JPH01109402A - 適応ゲインスケジューリングアルゴリズムを使用する装置及び方法 - Google Patents

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］ 本発明は一般的にはプロセス制御の分野に関し、詳しく
いうと、パラメータ推定、種々の形式のパラメータ変換
及びゲインスケジューリングを利用してプロセスに対す
るセルフチューニングを行なう新規な、有用な装置に関
する。

［従来の技術］ プロセスの性能はセルフチューニング制御理論を利用す
ることによって改善できる。この改善は未知の又は変化
する動特性を有するプロセス及び非直線のふるまいを呈
するプロセスに対しては相当なものとなる。セルフチュ
ーニング制御は、また、単純なプロセス制御ループの性
能を改善することができる。何故ならば、これらループ
の周期的チューニングはしばしば無視されるからである
。カールマン、アール、イー（Ｋａｌｍａｎ、　Ｒ，Ｅ
、）著「デザイン・オブ・ア・セルフオブティマイジン
グ・コントロール・システム」、アメリカン・ソサエテ
ィー・オブ・メカニカル・エンジニアリング・トランザ
クションズ第８０巻、１９５８年、アストロム、ケイ、
ジェイ（Ａｓｔｒｏｍ、　Ｋ、Ｊ、）及びビー、ライラ
テンマーク（Ｂ、　Ｗｉｔｔｅｎｍａｒｋ）著ｒオン・
セルフチューニング・レギュレーターズ」、オートマチ
イカ第９巻、１９７３年、及び、クラーク、デイ−、ダ
ブリユウ（Ｃ１ａｒｋｅ、　Ｄ、Ｗ、）及びビイ−、ガ
ウスロツブ（Ｐ、　Ｇａｗｔｈｒｏｐ）著「セルフチュ
ーニング・コントローラ」、プロシーデインゲス・オブ
・アイ・イー・イー第１２２巻、１９７５年参照。

セルフチューニング制御の潜在する利点にも拘らず、こ
の理論は実際には殆ど影響力を持たなかった。これは上
記した文献の初めの２つに包括的に説明されているセル
フチューニング制御には実行する上で多くの困難が伴な
うからである０問題の範囲には始動、長期間の操作、未
知の又は変化するプロセス時間遅延及び高度の急速に変
化するプロセス動特性が入る。ビー、ライラテンマーク
（Ｂ、　Ｗｉｔｔｅｎｍａｒｋ）及びアストロム、ケイ
、ジェイ（Ａｓｔｒｏｍ、に、Ｊ、）著「プラクティカ
ル・インューズ・イン・シ・インプルメンティジョン・
オブ・セルフチューニング・コントロール」、オートマ
チイカ第２０巻、１９８４年参照。

また、特定の現在のセルフチューニング制御に必要なパ
ラメータの数は一般に従来のＰＩＤ制御（比例、積分、
微分制御）に必要なパラメータより２つ又は３つ多い、
相当量の研究が過去１０年間にこれら問題に対して行な
われたが、依然として多くの問題が残っている。従って
、現在のところ、セルフチューニング制御理論は産業上
の制御の問題に一般的に適用するのには適していなかっ
た。

初めは、セルフチューニング制御理論はインブリシト（
暗黙の）アルゴリズムに集中した。これらアルゴリズム
はコントローラパラメータの直接の推定を可能にするけ
れど、しかしこれは制御されるプロセスのモデルに大い
に依存した。アストロム、ケイ、ジェイ（Ａｓｔｒｏｍ
、　Ｋ、Ｊ、）著「イントロダクション・ツウ・ストキ
ャスティック・コントロール・セオリー」、アカデミツ
ク・プレス、１９７０年参照、しかしながら、近年はエ
キスブリシト（明示の）アルゴリズムに集中している。

これらアルゴリズムは別個のプロセスモデルによってパ
ラメータを推定し、次いでコントログラバラメータを計
算する。フォーテスキュ、ティー、アール（Ｆｏｒｔｅ
ｓｑｕｅ、　Ｔ、Ｒ，）　、エル、ケルシェンバウム（
Ｌ、にｅｒｓｈｅｎｂａｕｍ）及びビー、イズスティ−
（Ｂ、　Ｙｄｓｔｉｅ）著「インプルメンティジョン・
本ブ・セルフチューニング・レギュレーターズ・ウィズ
・バリアプル・フオーゲテイング・ファクターズ」、オ
ートマチイカ第１７巻、１９８１年、イズスティー、ビ
ー、イー（Ｙｄｓｔｉｅ、　Ｂ、Ｅ、）著「エクステン
プイツト・ホリゾン・アダプティブ・コントロール」、
Ｉ　ＦＡＣワールド・コンブレス、ブダペスト、１９８
４年、及びリール、アール、エル（Ｌｅａｆ、　Ｒ，Ｌ
、　）及びシイ−、グツドウィン（Ｇ。

Ｇｏｏｄｗｉｎ）著「ア・グロウバリー・コンバージェ
ント・アダプティブ・ボール・プレースメント・アルゴ
リズム・ウィズアウト・ア・パーシスチンシー・オブ・
エキサイティジョン・リクワイアメント」、プロシーデ
インゲス・オブ・ＣＤＣ１１９８４年参照。エキスブリ
シト・アルゴリズムはインブリシト・アルゴリズムより
も多くの計算を必要とするけれど、モデル構造に対する
依存性は少なく、従って、一般目的の使用にはインブリ
シト・アルゴリズムよりも適している。

可変フォーゲット・ファクタ（忘却係数）に依存するセ
ルフチューニング制御システムはフォーテスキエ、ティ
ー、アール（Ｆｏｒｔｅａｑｕｅ、　Ｔ、Ｒ，）著「ワ
ーク・オン・アストロムズ・セルフチューニング・レギ
ユレータ」、デパートメント・オン・ケミカル・エンジ
ニア・レポート、インペリアル・カレッジ、ロンドン、
１９７７年によりて知られている。この文献はセルフチ
ューニング制御に関連する実際上の困難のいくつかを取
扱っている。

セルフチューニング制御システムはまた、フィードフォ
ワード・インデックス又は制御を利用する。フィードフ
ォワード制御には定常状態とダイナミック（動特性）の
２つの形式がある。フィードフォワード・インデックス
を特定の制御アクション（動作）又は関数ｆ　（ｘ、　
ｔ）に伝達するパラメータは第４図に示されている。伝
統的なゲインスケジューリングは第２図に示されている
。これは制御システムの性能を高めるために推測的なプ
ロセス情報を使用する適応制御の一形式である。この機
構を通じて制御エンジニアはプロセス設計データ及び動
作経験を制御システムに組入れることができる。この知
識の組入れによりコントローラの性能に影響を与えるプ
ロセスの変化及び外乱を減少させることができる。ゲイ
ンスケジューリングは固定の式又はゲインスケジュール
を使用して測定されたインデックス変数を所望のチュー
ニングパラメータと関係付ける。ゲインスケジューリン
グはコントローラチューニングパラメータを更新する。

米国特許第４．５６３’、　７３５号は定常状態におい
てフィードフォワード係数を可変外乱に適応するための
適応フィードフォワード制御システムを開示している。

このフィードフォワード係数法は、しかしながら、個々
の動作点においてのみ適応される。データが外乱の動作
範囲全体にわたって収集され、フィードフォワード信号
に加えられるべき補正多項式にうまく割込ませるべきで
あるという教示はない。

米国特許第４．３４９．８６９号は最小二乗回帰アルゴ
リズムを使用してフィードフォワードレスポンスを連続
的に計算するためのフィードフォワード最適化システム
を開示している。この特許はまた、定常状態においての
みフィードフォワード補正を可能にし、かつ安定性を目
的としてフィードフォワード補正に上限を与えるための
限定機構を使用することを教示している。しかしながら
、この特許もまた、プロセスの内部モデルに基づく最小
化技術に依存している。フィードフォワードモデルを更
新することについては何らの開示もない。

本出願の発明者の一人であるレイン、ジエイ、デイ−（
Ｌａｎｅ、　Ｊ、Ｄ、）が本出願の後で発表した論文「
ディスクリブジョン・オン・ア・モジュラ−・セルフチ
ューニング・コントロール・システム」プロシーデイン
ゲス・オン・エイ・シー・シー、１９８６年がある。こ
の論文はヒユーリスティックスをパラメータ推定関数に
どのようにして含めることができるかについて記載して
いる。また、パリッシュ、ジェイ、アール（Ｐａｒｉｓ
ｈ、　Ｊ、Ｒ，）の学位論文「ザ・ユース・オン・モデ
ル・アンサ−ティンティ・イン・コントロール・システ
ム・デザイン・ウィズ・アプリケーション・ツウ・ア・
ラボラトリ−・ヒート・エクスチェンジ・プロセス」、
ケース・ウェスターン・リザーブ・ユニバーシティ、ク
リーブランド、１９８２年は一次内部モデルコントロー
ラを持つパラメータ推定アルゴリズムについて記載して
いる。

［発明が解決しようとする問題点］ 本発明は広範囲の産業上の制御問題を解決するセルフチ
ューニング制御を提供することである。

本発明のセルフチューニング制御はモジュラ−インブリ
メンティジョンに適する。これはコントローラの設計に
融通性を与える。本発明の中心的特徴は可変フォーゲッ
トファクタを持つ再帰的（リカーシブ）最小二乗アルゴ
リズムを実行するパラメータ推定モジュールの使用でる
。追加のモジュールが推定されたパラメータからコント
ローラチューニングパラメータへの変換を行なう０個々
のモジュールは種々の制御アルゴリズムの変換を行なう
、標準の機能コードブロックとしてのこれらモジュール
のインプリメンティジョンはユーザがセルフチューニン
グ制御システムを特定の要求に合うように変えることを
可能にする０本発明のセルフチューニング制御システム
はまた、相当量のヒユーリスティックスを使用して適応
制御理論の多くの実行上の困難を克服す、その上、別個
のモジュールがセルフチューニングゲインスケジューリ
ングを行なう。

本発明のモジュールの全部が個々にはこの技術分野で知
られているものであるということに注意すべきである。

しかしながら、これらモジュールの組合せはプロセス制
御の問題に対して独特の、融通性のある解決策を提供す
る。各モジュールは「ネットワーク９０」制御装置にお
いて実現できる。「ネットワーク９０Ｊはザ・パブコッ
ク・アンド・ウィルコックス・カンパニーの系列会社で
あるザ・ベイ９−・コントローラズ・カンパニーの登録
商標である。

本発明のセルフチューニング制御システムの特徴はこの
システムを一般目的の用途に適するようにする。

本発明によれば、推定機能はモジュールの設計を改善す
るために制御機能から分離される。この分離は多制御ア
ルゴリズムとともに単一パラメータ推定アルゴリズムの
使用を考慮に入れたものである。パラメータ変換モジュ
ールはパラメータ推定器と種々の制御機能間の必要な相
互接続を行なう、各パラメータ変換モジュールは推定さ
れたプロセスモデルから特定形式のコントローラに対す
るチューニングパラメータを計算する。その上、スマー
ト・ゲインスケジューリングモジュールがセルフチュー
ニング制御システムの融通性及び性能を増大させる。こ
のモジュール構造体はマイクロプロセッサに基づく分散
制御システムから得られる多くの特徴を利用する。これ
ら特徴は、例えば、いくつかの典型的な制御アルゴリズ
ム、機器構成の容易さ、及び融通性である。

４種類のアルゴリズムが本発明のセルフチューニング制
御システムを構成する。これらの構成要素はパラメータ
推定機能、パラメータ変換機能、プロセス制御機能、及
びスマートゲインスケジューラである。

定常状態パラメータ推定はまた、通常のフィードフォワ
ード制御をバイアスすることによって連続的に更新され
る。これは周期的更新の要件を減少させる。バイアスの
補正はその入力がフィードフォワードインデックスであ
る多項式から生じる。この多項式の係数はオンライン回
帰計算によって連続的に更新されている。安定性のため
バイアスの補正に制限が課される０回帰アルゴリズムに
対する入力はフィードフォワードインデックスと瞬時バ
イアスオフセット（計算されたバイアスと調整制御信号
とを加えたもの）である、フィードフォワードインデッ
クス信号の範囲にわたって等間隔のｎの点を選択的に取
ることによって回帰が実行される。計算された係数は多
項式によって使用される。

［発明の目的］ 従って、本発明の１つの目的は１つのプロセスから測定
されるパラメータに基づいてこのプロセスを制御するた
めのセルフチューニングシステムを提供することであり
、このセルフチューニングシステムは前記測定されたパ
ラメータを受信し、推定アルゴリズムを使用して推定パ
ラメータを計算するためのモジュールのパラメータ推定
器と、このパラメータ推定器に接続され、前記推定パラ
メータを比例・積分・微分（Ｐ　Ｉ　Ｄ）制御信号に変
換するためのモジュールのＰＩＤパラメータ変換器と、
前記パラメータ推定器に接続され、前記推定パラメータ
をプロセスに対する内部モデルアルゴリズムに基づいた
内部モデル制御信号に変換するためのモジュールのＩＭ
Ｃパラメータ変換器と、前記パラメータ推定器に接続さ
れ、前記推定パラメータをユーザ決定の制御信号ｉこ変
換するためのモジュールのユーザ決定のパラメータ変換
器と、前記ＰＩＤ変換器に接続され、前記プロセスを制
御するためのモジュールのＰＩＤコントローラと、内部
モデル制御信号に従って前記プロセスを制御するための
ＩＭＣコントローラと、前記ユーザ決定のパラメータ変
換器に接続され、前記ブロセスを制御するためのユーザ
決定のコントローラと、前記ＩＭＣパラメータ変換器と
前記ＩＭＧコントローラとの間に接続・され、前記プロ
セスの動特性を模擬するアルゴリズムに従って前記ＩＭ
Ｃパラメータ変換器の出力を変更するためのゲインスケ
ジューラとから構成されている。

本発明の他の目的は多項式及びこの多項式に対する回帰
アルゴリズム係数を使用して前記ＩＭＣ信号を変更する
ためのフィードフォワードインデックスをゲインスケジ
ューラに提供することである。

本発明のさらに他の目的は設計が簡単で、頑強な構成を
有する、かつ経済的に製造できるプロセスを制御するた
めのセルフチューニングシステムを提供することである
。

本発明を特徴付ける種々の新規な特徴は特許請求の範囲
に詳細に指摘されている。

［実施例］ 以下、添付図面を参照して本発明の好ましい実施例につ
いて詳細に説明する。

添付図面を参照すると、第１図に示された本発明の一実
施例はプロセス１０を制御するためのセルフチューニン
グシステムであり、このセルフチューニングシステムは
プロセス１０から測定された１つ又はそれ以上のパラメ
ータに対応する信号を受信するモジュールのパラメータ
推定器１２を有し、この推定器１２は推定アルゴリズム
を使用してこの又はこれら測定されたパラメータを推定
されたパラメータ値に変換する。この推定パラメータ値
は３つのパラメータ変換器のそれぞれに供給される。各
変換器は同じくモジュール設計になっている。

ＰＩＤ、即ち、比例・積分・微分変換器１４はライン１
６にＰＩＤ制御信号を発生し、この信号はプロセス１０
を制御するための通常のＰＩＤコントローラ１８に供給
される。ＩＭＣ，即ち、内部モデルコントローラパラメ
ータ変換器２０がまた、パラメータ推定器１２に接続さ
れており、プロセス１０の後でモデル化される内部モデ
ルアルゴリズムに従う制御信号をライン２２に発生する
。この信号はライン２６を通じて最終の制御信号として
ＩＭＣコントローラ２８に供給される前にスマートゲイ
ンスケジューラ２４において変更される。

ユーザ決定のパラメータ変換器３０がまた、パラメータ
推定器１２に接続されており、プロセスを所望のように
変化させるためにユーザによって供給される入力を受信
する。これによってパラメータ変換器３０はライン３２
にユーザ決定の制御信号を発生し、この制御信号はプロ
セスｌＯを制御するためのユーザ決定のコントローラ３
４に供給される。

第１図に示すモジュール設計は何等特別のハードウェア
或はファームウェアを必要としない、このシステムの個
々のモジ・エールの構成要素は「ネットワーク９０Ｊシ
ステムにおいてすべて得られる標準の機能コードブロッ
クの形式を取る０個々のマイクロプロセッサに基づく制
御モジュールに固有のファームウェアライブラリはこれ
ら機能コードにアクセスすることを可能にする。セルフ
チューニング制御の機器構成の仕様はベース制御の機器
構成に加えるに、適当な推定及び変換ブロックの選択及
び相互接続を必要とする。

モジュールのパラメータ推定器１２における推定アルゴ
ーリズムはその動作を制御する一組の規則を利用する。

パラメータ推定器はその出力を絶えず監視する。この機
能コードは推定値が不正確であるときにその推定値の使
用を妨げ、不都合な状態が続くときにアルゴリズムをリ
セットする。

推定アルゴリズムについての詳細な説明は上記した１９
８１年のフォーテスキｓ　（Ｆｏｒｔｅｓｑｕｅ）　。

ケルシェンバウム（にｅｒｓｈａｎｂａｕｍ）及びイズ
スティ−（Ｙｄｓｔｉｅ）の論文、及び１９８４年のイ
ズスティー（Ｙｄａｔｉａ）の論文に見られる。

初期パラメータ推定機能コードは別個の一次及びデッド
タイムダイナミックモデルに対するパラメータ推定値を
計算する。プロセスがこの形式によって十分にモデル化
できるということがこの定式化において内在する。

ｙ（ｔ）　Ｍ−ａｌ−ｙ（ｔ−１）　＋　ｂＯ−ｕ（ｔ
−ｋ）　＋　ｃ　　　（１）ここで、 ｙ　（ｔ）は現在のプロセスの測定値 ｙ（ｔ−１）は前のプロセスの測定値 ｕ　（ｔ−ｋ）はサンプルｔ−ｋにおける制御出力ａ１
．ｂＯ１Ｃは推定されたモデルパラメータにはプロセス
デッドタイム である０次式は推定アルゴリズムを定義する。

ｅ（ｔ）　！ｙ（ｔ）−〇’（ｔ−ｔ）　＊　（ｔ）　
　　・・−・（２）Ｗ（ｔ）ｌＩ　　φ’（ｔ）　Ｐ（
ｔ−１）　φ（１）　　　・・・・・（３）θ（１）−
θ（ｔ−１）＋［Ｐ（ｔ−１）　φ（ｔ）ｅ（ｔ）］／
［１＋ｗ（ｔ）］・・・・・（４） λ（ｔ）−ｎ［１＋ｗ（ｔ）］／［ｎ（１＋ｗ（ｔ））
＋ｅ”（ｔ）］　”・（５）Ｐ　（ｔ）・Ｐ（ｔ−１）
／λ（ｔ）［１−φ（１）φ’　（ｔ）　Ｐ　（ｔ−１
）／（λ（１）◆ｗ（ｔ））］　　　　　　　　　　・
・・・・（６）ここで、 θ（ｔ）　＝［ａｌ、ｂＯｌｃｌ φ（ｔ）　　＝［−ｙ（ｔ−１）、ｕ（ｔ−ｋ）、１１
ｎはフォーゲットファクタに対する時間水平線λ（１）
は可変指数関数的重みファクタｅ　（ｔ）はプロセスモ
デル不整合 ｐ’（ｔ）はゲインベクトル である。

パラメータ推定機能コードに含まれるヒユーリスティッ
クスの詳細な説明は上記した１９８６年のレイン（Ｌａ
ｎｅ）の論文に見られる。

ＰＩＤ変換器１４におけるパラメ“−夕変換及びユーザ
決定の変換器３０は既知の設計のものである。

内部モデルコントローラパラメータ変換器２０は一次内
部モデルコントローラを持つパラメータ推定アルゴリズ
ムを利用する。そのようなコントローラは上記した１９
８２年のパリッシュ（Ｐａｒｉｓｈ）の論文に記載され
ている。

次の３つの要因から本発明者はＩＭＣ変換器の使用を示
唆した。第１は、この変換器に使用されるアルゴリズム
はＰＩＤコントローラでは容易に得られない特徴である
デッドタイムの補償を可能にする。第２に、このアルゴ
リズムはプロセスゲイン及び時定数の推定値をその主チ
ューニングパラメータとして使用する。これらパラメー
タは精度の解釈を容易にする。第３に、このコントロー
ラは製品のファームウェアで現在入手できる。

内部モデルコントローラアルゴリズムを使用するために
、ユーザは推定されたプロセスデッドタイム、時定数及
びゲインを特定し、かつチューニング時定数を選択しな
ければならない、セルフチューニングコントローラは個
々のモデルパラメータを推定し、これらをプロセスゲイ
ン及び時定数の推定値に変換し、これら値によりコント
ローラパラメータを更新する。ユーザは観察されたプロ
セスデッドタイム及びチューニング時定数を特定しなけ
ればならない、このチューニング時定数は所望の速度プ
ロセスレスポンスを指令する。

パラメータ変換機能コードは個々のパラメータ推定値を
内部モデルコントローラに対するチューニングパラメー
タに変換する。パラメータ推定器は次のプロセスモデル
に対する推定値を発生する。

ｂｏ　　　　　　　　　　　・・・（７）ｙ　（ｔ）　
＝ｔ　、ａ　、ｚ−１ｕ　（ｔ−ｋ）内部モデルコント
ローラの展開により次式の形式の別個のプロセスモデル
となる。

ここで、 ｋはプロセスゲイン τはプロセス時定数 である、従って、変換アルゴリズムはパラメータａｌ、
ｂＯ及びＣをパラメータｋ及びでに変換しなければなら
ない。

さて、第２図を参照すると、典型的なゲインスケジェー
リングが例示されている。１つのプロセスから測定され
るプロセス変数４０は制御作用４４を生じさせるコント
ローラ４２に入力として供給される。その上、インデッ
クス４６がゲインスケジュールアルゴリズム４日を介し
てコントローラ４２に第２の入力としてフィードフォワ
ードされ、プロセス変数４０の影響を変更する。

これは制御システムの性能を高めるために推測的なプロ
セス情報を使用する適応制御の一形式である。しかしな
がら、ゲインスケジューリングは固定の式又はゲインス
ケジュールを使用して測定されたインデックス変数を所
望のチェーニングパラメータと関係付ける。ゲインスケ
ジュールはインデックス変数の関数としてコントローラ
チューニングパラメータを更新する。

スケジューリングは現在のプロセス状態を反映させるた
めにコントローラパラメータを連続的に変更するけれど
、通常の制御システムは周期的な手動のチューニングに
依存する。その結果、ゲインスケジューリングは、特に
短期間の変化或は外乱に応答して、より緊密な制御のチ
ューニングを行なう、ゲインスケジューリングはまた、
プロセスの動特性の急激な変化によって準影響を受ける
プロセスに対してはセルフチューニング制御よりも優れ
ている。

ゲインスケジューリングを適用するのに十分に適したプ
ロセスは測定可能な変数の関数としてかなりのダイナミ
ックな変化を呈する。ゲインスケジューリングの適用に
よる利益を受けていない通常の制御システムは動作条件
の全範囲にわたって十分な性能を維持するために離調（
デチューニング）することを必要とする。離調は動作の
あるモード中反応の鈍いプロセス性能をもたらす、これ
に対し、ゲインスケジューリングは広い動作範囲にわた
ってより緊密な制御チューニングを提供する。

ｐＨの制御はゲインスケジューリングの適用を正当化す
る種類の問題の代表例である。制御作用とｐＨとの間に
存在する代表的な関係を示す滴定曲線が第６図に示され
ている。この種のプロセスは相当に非直線のダイナミッ
ク特性をｐＨの関数として呈する０通常、これらプロセ
スはそれらの動作範囲にわたって一桁以上の大きさの変
化及びプロセスゲインを示す。

ｐＨプロセスに対するゲインスケジューリングは第７図
に示す折れ線の関数を使用して測定されたｐＨを必要な
コントローラゲインにマツピングする。このマツピング
は通常の機能的フィードバックコントローラのゲインを
ｐＨの関数として調整するための機構を提供する。かく
して、ゲインスケジューリングはｐＨの非直線特性を補
償し、プロセスの性能を向上させる。

ゲインスケジューリングのすべての利益を実現すること
は実際には稀である。これら機構は代表的には貧弱な設
計及びチューニングを受ける。また、プラントの職員は
往々にして変化するプロセス状態に応じてこれら機構を
チューニング（整調）する知識、経験或は時間を持たな
い、その結果、この進んだ制御技術から得られる性能の
改善が少なくなる。　′ 本発明によれば、第３図に示すスマートゲインスケジュ
ーラがプロセスの性能のレベルを通常の機構から実現で
きるものよりも高くする。このシステムは第２図に示す
標準のゲインスケジューラと同じ構造及び式を利用する
。その上、このスマートゲインスケジューラは制御シス
テムの性能の測定値又はプロセスの状態に基づいてその
ゲインスケジューリング式を更新する。

通常のゲインスケジューリングは単一の変数、即ち、イ
ンデックス４６を適当なコントローラパラメータ、即ち
、出力又は制御作用４４にマツピングする。上記したよ
うに、ゲインスケジュールは代表的には折れ線の（部分
部分が直線の）直線関数、即ち、単純な代数式である。

ゲインスケジューラからの出力はコントローラパラメー
タを適応させる。ゲインスケジューリングは通常コント
ローラゲインを調整するけれど、他のパラメータのスケ
ジューリングは稀なことではなく、しばしば望まれる。

第３図のスマートゲインスケジューラは５２で示すセル
フチューニングの特徴を含むことによって通常のゲイン
スケジューリングを改善する。このセルフチューニング
の特徴５２において、ゲインスケジュール４８からの固
定ゲインスケジュールは加算器６０において直線補正式
５８に加えられる。スマートゲインスケジュールは固定
ゲインスケジュールの貧弱な設計及びチューニングとプ
ロセスの変化を補償する。第８図は通常のゲインスケジ
ュール（破線）がスマートゲインスケジュール（実線）
及びそれら間の補正（鎖線）とどのように相違するかを
示すグラフである。

第３図に５８で示す補正式を使用することにより、本発
明のスマートスケジューリングと通常のゲインスケジュ
ーリングとを区別できる。この式は固定ゲインスケジュ
ールにおいて観察された誤差をインデックス変数の関数
として表わす、初めに、補正式はある傾斜と傾斜ゼロの
切片を有し、スマートゲインスケジュールを強制的に固
定ゲインスケジュールと一致させる。スケジュールされ
たパラメータに対する補正値を持つ推定器５ｏからの推
定値が得られるようになると、スマートゲインスケジュ
ーラは通常のゲインスケジュール４８と推定されたゲイ
ンスケジュール５０との差を加算器５４において得るこ
とによって、補正式を更新する。この差は５８の直線式
の一定を発生する回帰機能５６に供給される。

セルフチューニングの特徴５２における機能ブロックの
全部並びに第１図及び第３図に示す他の機能ブロックは
モジュール設計のものであり、「ネットワーク９０Ｊシ
ステムによって実現できるということに留意すべきであ
る。

回帰機能５６は最小二乗回帰解析を適用し、固定ゲイン
スケジュールにおける誤差をインデックス４６から直接
直線補正式５８に供給されるインデックス値と関係付け
るデータから補正式を発生する。

固定ゲインスケジュール４８の出力と正しいパラメータ
値の推定値５０との差は５６において回帰のために使用
される誤差項となる。上記したように、直線補正式５８
によって発生されるデータは４８からの従来のゲインス
ケジュールに加算される。

特別のビン構造が回帰解析のために必要なヒストリカル
データを記憶する。このデータの記憶方法は補正式のす
べての用途にかなう適用を保証する。それは指示された
範囲のインデックス値を等しい長さの１０の間隔、即ち
、ビン（貯留区分）に分割する。各ビンは誤差値とその
対応するインデックス値を含む、最初に、各ビンのイン
デックス値はビンの中央を指し、誤差値はゼロである。

この組のデータでの回帰は初期補正式５８を発生する。

推定されたパラメータ入力値の５０からの変化は補正の
更新をトリガする。更新プロセスの間、スマートゲイン
スケジューラはビン番号をインデックス変数の正しい値
と関連付ける。誤差及びインデックスの現在の値は指示
されたビンに現存する値と置き換わる。１０のビンに含
まれるデータでの回帰は新しい補正式を発生する。

「ネットワーク９０Ｊシステムがこれらビンを確立する
ためにどのように利用できるかについての説明は「ベイ
ソー・ネットワーク９０リニア・リグレッション・オン
・サンプル・データ」と題するアプリケイジョン・ガイ
ドＡＧ−０００（１−９１１に見られる。

第４図は第２図の構成と若干類似するフィードフォワー
ドインデックス構成を示す。これもまた、従来技術の構
成であり、フィードフォワードインデックス６４に基づ
く特定の制御作用６２が合算ユニット６６に供給され、
フィードフォワード制御作用が測定されたプロセスパラ
メータ又は変数７０に応答する調整制御６８からの標準
の制御作用に加算される。制御作用７２はプロセスのあ
る面を制御する付勢装置７４に供給される。

第５図は本発明の他の特徴を示すものであり、通常の制
御作用６２を発生し続けるけれど、フィードフォワード
インデックス６４がまた、フィードフォワードインデッ
クス６４を受は入れて多項式ｇ（ｘ）８ｏに対する多項
係数７８を発生する回帰アルゴリズム係数発生機能ブロ
ック７６を含んでいる０回帰アルゴリズムは通常の制御
作用６２と合算ユニット６６から引出された制御作用８
２間の差を求める合算ユニット７９から第２の入力を受
は入れる。この差はフィードバック信号として回帰アル
ゴリズムに供給され、多項係数７８を発生する。

多項式８０の出力は余りにも高い及び余りにも低い制御
作用を排除するリミッタ８４において制限を受ける。

今バイアスされた制御作用８６は合算ユニット６６に供
給され、ここで補正作用６２及び調整コントローラ６８
の通常の制御作用に加算され、付勢装置（アクチュエー
タ）７４に対する制御作用８２を発生する。

第５図の実施例は周期的更新の要件を減少させる０回帰
はフィードフォワードインデックス６４の範囲にわたっ
て等間隔のｎの点を選択的に取ることによって実行され
るということを留意すべきである。計算された係数は多
項式８０によって使用される。

この構成の利点は時間とともに劣化することがかなり少
ない良好な制御が行なえ、かつメンテナンスの必要が減
少することである。この改良点は進んだ燃焼制御及び蒸
気温度制御鰺に適用することを可能にする。

本発明の有用さを確認するために、第９図に概略的に示
す簡単なプロセスを利用してテストが行なわれた。

このプロセスにおいて、−組の３つのヒータ９０は入口
９２から冷水を受入れ、加熱した水を管路９４を介して
混合タンク９６に供給した。この混合タンク９６の内容
物はミキサ９８によって絶えず混合された。ドレン１０
ｏが混合タンク９６からの水を放出し、タンク内に一定
レベルの水を維持した。若干の水が管路１０２を介して
コントローラ１０４にフィードバックされ、さらに管路
１０６を介してヒータ９０に戻された。温度トランスジ
ューサ１０８が戻り管路１０２内の温度を測定し、コン
トローラ１０４に対して使用できる測定パラメータを提
供した。

ヒータ９０のうちの１つ、２つ又は３つが管路９４の水
を加熱するために付勢された。管路９４の長さはヒータ
９０と混合タンク９６間のプロセスに対して十分な量の
デッドタイムを提供した。

ミキサ９８はタンク９６内の一定容積の水を混合して温
度センサ１０８によって感知される出口の水温の変動を
減衰させるために設けられた。

混合タンク９６の温度の制御はこの制御システムの主な
目的であった。制御システムは個々のヒータに供給され
る電力を変化させてこの温度を制御した。任意の時間に
動作しているヒータの実際の数は１つと３つの間で変化
できるので、このプロセスのゲインもまた、急激に変化
する。動作ヒータを１つから２つに切換えると、一定コ
ントローラ出力と仮定してプロセスに加えられる熱の量
は二倍になる。

テストのために使用されたプロセス条件は水の流量が０
．５ガロン／分、混合タンクの容積が２．５ガロン、そ
して動作ヒータが１乃至３であった。これら動作条件に
おけるステップ応答データの分析によりプロセスに対す
る秒モータのダイナミックなふるまいが明らかになった
。−次モデルによってステップ応答データを近似するこ
とにより５分の時定数と動作中のヒータの数の０．２倍
のゲインが提案された。第１０．１１及び１２図は温度
センサ１０８によって感知された温度に対する時間を含
むテストの異なる部分の結果を示す、各グラフはまた、
１つ、２つ及び３つのヒータが付勢された点も指示する
。

すべてのテストは１つのヒータの動作で開始され、かつ
７０°の温度設定値で開始された。自動テストシーケン
スプログラムが設定値を８０°に増大させ、その後７０
＠に戻し、１つのサイクルを完了した。このプログラム
は各温度設定値を１５分の間保持し、そして各設定値シ
ーケンスの終了時に他のヒータを動作状態にした。

これら３つの別個のテストの結果はセルフチューニング
制御システムの融通性を示すということを一般に留意す
べきである。

第９図のコントローラ１０４に組入れられているスマー
トゲインスケジューラとともに使用されたセルフチュー
ニングコントローラは一次プロセスのふるまいを取った
。このコントローラに対する初期値は０．５のゲイン、
５分の時定数、及び２．５分のデッドタイムであった。

動作中のヒータの数の測定値はスマートゲインスケジュ
ーラによって使用されるインデックスとなる。

第１０図は貧弱な初期ゲインスケジュールを持つスマー
トゲインスケジューリング中に得られた温度プロフィル
（曲線）を示す０次の一定ゲインスケジュールを使用し
た。

０．２５＋Ｏ，ＯＯｘ　（動作ヒータの数）この一定ゲ
インスケジュールはスマートゲインスケジューラがその
スケジューリング式を更新する能力を示した。第１３図
は初期固定ゲインスケジュールに対する実際のプロセス
ゲインプロフィルとスマートゲインスケジュールとの比
較を示す。

貧弱な制御が初期ゲインスケジュールから生じたけれど
、性能はスマートゲインスケジューラがプロセス特性を
識別したときに改善された。このテスト中合計１０のビ
ンのうちの５つのみのデータの補正によりゲインスケジ
ュールのさらにその上の更新が防止された。

第１１図は良好な初期ゲインスケジュールを持つスマー
トゲインスケジューリング中に得られた温度プロフィル
をボす、ゲインスケジュールは次式によって与えられた
。

０、ＯＯ＋０．１８ｘ　（動作ヒータの数）これはゲイ
ンスケジューリングの適用により得られる種類の性能を
示す、十分なデータの補正後、スマートゲインスケジュ
ーラはその開始点とは関係なく、上に与えたものに近い
ゲインスケジュールを識別する。第１４図は実際のゲイ
ンプロフィルとこのテストに対する初期及び最終のゲイ
ンスケジュール間の比較を示す。

第１２図はゲインスケジューリングの特徴なしにセルフ
チューニング制御を使用して得られた温度プロフィルを
示す、この一連のテストの間、ゲインスケジューリング
の利点は明確には明らかでない、それにも拘らず、短時
間にわたって大きなゲインの変化を受けるプロセスでは
利点は相当なものである。これはプロセスの変化に応答
して即座に更新するセルフチューニングコントローラの
能力のためである。

本発明の原理の適用例を示すために、本発明の特定の実
施例を詳細に図示し、記載したけれど、本発明はその原
理から逸脱することなしにその他の態様で実施できるこ
とは理解されよう。

４゜ 第１図は本発明のセルフチューニングシステムを示すブ
ロック図、第２図はゲインスケジューリングのためのイ
ンデックスに基づいてコントローラの制御信号を変更す
るための従来技術の構成を示すブロック図、第３図は本
発明の適応ゲインスケジューリングを示すブロック図、
第４図はフィードフォワードインデックスを制御作用に
適用するための従来技術の構成を示すブロック図、第５
図は多項式及びこの多項式に対する回帰アルゴリズム係
数を使用してフィードフォワードインデックスを変更す
るための構成を示すブロック図、第６図はｐＨに対する
制御作用をプロットし、滴定曲線を示す図、第７図はｐ
Ｈを制御し、複数の直線セグメントに従うプロセスゲイ
ンに対するｐＨをプロットした図、第８図は直線補正式
を固定ゲインスケジュールに加えてスマートゲインスケ
ジュールを発生する態様を示す図、第９図は本発明に従
って制御された単純なプロセスを示すブロック図、第１
０図は温度対時間をプロットし、一定ゲインスケジュー
リングに対する制御作用及び応答を示す図、第１１図は
直線ゲインスケジュールを示す第１０図と類似する図、
第１２図はセルフチューニング制御を示す第１１図と類
似する図、第１３図は本発明に従って制御される第９図
のシステムのプロセスゲインに対するヒータの数をプロ
ットした図、第１４図は実際のゲインプロフィルと初期
及び最終のゲインスケジュールとを比較した第１３図と
類似する図である。

１０：プロセス １２：モジュールのパラメータ推定器 １４：ＰＩＤ変換器 １８：ＰＩＤコントローラ ２０：ＩＭＣパラメータ変換器 ２４ニスマートゲインスケジユーラ ２８：ＴＭＣコントローラ ３０：ユーザ決定のパラメータ変換器 ３４：ユーザ決定のコントローラ ４０：プロセス変数 ４２：コントローラ ４４：制御作用（機能） ４６：インデックス ４８ニゲインスケジユールアルゴリズム５０：推定器 ５２：セルフチューニングの特徴 ５６：回帰機能 ５８：直線補正式 ６２：特定の制御作用 ６４；フィードフォワードインデックス７４：付勢装置 ７６：回帰アルゴリズム係数発生機能ブロック７８：多
項係数 ８ｏ：多項式ｇ（ｘ） ８４：リミタ ９０：ヒータ ９６：混合タンク ９８：ミキサ １０４：コントローラ １０８：温度トランスジューサ ＦＩＧ、　４ ＦＩＧ、　６ ＦＩＧ、　７ ＦＩＧ、　９ ＦＩＧ、　１０ 晴　閘（令） ７６０党λ　１イン プ０セλイイン

Claims (6)

【特許請求の範囲】
1. （１）少なくとも１つの測定されるパラメータを有する
   プロセスを制御するためのセルフチューニングシステム
   において、 測定されたパラメータを受信し、推定アルゴリズムを使
   用して推定パラメータを計算するためのモジュールのパ
   ラメータ推定器と、 該パラメータ推定器に接続され、前記推定パラメータに
   比例・積分・微分（ＰＩＤ）アルゴリズムを適用してＰ
   ＩＤ制御を生じさせるためのモジュールのＰＩＤパラメ
   ータ変換器と、 該ＰＩＤパラメータ変換器に接続され、プロセスを制御
   するためのＰＩＤコントローラと、内部モデルアルゴリ
   ズムを含み、かつ前記パラメータ推定器に接続され、前
   記推定パラメータに該内部モデルアルゴリズムを適用し
   て内部モデル制御信号を発生するためのモジュールのＩ
   ＭＣパラメータ変換器と、 該モジュールのＩＭＣパラメータ変換器に接続され、フ
   ィードフォワードインデックス及び前記内部モデル制御
   信号を受信してゲインスケジュールの制御信号を発生す
   るためのゲインスケジューリング手段と、 該ゲインスケジューリング手段に接続され、前記ゲイン
   スケジュールの制御信号を受信してプロセスを制御する
   ためのＩＭＣコントローラと、前記パラメータ推定器に
   接続され、前記推定パラメータを受信して推定パラメー
   タ制御信号を発生するためのモジュールのユーザ決定の
   パラメータ変換器と、 該ユーザ決定のパラメータ変換器に接続され、ユーザ決
   定の制御信号を受信してプロセスを制御するためのユー
   ザ決定のコントローラ とを具備することを特徴とするセルフチューニングシス
   テム。
2. （２）前記ゲインスケジューリング手段が一定ゲインス
   ケジュールアルゴリズムをインデックスに適用して一定
   ゲインスケジュール信号を発生するための一定ゲインス
   ケジューラと、フィードフォワード信号を推定するため
   のフィードフォワード信号推定器と、前記一定ゲイン信
   号と前記推定フィードフォワード信号との差を取って差
   信号を発生するための第１の合算器と、該第１の合算器
   に接続され、回帰アルゴリズムに従って回帰分析を前記
   差信号に適用するための回帰ユニットと、該回帰ユニッ
   トに接続され、この回帰ユニットから回帰信号を受信し
   て多項式に供給するための多項式ユニットであって、前
   記インデックスを多項式の係数として含むために前記イ
   ンデックスが接続されている多項式ユニットと、前記一
   定ゲインスケジューラ及び前記多項式ユニットに接続さ
   れ、それらの出力を加算し、この加算された出力を前記
   ＩＭＣコントローラに供給するための第２の合算器とを
   含む特許請求の範囲第１項記載のセルフチューニングシ
   ステム。
3. （３）前記ゲインスケジューリング手段が前記フィード
   フォワードインデックスに接続され、このインデックス
   の選択された固定の関数として制御作用信号を発生する
   ための制御作用ユニットと、前記フィードフォワードイ
   ンデックスに接続され、このフィードフォワードインデ
   ックスを多項式に当てはめるための多項式ユニットと、
   該多項式ユニットに接続され、この多項式ユニットの出
   力の上限及び下限値を制限するためのリミタと、前記Ｉ
   ＭＣコントローラから１つの入力を、前記制御作用ユニ
   ットから１つの入力を、そして前記リミタから１つの入
   力をそれぞれ有し、プロセスに供給するための補正され
   た制御信号を発生するための第１の合算器と、前記制御
   作用ユニットに及び前記第１の合算器の出力に接続され
   、前記制御作用信号と前記補正された制御作用信号との
   差を取るための差ユニットと、該差ユニットの出力に接
   続され、かつ前記インデックスに接続された入力を有し
   、多項式を発生するための回帰アルゴリズムを含む回帰
   アルゴリズム係数ユニットであって、前記多項式ユニッ
   トに接続されてこの多項式ユニットに前記多項係数を供
   給するための回帰アルゴリズム係数ユニットとを含む特
   許請求の範囲第１項記載のセルフチューニングシステム
   。
4. （４）測定されたパラメータに従ってプロセスを制御す
   る方法において、 測定されたパラメータをパラメータ推定関数に当てはめ
   て推定パラメータを発生する段階と、前記推定パラメー
   タを比例、積分、微分変換に供給してプロセスを制御す
   るのに使用するためのＰＩＤ制御信号を発生する段階と
   、 前記推定パラメータをプロセスをモデル化する内部モデ
   ルパラメータに供給してモデル化された制御信号を発生
   する段階と、 プロセスの１つの特性を表わすフィードフォワードイン
   デックスをゲインスケジュールアルゴリズムに供給して
   固定ゲインスケジュール信号を形成する段階と、 該固定ゲインスケジュールと前記モデル制御信号とを組
   合せて組合せ制御信号を発生する段階と、 前記組合せ制御信号に従ってさらにプロセスを制御する
   段階 とからなる制御方法。
5. （５）前記モデル制御信号に回帰分析を受けさせて回帰
   信号を発生し、この回帰信号に多項式のインデックスを
   供給してプロセスに対する制御信号を形成する段階を含
   む特許請求の範囲第４項記載の方法。
6. （６）前記多項式の出力をそれに対する上限及び下限値
   内に制限する段階を含む特許請求の範囲第５項記載の方
   法。