ＰＩＤ制御装置

【課題】装置特性が急激に変化したり、非線形挙動を示す装置であっても、装置を稼働させながら、高精度でＰＩＤ定数を、自動調整を行う。
【解決手段】装置と、測定手段と、記憶手段と、予測モデルを作成するモデル作成手段と、予測モデルを用いて所定時間先の制御特性値を予測すると共に予測された制御特性値を用いて２以上の評価関数Ｉ_mを計算する計算手段と、評価関数の２乗和Ｅ_RNNを最小化するように、ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する決定手段と、ＰＩＤ定数に基づいて制御特性値のＰＩＤ制御を行う制御手段と、を備えたことを特徴とするＰＩＤ制御装置。

【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、装置を稼働しながら、装置の制御特性値を高精度で制御可能なＰＩＤ制御装置に関する。
【背景技術】
【０００２】
従来から、ＰＩＤ制御による産業装置の自動化制御が行われている。一般的に、この自動化制御は、下記式（１）で表される伝達関数にＰＩＤ定数を入力することにより行われている。
【０００３】
【数１】

【０００４】
そして、一般的に、このＰＩＤ定数としては、操業条件に応じた特定の値が入力されている。しかしながら、各ＰＩＤ定数を一定のままとすると、外乱や経時的な装置特性の変化などにより、装置のＰＩＤ制御の精度が低下する場合があった。そして、このような場合には、外乱や装置特性の変化を反映したＰＩＤ定数の調整を行う必要があった。
【０００５】
そこで、近年、ＰＩＤ定数を自動的に調整することが可能な、ＰＩＤ制御装置が提案されている。
特許文献１には、制御系に強制的にオンオフ信号（外乱）を引加し、制御対象の応答波形を観察することによりＰＩＤ定数を自動調整する制御装置が開示されている。
【０００６】
特許文献２及び３には、制御系を通常条件で作動時に観察される偏差の振動波形を観察し、連続する振動波形の振幅比からＰＩＤ定数の調整係数を求め、既定のＰＩＤ定数にこの調整係数を乗ずることにより自動調整を行う制御装置が開示されている。
【０００７】
特許文献４には、ステップ応答に基づき制御対象をモデル化し、この制御量と操作量、ゲイン／時定数比及び無駄時間に基づいて近似化した内部モデル制御によりＰＩＤパラメータを調整する制御装置が開示されている。
【０００８】
特許文献５には、ＰＩＤ定数のうち、積分ゲインのみを変化させた場合、及び比例ゲインのみを変化させた場合の限界振動の感度及び周期を測定することにより、それぞれ積分ゲイン及び比例ゲインを調整するパラメータの調整方法が開示されている。
【０００９】
特許文献６には、立ち上がり時間、整定時間、ダンピング率、オーバーシュート量などにより適合度関数を定義し、この関数を遺伝的アルゴリズムにより最小化しつつＰＩＤ利得を調節するＰＩＤ制御装置が開示されている。
【特許文献１】特開平３−３００５号公報
【特許文献２】特開平４−１３８５０１号公報
【特許文献３】特開平４−８４２０１号公報
【特許文献４】特開平８−１１０８０２号公報
【特許文献５】特開平７−２８１７０９号公報
【特許文献６】特開平１０−３１５０３号公報
【発明の開示】
【発明が解決しようとする課題】
【００１０】
しかしながら、上記特許文献１〜６に記載のＰＩＤ定数の調整方法では、制御対象となる装置特性が急激に変化する場合や、制御対象となる装置が非線形挙動を示す場合には、高精度でＰＩＤ制御をす行うことが困難であった。また、上記特許文献１〜６に記載のＰＩＤ定数の調節方法には、装置内に外乱を印加してその応答波形を利用するものがあり、このような調製方法ではＰＩＤ定数の調整中には一旦、装置を停止させる必要があったり、オフラインでの調整が必要となる場合があった。
【００１１】
そこで、本発明者は上記課題を解決するため、鋭意、検討した。この結果、モデル作成手段により作成した予測モデルによって制御特性値を予測し、この予測した特性値から計算手段により評価関数Ｉ_mを計算し、更に決定手段により評価関数の２乗和Ｅ_RNNを最小化するようにＰＩＤ定数を決定すれば良いことを発見した。そして、このように決定したＰＩＤ定数に基づき、制御手段により装置のＰＩＤ制御を行えば良いことを発見した。すなわち、本発明は、急激な装置特性の変化が起こったり非線形挙動を示す装置であっても、ＰＩＤ定数を自動調整して、高精度でＰＩＤ制御が可能なＰＩＤ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】
【００１２】
上記課題を解決するため、本発明は、以下の構成を有することを特徴とする。
１．装置と、
前記装置から特性値、及びＰＩＤ制御を行う制御特性値を測定する測定手段と、
測定した前記特性値及び制御特性値を記憶する記憶手段と、
測定した前記特性値及び制御特性値を用いて、所定時間先の制御特性値を予測する予測モデルを作成するモデル作成手段と、
前記予測モデルを用いて所定時間先の制御特性値を予測すると共に、少なくとも予測された制御特性値を用いて、２以上の評価関数Ｉ_mを計算する計算手段と、
下記式（１）で表される評価関数の２乗和Ｅ_RNNを最小化するように、ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する決定手段と、
【００１３】
【数２】

【００１４】
前記決定手段により決定された前記比例ゲインＫ_p、積分時間Ｔ_i及び微分時間Ｔ_dに基づいて、前記装置の、制御特性値のＰＩＤ制御を行う制御手段と、
を備えたことを特徴とするＰＩＤ制御装置。
【００１５】
２．前記装置が、石油精製プラントであることを特徴とする上記１に記載のＰＩＤ制御装置。
【００１６】
３．前記モデル作成手段は、互いに異なる種類の制御特性値を予測する２つ以上の前記予測モデルを作成し、
前記計算手段は、各予測モデルを用いて対応する制御特性値を予測すると共に、少なくとも予測された前記制御特性値を用いて前記評価関数を計算し、
前記決定手段は、各制御特性値の前記比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定し、
前記制御手段は、前記決定手段により決定された比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dに基づいて、各制御特性値のＰＩＤ制御を行うことを特徴とする上記１又は２に記載のＰＩＤ制御装置。
【００１７】
４．前記制御特性値は、温度、流量及び圧力からなる群から選択された少なくとも一種であることを特徴とする上記１〜３の何れか１項に記載のＰＩＤ制御装置。
【００１８】
５．前記計算手段は、前記評価関数として、下記式（２）〜（５）で表される４つの関数を計算することを特徴とする上記１〜４の何れか１項に記載のＰＩＤ制御装置。
【００１９】
【数３】

【００２０】
６．前記ＰＩＤ制御装置において、所定時間が経過するたびに、
前記測定手段は、新規特性値として新たに特性値及び制御特性値の少なくとも一方を測定し、
前記記憶手段は、前記新規特性値を記憶し、
前記計算手段は、前記新規特性値を用いて前記予測モデルにより新たに所定時間先の制御特性値を予測すると共に、少なくとも前記予測モデルにより予測された制御特性値を用いて新たに前記評価関数を計算し、
前記決定手段は、新たに計算した評価関数Ｉ_mの前記２乗和Ｅ_RNNを最小化するように、新たに更新ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定し、
前記制御手段は、ＰＩＤ定数を前記更新ＰＩＤ定数の値に更新し、前記更新ＰＩＤ定数に基づいて、前記装置の制御特性値のＰＩＤ制御を行う、
ことを特徴とする上記１〜５の何れか１項に記載のＰＩＤ制御装置。
【００２１】
７．前記計算手段は、前記評価関数の一部として、更に下記式（６）〜（８）で表される関数の計算を行うことを特徴とする上記６に記載のＰＩＤ制御装置。
【００２２】
【数４】

【００２３】
８．前記制御手段による前記ＰＩＤ制御の伝達関数が、下記式（９）で表されることを特徴とする上記１〜７の何れか１項に記載のＰＩＤ制御装置。
【００２４】
【数５】

【００２５】
なお、本明細書において、「制御特性値」とは、予測モデルによって予測され、決定手段によって決定されたＰＩＤ定数に基づき、目標値となるよう制御を行う特性値のことを表す。「制御特性値」は、この点において、測定手段によって測定されるが目標値となるよう制御を行わない「特性値」とは区別される。
【発明の効果】
【００２６】
本発明のＰＩＤ制御装置は、装置特性が急激に変化したり、非線形挙動を示す装置であっても、装置を稼働させながら、自動的にＰＩＤ定数を調整することができる。この結果、高精度で装置のＰＩＤ制御を行うことができる。
【発明を実施するための最良の形態】
【００２７】
本発明のＰＩＤ制御装置は、装置、測定手段、記憶手段、モデル作成手段、計算手段、決定手段、制御手段を備える。図２は、本発明のＰＩＤ制御装置の装置構成を模式的に表したものである。なお、図２中の矢印はデータ処理の方向を表している。
【００２８】
まず、測定手段２により装置１から特性値、及びＰＩＤ制御を行う制御特性値を測定し、この測定した特性値及び制御特性値は記憶手段３内にデータとして記憶される。次に、モデル作成手段４により、測定した特性値及び制御特性値を用いて、現在よりも所定時間先の制御特性値を予測可能な予測モデルを作成する。このモデル作成手段４による予測モデルの作成は、ニューラルネットワークを用いて行うが、その具体的な処理方法としてはバック・プロパゲーション法（ＢａｃｋＰｒｏｐａｇａｔｉｏｎＭｅｔｈｏｄ）を用いる。
【００２９】
そして、計算手段５では、測定した特性値、及び必要に応じて制御特性値を予測モデルに代入することにより所定時間先の制御特性値を予測する。また、これと同時に、少なくともこの予測された制御特性値を用いて評価関数を計算する。
【００３０】
次に、決定手段６では、この計算した評価関数の２乗和Ｅ_RNNが最小となるように、ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する。この決定手段６によるＰＩＤ定数の決定は、ＲＮＮ（リカレント・ニューラルネットワーク）を用いて行うが、その具体的な処理方法としてはバック・プロパゲーション法（ＢａｃｋＰｒｏｐａｇａｔｉｏｎＭｅｔｈｏｄ）を用いる。そして、制御手段７では、このように決定されたＰＩＤ定数に基づいて、装置の制御特性値をＰＩＤ制御することが可能となる。
【００３１】
このように本発明のＰＩＤ制御装置では、予測モデルにより予測された制御特性値を用いて比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dの決定を行う。このため、実際に装置に対して外乱等の刺激を与えることなく、ＰＩＤ定数の最適化を行うことができる。この結果、装置の稼働時間の向上、生産性の向上を図ることができる。また、予測モデルの作成及びＰＩＤ定数の決定に、それぞれニューラルネットワーク及びＲＮＮ（リカレント・ニューラルネットワーク）を用いているため、高精度で制御特性値のＰＩＤ制御を行うことができる。
【００３２】
以下、図３のフローチャートに従って、本発明のＰＩＤ制御装置の各手段による処理内容について詳細に説明する。
この装置としては、具体的に、プラントの全体や一部、特定の材料・物質の製造装置や処理装置、単一の装置や複数の装置が集合して構成されるプラント等を挙げることができるが、特にこれらの装置に限定されるわけではない。また、この装置としては例えば、石油精製プラントを挙げることができる。
【００３３】
また、この装置には、装置の内部状態や、装置内に供給される原料や装置から排出される生成物・処理物の状態・物性を表す１以上の特性値が存在する。この特性値としては、例えば、原料・生成物などの流体の流量、温度、圧力、これらの特性値を組み合わせて計算された特性値、これらの特性値に特別な演算処理を施した特性値などを挙げることができる。
【００３４】
まず、測定手段では、この装置の特性値、及び制御特性値を測定する（Ｓ１）。この測定する特性値、制御特性値の種類は１種類以上であれば良く、特性値、制御特性値は１種類であっても複数種であっても良いが、典型的には１種類の特性値、制御特性値を測定する。また、測定手段による１種類の特性値及び制御特性値の測定は、それぞれ装置内の１箇所で行っても、複数の箇所で行っても良い。この測定手段としては具体的には、温度センサー、圧力センサー、流量計などを挙げることができる。
【００３５】
この測定手段は、予め入力した測定条件に従って、所定の条件で特性値及び制御特性値を測定できるようになっている。具体的には、測定手段は、装置内の特性値及び制御特性値を測定する位置、測定の時間間隔、測定のサンプリング数などを入力することにより、所望の条件で特性値及び制御特性値の測定を行うことができるようになっている。
【００３６】
次に、記憶手段は、測定手段により測定された特性値及び制御特性値を記憶する（Ｓ２）。なお、記憶手段はオペレーターが必要とする特性値及び制御特性値のみを記憶し、不要な特性値及び制御特性値は削除できるようになっていても良い。この記憶手段は、各種処理を実行させるためのコンピュータプログラムが事前に格納されたハードウェアであれば良く、例えば、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）やＨＤＤ（ＨａｒｄＤｉｓｃＤｒｉｖｅ）、記憶装置に交換自在に装着されるＣＤ（ＣｏｍｐａｃｔＤｉｃｓ）−ＲＯＭやＦＤ（ＦｌｅｘｉｂｌｅＤｉｓｃ−ｃａｒｔｒｉｄｇｅ）及びこれらの組み合わせ等で実施することが可能である。
【００３７】
モデル作成手段は、記憶手段に記憶された特性値及び制御特性値に基づいて、所定時間先の制御特性値を予測する予測モデルを作成する。この予測モデルの作成に用いる特性値は１種類であっても複数種であっても良いが、典型的には、１種類の特性値と制御特性値に基づいて予測モデルを作成する。
【００３８】
このモデル作成手段では、最急降下法に基づくバック・プロパゲーション法（ＢａｃｋＰｒｏｐａｇａｔｉｏｎＭｅｔｈｏｄ）によって、所定時間先の制御特性値を予測する予測モデルを作成する。この最急降下法とは、ある適当な初期値から初めて繰り返し計算により最適な予測モデルを作成する計算方法である。以下に、この方法を詳細に説明する。
【００３９】
まず、予測モデルの作成に使用する特性値、及び必要に応じて使用する制御特性値の値をｘ_i⁽¹⁾（１≦ｉ≦ｎ₁）とする。そして、このｘ_i⁽¹⁾（１≦ｉ≦ｎ₁）及びｘ₀⁽¹⁾から以下のようにｓ_j⁽¹⁾を定義する。なお、ｘ_i⁽¹⁾（１≦ｉ≦ｎ₁）には制御特性値を用いても、用いなくても良い。
【００４０】
【数６】

【００４１】
なお、上式においてｎ₁＋１は、バック・プロパゲーション法における入力層の数に相当する。
【００４２】
次に、このｓ_j⁽¹⁾を用いて以下のようにｓ_k⁽²⁾を定義する。
【００４３】
【数７】

【００４４】
なお、上式においてｎ₂＋１は、バック・プロパゲーション法における中間層の数に相当する。
次に、線形処理を行い、上記のようにして定義されたｓ_k⁽²⁾をそのまま予測する予定の制御特性値とする。
【００４５】
図４は、このバック・プロパゲーション法における上記式（１１）〜（１５）の処理を模式的に表したものである。まず、測定したｎ₁個の特性値等ｘ_i⁽¹⁾（１≦ｉ≦ｎ₁）及び１個のｘ₀⁽¹⁾対して、線形関数による線形処理をする。この線形処理では入力したｘ_i⁽¹⁾をそのまま使用することとなり、ｘ_i⁽¹⁾が入力層となる。また、入力層の数はｎ₁＋１個となる。
【００４６】
次に、入力した特性値ｘ_i⁽¹⁾と結合荷重ｗ_ji⁽¹⁾を用いて、ｓ_j⁽¹⁾を計算する。この後、このｓ_j⁽¹⁾を（１５）式で表されるシグモイド関数に代入してｘ_j⁽²⁾（１≦ｊ≦ｎ₂）を計算する。このｘ_j⁽²⁾（１≦ｊ≦ｎ₂）及びｘ₀⁽²⁾が中間層となり、その層の数はｎ₂＋１個となる。次に、この計算したｘ_j⁽²⁾と結合荷重ｗ_kj⁽²⁾を用いて、ｓ_k⁽²⁾を計算する。このｓ_k⁽²⁾が出力層となり、その層の数は１個となる。そして、このｓ_k⁽²⁾に対して線形関数による線形処理を施すことにより最終的に制御特性値を得る。なお、ここで、線形関数による線形処理では、ｓ_k⁽²⁾をそのまま制御特性値として使用することとなる。
【００４７】
更に、この予測モデルにより予測された時刻ｔ₁の制御特性値、時刻ｔ₁において測定手段により実際に測定した制御特性値をｙとから、この予測値と実測値の誤差を下記のようにＥ_NEと定義する。
【００４８】
【数８】

【００４９】
そして、バック・プロパゲーション法では，最急降下法により、この誤差Ｅ_NEが最小となる最適な結合荷重ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を求める。すなわち、結合荷重ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾については，適当な正の定数ηを学習係数とすると、その修正量Δｗ_ji⁽¹⁾およびΔｗ_kj⁽²⁾は、以下の通りとなる。
【００５０】
【数９】

【００５１】
この時、新しいｗ_ji⁽¹⁾およびｗ_kj⁽²⁾は以下のように修正される。
【００５２】
【数１０】

【００５３】
ここで、∂Ｅ_NE／∂ｗ_ji⁽¹⁾及び∂Ｅ_NE／∂ｗ_kj⁽²⁾は、微分の連鎖律に基づき、以下のように計算される。
【００５４】
【数１１】

【００５５】
そして、ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾として予め初期値を入力し、上記式（２１）及び（２２）に基づき計算した∂Ｅ_NE／∂ｗ_ji⁽¹⁾及び∂Ｅ_NE／∂ｗ_kj⁽²⁾から、上記（１７）〜（２０）式に基づき、ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定する。
【００５６】
次に、このように決定したｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を初期値とし、時刻ｔ₁よりも一定の時間が進んだ時刻ｔ₂において上記と同様の処理を行いｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定する。以降、ｔ₃、ｔ₄、ｔ₅・・・と時間を順次、進ませながら同様の処理を行い、ｔ_(n)の処理を行う際のｗ_ji⁽¹⁾及びｗ_kj⁽²⁾の初期値としてはｔ_(n-1)の時に処理により決定されたｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を用いる。
【００５７】
このようにして予め定めた所定の回数だけ、繰り返し処理を行うことにより（Ｓ５）、最終的にｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定して（Ｓ３）、予測モデルを作成することができる（Ｓ４）。なお、このｗ_ji⁽¹⁾及びｗ_kj⁽²⁾については、予め所定の方法によりｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を初期値として決定した後、同じデータ範囲について繰り返し計算を行うことにより、決定しても良い。
【００５８】
この作成された予測モデルでは、ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾が決定されているため、ｘ_i⁽¹⁾のみが未知数となっており、ｘ_i⁽¹⁾を入力すれば、所定時間先の制御特性値を予測することができるようになっている。なお、各処理（（１７）〜（２２）式の処理）の繰り返し処理を行うごとに、使用するデータ（ｘ_i⁽¹⁾）の範囲は、異なるものとなる。
【００５９】
また、予測モデルの作成に使用する特性値、制御特性値はその種類によってその値が大きく変化するため、正規化したものを予測モデルの作成に使用しても良い。この正規化の方法としては、例えば、以下の方法を挙げることができる。
【００６０】
【数１２】

【００６１】
このようにモデル作成手段により作成した予測モデルは、バック・プロパゲーション法を用いるため、高精度で所定時間先の制御特性値を予測することが可能となる。
【００６２】
次に、計算手段では、予測モデルを用いて所定時間先の制御特性値を予測する（Ｓ６）と共に、少なくとも予測された制御特性値を用いて、評価関数を計算する（Ｓ７）。なお、この際、予測モデルの作成に使用した特性値、制御特性値を正規化した場合、評価関数を計算する際には正規化を外す処理を行う。この方法としては、具体的には以下の方法を挙げることができる。
【００６３】
【数１３】

【００６４】
この評価関数としては２つ以上を用いる必要があるが、制御特性値を予測（近似）可能なものであれば、その具体的な式の形は特に限定されない。また、この評価関数は少なくとも予測モデルにより予測した制御特性値を用いて計算するものであるが、この計算にはこれ以外の特性値や制御特性値の実測値を用いても良い。
【００６５】
この評価関数としては、例えば、下記式（２）〜（５）で表される４つの関数であることが好ましい。下記式（２）〜（５）で表される評価関数は、特性値の挙動を高精度で近似することができる。また、装置として石油精製プラントのような制御特性値が複雑な挙動を示すものであっても高精度で近似できる。
【００６６】
【数１４】

【００６７】
なお、上記Ｔ₀は、制御特性値の目標値を変更するために、制御特性値に影響を及ぼす装置の操作条件を変更したため、制御特性値が変化し始める時間を表す。
【００６８】
図１は、この評価関数Ｉ₁、Ｉ₂、Ｉ₄の意義を表す図である。図１において、Ｉ₁は変化前の制御特性値から制御特性値の目標値までの変化部分（グレーの部分の面積）、Ｉ₂は制御特性値が目標値に達してからの目標値からの振動部分（グレーの部分の面積）、Ｉ₄は制御特性値が目標値に達してから制御特性値が振動している時のその最大値と最小値の差を表す。すなわち、Ｉ₁は応答の速応性についての評価、Ｉ₂〜Ｉ₄は応答の安定性についての評価を表している。従って、評価関数Ｉ₁〜Ｉ₄を用いた場合、これらの評価関数の２乗和Ｅ_RNNを最小化するようにＰＩＤ定数を決定することによって、高精度なＰＩＤ制御が可能となる。
【００６９】
なお、この評価関数は、その計算に使用する制御特性値の値によって大きく変化するため、正規化したものを用いても良い。この正規化の方法としては、例えば、以下の方法を挙げることができる。
【００７０】
【数１５】

【００７１】
次に、決定手段では、下記式（１）で表される評価関数の２乗和Ｅ_RNNが最小値となるように、比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する。
【００７２】
【数１６】

【００７３】
この比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dの決定は、上記モデル作成手段による予測モデルの作成と同様、最急降下法に基づくバック・プロパゲーション法（ＢａｃｋＰｒｏｐａｇａｔｉｏｎＭｅｔｈｏｄ）によって行う。ただし、モデル作成手段での処理では、入力値として装置内で測定された特性値、及び必要に応じて制御特性値を用いたが、この決定手段による処理では入力値として評価関数による計算値を用いる点が異なる。また、モデル作成手段での処理では、所定回数の繰り返し計算を行うことにより随時、結合荷重ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を修正して予測モデルを作成したが、決定手段による処理では結合荷重ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾の決定を１回、行うか、又は更新時間が経過するごとにｗ_ji⁽¹⁾及びｗ_kj⁽²⁾の決定を行う点が異なる。
【００７４】
以下に、決定手段による、Ｅ_RNNを最小化する比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dの決定方法を詳細に示す。
まず、計算手段により計算された評価関数Ｉ_iを用いて、以下のようにｓ_j⁽¹⁾を定義する。
【００７５】
【数１７】

【００７６】
なお、上式においてｎ₁は、バック・プロパゲーション法における入力層の数に相当する。
【００７７】
次に、以下のようにｓ_k⁽²⁾を定義する。
【００７８】
【数１８】

【００７９】
なお、上式においてｎ₂＋１は、バック・プロパゲーション法における中間層の数に相当する。
【００８０】
そして、このｓ_k⁽²⁾に対して線形関数による線形処理をすることにより最終的に３つのＰＩＤ定数（比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_d：下記式（３４）及び（３５）ではｇ₁＝Ｋ_p（＝ｓ₁⁽²⁾）、ｇ₂＝Ｔ_i（＝ｓ₂⁽²⁾）、ｇ₃＝Ｔ_d（＝ｓ₃⁽²⁾）、として示す。）を得る。なお、ここで、線形関数による線形処理では、ｓ_k⁽²⁾をそのままＰＩＤ定数ｇ_k（比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_d）として使用することとなる。
【００８１】
図５はこのバック・プロパゲーション法における上記式（２６）〜（２９）の処理を模式的に表したものである。まず、計算手段により計算したｎ₁個の評価関数Ｉ_iに対して線形関数による線形処理をする。この線形処理では、入力した評価関数をそのまま使用することとなり、Ｉ_iが入力層でその層の数はｎ₁個となる。
【００８２】
次に、入力した評価関数Ｉ_iと結合荷重ｗ_ji⁽¹⁾を用いて、ｓ_j⁽¹⁾を計算する。この後、このｓ_j⁽¹⁾を（２９）式で表されるシグモイド関数に代入してｘ_j⁽²⁾を計算する。このｘ_j⁽²⁾が中間層となり、その層の数はｎ₂＋１個となる。次に、この計算したｘ_j⁽²⁾と結合荷重ｗ_kj⁽²⁾を用いて、ｓ_k⁽²⁾（＝ｇ_k）を計算する。このｓ_k⁽²⁾（＝ｇ_k）が出力層となり、その層の数は３個となる。そして、このｓ_k⁽²⁾（＝ｇ_k）に対して線形関数による線形処理をすることにより最終的に所定のＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i及び微分時間Ｔ_dを得る。なお、ここで、線形関数による線形処理では、ｓ_k⁽²⁾（＝ｇ_k）をそのままＰＩＤ定数として使用することとなる。
【００８３】
なお、上記のようにＰＩＤ定数を決定するためには、まず、モデル作成手段と同様にして、下記式中の、∂Ｅ_RNN／∂ｗ_ji⁽¹⁾及び∂Ｅ_RNN／∂ｗ_kj⁽²⁾を求める。
【００８４】
【数１９】

【００８５】
この時、新しいｗ_ji⁽¹⁾およびｗ_kj⁽²⁾は以下のように修正される。
【００８６】
【数２０】

【００８７】
ここで、∂Ｅ_RNN／∂ｗ_ji⁽¹⁾及び∂Ｅ_RNN／∂ｗ_kj⁽²⁾は、微分の連鎖律に基づき、以下のように計算される。
【００８８】
【数２１】

【００８９】
なお、上記式（３４）及び（３５）中の、∂Ｉ_m／∂ｇ₁については，初期値として予め制御手段に入力した比例ゲインＫ_p［１］及びＩ［１］から、∂Ｉ_m／∂ｇ₁＝（Ｉ−Ｉ［１］）／（Ｋ_p−Ｋ_p［１］）として求めることができる。同様にして、∂Ｉ_m／∂ｇ₂＝（Ｉ−Ｉ［１］）／（Ｔ_i−Ｔ_i［１］）、∂Ｉ_m／∂ｇ₃＝（Ｉ−Ｉ［１］）／（Ｔ_d−Ｔ_d［１］）として求めることができる。なお、ここで、Ｔ_i［１］及びＴ_d［１］は、それぞれ予め制御手段に入力した積分時間、微分時間を表す。また、ｋ＝１，２，又３であり、ｇ₁＝Ｋ_p、ｇ₂＝Ｔ_i、ｇ₃＝Ｔ_dである。
【００９０】
そして、上記式（３０）〜（３５）に従って、最終的にｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定することができる（Ｓ８）。また、このようにして決定したｗ_ji⁽¹⁾及びｗ_kj⁽²⁾から、最終的に比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを求めることができる（Ｓ９）。
【００９１】
そして、制御手段では、このように決定した比例ゲインＫ_p、積分時間Ｔ_i及び微分時間Ｔ_dにＰＩＤ定数を変更し、このＰＩＤ定数に基づいて特性値を調節することにより、装置の制御特性値に対して目標値となるようにＰＩＤ制御を行う。このように、目標の制御特性値を得るために実際に調節する条件は、典型的には、予測モデルの作成に使用した特性値となる。
【００９２】
なお、この際、ＰＩＤ定数の決定に使用した評価関数を正規化した場合には、求めたＰＩＤ定数ｇ_kに対して正規化を外す処理を行う。具体的には、この正規化を外す方法としては、例えば、以下の方法を挙げることができる。
【００９３】
【数２２】

【００９４】
また、本発明のＰＩＤ制御装置では、各手段はその機能を実現するように形成されていれば良く、例えば、所定の機能を発揮する専用のハードウェア、所定の機能がコンピュータプログラムにより付与されたものや、コンピュータプログラムにより各手段に実現された所定の機能及びこれらの組み合わせ等として実現することができる。
【００９５】
本発明のＰＩＤ制御装置では、各手段は個々の独立した存在である必要はなく、複数の手段が１個の部材として形成されていること、ある手段が他の手段の一部であること、ある手段の一部と他の手段の一部とが重複していること等が可能である。
【００９６】
また、本発明のモデル作成手段、計算装置、及び決定手段は、コンピュータプログラムを読み取って対応する処理動作を実行できるハードウェアであれば良い。具体的には、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）を主体として、これに、ＲＯＭ、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）ユニット等の各種デバイスが接続されたハードウェアなどで良い。
【００９７】
本発明では、装置が、石油精製プラントであることが好ましい。石油精製プラントは、目標値の生産品質を保つために通常、何千もの制御ループを有している。また、複数の制御ループが干渉し合うため、従来の方法では、特性値の物理的な振る舞いを把握・モデル化するのは困難であると共に、途中でプラントを停止することも困難となっている。そこで、本発明の装置として石油精製プラントにニューラルネットワークを適用して予測モデルを作成し、この予測モデルを用いてＰＩＤ定数を決定し、更にこのＰＩＤ定数を用いてＰＩＤ制御を行うことにより、高精度でプラントの制御特性値の制御を行うことができる。
【００９８】
本発明のＰＩＤ制御装置では、測定手段は、特性値と互いに異なる種類の制御特性値を測定することが好ましい。また、モデル作成手段が、互いに異なる種類の制御特性値を予測する２つ以上の予測モデルを作成することが好ましい。計算手段は、各予測モデルを用いて対応する制御特性値を予測すると共に、少なくとも予測された制御特性値を用いて、各予測モデルに対応する評価関数を計算することが好ましい。決定手段は、各制御特性値の比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定することが好ましい。また、制御手段は、決定手段により決定された比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dに基づいて各制御特性値の制御を行うことが好ましい。すなわち、この場合、各制御特性値ごとに予測モデルの作成、並びに上記式（１）、（１１）〜（２２）、及び（２６）〜（３５）で表される処理が行われることとなる。また、各制御特性値ごとに上記式（２）〜（９）、（２３）〜（２５）及び（３６）の処理を行っても良い。
【００９９】
近年、使用される装置は大型化・複雑化しており、装置内で制御する制御特性値も２種類以上であることが多い。本発明では、このように大型且つ複雑な装置であっても、上記のように２種類以上の制御特性値のＫ_p、Ｔ_i、及びＴ_dを決定可能なように構成することにより、同時に複数の制御特性値の安定且つ高精度なＰＩＤ制御が可能となる。
【０１００】
本発明では、目標値となるよう制御を行う制御特性値は、温度、流量及び圧力からなる群から選択された少なくとも一種の物性値であることが好ましい。これらの制御特性値は、装置内の特性や原料、生成物に大きな影響を与える基本量であり、これらの制御特性値を制御することによって、安定した装置や原料・生成物の制御が可能となる。
【０１０１】
本発明のＰＩＤ制御装置は更新時間が経過するたびに、各手段が以下の（Ａ）〜（Ｅ）の流れの処理を行うことが好ましい。
（Ａ）測定手段は、新規特性値として新たに特性値及び制御特性値の少なくとも一方を測定する。
（Ｂ）記憶手段は、新規特性値を記憶する。
（Ｃ）計算手段は、新規特性値を用いて予測モデルにより新たに所定時間先の制御特性値を予測すると共に、予測モデルにより予測された制御特性値から新たに評価関数を計算し直す。
（Ｄ）決定手段は、新たに計算し直した評価関数Ｉ_mの２乗和Ｅ_RNNを最小化するように、新たに更新ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する。
（Ｅ）制御手段は、ＰＩＤ定数を更新ＰＩＤ定数の値に更新し、更新ＰＩＤ定数の値に基づいて、装置の制御特性値のＰＩＤ制御を行う。
【０１０２】
図６は、このように所定時間ごとにＰＩＤ定数を更新するＰＩＤ制御装置の処理の流れを表すフローチャートである。
この装置においては、まず、図３のフローチャートに示されるように、上記式（１）、（１１）〜（２２）及び（２６）〜（３５）式の処理を行うことにより、予測モデルを作成すると共にＰＩＤ定数を決定する（この処理過程は図６に示していない）。次に、予め入力した所定の更新時間が経過すると（Ｓ１）、測定手段は新規特性値として、新たに特性値及び制御特性値の少なくとも一方を測定する（Ｓ２）。そして、この新規特性値は、記憶手段に記憶される（Ｓ３）。
【０１０３】
次に、計算手段は、この新規特性値を用いて、予め作成した予測モデルにより制御特性値（予測値）を計算した（Ｓ４）のち、この制御特性値を用いて新たに評価関数を計算し直しなおす（Ｓ５）。なお、この際、評価関数としては、前回のＰＩＤ定数の決定時に使用した評価関数を用いても、用いなくても良いが、安定した制御精度とするため、前回のＰＩＤ定数の決定時に使用した評価関数を用いた方が好ましい。
【０１０４】
次に、決定手段は新たに計算し直した評価関数Ｉ_mの２乗和Ｅ_RNNを最小化するように新たに更新ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する（Ｓ６，Ｓ７）。なお、この際、更新ＰＩＤ定数は、評価関数として新たに計算し直した評価関数を用い、上記式（３４）及び（３５）において、∂Ｉ_m／∂ｇ₁＝（Ｉ［Ｎ］−Ｉ［Ｎ−１］）／（Ｋ_p［Ｎ］−Ｋ_p［Ｎ−１］）、∂Ｉ_m／∂ｇ₂＝（Ｉ［Ｎ］−Ｉ［Ｎ−１］）／（Ｔ_i［Ｎ］−Ｔ_i［Ｎ−１］）、∂Ｉ_m／∂ｇ₃＝（Ｉ［Ｎ］−Ｉ［Ｎ−１］）／（Ｔ_d［Ｎ］−Ｔ_d［Ｎ−１］）として求める。そして、これ以外は、最初のＰＩＤ定数を決定する処理（上記式（１）、（１１）〜（２２）及び（２６）〜（３５）式の処理）と同様の方法により、更新ＰＩＤ定数を決定する。なお、ここで、Ｉ［Ｎ］、Ｋ_p［Ｎ］、Ｔ_i［Ｎ］、Ｔ_d［Ｎ］は、それぞれ今回（Ｎ回目）の更新時の評価関数、比例ゲイン、積分時間、微分時間を表す。また、Ｉ［Ｎ−１］、Ｋ_p［Ｎ−１］、Ｔ_i［Ｎ−１］、Ｔ_d［Ｎ−１］は、それぞれ前回（Ｎ−１回目）の更新時の評価関数、比例ゲイン、積分時間、微分時間を表す。
【０１０５】
そして、最終的に制御手段は、ＰＩＤ定数を更新ＰＩＤ定数の値に更新し（Ｓ７）、更新ＰＩＤ定数の値に基づいて装置の制御特性値の制御を行う。
なお、このような更新は予め更新条件として入力した更新回数となるまで、ＰＩＤ定数の更新を繰り返す（Ｓ９）。
【０１０６】
本発明のＰＩＤ制御装置は、このように所定時間ごとにＰＩＤ定数を更新できるように構成することによって、長時間、装置を稼働した場合であっても、高精度で制御特性値を制御することが可能となる。また、外乱や装置の雰囲気環境の変化によって、装置特性が急激に変化した場合であっても、高精度で制御特性値を制御することができる。
【０１０７】
なお、ＰＩＤ定数の更新時間は、装置特性及び制御特性値の性質に合わせて、適宜、設定すれば良い。例えば、制御特性値が頻繁に変化する装置に関しては更新時間を短くし、制御特性値が安定している装置に関しては更新時間を長くすれば良い。また、予め一定時間、制御特性値を測定して、単位時間当たりの制御特性値の変化量から更新時間を決定しても良い。また、ＰＩＤ定数の更新回数は、装置の稼働期間に合わせて適宜、設定すれば良い。
また、上記の更新時間が経過するたびに、各手段が以下の（Ａ）〜（Ｅ）の流れの処理を行い、更新ＰＩＤ定数を決定する処理は、複数の制御特性値のＰＩＤ定数に対して行っても良い。
【０１０８】
また、ＰＩＤ制御装置が所定時間ごとにＰＩＤ定数を更新する場合、計算手段は評価関数の一部として、更に下記式（６）〜（８）で表される関数の計算を行うことが好ましい。
【０１０９】
【数２３】

【０１１０】
上記式（６）〜（８）の評価関数には、それぞれ１回目からＮ−１回目の更新により決定された各更新ＰＩＤ定数が含まれている。また、各更新ＰＩＤ定数には、更新回数が少ない時の更新ＰＩＤ定数ほど高次のｄ₁（０＜ｄ₁＜１）を乗じたものとなっている。このため、上記式（６）〜（８）の評価関数は、前回の更新までの更新ＰＩＤ定数の履歴の影響を表すものであり、更新回数が多い更新時の更新ＰＩＤ定数ほど現在の更新ＰＩＤ定数への影響力が大きいものとなっている。このため、これらの評価関数を用いて、現在の更新ＰＩＤ定数を更新することにより、現在までの更新ＰＩＤ定数の履歴を反映した、より高精度な更新ＰＩＤ定数の決定が可能となる。
【０１１１】
図７は、上記式（２）〜（５）及び（６）〜（８）の評価関数を用いて更新ＰＩＤ定数を決定する際の、決定手段による処理の過程を模式的に表したものである。この処理過程では、入力層として、評価関数Ｉ₁〜Ｉ₄に加えて、前回までに更新された更新ＰＩＤ定数の履歴をフィードバックし評価関数Ｉ₅〜Ｉ₇を用いている。このように更新するたびに前回までの履歴を評価関数Ｉ₅〜Ｉ₇としてフィードバックすることにより、高精度なＰＩＤ制御が可能となる。なお、図７の処理では、これ以外は図５と同様の方法により処理を行う。
【０１１２】
本発明の制御手段による、装置の制御特性値のＰＩＤ制御の伝達関数は、下記式（９）で表されることが好ましい。
【０１１３】
【数２４】

【０１１４】
このような伝達関数を用いることにより、より高精度でＰＩＤ制御を行うことができる。
【実施例】
【０１１５】
(実施例１)
ＰＩＤ制御を行うための装置として脱硫装置を、本発明のＰＩＤ制御装置の中に組み込み、ＰＩＤ制御を行った。図８にこの脱硫装置の概略を示す。図８の脱硫装置内を原料及び生成物は下記のように流れる。
【０１１６】
入口部１１から原料油を供給し、これを昇圧した後、水素と混合する。そして、この混合組成物を加熱炉１５に供給して所定の温度まで昇温した後、反応塔１６に導入する。この反応塔１６内では水素化反応による脱硫を行った後、気液混合物を冷却する。この後、更に分離槽１７に導入して、ガスと油を分離する。次に、分離した油をストリッパー１８に導き、硫化水素や同伴ガスを分離する。この後、水分を除去した後、最終生成物としてタンク（図示していない）へ導入する。
【０１１７】
本実施例では、上記脱硫装置において、バルブ１２及び１９の開度を特性値とし、流量計１３における流量及び温度計１４における温度を、ＰＩＤ制御を行う制御特性値とした。そして、これらの流量及び温度は、バルブ１２及び１９の開度を制御することによって、ＰＩＤ制御を行った。なお、流量計１３（測定手段）にはオリフィス流量計、温度計１４（測定手段）には熱電対型温度計を使用した。
【０１１８】
（ａ）流量のＰＩＤ制御
制御手段によるＰＩＤ制御の伝達関数としては、上記式（９）の伝達関数を用いた。まず、最初に制御手段のＰＩＤ定数の初期値として、比例ゲインＫ_pを０．４、積分時間Ｔ_iを６分、微分時間Ｔ_dを０．５分、微分ゲインａを０．１とし、比例ゲインＫ_p、積分時間Ｔ_i、微分時間Ｔ_dの最適化を行った。
【０１１９】
図８の装置に対して、まず、測定手段により、１分ごとにバルブ１２の開度（特性値）、流量計１３での流量（制御特性値）を測定した後、これらの測定データの間に対してはスプライン関数による補間を行い０．５秒ごとのデータに修正した。そして、これらのデータを記憶手段に記憶させた。図９のｙは、このようにして実際に測定及び補間をした、流量計１３での流量（制御特性値）データの一部を表す図である。
【０１２０】
次に、記憶させたデータのうち、所定時間から１４分前までの１分おきのバルブ１２の開度（特性値）１５点、所定時間の１０分前から１分前までの１分おきの流量計１３での流量（制御特性値）を１０点、用いて、モデル作成手段により、０．５秒先の流量計１３での流量（制御特性値）を予測する予測モデルを作成した。この場合、モデル作成手段における入力層（上記式（１１）のｎ₁＋１）は２５、中間層（上記式（１３）のｎ₂＋１）は１５とした。
【０１２１】
そして、図９の（Ａ）の部分に関してｗ_ji⁽¹⁾及びｗ_kj⁽²⁾の決定を行う学習（ｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定する処理）を３０００回、繰り返すことにより最終的にｗ_ji⁽¹⁾及びｗ_kj⁽²⁾を決定し、予測モデルを確定させた。
【０１２２】
次に、計算手段では、バルブ１２の開度（特性値）と流量計１３での流量（制御特性値）をデータとして用い、上記のように確定した予測モデルに代入することにより０．５秒先の流量計１３での流量（制御特性値）を予測した。また、これと共に、下記式（２）〜（８）で表される評価関数を計算した。
【０１２３】
【数２５】

【０１２４】
図１０は、このようにして作成された予測モデルにより予測した流量計１３での流量（制御特性値）と、実際に測定した流量計１３での流量（制御特性値）を表したものである。図１０の結果より、本発明のモデル作成手段により作成された予測モデルにより予測される曲線は、実測値の曲線とよく一致しており、高精度で流量計１３での流量の変化を予測できていることが分かる。
【０１２５】
次に、上記のようにして決定した評価関数を用いて、上記式（１）で表される評価関数の２乗和Ｅ_RNNを最小化するように、決定手段により、ＰＩＤ定数（比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_d）を決定した。この際、具体的には、上記式（１）〜（３６）の処理を行った。また、この場合、入力層（上記式（２６）のｎ₁）は７、中間層（上記式（２７）のｎ₂＋１）は５とした。そして、制御手段により、このように決定されたＰＩＤ定数を用いて、バルブ１２の開度を制御することによって、流量計１３での流量のＰＩＤ制御を行った。
【０１２６】
また、１分ごとに、以下の処理を行った。
（１）測定手段により、新規特性値として新たにバルブ１２の開度と流量計１３での流量を測定した。
（２）記憶手段により、上記新規特性値を記憶させた。
（３）計算手段では、上記のようにして決定した予測モデルに、上記新規特性値を代入することにより新たに０．５秒先の流量計１３での流量を予測すると共に、予測モデルにより予測された流量から新たに評価関数を計算し直した。
（４）決定手段は、新たに計算し直した評価関数Ｉ_mの２乗和Ｅ_RNNを最小化するように新たに更新ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定した。
（５）制御手段は、ＰＩＤ定数を更新ＰＩＤ定数の値に更新し、更新ＰＩＤ定数の値に基づいて、バルブ１２の開度を制御することによって、流量計１３での流量のＰＩＤ制御を行った。
そして、上記（１）〜（５）の処理を合計で３０回、行った。
【０１２７】
図１１及び１２は、評価関数Ｉ₁〜Ｉ₄及びＰＩＤ定数（比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_d）へのＰＩＤ定数の更新回数の影響を表したものである。図１１の結果では、評価関数によって一定値に収束する更新回数は異なっているが、更新回数が１５回程度で各評価関数はほぼ一定値に収束していることが分かる。また、図１２の結果からは、評価関数が一定値に収束する更新回数１５回当たりで、各ＰＩＤ定数も一定値に収束していることが分かる。これらの結果から、本発明のＰＩＤ制御装置は高精度で、ＰＩＤ定数のオートチューニングを行えることが分かる。
【０１２８】
（ｂ）温度の制御
バルブ１９の開度を特性値、温度計１４における温度を制御特性値とした以外は、上記（ａ）流量の制御と同様にして、温度計１４における温度のＰＩＤ制御を行った。この結果、流量と同様、更新回数が１５回程度で各評価関数及び各ＰＩＤ定数も一定値に収束した。これらの結果から、本発明のＰＩＤ制御装置は高精度で、ＰＩＤ定数のオートチューニングを行えることが分かる。
【図面の簡単な説明】
【０１２９】
【図１】評価関数Ｉ₁、Ｉ₂及びＩ₄の意義を表す図である。
【図２】本発明のＰＩＤ制御装置の装置構成の一例を表す図である。
【図３】本発明のＰＩＤ制御装置による処理過程の一例を表すフローチャートである。
【図４】本発明のＰＩＤ制御装置のモデル作成手段による処理の一例を表す図である。
【図５】本発明のＰＩＤ制御装置の決定手段による処理の一例を表す図である。
【図６】本発明のＰＩＤ制御装置による処理過程の一例を表すフローチャートである。
【図７】本発明のＰＩＤ制御装置の決定手段による処理の一例を表す図である。
【図８】実施例１でＰＩＤ制御を行った装置を表す図である。
【図９】実施例１の装置の流量の測定結果を表す図である。
【図１０】実施例１の装置の流量の測定結果と、予測モデルによる予測結果を表す図である。
【図１１】実施例１の処理結果を表す図である。
【図１２】実施例１の処理結果を表す図である。
【符号の説明】
【０１３０】
１装置
２測定手段
３記憶手段
４モデル作成手段
５計算手段
６決定手段
７制御手段
１１入口部
１２バルブ
１３流量計
１４温度計
１５加熱炉
１６反応炉
１７分離槽
１８ストリッパー
１９バルブ

【特許請求の範囲】
【請求項１】
装置と、
前記装置から特性値、及びＰＩＤ制御を行う制御特性値を測定する測定手段と、
測定した前記特性値及び制御特性値を記憶する記憶手段と、
測定した前記特性値及び制御特性値を用いて、所定時間先の制御特性値を予測する予測モデルを作成するモデル作成手段と、
前記予測モデルを用いて所定時間先の制御特性値を予測すると共に、少なくとも予測された制御特性値を用いて、２以上の評価関数Ｉ_mを計算する計算手段と、
下記式（１）で表される評価関数の２乗和Ｅ_RNNを最小化するように、ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定する決定手段と、
【数１】

前記決定手段により決定された前記比例ゲインＫ_p、積分時間Ｔ_i及び微分時間Ｔ_dに基づいて、前記装置の、制御特性値のＰＩＤ制御を行う制御手段と、
を備えたことを特徴とするＰＩＤ制御装置。
【請求項２】
前記装置が、石油精製プラントであることを特徴とする請求項１に記載のＰＩＤ制御装置。
【請求項３】
前記モデル作成手段は、互いに異なる種類の制御特性値を予測する２つ以上の前記予測モデルを作成し、
前記計算手段は、各予測モデルを用いて対応する制御特性値を予測すると共に、少なくとも予測された前記制御特性値を用いて前記評価関数を計算し、
前記決定手段は、各制御特性値の前記比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定し、
前記制御手段は、前記決定手段により決定された比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dに基づいて、各制御特性値のＰＩＤ制御を行うことを特徴とする請求項１又は２に記載のＰＩＤ制御装置。
【請求項４】
前記制御特性値は、温度、流量及び圧力からなる群から選択された少なくとも一種であることを特徴とする請求項１〜３の何れか１項に記載のＰＩＤ制御装置。
【請求項５】
前記計算手段は、前記評価関数として、下記式（２）〜（５）で表される４つの関数を計算することを特徴とする請求項１〜４の何れか１項に記載のＰＩＤ制御装置。
【数２】

【請求項６】
前記ＰＩＤ制御装置において、所定時間が経過するたびに、
前記測定手段は、新規特性値として新たに特性値及び制御特性値の少なくとも一方を測定し、
前記記憶手段は、前記新規特性値を記憶し、
前記計算手段は、前記新規特性値を用いて前記予測モデルにより新たに所定時間先の制御特性値を予測すると共に、少なくとも前記予測モデルにより予測された制御特性値を用いて新たに前記評価関数を計算し、
前記決定手段は、新たに計算した評価関数Ｉ_mの前記２乗和Ｅ_RNNを最小化するように、新たに更新ＰＩＤ定数である比例ゲインＫ_p、積分時間Ｔ_i、及び微分時間Ｔ_dを決定し、
前記制御手段は、ＰＩＤ定数を前記更新ＰＩＤ定数の値に更新し、前記更新ＰＩＤ定数に基づいて、前記装置の制御特性値のＰＩＤ制御を行う、
ことを特徴とする請求項１〜５の何れか１項に記載のＰＩＤ制御装置。
【請求項７】
前記計算手段は、前記評価関数の一部として、更に下記式（６）〜（８）で表される関数の計算を行うことを特徴とする請求項６に記載のＰＩＤ制御装置。
【数３】