JPH0222703A - Weight supply method and system for material - Google Patents

Abstract

PURPOSE: To perform noise model adjustment and control model adjustment by the optimum adjustment of a Kalman filter by adopting the self-adjustment of a parameter relating to a noise process affecting the self-adjustment of a control parameter and weight measurement for the purpose of compensating a Kalman filter state due to the operation of control dynamics. CONSTITUTION: A material stored inside the hopper 10 of a system is discharged by a feed screw 11, the weight of the combination of the hopper 10, the screw 11 and a feed screw motor 12 is measured by a scale 13 and measured weight signals Wm are generated. The signals Wm are processed in the weight processor 14 of a computer 15 and a mass flow state Wr is inputted to a total sum joining part 17. Also, a mass flow set value Wrd from an operation panel 16 is supplied to the joining part 17 and compared with the mass flow state Wr and an error signal state Wre is supplied to a motor controller 18. Then, motor control signals IM are computed in the controller 18 and a motor driving device 19 is driven.

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明はｆｆ１ｆｆｉ供給システムに関するものである
。DETAILED DESCRIPTION OF THE INVENTION [Field of Industrial Application] The present invention relates to an ff1ffi supply system.

本発明は実際の１１ｉ量状態とマス・フロー状態のフィ
ルター処理された概算値を発生すべ（カルマン・フィル
ター処理を使用する。これらのフィルター処理された概
算値は実際のマス・フロー状態を制御すべく重量測定値
に影響するプラント・ノイズ・プロセスと測定ノイズ・
プロセスのモデリングと分類に組合せて使用される。ノ
イズの種類は決定され、各種類に対する確率的モデルが
発生される。概算マス・フロー信号は測定された重量。The present invention generates filtered approximations of the actual 11i quantity and mass flow conditions (using Kalman filtering. These filtered approximations are used to control the actual mass flow conditions. Plant noise processes and measurement noise that affect weight measurements
Used in conjunction with process modeling and classification. The types of noise are determined and a probabilistic model for each type is generated. The approximate mass flow signal is the measured weight.

システムに影響する個々のノイズ−プロセスの確率的モ
デルに基シバいて発生される。ノイズ・プロセス・モデ
ルはその作用の振幅と発生確率に従って修正される。The individual noises that affect the system are generated based on stochastic models of the processes. The noise process model is modified according to the amplitude and probability of occurrence of its effects.

次に、概算されたマス・フロー状態信号は所望のマス・
フロー設定点と比較され、結果的に生じる誤差信号は所
望のマス・フロ〜を発生する排出アクチュエーターもｔ
Ａｍする目的で使用される。The estimated mass flow condition signal is then applied to the desired mass flow condition.
The resulting error signal is compared to the flow set point and the resulting error signal determines whether the discharge actuator produces the desired mass flow.
Used for the purpose of Am.

本発明は１．又、＄１１０１ダイナミックスの作用が原
因でカルマン・フィルター状態を補償する目的から重量
測定＆’ＭＵｌパラメーターの自己調整に影響するノイ
ズ・プロセスと関連あるパラメーターの自己Ｈ１を採用
している。このノイズ・モデル調整と制御モデル調整は
カルマン・フィルターを最適に作動させることが出来る
。その上、設定点誤差をモニターし２滑らかな安定状態
設定点制御を維持している間に迅速な応答を達成すべく
適合ダイナミックスを発生するためフィード・バック制
御調整が採用される。The present invention consists of 1. In addition, for the purpose of compensating the Kalman filter condition due to the action of $1101 dynamics, the self-H1 of the parameters related to the noise process that affects the weight measurement & self-adjustment of the MU1 parameter is adopted. This noise model adjustment and control model adjustment allows the Kalman filter to operate optimally. Additionally, feedback control adjustments are employed to monitor set point errors and generate adaptive dynamics to achieve rapid response while maintaining smooth steady state set point control.

〔実施例〕〔Example〕

本発明の重量供給システムにおいては、ホッパー又は稀
の容器内に貯蔵される固体若しくは液体の材料はスクリ
ュー・フィーダー　コンベアーポンプ、弁環適当な慣用
的排出アクチュエーターにより排出される。排出アクチ
ュエーターは電動機により駆動される。このシステムに
はホッパー内の材料若しくは排出中の材料の重量を検出
し。In the gravimetric feed system of the present invention, solid or liquid material stored in a hopper or container is discharged by means of a screw feeder conveyor pump, valve ring, and a suitable conventional discharge actuator. The ejection actuator is driven by an electric motor. This system detects the weight of material in the hopper or being discharged.

検出された重量状態を示す信号を発生するスケールと如
き重量検出装置も含まれている０重量検出装置により発
生された信号は重量信号処理装置に与えられ２重量倍号
込理装置は逆に排出中の材料の徂量割合状態若しくはマ
ス・フロー状態のＩＩ算（ｌ！ｔＴ：・ある信号を発生
する０次に、マス・フロー状態の概Ｓｖ値はフィード・
バック・ループにおいて１１１算マス・フロー状態を所
望の設定点マス・フローに駆動するモーターを制御する
目的で使用される。It also includes a weight sensing device such as a scale that generates a signal indicating the detected weight status.The signal generated by the zero weight sensing device is fed to a weight signal processing device, and the two weight multiplier processing device conversely discharges the signal generated by the zero weight sensing device. The approximate Sv value of the mass flow state is calculated as follows.
It is used in the back loop to control the motor that drives the 111 mass flow state to the desired set point mass flow.

第１図を参照すると、ホッパー１０内に貯蔵された材料
はフィード・スクリュー・モーター１゛２により駆動さ
れるフィード・スクリュー１１により排出される。スケ
ール１３はホッパー１０．フィード・スクリュー１１及
びモーター１２の組合った重量を測定し、ｉｑ定重量信
号Ｗ　を発生する。Referring to FIG. 1, material stored in a hopper 10 is discharged by a feed screw 11 driven by a feed screw motor 1-2. Scale 13 is hopper 10. The combined weight of feed screw 11 and motor 12 is measured to generate an iq constant weight signal W.

コンベアー重量フィーダーにおいては、スケール１３は
少なくともコンベアーの長さの一部分上に排出されてい
る材料の重量を検出することが理解されよう、信号Ｗ　
は測定重量Ｗ　に基づいた材ｍ　　　　　　　　　　　
　　　　　　　ｍ料のマス・フロー状態の概算値Ｗ　を
発生ずるコンピューター１５内の重量信号処理装置１４
に適用される。オペレーターは所望のマス・フロー設定
点Ｗｒ　ｄを操作盤１６を通じて入力する。概算ローＷ
ｒｄと比較される。誤差信号状態はモーター駆動装置１
９に与えられるモーター制御信号ＩＭを演算するようモ
ーター制御装置１８により使用される。従って、概算さ
れるマス・フロー状態Ｗｒ及び実際のマス・フローは所
望の設定点Ｗｒｄに駆動される。It will be appreciated that in a conveyor weight feeder, the scale 13 detects the weight of material being discharged over at least a portion of the length of the conveyor, the signal W
is the material m based on the measured weight W
A weight signal processing device 14 in a computer 15 that generates an estimated value W of the mass flow state of m materials.
applied to. The operator enters the desired mass flow set point Wrd through the control panel 16. Approximate low W
compared with rd. Error signal status is motor drive device 1
9 is used by the motor controller 18 to calculate the motor control signal IM provided to the motor control signal IM. Therefore, the estimated mass flow state Wr and the actual mass flow are driven to the desired set point Wrd.

勿論、玉量検出器はランダムな及び体系的機２；誤差と
現象誤差を受ける。検出器は内部の電子ノイズの理由だ
けでなく外部電子ノイズの効果と同様検出器の物理的慣
性の理由から誤った結果を発生する。Of course, ball volume detectors are subject to random and systematic errors and phenomenon errors. Detectors produce erroneous results not only because of internal electronic noise but also because of the physical inertia of the detector as well as the effects of external electronic noise.

その上、材料ホッパー、フィード・スクリュー及びモー
ターも含む物理的プラントも乱れを受は易い、これらの
プラントの乱れ処理には、ホッパー内に含まれるフィー
ディング・スクリュー若しくは材料ミキサーの機械的運
動に起因する振動ノイズ、かたまった材料又は不均一な
スクリュー排出に起因する変化する若しくは不均一な出
力フィード、不確実な時点及び再充填割合におけるホッ
パーの材料による再充填、フィーダーの衝突、工具とい
った余分な重量物の落下若しくは上昇といった不はと非
周期的に与えられるホッパーの乱れ風、隣接する磯城又
は通過する車両の如き環境的効果に起因するホッパーの
周期的及び非周期的乱れが含まれる。Moreover, physical plants, including material hoppers, feed screws, and motors, are also susceptible to disturbance; disturbances in these plants may be caused by mechanical movement of the feeding screw or material mixer contained within the hopper. vibration noise, varying or uneven output feed due to clumped material or uneven screw discharge, refilling of the hopper with material at uncertain times and refill rates, feeder collisions, excess weight of tools, etc. Includes disturbances such as falling or rising objects, and periodic and non-periodic hopper disturbances due to environmental effects such as wind, adjacent rocks, or passing vehicles.

従って、一般に１重量測定は重量損失供給システムの作
動に関する誤ったｔｆｆ報のみを発生し、それ自体、シ
ステムの状態を評価すること、最終的にはマス・フロー
の￥Ａ御にとって不充分であろう。Therefore, a single weight measurement will generally only generate false TFF information regarding the operation of the weight loss feed system, and as such is insufficient for evaluating the status of the system and ultimately controlling the mass flow. Dew.

離散的時間の材料排出システムの数学的モデルを第２図
に示す０時間に＋ｌにおける材料の実際の重量状態は時
間ｋにおける実際の重量状態Ｗ（ｋ）１時間量における
重量に影響するプラント・ノイズ・プロセスＷ１　←ｋ
＞　、　ｆｆｌ量に対するモーター制御の効果、ｕ　１
（ｋ）及びサンプリング時間Ｔを乗算した時間ｋにおけ
る実際のマス・フロー状態Ｗ　　（ｋ）の合計値を提供
する総、相接合部２１により発生される。このＴによる
乗算はマス・フロー状態Ｗの時間置市を表わす、実際の
重量状態信号Ｗ（ｋ＋１）は実際の重量状態信号Ｗ　（
ｋ）を発生する目的で遅延ブロック２２に与えられる。The mathematical model of the discrete-time material discharge system is shown in Figure 2. The actual weight state of the material at time 0+l is the actual weight state W(k) at time k, which affects the weight at the hourly volume. Noise process W1 ←k
> , effect of motor control on ffl amount, u 1
(k) and the sum of the actual mass flow conditions W (k) at time k multiplied by the sampling time T, generated by the phase junction 21. This multiplication by T represents the time position of the mass flow state W; the actual weight state signal W(k+1) is the actual weight state signal W (
k) to delay block 22 for the purpose of generating.

測定された重量信号Ｗ　　（ｋ）は測定ノイズ・プロセ
スｎ（ｋ）を実際の重量状態信号Ｗ　（ｋ）　Ｌ：加え
る総和接合部２３により発生される。The measured weight signal W (k) is generated by a summing junction 23 which adds the measurement noise process n(k) to the actual weight status signal W (k) L:.

時間に＋１における実際のマスーフロー状態Ｗア（ｋ＋
ＬＬ法時間ｋにおける実際のマス・フロー状態Ｗ（ｋ）
、・マス・フローに対するモーター制御の効果＝　　ｕ
２（ｋ）及びマス・フロー・プラント・ノイズ・プロセ
スＷ２（ｋ）の合計値を提供する総和接合部２４により
発生される。時間ｋにおけるマス・フロー状（−３ｗ　
　（ｋ）は遅延ブロック２６を介して実際のマス・フロ
ー状態ｗ　　（ｋ＋１）から発生される。Actual mass flow state Wa(k+
Actual mass flow state W(k) at LL method time k
,・Effect of motor control on mass flow = u
2(k) and mass flow plant noise process W2(k). Mass flow shape (-3w
(k) is generated from the actual mass flow state w (k+1) via delay block 26.

第２図のブロック図は一以下の数学的式を模式的に表わ
したものである。The block diagram of FIG. 2 schematically represents one or more mathematical equations.

Ｗ　（ｋ＋１）　＝Ｗ　（ｋ）→−ＴＷ　　（ｋ＞　＋
ｕ　　（ｋ）　＋ｗ、　（ｋ）Ｗ　　（ｋ　＋　１）　
＝Ｗ　　（ｋ）　＋ｕ　　（ｋ）　＋’Ａ’２　（ｋ）
Ｗ　　（ｋ）　＝Ｗ　ｆｋ）　＋ｎ　（ｋ）ここで に＝１．２．３．　、　、　。W (k+1) = W (k) → −TW (k> +
u (k) +w, (k)W (k + 1)
=W (k) +u (k) +'A'2 (k)
W (k) = W fk) + n (k) where = 1.2.3. , , .

Ｗ（ｋ）は時間ｋにおける実際の重量状態Ｗ　　（ｋ）
は時間１（における実際のマス・フロー状態Ｖ、ｌ　　
（ｋ）は時間ｋにおける重量測定値Ｔはサンプルの間の
周期 Ｌ１個　（ｋ）は実際の重量状態に対するモーター制御
効果ｕ２（ｋ）は実際のマス・フロー状態に対するモー
ター制御効果 ｎ　（ｋ）は測定ノイズ ｖｔｌ（ｋ）はプラント重量ノイズ混乱Ｗ２　（ｋ）は
プラント・マス・フロー・ノイズ混乱ｍｆｆ１状態Ｗと
マス・フロー状態Ｗは状態変数として知られており、マ
ス・フロー状態は重量状態の時間導関数である（Ｗち１
重量はマス・フローの整数である）。検出される唯一の
状態変数はノイズ破壊信号Ｗ　から間接的にのろ検出可
能なｍ重 量である。ノイズ・プロセスｎ、ｗ及びＷ２は不」■ 避であり、當時システム内に存、在することに注！すべ
きである。プラント・ノイズ・プロセスと測定ノイズ・
プロセスの無視で唯一の測定重量信号Ｗを使用してｕｌ
とｕ２を介して排出を制御することは価値の無い劣った
システムになろう。W(k) is the actual weight state W(k) at time k
is the actual mass flow state V, l at time 1 (
(k) is the weight measurement at time k T is the period L1 between samples (k) is the motor control effect on the actual weight state u2 (k) is the motor control effect on the actual mass flow state n (k) is the measurement noise vtl (k) is the plant weight noise disturbance W2 (k) is the plant mass flow noise disturbance mff1 state W and mass flow state W are known as state variables, mass flow state is weight state is the time derivative of (Wchi1
Weight is an integer of mass flow). The only state variable detected is m weight, which can be indirectly detected from the noise destruction signal W. Note that the noise processes n, w and W2 are unavoidable and will always exist in the system! Should. Plant noise process and measurement noise
Using only the measured weight signal W with neglect of the process
Controlling emissions via and u2 would result in an inferior system with no value.

第３図は本発明による離散時間ｆｆｌ！信号処理装置と
モーター制御装置のブロック図に接続された真実の舗散
時間材料排出システムのブロック図である。第１図及び
第２図における素子と類似した素子には同じ参照番号が
付けである０重量倍号処理装置は実際の重量状態Ｗ　（
ｋ＞のフィルター処理された概算値とマス・フロー状態
Ｗ　　（ｋ）のフィル「 ター処理された概算値を発展させるカルマン・フィルタ
ー・プロセスを使用する。モーター制御信号■Ｍとモー
ター制御ｕｔ　（ｋ）とｕ２（ｋ）を演算するため第３
図に模式的に且つ第５図。第１１図に詳細に示しである
如ぐマス・フロー状＝Ｗ（ｋ）の概葬値がモーター制ｍ
装置１８により使用される。モーター制御ｕ　　（ｋ）
　、　１１２　（ｋ）は各々実際の重量状態Ｗ　（ｋ）
と実際のマス・フロー状態Ｗ　　（ｋ）に対する数学的
影響であり、概算された重、量状態Ｗ　（ｋ）及び概算
されたマス・フロー状態Ｗ　　（ｋ）の予泗プロセス内
で使用される。FIG. 3 shows the discrete time ffl! according to the present invention. FIG. 2 is a block diagram of a true pavement time material discharge system connected to a block diagram of a signal processor and a motor controller. Elements similar to those in FIGS. 1 and 2 are given the same reference numerals. The zero weight multiplier corresponds to the actual weight state W (
We use a Kalman filter process to develop a filtered estimate of the mass flow state W (k) and a filtered estimate of the motor control signal ■M and the motor control ut (k ) and u2(k), the third
Schematically and in FIG. The approximate value of the mass flow shape = W(k) is shown in detail in Figure 11.
used by device 18. Motor control u (k)
, 112 (k) are each actual weight state W (k)
and the mathematical influence on the actual mass flow state W (k), which is used within the preparation process for the estimated weight, mass state W (k) and the estimated mass flow state W (k). .

第３図の下方部分には信号処理装置１４．総和接合部１
７．モーター制御装置１８で第１図に図示のムのが示し
である。信号処理装置はカルマン・フィルターとすて構
成され、その構造は実際のシステムの数学的モデルと類
似している。総和接合部２７及び２８は実際のシステム
における総和接合８２１及び２４の機能を行なう、遅延
ブロック２９及び３′、は各々実際の遅延ブロック２２
及び２６の関数をモデルにしている。The lower part of FIG. 3 shows a signal processing device 14. Summation junction 1
7. The motor controller 18 is shown in FIG. The signal processing device is configured as a Kalman filter, whose structure is similar to the mathematical model of the real system. Summing junctions 27 and 28 perform the functions of summing junctions 821 and 24 in the actual system; delay blocks 29 and 3' are the actual delay block 22, respectively;
and 26 functions are modeled.

総和接合部３２は測定された重量Ｗ　（ｋ）及び概算さ
れた重量状：３Ｗ（ｋ）の間の差を提供する。Ｚｆｊ定
残として知られているこの差Ｗ（ｋ）は利得Ｋｗ（ｋ）
が乗算され１次の重量状態概算値Ｗ（ｋ＋Ｄの演にあた
って総和接合部２７に適用される。Ｗ（ド）て可変であ
り、ノイズ・プロセスｒｌ　、　Ｗ　を及びＷ２を考ε
に入れる。カルマン利得ＫＲ及びＫＷ　ｒ（７）　演Ｓ
Ｌの詳細について第４図を参照して以下に示す。The summation junction 32 provides the difference between the measured weight W (k) and the estimated weight: 3W (k). This difference W(k), known as Zfj constant residual, is the gain Kw(k)
is multiplied and applied to the summation junction 27 in calculating the first-order weight state estimate W (k+D).
Put it in. Kalman gains KR and KW r(7) performance S
Details of L will be shown below with reference to FIG.

ノイズ・プロセスｊｌ、Ｗ１及びＷ２の効果上カルマン
利得の演算に使用されるので、各種ノイズ源と状態変数
Ｗ、Ｗに対するその効果を確認する乙とだけでなく、そ
の大きさをモデルし且つその大きさをカルマン利得演算
内に含１せることが重要である。Since the noise processes jl, W1 and W2 are used in the calculation of the Kalman gain in effect, it is necessary not only to check the various noise sources and their effects on the state variables W and W, but also to model their magnitude and their It is important to include the magnitude in the Kalman gain calculation.

各ノイズ・プロセスはゼロ平均としてモデル化され、一
方、以下のノイズ共ゝｍセスとされる。Each noise process is modeled as zero mean, while the following noise processes are taken as m processes.

Ｒ（ｋ）　＝　（σ２ｎ） ここで。R(k) = (σ2n) here.

σ２ｎは測定ノイズ・プロセスの変数 ４Ｆ２ＷｌはｆｆＩｆに影響するプラント・ノイズ・プ
ロセスの変数 σ２　ｖｉ　２はマス・フローに影ビするプラント・ノ
イズ・プロセスの変数：及び σ２ｗｌ、　ｗ２はプラント・ノイズ・プロセスＷＷの
１′２ 共ｉ受（Ｃ≧宍し１りｉｍａガを乞ン 先に述べた如く、プラント・ノイズ・プロセスＷ１．Ｗ
２は各々重量ノイズ乱れとマス・フローノイズ乱れであ
る。実際的なシステムにおいては、イス・フロー・ノイ
ズ乱れＷ２は例えば、供給されているかたまった又は不
均一な材料に起因する規則的ノイズ・プロセスである０
重量ノイズ乱れＷ　１１ズ通過する車両、又は材料ホッ
パーとの物理的衝突から出る振動といった高度に予測不
能の発生源に起因する不規則なプロセスである。測定ノ
イズ・プロセスｎもランダム及び体系的測定器具並びに
排出システム現象誤差に起因した規則的ノイズ・プロセ
スである０例えば、フィード・スクリュー又は材料ミキ
サーからの振動は重量検出器の不正確性に加えて測定ノ
イズ・プロセスｎに肯献する。σ2n is the measurement noise process variable 4F2Wl is the plant noise process variable that affects ffIf σ2 vi 2 is the plant noise process variable that affects the mass flow: and σ2wl, w2 is the plant noise process variable 1'2 of WW As mentioned earlier, plant noise process W1.W
2 are weight noise disturbance and mass flow noise disturbance, respectively. In practical systems, the chair flow noise disturbance W2 is, for example, a regular noise process due to clumped or non-uniform material being fed.
Weight noise disturbance W11 is an irregular process resulting from highly unpredictable sources such as vibrations from passing vehicles or physical collisions with material hoppers. Measurement noise processes are also regular noise processes due to random and systematic measurement equipment and evacuation system phenomena errors. For example, vibrations from feed screws or material mixers can be added to the inaccuracy of a weight detector. Congratulations on the measurement noise process n.

分散σ２ｎは実際のシステムから実験的に又は経験的に
決定出来る。υ４えば、材・料排出システムはｆｆｌ量
の損失無しに作動出来１分散σ２ｎは一連の重量測定値
Ｗ　　（ｋ）から演算出来る０例えば、所定のマス・フ
ロー偏差（σＷ）が指定されれば、σ７□はσＷ、に比
例するよう設定出来る。別の好適実施：３ｔｊ［におイ
テハ２分散σ２ｎ１５２Ｗ２は第９図−第１４図を多照
して以下に詳細に説明する自己調整方法を使用して演算
される。The variance σ2n can be determined experimentally or empirically from an actual system. υ4 For example, the material discharge system can operate without loss of ffl quantity, and the dispersion σ2n can be calculated from a series of weight measurements W (k). For example, if a given mass flow deviation (σW) is specified, , σ7□ can be set to be proportional to σW. Another preferred implementation: 3tj [Ni iteha 2 dispersion σ2n152W2 is computed using a self-adjustment method described in detail below with reference to FIGS. 9-14.

これと対比的に、予測不能なプラント・ノイズ・プロセ
スＷ１は分散Ａも有するものとしてモデル化され、ここ
で人は検出された測定器の大きさから決定される。この
プロセスと詳細とＡの演算について第４Ｂ図も参照しな
がら以下に説明する。In contrast, the unpredictable plant noise process W1 is modeled as also having a variance A, where the person is determined from the detected instrument size. This process and details and the calculation of A will be described below with reference also to FIG. 4B.

最後に、プラント・ノイズ共敗マトリックスＱ（ｋ）は
以下と様式で決定される。最初に、Ｑ（ｋ＞はＱｏに等
しく設定される。Finally, the plant-noise co-defeat matrix Q(k) is determined in the following manner. Initially, Q(k> is set equal to Qo.

ここで、 次に、Ａは測定残の大きさとその残の大きさの発生確率
から演算される。次に、・Ｑ　（ｋ）はＱｌと置換され
る。Here, next, A is calculated from the size of the measurement residual and the probability of occurrence of that residual size. Next, .Q (k) is replaced with Ql.

第４Ａ図−第４Ｃ図を参照すると、信号処理装置？２１
４（第１図）で実行されるプロセス段階が示しである。Referring to FIGS. 4A to 4C, the signal processing device? 21
The process steps carried out at 4 (FIG. 1) are shown.

プロセス開始後、以下のパラメーターが段階４１におい
て初期化される。After starting the process, the following parameters are initialized in step 41:

Ｗｒｄ−所望のマス・フロー設定点 σｎ−渕定ノイズｎの所望の標準偏差 σｗｄ−マス・フローの所望の標準偏差Ｔ−ｉｎｆｆｉ
信号（Ｗｍ）サンプリング周期Ｇ−モーター制御装置の
利得一定数 Ｔ−スクリュー・モーターの時定数 Ｔ、−フィード・モーターに関連あφ通信遅延ＦＦ−フ
ィード・スクリュー・モーターの供給因子段階３２にお
いて１分散σ２Ｗ２はマス・フローσｃＬ の所望の標準偏差から演算される。これは所望のマス・
フロー誤差分散（σｗｒ−σ２ｗｄ）とパラメ−ターＴ
′、σ２ｎ及びσ２Ｗ２の′間の既知安定状悠関係を基
にした相互作用演算である。相互作用演算はここに提出
した自己！ｌＩｕ無しにソース・コード・リスティング
の行４９９９−５２２０にわたるルーチンに示しである
。別の好適実施態様し；おいては、自己忠整は第９図−
第１４図を参照して以下に詳細に説明する自己ｔＪ！４
整方法を使用して両方ψ・ＮＳ’ｃノイズ分散？Ｉｎ、
σ２Ｗ２を演算・する目゛的で採用される０段階４３に
おいては、以下の変数が全て最初はＯに設定される。Wrd - Desired mass flow set point σn - Desired standard deviation of Fuchi constant noise n σwd - Desired standard deviation of mass flow T - inffi
Signal (Wm) sampling period G - gain constant of the motor controller T - time constant T of the screw motor - related to the feed motor φ communication delay FF - feed factor of the feed screw motor 1 variance in stage 32 σ2W2 is calculated from the desired standard deviation of the mass flow σcL. This is the desired mass
Flow error variance (σwr-σ2wd) and parameter T
This is an interaction calculation based on the known stable state Yu relationship between ', σ2n, and σ2W2'. Interaction operation self submitted here! The source code listing is shown in the routine spanning lines 4999-5220 without lIu. In another preferred embodiment, self-loyalty is shown in FIG.
Self tJ! which will be explained in detail below with reference to FIG. 4
Both ψ and NS'c noise variance using the adjustment method? In,
In the purposefully adopted 0 stage 43 for calculating σ2W2, the following variables are all initially set to O.

Ｗ　−重量制御信号 ｐ ｕｌ、ｕ２−各々重量とマス・フローに影響するモータ
ー制御 又１段階４３においては、フィード・スクリュー・モー
ター信号ＩＭはモーターカイ最初所望速度で移動してい
るよう所望のレベルにて初期設定される。代替的には、
信号ＩＭはモーターが最初静止状態にあるようＯに初期
設定出来る。W - weight control signals p ul, u2 - motor controls affecting weight and mass flow respectively; and in step 43, the feed screw motor signal IM is set to the desired level so that the motor car is initially moving at the desired speed; Initial settings are made in . Alternatively,
Signal IM can be initialized to O so that the motor is initially at rest.

段階４４において、カウンターには０にセットされ、＄
１！御は第１ｆｆｌサンプルｗ（１）が取られる段階３
５へ移される。次に、制御な決定ブロック４５に移され
、そこでフィルターが既に初期化されていることを示す
に＋１が・２より大きれば制御は第４Ｂ図のプロセス段
階に移される。他の場合、制御は決定ブロック３７に移
され、そこでに＋１が２と等しくない場合、制御はブロ
ック４８にｔｓさり、　カウンターｋが増加される０次
に、他の重量サンプルがブロック４５内で取られる。ｋ
＋１が２と等しいと決定ブロック４７が決定すれば、　
￥ＩＩ＠はブロック４９に移され、そこでフィルター初
期設定が開始される。At step 44, the counter is set to 0 and $
1! The control is at step 3 where the first ffl sample w(1) is taken.
Moved to 5. Control is then transferred to decision block 45, where if +1 is greater than .multidot.2, indicating that the filter has already been initialized, control is transferred to the process step of FIG. 4B. Otherwise, control is transferred to decision block 37 where if +1 is not equal to 2, control is passed to block 48 where counter k is increased to 0. Then another weight sample is added in block 45. taken. k
If decision block 47 determines that +1 is equal to 2;
\II@ is transferred to block 49 where filter initialization begins.

ブロック４９においては、初期重量状態概箕値Ｗは時間
ｂ−２において測定重量に設定される。In block 49, the initial weight state approximate value W is set to the measured weight at time b-2.

その上、初期マス・フロー状態概算値Ｗはサンプリング
周期Ｔにより分割される最初の２つの測定値の間の差に
設定される。従って１重量状態とマス・フロー状態は最
後の重量信号とその簡単な時間導関数を使って見出され
る。又、ブロック４９において９時間に＝３における重
量状態の予測概算値は８時間に−２における概算マス・
フロー状態のＴ倍を加えた時間に−２における概！重量
状懸に設定され１時間に＝３におけるマス・フロー状態
の予測概算値は時間に＝２・における環算マス・フロー
状態に設定される。Moreover, the initial mass flow condition estimate W is set to the difference between the first two measurements divided by the sampling period T. Therefore, the one weight state and the mass flow state are found using the last weight signal and its simple time derivative. Also, in block 49, the predicted approximate value of the weight state at =3 at 9 hours is the estimated mass at -2 at 8 hours.
Approximately at -2 to the time T times the flow state! The predicted approximation of the mass flow condition at 1 hour = 3 is set to the cyclic mass flow condition at hour = 2.

重量フロー状態とマス・フロー状態の概Ｓ￥値と予測値
がブロック４９内で初期化された後、制御はブロック５
１に移され、そこで誤差弁数マトリックスＰの４つのエ
ントリーが初期化される。After the approximate S values and predicted values for the weight flow condition and the mass flow condition are initialized in block 49, control passes to block 5.
1, where the four entries of the error valve number matrix P are initialized.

誤差共敗マトリックスＰは以下の形態になる。The error co-defeat matrix P has the following form.

２−、／ ここで、σいは重量誤差の分散 σ２〜はマス・フロー誤差の分散 Ｗ「 ｋにおける誤差共分散マトリックスＰニブロック５を内
で誤昆共分散マトリックスＰが初期化された後、制御は
ブロック４８に移されそこでカウンターには増加され、
・他の重量サンプルがブロック３５内でとられる。フィ
ルターが一旦初期化されると、に＋１は２より大きくな
り、決定ブロック３Ｇは制御を第４Ｂ図のブロック５６
に移す。2-, / where σ or the variance of the weight error σ2~ is the variance of the mass flow error W' after the error covariance matrix P at k is initialized within the block 5 , control is transferred to block 48 where the counter is incremented;
- Another weight sample is taken in block 35. Once the filter is initialized, +1 is greater than 2, decision block 3G transfers control to block 56 of FIG. 4B.
Move to.

自己調整が採用される場合、第１０図のフロー・チャー
トに示され且つ以後詳・細に説明されるプロセス段階が
ｆｆｌｄＡ図に示されたものの代わりに採用される。If self-adjustment is employed, the process steps shown in the flow chart of FIG. 10 and described in detail hereinafter are employed in place of those shown in the ffldA diagram.

ブロック５６において、プラント・ノイズ共分散マトリ
ックスＱ　（ｋ）はＱｏに設定され、＄制御はブロック
５７に移され、そこで誤差共分散マトリックスＰはマト
リックス式を使って更新される。At block 56, the plant noise covariance matrix Q (k) is set to Qo and $ control is passed to block 57 where the error covariance matrix P is updated using the matrix equation.

Ｐ　（ｋ＋１／ｋ）　＝ＦＰ　（ｋ／ｋ）　Ｆ’　＋Ｑ
　（ｋ）ここで、　　Ｐ（ｋ＋ｌ／ｋ）は時間に迄の測
定を与える時間に＋ｌにおける誤差共分散の予ｉ１個；
Ｐ　（ｋ／ｋ）は時間に迄と測定を与える時間Ｆ”はＦ
の置換 Ｑ　（ｋ）は時間ｋにおけるプラント・ノイズ共分散。P (k+1/k) =FP (k/k) F' +Q
(k) where P(k+l/k) is the predetermined i1 of the error covariance at +l at time giving the measurement up to time;
P (k/k) is the time up to and the time F'' giving the measurement is F
A permutation of Q (k) is the plant-noise covariance at time k.

Ｐマトリックス（σ２辺、σ”　Ｗ　ｒ）の診断素子は
概算プワセスーの性能測定であることに注意すべきであ
る。理論的には不可能であるが２重量誤差の分散σ糖と
マス・フロー誤差の共分散σ２餌が両方共Ｏであれば、
概算値は完壁であり、即ち、実際の状態と同じである。It should be noted that the diagnostic element of the P matrix (σ2 sides, σ" W r) is a performance measure of the approximate power supply. Although it is theoretically impossible to If the error covariance σ2 baits are both O, then
The estimated value is perfect, that is, the same as the actual situation.

実際的な事項として゛、これらの誤差分散の最小化のみ
が実現可能である。As a practical matter, only the minimization of these error variances is possible.

次に、制御はブロック５８に移され、そこで測定基が以
下の式を使って演算される。Control is then transferred to block 58 where the metric is calculated using the following equation.

ここで、　Ｗ　　（ｋ＋１．／ｋ）は時間に迄の測定を
与える時間に＋１での測定基； Ｗ　　（ｋ＋１）　１ｉ１個ｔ間ｋ　＋　１　ニオＩｔ
　ルｍＲ’ｌＡ定Ｗ　（ｋ、＋ｌ／ｋ）は時間に迄の測
定を与える時間に＋１における概算重量状態。Here, W (k+1./k) is the measurement base at time +1 giving the measurement up to time; W (k+1) 1i1 between k + 1 ni
mR'lA constant W (k, +l/k) gives the approximate weight state at time +1 giving measurements up to time.

次に制御はブロック５９に移され、そこで測定基の分散
がマトリックス式を使って演算される。Control then passes to block 59 where the variance of the metric is computed using a matrix equation.

（Ｔ７２Ｗｍ　　＝　　ＨＰ　Ｃｋ＋１／ｋ）　Ｈ’　
＋Ｒ（ｋ＋１）ここで。(T72Wm = HP Ck+1/k) H'
+R(k+1) here.

Ｈ＝（１０） Ｈ′　はＨの置換 Ｐ　（ｋ＋１／ｋ）はブロック５７内で演算される。H=(10) H′ is replacement of H P (k+1/k) is calculated in block 57.

Ｒ（ｋ＋１）は時間に＋１における測定ノイズ分散（実
際はσ２ｎ） 制御は次に決定ブロック６０に行き、そこでフラグｊは
現サイクル中に分１１ｔＡが第４Ｂ図に示されたループ
を横断することにより既に演算されたか否を決定するよ
う試験される０分散Ａがこのサイクル時に未だ演算され
ていなかったとすれば。R(k+1) is the measured noise variance in time +1 (actually σ2n). Control then passes to decision block 60 where flag j is set by traversing the loop shown in FIG. 4B during the current cycle. If zero variance A is tested to determine whether it has already been computed, it has not yet been computed during this cycle.

制御はブロック６１に移され、そこで変数Ｘが定ｆｉｑ
で分割された測定基Ｗ　　（ｋ＋１／ｋ）及び測定基ｎ の標準偏差、ブロック５９内で演算した分散の平方根）
に設定される。然し乍ら、定数ｑは好適には３≦ｑ≦５
の範囲内にあるが、この′範囲外の値も本発明の！１囲
から逸脱せずに受容可能である。Control is transferred to block 61 where the variable X is constant fiq
standard deviation of the measurement base W (k+1/k) and the measurement base n divided by the square root of the variance calculated in block 59)
is set to However, the constant q preferably satisfies 3≦q≦5.
However, values outside this range are also included in the present invention! It is acceptable without departing from the 1 range.

適応、される分布関数ｒ　（ｘ）もブロック６１内で式
により演算される。The adapted distribution function r (x) is also calculated in block 61 according to the formula.

ｆ　（ｘ）　　＝　　ｌｘｌ　／（１＋ｌｘｌ　）ここ
で、　　　　２≦ａ≦４ この範囲外の値は本発明の範囲から逸脱せずに受容可能
であ、る、ｑとａの正確な値は使用される特定の重量フ
ィーダーに依存し、実験的には通常の作動中に誤差共分
散マトリックスＰの各種素子を最低１−、　Ｌ且つ（再
充填の如き、）非周期的ホッパー乱れの有害な作用を最
低にする目的から決定される。f (x) = lxl / (1 + lxl ) where 2≦a≦4 Values outside this range are acceptable without departing from the scope of the invention; the exact values of q and a are not used. Experimentally, it has been shown that during normal operation the various elements of the error covariance matrix P are at least 1-, L and the deleterious effects of non-periodic hopper disturbances (such as refilling) are Determined from the purpose of minimizing.

ｆ　（ｘ）は現在の測定基の原因が従前の誤差共分散マ
トリックスＰ（ｋ＋ｌ／ｋ）（ブロック５７内で演算）
　により示されたちの以外の源であり、ｉｆＪ定ノイズ
ｎ（ｋ）とマス・フロー・ノイズＷ２（ｋ）に起因する
確率を表わしている。f (x) is the cause of the current metric is the previous error covariance matrix P(k+l/k) (calculated in block 57)
represents the probability due to ifJ constant noise n(k) and mass flow noise W2(k).

ＴＪＩ１個ｌは次にブロック６２に行き、そこで分散Ａ
が１２で分割された測定基の平方を乗算した適応分布関
数ｒ、　（ｘ）の債として演算される。これはＡに対す
る均一な分布になる。The TJI1 then goes to block 62 where the variance A
is calculated as the adaptive distribution function r, (x) multiplied by the square of the metric divided by 12. This results in a uniform distribution for A.

次に、；制御はブロック６３に移り、そこでマトリック
スＱ　（ｋ）がＱｌと等しく設定され、フラグｊが！４
御をブロック５７に戻す前記ブロック６４内で１と等し
く設定される。Control then passes to block 63 where the matrix Q (k) is set equal to Ql and the flag j is set! 4
is set equal to 1 in said block 64 which returns control to block 57.

次に、　　Ｑ、（ｋ）に対する新しい値を使用し、誤　
差共分散マトリックスがブロック５７内で再演算され、
・測定残がブロック５８内で再演算され、測定残分散が
ブロック５９内で再演算される６次に。Next, use the new value for Q,(k) and correct the error.
The difference covariance matrix is recalculated in block 57;
• Sixth order, where the measurement residual is recalculated in block 58 and the measurement residual variance is recalculated in block 59.

フラグｊは現在ｌであるので１．制御はブロック６０か
らブロック６５へ移り、そこでカウンターｊが０にリセ
ットされる。制御は次に第４Ｃ図のブロック６６に移さ
れる。Flag j is currently l, so 1. Control passes from block 60 to block 65 where counter j is reset to zero. Control is then transferred to block 66 of FIG. 4C.

第４Ｃ図を参照すると、フィルター利得にはマトリック
ス式を使ってブロック６６内で演算される。Referring to FIG. 4C, the filter gain is computed in block 66 using a matrix equation.

Ｋ　（ｋ＋１）−Ｐ　（ｋ＋１／ｋ）Ｈ’　　（ＨＰ　
（ｋ＋１／ｋ）Ｈ’　　十Ｒ（ｋ＋１）〕−１ ここで。K (k+1)-P (k+1/k)H' (HP
(k+1/k)H' 1R(k+1)]-1 Here.

Ｋ　　（ｋ＋１）は時間に＋ｌにおけるｒＩＬ量カルマ
ン利得Ｋ　　　（ｋ＋１）は時間に＋１におけるマス・
フロー・カルマンｒ 利得 他の全ての変数は先に定義付けし又は演算しである。K (k+1) is the rIL quantity Kalman gain at time +l.
Flow Kalman r gain All other variables were previously defined or calculated.

時間に＋１迄での測定を与える時間に＋ｌでの予１１１
！１重量状態Ｗと予測マス・フロー状態Ｗが次に以下の
式を使ってブロック６７内で演算される。Preliminary 111 at +l at time giving measurements up to +1 at time
! 1 weight state W and predicted mass flow state W are then computed in block 67 using the following equations.

Ｗ　（ｋ＋ｌ　　ｋ＋１）＝Ｗ　（ｋ＋１／／ｋ）＋Ｋ
　　（ｋ＋１）Ｗ　　（ｋ＋ＩＷ　　　　　　　　　　
　　ｍ ／ｋ） Ｗ　　（ｋ＋１　　ｋ＋１）−Ｗ　　（ｋ＋ｌ／ｋ）＋
Ｋ　　　（ｋ＋１）Ｗｍ（ｋｒ ＋ｌ／ｋ） こζで、全ての変数は従前に定義付けされ演算されてい
る。W (k+l k+1)=W (k+1//k)+K
(k+1)W (k+IW
m /k) W (k+1 k+1)-W (k+l/k)+
K (k+1)Wm(kr +l/k) where all variables have been previously defined and calculated.

次に、制御はブロック６８に移され、そこで誤差分散、
マトリックスＰが便所される。ブロック６８内の式に表
われるマトリックスＩは確認マトリックスである。他の
全ての変数が従前に定義付けされ演算されている。Control is then transferred to block 68 where the error variance,
Matrix P is toileted. Matrix I appearing in the equation in block 68 is the confirmation matrix. All other variables have been previously defined and calculated.

次に制御はブロック６９に移され、そこで概算い予測値
が２．以下０式を使って時間に＋ｌ迄に測定も与える時
間に＋２に対し清算される。Control then passes to block 69 where the approximate predicted value is 2. Using the formula below, the measurements up to time +l are also calculated against time +2.

Ｗ　（ｋ＋２／に＋１）＝Ｗ　（ｋ＋１／に＋１＞÷Ｔ
Ｗ　−（ｋ＋１／に＋１）＋　ｕ　ｔ　（ｋ　”　１　
） Ｗ　　（ｋ＋２／ｋ　＋　１）　”Ｗ　　（ｋ　＋　ｌ
／ｋ　＋　１）　＋　ｕ　２　（ｋ＋１）ここで。W (+1 to k+2/)=W (+1 to k+1/>÷T
W − (k+1/+1)+ut(k ” 1
) W (k + 2/k + 1) ”W (k + l
/k + 1) + u 2 (k+1) where.

ｕｒ　（ｋ　＋１）は時ｒｕＩｋ＋２におけるｍ螢状憇
に影古するよう予測される時間に＋１において通用され
るモーター′ｔＡＯＩ装置の値 ｕ　２　（ｋ　＋　１　）は時間に＋２におけるマス・
フロー状態に影習するよう予測される時間に＋ｌにおい
て通用された。モーターボ１１御装置の値。ur (k + 1) is the value of the AOI device u 2 (k + 1) is the value of the motor't AOI device at time +1 which is predicted to be affected by the mass at +2 at time ruIk+2.
Passed at +l at times expected to emulate flow conditions. Value of motorbo 11 control device.

他の全ての変数は従前に定義付けされ演算されている。All other variables have been previously defined and calculated.

次に、制御はブロック７１に移され、そこでモーター制
御が更新される。ブロック７１内で行なわれる処理段階
の詳細については第５図に示しである。Control is then transferred to block 71 where the motor control is updated. Details of the processing steps performed within block 71 are shown in FIG.

ブロック７１を励起すると、　ｉｌｉ［ｌはブロック４
８゛（第４Ａ図）に戻され、そこでカウンターには増加
され、全体のループが再トレースされる。ループを横断
するのに必要な時間・は僅かにサイクルからサイクル毎
に変化するので、サンプリング周期Ｔは周期毎に僅かに
変化することに注念ずべきである。好適実施！３様にお
いて、Ｔは０．７５≦Ｔ≦２．０の範囲内にあるが、こ
のｌｉｉ囲外の周期も受容可能な結果を発生する。各Ｔ
サイクルの再演算は第６Ｆ図に図示しである。When block 71 is excited, ili[l is block 4
8' (Figure 4A), where the counter is incremented and the entire loop is retraced. It should be noted that since the time required to traverse the loop varies slightly from cycle to cycle, the sampling period T varies slightly from cycle to cycle. Preferred implementation! In case 3, T is in the range 0.75≦T≦2.0, but periods outside this lii range also produce acceptable results. Each T
Cycle recomputation is illustrated in FIG. 6F.

第５図を参照すると、ブロック２２においてはマス・フ
ロー信号Ｗ　な所望のマス・フロー設定ｅ 点Ｗｒｄと第４Ｃ図のブロック６９内で従嬢に演算され
たマス・フロー状態概算値Ｗの間の差として演算される
。次に、制御はブロック２３に移されそこで重量割合制
御信号Ｗ　は利得Ｇとマス、フ「Ｃ ロー誤差■　の積として演算される。次に、そ−ｅ ター信号■７はフィード因子ＦＦにより分割された重量
割合制御信号Ｗ　により調整される。フィード因子ＦＦ
はモーター信号■３とモーター速度の間の非線形関係を
補償する目的でモーター速度信号にマス・フロー状態変
数を変えるため使用される。Referring to FIG. 5, in block 22, the mass flow signal W is set to a desired mass flow setting e between point Wrd and the approximate mass flow state value W calculated in block 69 of FIG. 4C. It is calculated as the difference between Control then passes to block 23, where the weight fraction control signal W is calculated as the product of the gain G and the mass, F C low error. Adjusted by the divided weight proportion control signal W.Feed factor FF
is used to change the mass flow state variable to the motor speed signal for the purpose of compensating for the non-linear relationship between motor signal 3 and motor speed.

次に、制御はブロック７４に移され、そこでモーター制
ｆｌｕｕが演算される。これらの演算は１°　２ 材料排出システムの制御部分のモデルを表わす。Control then passes to block 74 where motor control fluu is computed. These operations represent a model of the control portion of the 1° 2 material discharge system.

これは第３図に示された及び第４Ａ図−第４Ｃ図のプロ
セス段階に示された８！算若しくはフィルター処理のモ
デルとは異なるべきである。This is shown in FIG. 3 and in process steps 8! of FIGS. 4A-4C. should be different from the calculation or filtering model.

フロヅク７６において、過去の重量制御信号ＷＦ は演算されたばかりの重量制御信号Ｗ　と等しくＣ 設定される。In Frozuku 76, past weight control signal WF is equal to the weight control signal W that has just been calculated, and C Set.

段階７７において、演算されたモーター信号■−は材料
排出の割合を制御するためモーター制御装置に出力され
る。In step 77, the computed motor signal - is output to the motor controller to control the rate of material discharge.

本発明のカルマン・フィルター・プロセスは情報と記（
をは極めて僅かに必要とし成る演算時間インターバルか
ら次の時間インターバルへ移される再帰的プロセスであ
ることを強調すべきである。The Kalman filter process of the present invention uses information and notation (
It should be emphasized that is a recursive process that requires very little computation time to be transferred from one time interval to the next.

従って２本発明はマイクロ・プロセッサー・プログラム
・メモリーを再プログラミングし、予め存在するランダ
ム・アクセス・メモリーを使用することにより現存の材
料排出システム内で使用するよう容易に適応可能である
。Thus, the present invention is easily adaptable for use within existing material evacuation systems by reprogramming the microprocessor program memory and using pre-existing random access memory.

自己調整方法が採用しであるモーター制御演算の代替的
な好適実施態様が以後詳細に説明される第１１図のフロ
ー・チャートが示しである。An alternative preferred embodiment of the motor control operations that the self-adjustment method employs is illustrated in the flow chart of FIG. 11, which will be described in detail hereinafter.

ｍＧＡ図−第６Ｆ図は閉ループ・コンピュータ８Ｉ御下
での実際の重量供給システムの作動をグラフ的に図示し
ている。Figure 6F graphically illustrates the operation of an actual weight feed system under the control of closed loop computer 8I.

システムは以下の初期パラメーター、即ち、Ｔ＝１．３
．　Ｗ、＝５００．ＦＦ　＝０３．　ｑ−３，ａ＝２に
てサイクル０から開始された。システムが開始され、メ
モリーの供給中に大略１００と演算サイクルが行なわれ
た。自然のプラントと測定ノイズの両方が存在した。そ
の」二、システム°ポツパーは以下の相当の外的乱れに
さらされた。The system has the following initial parameters: T=1.3
．． W,=500. FF=03. Cycle 0 was started at q-3, a=2. The system was started and approximately 100 computational cycles were performed while supplying memory. Both natural plant and measurement noise were present. Second, the system was exposed to the following significant external disturbances:

２５　　　　　１７ｍｍのスパナ・オン３５　　　　　
１７ｍｍスパナ・オフ ５５　　　　　　　３Ｋｇ重量オン ６５　　　　　　　３Ｋｇ重量オン ９０　　　　　材料再充填 第６八図−第６Ｃ図のグラフの縦座標は１００万■３が
大略１５０Ｋｇ（使用する重量検出器の最大測定可能重
量）に等しい１００万あたりの部を示す。換言すれば、
１００万部あたり６０万部の読取り値は１５０Ｋｇの６
０％又は９０Ｋｇと等しい。25 17mm spanner on 35
17mm spanner off 55 3Kg weight on 65 3Kg weight on 90 Material refilling The ordinate of the graph in Figures 68-6C is 1 million 3 is approximately 150Kg (the maximum measurable weight of the weight detector used) Shows equal parts per million. In other words,
The reading of 600,000 copies per million copies is 150Kg 6
Equal to 0% or 90Kg.

第６Ｄ図において、モーター信号ＩＭのユニットは例え
ば周波数環、モーター駆動信号に直接変換可能て−ある
。第６Ｅ図におけるマス・フロー概算値のユニットは単
位時間あたり１００万あたりの部数により、直接Ｋｇ／
秒に変換可能である。In FIG. 6D, the unit of motor signal IM is, for example, a frequency ring, which can be directly converted into a motor drive signal. The unit of mass flow estimate in Figure 6E is directly Kg/unit by the number of copies per million per unit time.
Can be converted to seconds.

ｆｆ１６Ｆ図は成るサイクルから次のサイクルへのサン
プル時間の可変性を図示する。The ff16F diagram illustrates the variability of sample time from one cycle to the next.

第７図は第６Ｄ図と第６Ｅ図のグラフの表弐呈示である
。FIG. 7 is a second table presentation of the graphs of FIGS. 6D and 6E.

第８図は外部乱れのない状態に存在する自然のプラント
と測定ノイズ方法のみによる作動を示している第６Ａ図
−第６Ｆ図のグラフを発生するよう作動されるものと同
じシステムのグラフ的表示５に対するコンピューター・
プログラムの注釈付きソース・コード・リスティングで
ある。このプログラムには第４Ａ図−第４Ｃ図及び第５
図のフロー・チャートに示された段階が導入しである。FIG. 8 is a graphical representation of the same system operated to produce the graphs of FIGS. 6A-6F showing a natural plant existing in the absence of external disturbances and operation with measurement noise methods only. computer for 5
An annotated source code listing of the program. This program includes Figures 4A-4C and 5.
The steps shown in the flow chart of the figure are introductory.

各種作動パラメーターの演算を容易にする目的から、Ｃ
れら各種作動パラメーターを演算出来るデータを発生す
るようフィーディング・プロセスをｌＩＩｇｌする自己
ｍｕが使用される。第９図は第１図と類似しており、確
率的制御とノイズ・パラメーターが演算されるデータを
発生する目的で使用される一般的な自己調整プロセスの
概念的ブロック図を示す、第１図のブロックと類似して
いる機能ブロックには同様の番号表示が付けてあり、そ
のため再度説明はしない。For the purpose of facilitating calculation of various operating parameters, C
A self-mu is used to control the feeding process to generate data from which these various operating parameters can be calculated. FIG. 9 is similar to FIG. 1 and shows a conceptual block diagram of a general self-adjusting process used to generate data on which stochastic control and noise parameters are computed. Functional blocks that are similar to the above blocks are given similar numbering and are therefore not described again.

本発明の一般的自己調整プロセス１；おいては。General self-regulation process 1 of the present invention;

ｍｉｔ供給機が最初に開始される際、又は作動条件にお
ける劇的変化が呈示される際、（例えば、供給されてい
る材料の型式）　供給機はスイッチ８１で模式的に示さ
れた較正又は調整モードに設定される。較正モードにお
いては、システム較正処理装置、ｖｉ御発生５８２は一
連の制御信号ｕ　（ｋ）を重量供給器に適用し、！ｒＩ
量供給器は制御シーケンスｕ　（ｋ）に反応する。Ｘｉ
量検出５１３は対応する測定シーケンスｚ（ｋ）を発生
する０次に０人力／出力信号（ｕ　（ｋ）、　！　（ｋ
））は例えば、ノイズと制御パラメーターを概算すべく
システム較正処理装置と制御発生器８２により使用され
る０次に８概算パラメーターはカルマン・フィルターに
送られ、較正モードで出され、閉ループ制御が開始する
。When the mit feeder is first started, or when a dramatic change in operating conditions is presented (e.g. the type of material being fed), the feeder starts the calibration or adjustment shown schematically by switch 81. mode is set. In the calibration mode, the system calibration processor, vi controller 582, applies a series of control signals u (k) to the weight feeder, ! rI
The quantity feeder responds to the control sequence u (k). Xi
The quantity detection 513 generates the corresponding measurement sequence z(k) of the zero-order human power/output signal (u (k), ! (k
)) is used by the system calibration processor and control generator 82 to approximate noise and control parameters. The zero-order 8-estimated parameters are sent to a Kalman filter and issued in calibration mode to begin closed-loop control. do.

較正モードは、システムの開始時に行なわれるか又はシ
ステム・オペレーターにより再較正が望まれる場合はい
つでも行なわれる。第１０図は第４Ａ図と類似しており
、自己調整方法を含む、第１０図における第４Ａ図のも
のと類似している機能ブロックには同じ番号表示がしで
ある。Calibration mode is performed at system startup or whenever recalibration is desired by the system operator. FIG. 10 is similar to FIG. 4A, and functional blocks in FIG. 10 that are similar to those in FIG. 4A, including self-adjustment methods, are numbered the same.

第１０図を参照すると、システムの開始後、以下のパラ
メーターが段階８３において初期化される。Referring to FIG. 10, after starting the system, the following parameters are initialized at step 83.

Ｗ　、　、３−　所’Ｊのマス・フロー設定点σｎ：　
測定ノイズｎの標準偏差 σＷ２−マス・フロー・ノイズのａ！ｌ！！５ＶＴ−ｆ
ｆ１ｆｆｉ信号（Ｗｍ）サンプリング周期Ｇ　−モータ
ー制御装置の利得定数 ＦＦ−フィードＩスクリュー・モーターのフィード因子
Ａ−＄１１０１パラメーター（第１２図を参照して以下
に詳細に説明）を較正するのに使用する矩形波の大きさ
測定ノイズσｎとマス・フロー・ノイズσＷ２に対する
標準偏差は前の機械作動（例えば、前の工場シフト等中
に較正されたパラメーター）から繰り越されるか又は第
１５図を参照して先に説明さ屯た如く入力され及び／又
は演算される。W , , 3 - Mass flow set point σn at location 'J:
Standard deviation of measurement noise n σW2 - mass flow noise a! l! ! 5VT-f
f1ffi signal (Wm) Sampling period G - Motor controller gain constant FF - Feed I Screw motor feed factor A - Used to calibrate the $1101 parameter (detailed below with reference to Figure 12) The standard deviation for the square wave magnitude measurement noise σn and mass flow noise σW2 may be carried forward from previous machine operation (e.g., parameters calibrated during a previous factory shift, etc.) or as shown in FIG. are input and/or computed as previously described.

次に一制御はブロック８４にいたり、そこでオペレータ
ーの制御の下に制御装置を較正すべきか否かが決定され
る。較正しない場合９例えば９重量供給機と初期の作動
期間中に各種パラメーターが較正された場合は、ａｍな
直接ブロック４３に移され、制御は第４Ａ図−第４Ｃ陣
を参照して前述した如く続く０例えば、較正が望ましい
場合は供給されている材料が変えられると　ａｍはブロ
ック８６．８７に移り、そこで制御パラメーターＧＶｓ
ｓｌ　Ｗｃ、及びノイズ−パラメーターσｎ＋　Ｉ　（
ｆ　Ｗ２’は各々第１２図と第１４図に表わされた。以
後詳細に説明する方法も使って較正される。Control then passes to block 84 where it is determined whether the controller should be calibrated under operator control. If not calibrated, for example 9, if the weight feeder and various parameters have been calibrated during the initial operating period, the control is passed directly to block 43 and control is as described above with reference to Figures 4A-4C. For example, if calibration is desired and the material being supplied is changed, am moves to block 86.87 where the control parameter GVs
sl Wc, and noise-parameter σn+I (
f W2' are shown in FIGS. 12 and 14, respectively. It is also calibrated using the method described in detail below.

ブロック８６．８７内でのパラメーター較正の後で、制
御はブロスク４３に行き、第４Ａ図−第４Ｃ図を参照し
て前述した如く続く。After parameter calibration in blocks 86, 87, control passes to block 43 and continues as described above with reference to FIGS. 4A-4C.

この代替的好適実施態様においては、モーター制御装置
が第４Ｃ図のブロック７１内で演算される際、第１１図
に示された適応するモーター制御演算が行なわれる。In this alternative preferred embodiment, when the motor controller is operated in block 71 of FIG. 4C, the adaptive motor control operations shown in FIG. 11 are performed.

第１１図を参照すると、ブロック８８内において１．予
測された設定点誤差Ｗ　　（ｋ＋Ｉ／ｋ）が以下のｅ 式を使って演算される。Referring to FIG. 11, within block 88 1. The predicted set point error W (k+I/k) is computed using the e equation below.

Ｗ　　（ｋ＋１／ｋ）＝Ｗｒｄ−（Ｗｒ（ｋ／ｋ＞＋Ｇ
Ｖｓ、Ｗｒｃ（ｅ ｋ−１）） ここで、　Ｗ　　　（ｋ＋１／ｋ）Ｌ↓時間に迄の測定
が与えられる時間ｅ ｋ＋ｌに対する予測された設定点誤差 Ｗｒｄは所望の設定点 Ｗｒ　（ｋ／ｋ）は時間に迄に測定が与えられる時間に
での概算マス・フロー状態 ＧＶ　　は小さい信号利得 　Ｓ Ｗ　　（ｋ−１）は先のサイクルを演算した！重量割合
制御ＣＣ 信号 小さい信号利得ＧＶ　　は第１２図を参照して以ｓ 下に説明した制〕較正中に較正される。W (k+1/k)=Wrd-(Wr(k/k>+G
Vs, Wrc(e k-1)) where the predicted set point error Wrd for the time e k+l is given the measurement up to W (k+1/k)L↓ time is the desired set point Wr (k/k ) is the approximate mass flow state at the time the measurement is given GV is the small signal gain S W (k-1) computed the previous cycle! The weight fraction control CC signal small signal gain GV is calibrated during calibration (as described below with reference to FIG. 12).

次に、・制御は決定ブロック８９に行き、そこでブロッ
ク８日内で演算される予測される設定点誤差Ｗ　　（ｋ
＋Ｌ／ｋ）が所望の設定点Ｗｒｄと比較される。Control then goes to decision block 89 where the expected set point error W (k
+L/k) is compared to the desired set point Wrd.

ｅ 予測された設定点誤差Ｗ　　（ｋ＋１／に、）が所望の
設定点Ｗｒｄの７５％を越える場合は、制御り等制御利
得Ｇが０．９と等しく設定されるブロック９０に移され
る。・予測される設定点誤差Ｗ　　（ｋ＋１／ｋ）が所
望のｅ 設定点Ｗｒｄの７５％以下であれば、制御は制御利得Ｇ
がＧ　（第１０図のブロック８３内で設定）等しく設定
されるブロック９１に移される。Ｇは０゜９以下であり
、好適には０．１である。勿論、Ｇの他の値も本発明の
範囲から逸脱せずに使用可能であろう。If the predicted setpoint error W (k+1/) exceeds 75% of the desired setpoint Wrd, then control is passed to block 90 where the control gain G is set equal to 0.9. - If the predicted set point error W (k+1/k) is less than or equal to 75% of the desired e set point Wrd, the control is performed using the control gain G
is moved to block 91 where G is set equal to G (set in block 83 of FIG. 10). G is 0°9 or less, preferably 0.1. Of course, other values of G could be used without departing from the scope of the invention.

従って、所望の設定点Ｗｒｄに対する予測された設定点
誤差Ｗ　　（ｋ＋１／ｋ）と相対的大きさの関数と「ｅ し″″Ｃ，Ｃ，変化御利得Ｇが一体！４御の形態に採用
される。開示された実施＋３様での利得Ｇに対して値は
２つのみが使用しであるが、これは例示的なものであっ
て制限しないことが理解される。Ｇは多くの異なる値を
とることが出来、実際、設定点誤差の連続関数にも出来
る。Therefore, the function of the predicted set point error W (k+1/k) and the relative magnitude for the desired set point Wrd and the change control gain G are integrated! Although only two values are used for the gain G in the disclosed implementation +3, it is understood that this is exemplary and not limiting. It can take any value, and in fact can be a continuous function of set point error.

次に、制御はブロック９２に行き、そこで１重量割合信
号制御信号Ｗ　　（ｋ）がｖＩ御利得Ｇ及び予測「Ｃ された設定点誤差Ｗ　　（ｋ＋１）から演算される。モ
「ｅ −ター制御電流値■７もブロック９２内で演算される。Control then passes to block 92 where a weight fraction control signal W (k) is computed from the vI control gain G and the predicted set point error W (k+1). The current value (7) is also calculated in block 92.

次に、ブロック９３において、制御籾果ｕｌ（ｋ＋１）
及びｕ　２　（ｋ　＋　Ｉ　）は（ａで説明する第１２
図の制御パラメーター較正方法により較正される）重量
補償因子Ｗ。１と小さい信号利得ＧＶｓｓを使用して従
前のサイクルが演算された重量割合制御信号Ｗｒｃ　（
ｋ−１）から演算される。大略合計で２つのサンプリン
グ周期（２・Ｔ）である重量供給システム内で時間の遅
れを補償する目的で前のサイクルから９重量割合ｔ／Ｉ
御信号Ｗ　　（ｋ−１）が使用される。換Ｃ 言すれば２サンプリング時間ｋにて適用される制御は大
略サンプリング時間に＋２になる迄検出可能ｆｆｉ量に
影響しない。Next, in block 93, control grain ul(k+1)
and u 2 (k + I) is (12th
The weight compensation factor W (calibrated by the control parameter calibration method shown in the figure). The weight proportion control signal Wrc (
k-1). 9 weight fractions t/I from the previous cycle for the purpose of compensating for time delays in the weight feeding system, approximately totaling two sampling periods (2·T).
A control signal W (k-1) is used. In other words, the control applied at the 2 sampling time k does not affect the detectable ffi amount until approximately the sampling time +2.

次に、−御ははブロック９４に行き、そこでモーター制
御電流ＩＭがモーターに出力される０次に、制御はサイ
クル的処理を続行するよう第４Ｃ図のブロック７１に戻
る。Control then goes to block 94 where the motor control current IM is output to the motor.Control then returns to block 71 of FIG. 4C to continue cyclical processing.

ここで、ブロック８６内で行なわれるパラメーター較正
の制御に移ると９重量供給システムの段階的応答は確率
的制御装置の制御モデルを較正する目的で使用出来るこ
とが観察された。特に２連と段階的機能（即ち、サンプ
リング・インターバルＴに対して相対的に長い周期を有
する矩形波）がパラメーター較正制御発生器８２（第９
図）重量補償因子Ｗｃ、が演算され、重量供給システム
の制御に使用するカルマン・フィルターに対し出力され
る。Turning now to the control of parameter calibration performed in block 86, it has been observed that the graded response of the weight feed system can be used to calibrate the control model of the stochastic controller. In particular, the duplex and stepwise function (i.e., a square wave with a relatively long period with respect to the sampling interval T) are controlled by the parameter calibration control generator 82 (9
Figure) The weight compensation factor Wc is calculated and output to the Kalman filter used to control the weight supply system.

特に、第１２図のフロー・チャートを参照すると、ブロ
ック９６において、所望の設定点だけＯからオフセット
している矩形波信号が制御信号Ｕ（ｋ）として°発生さ
れ２重量供給機に通用される。In particular, with reference to the flow chart of FIG. 12, in block 96, a square wave signal offset from O by the desired set point is generated as a control signal U(k) and passed through the two weight feeders. .

矩形波はＴをサンプリング周期とした場合２Ａのピーク
値対ピーク値の信号振幅と２０７の信号周期を備えてい
る。The square wave has a peak-to-peak signal amplitude of 2A and a signal period of 207, where T is the sampling period.

適用される矩形波は時間１０Ｔにわたり続く大きさの小
さい、値部分ｖ１゜、に続く時間１０Ｔにわたり続く大
きさの値の高いＶ　を備えている。Ｖ、、とＶ　の間の
差は２人であり、５は所望の作動点の近くでシステム作
動の決定も回連にすべく選択される。　（即ち、矩形波
のオフセット）。好適にはＡは所望の設定点の約２５％
である。従って。The applied square wave has a small value portion v1° of magnitude lasting for a time 10T followed by a high value V 2 of magnitude lasting for a time 10T. The difference between V, . (i.e. offset of the square wave). Preferably A is about 25% of the desired set point.
It is. Therefore.

例えば、集望の設定点が２００であれば、Ａは５０とな
り、矩形波ｕ　（ｋ）は２５０の高い値の部分と１５０
の低い値の部分ををすることになろう。For example, if the aggregation set point is 200, A will be 50, and the square wave u (k) will have a high value part of 250 and a value of 150
The lower value of .

矩形波はＮを好適には５以上にした場合Ｎサイクル繰り
返される。The square wave is repeated for N cycles, where N is preferably 5 or more.

矩形波の通用中、制御はブロック９７内に存在し、ここ
で平均　な高いマス・フロー概算値ｖｈＩＩｌｈは一連
のマス・フロー概算値から演算され、矩形波直前に決定
された各８！算値ｕ　（ｋ）は高から低へ即ち矩形波ｕ
　（ｋ）の高い部分の１０７持続時間の終了への遷位を
なす。又、ブロック９７内では、平均的な低いマス・フ
ロー概算値ｖ低いは一連のマス・フロー概算値から決定
され、矩形波直前に決定された各概算値ｕ　（ｋ）は低
から高へ即ち矩形波ｕ（ｋ）の低い部分のＬＯＴ持続侍
間の終了に遷位させる。During the application of the square wave, control resides in block 97 where an average high mass flow estimate vhIIlh is computed from a series of mass flow estimates, each 8! The calculated value u (k) is a rectangular wave u from high to low
Make the transition to the end of the 107 duration of the high part of (k). Also, within block 97, the average low mass flow estimate vlow is determined from a series of mass flow estimates, with each estimate u (k) determined just before the square wave increasing from low to high, i.e. The low part of the square wave u(k) is shifted to the end of the LOT duration interval.

とフィルターの補償無しの予測重量の間の差によＷｃｆ
は次に式 ％式％） を使って演算される。and the uncompensated predicted weight of the filter
is then calculated using the formula%.

計値である。This is a measured value.

Ｎ及びＡは適用される矩形波のサイクルと振幅数である
。N and A are the number of cycles and amplitudes of the square wave applied.

乗算される。Multiplyed.

次に、制御はブロック９９へ行き、ここで次式を使って
小さい信号利得ＧＶ　　　が演算される。Control then passes to block 99 where the small signal gain GV is calculated using the following equation:

　　Ｓ 大きさ２人で分割された高いマス・フロー概算値と低い
マス・フロー概算値の間の差を示す。S indicates the difference between the high mass flow estimate and the low mass flow estimate divided by two people.

次に、ブロック１０１において２重量補償因子従って、
ブロック１０２においては小さい信号利得ＧＶ、、及び
重量補償因子Ｗ。ｒはカルマン・フィルターに送られる
。（特に、第１１図のプロ、ツク８８及び９３へ） ここでノイズ・パラメーターｆ　２ｎとσ２　Ｗ２のｍ
Ｗに移ると、実際のプラントと測定ノイズ分散と概算値
を演算する目的から予測される測定残分散に対するプラ
ントと測定ノイズ分散の間に存在する既知の線状関係が
利用される。特に２重量供給システムは重量供給機を一
定速度（即ち、ベクトルｕ　（ｋ）の各値が一定）に作
動するようパラメーター較正と制御発生器８２により制
御され対応する一連の測定値ｚ　　（ｋ）がとられ８２
個Ｑ一定利得フィルターＡ及びＢに供給され、各々異な
る組と固定既知利得が備えである。各フィルターからの
対応する測定残分散が演算され、これらの演算から測定
ノイズ分散♂　とプラント・ノイズ分散σ２Ｗ２に対す
る概算値が演算される。Next, in block 101 the two weight compensation factors
In block 102 a small signal gain GV, and a weight compensation factor W. r is sent to the Kalman filter. (Especially to the pro-tsukus 88 and 93 in Figure 11) Here, the noise parameters f 2n and m of σ2 W2
Moving to W, the known linear relationship that exists between the actual plant and measurement noise variance to the measurement residual variance predicted for the purpose of computing the approximation is utilized. In particular, the two-weight feed system is controlled by a parameter calibration and control generator 82 to operate the weight feeder at a constant speed (i.e., each value of the vector u (k) is constant) and a series of corresponding measured values z (k) Gatorare 82
Q constant gain filters A and B are provided, each with a different set and fixed known gain. The corresponding measured residual variance from each filter is computed, and from these computations, estimates for the measured noise variance ♂ and the plant noise variance σ2W2 are computed.

第′１３図を参照すると１本発明のノイズ・パラメータ
一方法の概念的概略図が開示しである。フイノンタ−Ａ
及びＢはフィルターＡ及びＢの利得が固定されて既知で
ある点を除いてカルマン・フィルターの如く較正されて
いる。各フィルターＡ及びＢは利得が各々演算されない
点を除き第４Ａ図ないし第４Ｃ図及び第１１図を参照し
て前述した主制御ループとカルマン・フィルターと間じ
様式にて制御モデリングと同様概算と予測を行なう。Referring to FIG. '13, a conceptual schematic diagram of a noise parameter method of the present invention is disclosed. Fuinonta-A
and B are calibrated like Kalman filters, except that the gains of filters A and B are fixed and known. Each filter A and B is approximated in the same manner as the main control loop and Kalman filter described above with reference to FIGS. 4A-4C and FIG. 11, except that the gains are not calculated respectively. Make predictions.

又、フィルターＡ及びＢは一定利得を有しているので、
ノイズ・パラメーター−及びσ２Ｗ２はフィルターＡ及
びＢでは使用されない、然し乍ら、フィルターＡ及びＢ
は好適には第１２図を参照して先に決定された調整され
たｆｆ１ＧＶ　　及びＷ。、を小１用Ｓ する。Also, since filters A and B have constant gains,
Noise parameters and σ2W2 are not used in filters A and B, however, filters A and B
are preferably adjusted ff1GV and W as previously determined with reference to FIG. , for 1st grade S.

測定シーケンスｚ（ｋ）は各フィルターＡ及びＢに適用
され、これは逆に個々の測定シーケンス鳳及び籟躬牲す
る。又、フィルターＡ及びＢからｂｌ。The measurement sequence z(k) is applied to each filter A and B, which in turn affects the individual measurement sequences. Also, bl from filters A and B.

Ａ、　ｂ、、ｂ、　Ｂ及びす、Ｂが得られ、これらはフ
ィルターＡ及びＢの個々の利得の関数である。特に。A, b, , b, B and S, B are obtained, which are functions of the individual gains of filters A and B. especially.

ｂ　　　ｗ（４に１．Ａ＋２ＴＫ２．Ａ）／ＤＡｎ、　
Ａ ｂ、　Ａ＝Ｔ　（２−に、　Ａ）　７に２．　ＡＤＡｂ
ｎ、Ｂ＝（４に１．Ｂ＋２ＴＫ２．Ｂ）／ＤＢｂ、　Ｂ
＝Ｔ　（２−に、βＢ）／に２．ＡＤＡここで’　　Ｋ
１．Ａ’　Ｋ２．　ＡはフィルターＡの固定既知利得で
ある。b w (4 to 1.A+2TK2.A)/DAn,
A b, A=T (2-, A) 7 to 2. A.D.Ab.
n, B=(4 to 1.B+2TK2.B)/DBb, B
=T (2-, βB)/2. ADA here' K
1. A'K2. A is the fixed known gain of filter A.

ＫＫ　　はフィルターＢの固定既知 １、　　Ｂラ　　２．　　Ｂ 利得である。KK is the fixed known value of filter B 1. B La 2. B It's a gain.

ＤＡｌ（１、Ａ（４−２に、　Ａ−ＴＫ　ｚ、　Ａ）Ｄ
Ｂ＝Ｋｌ、Ｂ（４−２Ｋｌ、Ｂ−ＴＫ２．Ｂ）下はサン
プリング周期である。DAl(1, A(4-2, A-TK z, A)D
B=Kl, B(4-2Kl, B-TK2.B) Below is the sampling period.

好適実施態様にあ・いては、　Ｋ　　　＝０．８−　　
Ｋ　２．　Ａ＝１、Ａ Ｏ，４，Ｋ、、　Ｂ＝０．４及びＫ　２．　Ｂ＝０．２
であるが１本発明の範囲から逸脱せずに他の値も使用可
能である。In a preferred embodiment, K = 0.8-
K2. A=1, A O,4,K,, B=0.4 and K2. B=0.2
However, other values can be used without departing from the scope of the invention.

マス２　及びｚＢから分散分析器１０３及び１０４によ
り発生される。次に、ｉｆ！ｌ定残分敗残分散の同時式
を解くため式解答５１０６に通用される。Generated from mass 2 and zB by dispersion analyzers 103 and 104. Next, if! This is applied to the equation solution 5106 to solve the simultaneous equation of constant residual distribution and residual variance.

σｚ、　Ｂ＝ｂｎ、　Ｂσｎ＋ｂ　　σ２ＷＷ、６２ これは２つの裏知の数０’ｎ及びσ２ｗ２用である。σz, B=bn, Bσn+b σ2WW, 62 This is for the two secret numbers 0'n and σ2w2.

第１４図に示されたフロー・チャートを参照すると２本
発明のノイズ較正アルゴリズムが示しである。アルゴリ
ズムを開始するにはｉｔ供給システムはブロック１０７
内で始まる一定速度で動作する。決定ブロック１０８は
２個の連続する乱れの無い測定がなされたかを決定する
。なされた場合は（第４Ａ図及びその支持文書に示され
たフィルター開始と同様の）フィルター開始が段階１０
９において両方のフィルターＡ及びＢに対して行なわれ
る。次に、フィルターＡ及びＢの出力を設定出来るよう
にするためループ状決定ブロック１１１の使用により２
５の測定サイクルが経過可能である１次に、１００の測
定サイクルが行なわれ測定類の合計値Σ穂。及びΣ芝８
及び測定類の平方和Σ！２　及びΣ！２Ｂはブロック１
１２，１１３及び決定ブロック１１４内の各フィルター
Ａ及びＢに対し演算される。制御は次にブロック１１６
に移り、そこで、各フィルターＡ及びＢに対する測定器
分散σ７及びσ２Ｍ、Ｂが演算され１次にフロック１１
７において測定ノイズ分散σ２ｎ及びププログラムでの
分散σ　ｗ２が測定残分散σ２フＡ及びσ２２．Ｂから
演算される。ブロック１１８において、プラント・ノイ
ズ分散σ２ｎ、ｎ定ノイズ分散σ２ｗ２゛が確率制御装
置のカルマン・フィルターに送られる。Referring to the flow chart shown in FIG. 14, two noise calibration algorithms of the present invention are illustrated. To start the algorithm, the IT supply system uses block 107.
Operates at a constant speed starting within. Decision block 108 determines whether two consecutive undisturbed measurements have been made. If so, the filter initiation (similar to the filter initiation shown in Figure 4A and its supporting documentation) is at step 10.
9 for both filters A and B. Next, by using a looped decision block 111 to be able to set the outputs of filters A and B, 2
5 measuring cycles can elapse, and 100 measuring cycles are carried out, the total value of the measurements Σear. and Σ Shiba 8
and the sum of squares of the measurement class Σ! 2 and Σ! 2B is block 1
12, 113 and for each filter A and B in decision block 114. Control then passes to block 116
Then, the instrument variances σ7 and σ2M,B for each filter A and B are calculated and the first block 11 is calculated.
7, the measurement noise variance σ2n and the program variance σ w2 are the measurement residual variance σ2fA and σ22. Calculated from B. At block 118, the plant noise variance σ2n, n-constant noise variance σ2w2' is sent to the Kalman filter of the stochastic controller.

９５％の確率で個々の実際値の１０％以内の確実なレベ
ルを達成するため測定ノイズ分散とプラント・ノイズ分
散を演算する１００のサンプルが使用される。100 samples are used to calculate the measurement noise variance and the plant noise variance to achieve a reliable level within 10% of the individual actual value with 95% probability.

従って、制御バラネーター較正方法は大略１２０の測定
サイクルを必要とし、ノイズ・パラメーター較正方法は
好適実施態様においては４分ないし６分の全較正時間に
対し大略１２５の測定サイクルを要する。Thus, the control balanator calibration method requires approximately 120 measurement cycles, and the noise parameter calibration method requires approximately 125 measurement cycles for a total calibration time of 4 to 6 minutes in the preferred embodiment.

本発明はマス・モードにおいてノイズ較正をもたらす。The present invention provides noise calibration in mass mode.

これを行なうため小さい信号利得ＧＶｓｓ及び重量′４
償因子Ｗ。、パラメーターを較正してフィルターＡ及び
Ｂに含まなければならない。従って、制御ｕ　（ｋ）は
先に説明した設定点制御様式の場合と同様、変化可能で
ある。σ２．σ２ｗ２に対するノイズ較正は前述した如
く続く。前述したノイズ較正に対する数字に対する変更
は以下の通りである。第９図のスイッチ８１は？作動Ｊ
位置にすることが出来、第１４図のブロック１０７はバ
イパスされる。毎回したソース・コードは命令番号２１
９００ないし２２０２０及び命令文２３７５０に注記さ
れた如くこの特徴を有している。このプロセスは本発明
の柔軟性を高めると共に制御はマス・イード中にノイズ
構成又は再較正を可能施態様とコンピューター１５に対
するソース・コ４０図、第１０図ないしｆｉＳ１２図及
び第１４図のフロー・チャートに示された段階を含んで
いる。To do this, a small signal gain GVss and a weight '4
Redemption factor W. , parameters must be calibrated and included in filters A and B. Therefore, the control u (k) is variable as in the setpoint control regime described above. σ2. Noise calibration for σ2w2 continues as described above. The changes to the numbers for the noise calibration described above are as follows. What about switch 81 in Figure 9? Operation J
14 and block 107 of FIG. 14 is bypassed. The source code I did each time is instruction number 21.
900 to 22020 and statement 23750 have this feature as noted. This process increases the flexibility of the present invention and allows control over noise configuration or recalibration during mass eid. Contains the stages shown in the chart.

本発明の特定の例示的実に：３様を参照して本発明につ
いて説明して来たが、当技術の熟知者には本発明の技術
思想の範囲から逸脱せずに本発明の多くの変更と改変が
可能である。Although the present invention has been described with reference to certain illustrative embodiments thereof, it will be apparent to those skilled in the art that many modifications of the invention may be made without departing from the scope of the invention. and can be modified.

【図面の簡単な説明】[Brief explanation of the drawing]

第１図は本発明を具体化している重量損失供給システム
。 第２図は分離時間損失重量システムのモデルの模式図。 第３図は分離時間損失重量システムのモデル。 マス・フローの概算をするカルマン・フィルター及び本
発明によるモーター制御信号処理装置の模式図。 第４図は本発明の重量信号処理装置により行なわれる演
算段階のフロー・チャート。 第５図は本発明のモーター制御装置により行なわれる演
算段階のフロー・チャート。 第６Ａ図ないし第６Ｆは本発明による重量供給システム
の作動のグラフ。 第７図は第６Ｄ図及び第６Ｅ図のグラフを表わした表。 第８図は本発明による重量供給システムの作動の他のグ
ラフ。 第９図は自己ｒＩａ整の本発明を具体化している重量損
失供給システム。 第１０図は自己調整を採用している本発明の重量信号処
理装置により行なわれる演算段階のフロー・チャート。 第１１図は自己調整を採用している本発明のモーター制
御装置により行なわれる演算段階のフロー・チャート。 第１２図は制御パラメーターを較正するため本発明によ
り行なわれる演算段階のフロー・チャート。 第１３図は本発明のノイズ・パラメーター較正のモデル
の模式図。 第１４図はノイズ・パラメーターを較正する本発明によ
り行なわれた演算段階０フロー・チャート。 １０：ホッパ−１１：フィード・スクリュー１２：フィ
ード・スクリュー・モーター　１３ニスケール　Ｉ４：
重量処理装置　１５：コンピューター　１６：操作盤　
１７：総和接合部　１８：モーター制御装置　１９：モ
ーターＬ！！動装置２１：総和接合部　２２：遅延ブロ
ック゛２４：総和接°合部　２６：遅延ブロック　２７
．２８：総和接合部　１０３，１０４：分散分析、器　
１０６：式解答器FIG. 1 is a weight loss delivery system embodying the present invention. Figure 2 is a schematic diagram of the model of the separation time loss weight system. Figure 3 is a model of the separation time loss weight system. FIG. 2 is a schematic diagram of a Kalman filter for estimating mass flow and a motor control signal processing device according to the present invention. FIG. 4 is a flow chart of the calculation steps performed by the weight signal processing device of the present invention. FIG. 5 is a flow chart of the calculation steps performed by the motor control device of the present invention. 6A-6F are graphs of the operation of a weight feed system according to the present invention. FIG. 7 is a table showing the graphs of FIGS. 6D and 6E. FIG. 8 is another graph of the operation of the weight feed system according to the present invention. FIG. 9 is a weight loss delivery system embodying the present invention of self-rIa adjustment. FIG. 10 is a flow chart of the calculation steps performed by the weight signal processing device of the present invention employing self-adjustment. FIG. 11 is a flow chart of the computational steps performed by the motor controller of the present invention employing self-adjustment. FIG. 12 is a flow chart of the computational steps performed by the present invention to calibrate control parameters. FIG. 13 is a schematic diagram of a model for noise parameter calibration of the present invention. FIG. 14 is a flow chart of operation step 0 performed in accordance with the present invention for calibrating noise parameters. 10: Hopper - 11: Feed screw 12: Feed screw motor 13 Niscale I4:
Weight handling device 15: Computer 16: Operation panel
17: Summation junction 18: Motor control device 19: Motor L! ! Dynamic device 21: Summation junction 22: Delay block 24: Summation junction 26: Delay block 27
．． 28: Summation junction 103, 104: Analysis of variance, vessel
106: Formula solver

Claims (1)

【特許請求の範囲】 １）材料の重量供給方法であつて、 或る量の材料を貯蔵する段階； 前記材料をを制御量に従つて排出する段階；前記貯蔵さ
れた材料若しくは排出中の前記材料の重量を検出する段
階； 排出中の材料の量を前記制御量に関係付ける制御モデル
を自動的に較正する段階； 前記検出された重量を実際の重量状態とは異なるものに
する少なくとも１個のノイズ・プロセスのノイズ・モデ
ルを自動的に較正する段階；前記重み付け材料の前記実
際の重量状態の概算値と排出中の材料の実際のマス・フ
ロー状態の概算値を前記ノイズ・モデルと前記制御モデ
ルを使つて前記検出重量から得る段階； 前記実際のマス・フロー状態の前記概算値と所望のマス
・フロー状態の差を決定する段階及び 前記実際のマス・フロー状態を前記所望のマス・フロー
状態に維持すべく前記差を使つて材料の前記排出を制御
する段階から成る材料の重量供給方法。 ２）更に前記入手段階に従つて実際のマス・フロー状態
の新しい概算値を繰返し得る段階を含む請求項１）記載
の方法。 ３）前記ノイズ・モデルが確率的であり、少なくとも１
個のプラント・ノイズ・プロセスのモデルと少なくとも
１個の測定ノイズ・プロセスのモデルを含む請求項２）
記載の方法。 ４）前記ノイズ・モデルを自動的に較正する前記段階が
、 前記材料を材料マス・フロー割合にて排出する段階； 前記貯蔵された材料若しくは前記材料マス・フロー割合
にて排出中の前記材料の重量を検出する段階； 貯蔵された材記材料若しくは排出中の前記材料の実際の
重量状態の第１重量概算値と第２重量概算値を発生すべ
く一定利得の個々の第１及び第２組を有する第１フィル
ターと第２フィルターで前記検出済み重量をフィルター
処理する段階；前記検出された重量と前記第１及び第２
重量概算値の間の個々の第１及び第２差を決定する段階
； 前記第１及び第２差の分散を演算する段階；前記第１及
び第２分散から前記少なくとも１つの測定ノイズ・プロ
セスの分散を演算する段階；前記第１及び第２分散から
前記プラント・ノイズ・プロセスの分散を演算する段階
から成る請求項３）記載の方法。 ５）前記制御モデルを自動的に較正する前記段階が、 材料の前記排出を交互の第１及び第２の所望の排出割合
にて制御する段階； 貯蔵された材料若しくは前記第１及び第２所望と排出割
合にて排出されている材料の重量を検出する段階； 前記重み付けされた材料の実際の重量の個々の第１概算
値と第２概算値並ぢに前記第１及び第２所望排出割合に
て排出中の材料の実際のマス・フロー割合の第１及び第
２概算値を前記検出済み重量から得る段階； 前記第１割合と第２割合の前記個々の第１概算値と第２
概算値から前記制御モデルの小さい信号利得を演算する
段階； 前記検出済み重量と前記実際の重量の前記第１概算値、
第２概算値の間の差を決定する段階；前記差の平均値を
演算する段階；及び 前記制御モデルの重量補償因子を前記差の前記平均値か
ら演算する段階から成る請求項２）記載の方法。 ６）材料の重量供給方法であつて、 容器内に或る量の材料を貯蔵する段階； 前記材料を排出する段階； 貯蔵された材料若しくは排出中の材料の重量を検出する
段階； 材料を較正モードと作動モードにて選択的に排出する段
階； 前記較正モードが、 小さい信号利得、排出材料を制御量に関係付ける制御モ
デルと重量補償因子を較正する段階；及び 少なくとも１つのプラント・ノイズ・プロセスのモデル
及び少なくとも１つの測定ノイズ・プロセスのモデルを
含み、共に前記検出済み重量を実際の重量状態とは異な
るものにするノイズ・モデルを較正する段階；から成り
、 前記作動モードが 前記ノイズ・モデルと前記制御モデルを使つて前記検出
済み重量から排出中の材料の実際のマス・フロー割合の
概算値を得る段階； 前記実際のマス・フロー状態の前記概算値と所望のマス
・フロー状態の間の差を決定する段階；前記差に従つて
且つ前記所望のマス・フロー割合状態に対する前記差の
大きさに従つて制御量を演算する段階；及び 前記実際のマス・フロー割合を状態を前記所望のマス・
フロー状態に維持するため前記制御量を使つて材料の前
記排出を制御する段階から成る材料の重量供給方法。 ７）前記較正モードが前記作動モード前に選択される請
求項６）記載の材料の重量供給方法。 ８）重量供給システムであつて、 材料を貯蔵する手段； 材料を前記貯蔵手段から排出する手段； 貯蔵された材料と重量又は排出中の材料と重量を検出す
る手段； 前記検出済み重量を計量中の材料の実際の重量状態とは
異なるものにする少なくとも１つのノイズ・プロセスの
ノイズ・モデルを含み且つ制御モデルを含むカルマン・
フィルター手段を使つて前記検出済み重量から、計量中
材料の概算重量状態と排出中材料の概算マス・フロー割
合も得る手段； 前記ノイズ・モデルと前記制御モデルを自動的に較正す
る手段； 前記概算マス・フロー状態と所望のマス・フロー状態の
間の差に比例する設定点誤差を演算する手段； 前記設定点誤差に従つて且つ前記所望のマス・フロー状
態に対する設記設定点誤差の大きさに従つて重量制御信
号を演算する手段；及び 前記所望のマス・フロー状態にて貯蔵する前記手段から
材料を排出するため前記重量制御信号に従つて排出する
前記手段を制御する手段から成る重量供給システム。Claims: 1) A method for gravimetrically dispensing material, comprising: storing a certain amount of material; discharging said material according to a controlled amount; said stored material or said material being discharged; detecting the weight of the material; automatically calibrating a control model relating the amount of material being discharged to the controlled variable; at least one component that makes the detected weight different from the actual weight condition; automatically calibrating a noise model of a noisy process; calibrating a noise model of the noisy process; using a control model to derive from the sensed weight; determining the difference between the approximation of the actual mass flow condition and a desired mass flow condition; and converting the actual mass flow condition to the desired mass flow condition. A method for gravimetric feeding of material comprising the step of controlling said discharge of material using said difference to maintain a flow condition. 2) The method of claim 1, further comprising the step of repeating a new estimate of actual mass flow conditions in accordance with said obtaining step. 3) the noise model is stochastic and has at least 1
and at least one measurement noise process model.
Method described. 4) the step of automatically calibrating the noise model comprises: discharging the material at a material mass flow rate; discharging the material at a material mass flow rate; detecting weight; determining respective first and second sets of constant gains to generate a first weight estimate and a second weight estimate of the actual weight status of the stored material or the material being discharged; filtering the detected weight with a first filter and a second filter having: the detected weight and the first and second filters;
determining respective first and second differences between weight estimates; calculating a variance of said first and second differences; calculating a variance of said at least one measurement noise process from said first and second variances; 4. The method of claim 3, comprising the steps of calculating a variance; calculating a variance of the plant noise process from the first and second variances. 5) the step of automatically calibrating the control model comprises: controlling the discharge of material at alternating first and second desired discharge rates; stored material or the first and second desired discharge rates; detecting the weight of the material being discharged at the weighted discharge rate; and the respective first and second estimates of the weighted actual weight of the material as well as the first and second desired discharge rates. obtaining first and second estimates of the actual mass flow rate of material being discharged from the detected weight;
calculating a small signal gain of the control model from the estimated values; the first estimated values of the detected weight and the actual weight;
2), comprising the steps of: determining a difference between the second estimates; calculating an average value of the differences; and calculating a weight compensation factor of the control model from the average value of the differences. Method. 6) A method for dispensing material by weight, comprising: storing an amount of material in a container; discharging said material; detecting the weight of the material stored or being discharged; calibrating the material. selectively discharging in a mode and a mode of operation; said calibration mode calibrating a control model and weight compensation factor that relates discharged material to a controlled quantity with a small signal gain; and at least one plant noise process. calibrating a noise model comprising a model of a measurement noise process and a model of at least one measurement noise process, both of which make the detected weight different from the actual weight condition; and obtaining an estimate of the actual mass flow rate of the material being discharged from the sensed weight using the control model; between the estimate of the actual mass flow condition and the desired mass flow condition. calculating a control amount according to the difference and according to the magnitude of the difference with respect to the desired mass flow rate state; The mass of
A method for gravimetrically dispensing material comprising the step of controlling said discharge of material using said controlled amount to maintain a flow condition. 7) The method of claim 6), wherein said calibration mode is selected before said operating mode. 8) A weight supply system comprising: means for storing material; means for discharging material from said storage means; means for detecting the stored material and weight or the material and weight being discharged; and measuring said detected weight. a Kalman model that includes a noise model of at least one noisy process that differs from the actual weight state of the material and includes a control model;
means for also obtaining an approximate weight state of the material being weighed and an approximate mass flow rate of the material being discharged from the detected weight using filter means; means for automatically calibrating the noise model and the control model; means for calculating a set point error proportional to the difference between a mass flow condition and a desired mass flow condition; a magnitude of the set point error according to said set point error and for said desired mass flow condition; and means for controlling said means for discharging in accordance with said weight control signal for discharging material from said means for storing at said desired mass flow conditions. system.