ホーム > 特許ランキング > 国立大学法人広島大学
知財求人 - 知財ポータルサイト「IP Force」
▶ 国立大学法人広島大学の特許一覧 ▶ 株式会社サタケの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-10-18
(45)【発行日】2024-10-28
(54)【発明の名称】流量制御方法及び流量制御装置
(51)【国際特許分類】
G05B 13/02 20060101AFI20241021BHJP
G05D 7/00 20060101ALI20241021BHJP
【ＦＩ】
G05B13/02 A
G05D7/00 B
【請求項の数】
11
(21)【出願番号】P 2021013901
(22)【出願日】2021-01-29
(65)【公開番号】P2022117288
(43)【公開日】2022-08-10
【審査請求日】2023-11-10
(73)【特許権者】
【識別番号】504136568
【氏名又は名称】国立大学法人広島大学
(73)【特許権者】
【識別番号】000001812
【氏名又は名称】株式会社サタケ
(74)【代理人】
【識別番号】100196380
【弁理士】
【氏名又は名称】森 匡輝
(72)【発明者】
【氏名】木下 拓矢
(72)【発明者】
【氏名】山本 透
(72)【発明者】
【氏名】土井 貴広
(72)【発明者】
【氏名】原 正純
【審査官】大古 健一
(56)【参考文献】
【文献】特開２００７－１４１２４７（ＪＰ，Ａ）
【文献】特表２００９－５４３３７７（ＪＰ，Ａ）
【文献】特表２００７－５２１４６６（ＪＰ，Ａ）
【文献】特開２０１６－１０４０８６（ＪＰ，Ａ）
【文献】特開２０１８－１９７９７７（ＪＰ，Ａ）
【文献】特開２０２０－１４９１７６（ＪＰ，Ａ）
【文献】金子修，”閉ループデータに基づく制御系の直接的設計法”，計測と制御，日本，公益社団法人計測自動制御学会，2013年10月10日，第52巻，第10号，p.841－846
【文献】金子修，”二自由度制御系におけるフィードフォワード制御器更新の新しいアプローチ”，計測自動制御学会論文集，日本，公益社団法人計測自動制御学会，第54巻，第12号，p.857－864
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０５Ｂ １／００ － ７／０４
Ｇ０５Ｂ １１／００ －１３／０４
Ｇ０５Ｂ １７／００ －１７／０２
Ｇ０５Ｂ ２１／００ －２１／０２
Ｇ０５Ｄ ７／００ － ７／０６
(57)【特許請求の範囲】
【請求項1】
流動体の流量を制御する制御システムの操業データであるステップ応答データを取得して、フィルタリング処理により平滑化する初期データ取得工程と、前記初期データ取得工程で平滑化されたステップ応答データに基づいて、ＥＲＩＴを用いたデータ予測によって生成された、前記制御システムの状態を表すシステムパラメータと、制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースを作成するデータベース作成工程と、
前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新するデータベース駆動型制御によって前記流量を制御する制御工程と、を含む、
ことを特徴とする流量制御方法。
【請求項2】
前記フィルタリング処理は、線形回帰と、複数の重み付き線形回帰とによって前記ステップ応答データを平滑化する、
ことを特徴とする請求項１に記載の流量制御方法。
【請求項3】
前記フィルタリング処理は、ＩＩＲフィルタと、ゼロ位相フィルタとによって前記ステップ応答データを平滑化する、
ことを特徴とする請求項１又は２に記載の流量制御方法。
【請求項4】
前記制御工程では、計測された前記流量を、線形回帰と、複数の重み付き線形回帰とによってフィルタリングして前記要求点を算出する、
ことを特徴とする請求項１から３のいずれか一項に記載の流量制御方法。
【請求項5】
前記データベース作成工程のＥＲＩＴでは、前記制御パラメータは、Ａｄａｍを用いて最適化される、
ことを特徴とする請求項１から４のいずれか一項に記載の流量制御方法。
【請求項6】
前記データベース作成工程では、生成された前記複数の情報ベクトルの相互の類似度が所定の閾値以下となるようにいずれかの前記情報ベクトルを削除して、前記データベースを軽量化する、
ことを特徴とする請求項１から５のいずれか一項に記載の流量制御方法。
【請求項7】
前記初期データ取得工程では、前記ステップ応答データは、前記流量を制御するゲート開度に対応する、立ち上がり時の流量と立ち下がり時の流量とを平均するフィルタリング処理によって平滑化され、
前記データベース作成工程では、
前記ゲート開度と平均された流量とに基づいて前記制御パラメータを算出し、前記複数の情報ベクトルを生成する、
ことを特徴とする請求項１に記載の流量制御方法。
【請求項8】
流動体の流量を制御する制御システムの状態を表すシステムパラメータと制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースと、前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新し、前記流量を制御するデータベース駆動型制御を行う制御部と、を備え、
前記データベースに格納された情報ベクトルは、操業データであるステップ応答データをフィルタリングして平滑化されたデータに基づいて、ＥＲＩＴを用いたデータ予測によって作成された情報ベクトルを含む、
ことを特徴とする流量制御装置。
【請求項9】
前記ステップ応答データは、線形回帰と、複数の重み付き線形回帰とによって平滑化される、
ことを特徴とする請求項８に記載の流量制御装置。
【請求項10】
前記ステップ応答データは、ＩＩＲフィルタと、ゼロ位相フィルタとによって平滑化される、
ことを特徴とする請求項８又は９に記載の流量制御装置。
【請求項11】
前記ステップ応答データは、前記流量を制御するゲート開度に対応する、立ち上がり時の流量と立ち下がり時の流量とを平均するフィルタリングによって平滑化され、前記複数の情報ベクトルは、前記ゲート開度と平均された流量とに基づいて、前記制御パラメータを算出して生成されている、
ことを特徴とする請求項８に記載の流量制御装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、流量制御方法及び流量制御装置に関する。
【背景技術】
【0002】
従来、制御システムの状態を表すシステムパラメータとシステムパラメータに対応する制御パラメータとを含む複数のデータセット（情報ベクトル）を格納したデータベースを用いて、制御を行うデータベース駆動型制御が開発されている（例えば、非特許文献１）。
【0003】
また、データベースに格納する情報ベクトルを生成する際、実験によって多くの操業データを取得することなく、一組の入出力データを用いて様々な制御パラメータに対する入出力データを予測する方法としてＥＲＩＴ（Estimated Response Iterative Tuning）が提案されている（非特許文献２）。
【先行技術文献】
【非特許文献】
【0004】
【文献】高尾健司，山本透，雛元孝夫、「Memory-Based型ＰＩＤコントローラの設計」、計測自動制御学会論文集、Vol.40，No.9，p.898-905、2004年
【文献】中村岳男，金子修、「１自由度制御系データを用いた２自由度制御系に対するフィードフォワード部のEstimated Response Iterative Tuning」、第６０回自動制御連合講演会、2017年
【発明の概要】
【発明が解決しようとする課題】
【0005】
ＥＲＩＴを用いて予測された入出力データからデータベースを作成する場合、予測の基礎となる一組の入出力データの精度が、ＥＲＩＴによる予測の精度に影響を与える。すなわち、予測の基礎となる一組の入出力データである操業データの精度が低い場合、予測される入出力データの精度が低下し、データベース駆動型制御の制御性能が低下する。ＥＲＩＴを用いる場合に限らず、操業データに基づいて情報ベクトルを生成する場合、操業データの精度が情報ベクトルの精度に影響を与えるので、ノイズの多い操業データを用いてデータベースを作成すると制御性能が低下する。
【0006】
例えば、上記のデータベース駆動型制御を用いて、粒状物である穀物、粉体である小麦粉、粘度の高い流体等を流量に基づいて計量する場合、計量機内部で流動体が崩れる時に生じるなだれ現象、ブリッジ崩壊、ロードセルの共振による振動等により、流量を制御するためのセンサの出力に大きなノイズが発生する場合がある。このようなノイズを多く含む操業データを基礎として生成された情報ベクトルを用いてデータベースを作成すると、ノイズの影響を受けたパラメータに基づいて制御を行うこととなるため、制御性能が低下するおそれがある。
【0007】
本発明は、上述の事情に鑑みてなされたものであり、操業データである初期データからノイズの影響を低減して作成されたデータベースを用いた制御性能の高い流量制御方法及び流量制御装置を提供することを目的とする。
【課題を解決するための手段】
【0008】
上記目的を達成するために、この発明の第１の観点に係る流量制御方法は、
流動体の流量を制御する制御システムの操業データであるステップ応答データを取得して、フィルタリング処理により平滑化する初期データ取得工程と、
前記初期データ取得工程で平滑化されたステップ応答データに基づいて、ＥＲＩＴを用いたデータ予測によって生成された、前記制御システムの状態を表すシステムパラメータと、制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースを作成するデータベース作成工程と、
前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新するデータベース駆動型制御によって前記流量を制御する制御工程と、を含む。
流動体の流量を制御する制御システムの操業データであるステップ応答データを取得して、フィルタリング処理により平滑化する初期データ取得工程と、
前記初期データ取得工程で平滑化されたステップ応答データに基づいて、ＥＲＩＴを用いたデータ予測によって生成された、前記制御システムの状態を表すシステムパラメータと、制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースを作成するデータベース作成工程と、
前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新するデータベース駆動型制御によって前記流量を制御する制御工程と、を含む。
【0010】
また、前記フィルタリング処理は、
線形回帰と、複数の重み付き線形回帰とによって前記ステップ応答データを平滑化する、
こととしてもよい。
線形回帰と、複数の重み付き線形回帰とによって前記ステップ応答データを平滑化する、
こととしてもよい。
【0011】
また、前記フィルタリング処理は、
ＩＩＲフィルタと、ゼロ位相フィルタとによって前記ステップ応答データを平滑化する、
こととしてもよい。
ＩＩＲフィルタと、ゼロ位相フィルタとによって前記ステップ応答データを平滑化する、
こととしてもよい。
【0012】
また、前記制御工程では、
計測された前記流量を、線形回帰と、複数の重み付き線形回帰とによってフィルタリングして前記要求点を算出する、
こととしてもよい。
計測された前記流量を、線形回帰と、複数の重み付き線形回帰とによってフィルタリングして前記要求点を算出する、
こととしてもよい。
【0013】
また、前記データベース作成工程のＥＲＩＴでは、
前記制御パラメータは、Ａｄａｍを用いて最適化される、
こととしてもよい。
前記制御パラメータは、Ａｄａｍを用いて最適化される、
こととしてもよい。
【0014】
また、前記データベース作成工程では、
生成された前記複数の情報ベクトルの相互の類似度が所定の閾値以下となるようにいずれかの前記情報ベクトルを削除して、前記データベースを軽量化する、
こととしてもよい。
生成された前記複数の情報ベクトルの相互の類似度が所定の閾値以下となるようにいずれかの前記情報ベクトルを削除して、前記データベースを軽量化する、
こととしてもよい。
【0015】
また、前記初期データ取得工程では、
前記ステップ応答データは、前記流量を制御するゲート開度に対応する、立ち上がり時の流量と立ち下がり時の流量とを平均するフィルタリング処理によって平滑化され、
前記データベース作成工程では、
前記ゲート開度と平均された流量とに基づいて前記制御パラメータを算出し、前記複数の情報ベクトルを生成する、
こととしてもよい。
前記ステップ応答データは、前記流量を制御するゲート開度に対応する、立ち上がり時の流量と立ち下がり時の流量とを平均するフィルタリング処理によって平滑化され、
前記データベース作成工程では、
前記ゲート開度と平均された流量とに基づいて前記制御パラメータを算出し、前記複数の情報ベクトルを生成する、
こととしてもよい。
【0016】
この発明の第２の観点に係る流量制御装置は、
流動体の流量を制御する制御システムの状態を表すシステムパラメータと制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースと、
前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新し、前記流量を制御するデータベース駆動型制御を行う制御部と、を備え、
前記データベースに格納された情報ベクトルは、操業データであるステップ応答データをフィルタリングして平滑化されたデータに基づいて、ＥＲＩＴを用いたデータ予測によって作成された情報ベクトルを含む。
流動体の流量を制御する制御システムの状態を表すシステムパラメータと制御器の特性を表す制御パラメータとを含む複数の情報ベクトルを格納するデータベースと、
前記データベースに格納された情報ベクトルと、前記制御システムの現在の状態を表す要求点との類似度に基づいて、制御パラメータを更新し、前記流量を制御するデータベース駆動型制御を行う制御部と、を備え、
前記データベースに格納された情報ベクトルは、操業データであるステップ応答データをフィルタリングして平滑化されたデータに基づいて、ＥＲＩＴを用いたデータ予測によって作成された情報ベクトルを含む。
【0017】
また、前記ステップ応答データは、線形回帰と、複数の重み付き線形回帰とによって平滑化される、
こととしてもよい。
こととしてもよい。
【0018】
また、前記ステップ応答データは、ＩＩＲフィルタと、ゼロ位相フィルタとによって平滑化される、
こととしてもよい。
こととしてもよい。
【0019】
また、前記ステップ応答データは、前記流量を制御するゲート開度に対応する、立ち上がり時の流量と立ち下がり時の流量とを平均するフィルタリングによって平滑化され、
前記複数の情報ベクトルは、前記ゲート開度と平均された流量とに基づいて、前記制御パラメータを算出して生成されている、
こととしてもよい。
前記複数の情報ベクトルは、前記ゲート開度と平均された流量とに基づいて、前記制御パラメータを算出して生成されている、
こととしてもよい。
【発明の効果】
【0020】
本発明の流量制御方法及び流量制御装置によれば、操業データであるステップ応答データをフィルタリングしたデータに基づいてデータベースを生成するので、操業データのノイズの影響を低減し、制御性能を向上させることが可能である。
【図面の簡単な説明】
【0021】
【図1】本発明の実施の形態１に係る流量制御装置の構成を示す図である。
【図2】実施の形態１に係る制御ユニットのブロック図である。
【図3】実施の形態１に係る流量制御の流れを示すフローチャートである。
【図4】実施の形態１に係るフィルタリング処理の流れを示すフローチャートである。
【図5】計量槽内の米の重量の時間変化を表す操業データのグラフであり、（Ａ）は測定重量と移動平均とを示すグラフ、（Ｂ）は測定重量と線形回帰によるフィルタリング後のデータとを示すグラフである。
【図6】ＩＩＲフィルタ適用前、ＩＩＲフィルタ適用後及びゼロ位相フィルタ適用後の流量の時間変化の例を示すグラフである。
【図7】最大流量を目標流量とするステップ応答データの例を示すグラフである。
【図8】固定ＰＩＤによる米の流量制御の例を示すグラフであり、（Ａ）は目標流量を２ｔ／ｈとした場合、（Ｂ）は目標流量を５ｔ／ｈとした場合、（Ｃ）は目標流量を１０ｔ／ｈとした場合のグラフである。
【図9】１自由度Ｉ－ＰＤ制御系のブロック線図である。
【図10】２自由度Ｉ－ＰＤ制御系のブロック線図である。
【図11】参照モデルを有する２自由度Ｉ－ＰＤ制御系のブロック線図である。
【図12】Ａｄａｍを用いた最適化の例を示す学習曲線である。
【図13】最適化された入出力を示すグラフであり、（Ａ）は制御入力である開度の時間変化のグラフ、（Ｂ）は出力である流量の時間変化のグラフである。
【図14】ＰＩＤゲインの最適化に係る１自由度制御系のブロック線図である。
【図15】ＰＩＤゲインの最適化に係るグラフであり、（Ａ）は誤差関数Ｊ２の学習曲線を示すグラフ、（Ｂ）は開度の時間変化を示すグラフである。
【図16】実施の形態１に係る米の流量制御の例を示すグラフであり、（Ａ）は目標流量を２ｔ／ｈとした場合、（Ｂ）は目標流量を５ｔ／ｈとした場合、（Ｃ）は目標流量を１０ｔ／ｈとした場合のグラフである。
【図17】実施の形態２に係る流量制御の流れを示すフローチャートである。
【図18】実施の形態２に係る開度別流量の算出方法を示す概念図である。
【図19】実施の形態２に係るデータベースの例である。
【図20】実施の形態２に係る米の流量制御の例を示すグラフであり、（Ａ）は目標流量を２ｔ／ｈとした場合、（Ｂ）は目標流量を５ｔ／ｈとした場合、（Ｃ）は目標流量を１０ｔ／ｈとした場合、（Ｄ）は目標流量を１６ｔ／ｈとした場合のグラフである。
【発明を実施するための形態】
【0022】
以下、図を参照しつつ、本発明の実施の形態に係る流量制御方法及び流量制御装置について説明する。
【0023】
（実施の形態１）
本実施の形態に係る流量制御装置１は、図１に示すように、流動体である米を収容し、流出する米を計量する計量機本体１０と、計量機本体１０の排出ゲート１５の開度を調整することにより流出させる米の流量を制御する制御ユニット２０とを備える。流量制御装置１の制御システムは、制御ユニット２０内に構成される制御器、データベースＤＢを備え、データベースＤＢには、制御システムの状態を表すシステムパラメータと、システムパラメータに対応する制御パラメータとの組（情報ベクトル）が複数格納されている。制御システムは、制御システムの現在の状態とデータベースＤＢの情報ベクトルとに基づいて、制御パラメータを調整して米の流量を制御するデータベース駆動型制御システムである。
本実施の形態に係る流量制御装置１は、図１に示すように、流動体である米を収容し、流出する米を計量する計量機本体１０と、計量機本体１０の排出ゲート１５の開度を調整することにより流出させる米の流量を制御する制御ユニット２０とを備える。流量制御装置１の制御システムは、制御ユニット２０内に構成される制御器、データベースＤＢを備え、データベースＤＢには、制御システムの状態を表すシステムパラメータと、システムパラメータに対応する制御パラメータとの組（情報ベクトル）が複数格納されている。制御システムは、制御システムの現在の状態とデータベースＤＢの情報ベクトルとに基づいて、制御パラメータを調整して米の流量を制御するデータベース駆動型制御システムである。
【0024】
本実施の形態では、ＥＲＩＴ（Estimated Response Iterative Tuning）を用いて、操業データに基づいて複数の情報ベクトルを生成して作成されたデータベースを用いる制御システムを例として説明する。
【0025】
計量機本体１０は、図１に示すように、計量される米を計量機本体１０へ供給する供給ゲート１１、米を貯留する計量槽１２、計量槽１２の重量を計測するロードセル１３、ロードセル１３の出力信号を増幅して制御ユニット２０へ送信する計量アンプ１４、計量槽１２から米を流出させる排出ゲート１５、排出ゲート１５を開閉動作させるモータユニット１６を備える。
【0026】
供給ゲート１１は、米を計量機本体１０の計量槽１２へ供給する供給口である。供給ゲート１１は、自動であっても手動であってもよい。供給ゲート１１から適宜米を供給することにより、計量機本体１０内部の米の量が適量に保たれる。なお、本実施の形態では、流量制御の対象となる流動体は米であることとしているが、これに限られず、穀物等の粒状物、小麦粉等の粉体、水等の液体であってもよい。
【0027】
計量槽１２は、計量機本体１０の筐体内部に設置され、米を貯留する槽である。計量槽１２の下部には、排出ゲート１５が設けられており、排出ゲート１５を介して、米が流出される。
【0028】
計量槽１２は、ロードセル１３を介して計量機本体１０の筐体に取り付けられている。また、ロードセル１３は、計量アンプ１４を介して制御ユニット２０に接続されている。ロードセル１３の出力信号は、計量アンプ１４で増幅されて、制御ユニット２０へ送信される。これにより、計量槽１２内の米の重量を計測することができる。流量制御装置１は、ロードセル１３を用いて計測される米の重量の時間変化に基づいて、米の流量を計測し、流量制御を行う。
【0029】
排出ゲート１５は図示しない開閉弁を備えている。開閉弁には、モータユニット１６が接続されており、モータユニット１６の回転動作によって、開閉弁が開閉する。これにより、米の流量、すなわち米の排出量が変化する。以下、開閉弁の開閉を、排出ゲート１５の開閉ともいう。また、開閉弁の開閉動作に係る角度を、排出ゲート１５の開度ともいう。排出ゲート１５の開度は、本実施の形態に係る制御システムの操作量である。モータユニット１６のモータの種類等は特に限定されず、米などの流動体の圧力を受けつつ、開閉動作できるものであればよい。
【0030】
制御ユニット２０は、例えばコンピュータ装置であり、図２のブロック図に示すように、制御部２１、記憶部２２、表示部２３、入力部２４を備える。
【0031】
制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、水晶発振器等から構成されており、流量制御装置１の動作を制御する。また、制御部２１は、計量機本体１０の現在の状態を表すパラメータである排出ゲート１５の開度及び流量を含むデータ（要求点）と、予め記憶部２２に記憶されている情報ベクトルとに基づいて、制御パラメータを決定し、米の流量制御を行う。制御部２１は、制御部２１のＲＯＭ、記憶部２２等に記憶されている各種動作プログラム及びデータをＲＡＭに読み込んでＣＰＵを動作させることにより、図２に示す制御部２１の各機能を実現させる。これにより、制御部２１は、流量情報取得部２１１、演算部２１２、排出ゲート制御部２１３として動作する。
【0032】
流量情報取得部２１１は、計量アンプ１４で増幅されたロードセル１３の出力信号を取得する。これにより、流量情報取得部２１１は、計量槽１２に収容されている米の量（重量）を計測する。また、流量情報取得部２１１は、ロードセル１３から取得した情報に基づいて、米の流量、すなわち単位時間当たりの米の重量の変化を算出する。
【0033】
演算部２１２は、記憶部２２のデータベースＤＢに格納されている情報ベクトルと、流量情報取得部２１１で算出された現在の米の流量等に基づいて、開閉弁を操作するための制御パラメータを算出する。
【0034】
排出ゲート制御部２１３は、演算部２１２で算出された制御パラメータを用いて、排出ゲート１５の開度を制御する。より具体的には、算出された制御パラメータで、制御器のＰＩＤゲインを修正して操作量を算出し、排出ゲート１５の開閉弁を駆動させるモータユニット１６の動作を制御する。これにより、排出ゲート１５が適切な開度に調整されて、米の流量が制御される。
【0035】
記憶部２２は、ハードディスク、フラッシュメモリ等の不揮発性メモリであり、流量情報取得部２１１で算出された米の流量、制御パラメータの決定アルゴリズム等を記憶する。また、記憶部２２は、制御パラメータを決定するための複数の情報ベクトルを格納するデータベースＤＢを備える。本実施の形態に係る情報ベクトルは、制御システムの状態を表す米の流量、排出ゲート１５の開度等のシステムパラメータ、制御器の特性を表すＰＩＤゲイン等の制御パラメータを含む。
【0036】
表示部２３は、現在の米の流量、目標値となる流量、制御パラメータ、計量槽１２に収容されている米の残量等の情報を表示する表示デバイスであり、例えば、計量機本体１０の筐体に取り付けられた液晶パネルである。
【0037】
入力部２４は、流量制御の開始、終了指示、データベースＤＢに格納される各情報ベクトルのデータ等を入力するキーボード、マウス等の入力デバイスである。本実施の形態に係る入力部２４は、表示部２３上に配置されたタッチパネルである。
【0038】
続いて、流量制御装置１を用いた流動体の流量制御方法について、図３のフローチャートを参照しつつ、具体的に説明する。
【0039】
図３に示すように、初期データ取得工程として、制御システムの操業データである初期データを取得する。より具体的には、まず手動操作でゲート開度を調整しつつ、流量が最大目標流量となるゲート開度を確認する（ステップＳ１）。最大目標流量は、予め設定された目標流量の範囲のうち最大となる目標流量である。例えば、本実施の形態に係る流量制御装置１において、最大目標流量を１０ｔ／ｈと設定した場合のゲート開度は６１度である。
【0040】
ステップＳ１で確認したゲート開度に基づいて、最大目標流量を目標値とするステップ応答データを取得する（ステップＳ２）。
【0041】
ステップＳ２で取得したステップ応答データをフィルタリング処理によって平滑化する（ステップＳ３）。図４は、ステップＳ３のフィルタリング処理の詳細を示すフローチャートである。図４に示すように、ステップＳ３に係るフィルタリング処理は、第１のフィルタリング処理と第２のフィルタリング処理とを含む。以下、フィルタリング処理について詳細に説明する。
【0042】
本実施の形態に係るフィルタリング処理では、まず第１のフィルタリング処理としてステップＳ２で取得したステップ応答データに対して以下に示す線形回帰を適用する（ステップＳ２１）。具体的には、以下の式に示す誤差２乗和Ｊ１（ｔ）が最小となるα１（ｔ）、β１（ｔ）を求める。
ただし、ｙ１（ｔ）は予測重量、ｆ１（ｔ）は流量であり、１秒ごとの区間で上記線形回帰を適用する。
【数1】
【0043】
また、上記線形回帰による予測重量ｙ１と取得データｙ０との予測誤差ｅ１を用いて重みｗ１を算出する。
ただし、thresh1は定数であり、ユーザが任意に設定することができる。
【数2】
【0044】
さらに、算出した重みｗ１を用いて、以下に示す重み付き線形回帰を適用する（ステップＳ２２）。具体的には、重みｗ１を用いて以下の式に示す誤差２乗和Ｊ２（ｔ）が最小となるα２（ｔ）、β２（ｔ）を求める。
ただし、ｙ２（ｔ）は予測重量、ｆ２（ｔ）は流量であり、１秒ごとの区間で上記重み付き線形回帰を適用する。
【数3】
【0045】
また、上記重み付き線形回帰による予測重量ｙ２と取得データｙ０との予測誤差ｅ２を用いて重みｗ２を算出する。
ただし、thresh2は定数であり、ユーザが任意に設定することができる。
【数4】
【0046】
さらに、算出した重みｗ２と予測重量ｙ２とを用いて、以下に示す重み付き線形回帰を適用する（ステップＳ２３）。具体的には、重みｗ２を用いて以下の式に示す誤差２乗和Ｊ３（ｔ）が最小となるα３（ｔ）、β３（ｔ）を求める。
ただし、ｙ３（ｔ）は予測重量、ｆ３（ｔ）は流量であり、重み付き線形回帰を適用する区間はＴ（ｔ）秒ごとである。Ｔ（ｔ）は、例えば以下に示される流量計測時間であり、時刻に基づいて決定される。
【数5】
【0047】
【数6】
これにより、線形回帰による平滑化の効果を維持しつつ、演算量を減少させることができる。
【0048】
図５（Ａ）、（Ｂ）は、流量の時間変化の例を表すグラフである。図５（Ａ）に示すように、測定重量には大きなノイズが含まれており、単純な移動平均によっては、ノイズの影響を十分に排除できていないことがわかる。これに対し、図５（Ｂ）に示す上記第１のフィルタリング処理後のデータでは、測定データのノイズの影響が低減され、大きな平滑化の効果を得られていることがわかる。
【0049】
本実施の形態では、上記の線形回帰に係る第１のフィルタリング処理（ステップＳ２１～Ｓ２３）で平滑化された初期データを、さらに第２のフィルタリング処理で平滑化してノイズの影響を低減する。具体的には、ＩＩＲ（Infinite Impulse Response）フィルタ（ステップＳ２４）とゼロ位相フィルタ（ステップＳ２５）とを組み合わせてフィルタリングを行う。
【0050】
ゼロ次ホールドの伝達関数は、Ｈ（ｓ）＝（１－ｅ－ｓＴｓ）／ｓで表される。ＩＩＲフィルタの伝達関数は、Ｆ（ｓ）＝１／（１＋Ｔｆｓ）で表される。そして、離散化されたＩＩＲフィルタは、以下の式で表される。
【数7】
【0051】
例えば、取得データｙ０（ｔ）に上記ＩＩＲフィルタをかけたｙｆ（ｔ）は、以下のように表される。
【数8】
【0052】
上式の通り、時系列の応答データにＩＩＲフィルタをかけると位相遅れが生じる。この位相遅れは、情報ベクトルを生成するための予測応答作成、ＰＩＤゲイン学習等に影響を与える。そこで、ＩＩＲフィルタ適用後のデータにゼロ位相フィルタを適用し、位相遅れの影響を低減する。ＩＩＲフィルタを適用したデータｙ１（ｔ）は、ｙ１（ｔ）＝Ｆ（ｚ－１）ｙ０（ｔ）と表される。
【0053】
続いて、以下の式に示すように、ｙ１（ｔ）を時刻について反転させる。
ｙ２（ｔ）＝ｙ１（Ｎ－ｔ）
ここで、Ｎはデータ数である。
ｙ２（ｔ）＝ｙ１（Ｎ－ｔ）
ここで、Ｎはデータ数である。
【0054】
時刻について反転されたデータｙ２（ｔ）において、時刻０のデータが０となるように入力データの定常値分、データをマイナス側にシフトする。
ｙ３（ｔ）＝ｙ２（ｔ）－ｙ０stabled
ただし、ｙ０stabledはｙ０（ｔ）の定常値平均である。
ｙ３（ｔ）＝ｙ２（ｔ）－ｙ０stabled
ただし、ｙ０stabledはｙ０（ｔ）の定常値平均である。
【0055】
以下の式に示すように、ｙ３（ｔ）について、さらにＩＩＲフィルタを適用する。
ｙ４（ｔ）＝Ｆ（ｚ－１）ｙ３（ｔ）
ｙ４（ｔ）＝Ｆ（ｚ－１）ｙ３（ｔ）
【0056】
ＩＩＲフィルタ適用後のデータｙ４（ｔ）を、時刻について反転してｙ５（ｔ）を算出する。そして、ｙ５（ｔ）の時刻０のデータが０になるように入力データの定常値分、プラス側にシフトする。
ｙ５（ｔ）＝ｙ４（Ｎ－ｔ）
ｙｆ（ｔ）＝ｙ５（ｔ）＋ｙ０stabled
ｙ５（ｔ）＝ｙ４（Ｎ－ｔ）
ｙｆ（ｔ）＝ｙ５（ｔ）＋ｙ０stabled
【0057】
以上のアルゴリズムにより、位相遅れのないフィルタ適用波形ｙｆ（ｔ）を得ることができる。図６はフィルタリング処理の前後の流量を示すグラフであり、ＩＩＲフィルタ適用前のデータ、ＩＩＲフィルタ適用後のデータ、ゼロ位相フィルタ適用後のデータの例を表している。図６に示すように、ＩＩＲフィルタとゼロ位相フィルタとを適用することにより、位相遅れのない、高周波成分がカットされ平滑化されたデータを得られていることがわかる。
【0058】
続いて、図３のフローチャートに戻り、フィルタリング処理されたステップ応答データを用いて、固定ＰＩＤ制御器を作成するための制御パラメータを算出する（ステップＳ４）。具体的には、フィルタリング処理されたステップ応答データからシステムゲインＫ、むだ時間Ｌを算出する。
【0059】
図７は、ステップ応答データの例を示すグラフである。図７から、定常時流量の６３．２％±２０％における流量の接線を求め、その接線が流量０から流量６３．２％になるまでの時間を時定数Ｔとする。また、システムゲインＫは、定常流量Ｙを定常開度Ｕで割ったものである。また、むだ時間Ｌは、開閉弁を動作させて排出ゲート１５を開け始めた時刻から、流量の接線が流量０と交差する時刻までの時間である。
【0060】
算出された時定数Ｔ、システムゲインＫ、むだ時間Ｌから、以下の式に示すＣＨＲ法を用いてＰＩＤゲインを算出する。本実施の形態では、ＣＨＲ法のオーバーシュートを２０％としている。
Ｋｃ＝０．６Ｔ／ＫＬ，Ｔｉ＝Ｔ，Ｋｐ＝Ｋｃ，Ｋｉ＝Ｋｃ／Ｔｉ・Ｔｓ，Ｋｄ＝０
Ｋｃ＝０．６Ｔ／ＫＬ，Ｔｉ＝Ｔ，Ｋｐ＝Ｋｃ，Ｋｉ＝Ｋｃ／Ｔｉ・Ｔｓ，Ｋｄ＝０
【0061】
また、本実施の形態では、制御性能の比較のため、中流量ｙｍｉｄ、小流量ｙｍｉｎを算出し、それぞれ固定ＰＩＤのＰＩＤゲインを算出する。中流量ｙｍｉｄは、最大流量ｙｍａｘの場合の時定数をＴｍａｘとしたとき、時定数ＴｍｉｄがＴｍｉｄ＝Ｔｍａｘ×０．６３２となる流量である。また、小流量ｙｍｉｎは、時定数ＴｍｉｎがＴｍｉｎ＝Ｔｍａｘ×０．６３２２となる流量である。
【0062】
ステップＳ５として、ステップＳ４で算出された制御パラメータの固定ＰＩＤ制御器によるステップ応答データ（初期データ）を取得する（図８（Ａ）～（Ｃ））。
【0063】
ステップＳ５で取得されたステップ応答データである初期データは、図５（Ａ）の測定重量のグラフに示すように、様々なノイズを含むデータとなっている。例えば、本実施の形態に係る流動体の流量制御装置１では、流動体である米が排出される際に生じるなだれ現象、ブリッジ崩壊等の衝撃が、ロードセル１３の出力信号に、大きなノイズとして影響を与える。
【0064】
初期データに基づいて情報ベクトルを生成する場合、ノイズが情報ベクトルに影響を与えることにより、制御性能が低下するおそれがある。そこで、本実施の形態では、取得された操業データである初期データにフィルタリング処理を適用することにより、データの平滑化を行う（ステップＳ６）。
【0065】
ステップＳ６のフィルタリング処理は、ステップＳ３のフィルタリング処理（図４のステップＳ２１～Ｓ２５）と同様であり、線形回帰による第１のフィルタリング処理と、ＩＩＲフィルタ及びゼロ位相フィルタによる第２のフィルタリング処理とを含む。このフィルタリング処理により、初期データを平滑化し、ノイズの影響を低減することができる。
【0066】
続いてデータベース作成工程に移り、ステップＳ６のフィルタリング処理で平滑化されたデータに基づいて、情報ベクトルを生成する（ステップＳ７）。本実施の形態では、ＥＲＩＴを用いて応答を予測することにより、一組の入出力データであるフィルタリングされた初期データから、システムパラメータと制御パラメータとを含む複数の情報ベクトルを生成する。以下、ＥＲＩＴを用いた情報ベクトルの生成方法について説明する。
【0067】
本実施の形態では、制御部２１で実現される制御器を、比例動作先行ＰＩ制御則を用いる制御器（Ｉ－ＰＤ制御器）とする。本制御系は、初期データの操作量（排出ゲート１５の開度）ｕ０、出力（米の流量）ｙ０を用いて、図９のブロック線図及び以下の式の１自由度制御系として表される。
【数9】
【0068】
そして、フィルタを適用したｙ０ｆとｕ０ｆは、以下の式で表される。
【数10】
【0069】
【0070】
また、フィルタを適用したｙｆ、ｕｆは、以下のように表される。
【数12】
【0071】
上記の式より、以下の式が成り立つ。
【数13】
【0072】
よって、ＥＲＩＴによる予測出力ｙｆ
＊（ｔ）、予測入力ｕ１ｆ
＊（ｔ）は、以下のように表される。
【数14】
【0073】
ここで、所望の応答を実現するモデルをＧｍ、むだ時間をｄとすると、所望の応答ｙｒは以下の式で表される。
【数15】
【0074】
また、所望の応答を２自由度制御系に適用し、２自由度制御系の閉ループ伝達関数と参照モデルＧｍとから推定される制御対象のモデルをＧ＾とすると、ブロック線図は図１１で表され、以下の式が成り立つ。
【数16】
【0075】
さらに、所望の応答ｙｒ（ｔ）、参照モデルＧｍより、以下の所望の操作量ｕ２
＊（ｔ）を導くことができる。
【数17】
【0076】
また、フィルタを適用した入力ｕ２
＊
ｆ（ｔ）、出力ｙｒｆ（ｔ）は、以下の式で表される。
【数18】
【0077】
上記の制御系の出力と所望の出力との誤差を最小化することにより、Ｃｒ
＊（ｔ）を最適化することができる。Ｃｒ
＊（ｔ）の更新式及び誤差関数Ｊ１は、以下の式で表される。
【数19】
【0078】
本実施の形態では、最適化アルゴリズムとしてＡｄａｍを用い、誤差関数Ｊ１が最小となるようにＣｒ（ｔ）を逐次更新し、最適化を行う。具体的には、最適化アルゴリズムは以下の更新式で表される。
【数20】
【0079】
パラメータα、ε、β１、β２の値は、特に限定されない。本実施の形態では、α＝０．００１、ε＝１－１０、β１＝０．９、β２＝０．９９９としている。
【0080】
Ａｄａｍを用いることにより、学習率ηを固定値とする場合に比べて、Ｊ１の値を適当な刻みで速やかに収束させることができる（図１２）。
【0081】
【0082】
以上のように、ＥＲＩＴを用いて所望の応答に対するＣｒを算出し、一組の初期データから複数の入出力応答を導出することができる。導出された入出力を含むシステムパラメータφ－（ｊ）と、これに対応する制御パラメータＫ（ｊ）とから、以下の情報ベクトルφ（ｊ）が生成される。
ただし、ｊ＝１，２，・・・，Ｎであり、Ｎはデータ数を示す。
【数21】
【0083】
続いて、制御部２１は、生成された情報ベクトルの制御パラメータであるＰＩＤゲインを最適化する（ステップＳ８）。入出力応答ｕ２
＊
ｆ（ｔ）、ｙｒｆ（ｔ）を用いて、Ｃｒ＝０とする１自由度制御系を構築すると、図１４のブロック線図のように表される。この場合の操作量ｕＰＩＤ（ｔ）は、次式で表される。
【数22】
【0084】
上式のｕＰＩＤ（ｔ）とｕ２
＊
ｆ（ｔ）との誤差関数Ｊ２＝ｆ（ｕ２
＊
ｆ，ｕＰＩＤ）を最小化することにより、ＰＩＤゲインＫＰ
＊（ｔ）、ＫＩ
＊（ｔ）、ＫＤ
＊（ｔ）を最適化することができる。ＰＩＤゲインＫＰ
＊（ｔ）、ＫＩ
＊（ｔ）、ＫＤ
＊（ｔ）の更新式は、以下の通りである。
【数23】
【0085】
本実施の形態では、最適化アルゴリズムとしてＡｄａｍを用い、誤差関数Ｊ２が最小となるようにＫＰ
＊（ｔ）、ＫＩ
＊（ｔ）、ＫＤ
＊（ｔ）を逐次更新し、最適化を行う。Ａｄａｍを用いることにより、学習率η（ηＰ、ηＩ、ηＤ）を固定値とする場合に比べて、誤差関数Ｊ２の値を適当な刻みで速やかに収束させることができる。
【0086】
図１５（Ａ）は、誤差関数Ｊ２の学習曲線の例を示すグラフ、図１５（Ｂ）は、学習後のｕＰＩＤ（ｔ）の例を示すグラフである。図１５（Ａ）、（Ｂ）より、適切に誤差関数Ｊ２が収束し、ｕ２
＊
ｆ（ｔ）とほぼ一致するｕＰＩＤ（ｔ）が算出されていることがわかる。以上の方法により、ＰＩＤゲインＫＰ
＊（ｔ），ＫＩ
＊（ｔ），ＫＤ
＊（ｔ）を最適化することができる。
【0087】
続いて、ＰＩＤゲインの学習で得られた制御パラメータであるＫＰ
＊（ｔ）、ＫＩ
＊（ｔ）、ＫＤ
＊（ｔ）を、システムパラメータである目標値（流量）ｒ（ｔ）、入力（開度）ｕ２
＊
ｆ（ｔ）、参照軌道ｙｒｆ（ｔ）とともに更新された情報ベクトルφＤＢ（ｔ）としてデータベースＤＢに格納し、データベースＤＢを作成する（ステップＳ９）。情報ベクトルφＤＢ（ｔ）は、システムパラメータφ－（ｔ）、制御パラメータＫ（ｔ）を用いて、以下のように表される。
【数24】
【0088】
また、本実施の形態では、上記で作成されたデータベースＤＢの軽量化を行う（ステップＳ１０）。具体的には、データベースＤＢに格納された情報ベクトル同士で類似度を計算し、類似度の高いものは、データベースＤＢから削除する。例えば、データベースＤＢに格納されているｊ番目の情報ベクトルφＤＢ（ｊ）とｊ＋１番目の情報ベクトルφＤＢ（ｊ＋１）との類似度Ｓは、以下の式で定義される。
なお、ｈｉはバンド幅であり、φ（ｊ，ｉ）は第ｊ番目の情報ベクトルの第ｉ番目の要素を表す。また、ｎｙ，ｎｕはそれぞれ出力と入力の次数である。
【数25】
【0089】
類似度Ｓが高い場合、すなわち類似度Ｓが予め定められた閾値以上である場合、いずれかの情報ベクトル（φ（ｊ）又はφ（ｊ＋１））を削除する。言い換えると、情報ベクトルの相互の類似度が所定の閾値以下となるように、情報ベクトルを削除して、データベースＤＢを軽量化する。これにより、流量制御を行う際に影響の小さい情報ベクトルを削除することができるので、制御性能の低下を抑制しつつ、制御時の演算量を減少させることができる。
【0090】
続いて、図３のフローチャートに示す制御工程として、作成されたデータベースＤＢを用いて、流量制御を行う。計量槽１２に計量される米が収容され、入力部２４から目標値ｒとなる目標流量等のパラメータが入力された後、制御開始の指示が入力されると、流量制御装置１の制御が開始される（ステップＳ１１）。制御部２１は、ロードセル１３、排出ゲート１５の開度センサから取得された測定データに基づいて、現在の制御システムの状態を表す要求点（クエリ）φ－（ｔ）を生成する。
【0091】
より詳細には、各センサから取得された測定データにフィルタリング処理を適用する（ステップＳ１２）。ステップＳ１２に係るフィルタリング処理は、ステップＳ３における第１のフィルタリング処理、すなわち線形回帰による平滑化と同様の処理である。これにより、少ない演算量で、ノイズの影響を低減することができる。そして、ステップＳ１２でフィルタリング処理されたデータに基づいて、要求点φ－（ｔ）を算出する（ステップＳ１３）。
【0092】
演算部２１２は、データベースＤＢに格納されている情報ベクトルφＤＢと要求点φ－（ｔ）との類似度Ｓ、より詳細には情報ベクトルφＤＢのシステムパラメータφＤＢ
－と要求点φ－（ｔ）との類似度Ｓを算出する（ステップＳ１４）。要求点φ－（ｔ）とデータベースＤＢに格納されている第ｊ番目の情報ベクトルφＤＢ（ｊ）のシステムパラメータφＤＢ
－（ｊ）との類似度Ｓ（φ－（ｔ），φＤＢ
－（ｊ））は、上述のデータベースＤＢの軽量化で用いた類似度Ｓと同様であり、以下の式で表される。
【0093】
【数26】
【0094】
ここで、バンド幅ｈｉの決定方法には様々な手法があるが、本実施の形態では、以下に示すプラグ・イン法（Plug-In Method）を用いる。
【数27】
【0095】
上式の標準偏差σｉはデータ数Ｎを用いて以下のように定義される。
ここで、μｉはφ－
ｉの平均値である。
【数28】
【0096】
類似度Ｓが最も高くなるのは、現在のシステムの状態を表す要求点φ－（ｔ）と全く同じシステムパラメータφＤＢ
－（ｊ）を有する情報ベクトルφＤＢ（ｊ）が存在する場合であり、この場合の類似度Ｓは以下の式となる。
【数29】
【0097】
また、要求点φ－（ｔ）と、情報ベクトルφＤＢ（ｊ）のシステムパラメータφＤＢ
－（ｊ）とが類似していない場合、類似度Ｓ（φ－（ｔ），φＤＢ
－（ｊ））は０に近づく。したがって、本実施の形態に係る演算部２１２は、以下の類似度Ｓに基づく条件式を満足する情報ベクトルφＤＢ（ｊ）のシステムパラメータφＤＢ
－（ｊ）を近傍データとして選択する（ステップＳ１５）。
ここで、Ｔｔｈは閾値であり、０≦Ｔｔｈ≦１の範囲で設定される。
【数30】
【0098】
続いて、ステップＳ１５で選択された近傍データである情報ベクトルφＤＢ（ｊ）の制御パラメータＫ（ｊ）を用いて、以下で示される重み付き局所線形平均法（Linearly Weighted Average：ＬＷＡ）により局所コントローラを構成するＰＩＤゲインを算出する（ステップＳ１６）。
ここで、ｎｋはステップＳ１５で選択された近傍データの数であり、上記の式から自動的に決定される。
【数31】
【0099】
また、ｗｉは近傍データとして選択されたｉ番目の情報ベクトルφＤＢ（ｉ）に含まれるＰＩＤゲインＫ（ｉ）に対する重みであり、以下の式で与えられる。
【数32】
【0100】
以上の手順により、類似度Ｓに基づいて、各時刻におけるＰＩＤゲインを算出することができる。
【0101】
排出ゲート制御部２１３は、ステップＳ１６で算出された制御パラメータを用いて、排出ゲート１５の制御を行う（ステップＳ１７）。なお、データベースＤＢに格納されている情報ベクトルφＤＢ（ｊ）のシステムパラメータφＤＢ
－（ｊ）中に、要求点φ－（ｔ）に類似するデータが存在しない場合、すなわちｎｋ＝０の場合、Ｋ（ｔ）を算出できないので、この場合本実施の形態では、類似度Ｓが最も高い情報ベクトルφＤＢ（ｊ）のＰＩＤゲインを採用することとする。
【0102】
以下、制御が終了するまで、各時刻ステップにおいてステップＳ１２～Ｓ１７の処理を繰り返す（ステップＳ１８のＮＯ）。予め定められた時刻ステップの終了、操作者による終了指示等の終了条件を充たせば（ステップＳ１８のＹＥＳ）、制御は終了する。
【0103】
以上説明したように、本実施の形態に係る流量制御方法及び流量制御装置によれば、初期データを線形回帰及び重み付き線形回帰によってフィルタリングして情報ベクトルを生成し、データベースＤＢを作成するので、ノイズの影響を低減し、制御性能を向上させることが可能である。また、本実施の形態では、初期データにＩＩＲフィルタ及びゼロ位相フィルタを適用してフィルタリングするので、時間的遅れを生じることなく、ノイズの影響をさらに低減し、制御性能を向上させることができる。
【0104】
また、本実施の形態では、固定ＰＩＤ制御器に係る制御パラメータを算出するための最大目標流量でのステップ応答データを線形回帰及び重み付き線形回帰によってフィルタリングして固定ＰＩＤ制御器に係る制御パラメータを算出するので、ノイズの影響を低減し、制御性能を向上させることが可能である。また、最大目標流量でのステップ応答データにＩＩＲフィルタ及びゼロ位相フィルタを適用してフィルタリングするので、時間的遅れを生じることなく、ノイズの影響をさらに低減し、制御性能を向上させることができる。
【0105】
また、本実施の形態では、制御工程における流量データを線形回帰及び重み付き線形回帰によってフィルタリングして要求点φ－（ｔ）を算出するので、ノイズの影響をより低減し、制御性能を向上させることが可能である。
【0106】
また、本実施の形態では、ＥＲＩＴによる情報ベクトルφの生成において、Ａｄａｍを用いてフィードフォワードＣｒ、ＰＩＤゲインを学習させることとしている。これにより、フィルタ、むだ時間等を考慮して学習係数を自動的に決定し、より効率的にパラメータの最適化を行うことができる。
【0107】
また、本実施の形態では、類似度Ｓを用いて類似する情報ベクトルを削除し、データベースＤＢを軽量化しているので、制御性能の低下を抑制しつつ効率的にデータベースＤＢを軽量化し、制御時の演算量を減少させることができる。
【0108】
本実施の形態では、線形回帰及び重み付き線形回帰を適用した初期データに、ＩＩＲフィルタ及びゼロ位相フィルタを適用することとしたが、これに限られず、初期データにＩＩＲフィルタ及びゼロ位相フィルタを適用することとしてもよい。これにより、フィルタリング工程の演算を簡素化しつつ、ノイズの影響を低減し、制御性能を向上させることが可能である。
【0109】
また、本実施の形態では、重み付き線形回帰を２回行うこととしたが、これに限られず、重み付き線形回帰を１回又は３回以上行うこととしてもよい。
【0110】
（数値例）
図１６（Ａ）～（Ｃ）は、本実施の形態に係る流量制御装置１による米の流量制御の例であり、図１６（Ａ）は目標流量を２ｔ／ｈ（トン毎時）の小流量とした場合のグラフ、図１６（Ｂ）は目標流量を５ｔ／ｈの中流量とした場合のグラフ、図１６（Ｃ）は目標流量を１０ｔ／ｈの大流量とした場合のグラフである。
図１６（Ａ）～（Ｃ）は、本実施の形態に係る流量制御装置１による米の流量制御の例であり、図１６（Ａ）は目標流量を２ｔ／ｈ（トン毎時）の小流量とした場合のグラフ、図１６（Ｂ）は目標流量を５ｔ／ｈの中流量とした場合のグラフ、図１６（Ｃ）は目標流量を１０ｔ／ｈの大流量とした場合のグラフである。
【0111】
図１６（Ａ）～（Ｃ）に示すように、本実施の形態に係る流量制御方法により、各流量において、１０～１５秒程度で目標流量に到達できていることがわかる。図８（Ａ）～（Ｃ）の固定ＰＩＤによる制御では、目標流量に到達するまでの時間は、小流量で約６０秒、中流量で約４５秒、大流量で約４０秒であるが、これに比べて本実施の形態に係る流量制御によって早く目標流量に到達しており、制御性能を向上できていることがわかる。
【0112】
（実施の形態２）
実施の形態１では、フィルタリング処理として、線形回帰、重み付き線形回帰、ＩＩＲフィルタ及びゼロ位相フィルタを用いて初期測定データ等のフィルタリングを行っていたが、フィルタリング処理における操業データの平滑化は、様々なフィルタによって実現することができる。本実施の形態では、フィルタリング処理としてステップ応答における立ち上がり時のデータと立ち下がり時のデータとの平均化処理を行う場合について説明する。
実施の形態１では、フィルタリング処理として、線形回帰、重み付き線形回帰、ＩＩＲフィルタ及びゼロ位相フィルタを用いて初期測定データ等のフィルタリングを行っていたが、フィルタリング処理における操業データの平滑化は、様々なフィルタによって実現することができる。本実施の形態では、フィルタリング処理としてステップ応答における立ち上がり時のデータと立ち下がり時のデータとの平均化処理を行う場合について説明する。
【0113】
本実施の形態に係る流量制御装置１の構成は実施の形態１と同様であるので、同じ符号を付して、詳細な説明は省略する。
【0114】
以下、本実施の形態に係る流量制御方法について図１７のフローチャートを参照しつつ説明する。図１７に示すように、初期データ取得工程として、流量制御装置１の操業データである初期データを取得する。初期データは、排出ゲート１５の開度を最大とした場合のステップ応答データであり、立ち上がり時のデータと立ち下がり時のデータを含む。すなわち、排出ゲート１５の開閉弁を最大開度に開け、流量が安定した後、開閉弁を閉じて流量が０となるまでのデータを、初期データとして取得する（ステップＳ３１）。
【0115】
続いてフィルタリング処理として、ステップＳ３１で取得された初期データを平滑化して、開度別流量を推定する（ステップＳ３２）。本実施の形態に係る流量制御装置１では、モータユニット１６で駆動されるフラップ式の開閉弁を用いている。このような開閉弁を用いる場合のステップ応答データでは、立ち上がり時におけるある開度の流量は、一般的に、同じ開度の定常流量に比べて少ない流量となる。また、立ち下がり時におけるある開度の流量は、同じ開度の定常流量に比べて多い流量となる。
【0116】
そこで、本実施の形態では、所定の間隔で開度ごとに立ち上がり時の流量と立ち下がり時の流量との平均値を求めて平滑化し、開度別流量を推定する（図１８）。
【0117】
続いてデータベース作成工程として、ステップＳ３２で算出した開度別流量に基づいてシステムゲイン及び制御パラメータを算出する（ステップＳ３３）。システムゲインＳＧは、以下の式で求められる。
システムゲインＳＧ＝流量ｙ／開度ｕ
システムゲインＳＧ＝流量ｙ／開度ｕ
【0118】
上記のシステムゲインＳＧを用いて、制御パラメータを算出する。本実施の形態では、制御パラメータとして比例ゲインＫｐ、積分ゲインＫｉを設定する。比例ゲインＫｐ及び積分ゲインＫｉは、システムゲインＳＧを用いて、以下の式で算出される。
ただし、Ratioは定数であり、Ｔｓはサンプリング時間である。
【数33】
【0119】
続いて、算出された制御パラメータに基づいて、情報ベクトルφＤＢを生成し、データベースＤＢを作成する（ステップＳ３４）。図１９は、データベースＤＢに格納される情報ベクトルφＤＢの例の一部である。図１９に示すように、本例では、定数Ratioを０．３と設定し、情報ベクトルφＤＢは、システムパラメータφＤＢ
－である流量及び開度、制御パラメータＫである比例ゲインＫｐ及び積分ゲインＫｉを含む。
【0120】
続いて、制御工程として、流量制御装置１による米の流量制御を行う。制御工程における流量制御方法は、実施の形態１のステップＳ１１～Ｓ１８と同様である。すなわち、制御が開始されると（ステップＳ３５）、制御部２１はゲート開度、流量等を計測して要求点φ－（ｔ）を生成する。
【0121】
より詳細には、各センサから取得された測定データにフィルタリング処理を適用した後（ステップＳ３６）、要求点φ－（ｔ）を算出する（ステップＳ３７）。ステップＳ３６に係るフィルタリング処理は、実施の形態１のステップＳ３における第１のフィルタリング処理、すなわち線形回帰による平滑化と同様の処理である。これにより、少ない演算量で、ノイズの影響を低減することができる。
【0122】
そして、制御部２１は、データベースＤＢに格納された情報ベクトルφＤＢ（ｊ）のシステムパラメータφＤＢ
－（ｊ）と要求点φ－（ｔ）との類似度Ｓを計算する（ステップＳ３８）。そして、予め定められた閾値以上の類似度Ｓとなる情報ベクトルφＤＢ（ｊ）（近傍データ）を抽出し（ステップＳ３９）、類似度Ｓに基づく重みを用いて、制御パラメータを算出する（ステップＳ４０）。そして、算出された制御パラメータを用いてゲート開度を制御して、米の流量制御を行い（ステップＳ４１）、終了条件を満たすまで上記制御動作を繰り返す（ステップＳ４２）。
【0123】
以上説明したように、本実施の形態に係る流量制御方法では、初期データであるステップ応答データの立ち上がり時と立ち下がり時のデータを平均するフィルタリング処理を行って情報ベクトルφＤＢを生成し、データベースＤＢを作成している。したがって、より簡易な手法で、初期データを平滑化してノイズの影響の小さいデータベース駆動型制御系を構築することができる。
【0124】
（数値例）
図２０（Ａ）～（Ｃ）は、本実施の形態に係る流量制御装置１による米の流量制御の例であり、図２０（Ａ）は目標流量を２ｔ／ｈの小流量とした場合のグラフ、図２０（Ｂ）は目標流量を５ｔ／ｈの中流量とした場合のグラフ、図２０（Ｃ）は目標流量を１０ｔ／ｈの大流量とした場合のグラフである。また、図２０（Ｄ）は目標流量を１６ｔ／ｈとした、より大流量の場合のグラフである。
図２０（Ａ）～（Ｃ）は、本実施の形態に係る流量制御装置１による米の流量制御の例であり、図２０（Ａ）は目標流量を２ｔ／ｈの小流量とした場合のグラフ、図２０（Ｂ）は目標流量を５ｔ／ｈの中流量とした場合のグラフ、図２０（Ｃ）は目標流量を１０ｔ／ｈの大流量とした場合のグラフである。また、図２０（Ｄ）は目標流量を１６ｔ／ｈとした、より大流量の場合のグラフである。
【0125】
図２０（Ａ）～（Ｄ）に示すように、本実施の形態に係る流量制御方法により、各流量において、１０～１５秒程度で目標流量に到達できていることがわかる。図８（Ａ）～（Ｃ）の固定ＰＩＤによる制御に比べて本実施の形態に係る流量制御によって早く目標流量に到達しており、制御性能を向上できていることがわかる。さらに、目標流量を１６ｔ／ｈとした、より大流量の場合でも、流量が速やかに目標値に収束しており適切に流量制御が行われていることがわかる。
【産業上の利用可能性】
【0126】
本発明は、入力（開度）の変化に対してシステムゲインが大きく変化する流量制御システムに好適である。特に、操業データの取得の際、流動体の特性によるノイズの影響が大きい流量制御システムに好適である。
【符号の説明】
【0127】
１ 流量制御装置、１０ 計量機本体、１１ 供給ゲート、１２ 計量槽、１３ ロードセル、１４ 計量アンプ、１５ 排出ゲート、１６ モータユニット、２０ 制御ユニット、２１ 制御部、２１１ 流量情報取得部、２１２ 演算部、２１３ 排出ゲート制御部、２２ 記憶部、２３ 表示部、２４ 入力部、ＤＢ データベース
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
