HOME

図1

           統計的理論に基づくモデルベース制御をどのように実現するか?

NEWS

WORKS

ノイズに埋もれた時系列データ相互の因果関係をあきらかにすると、将来の現象を予測できるようになり、好ましくない挙動を望ましい方向に制御すること ができるようになります。この一連の流れを整理すると、次の3つの課題に集約されます。

Process Analisys:赤池法による因果解析
Process Modeling:予測モデルのあてはめ  Process Control:統計的最適制御
akaike-method01
閉ループ系のノイズ寄与率
process-modeling01
予測モデルの性能・診断
process-control01
統計的最適制御の適用例
フィードバックループがあるプロセス中の隠れた因果関係を明 らかにすることは、プロセスの予測モデルを構築する上で極めて重要です。赤池法によるフィードバックシステムのスペクトル解析では、各変数相互の因果 関係をノイズ寄与率として定量的に把握することができます。この結果を分析することにより、どのような操作変数がどの帯域で被制御変数に効果的に作用す るかという制御上有益な情報を得ることができます。 プロセスの変動を統計的なダイ ナミックシステムとみなすと、 雑音源とシステム由来の変動と に分けてとらえることができま す。変数のパワースペクトルあ るいは情報エントロピーを用い て目的に応じたサンプリング周 期で前処理したプロセスデータ に、因果解析に基づいたモデル 構造をあてはめることにより予 測モデルが得られます。予測モ デルは、AIC や残差の白色性を 診断することによりモデル候補 としての適正が評価できます。 目的は最適制御の適用によりプ ロセスの変動を最小化すること、それによる生産品品質の安定化 を図ることです。火力発電用ボ イラの蒸気温度制御の例では、既設PID制御系と協調する統計的最適制御により、負荷変化時 の蒸気温度の変動を低減でき、蒸気の乾き度劣化やサイクル効 率の落ち込み等を回避し望まし い方向に維持することが可能と なります。この結果、燃料の節約やCO2排出量低減等が実現できます。