TOP > 国内特許検索 > GMDHを用いた非線形PIDコントローラおよびGMDH重み係数決定方法

GMDHを用いた非線形PIDコントローラおよびGMDH重み係数決定方法 新技術説明会

国内特許コード P130010169
整理番号 12065
掲載日 2013年12月18日
出願番号 特願2013-023652
公開番号 特開2014-153949
出願日 平成25年2月8日(2013.2.8)
公開日 平成26年8月25日(2014.8.25)
発明者
  • 山本 透
  • 脇谷 伸
出願人
  • 国立大学法人広島大学
発明の名称 GMDHを用いた非線形PIDコントローラおよびGMDH重み係数決定方法 新技術説明会
発明の概要 【課題】より少ない容量のメモリで動作可能な非線形PIDコントローラを提供する。
【解決手段】非線形PIDコントローラ(10A)は、制御対象の非線形システム(100)の出力値と目標値との偏差を算出する偏差演算部(12)と、偏差の微分値を算出する微分演算部(14)と、目標値、偏差、および微分値の3値からGMDH理論に基づいて非線形システムのPID制御に係る比例ゲイン、積分ゲイン、および微分ゲインを算出するGMHD-PID調整部(16A)と、偏差に基づいて、算出された比例ゲイン、積分ゲイン、および微分ゲインで非線形システムをPID制御するPID制御部(18)とを備えている。
【選択図】図5
従来技術、競合技術の概要



産業プロセスにおいては、制御構造の簡便さから今なおPID制御が幅広く用いられている。しかしながら、実システムの多くは非線形性を有しており、固定のPIDパラメータによる制御では、常に良好な制御結果を得ることが困難である。このような非線形システムに対する有効な制御手法として、ニューラルネットワーク(Neural Network:NN)の一種である小脳演算モデル(Cerebellar Model Articulation Controller:CMAC)を用いたCMAC-PID制御器が提案されている(たとえば、非特許文献1参照)。しかしながら、最適な制御パラメータを習得するためにオンライン学習が必要なことや、制御系の実現に多大なメモリを要することが実用化への大きな障害となっている。前者の問題の解決法として、CMAC-FRITがすでに報告されている(たとえば、非特許文献2参照)。これは対象とするシステムの閉ループデータから制御パラメータを直接的に算出するFRIT(Fictious Reference Iterative Tuning)法をCMACの学習に取り入れることで、システムのエミュレータを構築することなく、オフラインでCMACの学習をすることが可能となる手法である。

産業上の利用分野



本発明は、PIDコントローラに関し、特に、非線形システムをPID制御する非線形PIDコントローラに関する。

特許請求の範囲 【請求項1】
制御対象の非線形システムの出力値と目標値との偏差を算出する偏差演算部と、
前記偏差の微分値を算出する微分演算部と、
前記目標値、前記偏差、および前記微分値の3値からGMDH(Group Methodof Data Handling)理論に基づいて前記非線形システムのPID制御に係る比例ゲイン、積分ゲイン、および微分ゲインを算出するGMHD-PID調整部と、
前記偏差に基づいて、前記算出された比例ゲイン、積分ゲイン、および微分ゲインで前記非線形システムをPID制御するPID制御部とを備えている
ことを特徴とする非線形PIDコントローラ。

【請求項2】
請求項1に記載の非線形PIDコントローラにおいて、
前記GMHD-PID調整部が、各GMDHネットワークで前記3値から前記各ゲインを個別に算出するものであり、
前記各GMDHネットワークが、アダライン演算子が階層的に接続されてなる
ことを特徴とする非線形PIDコントローラ。

【請求項3】
請求項2に記載の非線形PIDコントローラにおいて、
前記各GMDHネットワークが、前記3値のいずれか二つが入力される第1および第2のアダライン演算子と、前記第1のアダライン演算子の出力および前記第2のアダライン演算子の出力が入力される第3のアダライン演算子とからなる
ことを特徴とする非線形PIDコントローラ。

【請求項4】
請求項1から3のいずれか一つに記載の非線形PIDコントローラにおけるGMDHの重み係数を決定する方法において、
前記3値から前記非線形システムのPID制御に係る比例ゲイン、積分ゲイン、および微分ゲインを個別に算出する各CMAC(Cerebellar Model Articulation Controller)をコンピュータ上に構築し、
前記各CMACに前記非線形システムのPID制御に係る学習をさせ、
学習済みの前記各CMACの入出力サンプルデータに基づいて、前記3値から前記各ゲインを算出する各GMDHネットワークの重み係数を決定する
ことを特徴とするGMDH重み係数決定方法。

【請求項5】
請求項4に記載のGMDH重み係数決定方法において、
前記3値のいずれか二つが入力される2個のアダライン演算子が1階層目に配置され、前記1階層目の2個のアダライン演算子の出力が入力されるアダライン演算子が2階層目に配置された3つのGMDHネットワークのそれぞれについて、前記入出力サンプルデータに基づいて、前記第1階層目の2個のアダライン演算子の重み係数を決定し、
前記1階層目の2個のアダライン演算子の重み係数の決定後に、再度前記入出力サンプルデータに基づいて、前記2階層目のアダライン演算子の重み係数を決定し、
すべてのアダライン演算子の重み係数の決定後に、前記3つのGMDHネットワークのそれぞれの寄与率を計算し、
前記3つのGMDHネットワークの中から前記寄与率が高いいずれか一つを選択し、当該選択したGMDHネットワークの重み係数を、前記3値から前記各ゲインを算出する各GMDHネットワークの重み係数として決定する
ことを特徴とするGMDH重み係数決定方法。
国際特許分類(IPC)
Fターム
画像

※ 画像をクリックすると拡大します。

JP2013023652thum.jpg
出願権利状態 公開


PAGE TOP

close
close
close
close
close
close
close