JPH02137606A - Control method for plate thickness at rolling many kinds of materials - Google Patents
Control method for plate thickness at rolling many kinds of materialsInfo
- Publication number
- JPH02137606A JPH02137606A JP63293409A JP29340988A JPH02137606A JP H02137606 A JPH02137606 A JP H02137606A JP 63293409 A JP63293409 A JP 63293409A JP 29340988 A JP29340988 A JP 29340988A JP H02137606 A JPH02137606 A JP H02137606A
- Authority
- JP
- Japan
- Prior art keywords
- rolling
- plate thickness
- parameter
- coefficient
- friction coefficient
- 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.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 11
- 239000000463 material Substances 0.000 title abstract description 12
- 239000007769 metal material Substances 0.000 claims abstract description 29
- 239000002826 coolant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、多品種圧延時の板厚制御方法に関する。[Detailed description of the invention] [Industrial application field] The present invention relates to a method for controlling plate thickness during multi-product rolling.
板先端部分を圧延機に通板する場合や圧下位置を再設定
する場合には、圧延荷重を予測し、その予測値に基づい
てロール開度を定めることが一般に行われている。そし
て、この予測を正確に行うことはその後のオフゲージを
少な（する上で重要となる。この場合、予測値は、一般
にＫａｒｍａｎの方程式を出発点として導き出されたＢ
ｌａｎｄ＆Ｆｏｒｄの近似解を用いて求められる。すな
わち、圧延荷重Ｐは、
Ｐ＝ｋ・（１−σ、／ｋ）・ｆ酊Ｙπ：玉子ＸＱ、
・Ｂ ・・・（１）により求められる。When passing the tip of a sheet through a rolling mill or when resetting the rolling position, it is common practice to predict the rolling load and determine the roll opening degree based on the predicted value. Accurately making this prediction is important for minimizing subsequent off-gauges. In this case, the predicted value is generally calculated using the B value derived from Karman's equation as a starting point.
It is obtained using the approximate solution of Land & Ford. That is, the rolling load P is as follows: P=k・(1−σ,/k)・f陊Yπ: Egg XQ,
・B...calculated by (1).
ここで、ｋ；平均変形抵抗値、σ、；後方張力応力、Ｒ
ｏ：偏平ロール径、Ｈ：入側板厚、ｈ；出側板厚、Ｂ；
板幅、Ｑ、；圧下力関数である。Here, k: average deformation resistance, σ, rear tension stress, R
o: Flat roll diameter, H: Inlet side plate thickness, h; Outlet side plate thickness, B;
Plate width, Q, is a rolling force function.
そして、圧下力関数Ｑ、は以下のようなパラメータを持
つ関数として表される。すなわち、Ｑ、 −ｆ。（μ、
Ｈ，ｒ、Ｒ・ 、σ１．σ、）・・・ （２）
である。The rolling force function Q is expressed as a function having the following parameters. That is, Q, −f. (μ,
H, r, R・, σ1. σ, )... (2).
ここで、μ；摩擦係数、ｒ；圧下率、σ、；前方張力応
力である。したがって、計算上は、（２）式によりＱ、
を求め、（１）式に代入すれば、圧延荷重を予測するこ
とが可能である。しかし、（１）式、（２）式に含まれ
る平均変形抵抗にと摩擦係数μは、圧延前のセットアツ
プ時点においては他のパラメータと違って特定しがたく
、正確な値を求めにくい。したがって、（１）式より圧
延荷重を直接求めることができないが、圧延実績から逆
算すれば、両者とも正確な値が得られるため、通常関与
するパラメータを予測して平均変形抵抗にと摩擦係数μ
のモデル式を決定し、これらの式に含まれるパラメータ
係数を過去の圧延実績を元にして学習修正し、既知のパ
ラメータを代入して平均変形抵抗にと摩擦係数μを求め
、これらの値を（１）式、（２）式に代入して圧延荷重
を予測するようにしている。Here, μ: friction coefficient, r: rolling reduction ratio, σ: forward tension stress. Therefore, in calculation, Q, according to equation (2),
By calculating and substituting into equation (1), it is possible to predict the rolling load. However, unlike other parameters, it is difficult to specify the average deformation resistance and the friction coefficient μ included in equations (1) and (2) at the time of set-up before rolling, and it is difficult to obtain accurate values. Therefore, although it is not possible to directly determine the rolling load from equation (1), accurate values can be obtained for both by calculating backwards from the actual rolling results.Usually, the parameters involved can be predicted and the average deformation resistance determined by the friction coefficient μ.
Determine the model formulas, learn and modify the parameter coefficients included in these formulas based on past rolling results, substitute the known parameters to find the average deformation resistance and friction coefficient μ, and use these values as The rolling load is predicted by substituting it into equations (1) and (2).
例えば、平均変形抵抗にのモデル式には、ｋ＝ｆ、（ε
、Ａ、Ｔ、、材質） −（３）が用いられている。For example, the model equation for average deformation resistance includes k=f, (ε
, A, T, , material) - (3) is used.
ここで、ε；対数歪、ε：歪速度、Ｔ。；金属材料の絶
対温度である。Here, ε: logarithmic strain, ε: strain rate, T. ; is the absolute temperature of the metal material.
また、摩擦係数μのモデル式には、圧延される金属材料
の材質に関係なく、
ｕ−ｆｘ（Ｈ，ａｈ 、ｒ、Ｑ、Ｖ） −（４）が用
いられている。Furthermore, the model formula for the friction coefficient μ is ufx(H, ah, r, Q, V) −(4), regardless of the quality of the metal material to be rolled.
ここで、ｒ；圧下率、Ｑ；クーラント流量、Ｖ；圧延速
度である。Here, r: rolling reduction ratio, Q: coolant flow rate, V: rolling speed.
ところが、本来ならば圧延を重ねる度毎にモデル式の精
度が増し、圧下荷重の予測値の精度も増すはずであるか
に実際に圧延を行うと狙い通りに圧下されない。そこで
、本発明者らがその原因を探るため次のような実験を行
ったところ、金属材料の種類の多少によって予測摩擦係
数のモデル式が大きく影響を受けることが判った。However, although the accuracy of the model formula should increase each time the rolling is repeated, and the accuracy of the predicted value of the rolling load should also increase, when rolling is actually carried out, the rolling does not occur as intended. Therefore, the present inventors conducted the following experiment to find the cause of this problem, and found that the model formula for the predicted coefficient of friction was greatly influenced by the type of metal material.
実験は、異なった金属材料の種類をＮとするとＮ＝３種
類、Ｎ＝１０種類、Ｎ＝３０種類の３パターンで行った
。The experiment was conducted using three patterns: N = 3 types, N = 10 types, and N = 30 types, where N is the type of different metal materials.
まず、Ｎ＝３種類の場合について説明すると、特定の３
種類の金属材料をランダムな圧延条件で複数本圧延し、
その実測値から逆算して実測摩擦係数μ、を求め、これ
より（４）式のモデル式に含まれるパラメータ係数を多
重回帰により特定した。次いで、パラメータ係数の特定
に使用した３種類の金属材料を予測摩擦係数が一致する
ように次のような圧延条件で数十コイル圧延した。First, to explain the case where N = 3 types, we will explain the case where N = 3 types.
By rolling multiple types of metal materials under random rolling conditions,
The actually measured friction coefficient μ was determined by back calculation from the actual measured value, and from this, the parameter coefficients included in the model equation (4) were identified by multiple regression. Next, the three types of metal materials used to specify the parameter coefficients were rolled into several tens of coils under the following rolling conditions so that the predicted friction coefficients matched.
圧延条件は、
■各材料とも素厚２．３ｍｍから０．５ｎｕｍまで圧延
し、■このときの圧延速度を８００ｍｐｍに、■後方張
力応力σ、を１０．９Ｋｇ／ｌｌｌｍ２に、■クーラン
ト流量を一定に、
した。The rolling conditions were: ■ Each material was rolled from a raw thickness of 2.3 mm to 0.5 nm, ■ the rolling speed was 800 mpm, ■ the rear tension stress σ was 10.9 Kg/llm2, and ■ the coolant flow rate was constant. I did it.
そして、それぞれのコイルの予測摩擦係数μに対する実
測摩擦係数μ１．のばらつき度を標準偏差を使って調べ
た。Then, the measured friction coefficient μ1 for each coil is compared to the predicted friction coefficient μ. The degree of dispersion was investigated using the standard deviation.
ここで、ｍは圧延した１コイル毎のサンプリング数であ
る。Here, m is the number of samples per rolled coil.
またＮ＝１０種類、Ｎ−３０種類についても同様にして
行った。その結果を示したのが第４図である。この第４
図の結果からみると、Ｎの数が多くなればなるほど実測
摩擦係数μｒ１のばらつき度が大きくなっていることが
判る。つまり、圧延する金属材料の種類が多くなればな
るほど予測摩擦係数と、圧延実測値から求めた実測摩擦
係数の値が大きく食い違うことが判る。このことより、
多品種の金属材料を圧延する場合には、（４）式では不
十分であり、何等かのパラメータが必要となる。 そこ
で、本発明の目的は、そのパラメータを加味した多品種
圧延時の板厚制御方法を提供することにある。Further, the same procedure was carried out for N=10 types and N-30 types. Figure 4 shows the results. This fourth
From the results shown in the figure, it can be seen that the greater the number of N, the greater the degree of variation in the measured friction coefficient μr1. In other words, it can be seen that the more types of metal materials to be rolled, the greater the difference between the predicted friction coefficient and the measured friction coefficient determined from the actual rolling measurements. From this,
When rolling a wide variety of metal materials, equation (4) is insufficient and some parameters are required. Therefore, an object of the present invention is to provide a method for controlling plate thickness during multi-product rolling, which takes these parameters into account.
上記目的を達成するため、本発明は、多品種の金属材料
を圧延対象とし、予測摩擦係数を算出するモデル式のパ
ラメータ係数を圧延実績により学習修正しながら、入側
板厚、出側板厚、板幅、予測変形抵抗とともに圧延荷重
を更に予測し、この予測値に基づいてロール開度を決定
する板厚制御方法において、前記モデル式のパラメータ
係数を各金属材料毎に区分して学習修正し、新たに圧延
するときは、圧延する金属材料の種類を入力として記憶
されたデータより該当するパラメータ係数を呼出し対応
するパラメータとともに予測摩擦係数のモデル式を決定
することを特徴とする。In order to achieve the above object, the present invention targets various types of metal materials to be rolled, learns and corrects the parameter coefficients of the model formula for calculating the predicted friction coefficient based on the rolling results, and adjusts the input side plate thickness, exit side plate thickness, In a plate thickness control method in which the rolling load is further predicted along with the width and predicted deformation resistance, and the roll opening degree is determined based on this predicted value, the parameter coefficients of the model formula are divided for each metal material and learned and corrected, When rolling a new material, the type of metal material to be rolled is input, the corresponding parameter coefficient is called from the stored data, and the model formula of the predicted friction coefficient is determined together with the corresponding parameter.
本発明においては、追加パラメータとして圧延される金
属材料の材質を加えたのでより高い精度で摩擦係数を予
測することができる。In the present invention, since the quality of the metal material to be rolled is added as an additional parameter, it is possible to predict the friction coefficient with higher accuracy.
以下、本発明の実施に必要な装置類を第１図に示し、そ
の装置類とともに制御の流れに従って本発明の一実施例
を説明する。Hereinafter, one embodiment of the present invention will be described along with the devices necessary for implementing the present invention shown in FIG. 1 and the flow of control.
まず、実際に金属材料Ｍを圧延機１により圧延するとき
には、出側デフレフクロール２に接続されたパルスジェ
ネレータ３により出側板速度Ｖ。First, when the metal material M is actually rolled by the rolling mill 1, the exit plate speed V is set by the pulse generator 3 connected to the exit deflation crawl 2.
を実測し、同様にしてバックアップロールＲに接続され
たパルスジェネレータ４によりロール周速■□を実測す
る。次いで、これらの実測値Ｖ。。Similarly, the roll circumferential speed ■□ is measured using the pulse generator 4 connected to the backup roll R. Next, these measured values V. .
Ｖ ｎを先進率演算装置５に人力し、金属材料Ｍの先進
率ｆよを求める。V n is manually input to the advanced rate calculation device 5 to find the advanced rate f of the metal material M.
先進率ｆ８は、 により表される。The advanced rate f8 is Represented by
ここで、ｖｏは出側板速度、ｖＲはロール周速である。Here, vo is the outlet plate speed, and vR is the roll circumferential speed.
次いで、入側厚み計６により実測した入側板厚Ｈ１出側
厚み計７により測定した出側板厚ｈ１圧延条件セットア
ツプ設定装置８から呼び出した圧延機１本体のロール径
Ｒ１およびロードセル９より実測した圧延荷重Ｐを、偏
平ロール径演算装置ＩＯに入力し、一般に知られている
ヒツチコックの式を使って偏平ロール径を演算する。す
なわち、偏平ロール径Ｒは、
により表される。Next, the inlet plate thickness H1 was actually measured by the inlet thickness gauge 6; the outlet plate thickness H1 was measured by the outlet thickness gauge 7; The rolling load P is input to the flat roll diameter calculating device IO, and the flat roll diameter is calculated using the generally known Hitchcock equation. That is, the flat roll diameter R is expressed as follows.
ここで、ν。はロールのポアソン比、Ｅｏはロールのヤ
ング率である。Here, ν. is the Poisson's ratio of the roll, and Eo is the Young's modulus of the roll.
そして、入側及び出側デフレフクロール１１゜２に接続
した張力計１２．１３により後方張力δ。Then, the rear tension δ is determined by the tension gauges 12 and 13 connected to the inlet and outlet deflation crawlers 11°2.
及び前方張力δ、をそれぞれ実測する。これらの実測値
δ５、δ１と前述の圧延荷重Ｐ１人入側板厚１出側板厚
ｈ、更に板幅計１４により実測した板幅Ｂといった金属
材料Ｍの圧延実績データを実測摩擦係数演算装置１５に
入力する。and forward tension δ, respectively, are actually measured. The actual rolling data of the metal material M such as these measured values δ5 and δ1, the above-mentioned rolling load P1, the board thickness at the entrance side, the board thickness at the exit side, and the board width B actually measured by the board width gauge 14 are sent to the measured friction coefficient calculating device 15. input.
また、摩擦係数学習パラメータデータベース１６に収め
られている摩擦係数のパラメータ係数と、圧延条件セッ
トアツプ設定装置８に収められている金属材料Ｍのセッ
トアツプデータ、すなわち入側板厚Ｈ１後方張力σ５、
圧下率ｒ１クーラント流量Ｑ１更に圧延速度Ｖを呼出し
、これらの値を予測摩擦係数算出装置１７に入力し、圧
延前の摩擦係数の予測値μを求める。そして同様にして
、圧延条件セットアツプ設定装置８と平均変形抵抗学習
パラメータデータベース１８から変形抵抗の予測に必要
なデータを引き出し、これらのデータを予測平均変形抵
抗算出装置１９に入力し、変形抵抗の予測値ｋを求める
。これらの予測値μ、にと、前述した実測値Ｐ、Ｈ，ｈ
、 σ４．σ１．Ｂ及び実測値に基づいて算出した先
進率ｆ、と偏平ロール径Ｒ°を実測摩擦係数演算装置Ｉ
５に入力し、逆算摩擦係数μ、を求める。In addition, the parameter coefficient of the friction coefficient stored in the friction coefficient learning parameter database 16 and the set-up data of the metal material M stored in the rolling condition set-up setting device 8, that is, the entrance plate thickness H1, the rear tension σ5,
Retrieve the rolling reduction ratio r1, coolant flow rate Q1, and rolling speed V, and input these values into the predicted friction coefficient calculation device 17 to obtain the predicted value μ of the friction coefficient before rolling. In the same manner, the data necessary for predicting deformation resistance is extracted from the rolling condition set-up setting device 8 and the average deformation resistance learning parameter database 18, and these data are input to the predicted average deformation resistance calculation device 19 to calculate the deformation resistance. Find the predicted value k. These predicted values μ, and the actual measured values P, H, h
, σ4. σ1. B, the advance rate f calculated based on the actual measurement value, and the flat roll diameter R° are measured using the actual friction coefficient calculation device I.
5 and calculate the inverse friction coefficient μ.
ここで、摩擦係数の逆算方法について述べると、変形抵
抗と摩擦係数は、他の値と違って、直接実測したり、あ
るいは定義式を使って求めることができない。従って、
まず圧延荷重Ｐの誤差ｅＰと先進率ｆ８の誤差ｅ、を荷
重式と先進率式とにより求める。ついで、これらｅｐと
ｅ、に対する変形抵抗と摩擦係数の影響係数を演算し、
変形抵抗、摩擦係数修正量Δｋ１．Δμ、の修正量収束
計算から未知の値である変形抵抗に、と逆摩擦係数μ、
を求める。更に具体化して、この演算をコンピュータで
行う場合のフローチャートを第２図に示す。Here, we will discuss how to back-calculate the friction coefficient. Unlike other values, the deformation resistance and the friction coefficient cannot be directly measured or determined using a defining formula. Therefore,
First, the error eP of the rolling load P and the error e of the advance rate f8 are determined using the load formula and the advance rate formula. Next, calculate the influence coefficients of deformation resistance and friction coefficient on these ep and e,
Deformation resistance, friction coefficient correction amount Δk1. From the correction amount convergence calculation of Δμ, the unknown value of deformation resistance, and the inverse friction coefficient μ,
seek. More specifically, FIG. 2 shows a flowchart when this calculation is performed by a computer.
次いで、各パス毎のサンプリング点より採集した実測値
Ｈ２σ１．Ｑ、及びｖｒと、実測値から求めた逆算摩擦
係数μ１、更に圧下率ｒを、摩擦係数学習パラメータ同
定装置２０に入力する。この同定装置２０では摩擦係数
を予測するモデル式が格納され、サンプリング点の数だ
け式がたてられる。そして、最小二乗法によりパラメー
タ係数を推定する。Next, the actual measurement values H2σ1. collected from the sampling points for each pass. Q and vr, the back-calculated friction coefficient μ1 obtained from the actual measured values, and the rolling reduction rate r are input to the friction coefficient learning parameter identification device 20. In this identification device 20, model equations for predicting the friction coefficient are stored, and equations are created for the number of sampling points. Then, parameter coefficients are estimated by the least squares method.
ここに格納されている摩擦係数μのモデル式は、・・・
（８）
により表される。The model formula for the friction coefficient μ stored here is...
(8) Represented by:
ここで、Ａ、、、Ａσｂ、Ａｒ 、ＡＱ、ＡＶ、、Ａ９
□は対応するパラメータ係数、μ。は予測摩擦係数の定
数項である。Here, A, , Aσb, Ar , AQ, AV, , A9
□ is the corresponding parameter coefficient, μ. is the constant term of the predicted friction coefficient.
更に、旧パラメータ係数を加味して各パラメータ係数の
平滑化を行い、摩擦係数を予測するモデル式のパラメー
タ係数を決定する。そして、このようにして決定したパ
ラメータ係数を第１表に示すように圧延する金属材料の
材質毎に区分して摩擦係数学習パラメータデータベース
１６に格納する。また、この方法によらずとも現時点よ
り百個分の圧延実績をデータベースに蓄積し、これらの
値から第１表の各パラメータ係数を修正するようにして
もよい。Furthermore, each parameter coefficient is smoothed by taking the old parameter coefficients into account, and the parameter coefficients of the model formula for predicting the friction coefficient are determined. Then, the parameter coefficients determined in this manner are stored in the friction coefficient learning parameter database 16 by classifying them according to the quality of the metal material to be rolled, as shown in Table 1. Moreover, instead of using this method, the rolling results for 100 rolls from the present time may be accumulated in the database, and each parameter coefficient in Table 1 may be corrected from these values.
そして、新たに圧延するときは、圧延条件セットアツプ
設定装置８に金属材料の材質を入力して、摩擦係数学習
パラメータデータベース１６からその材質に該当するパ
ラメータ係数を呼出し、予測摩擦係数算出装置１７に格
納されている摩擦係数のモデル式に代入する。また、同
様な方法で平均変形抵抗学習パラメータデータベース１
８からその材質に該当するパラメータ係数を呼出し、予
測平均変形抵抗装置１９に格納されている変形抵抗のモ
デル式に代入する。そしてこれらの装置１８゜１９によ
り演算された摩擦係数μと変形抵抗ｋ、更に圧延条件セ
ットアツプ設定装置８に入力されている圧延条件を予測
圧延荷重算出装置２１に入力し、（１）式、（２）式に
より予測圧延荷重Ｐを推定する。そして、求められた圧
延荷ｆｆ１ｌ）より一般に知られている（９）式を用い
て圧下位ａｔＤを演算する。When rolling a new material, the material of the metal material is input into the rolling condition setup setting device 8, the parameter coefficient corresponding to the material is called from the friction coefficient learning parameter database 16, and the parameter coefficient is sent to the predicted friction coefficient calculation device 17. Substitute into the model formula of the stored friction coefficient. In addition, in the same way, the average deformation resistance learning parameter database 1
The parameter coefficients corresponding to the material are called from 8 and substituted into the model equation of deformation resistance stored in the predicted average deformation resistance device 19. Then, the friction coefficient μ and deformation resistance k calculated by these devices 18 and 19, as well as the rolling conditions input to the rolling condition setup setting device 8, are input to the predicted rolling load calculation device 21, and the formula (1) is expressed as follows. The predicted rolling load P is estimated using equation (2). Then, the rolling depth atD is calculated using the generally known formula (9) from the obtained rolling load ff1l).
Ｄ＝ｈ−Ｐ／ｋ ＋ａ −（９）ここで
、Ｋはミル剛性係数、ａはロール間隔の零点を補正する
基準値である。D=h-P/k+a-(9) Here, K is a mill stiffness coefficient, and a is a reference value for correcting the zero point of the roll interval.
ここで、効果を確かめるため、前述したと同様な実験を
行ったところ、第３図のような結果が得られた。この結
果からすると、予測摩擦係数μに対する実測摩擦係数μ
、ｌの標準偏差Ｓが、第４図と違って正規分布を描き、
その曲線もＮ＝３種類、Ｎ−１０種類、Ｎ＝３０種類の
区別なく一致しているので、他金属材料の影響が排除さ
れたことが判る。したがって、本発明の如くすることに
より、従来に比べてロール開度の制御を高精度に行うこ
とができるようになった。Here, in order to confirm the effect, an experiment similar to that described above was conducted, and the results shown in FIG. 3 were obtained. Based on this result, the measured friction coefficient μ is relative to the predicted friction coefficient μ.
, the standard deviation S of l draws a normal distribution, unlike in Figure 4,
Since the curves also match regardless of whether N=3 types, N-10 types, or N=30 types, it can be seen that the influence of other metal materials has been eliminated. Therefore, by implementing the present invention, it has become possible to control the roll opening degree with higher precision than in the past.
第１表
〔発明の効果〕
以上説明したように、本発明によれば、予測摩擦係数を
算出するモデル式のパラメータ係数を圧延する金属材料
の材質毎に区分して学習修正し、新たに圧延するときは
金属材料の材質を入力としてデータベースより該当する
パラメータ係数を呼出しモデル式を構成して摩擦係数を
推定するようにしたので、他金属材料の影響が入り難く
、より高度な板厚制御が可能になった。Table 1 [Effects of the Invention] As explained above, according to the present invention, the parameter coefficients of the model formula for calculating the predicted friction coefficient are learned and corrected for each material of the metal material to be rolled, and new rolled When doing so, we use the material quality of the metal material as input, call up the relevant parameter coefficients from the database, and construct a model formula to estimate the friction coefficient, which prevents the effects of other metal materials from entering and allows for more advanced plate thickness control. It's now possible.
第１図は本発明の実施に必要な装置類を示したブロック
図、第２図は実測摩擦係数の算出方法を示したフローチ
ャート図、第３図は本発明を実施した場合の予測摩擦係
数μに対する実測摩擦係数μ、の標準偏差Ｓを示した度
数分布図、第４図は同じ〈従来の方法で実施した場合の
度数分布図である。
ｌ・・・圧延機、２・・・出側デフレクタロール、３゜
４−・・パルスジェネレータ、５・・・先進率演算装置
、６・・・入側厚み計、７・・・出側厚み計、８・・・
圧延条件セットアツプ設定装置、９・・・ロードセル、
１０・・・偏平ロール径演算装置、１１・・・入側デフ
レクタロール、１２．１３・・・張力計、１４・・・板
幅計、１５・・・実測摩擦係数演算装置、１６・・・摩
擦係数学習パラメータデータベース、１７・・・予測摩
擦係数算出装置、１８・・・平均変形抵抗学習パラメー
タデータベース、１９・・・予測平均変形抵抗算出装置
、２０・・・摩擦係数学習パラメータ同定装置、２１・
−・予測圧延荷重算出装置。Fig. 1 is a block diagram showing the equipment necessary to implement the present invention, Fig. 2 is a flowchart showing the method for calculating the measured friction coefficient, and Fig. 3 is the predicted friction coefficient μ when implementing the present invention. FIG. 4 is a frequency distribution diagram showing the standard deviation S of the actually measured friction coefficient μ, and FIG. 4 is a frequency distribution diagram when the same conventional method is used. l...Rolling machine, 2...Output side deflector roll, 3゜4-...Pulse generator, 5...Advanced rate calculation device, 6...Inlet side thickness gauge, 7...Outlet side thickness Total, 8...
Rolling condition set-up setting device, 9...load cell,
DESCRIPTION OF SYMBOLS 10...Flat roll diameter calculation device, 11...Inlet side deflector roll, 12.13...Tension meter, 14...Plate width meter, 15...Actually measured friction coefficient calculation device, 16... Friction coefficient learning parameter database, 17... Predicted friction coefficient calculation device, 18... Average deformation resistance learning parameter database, 19... Predicted average deformation resistance calculation device, 20... Friction coefficient learning parameter identification device, 21・
-・Predicted rolling load calculation device.
Claims (1)
を算出するモデル式のパラメータ係数を圧延実績により
学習修正しながら、入側板厚、出側板厚、板幅、予測変
形抵抗とともに圧延荷重を更に予測し、この予測値に基
づいてロール開度を決定する板厚制御方法において、前
記モデル式のパラメータ係数を各金属材料毎に区分して
学習修正し、新たに圧延するときは、圧延する金属材料
の種類を入力として記憶されたデータより該当するパラ
メータ係数を呼出し対応するパラメータとともに予測摩
擦係数のモデル式を決定することを特徴とする多品種圧
延時の板厚制御方法。(1) A wide variety of metal materials are to be rolled, and the parameter coefficients of the model formula for calculating the predicted friction coefficient are learned and corrected based on rolling results, and the rolling load is adjusted based on the input plate thickness, exit plate thickness, plate width, and predicted deformation resistance. In the plate thickness control method, which further predicts the roll opening degree and determines the roll opening degree based on this predicted value, the parameter coefficients of the model formula are learned and corrected separately for each metal material, and when rolling a new one, the rolling A method for controlling plate thickness during multi-product rolling, characterized in that the type of metal material to be processed is input, a corresponding parameter coefficient is called from stored data, and a model formula for a predicted friction coefficient is determined together with the corresponding parameter.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63293409A JPH02137606A (en) | 1988-11-18 | 1988-11-18 | Control method for plate thickness at rolling many kinds of materials |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63293409A JPH02137606A (en) | 1988-11-18 | 1988-11-18 | Control method for plate thickness at rolling many kinds of materials |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02137606A true JPH02137606A (en) | 1990-05-25 |
Family
ID=17794398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63293409A Pending JPH02137606A (en) | 1988-11-18 | 1988-11-18 | Control method for plate thickness at rolling many kinds of materials |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02137606A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04285135A (en) * | 1991-03-12 | 1992-10-09 | Nippon Steel Corp | Control method for conditioning rolling equipment |
| FR2783444A1 (en) * | 1998-09-21 | 2000-03-24 | Kvaerner Metals Clecim | LAMINATION PROCESS OF A METAL PRODUCT |
| JP2012066307A (en) * | 2010-08-25 | 2012-04-05 | Hitachi Ltd | Apparatus, method and program for rolling control |
| JP2020087343A (en) * | 2018-11-30 | 2020-06-04 | ブラザー工業株式会社 | Control system, update method, estimation method, and computer program |
-
1988
- 1988-11-18 JP JP63293409A patent/JPH02137606A/en active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04285135A (en) * | 1991-03-12 | 1992-10-09 | Nippon Steel Corp | Control method for conditioning rolling equipment |
| FR2783444A1 (en) * | 1998-09-21 | 2000-03-24 | Kvaerner Metals Clecim | LAMINATION PROCESS OF A METAL PRODUCT |
| EP0988903A1 (en) * | 1998-09-21 | 2000-03-29 | Kvaerner Metals Clecim | Method of rolling a metal product |
| US6526328B1 (en) | 1998-09-21 | 2003-02-25 | Vai Clecim | Process for rolling a metal product |
| JP2012066307A (en) * | 2010-08-25 | 2012-04-05 | Hitachi Ltd | Apparatus, method and program for rolling control |
| JP2020087343A (en) * | 2018-11-30 | 2020-06-04 | ブラザー工業株式会社 | Control system, update method, estimation method, and computer program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100249914B1 (en) | Method and apparatus for rolling metal band | |
| JPH02137606A (en) | Control method for plate thickness at rolling many kinds of materials | |
| JP3035089B2 (en) | Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method | |
| JPH038843B2 (en) | ||
| JP2968644B2 (en) | Strip width setup device in hot rough rolling | |
| JP3067879B2 (en) | Shape control method in strip rolling | |
| US6571134B1 (en) | Method and device for determining an intermediary profile of a metal strip | |
| JP3069001B2 (en) | Feedback control method of sheet crown / shape model | |
| JP2004255436A (en) | Method for controlling sheet crown in tandem hot rolling mill | |
| JPH05293516A (en) | Method for estimating rolling load of rolling mill | |
| KR100929015B1 (en) | Prediction of rolling load by calibrating plasticity factor of rolled material | |
| JP2706355B2 (en) | Meandering control method during plate rolling | |
| KR100406405B1 (en) | Method for controlling shape of roll | |
| JP2650575B2 (en) | Thick plate width control rolling method | |
| JP2626420B2 (en) | Strip width control method for rolling mill | |
| KR100805896B1 (en) | Apparatus and method for rolling stand speed setup for improving width minus at head-end part of strip | |
| JP2000126809A (en) | Set up device of rolling mill | |
| JP3553552B2 (en) | On-line identification method of strip width deformation model in hot finishing mill | |
| JP3152524B2 (en) | Method of controlling thickness of rolled material in hot continuous rolling | |
| JPS61189810A (en) | Shape-controlling method in finish rolling | |
| JPS61269912A (en) | Method for setting roll gap in cold rolling of steel sheet | |
| JPH08221379A (en) | Learning method for process control parameter | |
| JP3107339B2 (en) | Continuous annealing method for strip | |
| JPS61209709A (en) | Method for controlling crown of strip | |
| JPS60187413A (en) | Rolling installation and its control method |