JPH09146610A - 多変数非線形プロセス・コントローラー - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】ロバストで効率的なプロセス制御システムを提
供すること。 【解決手段】積分動作を行う減結合型外ループコントロ
ーラ１０と、これに直列接続されたニューラル・ネット
ワーク多変数内ループＰＤコントローラ１２と、これの
下流に直列接続され、プロセス１６に連結されるダウン
ストリーム・コントローラ１４と、拘束プロセッサ１８
とを備える多変数非線形ＰＩＤフィードフォワード型コ
ントローラとして構築される。未来のプロセス挙動がト
レーニングを繰り返した場合に最適性能を達成可能なよ
うに、内ループニューラル・ネットワークコントローラ
をトレーニングする。外ループコントローラは、プロセ
ス変化、測定されない乱れ、及び、モデル化の誤差を補
償する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、産業上のプロセス制御
に関し、更に詳しくは、多変数非線形動的産業プロセス
を制御するための方法並びに装置に関する。

【０００２】

【従来の技術】産業オートメーションは、品質並びに製
造要件に合致するように、産業プロセスを制御する最適
な方法を見いだすことを目的として行われてきた。しか
し、現在の産業プロセスの大部分は、複雑で、遅れや遅
延を伴う相互作用的動力学及び非直線性を有する多数の
制御量が必要となる。このような複雑な産業プロセスを
取り扱うために、様々なプロセス制御技術が生み出され
た。

【０００３】最新のプロセス制御技術は、プロセスの一
つあるいはそれ以上の経時特性を監視することにより、
プロセスの最適操作を求め、プロセスの操作パラメータ
を調節するものである。特に設定値の変化、システム動
力学及び乱れを考慮にいれて最適操作パラメータを計算
するために、これらの従来技術では、システムの未来の
挙動を予知するためのプラントプロセスモデルが用いら
れる。また、このモデルあるいはその一部をコントロー
ラ構造体に組み込む技術も知られている。これらの技術
の精度は、プロセスの正確な動的モデルが作成できるか
どうか、にかかっている。また、正確にあるいは簡単に
モデル化できない不確実性を有するプロセスの場合に
は、このようなモデルを生成できない場合もある。

【０００４】近年、ニューラル・ネットワークが、複雑
なプロセスをモデル化する有力な手段として注目されて
いる。これは、ニューラル・ネットワークが、多変数非
線形関数を近似するための固有能力を有しているためで
ある。ニューラル・ネットワークは、また、プロセスの
完全で正確な理解を必要としないという利点もある。ニ
ューラル・ネットワークは、プロセスを表示するもので
あるが、トレーニング可能であり、実例により学習する
能力を有する。ニューラル・ネットワークは、更に、遅
延量を取り扱うことが可能であり、即ち、動的システム
を表現することができる。

【０００５】プロセス制御分野へのニューラル・ネット
ワークの適用は比較的最近始められたばかりであるが、
既に様々なニューラル・ネットワーク制御システムが開
発されている。このようなシステムとしては、例えば、
好適に確立されたモデル予知制御フレームワークでニュ
ーラル・ネットワークを使用する制御システムが挙げら
れる。この種の制御システムでは、通常、プロセスを目
標値に持って行くための操作量を求めるために、プロセ
スモデルを採用したコントローラが用いられる。また、
設定値に与えられるプロセス−モデル不整合信号を通し
て、プロセスフィードバックが行われる。この結果、モ
デル化されない乱れが補償される。この不整合信号は、
プロセス出力とプロセスのニューラル・ネットワークに
より生成されたモデル化プロセス出力との間の差異を示
す。

【０００６】コントローラは、ニューラル・ネットワー
クモデルと最適化装置とから成る。ニューラル・ネット
ワークモデルは、現在及び直前のプロセス入力及び出力
値を考慮して、未来時間軌道に関するプロセス出力に対
する可能操作量軌道の影響を予知するために用いられ
る。また、最適化装置は、プロセス出力が最適に設定値
をたどり所定の束縛力集合を満足するように、この情報
を用いて、操作量の値を選択する。

【０００７】

【発明が解決しようとする課題】この種のプロセス制御
システムには、いくつかの制限がある。第一の制限は、
遅れが支配的なプロセスにおいて、測定されない負荷乱
れを効果的に処理できない、ことである。モデルの誤差
フィードバックを使用することにより、むだ時間が支配
的なプロセスをこのシステムで処理することが可能にな
るが、何らかの追加フィードバックが行われない限り、
この方法で、非自己調整プロセスあるいは開ループ不安
定プロセスを安定化することができない。比例あるいは
微分フィードバックは存在せず、プロセス−モデル非整
合信号を通して疑似積分フィードバック動作が行われる
のみである。更に、次の操作量変化を求めるために、コ
ントローラの出力軌跡の最適化が制御間隔ごとに行われ
る。この最適化に実質的な計算時間が必要となるため、
コントローラの出力更新の間隔が大きくなってしまう。
この間隔により、プロセスのむだ時間に更にむだ時間が
追加されることになり、測定されない負荷変化に対する
最大達成可能な制御誤差が増加する。

【０００８】本発明は、上述した制限を説明できるロバ
ストで効率的なプロセス制御システムを提供することを
目的とする。更に詳しくは、ロバストな最適多変数非線
形制御システムで、非自己調整プロセス及び純粋なむだ
時間プロセスを適応させ、オンラインでの最適化を必要
とせず、測定負荷による乱れを防ぐように補償し、高フ
ィードバック・ゲインで測定されない乱れと戦うシステ
ムを提供することを目的とする。

【０００９】

【課題を解決するための手段及び作用】ロバストなプロ
セス制御システムに用いられる方法並びに装置は、以下
に記載するように、ニューラル・ネットワークコントロ
ーラを用いて、多変数非線形動的プロセスの効率的な制
御を行う。

【００１０】プロセス制御システムは、積分動作を行う
減結合型外ループコントローラと直列接続された内ルー
プ多変数ＰＤ（比例−微分）コントローラとして、プロ
セスの疑似逆ニューラル・ネットワークモデルを用い
る。このように組み合わせることにより、多変数非線形
ＰＩＤ（比例−積分−微分）フィードフォワード型コン
トローラが実現される。未来のプロセス挙動がトレーニ
ングを繰り返した場合に最適性能を達成可能なように、
内ループニューラル・ネットワークＰＤコントローラを
トレーニングする。外ループコントローラは、モデル化
されないプロセス変化、測定されない乱れ、及び、モデ
ル化の誤差を、内ループ目標値を調節することにより補
償する。積分動作の最後の部分は、ダウンストリーム
（下流）経路で限界が検出された場合にコントローラの
積分動作を停止させる拘束管理スキーム（計画）により
妨害される。制御量と操作量を対にする（ペアにする）
操作は、特定の外ループコントローラと関係するダウン
ストリーム経路を確認するのに有効であり、閉じた内ル
ープの有効遅れの確認に用いられる。

【００１１】以下に、このようなプロセス制御システム
を体現化した実施例を４つ詳述する。第一実施例及び第
二実施例において、プロセスコントローラは、多変数非
線形比例−積分−微分フィードフォワード型コントロー
ラに拘束管理スキームを組み合わせたものを用いる。こ
こで、ニューラル・ネットワークは、外ループ積分コン
トローラと連結された内ループＰＤコントローラとして
用いられる。内ループＰＤコントローラは、プロセス及
びその導関数の測定値に基づいて、プロセスを所望の設
定レベルに到達させるために必要な操作量の変化を発生
させる。また、内ループＰＤコントローラは、積分操作
を行う外ループ積分コントローラによって用いられるプ
ロセスの最適予測時間を発生させる。第一の制御実施例
では、内ループＰＤコントローラと外ループコントロー
ラとが、同時に、所定の測定速度でサンプリングされた
制御量から、プロセスのフィードバックを入力する。こ
れに対して、第二の制御実施例では、内ループコントロ
ーラが、より高速の測定速度でサンプリングされた推定
量から、プロセスのフィードバックを入力する。これに
より、プロセス変化に対する、より迅速な応答が可能に
なる。一方、積分コントローラは、制御量からフィード
バックを入力し、積分動作を行うことにより、設定値を
調節して、モデル化されない誤差や測定されない乱れ等
を補償する。

【００１２】第三及び第四実施例では、ニューラル・ネ
ットワークコントローラは、外ループ積分コントローラ
や拘束管理スキームを伴わないＰＤフィードフォワード
型コントローラとして用いられる。第三実施例では、コ
ントローラは、制御量からプロセスのフィードバックを
入力し、所定の測定速度でプロセス変化に応答する。ま
た、第四実施例では、コントローラは推定量からフィー
ドバックを入力し、プロセス変化に対してより迅速な応
答・制御を実現する。

【００１３】

【実施例】以上説明した本発明の構成・作用を一層明ら
かにするために、以下本発明を好適ないくつかの実施例
に基づいて説明する。実施例を説明する前に、以下の説
明で用いられている記号を簡単に説明する。

【００１４】t ：プロセスの所定の時間ステップ
を表す整数。 r(t) ：外ループ設定値− 時間ステップｔにおける
プロセス出力の目標値を表す入力信号。 r^*(t) ：内ループ設定値− 説明されていないプロセ
ス動力学、乱れ、及びモデル化誤差を補償するために外
ループコントローラによって調節された入力信号。 u(t) ：操作量− 時間ステップｔで変動して、制御
量の値を変化させる量あるいは条件を示す信号のベクト
ル。 y(t) ：制御量− 時間ステップｔにおける測定プロ
セス出力を表すプロセス出力信号のベクトル。 y'(t) ：制御量の導関数− 時間ステップｔにおける
測定プロセス出力の時間に対する変化率を表す信号のベ
クトル。 w(t) ：推定量− 時間ステップｔにおける測定プロ
セス出力の推定値を表すプロセス出力信号のベクトル。

【００１５】w'(t) ：推定量の導関数− 時間ステッ
プｔにおける推定プロセス出力の時間に関する変化率を
示す信号のベクトル。 v(t) ：測定負荷量− 時間ステップｔにおいて生じ
る測定量の既知の乱れを表す信号のベクトル。 v'(t) ：測定負荷量の導関数− 時間ステップｔにお
ける測定負荷信号の時間に対する変化率を示す信号のベ
クトル。 外１(t)：最適予測時間− 対応する制御量y_i(t+^k
_i(t))が、それと対になる操作量の変化に対して最も感
度が高いような相対時間を表す実数のベクトル。本明細
書中では、遅延時間、むだ時間、及び、最適予測時間と
いう言葉は同義に用いられる。このベクトルは、^k(t)
と表記する。

【００１６】

【外１】

【００１７】d(t) ：未測定負荷乱れ− 時間ステッ
プｔにおける未測定量として、ノイズあるいは負荷変化
によって生じる乱れを表す信号 上記の記号が本明細書の本文あるいは図面中で用いられ
る場合、これらの記号は信号のベクトルを示すものであ
る。例えば、ｕ（ｔ）は、操作量信号のベクトルu
₁(t)...u_n(t)（ここで、i=1,...,n)を示す。

【００１８】以下に、ニューラル・ネットワークＰＤコ
ントローラを用いたプロセス制御システムの実施例を説
明する。このコントローラは、オフラインで、且つ、本
発明と同日に出願された「多変数非線形制御方法並びに
装置」の第一実施例と第二実施例に詳述される方法で、
トレーニングされる。

【００１９】ニューラル・ネットワークコントローラ
は、各制御ループに関して、最適予測時間と迅速に所望
の操作レベルにプロセスを到達させるために用いられる
操作量とを生成するようにトレーニングされる。最適予
測時間は、設定値に対する制御量の有効応答時間に等し
くなる。この予測時間は、対応する制御量の小さな変化
に応じて制御量の最大変化が起こる未来時間を表す。ま
た、最適予測時間は、将来の制御量をその目標値あるい
は設定値に到達させるために最小操作量変化が要求され
るような状況を表す。最適予測時間以外の時間が用いら
れた場合には、操作量の変化がより大きくなり、その結
果、過補正状態となって、挙動が振動し、多くの場合不
安定になる。

【００２０】ニューラル・ネットワークは、比例−微分
（ＰＤ）コントローラとして働く。ニューラル・ネット
ワークは、制御量あるいは推定量と測定負荷量とを含む
比例項と、制御量あるいは推定量の微分値と測定負荷量
の微分値とを含む微分項とを入力する。

【００２１】以下に詳述する第一実施例及び第二実施例
では、ニューラル・ネットワークは、外ループ積分コン
トローラと拘束管理スキームとに連結される内ループＰ
Ｄコントローラとして用いられる。内ループＰＤコント
ローラは、プロセス及びその導関数の測定値に基づい
て、プロセスを所望の設定値レベルに到達させるために
必要な操作量の変化を発生させる。更に、内ループＰＤ
コントローラは、積分動作を行う外ループ積分コントロ
ーラによって用いられるプロセスの最適予測時間を発生
させる。第一の制御実施例では、内ループＰＤコントロ
ーラと外ループコントローラとが、同時に、所定の測定
速度でサンプリングされた制御量から、プロセスのフィ
ードバックを入力する。これに対して、第二の制御実施
例では、内ループコントローラが、より高速のサンプリ
ング速度で得られた推定量から、より高速のプロセスフ
ィードバックを入力する。これにより、プロセス変化に
対する、より迅速な応答が可能になる。一方、積分コン
トローラは、制御量からフィードバックを入力し、積分
動作を行うことにより、設定値を調節して、モデル化さ
れない誤差や測定されない乱れ等を補償する。積分動作
の最後の部分は、ダウンストリーム（下流）経路で限界
が検出された場合にコントローラの積分動作を停止させ
る拘束管理スキーム（計画）により妨害される。

【００２２】第三及び第四実施例では、プロセス制御シ
ステムは、ニューラル・ネットワークＰＤフィードフォ
ワード型コントローラのみを備え、外ループ積分コント
ローラや拘束管理スキームを伴わない。第三実施例で
は、コントローラは、制御量からプロセスのフィードバ
ックを入力し、所定の測定速度でプロセス変化に応答す
る。一方、第四実施例では、コントローラは推定量から
フィードバックを入力し、プロセス変化に対してより迅
速な応答・制御を実現する。

【００２３】図１は、本発明に従う第一実施例としての
プロセス制御システムを示す。図１において、プロセス
制御システムは、外ループ積分型コントローラ１０と、
コントローラ１０に直列接続されるＰＤニューラル・ネ
ットワークコントローラ１２と、ＰＤコントローラ１２
の下流（ダウンストリーム）に直列接続され、プロセス
１６に連結されるダウンストリーム・コントローラ１４
と、拘束プロセッサ１８と、を備えるＰＩＤコントロー
ラとして構築される。ダウンストリーム・コントローラ
１４は、バルブ（弁）、アクチュエータ等の周知の制御
要素を含むように構成してもよい。外ループコントロー
ラ１０には、外ループ設定値ｒ（ｔ）２０と、プロセス
からフィードバックされる制御量ｙ（ｔ）２２とが、ま
た、全ての場合ではないが、更に、ニューラル・ネット
ワークコントローラ１２により生成される最適予測時間
^k（ｔ）２８が入力される。外ループコントローラ１０
は、外ループ設定値ｒ（ｔ）２０を調節して、内ループ
設定値ｒ^*（ｔ）２４を発生させる。外ループコントロ
ーラ１０は、汎用コンピュータ、マイクロプロセッサ、
あるいは、フォックスボロ社（The Foxboro Company）
の７６０系コントローラ等の特定目的コントローラによ
って実現される。一方、ニューラル・ネットワークコン
トローラ１２は、ＣＰＵ上で走るソフトウェアとして、
電子回路からなるハードウェアとして、あるいは、部分
的にソフトウェア、部分的にハードウェアのハイブリッ
ド（混成）システムとして実現される。

【００２４】内ループコントローラ、即ち、ニューラル
・ネットワークコントローラ１２には、内ループ設定値
ｒ^*（ｔ）２４と、プロセスからフィードバックされる
制御量ｙ（ｔ）２２と、制御量の時間に関する導関数
ｙ’（ｔ）３０と、測定負荷量ｖ（ｔ）３８と、測定負
荷量の時間に関する導関数ｖ’（ｔ）３６と、が入力さ
れる。また、内ループコントローラ１２からは、操作量
ｕ（ｔ）２６と、最適予測時間^k（ｔ）２８と、が出力
される。この操作量ｕ（ｔ）２６は、ダウンストリーム
・コントローラ１４に与えられ、プロセス１６に転送さ
れる値４２として出力される。

【００２５】ダウンストリーム・コントローラ１４が操
作量２６の何れか（例えば、全面開閉バルブ）を制限し
た場合には、この制限を示す論理信号３４がダウンスト
リーム・コントローラ１４から出力され、拘束プロセッ
サー１８に与えられる。拘束プロセッサ１８は、信号４
４に基づいて多くの方法の中から選択される所定の方法
で、この制限動作に応答する。制限動作への応答を示す
信号３２が、拘束プロセッサ１８から適当な外ループコ
ントローラに出力される。プロセス１６を所望の設定レ
ベル４２に到達させるために必要な操作量の変化の入力
と、測定負荷ｖ（ｔ）３８及び測定されない乱れｄ
（ｔ）４０の入力とに基づいて、プロセス１６は連続的
な処理を実行する。適当な測定速度で測定された制御量
ｙ（ｔ）２２は、内ループコントローラ１２と外ループ
コントローラ１０とに伝達される。これらの要素の機能
に関しては後に詳述する。

【００２６】外ループ積分型コントローラは、ｎ個の外
ループコントローラ１０（C₁,...C_n）から成り、それぞ
れの外ループコントローラが各対の制御量と操作量とに
対応する。外ループコントローラ１０は、外ループ設定
値ｒ（ｔ）２０を調節して、内ループ設定値２４r₁ ^*(t)
...r_n ^*(t)を出力する。外ループコントローラ１０に
は、外ループ設定値ｒ（ｔ）２０と、制御量ｙ（ｔ）２
２と、が入力される。更に、ニューラル・ネットワーク
コントローラ１２から出力される最適予測時間^k（ｔ）
２８を用いて、外ループ積分型コントローラで用いられ
る積分時間定数を求めるようにしてもよい。最適予測時
間を用いることにより、手動での同調操作を必要とする
ことなく、積分型コントローラを自動的に同調させて、
プロセスの動力学的条件に適応させることができる、と
いう利点がある。

【００２７】外ループコントローラ１０は、純粋積分動
作、ＰＩ（比例−積分）動作、あるいは他の型の積分動
作の何れを行うものでもよい。例えば、ｉ番目のＰＩ動
作の実現は、数学的に以下のように表現される。

【００２８】 r^* _i(t) = x_i(t) + .2[r_i(t)-y_i(t)] （１） ここで、積分項はｘ_i（ｔ）で示され、次の数式に従っ
て計算される。初期化の場合には、 x_i(0) = y_i(0) （２） ダウンストリーム（下流）で制限が生じた場合には、 x_i(t+1) = x_i(t) あるいは x_i(t) = x_i(t-1) （３） それ以外の場合には、 x_i(t+1) = x_i(t)+(r_i(t)-x_i(t))/(.3*^k(t)) （４）

【００２９】外ループコントローラ１０が純粋積分動作
のみを採用した場合には、ｉ番目の外ループ積分動作の
実現は、数学的に以下のように表現される。 r^*(t) = r^*(t-1)+[(r(t)-y(t))*(1/(2*^k(t)-1))] （５）

【００３０】何れの場合でも、外ループコントローラ１
０からは、内ループ設定値ｒ^*（ｔ）２４が出力され、
ニューラル・ネットワークコントローラ１２に伝達され
る。

【００３１】ニューラル・ネットワーク１２には、内ル
ープ設定値２４に加えて、測定負荷量３８と、測定負荷
量の導関数３６と、制御量２２と、制御量の導関数３０
とが入力される。これらの実測値のフィードバックによ
り、フィードフォワード型比例−微分（ＰＤ）コントロ
ーラが実現される。ニューラル・ネットワークコントロ
ーラ１２は、これらの入力に基づいて、最適操作量２６
と最適予測時間２８とを決める。最適予測時間２８は、
外ループコントローラ１０に伝達されるか、あるいは、
そのまま捨てられる。一方、操作量の選択値は、ダウン
ストリーム・コントローラ１４に送られるか、あるい
は、直接、プロセス１６に伝達される。

【００３２】次のダウンストリーム・コントローラ１４
は、制御システム内で操作量の調節が必要な場合に用い
られる。ニューラル・ネットワークコントローラ１２あ
るいはダウンストリーム・コントローラ１４の何れかに
より、操作量がその域値あるいはそれ以上の値に設定さ
れた場合、限定操作量を表す論理信号３４が出力され
る。例えば、バルブ等の制御要素が完全に開放され、コ
ントローラの要件を満足させることができない場合に、
制限が生じる。拘束プロセッサ１８は、この論理信号３
４を受け取り、所定の拘束動作を指示する拘束信号３２
の外ループコントローラ１０への出力を開始する。行う
べき所定の拘束動作は、拘束信号３２を介して、対応す
る限定操作量を有する外ループコントローラに伝達され
る。

【００３３】図２は、拘束プロセッサ１８により実行さ
れるステップを示すフローチャートである。まず、ステ
ップ５０で、論理信号３４をテストして、対応する操作
量あるいはそのダウンストリーム（下流）経路の信号が
制限されているかどうかを判定する（即ち、操作量ある
いは信号が域値以上かどうかを判定する）。信号が制限
されている場合には、拘束管理動作の３つの可能な選択
肢（オプション）の中から１つを選択する（ステップ５
４）。この場合、信号４４により特定のオプションが選
択される。どのオプションを選択するかは、そのアプリ
ケーション（適用）の種類によって決まる。第一の選択
肢を選んだ場合、ステップ５６で、関係する操作量を標
識して、ステップ５８で、対応するコントローラの積分
動作を一時的に凍結するように、コントローラの信号３
２を設定する。第二の選択肢を選んだ場合、ステップ６
０で、対応するコントローラの設定値ｒ（ｔ）が測定値
ｙ（ｔ）に等しくなるように、コントローラの信号３２
を設定する。例えば、ｕ_i（ｔ）が上限値の場合、対応
する外ループコントローラＣ_iに関してｒ_i（ｔ）＝ｙ_i
（ｔ）に設定する。第三の選択肢を選んだ場合、ステッ
プ６２で、対応するコントローラの積分項を測定値に再
初期化するように、即ち、ｘ_i（ｔ）＝ｙ_i（ｔ）を実現
するように、コントローラの信号３２を設定する。操作
量が制限されていない場合には、ステップ５２に進ん
で、操作量が以前に制限されていたかどうかを確認す
る。制限されていた場合には、ステップ６４で、対応す
るコントローラの積分動作を再開するように、コントロ
ーラの信号３２を設定する。

【００３４】図１に示すように、外ループコントローラ
は、それぞれ、新しい内ループ設定値２４を出力する。
ニューラル・ネットワークコントローラ１２は、これら
の内ループ設定値２４を受け取り、新しい操作量２６を
計算する。次のダウンストリーム（下流）コントローラ
１４では、更に制御動作が行われ、操作量を調節するこ
とにより得られた値４２が出力される。プロセス１６
は、値４２を受け取り、その操作パラメータの調節を行
う。プロセス１６には、連続的に測定負荷３８と測定さ
れない乱れ４０とが入力される。

【００３５】第一の制御実施例における動作は以下の通
りである。所定の時間間隔で、制御量ｙ（ｔ）２２及び
測定負荷ｖ（ｔ）３８が適当な計測機器により検知・測
定される。制御量２２の測定値は、同時に、ニューラル
・ネットワークコントローラ１２と外ループコントロー
ラ１０とにフィードバックされる。通常、測定対象とな
るプロセス特性は、流速、圧力、温度、及び流体の化学
組成等である。これらの信号の導関数は、適当な計測機
器を用いた測定により、あるいは、処理装置を用いた計
算により得られる。得られた微分信号は、ニューラル・
ネットワークコントローラ１２に送られる。ニューラル
・ネットワークコントローラ１２は、入力信号に迅速に
応答して、操作量ｕ（ｔ）２６と最適予測時間^k（ｔ）
２８とを出力する。初期段階では、調節設定値ｒ
^*（ｔ）２４が設定値ｒ（ｔ）と等しくなるように設定
される。ニューラル・ネットワークコントローラ１２か
ら出力された操作量ｕ（ｔ）２６はダウンストリーム・
コントローラ１４に入力される。一方、外ループコント
ローラ１０は、より低速の積分制御動作を実行し、調節
設定値ｒ* （ｔ）２４を出力する。この調節設定値２４
は、次の制御サイクルでニューラル・ネットワークコン
トローラ１２により用いられる。ダウンストリーム・コ
ントローラ１４は、制御動作を実行し、操作量の調節値
４２をプロセス１６に出力する。操作量あるいはそのダ
ウンストリーム（下流）量が制限される場合には、制限
動作を示す信号３４が拘束プロセッサ１８に出力され
る。拘束プロセッサ１８は、適切な拘束動作を決定し
て、決定した動作を拘束信号３２を通じて、適当な外ル
ープコントローラに出力する。この全体のプロセスを次
の測定サイクルでも繰り返す。

【００３６】図３は、本発明に従うプロセス制御の第二
実施例を示すブロック図である。図３に示すように、第
二の制御実施例の物理的な構成は第一実施例と同様のも
のである。プロセス制御システムは、外ループ積分型コ
ントローラ１０と、コントローラ１０に直列接続される
ＰＤニューラル・ネットワークコントローラ１２と、Ｐ
Ｄコントローラ１２の下流（ダウンストリーム）に直列
接続され、プロセス１６に連結されるダウンストリーム
・コントローラ１４と、拘束プロセッサ１８と、を備え
るＰＩＤコントローラとして構築される。外ループコン
トローラ１０には、所定の時間間隔で測定される制御量
ｙ（ｔ）２２がプロセスのフィードバックとして入力さ
れる。

【００３７】第一実施例のシステムとの相違は、内ルー
プコントローラ（ニューラル・ネットワークコントロー
ラ）１２にフィードバックされるプロセスの測定値にあ
る。第二実施例では、制御量の測定よりも短い時間間隔
で測定される推定量ｗ（ｔ）４６と、その導関数ｗ’
（ｔ）４８と、測定負荷量ｖ（ｔ）３８と、その導関数
ｖ’（ｔ）３６とが、プロセスのフィードバックとして
内ループコントローラ１２に入力される。推定量は、制
御量の推定近似値である。この推定量は、通常、詳細に
解析されることなく、連続的に測定される。蒸留塔を例
にとった場合、制御量は、例えば、混合物の化学組成で
あり、推定量は、化学組成を推定することができるよう
なトレー温度である。詳細な解析が必要なために制御量
のサンプリング間隔がかなり開くのに対して、トレー温
度は連続的にサンプリングされる。推定量を内ループコ
ントローラ１２に入力値として与えることにより、プロ
セスの制御速度を積分型コントローラに比べて速くする
ことができ、その結果、プロセス変化に迅速に対応する
ことが可能になる。

【００３８】第二実施例のシステムの動作を以下に述べ
る。推定量ｗ（ｔ）４６が、より高速のサンプリング速
度で、適当な計測機器により検知・測定される。測定さ
れた推定量ｗ（ｔ）４６は、内ループコントローラ１２
に入力される。また、推定量の導関数ｗ’（ｔ）４８
が、適当な計測機器を用いた測定により、あるいは、処
理装置を用いた計算により得られ、内ループコントロー
ラ１２に送られる。更に、測定負荷量ｖ（ｔ）３８と測
定負荷量の導関数ｖ’（ｔ）３６も、同様に、より高速
のサンプリング速度で測定され、内ループコントローラ
１２に入力される。内ループコントローラ１２は、これ
らの入力値に基づいて、操作量ｕ（ｔ）２６と最適予測
時間^k（ｔ）２８とを計算する。操作量ｕ（ｔ）２６
は、ダウンストリーム・コントローラ１４に送られ、プ
ロセス１６に影響を与える値４２として出力される。一
方、最適予測時間^k（ｔ）２８は、外ループコントロー
ラ１０に伝達される。内ループコントローラ１２は、外
ループコントローラ１０により前回のサイクルで計算さ
れた調節設定値ｒ^*（ｔ）の値を取り入れて、この処理
を連続的に行う。

【００３９】上記の動作と同時に、所定の測定間隔で、
制御量ｙ（ｔ）２２が適当な計測機器により検知・測定
され、外ループコントローラ１０にフィードバックされ
る。ここで、制御量は、推定量のサンプリング速度より
も遅いサンプリング速度で測定される。また、制御量の
導関数ｙ’（ｔ）３０が、適当な計測機器を用いた測定
により、あるいは、処理装置を用いた計算により得ら
れ、外ループコントローラ１０に与えられる。外ループ
コントローラ１０には、更に、前回のサイクルで得ら
れ、内ループコントローラ２８から出力された最適予測
時間^k（ｔ）２８が入力される。外ループコントローラ
１０は、入力された最適予測時間を用いて積分制御動作
を実行し、積分時間定数を求め、更に、調節設定値ｒ^*
（ｔ）２４を生成して、内ループコントローラ１２に出
力する。

【００４０】図４は、本発明に従う第三実施例のプロセ
ス制御システムを示すブロック図である。第三実施例で
は、ニューラル・ネットワークコントローラがＰＤ制御
動作のみを行う。この型の制御システムは、より単純な
構造で、積分制御動作を必要としないプロセスに適して
いる。図４に示すように、この制御システムは、ニュー
ラル・ネットワークＰＤコントローラ１２と、ＰＤコン
トローラ１２の下流（ダウンストリーム）に直列接続さ
れ、プロセス１６に連結されるダウンストリーム・コン
トローラ１４と、を備える。ニューラル・ネットワーク
ＰＤコントローラ１２には、測定負荷量ｖ（ｔ）３８
と、測定負荷量の導関数ｖ’（ｔ）３６と、外ループ設
定値ｒ（ｔ）２０と、制御量ｙ（ｔ）２２と、制御量の
導関数ｙ’（ｔ）３０と、が入力される。ニューラル・
ネットワークコントローラ１２は、これらの入力値に基
づいてＰＤ制御を実行し、操作量ｕ（ｔ）２６と最適予
測時間^k（ｔ）２８とを発生させる。操作量ｕ（ｔ）２
６の出力がダウンストリーム（下流）コントローラ１４
に与えられる一方、最適予測時間^k（ｔ）２８の出力
は、この実施例では用いられずに、そのまま捨てられ
る。ダウンストリーム・コントローラ１４は、操作量ｕ
（ｔ）２６を処理して、値４２を出力する。プロセス１
６が所望の設定値に到達するように、値４２を用いてプ
ロセス１６が調節される。また、プロセス１６には、連
続的に測定負荷ｖ（ｔ）３８と測定されない乱れｄ
（ｔ）４０とが入力される。所定の測定間隔で、制御量
ｙ（ｔ）２２が適当な計測機器により検知・測定され、
ニューラル・ネットワークコントローラ１２にフィード
バックされる。上記のように、本実施例のプロセス制御
システムは、フィードフォワード型の比例−微分（Ｐ
Ｄ）コントローラとして作用する。

【００４１】図５は、本発明に従う第四実施例のプロセ
ス制御システムを示すブロック図である。図５に示すよ
うに、第四実施例の構成は、第三実施例の制御システム
と同様のものである。即ち、第四実施例のプロセス制御
システムは、操作量ｕ（ｔ）２６を発生させるニューラ
ル・ネットワークＰＤコントローラ１２と、操作量ｕ
（ｔ）２６の入力に基づいて、値４２を出力するダウン
ストリーム・コントローラ１４と、プロセス１６と、を
備える。出力値４２は、プロセス１６が所望の設定値に
到達するように、プロセス１６を調節する。第三実施例
との相違は、ニューラル・ネットワークコントローラ１
２に入力されるプロセスのフィードバックにある。第四
実施例では、制御量の測定よりも短い時間間隔で適当な
測定機器により検知・測定される、推定量ｗ（ｔ）４６
と、推定量の導関数ｗ’（ｔ）４８と、測定負荷量ｖ
（ｔ）３８と、測定負荷量の導関数ｖ’（ｔ）３６と
が、プロセスのフィードバックとしてニューラル・ネッ
トワークコントローラ１２に入力される。このような高
速のフィードバックにより、本実施例のコントローラ
は、プロセスの変化に迅速に対応することが可能にな
る。

【００４２】第四実施例の制御システムの動作を以下に
示す。推定量ｗ（ｔ）４６が、より高速のサンプリング
速度で、適当な計測機器により検知・測定される。測定
された推定量ｗ（ｔ）４６は、ニューラル・ネットワー
クコントローラ１２に入力される。また、推定量の導関
数ｗ’（ｔ）４８が、適当な計測機器を用いた測定によ
り、あるいは、処理装置を用いた計算により得られ、ニ
ューラル・ネットワークコントローラ１２に送られる。
更に、測定負荷量ｖ（ｔ）３８と測定負荷量の導関数
ｖ’（ｔ）３６も、同様に、より高速のサンプリング速
度で測定され、ニューラル・ネットワークコントローラ
１２に入力される。ニューラル・ネットワークコントロ
ーラ１２は、これらの入力値に基づいて、操作量ｕ
（ｔ）２６と最適予測時間^k（ｔ）２８とを計算する。
操作量ｕ（ｔ）２６は、ダウンストリーム・コントロー
ラ１４に送られ、プロセス１６に影響を与える値４２と
して出力される。一方、最適予測時間^k（ｔ）２８は、
この実施例では用いられることなく、そのまま捨てられ
る。ニューラル・ネットワークコントローラ１２は、設
定値ｒ（ｔ）２０の入力を用いて、この処理を連続的に
行う。

【００４３】様々な型のプロセスに適するように、上述
の実施例の構成を変形・変更することが可能である。例
えば、導関数を必要としないプロセスでは、制御量の導
関数及び測定負荷量の導関数を除けばよい。これは、例
えば、むだ時間が支配的なプロセスや大きな測定ノイズ
が存在するプロセス等で好ましく用いられる。

【００４４】更に、上述した全ての実施例において、コ
ントローラとしての作用も含めて、ニューラル・ネット
ワークの機能を他のデータ処理構造により実現すること
も可能である。このような構造の例としては、以下のも
のに限定されないが、非線形関数作成ルーチンあるいは
特性器、ファジー論理プロセッサー、ルックアップテー
ブル、推定論理装置、発生する信号に対して適切な値を
計算する一連の式を用いるプロセッサー等が挙げられ
る。

【００４５】

【発明の効果】以上詳述したように、本発明は、ニュー
ラル・ネットワークＰＤコントローラを用いて、多変数
非線形動的プロセスの制御を行うためのロバストなプロ
セス制御システムを提供する。

【００４６】本発明のプロセス制御システムは、以下の
利点を有する。まず第一の利点は、測定されない負荷の
乱れの処理に有効で、純粋なむだ時間プロセスや非自己
制御プロセス等でロバストな制御を実現可能なことであ
る。これは、プロセスからコントローラに、直接的な比
例−微分フィードバックが行われることに起因する。更
に、予測値ではなく、実際の制御測定値がニューラル・
ネットワークにフィードバックされるため、全体のプロ
セス制御システムが、乱れを防ぐような補償をより効果
的に行い、また、フィードバック・ゲインによる測定さ
れない乱れに対して、より効果的に対処する。

【００４７】第二に、ニューラル・ネットワークコント
ローラは、オフラインでトレーニング・最適化されるた
め、オンラインでの計算オーバーヘッドが必要ではな
い。第三に、ニューラル・ネットワークコントローラ
は、比例項と微分項に関して、それぞれ、独立に入力値
を与えられる。比例項の入力値は、制御量あるいは推定
量と、内ループ設定値と、測定負荷量である。また、微
分項の入力値は、制御量の導関数と測定負荷量の導関数
である。これらの入力値により、コントローラには、本
質的に、比例項と微分項のそれぞれに異なった比例ゲイ
ンと微分ゲインとが与えられ、その結果、コントローラ
は、設定値の変化と測定負荷の乱れの両方に対して、行
き過ぎ応答をすることなく、迅速、且つ、正確に対応す
ることが可能になる。

【００４８】また、推定量を用いることにより、内ルー
プコントローラは、プロセスの変化に対して、より迅速
に応答することが可能になる。操作量の最小変化を必要
とする予測時間に基づく制御により、プロセスの振動や
行き過ぎを防ぎ、安定した制御を実現することができ
る。更に、外ループコントローラによって用いられる時
間定数を求めるために最適予測時間を用いることによ
り、手動での同調操作を必要とすることなく、積分型コ
ントローラを自動的に同調させて、プロセスの動力学的
条件に適応させることができる。

【図面の簡単な説明】

【図１】本発明の第一実施例として、ニューラル・ネッ
トワーク内ループＰＤコントローラが、制御量測定値に
より操作され、外ループコントローラ及び拘束管理スキ
ームと直列に接続されるようなプロセス制御システムを
示すブロック図。

【図２】第一実施例及び第二実施例のプロセス制御シス
テムで用いられる拘束管理スキームにおけるステップを
示すフローチャート。

【図３】本発明の第二実施例として、ニューラル・ネッ
トワーク内ループＰＤコントローラが、推定量により操
作され、外ループコントローラ及び拘束管理スキームと
直列に接続されるようなプロセス制御システムを示すブ
ロック図。

【図４】本発明の第三実施例として、制御量測定値で操
作される、ニューラル・ネットワークＰＤコントローラ
のみから成るプロセス制御システムを示すブロック図。

【図５】本発明の第四実施例として、推定量で操作され
る、ニューラル・ネットワークＰＤコントローラのみか
ら成るプロセス制御システムを示すブロック図。

【符号の説明】

１０ 外ループコントローラ １２ ニューラル・ネットワークコントローラ １４ ダウンストリーム（下流）コントローラ １６ プロセス １８ 拘束プロセッサ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/18 ５５０ Ｇ０６Ｆ 15/18 ５５０Ｅ // Ｇ０５Ｂ 11/36 ５０１ Ｇ０５Ｂ 11/36 ５０１Ｑ

Claims (29)

【特許請求の範囲】
1. 【請求項１】 プロセス入力と制御量を含むプロセス出
   力とを有するプロセスを制御するための装置で、前記プ
   ロセスが、操作量に応じて前記制御量に関してプロセス
   を変化させ、前記装置が、 ａ）前記プロセス出力の何れか一つの値を測定して、測
   定された値を示すプロセス出力信号を発生するための測
   定手段と、 ｂ）前記制御量の目標値を示す設定値を入力するための
   設定値手段と、 ｃ）前記測定手段及び前記プロセスに接続され、前記設
   定値と前記プロセス出力信号との関数として、前記操作
   量の所定値を発生させるための制御手段で、最適予測時
   間信号に従って前記操作量の所定値を計算するようにト
   レーニングされた非線形関数作成ルーチンを備える制御
   手段と、 （ここで、前記最適予測時間信号が、前記設定値の変化
   に対する前記プロセスの有効応答時間を実質的に示し、 前記操作量の所定値が、最適予測時間によって変化する
   前記設定値に向けて前記制御量を移動させるために必要
   な前記プロセスの変化を示す） ｄ）前記制御手段及び前記プロセスに接続され、前記操
   作量の所定値を前記プロセスに適用するためのアクチュ
   エータ手段と、 を備えることを特徴とする装置。
2. 【請求項２】 プロセス入力と少なくとも一つの制御量
   を含むプロセス出力とを有するプロセスを制御するため
   の装置で、前記プロセスが、少なくとも一つの操作量に
   応じて前記制御量に関してプロセスを変化させ、前記装
   置が、 ａ）前記プロセス出力の少なくとも一つの値を測定し
   て、測定された値を示す少なくとも一つのプロセス出力
   信号を発生するための測定手段と、 ｂ）前記制御量の目標値を示す少なくとも一つの設定値
   を入力するための設定値手段と、 ｃ）前記測定手段及び前記プロセスに接続され、前記設
   定値と前記プロセス出力信号との関数として、前記操作
   量の所定値と少なくとも一つの最適予測時間とを発生さ
   せるための制御手段で、前記操作量の所定値と前記最適
   予測時間とを決定するように前もってトレーニングされ
   た非線形関数作成ルーチンを用いる制御手段と、 （ここで、前記最適予測時間が、前記設定値の変化に対
   する前記プロセスの有効応答時間を実質的に示し、 前記操作量の所定値が、前記最適予測時間によって変化
   する前記設定値に近づくように前記制御量の値を求める
   ために必要な前記プロセスの変化を示す） ｄ）前記プロセス出力信号と前記設定値と前記最適予測
   時間とに応じて積分制御を行い、プロセス変化を補償す
   るために内部設定値を計算して、前記制御手段によって
   利用可能なように前記内部設定値を出力するための積分
   制御手段と、 （ここで、前記最適予測時間は積分時間定数を求めるた
   めに用いられる） ｅ）前記制御手段及び前記プロセスに接続され、前記操
   作量を前記プロセスに適用するためのアクチュエータ手
   段と、 を備えることを特徴とする装置。
3. 【請求項３】 プロセス入力と少なくとも一つの制御量
   と少なくとも一つの推定量を含むプロセス出力とを有す
   るプロセスを制御するための装置で、前記プロセスが、
   少なくとも一つの操作量に応じて前記制御量に関してプ
   ロセスを変化させ、前記装置が、 ａ）プロセス出力の値を測定して、測定された値を示す
   少なくとも一つの制御量を発生させるための第一測定手
   段と、 ｂ）前記制御量を近似表示するためのプロセス出力の値
   を測定して、測定された値を示す少なくとも一つの推定
   量を発生させるための第二測定手段と、 ｃ）前記制御量の目標値を示す少なくとも一つの設定値
   を入力するための設定値手段と、 ｄ）前記測定手段及び前記プロセスに接続され、前記設
   定値と前記推定量との関数として、前記操作量の所定値
   と少なくとも一つの最適予測時間とを発生させるための
   制御手段で、前記操作量の所定値と前記最適予測時間と
   を決定するように前もってトレーニングされた非線形関
   数作成ルーチンを用いる制御手段と、 （ここで、前記最適予測時間が、前記設定値の変化に対
   する前記プロセスの有効応答時間を実質的に示し、 前記操作量の所定値が、前記最適予測時間によって変化
   する前記設定値に近づく制御量の値を求めるために必要
   な前記プロセスの変化を示す） ｅ）前記制御量と前記設定値と前記最適予測時間とに応
   じて積分制御を行い、プロセス変化を補償するために内
   部設定値を計算して、前記制御手段によって利用可能な
   ように前記内部設定値を出力するための積分制御手段
   と、 （ここで、前記最適予測時間は積分時間定数を求めるた
   めに用いられる） ｆ）前記制御手段及び前記プロセスに接続され、前記操
   作量を前記プロセスに適用するためのアクチュエータ手
   段と、 を備えることを特徴とする装置。
4. 【請求項４】 前記測定手段が、前記プロセス出力ある
   いは推定量の時間に関する導関数を表す微分プロセス出
   力信号を発生させるための手段を備え、前記制御手段
   が、前記微分プロセス出力信号あるいは前記推定量の関
   数として前記操作量を計算し、ＰＤ（比例−微分）制御
   を行う、ことを特徴とする請求項１、２、３の何れかに
   記載の装置。
5. 【請求項５】 更に、前記プロセス入力の測定値を入力
   するための手段を備え、 前記制御手段が、前記プロセス入力の関数として前記操
   作量を計算し、追加のフィードフォワード制御を行う、
   ことを特徴とする請求項１、２、３の何れかに記載の装
   置。
6. 【請求項６】 前記測定手段が、測定負荷の乱れあるい
   は測定負荷の乱れの時間に関する導関数を表すプロセス
   入力を測定する、ことを特徴とする請求項５記載の装
   置。
7. 【請求項７】 更に、前記プロセス出力信号と前記設定
   値と積分時間定数とに応じて積分制御を行い、プロセス
   変化を補償するために内部設定値を計算して、前記制御
   手段によって利用可能なように前記内部設定値を出力す
   るための積分制御手段を備えることを特徴とする請求項
   １記載の装置。
8. 【請求項８】 前記制御手段が、前記積分制御手段によ
   って用いられる前記積分時間定数を求めるために、前記
   最適予測時間を発生させる、ことを特徴とする請求項７
   記載の装置。
9. 【請求項９】 前記積分制御手段が、ＰＩＤコントロー
   ラ、積分コントローラ、ＰＩコントローラの中から選択
   される、ことを特徴とする請求項２、３、５の何れかに
   記載の装置。
10. 【請求項１０】 前記積分制御手段が、更に、前記操作
    量の限界を検出するための手段を備え、前記操作量の限
    界に応じた制御を行う、ことを特徴とする請求項２、
    ３、５の何れかに記載の装置。
11. 【請求項１１】 前記プロセス出力が、前記制御量を近
    似表示する推定量を含む、ことを特徴とする請求項１あ
    るいは２の何れかに記載の装置。
12. 【請求項１２】 前記制御量が、測定プロセス出力を含
    む、ことを特徴とする請求項１あるいは２の何れかに記
    載の装置。
13. 【請求項１３】 前記装置が、多変数コントローラで、
    前記プロセス出力信号が、複数のプロセス出力信号を含
    み、前記操作量が複数の操作量を含み、前記設定値が複
    数の設定値を含み、前記最適予測時間が複数の最適予測
    時間を含む、ことを特徴とする請求項１記載の装置。
14. 【請求項１４】 少なくとも一つの制御量を含むプロセ
    ス出力とプロセスに影響を与えるアクチュエータとを備
    えるプロセスを制御するための多変数非線形コントロー
    ラで、 ａ）少なくとも一つのプロセス出力を示すプロセス出力
    信号を入力するための手段と、 ｂ）前記制御量の目標値を示す少なくとも一つの設定値
    信号を入力するための手段と、 ｃ）前記プロセス出力信号と前記設定値信号とに応じ、
    前記プロセスに影響を与える前記操作量の少なくとも一
    つの所定値を出力する非線形関数作成ルーチンを備える
    制御手段と、を備え、 前記制御手段が、 i）前記プロセス出力信号と前記設定値と積分時間定数
    との関数として積分制御を行い、積分制御の結果を示す
    少なくとも一つの調節された設定値を出力するステップ
    と、 ii）前記プロセス出力信号と前記調節された設定値の関
    数として、非線形関数作成ルーチンを駆動して、前記調
    節された設定値に対する前記制御量の応答時間を表す最
    適予測時間を出力するステップと、 （ここで、前記最適予測時間を用いて、前記積分制御を
    行うための前記積分時間定数が計算され、また、前記非
    線形関数作成ルーチンは、前記最適予測時間によって変
    化する制御量に影響を与える前記操作量の所定値を出力
    する） iii）前記操作量の所定値を前記プロセスに影響を与え
    るアクチュエータに伝達するステップと、を備えること
    を特徴とする多変数非線形コントローラ。
15. 【請求項１５】 制御量と推定量とを含むプロセス出力
    とプロセスに影響を与えるアクチュエータとを備えるプ
    ロセスを制御するための多変数非線形コントローラで、 ａ）少なくとも一つのプロセス出力信号を入力するため
    の手段と、 ｂ）前記制御量を近似表示する少なくとも一つの推定量
    を発生させるための手段と、 ｃ）前記制御量の目標値を示す少なくとも一つの設定値
    を入力するための手段と、 ｄ）前記プロセス出力信号と前記設定値とに応じ、前記
    プロセスに影響を与える前記操作量の少なくとも一つの
    所定値を出力する非線形関数作成ルーチンを備える制御
    手段と、を備え、 前記制御手段が、 i）前記プロセス出力信号と前記設定値と積分時間定数
    とを用いて積分制御を行い、積分制御の結果を示す少な
    くとも一つの調節された設定値を出力するステップと、 ii）前記推定量と前記調節された設定値とに応じて、非
    線形関数作成ルーチンを駆動して、前記調節された設定
    値に対する前記制御量の応答時間を表す最適予測時間を
    出力するステップと、 （ここで、前記最適予測時間を用いて、前記積分制御を
    行うための前記積分時間定数が計算され、また、前記非
    線形関数作成ルーチンは、前記最適予測時間によって変
    化する前記設定値に近づくように前記制御量に影響を与
    える前記操作量の所定値を出力する） iii）前記操作量の所定値を前記プロセスに影響を与え
    るアクチュエータに伝達するステップと、を備えること
    を特徴とする多変数非線形コントローラ。
16. 【請求項１６】 前記少なくとも一つのプロセス出力信
    号を入力するための手段が、更に、前記プロセス出力信
    号あるいは前記推定量の時間に関する少なくとも一つの
    導関数を計算して発生させる手段を備え、 前記非線形関数作成ルーチンを用いて、前記プロセス出
    力信号あるいは推定量の導関数として前記所定値を発生
    させる、ことを特徴とする請求項１４あるいは１５の何
    れかに記載のコントローラ。
17. 【請求項１７】 更に、測定負荷の乱れを表す少なくと
    も一つの測定負荷量を入力するための手段を備え、 前記非線形関数作成ルーチンを用いて、前記測定負荷量
    の関数として前記所定値を発生させる、ことを特徴とす
    る請求項１４あるいは１５の何れかに記載のコントロー
    ラ。
18. 【請求項１８】 前記少なくとも一つの測定負荷量を入
    力するための手段が、更に、前記測定負荷量の時間に関
    する導関数を表す少なくとも一つの微分測定負荷量を計
    算して発生させる手段を備え、 前記非線形関数作成ルーチンが、前記微分測定負荷量を
    含む関数に従って実行される、ことを特徴とする請求項
    １４あるいは１５の何れかに記載のコントローラ。
19. 【請求項１９】 前記積分制御を行うステップが、ＰＩ
    Ｄコントローラ、積分コントローラ、ＰＩコントローラ
    の中から選択される、ことを特徴とする請求項１４ある
    いは１５の何れかに記載のコントローラ。
20. 【請求項２０】 前記積分制御を行うステップが、更
    に、各操作量の限界を検出し、前記操作量の限界に応じ
    た積分制御を行うステップを備える、ことを特徴とする
    請求項１４あるいは１５の何れかに記載のコントロー
    ラ。
21. 【請求項２１】 前記非線形関数作成ルーチンがニュー
    ラル・ネットワークである、ことを特徴とする請求項
    １、２、３、１４、１５の何れかに記載の装置。
22. 【請求項２２】 プロセス入力と、少なくとも一つの制
    御量を含むプロセス出力と、プロセスに影響を与えるア
    クチュエータと、を備えるプロセスを制御するための方
    法で、前記方法が、非線形関数作成ルーチンを利用し
    て、前記アクチュエータにより用いられ前記制御量に影
    響を与える少なくとも一つの操作量を計算し、前記方法
    が、 ａ）前記プロセス出力を測定して、測定された値を示す
    少なくとも一つのプロセス出力信号を発生するステップ
    と、 ｂ）前記制御量の目標値を示す少なくとも一つの設定値
    を入力するステップと、 ｃ）前記出力信号と前記設定値の関数として前記非線形
    関数作成ルーチンを駆動して、前記操作量の所定値を出
    力するステップと、 （ここで、前記非線形関数作成ルーチンは、最適予測時
    間に基づいて、前記操作量の所定値を決定するように前
    もってトレーニングされ、 前記最適予測時間が、前記設定値に対する前記制御量の
    応答時間を示し、 前記操作量の所定値が、前記最適予測時間によって変化
    する前記設定値に近づくように前記制御量に影響を与え
    るような前記プロセスの変化を示す） ｄ）前記操作量を前記アクチュエータに伝達して、前記
    プロセスに前記操作量を適用するステップと、 を備えることを特徴とする方法。
23. 【請求項２３】 前記プロセス出力を測定するステップ
    が、前記プロセス出力の時間に関する少なくとも一つの
    導関数を計算して、前記導関数を示す少なくとも一つの
    微分プロセス出力信号を発生させるステップを備え、 前記非線形関数作成ルーチンを駆動するステップが、前
    記微分プロセス出力信号を含む関数に従って前記操作量
    を出力するステップを備える、 ことを特徴とする請求項２２記載の方法。
24. 【請求項２４】 前記プロセス出力を測定するステップ
    が、前記プロセスの負荷の乱れを測定して、前記負荷の
    乱れを示す少なくとも一つの測定負荷量を発生させるス
    テップを備え、 前記非線形関数作成ルーチンを駆動するステップが、前
    記測定負荷量を含む関数に従って前記操作量を出力する
    ステップを備える、 ことを特徴とする請求項２３記載の方法。
25. 【請求項２５】 前記負荷の乱れを測定するステップ
    が、前記少なくとも一つの測定負荷量の時間に関する導
    関数を計算して、前記導関数を示す少なくとも一つの微
    分測定負荷量を発生させるステップを備え、 前記非線形関数作成ルーチンを駆動するステップが、前
    記微分測定負荷量を含む関数に従って前記操作量を出力
    するステップを備える、 ことを特徴とする請求項２２記載の方法。
26. 【請求項２６】 前記プロセス出力が、測定プロセス出
    力を示す少なくとも一つの制御量、あるいは、制御量を
    近似表示する少なくとも一つの推定量である、ことを特
    徴とする請求項２３記載の方法。
27. 【請求項２７】 前記非線形関数作成ルーチンがニュー
    ラル・ネットワークである、ことを特徴とする請求項２
    ３に記載の方法。
28. 【請求項２８】 プロセス入力と、複数の制御量を含む
    プロセス出力と、プロセスに影響を与えるアクチュエー
    タと、を備えるプロセスを制御するシステムで、 ａ）前記プロセスに影響を与える前記アクチュエータに
    よって用いられる複数の操作量の所定値を発生させる第
    一制御手段で、 i)前記プロセスの負荷の乱れを測定し、前記負荷の乱れ
    を示す複数の測定負荷量を発生させ、更に、前記測定負
    荷乱れの時間に関する導関数を求め、前記導関数を表す
    複数の微分測定負荷量を発生させるステップと、 ii)複数のプロセス出力を測定し、前記測定されたプロ
    セス出力を示す複数のプロセス出力信号を発生させ、更
    に、前記プロセス出力信号の導関数を求め、前記導関数
    を表す複数の微分プロセス出力信号を発生させるステッ
    プと、 iii)前記操作量の所定値を決定するために前記第一制御
    手段で用いられる、前記制御量の値を示す複数の調節さ
    れた設定値を入力するステップと、 iv)前記調節された設定値と、前記測定負荷量と、前記
    微分測定負荷量と、推定量と、微分推定量との関数とし
    て、前記操作量の所定値と複数の最適予測時間とを発生
    させるステップと、 （ここで、前記最適予測時間が、前記調節された設定値
    に対する前記制御量の応答時間を示し、 前記操作量の所定値が、前記最適予測時間によって変化
    する前記調節された設定値に近づくように前記制御量に
    影響を与えるような前記プロセスの変化を示す） v)前記操作量の所定値を前記アクチュエータに伝達して
    前記プロセスに適用するステップと、 を備える第一制御手段と、 ｂ）前記調節された設定値を発生させる第二制御手段
    で、 i)前記プロセスの目標値を示す所望の設定値信号を入力
    し、前記設定値信号を格納する手段を備えるステップ
    と、 ii前記プロセスを測定して、前記測定値を示す制御量を
    発生させるステップと、) iii)前記操作量が限定されているかどうかを判断して、
    その結果を示す論理信号を発生するステップと、 iv)前記所望の設定値と、前記制御量と、前記論理信号
    と、前記第一制御手段により出力される前記最適予測時
    間との関数として積分制御を行うことにより、前記調節
    された設定値を計算し、前記プロセスに影響を与える前
    記操作量を発生させるように前記第一制御手段によって
    用いられる、前記調節された設定値を発生させるステッ
    プと、 を備える第二制御手段と、を備えることを特徴とするシ
    ステム。
29. 【請求項２９】 前記プロセス出力信号が、測定プロセ
    ス出力を示す制御量あるいは制御量を近似表示する推定
    量である、ことを特徴とする請求項２８記載のシステ
    ム。