|
本研究では、近年プロセス制御の分野で注目を集めているモデル予測制御手法と人工知能の分野の1つの手法である定性微分方程式をベースにした挙動認識の手法を融合し、現状のモデル予測制御手法をより拡張した定性的予測制御系の設計手法ならびにその設計支援システムの開発を目指した。
本年度は、定性微分方程式をベースにしたモデル予測制御アルゴリズムの開発ならびに、定性微分方程式を、プロセスの時系列データから導きだす、同定アルゴリズムの検討を行った。その結果、時系列データから定性微分方程式を導出する同定アルゴリズムについては、ウエーブレット解析を援用したデータの定性化ならびに、Prolog言語のマッチングの考え方を活かすことによって、プロトタイプ的なものをProlog上で完成することができた。特に、状態のランドマークを陽に表わした定性微分方程式を考案し、従来の定性微分方程式では表現できなかった無駄時間応答系の状態遷移を表現可能とした。一方、定性モデルをベースにした予測制御系のアルゴリズム開発については、現実には起こりえない状態をも、挙動認識してしまうという定性微分方程式をベースにした挙動認識手法のもつ欠点が、そのまま操作量決定する段階でも現われ、どうしても保守的な制御性能しか得られないことが明らかとなった。今後、定性化された操作変数を如何に定量化して、現実の操作量を決めるかという問題と合わせて、検討していかなければならない。
|
