JPH1031505A - プロセスラインの学習制御方法 - Google Patents
プロセスラインの学習制御方法Info
- Publication number
- JPH1031505A JPH1031505A JP18614596A JP18614596A JPH1031505A JP H1031505 A JPH1031505 A JP H1031505A JP 18614596 A JP18614596 A JP 18614596A JP 18614596 A JP18614596 A JP 18614596A JP H1031505 A JPH1031505 A JP H1031505A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- learning coefficient
- coefficient
- value
- instantaneous value
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【課題】 プロセスラインにおいて制御モデルに基づき
制御量を計算する学習制御方法は、学習の追従性、即効
性が保証されない、次回材の制御精度が低下する等の課
題があった。 【解決手段】 学習係数を、層別毎の制御モデル自体の
誤差を補正するための層別ｉの層別学習係数ＣＳｏ
（ｉ）と、プロセスラインの経時的変化に起因する制御
モデルの誤差を補正するための時系列学習係数に分離
し、その学習において、時系列学習係数は当該材とその
隣接層別ｉ−１，ｉ＋１に限定して学習し、層別ｉの層
別学習係数ＣＳｏ（ｉ）は時系列学習係数の影響を除去
した上で当該材の層別について学習することを特徴とす
るものである。
制御量を計算する学習制御方法は、学習の追従性、即効
性が保証されない、次回材の制御精度が低下する等の課
題があった。 【解決手段】 学習係数を、層別毎の制御モデル自体の
誤差を補正するための層別ｉの層別学習係数ＣＳｏ
（ｉ）と、プロセスラインの経時的変化に起因する制御
モデルの誤差を補正するための時系列学習係数に分離
し、その学習において、時系列学習係数は当該材とその
隣接層別ｉ−１，ｉ＋１に限定して学習し、層別ｉの層
別学習係数ＣＳｏ（ｉ）は時系列学習係数の影響を除去
した上で当該材の層別について学習することを特徴とす
るものである。
Description
【０００１】
【発明の属する技術分野】この発明は、熱間圧延ライ
ン、冷間圧延ライン等のプロセスラインにおいて、制御
モデルに基づき制御量を計算する場合のプロセスライン
の学習制御方法に関するものである。
ン、冷間圧延ライン等のプロセスラインにおいて、制御
モデルに基づき制御量を計算する場合のプロセスライン
の学習制御方法に関するものである。
【０００２】
【従来の技術】図５は従来の熱間圧延の圧延プロセスや
冷却プロセスにおいて一般的に用いられる学習制御方法
のフローチャートである。
冷却プロセスにおいて一般的に用いられる学習制御方法
のフローチャートである。
【０００３】今回材における実績値を用いて制御モデル
の計算値ＹCAL を求め、これと例えば水平圧延機の入側
板厚、出側板厚、圧延ロール間のギャップなどの制御結
果の実績値ＹACT の比から制御モデルの予測誤差を吸収
するような学習係数の瞬時値Ｃを式（１）より求める
（ステップＳＴ５−１）。 Ｃ＝ＹACT ／ＹCAL ・・・（１）
の計算値ＹCAL を求め、これと例えば水平圧延機の入側
板厚、出側板厚、圧延ロール間のギャップなどの制御結
果の実績値ＹACT の比から制御モデルの予測誤差を吸収
するような学習係数の瞬時値Ｃを式（１）より求める
（ステップＳＴ５−１）。 Ｃ＝ＹACT ／ＹCAL ・・・（１）
【０００４】この学習係数の瞬時値Ｃをテーブル値とし
て記憶されている今回材の属する層別ｉの層別学習係数
ＣＳｏ（ｉ）を学習平滑係数βにより平滑化し、この層
別ｉの新しい学習係数ＣＳｎ（ｉ）を式（２）より算出
してテーブルを更新する（ステップＳＴ５−２）。 ＣＳｎ（ｉ）＝β・Ｃ＋（１−β）・ＣＳｏ（ｉ） ・・・（２）
て記憶されている今回材の属する層別ｉの層別学習係数
ＣＳｏ（ｉ）を学習平滑係数βにより平滑化し、この層
別ｉの新しい学習係数ＣＳｎ（ｉ）を式（２）より算出
してテーブルを更新する（ステップＳＴ５−２）。 ＣＳｎ（ｉ）＝β・Ｃ＋（１−β）・ＣＳｏ（ｉ） ・・・（２）
【０００５】層別ｉの次回材の制御においては、上記手
順で更新した学習係数ＣＳｎ（ｉ）をテーブルから読み
出し、これを用いてモデル予測値Ｙ’CAL に補正を施し
た上で物理現象としての次回材予測値Ｙｐｒｅを式
（３）により決定する（ステップＳＴ５−３）。 Ｙｐｒｅ＝ＣＳｎ（ｉ）・Ｙ’CAL ・・・（３） ここで、Ｙ’CAL ：ｆ（α１，α２・・αｍ、ｘ’１，
ｘ’２・・ｘ’ｍ） ｆ：関数 α１〜αｍ：パラメータ ｘ’１〜ｘ’ｍ：説明変数
順で更新した学習係数ＣＳｎ（ｉ）をテーブルから読み
出し、これを用いてモデル予測値Ｙ’CAL に補正を施し
た上で物理現象としての次回材予測値Ｙｐｒｅを式
（３）により決定する（ステップＳＴ５−３）。 Ｙｐｒｅ＝ＣＳｎ（ｉ）・Ｙ’CAL ・・・（３） ここで、Ｙ’CAL ：ｆ（α１，α２・・αｍ、ｘ’１，
ｘ’２・・ｘ’ｍ） ｆ：関数 α１〜αｍ：パラメータ ｘ’１〜ｘ’ｍ：説明変数
【０００６】以上の制御モデルの学習制御を層別単位で
実施し、各層別におけるモデル予測誤差を吸収し、次回
材の制御結果を制御目標値に近づけるものである。なお
上記従来の方法に関連する先行技術としては、例えば特
開平４−３６７９０１号公報、特開平６−２３８３１１
号公報がある。
実施し、各層別におけるモデル予測誤差を吸収し、次回
材の制御結果を制御目標値に近づけるものである。なお
上記従来の方法に関連する先行技術としては、例えば特
開平４−３６７９０１号公報、特開平６−２３８３１１
号公報がある。
【０００７】
【発明が解決しようとする課題】従来のプロセスライン
の学習制御方法は以上のように構成されているので、以
下に示す第１から第３のような課題があった。
の学習制御方法は以上のように構成されているので、以
下に示す第１から第３のような課題があった。
【０００８】第１の課題は、ある層別の今回材から次回
材までの加工が連続していない場合、今回材の実績値か
ら求めた学習係数が次回材の制御においては適切な値と
は限らないため、次回材の制御精度が著しく低下する場
合がある。これは今回材と次回材の間にプロセスライン
の構成要素の劣化、特性・環境の変化等、プロセスライ
ンの経時的変化が発生することに起因しており、学習係
数の計算におけるモデル予測値と実績値の誤差が、層別
毎の制御モデル自体の誤差とプロセスラインの経時変化
による誤差とに分離されないまま、一括して層別毎の学
習係数を更新するためである。
材までの加工が連続していない場合、今回材の実績値か
ら求めた学習係数が次回材の制御においては適切な値と
は限らないため、次回材の制御精度が著しく低下する場
合がある。これは今回材と次回材の間にプロセスライン
の構成要素の劣化、特性・環境の変化等、プロセスライ
ンの経時的変化が発生することに起因しており、学習係
数の計算におけるモデル予測値と実績値の誤差が、層別
毎の制御モデル自体の誤差とプロセスラインの経時変化
による誤差とに分離されないまま、一括して層別毎の学
習係数を更新するためである。
【０００９】これを解決する手段として、例えば特開平
４−３６７９０１号公報には、学習係数を当該層別の層
別学習係数と、層別によらない全層別共通の時系列学習
係数とに分離して、学習係数を決定する手段を提案して
いる。
４−３６７９０１号公報には、学習係数を当該層別の層
別学習係数と、層別によらない全層別共通の時系列学習
係数とに分離して、学習係数を決定する手段を提案して
いる。
【００１０】しかし、上記の公報記載のものは、学習係
数が層別学習係数と時系列学習係数とに完全に分離でき
ることを前提として、時系列学習係数を全層別で学習し
ているが、実際には二つの学習係数が完全に分離できる
わけではなく、操業状態の変動による学習係数の変動も
考慮する必要がある。
数が層別学習係数と時系列学習係数とに完全に分離でき
ることを前提として、時系列学習係数を全層別で学習し
ているが、実際には二つの学習係数が完全に分離できる
わけではなく、操業状態の変動による学習係数の変動も
考慮する必要がある。
【００１１】この変動は基本的には時系列学習係数の変
動として捉えることができるが、上記方法のごとく、全
層別で時系列学習を行った場合には、その学習係数が不
安定となるため、近接した層別間に限定して時系列学習
を行う必要がある。
動として捉えることができるが、上記方法のごとく、全
層別で時系列学習を行った場合には、その学習係数が不
安定となるため、近接した層別間に限定して時系列学習
を行う必要がある。
【００１２】第２の課題は、各々の学習係数の更新にお
いて、学習平滑係数に対して、今回材の学習係数の瞬時
値と前回材の学習係数の変化量の大きさを考慮していな
いため、学習の追従性、速効性が保証されないことであ
る。
いて、学習平滑係数に対して、今回材の学習係数の瞬時
値と前回材の学習係数の変化量の大きさを考慮していな
いため、学習の追従性、速効性が保証されないことであ
る。
【００１３】第３の課題は、今回材で使用した学習係数
が適切で、制御結果が制御目標値を十分に達成している
にもかかわらず、無条件に学習係数が更新されることに
より次回材の制御精度が低下する場合がある。これは今
回材の学習係数の算出に使用する実績値の収集におい
て、収集タイミング誤差、センサー誤差等が発生し適切
な実績データが得られない場合があることが原因であ
る。
が適切で、制御結果が制御目標値を十分に達成している
にもかかわらず、無条件に学習係数が更新されることに
より次回材の制御精度が低下する場合がある。これは今
回材の学習係数の算出に使用する実績値の収集におい
て、収集タイミング誤差、センサー誤差等が発生し適切
な実績データが得られない場合があることが原因であ
る。
【００１４】この発明は上記のような課題を解決するた
めになされたもので、同一層別における今回材と次回材
の加工が連続していない場合でも次回材を精度良く制御
し、精度が十分に確保された後は、次回材、次々回材、
次々々回材と連続して精度を良好に保つプロセスライン
の学習制御方法を得ることを目的とする。
めになされたもので、同一層別における今回材と次回材
の加工が連続していない場合でも次回材を精度良く制御
し、精度が十分に確保された後は、次回材、次々回材、
次々々回材と連続して精度を良好に保つプロセスライン
の学習制御方法を得ることを目的とする。
【００１５】
【課題を解決するための手段】請求項１記載の発明に係
るプロセスラインの学習制御方法は、今回材の実績値を
用いて計算した制御モデルの計算値と該実績値との比に
より学習係数の瞬時値を求め、この学習係数の瞬時値を
今回材の属する層別の層別学習係数で除して時系列学習
係数の瞬時値を求め、この時系列学習係数の瞬時値を時
系列学習係数で平滑化し、新しい時系列学習係数を算出
してテーブルに記憶し、同時に、今回材の属する層別に
隣接した層別に対しても同様に時系列学習係数を更新
し、更に、前記学習係数の瞬時値を前記新しい時系列学
習係数で除して層別学習係数の瞬時値を求め、この層別
学習係数の瞬時値を層別学習係数で平滑化し、新しい層
別学習係数を算出しテーブルに記憶するものである。
るプロセスラインの学習制御方法は、今回材の実績値を
用いて計算した制御モデルの計算値と該実績値との比に
より学習係数の瞬時値を求め、この学習係数の瞬時値を
今回材の属する層別の層別学習係数で除して時系列学習
係数の瞬時値を求め、この時系列学習係数の瞬時値を時
系列学習係数で平滑化し、新しい時系列学習係数を算出
してテーブルに記憶し、同時に、今回材の属する層別に
隣接した層別に対しても同様に時系列学習係数を更新
し、更に、前記学習係数の瞬時値を前記新しい時系列学
習係数で除して層別学習係数の瞬時値を求め、この層別
学習係数の瞬時値を層別学習係数で平滑化し、新しい層
別学習係数を算出しテーブルに記憶するものである。
【００１６】請求項２記載の発明に係るプロセスライン
の学習制御方法は、層別学習係数の瞬時値と記憶読み出
し値との偏差を計算し、この偏差量に応じて、層別学習
係数において使用する学習平滑係数を決定するものであ
る。
の学習制御方法は、層別学習係数の瞬時値と記憶読み出
し値との偏差を計算し、この偏差量に応じて、層別学習
係数において使用する学習平滑係数を決定するものであ
る。
【００１７】請求項３記載の発明に係るプロセスライン
の学習制御方法は、層別時系列学習係数の瞬時値と記憶
読み出し値との偏差を計算し、この偏差量に応じて、時
系列学習係数の更新計算において使用する学習平滑係数
を決定するものである。
の学習制御方法は、層別時系列学習係数の瞬時値と記憶
読み出し値との偏差を計算し、この偏差量に応じて、時
系列学習係数の更新計算において使用する学習平滑係数
を決定するものである。
【００１８】請求項４記載の発明に係るプロセスライン
の学習制御方法は、層別学習係数の更新において、制御
目標値と制御実績値との誤差にしきい値を設け、そのし
きい値より学習係数の瞬時値が大きい時のみ学習係数を
更新するものである。
の学習制御方法は、層別学習係数の更新において、制御
目標値と制御実績値との誤差にしきい値を設け、そのし
きい値より学習係数の瞬時値が大きい時のみ学習係数を
更新するものである。
【００１９】
【発明の実施の形態】以下、この発明の実施の一形態を
説明する。 実施の形態１．図１はこの発明の実施の形態１によるプ
ロセスラインの学習制御方法を説明するフローチャート
であり、図において、まず、今回材の実績データを用い
て制御モデルの計算値ＹCAL を式（４）により計算し、 ＹCAL ＝ｆ（α１，α２・・αｍ、ｘ１，ｘ２・・ｘｍ） ・・・（４） 計測による実績値ＹACT との比により学習係数の瞬時値
Ｃを式（５）により求める（ステップＳＴ１−１）。 Ｃ＝ＹACT ／ＹCAL ・・・（５）
説明する。 実施の形態１．図１はこの発明の実施の形態１によるプ
ロセスラインの学習制御方法を説明するフローチャート
であり、図において、まず、今回材の実績データを用い
て制御モデルの計算値ＹCAL を式（４）により計算し、 ＹCAL ＝ｆ（α１，α２・・αｍ、ｘ１，ｘ２・・ｘｍ） ・・・（４） 計測による実績値ＹACT との比により学習係数の瞬時値
Ｃを式（５）により求める（ステップＳＴ１−１）。 Ｃ＝ＹACT ／ＹCAL ・・・（５）
【００２０】次いで、この学習係数の瞬時値Ｃを、テー
ブル１から読み出した今回材の属する層別ｉの層別学習
係数ＣＳｏ（ｉ）で除して時系列学習係数の瞬時値ＣＴ
（ｉ）を式（６）により求める（ステップＳＴ１−
２）。 ＣＴ（ｉ）＝Ｃ／ＣＳｏ（ｉ） ・・・（６）
ブル１から読み出した今回材の属する層別ｉの層別学習
係数ＣＳｏ（ｉ）で除して時系列学習係数の瞬時値ＣＴ
（ｉ）を式（６）により求める（ステップＳＴ１−
２）。 ＣＴ（ｉ）＝Ｃ／ＣＳｏ（ｉ） ・・・（６）
【００２１】然る後、この時系列学習係数の瞬時値ＣＴ
（ｉ）をテーブル２から読み出した時系列学習係数ＣＴ
ｏ（ｉ）で式（７）により平滑化し、 ＣＴｎ（ｉ）＝αＣＴ＋（１−α）・ＣＴｏ（ｉ） ・・・（７） α：学習平滑係数 新しい時系列学習係数ＣＴｎ（ｉ）を算出してテーブル
２に記憶する。また、同時に、今回材の属する層別に隣
接した層別ｉ−１とｉ＋１に対しても、同様に時系列学
習係数ＣＴｎ（ｉ−１），ＣＴｎ（ｉ＋１）を算出して
テーブル２に記憶する（ステップＳＴ１−３）。
（ｉ）をテーブル２から読み出した時系列学習係数ＣＴ
ｏ（ｉ）で式（７）により平滑化し、 ＣＴｎ（ｉ）＝αＣＴ＋（１−α）・ＣＴｏ（ｉ） ・・・（７） α：学習平滑係数 新しい時系列学習係数ＣＴｎ（ｉ）を算出してテーブル
２に記憶する。また、同時に、今回材の属する層別に隣
接した層別ｉ−１とｉ＋１に対しても、同様に時系列学
習係数ＣＴｎ（ｉ−１），ＣＴｎ（ｉ＋１）を算出して
テーブル２に記憶する（ステップＳＴ１−３）。
【００２２】次いで、学習係数の瞬時値Ｃを新しい時系
列学習係数ＣＴｎ（ｉ）で除して層別学習係数の瞬時値
ＣＳ（ｉ）を式（８）で求める（ステップＳＴ１−
４）。 ＣＳ（ｉ）＝Ｃ／ＣＴｎ（ｉ） ・・・（８） この層別学習係数の瞬時値ＣＳ（ｉ）を層別学習係数の
テーブル１からの読み出し値である層別ｉの層別学習係
数ＣＳｏ（ｉ）で平滑化し、学習平滑係数βを用いて、
新しい層別学習係数ＣＳｎ（ｉ）を式（９）で算出しテ
ーブル１に記憶する（ステップＳＴ１−５）。 ＣＳｎ（ｉ）＝β・ＣＳ（ｉ）＋（１−β）・ＣＳｏ（ｉ） ・・・（９） ただし、層別学習係数は当該材の層別ｉのみを更新し、
隣接した層別ｉおよびｉ＋１についての学習は行わな
い。
列学習係数ＣＴｎ（ｉ）で除して層別学習係数の瞬時値
ＣＳ（ｉ）を式（８）で求める（ステップＳＴ１−
４）。 ＣＳ（ｉ）＝Ｃ／ＣＴｎ（ｉ） ・・・（８） この層別学習係数の瞬時値ＣＳ（ｉ）を層別学習係数の
テーブル１からの読み出し値である層別ｉの層別学習係
数ＣＳｏ（ｉ）で平滑化し、学習平滑係数βを用いて、
新しい層別学習係数ＣＳｎ（ｉ）を式（９）で算出しテ
ーブル１に記憶する（ステップＳＴ１−５）。 ＣＳｎ（ｉ）＝β・ＣＳ（ｉ）＋（１−β）・ＣＳｏ（ｉ） ・・・（９） ただし、層別学習係数は当該材の層別ｉのみを更新し、
隣接した層別ｉおよびｉ＋１についての学習は行わな
い。
【００２３】次回材の圧延においては、上記により更新
した時系列学習係数と層別学習係数をテーブル１および
テーブル２から読み出し、これを用いてモデル予測値
Ｙ’CA L に乗じ予測誤差を補正した次回材予測値ＹPRE
を求める。
した時系列学習係数と層別学習係数をテーブル１および
テーブル２から読み出し、これを用いてモデル予測値
Ｙ’CA L に乗じ予測誤差を補正した次回材予測値ＹPRE
を求める。
【００２４】以上のように、この実施の形態１によれ
ば、学習係数を層別学習係数と時系列学習係数に分離
し、時系列学習係数の学習においては当該材の層別ｉと
その隣接層別ｉ−１，ｉ＋１に限定し学習することによ
り、安定的な時系列学習係数を得られるとともに、層別
学習係数も安定し、より精度の高い学習制御を行うこと
ができる。
ば、学習係数を層別学習係数と時系列学習係数に分離
し、時系列学習係数の学習においては当該材の層別ｉと
その隣接層別ｉ−１，ｉ＋１に限定し学習することによ
り、安定的な時系列学習係数を得られるとともに、層別
学習係数も安定し、より精度の高い学習制御を行うこと
ができる。
【００２５】実施の形態２．図２はこの発明の実施の形
態２によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図１における実施の形態１に
層別学習係数の学習平滑係数を計算する計算工程（ステ
ップＳＴ２−６）を付加したものである。なお、ステッ
プＳＴ２−１〜ＳＴ２−５は、前記図１に示す実施の形
態１の動作ステップＳＴ１−１〜ＳＴ１−５と同様であ
る。
態２によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図１における実施の形態１に
層別学習係数の学習平滑係数を計算する計算工程（ステ
ップＳＴ２−６）を付加したものである。なお、ステッ
プＳＴ２−１〜ＳＴ２−５は、前記図１に示す実施の形
態１の動作ステップＳＴ１−１〜ＳＴ１−５と同様であ
る。
【００２６】上記の計算工程（ステップＳＴ２−６）に
おいては層別学習係数の瞬時値ＣＳ（ｉ）とテーブル１
からの記憶読み出し値である層別ｉの層別学習係数ＣＳ
ｏ（ｉ）との偏差量ΔＣＳを式（１０）で計算し、 ΔＣＳ＝｜ＣＳｏ（ｉ）−ＣＳ（ｉ）｜ ・・・（１０） この偏差量ΔＣＳに応じて、偏差量ΔＣＳが大きい時は
大きな学習平滑係数βを、小さいときは小さな学習平滑
係数βをテーブル３から読み出す。これにより層別学習
係数の学習制御の即応性を高めることができる。
おいては層別学習係数の瞬時値ＣＳ（ｉ）とテーブル１
からの記憶読み出し値である層別ｉの層別学習係数ＣＳ
ｏ（ｉ）との偏差量ΔＣＳを式（１０）で計算し、 ΔＣＳ＝｜ＣＳｏ（ｉ）−ＣＳ（ｉ）｜ ・・・（１０） この偏差量ΔＣＳに応じて、偏差量ΔＣＳが大きい時は
大きな学習平滑係数βを、小さいときは小さな学習平滑
係数βをテーブル３から読み出す。これにより層別学習
係数の学習制御の即応性を高めることができる。
【００２７】実施の形態３．図３はこの発明の実施の形
態３によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図２における実施の形態２に
時系列学習係数の学習平滑係数を計算する計算工程（ス
テップＳＴ３−７）を付加したものである。なお、ステ
ップＳＴ３−１〜ＳＴ３−６は前記図２に示す実施の形
態２の動作ステップＳＴ２−１〜ＳＴ２−６と同じであ
る。
態３によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図２における実施の形態２に
時系列学習係数の学習平滑係数を計算する計算工程（ス
テップＳＴ３−７）を付加したものである。なお、ステ
ップＳＴ３−１〜ＳＴ３−６は前記図２に示す実施の形
態２の動作ステップＳＴ２−１〜ＳＴ２−６と同じであ
る。
【００２８】上記の計算工程（ステップＳＴ３−７）に
おいては、時系列学習係数の瞬時値ＣＴとテーブル２か
らの記憶読み出し値である時系列学習係数ＣＴｏとの偏
差量ΔＣＴを式（１１）で計算し、 ΔＣＴ＝｜ＣＴｏ−ＣＴ｜ ・・・（１１） この偏差量ΔＣＴに応じて、偏差量ΔＣＴが大きい時は
大きな学習平滑係数αを、小さいときは小さな学習平滑
係数αをテーブル４から読み出す。これにより時系列学
習係数の学習制御の即応性を高めることができる。
おいては、時系列学習係数の瞬時値ＣＴとテーブル２か
らの記憶読み出し値である時系列学習係数ＣＴｏとの偏
差量ΔＣＴを式（１１）で計算し、 ΔＣＴ＝｜ＣＴｏ−ＣＴ｜ ・・・（１１） この偏差量ΔＣＴに応じて、偏差量ΔＣＴが大きい時は
大きな学習平滑係数αを、小さいときは小さな学習平滑
係数αをテーブル４から読み出す。これにより時系列学
習係数の学習制御の即応性を高めることができる。
【００２９】実施の形態４．図４はこの発明の実施の形
態４によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図３における実施の形態３に
学習係数の更新において、制御目標値と制御実績値の誤
差の大きさに応じて学習の可否を判断する判断工程（ス
テップＳＴ４−８）と、この判断結果によって学習係数
を更新しない工程（ステップＳＴ４−９）を付加したも
のである。なお、ステップＳＴ４−１〜ＳＴ４−７は前
記図３に示す実施の形態３の動作ステップＳＴ３−１〜
ＳＴ３−７と同じである。
態４によるプロセスラインの学習制御方法を説明するフ
ローチャートであり、前記図３における実施の形態３に
学習係数の更新において、制御目標値と制御実績値の誤
差の大きさに応じて学習の可否を判断する判断工程（ス
テップＳＴ４−８）と、この判断結果によって学習係数
を更新しない工程（ステップＳＴ４−９）を付加したも
のである。なお、ステップＳＴ４−１〜ＳＴ４−７は前
記図３に示す実施の形態３の動作ステップＳＴ３−１〜
ＳＴ３−７と同じである。
【００３０】まず、今回材の実績データを用いて制御モ
デルの計算値ＹCAL を計算し、実績値ＹACT との比によ
り学習係数の瞬時値Ｃを求める。ここで、制御結果が制
御目標値との誤差のしきい値以内か否かを判断し（ステ
ップＳＴ４−８）、ＹＥＳであれば、時系列学習係数、
層別学習係数共に更新しない（ステップＳＴ４−９）。
ＮＯ、つまり、しきい値以上であれば、前記実施の形態
１あるいは実施の形態２または実施の形態３の手順で各
学習係数の算出を行う。これにより、学習係数の誤学習
による予測精度低下を防止することができる。
デルの計算値ＹCAL を計算し、実績値ＹACT との比によ
り学習係数の瞬時値Ｃを求める。ここで、制御結果が制
御目標値との誤差のしきい値以内か否かを判断し（ステ
ップＳＴ４−８）、ＹＥＳであれば、時系列学習係数、
層別学習係数共に更新しない（ステップＳＴ４−９）。
ＮＯ、つまり、しきい値以上であれば、前記実施の形態
１あるいは実施の形態２または実施の形態３の手順で各
学習係数の算出を行う。これにより、学習係数の誤学習
による予測精度低下を防止することができる。
【００３１】
【発明の効果】以上のように、請求項１記載の発明によ
れば、学習係数を、層別毎の制御モデル自体の誤差を補
正するための層別学習係数と、プロセスラインの経時的
変化に起因する制御モデルの誤差を補正するための時系
列学習係数に分離し、その学習において、時系列学習係
数は当該材とその隣接層別に限定して学習し、層別学習
係数は時系列学習係数の影響を除去した上で当該材の層
別について学習するように構成したので、同一層別にお
ける今回材と次回材の加工が連続していない場合でも、
次回材の加工における物理現象を高精度に予測し高精度
の制御結果を達成することができる。また、制御精度が
十分に確保された後は、次回材、次々回材、次々々回材
と連続して制御精度を良好に保つことができる効果があ
る。
れば、学習係数を、層別毎の制御モデル自体の誤差を補
正するための層別学習係数と、プロセスラインの経時的
変化に起因する制御モデルの誤差を補正するための時系
列学習係数に分離し、その学習において、時系列学習係
数は当該材とその隣接層別に限定して学習し、層別学習
係数は時系列学習係数の影響を除去した上で当該材の層
別について学習するように構成したので、同一層別にお
ける今回材と次回材の加工が連続していない場合でも、
次回材の加工における物理現象を高精度に予測し高精度
の制御結果を達成することができる。また、制御精度が
十分に確保された後は、次回材、次々回材、次々々回材
と連続して制御精度を良好に保つことができる効果があ
る。
【００３２】請求項２記載の発明によれば、層別学習係
数の瞬時値とテーブルからの記憶読み出し値との偏差を
計算し、この偏差量に応じて、偏差量が大きい時は大き
な学習平滑係数を、小さいときは小さな学習平滑係数を
テーブルから読み出すように構成したので、層別学習係
数の学習制御の即応性を高めることができる効果があ
る。
数の瞬時値とテーブルからの記憶読み出し値との偏差を
計算し、この偏差量に応じて、偏差量が大きい時は大き
な学習平滑係数を、小さいときは小さな学習平滑係数を
テーブルから読み出すように構成したので、層別学習係
数の学習制御の即応性を高めることができる効果があ
る。
【００３３】請求項３記載の発明によれば、時系列学習
係数の瞬時値とテーブルからの記憶読み出し値との偏差
を計算し、この偏差量に応じて、偏差量が大きい時は大
きな学習平滑係数を、小さいときは小さな学習平滑係数
をテーブルから読み出すように構成したので、時系列学
習係数の学習制御の即応性を高めることができる効果が
ある。
係数の瞬時値とテーブルからの記憶読み出し値との偏差
を計算し、この偏差量に応じて、偏差量が大きい時は大
きな学習平滑係数を、小さいときは小さな学習平滑係数
をテーブルから読み出すように構成したので、時系列学
習係数の学習制御の即応性を高めることができる効果が
ある。
【００３４】請求項４記載の発明によれば、制御目標値
と制御実績値の誤差の大きさに応じて学習の可否を判断
するように構成したので、学習係数の誤学習による予測
精度低下を防止することができる効果がある。
と制御実績値の誤差の大きさに応じて学習の可否を判断
するように構成したので、学習係数の誤学習による予測
精度低下を防止することができる効果がある。
【図１】 この発明の実施の形態１による学習制御方法
を説明するフローチャートである。
を説明するフローチャートである。
【図２】 この発明の実施の形態２による学習制御方法
を説明するフローチャートである。
を説明するフローチャートである。
【図３】 この発明の実施の形態３による学習制御方法
を説明するフローチャートである。
を説明するフローチャートである。
【図４】 この発明の実施の形態４による学習制御方法
を説明するフローチャートである。
を説明するフローチャートである。
【図５】 従来の一般的な学習制御方法を説明するフロ
ーチャートである。
ーチャートである。
ＹCAL 制御モデルの計算値、ＹACT 実績値、Ｃ 学
習係数の瞬時値、ＣＳｏ（ｉ） 層別ｉの層別学習係
数、ＣＴ（ｉ） 時系列学習係数の瞬時値、ＣＴｏ
（ｉ） 時系列学習係数、ＣＴｎ（ｉ） 新しい時系列
学習係数、ＣＳ（ｉ）層別学習係数の瞬時値。
習係数の瞬時値、ＣＳｏ（ｉ） 層別ｉの層別学習係
数、ＣＴ（ｉ） 時系列学習係数の瞬時値、ＣＴｏ
（ｉ） 時系列学習係数、ＣＴｎ（ｉ） 新しい時系列
学習係数、ＣＳ（ｉ）層別学習係数の瞬時値。
Claims (4)
- 【請求項１】 今回材の実績値を用いて制御モデルの計
算値を計算し、この制御モデルの計算値と前記実績値と
の比により学習係数の瞬時値を求め、この瞬時値を今回
材の属する層別の層別学習係数で除して時系列学習係数
の瞬時値を求め、この時系列学習係数の瞬時値を時系列
学習係数で平滑化し、新しい時系列学習係数を算出して
テーブルに記憶し、同時に、今回材の属する層別に隣接
した層別に対しても同様に時系列学習係数を更新し、更
に、前記学習係数の瞬時値を前記新しい時系列学習係数
で除して層別学習係数の瞬時値を求め、この層別学習係
数の瞬時値を層別学習係数で平滑化し、新しい層別学習
係数を算出しテーブルに記憶することを特徴とするプロ
セスラインの学習制御方法。 - 【請求項２】 層別学習係数の瞬時値と記憶読み出し値
との偏差を計算し、この偏差量に応じて、層別学習係数
において使用する学習平滑係数を決定することを特徴と
する請求項１記載のプロセスラインの学習制御方法。 - 【請求項３】 時系列学習係数の瞬時値と記憶読み出し
値との偏差を計算し、この偏差量に応じて、時系列学習
係数の更新計算において使用する学習平滑係数を決定す
ることを特徴とする請求項１または請求項２記載のプロ
セスラインの学習制御方法。 - 【請求項４】 学習係数の更新において、制御目標値と
制御実績値との誤差にしきい値を設け、そのしきい値よ
り学習係数の瞬時値が大きい時のみ学習係数を更新する
ことを特徴とする請求項１から請求項３のうちのいずれ
か１項記載のプロセスラインの学習制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18614596A JPH1031505A (ja) | 1996-07-16 | 1996-07-16 | プロセスラインの学習制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18614596A JPH1031505A (ja) | 1996-07-16 | 1996-07-16 | プロセスラインの学習制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1031505A true JPH1031505A (ja) | 1998-02-03 |
Family
ID=16183175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18614596A Pending JPH1031505A (ja) | 1996-07-16 | 1996-07-16 | プロセスラインの学習制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1031505A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP2005202803A (ja) * | 2004-01-16 | 2005-07-28 | Sumitomo Metal Ind Ltd | 学習制御方法 |
| US7809459B2 (en) | 2007-12-31 | 2010-10-05 | Hitachi Global Technologies Netherlands B.V. | Advanced-process-control system utilizing a lambda tuner |
| JP2014159036A (ja) * | 2013-02-19 | 2014-09-04 | Toshiba Mitsubishi-Electric Industrial System Corp | 圧延プロセスの学習制御装置 |
| WO2015122010A1 (ja) * | 2014-02-17 | 2015-08-20 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2020129173A1 (ja) * | 2018-12-19 | 2021-02-15 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 |
-
1996
- 1996-07-16 JP JP18614596A patent/JPH1031505A/ja active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP2005202803A (ja) * | 2004-01-16 | 2005-07-28 | Sumitomo Metal Ind Ltd | 学習制御方法 |
| JP4543684B2 (ja) * | 2004-01-16 | 2010-09-15 | 住友金属工業株式会社 | 学習制御方法 |
| US7809459B2 (en) | 2007-12-31 | 2010-10-05 | Hitachi Global Technologies Netherlands B.V. | Advanced-process-control system utilizing a lambda tuner |
| JP2014159036A (ja) * | 2013-02-19 | 2014-09-04 | Toshiba Mitsubishi-Electric Industrial System Corp | 圧延プロセスの学習制御装置 |
| WO2015122010A1 (ja) * | 2014-02-17 | 2015-08-20 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2015122010A1 (ja) * | 2014-02-17 | 2017-03-30 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| US10124381B2 (en) | 2014-02-17 | 2018-11-13 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Rolling process learning control device |
| JPWO2020129173A1 (ja) * | 2018-12-19 | 2021-02-15 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 | ||
| WO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10124381B2 (en) | Rolling process learning control device | |
| JP2654328B2 (ja) | 調整入力利用のカスケード炉温制御装置 | |
| JPH1031505A (ja) | プロセスラインの学習制御方法 | |
| JPH07200005A (ja) | 学習制御方法 | |
| CN108311544A (zh) | 一种轧制力参数自学习方法及装置 | |
| RU2200341C2 (ru) | Способ и устройство для идентификации или, соответственно, предварительного вычисления параметров промышленного процесса, изменяющегося во времени | |
| US5126947A (en) | Method of controlling plate flatness and device therefor | |
| JPH06259107A (ja) | プロセスラインにおける学習制御方法 | |
| KR100384121B1 (ko) | 신경회로망을 이용한 냉간압연강판의 형상제어방법 | |
| JPH10263640A (ja) | 圧延機における圧延荷重の学習制御方法 | |
| JP6816629B2 (ja) | 製造プロセス学習制御装置 | |
| JPH06110504A (ja) | プロセスの特性推定方法およびその装置ならびにその推定方法を用いたプロセスの監視方法およびプロセスの制御方法 | |
| JPH0250701A (ja) | 適応制御方法 | |
| JPH09295022A (ja) | リバース圧延における形状制御方法 | |
| JP2000126809A (ja) | 圧延機のセットアップ装置 | |
| JPH06236203A (ja) | プロセス制御方法 | |
| CN110658865B (zh) | 一种基于惯性模型的温度控制方法 | |
| JPH08332506A (ja) | テーパプレートの板厚制御方法 | |
| JP2000073126A (ja) | 連続式加熱炉の燃焼制御方法 | |
| JPH07138658A (ja) | 連続熱処理炉の露点制御装置 | |
| JPH10204546A (ja) | 金属ストリップの連続式熱処理炉における操炉方法 | |
| JPH08117824A (ja) | 圧延操業条件の予測方法およびそれを用いた設定制御圧延方法 | |
| JP3025928B2 (ja) | 調節計 | |
| JPS61269912A (ja) | 鋼板の冷間圧延におけるロ−ル間隙設定方法 | |
| JPH10249422A (ja) | 圧延における自動板厚制御方法 |