JPH0293708A - 制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔発明の目的〕 （産業上の利用分野） 本発明は、電動機、電磁力、空気圧、油圧、水圧などを
用いて動作するアクチュエータによって制御される個々
の機器や、そのような機器によって構成されるプラント
システムに対して適用する制御装置に利用されるもので
ある。

（従来の技術） この種の制御装置は、従来、比例、積分、微分などの機
能を有するアナログ型計算装置、ディジタル型計算装置
（たとえば計算機）を用いて、実現されてきた。

（発明が解決しようとする課題） 本発明の目的は、入力と出力に関して従来の制御装置と
ほぼ同じ仕様を満足する制御装置を、より高速化、経済
化、単純化、信頼化しようとするものである。

〔発明の構成〕

（課題を解決するための手段） 第２図は、制御装置２０２と、被制御対象２０４との一
般的な接続関係を示す。被制御対象２０４の状態値Ｃを
、線２０３によって比較器２０５に導き、線２０１によ
って人力される設定値ｒとの差の値ｅを制御装置２０２
へ入力する。

（作用） 制御装置２０２は、制御値りを計算し、これを線１０８
によってアクチュエータ２０６へ入力する。アクチュエ
ータ２０６が、被制御対象への物理的入力（第２図には
示されていない）を制御する。

第２図において、制御表ｖｇ、２０２を神経回路を模擬
したアナログ電気回路によって実現すること（このよう
な制御装置のことを、以下、ニューロコントローラと称
する）によって、本発明の課題を解決しようとする。

（実施例） ニューロコントローラの原理を、第１図を用いて説明す
る。第１図において、符号１０２，１０３，１０４゜１
０５．１０６として１０７までの要素から成り立つ部分
がニューロコントローラである。線１０１から、第２図
で記載された誤差値信号ｅを入力する。この信号は複数
の遅延器１０２を経て、各遅延器の出口からサンプラ１
０３を通って入力分配器Ｃａｓ〜ａ１１．）１０４に導
かれる。この信号は同時に、学習装［１１０および模範
制御装置１１１へ導かれる。遅延器１０２の数、その遅
れ時間および入力分配器１０４の数は、被制御対象２０
４の性質によって適宜決定される。

今、遅延器１０２の遅延時間がすべてΔｔであるとする
。第１図、第３図において、現在時刻をｔｏとし、現在
時刻より、ｎ・Δｔだけ前の時刻１−ｏとすると、入力
分配器ａ□には現在の誤差値信号が入り、ａ２には時刻
し−□の誤差値信号が入る。以下同様に、入力分配器ａ
ｌには時刻を−Ｎ、−）の誤差値信号が入る。

第３図は、各時刻における設定値信号、誤差値信号、制
御値信号の微分値の対応関係例を表わしている。

入力分配器への読み込みは、一定の周期へＴ毎に行う。

６丁の値は、被制御対象２０４の性質によって適宜決定
される。分配器が読み込んだ値は、第１図が示すように
、加重器１０５によって重み付される。例文−ば、ａｌ
が読み込んだ値はａｌの出口にある加重器のもつ重みＶ
４倍されて入力加算および出力器１０４に導かれる。入
力加算および出力器に入ってきた入力のイ直はすべて累
積加算されて出力される。

第１図では、入力加算および出力器ｂｔ＋ｂｚ＋ｂａ＋
ｂ４の出口には更に加重器が設けられ、入力加算おヨヒ
出力器Ｃ１へ導いている。入力加算および出力器Ｃ工の
出口の値を積分器１０７で積分し、その結果が制御値り
として用いられる。

第１図で、入力分配器ａｉｌａ２１・・・ａ、の集合、
入力加算および出力器す、　、ｂ２．ｂｌ、ｂ、の集合
、入力加算および出力器Ｃ，の集合をそれぞれ層と称す
る。第１図は、たまたま３層のニューロコントローラを
示している。この層数は、任意に選定することができる
。４層の構成が最も良い特性を示す場合が多い。

層間の結線経路は、応用制御対象の特性に合わせて決め
られるもので、必ずしも第１図のとおりである必要はな
い。一般的には、第１図のように層間が完全結合（ひと
つの層内の各器１０４または１０６が、隣接する層内の
すべての器１０４または１０６と１対１に結合されるこ
と）されているニューロコントローラを考え、学習の結
果、必要のない部分結線に関しては、それに対応する重
みが自から０になる方式がとられる。また１層間に加え
て、層内の各器１０４または１０６の間を互いに完全結
合したニューロコントローラも採用できる。

第１図において、入力加算および出力器Ｃ□からの出力
は、モード切換器１０９を通って、平常モードでは線１
０８へ導かれ、第２図のアクチュエータ２０６へ入力さ
れる。モード切換器１０９を学習モードにした場合には
、この道は絶たれ、模範制御装置１１１の出力が第２図
の７クチユエータ２０６へ入力される。学習モードでは
、学習装置によって加重器の重み値が変更される。

第１図の線１０１には、常時誤差値信号ｅが与えられて
いる。サンプラ１０３は、前述の周期ΔＴ毎に。

第４図の時間４０１に示すように開閉する６閉路してい
る間に、入力分配器が第３図で例を示す誤差値信号の時
刻ｔ０から１−、までの値を読み込み、入力加算および
出力器ｃ１からの出力を、第４図の時間４０２において
計算する。この出力は、制御値信号りの時刻ｔ。におけ
る値に相当するものである。

モード切換器１０９が平常モードにあるときには、この
出力がそのままアクチュエータ２０６を経て、被制御対
象に加えられる。モード切換器１０９が学習モードにあ
るときには、この出力は学習装置１１０に与えられる。

学習モードの場合には、以下のように作用する。

模範制御装置１１１は、線１０１から同じ誤差値信号ｅ
を読み込んで、模範的な制御出力値を計算する。

この装置は、使用者が設定した評価関数を最適化するよ
うな最適制御値を計算するようにあらかじめ仕組んであ
る。学習装置は、第４図の４０３で示した時間に、文献
（Ｒｕｍｅｌｈａｒｔ、　Ｄ、Ｅ、、　Ｊ、Ｌ、ＭｃＣ
ｌ−ｅｌｌａｎｄ共著、ｒＰａｒａｌｌｅｌ　Ｄｉｓｔ
ｒｉｂｕｔｅｄ　ＰｒｏｃｅｓｓｉｎｇＪＶｏｌ、１．
　ｐｐ、３１８−３６２．　Ｔｈｅ　ＭＩＴ　Ｐｒｅｓ
ｓ、　１９８６）によって公知となっているパックプロ
パゲーション（ｂａｃｋ　ｐｒｏｐａｇａｔｉｏｎ）と
称する算法によってすべての加重器１０５の重みを計算
し、各々の重みを再設定する６重み計算のための算法は
、パックプロパゲーション以外にもいくつか公知となっ
ているが、学習装置１１０は、どの算法を用いることも
できる。

以上に述べた動作は、第４図に示すように、時間ΔＴ毎
に繰り返される。

学習終了後は、モード切換器２７は平常モードとする、
再学習が全く必要ないときには、学習装置１１０および
模範制御装置１１１は、学習終了後は取り去ってもよい
。この場合、入力加算および出力器Ｃ２の出力を積分器
１０７を通して、直接アクチュエータ２０６に接続する
。

（他の実施例） （ａ）他の実施例１：第５図に他の実施例を示す。

前記の実施例では、モード切換器は手で切り換えするも
のと考えたが、第５図の実施では、第４図の４０２に示
した時間によって１周期的に自動切り換えする。すなわ
ち、ニューロコントローラ動作ＯＮのときに、平常モー
ド側に切り換え、同ＯＦＦのときには学習モード側に切
り換えられる。学習モードに切り替わったときには、出
力は、サンプル値ホールド器５０１によってホールドさ
れ、ホールドされた値がアクチュエータ２０６に加えら
れる。

この実施例の特徴は、オンライン学習、すなわちニュー
ロコントローラを動作状態にしたまま、学習できる点に
ある。

（ｂ）他の実施例２：第１図または第５図において示さ
れた１０２から１０７までの要素で構成される部分、す
なわちニューロコントローラの部分を、マイクロプロセ
ッサによって実現し、前記記載のニューロコントローラ
の機能をソフトウェアによって実施する。この場合には
、マイクロプロセッサは誤差値信号を時間Δｔ（前記遅
延時間に相当）毎に読み込み、これを記憶し、時間ΔＴ
毎に前述と同様な処理を行う。この実施例においては、
時間ΔｔおよびΔＴを、被制御対象の特性や動作条件に
応じて、ソフトウェアによって、動作中、または停止時
に、これを自由に変更できる。

さらにこれに加えてっぎのような効果が得られる。

■　従来の制御装置、たとえばＰＩＤ　（比例、積分、
微分）コントローラや、マイクロプロセッサを用いたデ
ィジタルコントローラに比して、簡単な構造で実現でき
る。このことから、適用分野によっては、高速、廉価、
高信頼が期待できる。

■　重み値を変更することによって、全く性質の異なる
制御特性をもたせることができるので、適用に当たって
フレキシビリティが高く、仕様変更容易性、標準化可能
性が高い。

〔発明の効果〕

誤差値信号波形と、これに対応した理想的な制御値信号
波形との間に、なんらかの関連性をもたせることができ
るような適用例では、この発明を実施することによって
、模範的な制御装置と同等な特性をもった制御を実施す
ることができる。

ここでいう模範的制御装置は必ずしも現存の制御装置を
意味していない。人の手によって感覚的に実施する制御
（たとえば操縦）のように、現存の物理的制御装置（制
御理論に基づいて設計された制御装置）を越えた制御を
も含んでいる。本発明を利用すれば、物理的制御装置で
は実現できないような人間的、ないし感覚的制御をニュ
ーロコントローラに学習させ、人間的な制御を実現する
こともできる。

【図面の簡単な説明】

第１図は本発明の主体であるニューロコントローラの詳
細と、その学習に用いる学習装置、模範制御装置、モー
ド切換器との関係を示した図、第２図は第１図のニュー
ロコントローラと、その入力、出力と被制御対象との関
係を示した図、第３図はニューロコントローラへ入力す
る波形と、これから出力される波形との互いの関係を示
した図、第４図はニューロコントローラの入出力、内部
の計算、学習を実施する時間の相互関係を示した図、第
５図は他の実施例を示した図である。 代理人　弁理士　則　近　憲　佑 同　　第子丸　健 第２図 第１図 時間

Claims (2)

【特許請求の範囲】
1. （１）任意の物理的量を入力することによって動作する
   装置、機器または工業プロセス等の被制御対象を、入力
   を制御することにより、希望の動作状態に保つために設
   けられた制御装置であって、被制御対象の動作状態を表
   わす計測値とあらかじめ与えられた希望の動作値との偏
   差の時系列値を動作中の装置に関してサンプリング間隔
   毎に連続的にもとめ、もとめた偏差の時系列値をサンプ
   リングする度に時の流れに沿って複数の群に分け、各群
   毎に時系列値に重み係数を乗じた値を加算し、群毎にも
   とまった加算値を再び時の流れに沿って新たな複数の群
   に分け、それぞれの群毎に重み付加算を行い、この群分
   けと重み付加算を最後に群がひとつになるまで繰り返し
   、このひとつとなった最後の群についてもとめた重み付
   加算値を用いて被制御対象への入力をサンプリング時毎
   に制御するようにした制御装置。
2. （２）任意の物理的量を入力することによって動作する
   装置、機器または工業プロセス等の被制御対象が動作中
   に、前記制御装置の出力、すなわち最終の重み付加算値
   を被制御対象への入力部から切り離すかそのまま保持し
   、切り離した場合にはその代わりに、前記制御装置と同
   じ入力を新たに設けた模範制御装置に接続し、その出力
   を被制御対象の入力部に接続して被制御対象の動作を継
   続せしめ、一方前記制御装置の入力および出力は新たに
   学習装置に接続し、サンプリング時毎に、学習装置は前
   記制御装置の入力および、前記制御装置の出力と模範制
   御装置の出力との偏差の時系列値から、神経回路網模擬
   計算においてバックプロパゲーシヨンなどの算法を用い
   て前記制御装置内の重み値のそれぞれを計算し、新たに
   計算された重み値によって前記制御装置の過去の重み値
   を更新するように構成されたシステム。