-12-15 Giles; Philip M. Analysis of data in cause and effect relationships
DE19722431A1 (de) * 1997-05-28 1998-12-03 Siemens Ag Verfahren zur Regelung eines verzögerungsbehafteten Prozesses mit Ausgleich sowie Regeleinrichtung zur Durchführung des Verfahrens
US6185470B1 (en) 1997-11-07 2001-02-06 Mcdonnell Douglas Corporation Neural network predictive control method and system
US7784360B2 (en) 1999-11-22 2010-08-31 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US6311136B1 (en) * 1997-11-26 2001-10-30 Invensys Systems, Inc. Digital flowmeter
US8467986B2 (en) * 1997-11-26 2013-06-18 Invensys Systems, Inc. Drive techniques for a digital flowmeter
US20030216874A1 (en) * 2002-03-29 2003-11-20 Henry Manus P. Drive techniques for a digital flowmeter
US8447534B2 (en) 1997-11-26 2013-05-21 Invensys Systems, Inc. Digital flowmeter
US7124646B2 (en) * 1997-11-26 2006-10-24 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US7404336B2 (en) 2000-03-23 2008-07-29 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US6112137A (en) * 1998-02-04 2000-08-29 Gas Research Institute Adaptive system for predictive control of district pressure regulators
US7043409B1 (en) 1998-12-03 2006-05-09 Siemens Aktiengesellschaft Method and device for designing a technical system
US6298454B1 (en) 1999-02-22 2001-10-02 Fisher-Rosemount Systems, Inc. Diagnostics in a process control system
US6442445B1 (en) 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
US6662058B1 (en) 1999-06-28 2003-12-09 Sanchez Juan Martin Adaptive predictive expert control system
US6611735B1 (en) * 1999-11-17 2003-08-26 Ethyl Corporation Method of predicting and optimizing production
DE01918944T1 (de) * 2000-03-23 2004-10-21 Invensys Systems, Inc., Foxboro Korrektur für eine zweiphasenströmung in einem digitalen durchflussmesser
US6343656B1 (en) 2000-03-23 2002-02-05 Intevep, S.A. System and method for optimizing production from a rod-pumping system
US6721609B1 (en) 2000-06-14 2004-04-13 Fisher-Rosemount Systems, Inc. Integrated optimal model predictive control in a process control system
US6636842B1 (en) 2000-07-15 2003-10-21 Intevep, S.A. System and method for controlling an industrial process utilizing process trajectories
JP3666578B2 (ja) * 2000-08-18 2005-06-29 株式会社安川電機 予測制御装置
FR2817547B1 (fr) * 2000-12-01 2003-08-22 Total Raffinage Distribution Procede et dispositif pour le traitement en continu d'eaux usees d'origine industrielle par strippage a la vapeur d'eau
FI115081B (fi) * 2001-10-19 2005-02-28 Metso Automation Oy Menetelmä ja laitteisto paperikoneen massaosaston toiminnan ohjaamiseksi
US6901300B2 (en) 2002-02-07 2005-05-31 Fisher-Rosemount Systems, Inc.. Adaptation of advanced process control blocks in response to variable process delay
US6728620B2 (en) 2002-02-08 2004-04-27 Visteon Global Technologies, Inc. Predictive control algorithm for an anti-lock braking system for an automotive vehicle
US6818864B2 (en) * 2002-08-09 2004-11-16 Asm America, Inc. LED heat lamp arrays for CVD heating
US7059199B2 (en) * 2003-02-10 2006-06-13 Invensys Systems, Inc. Multiphase Coriolis flowmeter
US7188534B2 (en) 2003-02-10 2007-03-13 Invensys Systems, Inc. Multi-phase coriolis flowmeter
US7242989B2 (en) * 2003-05-30 2007-07-10 Fisher-Rosemount Systems, Inc. Apparatus and method for batch property estimation
US7065455B2 (en) * 2003-08-13 2006-06-20 Invensys Systems, Inc. Correcting frequency in flowtube measurements
US7317953B2 (en) * 2003-12-03 2008-01-08 Fisher-Rosemount Systems, Inc. Adaptive multivariable process controller using model switching and attribute interpolation
JP4483314B2 (ja) * 2004-01-28 2010-06-16 株式会社安川電機 サーボ制御装置
TWI231481B (en) * 2004-03-11 2005-04-21 Quanta Comp Inc Electronic apparatus
GB0412672D0 (en) * 2004-06-07 2004-07-07 Bp Chem Int Ltd Method
US7356371B2 (en) * 2005-02-11 2008-04-08 Alstom Technology Ltd Adaptive sensor model
US7904182B2 (en) 2005-06-08 2011-03-08 Brooks Automation, Inc. Scalable motion control system
US7451004B2 (en) 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
CN104834294A (zh) * 2005-12-05 2015-08-12 费舍-柔斯芒特系统股份有限公司 利用并行过程仿真的多目标预测过程优化
US7617055B2 (en) 2006-08-28 2009-11-10 Invensys Systems, Inc. Wet gas measurement
US7496414B2 (en) 2006-09-13 2009-02-24 Rockwell Automation Technologies, Inc. Dynamic controller utilizing a hybrid model
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
US8295951B2 (en) * 2007-12-21 2012-10-23 The University Of Florida Research Foundation, Inc. Systems and methods for offset-free model predictive control
US7855681B2 (en) * 2008-11-19 2010-12-21 Harris Corporation Systems and methods for determining element phase center locations for an array of antenna elements
US20100125347A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Model-based system calibration for control systems
US20100124263A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Systems for determining a reference signal at any location along a transmission media
US7970365B2 (en) * 2008-11-19 2011-06-28 Harris Corporation Systems and methods for compensating for transmission phasing errors in a communications system using a receive signal
US8170088B2 (en) * 2008-11-19 2012-05-01 Harris Corporation Methods for determining a reference signal at any location along a transmission media
US20100123618A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Closed loop phase control between distant points
US7969358B2 (en) * 2008-11-19 2011-06-28 Harris Corporation Compensation of beamforming errors in a communications system having widely spaced antenna elements
CA2698401A1 (en) * 2009-04-14 2010-10-14 Wilsun Xu Operation and construction of electric power systems using facility models
ES2382631B1 (es) 2009-09-03 2013-05-03 Gamesa Innovation & Technology, S.L. Metodos y sistemas de control de aerogeneradores
WO2011132475A1 (ja) * 2010-04-19 2011-10-27 日本電気株式会社 処理手順管理装置、処理手順管理方法、処理手順管理システム、および処理手順管理プログラム
ES2395659B1 (es) 2011-06-30 2013-05-23 Universidad Nacional De Educación A Distancia Método y sistema de guiado mediante control por derivada.
US9389853B2 (en) * 2012-10-05 2016-07-12 Advanced Micro Devices, Inc. Adaptive control of processor performance
CN104267605B (zh) * 2014-10-25 2016-10-05 哈尔滨工业大学 适用于相对阶为1控制系统的平滑非奇异终端滑模控制方法
US10370599B2 (en) 2017-01-06 2019-08-06 Saudi Arabian Oil Company Methods and systems for optimizing demulsifier and wash water injection rates in gas oil separation plants
ES2848475B2 (es) 2020-02-06 2022-01-25 Adaptive Predictive Expert Control Adex Sa Procedimiento para generar un vector de control y sistema ADEX que lo aplica
PL3974918T3 (pl) * 2020-09-24 2024-05-06 Atlas Copco Airpower, Naamloze Vennootschap Sposób sterowania kompresorownią i służące do tego urządzenie
US12175380B2 (en) 2020-12-15 2024-12-24 Saudi Arabian Oil Company Gas-oil separation plant virtual water cut predictor based on supervised learning framework on time series data
CN115097884B (zh) * 2022-05-26 2022-12-30 福建省龙氟新材料有限公司 用于电子级氢氟酸制备的能源管理控制系统及其控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3601588A (en) * 1966-05-23 1971-08-24 Foxboro Co Method and apparatus for adaptive control
US3767900A (en) * 1971-06-23 1973-10-23 Cons Paper Inc Adaptive controller having optimal filtering
FR2144560B1 (ja) * 1971-07-05 1974-03-29 Alsthom Cgee
FR2201499B1 (ja) * 1972-09-29 1975-03-14 Alsthom Cgee
CH569321A5 (ja) * 1973-10-03 1975-11-14 Siemens Ag

Also Published As

Publication number Publication date
IL52554A (en) 1981-05-20
JPS5320081A (en) 1978-02-23
DE2735012C2 (ja) 1990-07-19
FR2360928B1 (ja) 1983-03-18
DK313777A (da) 1978-02-05
US4197576A (en) 1980-04-08
US4358822A (en) 1982-11-09
AT370891B (de) 1983-05-10
GB1583545A (en) 1981-01-28
ATA571377A (de) 1982-09-15
ES460649A1 (es) 1978-05-16
IT1143746B (it) 1986-10-22
FR2360928A1 (fr) 1978-03-03
SE7708828L (sv) 1978-02-05
DE2735012A1 (de) 1978-02-09
AU513844B2 (en) 1981-01-08
IL52554A0 (en) 1977-10-31
DD131417A5 (de) 1978-06-21
AU2753277A (en) 1979-02-08
SE445268B (sv) 1986-06-09
NL7708657A (nl) 1978-02-07
MX150861A (es) 1984-08-03
BR7704892A (pt) 1978-04-25

Similar Documents

Publication Publication Date Title
US4197576A (en) Adaptive-predictive control system
JP3949164B2 (ja) 非線形プロセスを制御するためのフィードバック法
Tham et al. Soft-sensors for process estimation and inferential control
JP3251153B2 (ja) 空気分離システムのためのモデル予測制御方法
Raghavan et al. Soft sensor based composition estimation and controller design for an ideal reactive distillation column
Patwardhan et al. Nonlinear model-predictive control of distributed-parameter systems
WO2005077038A2 (en) Siso model predictive controller
CN1170463A (zh) 控制停滞时间显著过程等过程的可变前景预测器
Nowak et al. Flexible function block for industrial applications of active disturbance rejection controller
Mendis et al. Adaptive model predictive control with successive linearization for distillate composition control in batch distillation
JP2665906B2 (ja) 比例・積分形予測適応制御装置
Chidrawar et al. Generalized predictive control and neural generalized predictive control
Karacan Application of a non-linear long range predictive control to a packed distillation column
Fileti et al. Control strategies analysis for a batch distillation column with experimental testing
JP2008102720A (ja) 制御装置、制御パラメータの調整装置、制御パラメータの調整方法およびプログラム
JP4112561B2 (ja) 予測制御装置、予測制御方法、予測制御プログラム及び記憶媒体
KR100221231B1 (ko) 모델기반 예측제어 시스템 및 방법
JPH09146610A (ja) 多変数非線形プロセス・コントローラー
Pandit et al. Experimental demonstration of nonlinear model-based control of a nonideal binary distillation column
Alamirew et al. Design of model predictive controller for pasteurization process
CA1125414A (en) Adaptive predictive control system
Mjalli Adaptive and Predictive Control of Liquid‐Liquid Extractors Using Neural‐Based Instantaneous Linearization Technique
JP2005174334A (ja) 探索法による局部最適化制御方法と装置、及び気体分離、特に低温空気分離方法と装置
Nowak et al. Practical verification of active disturbance rejection controller for the pneumatic setup
Mariya et al. Robust Control of Adaptive Model Predictive Control using Online Model Estimation