JP4354978B2 - めっき付着量制御装置および制御方法 - Google Patents

Description

本発明は、鉄鋼プラントの連続めっきラインにおいて、鋼板に所望の厚みのめっきを付着させるめっき付着量制御装置およびその制御方法に係り、とりわけめっき付着量の目標変更時に種々の外乱の影響を補償した適切な制御指令値を算出する制御方法に関する。

めっき付着量制御を行う従来方法として、例えば、特許文献１には、めっき付着量の目標変更時に実施するプリセット制御手段の記載がある。目標めっき付着量を得るための操作量を、めっき付着量予測モデルを用いて直接算出する絶対値プリセット手段と、目標付着量の変更量に相当する操作量の変分をめっき付着量予測モデルを用いて算出する。これを現在の操作量に加減算して新たな操作量を算出する相対値プリセット手段を備え、めっき目標値の変更量等に着目して、適切な手段を選択して、プリセットを行う手法が示されている。

また特許文献２には、めっき付着量予測モデルの出力と実際に付着しためっき量との差分を算出し、これをモデル誤差蓄積手段に蓄え、操作量算出時にモデル誤差蓄積手段の情報を用いて、めっき付着量予測モデルを補正する手法が示されている。

特開２００４−０１３３９３号公報 特許３２９１２０１号公報（特開平１０−１８０１４号）

しかしながら、特許文献１の手法では、めっき付着量予測モデルと実際のめっきプラントとの挙動の乖離を補償することについて考慮されていない。したがって、めっき付着量予測モデルと実際のめっきプラントの特性との間に乖離があった場合には、乖離の大きさに応じて制御指令値の適切さが損なわれ、めっき付着量制御の精度が低下する問題があった。

また特許文献２の手法では、めっき付着量予測モデルと実際のめっきプラントとの挙動の乖離を補償することについては考慮されている。しかし、この乖離が、めっき付着量予測モデルの表現能力の不足やめっきプラントの特性の経時的変化により普遍的に発生しているのか、鋼板温度、ノズル零調精度、溶融めっきの粘度等、種々のばらつきに起因した直近のめっきプラントの状態により一時的に発生しているのかを、分離して考慮することはなされていない。このため、めっき付着量の目標値が大きく変化するときに使用するモデル誤差が、時間的に大きく隔たった過去の類似の目標値での操業で蓄積されたものである場合がある。このときモデル誤差の補償が不適切となり、めっき付着量の制御精度を低下させる問題があった。

また両方の場合において、複数のプリセット手段を備えた場合に、プリセット手段の選択とプリセット計算に使用するめっき付着量予測モデルの補償方法の適切な組み合わせについては開示されていなかった。

本発明が解決しようとする課題は、めっき付着量予測モデルと実際のめっきプラントとの挙動の乖離を、普遍的なモデル誤差と一時的に発生しているモデル誤差に対応して分離して記憶する。さらに複数備えたプリセット手段と、めっき付着量予測モデルの補償方法を、めっき付着量目標値やその変更量に応じて適切に選択することにより、高精度のプリセット制御を提供することにある。

上記課題を解決するために本発明は、連続的に送られてくるストリップを溶融めっきの浴槽に浸し、引き上げざまにノズルから高圧のガスを吹き付け、不要なめっきを落とすことでストリップに所望の厚みのめっきを付着させるめっきプラントから実績信号を受信し、めっき付着量を制御するための制御信号をめっきプラントに送信するめっき付着量制御装置において、ストリップ速度、ガスの圧力、ノズル位置におけるノズルとストリップの距離（ノズルギャップ）等とこの結果付着するめっき付着量の関係を記述しためっき付着量予測モデルと、ストリップ速度、ガスの圧力、ノズルギャップ等の実績を取り込み、前記めっき付着量予測モデルを用いてめっき付着量を推定する付着量推定手段と、前記付着量推定手段の出力と直近の操業で実際に付着しているめっき付着量とから、制御モデルと実際のめっき付着挙動との乖離の度合いを求め、該乖離の度合いを用いてめっき付着量予測モデルを直近のめっきプラントの状態に近づけるための適応量を算出する適応手段と、算出した適応量を記憶する適応結果記憶手段と、前記付着量推定手段の出力と実際に付着しためっき付着量の実績値の偏差をめっきプラントの操業状態の類似性に着目した層別毎に学習する学習手段と、学習結果である学習量を記憶する学習結果記憶手段と、前記めっき付着量予測モデルに基づいてプラントの制御指令値を出力するプリセット手段を備えることを特徴とする。

本発明によると、プリセット手段はめっき付着量目標値の変更量等に着目して、めっき付着量予測モデルと実際のめっき付着挙動の乖離を補償するパラメータである適応結果と学習結果を適切に選択するとともに、プリセット計算の処理を適切に選択し、高精度な制御指令値を算出する。さらに、めっき付着プラントの安定状態のデータのみを選択的に使用して適応処理および学習処理を行うことにより、学習結果と適応結果の妥当性を高めることができる。

本発明のめっき付着量制御装置を実施するための最良の形態によれば、鉄鋼プロセスラインのめっき付着量制御において、めっき付着量を高精度化し，品質不良を低減できる。以下、本発明の実施例について図面を参照しながら詳細に説明する。

図１は本発明の一実施例によるめっき付着量制御装置の構成図を示す。めっき付着量制御装置100はめっきプラント150を制御し、ストリップ（鋼板）151に所望の厚みのめっきを付着させる。

まず、めっきプラント150について説明する。めっきプラント150のポット152には溶融めっきが溜められており、連続的に送られてくるストリップ151は種々のロール154で支持されている。板速Ｖで送られてくるストリップ151は、一旦溶融めっきに浸された後、引き上げざまにノズル153から高圧の気体が吹き付けられ、不要な溶融めっきを削ぎ落とすことで、付着するめっきの量を所望の値に制御する。ストリップ151に付着するめっきの量は、おおむねストリップ151の速度（板速）、ノズル153から吹きつける気体の圧力、ノズル吹き付け位置におけるノズル153とストリップ151の距離（ノズルギャップ）により決定される。これらの関係は、例えば（数１）で表される。
ln(W)＝a0+a1・ln(P)+a2・ln(V)+a3・ln(D) （１）
ここで、W：めっき付着量，P：ノズルのガス圧，V:板速，D：ノズルギャップ，a0〜a3：定数である。

本実施例では数１を、めっき付着量予測モデルと称する。前後のストリップは溶接点156において溶接によりつなげられており、溶接点156は通常、めっき付着量目標値の切り替わり箇所と対応する。付着量計155は実際に付着しているめっきの量を測定するが、ノズル153から数十〜数百ｍ隔たったところに取り付けられる。さらに、ストリップを幅方向にトラバースして平均値を出力する測定形態なので、現在のＰ，Ｖ，Ｄに対応しためっき付着量が計測できるまでに１〜２分を必要とする。

次に、めっき付着量制御装置100の構成を説明する。めっき付着量制御装置100は溶接点で接続されている各ストリップのめっき付着量の目標値や、各ストリップの長さ等の製造情報を格納している製造情報テーブル101からめっき目標値を取り込み、ストリップの変わり目で新しい目標値が実現されるように操作端の制御指令値を計算するプリセット手段102を備えている。また、めっきプラント150からストリップ速度を取り込み、溶接点位置をトラッキングすることでプリセット手段102の起動タイミングを生成するプリセットタイミング生成手段103を備えている。さらにノズル153のギャップや圧力、板速が安定した値を保っており、付着量計155が検出した付着量がこれらに対応した値であることを判別する安定判別手段104を有している。また（数１）に示しためっき付着量予測モデルを有して、ノズル153のギャップや圧力、板速等からストリップに付着しているめっき量を推定する付着量推定手段105を有している。

さらに付着量推定手段105の出力と付着量計155からの検出値との差分Ｗdを取り込み、現在のめっきプラントの状態におけるめっき付着量予測モデルとめっきプラント100におけるめっき付着挙動との乖離の度合いを算出する適応手段106と、適応手段106の計算結果を蓄積する適応結果記憶手段107を有している。同様に、付着量推定手段105の出力と付着量計155から検出した値との差分を、対応しためっき付着量やストリップ速度とともに取り込み、長期間に渡って蓄積するモデル誤差蓄積手段110を有している。このモデル誤差蓄積手段110に蓄積されているデータを用いて、類似の制御状態におけるめっき付着量予測モデルとめっきプラント100におけるめっき付着挙動との長期間に渡る乖離の度合いを獲得する学習手段108と、学習手段108の計算結果を制御状態毎に対応づけて蓄積する学習結果記憶手段109を備えている。学習手段108における類似の制御状態の判定として、本実施例ではめっき付着量とストリップ速度の両方が類似であることを指標としたが、ノズルギャップやガスの圧力を加える等、指標としては種々の組み合わせが考えられる。また本実施例では操作端がノズル圧力Ｐの場合を示すが、操作端がノズルギャップＤ、またはノズル圧力ＰとノズルギャップＤの両方の場合にも、同様の考え方で本発明を適用できる。

図２は安定判別手段が実行する処理を示すフロー図である。安定判別手段104は、S2−1で制御の安定状態が鋼板長手方向に継続した距離を示すトラッキングの値Ｌを初期化する。S2−2で板速とノズルギャップのいずれかが変化したかどうかを判定する。変化した場合にはS2−1に戻り、トラッキング値Ｌを初期化する。変化していない場合には、S2−3で板速Ｖに安定判別手段104の起動周期Δｔを乗じた値をＬに加算し、新たにＬとする。S2−4では、Ｌがノズル153と付着量計155までの距離Ｌ１，板速Ｖと付着量計155が板を幅方向に走査する時間Ｔｗの積、さらにマージンＭを加えた値より大きいかどうかを判定する。大きい場合には、めっきプラント150が十分長い間安定であり、付着量計155からのめっき付着量検出値が、現在のＰ，Ｖ，Ｄ等と対応していることを示している。したがって、S2−5で安定判別信号を出力する。大きくない場合には、S2−2に戻り、S2−2〜S2−4の処理を繰り返す。

図３は付着量推定手段が実行する処理を示す。付着量推定手段105は、S3−1でめっきプラント150からＰ，Ｖ，Ｄの実績を取り込む。次にめっき付着量予測モデルである（数１）にＰ，Ｖ，Ｄを代入してln(W)を求め、この値からＰ，Ｖ，Ｄに対応して付着すると予想されるめっき付着量の推定値Ｗ~を計算する。

図４に適応手段が実行する処理を示す。適応手段106はS4−1で付着量計の検出値Ｗと、付着量推定手段105の出力Ｗ~を取り込む。S4−2で適応結果記憶手段107に蓄積されている適応量ΔＷを取り込み、（数２）により新たな適応量を算出する。
ΔＷ←（１−α）・ΔＷ＋α・(Ｗ−Ｗ~) （２）
ただし、α：適応ゲインである。すなわちΔＷに対して、当該のめっき操業で生じためっき付着量予測モデルの出力値Ｗ~と実際に計測されためっき付着量Ｗの乖離の影響を、一定割合で加算することで、ΔＷを更新する。適応ゲインαは調整パラメータであるが、相対的に大きくすることで、ΔＷはより直近の操業に重きをおいた適応量となる。S4−3で適応結果記憶手段107のΔＷを、（数２）で求めた新たな適応量に更新する。適応量算出方法として、（数２）は代表的な式であるが、この他にも考えられる。

図５にモデル誤差蓄積手段110のデータ構成を示す。モデル誤差蓄積手段110は、モデル誤差Ｗdに加え、モデル誤差Ｗdが算出されたときのめっき付着量Ｗ、ストリップ速度Ｖをセットにして記憶している。新たなＷdが算出される毎に対応する３つのデータの組み合わせが蓄積されるが、一定期間を過ぎたデータはモデル誤差蓄積手段110から消去される。データの消去としては、一定データ数に達した以後、古いデータから消去する方法でも良い。

図６に学習手段が実行する処理を示す。学習結果記憶手段109は、例えば図７のデータ構成をしている。すなわち、めっき付着量と板速を、図の例では概ね10g/m2および10mpm毎に層別し、各層別毎に学習量δＷijが蓄積されている。学習手段108はS6−1で付着量Ｗと板速Ｖのある層別に対応したモデル誤差を、モデル誤差蓄積手段110から抽出する。そしてS6−2で、（数３）にしたがって学習量δＷijを算出する。
δＷij＝(ΣＷd)/ｎ （３）
ただし，ｎ：モデル誤差蓄積手段110から抽出した当該層別のＷdの個数である。δＷijとして、データが蓄積されている期間の類似の層別におけるめっき付着量予測モデルと実際のめっきプラントにおけるめっき付着挙動との乖離が算出できる。S6-3で、学習結果記憶手段109のδＷijを、（数３）で求めた新たな学習量に更新する。S6−4で付着量Ｗと板速Ｖのすべての層別について学習量の更新が終わったことを確認し、終わってない場合はS6−1〜S6−3を繰り返す。

図６の例では、学習結果記憶手段109で蓄積する学習結果を、めっき付着量と板速で層別したが、めっき付着量とノズルギャップ、またはノズル位置、ガスの圧力値等、他の組み合わせで層別することもできる。また学習手段108の起動タイミングは、めっきプラントが運転を停止したタイミング、定周期、使用者による手動で与えたタイミングでの起動等、種々、考えられる。

図８はプリセットタイミング生成手段が実行する処理を示す。プリセットタイミング生成手段103はS8−1で板速Ｖを取り込む。S8−2で通過長Ｌを、板速Ｖにプリセットタイミング生成手段103の起動周期Δｔを乗じた値をＬに加算し、新たなＬとする。S8−3では、Ｌが製造情報テーブル101から取り込んだ当該ストリップの長さより大きいかどうかを判定する。大きい場合には、次のストリップに替わりめっき付着量目標値が変更となるタイミングなので、S8−4でプリセット手段102にプリセットタイミングを出力する。さらに通過長Ｌをクリアする。小さい場合にはS8−1に戻り、S8−1〜S8−3の処理を繰り返す。

図９にプリセット手段が実行する処理を示す。プリセット手段102は、プリセットタイミング生成手段103から起動タイミングを受信し、次のストリップのめっき付着量目標値を実現するノズル圧力Ｐを算出する処理を開始する。まずS9−1でめっきプラント150からＶ，Ｄを、また製造情報テーブル101から次のストリップのめっき付着量目標値Ｗ＊、現在のストリップのめっき付着量目標値Ｗpre＊を取り込む。S9−2では、Ｗ＊とＷpre＊の差があらかじめ定められた一定値（Ｗth）以下かどうかを判定する。

Ｗth以下の場合は、今回と次回のめっき付着量目標値に大きな差異がなく、類似の動作点でめっき制御が継続できるので、現在のめっきプラントの状態におけるめっき付着量予測モデルとめっきプラント100におけるめっき付着挙動との乖離を補償することで、高精度な制御が行える。そこでS9−3で適応結果記憶手段107から適応量ΔＷを取り込む。そしてS9−4でめっき付着量予測モデルをΔＷで補償して、プリセット制御の操作量Ｐを算出する。すなわち、（数１）をノズル圧力について解いた上で、Ｗの代わりにＷ−ΔＷを用いることで、めっき付着量予測モデルが現在のめっき付着特性に対して有していると予想されるモデル誤差を補償して、（数４）によりln(P)を算出する。
ln(P)＝{ln(W＊−ΔW)−(a0+a2・ln(V)+a3・ln(D))/a1 （４）
ここで、W＊：次のストリップのめっき付着量目標値，ΔW：適応量，V:ライン速度，D：ノズルギャップ，P：ノズルのガス圧，a0〜a3：定数である。右辺に値を代入し、ln(P)を求めた後、ノズル圧力Ｐに変換する。

一方、S9−2でＷ＊とＷpre＊の差があらかじめ定められた一定値Ｗth以下でない場合には、今回と次回のめっき付着量目標値に大きな差がある。このため、現在のめっきプラントの状態におけるめっき付着量予測モデルとめっきプラント100におけるめっき付着挙動との乖離に着目しても有意な補償が行えず、普遍的な乖離に着目して制御した方が有効である場合が多い。そこでS9−5で、めっき付着量の目標値と現在の板速の層別に対応した学習結果δＷijを、学習結果記憶手段108から取り込む。そしてS9−6でめっき付着量予測モデルをδＷijで補償して、（数５）によりプリセット制御の操作量Ｐを算出する。
ln(P)＝{ln(W＊−δWij)−(a0+a2・ln(V)+a3・ln(D))/a1 （５）
ここで、W＊：次のストリップのめっき付着量目標値，δWij：学習量，V:ライン速度，D：ノズルギャップ，P：ノズルのガス圧，a0〜a3：定数である。右辺に値を代入し、ln(P)を求めた後、ノズル圧力Ｐに変換する。S9−6で算出したＰを、めっきプラント150に出力する。

図１０は本発明の実施例２によるめっき付着量制御装置の構成を示す。本実施例では、実施例１のモデル誤差蓄積手段110を備えず、学習手段1101はWdを取り込む都度、逐次計算でδWijを算出し、学習結果記憶手段109の記憶内容を更新する。

図１１は学習手段が実行する処理を示す。本実施例で学習手段1001は、付着量推定手段105が新たな付着量を推定する度に逐次的に実行される。S11−1で付着量計の検出値Ｗと、付着量推定手段105の出力Ｗ~、および板速Ｖを取り込む。この例では、めっき付着量と板速を概ね10g/m2および10mpm毎に層別し、各層別毎に学習量δＷijが蓄積されている。S11−2で付着量と板速の当該値であるＶとＷに対応した学習結果記憶手段109の層別に蓄積されている学習量δＷijを取り込み、（数６）で新たな学習量δＷijを算出する。
δＷij←｛η・δＷij＋β・(Ｗ−Ｗ~)｝／(η＋β) （６）
ただし、β：学習ゲイン，η：忘却係数である。学習ゲインβは、（数２）のαに比べ小さな値である。このようにして直近のＷdの影響を小さくすることで、同一の層別で生じためっき付着量予測モデルの出力値と実際に計測されためっき付着量の乖離を、長期にわたって学習により獲得できる。この結果、めっき付着量予測モデルの出力値と実際に計測されためっき付着量の普遍的な乖離が抽出できる。またηは忘却係数であり、現在の学習量の情報をどの程度の時定数で喪失するかを調整する。学習速度はβとηの相対関係で決定される。S11−3で、学習結果記憶手段109のδＷijを、（数６）で求めた新たな学習量に更新する。学習量の計算式として（数６）は一例であり、この他にも種々考えられる。

図１２は実施例３によるめっき付着量制御装置の構成を示す。本実施例では、実施例２のプリセット手段102に代えて、異なった数式で制御指令の計算を行う第１のプリセット手段1201と第２のプリセット手段1202をもつプリセット手段1200を備えている。

図１３にプリセット手段が実行する処理を示す。プリセット手段1200は、まずS13−1でめっきプラント150から板速Ｖ、ノズルギャップＤに加え、現在のノズル圧力設定値であるＰcurを、また製造情報テーブル101から次のストリップのめっき付着量目標値Ｗ＊、現在のストリップのめっき付着量目標値Ｗpre＊を取り込む。S13−2では、Ｗ＊とＷpre＊の差があらかじめ定められた一定値Ｗth以下かどうかを判定する。

Ｗth以下の場合は、類似の動作点でめっき制御が継続できるので、S13−3で第１のプリセット手段1201を起動し、さらに適応結果記憶手段107から適応量ΔＷを取り込む。S13−4では現在のノズル圧力指令値Pcurを基に、付着量目標値の変更分に相当する圧力の変更分を加減算することで、ノズル圧力の指令値を相対的に算出する。さらに計算に用いるめっき付着量予測モデルを、適応量ΔＷを用いて補償することで、制御指令値を高精度化する。具体的にはS13−4では、（数７）にしたがって制御指令値の算出を行う。
P＝Pcur＋ｆ^-1(W＊−ΔW,V,D)−ｆ^-1(Wpre＊−ΔW,V,D) （７）
ここで、ln{ｆ^-1(W,V,D)}＝{ln(W)−(a0+a2・ln(V)+a3・ln(D))/a1，W＊：次のストリップのめっき付着量目標値，Ｗpre＊：現在のストリップのめっき付着量目標値，ΔW：適応量，V:ライン速度，D：ノズルギャップ，P：ノズルのガス圧，a0〜a3：定数である。

一方、S13−2でＷ＊とＷpre＊の差があらかじめ定められた一定値Ｗth以下でない場合には、今回と次回のめっき付着量目標値に大きな差があり制御の動作点が隔たっている。このため、現在のめっきプラントの状態に着目しても有効な補償が行えず、めっき付着量予測モデルとめっきプラント100のめっき付着挙動との普遍的な乖離に着目して、めっき付着量予測モデルを補償する必要がある。そこでS13−5でめっき付着量の目標値と現在の板速の層別に対応した学習量δＷijを、学習結果記憶手段108から取り込む。そしてS13−6でめっき付着量予測モデルをδＷijで補償して制御指令値を高精度化する。具体的にはS13−6では（数８）により制御指令値の算出を行う。
P＝ｆ^-1(W＊−δWij,V,D) （８）
ここで、ln{ｆ^-1(W,V,D)}＝{ln(W)−(a0+a2・ln(V)+a3・ln(D))/a1，W＊：次のストリップのめっき付着量目標値，δWij：学習量，V:ライン速度，D：ノズルギャップ，P：ノズルのガス圧，a0〜a3：定数である。最終的に計算されたガス圧の制御指令値は、Ｓ13−7で制御対象150に出力される。

次に本発明の実施例４を示す。図１４は本実施例のプリセット手段が実行する処理を示す。実施例１との違いは、S14−6でめっき付着量予測モデルをδＷijで補償して算出した圧力を基準の圧力指令値とし、付着量目標値の変更分に相当する圧力の変更分を加減算することで、プリセット制御におけるノズル圧力の指令値を相対的に算出することである。さらに圧力変更分の計算に用いるめっき付着量予測モデルを、適応量ΔＷを用いて補償することで、制御指令値を高精度化する。

具体的にS14−6では、（数９）にしたがって制御指令値の算出を行う。右辺第１項が基準の圧力指令値、また第２項から第３項を減じることで圧力の変更分を計算している。
P＝ｆ^-1(W＊−δWij,V,D)＋ｆ^-1(W＊−ΔW,V,D)−ｆ^-1(Wpre＊−ΔW,V,D) （９）
ここで、ln{ｆ^-1(W,V,D)}＝{ln(W)−(a0+a2・ln(V)+a3・ln(D))/a1，W＊：次のストリップのめっき付着量目標値，Wpre＊：現在のストリップのめっき付着量目標値，ΔW：適応量，δWij：学習量，V:ライン速度，D：ノズルギャップ，P：ノズルのガス圧，a0〜a3：定数である。最終的に計算されたガス圧の制御指令値は、Ｓ14−7で制御対象150に出力される。

次に本発明の実施例５を示す。図１５は本実施例のプリセット手段が実行する処理を示す。本実施例では、Ｓ15−2でプリセットの処理を選択するときに、次のストリップのめっき付着量目標値Ｗ＊と現在のストリップのＷpre＊の差があらかじめ定められた一定値Ｗth1以上かどうかに加え、次のストリップのめっき付着量目標値Ｗ＊が一定値Ｗth2以上かを判定する。両方を満足している場合に限りＳ15−5に進み、それ以外の場合はＳ15−3に進む。以下、実施例１と同じ処理を行う。このように、プリセット処理の選択基準としては、次ストリップのめっき付着量目標値と現ストリップのめっき付着量目標値の差、めっき付着量目標値の絶対値、ストリップ速度、ノズル位置等、種々の条件が考えられる。

次に本発明の実施例６示す。図１６は学習結果記憶手段のデータ構成を示す。本実施例の学習結果は、（数１）のめっき付着量予測モデルのa0〜a3のパラメータとして獲得される。パラメータの更新は逐次最小二乗法で行えばよく、実施例２と同様のタイミングでめっき付着量予測モデルのa0〜a3を算出する計算をその都度行い、学習結果記憶手段1601に蓄える。本実施例で、プリセット手段102はδＷijでめっき付着量予測モデルを補正する代わりに、学習結果記憶手段1601の該当層別に蓄積されているa0〜a3を用いて、（数１０）にしたがってガス圧の制御指令値を算出する。
ln(P)＝{ln(W＊)−(a0+a2・ln(V)+a3・ln(D))/a1 （１０）
逐次最小二乗法については多くの文献で参照できるが、例えば、『最小二乗法の理論と応用（田島稔、小牧数雄、東洋書店（１９８６））』で詳しく述べられている。

以上、各実施例に説明した本発明は、鉄鋼のプロセスラインにおけるめっき付着量制御に広く適用することができる。

本発明のめっき付着量制御装置の実施例１を示した構成図。 安定判別手段の処理を示すフロー図。 付着量推定手段の処理を示すフロー図。 適応手段の処理を示すフロー図。 モデル誤差蓄積手段のデータ構成図。 学習手段の処理を示すフロー図。 学習結果記憶手段のデータ構成図。 プリセットタイミング生成手段の処理を示すフロー図。 プリセット手段の処理を示すフロー図。 めっき付着量制御装置の実施例２を示した構成図。 実施例２による学習手段の処理を示すフロー図。 めっき付着量制御装置の実施例３を示す構成図。 実施例３のプリセット手段の処理を示すフロー図。 実施例４のプリセット手段の処理を示すフロー図。 実施例５のプリセット手段の処理を示すフロー図。 実施例６の学習結果記憶手段のデータ構成図。

符号の説明

１００…めっき付着量制御装置、１０１…製造情報テーブル、１０２…プリセット手段、１０３…プリセットタイミング生成手段、１０４…安定判別手段、１０５…付着量推定手段、１０６…適応手段、１０７…適応結果記憶手段、１０８…学習手段、１０９…学習結果記憶手段、１５０…制御対象、１５１…ストリップ（鋼板）、１５３…ノズル、１５５…付着量計、１２００…プリセット手段、１２０１…第１のプリセット手段、１２０２…第2のプリセット手段、１６０１…学習結果記憶手段。

Claims (9)

1. 連続的に送られてくるストリップを溶融めっきの浴槽に浸し、引き上げざまにノズルから高圧のガスを吹き付け、不要なめっきを落とすことでストリップに所望の厚みのめっきを付着させるめっきプラントから実績信号を受信し、めっき付着量を制御するための制御信号をめっきプラントに送信するめっき付着量制御装置において、
   ストリップ速度、ガスの圧力、ノズル吹き付け位置（ノズル位置）におけるノズルとストリップの距離（ノズルギャップ）等とこの結果付着するめっき付着量の関係を記述しためっき付着量予測モデルと、
   ストリップ速度、ガスの圧力、ノズルギャップ等の実績を取り込み、前記めっき付着量予測モデルを用いてめっき付着量を推定する付着量推定手段と、
   前記付着量推定手段の出力と直近の操業で実際に付着しているめっき付着量とから、めっき付着量予測モデルと実際のめっき付着挙動との乖離の度合いを求め、該乖離の度合いを用いてめっき付着量予測モデルを直近のめっきプラントの状態に近づけるための適応量を算出する適応手段と、算出した適応量を記憶する適応結果記憶手段と、
   前記付着量推定手段の出力と実際に付着しためっき付着量の実績値の偏差を蓄積するモデル誤差蓄積手段と、
   該モデル誤差蓄積手段に蓄積された偏差をめっきプラントの操業状態の類似性に着目した層別毎に学習する学習手段と、学習結果である学習量を記憶する学習結果記憶手段と、
   めっき付着量の目標値が変更になったとき、前記適応結果記憶手段と前記学習結果記憶手段の少なくとも一方の内容を用いて前記めっき付着量予測モデルを補正し、補正しためっき付着量予測モデルを用いて所望のめっき付着量を得るための制御指令値を算出するプリセット手段を備えることを特徴とするめっき付着量制御装置。
2. 前記制御指令値は、ガスの圧力の指令値またはノズル位置の指令値の少なくとも一方であり、前記プラントの操業状態の類似性とは、めっき付着量、ストリップ速度、ガスの圧力、ノズル位置またはノズルギャップの少なくとも一つが類似であることを特徴とする請求項１記載のめっき付着量制御装置。
3. 前記プリセット手段は、現在のストリップのめっき付着量目標値と次のストリップのめっき付着量目標値との差分を計算し、該差分とあらかじめ定められた所定値との大小関係により、前記適応結果記憶手段の適応量と前記学習結果記憶手段の学習量のいずれを用いて前記めっき付着量予測モデルを補正するかを決定することを特徴とする請求項１または２記載のめっき付着量制御装置。
4. 前記プリセット手段は、現在のストリップのめっき付着量目標値と次のストリップのめっき付着量目標値との差分を計算し、該差分が小さいときには、前記適応結果記憶手段の適応量を用いて前記めっき付着量予測モデルを補正し、補正しためっき付着量予測モデルを用いて所望のめっき付着量を得るための制御指令値を算出し、差分が大きいときには、前記学習結果記憶手段の学習量を用いて前記めっき付着量予測モデルを補正し、補正しためっき付着量予測モデルを用いて所望のめっき付着量を得るための制御指令値を算出することを特徴とする請求項１〜３の何れかに記載のめっき付着量制御装置。
5. 前記プリセット手段は、現在の制御指令値に次のストリップのめっき付着量目標値を用いて算出した制御指令値を加算し、さらに現在のストリップのめっき付着量目標値を用いて算出した制御指令値を減じて最終的な制御指令値を算出する第１のプリセット手段と、次のストリップのめっき付着量目標値から前記めっき付着量予測モデルを用いて制御指令値を算出する第２のプリセット手段を有し、
   変更前のめっき付着量目標値と変更後のめっき付着量目標値の差分が小さいときには、前記適応結果記憶手段の適応量を用いて前記めっき付着量予測モデルを補正し、補正しためっき付着量予測モデルを用いて前記第１のプリセット手段で所望のめっき付着量を得るための制御指令値を算出し、前記差分が大きいときには、前記学習結果記憶手段の学習量を用いて前記めっき付着量予測モデルを補正し、補正しためっき付着量予測モデルを用いて第２のプリセット手段により所望のめっき付着量を得るための制御指令値を算出することを特徴とする請求項１〜３の何れかに記載のめっき付着量制御装置。
6. 前記プリセット手段は、現在の制御指令値に次のストリップのめっき付着量目標値を用いて算出した制御指令値を加算し、さらに現在のストリップのめっき付着量目標値を用いて算出した制御指令値を減じて最終的な制御指令値を算出する第１のプリセット手段と、次のストリップのめっき付着量目標値に前記学習結果記憶手段の学習量で補正しためっき付着量予測モデルを用いて算出した制御指令値、次のストリップのめっき付着量目標値に前記適応結果記憶手段の適応量で補正しためっき付着量予測モデルを用いて算出した制御指令値、現在のストリップのめっき付着量目標値に前記適応結果記憶手段の適応量で補正しためっき付着量予測モデルを用いて算出した制御指令値の３つの値から最終的な制御指令値を算出する第２のプリセット手段を有し、
   変更前のめっき付着量目標値と変更後のめっき付着量目標値の差分が小さいときには、前記第１のプリセット手段により所望のめっき付着量を得るための制御指令値を算出し、前記差分が大きいときには、前記第２のプリセット手段で所望のめっき付着量を得るための制御指令値を算出することを特徴とする請求項１〜３の何れかに記載のめっき付着量制御装置。
7. 前記プリセット手段は、現在のストリップのめっき付着量目標値と次のストリップのめっき付着量目標値との差分、次のストリップのめっき付着量目標値、ストリップ速度またはノズル位置の少なくとも一つに着目して、前記適応結果記憶手段の適応量と前記学習結果記憶手段の学習量のいずれを用いて前記めっき付着量予測モデルを補正するかを決定することを特徴とする請求項１〜３の何れかに記載のめっき付着量制御装置。
8. 前記プリセット手段は、現在のストリップのめっき付着量目標値と次のストリップのめっき付着量目標値との差分、次のストリップのめっき付着量目標値、ストリップ速度またはノズル位置の少なくとも一つに着目して、前記適応結果記憶手段の適応量と前記学習結果記憶手段の学習量のいずれを用いて前記めっき付着量予測モデルを補正するかを決定するとともに、前記第１のプリセット手段と第２のプリセット手段のどちらを選択するか決定することを特徴とする請求項７記載のめっき付着量制御装置。
9. 連続的に送られてくるストリップを溶融めっきの浴槽に浸し、引き上げざまにノズルから高圧のガスを吹き付け、不要なめっきを落とすことでストリップに所望の厚みのめっきを付着させるめっきプラントにおいて、
   ストリップ速度、ガスの圧力、ノズル位置におけるノズルとストリップの距離（ノズルギャップ）等とめっき付着量の関係を記述しためっき付着量予測モデルを用いて、ストリップ速度、ガスの圧力、ノズルギャップ等の実績からめっき付着量を推定し、この推定結果と直近の操業で実際に付着しているめっき付着量とから、めっき付着量予測モデルと実際のめっき付着挙動との乖離の度合いを求め、該乖離の度合いを用いてめっき付着量予測モデルを直近のめっきプラント状態に近づけるための適応量を算出して記憶し、並行して前記推定結果と実際に付着しためっき付着量の実績値との長期間に渡る平均的な偏差をめっきプラントの操業状態の類似性に着目した層別毎に学習量として記憶し、めっき付着量の目標値が変更になったとき、適応量と学習量の少なくとも一方の内容を用いて該めっき付着量予測モデルを補正し、補正した制御モデルを用いて所望のめっき付着量を得るための制御指令値を算出することを特徴とするめっき付着量制御方法。

Images