JP5817450B2 - Thick plate width control method - Google Patents
Thick plate width control method Download PDFInfo
- Publication number
- JP5817450B2 JP5817450B2 JP2011246245A JP2011246245A JP5817450B2 JP 5817450 B2 JP5817450 B2 JP 5817450B2 JP 2011246245 A JP2011246245 A JP 2011246245A JP 2011246245 A JP2011246245 A JP 2011246245A JP 5817450 B2 JP5817450 B2 JP 5817450B2
- Authority
- JP
- Japan
- Prior art keywords
- rolling
- data
- plate width
- rolled
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Control Of Metal Rolling (AREA)
Description
本発明は、厚板の板幅制御方法に関するものである。 The present invention relates to a plate width control method for a thick plate.
厚板の板幅制御方法は、体積一定則を用いて、所定の目標幅を実現する幅出圧延完了の板厚目標値（幅出完了厚）を算出する方法が用いられてきた。すなわち、幅出完了厚Hbtは、スラブ体積V、目標幅Wref、幅出圧延時の圧延幅ｂとすると、以下の（１）式にて求めることが出来る。 As a method for controlling the plate width of a thick plate, a method has been used in which a plate thickness target value (widening completion thickness) for completion of widening rolling that achieves a predetermined target width is calculated using a constant volume rule. That is, when the slab volume V, the target width Wref, and the rolling width b at the time of squeezing rolling are set, the squeezing completion thickness Hbt can be obtained by the following equation (1).
Hbt = V/(Wref・b) ・・・・・・（１）
しかしながら、鋼材の３次元変形による幅広がり変化、平面形状が矩形にならないため、例えば以下の（２）式のように補正を施す必要がある。
Hbt = V / (Wref ・ b) (1)
However, it is necessary to correct, for example, the following equation (2) because the width change due to three-dimensional deformation of the steel material and the planar shape do not become rectangular.
Hbt = V/(Wref・b)・α ・・・・・・（２）
ここで、 αは幅出比（製品幅／スラブ幅）で、スラブ幅、調整圧下量などの操業因子で決定されるテーブル値・パラメータである。
Hbt = V / (Wref · b) · α (2)
Here, α is a squeeze ratio (product width / slab width), which is a table value / parameter determined by operating factors such as slab width and adjustment reduction amount.
これに対し、特許文献１および２に開示された技術（以下では、両技術をまとめてデータベース型モデルとも称する）では、過去の一定数の圧延材について操業因子と実績幅を格納したデータベースを用いて、今回の操業条件と類似した操業因子を持つ過去の圧延材に重きをおいた局所的なモデルを作成することにより、今回の予測幅を推定し、次の（３）式のように幅出完了厚を修正して幅制御を行う。 On the other hand, in the techniques disclosed in Patent Documents 1 and 2 (hereinafter, both techniques are collectively referred to as a database model), a database storing operation factors and performance ranges is used for a fixed number of past rolled materials. Thus, by creating a local model that emphasizes past rolling materials with operating factors similar to the current operating conditions, the current predicted width is estimated, and the width is as shown in the following equation (3) The width is controlled by correcting the completion thickness.
Hbt’ = Hbt・Wpre/Wref ・・・・・・（３）
Hbt’:データベース型モデルにより修正計算された幅出完了厚
Wpre:データベース型モデルによる予測幅、Wref:狙い幅
Hbt：当初の幅出完了厚
Hbt '= Hbt / Wpre / Wref (3)
Hbt ': Thickening completed thickness corrected by database type model
Wpre: Estimated width based on database type model, Wref: Target width
Hbt: Initial width of completed extension
上述のデータベース型モデルを用いた手法では、過去のデータベース内のこれから予測する条件に類似したデータに基づいて局所的なモデルを作成し、作成したモデルから予測値を推定する。このため、過去のデータベース内に予測したい条件に類似したデータが少ない場合(希少な条件で予測しなければならない場合)には、精度の良いモデルを作成できず、予測値の推定精度が悪くなり、板幅制御精度が低下するという欠点を持っている。特に、通常の操業条件の範囲を大きく外れた条件では、この傾向が顕著である。 In the method using the above-described database type model, a local model is created based on data similar to a condition to be predicted in the past database, and a predicted value is estimated from the created model. For this reason, when there are few data similar to the conditions to be predicted in the past database (when it is necessary to perform predictions with rare conditions), it is not possible to create a model with high accuracy, and the estimation accuracy of the predicted value will deteriorate. The plate width control accuracy is reduced. In particular, this tendency is remarkable under conditions that greatly deviate from the range of normal operating conditions.
本発明では、これら従来技術の問題点に鑑み、希少な材料についてもデータベース型モデルで板幅予測を行うにあたって板幅予測精度を落とすことが無く、板幅制御精度向上ができる、厚板の板幅制御方法を提案することを目的とする。 In the present invention, in view of the problems of these prior arts, a thick plate that can improve the plate width control accuracy without degrading the plate width prediction accuracy when performing plate width prediction for rare materials using a database model. The purpose is to propose a width control method.
上記課題は、以下の発明によって解決できる。 The above problems can be solved by the following invention.
［１］ 厚板の板幅を所望の値に制御するにあたり、
予測対象である被圧延材の各種操業因子の設定値を入力する予測対象データ入力ステップと、
前記被圧延材の板幅変化量に影響を与える操業因子の設定値あるいは実績値と、板幅変化量実績とが圧延事例データとして過去の圧延材ごとに保存されているデータベースから、前記被圧延材の操業因子と類似した操業因子を有する過去の圧延事例データを複数抽出して、抽出した圧延事例データを選択する類似データ選択ステップと、
選択した圧延事例データの板幅変化量に基づいて前記被圧延材の板幅変化量を予測する予測値算出ステップと、
予測した板幅変化量に基づいて板幅の目標値を設定する板幅目標値算出ステップと、
前記被圧延材の圧延終了後に、その圧延実績に基づいてデータベースの内容を更新するデータベース更新ステップと、
を有することを特徴とする厚板の板幅制御方法。
[1] In controlling the plate width to a desired value,
Prediction target data input step for inputting set values of various operation factors of the material to be rolled that is the prediction target;
From the database in which the set value or actual value of the operating factor affecting the sheet width change amount of the material to be rolled and the sheet width change amount result are stored as rolling example data for each past rolled material, A plurality of past rolling case data having an operation factor similar to the operation factor of the material, and a similar data selection step for selecting the extracted rolling case data;
A predicted value calculation step for predicting a plate width change amount of the material to be rolled based on a plate width change amount of the selected rolling example data;
A plate width target value calculating step for setting a plate width target value based on the predicted plate width change amount;
After the rolling of the material to be rolled, a database update step for updating the contents of the database based on the rolling record,
The board width control method of the thick board characterized by having.
［２］ 上記［１］に記載の厚板の板幅制御方法において、
前記データベース更新ステップでは、
データベース内の各圧延事例データごとに、自分以外の他の圧延事例データについての類似度を算出し、算出した類似度の平均値を算出し、算出した類似度の平均値が最も大きい圧延事例データを棄却するとともに、
前記被圧延材の圧延事例データをデータベースに格納することを特徴とする厚板の板幅制御方法。
[2] In the plate width control method of the thick plate according to [1],
In the database update step,
For each rolling case data in the database, calculate the similarity for other rolling case data other than yourself, calculate the average value of the calculated similarity, and the rolling case data with the highest average value of the calculated similarity And dismiss
A plate width control method for a thick plate, wherein rolling example data of the material to be rolled is stored in a database.
［３］ 上記［１］に記載の厚板の板幅制御方法において、
前記データベース更新ステップでは、
データベース内の圧延事例データ空間を各次元ごとに複数の区間に離散化し、全圧延事例データを分割して、各々の圧延事例データがどの区分に該当するかを管理するテーブルを作成し、
作成したテーブルの区分の内で登録数が最も多い区分の中から、最も登録日付が古い圧延事例データを棄却するとともに、
前記被圧延材の圧延事例データをデータベースに格納することを特徴とする厚板の板幅制御方法。
[3] In the plate width control method of the thick plate according to [1],
In the database update step,
Discretize rolling case data space in the database into multiple sections for each dimension, divide all rolling case data, create a table to manage which category each rolling case data corresponds to,
While rejecting the rolling example data with the oldest registration date from the categories with the highest number of registrations in the created table category,
A plate width control method for a thick plate, wherein rolling example data of the material to be rolled is stored in a database.
本発明によれば、希少な圧延材についてもデータベース型モデルで計算するときに類似したデータ数を確保することができ、板幅予測精度を落とすことがなくなる。このため板幅制御精度向上が図られ、板幅不良率低減ならびに幅切り捨て代低減による歩留向上が実現できる。 According to the present invention, it is possible to secure a similar number of data when a rare rolled material is calculated using a database type model, and it is possible to prevent a reduction in sheet width prediction accuracy. Therefore, the plate width control accuracy can be improved, and the yield improvement can be realized by reducing the plate width defect rate and reducing the width cut-off allowance.
本発明における板幅変化量予測値の算出は、例えば、次のような処理手順を経る。
（１）板幅変化量に影響を与える因子の実績値あるいは設定値と、その結果として生じる幅変化量実績とをデータベースとして保存しておく。
（２）被圧延材間で、板幅変化量に影響を与える因子に関する類似度をあらかじめ定義しておく。
（３）予測の対象となる被圧延材と、データベースに保存された過去の被圧延材の間の類似度を計算し、類似度の高い順にあらかじめ定められた本数の被圧延材を抽出する。
（４）抽出した過去の被圧延材の板幅変化量実績を（３）で計算した類似度で重みを付けて平均値を求め、その平均値をもって予測対象材の板幅変化量予測値とする。
The calculation of the predicted value for the change in plate width according to the present invention is performed through the following processing procedure, for example.
(1) The actual value or setting value of the factor that affects the plate width change amount and the resulting width change amount result are stored as a database.
(2) The degree of similarity related to factors affecting the sheet width change amount is defined in advance between the materials to be rolled.
(3) The degree of similarity between the material to be predicted and the past material to be rolled stored in the database is calculated, and a predetermined number of materials to be rolled are extracted in descending order of similarity.
(4) The average sheet width change amount of the extracted past rolled material is weighted with the similarity calculated in (3) to obtain an average value, and the average value is used to calculate the sheet width change amount predicted value of the material to be predicted To do.
本発明では、モデルのパラメータではなく圧延実績そのものをデータベースとして保存し、それから直接的に板幅変化予測量を求めるため、以下のことが可能である。
（ａ）従来のように具体的なモデルの関数形を仮定せず、今回の被圧延材に類似した過去の複数の被圧延材の板幅変化量実績の重み付き平均値により予測対象の被圧延材の板幅変化量を求めている。そのため、仮定したモデルの関数形が不適切であるためにモデルによる予測値と実績値がずれてしまう問題が発生しない。
（ｂ）具体的なモデルの関数形を仮定しないこと、および圧延実績そのものをデータベースとして保存することにより、予測に用いる変数の追加、削除が容易に行える。
In the present invention, since the rolling performance itself, not the model parameters, is stored as a database, and the sheet width change prediction amount is directly obtained therefrom, the following is possible.
(A) Assuming that the function form of a specific model is not assumed as in the prior art, the target weight to be predicted is determined by the weighted average value of the sheet width change results of a plurality of past rolled materials similar to the current rolled material. The amount of change in the width of the rolled material is obtained. Therefore, there is no problem that the predicted value and the actual value of the model deviate from each other because the assumed function form of the model is inappropriate.
(B) By not assuming a specific model function form and storing the rolling performance itself as a database, it is possible to easily add and delete variables used for prediction.
被圧延材は、複数のスタンド（圧延ロール）を連続的に通過することによって圧延が行われる。圧延機の入側と出側には板幅計が設置されており、被圧延材の板幅を長手方向に連続して測定することができる。入側と出側で、長手方向で対応する部分の板幅を測定し、その差を求めることにより、板幅変化量の実績値を得ることができる。 The material to be rolled is rolled by continuously passing through a plurality of stands (rolling rolls). Sheet width meters are installed on the entry side and the exit side of the rolling mill, and the sheet width of the material to be rolled can be continuously measured in the longitudinal direction. By measuring the plate width of the corresponding part in the longitudinal direction on the entry side and the exit side, and obtaining the difference, the actual value of the plate width change amount can be obtained.
図１は、本発明に係る板幅制御方法の全体処理フローを説明する図である。データベース内には、板幅変化量に影響を与える操業因子の設定値あるいは実績値（以下、入力変数とも称する）と、その結果として生じる板幅変化量実績値（以下、出力変数とも称する）が過去の被圧延材ごとに保存されている。 FIG. 1 is a diagram for explaining the overall processing flow of the plate width control method according to the present invention. In the database, there are set values or actual values (hereinafter also referred to as input variables) of operating factors that affect the plate width change amount, and the resulting plate width change amount actual values (hereinafter also referred to as output variables). Stored for each past material to be rolled.
先ず、予測対象データ入力ステップ（Step11）では、予測対象である被圧延材の各種操業設定値が入力変数として入力される。類似データ選択ステップ（Step12）では、予測対象である被圧延材の入力変数と操業設定値の類似した過去の圧延事例を複数選択する。 First, in the prediction target data input step (Step 11), various operation setting values of the material to be rolled that are prediction targets are input as input variables. In the similar data selection step (Step 12), a plurality of past rolling cases with similar input variables and operation set values of the material to be rolled, which are prediction targets, are selected.
次に、板幅変化量予測値算出ステップ（Step13）では、選択されたデータに対する過去の出力実績値（板幅変化量）から予測対象材の板幅変化量を予測する。 Next, in the plate width change amount predicted value calculation step (Step 13), the plate width change amount of the material to be predicted is predicted from the past output actual value (plate width change amount) for the selected data.
そして、板幅目標値算出ステップ（Step14）では、先に求めた板幅変化量予測値に基づいて板幅目標値を算出し、出力する。 In the plate width target value calculation step (Step 14), the plate width target value is calculated based on the previously obtained plate width change amount predicted value and output.
最後に、データベース更新ステップ（Step15）では、被圧延材の圧延終了後に、その圧延実績に基づいてデータベースの内容を更新する。以上が、本発明に係る板幅制御方法の大まかな処理の流れである。 Finally, in the database update step (Step 15), after the rolling of the material to be rolled is completed, the contents of the database are updated based on the rolling performance. The above is the rough processing flow of the plate width control method according to the present invention.
図２は、本発明の装置構成例を示す図である。操業を管理および制御するための操業用計算機（プロセスコンピュータ）１、過去の操業データを蓄積・記憶するためのデータベース２、および板幅変化量予測を行うための板幅変化量予測装置３から大きく構成される。 FIG. 2 is a diagram showing an apparatus configuration example of the present invention. Largely from an operation computer (process computer) 1 for managing and controlling operations, a database 2 for storing and storing past operation data, and a plate width change amount prediction device 3 for performing plate width change prediction. Composed.
操業用計算機１は、一本の被圧延材の圧延が完了するたびに、次に予測したい被圧延材の圧延データを入力する。また、操業用計算機１は、次の被圧延材の板幅変化量を予測するために、板幅変化量予測装置３に対して予測計算の開始を要求するとともに、その予測対象材の入力変数（各種操業設定値）等を板幅変化量予測装置３に出力する。板幅変化量予測装置３は、データベース２に格納された過去の圧延事例データに基づいて板幅変化量予測値を算出し、算出した板幅変化量予測値に基づいて、板幅目標幅が操業用計算機１で設定される。 The operation computer 1 inputs rolling data of a material to be rolled next to be predicted every time rolling of one material to be rolled is completed. In addition, the operation computer 1 requests the sheet width change amount prediction device 3 to start prediction calculation in order to predict the sheet width change amount of the next material to be rolled, and input variables of the prediction target material (Various operation set values) and the like are output to the plate width change amount prediction device 3. The plate width change amount prediction device 3 calculates a plate width change amount predicted value based on the past rolling case data stored in the database 2, and based on the calculated plate width change amount predicted value, the plate width target width is calculated. It is set by the operation computer 1.
データベース２は、例えば図３に示すように入力変数（板幅変化量に影響を与える操業因子の設定値あるいは実績値）と出力変数（板幅変化量）とが対となっているデータ構造を有している。 For example, as shown in FIG. 3, the database 2 has a data structure in which an input variable (set value or actual value of an operating factor that affects the plate width change amount) and an output variable (plate width change amount) are paired. Have.
板幅変化量予測装置３は、さらに板幅変化量予測演算要求入力部３１、データベース読込部３３、予測対象材データ入力部３２、予測値演算部３４、および記憶装置３５とからなる。 The plate width change amount prediction device 3 further includes a plate width change amount prediction calculation request input unit 31, a database reading unit 33, a prediction target material data input unit 32, a prediction value calculation unit 34, and a storage device 35.
板幅変化量予測演算要求入力部３１は、操業用計算機１からの予測計算開始指令を受け付け、これを予測演算部３４に出力することで、予測演算が実行される。データベース読込部３３は、データベース２から予測演算の為に必要な過去の圧延事例データを読み込み処理をおこない、予測演算部３４に出力する。予測対象材データ入力部３２は、予測対象材のデータを操業用計算機１から入力し、予測演算部３４に出力する。 The board width change amount prediction calculation request input unit 31 receives a prediction calculation start command from the operation computer 1 and outputs it to the prediction calculation unit 34, whereby the prediction calculation is executed. The database reading unit 33 reads the past rolling case data necessary for the prediction calculation from the database 2 and outputs the data to the prediction calculation unit 34. The prediction target material data input unit 32 inputs data of the prediction target material from the operation computer 1 and outputs the data to the prediction calculation unit 34.
予測演算部３４では、予測対象材のデータと、過去の圧延事例データとに基づいて、板幅変化量を予測し、その結果を操業用計算機１に出力する。操業用計算機１は、予測した板幅変化量に基づいて板幅目標値を設定する。さらに、対象とする被圧延材の圧延終了後に、その圧延実績に基づいて前記データベースの内容を更新するために、圧延ラインから圧延データを入力し、それをデータベース２に格納するとともに古いデータを破棄する。なお、記憶装置３５は、予測演算部３４における中間結果の一時保存用として用いられる。 The prediction calculation unit 34 predicts the sheet width change amount based on the prediction target material data and the past rolling case data, and outputs the result to the operation computer 1. The operation computer 1 sets a plate width target value based on the predicted plate width change amount. Furthermore, after the rolling of the target material to be rolled, in order to update the contents of the database based on the rolling record, the rolling data is input from the rolling line, stored in the database 2, and the old data is discarded. To do. The storage device 35 is used for temporarily storing intermediate results in the prediction calculation unit 34.
次に、本発明における処理手順の詳細例を以下に説明する。先ず、操業用計算機から板幅変化量予測演算開始要求の信号が入力されると、板幅変化量予測装置での演算が開始する。 Next, a detailed example of the processing procedure in the present invention will be described below. First, when a plate width change amount prediction calculation start request signal is input from the operation computer, calculation in the plate width change amount prediction device starts.
目的変数（出力変数）とその説明変数（入力変数）が決定、ならびにそれらの観測データが与えられている状態である。 The objective variable (output variable) and its explanatory variable (input variable) are determined and their observation data is given.
出力変数の項目名称を Y、M個の入力変数の項目名称を Xm （m=1,2,・・・, M)とする。観測データはN個あり、n番目 (n=1,2,・・・,N) の出力変数の値を ynとし、入力変数の値を xm n と表現することとする。 The item name of the output variable is Y, and the item name of the M input variables is Xm (m = 1, 2, ..., M). There are N observation data, and the value of the nth (n = 1,2, ..., N) output variable is expressed as y n and the value of the input variable is expressed as x m n .
出力を予測したい入力ベクトルを要求点と呼び、以下の（４）式のように定義する。 An input vector whose output is to be predicted is called a request point, and is defined as the following equation (4).
xr= [ x1 r, x2 r, ・・・, xM r]T・・・・・・（４）
与えられたN個の観測データを用いて、回帰式モデルを作成する。回帰式モデル式は、次の（５）式の線形式とする。
x r = [x 1 r , x 2 r ,..., x M r ] T (4)
Create a regression model using the given N observation data. The regression model model formula is a linear form of the following formula (5).
Y = b + a1・X1 + a2・X2 + ・・・ + aM・XM ・・・・・・（５）
ここで、パラメータであるb, a1 , a2 , ・・・ , aMは、最小２乗法により求める。
Y = b + a 1 · X 1 + a 2 · X 2 + ... + a M · X M · · · · (5)
Here, parameters b, a 1 , a 2 ,..., A M are obtained by the method of least squares.
偏回帰係数ベクトル α = [ a1 , a2, ・・・ , aM ]T を、次に述べる距離の定義に用いる。 The partial regression coefficient vector α = [a 1 , a 2 ,..., A M ] T is used to define the distance described below.
入力空間のある点 x = [ x1, x2, ・・・, xM ]Tにおける要求点 xr からの距離 L を、次の（６）式のように定義する。 A distance L from the required point x r at a point x = [x 1 , x 2 ,..., X M ] T in the input space is defined as the following equation (6).
偏回帰係数は、出力変数の変化量に対する各入力変数の寄与度と考えることができる。その寄与度を加味した重み付きの距離である。 The partial regression coefficient can be considered as the contribution of each input variable to the amount of change in the output variable. This is a weighted distance that takes into account its contribution.
次に、N個の観測データそれぞれについて、要求点からの距離を求める。n番目（n= 1,2,・・・, N)の観測データの要求点からの距離は、次の（７）式から求めることができる。 Next, for each of the N observation data, the distance from the request point is obtained. The distance from the request point of the n-th (n = 1, 2,..., N) observation data can be obtained from the following equation (7).
Ln= L(xn, xr, α) ・・・・・・（７）
ここで，xn= [x1 n, x2 n, ・・・, xm n]T , n=1,2,・・・, N
また、1〜N番目の観測データの要求点からの距離をまとめて次のように表現することにする。
L n = L (x n , x r , α) (7)
Where x n = [x 1 n , x 2 n , ..., x m n ] T , n = 1,2, ..., N
In addition, the distance from the request point of the 1st to Nth observation data is collectively expressed as follows.
l= [ L1, L2, ・・・, LN ]T ・・・・・・（８）
そして、要求点からの近さを表す類似度Wを、次のように定義する。
l = [L 1 , L 2 , ..., L N ] T (8)
Then, the similarity W representing the proximity from the request point is defined as follows.
W(L, p, l) = exp{ - (L/(p ・σ(l) ))2 } ・・・・・・（９）
ここで， σ(l) は，l の標準偏差を表す．
pは調整パラメータである（初期値: 1.5）．
N個の観測データそれぞれについて、要求点からの類似度を求める。n番目（n= 1,2,・・・, N)の観測データの要求点からの類似度は、次の式から求めることができる。
W (L, p, l) = exp {-(L / (p · σ (l))) 2 } (9)
Here, σ (l) represents the standard deviation of l.
p is an adjustment parameter (initial value: 1.5).
For each of the N observation data, the similarity from the request point is obtained. The similarity from the required point of the nth (n = 1,2, ..., N) observation data can be obtained from the following equation.
Wn= W(Ln, p, l) , (n=1,2,・・・, N) ・・・・・・（１０）
また、1〜N番目の観測データの要求点からの類似度をまとめて次のように表現することにする。
W n = W (L n , p, l), (n = 1,2, ..., N) (10)
In addition, the similarities from the required points of the 1st to Nth observation data are collectively expressed as follows.
w= [ W1, W2, ・・・, WN ]T ・・・・・・（１１）
与えられたN個の観測データとそれぞれの類似度 w を用いて、回帰式モデルを作成する。モデル式は、次の線形式とする。
w = [W 1 , W 2 , ..., W N ] T (11)
A regression model is created using the given N observation data and the similarity w. The model formula is the following line format.
Y = b + a1・X1 + a2・X2 + ・・・ + aM・XM ・・・・・・（１２）
パラメータθ= [ b, a1 , a2, ・・・ , aM ]Tを、類似度 w を重みとする重み付き最小２乗法により求める。類似度の大きい観測データ（要求点に近いデータ）は，重みが大きく、類似度の小さい観測データ（要求点から遠いデータ）は、重みが小さくなるように回帰式が得られ、要求点の近傍のデータをより精度良くフィッティングする回帰式モデルができる。
Y = b + a 1 · X 1 + a 2 · X 2 + ... + a M · X M · · · (12)
Parameters θ = [b, a 1 , a 2 ,..., A M ] T are obtained by a weighted least square method with similarity w as a weight. Observation data with a high degree of similarity (data close to the request point) has a large weight, and observation data with a low degree of similarity (data far from the request point) has a regression formula so that the weight is small. A regression model that fits these data with higher accuracy can be created.
要求点の値を上の局所近傍回帰式の左辺に与えて計算する。本制御におけるモデル計算機能では、計算過程で得られる局所近傍回帰式のパラメータθをプロコンに渡す。 Calculate by giving the value of the required point to the left side of the above local neighborhood regression equation. In the model calculation function in this control, the parameter θ of the local neighborhood regression equation obtained in the calculation process is passed to the process controller.
予測した被圧延材の圧延完了後のデータベース更新は、例えば、次のように行う。 The database update after the rolling of the predicted material to be rolled is completed, for example, as follows.
［更新方法１］類似度の平均値による
（１）新規データとデータベースのデータ（総数N）を合わせて、一つのデータ空間（総数N+1）とする。
（２）各々のデータについて、自分以外の他のデータ（総数N）について類似度を算出し、算出した類似度の平均値を算出する。類似度の平均値は、予測対象の圧延材（要求点）に対し、データ空間に類似したデータがどの程度あるかを表す一つの指標となっており、類似したデータ数が多いと値は大きくなり、類似したデータ数が少ないと値は小さくなる。
（３）類似度の平均値が大きいデータは、周辺に類似したデータが多いということであり、データ空間内の最も密な部分にあるといえる。そこで、全データの中で類似度の平均値が最も大きいデータを棄却する。
以上により、データ空間の粗密が解消されるようにデータベースは管理される。
[Update Method 1] (1) New data and database data (total number N) based on the average value of similarities are combined into one data space (total number N + 1).
(2) For each data, the similarity is calculated for data other than itself (total number N), and the average value of the calculated similarities is calculated. The average value of the similarity is an index that indicates how much similar data exists in the data space for the rolling material (request point) to be predicted, and the value increases when the number of similar data is large. Therefore, the value becomes smaller when the number of similar data is small.
(3) Data with a large average value of similarity means that there are a lot of similar data in the vicinity, and it can be said that it is in the most dense part in the data space. Therefore, the data having the largest average similarity is rejected among all data.
As described above, the database is managed so that the density of the data space is eliminated.
図４は、厚板の板幅制御における類似度の平均値と予測誤差（＝予測幅―実績幅）の関係をプロットした図である。図４から分かるように、類似度が低い領域では、予測する圧延材に対して、過去の圧延材で類似したものが少ない状態で予測を行っており、この場合は板幅の予測誤差のばらつきが大きくなっている。 FIG. 4 is a graph plotting the relationship between the average value of the degree of similarity and the prediction error (= predicted width−actual width) in the plate width control of the thick plate. As can be seen from FIG. 4, in the region where the degree of similarity is low, the prediction is performed in a state where there are few similarities in the past rolled material with respect to the predicted rolled material. Is getting bigger.
これまで、新しいデータが追加されたときは一番古いデータを一つ捨てるようにして、データ空間を至近一定数（N=1000-2000程度）に保つというデータベース更新を行い、このデータベースに基づきデータベース型モデルの計算を行っていた。しかし、希少なデータについては類似したデータが少ないため、データベース型モデルで計算するときに十分な予測精度が得られていなかった。 Up to now, when new data is added, one oldest data is discarded, and the database is updated so that the data space is kept at a constant number (N = 1000-2000), and the database is based on this database. The type model was being calculated. However, since there are few similar data for rare data, sufficient prediction accuracy has not been obtained when calculating with a database model.
この予測計算をベースにした実操業では、特定の圧延寸法や特定の出鋼方法の圧延材に幅精度不足による不良が頻発する結果となっていた。実際、板幅不良材について類似度の平均値を調査したところ、それらの類似度の平均値は0.1〜0.2と低い値であることを確かめた。 In the actual operation based on this prediction calculation, there was a frequent occurrence of defects due to insufficient width accuracy in the rolled material of a specific rolling dimension or a specific steel output method. Actually, when the average value of the similarities of the defective board width materials was investigated, it was confirmed that the average value of the similarities was as low as 0.1 to 0.2.
［更新方法２］データ空間の粗密を管理するテーブルによる
（１）データ空間（N次元）を各次元ごとにM個の区間に離散化して、全部でNM個に分割し、各々のデータがどの区分に該当するかを管理するテーブルを作成する。
（２）新規データを登録する場合は、該当する区分のデータ登録数をインクリメントし、データ識別NOおよび登録日付を登録する。
（３）管理テーブルの区間の登録数が最も多い区分が最も密度の高い領域であるので、データを新規に登録する際に棄却するデータを選択する際には、その区分を選択し、最も登録日付が古いものを棄却する。棄却する際は、該当する区分のデータ識別NO、登録日付を消去し、データ登録数をデクリメントする。
Update Method 2 table by (1) to manage the density of the data space data space (N-dimensional) and discretized into M sections for each dimension is divided into N M number in total, each data Create a table to manage which category is applicable.
(2) When registering new data, the number of registered data in the corresponding category is incremented, and the data identification number and registration date are registered.
(3) Since the category with the largest number of registrations in the section of the management table is the area with the highest density, when selecting data to be rejected when newly registering data, select that category and register the most Discard the oldest date. When rejecting, delete the data identification number and registration date of the corresponding category, and decrement the number of registered data.
この更新方法２では、データの次元数や分割数が大きくなりすぎると、管理テーブルのレコード数が膨れ上がり現実的ではないが、厚板の幅制御の場合、次元数１２、分割数４で試算すると1600万程度のレコード数の管理テーブルを作成すればよい。 In this update method 2, if the number of data dimensions or the number of divisions becomes too large, the number of records in the management table will increase, which is not realistic. However, in the case of thick plate width control, the calculation is performed with 12 dimensions and 4 divisions. Then, a management table with about 16 million records can be created.
１ 操業用計算機
２ データベース
３ 板幅変化量予測装置
３１ 板幅変化量予測演算要求入力部
３２ 予測対象材データ入力部
３３ データ読込部
３４ 予測値演算部
３５ 記憶装置
DESCRIPTION OF SYMBOLS 1 Computer for operation 2 Database 3 Sheet width variation | change_quantity prediction apparatus 31 Sheet width variation | change_quantity prediction calculation request input part 32 Prediction object material data input part 33 Data reading part 34 Predicted value calculation part 35 Memory | storage device
Claims (2)
予測対象である被圧延材の各種操業因子の設定値を入力する予測対象データ入力ステップと、
前記被圧延材の板幅変化量に影響を与える操業因子の設定値あるいは実績値と、板幅変化量実績とが圧延事例データとして過去の圧延材ごとに保存されているデータベースから、前記被圧延材の操業因子と類似した操業因子を有する過去の圧延事例データを複数抽出して、抽出した圧延事例データを選択する類似データ選択ステップと、
選択した圧延事例データの板幅変化量に基づいて前記被圧延材の板幅変化量を予測する予測値算出ステップと、
予測した板幅変化量に基づいて板幅の目標値を設定する板幅目標値算出ステップと、
前記被圧延材の圧延終了後に、その圧延実績に基づいてデータベースの内容を更新するデータベース更新ステップと、を有し、
該データベース更新ステップでは、
データベース内の各圧延事例データごとに、自分以外の他の圧延事例データについての類似度を算出し、算出した類似度の平均値を算出し、算出した類似度の平均値が最も大きい圧延事例データを棄却するとともに、
前記被圧延材の圧延事例データをデータベースに格納することを特徴とする厚板の板幅制御方法。 In controlling the plate width to the desired value,
Prediction target data input step for inputting set values of various operation factors of the material to be rolled that is the prediction target;
From the database in which the set value or actual value of the operating factor affecting the sheet width change amount of the material to be rolled and the sheet width change amount result are stored as rolling example data for each past rolled material, A plurality of past rolling case data having an operation factor similar to the operation factor of the material, and a similar data selection step for selecting the extracted rolling case data;
A predicted value calculation step for predicting a plate width change amount of the material to be rolled based on a plate width change amount of the selected rolling example data;
A plate width target value calculating step for setting a plate width target value based on the predicted plate width change amount;
A database update step for updating the content of the database based on the rolling performance after the rolling of the material to be rolled,
In the database update step,
For each rolling case data in the database, calculate the similarity for other rolling case data other than yourself, calculate the average value of the calculated similarity, and the rolling case data with the highest average value of the calculated similarity And dismiss
A plate width control method for a thick plate, wherein rolling example data of the material to be rolled is stored in a database.
予測対象である被圧延材の各種操業因子の設定値を入力する予測対象データ入力ステップと、
前記被圧延材の板幅変化量に影響を与える操業因子の設定値あるいは実績値と、板幅変化量実績とが圧延事例データとして過去の圧延材ごとに保存されているデータベースから、前記被圧延材の操業因子と類似した操業因子を有する過去の圧延事例データを複数抽出して、抽出した圧延事例データを選択する類似データ選択ステップと、
選択した圧延事例データの板幅変化量に基づいて前記被圧延材の板幅変化量を予測する予測値算出ステップと、
予測した板幅変化量に基づいて板幅の目標値を設定する板幅目標値算出ステップと、
前記被圧延材の圧延終了後に、その圧延実績に基づいてデータベースの内容を更新するデータベース更新ステップと、を有し、
該データベース更新ステップでは、
データベース内の圧延事例データ空間を各次元ごとに複数の区間に離散化し、全圧延事例データを分割して、各々の圧延事例データがどの区分に該当するかを管理するテーブルを作成し、
作成したテーブルの区分の内で登録数が最も多い区分の中から、最も登録日付が古い圧延事例データを棄却するとともに、
前記被圧延材の圧延事例データをデータベースに格納することを特徴とする厚板の板幅制御方法。 In controlling the plate width to the desired value,
Prediction target data input step for inputting set values of various operation factors of the material to be rolled that is the prediction target;
From the database in which the set value or actual value of the operating factor affecting the sheet width change amount of the material to be rolled and the sheet width change amount result are stored as rolling example data for each past rolled material, A plurality of past rolling case data having an operation factor similar to the operation factor of the material, and a similar data selection step for selecting the extracted rolling case data;
A predicted value calculation step for predicting a plate width change amount of the material to be rolled based on a plate width change amount of the selected rolling example data;
A plate width target value calculating step for setting a plate width target value based on the predicted plate width change amount;
A database update step for updating the content of the database based on the rolling performance after the rolling of the material to be rolled,
In the database update step,
Discretize rolling case data space in the database into multiple sections for each dimension, divide all rolling case data, create a table to manage which category each rolling case data corresponds to,
While rejecting the rolling example data with the oldest registration date from the categories with the highest number of registrations in the created table category,
A plate width control method for a thick plate, wherein rolling example data of the material to be rolled is stored in a database.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011246245A JP5817450B2 (en) | 2011-11-10 | 2011-11-10 | Thick plate width control method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011246245A JP5817450B2 (en) | 2011-11-10 | 2011-11-10 | Thick plate width control method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013103227A JP2013103227A (en) | 2013-05-30 |
| JP5817450B2 true JP5817450B2 (en) | 2015-11-18 |
Family
ID=48623201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011246245A Active JP5817450B2 (en) | 2011-11-10 | 2011-11-10 | Thick plate width control method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5817450B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9291922B2 (en) | 2013-04-01 | 2016-03-22 | Canon Kabushiki Kaisha | Method for producing electrophotographic photosensitive member |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6102659B2 (en) * | 2013-09-27 | 2017-03-29 | Ｊｆｅスチール株式会社 | Rolling control device and rolling control method |
| JP2017030000A (en) * | 2015-07-30 | 2017-02-09 | Ｊｆｅスチール株式会社 | Plate width control method and device of thick steel plate |
| JP7420157B2 (en) * | 2021-03-23 | 2024-01-23 | Ｊｆｅスチール株式会社 | Rolling control device and rolling control method |
| JP2022170100A (en) * | 2021-04-28 | 2022-11-10 | Ｊｆｅスチール株式会社 | Rolling load prediction method, rolling control method and rolling load prediction device |
| JP2022170101A (en) * | 2021-04-28 | 2022-11-10 | Ｊｆｅスチール株式会社 | Rolling load prediction method, rolling control method and rolling load prediction device |
| CN114689821B (en) * | 2022-03-20 | 2024-02-13 | 兰州资源环境职业技术学院 | Stress acquisition system and method for mine similar material simulation test |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03276369A (en) * | 1990-03-27 | 1991-12-06 | Shimadzu Corp | Automatic thesaurus recompiling device |
| JPH084816B2 (en) * | 1990-06-25 | 1996-01-24 | 新日本製鐵株式会社 | Method and apparatus for designing manufacturing conditions of shaped steel |
| JP3332712B2 (en) * | 1996-03-28 | 2002-10-07 | 三菱重工業株式会社 | Planar shape control method and planar shape control device |
| JPH11342411A (en) * | 1998-05-29 | 1999-12-14 | Nkk Corp | Plate width control for thick steel plate |
| JP3752593B2 (en) * | 1998-07-31 | 2006-03-08 | 株式会社日立製作所 | Process control apparatus and process control information management method |
| JP4365600B2 (en) * | 2002-03-08 | 2009-11-18 | Ｊｆｅスチール株式会社 | Steel product quality design apparatus and steel product manufacturing method |
| JP4696775B2 (en) * | 2005-08-16 | 2011-06-08 | Ｊｆｅスチール株式会社 | Plate width control method and apparatus |
| JP2007260729A (en) * | 2006-03-29 | 2007-10-11 | Jfe Steel Kk | Method and device for controlling edge drop |
| JP5375506B2 (en) * | 2009-10-13 | 2013-12-25 | 新日鐵住金株式会社 | Quality prediction apparatus, quality prediction method, program, and computer-readable recording medium |
-
2011
- 2011-11-10 JP JP2011246245A patent/JP5817450B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9291922B2 (en) | 2013-04-01 | 2016-03-22 | Canon Kabushiki Kaisha | Method for producing electrophotographic photosensitive member |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2013103227A (en) | 2013-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5817450B2 (en) | Thick plate width control method | |
| TWI554340B (en) | Rolling simulation device | |
| JP6922675B2 (en) | Manufacturing process state predictors, methods and programs, and manufacturing process control systems | |
| JP5604945B2 (en) | Quality prediction apparatus, quality prediction method, computer program, and computer-readable recording medium | |
| KR101832653B1 (en) | Rolling process learning control device | |
| JP5169098B2 (en) | Quality prediction apparatus, quality prediction method and manufacturing method | |
| JP5704040B2 (en) | Product quality management method and product quality management device | |
| JP2008112288A (en) | Prediction type creation device, result prediction device, quality design device, prediction type creation method and method for manufacturing product | |
| JP2017120640A (en) | Magnetic characteristic prediction device and magnetic characteristic control device of electromagnetic steel plate | |
| JP5003362B2 (en) | Product quality control method and control device | |
| JPH11707A (en) | Method for controlling rolling mill and controller for rolling mill | |
| JP5962290B2 (en) | Steel heat transfer coefficient prediction apparatus and cooling control method | |
| JP6834209B2 (en) | Product status prediction device, product status control device, product status prediction method and program | |
| JP5195331B2 (en) | Quality prediction apparatus, prediction method, program, and computer-readable recording medium in manufacturing process | |
| JP2009072807A (en) | Method and device for controlling planar shape of rolled stock and method of manufacturing thick steel plate | |
| JP7135962B2 (en) | Steel plate finishing delivery side temperature control method, steel plate finishing delivery side temperature control device, and steel plate manufacturing method | |
| JP4696775B2 (en) | Plate width control method and apparatus | |
| JP7354934B2 (en) | Product quality analysis support system | |
| JP6020263B2 (en) | Rolling load learning control device and learning control method, and metal plate manufacturing method using the same | |
| JP6699340B2 (en) | Cooling control method and manufacturing method for thick steel plate | |
| JP2006309709A (en) | Result prediction device, control device and quality design device | |
| JP2020071493A (en) | Result prediction device, result prediction method and program | |
| JP2011221645A (en) | Quality prediction device, quality prediction method, computer program, and computer readable recording medium | |
| JP2010207900A (en) | Method of predicting deformation resistance in hot rolling | |
| JP5007630B2 (en) | Product quality control method and control device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140825 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150519 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150602 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150727 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150901 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150914 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5817450 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |