JPS62241002A

JPS62241002A - オ−ト・チユ−ニング・コントロ−ラ

Info

Publication number: JPS62241002A
Application number: JP8471486A
Authority: JP
Inventors: Kohei Nomoto; 弘平野本; Tetsuo Kirimoto; 哲郎桐本; Tomomasa Kondo; 近藤　倫正
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1986-04-11
Filing date: 1986-04-11
Publication date: 1987-10-21

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】〔産業上の利用分野〕この発明は、例えばプロセス制御などに用いられるコン
トローラにおいて、その制御パラメータを制御対象の特
性に応じて自動調整する機能を具備したオート・チュー
ニング・コントローラ、特にその制御パラメータの自動
調整に関するものである。

〔従来の技術〕

従来、オート・チューニング・コントローラとして、例
えば第５図のようなものが提案されている。これは、Ａ
、Ｂ、コリビオ、Ｐ、Ｍ、　　トンブキンズ“インダス
トリアル　アプリケージ日ンオブ　ア　セルフチューニ
ング　フィードバックコントロール　アルゴリズム”、
ｌ５Ａ）ランザクシッンズ　ｖｏｌ、２０．１９８１．
第３〜１０　頁　（Ａ、Ｂ、Ｃｏｒｒｉｐｉｏ＋　　Ｐ
、Ｍ、Ｔｏｍｐｋｉｎｓ、　　　”　　ｒｎｄｕｓｔｒ
ｉａｌ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ａ　Ｓｅｌｆ
−Ｔｕｎｉｎｇ　ＦｅｅｄｂａｃｋＣｏｎｔｒｏｌ　Ａ
ｌｇｏｒｉｔｈｍ”　＋　ＩＳＡ　Ｔｒａｎｓａｃｔｉ
ｏｎｓ、　ｖｏｌ。

２０、　Ｎｏ、　２．　１９８１．　ｐｐ、　３−１０
）に掲載されたものである。図において、１は目標信号
発主装置、２はオート・チューニング・コントローラ、
３は制御対象、４はＰＩＤコントローラ、５は数学モデ
ル演算器、６は同定器、７は調整演算器である。

上記のように構成された従来のオート・チューニング・
コントローラの動作について説明する。

オート・チューニング・コントローラ２は、目標値信号
発生装置１から与えられる目標値信号ｒ伽）と、制御対
象３の出力である制御量Ｙ　（ｋ）とを入力し、制御対
象３の入力となる操作量ｕ（ｋ）を出力する。ここで、
カッコ内の値は、サンプリング間隔Ｔ毎の離散化された
時刻を表す。

このとき、オート・チューニング・コントローラ２の内
部では、以下のような動作が行われている。

まず、上記目標値信号ｒ　（ｋｌと上記制御量ｙ（ｋ）
とから、偏差ｅ（ｋ）が計算される。

ｅ　（ｋ）　＝　ｒ　Ｏｃｌ　−ｙ　（ｋ）　　　　　
　　　・・・（１）ＰＩＤコントローラ４は、上記偏差
ｅ　（ｋ）を入力し、設定されている制御パラメータに
従って、操作量ｕ　（ｋ）を計算し、出力する。制御パ
ラメータは、ＰＩＤコントローラ４では、ゲインＫｃ、
積分時間’ｒ＋、ｍ分時間Ｔ、であり、このパラメータ
に従って、上記操作量ｕ（ｋ）は次のように計算される
。

′ｌ゛上記操作量ｕ　（ｋ）は、制御対象３の入力となると同
時に数学モデル演算器５と同定器６の入力にもなる。

上記数学モデル演算器５は、上記操作量ｕ　（ｋ）を入
力すると、出力ｖ（ｋ）を例えば次式のような数学モデ
ルにより計算する。

ｖ（ｋ）ｍａ、　ｖ（ｋ−１）　＋ａｔ　ｖ（ｋ−２）
＋　ｂ　ｒ　　ｕ　（ｋ−ｓ−１）　　＋　ｂ　ｔ　　
ｕ　（ｋ−ｍ−２）　　・・・（３）ここで、ｍは０以
上の整数であり、制御対象３の無駄時間を意味する。

同定器６は、上記制御対象３と上記数学モデル演算器５
の入出力関係が等価になるように、すなわち、両者の出
力ｙ（ｋ）とＶａｔ）が等しくなるように、第（３）式
の係数ａ１　ｍ　！！　＋　　ｂｌ　＋　　ｂｌを求め
る。

このために、同定器６は、上記操作量ｕ（ｋ）、および
上記制御量ｙ（ｋ）、上記数学モデルの出力ｖ（ｋ）を
入力する。

同定器６の動作を説明するために、ここで次のベクトル
ｘ（ｋ）、　　ｚ（ｋ）、　　φ（ト））を定義する。

Ｘテ　（ｋ−１）　　＝　　（ｙ（ｋ−１）　　、　　
ｙ（ｋ−２）　　、　　ｕ（ｋ−ｇｇ−１）　　。

ｕ　（ｋ−一−２）　　）　　　　　　　　　　　　　
　　・・・（ａｚ”　（ｋ−１）　＝　（ｖ（ｋ−１）
　、　ｖ（ｋ−２）　、　　ｕ（ｋ−ｓ−１）　。

ｕ（ｋ−ｍ−２）　）　　　　　　　　・−（５）φ（
ｋ）＝　（ａｔ　＋　　ａｓ　＃　　ｂｔ　＋　　ｂｔ
）　　　　”・（６）ここに、ベクトルの右肩の添字Ｔ
は、ベクトルの転置を意味する。

同定器（６）は次のアルゴリズムを実行する。

Ｇ（ｋ）＝　（１＋　ｚ”　（ｋ）Ｐ（ｋ）ｘ（ｋ））
　−’、ｚ’　（ｋ）Ｐ（ｋ）　　＝（７）φ（ｋｌ１
）−φ伽）＋　（ｙ（ｋｌ１）−φ（ｋ）ｘ（ｋ））　
Ｇ（ｋ）＝（８）Ｐ（ｋｌ１）　−Ｐ（ｋ）−Ｐ（ｋ）
ｘ（ｋ）Ｇ（ｋ）　　　　　　　　＝（９）このアルゴ
リズムにより、ベクトルφ伽）、すなわち数学モデル第
（ｊ式の係数”１　＋　　ａｔ　１　１）Ｉ　＋ｂ、は
逐次的に求められる。

以上のようにして求められる上記ベクトルφ（ｋｌは、
上記同定器６から出力され、上記数学モデル演算器５に
送られて数学モデルを修正するために使われるとともに
、調整演算器７へ送られて制御パラメータ、すなわちゲ
インに６．積分時間Ｔｉ＋微分時間Ｔ、を求められるた
めに用いられる。これらの制御パラメータを求めるため
に、上記調整演算器７は次の演算を実行する。

Ｋｃ　”　（ａｔ　＋　２　ａｍ　）　Ｑ／　ｔｚ　　
　　　””（ｕｌここで、第（至）式と第（２）式に現
れるＱはＱｍ　ｌ　−ｅ−””　　　　　　　　　　　
　　・・・Ｑｌｌで定義される。ここにＢは調整パラメ
ータであり、閉グループにおける所望の時定数である。

以上のようにして求められたゲインＫｅｎ積分時間Ｔ、
ｌ微分時間Ｔ０は、前記ＰＩＤコントロ−ラ４に送られ
て、前記偏差ｅ　（ｋ）から第（２）式により、再び前
記操作量ｕ（ｋｌを計算するために用いられる。

〔発明が解決しようとする問題点〕

従来のオート・チューニング・コントローラは以上のよ
うに構成されているので、制御対象を同定しなければな
らなかった。ところがこの同定には次のような問題があ
る。

（１）計算が複雑である。

（２）計算量が多い。

（３）収束に時間がかかる。

（４）制御対象が持つ非線型性を扱うことができない。

（５）数学モデルの型を例えば第（３）式のように限定
してしまっているので、それ以外の型の制御対象の同定
には不適切となる。

（６）前記Ｋｐ　、ＴＩ　、Ｔｔ＋の３つの制御パラメ
ータを得るために、前記ａ、　＋　　ａｔ　＋　　Ｉ）
ｌ　＊　　ｂ２の４つの係数を同定するから無駄がある
。

そして以上のような同定の問題点は、従来のオート・チ
ューニング・コントローラでは、そのままそれ自体の問
題となっていた。

この発明は上記のような問題点を解消するためになされ
たもので、制御対象の同定を行わずに、人間の経験則や
勘を推論ルールとして記憶しておき、これを使って制御
量とテスト信号との偏差。

あるいは制御量、テスト信号などから、制御対象に最適
な制御パラメータを推論することができるオート・チュ
ーニング・コントローラを得ることを目的とする。

〔問題点を解決するための手段〕

この発明に係るオート・チューニング・コントローラは
、数学モデル演算器、同定器、調整演算器を具備する代
わりに、偏差あるいは目標値信号。

制御量などを入力し制御特性を示す特徴量を出力する特
徴量抽出器と、該特徴量から最適な制御パラメータを推
論するための推論ルールを記憶する推論ルール記憶器と
、上記特徴量を入力し上記推定ルールに従って最適な制
御パラメータを推論してＰｆＤコントローラに出力する
位置型ファジィ推論器とを設けたものである。

〔作用〕

この発明のオート・チューニング・コントローラにおい
ては、人間の経験や間を推論ルールとし。

て記憶しておき、これに従って、偏差あるいは目標値信
号、制御量などの波形の特徴量から現象論的に、最適な
制御パラメータを推論し、自動調整を行う。

〔実施例〕

以下、この発明の一実施例によるオート・チューニング
・コントローラを示すブロック図である。

第１図において、１は目標値信号発生器であり、目標値
信号ｒ（ｋ）を発生させる。２はオート・チューニング
・コントローラであり、上記目標値信号ｒ　（ｋ）と制
御対象３の出力である制御量ｙ（ｋ）を入力して操作量
ｕ（ｋ）を出力する。３は制御対象であり、上記操作量
ｕ（ｋ）を入力して上記制御量７　（ｋ）を出力する。

上記のように、この制御量Ｙ　（ｋ）は、上記オート・
チューニング・コントローラ２にフィードバックされる
。

次に上記オート・チューニング・コントローラの内部構
成を説明する。４はコントローラであって、この実施例
ではＰＩＤコントローラが使われている。このＰＩＤコ
ントローラ４は、上記目標値信号ｒ（ト））と上記制御
量ｙ（ト））との偏差ｅ（ｋ）を入力し、設定されてい
る制御パラメータ、すなわちゲインＫＣＩ積分時間Ｔ１
１微分時間ＴＩ、に従って操作量ｕ（ｋ）を出力する。

８は特徴量抽出器であり、上記偏差ｅ　ａｌ）　＊　あ
るいは上記目標値信号ｒ（ｋ）、上記操作量７（ｋ）な
どを入力し、制御系の特性を示す特徴量Ｓｉ　　；　ｌ
−１，２，・・・、ｎを出力する。９は推論ルール記憶
器であり、上記特徴量Ｓｌから最適な制御パラメータを
推論するための推論ルールＲ。

５ｊ−１，２，・・・、−が記憶されている。１０は位
置型ファジィ推論器であり、上記特徴量Ｓ１を入力して
上記推論ルールＲ，に従って、最適な制御パラメータ、
すなわちゲインＫｃ、積分時間Ｔ＋、微分時間Ｔ、を推
論し、出力する。上記Ｋｃ　、ＴＩ　。

ＴＩ、は上記ＰＩＤコントローラ４に与えられ、再び上
記操作量ｕ（ｋ）を計算するために用いられる。

第２図は、上記オート・チューニング・コントローラの
動作を示すフローチャートである。

まず、ステップ１１でＫの値をＯとする。

次に、ステップ１２で、制御パラメータを初期化する。

その値は次のとおりである。ゲインＫＣは小さめの値に
、。にとる、積分時間Ｔ１と微分時間Ｔ０は、それぞれ
無限大と零にとるか、もしくは、それぞれ、最大値、最
小値に設定する。ステップ１３〜１６で、ＰＩＤコント
ローラ４は、上記初期パラメータで第（２）式を計算し
、制御対象３を制御する。この際に、偏差ｅＩｌあるい
は目標値信号ｒｏ＜）＋制御ｆｌｙ（ｋ）などを記録し
ておく。

これらのデータをＮサンプルにわたり集めたら、ステッ
プ１７で、特徴量抽出器８はこれらのデｉりから特徴量
Ｓ４　　；　ｉ−１＋２＋・・・、ｉを計算する。上記
特徴量とは、例えば次のようなものである。

５２＝（誤差の平均変化率）ステップ１８では、位置型ファジィ推論器１゜は、上記
特徴量Ｓｔを入力し、推論ルール記憶器９に記憶された
推論ルールＲｔ　　：　Ｊ−１，２，・・・１ｍに従っ
て、最適な制御パラメータをファジィ推論して出力し、
ＰＩＤコントローラ４に与える。

それ以後、ステップ１９〜２１では、ＰＩＤコントロー
ラ４は上記の与えられた制御パラメータにより、第（２
）式を計算し、制御対象３を制御しつづける。

さて、以下、上記推論ルール記憶器９に記憶されている
推論ルールＲ，と、上記位置型ファジィ推論器１０の動
作について説明する。

まず、上記推論ルールＲｊは、人間が制御パラメータの
調整を行うときに使っている経験則や勘をルール化した
ものであり、例えば次のようなものである。

Ｒｔ：ｒもし、Ｓ、が大きく、誤差の平均変化率Ｓ８が
大きければ、ゲインＫｃを中くらいに設定せよ、」Ｒｔ：　「もし、平均誤差ＳＩが大きく、誤差の平均変
化率Ｓ２が小さければ、ゲインＫｃを大きく設定せよ。

」このように、推論ルールＲ，は、「もし〜であれば、〜
廿よ」の形をしている。このうち「もし〜であれば」の
部分を前件部命題といい、「〜せよ」の部分を後件部命
題という。

この後件部命題の形が例えば上記推論ルールＲ１゜Ｒｔ
のように、「〜にとれ」、または「〜に設定せよ」と、
値そのものを指示している場合、このファジィ推論を特
に位置型ファジィ推論という。

これに対し、後件部命題の形が「〜だけ大きくせよ」ま
たは「〜だけ長くせよ」と、値の変化分を指示している
場合、そのファジィ推論を特に速度型ファジィ推論とい
う。

この発明では、位置型ファジィ推論を実行する位置型フ
ァジィ推論器１０が備えられている。その動作について
説明する。

ファジィ推論では、まず、現在の状態が前件部命題の条
件をどの程度溝たしているが、メンバーシップ関数を用
いて評価し、Ｏから１の間の数値で表わす。

第３図は、メンバーシップ関数による評価の例を示して
いる。ここでは、「平均誤差Ｓ、は大きい」という命題
を挙げた。実際に特徴量抽出器８が算出した平均誤差は
３　＋　−３＋　”であったとする、このとき、第３図
に示されるように、上記前件部命題が成立する度合は０
．７５と評価される。

第４図は、位置型ファジィ推論器１０が行う推論のしく
みを示している。ここでは、特徴量としてＳｌとＳ！が
選ばれ、推論ルールとしてＲ３とＲ１が用いられている
場合を示している。また、ここではゲインの調整のみを
説明するが、積分時間、微分時間の調整についても同様
である。

まず、前記のようにして、ファジィ推論ルールＲ＋、Ｒ
ｔの前件部命題が成立する度合を評価する。ここで、Ｒ
，、Ｒｔのように、前件部命題が複数項から成り立ち、
「もし、〜であり、〜であれば」という形をしている場
合には、各項の成立度の一番低いものをもって、前件部
命題全体の成立度とする。第４図の例では、実際の平均
誤差Ｓｌと誤差の平均変化率Ｓ２の値は、それぞれ５Ｉ
＝ｓ、”、ｓ、＝ｓ！”である、このとき、ルールＲ＋
の「もし、平均誤差Ｓ１が大きく」が成立する度合は０
．７５であり、「誤差の平均変化率Ｓつが大きければ」
が成立する度合は０．２である。よって、前件命題全体
の成立する度合は０．２となる。−後件部命題も、第４
図に示されているようにメンバーシップ関数で表される
。いま、ルールＲＩの前件部命題の満たされる度合は０
．２であったから、後件部命題のメンバーシップ関数は
０．２倍に縮小される。

同様にして、ルールＲ１についても計算が行われ、後件
部命題は０．７５倍に縮小される。

最後に、各ルールの縮小された後件部命題のメンバーシ
ップ関数は重ねられ、その重心が求められる。この重心
をもって、最適なゲインとする。

同様にして、最適な積分時間１適な微分時間も推論され
る。

以上のようにして、位１型ファジィ推論器１゜は、最適
な制御パラメータを推論する。

なお、上記実施例は、コントローラとしてＰＩＤコント
ローラを使用し、そのゲイン、積分時間。

微分時間を自動調整するオート・チューニング・コント
ローラについて述べたが、この発明はさらに他の型のオ
ート・チューニング・コントローラにも適用できる０例
えば、コントローラとして０Ｎ−ＯＦＦと不感帯を組み
合わせたコントローラを使用し、その不感帯の幅を自動
調整するオート・チューニング・コントローラに適用し
ても有効であるし、コントローラとして近代制御理論に
基づく最適制御コントローラを使用し、その評価関数ノ
ハラメータを自動調整するオート・チューニング・コン
トローラに適用しても有効である。

〔発明の効果〕

以上のように、この発明によれば、人間の経験や間を推
論ルールとして記憶しておき、これに従って、偏差ある
いは目標値信号、制御量などの波形の特徴量から制御パ
ラメータをファジィ推論するようにしたので、複雑で、
制御対象の型を限定してしまう同定を行わずにすみ、単
純なメンバーシップ関数の演算により、人間の経験や勘
に基づく自動調整ができるようになり、軽い演算負荷。

短時間での自動調整１幅広い型の制御対象の自動調整が
可能となる効果がある。

【図面の簡単な説明】第１図はこの発明の一実施例によるオート・チューニン
グ・コントローラを示すブロック・線図、第２図はその
動作を示すフローチャート図、第３図はメンバーシップ
関数による評価の例を示す図、第４図はファジィ推論の
しくみを示す図、第５図は従来のオート・チューニング
・コントローラの一例を示す図である。図において、１は目標値信号発生装置、２はオート・チ
ューニング・コントローラ、３は制御対象、４はコント
ローラであり、ここではその−例としてＰＩＤコントロ
ーラ、８は特徴量抽出器、９は推論ルール記憶器、１０
は位置型ファジィ推論器である。なお図中同一符号は同−又は相当部分を示す。

Claims

【特許請求の範囲】

（１）目標値信号発生装置が出力する目標値信号と制御
対象の出力である制御量との偏差を入力し、制御対象の
入力である操作量を出力するコントローラと、上記偏差あるいは上記目標値信号あるいは上記制御量を
入力し、制御系の状態を示す特徴量を出力する特徴量抽
出器と、上記コントローラの最適な制御パラメータを推論するた
めの推論ルールを記憶する推論ルール記憶器と、上記特徴量を入力し、上記推論ルールに従って最適な制
御パラメータを推論し、上記コントローラに与える位置
型ファジィ推論器とを備えたことを特徴とするオート・
チューニング・コントローラ。