JP5581753B2 - プラント制御装置、そのモデル予測制御装置 - Google Patents
プラント制御装置、そのモデル予測制御装置 Download PDFInfo
- Publication number
- JP5581753B2 JP5581753B2 JP2010060268A JP2010060268A JP5581753B2 JP 5581753 B2 JP5581753 B2 JP 5581753B2 JP 2010060268 A JP2010060268 A JP 2010060268A JP 2010060268 A JP2010060268 A JP 2010060268A JP 5581753 B2 JP5581753 B2 JP 5581753B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- programming problem
- quadratic programming
- plant
- unit
- 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.)
- Active
Links
- 239000011159 matrix material Substances 0.000 claims description 213
- 230000006870 function Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 35
- 238000009472 formulation Methods 0.000 claims description 31
- 239000000203 mixture Substances 0.000 claims description 31
- 230000009467 reduction Effects 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 26
- 230000008602 contraction Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 description 62
- 239000013598 vector Substances 0.000 description 28
- 230000007423 decrease Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 230000007850 degeneration Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- 238000004904 shortening Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 2
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Description
まず、図11(a)に示すように、目的関数(J)は以下の(1)式で表される。
M;操作量予測ステップ、 P;制御量予測ステップ、 L;予測開始ステップ、
S;モデルステップ、 NMV;操作量数、 NCV;制御量数、 J;目的関数、
t;時刻、 y;制御量、 r;目標値(制御量目標値)、 Δuf;将来の操作量変
化率、 Δu0;過去の操作量変化率、 Q;制御量重み、 R;操作量変化率重み、
A0;ステップ応答モデル
図11(a)〜(c)に示し上述したように、プラントの応答モデル(Ao(t))と過去の操作量変化率(Δu0)と将来の操作量変化率(Δuf)とを用いて、制御量(y)と目標値(r)との残差をPステップの予測区間中で評価し、重み行列(Q(t))によって前記残差に重みづけを行った値と、将来の操作量変化率(Δuf)に対して重み(R(t))によって重みづけを行った値との和が、目的関数(J)として定義される。
まず、図13に示すように、(4)式における制約関数(Ax≦b)の詳細は、以下の通りとなる。つまり、制約に係る行列とその行列サイズは、以下の通りとなる。
上記行列A1、行列A2の具体例とサイズを図14(a)、(b)に示す。図示の通り、上記行列A1、行列A2の具体例は以下に記す通りである。尚、行列A3に関しては後に図3(a)に示している。
すなわち、行列A1、−A1、A2、−A2は何れも行列サイズは、
M・NMV × M・NMV
となる。
P・NCV × M・NMV
となる。
(4M・NMV+2P・NCV)・ M・NMV
となる。
4M・NMV+2P・NCV
となる。
また、図16に示すように、上記(4)式の目的関数J’の詳細は以下の通りとなる。
ここで、従来における上述したようなモデル予測制御機能を有するプラント制御装置の構成例を、図18に示す。
V)を決定・出力する。また、プラント70から制御量(CV)を取得する。
尚、図18においては、プラント70に対する操作量(MV)は1つのみ(1本の矢印で示す)であり、プラント70からの制御量(CV)も1つのみ(1本の矢印で示す)であるが、実際にはそれぞれ複数ある場合が殆どである。
これに伴い、従来ではPIDやスライディングモードなどの簡易的な制御を行っていた組み込み機器制御装置において、モデル予測制御などの高度制御機能を搭載することでより制御品質を向上させることが可能となってきた。
すなわち、現在時点において、PLC(プログラマブルロジックコントローラ)等の組み込み機器の計算処理速度は向上しているものの、メモリの搭載量は一般のパーソナルコンピュータに比べて10分の1から数百分の1以下と大きく見劣りしており、大量のメモリを必要とするモデル予測制御の実装には適さないという課題があった。
のグループに属する各時点に関する部分を削除することで行列を縮約する。
図1は、本例のプラント制御装置の構成例である。
図示のプラント制御装置1は、例えば上記PLC(プログラマブルロジックコントローラ)等の組み込み機器であるが、この例に限らず、一般のパーソナルコンピュータ等であってもよい。但し、上述したように、組み込み機器である場合に特に顕著な効果を奏するものである。
は後述するが上記「定式化された2次計画問題」に係る各種行列のうちの一部の行列が、後述する行列縮約部12によって縮約される。この縮約後の行列を含む各種行列より成る上記「定式化された2次計画問題」を仮に“縮約後の定式化された2次計画問題”と呼ぶならば、本例の最適化計算部13は、“縮約後の定式化された2次計画問題”を所定の制御周期毎に解くことで操作量を決定することになる。
従来では、上記の通り、2次計画問題定式化部61が上記モデル予測制御における2次計画問題で使用する各種行列(x,H,A,c,b)を生成してメモリにセットし、最適化計算部62がこれら各種行列等を用いて2次計画問題における探索変数(x)(将来の操作量変化率(Δuf))を求めて、操作量(MV)を決定・出力していた。
すなわち、本例のプラント制御装置1は、任意のプラント70を制御する装置であって、任意のモデル、予測区間、目標値、制約条件が設定可能な条件設定機能部2と、これら各種設定に応じて2次計画問題を定式化することで当該2次計画問題に係る各種行列を生成する2次計画問題定式化部11と、上記定式化した2次計画問題を制御周期毎に解くことで操作量を決定して該操作量をプラント70へ出力することでプラント制御を実現する最適化計算部13とを有する。ここまでは、従来構成と略同様であってもよいが、本例のプラント制御装置1は更に行列縮約部12を有する。尚、図1に示す例では、モデル予測制御機能部10が、上記2次計画問題定式化部11、最適化計算部13、行列縮約部12を有するものである。
例えば、行列縮約部12は、予測区間に属する複数の“時点”を第1、第2の2つのグループに分け、上記定式化された2次計画問題に係る各種行列のうちの目標値に関する行列と、制約条件に関する行列に対して、制約条件に係る行列のみ、その一部であって上記第2のグループに属する各時点に関する部分を、削除することで、行列を縮約するものである。縮約後の行列を含む各種行列が、メモリに格納され、最適化計算部13は、メモリに格納された行列を用いて、上記定式化した2次計画問題を制御周期毎に解く処理を実行する。よって、メモリ使用量を削減できる。
記第1のグループに属する各“時点”に関しては制御量の目標値と制約をともに評価対象とし、上記第2のグループに属する各“時点”に関しては目標値のみを評価対象とする。
この様に、縮約対象は制御量制約に関わる行列のみ(A3,−A3、b5、b6)とすることが望ましいが、この例に限定するものでもない。
図2(a)に、従来の2次計画問題定式化部61で生成した各種行列(x,H,A,c,b)を用いる場合のモデル予測制御の概略イメージを示す。図示のように、従来のモデル予測制
御は、所定の予測区間に属する各“時点”(図示の例では10の時点)全てにおいて、目標値と制約を評価するものと見做すことができる。尚、各“時点”における予測値を、黒丸で示してある。
尚、図2に示す予測値、目標値は、制御量の予測値、目標値である。
何れにしても、行列縮約部12は、予め決められた所定の設定/アルゴリズム等(例えば交互)に従って、予測区間に属する各“時点”を、第1のグループと第2のグループの何れかに分類する。そして、第2のグループに分類した各時点に関しては、上記の通り制約に関しては評価しないのであり、これは行列縮約部12が第2のグループに分類した各時点に関する制約に関する行列を削除することで上記縮約後の行列を生成してメモリに設定することで、実現されることになる。
図3(a)は縮退前、図3(b)は縮退後の行列A3の具体例を示す。
尚、行列A3の内容自体に関しては特に説明しない。サイズに係る説明は必要に応じて行う。
P・NCV×M・NMV
であるが、ここでは説明を簡単化する為にNCV、NMVが1であるとするならば、行列AはP行M列の行列と見做せる。この例では図3(a)に示すP・NCVはPと見做せる。
図4(a)は縮退前、図4(b)は縮退後の行列b5の具体例を示す。
尚、行列b5の内容自体に関しては特に説明しない。サイズに係る説明は必要に応じて行う。
P・NCV
である。よって、行列縮約部12は、上記行列A3の場合と同様に、図4(a)に示すP行(ここではNCV=1)の行列b5から、第1のグループに属する“時点”に係わる行(ここでは奇数行とする)のみを抽出することで、図4(b)に示すPR行の行列b5*を生成する。このようにして、行列b5に関しても、その行列サイズを減少させる。
図5(a)は縮退前、図5(b)は縮退後の行列b6の具体例を示す。
尚、行列b6の内容自体に関しては特に説明しない。サイズに係る説明は必要に応じて行う。
P・NCV
である。よって、行列縮約部12は、上記行列A3や行列b5の場合と同様に、図5(a)に示すP行(ここではNCV=1)の行列b6から、第1のグループに属する“時点”に係わる行(ここでは奇数行とする)のみを抽出することで、図5(b)に示すPR行の行列b6*を生成する。このようにして、行列b6に関しても、その行列サイズを減少させる。
図6に、制約条件を構成する行列全体の行列サイズの変化を示す。
となる。
PR・NCV × M・NMV
となる。
(4M・NMV+2PR・NCV)・ M・NMV
となる。
(4M・NMV+2P・NCV)・ M・NMV
であるので、行列Aから行列A*へのサイズ変化量(減少量)は、図7(a)に示すように下記の通りとなる。
また、図13に示す各行列(b1,b2,b3,b4,b5,b6)から成る行列bは、上記のようにb5がb5*、b6がb6*となることから、図6に示すような行列b*(b1,b2,b3,b4,b5*,b6*)となる。
M・NMV
となる。
PR・NCV
となる。
4M・NMV+2PR・NCV
となる。
行列bのサイズ変化量(減少量)=2(P−PR)・NCV
なお、操作変化量Δu(x)や目的関数を構成する行列Hや行列cのサイズは、図7(a)に示す通り、変化しない。
トータルのサイズ変化量(減少量)=2(P−PR)・NCV・M・NMV
+2(P−PR)・NCV
=2(P−PR)・NCV・(M・NMV+1)
このように、モデル予測制御機能部10の最適化計算部13で使用する行列のサイズが、行列縮約部12による縮退処理によって合計で
2(P−PR)・NCV・(M・NMV+1)
の分だけ、減少する。
図示の通り、本例では、NCV=10、NMV=4、M=20、P=100、PR=50となっている。尚、PRは、上記第1のグループに属する“時点”の数であると見做せる。
実用上、妥当な例として、制御量数10、操作量数4のプラントに対して、制御区間点数を20、全体の予測区間点数を100と設定した。また、ここでは、行列縮約部12に設定する“第1のグループに属する予測点数”を、全体予測区間点数の半分の50とした。よって、残りの50点が第2のグループに属することになる。
これにより、特に搭載メモリ量の少ないPLC等の組み込み機器において、制御性能を低下させることなくモデル予測制御機能を実現することが可能となる。
最後に、プラント制御装置1のハードウェア構成例を示しておく。
図10に示すコンピュータ20は、CPU21、メモリ22、入力部23、出力部24、記憶部25、記録媒体駆動部26、及びネットワーク接続部27を有し、これらがバス28に接続された構成となっている。
メモリ22は、記憶部25(あるいは可搬型記録媒体29)に記憶されているアプリケーションプログラム等を一時的に格納するRAM等のメモリである。CPU21は、メモリ22に読み出したアプリケーションプログラムを実行することで、例えば上記2次計画問題定式化部11、行列縮約部12、最適化計算部13等の各種処理機能を実現する。
出力部24は、例えばディスプレイ等であり、入力部23は、例えば、キーボード、マウス等である。
記憶部25は、例えばハードディスク等であり、上記アプリケーションプログラム等が格納されている。
2 条件設定機能部
10 モデル予測制御機能部
11 2次計画問題定式化部
12 行列縮約部
13 最適化計算部
20 コンピュータ
21 CPU
22 メモリ
23 入力部
24 出力部
25 記憶部
26 記録媒体駆動部
27 ネットワーク接続部
28 バス
29 可搬型記録媒体
29a FD(フレキシブル・ディスク)
29b CD−ROM
Claims (5)
- 任意のプラントを制御するプラント制御装置であって、任意のモデル、予測区間、目標値、制約条件が設定可能な条件設定機能部と、該各種設定に応じて2次計画問題を定式化することで該2次計画問題に係る各種行列を生成する2次計画問題定式化部と、前記定式化した2次計画問題を制御周期毎に解くことで操作量を決定して該操作量を前記プラントへ出力する最適化計算部とを有する前記プラント制御装置であって、
前記2次計画問題定式化部が生成する行列を縮約する行列縮約部を更に備え、
該行列縮約部は、前記予測区間に属する複数の時点を第1、第2の2つのグループに分け、前記定式化された2次計画問題に係る各種行列のうちの前記目標値に関する行列と、前記制約条件に関する行列に対して、該制約条件に係る行列のみその一部であって前記第2のグループに属する各時点に関する部分を削除することで行列を縮約することを特徴とする、モデル予測制御機能を備えるプラント制御装置。 - 前記制約条件に係る行列として、操作変化量の上限に関する行列、操作変化量の下限に関する行列、操作量の上限に関する行列、操作量の下限に関する行列、制御量の上限に関する行列、制御量の下限に関する行列とがあり、
前記行列縮約部は、制御量の上限に関する行列および制御量の下限に関する行列に関して、それぞれ、前記第2のグループに属する各時点に関する部分を削除することで行列を縮約することを特徴とする、請求項1に記載のモデル予測制御機能を備えるプラント制御装置。 - 前記行列縮約部によって縮約後の前記各種行列がメモリに格納され、
前記最適化計算部は、該メモリに格納された各種行列を用いて前記定式化した2次計画問題を制御周期毎に解くことで操作量を決定する処理を行うことで、前記第1のグループに属する各時点に関しては制御量の目標値と制約をともに評価対象とし、前記第2のグループに属する各時点に関しては目標値のみを評価対象とすることを特徴とする、請求項2に記載のモデル予測制御機能を備えるプラント制御装置。 - 前記プラント制御装置は、組込み機器で実現されることを特徴とする請求項1〜3の何れかに記載のプラント制御装置。
- 任意のモデル、予測区間、目標値、制約条件が設定可能な条件設定機能部とモデル予測制御装置を備え任意のプラントを制御するプラント制御装置であって、該モデル予測制御装置が前記各種設定に応じて2次計画問題を定式化することで該2次計画問題に係る各種行列を生成する2次計画問題定式化部と、前記定式化した2次計画問題を制御周期毎に解くことで操作量を決定して該操作量を前記プラントへ出力する最適化計算部とを有する前記プラント制御装置における前記モデル予測制御装置であって、
前記2次計画問題定式化部が生成する行列を縮約する行列縮約部を更に備え、
該行列縮約部は、前記予測区間に属する複数の時点を第1、第2の2つのグループに分け、前記定式化された2次計画問題に係る各種行列のうちの前記目標値に関する行列と、前記制約条件に関する行列に対して、該制約条件に係る行列のみその一部であって前記第2のグループに属する各時点に関する部分を削除することで行列を縮約することを特徴とする、プラント制御装置におけるモデル予測制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010060268A JP5581753B2 (ja) | 2010-03-17 | 2010-03-17 | プラント制御装置、そのモデル予測制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010060268A JP5581753B2 (ja) | 2010-03-17 | 2010-03-17 | プラント制御装置、そのモデル予測制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011197705A JP2011197705A (ja) | 2011-10-06 |
JP5581753B2 true JP5581753B2 (ja) | 2014-09-03 |
Family
ID=44875883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010060268A Active JP5581753B2 (ja) | 2010-03-17 | 2010-03-17 | プラント制御装置、そのモデル予測制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5581753B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7095436B2 (ja) * | 2018-06-27 | 2022-07-05 | オムロン株式会社 | 制御装置、制御方法、情報処理プログラム、および記録媒体 |
JP7441775B2 (ja) * | 2020-11-16 | 2024-03-01 | 株式会社日立製作所 | 制御装置及び制御方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001067103A (ja) * | 1999-08-30 | 2001-03-16 | Hitachi Ltd | プロセス制御方法および装置 |
US7152023B2 (en) * | 2003-02-14 | 2006-12-19 | United Technologies Corporation | System and method of accelerated active set search for quadratic programming in real-time model predictive control |
-
2010
- 2010-03-17 JP JP2010060268A patent/JP5581753B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011197705A (ja) | 2011-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019176370A1 (ja) | 将来状態推定装置および将来状態推定方法 | |
KR20210032140A (ko) | 뉴럴 네트워크에 대한 프루닝을 수행하는 방법 및 장치 | |
JP5994947B2 (ja) | 制御系設計支援装置、制御系設計支援プログラム、制御系設計支援方法、操作変化量算出装置および制御装置 | |
Fanni et al. | A Comparison between Different Topology Optimization Methods. | |
Fan et al. | Adaptive partition intuitionistic fuzzy time series forecasting model | |
Aminian et al. | A robust predictive model for base shear of steel frame structures using a hybrid genetic programming and simulated annealing method | |
Mehmani et al. | Adaptive switching of variable-fidelity models in population-based optimization | |
JP5581753B2 (ja) | プラント制御装置、そのモデル予測制御装置 | |
Dornheim et al. | Neural networks for constitutive modeling: From universal function approximators to advanced models and the integration of physics | |
WO2020137019A1 (ja) | 方策作成装置、制御装置、方策作成方法、及び、方策作成プログラムが格納された非一時的なコンピュータ可読媒体 | |
JP2013254396A (ja) | フィードバック制御器設計装置、及びフィードバック制御器設計方法 | |
Barros et al. | Integrated generative design tools for the mass customization of furniture | |
WO2020218246A1 (ja) | 最適化装置、最適化方法、及びプログラム | |
JP2020038435A (ja) | 最適化装置及び最適化装置の制御方法 | |
US20230316094A1 (en) | Systems and methods for heuristic algorithms with variable effort parameters | |
JP2014164720A (ja) | 解析装置 | |
Khodaparasti et al. | Prediction of the concrete compressive strength using improved random forest algorithm | |
Wei et al. | Scale-Based product family optimization design based on the improved AMPSO in selecting optimum strategy | |
Brockhoff et al. | Using comparative preference statements in hypervolume-based interactive multiobjective optimization | |
Goodarzimehr et al. | Computer-aided dynamic structural optimization using an advanced swarm algorithm | |
Saetta et al. | AbbottAE: an autoencoder for airfoil aerodynamics | |
CN111356959B (zh) | 用于计算机辅助地控制技术***的方法 | |
JP2022163293A (ja) | 運用支援装置、運用支援方法及びプログラム | |
JP2021117911A (ja) | 計算システム、計算方法、およびコンピュータプログラム | |
JP7441775B2 (ja) | 制御装置及び制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130313 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140307 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140617 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140630 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5581753 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |