JPH05134710A - ニユーラルネツト・フイードフオワード制御器 - Google Patents
ニユーラルネツト・フイードフオワード制御器Info
- Publication number
- JPH05134710A JPH05134710A JP20403791A JP20403791A JPH05134710A JP H05134710 A JPH05134710 A JP H05134710A JP 20403791 A JP20403791 A JP 20403791A JP 20403791 A JP20403791 A JP 20403791A JP H05134710 A JPH05134710 A JP H05134710A
- Authority
- JP
- Japan
- Prior art keywords
- disturbance
- feed
- control equipment
- nnw
- learning
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 フィードフォワード制御器において、外乱に
強く、対象プロセスのあいまい性，非線形性に影響され
ないようにする。 【構成】 外乱信号ｂを入力しフィードバック制御器２
の出力信号ｅに対し、フィードフォワード信号を発生す
るＮＮＷ７を用い、対象プロセス１に外乱ｂが加わった
際に生じるプロセス変動をできるだけ抑制するように前
記フィードバック制御系の情報ｊを入力し、学習則によ
り前記ＮＮＷのシナプス荷重係数を修正していく機構を
設けた。
強く、対象プロセスのあいまい性，非線形性に影響され
ないようにする。 【構成】 外乱信号ｂを入力しフィードバック制御器２
の出力信号ｅに対し、フィードフォワード信号を発生す
るＮＮＷ７を用い、対象プロセス１に外乱ｂが加わった
際に生じるプロセス変動をできるだけ抑制するように前
記フィードバック制御系の情報ｊを入力し、学習則によ
り前記ＮＮＷのシナプス荷重係数を修正していく機構を
設けた。
Description
【０００１】
【産業上の利用分野】本発明は、発電プラントや化学プ
ラントなどに対するプロセス制御装置に係わり、特に制
御性を向上させるために用いられるフィードフォワード
制御器に関する。
ラントなどに対するプロセス制御装置に係わり、特に制
御性を向上させるために用いられるフィードフォワード
制御器に関する。
【０００２】
【従来の技術】従来よりプロセスの制御性能を高める手
段として目標値や外乱信号を基に、先行的に操作指令を
変化させるフィードフォワード制御器の適用がなされて
きた。図10はこのようなフィードフォワードの一般的構
成の一例を示したもので、図において１は制御を行なう
対象プロセス、２はフィードバック制御器、３は目標値
変化に対するフィードフォワード制御器、４は外乱に対
するフィードフォワード制御器に相当する。本従来例で
は、目標設定値ａと被制御量ｃとの偏差ｄを基にフィー
ドバック制御器２の出力信号ｅに対し、フィードフォワ
ード制御器３及び４からのフィードフォワード信号ｇ及
びｈを加算し、対象プロセス１へ最終的な操作指令信号
ｆを発生する構成である。しかしながら、このような一
般構成においては、前記フィードフォワード制御器３及
び４の内部構成をどのように設計するかが困難で、また
仮に対象プロセスの応答特性を同定しそれに基づき設計
しても、化学プラントや発電プラントにおいて多くみら
れる系の非線形性や経年変化のために、これらフィード
フォワード制御器が必ずしも良好に作用しない問題があ
った。
段として目標値や外乱信号を基に、先行的に操作指令を
変化させるフィードフォワード制御器の適用がなされて
きた。図10はこのようなフィードフォワードの一般的構
成の一例を示したもので、図において１は制御を行なう
対象プロセス、２はフィードバック制御器、３は目標値
変化に対するフィードフォワード制御器、４は外乱に対
するフィードフォワード制御器に相当する。本従来例で
は、目標設定値ａと被制御量ｃとの偏差ｄを基にフィー
ドバック制御器２の出力信号ｅに対し、フィードフォワ
ード制御器３及び４からのフィードフォワード信号ｇ及
びｈを加算し、対象プロセス１へ最終的な操作指令信号
ｆを発生する構成である。しかしながら、このような一
般構成においては、前記フィードフォワード制御器３及
び４の内部構成をどのように設計するかが困難で、また
仮に対象プロセスの応答特性を同定しそれに基づき設計
しても、化学プラントや発電プラントにおいて多くみら
れる系の非線形性や経年変化のために、これらフィード
フォワード制御器が必ずしも良好に作用しない問題があ
った。
【０００３】上記のようなフィードフォワード制御器の
問題点に対し、ニューラルネット（以下ＮＮＷと記す）
の学習能力によりフィードフォワード制御器の内部構成
を自動的に実現する構成が提案されている。図11はかか
る構成の一従来例を示したもので、図10と同一なものに
は同一符号を付してある。図において、６は目標値ａか
ら０次微分値ａ0 ，１次微分値ａ1 〜ｎ次微分値ａn を
発生する微分回路、５はＮＮＷ型フィードフォワード制
御器である。本従来例はＮＮＷ型フィードフォワード制
御器が目標値ａそのもの（即ち、上記ａ0 ）及びａの微
分信号ａ1 〜ａn を入力にフィードバック制御器の出力
ｅを教示信号とし取り込み、ｅがゼロになるようなフィ
ードフォワード指令値ｉを出力する自己学習を行なうこ
とにより、フィードフォワード制御器としての良好な機
能を実現しようとする構成である。
問題点に対し、ニューラルネット（以下ＮＮＷと記す）
の学習能力によりフィードフォワード制御器の内部構成
を自動的に実現する構成が提案されている。図11はかか
る構成の一従来例を示したもので、図10と同一なものに
は同一符号を付してある。図において、６は目標値ａか
ら０次微分値ａ0 ，１次微分値ａ1 〜ｎ次微分値ａn を
発生する微分回路、５はＮＮＷ型フィードフォワード制
御器である。本従来例はＮＮＷ型フィードフォワード制
御器が目標値ａそのもの（即ち、上記ａ0 ）及びａの微
分信号ａ1 〜ａn を入力にフィードバック制御器の出力
ｅを教示信号とし取り込み、ｅがゼロになるようなフィ
ードフォワード指令値ｉを出力する自己学習を行なうこ
とにより、フィードフォワード制御器としての良好な機
能を実現しようとする構成である。
【０００４】
【発明が解決しようとする課題】上記した従来構成のも
のは、ｅがゼロになるような学習動作が即ち、フィード
バック制御器への入力となる制御偏差ｅをゼロにする作
用に継がる点で、特に外乱ｂの殆ど存在しないサーボ系
に対しては有効な一例である。しかしながら、このよう
な構成を外乱ｂが存在するプロセス制御に適用した場合
には、外乱ｂが被制御量ｃに影響を及ぼすため、その変
動影響が制御偏差ｄ、更にはフィードバック制御器２を
通し、フィードフォワード制御器５が教示信号として用
いるフィードバック制御器の指令値ｅにまで及ぶため、
目標値ａに対するフィードフォワード機能を学習しよう
とする制御器５の学習が不可能になってしまう問題があ
った。このようなことから、外乱ｂの存在することが多
く、且つ対象プロセスのあいまい性や非線形性の強いプ
ロセス制御分野においては、むしろ外乱ｂの被制御量ｃ
に及ぼす影響を良好に抑制する自己学習型のフィードフ
ォワード制御器の実現要求が高かった。本発明は上記問
題点を解決するためになされたものであり、外乱要素の
存在することが多く、且つ対象プロセスのあいまい性，
非線形性の強いプロセス制御において、外乱によるプロ
セスの変動を良好に抑制し得る自動学習型のニューラル
ネット・フィードフォワード制御器を提供することを目
的としている。
のは、ｅがゼロになるような学習動作が即ち、フィード
バック制御器への入力となる制御偏差ｅをゼロにする作
用に継がる点で、特に外乱ｂの殆ど存在しないサーボ系
に対しては有効な一例である。しかしながら、このよう
な構成を外乱ｂが存在するプロセス制御に適用した場合
には、外乱ｂが被制御量ｃに影響を及ぼすため、その変
動影響が制御偏差ｄ、更にはフィードバック制御器２を
通し、フィードフォワード制御器５が教示信号として用
いるフィードバック制御器の指令値ｅにまで及ぶため、
目標値ａに対するフィードフォワード機能を学習しよう
とする制御器５の学習が不可能になってしまう問題があ
った。このようなことから、外乱ｂの存在することが多
く、且つ対象プロセスのあいまい性や非線形性の強いプ
ロセス制御分野においては、むしろ外乱ｂの被制御量ｃ
に及ぼす影響を良好に抑制する自己学習型のフィードフ
ォワード制御器の実現要求が高かった。本発明は上記問
題点を解決するためになされたものであり、外乱要素の
存在することが多く、且つ対象プロセスのあいまい性，
非線形性の強いプロセス制御において、外乱によるプロ
セスの変動を良好に抑制し得る自動学習型のニューラル
ネット・フィードフォワード制御器を提供することを目
的としている。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、本発明では外乱信号を入力しフィードバック制御器
の出力信号に対し、フィードフォワード信号を発生する
ＮＮＷを用い、対象プロセスに外乱が加わった際に生じ
るプロセス変動をできるだけ抑制するように前記フィー
ドバック制御系の情報を入力し、学習則により前記ＮＮ
Ｗのシナプス荷重係数を修正していく機構を設けたこと
を特徴とする。 ［作用］上記ＮＮＷフィードフォワード制御器では、学
習機能を有するＮＮＷがフィードバック制御系の制御器
の出力信号あるいは目標値と被制御量との制御偏差を、
できるだけ小さくするような学習を行なうことから、外
乱に対するプロセス被制御量の変動を抑制する補償信号
をフィードバック制御系に対し与える作用が生じる。
に、本発明では外乱信号を入力しフィードバック制御器
の出力信号に対し、フィードフォワード信号を発生する
ＮＮＷを用い、対象プロセスに外乱が加わった際に生じ
るプロセス変動をできるだけ抑制するように前記フィー
ドバック制御系の情報を入力し、学習則により前記ＮＮ
Ｗのシナプス荷重係数を修正していく機構を設けたこと
を特徴とする。 ［作用］上記ＮＮＷフィードフォワード制御器では、学
習機能を有するＮＮＷがフィードバック制御系の制御器
の出力信号あるいは目標値と被制御量との制御偏差を、
できるだけ小さくするような学習を行なうことから、外
乱に対するプロセス被制御量の変動を抑制する補償信号
をフィードバック制御系に対し与える作用が生じる。
【０００６】
【実施例】以下に本発明の実施例について、図面を用い
て説明する。図１は本発明によるＮＮＷフィードフォワ
ード制御器の一実施例を示し、図11と同一のものについ
ては同一符号を付している。図において、７は外乱によ
る対象プロセスの変動を抑制するためのＮＮＷフィード
フォワード制御器であり、本実施例ではフィードフォワ
ード制御器７への入力信号として、外乱信号ｂを基に微
分器６が出力する外乱の現在値ｂ0 （つまり０次微分
値）と外乱の１次ないしｎ次微分値信号ｂ1 〜ｂn を用
い、フィードバック制御器２の出力信号ｅに対し制御器
７がフィードフォワード指令値ｊを出力する。更に、本
実施例では、前記フィードバック制御器２の出力信号ｅ
を教示信号に、フィードフォワード制御器７の学習則に
よって、内部シナプス荷重を修正する構成である。
て説明する。図１は本発明によるＮＮＷフィードフォワ
ード制御器の一実施例を示し、図11と同一のものについ
ては同一符号を付している。図において、７は外乱によ
る対象プロセスの変動を抑制するためのＮＮＷフィード
フォワード制御器であり、本実施例ではフィードフォワ
ード制御器７への入力信号として、外乱信号ｂを基に微
分器６が出力する外乱の現在値ｂ0 （つまり０次微分
値）と外乱の１次ないしｎ次微分値信号ｂ1 〜ｂn を用
い、フィードバック制御器２の出力信号ｅに対し制御器
７がフィードフォワード指令値ｊを出力する。更に、本
実施例では、前記フィードバック制御器２の出力信号ｅ
を教示信号に、フィードフォワード制御器７の学習則に
よって、内部シナプス荷重を修正する構成である。
【０００７】なお、ここで学習則としてはバックプロパ
ゲーションアルゴリズムや(1) 式のような方式を用いる
ものであり、且つその学習がある任意の周期毎に常時行
なわれる構成や、ある所定期間の学習用外乱信号を加え
た後にその所定期間の教示信号の応答に基づき行なう構
成や、又、学習をさせたい期間だけシナプス荷重を修正
する構成を有する。 Ｗ(i) new ：学習による修正後の第ｉ番目のシナプス荷
重 Ｗ(i,j) new ：学習による修正後の第ｉニューロンから
第ｊニューロンへのシナプス荷重 Ｗ(i,j) old ：学習による修正前の第ｉニューロンから
第ｊニューロンへのシナプス荷重 Ｅ ：教示信号（例えば図１の信号ｅ） Ｕ(i,j) ：第ｉニューロンから第ｊニューロンへの
入力信号 τ ：学習時定数に相当する定数 以上、本発明の一実施例についてその構成を説明した
が、このような構成を有するＮＮＷフィードフォワード
制御器においては、学習機能を有するＮＮＷがフィード
フォワード制御器の出力信号ｅを小さくするように動作
することから、結果的にフィードバック制御器への入力
信号である制御偏差ｄを小さくし、外乱ｂに伴なう被制
御量の変動を抑制する作用が生じる。
ゲーションアルゴリズムや(1) 式のような方式を用いる
ものであり、且つその学習がある任意の周期毎に常時行
なわれる構成や、ある所定期間の学習用外乱信号を加え
た後にその所定期間の教示信号の応答に基づき行なう構
成や、又、学習をさせたい期間だけシナプス荷重を修正
する構成を有する。 Ｗ(i) new ：学習による修正後の第ｉ番目のシナプス荷
重 Ｗ(i,j) new ：学習による修正後の第ｉニューロンから
第ｊニューロンへのシナプス荷重 Ｗ(i,j) old ：学習による修正前の第ｉニューロンから
第ｊニューロンへのシナプス荷重 Ｅ ：教示信号（例えば図１の信号ｅ） Ｕ(i,j) ：第ｉニューロンから第ｊニューロンへの
入力信号 τ ：学習時定数に相当する定数 以上、本発明の一実施例についてその構成を説明した
が、このような構成を有するＮＮＷフィードフォワード
制御器においては、学習機能を有するＮＮＷがフィード
フォワード制御器の出力信号ｅを小さくするように動作
することから、結果的にフィードバック制御器への入力
信号である制御偏差ｄを小さくし、外乱ｂに伴なう被制
御量の変動を抑制する作用が生じる。
【０００８】図２はこのような作用を説明するために、
図１の実施例とＮＮＷフィードフォワード制御器を有し
ない従来型フィードバック制御構成の実験結果を横軸を
時間軸に示したものである。図において、図２(a) は従
来型フィードバック制御構成に、目標値が一定で外乱値
（図１のｂに相当）が周期的に変化した場合のフィード
バック制御器の出力値（図１のｅに相当）と被制御量
（図１のｃに相当）の応答を示したものである。又、図
２(b) 〜図２(d) は図１の実施例に１秒周期毎に学習を
常時行なわせる構成で、同様の外乱値変動に対するフィ
ードバック制御器の出力値ｅ、ＮＮＷフィードフォワー
ド制御器の出力値（図１のｊに相当）及び被制御量ｃの
応答結果を、図２(b) が学習初期、図２(c) が学習過
程、図２(d)が学習収束時について夫々示したものであ
る。
図１の実施例とＮＮＷフィードフォワード制御器を有し
ない従来型フィードバック制御構成の実験結果を横軸を
時間軸に示したものである。図において、図２(a) は従
来型フィードバック制御構成に、目標値が一定で外乱値
（図１のｂに相当）が周期的に変化した場合のフィード
バック制御器の出力値（図１のｅに相当）と被制御量
（図１のｃに相当）の応答を示したものである。又、図
２(b) 〜図２(d) は図１の実施例に１秒周期毎に学習を
常時行なわせる構成で、同様の外乱値変動に対するフィ
ードバック制御器の出力値ｅ、ＮＮＷフィードフォワー
ド制御器の出力値（図１のｊに相当）及び被制御量ｃの
応答結果を、図２(b) が学習初期、図２(c) が学習過
程、図２(d)が学習収束時について夫々示したものであ
る。
【０００９】本実験例では、図２(b) の初期においては
フィードフォワード制御器ｊが何も出力しないようにＮ
ＮＷのシナプス荷重を全てゼロに設定しているが、その
後は、図２(c) 更には図２(d) に示すようにＮＮＷが図
１の構成に従ってフィードバック制御器の出力ｅをゼロ
にするように学習を行ない、結果的にそれが外乱値ｂの
変動に対しても被制御量ｃの変動を図２(a) の従来フィ
ードバック制御系よりも良好に抑制していく作用の過程
を示している。
フィードフォワード制御器ｊが何も出力しないようにＮ
ＮＷのシナプス荷重を全てゼロに設定しているが、その
後は、図２(c) 更には図２(d) に示すようにＮＮＷが図
１の構成に従ってフィードバック制御器の出力ｅをゼロ
にするように学習を行ない、結果的にそれが外乱値ｂの
変動に対しても被制御量ｃの変動を図２(a) の従来フィ
ードバック制御系よりも良好に抑制していく作用の過程
を示している。
【００１０】更に、図３は図２(d) に示した学習収束後
のＮＮＷフィードフォワード制御器に、別の外乱値変化
パターンを与えた場合の実験結果を従来フィードバック
制御系の実験結果と併せて示したものである。ここで、
図３(a) は従来フィードバック制御系のみによる応答特
性、図３(b) は図２(b) 〜図２(d) と同様の図１の発明
実施例に対し、図２(d) に示した学習収束後のＮＮＷの
学習機能を停止させた場合の応答特性、即ち、図２(d)
の学習収束後のＮＮＷから更に何度か学習を行なわせた
場合の応答特性を示している。
のＮＮＷフィードフォワード制御器に、別の外乱値変化
パターンを与えた場合の実験結果を従来フィードバック
制御系の実験結果と併せて示したものである。ここで、
図３(a) は従来フィードバック制御系のみによる応答特
性、図３(b) は図２(b) 〜図２(d) と同様の図１の発明
実施例に対し、図２(d) に示した学習収束後のＮＮＷの
学習機能を停止させた場合の応答特性、即ち、図２(d)
の学習収束後のＮＮＷから更に何度か学習を行なわせた
場合の応答特性を示している。
【００１１】本図に示した実験結果から、図２に示した
ような正弦波的外乱値変動を基に学習したＮＮＷフィー
ドフォワード制御器が、図３(b) や図３(c) に示すよう
に異なったパターンの外乱変動に対しても、図３(a) に
示した従来のフィードバック制御系に比べ、外乱に対す
る被制御量の変動を良好に抑制する作用を有することが
わかる。更に、図２(d) に示すような学習が収束し良好
な結果を有するＮＮＷフィードフォワード制御器であれ
ば、例えば学習に伴なう計算負荷を回避する目的で学習
機能を停止させても、図３(b) に示すようにフィードバ
ック制御器として良好な機能は維持されるし、又、学習
機能を停止させる必要がなくそのまま学習を継続させて
も、図３(c) のように良好な結果が得られる。上記実施
例によれば、外乱要素が存在し、且つ対象プロセスの特
性が不明確であったり、非線形性が強いような場合であ
っても、ＮＮＷの学習機能によって、自動的に前記外乱
によるプロセスの被制御量の変動を良好に抑制すること
が可能となる。
ような正弦波的外乱値変動を基に学習したＮＮＷフィー
ドフォワード制御器が、図３(b) や図３(c) に示すよう
に異なったパターンの外乱変動に対しても、図３(a) に
示した従来のフィードバック制御系に比べ、外乱に対す
る被制御量の変動を良好に抑制する作用を有することが
わかる。更に、図２(d) に示すような学習が収束し良好
な結果を有するＮＮＷフィードフォワード制御器であれ
ば、例えば学習に伴なう計算負荷を回避する目的で学習
機能を停止させても、図３(b) に示すようにフィードバ
ック制御器として良好な機能は維持されるし、又、学習
機能を停止させる必要がなくそのまま学習を継続させて
も、図３(c) のように良好な結果が得られる。上記実施
例によれば、外乱要素が存在し、且つ対象プロセスの特
性が不明確であったり、非線形性が強いような場合であ
っても、ＮＮＷの学習機能によって、自動的に前記外乱
によるプロセスの被制御量の変動を良好に抑制すること
が可能となる。
【００１２】図４は他の実施例である。本実施例では図
１に示す第１の実施例で教示信号とした用いたフィード
フォワード制御器の出力信号ｅに代えて、本制御器への
入力信号である制御偏差ｄを用い、これを小さくするよ
うにＮＮＷが学習を行なう構成である。
１に示す第１の実施例で教示信号とした用いたフィード
フォワード制御器の出力信号ｅに代えて、本制御器への
入力信号である制御偏差ｄを用い、これを小さくするよ
うにＮＮＷが学習を行なう構成である。
【００１３】図５は更に他の実施例である。本実施例で
は図１に示す微分器６の代わりに内部に遅延器などを有
し、外乱ｂの時系列データｂ0 ，ｂ1 〜ｂn を発生する
時系列信号発生器８を用い、前記時系列データｂ0 ，ｂ
1 〜ｂn をＮＮＷへの入力信号として用いる構成であ
る。
は図１に示す微分器６の代わりに内部に遅延器などを有
し、外乱ｂの時系列データｂ0 ，ｂ1 〜ｂn を発生する
時系列信号発生器８を用い、前記時系列データｂ0 ，ｂ
1 〜ｂn をＮＮＷへの入力信号として用いる構成であ
る。
【００１４】図６は更に他の実施例である。本実施例で
は図５の構成に対し、時系列信号発生器8-1 が外乱信号
ｂの他に、更にＮＮＷの自己出力ｊを入力とし、外乱の
時系列信号ｂ0 ′〜ｂn ′，ＮＮＷ出力の時系列信号ｊ
0 ′〜ｊm ′を出力し、これをＮＮＷの入力信号として
用いる構成である。
は図５の構成に対し、時系列信号発生器8-1 が外乱信号
ｂの他に、更にＮＮＷの自己出力ｊを入力とし、外乱の
時系列信号ｂ0 ′〜ｂn ′，ＮＮＷ出力の時系列信号ｊ
0 ′〜ｊm ′を出力し、これをＮＮＷの入力信号として
用いる構成である。
【００１５】図７は更に他の実施例である。本実施例で
は図１の微分器にＮＮＷの出力ｊを入力し、外乱ｂの微
分値信号ｂ0 〜ｂn に加え、ＮＮＷ出力ｊの微分値信号
ｊ0 〜ｊm をＮＮＷの入力信号に用いる構成である。
は図１の微分器にＮＮＷの出力ｊを入力し、外乱ｂの微
分値信号ｂ0 〜ｂn に加え、ＮＮＷ出力ｊの微分値信号
ｊ0 〜ｊm をＮＮＷの入力信号に用いる構成である。
【００１６】図８は更に他の実施例である。本実施例で
はＮＮＷフィードフォワード制御器7-1 がリカレント型
で内部にフィードバック機構を有する構成である。
はＮＮＷフィードフォワード制御器7-1 がリカレント型
で内部にフィードバック機構を有する構成である。
【００１７】図９は更に他の実施例である。本実施例で
はＮＮＷが制御偏差ｄを学習の教示信号に用い、ＮＮＷ
の出力ｊを制御偏差ｄに加算し、加算後の信号ｇをフィ
ードバック制御器の入力値とする構成である。
はＮＮＷが制御偏差ｄを学習の教示信号に用い、ＮＮＷ
の出力ｊを制御偏差ｄに加算し、加算後の信号ｇをフィ
ードバック制御器の入力値とする構成である。
【００１８】上記各実施例は、ＮＮＷの入力信号の与え
方，出力信号の出力場所，学習に用いる教示信号，ＮＮ
Ｗの一部内部構造などの点で図１に示す実施例と構成的
に異なるが、いずれの実施例についてもＮＮＷの学習に
よってフィードバック制御器の出力あるいは制御偏差を
小さくするような作用が働き、これによって外乱に伴な
う被制御量の変動が良好に抑制される効果がもたらされ
る。更に、これら実施例は一入出力系を例に説明した
が、本発明は多入出力系に対しても同様の構成，作用，
効果がもたらされる。
方，出力信号の出力場所，学習に用いる教示信号，ＮＮ
Ｗの一部内部構造などの点で図１に示す実施例と構成的
に異なるが、いずれの実施例についてもＮＮＷの学習に
よってフィードバック制御器の出力あるいは制御偏差を
小さくするような作用が働き、これによって外乱に伴な
う被制御量の変動が良好に抑制される効果がもたらされ
る。更に、これら実施例は一入出力系を例に説明した
が、本発明は多入出力系に対しても同様の構成，作用，
効果がもたらされる。
【００１９】
【発明の効果】以上説明したように、本発明によれば学
習機能を有するニューラルネットを外乱に対するフィー
ドフォワード制御器として用い、フィードバック制御器
の出力あるいは制御偏差をできるだけ小さくするような
学習を行なわせる構成としたので、外乱要素が強く、且
つ特性が比較的あいまいであったり、又、非線形性が強
いプロセスにおいても、外乱による被制御量の応答を良
好に抑制し、且つそれを自動的に行ない得ることが可能
となる。
習機能を有するニューラルネットを外乱に対するフィー
ドフォワード制御器として用い、フィードバック制御器
の出力あるいは制御偏差をできるだけ小さくするような
学習を行なわせる構成としたので、外乱要素が強く、且
つ特性が比較的あいまいであったり、又、非線形性が強
いプロセスにおいても、外乱による被制御量の応答を良
好に抑制し、且つそれを自動的に行ない得ることが可能
となる。
【図１】本発明によるフィードフォワード制御器の一実
施例を示す構成図。
施例を示す構成図。
【図２】図１に示す実施例の作用を示す実験結果の応答
図。
図。
【図３】図１に示す実施例の作用を示す別の実験結果の
応答図。
応答図。
【図４】他の実施例を示す構成図。
【図５】更に他の実施例を示す構成図。
【図６】更に他の実施例を示す構成図。
【図７】更に他の実施例を示す構成図。
【図８】更に他の実施例を示す構成図。
【図９】更に他の実施例を示す構成図。
【図10】フィードフォワード制御器の一般構成を示す
図。
図。
【図11】従来のニューラルネット・フィードフォワード
制御器を示す構成図。
制御器を示す構成図。
１ 対象プロセス ２ フィードバック制御器 ３ 目標値に対するフィードフォワード制御器 ４ 外乱に対するフィードフォワード制御器 ５ 目標値に対するニューラルネット型フィードフォワ
ード制御器 ６，6-1 ，6-2 微分回路 ７，7-1 外乱に対するニューラルネット型フィードフ
ォワード制御器 ８，8-1 時系列データ発生器 ａ 目標設定値 ｂ 外乱 ｃ 被制御量 ｄ 制御偏差 ｅ フィードバック制御器の出力値 ｆ プロセスへの最終操作指令値 ｊ 制御器７，7-1 によるフィードフォワード指令信号
ード制御器 ６，6-1 ，6-2 微分回路 ７，7-1 外乱に対するニューラルネット型フィードフ
ォワード制御器 ８，8-1 時系列データ発生器 ａ 目標設定値 ｂ 外乱 ｃ 被制御量 ｄ 制御偏差 ｅ フィードバック制御器の出力値 ｆ プロセスへの最終操作指令値 ｊ 制御器７，7-1 によるフィードフォワード指令信号
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成４年１１月１９日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】図面の簡単な説明
【補正方法】変更
【補正内容】
【図面の簡単な説明】
【図１】本発明によるフィードフォワード制御器の一実
施例を示す構成図。
施例を示す構成図。
【図２】図１に示す実施例の作用を示す実験結果の応答
図。
図。
【図３】図１に示す実施例の作用を示す実験結果の応答
図。
図。
【図４】図１に示す実施例の作用を示す別の実験結果の
応答図。
応答図。
【図５】他の実施例を示す構成図。
【図６】更に他の実施例を示す構成図。
【図７】更に他の実施例を示す構成図。
【図８】更に他の実施例を示す構成図。
【図９】更に他の実施例を示す構成図。
【図10】更に他の実施例を示す構成図。
【図11】フィードフォワード制御器の一般構成を示す
図。
図。
【図12】従来のニューラルネット・フィードフォワード
制御器を示す構成図。
制御器を示す構成図。
【符号の説明】 １ 対象プロセス ２ フィードバック制御器 ３ 目標値に対するフィードフォワード制御器 ４ 外乱に対するフィードフォワード制御器 ５ 目標値に対するニューラルネット型フィードフォワ
ード制御器 ６，6-1 ，6-2 微分回路 ７，7-1 外乱に対するニューラルネット型フィードフ
ォワード制御器 ８，8-1 時系列データ発生器 ａ 目標設定値 ｂ 外乱 ｃ 被制御量 ｄ 制御偏差 ｅ フィードバック制御器の出力値 ｆ プロセスへの最終操作指令値 ｊ 制御器７，7-1 によるフィードフォワード指令信号
ード制御器 ６，6-1 ，6-2 微分回路 ７，7-1 外乱に対するニューラルネット型フィードフ
ォワード制御器 ８，8-1 時系列データ発生器 ａ 目標設定値 ｂ 外乱 ｃ 被制御量 ｄ 制御偏差 ｅ フィードバック制御器の出力値 ｆ プロセスへの最終操作指令値 ｊ 制御器７，7-1 によるフィードフォワード指令信号
【手続補正２】
【補正対象書類名】図面
【補正対象項目名】全図
【補正方法】変更
【補正内容】
【図１】
【図５】
【図２】
【図１１】
【図１２】
【図３】
【図４】
【図６】
【図７】
【図８】
【図９】
【図１０】
Claims (1)
- 【請求項１】 フィードバック制御器により制御対象の
制御量を目標値に保持するようにフィードバック制御し
ている系で使用されるフィードフォワード制御器におい
て、外乱信号を入力しフィードバック制御系に加えるフ
ィードフォワード制御信号を発生するために時系列信号
を入力するニューラルネットと、前記制御対象に外乱が
加わった際に生じる制御偏差を抑制するようにフィード
バック制御系の情報を入力して、学習則により前記ニュ
ーラルネットのシナプス荷重を修正していく適応・学習
機構とからなることを特徴とするニューラルネット・フ
ィードフォワード制御器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20403791A JPH05134710A (ja) | 1991-07-18 | 1991-07-18 | ニユーラルネツト・フイードフオワード制御器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20403791A JPH05134710A (ja) | 1991-07-18 | 1991-07-18 | ニユーラルネツト・フイードフオワード制御器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05134710A true JPH05134710A (ja) | 1993-06-01 |
Family
ID=16483712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP20403791A Pending JPH05134710A (ja) | 1991-07-18 | 1991-07-18 | ニユーラルネツト・フイードフオワード制御器 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05134710A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997042075A1 (fr) * | 1996-05-07 | 1997-11-13 | Ishikawajima-Harima Heavy Industries Co., Ltd. | Corps immerge et procede servant a commander sa position d'immersion |
| US8032237B2 (en) * | 2001-06-05 | 2011-10-04 | Elverson Hopewell Llc | Correction signal capable of diminishing a future change to an output signal |
| WO2022054724A1 (ja) * | 2020-09-10 | 2022-03-17 | キヤノン株式会社 | 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法 |
-
1991
- 1991-07-18 JP JP20403791A patent/JPH05134710A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997042075A1 (fr) * | 1996-05-07 | 1997-11-13 | Ishikawajima-Harima Heavy Industries Co., Ltd. | Corps immerge et procede servant a commander sa position d'immersion |
| US6016763A (en) * | 1996-05-07 | 2000-01-25 | Ishikawajima-Harima Heavy Industries Co., Ltd. | Submersible unit and diving position control method therefor |
| US8032237B2 (en) * | 2001-06-05 | 2011-10-04 | Elverson Hopewell Llc | Correction signal capable of diminishing a future change to an output signal |
| WO2022054724A1 (ja) * | 2020-09-10 | 2022-03-17 | キヤノン株式会社 | 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5159660A (en) | Universal process control using artificial neural networks | |
| EP1021752B1 (en) | Model-free adaptive process control | |
| US5493631A (en) | Stabilized adaptive neural network based control system | |
| CN108693832B (zh) | 机器学习装置及方法、伺服控制装置、伺服控制*** | |
| Ozaki et al. | Trajectory control of robotic manipulators using neural networks | |
| Sastry et al. | Memory neuron networks for identification and control of dynamical systems | |
| DE102006045429B4 (de) | Adaptive, Modellprädiktive Online-Steuerung in einem Prozesssteuerungssystem | |
| Khettab et al. | Enhanced fractional order indirect fuzzy adaptive synchronization of uncertain fractional chaotic systems based on the variable structure control: robust H∞ design approach | |
| Ghavidel et al. | Synchronization adaptive fuzzy gain scheduling PID controller for a class of mimo nonlinear systems | |
| JPH05134710A (ja) | ニユーラルネツト・フイードフオワード制御器 | |
| WO2020217445A1 (ja) | 制御装置 | |
| US20030173928A1 (en) | Servo control method | |
| Chen et al. | Optimal tracking control for unknown nonlinear systems with uncertain input saturation: A dynamic event-triggered ADP algorithm | |
| JPH04302304A (ja) | 非線形プロセス制御装置 | |
| JP2923000B2 (ja) | サーボ制御装置 | |
| JPH075904A (ja) | ニューラルネットワーク制御装置 | |
| JP3062606B2 (ja) | ニューラルネットワークを用いた適応制御装置 | |
| JPH0635510A (ja) | ニューラルネットワークを用いたモデル規範型適応制御装置 | |
| Dong et al. | Nearly optimal fault-tolerant constrained tracking for multi-axis servo system via practical terminal sliding mode and adaptive dynamic programming | |
| KR100220180B1 (ko) | 반복학습 제어 방법 및 그 장치 | |
| JPH0527806A (ja) | ニユーラル・ネツトを用いたフイードフオワード制御器 | |
| Chen et al. | Multivariable process control using decentralized single neural controllers | |
| Du et al. | Auto Disturbance Rejection Control Based on A Neural Network Predictive State Observer | |
| Tzafestas et al. | Geometry and thermal regulation of GMA welding via conventional and neural adaptive control | |
| Mancini et al. | Neural variable structure controller for telescope pointing and tracking improvement |