JPH04367901A - プロセスラインにおける学習制御方法 - Google Patents
プロセスラインにおける学習制御方法Info
- Publication number
- JPH04367901A JPH04367901A JP14443091A JP14443091A JPH04367901A JP H04367901 A JPH04367901 A JP H04367901A JP 14443091 A JP14443091 A JP 14443091A JP 14443091 A JP14443091 A JP 14443091A JP H04367901 A JPH04367901 A JP H04367901A
- Authority
- JP
- Japan
- Prior art keywords
- value
- group
- model
- calculated
- learning 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000000463 material Substances 0.000 claims abstract description 58
- 238000012821 model calculation Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000009499 grossing Methods 0.000 abstract description 5
- 238000005096 rolling process Methods 0.000 description 50
- 238000001816 cooling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明は、圧延ライン,冷却ライ
ン等のプロセスラインにおける学習制御方法に関する。
ン等のプロセスラインにおける学習制御方法に関する。
【0002】
【従来の技術】一般に、圧延ライン,冷却ライン等のプ
ロセスラインにおいては、計算機制御のためのモデルは
理論式あるいは経験式に基づいて構築されているが、プ
ロセスラインでの現象を完全に表現するモデルの構築は
不可能に近いため、前回までにプロセスラインで処理し
たデータに基づいてモデルを修正して制御を行なう方法
、即ち、学習制御方法が行なわれている。
ロセスラインにおいては、計算機制御のためのモデルは
理論式あるいは経験式に基づいて構築されているが、プ
ロセスラインでの現象を完全に表現するモデルの構築は
不可能に近いため、前回までにプロセスラインで処理し
たデータに基づいてモデルを修正して制御を行なう方法
、即ち、学習制御方法が行なわれている。
【0003】例えば、圧延ラインにおける圧延荷重の予
測,冷却ラインにおける温度降下量の予測モデルは、そ
の代表的な例である。
測,冷却ラインにおける温度降下量の予測モデルは、そ
の代表的な例である。
【0004】プロセスラインで計測される実績値とモデ
ルの予測値との偏差(ズレ)は、上述したように、プロ
セスラインでの現象がモデルに完全に表現されていない
ために生じている。
ルの予測値との偏差(ズレ)は、上述したように、プロ
セスラインでの現象がモデルに完全に表現されていない
ために生じている。
【0005】その理由としては、■現象そのものが未解
明であること、■現象は解明されているがモデルの表現
が複雑になり過ぎオンラインでの計算に間にあわないた
め簡略化していること、あるいは、■モデルの計算に必
要なデータの採取が不完全なこと等が挙げられる。
明であること、■現象は解明されているがモデルの表現
が複雑になり過ぎオンラインでの計算に間にあわないた
め簡略化していること、あるいは、■モデルの計算に必
要なデータの採取が不完全なこと等が挙げられる。
【0006】
【発明が解決しようとする課題】ところで、上述のモデ
ルと現象との不一致は大別すると、設備あるいは環境の
変化によるプロセスラインの時系列的な変動と、プロセ
スラインで処理される材料の種類,処理パターンの違い
に起因するグループ別の変動とがある。
ルと現象との不一致は大別すると、設備あるいは環境の
変化によるプロセスラインの時系列的な変動と、プロセ
スラインで処理される材料の種類,処理パターンの違い
に起因するグループ別の変動とがある。
【0007】しかしながら、従来のプロセスラインにお
ける学習制御では、これら2種類の変動を適切に分離し
て取り込んでいないため、満足な制御結果が得られない
という課題があった。
ける学習制御では、これら2種類の変動を適切に分離し
て取り込んでいないため、満足な制御結果が得られない
という課題があった。
【0008】本発明は、このような課題を解決しようと
するもので、プロセスラインでの制御に際して、現象と
モデルとのズレを適切に修正し、プロセスラインの処理
を高い制御精度で行なえるようにした学習制御方法を提
供することを目的とする。
するもので、プロセスラインでの制御に際して、現象と
モデルとのズレを適切に修正し、プロセスラインの処理
を高い制御精度で行なえるようにした学習制御方法を提
供することを目的とする。
【0009】
【課題を解決するための手段】上記目的を達成するため
に、本発明のプロセスラインにおける学習制御方法は、
設定計算用モデルを前回までの実績値に基づいて修正し
ながら、該モデルに基づいてプロセスラインを制御する
ものにおいて、前記プロセスラインで処理する材料の種
類,サイズ,制御目標値,処理パターン等のグループ別
に、実績値と前記モデルにより算出されたモデル計算値
とのズレを学習係数として記憶するテーブルを作成して
おき、■今回材料の実績操業データに基づいて、前記モ
デルによるモデル計算値Ycalを算出し、■該モデル
計算値Ycalと今回材料の実績値YactとのズレF
を算出し、■該ズレFから、前回材料までの実績値とモ
デル計算値との時系列的なズレの平滑値Ftoを除去し
た値Fgを算出し、■今回材料の属するグループのグル
ープ別学習係数のテーブル値Fgoを、前記値Fgで平
滑化したものを、新たなテーブル値として前記テーブル
に記憶し、■前記ズレFから、今回材料の属するグルー
プのグループ別学習係数のテーブル値Fgoを除去した
値Ftを算出し、■前記平滑値Ftoを前記値Ftで平
滑化したものを、新たな時系列学習係数として記憶し、
■次回材料の設定計算に際し、前記モデルから算出され
るモデル計算値を、前記テーブルに記憶された次回材料
の属するグループのグループ別学習係数と新たな時系列
学習係数とに基づいて修正することを特徴としている。
に、本発明のプロセスラインにおける学習制御方法は、
設定計算用モデルを前回までの実績値に基づいて修正し
ながら、該モデルに基づいてプロセスラインを制御する
ものにおいて、前記プロセスラインで処理する材料の種
類,サイズ,制御目標値,処理パターン等のグループ別
に、実績値と前記モデルにより算出されたモデル計算値
とのズレを学習係数として記憶するテーブルを作成して
おき、■今回材料の実績操業データに基づいて、前記モ
デルによるモデル計算値Ycalを算出し、■該モデル
計算値Ycalと今回材料の実績値YactとのズレF
を算出し、■該ズレFから、前回材料までの実績値とモ
デル計算値との時系列的なズレの平滑値Ftoを除去し
た値Fgを算出し、■今回材料の属するグループのグル
ープ別学習係数のテーブル値Fgoを、前記値Fgで平
滑化したものを、新たなテーブル値として前記テーブル
に記憶し、■前記ズレFから、今回材料の属するグルー
プのグループ別学習係数のテーブル値Fgoを除去した
値Ftを算出し、■前記平滑値Ftoを前記値Ftで平
滑化したものを、新たな時系列学習係数として記憶し、
■次回材料の設定計算に際し、前記モデルから算出され
るモデル計算値を、前記テーブルに記憶された次回材料
の属するグループのグループ別学習係数と新たな時系列
学習係数とに基づいて修正することを特徴としている。
【0010】
【作用】上述した本発明のプロセスラインにおける学習
制御方法では、設定計算用モデルを前回までの実績値に
基づいて修正しながらプロセスラインを制御する学習制
御を行なうに際し、今回材料の実績操業データからモデ
ルを用いて算出されたモデル計算値Ycalと今回材料
の実績値YactとのズレFが算出され、このズレFか
ら、前回材料までの実績値とモデル計算値との時系列的
なズレの平滑値Ftoを除去した値Fgが算出される。
制御方法では、設定計算用モデルを前回までの実績値に
基づいて修正しながらプロセスラインを制御する学習制
御を行なうに際し、今回材料の実績操業データからモデ
ルを用いて算出されたモデル計算値Ycalと今回材料
の実績値YactとのズレFが算出され、このズレFか
ら、前回材料までの実績値とモデル計算値との時系列的
なズレの平滑値Ftoを除去した値Fgが算出される。
【0011】この値Fgは、プロセスラインで処理する
材料の種類,サイズ,制御目標値,処理パターン等のグ
ループの違いによる変動に起因するモデルと現象とのズ
レになり、この値Fgにより今回材料の属するグループ
のグループ別学習係数のテーブル値Fgoを平滑化し、
その結果が、新たなグループ別学習係数として記憶され
る。
材料の種類,サイズ,制御目標値,処理パターン等のグ
ループの違いによる変動に起因するモデルと現象とのズ
レになり、この値Fgにより今回材料の属するグループ
のグループ別学習係数のテーブル値Fgoを平滑化し、
その結果が、新たなグループ別学習係数として記憶され
る。
【0012】一方、ズレFから、今回材料の属するグル
ープのグループ別学習係数のテーブル値Fgoを除去し
た値Ftが算出される。この値Ftは、時系列的な変動
によるズレであり、この値Ftにより平滑値Ftoを平
滑化し、その結果が、新たな時系列学習係数としてテー
ブルに記憶される。
ープのグループ別学習係数のテーブル値Fgoを除去し
た値Ftが算出される。この値Ftは、時系列的な変動
によるズレであり、この値Ftにより平滑値Ftoを平
滑化し、その結果が、新たな時系列学習係数としてテー
ブルに記憶される。
【0013】そして、次回材料の設定計算に際し、モデ
ルから算出される予測値(モデル計算値)が、次回材料
の属するグループのグループ別学習係数と時系列学習係
数とにより修正され、現象とモデルとのズレが適切に修
正されることになる。
ルから算出される予測値(モデル計算値)が、次回材料
の属するグループのグループ別学習係数と時系列学習係
数とにより修正され、現象とモデルとのズレが適切に修
正されることになる。
【0014】
【実施例】以下、図面を参照しながら、本発明をホット
ストリップミル仕上げ圧延ライン(プロセスライン)で
の圧延荷重予測に適用した場合について説明する。ホッ
トストリップミル仕上げ圧延ラインでは、板厚制御を行
なうために、各スタンドでの圧延荷重を予測し、この予
測圧延荷重に応じたミル伸びを考慮して各スタンドの圧
下位置が設定される。
ストリップミル仕上げ圧延ライン(プロセスライン)で
の圧延荷重予測に適用した場合について説明する。ホッ
トストリップミル仕上げ圧延ラインでは、板厚制御を行
なうために、各スタンドでの圧延荷重を予測し、この予
測圧延荷重に応じたミル伸びを考慮して各スタンドの圧
下位置が設定される。
【0015】図2は本発明の方法を適用したホットスト
リップミル仕上げ圧延ラインにおける板厚制御の全体的
な流れを説明するためのフローチャートであり、この全
体的な流れは、従来から行なわれる周知のものであるの
で、詳細な説明は省略するが、基本的には、設定計算を
行なうステップB1〜B4の流れと、これに並行して行
なわれるステップC1〜C4の学習計算の流れとがある
。
リップミル仕上げ圧延ラインにおける板厚制御の全体的
な流れを説明するためのフローチャートであり、この全
体的な流れは、従来から行なわれる周知のものであるの
で、詳細な説明は省略するが、基本的には、設定計算を
行なうステップB1〜B4の流れと、これに並行して行
なわれるステップC1〜C4の学習計算の流れとがある
。
【0016】設定計算では、まず、次回圧延材の指令情
報の読み込み後(ステップB1)、各スタンド出側の板
厚を決定し(ステップB2)、この出側板厚に対応した
圧下条件から各スタンドでの圧延荷重を計算し(ステッ
プB3)、ゲージメータ式を用いて各スタンドのロール
間隙(圧下位置)を設定している(ステップB4)。
報の読み込み後(ステップB1)、各スタンド出側の板
厚を決定し(ステップB2)、この出側板厚に対応した
圧下条件から各スタンドでの圧延荷重を計算し(ステッ
プB3)、ゲージメータ式を用いて各スタンドのロール
間隙(圧下位置)を設定している(ステップB4)。
【0017】一方、学習計算では、今回圧延材の実績デ
ータの読み込み後(ステップC1)、その実績データを
用いて、設定計算と同じモデル(設定計算用モデル)で
圧延荷重を算出し(ステップC2)、実績圧延荷重とモ
デル計算値による圧延荷重とのズレを学習し(ステップ
C3)、その学習結果をステップB3での次回圧延材の
圧延荷重の計算に反映している。
ータの読み込み後(ステップC1)、その実績データを
用いて、設定計算と同じモデル(設定計算用モデル)で
圧延荷重を算出し(ステップC2)、実績圧延荷重とモ
デル計算値による圧延荷重とのズレを学習し(ステップ
C3)、その学習結果をステップB3での次回圧延材の
圧延荷重の計算に反映している。
【0018】次に、本発明の一実施例としての学習制御
方法について、図1に従って説明する。ここで、図1は
、図2のステップC3,B3の手順を詳細に示したもの
である。
方法について、図1に従って説明する。ここで、図1は
、図2のステップC3,B3の手順を詳細に示したもの
である。
【0019】図1は本発明の一実施例としての学習制御
方法を詳細に説明するためのフローチャートであり、本
実施例では、圧延される材料を鋼種別に200種類、成
品板厚別に16種類のグループに区分した。また、圧延
荷重モデル(設定計算用モデル)は公知のもであり、下
式(1)で表される。
方法を詳細に説明するためのフローチャートであり、本
実施例では、圧延される材料を鋼種別に200種類、成
品板厚別に16種類のグループに区分した。また、圧延
荷重モデル(設定計算用モデル)は公知のもであり、下
式(1)で表される。
【0020】
Pcal=σ・B・ld・Qp
(
1) ここで、σは圧延材の変形抵抗、Bは板幅、ldは接触
弧長、Qpは圧下力関数である。
(
1) ここで、σは圧延材の変形抵抗、Bは板幅、ldは接触
弧長、Qpは圧下力関数である。
【0021】今回圧延材の実績データを用いて、(1)
式により各スタンドの計算圧延荷重Pcal(=Yca
l)を算出し(ステップA1)、各スタンドに付設され
たロードセルにて検出された今回圧延材の実績圧延荷重
Pact(=Yact)に基づいて、各スタンド毎に、
図1のフローに従い下記(2)〜(6)式を用いて、新
しいグループ別学習係数FgNと時系列学習係数FtN
とを算出し、今回圧延材の属するグループのグループ別
学習係数のテーブル値ならびに時系列学習係数をその新
しい値に書き換える。
式により各スタンドの計算圧延荷重Pcal(=Yca
l)を算出し(ステップA1)、各スタンドに付設され
たロードセルにて検出された今回圧延材の実績圧延荷重
Pact(=Yact)に基づいて、各スタンド毎に、
図1のフローに従い下記(2)〜(6)式を用いて、新
しいグループ別学習係数FgNと時系列学習係数FtN
とを算出し、今回圧延材の属するグループのグループ別
学習係数のテーブル値ならびに時系列学習係数をその新
しい値に書き換える。
【0022】つまり、本実施例による制御においては、
これまでの実績値に基づいて設定計算用のモデルを修正
するに当り、ラインで処理する圧延材(材料)の種類,
サイズ等のグループ別に実績値とモデルから算出する値
とのズレを記憶するテーブルを予め作成しておく。ここ
では、ズレを比の形で表現した場合について述べる。
これまでの実績値に基づいて設定計算用のモデルを修正
するに当り、ラインで処理する圧延材(材料)の種類,
サイズ等のグループ別に実績値とモデルから算出する値
とのズレを記憶するテーブルを予め作成しておく。ここ
では、ズレを比の形で表現した場合について述べる。
【0023】まず、今回圧延材の実績操業データを用い
て(1)式により算出された計算圧延荷重(モデル計算
値)Pcalと、実績圧延荷重(実績値)Pactとの
比Fを、次式(2)の通りズレとして算出する(ステッ
プA2)。
て(1)式により算出された計算圧延荷重(モデル計算
値)Pcalと、実績圧延荷重(実績値)Pactとの
比Fを、次式(2)の通りズレとして算出する(ステッ
プA2)。
【0024】
F=Pact/Pcal(=Yact/Y
cal) (2) この比Fには、圧延ラインの時系列的な変動と、圧
延ラインで処理される圧延材の種類等の違いによる変動
との両者に起因するモデルと現象とのズレが包含されて
いる。
cal) (2) この比Fには、圧延ラインの時系列的な変動と、圧
延ラインで処理される圧延材の種類等の違いによる変動
との両者に起因するモデルと現象とのズレが包含されて
いる。
【0025】次に、下式(3)に示すように、前回圧延
材までの実績値とモデル計算値との時系列的なズレの平
滑値Ftoで除算した値Fgを算出する(ステップA3
)。
材までの実績値とモデル計算値との時系列的なズレの平
滑値Ftoで除算した値Fgを算出する(ステップA3
)。
【0026】
Fg=F/Fto
(3) ここで、平滑値Ftoは、後述するように、圧延ラ
インの時系列的な変動によるモデルと現象とのズレを表
すものであり、従って、この値Fgは、圧延ラインで処
理する圧延材の種類等のグループの違いによる変動に起
因するモデルと現象とのズレになる。
(3) ここで、平滑値Ftoは、後述するように、圧延ラ
インの時系列的な変動によるモデルと現象とのズレを表
すものであり、従って、この値Fgは、圧延ラインで処
理する圧延材の種類等のグループの違いによる変動に起
因するモデルと現象とのズレになる。
【0027】下式(4)により、このズレFgで今回圧
延材の属するグループのグループ別学習係数のテーブル
値Fgoを平滑化し、新たなテーブル値としてテーブル
に記憶する(ステップA4)。
延材の属するグループのグループ別学習係数のテーブル
値Fgoを平滑化し、新たなテーブル値としてテーブル
に記憶する(ステップA4)。
【0028】
FgN=αFg+(1−α)Fgo
(
4) この(4)式中、αは平滑化係数で0<α<1であ
り、テーブル値Fgoはこれまでの学習係数、FgNは
テーブルに記憶される新たなグループ別学習係数である
。
(
4) この(4)式中、αは平滑化係数で0<α<1であ
り、テーブル値Fgoはこれまでの学習係数、FgNは
テーブルに記憶される新たなグループ別学習係数である
。
【0029】さらに、下式(5)に示すように、ズレF
を今回圧延材の属するグループのグループ別学習係数の
テーブル値Fgoで除算した値Ftを算出する(ステッ
プA5)。
を今回圧延材の属するグループのグループ別学習係数の
テーブル値Fgoで除算した値Ftを算出する(ステッ
プA5)。
【0030】
Ft=F/Fgo
(5) ここで、値Ftは、今回圧延材のモデルと現象との
ズレから、圧延ラインで処理する圧延材の種類等のグル
ープの違いによる変動に起因するズレを除去したもの、
即ち、時系列的な変動によるズレを表すものとなる。
(5) ここで、値Ftは、今回圧延材のモデルと現象との
ズレから、圧延ラインで処理する圧延材の種類等のグル
ープの違いによる変動に起因するズレを除去したもの、
即ち、時系列的な変動によるズレを表すものとなる。
【0031】そして、下式(6)式に示すように、前回
圧延材までの実績値とモデル計算値との時系列的なズレ
の平滑値Ftoを、(5)式によるズレFtで平滑化し
、新たな時系列学習係数として記憶する(ステップA6
)。
圧延材までの実績値とモデル計算値との時系列的なズレ
の平滑値Ftoを、(5)式によるズレFtで平滑化し
、新たな時系列学習係数として記憶する(ステップA6
)。
【0032】
FtN=βFt+(1−β)Fto
(
6) この(6)式中、βは平滑化係数で0<β<1であ
り、Ftoはこれまでの学習係数、FtNは新たな時系
列学習係数である。
(
6) この(6)式中、βは平滑化係数で0<β<1であ
り、Ftoはこれまでの学習係数、FtNは新たな時系
列学習係数である。
【0033】次回圧延材の設定計算に際しては、次回圧
延材の圧延指令情報から(1)式を用いて各スタンドの
圧延荷重Pcalを計算するとともに、新しいグループ
別学習係数FgNと時系列学習係数FtNとを用いて、
下式(7)にて予測圧延荷重(設定計算用圧延荷重)P
setを演算する(ステップA7)。
延材の圧延指令情報から(1)式を用いて各スタンドの
圧延荷重Pcalを計算するとともに、新しいグループ
別学習係数FgNと時系列学習係数FtNとを用いて、
下式(7)にて予測圧延荷重(設定計算用圧延荷重)P
setを演算する(ステップA7)。
【0034】
Pset=FtN・FgN・Pcal
(7) ここで、Psetはモデル計算値Pcalを新しい
グループ別学習係数FgNと時系列学習係数FtNとに
より修正したものである。
(7) ここで、Psetはモデル計算値Pcalを新しい
グループ別学習係数FgNと時系列学習係数FtNとに
より修正したものである。
【0035】上述のように算出された予測圧延荷重(設
定計算用圧延荷重)Psetに基づいて、各スタンドで
の圧下位置Sが、ステップB4において決定される。こ
の圧下位置Sは、公知の次式(8)から求めることがで
きる。
定計算用圧延荷重)Psetに基づいて、各スタンドで
の圧下位置Sが、ステップB4において決定される。こ
の圧下位置Sは、公知の次式(8)から求めることがで
きる。
【0036】
S=h−Pset/M+So
(
8) ここで、Sは圧下位置、hは各スタンドの出側板厚
、Mはミル定数、Soはロール摩耗,ロールの熱膨張等
によるオフセットである。
(
8) ここで、Sは圧下位置、hは各スタンドの出側板厚
、Mはミル定数、Soはロール摩耗,ロールの熱膨張等
によるオフセットである。
【0037】なお、本実施例においては、(7)式にお
けるグループ別学習係数FgNの使用に際しては、次回
圧延材が属する成品板厚別グループと隣接する成品板厚
別グループの代表板厚を用いて、両グループのグループ
別学習係数FgNを次回圧延材の成品板厚に応じて次式
(9)で補間した。
けるグループ別学習係数FgNの使用に際しては、次回
圧延材が属する成品板厚別グループと隣接する成品板厚
別グループの代表板厚を用いて、両グループのグループ
別学習係数FgNを次回圧延材の成品板厚に応じて次式
(9)で補間した。
【0038】
【数1】
【0039】ここで、Hfは次回圧延材の成品板厚(H
fj≦Hf<Hfj+1)、Hfjは次回圧延材が属す
る成品板厚別グループの代表板厚、Hfj+1は次回圧
延材が属する成品板厚別グループと隣接するグループの
代表板厚、FgNjは次回圧延材が属する成品板厚別グ
ループのグループ別学習係数、FgNj+1は次回圧延
材が属する成品板厚別グループと隣接するグループのグ
ループ別学習係数である。
fj≦Hf<Hfj+1)、Hfjは次回圧延材が属す
る成品板厚別グループの代表板厚、Hfj+1は次回圧
延材が属する成品板厚別グループと隣接するグループの
代表板厚、FgNjは次回圧延材が属する成品板厚別グ
ループのグループ別学習係数、FgNj+1は次回圧延
材が属する成品板厚別グループと隣接するグループのグ
ループ別学習係数である。
【0040】なお、Hf<Hfjの場合には、j+1グ
ループの代わりにj−1グループのHfj−1,FgN
j−1を用いて(9)式で補間した。
ループの代わりにj−1グループのHfj−1,FgN
j−1を用いて(9)式で補間した。
【0041】図3は本実施例による学習制御を適用した
圧延荷重の計算値と実績値との比較を示すグラフで、こ
の図3は6号スタンドの例を示すが、図3に示す通り、
計算値が実績値とよく一致していることは明確である。
圧延荷重の計算値と実績値との比較を示すグラフで、こ
の図3は6号スタンドの例を示すが、図3に示す通り、
計算値が実績値とよく一致していることは明確である。
【0042】また、図4は本実施例における最終スタン
ド出側での圧延材先端部の板厚的中精度を示すグラフで
、圧延材先端部の実績板厚は目標板厚に対して±50μ
m以内に制御されており、本実施例による圧延荷重の学
習方法が優れていることが分かる。
ド出側での圧延材先端部の板厚的中精度を示すグラフで
、圧延材先端部の実績板厚は目標板厚に対して±50μ
m以内に制御されており、本実施例による圧延荷重の学
習方法が優れていることが分かる。
【0043】このように、本実施例のプロセスラインに
おける学習制御方法によれば、圧延ラインにおける圧延
荷重を精度良く推定することができ、圧延材の板厚制御
を著しく向上させることができる。
おける学習制御方法によれば、圧延ラインにおける圧延
荷重を精度良く推定することができ、圧延材の板厚制御
を著しく向上させることができる。
【0044】なお、上記実施例では、圧延ラインにおけ
る圧延荷重の学習制御方法について説明したが、本発明
の方法は、圧延ラインにおける各スタンドでのパススケ
ジュール板厚,温度降下量の学習,冷却ラインにおける
温度降下量の学習等、プロセスラインにおける種々の学
習制御に適用され、上記実施例と同様の作用効果が得ら
れる。
る圧延荷重の学習制御方法について説明したが、本発明
の方法は、圧延ラインにおける各スタンドでのパススケ
ジュール板厚,温度降下量の学習,冷却ラインにおける
温度降下量の学習等、プロセスラインにおける種々の学
習制御に適用され、上記実施例と同様の作用効果が得ら
れる。
【0045】また、上記実施例では、実績値とモデル計
算値とのズレを比の形で学習する場合について説明した
が、対象量によっては実績値とモデル計算値とのズレを
差の形で表してもよく、この場合でも、上記実施例と全
く同様の方法で学習制御を行なうことができる。
算値とのズレを比の形で学習する場合について説明した
が、対象量によっては実績値とモデル計算値とのズレを
差の形で表してもよく、この場合でも、上記実施例と全
く同様の方法で学習制御を行なうことができる。
【0046】
【発明の効果】以上詳述したように、本発明のプロセス
ラインにおける学習制御方法によれば、観測されるモデ
ルと現象とのズレを時系列的な変動とグループの違いに
よる変動とに分離して学習し、学習係数の書き換えを行
ない設定計算に反映させることにより、プロセスライン
での制御に際し、現象とモデルとのズレが適切に修正さ
れ、プロセスラインの処理を極めて高い制御精度で行な
える効果がある。
ラインにおける学習制御方法によれば、観測されるモデ
ルと現象とのズレを時系列的な変動とグループの違いに
よる変動とに分離して学習し、学習係数の書き換えを行
ない設定計算に反映させることにより、プロセスライン
での制御に際し、現象とモデルとのズレが適切に修正さ
れ、プロセスラインの処理を極めて高い制御精度で行な
える効果がある。
【図1】本発明の一実施例としてのプロセスラインにお
ける学習制御方法を説明するためのフローチャートであ
る。
ける学習制御方法を説明するためのフローチャートであ
る。
【図2】本発明の方法を適用された本実施例のホットス
トリップミル仕上げ圧延ラインにおける板厚制御の全体
的な流れを説明するためのフローチャートである。
トリップミル仕上げ圧延ラインにおける板厚制御の全体
的な流れを説明するためのフローチャートである。
【図3】本実施例による圧延荷重の計算値と実績値との
比較を示すグラフである。
比較を示すグラフである。
【図4】本実施例における最終スタンド出側での圧延材
先端部の板厚的中精度を示すグラフである。
先端部の板厚的中精度を示すグラフである。
Claims (1)
- 【請求項1】 設定計算用モデルを前回までの実績値
に基づいて修正しながら、該モデルに基づいてプロセス
ラインを制御する学習制御方法において、前記プロセス
ラインで処理する材料の種類,サイズ,制御目標値,処
理パターン等のグループ別に、実績値と前記モデルによ
り算出されたモデル計算値とのズレを学習係数として記
憶するテーブルを作成しておき、今回材料の実績操業デ
ータに基づいて、前記モデルによるモデル計算値Yca
lを算出し、該モデル計算値Ycalと今回材料の実績
値YactとのズレFを算出し、該ズレFから、前回材
料までの実績値とモデル計算値との時系列的なズレの平
滑値Ftoを除去した値Fgを算出し、今回材料の属す
るグループのグループ別学習係数のテーブル値Fgoを
、前記値Fgで平滑化したものを、新たなテーブル値と
して前記テーブルに記憶し、前記ズレFから、今回材料
の属するグループのグループ別学習係数のテーブル値F
goを除去した値Ftを算出し、前記平滑値Ftoを前
記値Ftで平滑化したものを、新たな時系列学習係数と
して記憶し、次回材料の設定計算に際し、前記モデルか
ら算出されるモデル計算値を、前記テーブルに記憶され
た次回材料の属するグループのグループ別学習係数と新
たな時系列学習係数とに基づいて修正することを特徴と
するプロセスラインにおける学習制御方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14443091A JP2839746B2 (ja) | 1991-06-17 | 1991-06-17 | プロセスラインにおける学習制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14443091A JP2839746B2 (ja) | 1991-06-17 | 1991-06-17 | プロセスラインにおける学習制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04367901A true JPH04367901A (ja) | 1992-12-21 |
JP2839746B2 JP2839746B2 (ja) | 1998-12-16 |
Family
ID=15362016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP14443091A Expired - Fee Related JP2839746B2 (ja) | 1991-06-17 | 1991-06-17 | プロセスラインにおける学習制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2839746B2 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
CN1059848C (zh) * | 1995-03-13 | 2000-12-27 | 三菱电机株式会社 | 热轧设备中冷却设备的诊断装置 |
JP2001025807A (ja) * | 1999-07-15 | 2001-01-30 | Toshiba Corp | リバース式圧延機の学習制御装置 |
JP2003340508A (ja) * | 2002-05-27 | 2003-12-02 | Toshiba Ge Automation Systems Corp | 圧延機設定計算装置用学習制御装置 |
JP2005152937A (ja) * | 2003-11-25 | 2005-06-16 | Sumitomo Metal Ind Ltd | 数式モデルにおける予測誤差補正用テーブル値生成装置及びその方法 |
JP2009233716A (ja) * | 2008-03-27 | 2009-10-15 | Kobe Steel Ltd | 圧延材の冷却方法 |
US7809459B2 (en) | 2007-12-31 | 2010-10-05 | Hitachi Global Technologies Netherlands B.V. | Advanced-process-control system utilizing a lambda tuner |
JP5309219B2 (ja) * | 2009-09-03 | 2013-10-09 | 東芝三菱電機産業システム株式会社 | 設定計算学習装置及び設定計算学習方法 |
CN104303114A (zh) * | 2012-05-16 | 2015-01-21 | 东芝三菱电机产业***株式会社 | 设定计算***的学习装置以及学习方法 |
JP2019087152A (ja) * | 2017-11-09 | 2019-06-06 | 新日鐵住金株式会社 | 製造プロセスの状態予測装置、方法及びプログラム、並びに製造プロセスの制御システム |
WO2023203691A1 (ja) * | 2022-04-20 | 2023-10-26 | 東芝三菱電機産業システム株式会社 | 板クラウン制御装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10124381B2 (en) | 2014-02-17 | 2018-11-13 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Rolling process learning control device |
-
1991
- 1991-06-17 JP JP14443091A patent/JP2839746B2/ja not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1059848C (zh) * | 1995-03-13 | 2000-12-27 | 三菱电机株式会社 | 热轧设备中冷却设备的诊断装置 |
JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
JP2001025807A (ja) * | 1999-07-15 | 2001-01-30 | Toshiba Corp | リバース式圧延機の学習制御装置 |
JP2003340508A (ja) * | 2002-05-27 | 2003-12-02 | Toshiba Ge Automation Systems Corp | 圧延機設定計算装置用学習制御装置 |
JP2005152937A (ja) * | 2003-11-25 | 2005-06-16 | Sumitomo Metal Ind Ltd | 数式モデルにおける予測誤差補正用テーブル値生成装置及びその方法 |
US7809459B2 (en) | 2007-12-31 | 2010-10-05 | Hitachi Global Technologies Netherlands B.V. | Advanced-process-control system utilizing a lambda tuner |
JP2009233716A (ja) * | 2008-03-27 | 2009-10-15 | Kobe Steel Ltd | 圧延材の冷却方法 |
JP5309219B2 (ja) * | 2009-09-03 | 2013-10-09 | 東芝三菱電機産業システム株式会社 | 設定計算学習装置及び設定計算学習方法 |
CN104303114A (zh) * | 2012-05-16 | 2015-01-21 | 东芝三菱电机产业***株式会社 | 设定计算***的学习装置以及学习方法 |
JP2019087152A (ja) * | 2017-11-09 | 2019-06-06 | 新日鐵住金株式会社 | 製造プロセスの状態予測装置、方法及びプログラム、並びに製造プロセスの制御システム |
WO2023203691A1 (ja) * | 2022-04-20 | 2023-10-26 | 東芝三菱電機産業システム株式会社 | 板クラウン制御装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2839746B2 (ja) | 1998-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH04367901A (ja) | プロセスラインにおける学習制御方法 | |
JP3607029B2 (ja) | 圧延機の制御方法及び制御装置 | |
US20090326700A1 (en) | Method for monitoring the physical state of a hot-rolled sheet or hot-rolled strip while controlling a plate rolling train for working a hot-rolled sheet or hot-rolled strip | |
JPH07191713A (ja) | 調節されるシステム内のプロセスに指令を与えるための方法および装置 | |
CN106030424A (zh) | 轧制工艺的学习控制装置 | |
JPH07200005A (ja) | 学習制御方法 | |
JP3300208B2 (ja) | プロセスラインにおける学習制御方法 | |
JP4696775B2 (ja) | 板幅制御方法および装置 | |
JP2829697B2 (ja) | 厚板圧延方法 | |
TWI323197B (en) | Method for increasing the process stability, especially the absolute thickness accuracy and the plant safety-during hot rolling of steel or nonferrous materials | |
CN111132773A (zh) | 使用优化器的平整度控制 | |
KR100931541B1 (ko) | 압연판 형상 제어 방법 | |
JP2000126809A (ja) | 圧延機のセットアップ装置 | |
JP2696058B2 (ja) | 差厚鋼板の変厚部定長制御方法 | |
JPH06277728A (ja) | 板クラウン制御設定方法 | |
JPS61189810A (ja) | 仕上圧延における形状制御方法 | |
JPH07265927A (ja) | 板クラウン予測モデルの修正方法 | |
TWI786580B (zh) | 精軋機出口溫度估算方法 | |
JPH05269516A (ja) | 厚板圧延の形状制御方法 | |
JPS59183918A (ja) | ゲ−ジメ−タ式自動板厚制御方法 | |
JPS6240919A (ja) | 熱間連続粗圧延機の板幅制御方法 | |
JP2004034032A (ja) | タンデム冷間圧延におけるエッジドロップ制御方法 | |
JPS6150044B2 (ja) | ||
JPS6325845B2 (ja) | ||
JPS63299807A (ja) | 鋼板の熱間圧延における板幅制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19981006 |
|
LAPS | Cancellation because of no payment of annual fees |