JP2001188602A - 排気ガス制御システム - Google Patents

Abstract

(57)【要約】 【課題】 推定した排出物の量に応じて、排気ガスに含
まれる排出物の量を精度よく調整する。 【解決手段】 ボイラー１からの排気ガス１Ｂを排出す
る排気経路１Ａに排気還元装置２を設けて、排気ガス１
Ｂ中に含まれるＮＯｘを還元する還元剤２１を排気経路
内に投入するとともに、還元剤制御装置５０において、
ボイラー１の各種プロセス信号を用いてＮＯｘの量をリ
アルタイムで推定し、推定されたＮＯｘの量に基づき排
気還元装置２で投入される還元剤２１の投入量を制御す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、排気ガス制御シス
テムに関し、特にボイラーやディーゼル機関などの燃焼
装置からの排気ガスに還元剤を投入することにより、そ
の排気ガスに含まれるＮＯｘやＳＯｘなどの排出物の量
を調整する排気ガス制御システムに関するものである。

【０００２】

【従来の技術】従来、燃焼装置からの排気ガスに含まれ
るＮＯｘやＳＯｘなどの排出物の量を監視する方法とし
て、ニューラルネットワークを用いてこれら排出物の量
を監視するシステムが開示されている（例えば、特表平
９−５０４３４６号公報）。これは、ニューラルネット
ワークを用いて燃焼装置から排出されるＮＯｘやＳＯｘ
などの排出物の量を推定することにより、これら排出物
を物理的に検出するセンサを用いずに排気ガスに含まれ
る排出物の量を監視し、あるいはこれらセンサを調整し
ようというものである。

【０００３】

【発明が解決しようとする課題】しかしながら、このよ
うな従来のシステムでは、あくまでも排出物の量を監視
することを目的として構成されており、推定した排出物
の量を用いてこれら排出物をどのように調整するかにつ
いては検討されていない。ニューラルネットワークを用
いて排出物の量を推定しているため、推定に要する時間
が比較的長く、推定した排出物の量を用いて還元剤の投
入量を制御し、リアルタイムでその排出物の量を調整す
ることができないという問題点があった。

【０００４】還元剤を用いて排出物の量を調整する場
合、排出物の量に最適な量だけ還元剤を投入する必要が
ある。これは、還元剤が不足していれば排出量が低減せ
ず、また還元剤が過剰となれば還元剤が大気中に排出さ
れるからである。しかし、排出物を含む排気ガスとこれ
に基づき決定された還元剤投入量とに大きな時間差があ
る場合は、還元剤の投入量に過不足が発生してしまい、
精度よく排出物を調整できない。

【０００５】前述した従来のシステムで用いられている
ニューラルネットワークについては、一般的に学習処理
が遅く、ある程度の推定精度を得たい場合、推定出力が
得られるまでに分オーダーどころか時間オーダーの所要
時間が必要となる。したがって、比較的変化が速い燃焼
装置の出力に追従する必要があるシステムには適用でき
ない。

【０００６】また、排出物の量を検出する物理的なセン
サを用いて還元剤の投入量を決定するシステムを考えら
れる。しかしながら、例えばボイラーやディーゼルエン
ジンなどでは、それぞれ入力変化に対する出力の応答が
速いにもかかわらず、ＮＯｘやＳＯｘの検出に要する時
間が長い。特に、ボイラーでは、排気経路の後端にセン
サが配置されるため、センサ出力が得られるまでに時間
がかかる。したがって、これら検出遅れに起因して制御
系の時定数が大きくなり、センサ出力をそのまま用いる
ことができない。

【０００７】本発明はこのような課題を解決するための
ものであり、推定した排出物の量に応じて、排気ガスに
含まれる排出物の量を精度よく調整できる排気ガス制御
システムを提供することを目的としている。

【０００８】

【課題を解決するための手段】このような目的を達成す
るために、本発明による排気ガス制御システムは、燃焼
装置からの排気ガスを排出する排気経路に排気還元装置
を設けて、排気ガス中に含まれる所定の排出物を還元す
る還元剤を排気経路内に投入するとともに、還元剤制御
装置で、燃焼装置のプロセス信号を用いて排出物の量を
リアルタイムに推定し、推定された排出物の量に基づき
排気還元装置で投入される還元剤の投入量を制御するよ
うにしたものである。

【０００９】また、還元剤制御装置では、予め蓄積され
ている多数の事例からなる事例ベースに基づき、新たに
入力されたプロセス信号から排気に含まれる排出物の量
を推定するようにしたものである。さらに、排気還元装
置より後段の排気経路内の排気ガスに含まれる排出物の
量を測定しセンサ出力信号として出力するセンサを設
け、還元剤制御装置で、センサ出力信号を用いて事例ベ
ースのうちの所定事例のみを改訂することにより事例ベ
ースを更新するようにしてもよい。

【００１０】還元剤制御装置の具体的な構成としては、
予め得られたプロセス信号とセンサ出力信号との組から
なる多数の履歴データから、所望の出力許容誤差に応じ
て入力空間を量子化するとともに、各履歴データを量子
化された入力空間内に配置して１つ以上の履歴データを
代表する事例を作成することにより事例ベースを生成す
る事例ベース生成部と、新たに入力された新規プロセス
信号に対応する類似事例を事例ベースから検索する類似
事例検索部と、この類似事例検索部で検索された類似事
例から新規プロセス信号に対応する排出物の量を推定す
る出力推定部とを備えている。

【００１１】本システムの適用形態については、燃焼装
置として主蒸気を生成するボイラーを用い、プロセス信
号に、ボイラーに供給される燃料および空気量と、ボイ
ラーから出力される主蒸気量とを含むようにしてもよ
い。また、燃焼装置としてディーゼル機関を用い、プロ
セス信号に、ディーゼル機関に供給される燃料および空
気量と、ディーゼル機関の軸出力値または軸トルク値と
を含むようにしてもよい。またプロセス信号に、さらに
還元装置で投入された還元剤の投入量を含むようにして
もよい。

【００１２】

【発明の実施の形態】次に、本発明について図面を参照
して説明する。図１は本発明の第１の実施の形態である
排気ガス制御システムのブロック図であり、以下では、
燃焼装置としてボイラーを用いた構成を例として説明す
る。同図において、この排気ガス制御システムは、ボイ
ラー１と、ボイラー１を制御する燃焼制御装置１０と、
ボイラー１の排気経路上に設けられた還元装置２と、還
元装置２で還元された排気ガスを大気中へ排出するため
の煙道３と、煙道３に設けられたＮＯｘセンサ３０とか
ら構成されている。

【００１３】さらに、このＮＯｘセンサ３０のセンサ出
力信号３０Ａや各種プロセス信号を用いて排出物の量を
推定し、推定された排出物の量に基づき排気還元装置で
投入される還元剤の投入量を制御する還元剤制御装置５
０と、この還元剤制御装置５０からの指示に応じて還元
装置２での還元剤投入量を実際に調節する還元剤調節計
２０とが設けられている。

【００１４】燃焼制御装置１０は、バルブ１２およびバ
ルブ１５の開度を制御して、ボイラー１に供給する燃料
１１および空気１４の供給量を調節している。また、こ
れら供給量の実際の値が流量計１３および流量計１６で
検出され、燃焼制御装置１０へ通知されている。ボイラ
ー１では、供給された空気１４で燃料１１を燃焼させ、
その発熱で主蒸気１９を生成している。

【００１５】燃焼制御装置１０は、バルブ１７の開度を
制御して主蒸気１９の供給量を調節している。またこの
供給量の実際の値が流量計１８で検出され、燃焼制御装
置１０へ通知されている。燃焼制御装置１０では、これ
らフィードバックされたプロセス信号に基づきバルブ１
２，１５の開度を微調整することにより、ボイラー１の
運転状態を安定制御している。

【００１６】ボイラー１からの排気ガス１Ｂは、排気経
路１Ａを介して還元装置２へ供給される。還元装置２で
は、バルブ２２を介して供給された還元剤２１がボイラ
ー１からの排気ガス１Ｂに投入され、排気ガス１Ｂに含
まれる排出物ここではＮＯｘが還元される。これによ
り、排出物の量が低減され、煙道（煙突）３を介して還
元排気２Ａとして大気中へ排出される。

【００１７】還元剤調節計２０は、還元剤制御装置５０
からの指示に基づきバルブ２２の開度を制御して、還元
装置２へ供給する還元剤２１の量を制御しており、これ
により、実際に還元装置２投入される還元剤の量が調節
される。また、バルブ２２を介して還元装置２へ供給さ
れる還元剤２１の量が流量計２３で検出され、還元装置
２０へ通知されている。還元装置２０では、フィードバ
ックされた還元剤２１の量に基づきバルブ２２を微調整
して、還元剤２１の量を正確に調整している。

【００１８】還元剤制御装置５０は、各種プロセス信号
やセンサ出力信号などを所定間隔でサンプリングして取
り込む入力部５１と、プロセス信号と検出されたＮＯｘ
の量との組からなる多数の履歴データ５２と、この履歴
データ５２を用いて多数の事例からなる事例ベース５４
を生成する事例ベース生成部５３と、新たに入力された
新規プロセス信号に基づき事例ベース５４から類似事例
を検索する類似事例検索部５６とから構成されている。

【００１９】さらに、還元剤制御装置５０には、類似事
例検索部５６で検索された１つ以上の類似事例から、新
規プロセス信号に対応するＮＯｘの量を推定し、還元剤
調節計２０へ還元剤２１の投入量を指示する出力推定部
５７と、プロセス信号およびセンサ出力信号の組からな
る新規データに基づき、事例ベース５４を部分改訂する
適応学習部５５が設けられている。このうち、事例ベー
ス生成部５３、類似事例検索部５６、出力推定部５７お
よび適応学習部５５は、それぞれソフトウェアで実現さ
れている。

【００２０】還元剤制御装置５０に取り込まれるプロセ
ス信号としては、流量計１３で検出されるボイラー１へ
の燃料供給量１３Ａ、流量計１６で検出されるボイラー
１への空気供給量１６Ａ、流量計１８で検出されるボイ
ラー１からの主蒸気量、還元装置２へ供給される還元剤
投入量２３Ａなどがある。なお、プロセス信号としては
これら信号に限定されるものではなく、このほか空気１
４の温度など前述したもの以外でＮＯｘの発生量に関与
するデータを取り込んでもよく、システム構成に応じ
て、適時、変更可能である。

【００２１】このように、本発明では、還元剤制御装置
５０において、ボイラー１の各種プロセス信号を用いて
ＮＯｘ（排出物）の量をリアルタイムで推定し、推定さ
れたＮＯｘの量に基づき排気還元装置２で投入される還
元剤の投入量を制御するようにしたものである。さら
に、還元剤制御装置５０では、予め蓄積されている多数
の事例からなる事例ベースに基づき、新たに入力された
プロセス信号から排気に含まれる排出物の量を推定する
ようしたものである。

【００２２】したがって、推定した排出物の量に応じ
て、排気ガスに含まれる排出物の量を精度よく調整でき
る。また、事例ベースを用いて出力値を即座に推定する
ようにしたので、従来のように、排気ガスに含まれる所
定排出物の量を検出する検出系の遅れに影響されること
なく、その排出物の量に応じた適切な還元剤の投入量を
リアルタイムで制御できる。

【００２３】また、燃焼装置として主蒸気を生成するボ
イラー１を用いる場合は、プロセス信号として、少なく
とも、ボイラーに供給される燃料および空気の量と、ボ
イラーの負荷として主蒸気の量とを用いるようにしたの
で、ボイラーの運転状態を的確に把握でき、ボイラーか
ら排出されるＮＯｘの量を精度よく推定できる。さら
に、プロセス信号として、還元装置で投入された還元剤
の投入量を用いることにより、投入された還元剤の量に
よるＮＯｘ量の変化分を的確に把握でき、ＮＯｘを精度
よく推定できる。

【００２４】次に、本発明の動作について説明する。ま
ず、図２〜４を参照して、還元剤制御装置５０の事例ベ
ース生成部５３の動作について説明する。図２は本発明
の事例ベース推論モデルで用いる位相の概念を示す説明
図、図３は入力空間の量子化処理を示す説明図、図４は
事例ベース生成処理を示すフローチャートである。本発
明の事例ベース推論モデルでは、数学の位相論における
連続写像の概念に基づき、入力空間を量子化し位相空間
とすることにより、出力許容誤差（要求精度）に応じた
事例ベースと類似度の一般的な定義を行っている。

【００２５】位相論における連続写像の概念とは、例え
ば空間Ｘ，Ｙにおいて、写像ｆ；Ｘ→Ｙが連続であるた
めの必要十分条件が、Ｙにおける開集合（出力近傍）Ｏ
逆写像ｆ−１（Ｏ）がＸの開集合（入力近傍）に相当す
ることである、という考え方である。この連続写像の概
念を用いて、入力空間から出力空間への写像ｆが連続す
ることを前提とし、図２に示すように、出力空間におい
て出力誤差の許容幅を用いて出力近傍を定めることによ
り、これら出力近傍とその出力誤差の許容幅を満足する
入力近傍とを対応付けることができ、入力空間を量子化
し位相空間として捉えることができる。

【００２６】本発明では、この入力空間の量子化処理を
図３に示すようにして行っている。履歴データは、過去
に得られた入力データと出力データとの組からなり、こ
こでは入力ｘ１，ｘ２と出力ｙとから構成されている。
これら履歴データは入力空間ｘ１−ｘ２において、図３
（ｂ）のように分布している。これを図３（ｃ）のよう
に、ｘ１，ｘ２方向にそれぞれ所定幅を有する等間隔の
メッシュで量子化する場合、図３（ｄ）に示すように出
力誤差の許容幅εを考慮して、メッシュの大きさすなわ
ち入力量子化数を決定している。

【００２７】出力誤差の許容幅εとは、推定により得ら
れる出力と新規入力データに対する未知の真値との誤差
をどの程度まで許容するかを示す値であり、モデリング
条件として予め設定される。したがって、この許容幅ε
を用いてメッシュの大きさを決定することにより、出力
近傍の大きさに対応する入力近傍すなわち事例を定義で
き、その事例に属する全ての入力データから推定される
出力データの誤差が、出力誤差の許容幅εを満足するこ
とになる。

【００２８】事例ベース生成部５３では、このような入
力空間の量子化処理を用いて、事例ベース５４を生成し
ている。図４において、まず、履歴データ５２を読み込
むとともに（ステップ１００）、出力誤差の許容幅εな
どのモデリング条件を設定し（ステップ１０１）、この
許容幅εに基づき各種評価指標を算出し、その評価指標
に基づいて各入力変数ごとに入力量子化数を選択する
（ステップ１０２）。そして、各メッシュに配分された
履歴データ５２から事例ベース５４を構成する各事例を
生成する（ステップ１０３）。

【００２９】ここで、図５〜８を参照して、評価指標を
用いた入力量子化数の決定処理について説明する。図５
は入力量子化数の決定処理を示すフローチャート、図６
は評価指標の１つである出力分布条件を示す説明図、図
７は評価指標の１つである連続性条件を示す説明図、図
８は評価指標の１つである事例圧縮度条件を示す説明図
である。

【００３０】入力量子化数の決定処理では、まず、評価
指標の良否を判定するための基準として評価基準（しき
い値）を設定する（ステップ１１０）。そして、各入力
量子化数ごとに各評価指標を算出し（ステップ１１
１）、得られた評価指標と評価基準とを比較して、評価
基準を満足する評価指標が得られた入力量子化数のいず
れかを選択する（ステップ１１２）。評価基準として
は、出力分布条件および連続性条件をともに満たす事例
が９０％以上となる入力量子化数を選択するのが望まし
く、システムでは９０％もしくは９５％の分割数が表示
されるようになっている。この９０％や９５％という値
は、統計的に考えて適切な値と考えられるからである。

【００３１】出力分布条件とは、図６に示すように、選
択した入力量子化数で入力空間を量子化して得られた任
意のメッシュについて、そのメッシュ内に属する履歴デ
ータの出力ｙの出力分布幅が出力誤差の許容幅εより小
さい、という条件である。これにより１つのメッシュす
なわち入力近傍が、これに対応する出力近傍に定めた条
件すなわち出力誤差の許容幅εを満足するかどうか検査
される。

【００３２】連続性条件とは、図７に示すように、選択
した入力量子化数で入力空間を量子化して得られた任意
のメッシュについて、そのメッシュで生成された事例の
出力値ｙと、その事例の周囲に存在する周囲事例の平均
出力値ｙ’との差が、出力誤差の許容幅εより小さい、
という条件である。これにより、各事例間すなわち入力
近傍間での出力値の差が、これらに対応する出力近傍間
に定めた条件すなわち出力誤差の許容幅εを満足するか
どうか検査される。この連続性条件を満たすことによ
り、各事例が連続的に所望の精度を満たすように、入力
空間をカバーしていると判断できる。

【００３３】事例圧縮度条件とは、事例化による履歴デ
ータの圧縮率を条件とするものである。図８に示すよう
に、選択した入力量子化数で入力空間を量子化して得ら
れた任意のメッシュについて、そのメッシュ内に複数の
履歴データが属する場合、履歴データの事例化により、
これら複数のｋ個の履歴データが事例を代表する１つの
データとなり１／ｋに圧縮されたことになる。ここで
は、履歴データ全体の事例圧縮率がモデリング条件とし
て指定された許容圧縮率を満足するかどうかか検査され
る。

【００３４】入力量子化数は、各入力変数ごとに順に決
定される。例えば、入力変数がｘ１，ｘ２，‥，ｘｎの
場合、ｘ１からｘｎまで順に入力量子化数を決定してい
く。ここで、評価指標を算出する際、すべての入力変数
に入力量子化数を割り当てる必要がある。したがって、
ｘｉに関する評価指標を求める際、ｘ１〜ｘｉ−１につ
いては、その時点ですでに決定されている入力量子化数
を用い、ｘｉ以降のｘｉ＋１，‥，ｘｎについては、ｘ
ｉと同じ入力量子化数を用いる。

【００３５】前述した各条件のうち、出力分布条件と連
続性条件については、評価指標として、その条件を満足
する事例の全事例に対する割合すなわち評価指標充足率
が用いられる。例えば、ｘｉに関する入力量子化数ｍの
評価指標値は、ｘ１，ｘ２，‥，ｘｎの入力レンジ幅を
それぞれの入力量子化数で量子化し、量子化により生成
された全事例における、その評価指標条件を満たす事例
の割合で求められる。

【００３６】また、事例圧縮度条件では、ｘｉに関する
入力量子化数ｍの評価指標値として、すべての入力変数
ｘ１，ｘ２，‥，ｘｎの入力レンジ幅を入力量子化数ｍ
で量子化して求めた履歴データ全体の事例圧縮率が用い
られる。そして、その入力変数ｘｉについて、これら全
ての評価指標値が評価基準をクリアした入力量子化数か
らいずれかを選択し、その入力変数ｘｉの入力量子化数
として決定する。

【００３７】事例ベース生成部５３では、以上のように
して入力量子化数が選択され、その入力量子化数で量子
化された入力空間ここでは各メッシュに各履歴データが
配分され、事例が生成される。図９は事例生成処理を示
す説明図、図１０は事例生成処理を示すフローチャート
である。まず、選択された入力量子化数に基づき各入力
変数を量子化（分割し）、メッシュを生成する（ステッ
プ１２０）。図９（ａ）では、入力変数ｘ１が１０分割
されるとともに入力変数ｘ２が６分割されている。

【００３８】そして、各履歴データが各メッシュに振り
分けられ（ステップ１２１）、履歴データが存在するメ
ッシュが事例として選択され、その入出値および出力値
が算出される（ステップ１２２）。図９（ａ）に示すよ
うに、同一メッシュに３つの履歴データが振り分けられ
た場合、これらが１つ事例として統合される。このと
き、事例を代表する出力値として３つの履歴データの出
力ｙの平均値が用いられ、事例を代表する入力値として
そのメッシュの中央値が用いられる。

【００３９】図１の還元剤制御装置５０では、このよう
にして生成された事例ベース５４を用いて、新規に入力
された新規プロセス信号からＮＯｘの量を推定する。ま
ず、類似事例検索部５６では、入力部５１で例えば１秒
間隔でサンプリングした新規プロセス信号をそれぞれ入
力変数とし、類似度を用いて事例ベース５４から類似事
例を検索する。図１１は類似度の定義を示す説明図、図
１２は類似事例検索部５６における類似事例検索処理を
示すフローチャートである。

【００４０】類似度とは、事例ベース５４が持つ入力空
間に設けられた各メッシュのうち、各事例が新規プロセ
ス信号すなわち入力データに対応するメッシュとどの程
度の類似性を有しているか示す尺度である。図１１で
は、入力データに対応する中央メッシュに事例が存在す
れば、その事例と入力データとは「類似度＝０」である
と定義されている。また、中央メッシュの１つ隣に存在
する事例とは「類似度＝１」となり、以降、中央メッシ
ュから１メッシュずつ離れていくごとに類似度が１ずつ
増加していく。

【００４１】したがって、推定を行う場合、類似度ｉの
事例による推定値は、（ｉ＋１）×出力許容幅以内の精
度を持つことになる。このとき、推定を行う入力値に対
してうまく両側の事例が使用された場合は、（ｉ＋１）
×出力許容幅よりも良い精度の出力値である場合が予想
される。また、推定を行う値に対して片側の事例のみが
使用された場合は、（ｉ＋１）×出力許容幅程度の精度
であることが、入出力の連続性のもとに予想される。

【００４２】類似事例検索部５６では、図１２に示すよ
うに、まず、入力部５１でサンプリングした新規プロセ
ス信号を入力データとして取り込み（ステップ１３
０）、事例ベース５４が持つ入力空間から、その入力デ
ータに対応するメッシュを選択するとともに（ステップ
１３１）、事例検索範囲として用いる類似度を０に初期
化し（ステップ１３２）、その類似度が示す事例検索範
囲から類似事例を検索する（ステップ１３３）。

【００４３】ここで、入力データに対応するメッシュに
事例が存在した場合は（ステップ１３４：ＹＥＳ）、そ
の事例を類似事例として出力する（ステップ１３６）。
一方、ステップ１３４において、入力データに対応する
メッシュに事例が存在しなかった場合は（ステップ１３
４：ＮＯ）、類似度を１だけ増やして事例検索範囲を拡
げ（ステップ１３５）、ステップ１３３へ戻って、再
度、類似事例を検索する。

【００４４】このようにして、類似事例検索部５６にお
いて、新規プロセス信号に対応する類似事例が事例ベー
ス５４から検索され、出力推定部５７で、これら類似事
例に基づき、新規プロセス信号に対応するＮＯｘの量が
推定される。例えば、図１３に示すように、入力データ
Ａ（２２．１，５８．４）に対応するメッシュ１５０に
事例が存在した場合、その事例の出力値ｙ＝７０．２が
推定出力値として選択される。

【００４５】また、図１４に示すように、入力データＡ
（２３．８，６２．３）に対応するメッシュ１５１に事
例が存在しなかった場合、検索範囲１５２を拡大して類
似事例を検索する。そして、検索された事例から推定出
力値を算出する。このとき、複数の事例が検索された場
合は、それら各事例の出力値の平均値が推定出力値とし
て用いられる。このようにして、新規プロセス信号に対
応するＮＯｘの量が推定され、その推定量に対応する還
元剤２１の量が、出力推定部５７から還元剤調節計２０
へ指示される。

【００４６】次に、図１５，１６を参照して、適応学習
部の動作について説明する。適応学習部５５では、入力
部５１でサンプリングされた新規プロセス信号と、その
新規プロセス信号に対応してＮＯｘセンサ３０で検出さ
れたＮＯｘの量を示すセンサ出力信号３０Ａとからなる
新規データに基づき、事例ベース５４を更新する。ま
ず、事例ベース５４が持つ入力空間から新規データに対
応する事例が検索される。ここで、その新規データに対
応する事例が存在した場合は、その事例のみを改訂す
る。

【００４７】図１５は、対応する事例が存在する場合の
適応学習動作を示す説明図である。ここでは、新規デー
タＢ（２３．９，６６．８，４８．２）に対応する事例
１６０が存在するため、新規データＢの出力値ｙ＝４
８．２と改訂前の事例１６０の出力値４９．７とから、
その事例の新たな出力値ｙ＝４９．０を算出している。
出力改訂演算式としては、忘却計数ＣＦｏｒｇｅｔを設
け、この忘却計数が示す比率で改訂前出力値Ｙｏｌｄと
新規データＢの出力値Ｙとを加算し、その事例の改訂後
の出力値としている。

【００４８】一方、新規データに対応する事例が存在し
ない場合は、その新規データに基づき新たな事例を生成
する。図１６は、対応する事例が存在しない場合の適応
学習動作を示す説明図である。ここでは、新規データＢ
（２３．７，６２．３，４３．８）に対応するメッシュ
１６１に事例が存在しないため、その新規データＢに対
応するメッシュの中央値を入力値とし、新規データＢの
出力値ｙを代表の出力値とする新規事例１６２を新たな
生成して、事例ベース５４に追加している。

【００４９】図１７は本発明による事例ベース推論モデ
ルを用いた場合のボイラーから排出されるＮＯｘと推定
出力値とを示すシミュレーション結果、図１８は従来の
ニューラルネットワークを用いた場合のシュミレーショ
ン結果である。図１７（ｂ）は事例ベース推論モデルか
らの推定出力値であり、図１７（ａ）のＮＯｘセンサ３
０で検出された実際のＮＯｘの量と、ほとんど差がな
く、ボイラー１の運転状態が変化してＮＯｘの排出量が
大きく変化しても、推定出力値が遅れなく追従している
ことがわかる。

【００５０】これに対して、ニューラルネットワークか
らの推定出力値である図１８（ｂ）の従来例１や図１８
（ｃ）の従来例２では、図１８（ａ）のＮＯｘセンサ３
０で検出された実際のＮＯｘの量と大きな誤差が生じて
おり、ボイラー１の運転状態が変化してＮＯｘの排出量
が大きく変化した場合は、推定出力値に遅れが生じ、う
まく追従していないことがわかる。

【００５１】還元剤制御装置５０で用いる推論モデル
は、事例ベース推論の枠組みをモデリングに適用したも
ので、位相（Ｔｏｐｏｌｏｇｙ）の概念に基づき、シス
テムの入出力関係の連続性が成り立つ一般的な対象に適
用可能なモデリング技術といえる。従来のモデリング技
術では、モデルの次数やネットワーク構造などのモデル
パラメータを同定するが、本発明の事例ベース推論モデ
ルでは、所望の出力許容誤差を指定することで入力空間
の位相を同定している。

【００５２】したがって、データは同定された入力空間
に事例として蓄えられ、出力推定時には入力と予め蓄積
されている入力事例との位相距離（類似度）により推定
出力値の信頼性が示せるという特徴を持つ。本発明で
は、このようなモデルを用いて排気ガスに含まれる所定
排出物の量を推定するようにしたので、ニューラルネッ
トワークや回帰モデルなどの従来の推論モデルと比較し
て、次のような作用効果が得られる。

【００５３】従来の推論モデルでは、 １）入出力全域の関係を規定するために特殊なモデル構
造を用いているため、システムに最適な構造を見つける
ためには多くの手間を必要とする。 ２）多量の履歴データの学習を行う場合、モデル構造の
持つ複数のパラメータを同定するための収束計算を行う
必要があり、この処理に膨大な時間がかかる。 ３）新たなデータに基づきモデルを更新する場合にもパ
ラメータの同定を行う必要があり、実際には適応学習が
困難である。 ４）推定を行う入力値に対してモデル出力値がどの程度
信頼できるかどうかを把握するのが困難である。

【００５４】これに対して、本発明によれば、 １）過去に経験した事例（問題と解答）を事例ベースと
して蓄積し、システムの入出力関係を内包する入出力事
例を用いているため、入出力関係を表すための特殊なモ
デルを必要としない。 ２）新たに入力された問題については、それと類似した
問題を持つ既存の事例を事例ベースから検索する。この
とき、入力量子化数をパラメータとして入力空間を量子
化して事例ベースと類似度を定義し、評価指標値を算出
して量子化数を決定している。このため収束計算を必要
とせず、さらにこの評価指標値からモデルの完成度を評
価でき、従来のように別途テストデータを用いてモデル
評価を行う必要がない。

【００５５】また、本発明によれば、 ３）検索した類似事例の解答を修正し、新たに入力され
た問題に対する解答を得ている。したがって、推定を行
う入力値に対して検索された事例の類似の程度が判定で
きるため、この類似度を出力値の信頼性評価に利用でき
る。 ４）新たに入力された問題に対する正しい解答が判明し
た後、その新事例を事例ベースに追加するものとしてい
るため、新たなデータに基づき事例ベースを部分改訂で
き、従来のようにパラメータの同定を行う必要がなく、
容易に適応学習できる。

【００５６】従来のモデルにおける学習と収束計算の問
題については、事例ベース推論（Ｃａｓｅ−Ｂａｓｅｄ
Ｒｅａｓｏｎｉｎｇ：ＣＢＲ）において事例ベース構
造と類似度の定義という問題となる。これは、従来の事
例ベース推論において、対象の十分な知見がなければ定
義できないという、工学上の大きな問題となっている。
本発明の事例ベース推論モデルでは、数学の位相論にお
ける連続写像の概念に基づき、出力許容誤差すなわち要
求精度に応じた事例ベースと類似度の一番的な定義を、
入力空間を量子化し位相空間とすることで行っている。

【００５７】次に、図１９を参照して、本発明の第２の
実施の形態について説明する。図１９は、本発明の第２
の実施の形態である排気ガス制御システムのブロック図
であり、以下では、燃焼装置としてディーゼルエンジン
を用いた構成例が示されている。同図において、前述の
説明（図１参照）と同じまたは同等部分には、同一符号
を付してある。

【００５８】本実施の形態では、燃焼装置としてディー
ゼルエンジン４が用いられており、このディーゼルエン
ジン４からの排気ガス４Ｂは、排気経路４Ａを介して還
元装置２へ供給されている。煙道３の後端には、還元排
気２Ａに含まれるＳＯｘの量を検出するＳＯｘセンサ３
１が設けられ、そのセンサ出力信号３１Ａが還元剤制御
装置５０へ供給されており、入力部５１でサンプリング
される。また、ディーゼルエンジン４の主軸４９に発生
する軸出力値（または軸トルク値）４８Ａが検出計４８
により検出され、燃焼制御装置１０に通知されている。
また、この軸出力値４８Ａがプロセス信号として還元剤
制御装置５０へ供給されており、入力部５１でサンプリ
ングされる。

【００５９】このように、燃焼装置としてディーゼルエ
ンジン４を用いる場合でも、前述した第１の実施の形態
と同様に、推定した排出物の量に応じて、排気ガスに含
まれる排出物の量を精度よく調整できる。また、燃焼装
置としてトルクを発生するディーゼルエンジン４を用い
る場合は、プロセス信号として、少なくとも、ディーゼ
ルエンジンに供給される燃料および空気の量と、ディー
ゼルエンジンの負荷としてトルクの量とを用いるように
したので、ディーゼルエンジンの運転状態を的確に把握
でき、ディーゼルエンジンから排出されるＳＯｘの量を
精度よく推定できる。さらに、プロセス信号として、還
元装置で投入された還元剤の投入量を用いることによ
り、投入された還元剤の量によるＳＯｘ量の変化分を的
確に把握でき、ＳＯｘを精度よく推定できる。

【００６０】

【発明の効果】以上説明したように、本発明は、還元剤
制御装置において、燃焼装置の各種プロセス信号を用い
て排出物の量をリアルタイムで推定し、推定された排出
物の量に基づき排気還元装置で投入される還元剤の投入
量を制御するようにしたものである。さらに、還元剤制
御装置では、予め蓄積されている多数の事例からなる事
例ベースに基づき、新たに入力されたプロセス信号から
排気に含まれる排出物の量を推定するようしたものであ
る。

【００６１】したがって、推定した排出物の量に応じ
て、排気ガスに含まれる排出物の量を精度よく調整でき
る。また、事例ベースを用いて出力値を即座に推定する
ようにしたので、従来のように、排気ガスに含まれる所
定排出物の量を検出する検出系の遅れに影響されること
なく、その排出物の量に応じた適切な還元剤の投入量を
リアルタイムで制御できる。

【図面の簡単な説明】

【図１】 本発明の第１の実施の形態による排気ガス制
御システムのブロック図である。

【図２】 本発明の事例ベース推論モデルで用いる位相
の概念を示す説明図である。

【図３】 入力空間の量子化処理を示す説明図である。

【図４】 事例ベース生成処理を示すフローチャートで
ある。

【図５】 入力量子化数の決定処理を示すフローチャー
トである。

【図６】 出力分布条件を示す説明図である。

【図７】 連続性条件を示す説明図である。

【図８】 事例圧縮度条件を示す説明図である。

【図９】 事例生成処理を示す説明図である。

【図１０】 事例生成処理を示すフローチャートであ
る。

【図１１】 類似度の定義を示す説明図である。

【図１２】 類似事例検索処理を示すフローチャートで
ある。

【図１３】 出力推定動作（類似事例が存在する場合）
を示す説明図である。

【図１４】 出力推定動作（類似事例が存在しない場
合）を示す説明図である。

【図１５】 適応学習動作（対応事例が存在する場合）
を示す説明図である。

【図１６】 適応学習動作（対応事例が存在しない場
合）を示す説明図である。

【図１７】 本発明による事例ベース推論モデルを用い
た場合のシミュレーション結果である。

【図１８】 従来のニューラルネットワークを用いた場
合のシュミレーション結果である。

【図１９】 本発明の第２の実施の形態による排気ガス
制御システムのブロック図である。

【符号の説明】

１…ボイラー、１Ａ，４Ａ…排気経路、１Ｂ，４Ｂ…排
気ガス、１１…燃料、１２，１５，１７，２２…バル
ブ、１３，１６，１８，２３…流量計、１３Ａ…燃料供
給量、１４…空気、１６Ａ…空気供給量、１８Ａ…主蒸
気量、１９…主蒸気、２…還元装置、２Ａ…還元排気ガ
ス、２０…還元剤調節計、２１…還元剤、２３Ａ…還元
剤投入量、３…煙道、３０…ＮＯｘセンサ、３０Ａ，３
１Ａ…センサ出力信号、３１…ＳＯｘセンサ、４…ディ
ーゼルエンジン、４８…検出計、４８Ａ…軸出力値、５
０…還元剤制御装置、５１…入力部、５２…履歴デー
タ、５３…事例ベース生成部、５４…事例ベース、５５
…適応学習部、５６…類似事例検索部、５７…出力推定
部。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 9/44 ５５０ Ｆターム(参考） 3G091 AA18 AA28 AB05 BA14 BA20 BA33 CA16 DB10 DB13 EA03 EA05 EA08 EA33 HA37 3K070 DA02 DA22 DA59 4D002 AA02 AA12 BA06 DA70 GA02 GA03 GB06 GB20 HA01 5H004 GA10 GA18 GB04 GB12 HA04 HB02 HB04 HB10 JB07 JB18 KC02 KC08 KC24 KC25 KC28 KD52 KD56 KD62 9A001 HH34 KK32

Claims (7)

【特許請求の範囲】
1. 【請求項１】 燃焼装置からの排気ガスを排出する排気
   経路に設けられ、前記排気ガス中に含まれる所定の排出
   物を還元する還元剤を前記排気経路内に投入する排気還
   元装置と、 前記燃焼装置のプロセス信号を用いて前記排出物の量を
   リアルタイムに推定し、推定された前記排出物の量に基
   づき前記排気還元装置で投入される還元剤の投入量を制
   御する還元剤制御装置とを備えることを特徴とする排気
   制御システム。
2. 【請求項２】 請求項１記載の排気ガス制御システムに
   おいて、 前記還元剤制御装置は、予め蓄積されている多数の事例
   からなる事例ベースに基づき、新たに入力されたプロセ
   ス信号から排気に含まれる前記排出物の量を推定するこ
   とを特徴とする排気ガス制御システム。
3. 【請求項３】 請求項２記載の排気ガス制御システムに
   おいて、 さらに、前記排気還元装置より後段の排気経路内の排気
   ガスに含まれる前記排出物の量を測定しセンサ出力信号
   として出力するセンサを備え、 前記還元剤制御装置は、前記センサ出力信号を用いて前
   記事例ベースのうちの所定事例のみを改訂することによ
   り前記事例ベースを更新することを特徴とする排気ガス
   制御システム。
4. 【請求項４】 請求項２記載の排気ガス制御システムに
   おいて、 前記還元剤制御装置は、 予め得られたプロセス信号とセンサ出力信号との組から
   なる多数の履歴データから、所望の出力許容誤差に応じ
   て入力空間を量子化するとともに、前記各履歴データを
   量子化された入力空間内に配置して１つ以上の履歴デー
   タを代表する事例を作成することにより前記事例ベース
   を生成する事例ベース生成部と、 新たに入力された新規プロセス信号に対応する類似事例
   を前記事例ベースから検索する類似事例検索部と、 この類似事例検索部で検索された前記類似事例から前記
   新規プロセス信号に対応する前記排出物の量を推定する
   出力推定部とを備えることを特徴とする排気ガス制御シ
   ステム。
5. 【請求項５】 請求項１記載の排気ガス制御システムに
   おいて、 前記燃焼装置として主蒸気を生成するボイラーを用い、 前記プロセス信号に、前記ボイラーに供給される燃料お
   よび空気量と、前記ボイラーから出力される主蒸気量と
   を含むことを特徴とする排気ガス制御システム。
6. 【請求項６】 請求項１記載の排気ガス制御システムに
   おいて、 前記燃焼装置としてディーゼル機関を用い、 前記プロセス信号に、前記ディーゼル機関に供給される
   燃料および空気量と、前記ディーゼル機関の軸出力値ま
   たは軸トルク値とを含むことを特徴とする排気ガス制御
   システム。
7. 【請求項７】 請求項５または６記載の排気ガス制御シ
   ステムにおいて、 前記プロセス信号に、さらに前記還元装置で投入された
   還元剤の投入量を含むことを特徴とする排気ガス制御シ
   ステム。