JPH04252302A - Control model identifying method and control method for continuous rolling mill - Google Patents

Abstract

PURPOSE:To identify a control model. showing a rolling phenomenon even though the rolling phenomenon of a continuous rolling mill is nonlinear due to the variance of the plate width, etc., and also to attain the highly precise control of the continuous rolling mill with use of the control model. CONSTITUTION:A single stand model which describes the rolling phenomenon of a single rolling stand consists of a hierarchical neural network which defines a rolling factor as the input and a controlled variable as the output respectively. Then a control model which describes the rolling phenomenon of a continuous rolling mill consists of the single stand models in number equal to the number of stands contained in the continuous rolling machine. A prescribed rolling factor is inputted to a single stand model and the addition value of the output is defined as the output of the control model. Meanwhile the continuous rolling processes are carried out with the same rolling factor so that a difference of controlled variables is obtained between the input and output sides of the continuous rolling mill. Then the learning is carried out for correction of the coupling coefficient secured between the units of the hierarchical neural network. So that the output of the control model is equal to the difference of controlled variable. Thus, the control model is identified.

Description

【発明の詳細な説明】[Detailed description of the invention]

【０００１】0001

【産業上の利用分野】本発明は、連続圧延機における制
御モデルの同定方法及び連続圧延機の制御方法に係り、
特に圧延現象が非線形な場合でも、高精度な圧延の制御
モデルを同定することができる制御モデルの同定方法、
及び連続圧延機を容易に制御することができる連続圧延
機の制御方法に関する。[Industrial Application Field] The present invention relates to a method for identifying a control model in a continuous rolling mill and a method for controlling a continuous rolling mill.
In particular, a control model identification method that can identify a highly accurate rolling control model even when the rolling phenomenon is nonlinear;
The present invention also relates to a method for controlling a continuous rolling mill that can easily control the continuous rolling mill.

【０００２】0002

【従来の技術】２スタンド以上の連続された圧延機で材
料が同時に圧延される状態を連続圧延と定義する（「板
圧延の理論と実際」、社団法人日本鉄鋼協会共同研究会
圧延理論部会編、１９８４）。[Prior Art] Continuous rolling is defined as the state in which a material is simultaneously rolled in two or more consecutive rolling mills (``Theory and Practice of Plate Rolling'', compiled by the Rolling Theory Subcommittee of the Joint Study Group of the Iron and Steel Institute of Japan). , 1984).

【０００３】連続圧延ではスタンド間張力を介して圧延
の各因子が相互に影響を与え合う。板圧延の場合、一般
に、熱間圧延では６〜７台、冷間圧延でも５〜６台の圧
延機スタンドがタンデム配置されており、スタンドの入
側・出側板厚、スタンド間張力、摩擦係数、ロールギャ
ップ、ロール速度、モータ特性、ロール径、材料の変形
特性などの圧延因子が影響を及し合っている。[0003] In continuous rolling, various rolling factors influence each other through the tension between stands. In the case of plate rolling, generally 6 to 7 rolling mill stands are arranged in tandem for hot rolling and 5 to 6 rolling mill stands for cold rolling. , roll gap, roll speed, motor characteristics, roll diameter, material deformation characteristics and other rolling factors influence each other.

【０００４】このような圧延因子は全スタンドにわたっ
て互いに影響を及ぼし合うので、連続圧延における圧延
特性を検討するには、それぞれの圧延因子の関連を個別
に検討するよりも、全スタンドを一つの系として総合的
に考察する方が得策である。そのため、具体的には単ス
タンドの圧延特性をもとにして連続圧延機全スタンドの
圧延因子を連立されて解き、圧延機全体の特性を求める
ことが一般的である。[0004] Since these rolling factors influence each other over all stands, in order to study rolling characteristics in continuous rolling, it is better to consider all stands as one system than to examine the relationship between each rolling factor individually. It is better to consider it comprehensively. Therefore, specifically, it is common to simultaneously solve the rolling factors of all stands of a continuous rolling mill based on the rolling properties of a single stand to determine the properties of the entire rolling mill.

【０００５】従来の連続圧延機におれる制御は、上記の
ような考え方に基づき、連続圧延理論から得られた方程
式群（圧延モデル）を線形計算法あるいは非線形計算法
により解いた結果を用いて行われるのが一般的である。[0005] Conventional continuous rolling mill control is based on the above-mentioned concept, and uses the results of solving a group of equations (rolling model) obtained from continuous rolling theory using linear calculation method or nonlinear calculation method. This is commonly done.

【０００６】[0006]

【発明が解決しようとする課題】しかしながら、制御の
項目によっては、圧延因子の影響が十分解明されていな
いために、制御の精度が不十分であったり、全く制御が
行われていないものがある。[Problem to be solved by the invention] However, depending on the control items, the influence of rolling factors has not been fully clarified, so the accuracy of control may be insufficient, or control may not be performed at all. .

【０００７】例えば、熱間圧延における仕上圧延は、通
常連続圧延機で行われるが、仕上圧延機におけるスタン
ド間張力による幅縮み現象や、スタンドでの圧下による
幅拡がり現象は十分に解明されていない。そのため、熱
間圧延後の圧延材の板幅精度は歩留まり向上及び品質保
証の面から非常に重要な要素であるにも拘らず、精度の
よいモデルが得られていないために仕上圧延においては
十分な板幅制御が行われていないのが現状である。[0007] For example, finish rolling in hot rolling is usually performed in a continuous rolling mill, but the phenomenon of width shrinkage due to tension between stands in a finish rolling mill and width widening phenomenon due to reduction in stands has not been fully elucidated. . Therefore, although the width accuracy of the rolled material after hot rolling is a very important element from the viewpoint of yield improvement and quality assurance, it is not sufficient for finish rolling because a highly accurate model has not been obtained. Currently, there is no proper board width control.

【０００８】又、理論的なモデルが得られない制御項目
の場合には、実際の圧延データを統計的に解析して統計
的なモデルを作成する方法もある。その場合、モデルを
物理現象に即したものとするには次の条件を満すことが
必要である。In the case of control items for which no theoretical model can be obtained, there is also a method of statistically analyzing actual rolling data to create a statistical model. In that case, in order to make the model consistent with physical phenomena, it is necessary to satisfy the following conditions.

【０００９】（１）モデルの形が、それぞれのスタンド
あるいはスタンド間での圧延現象を一つの単位として、
その累積された結果が連続圧延機入側と出側の差になっ
ていること。(1) The shape of the model is based on the rolling phenomenon of each stand or between stands as one unit,
The cumulative result is the difference between the entrance and exit sides of the continuous rolling mill.

【００１０】（２）各スタンドあるいはスタンド間にお
ける圧延条件はそれぞれ異なるから、モデルへの入力値
は異なり、従って出力値も異なる。但し、物理現象は各
スタンド及びスタンド間で共通であるから、モデルの係
数は共通である。(2) Since the rolling conditions for each stand or between stands are different, the input values to the model are different, and therefore the output values are also different. However, since the physical phenomenon is common to each stand and between stands, the coefficients of the model are common.

【００１１】しかし、これには以下のような問題がある
。However, this has the following problems.

【００１２】例えば、板幅に対する板温度とスタンド間
張力の影響は非線形的であるため、通常の線形回帰の方
法では精度のよいモデルが得られない。又、一般に、板
幅を測定できるのは仕上圧延機の入側と出側に限られ、
各スタンドにおける板幅が未知であるため、単スタンド
での現象に分解してモデルを求めることが困難である。[0012] For example, since the effects of plate temperature and inter-stand tension on plate width are non-linear, a highly accurate model cannot be obtained using a normal linear regression method. In addition, generally, the strip width can only be measured at the entry and exit sides of a finishing mill.
Since the board width in each stand is unknown, it is difficult to break down the phenomenon into a model for a single stand.

【００１３】従って、仕上圧延機全体をブラックボック
スと見るしかなく、入力点数が多くて実際の制御に使用
しにくく、物理的に解釈しにくいモデルしか求められな
い。[0013] Therefore, the entire finishing rolling mill can only be viewed as a black box, which requires a large number of input points, making it difficult to use for actual control, and requiring only a model that is difficult to physically interpret.

【００１４】例えば、ＧＭＤＨ（Ｇｒｏｕｐ　　Ｍｅｔ
ｈｏｄ　ｏｆ　　Ｄａｔａ　　　Ｈａｎｄｌｉｎｇ　）
を用いれば、入力間の交絡を考慮した非線形的なモデル
を同定できるが、前段スタンドの板温度と後段スタンド
の張力との交絡のような本来全く関係のないものもモデ
ルに取り込まれ、物理的意味に乏しいものになってしま
う。For example, GMDH (Group Met
(Hod of Data Handling)
By using , it is possible to identify a nonlinear model that takes into account the confounding between inputs, but things that are completely unrelated, such as the confounding between the plate temperature of the front stage stand and the tension of the rear stage stand, are also incorporated into the model, and physical It becomes meaningless.

【００１５】同様の問題は、熱間仕上圧延における板ク
ラウン・形状制御など、他の理論的なモデルの得にくい
制御項目についても言えることである。[0015] Similar problems can be said about other control items that are difficult to obtain using theoretical models, such as plate crown and shape control in hot finish rolling.

【００１６】上述したように、圧延制御のための有効な
モデルを求める手段がないため、板幅、板クラウン・形
状等の制御項目については、依然として制御精度が不十
分であったり、制御が行われていないという問題点があ
る。As mentioned above, since there is no means to obtain an effective model for rolling control, control items such as strip width, strip crown/shape, etc. are still not controlled accurately or are not controlled properly. The problem is that it has not been done.

【００１７】本発明は、前記従来の問題点を解決するべ
くなされたもので、連続圧延機における圧延現象が非線
形な場合であっても、該圧延現象を単スタンド毎の現象
に分解し、圧延制御に容易に使用できる圧延用の制御モ
デルを同定する方法を提供することを第１の課題とする
。The present invention has been made to solve the above-mentioned conventional problems, and even when the rolling phenomenon in a continuous rolling mill is nonlinear, the rolling phenomenon is decomposed into phenomena for each stand, and the rolling The first objective is to provide a method for identifying a control model for rolling that can be easily used for control.

【００１８】本発明は、又、上記制御モデルを用い、従
来困難であった板幅等を高精度に制御できる連続圧延機
の制御方法を提供することを第２の課題とする。A second object of the present invention is to provide a control method for a continuous rolling mill that uses the above-mentioned control model and can control the strip width etc. with high precision, which has been difficult in the past.

【００１９】[0019]

【問題点を解決するための手段】本発明は、連続圧延機
における圧延現象を記述するモデルを実際の圧延データ
を用いて同定するあたり、図１にその要旨を示す如く、
連続圧延機に含まれるスタンドにおける圧延現象を記述
する単スタンドモデルを、圧延因子を入力とし、該圧延
因子のもとで圧延したときの被制御量を出力する階層型
ニューラルネットワークで構成し、連続圧延機における
圧延現象を記述する制御モデルを、該連続圧延機に含ま
れるスタンドと同数の上記単スタンドモデルで構成する
と共に、上記各単スタンドモデルに、それぞれ対応する
スタンド又はスタンド間の圧延因子を入力し、その結果
得られる各単スタンドモデルの出力を加算して上記制御
モデルの出力とし、且つ、同一圧延因子のもとで実際に
圧延し、連続圧延機の入側及び出側で被制御量をそれぞ
れ計測して被制御量の差を求め、上記制御モデルの出力
が、上記被制御量の差に一致するように、上記各単スタ
ンドモデルを構成する階層型ニューラルネットワークの
結合係数を学習により修正し、上記制御モデルを同定す
ることにより前記第１の目的を達成したものである。[Means for Solving the Problems] The present invention identifies a model that describes rolling phenomena in a continuous rolling mill using actual rolling data, as shown in Fig. 1.
A single stand model that describes the rolling phenomenon in a stand included in a continuous rolling mill is constructed with a hierarchical neural network that inputs a rolling factor and outputs a controlled variable when rolling under the rolling factor. A control model that describes rolling phenomena in a rolling mill is configured with the same number of single stand models as the stands included in the continuous rolling mill, and each single stand model has a rolling factor corresponding to the stand or between stands. The output of each single stand model obtained as a result is added to the output of the above control model, and the rolling factor is actually rolled under the same rolling factor, and the output is controlled at the entry and exit sides of the continuous rolling mill. Measure each quantity to find the difference in the controlled quantities, and learn the coupling coefficients of the hierarchical neural network that constitutes each single stand model so that the output of the control model matches the difference in the controlled quantities. The first objective was achieved by modifying the control model and identifying the control model.

【００２０】又、前記制御モデルの同定方法において、
圧延現象を板幅変動とし、圧延因子を板温度及びスタン
ド間張力とし、被制御量を幅変動量として板幅制御モデ
ルを同定することにより、同様に前記第１の目的を達成
したものである。[0020] Furthermore, in the control model identification method,
The first objective is similarly achieved by identifying a strip width control model with strip width variation as the rolling phenomenon, strip temperature and inter-stand tension as rolling factors, and width variation as the controlled quantity. .

【００２１】又、前記制御モデルの同定方法により同定
したモデルを用い、連続圧延機を制御することにより、
前記第２の目的を達成したものである。[0021] Furthermore, by controlling the continuous rolling mill using the model identified by the control model identification method,
This achieves the second objective.

【００２２】又、前記制御モデルの同定方法により同定
した板幅制御モデルを用い、板幅制御を行うことにより
、同様に、前記第２の目的を達成したものである。[0022] Also, the second object is similarly achieved by controlling the plate width using the plate width control model identified by the control model identification method.

【００２３】[0023]

【作用】前述したように、連続圧延機では多くの圧延因
子が互いに影響し合ってはいるが、各スタンドあるいは
スタンド間で生じている現象は基本的に同一であり、そ
れらの和が、連続圧延機の入側と出側との間の圧延材の
変化となって現れると考えることができる。そこで単ス
タンドあるいは単スタンド間の圧延特性を表すモデルを
考え、それをスタンドあるいはスタンド間によらない共
通のモデル（単スタンドモデル）とする。そして、それ
ぞれのスタンドあるいはスタンド間のデータを上記単ス
タンドモデルに遂次入力すれば、個々のスタンドあるい
はスタンド間における被制御量が求められるから、それ
らの和を求めれば、連続圧延機の入側と出側との間の被
制御量の変化を求めることができる。[Function] As mentioned above, in a continuous rolling mill, many rolling factors influence each other, but the phenomena occurring in each stand or between stands are basically the same, and the sum of these factors is It can be thought of as a change in the rolled material between the entry and exit sides of the rolling mill. Therefore, we consider a model that represents the rolling characteristics of a single stand or between single stands, and make this a common model (single stand model) that does not depend on stands or between stands. Then, by sequentially inputting the data for each stand or between stands into the single stand model above, the controlled amount for each stand or between stands can be determined. It is possible to find the change in the controlled quantity between the output side and the output side.

【００２４】但し、このような単スタンドモデルは、通
例非線形であるから普通の線形回帰などの方法では求め
ることができず、またモデル式の形をどう設定するかに
よってモデル精度が大きく影響を受ける。However, since such a single stand model is usually nonlinear, it cannot be obtained using methods such as ordinary linear regression, and model accuracy is greatly affected by how the form of the model equation is set. .

【００２５】そこで、本発明では、単スタンドモデルを
、例えば後述する図２に示すような階層型ニューラルネ
ットワークで構成し、階層型ニューラルネットワークの
持つ非線形関数の近似機能を用いることにより、制御モ
デルの具体的な形を予め設定しなくても与えられたデー
タに対するフィッティング機能により該制御モデルの同
定を行うことを可能とした。Therefore, in the present invention, the single stand model is configured with a hierarchical neural network as shown in FIG. 2, which will be described later, and the control model is This makes it possible to identify the control model using a fitting function for given data without having to set a specific shape in advance.

【００２６】ところで、一般に階層型ニューラルネット
ワークの学習は、学習に用いる入力データと、それに対
する望ましい出力値（教師信号）とに対して行われる。 しかし、板幅、板厚、板クラウンなどのように、連続圧
延機では各スタンドあるいはスタンド間での値は測定す
ることができず、該連続圧延機の入側と出側でしか測定
できない被制御量も多い。このような場合には個々の単
スタンドモデルに対する教師信号は得られないから、階
層型ニューラルネットワークに適用される通常の学習法
は用いることができないことになる。By the way, learning of a hierarchical neural network is generally performed using input data used for learning and a desired output value (teacher signal) for the input data. However, in continuous rolling mills, it is not possible to measure values such as strip width, strip thickness, strip crown, etc. at each stand or between stands, and values that can only be measured at the entry and exit sides of the continuous rolling mill. There is also a large amount of control. In such a case, a teaching signal for each single stand model cannot be obtained, so the usual learning method applied to hierarchical neural networks cannot be used.

【００２７】そこで、本発明では、連続圧延機の制御モ
デルを、該連続圧延機に含まれるスタンド数の単スタン
ドモデルで構成し、各単スタンドモデルの階層型ニュー
ラルネットワークの出力値（被制御量）の和が、実測し
た連続圧延機の入側と出側との間における被制御量の変
化（差）に等しくなるように、各単スタンドモデルの結
合係数を修正する学習方法を考案することにより、該制
御の同定を可能とした。Therefore, in the present invention, the control model of a continuous rolling mill is constructed of single stand models for the number of stands included in the continuous rolling mill, and the output value (controlled quantity) of the hierarchical neural network of each single stand model is ) to devise a learning method for modifying the coupling coefficient of each single stand model so that the sum of the values is equal to the actually measured change (difference) in the controlled quantity between the inlet and outlet sides of the continuous rolling mill. This made it possible to identify the control.

【００２８】このようにして得られた制御モデルは、単
スタンドあるいは単スタンド間の圧延結果が累積されて
全体の変化となるという物理現象に即したものであり、
その上構成が簡単であるため連続圧延機の制御にも容易
に利用できる。The control model thus obtained is based on the physical phenomenon in which the rolling results of a single stand or between single stands are accumulated to result in an overall change.
Moreover, since the configuration is simple, it can be easily used for controlling continuous rolling mills.

【００２９】次に、熱間仕上圧延における板幅制御モデ
ルの同定を例にして、本発明の制御モデルの同定方法を
詳細に説明する。Next, the control model identification method of the present invention will be explained in detail by taking as an example the identification of a strip width control model in hot finish rolling.

【００３０】熱間仕上圧延では、前述したように、スタ
ンド間張力による幅縮み現象とスタンドでの圧下による
幅拡がり現象があるが、後者は一本のコイル内での変動
は無視できるから、前者の定数項に含め、両者を合せて
幅変動を表すモデルとする。In hot finish rolling, as mentioned above, there is a width shrinkage phenomenon due to the tension between the stands and a width expansion phenomenon due to the reduction in the stands, but the latter can be ignored because the fluctuation within a single coil can be ignored, so the former is included in the constant term, and the two are combined to form a model that represents the width fluctuation.

【００３１】幅縮み現象は、圧延方向の温度変動による
変型抵抗の変動、及びスタンド間張力（特にスタンド入
側で受ける後方張力）の変動によりコイル内で変動する
。The width shrinkage phenomenon varies within the coil due to variations in deformation resistance due to temperature variations in the rolling direction and variations in inter-stand tension (particularly rear tension received at the entrance side of the stand).

【００３２】そこで、板幅変動（圧延現象）を表す単ス
タンドモデルを関数ｆ（σｉ　、Ｔｉ　）とする。ここ
で、σｉ　、Ｔｉ　は第ｉ　番目のスタンドのモデルに
対する入力である後方張力と板温度である。[0032] Therefore, a single stand model representing strip width variation (rolling phenomenon) is defined as a function f(σi, Ti). Here, σi and Ti are the rear tension and plate temperature that are input to the model of the i-th stand.

【００３３】いま、スタンド数をＮとすると、仕上圧延
機で圧延した場合の幅変動量ΔＷは、次の（１）式で表
される。Now, assuming that the number of stands is N, the width variation amount ΔW when rolling is performed using a finishing mill is expressed by the following equation (1).

【００３４】 　　ΔＷ＝ｆ　（σ１　、Ｔ１　）＋ｆ　（σ２　、Ｔ
２　）＋・・・＋ｆ　（σＮ　、ＴＮ　）　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　…（１）ΔW=f (σ1 , T1 )+f (σ2 , T
2) +...+f (σN, TN)


...(1)

【００３５】幅変動量の実際
の測定量をΔＷｍ　とし、モデルの誤差の評価関数Ｅを
、 　　Ｅ＝（ΔＷｍ　−ΔＷ）２　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　…（２）として、実際測定、あるいは別途推
定したσｉ　とＴｉ　を入力して該評価関数Ｅが減少す
る方向に単スタンドモデルのニューラルネットワークの
係数を修正する学習を行うことにより板幅制御モデルを
同定できる。Letting the actual measured amount of width variation be ΔWm, the evaluation function E of the model error is E=(ΔWm −ΔW)2

...As for (2), the board width control model is created by inputting actually measured or separately estimated σi and Ti and performing learning to modify the coefficients of the neural network of the single stand model in the direction that the evaluation function E decreases. Can be identified.

【００３６】この場合の学習には、単スタンドごとの教
師信号、即ち、スタンドごとの幅変動量が測定できれば
既知の学習方法が適用できる。しかし、前述したように
、一般には個々の幅変動量を測定できず、これら変動量
の和に対してしか教師信号を与えることができない。For learning in this case, a known learning method can be applied as long as the teacher signal for each stand, that is, the amount of width variation for each stand can be measured. However, as described above, it is generally not possible to measure individual width variations, and a teacher signal can only be given to the sum of these variations.

【００３７】そこで、本発明では次のようにして学習を
行う。Therefore, in the present invention, learning is performed as follows.

【００３８】先ず、単スタンドモデルを、図２に示すよ
うに、ｍ　入力１出力で中間層の数がｎ　の３層の階層
型ニューラルネットワークとする。即ち、入力層、中間
層及び出力層がそれぞれ　ｍ個、　ｎ個及び１個のユニ
ットからなる階層型ニューラルネットワークで単スタン
ドモデルを形成する。First, the single stand model is assumed to be a three-layer hierarchical neural network with m inputs and one output and the number of intermediate layers is n, as shown in FIG. That is, a single stand model is formed by a hierarchical neural network in which the input layer, intermediate layer, and output layer are each composed of m units, n units, and 1 unit.

【００３９】そして、連続圧延機全体の制御モデルは、
該連続圧延機のスタンドの数をＮとすると、図３のよう
になり、Ｎ個の単スタンドモデルで構成された４層のニ
ューラルネットワークとみなすことができる。[0039]The control model for the entire continuous rolling mill is as follows:
When the number of stands of the continuous rolling mill is N, it becomes as shown in FIG. 3, and can be regarded as a four-layer neural network composed of N single stand models.

【００４０】この板幅制御モデルでは、単スタンドモデ
ルを、スタンド間張力と板温度を入力とし、幅変動量を
出力とするニューラルネットワークで構成する。In this plate width control model, a single stand model is constructed by a neural network that uses inter-stand tension and plate temperature as inputs and outputs width variation.

【００４１】この単スタンドモデルはひとつのスタンド
及びスタンド間における幅変動量を表すものであり、そ
の幅変動量がスタンド数加算されて連続圧延機の全変動
量（出力）になる。[0041] This single stand model represents the amount of width variation in one stand and between stands, and the amount of width variation is added to the number of stands to become the total amount of variation (output) of the continuous rolling mill.

【００４２】但し、図３における最終段の加算ユニット
Ｔは、Ｎ個の単スタンドモデルの出力を加算して、１／
Ｎを乗じるだけの線形な特性をもち、係数は固定である
ものとする。又、Ｎ個の単スタンドモデルのニューラル
ネットワークは全て同じ係数を持ち、且つ単スタンドモ
デルの結合はないものとする。However, the adding unit T at the final stage in FIG. 3 adds the outputs of N single stand models to
It is assumed that it has a linear characteristic that is simply multiplied by N, and that the coefficient is fixed. Further, it is assumed that the neural networks of N single stand models all have the same coefficients, and there is no connection of single stand models.

【００４３】いま、入力層のｉ　番目のユニットから、
中間層のｊ　番目のユニットへの結合係数を　ｖｉｊ、
中間層のｉ　番目のユニットから出力層への結合係数を
Ｗｉ　、中間層と出力層のユニットの入出力関数をｆ　
（ｘ　＋θ）とする。この入出力関数に含まれるθは、
ユニットごとに異なるもので、　ｖｉｊ、Ｗｉ　と共に
以下の学習によって修正される。Now, from the i-th unit of the input layer,
The coupling coefficient to the j-th unit of the intermediate layer is vij,
Wi is the coupling coefficient from the i-th unit of the hidden layer to the output layer, and f is the input/output function of the units of the hidden layer and the output layer.
Let it be (x + θ). θ included in this input/output function is
It is different for each unit, and will be modified by the following study along with vij and Wi.

【００４４】ｋ　番目のスタンドの単スタンドモデルに
おける入力層のｉ番目のユニットへの入力を　ｕｋ　ｉ
　で表すと、該ユニットから中間層のｊ　番目のユニッ
トに対する入力ｘｋ　ｊ　は次の（３）式で与えられる
。従って、上記中間層のｊ　番目のユニットの出力を　
ｈｋ　ｊ　とすると、この出力は下記（４）式で与えら
れる。The input to the i-th unit of the input layer in the single-stand model of the k-th stand is uk i
Input xk j from this unit to the j-th unit of the intermediate layer is given by the following equation (3). Therefore, the output of the j-th unit of the above intermediate layer is
hk j , this output is given by the following equation (4).

【００４５】ｘｋ　ｊ　＝Σ　ｖｉｊ　ｕｋ　ｉ　　…
（３）ｈｋ　ｊ　＝　ｆ（　ｘｋ　ｊ　）　　　　…（
４）[0045]xk j =Σ vij uk i...
(3) hk j = f( xk j ) …(
4)

【００４６】又、同スタンドの単スタンドモデルに
おける出力層からの出力をｙｋ　とすると、該出力　ｙ
ｋ　は、次の（５）式で与えられる　ｚｋ　を変数とす
る、下記（６）式で与えられる。Furthermore, if the output from the output layer in the single stand model of the same stand is yk, then the output y
k is given by the following equation (6), where zk given by the following equation (5) is a variable.

【００４７】ｚｋ　＝Σ　ｗｉ　　ｈｋ　ｉ　　　…（
５）ｙｋ　＝ｆ　（　ｚｋ　）　　　　…（６）[0047]zk =Σ wi hk i...(
5) yk = f (zk)...(6)

【００
４８】図３に示す制御モデルでは、ｋ　＝１〜Ｎの各ス
タンドに対応する単スタンドモデルからの出力　ｙ１　
〜　ｙＮ　は、加算ユニットＴで加算されると共に、Ｎ
で平均され、被制御量Ｙとして該加算ユニットＴより出
力される。00
48] In the control model shown in FIG. 3, the output y1 from the single stand model corresponding to each stand k = 1 to N
~yN are added in addition unit T and N
are averaged and output from the addition unit T as the controlled quantity Y.

【００４９】次に、入力　ｕｋ　ｉ　（ｋ　＝１、…、
Ｎ、ｉ　＝１、…、ｍ　）が入力されたときの加算ユニ
ットＴの望ましい出力（教師信号）をｄ　とし、誤差の
評価関数Ｅを次の（７）式のように定義する。Next, input uk i (k = 1, . . .
Let d be the desired output (teacher signal) of the addition unit T when N, i = 1, .

【００５０】なお、上記教師信号ｄ　は、制御モデルに
入力する圧延因子と同一の圧延因子のもとで実際に連続
圧延機で圧延したときの、該連続圧延機の入側と出側と
における板幅変動量（被制御量）の差の実測値である。[0050] The above-mentioned teacher signal d is calculated based on the input and exit sides of the continuous rolling mill when rolling is actually carried out in the continuous rolling mill under the same rolling factor as the rolling factor input to the control model. This is the actual measured value of the difference in plate width variation amount (controlled amount).

【００５１】 　　　　Ｅ＝｛ｄ　−（　ｙ１　＋　ｙ２　　　＋・・
・＋　ｙＮ　）／Ｎ｝２　／２　　　　…（７）E={d −( y1 + y2 +...
・+yN)/N}2/2...(7)

【００
５２】このとき、結合係数Ｗｉ　の修正量ΔＷｉ　とす
ると、このΔＷｉ　はεを正定数として、次の（８）式
で与えられる。00
[52] At this time, if the amount of modification of the coupling coefficient Wi is ΔWi, this ΔWi is given by the following equation (8), where ε is a positive constant.

【００５３】[0053]

【数１】[Math 1]

【００５４】上記（８）式の微分項は、以下のように（
９）、（１０）式により（１１）式で与えられるので、
この（８）式より修正量ΔＷｉ　が得られる。The differential term in equation (8) above is expressed as (
9), given by equation (11) using equation (10),
The correction amount ΔWi can be obtained from this equation (8).

【００５５】[0055]

【数２】[Math 2]

【００５６】同じく、結合係数Ｖｉｊの修正量をΔＶｉ
ｊとすると、このΔＶｉｊは次の（１２）式で与えられ
る。Similarly, the amount of correction of the coupling coefficient Vij is ΔVi
j, this ΔVij is given by the following equation (12).

【００５７】[0057]

【数３】[Math 3]

【００５８】上記（１２）式の微分項は、以下のように
（１３）、（１４）式より（１５）式で与えられるので
、この（１５）式に上記（１０）式を代入すれば、上記
（１２）式より修正量ΔＶｉｊが得られる。The differential term in equation (12) above is given by equation (15) from equations (13) and (14) as shown below, so by substituting equation (10) above into equation (15), we get , the correction amount ΔVij can be obtained from the above equation (12).

【００５９】[0059]

【数４】[Math 4]

【００６０】以上述べた板幅制御モデルを用い、圧延因
子のデータとしてスタンド間張力σｉ　と板温度Ｔｉ　
を各単スタンドモデルに入力し、そのときの前記（７）
式の誤差の評価値が実用上十分な程度に小さくなるまで
単スタンドモデルの結合係数を修正する学習を行うこと
により、該板幅制御モデルの同定を行うことができる。Using the strip width control model described above, the inter-stand tension σi and strip temperature Ti are used as rolling factor data.
is input into each single stand model, and then the above (7)
The board width control model can be identified by learning to modify the coupling coefficient of the single stand model until the evaluation value of the error in the equation becomes small enough for practical use.

【００６１】なお、上記の学習方法では、ニューラルネ
ットークの入出力値の正規化の都合上、最終段の加算ユ
ニットＴは単スタンドモデルの出力値の和をスタンド数
で割る動作を行うものとしているが、圧延現象の本質は
単スタンドモデルで表わされているので、実際の制御へ
の使用にあたっては、上記のような４層のニューラルネ
ットワーク全体ではなく、単スタンドモデルだけでも使
用可能である。[0061] In the above learning method, in order to normalize the input and output values of the neural network, the addition unit T at the final stage divides the sum of the output values of the single stand model by the number of stands. However, since the essence of the rolling phenomenon is represented by a single stand model, for actual control purposes, it is possible to use only the single stand model instead of the entire four-layer neural network as described above.

【００６２】[0062]

【実施例】以下、図面を参照して、本発明の実施例を詳
細に説明する。Embodiments Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

【００６３】本実施例は、熱延仕上圧延における板幅制
御モデルを同定し、その板幅制御モデルを用いて板幅制
御を行うものである。In this embodiment, a strip width control model in hot-rolling finish rolling is identified, and strip width control is performed using the strip width control model.

【００６４】図４は、本実施例に適用する７スタンドの
連続圧延機である。FIG. 4 shows a seven-stand continuous rolling mill applied to this embodiment.

【００６５】上記連続圧延機は、それぞれ符号１１〜１
７で示す第１スタンド〜第７スタンドを有すると共に、
各スタンド間における被圧延材１０に張力を付与し、且
つ、その張力を測定するためのルーパー２１〜２６と、
これらルーパー２１〜２６を制御するためのルーパー制
御装置３１〜３６と、前記スタンド１１〜１７のそれぞ
れに位置する圧延ロールの回転速度を検出するためのパ
ルスジェネレータ４１〜４７とをそれぞれ備えている。[0065] The above continuous rolling mills are designated by reference numerals 11 to 1, respectively.
It has a first stand to a seventh stand indicated by 7, and
Loopers 21 to 26 for applying tension to the rolled material 10 between each stand and measuring the tension;
It is provided with looper control devices 31-36 for controlling these loopers 21-26, and pulse generators 41-47 for detecting the rotational speed of the rolling rolls located in each of the stands 11-17.

【００６６】又、仕上圧延機の入側には、板幅計５０及
び温度計５２が設置され、被圧延材１０の圧延方向の各
点について、板幅及び板温度をそれぞれ測定することが
可能になっている。同様に、上記圧延機の入側には、測
長ロール５４が設置され、被圧延材１０の先端からの長
さを測定することが可能になっている。[0066] Furthermore, a strip width meter 50 and a thermometer 52 are installed on the entry side of the finishing rolling mill, and it is possible to measure the strip width and strip temperature at each point in the rolling direction of the material to be rolled 10. It has become. Similarly, a length measuring roll 54 is installed on the entry side of the rolling mill, making it possible to measure the length of the rolled material 10 from the tip.

【００６７】又、仕上圧延機の出側にも、板幅計５６及
び温度計５８が設置されている。A strip width gauge 56 and a thermometer 58 are also installed on the exit side of the finishing rolling mill.

【００６８】又、上記仕上圧延機は、モデル同定装置６
０、張力演算装置６２及び張力遅延装置６４を備えてい
る。[0068] Furthermore, the finishing rolling mill has a model identification device 6.
0, a tension calculation device 62 and a tension delay device 64.

【００６９】上記モデル同定装置６０は、入側板幅計５
０及び出側板幅計５６で測定した板幅、入側温度計５２
及び出側温度計５８で測定した板温度、及びルーパー２
１〜２６で測定した張力から、本発明に基づいてモデル
を同定する機能を有している。The model identification device 60 uses the entry side plate width meter 5.
0 and the plate width measured with the outlet plate width meter 56, the input side thermometer 52
and the plate temperature measured with the exit side thermometer 58, and the looper 2
It has a function of identifying a model based on the present invention from the tension measured in Nos. 1 to 26.

【００７０】又、上記張力演算装置６２は、モデル同定
装置６０で同定したモデルに基づき、入側板幅計５０及
び入側温度計５２の各測定値と、測長ロール５４で測定
した先端からの長さとから、被圧延材１０の各点を目標
の板幅に制御するのに必要な張力を算出する機能を有し
ている。Further, the tension calculation device 62 calculates the measured values of the entrance plate width meter 50 and the entrance temperature meter 52 and the measured value from the tip using the length measuring roll 54 based on the model identified by the model identification device 60. It has a function of calculating the tension required to control each point of the material to be rolled 10 to a target width from the length.

【００７１】更に、上記張力遅延装置６４は、パルスジ
ェネレータ４１〜４７のパルスを通板開始時からカウン
トすることにより、被圧延材１０の各点の位置をトラッ
キングし、張力発生のタイミングを適切に調整する機能
を有している。Furthermore, the tension delay device 64 tracks the position of each point on the material to be rolled 10 by counting the pulses from the pulse generators 41 to 47 from the start of sheet passing, and adjusts the timing of tension generation appropriately. It has the ability to adjust.

【００７２】次に、本実施例の作用について説明する。Next, the operation of this embodiment will be explained.

【００７３】板幅制御モデルは、前記図２に示したニュ
ーラルネットワークからなる単スタンドモデルを使用し
、図３に示すＮ＝７の構成とした。The board width control model used the single stand model consisting of the neural network shown in FIG. 2, and had the configuration of N=7 shown in FIG. 3.

【００７４】そして、仕上圧延機の入側、出側の温度計
５２、５８で圧延方向に数点（測定点）の板温度を測定
すると共に、その測定点が各スタンド入側近傍で受けた
後方張力をルーパー２１〜２６で測定し、これら板温度
と後方張力を入力データとする。Then, the plate temperature is measured at several points (measurement points) in the rolling direction using thermometers 52 and 58 on the entry and exit sides of the finishing rolling mill, and the temperature at the measurement points is measured near the entry side of each stand. The rear tension is measured by loopers 21 to 26, and these plate temperatures and rear tension are used as input data.

【００７５】又、仕上圧延機の入側、出側の板幅計５０
、５６で各測定点の板幅を測定してその差をとり、この
差をモデルの望ましい出力値（教師信号）ｄ　とする。 モデル同定装置６０により、前述の学習方法に従って学
習を行い、幅変動を表わすモデル（板幅制御モデル）を
同定する。[0075] Also, the total strip width 50 on the entry and exit sides of the finishing rolling mill.
, 56, measure the plate width at each measurement point, calculate the difference, and use this difference as the desired output value (teacher signal) d of the model. The model identification device 60 performs learning according to the above-described learning method, and identifies a model representing width fluctuation (board width control model).

【００７６】本実施例により同定した場合の結果を図５
に示す。なお、比較のため、従来のモデル同定法として
、モデルの形を、 　　　　ΔＷｉ　＝Ａ・σｉ　ｎ　・ｅｘｐ　（Ｂ／Ｔ
ｉ　）　　　　　　　　…（１６）　　　　ΔＷ＝ΣΔ
Ｗｉ　＋Ｄ　　　　　　　　　　　　　　　　　　　　
　　　　　　…（１７）とし、Ａ、ｎ　、Ｂ、Ｄを未知
数として実験計画法を用いて最適値を求めた場合の結果
を図６に示す。FIG. 5 shows the results of identification according to this example.
Shown below. For comparison, as a conventional model identification method, the model shape is expressed as ΔWi = A・σi n ・exp (B/T
i) …(16) ΔW=ΣΔ
Wi+D
...(17), and the optimal value was determined using the experimental design method with A, n, B, and D as unknowns. The results are shown in FIG.

【００７７】図５、図６より、従来法ではモデルの適合
度は不十分なのに対し、本発明の方法ではよく適合して
いる。なお、本発明方法は、上で同定したデータとは別
のデータに対しても適合性が確かめられている。From FIG. 5 and FIG. 6, it can be seen that the model fit is insufficient in the conventional method, whereas the model fits well in the method of the present invention. The suitability of the method of the present invention has also been confirmed for data other than the data identified above.

【００７８】次に、本実施例により同定した板幅制御モ
デルにより、板幅制御を行った例を説明する。Next, an example in which sheet width control is performed using the sheet width control model identified in this embodiment will be described.

【００７９】まず、張力演算装置６２において、入側板
幅計５０で測定した入側板幅、入側温度計５２で測定し
た板温度から予測した各スタンドにおける板温度及び張
力設定値から、同定した上記板幅制御モデルを用いて出
側板幅を予測し、この予測板幅と目標板幅との差を解消
するのに必要な張力を、該モデルを用いて逆算した。First, in the tension calculating device 62, the identified above-mentioned board temperature and tension setting value at each stand predicted from the entrance board width measured by the entrance board width meter 50 and the board temperature measured by the entry side thermometer 52. The exit side plate width was predicted using a plate width control model, and the tension required to eliminate the difference between the predicted plate width and the target plate width was back calculated using the model.

【００８０】次いで、逆算して得た上記張力を目標値と
して張力遅延装置６４に送り、適切なタイミングでルー
パー制御装置３１〜３６に出力し、ルーパー２１〜２６
によって張力を付与することにより、板幅を所定の値に
制御した。Next, the tension obtained by back calculation is sent to the tension delay device 64 as a target value, and outputted to the looper control devices 31 to 36 at an appropriate timing.
The plate width was controlled to a predetermined value by applying tension.

【００８１】上述した本実施例の板幅制御方法による制
御結果を比較例の結果と共に図７に示す。[0081] The control results according to the sheet width control method of the present example described above are shown in FIG. 7 together with the results of the comparative example.

【００８２】図７（Ａ）は本実施例方法により板幅制御
を実施した場合、同（Ｂ）は従来法により前記（１６）
、（１７）式に基づいて同定したモデルを用いて板幅制
御を実施した場合、同（Ｃ）は板幅制御を実施しない場
合である。FIG. 7(A) shows the case where sheet width control is performed by the method of this embodiment, and FIG. 7(B) shows the case where the sheet width is controlled by the conventional method.
, (C) is the case where the plate width control is not performed when the plate width control is performed using the model identified based on equation (17).

【００８３】上記図７（Ａ）〜（Ｃ）から明らかなよう
に、本実施例による板幅制御を実施した場合は、実施し
ない場合及び従来法による板幅制御を実施した場合に比
べて板幅変動が減少しており、これより本発明が有効性
であることを確認できる。As is clear from FIGS. 7(A) to 7(C) above, when the strip width control according to this embodiment is implemented, the strip width is lower than when the strip width control is not performed and when strip width control is performed using the conventional method. The width fluctuation is reduced, which confirms the effectiveness of the present invention.

【００８４】以上、本発明を具体的に説明したが、本発
明は前述した具体例に限定されるものでなく、種々変更
可能である。Although the present invention has been specifically explained above, the present invention is not limited to the above-mentioned specific examples and can be modified in various ways.

【００８５】例えば、単スタンドモデルを構成する階層
型ニューラルネットワークは、前記の３層構造に限定さ
れない。For example, the hierarchical neural network constituting the single stand model is not limited to the three-layer structure described above.

【００８６】又、圧延現象（制御項目）も、板幅変動に
限定されるものでなく、板厚変動、板クラウン変動等の
非線形な圧延現象であってもよい。Further, the rolling phenomenon (control item) is not limited to plate width variation, but may also be a nonlinear rolling phenomenon such as plate thickness variation or plate crown variation.

【００８７】[0087]

【発明の効果】以上説明した通り、本発明によれば、単
スタンドモデルをニューラルネットワークで形成するこ
とにより、連続圧延機における圧延現象が非線形な場合
であっても、単スタンドの圧延現象に分解した物理現象
に即した制御モデルを同定することができ、又、その制
御モデルを用いて連続圧延機の制御を容易に行うことが
できるという優れた効果を有する。As explained above, according to the present invention, by forming a single stand model using a neural network, even if the rolling phenomenon in a continuous rolling mill is nonlinear, it can be decomposed into the rolling phenomenon of a single stand. This method has excellent effects in that it is possible to identify a control model that corresponds to the physical phenomenon that has occurred, and that the control model can be used to easily control a continuous rolling mill.

【図面の簡単な説明】[Brief explanation of the drawing]

【図１】図１は、本発明に係る連続圧延機における制御
モデルの同定方法の要旨を示す流れ図である。FIG. 1 is a flow chart showing the gist of a method for identifying a control model in a continuous rolling mill according to the present invention.

【図２】図２は、単スタンド及び単スタンド間の圧延現
象を表わすニューラルネットワークを示す線図である。FIG. 2 is a diagram showing a neural network representing a single stand and a rolling phenomenon between single stands;

【図３】図３は、図２のニューラルネットワークを用い
て構成した連続圧延機の制御モデルを示す線図である。FIG. 3 is a diagram showing a control model of a continuous rolling mill configured using the neural network of FIG. 2;

【図４】図４は、本発明の一実施例に適用する熱間仕上
圧延機の装置構成を示す、一部ブロック線図を含む側面
図である。FIG. 4 is a side view, including a partial block diagram, showing the equipment configuration of a hot finishing mill applied to an embodiment of the present invention.

【図５】図５は、本発明により同定した制御モデルの適
合度を示す線図である。FIG. 5 is a diagram showing the goodness of fit of the control model identified according to the present invention.

【図６】図６は、従来法により同定したモデルの適合度
を示す線図である。FIG. 6 is a diagram showing the goodness of fit of a model identified by a conventional method.

【図７】図７（Ａ）は、連続圧延機を制御するにあたり
、本発明方法で同定した板幅制御モデルを用いた場合、
図７（Ｂ）は、従来方法により同定した板幅制御モデル
を用いた場合、図７（Ｃ）は、板幅制御を実施しなかっ
た場合、の各板幅変動を示す線図である。FIG. 7(A) shows that when the strip width control model identified by the method of the present invention is used to control a continuous rolling mill,
FIG. 7(B) is a diagram showing each strip width variation when the strip width control model identified by the conventional method is used, and FIG. 7(C) is a diagram showing each strip width variation when strip width control is not performed.

【符号の説明】[Explanation of symbols]

１０…被圧延材、 １１〜１７…第１〜第７スタンド、 ２１〜２６…ルーパー、 ３１〜３６…ルーパー制御装置、 ４１…４７…パルスジェネレータ、 ５０…入側板幅計、 ５２…入側温度計、 ５４…測長ロール、 ５６…出側板幅計、 ５８…出側温度計、 ６０…モデル同定装置、 ６２…張力演算装置、 ６４…張力遅延装置。 10... Rolled material, 11-17...1st-7th stands, 21-26...Looper, 31 to 36...looper control device, 41...47...pulse generator, 50... Entrance board width meter, 52...Inlet thermometer, 54...Length measuring roll, 56...Exit side plate width meter, 58... Outlet side thermometer, 60...model identification device, 62...Tension calculation device, 64...Tension delay device.

Claims (4)

【特許請求の範囲】[Claims] 【請求項１】連続圧延機に含まれるスタンドにおける圧
延現象を記述する単スタンドモデルを、圧延因子を入力
とし、該圧延因子のもとで圧延したときの被制御量を出
力する階層型ニューラルネットワークで構成し、連続圧
延機における圧延現象を記述する制御モデルを、該連続
圧延機に含まれるスタンドと同数の上記単スタンドモデ
ルで構成すると共に、上記各単スタンドモデルに、それ
ぞれ対応するスタンド又はスタンド間の圧延因子を入力
し、その結果得られる各単スタンドモデルの出力を加算
して上記制御モデルの出力とし、且つ、同一圧延因子の
もとで実際に圧延し、連続圧延機の入側及び出側で被制
御量をそれぞれ計測して被制御量の差を求め、上記制御
モデルの出力が、上記被制御量の差に一致するように、
上記各単スタンドモデルを構成する階層型ニューラルネ
ットワークの結合係数を学習により修正し、上記制御モ
デルを同定することを特徴とする制御モデルの同定方法
。[Claim 1] A hierarchical neural network that inputs a rolling factor and outputs a controlled variable when rolling is performed under the rolling factor, using a single stand model that describes rolling phenomena in a stand included in a continuous rolling mill. A control model that describes the rolling phenomenon in a continuous rolling mill is composed of the same number of single stand models as the stands included in the continuous rolling mill, and a stand or a stand that corresponds to each of the single stand models. Input the rolling factor between, add the output of each single stand model obtained as a result and use it as the output of the above control model, and then actually roll under the same rolling factor and calculate the input side of the continuous rolling mill and Each controlled quantity is measured on the output side to find the difference between the controlled quantities, and the output of the control model is made to match the difference between the controlled quantities.
A method for identifying a control model, characterized in that the control model is identified by correcting the coupling coefficients of the hierarchical neural networks constituting each of the single stand models through learning. 【請求項２】請求項１において、圧延現象が板幅変動で
あり、圧延因子が板温度及びスタンド間張力で、被制御
量が幅変動量であることを特徴とする制御モデルの同定
方法。2. The control model identification method according to claim 1, wherein the rolling phenomenon is strip width variation, the rolling factors are strip temperature and inter-stand tension, and the controlled amount is width variation. 【請求項３】請求項１により同定した制御モデルを用い
、連続圧延機を制御することを特徴とする連続圧延機の
制御方法。3. A method for controlling a continuous rolling mill, comprising controlling the continuous rolling mill using the control model identified according to claim 1. 【請求項４】請求項２により同定した制御モデルを用い
、板幅制御を行うことを特徴とする連続圧延機の制御方
法。4. A control method for a continuous rolling mill, characterized in that strip width control is performed using the control model identified according to claim 2.