补偿器、控制系统、补偿方法以及程序 |
|||||||
| 申请号 | CN202110109739.6 | 申请日 | 2021-01-27 | 公开(公告)号 | CN113391545A | 公开(公告)日 | 2021-09-14 |
| 申请人 | 三菱重工业株式会社; | 发明人 | 广江隆治; 井手和成; 佐濑辽; | ||||
| 摘要 | 提供能够根据少量数据高 精度 地计算应当输入到控制对象的输入值的补偿器。补偿器(3)具备：处理器(31)；以及存储装置(30)，该存储装置连接于处理器(31)并存储作为向控制对象(2)的输入的计测值的输入计测值和作为来自控制对象的输出的计测值的输出计测值。该处理器(31)执行：根据输入计测值和输出计测值来识别构成有限冲激响应 滤波器 的第一系数的处理；确定逆系统的处理，逆系统基于第一系数求出构成无限冲激响应滤波器的第二系数，包括第一系数的一部分和第二系数的所述控制对象(2)；以及基于逆系统，根据输出的目标值的负载和来估计应当输入到控制对象(2)的输入值的处理。 | ||||||
| 权利要求 | 1.一种补偿器，具备： |
||||||
| 说明书全文 | 补偿器、控制系统、补偿方法以及程序技术领域[0001] 本发明涉及补偿器、控制系统、补偿方法以及程序。 背景技术[0002] 在工业上的控制系统中，理想状态是使控制对象的输出完全追随目标值。为了达成此状态，使用控制对象的模型并使用前馈型的补偿器是有效的。与前馈的完全相反的反 馈基于目标值与输出的偏差进行工作，因此，在目标值以高频率变动的情况下难以避免追 随延迟。此外，为了抑制追随延迟，必须放大并补偿微小的偏差。但是，众所周知，增大偏差的放大率时会振荡，因此放大率是有限的。因此，仅靠反馈补偿难以使偏差为零。 [0003] 相对于此，前馈补偿以使控制对象的输出与目标值一致的方式计算输入。在该计算中，控制对象的模型起着重要作用。这是因为，如果模型是准确的，则当将计算出的输入 提供给控制对象时控制对象的输出与目标值一致。因此，获得准确的模型至关重要。现实的 控制对象由于运转状态的变化、装置的劣化等而随时间变动，因此模型也必须根据变动进 行更新。 [0004] 例如，如果在时刻t更新模型，一般根据控制对象的输入的最近的过去的值ui(i＝t‑1，t‑2，t‑3，…)和输出的最近的过去的值yi(i＝t‑1，t‑2，t‑3，…)，通过以下的算式(1)那样的离散时间的自回归移动平均(ARMA：Autoregressive Moving Average Model)型的 传递函数模型或无限冲激响应(IIR：Finite Impulse Response)滤波器来识别(例如，参照 专利文献1)。 [0005] [数式1] [0006] [0007] 在算式(1)中，z‑1是延迟运算符，{a1，a2，…，an，b1，b2，…，bn}是模型的调整参数。模型的调整参数例如通过最小二乘法来确定。 [0008] 现有技术文献 [0009] 专利文献 [0010] 专利文献1：日本特开2010‑86395号公报 发明内容[0011] 发明要解决的问题 [0012] 在此，当将目标值记为r时，理想状态是“y＝r”。当将达成上述那样的理想状态的输入记为“^u”(对应于向“u”附上了帽子符号的标记)时，因为上述必须是“P^u＝r”，所以理‑1 ‑1 想状态的输入表示为“^u＝P r”。这里，P 是根据控制对象的输出求出输入的传递函数，被‑1 称为逆系统。但是，这有两个问题。第一个是在逆系统P 中传递函数的分子的次数比分母的 ‑1 ‑1 次数大。由此，难以对P 进行数值计算。第二个是P 的分母的特征多項式的根中可能存在 ‑1 绝对值超过1的根。当有超过1的根时，P 变得不稳定，数值计算发散。例如，如以下的算式 ‑1 (2)，第一个的问题点可以通过以将目标值置换为“rz ”，延迟一步追随目标值的方式进行 ‑1 修正来处理。这等效于将针对目标值的参考模型(理想响应的模型)指定为z 。 [0013] [数式2] [0014] [0015] 但是，在以往的技术中，难以解决第二个的不稳定性。特别是，控制对象的逆系统‑1 P 是根据输入和输出的过去值估计的，估计与实际情况存在误差。作为误差的理由，可以举 出：由于阀门或致动器、或者传感器的误差而记录值与实际的值不同，用于估计的输入、输 ‑1 出的计测值中一定包含噪声等。为了实用，即使有这样的误差，也要求准确地估计P 。 [0016] 如上所述，模型的更新基于过去的数据进行。使用过去多少为止的数据在实用方面是重要的，希望是更少的。这是因为，如果能够以较少的数据更新模型，则即使控制对象 的特性在短期内变动，也能够捕捉变动来更新模型。例如，假设控制对象的特性在10分钟内 发生了变动。此时，如果能够根据过去1分钟的观测值更新模型，则能够根据变动更新预测 模型。但是，如果模型更新需要过去60分钟的观测值，则模型能够更新是在预测对象的变动 结束几十分钟后，预测有可能与现实不同。在上述的模型估计中，估计的精度与利用的数据 的长度有相反的关系。如果要确保模型估计的精度，就必须使用追溯到过去很长时间的数 据。另一方面，如果要仅根据最近的数据估计，则必须牺牲估计精度。 [0017] 本发明是鉴于这样的问题而完成的，提供能够根据少量数据高精度地计算应当输入到控制对象的输入值的补偿器、控制系统、补偿方法以及程序。 [0018] 技术方案 [0019] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向控制对象的输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值。所述处理器执行：根据所述输入计测值和所 ‑1 ‑2 ‑3 述输出计测值来识别如g1z +g2z +g3z +…那样构成有限冲激响应滤波器的第一系数{g1， ‑1 ‑1 ‑2 g2，g3，…}的处理；基于所述第一系数求出如传递函数的分子为g1z 且分母为1‑h1z ‑h2z ‑‑3 h3z ‑…那样构成无限冲激响应滤波器的第二系数{h1，h2，h3，…}，确定包括所述第一系数的一部分和所述第二系数的所述控制对象的逆系统的处理；以及基于所述逆系统，根据所 述输出的目标值的时刻历程的负载和来估计应当输入到所述控制对象的输入值的处理。 [0020] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向控制对象的输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值。所述处理器执行：根据所述输入计测值和所 ‑1 ‑2 ‑3 ‑1 述输出计测值来求出如传递函数的分母多项式为1‑h1z ‑h2z ‑h3z ‑…且分子为g1z 那样构成无限冲激响应滤波器的第二系数{h1，h2，h3，…}和第一系数{g1}，确定包括所述第二系数的所述控制对象的逆系统的处理；以及基于所述逆系统，根据按时刻设定的所述输出的 目标值的负载和来计算应当输入到所述控制对象的输入值的处理。 [0021] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，预先存储：输入计测值和输出计测值，所述输入计测值是向控制对象的输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值；构成所述控制对象的多个模型候选的每 一个的多个第一系数；以及逆系统，所述逆系统是与多个所述模型候选的每一个对应并作 为根据所述控制对象的所述输出的目标值来确定所述输入的目标值的系统。所述处理器执 行：基于所述输出计测值以及根据所述第一系数和所述输入计测值得到的输出的估计值， 估计多个所述模型候选的每一个的似然度的处理；选出估计的所述似然度最大的模型候选 的处理；以及基于与选出的所述模型候选对应的逆系统，根据按时刻设定的所述输出的目 标值的负载和来计算应当输入到所述控制对象的输入值的处理。 [0022] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，预先存储：输入计测值和输出计测值，所述输入计测值是向控制对象的输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值；以及构成所述控制对象的多个模型候选 的每一个的多个第一系数。所述处理器执行：基于所述输出计测值以及根据所述第一系数 和所述输入计测值得到的输出的估计值，估计多个所述模型候选的每一个的似然度的处 理；导出将所述似然度作为加权系数来将所述模型候选的每一个的第一系数进行负载平均 而得到的第三系数的处理；确定逆系统的处理，所述逆系统是基于所述第三系数求出构成 无限冲激响应滤波器的第二系数，包括所述第三系数的一部分和所述第二系数、根据所述 控制对象的所述输出的目标值来确定所述输入的目标值的系统；以及基于所述逆系统，根 据按时刻设定的所述输出的目标值的负载和来估计应当输入到所述控制对象的输入值的 处理。 [0023] 根据本发明的一个方案，补偿方法包括：根据输入计测值和输出计测值来识别构成有限冲激响应滤波器的第一系数的处理，所述输入计测值是向控制对象的输入的计测 值，所述输出计测值是来自所述控制对象的输出的计测值；确定逆系统的处理，所述逆系统 是基于所述第一系数求出构成无限冲激响应滤波器的第二系数，包括所述第一系数的一部 分和所述第二系数、根据所述控制对象的所述输出的目标值来确定所述输入的目标值的系 统；以及基于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来估计应当输入 到所述控制对象的输入值的处理。 [0024] 根据本发明的一个方案，程序使补偿器的计算机执行：根据输入计测值和输出计测值来识别构成有限冲激响应滤波器的第一系数的处理，所述输入计测值是向控制对象的 输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值；确定逆系统的处理， 所述逆系统是基于所述第一系数求出构成无限冲激响应滤波器的第二系数，包括所述第一 系数的一部分和所述第二系数、根据所述控制对象的所述输出的目标值来确定所述输入的 目标值的系统；以及基于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来估 计应当输入到所述控制对象的输入值的处理。 [0025] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向控制对象的输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值。所述处理器执行：根据所述输入计测值和所 述输出计测值来识别构成有限冲激响应滤波器的第一系数的处理；基于所述第一系数求出 ‑1 ‑1 ‑2 ‑3 如传递函数的分子为g1z 且分母多项式为1‑h1z ‑h2z ‑h3z ‑…那样构成无限冲激滤波器的第二系数，确定包括所述第一系数的一部分和所述第二系数的所述控制对象的逆系统的 处理；以及基于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来估计应当输 入到所述控制对象的输入值的处理。根据本发明的一个方案，根据目标值的时刻历程，基于 前期控制对象中没有干扰、特性变动的情况下的理想输出的计算值与前期控制对象的实际 的输出的差，通过目标基准值更新装置以控制输入的更新周期的2倍以上的长周期来更新 目标基准值，进而将所述目标基准值输入到参考模型中，以使所述以长周期更新的目标基 准值与控制输入的更新周期一致的方式生成插补的目标值。然后，执行向前期补偿器输入 目标值，估计应当输入到所述控制对象的输入值的处理。 [0026] 根据本发明的一个方案，补偿器具备：处理器；以及存储装置，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向补偿对象的输入的计测值，所述输出计测值是来自所述补偿对象的输出的计测值。所述处理器执行：根据所述输入计测值和所 述输出计测值来识别构成有限冲激响应滤波器的第一系数的处理；基于所述第一系数求出 ‑1 ‑1 ‑2 ‑3 如传递函数的分子为g1z 且分母多项式为1‑h1z ‑h2z ‑h3z ‑…那样构成无限冲激滤波器的第二系数，确定包括所述第一系数的一部分和所述第二系数的所述控制对象的逆系统的 处理；以及基于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来估计所述补 偿对象的输入值的处理。 [0027] 有益效果 [0029] 图1是表示本发明的第一实施方式的控制系统的功能构成的图。 [0030] 图2是表示本发明的第二实施方式的控制系统的功能构成的图。 [0031] 图3是表示本发明的第三实施方式的控制系统的功能构成的图。 [0032] 图4是表示本发明的第四实施方式的控制系统的功能构成的图。 [0033] 图5是表示本发明的第五实施方式的控制系统的功能构成的图。 [0034] 图6是表示本发明的第六实施方式的控制系统的功能构成的图。 [0035] 图7是表示本发明的第七实施方式的控制系统的功能构成的图。 具体实施方式[0037] <第一实施方式> [0038] 以下，参照图1对本发明的第一实施方式的控制系统1进行说明。 [0039] (控制系统的功能构成) [0040] 图1是表示本发明的第一实施方式的控制系统的功能构成的图。 [0041] 如图1所示，控制系统1具备：补偿器3，计算应当输入到控制对象2的输入值；以及目标值产生装置4，产生控制对象2的输出的目标值。 [0042] 补偿器3使用服务器、个人计算机等计算机构成，具备第一存储装置30(存储装置)和处理器31。 [0043] 第一存储装置30连接于处理器31，存储从控制对象2按规定周期接收的输入的计测值(以下，记载为“输入计测值u”)以及输出的计测值(以下，记载为“输出计测值y”)。 [0044] 处理器31负责补偿器3的整体动作。处理器31通过根据规定的程序动作来发挥作为识别部310、逆系统确定部311、前馈补偿部312的功能。 [0045] 识别部310根据输入计测值u和输出计测值y来执行识别构成有限冲激响应滤波器(FIR滤波器)的第一系数g的处理S1。 [0046] 逆系统确定部311基于第一系数g求出构成无限冲激响应滤波器(IIR滤波器)的第二系数h，执行确定包括第一系数g的一部分和第二系数h的控制对象2的逆系统的处理S2。 逆系统是根据控制对象2的输出的目标值求出输入的目标值的模型。即，逆系统确定部311 确定根据输出的目标值求出输入的目标值的模型。 [0047] 前馈补偿部312基于逆系统来执行根据输出的目标值的时刻历程的负载和来计算并估计应当输入到控制对象2的输入的处理S3。 [0048] (补偿器的处理流程) [0049] 在此，对本实施方式的补偿器3的各部分中的具体的处理流程进行说明。首先，补偿器3的识别部310使用核型系统识别法来执行识别构成FIR滤波器的第一系数g的处理S1。 在核型系统识别中，如下所述，通过贝叶斯估计来识别控制对象2的冲激响应。 [0050] 当将控制对象2的输入计测值设为ui(i＝t，t‑1，t‑2，…)，将输出计测值设为yi(i＝t，t‑1，t‑2，…)时，如以下的算式(3)所示，将控制对象2的输出用FIR滤波器的形式表达。 [0051] [数式3] [0052] [0053] 上述算式(3)将控制对象2的输出计测值y通过输入计测值u的带负载的移动平均、以及观测噪声的和来表达。带负载的移动平均的负载系数(第一系数)是{g1，g2，…，gn}。该负载系数相当于控制对象2的冲激响应。观测噪声设为用平均为0且标准偏差为σ的高斯分 布来表示的噪声。“^yt”(对应于向“yt”附上了帽子符号的标记。以下同样)是yt的估计值。 [0054] 在基于FIR滤波器的预测模型中，上述算式(3)的输入计测值u的负载系数{g1，g2，…，gn}的值基于实际的输入计测值u以及输出计测值y确定。在核型系统识别中，针对负载系数{g1，g2，…，gn}，导入平均0，协方差K(n×n)的先验分布来确定{g1，g2，…，gn}的值。该K被称为核(kernel)，嵌入有关于控制对象2的事先信息。例如，在一次稳定样条核中，嵌入 有控制对象2的冲激响应指数收敛的事先知识。当使用一次稳定样条核时，K的i行j列要素 通过以下的算式(4)给出。 [0055] [数式4] [0056] [K]i，j＝λβmax{i，j}，λ＞0，0＜β＜1，(i＝1，2，…，n；j＝1，2，…，n) [0057] ···(4) [0058] 在此，λ以及β是调整核K的参数，根据控制对象2的系统特性预先设定的参数被提供给识别部310。需要说明的是，在λ以及β的值不清楚的情况下，可以事先准备多个他们的组合，针对组合的每一个进行以下说明的运算，使用输出计测值y与模型的估计值“^y”的误差(例如误差的方差)最小的组合的结果。 [0059] 为了表示的简单化，导入以下的算式(5)所示的向量表达。在算式(5)中，N为观测点数。 [0060] [数式5] [0061] [0062] 当使用这些算式时，负载系数g的后验分布是协方差通过算式(6)、平均通过算式(7)来表示的高斯分布。 [0063] [数式6] [0064] [0065] [数式7] [0066] [0067] 算式(7)的“^g”(对应于向“g”附上了帽子符号的标记。以下同样)是负载系数g的估计值。识别部310将估计的“^g”的值作为模型的常数来识别。 [0068] 上述的核型系统识别法的优点是能够通过较少的数据点数N得到预测模型。在一般的方法中，预测模型的常数的数量n为30左右时，数据点数需要2000左右。相对于此，在上述的核型系统识别法中，优点是能够在N为100左右时进行识别。 [0069] 接着，逆系统确定部311执行确定控制对象2的逆系统的处理S2。如上所述，控制对象2的模型设为基于FIR滤波器用以下的算式(8)或算式(8A)表示。 [0070] [数式8] [0071] [0072] [数式8A] [0073] [0074] 首先，逆系统确定部311将表示控制对象2的算式(8)的FIR滤波器变换为用以下的算式(9)表示的特别的形式的IIR滤波器。算式(9)能够如算式(9A)那样表示。 [0075] [数式9] [0076] [0077] [数式9A] [0078] [0079] 在上述算式(9)中，g1是已经求出的FIR滤波器的一部分。{h1，h2，…，hn‑1}是作为IIR滤波器的参数的系数(第二系数)，求解下列算式(10)的联立一次方程式而求出。 [0080] [数式10] [0081] [0082] 此外，当将IIR滤波器作为向量时，为如以下算式(11)。 [0083] [数式11] [0084] [0085] 针对输入的冲激响应{g}是输出{y}实际的值的一个例子。因此，即使将{y0，y1，y2，…，yn}改写为{0，g1，g2，…，gn}，将{u1，u2，…，un}改写为单位冲激{1，0，0，…，0}上述算式(11)也必须成立。这样一来，例如g2可以写为算式(12)，同样地，g3可以写为算式(13)。 [0086] [数式12] [0087] [0088] [数式13] [0089] [0090] 当将它用矩阵表示时，为以下的算式(14)，能够得到{h}为未知数的上述算式(10)的联立一次方程式。 [0091] [数式14] [0092] [0093] 这样一来，逆系统确定部311能够确定用以下的算式(15)表示的逆系统。 [0094] [数式15] [0095] [0096] 接着，前馈补偿部312执行计算在时刻t应当输入到控制对象2的输入值ut的处理S3。在此，前馈补偿部312为了达成作为时刻t的一步未来的时刻的时刻t+1上的目标值rt+1，通过基于逆系统的算式(16)计算并估计在时刻t应当输入的输入值ut。 [0097] [数式16] [0098] [0099] 在此，{rt+1，rt，rt‑1，…，rt‑n}是按时刻设定的输出的目标值，即，从目标值产生装置4获取的输出的目标值的时刻历程。如上所述，前馈补偿部312根据目标值的时刻历程的负载和求出输入值ut。具体而言，目标值是机床的切削的计划轨道，或者是航空器那样的移 动体的计划轨道，或者是发电厂的计划发电量，或者是对控制对象2以及补偿器3来说给定 的目标值。 [0100] 需要说明的是，前馈补偿部312的输入值ut的估计处理(处理S3)随时进行，但识别部310的模型的常数(“^g”)的估计以及更新处理(处理S1)按规定周期(例如，每10分钟)进 行。该规定周期可以根据控制对象的系统特性任意地变更。由此，补偿器3能够将控制对象2 的特性的变动定期地反映到预测模型中。 [0101] (作用效果) [0102] 如上所述，本实施方式的补偿器3根据输入计测值u和输出计测值y执行：识别构成FIR滤波器的第一系数g的处理S1；基于第一系数g求出构成IIR滤波器的第二系数h，确定包 括第一系数g的一部分(g1)和第二系数h的控制对象2的逆系统的处理S2；以及基于逆系统， 根据输出的目标值r的时刻历程的负载和来估计并补偿应当输入到控制对象2的输入值ut 的处理S3。 [0103] 由此，补偿器3通过使用核型系统识别法识别构成FIR滤波器的第一系数g，能够用比以往的系统更少的数据点数进行控制对象2的模型的更新。此外，本实施方式的补偿器3 解决了用以往的IIR滤波器表示控制对象2的模型时发生的数值计算发散的问题。在本实施 方式的补偿器3中，控制对象2的模型如算式(9)那样用特殊形式的IIR滤波器表示，因此使 如算式(8)那样用FIR滤波器来计算控制对象2的逆系统成为可能。由此，用目标值r的时刻 历程的负载和来计算输入值ut，因此能够避免数值计算的发散。因此，补偿器3能够根据少 量数据高精度地计算应当输入到控制对象2的输入值ut。 [0104] <第二实施方式> [0105] 接着，参照图2对本发明的第二实施方式的控制系统1进行说明。 [0106] 对与第一实施方式共同的构成要素附上相同的附图标记并省略详细说明。 [0107] (控制系统的功能构成) [0108] 图2是表示本发明的第二实施方式的控制系统的功能构成的图。 [0109] 第一实施方式的补偿器3需要两个过程(处理S1～处理S2)，首先在识别部310中导出基于FIR滤波器的预测模型，接着在逆系统确定部311中变换为基于IIR滤波器的预测模 型。相对于此，如图2所示，本实施方式的补偿器3的特征在于，在逆系统确定部311中，直接导出基于IIR滤波器的预测模型。因此，在本实施方式的补偿器3中，可以省略识别部310。 [0110] (补偿器的处理流程) [0111] 对本实施方式的补偿器3的具体的处理流程进行说明。本实施方式的补偿器3求出构成IIR滤波器的第一系数g以及第二系数h并执行确定控制对象2的逆系统的处理S22来代 替第一实施方式的处理S1～S2。在该处理S22中，逆系统确定部311首先如下对控制对象2进 行建模。算式(17)的无限冲激响应滤波器如算式(17A)那样，也能够表示为分母多项式是1‑ ‑1 ‑2 ‑3 ‑1 h1z ‑h2z ‑h3z ‑…的、分子是g1z 的传递函数。 [0112] [数式17] [0113] [0114] [数式17A] [0115] [0116] 与第一实施方式的FIR模型的识别(处理S1)的不同之处在于将输出计测值y的过去值用于预测。伴随于此，针对输出计测值y的过去值的第二系数{h1，h2，…，hn‑1}成为识别的对象。此外，输入计测值u的系数仅为g1。当对此进行反映时，一次稳定样条核如以下的算式(18)。 [0117] [数式18] [0118] [0119] 此外，作为一次稳定样条核Kgh的要素的Kg以及Kh分别如算式(19)、(20)所示。 [0120] [数式19] [0121] [Kg]1，1＝λβ，λ＞0，0＜β＜1 ···(19) [0122] [数式20] [0123] [0124] 而且，当导入基于接下来的算式(21)的向量表达时，模型常数[g1，hT]T的后验分布为协方差是算式(22)、平均是算式(23)的高斯分布。 [0125] [数式21] [0126] [0127] [数式22] [0128] [0129] [数式23] [0130] [0131] 将“^g1”以及“^h”(对应于向“h”附上了帽子符号的标记。以下同样)的值分别用于基于IIR滤波器的预测模型的第一系数g1以及第二系数h。即，前馈补偿部312基于这些系数g1以及h和用第一实施方式的算式(16)表示的逆系统，执行计算并估计在时刻t上应当输入 的输入值ut的处理S3。 [0132] (作用效果) [0133] 如上所述，本实施方式的补偿器3根据输入计测值u和输出计测值y，求出构成算式(9)所示的特别的形式的IIR滤波器的第一系数g和第二系数h，执行确定包括第一系数g的 一部分(g1)和第二系数h的控制对象2的逆系统的处理S22。 [0134] 由此，补偿器3能够省略导出基于FIR滤波器的预测模型的处理(识别部310的处理S1)，直接导出基于算式(9)所示的特别的形式的IIR滤波器的预测模型。由此，补偿器3能够 简化用于求出输入值ut的一系列的处理。 [0135] <第三实施方式> [0136] 接着，参照图3对本发明的第三实施方式的控制系统1进行说明。 [0137] 对与上述的各实施方式共同的构成要素附上相同的附图标记并省略详细说明。 [0138] (控制系统的功能构成) [0139] 图3是表示本发明的第三实施方式的控制系统的功能构成的图。 [0140] 第一实施方式和第二实施方式的补偿器3与控制对象2的前馈补偿并行地实时识别控制对象2的模型。但是，由于施加运算负荷、不能预先检查并行地导出的前馈补偿器(逆 系统)的好坏等，因此实时地进行用于模型识别的运算不是优选的。为了解决这个问题，本 实施方式的补偿器3的处理器31如图3所示发挥作为似然度估计部313、选出部314、前馈补 偿部312的功能。需要说明的是，前馈补偿部312的功能的一部分与第一实施方式是同样的。 在此，仅对与上述的各实施方式不同的功能进行说明。 [0141] 似然度估计部313基于输出计测值y和根据第一系数g和输入计测值u得到的输出的估计值“^y”来执行估计多个模型候选的每一个的似然度的处理S31。 [0142] 选出部314执行选出估计的似然度最大的模型候选的处理S32。 [0143] 前馈补偿部312基于与选出的模型候选对应的逆系统来执行根据输出的目标值r的时刻历程的负载和来计算应当输入到控制对象2的值ut的处理S33。 [0144] 此外，本实施方式的补偿器3还具备第二存储装置301(存储装置)。第二存储装置301预先存储构成控制对象2的多个模型候选的每一个的多个第一系数g和与多个模型候选 的每一个对应的逆系统。 [0145] (补偿器的处理流程) [0146] 对本实施方式的补偿器3的具体的处理流程进行说明。 [0147] 首先，在第二存储装置301中预先存储有将在预期控制对象2的动态特性变动的范围内创建的多个模型候选和针对多个模型候选的每一个的逆系统(前馈补偿器)配对的数 据。所谓模型候选是使控制对象2的运转条件变化而创建的基于FIR滤波器的预测模型的候 选。在控制对象是发电厂的情况下，运转条件例如是发电厂的输出。在该情况下，按发电厂 的每个输出(例如输出100％，90％，80％，……)创建有模型候选1，2，3，……。此外，对该模型候选的每一个预先算出包括基于输入计测值u和输出计测值y算出的第一系数g和第二系 数h的逆系统。该模型候选1，2，3，……和逆系统的组合{{g，h}1，{g，h}2，{g，h}3，…}预先存储在第二存储装置301。需要说明的是，在控制对象是机床的情况下，运转条件可以是机械 的移动速度、夹具配置等。 [0148] 此外，实时地，似然度估计部313对存储在第二存储装置301的模型候选的每一个执行估计模型候选的似然度的处理S31。具体而言，首先似然度估计部313使用多个模型候 选的每一个的第一系数g和输入计测值u来执行求出控制对象2的输出估计值“^y”的响应预 测处理S31A。例如，如图3所示，似然度估计部313使用在第二存储装置301中预先存储的模 型候选1的第一系数{g}1和在第一存储装置30中蓄积的输入计测值u来估计模型候选1的输 出估计值“^y”。此时，似然度估计部313可以估计多个时刻t‑1，t‑2，t‑3，……分别对应的输出估计值“^yt‑1”，“^yt‑2”，“^yt‑3”，……。同样地，似然度估计部313分别估计模型候选2， 3，……的输出估计值“^y”。 [0149] 接着，似然度估计部313基于输出估计值“^y”和在第一存储装置30中蓄积的输出计测值y来执行估计模型候选1的似然度L1的似然度评价处理S31B。似然度的估计，例如考 虑计测噪声等而将输出估计值“^y”与输出计测值y的差假定为由高斯分布表示等，能够通 过简单的运算求出。例如，使用以下的算式(24)来估计似然度L1。同样地，似然度估计部313分别估计模型候选2，3，……的似然度L2，L3，……。 [0150] [数式24] [0151] [0152] 接着，选出部314执行选出模型候选1，2，3……中似然度最大的模型候选，即，输出估计值“^y”最接近作为实测值的输出计测值y的模型候选的处理S32。 [0153] 接着，前馈补偿部312使用与由选出部314选出的模型候选成为一对的逆系统来执行计算并估计输入值ut的处理S33。计算并估计输入值ut的处理与第一实施方式的处理S3是 同样的。 [0154] (作用效果) [0155] 如上所述，本实施方式的补偿器3执行：基于输出计测值y以及根据在第二存储装置301中预先存储的逆系统和输入计测值u得到的输出的估计值“^y”，估计多个逆系统的每 一个的似然度的处理S31；选出多个逆系统中估计的似然度最大的逆系统的处理S32；以及 基于选出的逆系统根据输出的目标值r的时刻历程的负载和来计算应当输入到控制对象2 的输入值ut的处理S33。 [0156] 由此，补偿器3不进行用于实时识别的运算，因此能够减轻运算负荷。此外，补偿器3预先创建逆系统，因此能够预先检查逆系统的好坏。 [0157] <第四实施方式> [0158] 接着，参照图4对本发明的第四实施方式的控制系统1进行说明。 [0159] 对与上述的各实施方式共同的构成要素附上相同的附图标记并省略详细说明。 [0160] (控制系统的功能构成) [0161] 图4是表示本发明的第四实施方式的控制系统的功能构成的图。 [0162] 在上述的第三实施方式中，从多个模型候选群中只选出一个似然度最大的模型候选，用与选出的模型候选对应的逆系统计算了控制对象的输入值ut。虽然，该方式在其模型 候选的似然度与其他的模型候选的似然度相比压倒性地高的情况下没有问题，但在例如有 两个具有压倒其他的似然度的模型候选而且两个的似然度相抗衡的情况下，无论选出两个 候选的哪一个，对于控制对象2都可能产生误差。在这种情况下，理想的是假定控制对象2处 于两个模型候选的中间的状态而针对中间的状态来进行有效的控制。 [0163] 因此，本实施方式的补偿器3的处理器31发挥作为似然度估计部313、估计模型导出部315、逆系统确定部311、前馈补偿部312的功能。需要说明的是，似然度估计部313的功 能与第三实施方式是相同的。此外，逆系统确定部311以及前馈补偿部312的功能的一部分 与第一实施方式是相同的。在此，仅对与上述的各实施方式不同的功能进行说明。 [0164] 估计模型导出部315将由似然度估计部313估计的似然度作为加权系数来执行导出将模型候选的每一个的第一系数g进行了负载平均的第三系数γ的处理S42。 [0165] 逆系统确定部311求出基于第三系数γ来构成IIR滤波器的第二系数h，执行确定包括第三系数γ的一部分(γ1)和第二系数h的控制对象2的逆系统的处理S44。 [0166] 前馈补偿部312基于由逆系统确定部311确定的逆系统来执行根据输出的目标值r的时刻历程的负载和来估计应当输入到控制对象2的输入值ut的处理S43。 [0167] 此外，本实施方式的第二存储装置301预先存储构成控制对象2的多个模型候选的每一个的多个第一系数{{g}1，{g}2，{g}3，…}。 [0168] (补偿器的处理流程) [0169] 首先，在第二存储装置301中预先存储有在预期控制对象2的动态特性的变动的范围内创建的多个模型候选。模型候选是与第三实施方式同样地使控制对象2的运转条件变 化而创建的、基于FIR滤波器的预测模型的候选。在第二存储装置301中预先存储有构成该 多个模型候选的每一个的多个第一系数{{g}1，{g}2，{g}3，…}。 [0170] 此外，实时地，似然度估计部313与第三实施方式同样地执行估计多个模型候选1，2，3，……的每一个的似然度L1，L2，L3，……的处理S31。 [0171] 接着，估计模型导出部315将由似然度估计部313估计的似然度L1，L2，L3，……作为模型候选的每一个的加权系数来执行将这些模型候选进行了加权平均的模型作为估计 模型(第三系数γ)来导出的处理S42。需要说明的是，模型候选以FIR滤波器的形式来保持 模型，因此加权平均简单地针对FIR滤波器的第一系数g的每一个进行即可。因此，第三系数 γ能够通过以下的算式(25)导出。 [0172] [数式25] [0173] [0174] 接着，逆系统确定部311求出基于第三系数γ来构成IIR滤波器的第二系数h，执行确定包括第三系数γ的一部分(γ1)和第二系数h的控制对象2的逆系统的处理S44。在此， 与第一实施方式中的处理S2是相同的，将处理S2的第一系数g置换为第三系数γ即可。 [0175] 接着，前馈补偿部312使用由逆系统确定部311确定的逆系统来执行计算并估计输入值ut的处理S43。计算并估计输入值ut的处理与第一实施方式的处理S3是相同的，将处理 S3的第一系数g置换为第三系数γ即可。 [0176] (作用效果) [0177] 如上所述，本实施方式的补偿器3执行：基于输出计测值y以及根据第一系数g和输入计测值u得到的输出的估计值“^y”，估计多个模型候选的每一个的似然度的处理S31；将 似然度作为加权系数来导出将模型候选的每一个的第一系数g进行负载平均而得到的第三 系数γ的处理S42；基于第三系数γ求出构成IIR滤波器的第二系数h，确定包括第三系数γ 的一部分(γ1)和第二系数h的控制对象2的逆系统的处理S44；以及基于逆系统，根据输出 的目标值r的时刻历程的负载和来估计应当输入到控制对象2的输入值ut的处理S43。 [0178] 如上所述，补偿器3将控制对象2用模型候选的加权平均来表达，因此能够改善模型的精度。由此，补偿器3能够估计能够改善控制的精度的输入值ut并提供给控制对象2。此 外，补偿器3通过将控制对象2用模型候选的加权平均来表达，能够将控制对象2的变动用少 数的模型候选来表达。 [0179] <第五实施方式> [0180] 接着，参照图5对本发明的第五实施方式的控制系统1进行说明。 [0181] 对与上述的各实施方式共同的构成要素附上相同的附图标记并省略详细说明。 [0182] (控制系统的功能构成) [0183] 图5是表示本发明的第五实施方式的控制系统的功能构成的图。 [0184] 在上述的第三实施方式和第四实施方式中，补偿器3估计了所有多个模型的似然度。但是，当将所有的模型候选都作为计算对象时，在计算时间方面是不合适的。 [0185] 因此，本实施方式的补偿器3在模型候选选择部316中还执行从多个模型候选中选择作为计算对象的一部分的模型的处理S51。 [0186] (补偿器的处理流程) [0187] 在此，对在第四实施方式的补偿器3中追加了模型候选选择部316的功能的方案进行说明。需要说明的是，在其他的实施方式中，也可以在第三实施方式的补偿器3中追加模 型候选选择部316的功能。 [0188] 模型候选选择部316获取控制对象2的状态执行仅选择表示其状态的模型候选的处理S51。例如，如果控制对象2是发电厂，则作为状态获取该发电厂的电输出(例如，80％)，并从多个模型候选中仅选择与该电输出对应的模型候选(例如，与电输出60％～80％对应 的模型候选)。此外，如果控制对象2是机床，则模型候选选择部316可以作为控制对象2的状 态获取机械的移动速度、方向、配置等。 [0189] 此外，似然度估计部313仅估计由模型候选选择部316选择的模型候选的似然度。需要说明的是，估计似然度的处理的具体的内容与上述的第三实施方式和第四实施方式的 处理S31是相同的。 [0190] (作用效果) [0191] 如上所述，本实施方式的补偿器3还执行从多个模型候选中选择与控制对象的状态对应的模型候选的处理S51。此外，补偿器3在估计似然度的处理S31中估计选择的模型候 选的似然度。 [0192] 由此，补偿器3能够削减进行似然度的估计的模型候选的个数，因此能够降低运算负荷。 [0193] <第六实施方式> [0194] 上述的第一实施方式～第五实施方式能够应用于用于控制各种控制对象2的系统。例如，如在本实用例1中说明的那样，上述的各实施方式的控制系统1可以作为发电机的 控制系统使用。需要说明的是，为了简化说明，在此对将第一实施方式的控制系统1作为发 电机的控制系统使用的例子进行说明。 [0195] 电力的需求因消费者的情况而不断变动。因此，在电力系统中，以发电厂为代表的电源调整供给的电力来使需求与供给平衡。具体而言，在由燃气轮机、蒸气轮机等构成的火 力发电厂中，运转为将燃气轮机驱动的发电机的转速保持在例如相当于60Hz的基准值。对 电力系统来说需求的变动是干扰，有当需求超过供给时频率减少，相反当其不足时频率增 加的性质。如果电力系统处于整定状态，则发电机的转速与相当于频率的值完全一致，因此 在火力发电厂中将发电机的转速保持在基准值。具体而言，使燃料、蒸气流量增减来进行运 转，以便如果转速减少则提高燃气轮机的输出，如果转速增加则降低燃气轮机的输出。但 是，从增加燃气轮机的输出到实际发电量增加存在延迟，产生转速的误差。误差随着干扰越 大而越明显。该延迟由燃气轮机与发电机的惯性所引起的延迟以及发电机和电力系统的导 纳(电的易流动性)所引起的延迟这两者引起。其中，后者根据发电机、电力系统的负荷而值 变动。在变动大的情况下，电力系统中产生频率变动，电力的品质显著降低。因此，使用上述的各实施方式的补偿器3来进行用于降低频率变动的控制。 [0196] 图6是表示第六实施方式的控制系统的功能构成的图。在图6中示出了将本发明的至少一个实施方式的控制系统用于发电机的控制系统的例子。 [0197] 如图6所示，在本实施方式中，控制对象2是轮机发电机。此外，在本发明的补偿器3中，使用第一实施方式的补偿器3。 [0198] 在上述的实施方式中，目标值r都是给定的。但是，将目标值设为给定的方式对抑制电力系统的频率变动没有帮助。因为目标值的值是事先确定的，不反映每时每刻的频率 的变动。本实施方式谋求其改善，基于每时每刻的频率来更新目标值，从而抑制频率变动。 本实施方式以发电机为控制对象进行说明，但通常能够应用于受干扰、特性变动的影响的 控制对象。 [0199] 在本实施方式中，输出y是轮机发电机2的电输出。输入u是调速器开度校正。本实施方式的控制系统1是在第一实施方式中追加理想响应输出模型5、目标基准值更新装置6 和参考模型7而构成的。理想响应输出模型5是输出控制对象2的输出y的基准值的模型。在 轮机发电机2中，基准输出yref是轮机发电机2的旋转误差、即相当于频率基准值的转速与实 际转速的差乘以比例系数而求出的电输出调整量ΔPE0加上常数项PE0的值。 [0200] 目标基准值更新装置6特别是以输入u的运算周期的2倍以上的长周期进行运算来更新目标基准值r0。例如，如果运算周期为5倍，则目标基准值如r0i(i＝1，6，11，…)那样以5倍的周期来更新值。目标基准值r0的运算周期间的值代入最近的更新值。例如在r05和r04、 r03、r02中代入r01的值。目标基准值r0的更新的运算例如最简单的是积分运算。在r0的前次值上加上基准输出yref与实际的输出y的差是最基本的实施例。而且，由于运算周期长，因此目标基准值更新装置6也可以设置用于去除基准输出yref与实际的输出y的差中包含的噪声分 量的平滑滤波器。平滑滤波器按输入u的运算周期来计算。 [0201] 参考模型7使控制输入u的更新周期与目标基准值r0的更新周期匹配。如上所述，目标基准值r0例如每5步更新一次，因此呈阶梯状变化。因此，作为参考模型例如使用一次 延迟等滤波器，按控制输入u的更新周期来对其进行运算，更新目标基准值r0。例如在5步期 间生成输出y应当遵循的目标值r。如果目标基准值如r0i(i＝1，6，11，…)那样每5步更新一次，则参考模型输入如{r01，r01，r01，r01，r01，r06，r06，r06，r06，r06，r011，r011，r011，r011，r011，…}那样每5步值更新一次的目标基准值r0的时刻历程，如{r1，r2，r3，r4，r5，r6，r7，r8，r9，r10，r11，r12，r13，r14，r15，…}那样每步更新一次目标值r来作为前馈补偿部312的输入。 [0202] 补偿器3计算的控制输入u在加法处理S62中与现有的调速器指令相加，用于轮机发电机2的控制。 [0203] 如上所述，通过在轮机发电机2的控制系统1中应用第一实施方式的补偿器3，提高了控制的精度。需要说明的是，在该轮机发电机2的控制系统1中应用第二实施方式～第五 实施方式的补偿器3也能够得到同样的效果。而且，本实施方式不限于轮机发电机。例如，也能够应用于航空机、船舶因风、潮流的影响而偏离计划轨道时的补偿、锅炉的蒸气温度、压 力偏离设定值时的补偿等。 [0204] <第七实施方式> [0205] 此外，上述的各实施方式的补偿器3如本实施方式中说明的那样可以应用于通信网络、均衡器。在此，为了简化说明，对将第一实施方式的控制系统1作为通信网络的均衡器使用的例子进行说明。 [0206] 在通信网络、电子电路中在信号通过的传输路中存在延迟、特性变动的情况下，有时其信号波形产生变形，产生数据判定的错误。在该情况下，为了通过进行信号波形的整形 (均衡)来减少数据判定错误，使用均衡器(或均衡电路)。但是，作为传输路的大气、电线等 介质的特性，每次进行通信都有可能遵循不同的传输路径，并随时间变动。此外，该介质的 特性也因环境温度、性能劣化等影响而随时间变动。因此，信号波形的均衡器需要追随特性 变动。 [0207] 在以往的技术中，使用具有补偿滤波器和自适应滤波器的均衡器进行信号波形的均衡。补偿滤波器构成为对作为均衡对象的传输路的冲激响应波形进行采样的无限冲激响 应滤波器(IIR滤波器)。但是，在以往的技术中，需要事先向均衡对象施加冲激来获取冲激 响应，作为其结果补偿滤波器在共享中保持固定。因此，在以往的技术中，不能均衡时间变 动，因此在补偿滤波器的后期配置自适应滤波器来调節均衡特性。假设，即使在共享中施加 冲激而能够计测冲激响应，IIR滤波器根据系数的值是发散的，因此如果将计测的冲激响应 直接用于IIR滤波器的系数，则有可靠性降低的可能性。 [0208] 因此，在本实施方式中，对在均衡电路中应用补偿器3来代替以往的补偿滤波器以及自适应滤波器的例子进行说明。 [0209] 图7是表示本发明的第七实施方式的控制系统的功能构成的图。 [0210] 例如，在均衡电路2中将第一实施方式的补偿器3作为补偿滤波器进行应用。识别部310根据输入到通信器8的测试信号u和对其的响应(通信器8的输出信号)y来识别均衡对 象的冲激响应[^g](处理S1)。接着，逆系统确定部311基于冲激响应[^g]来确定逆系统及其 冲激响应{h}(处理S2)。前馈补偿部312基于逆系统来计算并估计均衡输出信号ut‑1(处理 S3)。均衡输出信号ut是补偿了由传输路引起的变形的信号。由此，补偿器3能够提高通信的 品质。 [0211] <硬件构成> [0212] 图8是表示本发明的至少一个实施方式的补偿器3以及目标值产生装置4的硬件构成的一个例子的图。 [0214] 上述的补偿器3以及目标值产生装置4分别安装于计算机900。然后，上述的各处理部的动作以程序的形式存储于存储器903。处理器901从存储器903读取程序并在主存储器 902中展开，依据该程序执行上述处理。此外，处理器901依据程序在主存储器902中确保与 上述的各存储部对应的存储区域。 [0215] 程序也可以用于实现使计算机900发挥的功能的一部分。例如，程序也可以通过与已经在存储器903中存储的其他程序的组合，或者与其他装置所安装的其他程序的组合来 发挥功能。需要说明的是，在其他实施方式中，计算机900可以在除了上述构成之外或者代 替上述构成而具备PLD(Programmable Logic Device：可编程逻辑器件)等自定义LSI (Large Scale Integrated Circuit：大规模集成电路)。作为PLD的例子，列举出PAL (Programmable Array Logic：可编程阵列逻辑)、GAL(Generic Array Logic：通用阵列逻 辑)、CPLD(Complex Programmable Logic Device：复杂可编程逻辑器件)、FPGA(Field Programmable Gate Array：现场可编程门阵列)。在该情况下，通过处理器901实现的功能 的一部分或者全部可以通过该集成电路实现。 [0216] 作为存储器903的例子，列举出磁盘、光磁盘、光盘、半导体存储器等。存储器903可以是与计算机900的总线直接连接的内部介质，也可以是经由接口904或通信回线与计算机900连接的外部介质910。此外，可以在通过通信线路向计算机900分发该程序的情况下，接 受到分发的计算机900将该程序在主存储器902中展开，执行上述处理。在至少一种实施方 式中，存储器903为非暂时的有形的存储介质。 [0217] 此外，该程序也可以是用于实现上述的功能的一部分的程序。而且，该程序也可以是通过与已存储于存储器903的其他程序的组合来实现上述的功能的所谓的差分文件(差 分程序)。 [0218] 以上，对本发明的实施方式进行了详细说明，但只要不脱离本发明的技术思想就不限于此，也可以进行稍许设计变更等。 [0219] <补充说明> [0220] 上述的实施方式中记载的补偿器、控制系统、补偿方法以及程序例如理解如下。 [0221] 根据本发明的第一方案，补偿器(3)具备：处理器(31)；以及存储装置(30)，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向控制对象(2)的输入的计 测值，所述输出计测值是来自所述控制对象的输出的计测值。所述处理器执行：根据所述输 入计测值和所述输出计测值来识别构成有限冲激响应滤波器(FIR滤波器)的第一系数的处 理；基于所述第一系数求出构成自回归滤波器(AR滤波器)的第二系数，确定包括所述第一 系数的一部分和所述第二系数的所述控制对象的逆系统的处理；以及基于所述逆系统，根 据按时刻设定的所述输出的目标值的负载和来估计应当输入到所述控制对象的输入值的 处理。 [0222] 由此，补偿器通过识别构成FIR滤波器的第一系数，能够用比以往的系统更少的数据点数来进行模型的更新。此外，在以往的核型系统识别法中，当使用FIR滤波器的第一系 数的全部时计算量变得庞大，因此算出包括全部第一系数的逆系统是困难的。但是，本实施 方式的补偿器通过将使用的第一系数仅限定为一部分，能够容易地确定逆系统。而且，在以 往的ARMA型的传递函数模型中，如上所述，根据值的不同，数值计算有时会发散。但是，本实施方式的补偿器用目标值的时刻历程的负载和来计算输入值，因此能够抑制数值计算的发 散。因此，补偿器能够根据少量数据高精度地计算应当输入到控制对象的输入值。 [0223] 根据本发明的第二方案，补偿器(3)具备：处理器(31)；以及存储装置(30)，连接于所述处理器，存储输入计测值和输出计测值，所述输入计测值是向控制对象输入的计测值， 所述输出计测值是来自所述控制对象的输出的计测值。所述处理器执行：根据所述输入计 测值和所述输出计测值，求出构成自回归滤波器(AR滤波器)的第一系数和第二系数，确定 包括所述第一系数的一部分和所述第二系数的所述控制对象的逆系统的处理；以及基于所 述逆系统，根据按时刻设定的所述输出的目标值的负载和来计算应当输入到所述控制对象 的输入值的处理。 [0224] 由此，补偿器能够省略导出基于FIR滤波器的预测模型的处理，直接导出基于AR滤波器的预测模型。由此，补偿器能够简化用于求出输入值的一系列的处理。 [0225] 根据本发明的第三方案，补偿器(3)具备：处理器(31)；以及存储装置(30)，连接于所述处理器，预先存储：输入计测值和输出计测值，所述输入计测值是向控制对象的输入的 计测值，所述输出计测值是来自所述控制对象的输出的计测值；构成所述控制对象的多个 模型候选的每一个的多个第一系数；以及与多个所述模型候选的每一个对应的逆系统。所 述处理器执行：基于所述输出计测值以及根据所述第一系数和所述输入计测值得到的输出 的估计值，估计多个所述模型候选的每一个的似然度的处理；选出估计的所述似然度最大 的模型候选的处理；以及基于与选出的所述模型候选对应的逆系统，根据按时刻设定的所 述输出的目标值的负载和来计算应当输入到所述控制对象的输入值的处理。 [0226] 由此，补偿器不进行用于实时识别的运算，因此能够减轻运算负荷。此外，补偿器预先创建逆系统，因此能够降低数值上发散而无法算出逆系统的风险。 [0227] 根据本发明的第四方案，补偿器(3)具备：处理器(31)；以及存储装置(30)，连接于所述处理器，并预先存储：输入计测值和输出计测值，所述输入计测值是向控制对象的输入 的计测值，所述输出计测值是来自所述控制对象的输出的计测值；以及构成所述控制对象 的多个模型候选的每一个的多个第一系数。所述处理器执行：基于所述输出计测值以及根 据所述第一系数和所述输入计测值得到的输出的估计值，估计多个所述模型候选的每一个 的似然度的处理；导出将所述似然度作为加权系数来将所述模型候选的每一个的第一系数 进行负载平均的第三系数的处理；基于所述第三系数求出构成自回归滤波器的第二系数， 确定包括所述第三系数的一部分和所述第二系数的所述控制对象的逆系统的处理；以及基 于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来估计应当输入到所述控制 对象的输入值的处理。 [0228] 如上所述，补偿器将控制对象用模型候选的加权平均来表达，因此能够改善模型的精度。由此，补偿器能够估计能够改善控制的精度的输入值并提供给控制装置。此外，补 偿器通过将控制对象用模型候选的加权平均来表达，能够将控制对象的变动用少数的模型 候选来表达。 [0229] 根据本发明的第五方案，第三方案或第四方案的补偿器还执行在多个所述模型候选中选择与所述控制对象的状态对应的模型候选的处理，在估计所述似然度的处理中估计 选择的所述模型候选的似然度。 [0230] 由此，补偿器能够削减进行似然度的估计的模型候选的个数，因此能够降低运算负荷。 [0231] 根据本发明的第六方案，控制系统(1)具备：第一至第五中任一方案的补偿器(3)；以及目标值产生装置(4)，基于所述补偿器估计的输入值来产生用于控制所述控制对象(2) 的目标值。 [0232] 根据本发明的第七方案，补偿方法具有：根据输入计测值和输出计测值来识别构成有限冲激响应滤波器的第一系数的处理，所述输入计测值是向控制对象的输入的计测 值，所述输出计测值是来自所述控制对象的输出的计测值；根据所述第一系数求出构成自 回归滤波器的第二系数，确定包括所述第一系数的一部分和所述第二系数的所述控制对象 的逆系统的处理；以及基于所述逆系统，根据按时刻设定的所述输出的目标值的负载和来 估计应当输入到所述控制对象的输入值的处理。 [0233] 根据本发明的第八方案，程序使补偿器的计算机执行：根据输入计测值和输出计测值来识别构成有限冲激响应滤波器的第一系数的处理，所述输入计测值是向控制对象的 输入的计测值，所述输出计测值是来自所述控制对象的输出的计测值；根据所述第一系数 求出构成自回归滤波器的第二系数，确定包括所述第一系数的一部分和所述第二系数的所 述控制对象的逆系统的处理；以及基于所述逆系统，根据按时刻设定的所述输出的目标值 的负载和来估计应当输入到所述控制对象的输入值的处理。 [0234] 附图标记说明 [0235] 1控制系统 [0236] 2控制对象 [0237] 3补偿器 [0238] 30第一存储装置(存储装置) [0239] 31处理器 [0240] 301第二存储装置(存储装置) [0241] 310识别部 [0242] 311逆系统确定部 [0243] 312前馈补偿部 [0244] 313似然度估计部 [0245] 314选出部 [0246] 315估计模型导出部 [0247] 316模型候选选择部 [0248] 4目标值产生装置 [0249] 5理想响应输出模型 [0250] 6目标基准值更新装置 [0251] 7参考模型 [0252] 8通信器 [0253] 900计算机 |
||||||
QQ群二维码
意见反馈
意见反馈