CN113366394B - 实时控制器及使用该实时控制器的分散控制系统、工业机械 - Google Patents

Abstract

本发明提供学习运算时和推论运算时的控制动作相同的实时控制器以及使用该实时控制器的分散控制系统、工业机械。实时控制器与一部分进行深层学习的学习运算的网络连接，取入在外部测量出的测量数据执行深层学习的推论运算，实时控制器具备：设定保持部，其针对多个测量数据中的基准数据，存储包含由深层学习的学习运算求出的基准数据的输入延迟时间的设定信息；时间校正部，其存储测量数据，将从基准数据的输入时刻起经过输入延迟时间的时刻设为基准数据的输入时刻，且针对基准数据以外的数据选择与经过输入延迟时间的时刻最近的定时的基准数据以外的数据；运算部，其将基准数据和选择的基准数据以外的数据作为组数据来执行深层学习的推论运算。

Description

实时控制器及使用该实时控制器的分散控制系统、工业机械

技术领域

本发明涉及执行实时控制的控制器、进行使用基于深层学习的推论运算的实时控制的实时控制器以及使用该实时控制器的分散控制系统、工业机械。

背景技术

近年来，以提高图像识别的精度、预测工业装置的故障等为目的，使用深层学习技术。特别是在有教师的深层学习中，通过将输入数据和与其对应的任意的教师(正确)数据作为参数来执行学习运算，从而即使不进行数理性设计也能够得到任意的运算模型。另外，根据输入数据、正解的误差进行再学习运算，由此能够更新运算模型。因此，通过使用深层学习，能够不考虑控制对象的运用环境的差异和复杂的物理现象而制作控制运算模型(学习结果)，并基于该控制运算模型进行运算(以下为推论运算)，期待系统设计工时的削减。

通常，工业装置、机器人等工业机械中的机械控制基于任意的传感器或者致动器的信息来执行控制运算。这在使用了深层学习技术的机械控制中也是同样的，例如日本特开专利文献1是具备学习部、推论部以及传感器的机器学习系统，其特征在于，通过选择并活用仅对机器学习系统的学习重要的数据，机器学习系统进行高精度的推论运算。

现有技术文献

专利文献

专利文献1：日本特开2010-55303号公报

发明内容

发明要解决的课题

工业装置、机器人的机械控制要求毫秒至微秒周期中的高速的控制周期。另一方面，在学习运算时和推论运算时，根据各运算所需的计算性能、安装方式，数据的输入输出路径、输入输出方法不同的情况较多，输入时的延迟时间变大。因此，如果将专利文献1的结构应用于高速的机械控制，则由于没有考虑学习运算时和推论运算时的数据的输入延迟时间的误差，所以这影响高速控制，存在学习运算时和推论运算时的控制动作变得不一样的情况。

根据以上内容，本发明的目的在于提供一种学习运算时与推论运算时的控制动作相同的实时控制器及使用该实时控制器的分散控制系统、工业机械。

用于解决课题的手段

根据以上内容，在本发明中，设为“一种实时控制器，其与一部分进行深层学习的学习运算的网络连接，取入在外部测量出的测量数据来执行深层学习的推论运算，其特征在于，实时控制器具备：设定保持部，其针对多个测量数据中的基准数据，存储包含通过深层学习的学习运算求出的基准数据的输入延迟时间的设定信息；时间校正部，其存储测量数据，将从基准数据的输入时刻起经过了输入延迟时间的时刻设为基准数据的输入时刻，并且针对基准数据以外的数据，选择与经过了输入延迟时间的时刻最近的定时的基准数据以外的数据；以及运算部，其将基准数据和选择出的基准数据以外的数据作为组数据来执行深层学习的推论运算”。

另外，在本发明中，设为“一种分散控制系统，其构成为实时控制器与经由网络执行深层学习的上游侧计算机、以及取得所述测量数据的下游侧计算机连接”。

另外，在本发明中，设为“一种工业机械，其由分散控制系统构成”。

发明效果

根据本发明，在使用了深层学习的机械控制中，通过将学习运算时和推论运算时的数据的输入输出延迟校正为相同条件，能够使学习运算时和推论运算时的控制动作相同。

附图说明

图1是表示本发明的实施例的实时控制器的结构例的图。

图2是表示实时控制器在通信中所使用的数据结构的图。

图3是表示实时控制器所具备的时间校正部16的详细结构例的图。

图4是表示用于进行试运转模式中的延迟时间校正的设定步骤的流程图。

图5是表示时间校正部16执行的延迟时间校正处理的步骤的流程图。

图6是表示不对输入数据进行延迟时间校正处理的情况下的时序图的图。

图7是表示对输入数据进行延迟时间校正处理的情况下的时序图的图。

图8是表示应用了实时控制器1的分散控制系统6的结构例的图。

图9是表示向实时控制器所具备的时间校正部输入所需的设定信息的设定终端画面的图。

图10是表示本发明的实施例3的实时控制器1的运用应用例的图。

具体实施方式

以下，使用附图对本发明的实施例进行详细说明。

实施例1

图1是表示本发明的实施例的实时控制器的结构例的图。

由计算机构成的实时控制器1通过有线或无线网络在与上游侧和下游侧的计算机之间进行通信。另外，网络的例如上游侧计算机在试运转时等事先执行深层学习的学习运算，实时控制器1在通常运转时执行反映了深层学习的结果的推论运算。

图1的实时控制器1至少具备运算部18、控制与上下游侧计算机之间的通信的通信控制部12、校正通信时间的时间校正部16、控制数据的收发的上游及下游的数据控制部13、14。

更详细地说，通信控制部12具备接收或发送上游方向的通信的传输信号的上游通信端口10、以及接收或发送下游方向的通信的传输信号的下游通信端口11，变换为要收发的通信的传输信号数据，或者进行传输信号的中继。收发的数据由上游及下游的数据控制部13、14控制。

时间校正部16从设定保持部15得到时间校正部的处理所需的设定信息，基于事先的设定来确定基准数据，校正其输入延迟时间，基于事先的设定和基准数据的输入延迟时间，选择基准数据以外的数据来制作基于基准数据和基准数据以外的数据的数据组。

运算部18执行使用了来自时间校正部16的数据的运算处理，并且此时在运算测量部17中测量运算时间的开始和结束的经过时间。

另外，上游通信端口10和下游通信端口11与通信控制部12连接，通信控制部12与上游数据控制部13和下游数据控制部14连接，上游数据控制部13与设定保持部15和时间校正部16连接，下游数据控制部14与时间校正部16和运算部18连接，设定保持部15与时间校正部16连接，时间校正部16与运算部18连接，运算部18与通信控制部12、上游数据控制部13和运算测量部17连接。

在此，实时控制器1为了通过通信收发数据而使用图2的数据包2所示的结构。数据包2具备：地址部20，其表示实时控制器1进行通信时的目的地地址；以及数据部21，其存储运算中所使用的参数、时间校正部16中所使用的设定信息等。

图3是表示实时控制器1所具备的时间校正部16的详细情况的结构图。

时间校正部16具有：数据解释部30，其解释由上游数据控制部13或下游数据控制部14接收到的数据包的数据内容；计时部31，其进行时间的测量；数据缓冲部32，其蓄积接收到的数据；基准选择部161，其根据存储在设定保持部15中的设定，选定基准的数据；延迟校正部162，其根据存储在设定保持部15中的设定，校正基准数据的输入延迟时间；以及定时调整部163，其根据存储在设定保持部15中的设定和基准数据的输入延迟时间，选定输入数据并生成数据组，将由定时调整部163进行了时间调整后的数据递交给运算部。

这样，数据解释部30与上游数据控制部13、下游数据控制部14和数据缓冲部连接，计时部31与数据缓冲部32连接，数据缓冲部与基准选择部161和定时调整部163连接，基准选择部161与延迟校正部162连接，延迟校正部162与定时调整部163连接，定时调整部163与运算部18连接。

在此，对实时控制器1的基本动作进行说明。

首先，实时控制器1经由上游通信端口10通过上游数据控制部13接收时间校正部16的处理所需的设定。上游数据控制部13将接收到的设定信息向设定保持部15传送，设定保持部15存储传送的设定信息。

在此，时间校正部16的处理所需的设定是指，包含用于选择作为延迟补偿的对象的基准数据的基准数据设定信息、用于校正基准数据的输入延迟时间的延迟时间校正设定信息的信息。

此时，上游数据控制部10和下游数据控制部11都能够进行接收或发送。因此，实时控制器1总是在上游方向和下游方向连续地收发数据包2的结构的数据。特别是，接收到的数据在时间校正部16的数据缓冲部32中蓄积，定时调整部163仅选定在运算部18的运算中所使用的数据。另外，实时控制器1基于接收到的数据，由运算部18定期地执行运算。此时，运算部18将运算结果转发给上游数据控制部13或下游数据控制部14。上游数据控制部13或下游数据控制部14在被转发运算结果时，转发给通信控制部12并转换为通信的传送信号。

另外，实时控制器1具备用于进行延迟时间校正处理的设定的试运转模式和执行控制运算的通常模式。在试运转模式中，例如通过上游侧计算机执行深层学习的学习运算，作为该试运转结果，时间校正部16的处理所需的各种设定信息被实时控制器1获取而实施设定处理。在通常模式中，在实时控制器1中执行使用了作为深层学习的学习运算的结果而得到的学习模型的推论运算，其中，执行使用了在试运转模式中求出的、预先确定的时间校正部16的处理所需的各种设定信息的延迟时间校正处理。

接着，对由实时控制器1所具备的时间校正部16执行的数据的延迟时间校正的处理进行说明。使用图4，对用于进行试运转模式下的延迟时间校正的设定步骤进行说明。

在图4中，首先，为了测算设定对象的数据的输入延迟、运算时间，在处理步骤S40中将实时控制器1设为试运转模式。在试运转模式中，通过上游侧计算机执行深层学习的学习运算。接着，在处理步骤S41中确认作为进行了试运转的结果的动作信息。

当动作信息的确认完成时，接着，在处理步骤S42中，选择成为校正延迟时间时的基准的基准数据。

在图4的设定步骤(处理步骤S43和处理步骤S44)中，针对每个基准数据输入2种延迟信息。第1个是内部延迟信息，这是从能够作为数字值而取得输入对象的数据(基准数据)开始，到发送给实时控制器1且数据到达为止的时间。第2个是外部延迟信息，这是输入对象的数据从模拟值变换为数字值为止的时间。

在此，若进一步详细叙述内部延迟信息和外部延迟信息，则例如在假定了上游侧计算机为成套设备整体的控制装置、下游侧计算机为成套设备各部的个别控制装置这样的定位的情况下，由下游侧计算机测量过程量并将模拟值变换为数字值为止的时间为外部延迟信息，并且从生成数字值开始到被实时控制器1认知为止的时间为下游的内部延迟时间。

对于这2种信息(用于选择作为延迟补偿对象的基准数据的基准数据设定信息、以及用于校正基准数据的输入延迟时间的延迟时间校正设定信息)，在处理步骤S43和处理步骤S44中，一旦针对各数据完成输入，就将设定设为完成。最后，在处理步骤S45中，实时控制器1开始通常模式下的操作。

图5是表示时间校正部16在通常模式下执行的延迟时间校正处理的步骤的流程图。此外，在此，以已经将处理所需的数据存储于设定保持部15为前提。虽然在图5中未图示，但在图5中的实时控制器1的处理中，执行使用了深层学习的学习运算的结果所得到的学习模型的推论运算。

时间校正部16在处理步骤S50中通过数据解释部30接收数据。

此时，数据解释部30在确认数据内容后，从运算测量部17读出数据接收时的时间，并转移至处理步骤S51。接着，在处理步骤S51中，数据缓冲部32将由数据解释部30接收到的数据和数据接收时刻合并进行蓄积，转移到处理步骤S52。

在处理步骤S52中，基准选择部161依次确认在数据缓冲部32中蓄积的数据，判定是否是作为事先设定的基准的数据。在处理步骤S52的判定中，在判断为不是事先设定的基准的数据的情况下，返回到处理步骤S50并继续数据的接收。

在处理步骤S52的判定中，在判断为是事先设定的基准的数据的情况下，基准选择部161通知延迟校正部162，并转移到处理步骤S53。此时，能够通过指定数据包2所具备的地址部20来判别基准数据。

接着，在处理步骤S53中，延迟校正部162从接收到基准数据的时刻起开始时间测量，转移到处理步骤S54。在处理步骤S54中，判定延迟校正部162正在测量的时间是否达到了事先设定的时间。此时，在处理步骤S54的判定中，在延迟校正部162测量出的时间未达到事先设定的输入延迟时间的情况下，停留在处理步骤S54。

在处理步骤S54的判定中，在延迟校正部162测量出的时间达到了事先设定的输入延迟时间的情况下，延迟校正部162通知定时调整部163，并转移到处理步骤S55。此时，事先设定的输入延迟时间是上述内部延迟信息和上述外部延迟信息的合计值。

从处理步骤S53到处理步骤S54的时间测量是为了校正事先设定的基准数据的输入延迟时间而执行的步骤。即，从基准数据到达的时刻起，有意地将时间调整事先设定的输入延迟时间量，由此校正为任意的输入延迟时间。

在处理步骤S55中，定时调整部163基于在处理步骤S54中测量出的输入延迟时间和事先的设定，从蓄积在数据缓冲部32的数据中选择基准数据以外的数据。

在此，对定时调整部163选定数据的结构进行说明。作为前提，关于基准数据以外的数据，也能够设定任意的输入延迟时间。在定时调整部163从数据缓冲部32选定数据时，首先忽略在处理步骤S54中测量出的输入延迟时间的范围外的数据。此时，如上所述，数据缓冲部32将接收到的数据和数据接收时刻合并进行蓄积，因此能够参照与该数据关联的数据的接收时刻。之后，定时调整部163通过参照对基准数据以外的数据设定的输入延迟时间和数据接收时刻，根据基准数据的输入延迟时间相对地进行计算，选择特定的接收时刻的数据。

通过上述处理，在基准数据以外的数据的时间序列的数据组中，选择与在由针对基准数据事先设定的输入延迟时间决定的时刻最近的时刻得到的基准数据以外的数据。

然后，转移到处理步骤S56，定时调整部163将基准数据和选择出的基准数据以外的数据合并而生成输入数据的组，转移到处理步骤S57。

在处理步骤S57中，定时调整部163判断是否选择了事先设定的全部数据。在处理步骤S57的判定中，在判断为没有选择事先设定的全部数据的情况下，转移到处理步骤S56，定时调整部163再次选择数据。

另外，在处理步骤S57的判定中，在判断为选择了事先设定的全部数据的情况下，转移到处理步骤S58。最后，在处理步骤S58中，定时调整部163向运算部18输出输入数据的组。

图6是表示实时控制器1所具备的时间校正部16不对输入数据进行延迟时间校正处理的情况下的时序图的图。

在此，图6所示的例子将数据A和数据B作为输入数据，对比示出了在试运转模式下由任意的计算机(多数情况下由上游侧计算机实施)执行深层学习的学习运算的情况、以及在通常运转模式下由实时控制器1执行作为学习结果的推论运算的情况。另外，在此，对在试运转时和通常运转时成为不同的延迟时间的结果的情况进行说明。

在图6中，关于数据A，在学习运算时(试运转时)和推论运算时(实际运转时)，由上游侧计算机实施的学习运算时的开销(overhead)时间T60比由实时控制器1实施的推论运算时的开销T62长。另外，关于数据B，在学习运算时和推论运算时几乎不存在开销。此外，T61、T63表示学习运算时和推论运算时的数据A的输入时刻，T64表示数据B的输入时刻。

在上述的前提下，数据A以周期T67对数据进行采样，数据B以周期T66对数据进行采样。在该情况下，一旦输入了数据A，就选择最新的采样的数据B，作为输入数据的组用于运算。

具体而言，在学习运算时，数据A从下游侧计算机中的数据测量起经过开销T60在时刻T61被输入到实时控制器1。与此相对，数据B选择最接近数据A的输入时刻T61的、作为最新的采样的T65时刻的数据，并作为输入数据的组。

另一方面，在推论运算时，数据A从下游侧计算机中的数据测量起经过开销T62在时刻T63被输入到实时控制器1。与此相对，数据B选择最接近数据A的输入时刻T63的、作为最新的采样的T64时刻的数据，并作为输入数据的组。

即，由于数据A的开销在学习运算时和推论运算时不同，所以选择数据B的定时不同，在学习运算时和推论运算时的输入数据的组中，数据B的取得时刻不同。

接着，根据图7说明时间校正部16对输入数据进行延迟时间校正处理的情况下的时序图。此外，在此说明的情况也设为与在图6中说明时相同的前提。

在图7中，将数据A作为基准数据，将数据B作为基准数据以外的数据进行处理。基准数据A在学习运算时和推论运算时开销不同，因此在开销短的推论运算时，通过对开销长的学习运算调整延迟时间，在学习运算时和推论运算时实现相同定时的基准数据输入时刻。

另外，在与基准数据A的输入时刻最近的定时，选择基准数据以外的数据B。

首先，在学习运算时，数据A与图6的情况同样地从下游侧计算机中的数据测量起经过开销T60，在时刻T61进行输入。此时，数据B选择最接近时刻T61的最新的采样即时刻T611的数据，并作为输入数据的组。

另一方面，在实时控制器1中进行推论运算时，为了利用时间校正部6校正输入数据的延迟时间，将数据A确定为基准数据，并且设定T610的延迟时间。因此，在推论运算时，在数据到达时，从下游侧计算机中的数据测量起经过开销T68，实际上在定时T69进行输入，但仅在时间T610加上输入延迟时间。之后，设为在时刻T612输入，此时，对于数据B，选择最接近时刻T612的最新的采样即时刻T611的数据，并作为输入数据的组。

通过进行这样的输入延迟校正，在学习运算时和推论运算时，将数据A的开销校正为相同，使选择数据B的定时也相同，由此能够解决学习运算时和推论运算时的输入数据的组中的数据B的取得定时不同的问题。

根据本实施例的方式，在深层学习的学习运算和推论运算的执行时，即使数据的输入路径、用于执行的运算环境不同，也能够制作输入延迟时间等相同条件下的输入数据的组。

实施例2

图8是表示作为用于实际运用本发明的实施例2的实时控制器1的系统的一例的分散控制系统6的结构例的图。

分散控制系统7构成为具备进行分散控制系统7整体的系统管理的系统管理装置70、至少1个实时控制器1、至少1个输入输出中继装置71、至少1个传感器72、或者至少1个致动器73、或者至少1个传感器72和至少1个致动器73双方、以及设定终端装置74。

在此，构成了系统管理装置70是上游侧计算机、输入输出中继装置71是下游侧计算机的计算机系统。在该情况下，作为网络的上游侧计算机的系统管理装置70在试运转时执行深层学习的学习运算，实时控制器1在实际运转时执行深层学习的推论运算。

这样，系统管理装置70与实时控制器1或输入输出中继装置71连接，实时控制器1与其他实时控制器1或输入输出中继装置71连接，输入输出中继装置71与传感器72或致动器73连接，设定终端装置74与系统管理装置70连接。

接着，对各装置的详细情况进行说明。

系统管理装置70具备至少1个下游通信端口11、系统管理部701、通信控制部702和终端连接端口703，系统管理部701与通信控制部702和终端连接端口703连接，通信控制部702与至少1个下游通信端口11连接。

说明系统管理装置70的基本动作。系统管理装置70通过系统管理部701管理由设定终端装置74输入的设定，并转发给通信控制部702，从而经由下游通信端口11将必要的设定信息传送给实时控制器1的时间校正部16。在此，系统管理装置70设想为与网络连接的服务器、通用计算机、小型的计算机基板等。实时控制器1记载于实施例1中，因此在此省略说明。

输入输出中继装置71具备至少1个上游通信端口10、至少1个下游通信端口11、通信控制部710、输入输出部711以及装置连接端口712，通信控制部710与至少1个上游通信端口10和至少1个下游通信端口11连接，输入输出部711与通信控制部710和装置连接端口712连接，装置连接端口712与传感器72或者致动器73连接。

对输入输出中继装置71的基本动作进行说明。输入输出中继装置71与装置连接端口712连接，经由输入输出部711对传感器或者致动器进行输入输出。此时，输入数据是将由输入输出部711得到的数据经由通信控制部710和上游通信端口10或下游通信端口11向实时控制器1或系统管理装置70发送的数据。另外，输出数据是指经由上游通信端口10或下游通信端口11和通信控制部710从实时控制器1或系统管理装置70接收到的数据，并经由输入输出部711输出。

接着，对分散控制系统6的基本动作进行说明。

在本实施例中，基于多个传感器72的输入数据，由实时控制器1执行用于求出致动器73的控制指令的运算。

在使用分散控制系统6时，首先，在设定终端装置74中，实时控制器1输入用于执行输入延迟校正的设定信息。

图9是表示向实时控制器1所具备的时间校正部16输入所需的设定信息的设定终端画面的图。此时，设定终端装置74是图9所示的结构。设定终端装置74具备设定区域80和系统日志区域81。

为了执行输入延迟校正的处理，设定区域80进行基准数据的指定、对各数据的延迟时间设定。另外，系统日志区域81将所输入的设定信息经由系统管理部701转发给通信控制部702，并传送给实时控制器1。

此时的设定顺序如实施例1所记载的那样，首先执行试运转模式，之后在系统日志区域81确认动作信息。接着，在设定区域，对延迟时间校正对象的各数据输入内部延迟信息和外部延迟信息。然后，由设定终端装置74输入的设定信息经由系统管理装置70被转发给实时控制器1，并且实时控制器1将接收到的设定信息存储至设定保持部15。

在此，连接有传感器72A、72B的输入输出中继装置71A、71B持续地对传感器72A、72B的数据进行采样，并转发给实时控制器1。此时，如图8所记载的那样，为了便于说明，设为数据A的传感器72A和数据B的传感器72B。另外，将数据A设为输入延迟校正的基准数据，将数据B设为基准数据以外的数据。实时控制器1在接收到基准数据A时，利用实施例1中记载的方法对基准数据A的传感器72A的输入延迟时间进行校正。之后，基于事先的设定和基准数据A的传感器72A的输入延迟时间，选择在实时控制器1所具备的数据缓冲部30中蓄积的、多个基准数据以外的数据B的传感器72B的数据中的1个数据。

将此时选择的传感器72B的基准数据以外的数据B和基准数据A的传感器72的数据作为输入数据的组，转发给运算部18。在运算部18中基于该输入数据进行运算，之后通过通信将运算结果转发给与致动器73连接的输入输出中继装置71C。连接有致动器73的输入输出中继装置71C通过输入输出部711将接收到的运算结果变换为针对致动器73的控制信号，并进行反馈。

根据本实施例的方式，通过将具备实时控制器1的分散控制系统6应用于工业装置、机器人等工业机械，能够严格地指定输入到控制运算的传感器或者致动器等的各数据的延迟时间及其组合。

其他应用于实时控制器1时的效果与实施例1相同，因此省略说明。

实施例3

图10是本发明的实施例3的实时控制器1的运用应用例。

实时控制器1所具备的运算部18具备运算执行部91、运算参数存储部92以及运算管理部93。

另外，运算执行部91与时间校正部16、上游数据控制部10和下游数据控制部11连接，运算参数存储部92与运算执行部91和通信控制部12连接，运算管理部93与运算执行部91和通信控制部12连接。

此时，运算执行部91执行任意的运算。另外，运算参数存储部92存储由运算执行部91执行的运算所需的系数、参数等，经由通信对该系数、参数的内容进行变更、更新。

如图10所示，实时控制器1与其他实时控制器1连接运用。此时，当单独使用实时控制器1时，在针对目标运算处理的运算性能不足的情况下，如图10所示，连接多个实时控制器1，并分散地安装运算处理，由此进行运算性能的加强。

具体而言，实时控制器1所具备的运算管理部93经由与其他实时控制器1的运算管理部93的通信而共享运算处理的进展状况、运算结果。即，由多个实时控制器1协同执行要求性能高的一种或多种运算处理。

另外，从云服务器90经由通信在任意的定时对运算参数存储部92转发与运算处理有关的运算参数。并且，实时控制器1将运算结果、动作状况持续地发送至云服务器90，在云服务器90中进行运算参数的重新考虑、更新。

根据实施例3，实时控制器1能够根据运算目的进行运算内容的更新、运算性能的扩展。

附图标记说明

1：实时控制器，10：上游通信端口，11：下游通信端口，12：通信控制部，13：上游数据控制部，14：下游数据控制部，15：设定保持部，16：时间校正部，161：基准选择部，162：延迟校正部，163：定时调整部，17：运算测量部，18：运算部，2：数据包，20：地址部，21：数据部，30：数据解释部，31：计时部，32：数据缓冲部，70：系统管理装置，701：系统管理部，702：通信控制部，703：终端连接端口，71：输入输出中继装置，710：通信控制部，711：输入输出部，712：装置连接端口，72：传感器，73：致动器，74：设定终端装置，80：设定区域，81：系统日志区域，90：云服务器，91：运算执行部，92：运算参数存储部，93：运算管理部。

Claims (12)

1.一种实时控制器，其与一部分进行深层学习的学习运算的网络连接，取入在外部测量出的测量数据来执行深层学习的推论运算，其特征在于，

所述实时控制器具备：

设定保持部，其针对多个所述测量数据中的基准数据，存储包含通过所述深层学习的学习运算求出的基准数据的输入延迟时间的设定信息；

时间校正部，其存储所述测量数据，将从所述基准数据的输入时刻起经过了所述输入延迟时间的时刻设为所述基准数据的输入时刻，并且针对所述基准数据以外的数据，选择与经过了所述输入延迟时间的时刻最近的定时的所述基准数据以外的数据；以及

运算部，其将所述基准数据和选择出的所述基准数据以外的数据作为组数据来执行所述深层学习的推论运算。

2.根据权利要求1所述的实时控制器，其特征在于，

在所述网络的试运转时执行深层学习的学习运算，在实际运转时的所述运算部中执行基于由该学习运算的结果得到的学习模型的推论运算。

3.根据权利要求1或2所述的实时控制器，其特征在于，

所述实时控制器具备：一个或多个上游通信端口；一个或多个下游通信端口；上游数据控制部，其用于对所述上游通信端口进行数据的收发；下游数据控制部，其用于对所述下游通信端口进行数据的收发；通信控制部，其与所述上游通信端口、所述下游通信端口、所述上游数据控制部以及下游数据控制部连接；所述时间校正部，其与所述上游数据控制部和所述下游数据控制部连接；以及所述运算部，其与所述时间校正部、所述通信控制部、所述上游数据控制部以及下游数据控制部连接，

针对由所述上游数据控制部或所述下游数据控制部取得的数据，基于事先的设定，由所述时间校正部确定基准数据，基于所述事先的设定，由所述时间校正部校正所述基准数据的输入延迟时间，基于所述事先的设定和所述基准数据的所述输入延迟时间，由所述时间校正部选择所述基准数据以外的所述数据，制作所述基准数据和所述基准数据以外的数据的组。

4.根据权利要求3所述的实时控制器，其特征在于，

所述设定保持部通过任意的手段转发所述时间校正部的处理所需的设定信息，或者，所述实时控制器所具备的所述时间校正部基于所述运算部的结果进行处理。

5.根据权利要求4所述的实时控制器，其特征在于，

所述时间校正部的处理所需的所述设定信息是对所述运算部的运算所需的多个输入数据进行采样时的作为基准的数据的指定信息、以及所述运算部的运算所需的多个输入数据的延迟校正信息。

6.根据权利要求3至5中的任一项所述的实时控制器，其特征在于，

所述时间校正部具备：数据解释部，其与所述上游数据控制部和所述下游数据控制部连接，解释由所述上游数据控制部或所述下游数据控制部取得的数据；数据缓冲部，其与所述数据解释部连接，蓄积所述取得的数据；计时部，其与所述数据缓冲部连接，测量时间；基准选择部，其与所述数据缓冲部连接，从所述取得的数据中选定基准数据；延迟校正部，其与所述基准选择部连接，校正取得所述基准数据时的输入延迟时间；以及定时调整部，其与所述延迟校正部连接，从所述数据缓冲部选定特定的数据。

7.根据权利要求6所述的实时控制器，其特征在于，

所述数据解释部解释接收到的数据内容，所述数据缓冲部蓄积所述数据，所述基准选择部在接收到基于事先的设定而选定的基准数据后通知给所述延迟校正部，所述延迟校正部基于来自所述基准选择部的通知而开始输入延迟时间的时间测量，所述延迟校正部基于事先的设定而在成为特定的输入延迟时间时通知给所述定时调整部，所述定时调整部基于来自所述延迟校正部的通知，基于事先的设定而从所述数据缓冲部选定所述数据，并制作数据的组。

8.一种分散控制系统，其特征在于，

所述分散控制系统构成为通过权利要求1至7中的任一项所述的实时控制器经由网络与执行所述深层学习的上游侧计算机及获取所述测量数据的下游侧计算机连接。

9.根据权利要求8所述的分散控制系统，其特征在于，

在网络上连接多个所述实时控制器，由多个所述实时控制器所具备的所述运算部执行一种或多种运算。

10.根据权利要求8或9所述的分散控制系统，其特征在于，

所述上游侧计算机是进行系统管理的系统管理装置，所述下游侧计算机是与至少1个传感器、或者至少1个致动器、或者至少1个传感器和至少1个致动器双方连接，对连接的所述传感器或者致动器进行输入输出控制的输入输出中继装置，所述分散控制系统具备在网络上输入系统日志、设定信息的设定终端装置。

11.根据权利要求9所述的分散控制系统，其特征在于，

系统管理装置经由与网络连接的服务器接收深层学习的学习运算结果，并且发送至所述实时控制器，所述实时控制器基于学习结果和从输入输出中继装置转发的信息进行运算。

12.一种工业机械，其特征在于，

所述工业机械由权利要求8至10中的任一项所述的分散控制系统构成。