JPS58107903A - モデルを用いたプロセス制御方法 - Google Patents
モデルを用いたプロセス制御方法Info
- Publication number
- JPS58107903A JPS58107903A JP20752881A JP20752881A JPS58107903A JP S58107903 A JPS58107903 A JP S58107903A JP 20752881 A JP20752881 A JP 20752881A JP 20752881 A JP20752881 A JP 20752881A JP S58107903 A JPS58107903 A JP S58107903A
- Authority
- JP
- Japan
- Prior art keywords
- model
- sample
- omegak
- equation
- determined
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
(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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
発明の技術分野 一
本発明は、制御の対象となるプロセスの状態量測定値を
もとに、前記プロセスの数学モデルを逐次更新し、その
モデルを用いて前記プロセスを割部１する方法に関する
。
もとに、前記プロセスの数学モデルを逐次更新し、その
モデルを用いて前記プロセスを割部１する方法に関する
。
発明の技術的背景
第１図のプロセス１において、プロセスの状態量（Ｘ、
、Ｘ、、・・・・・・、ｘｎｌと状態量ｙの間にｙ＝ｆ
（王）・・・・・・・・・・・・・・・・・・・・・
・・・・・・（１式）％式％ Ｔは行列の転置である。
、Ｘ、、・・・・・・、ｘｎｌと状態量ｙの間にｙ＝ｆ
（王）・・・・・・・・・・・・・・・・・・・・・
・・・・・・（１式）％式％ Ｔは行列の転置である。
なる関係が成立するとき、（１式）をプロセス１の数学
モデルと呼ぶ。（１式）はｙがＸの関数であることを意
味している。
モデルと呼ぶ。（１式）はｙがＸの関数であることを意
味している。
第２図は、前記プロセスの状態量ｙの発生分布曲線Ｐ（
ｙ）の４を示している。ｙｏｐは前記プロセスの操業レ
ベルを表わしている。したがって、前記プロセスの操業
中に状態量ｘ、！、−よびｙのサンプル値を収集すると
、操業レベルｙｏｐの近傍に集中したデータが収集され
る。
ｙ）の４を示している。ｙｏｐは前記プロセスの操業レ
ベルを表わしている。したがって、前記プロセスの操業
中に状態量ｘ、！、−よびｙのサンプル値を収集すると
、操業レベルｙｏｐの近傍に集中したデータが収集され
る。
背景技術の問題点
このデータをもとに前記プロセスのモデルを作成すると
、操業レベルｙｏｐの近傍が主視され、操業レベルｙｏ
ｐから外れ九領域で精度よ（プロセス１を表現するモデ
ルを得ることができ々くなるという不具会があった。
、操業レベルｙｏｐの近傍が主視され、操業レベルｙｏ
ｐから外れ九領域で精度よ（プロセス１を表現するモデ
ルを得ることができ々くなるという不具会があった。
発明の目的
ここにおいて本発明は、プロセスの状態量の変動範囲の
任意の部分を重視する前記プロセスのモデルを作成し、
そのモデルを用いて、前記プロセスを制御する方法を提
供することを目的とする。
任意の部分を重視する前記プロセスのモデルを作成し、
そのモデルを用いて、前記プロセスを制御する方法を提
供することを目的とする。
発明の概要
本発明は、操業中のプロセスの状態量を定められた時間
間隔でサンプルし、そのサンプル値に前記状態量の大き
さにより定する重みをかけて、前記プロセスのモデルを
定められた時間間隔で更新することにより、操業レベル
近傍のみを重視することのないモデルを用いたプロセス
制御方法である。
間隔でサンプルし、そのサンプル値に前記状態量の大き
さにより定する重みをかけて、前記プロセスのモデルを
定められた時間間隔で更新することにより、操業レベル
近傍のみを重視することのないモデルを用いたプロセス
制御方法である。
発明の実施例
以下に、本発明を第８図で示すタービン発電機における
一実施例について説明する。
一実施例について説明する。
第８図において、５は蒸気タービンで発電機６を駆動す
る。Ｓは蒸気タービン５の主蒸気流量で、Ｇは発電機６
の発電出力を示している。前記タービン発電機６の数学
モデルが Ｇ ：ｌｌｏ ＋ａ１Ｓ−）−ａｌｌＳ ” −（２式
）として与えられるものとする。（２式）のＧｌ″ｉ。
る。Ｓは蒸気タービン５の主蒸気流量で、Ｇは発電機６
の発電出力を示している。前記タービン発電機６の数学
モデルが Ｇ ：ｌｌｏ ＋ａ１Ｓ−）−ａｌｌＳ ” −（２式
）として与えられるものとする。（２式）のＧｌ″ｉ。
（１式）のｙに、日はＸ、に対応する。なお、ｎは１で
ある。
ある。
（２式）において、発電出力Ｇおよび主蒸気流量Ｓは前
記タービン発電機６の状態量であり、測定可能量である
。この場合はモデルの作成は（２式）におけるａ。＋
ａｌ＋ ａｌを求めることと等価になる。ａＯ９ａ１＋
ａｍの指定法として重み付量１Ｊ１２乗法を用いるこ
とにする。
記タービン発電機６の状態量であり、測定可能量である
。この場合はモデルの作成は（２式）におけるａ。＋
ａｌ＋ ａｌを求めることと等価になる。ａＯ９ａ１＋
ａｍの指定法として重み付量１Ｊ１２乗法を用いるこ
とにする。
まず、サンプル時点ｋｌｃおける発電出力Ｇ、主蒸気流
量Ｓのサンプル値をそれぞれＧｋ、Ｓｋとする。また、
そのサンプルに対する重み係数をω、とすると、誤差関
数Ｆとして（８式）を得る。
量Ｓのサンプル値をそれぞれＧｋ、Ｓｋとする。また、
そのサンプルに対する重み係数をω、とすると、誤差関
数Ｆとして（８式）を得る。
（８）
ここでＮはサンプル回数でるる。
重み係数ω、＝１（ただし、に＝１．２．・・・・・・
Ｎ）の場合のサンプル時点ｋ（ただしＯ（ｋ≦Ｎ）にお
ける’Ｏｓ ａｌ ＊ ａｍの逐次推定式は文献じシス
テム・アイデンティフィケーション■″。
Ｎ）の場合のサンプル時点ｋ（ただしＯ（ｋ≦Ｎ）にお
ける’Ｏｓ ａｌ ＊ ａｍの逐次推定式は文献じシス
テム・アイデンティフィケーション■″。
鈴木著、制御工学Ｖｏ１．１４． ｐｐ、 ４８８ ／
４９４゜１９７０）で与えられている。前記文献同様
の式の展開を行なうと、（８式）の場合の逐次推定式が
矢のように得られる。
４９４゜１９７０）で与えられている。前記文献同様
の式の展開を行なうと、（８式）の場合の逐次推定式が
矢のように得られる。
Ｐｋ￥に一１１＋ω’ｋＸＨ２ｋ−ＩＸｋ ！に−１”
ｋＦＥｋ−ｕｋ−１・・・（５式） （４） ％式％ に対応している。
ｋＦＥｋ−ｕｋ−１・・・（５式） （４） ％式％ に対応している。
サンプル時点ｋ （０（ｋ≦Ｎ）において、状態量サン
プル値Ｇｋ、Ｓｋが得られるとｂ ｑ７１−Ｋｋ ＃ω
ｋを定め、（ｋ−１）時点の見ト１．ヱに−１から新し
い（ａａ ＋ ａｓ ＊ ａｍ ）の推定ペクトノリ
１を（４式）を用いて決定することができる。同時に（
５式）を用いてよ、の（財）新も行なう。
プル値Ｇｋ、Ｓｋが得られるとｂ ｑ７１−Ｋｋ ＃ω
ｋを定め、（ｋ−１）時点の見ト１．ヱに−１から新し
い（ａａ ＋ ａｓ ＊ ａｍ ）の推定ペクトノリ
１を（４式）を用いて決定することができる。同時に（
５式）を用いてよ、の（財）新も行なう。
つぎにω、の定め万について説明する。前記発電機出力
Ｇが４４図のような発生公理曲線７を待つとすると、（
４式）、（６式）を用いて得られル前記タービン発１機
６のモデルは、操業レベルＧｏ ｐ近傍ｆｔ重視したモ
デルとなる。ここで第４図ｇ ＠Ｐ（。）は確率密度関
数を表わす。
Ｇが４４図のような発生公理曲線７を待つとすると、（
４式）、（６式）を用いて得られル前記タービン発１機
６のモデルは、操業レベルＧｏ ｐ近傍ｆｔ重視したモ
デルとなる。ここで第４図ｇ ＠Ｐ（。）は確率密度関
数を表わす。
第５図は１重み関数
ω＝ｈ（ψ ・・・・・・・・・・・・・・・・・・・
・・・・・・・・・・・・・・ （６式）全示している
（ｌＩＩＴＭは重みω、横佃は発゛屯出力Ｇ）。
・・・・・・・・・・・・・・ （６式）全示している
（ｌＩＩＴＭは重みω、横佃は発゛屯出力Ｇ）。
サンプル時点ｋにおいて発電出力Ｇｋが測定されると。
ωｋ ＝ｈ （Ｇｋ） ・・・・・・・・・・・・・
・・・・・・・・・・・ （７式）として重み係数ω１
ｃ金決定する。第５図のような重み関数により重み係数
ωに′ｔ−決定すると、発電出力Ｇの操業レベルＧ。ｐ
近傍のみを重視することのないモデルｔ−得ることがで
キル。
・・・・・・・・・・・ （７式）として重み係数ω１
ｃ金決定する。第５図のような重み関数により重み係数
ωに′ｔ−決定すると、発電出力Ｇの操業レベルＧ。ｐ
近傍のみを重視することのないモデルｔ−得ることがで
キル。
唯み関数は予め定めておく方法や、過去の発電出力Ｇの
サンプル値から度数分布を作成し、逐次更新する方法な
どが考えられる。
サンプル値から度数分布を作成し、逐次更新する方法な
どが考えられる。
本発明のその他の実ｌ布例としては、（４式）。
（５式）以外の逐次推定法を用いる方法、状態量の所望
の変動範囲を重視するモデルが得られるように重み係数
ωｋを定める場合、さらにはモデルの更新をサンプル毎
でなく何回かおきに行なう場曾があ乙。
の変動範囲を重視するモデルが得られるように重み係数
ωｋを定める場合、さらにはモデルの更新をサンプル毎
でなく何回かおきに行なう場曾があ乙。
発明の詳細
な説明したように１本発明には次のような効果がある。
■ 制御の対象となるプロセスの状態量の任意の変動領
域を重視したプロセスのモデルを用いて制御が行なえる
。
域を重視したプロセスのモデルを用いて制御が行なえる
。
＠ プロセスの操業中にデータ収集し、モデルを逐次更
新することができる。
新することができる。
０ （４式）、（５式）の逐次推定式を用いると、モ
デル作成のために必要な記憶容量が、ブータラあるセッ
ト数貯えてからモデル作成を行なう場合に比べて非常に
小さくて済む。
デル作成のために必要な記憶容量が、ブータラあるセッ
ト数貯えてからモデル作成を行なう場合に比べて非常に
小さくて済む。
第１図は状・用量ｘ１ ＊ ”ｌ ＋・・・・・・＊
”ｎ ＋ ７を持つプロセスのブロック図、第２図は状
態量ｙの発生分布曲線図、第８図は本発明の一実施例の
り（７） −ビン発電機の溝成を示すブロック図、第４図はそのタ
ービン発電機の発電出力の発生分布曲線図、第５図はそ
のタービン発電機のモデルを作成する際に用いる重み関
数を示す図である。 １・・・制御の対象のプロセス、２・・・プロセス１の
状態量”１ ｍ ”Ｒｓ・・・・・・、Ｘｎ、８・・・
プロセス１の状態量７．４・・・状態量ｙの発生分布曲
線、５・・・蒸気タービン、６・・・発電機、７・・・
発電出力Ｇの発生分布曲線、Ｓ・・・主蒸気流量、ω・
・・重み。 出願人代理人 猪 股 清 （８） 帛１図 馬２図
”ｎ ＋ ７を持つプロセスのブロック図、第２図は状
態量ｙの発生分布曲線図、第８図は本発明の一実施例の
り（７） −ビン発電機の溝成を示すブロック図、第４図はそのタ
ービン発電機の発電出力の発生分布曲線図、第５図はそ
のタービン発電機のモデルを作成する際に用いる重み関
数を示す図である。 １・・・制御の対象のプロセス、２・・・プロセス１の
状態量”１ ｍ ”Ｒｓ・・・・・・、Ｘｎ、８・・・
プロセス１の状態量７．４・・・状態量ｙの発生分布曲
線、５・・・蒸気タービン、６・・・発電機、７・・・
発電出力Ｇの発生分布曲線、Ｓ・・・主蒸気流量、ω・
・・重み。 出願人代理人 猪 股 清 （８） 帛１図 馬２図
Claims (1)
- １、操業中のプロセスの状態量を足められた時間間隔で
サンプルし、そのサンプル値に前記状態量の大きさによ
り定寸る重みをかけて、前記プロセスのモデルを定めら
れた時間間隔で更新することを特徴とするモデルを用い
たプロセス制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20752881A JPS58107903A (ja) | 1981-12-22 | 1981-12-22 | モデルを用いたプロセス制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20752881A JPS58107903A (ja) | 1981-12-22 | 1981-12-22 | モデルを用いたプロセス制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS58107903A true JPS58107903A (ja) | 1983-06-27 |
Family
ID=16541208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP20752881A Pending JPS58107903A (ja) | 1981-12-22 | 1981-12-22 | モデルを用いたプロセス制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58107903A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102692875A (zh) * | 2012-06-07 | 2012-09-26 | 王卫良 | 汽轮机主蒸汽压力跟踪优化方法 |
| WO2016147780A1 (ja) * | 2015-03-13 | 2016-09-22 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及び記憶媒体 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS516289A (ja) * | 1974-07-08 | 1976-01-19 | Sumitomo Bakelite Co |
-
1981
- 1981-12-22 JP JP20752881A patent/JPS58107903A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS516289A (ja) * | 1974-07-08 | 1976-01-19 | Sumitomo Bakelite Co |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102692875A (zh) * | 2012-06-07 | 2012-09-26 | 王卫良 | 汽轮机主蒸汽压力跟踪优化方法 |
| WO2016147780A1 (ja) * | 2015-03-13 | 2016-09-22 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及び記憶媒体 |
| JP2016170715A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103557037B (zh) | 一种基于自适应逆控制的汽轮机转速控制方法 | |
| Xue et al. | A suboptimal reduction algorithm for linear systems with a time delay | |
| CN108170029B (zh) | Mimo全格式无模型控制器基于偏导信息的参数自整定方法 | |
| CN112463189B (zh) | 基于通信操作稀疏化的分布式深度学习多步延迟更新方法 | |
| CN105182755A (zh) | 一种工业加热炉系统的分数阶预测函数控制方法 | |
| JPS58107903A (ja) | モデルを用いたプロセス制御方法 | |
| CN110716430A (zh) | 一种采用等效扰动补偿的伺服系统快速吸引重复控制方法 | |
| CN110134014A (zh) | 周期伺服系统幂次吸引重复控制的等效扰动补偿方法 | |
| CN117391175B (zh) | 一种用于类脑计算平台的脉冲神经网络量化方法及系统 | |
| CN114859703B (zh) | 一种基于事件触发的正线性系统脉冲控制系统、方法、设备以及介质 | |
| CN113948158B (zh) | 一种通过相场法高效模拟枝晶生长的方法 | |
| CN108107715B (zh) | Miso全格式无模型控制器基于偏导信息的参数自整定方法 | |
| Jimenez et al. | Stellar evolution with mass loss–comparison of numerical and semi-analytical computations | |
| JPH0666041B2 (ja) | ２自由度サンプル値ｐｉｄ制御装置 | |
| Neely et al. | A progressive computation technique for updating optimal control functions | |
| CN115951726B (zh) | 一种基于svdf的双容水箱液位控制方法 | |
| CN119376253B (zh) | 一种多智能体系统预定时间及精度的一致性控制方法 | |
| CN113325705B (zh) | 一种线性切换系统的砰-砰控制方法 | |
| JPS54111848A (en) | Input characteristic correction circuit of process control unit | |
| Abaza et al. | A two-step least squares parameter estimation method: Test case examples | |
| Mu et al. | Offline Exploration-Aware Fine-Tuning for Long-Chain Mathematical Reasoning | |
| JP2541166B2 (ja) | 学習制御方法 | |
| JPH01106103A (ja) | プロセス制御装置 | |
| SU758181A1 (ru) | Следящий умножитель частоты 1 | |
| Bendary et al. | A SURVEY OF THE POWER SYSTEM CONTROL PROBLEM |