JP2005078545A - プロセスモデルの調整方法及び調整装置 - Google Patents
プロセスモデルの調整方法及び調整装置 Download PDFInfo
- Publication number
- JP2005078545A JP2005078545A JP2003310882A JP2003310882A JP2005078545A JP 2005078545 A JP2005078545 A JP 2005078545A JP 2003310882 A JP2003310882 A JP 2003310882A JP 2003310882 A JP2003310882 A JP 2003310882A JP 2005078545 A JP2005078545 A JP 2005078545A
- Authority
- JP
- Japan
- Prior art keywords
- model
- process model
- adjustment
- adjusting
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 181
- 230000008569 process Effects 0.000 title claims abstract description 151
- 230000003068 static effect Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims description 7
- 238000011112 process operation Methods 0.000 abstract description 11
- 238000003745 diagnosis Methods 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 10
- 238000010276 construction Methods 0.000 description 10
- 238000013480 data collection Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- -1 petrochemical Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現する。
【解決手段】 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。
【選択図】 図1
【解決手段】 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。
【選択図】 図1
Description
本発明は、化学、石油化学、石油、電力、ガス、鉄鋼、薬品、食品、ごみ焼却、リサイクル、上下水道、マイクロプロセス等の製造プロセスを対象とし、これらのプロセス解析、プロセス運転予測、プロセス診断、プロセスモデルと状態(運転、最適化、訓練等)の自動生成、最適化、最適運転等を行うために、プロセスモデルを用いてオンラインでもオフラインでもプロセスモデルパラメータを調整するプロセスモデルの調整方法及び調整装置に関するものである。
(従来例1)
図5は従来におけるモデル予測制御等で用いられているモデル構築システムの構成例を示した図である。
図5で、実プロセス1に入力された操作量uと実プロセス1が出力した制御量yは、プロセスインターフェース2を介して解析手段3に取り込まれる。また、プロセス運転データ4もプロセスインターフェース2を介して解析手段3に取り込まれる。解析手段3は取り込まれたデータを解析する。
図5は従来におけるモデル予測制御等で用いられているモデル構築システムの構成例を示した図である。
図5で、実プロセス1に入力された操作量uと実プロセス1が出力した制御量yは、プロセスインターフェース2を介して解析手段3に取り込まれる。また、プロセス運転データ4もプロセスインターフェース2を介して解析手段3に取り込まれる。解析手段3は取り込まれたデータを解析する。
調整手段5は、解析手段3の解析結果をもとに、線形モデル6に基づいてモデルのパラメータを推定する。推定にあたっては、例えばプロセスの応答を1次遅れ要素と無駄時間要素で近似する。推定したモデルパラメータはデータベース7に保存する。
このようにしてモデルパラメータを推定し、推定したモデルパラメータを設定したプロセスモデルを用いてプロセス運転予測、プロセス診断、最適運転等を行う。
このようにしてモデルパラメータを推定し、推定したモデルパラメータを設定したプロセスモデルを用いてプロセス運転予測、プロセス診断、最適運転等を行う。
(従来例2)
他のプロセスモデルの調整装置では、モデルの非線形性に基づいて非線形簡易モデルを表現し、非線形簡易モデルを利用してモデルのパラメータを推定する。非線形簡易モデルは、経験的非線形モデル、ニューラルネットワークやファジー等でモデルを構築するものも含む。
他のプロセスモデルの調整装置では、モデルの非線形性に基づいて非線形簡易モデルを表現し、非線形簡易モデルを利用してモデルのパラメータを推定する。非線形簡易モデルは、経験的非線形モデル、ニューラルネットワークやファジー等でモデルを構築するものも含む。
(従来例3)
他のプロセスモデルの調整装置では、実プロセスの物質収支、熱収支に基づくモデルを構築し、モデルを利用してモデルのパラメータを推定する。
他のプロセスモデルの調整装置では、実プロセスの物質収支、熱収支に基づくモデルを構築し、モデルを利用してモデルのパラメータを推定する。
従来例1では、非線形性プロセスで運転を行うと、実プロセスとプロセスモデルの間にずれが発生し、プロセス診断、最適化、最適運転には利用できない。
従来例2では、小規模で精度よいモデルが構築されていれば、限られた範囲で状態推定や最適化が可能となる。しかし、中規模以上では運転予測、プロセス診断、最適運転には利用できない。
従来例3では、物性計算法等が組み込まれていれば、多くの目的に利用できるが、厳密なアクチュエータ、機器モデル、センサモデルを組み込んで実時間で動作できるものはほとんどない。あるとしても機器の静的パラメータ(機器が定常運転されている状態を決定するために利用されている物質量や係数)をプロセスの定常運転状態データから計算することまでしかできない。
このようなことから従来技術では、精度の高い運転予測、定常最適化、最適運転(動的最適化など)を達成することができるモデルおよびそれを可能にするモデルパラメータ推定または更新法を持ったシステムは存在しない。
本発明は上述した問題点を解決するためになされたものであり、精密プロセスモデルを持ち、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことにより、プロセスモデルを実プロセスに近い高精度プロセスモデルになるように調整でき、プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現することを目的とする。
このような課題を達成するために、本発明は次のとおりの構成になっている。
(1)実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことを特徴とするプロセスモデルの調整方法。
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことを特徴とするプロセスモデルの調整方法。
(2)前記静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整することを特徴とする(1)記載のプロセスモデルの調整方法。
(3)前記動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整することを特徴とする(1)記載のプロセスモデルの調整方法。
(4)前記動的パラメータの調整では、プロセスに信号を入力したときの応答特性を考慮して動的パラメータを調整することを特徴とする(1)記載のプロセスモデルの調整方法。
(5)前記プロセスモデルは動的パラメータと静的パラメータを区別する機能を備えたことを特徴とする(1)乃至(4)のいずれかに記載のプロセスモデルの調整方法。
(6)実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整装置において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータを調整する第1の調整手段と、
実プロセスから得たデータをもとに、プロセスモデルの動的パラメータを調整する第2の調整手段と、
を有することを特徴とするプロセスモデルの調整装置。
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータを調整する第1の調整手段と、
実プロセスから得たデータをもとに、プロセスモデルの動的パラメータを調整する第2の調整手段と、
を有することを特徴とするプロセスモデルの調整装置。
以上説明したことから明らかなように、本発明によれば次のような効果がある。
精密プロセスモデルを持ち、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。これにより、プロセスモデルを実プロセスに近い高精度プロセスモデルになるように調整でき、次の効果が得られる。
(a)高精度のプロセス運転予測を可能とする。
(b)機器の性能劣化、異常などにつながる状態やパラメータ調整により、継続的プロセス診断が行え、効率的な定期修繕、リプレース、安全運転が行える。
(c)プロセスモデルと状態の自動生成機能により、多くの用途に利用可能なエンジニアリングコストを削減できる。
(d)高精度で大規模プラントの最適化を支援できる。
(e)高度で最適なプラント運転の達成を支援できる。
精密プロセスモデルを持ち、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。これにより、プロセスモデルを実プロセスに近い高精度プロセスモデルになるように調整でき、次の効果が得られる。
(a)高精度のプロセス運転予測を可能とする。
(b)機器の性能劣化、異常などにつながる状態やパラメータ調整により、継続的プロセス診断が行え、効率的な定期修繕、リプレース、安全運転が行える。
(c)プロセスモデルと状態の自動生成機能により、多くの用途に利用可能なエンジニアリングコストを削減できる。
(d)高精度で大規模プラントの最適化を支援できる。
(e)高度で最適なプラント運転の達成を支援できる。
以上説明したように本発明により、プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現した。
以下、図面を用いて本発明を詳細に説明する。
図1は本発明の一実施例を示す構成図である。
図1で、精密モデルを利用したプロセスモデル10は、機器ごとの物理モデルや熱量モデルを持つものを対象にしている。取り扱う物質の物性情報や計算方法等を選択できるモデルがある。プロセスモデル10はシミュレータをもとに実対象に合わせて作りこんだモデルであり、プラントの挙動に対しては精度高く表現できるもので実現されている。プロセスモデル10には、機器の物理パラメータ、特性パラメータ(動的パラメータ、静的パラメータ)が設定され、高度なモデルは取り扱う物質データ、物性計算法まで設定されている。
図1は本発明の一実施例を示す構成図である。
図1で、精密モデルを利用したプロセスモデル10は、機器ごとの物理モデルや熱量モデルを持つものを対象にしている。取り扱う物質の物性情報や計算方法等を選択できるモデルがある。プロセスモデル10はシミュレータをもとに実対象に合わせて作りこんだモデルであり、プラントの挙動に対しては精度高く表現できるもので実現されている。プロセスモデル10には、機器の物理パラメータ、特性パラメータ(動的パラメータ、静的パラメータ)が設定され、高度なモデルは取り扱う物質データ、物性計算法まで設定されている。
実プロセス11は、プロセスモデル10と同範囲を対象に考える。実プロセス11における外乱情報、操作量、制御量(直接得た測定値、測定値を演算して得た分析値を含む)、ソフトセンサやオブザーバなどの計算量もプロセスモデル10でデータとして利用できる。データは通常多いほうが精度の高いモデル調整が可能となる。
オフラインの場合には、実プロセス11のデータがデータベースやテキストファイルなどの形態で使用できればよい。実データがない場合には、プロセスモデルのパラメータを自動調整して設計に利用することができる。
オフラインの場合には、実プロセス11のデータがデータベースやテキストファイルなどの形態で使用できればよい。実データがない場合には、プロセスモデルのパラメータを自動調整して設計に利用することができる。
プロセスデータインターフェース12とは、分散型制御システムのデータをオンラインで逐次参照する機能を持つ。プロセスデータインターフェース12は、OPCインターフェースであってもよい。プロセスデータインターフェース12は、データベースから必要なデータを時系列で取り出す。オフラインでは、プロセスデータインターフェース12はデータ収集パッケージに対するインターフェースとなり、プロセスモデル10の運転時に必要なデータを参照可能とする。
データ収集手段13は、実プロセス運転データ(操作量、状態量、制御量)やシミュレータ運転データを即時または未来に再利用できる装置である。データ収集手段13は、通常はデータベースで実現する。
実行手段14は、プロセスモデル10を実時間または、加速状態等で運転をする運転指令機能を持つ。プロセスモデル10が運転指令に対して運転を実行する。
実行手段14は、プロセスモデル10を実時間または、加速状態等で運転をする運転指令機能を持つ。プロセスモデル10が運転指令に対して運転を実行する。
定常運転状態構築手段15は、プロセスモデル10において定常状態を生成するために何を入力として利用するかとそのデータ量を設定する。また、定常運転状態構築手段15は、プロセスモデル10の構造から全体のバランス状態を生成する。通常は、データが不足するため、定常運転状態構築手段15は未設定項目は通常値を利用するか、入力を促す。さらに、計算する際の評価関数を与えてその値が小さくなる状態を各モデル機器の静的パラメータも含めて自動的に計算する。また、外部から与えられた量にアンバランスがある場合にも同様にして状態とパラメータを計算する。
調整手段16は、実プロセス運転データとシミュレーション運転により各モデル機器の動的・静的パラメータを計算する。実計算においては、時系列の誤差に関する評価関数(重みつき線形、指数乗、方向性評価など任意)を小さくしたり、時系列データの変動形状の近似評価などを利用してパラメータを調整、検索する。
パラメータの検索のしかたは、厳密モデルまたは簡易モデルになったプロセスモデルを利用し、検索対象のパラメータと応答に対して相関を持つ操作量に対して、相関のある測定値への応答の変化を感度(影響度合い)として利用する。過去に同様な状態があった場合には、その状態情報を与えて参考にする。また、評価を小さくするように、数値解析的に行う方法や評価量、状態などによりニューラルネットワークで学習および推定する方法も可能である。
評価手段17は、調整手段16で利用している評価を計算したり、データ収集手段13で得られているデータのバランスが明らかに誤っていないか、変動が大きすぎたりしないかなどを評価する。
データベース18は調整手段16で利用する状態と計算結果を蓄える。
請求範囲でいう第1の調整手段の調整は主に定常運転状態構築手段15が行い、調整手段16も関与する。第2の調整手段の調整は調整手段16が行う。
データベース18は調整手段16で利用する状態と計算結果を蓄える。
請求範囲でいう第1の調整手段の調整は主に定常運転状態構築手段15が行い、調整手段16も関与する。第2の調整手段の調整は調整手段16が行う。
図2はパラメータを調整する手順を示したフローチャートである。フローチャートの処理手順に従って動作を説明する。
(A1)プロセスデータインターフェース12とデータ収集手段13を経由して得られる情報をもとに、調整手段16は、プロセスモデル10のプロセス状態生成を定常運転状態構築手段15に指令する。
(A2)定常運転状態構築手段15はプロセスモデル10と協調しプラント状態S1を生成する。ここで不足情報(外乱、事前の誤差情報等)がある場合には、その情報を別途設定する。
(A3)生成されたプラント状態S1または後の作業で構築したプラント状態S2をもとに、実プロセスに加える操作量uをプロセスモデル10にも加える設定をする。プロセスモデル10に加える操作量をusで表す。調整手段16からシミュレーションを行うように実行手段14に指令し、プロセスモデル10と実プロセス11を運転させる。
(A4)運転中は、プロセスモデル10、実プロセス11、プロセスデータインターフェース12、データ収集手段13、実行手段14、調整手段16、評価手段17が動作している。ここで、評価手段17は、プロセスの制御量y、プロセスモデル10の制御量ys、プロセスモデル10の状態量xsを監視して状態が大きくずれる場合には、後述するパラメータ調整の処理A6に移動する。
(A5)運転評価でプロセスモデル10と実プロセス11のデータが基準値内であれば運転を継続し、パラメータ調整運転が必要なくなれば終了とする。
(A6)パラメータ調整では、調整手段16がデータベース18と連携し、参考データが存在すれば過去の運転によるパラメータと調整方法をもとにプロセスモデル10のモデルパラメータを変更する。プラント状態S2ですでに調整しているときは、プラント状態S1や過去のプラント状態S2とそのときの調整パラメータとその結果をデータ収集手段13から取り出しパラメータを再変更する。
変更されたパラメータをもとにプロセスモデル10の状態を生成するため、処理A1に戻り操作を継続する。推定状態をプラント状態S2とする。
処理A1〜A4で変更修正されたパラメータを、そのときの状態とともにデータベース18に保存し再利用できるようにする。また、操作量、状態量、制御量の時系列情報もともに保存する。
図3は図2の処理A2、図4は図2の処理A6の具体的処理手順を示したフローチャートである。
図3はプロセスモデルの状態を作成する手順を示したフローチャートである。図4はプロセスモデルのパラメータの調整手順を示したフローチャートである。
図3はプロセスモデルの状態を作成する手順を示したフローチャートである。図4はプロセスモデルのパラメータの調整手順を示したフローチャートである。
図3のフローチャートの処理手順を説明する。
(B1)定常運転状態構築手段15は、プロセスモデル10に対して、操作量us、制御量ys、外乱dのデータを与え、定常状態の計算を指示する。
(B2)定常運転状態構築手段15は、与えられた静的パラメータと操作量us、制御量ys、外乱dの値より、現在のパラメータ近傍で既存の評価を最小にするプロセスモデル10の運転状態を作成する。
(B1)定常運転状態構築手段15は、プロセスモデル10に対して、操作量us、制御量ys、外乱dのデータを与え、定常状態の計算を指示する。
(B2)定常運転状態構築手段15は、与えられた静的パラメータと操作量us、制御量ys、外乱dの値より、現在のパラメータ近傍で既存の評価を最小にするプロセスモデル10の運転状態を作成する。
(B3)プロセスモデル10でパラメータの検索が終了したかを判断する。
(B4)検索が終了したときは、評価量がこれまでに最も小さいものを利用して定常状態を作成する。
(B5)検索が終了しないときは、プロセスモデル10で静的パラメータを評価量を小さくするように検索する。
(B4)検索が終了したときは、評価量がこれまでに最も小さいものを利用して定常状態を作成する。
(B5)検索が終了しないときは、プロセスモデル10で静的パラメータを評価量を小さくするように検索する。
静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整する。
図4のフローチャートの処理手順を説明する。
(C1)現在における操作量us、制御量ys、外乱dの値と、過去のデータで規定範囲内の状態におけるパラメータの計算結果を検索する。
(C2)検索で得られたパラメータより求めたプロセス状態で計算誤差を比較し、小さい方を記憶する。
(C3)規定範囲内でのパラメータデータはないか判断する。あるときは処理C2へ戻る。
(C1)現在における操作量us、制御量ys、外乱dの値と、過去のデータで規定範囲内の状態におけるパラメータの計算結果を検索する。
(C2)検索で得られたパラメータより求めたプロセス状態で計算誤差を比較し、小さい方を記憶する。
(C3)規定範囲内でのパラメータデータはないか判断する。あるときは処理C2へ戻る。
(C4)パラメータデータがないときは、調整可能な動的パラメータデータはないか判断する。
(C5)動的パラメータデータがないときは、評価量がこれまで最も小さい静的パラメータ、動的パラメータをデータベースに保存する。
(C6)動的パラメータデータがあるときは、プロセスモデルの動的パラメータを評価量を小さくするように変更して処理C5へ戻る。
(C5)動的パラメータデータがないときは、評価量がこれまで最も小さい静的パラメータ、動的パラメータをデータベースに保存する。
(C6)動的パラメータデータがあるときは、プロセスモデルの動的パラメータを評価量を小さくするように変更して処理C5へ戻る。
動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整する。例えば、動的パラメータを変更してプロセスに信号を入力したときに、プロセスモデル10、データ収集手段13、実行手段14を利用して得た応答特性を考慮して動的パラメータを調整する。
図3と図4のフローチャートに示すようにプロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。
なお、実施例の構成に限らず複数の構成要素の機能を1つの構成要素にまとめてもよい。例えば、プロセスモデル10と定常運転状態構築手段15、調整手段16と評価手段17、データ収集手段13とデータベース18をそれぞれ1つの構成要素にしてもよい。
また、小規模な対象であれば、測定器の出力の補正に本発明を利用できる。複数のセンサを組み合わせることで情報が蓄積され、高精度、高信頼センサになる。
オフラインの場合すなわち実プロセス11はなくプロセス運転データ19がある場合には、プロセス運転を加速し高速にパラメータ計算を行わせることができる特徴を持つため、状態に依存するようなパラメータを、同様な状態での実運転データを利用してすばやい調整が可能となる。
一部の機器をリプレースしてもこれまでに蓄積した情報の多くをそのままに残し、モデルや状態を効率的に構築することができるようにしてもよい。
プロセスモデル自体が動的パラメータと静的パラメータを区別する機能を備えていてもよい。
10 プロセスモデル
11 実プロセス
13 データ収集手段
14 実行手段
15 定常運転状態構築手段
16 調整手段
17 評価手段
11 実プロセス
13 データ収集手段
14 実行手段
15 定常運転状態構築手段
16 調整手段
17 評価手段
Claims (6)
- 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことを特徴とするプロセスモデルの調整方法。 - 前記静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整することを特徴とする請求項1記載のプロセスモデルの調整方法。
- 前記動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整することを特徴とする請求項1記載のプロセスモデルの調整方法。
- 前記動的パラメータの調整では、プロセスに信号を入力したときの応答特性を考慮して動的パラメータを調整することを特徴とする請求項1記載のプロセスモデルの調整方法。
- 前記プロセスモデルは動的パラメータと静的パラメータを区別する機能を備えたことを特徴とする請求項1乃至4のいずれかに記載のプロセスモデルの調整方法。
- 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整装置において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータを調整する第1の調整手段と、
実プロセスから得たデータをもとに、プロセスモデルの動的パラメータを調整する第2の調整手段と、
を有することを特徴とするプロセスモデルの調整装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003310882A JP2005078545A (ja) | 2003-09-03 | 2003-09-03 | プロセスモデルの調整方法及び調整装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003310882A JP2005078545A (ja) | 2003-09-03 | 2003-09-03 | プロセスモデルの調整方法及び調整装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005078545A true JP2005078545A (ja) | 2005-03-24 |
Family
ID=34412593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003310882A Pending JP2005078545A (ja) | 2003-09-03 | 2003-09-03 | プロセスモデルの調整方法及び調整装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005078545A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006046633A1 (ja) * | 2004-10-28 | 2006-05-04 | Yamatake Corporation | 制御対象モデル生成装置および生成方法 |
DE102008026409A1 (de) | 2007-05-31 | 2008-12-04 | Yokogawa Electric Corporation, Musashino | Bedienungstrainingsystem und Bedienungstrainingverfahren |
JP2013156748A (ja) * | 2012-01-27 | 2013-08-15 | Hitachi Ltd | プロセスデータ推定方法 |
CN107870611A (zh) * | 2016-09-28 | 2018-04-03 | 横河电机株式会社 | 车间模拟装置及车间模拟方法 |
JP2019008534A (ja) * | 2017-06-23 | 2019-01-17 | 国立大学法人広島大学 | 制御装置 |
WO2019159883A1 (ja) * | 2018-02-13 | 2019-08-22 | 三菱日立パワーシステムズ株式会社 | モデル作成方法、プラントの運転支援方法、モデル作成装置、モデル、プログラム、及びプログラムを記録した記録媒体 |
JP2020134051A (ja) * | 2019-02-21 | 2020-08-31 | 三菱電機株式会社 | 空気調和機制御装置、空気調和機制御方法およびプログラム |
-
2003
- 2003-09-03 JP JP2003310882A patent/JP2005078545A/ja active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006046633A1 (ja) * | 2004-10-28 | 2006-05-04 | Yamatake Corporation | 制御対象モデル生成装置および生成方法 |
US7664556B2 (en) | 2004-10-28 | 2010-02-16 | Yamatake Corporation | Control object model generation device and generation method |
DE102008026409A1 (de) | 2007-05-31 | 2008-12-04 | Yokogawa Electric Corporation, Musashino | Bedienungstrainingsystem und Bedienungstrainingverfahren |
JP2008299068A (ja) * | 2007-05-31 | 2008-12-11 | Yokogawa Electric Corp | 操作訓練システムおよび操作訓練方法 |
JP2013156748A (ja) * | 2012-01-27 | 2013-08-15 | Hitachi Ltd | プロセスデータ推定方法 |
JP2018055299A (ja) * | 2016-09-28 | 2018-04-05 | 横河電機株式会社 | プラントシミュレーション装置およびプラントシミュレーション方法 |
CN107870611A (zh) * | 2016-09-28 | 2018-04-03 | 横河电机株式会社 | 车间模拟装置及车间模拟方法 |
JP2019008534A (ja) * | 2017-06-23 | 2019-01-17 | 国立大学法人広島大学 | 制御装置 |
JP7148944B2 (ja) | 2017-06-23 | 2022-10-06 | 国立大学法人広島大学 | 制御装置 |
WO2019159883A1 (ja) * | 2018-02-13 | 2019-08-22 | 三菱日立パワーシステムズ株式会社 | モデル作成方法、プラントの運転支援方法、モデル作成装置、モデル、プログラム、及びプログラムを記録した記録媒体 |
JPWO2019159883A1 (ja) * | 2018-02-13 | 2020-07-09 | 三菱日立パワーシステムズ株式会社 | モデル作成方法、プラントの運転支援方法、モデル作成装置、モデル、プログラム、及びプログラムを記録した記録媒体 |
JP2020134051A (ja) * | 2019-02-21 | 2020-08-31 | 三菱電機株式会社 | 空気調和機制御装置、空気調和機制御方法およびプログラム |
JP7313158B2 (ja) | 2019-02-21 | 2023-07-24 | 三菱電機株式会社 | 空気調和機制御装置、空気調和機制御方法およびプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4194396B2 (ja) | 変動性プロセス遅延に対する高度プロセス制御ブロックの適応 | |
Savran et al. | A fuzzy model based adaptive PID controller design for nonlinear and uncertain processes | |
CN100568124C (zh) | 控制对象模型生成设备和生成方法 | |
JP5830251B2 (ja) | プロセスモデルの高速同定および生成 | |
JP2013033497A (ja) | モデル予測コントローラの解の解析プロセス | |
CN111433689B (zh) | 用于目标***的控制***的生成 | |
JP2004178492A (ja) | 強化学習法を用いたプラントシミュレーション方法 | |
JP2019159675A (ja) | プラント運転支援装置、プラント運転支援方法、およびプラント運転支援プログラム | |
JP4908433B2 (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
JP2017130094A (ja) | セル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システム | |
JP7151547B2 (ja) | 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム | |
CN113614743A (zh) | 用于操控机器人的方法和设备 | |
JP2005078545A (ja) | プロセスモデルの調整方法及び調整装置 | |
Tang et al. | Stability validation of a constrained model predictive networked control system with future input buffering | |
JP2004094437A (ja) | データ予測方法及びデータ予測システム | |
JP4524683B2 (ja) | プラントモデルのパラメータ調整装置 | |
KR101967524B1 (ko) | 커널 회귀 모델을 통하여 시변 신호를 검증하는 온라인 검증 장치 및 방법 | |
JP5561519B2 (ja) | プラントシミュレータ | |
WO2009055967A1 (en) | Real-time model validation | |
Juuso | Intelligent systems design with linguistic equations | |
JP2005258717A (ja) | 制御装置のパラメータ設定方法及び装置並びにプログラム | |
Yan et al. | Model based control using artificial neural networks | |
US20240036532A1 (en) | Method and system for modelling industrial processes | |
Rauh et al. | Experimental validation of a sensitivity-basec learning-type controller for a linear time-varying model of a flexible high-speed rack feeder | |
Várkonyi-Kóczy et al. | Anytime fuzzy modeling approach for fault detection systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060621 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090206 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090407 |