CN100591795C - 镀液附着量控制装置及控制方法 - Google Patents

Abstract

附着量推定单元(105)，具备根据喷嘴压力、喷嘴间的距离(喷嘴间隙)、钢板速度等，预测镀液附着量的镀液附着量预测模型。学习单元(108)，根据使用模型推定的镀液附着量和来自镀覆设备的实际状态附着量的偏差，学习镀液附着量预测模型和镀液附着量实际状态值的普遍性的背离。适应单元(106)，作为适应量，计算镀液附着量预测模型和镀液附着量实际状态值的暂时性的背离。进而具备镀液附着量预测模型和使用它进行预置演算的预置单元(102)，着眼于镀液附着量目标值的变更量等，适当分别使用适应结果和学习结果，选择预置计算处理。计算使用了适当补偿和实际的镀液附着的举动的背离的镀液附着量预测模型的预置，使镀液附着量控制高精度化。

Description

镀液附着量控制装置及控制方法

技术领域

[0001]

本发明涉及在钢铁成套设备的连续镀覆生产线中，使钢板附着所需厚度的镀液的镀液附着量控制装置及其控制方法，特别涉及镀液附着量的目标变更时，计算出补偿了各种干扰的影响的适当的控制指令值的控制方法。背景技术

[0002]

作为现有技术的控制镀液附着量的方法，例如在专利文献1中，记述了在镀液附着量的目标变更时实施的预置(preset)控制单元。公开了具备使用镀液附着量预测模型(model)直接算出旨在获得目标镀液附着量的操作量的绝对值预置单元，和使用镀液附着量预测模型算出相当于目标附着量的变更量的操作量的变化部分，将它与现在的操作量进行加减后，求出新的操作量的相对值预置单元，着眼于目标值的变更量等，选择适当的单元，进行预置的手法。

[0003]

另外，在专利文献2中，公开了计算镀液附着量预测模型的输出与实际附着的电镀量的差分，将它存储到模型误差存储单元中，在计算操作量时，使用模型误差存储单元的信息，修正镀液附着量预测模型的手法。

[0004]

专利文献1：JP特开2004-013393号公报

专利文献2：JP专利第3291201号公报(特开平10-18014号)

[0005]

可是，在专利文献1的手法中，没有考虑补偿镀液附着量预测模型与实际的镀覆设备的举动的背离。这样，在镀液附着量预测模型与实际的镀覆设备的特性之间出现背离时，相应背离的大小，控制指令值的准确度受到损害，存在着镀液附着量控制的精度下降的问题。

[0006]

另外，在专利文献2的手法中，虽然考虑了补偿镀液附着量预测模型与实际的镀覆设备的举动的背离，可是没有将这种背离按情况分开考虑，究竟是由于镀液附着量预测模型的表现能力的不足及镀覆设备的特性的老化而普遍性地产生的，还是由于起因于钢板温度、喷嘴零调精度、熔融镀液的粘度等各种离差等的目前的镀覆设备的状态而暂时发生的。因此，镀液附着量的目标值变化较大时使用的模型误差，有时是用在时间上相隔较长的以前的类似的目标值进行的操作中存储的数据。这时，模型误差的补偿就不适当，存在着导致镀液附着量控制的精度下降的问题。

[0007]

另外，两者都没有谈及具备多个预置单元时，对预置单元的选择和预置计算使用的镀液附着量预测模型的补偿方法的适当组合。

发明内容

[0008]

本发明要解决的课题，是对应普遍性的模型误差和暂时发生的模型误差，分开存储补偿镀液附着量预测模型与实际的镀覆设备的举动的背离。进而，按照镀液附着量目标值及其变更量，适当地选择具备的多个预置单元和镀液附着量预测模型的补偿方法，从而提供高精度的预置控制。

[0009]

为了解决上述课题的本发明，其特征在于，在镀液附着量控制装置(该镀液附着量控制装置从将连续进给的带钢浸入熔融浸镀液的镀槽中，在提升时从喷嘴吹出高压的气体，去掉不需要的电镀，从而使带钢附着所需厚度的镀层的镀覆设备接收实际状态信号，并且向镀覆设备发送旨在控制镀液附着量的控制信号)中，具备：附着量推定部，该附着量推定部读出记述带钢速度、气体的压力、喷嘴位置中的喷嘴和带钢的距离(喷嘴间隙)等和该结果附着的镀液附着量关系的镀液附着量预测模型和带钢速度、气体的压力、喷嘴间隙等实际状态，使用所述镀液附着量预测模型，推定镀液附着量；适应演算部，该适应演算部根据所述附着量推定部的输出和用目前的操作实际附着的镀液附着量，求出控制模型和实际的镀液附着状况的背离程度，使用该背离程度，计算旨在使镀液附着量预测模型接近目前的镀覆设备的状态的适应量；适应结果存储部，该适应结果存储部存储求出的适应量；学习部，该学习部按照着眼于镀覆设备的操作状态的类似性的各层，学习所述附着量推定部的输出和实际附着的镀液附着量的实际状态值的偏差；学习结果存储部，该学习结果存储部存储学习结果的学习量；控制指令部，该控制指令部根据所述镀液附着量预测模型，输出镀覆设备的控制指令值。

[0010]

采用本发明后，预置单元着眼于镀液附着量目标值的变更量等，在适当选择补偿镀液附着量预测模型和实际的镀液附着状况的背离的参数——适应结果和学习结果的同时，还适当选择预置计算的处理，计算高精度的控制指令值。进而，只选择性地使用镀液附着成套设备的稳定状态的数据，进行适应处理及学习处理，从而能够提高适应结果和学习结果的妥当性。

附图说明

图1表示本发明的镀液附着量控制装置的实施例1的结构图。

图2表示稳定判别单元执行的处理的流程图。

图3表示附着量推定单元的处理的流程图。

图4表示适应单元的处理的流程图。

图5表示模型误差存储单元的数据结构图。

图6学习单元的处理的流程图。

图7表示学习结果存储单元的数据结构图。

图8表示预置时刻生成单元的处理的流程图。

图9表示预置单元的处理的流程图。

图10表示镀液附着量控制装置的实施例2的结构图。

图11表示采用实施例2的学习单元的处理的流程图。

图12表示镀液附着量控制装置的实施例3的结构图。

图13表示实施例3的预置单元的处理的流程图。

图14表示实施例4的预置单元的处理的流程图。

图15表示实施例5的预置单元的处理的流程图。

图16表示实施例6的学习结果存储单元的数据结构图。

具体实施方式

[0011]

采用旨在实施本发明的镀液附着量控制装置的最佳方式后，能够在钢铁工艺生产线的镀液附着量控制中，使镀液附着量高精度化，减少品质不良。下面，参照附图，详细讲述本发明的实施例。

[实施例1]

[0012]

图1表示采用本发明的一种实施例的镀液(镀层)附着量控制装置的结构图。镀液附着量控制装置100，控制镀覆设备(电镀成套设备)150，使带钢(钢板)151附着所需厚度的镀层。

[0013]

首先，讲述镀覆设备150。镀覆设备150的镀槽152中，存放着熔融镀液，连续进给的带钢151被各种滚轮154支承着。以板速V进给的带钢，先浸入熔融镀液后，在其提升时，从喷嘴153吹出高压的气体，去掉不需要的熔融镀液，从而将附着的电镀层的量控制成为所需的值。附着在带钢151上的镀液量，大致取决于带钢151的速度(板速)、从喷嘴153吹出的气体的压力、喷嘴吹出位置中的喷嘴153和带钢151的距离(喷嘴间隙)。这些关系，例如可以用(公式1)表示。

ln(W)＝a0+a1·ln(P)+a2·ln(V)+a3·ln(D)    (1)

式中，W：镀液附着量；P：喷嘴的气压；V：板速；D：喷嘴间隙；a0～a3：常数。

[0014]

在本实施例中，将公式1称作“镀液附着量预测模型”。前后的带钢，在焊点156处，通过焊接连接，焊点156通常与镀液附着量目标值切换的部位对应。附着量计155，测定实际附着的电镀量，它被安装在距离喷嘴153为数十～数百米的地方。另外，由于采用在宽度方向上横穿带钢而输出平均值的测定方式，所以直到能够计测与现在的P、V、D对应的镀液附着量为止，需要1～2分钟。

[0015]

接着，讲述镀液附着量控制装置100的结构。镀液附着量控制装置100，具备预置单元102，该预置单元102从存放用焊点连接的各带钢的镀液附着量的目标值及各带钢的长度等制造信息的制造信息表101中，读出电镀目标值，计算操作端的控制指令值，以便在带钢的接缝处实现新的目标值。另外，还具备预置时刻生成单元103，该预置时刻生成单元103从镀覆设备150中读出带钢速度，跟踪焊点位置，从而生成预置单元102的起动时刻。进而，还具有稳定判别单元104，该稳定判别单元104保持喷嘴153的间距及压力、板速稳定的值，判别附着量计155检出的附着量是与它们对应的值。另外，还具有附着量推定单元105，该附着量推定单元105具有(公式1)所示的镀液附着量预测模型，根据喷嘴153的间距及压力、板速等，推定附着在带钢上的电镀量。

[0016]

进而，还具有适应单元106(该适应单元106读出附着量推定单元105的输出和来自附着量计155的检出值的差分，计算现在的镀覆设备的状态中的镀液附着量预测模型和镀覆设备100中的镀液附着状况的背离的程度)和存储适应单元106的计算结果的存储单元107。同样，还具有模型误差存储单元110，该模型误差存储单元110和对应的镀液附着量及带钢速度一起，读出附着量推定单元105的输出和来自附着量计155的检出值的差分，长期存储。还具备学习单元108(该学习单元108使用该模型误差存储单元110存储的数据，获得类似的控制状态中的镀液附着量预测模型和镀覆设备100中的镀液附着状况的长期的背离的程度)和学习结果存储单元109(该学习结果存储单元109按照各控制状态，对应存储学习单元108的计算结果)。作为学习单元108中的类似的控制状态的判定，在本实施例中，将镀液附着量及带钢速度的两者类似作为指标。但是作为指标，还可以考虑添加喷嘴间隙及气体的压力等，采用各种组合。另外，在本实施例中，操作端表示喷嘴压力P时，但是操作端表示喷嘴间隙D或喷嘴压力P和嘴间隙D两者时，同样的想法也能应用本发明。

[0017]

图2是表示稳定判别单元执行的处理的流程图。稳定判别单元104，在S2-1中，将控制的稳定状态表示向钢板的长度方向继续的距离的跟踪的值L初始化。在S2-2中，判定板速和喷嘴间距中的某一个是否发生变化。变化时，返回S2-1，将跟踪值L初始化。没有变化时，在S2-3中，将L和板速V与稳定判别单元104的起动周期Δt之积相加，作为新的L。在S2-4中，判定L是否大于喷嘴153和附着量计155的距离L1、板速V和附着量计155在宽度方向上扫描钢板的时间Tw之积，进而加上冗余量后的值。大时，表示镀覆设备150长期稳定，来自附着量计155的镀液附着量检出值与现在的P、V、D等对应。这样，在S2-5中，输出稳定判别信号。不大时，返回S2-2，反复进行S2-2～S2-4的处理。

[0018]

图3表示附着量推定单元执行的处理。附着量推定单元105，在S3-1中，从镀覆设备150中读出P、V、D的实际状态。接着，将P、V、D代入镀液附着量预测模型(公式1)，求出In(W)，再根据该值，计算预想与P、V、D对应附着的推定值W~。

[0019]

图4表示适应单元执行的处理。适应单元106，在S4-1中，读出附着量计155的检出值W和附着量推定单元105的输出W~。在S4-2中，读出适应结果存储单元107存储的适应量ΔW，根据(公式2)，计算新的适应量。

ΔW←(1-α)·ΔW+α·(W-W~)      (2)

式中，α是适应增益。就是说，对于ΔW而言，用一定比例加上该电镀作业产生的镀液附着量预测模型的输出值W~和实际计测的镀液附着量W的背离的影响，从而更新ΔW。适应增益α，是调整参数，但是相对增大时，ΔW成为将重点放在更靠近当前的操作的适应量。在S4-3中，将适应结果存储单元107的ΔW更新成用(公式2)求出的信的适应量。作为适应量计算方法，(公式2)是代表性的公式，但是也可以考虑其它方法。

[0020]

图5表示模型误差存储单元110的数据结构。模型误差存储单元110，在模型误差Wd的基础上，将计算模型误差Wd时的镀液附着量W、带钢速度V作为一组存储。每当计算出新的Wd时，就存储对应的3个数据的组合。但是经过一定期间的数据，却被模型误差存储单元110消去。作为数据的消去方法，可以采用达到一定数据的数量后，从旧的数据开始消去的方法。

[0021]

图6是学习单元执行的处理的流程图。学习结果存储单元109，例如形成图7的数据结构。就是说，在图中的例子中，大致按照10g/m2及10mpm，层别镀液附着量和板速，各层别存储学习量δWij。学习单元108，在S6-1中，从模型误差存储单元110中抽出与附着量W和板速V的某个层别对应的模型误差。然后，在S6-2中，根据(公式3)，计算学习量δWij。

δWij＝(∑Wd)/n    (3)

式中：n是从模型误差存储单元110中抽出的该层别的个数。作为δWij，能够计算出数据被存储期间的类似的层中的镀液附着量预测模型和实际的镀覆设备中的镀液附着状况的长期的背离。在S6-3中，将学习结果存储单元109的δWij更新成用(公式3)求出的新的学习量。在S6-4中，对于附着量W和板速V的所有的层别，确认学习量的更新结束，没有结束时，反复进行S6-1～S6-3。

[0022]

在图6的例子中，用镀液附着量和板速层别学习结果存储单元109存储的学习结果，但是也可以用镀液附着量和喷嘴间隙或喷嘴位置、气体的压力值等其它的组合层别。另外，学习单元108的起动时刻，可以考虑镀覆设备停止运转的时刻、恒定周期、使用者手动决定的周期起动等各种各样。

[0023]

图8表示预置时刻生成单元执行的处理。预置时刻生成单元103，在S8-1中，读出板速V。在S8-2中，将通过长L将板速V与预置时刻生成单元103的起动周期Δt相乘后的值，加上L，作为新的L。在S8-3中，判定L是否大于从制造信息表101中读出的该带钢的长度。大时，切换成下一个带钢，由于是镀液附着量目标值变更的时刻，所以在S8-4中，向预置单元102输出预置时刻。进而清除通过长L。小时，返回S8-1，反复进行S8-1～S8-3的处理。

[0024]

图9表示预置单元执行的处理。预置单元102，从预置时刻生成单元103接收起动时刻，开始计算实现下一个带钢的镀液附着量目标值的喷嘴压力P的处理。首先，在S9-1中，从镀覆设备150中读出V、D，还从制造信息表101中读出下一个带钢的镀液附着量目标值W^*、现在的带钢的镀液附着量目标值Wpre^*。在S9-2中，判定W^*和Wpre^*之差，是否在预先规定的一定值(Wth)以下。

[0025]

在Wth以下时，由于能够使这次和下一次的镀液附着量目标值没有太大的差异地在类似的动作点继续控制电镀，所以补偿现在的镀覆设备状态中的镀液附着量预测模型和镀覆设备100中的镀液附着状况的背离后，能够进行高精度的控制。因此，在S9-3中，从适应结果存储单元107中读出适应量ΔW。然后，在S9-4中，用ΔW补偿镀液附着量预测模型，求出预置控制的操作量P。就是说，对于喷嘴压力，在计算(公式1)的基础上，取代W，使用W-ΔW，从而补偿预想对于现在的镀液附着特性而言具有镀液附着量预测模型的模型误差，根据(公式4)，计算ln(P)。

ln(P)＝(ln(W^*-ΔW)-(a0+a2·ln(V)+a3·ln(D))/a1  (4)

式中，W^*：下一个带钢的镀液附着量目标值，ΔW：适应量，V：线速度，D：喷嘴间距，P：喷嘴的气压，a0～a3：常数。将值代入右边，求出ln(P)后，变换成喷嘴压力P。

[0026]

另一方面，在S9-2中，W^*和Wpre^*之差不在预先规定的一定值(Wth)以下时，这次和下一次的镀液附着量目标值有较大的差异。因此，即使着眼于现在的镀覆设备状态中的镀液附着量预测模型和镀覆设备100中的镀液附着状况的背离，也不进行有意识的补偿，而着眼于普遍的背离地加以控制的方法，大多有效。因此，在S9-5中，从学习结果存储单元109中取得与镀液附着量的目标值和现在的板速的层别对应的学习结果δWij。然后，在S9-6中，用δWij补偿镀液附着量预测模型，根据(公式5)，计算预置控制的操作量P。

ln(P)＝(ln(W^*-δWij)-(a0+a2·ln(V)+a3·ln(D))/a1  (5)

式中，W^*：下一个带钢的镀液附着量目标值，δWij：学习量，V：线速度，D：喷嘴间距，P：喷嘴的气压，a0～a3：常数。将值代入右边，求出ln(P)后，变换成喷嘴压力P。将在S9-6中求出的P，向镀覆设备150输出。

[实施例2]

[0027]

图10表示采用本发明的实施例2的镀液附着量控制装置的结构图。在本实施例中，不具备实施例1的模型误差存储单元110，学习单元1101，每次读出Wd时，逐次计算，求出δWij，更新学习结果存储单元109的存储内容。

[0028]

图11表示学习单元执行的处理。在本实施例中，学习单元1101，每当附着量推定单元105推定新的附着量时，逐次执行。在S11-1中，读出附着量计的检出值W和附着量推定单元105的输出W’及板速V。在该例中，大致按照10g/m2及10mpm，层别镀液附着量和板速，按照各层别存储学习量δWij。在S11-2中，读出被与附着量和板速的相应值——V和W对应的学习结果存储单元109的层别存储的学习量δWij，用(公式6)计算新的学习量δWij。

δWij←{η·δWij+β·(W-W~)}/(η+β)  (6)

式中，β：学习增益，η：忘却系数。学习增益β，是小于(公式2)的α的值。这样，能够减小眼前的Wd的影响，从而能够通过学习，长期获得在相同的层别产生的镀液附着量预测模型的输出值和实际计测的镀液附着量的背离。其结果，能够抽出镀液附着量预测模型的输出值和实际计测的镀液附着量的普遍性的背离。另外，η是忘却系数，调整用哪个程度的时间常数丧失现在的学习量的信息。学习速度，取决于β和η的相对关系。在S11-3中，将学习结果存储单元109的δWij，更新成用(公式6)计算新的学习量。作为学习量的计算公式，(公式6)是一个例子，也可以考虑其它方法。

[实施例3]

[0029]

图12表示采用实施例3的镀液附着量控制装置的结构。在本实施例中，取代实施例2的预置单元102，具备具有用不同的公式计算控制指令的第1预置单元1201和第2预置单元1202的预置单元1200。

[0030]

图13表示预置单元执行的处理。预置单元1200，首先在S13-1中，从镀覆设备150中，加上板速V、喷嘴间隙D，读出现在的喷嘴压力设定值——Pcur，还从制造信息表101中读出下一个带钢的镀液附着量目标值W^*、现在的带钢的镀液附着量目标值Wpre^*。在S13-2中，判定W^*和Wpre^*之差，是否在预先规定的一定值(Wth)以下。

[0031]

在Wth以下时，由于能够在类似的动作点继续控制电镀，所以在S13-3中，启动第1预置单元1201，进而从适应结果存储单元107中读出适应量ΔW。在S13-4中，根据现在的喷嘴压力指令值Pcur，加减相当于附着量目标值的变更部分的压力的变更部分，从而相对地计算出喷嘴压力的指令值。进而，使用适应量ΔW，补偿计算使用的镀液附着量预测模型，使控制指令值高精度化。具体地说，在S13-4中，根据(公式7)，计算控制指令值。

P＝Pcur+f^-1(W^*-ΔW，V，D)-f^-1(Wpre^*-ΔW，V，D)  (7)

式中，ln|f^-1(W，V，D)|＝|ln(W)-(a0+a2·ln(V)+a3·ln(D))/a1，W^*：下一个带钢的镀液附着量目标值，Wpre^*：现在的带钢的镀液附着量目标值，ΔW：适应量，V：线速度，D：喷嘴间距，P：喷嘴的气压，a0～a3：常数。

[0032]

另一方面，在S13-2中，W^*和Wpre^*之差不在预先规定的一定值(Wth)以下时，这次和下一次的镀液附着量目标值有较大的差异，控制的动作点隔开。因此，即使着眼于现在的镀覆设备状态也不进行有效的补偿，而着眼于镀液附着量预测模型和镀覆设备100中的镀液附着状况的普遍的背离，需要补偿镀液附着量预测模型。因此，在S13-5中，从学习结果存储单元109中取得与镀液附着量的目标值和现在的板速的层别对应的学习结果δWij。然后，在S9-6中，用δWij补偿镀液附着量预测模型，使控制指令值高精度化。具体地说，在S13-6中，根据(公式8)，计算控制指令值。

P＝f^-1(W^*-δWij，V，D)   (8)

式中，ln|f^-1(W，V，D)|＝|ln(W)-(a0+a2·ln(V)+a3·ln(D))/a1，W^*：下一个带钢的镀液附着量目标值，δWij：学习量，V：线速度，D：喷嘴间距，P：喷嘴的气压，a0～a3：常数。最终计算出的气压的控制指令值，在S13-7中，向控制对象150输出。

[实施例4]

[0033]

接着，表示出本发明的实施例4。图14表示本实施例的预置单元执行的处理。和实施例1不同，在S14-6中，用δWij补偿镀液附着量预测模型，将求出的压力作为基准的压力指令值，加减相当于附着量目标值的变更部分的压力的变更部分，从而相对地求出预置控制中的喷嘴压力的指令值。进而，使用适应量ΔW，补偿压力计算变更部分时使用的镀液附着量预测模型，使控制指令值高精度化。

[0034]

具体地说，在S14-6中，根据(公式9)，计算控制指令值。右边的第1项，基准的压力的指令值，还从第2项减出第3项，从而计算压力的变更部分。

P＝f^-1(W^*-δWij，V，D)+f^-1(W^*-ΔW，V，D)-f^-1(Wpre^*-ΔW，V，D)     (9)

式中，ln|f^-1(W，V，D)|＝|ln(W)-(a0+a2·ln(V)+a3·ln(D))/a1，W^*：下一个带钢的镀液附着量目标值，Wpre^*：现在的带钢的镀液附着量目标值，ΔW：适应量，δWij：学习量，V：线速度，D：喷嘴间距，P：喷嘴的气压，a0～a3：常数。最终计算出的气压的控制指令值，在S14-7中，向控制对象150输出。

[实施例5]

[0035]

接着，表示本发明的实施例5。图15表示本实施例的预置单元执行的处理。在本实施例中，在S15-2中选择预置的处理时，在判定下一个带钢的镀液附着量目标值W^*和现在的带钢的Wpre^*之差，是否在预先规定的一定值Wth1以上的基础上，还判定下一个带钢的镀液附着量目标值W^*，是否在一定值Wth2以上。只有满足两者时，才进入S15-5，否则进入S15-3。以下，进行和实施例1相同的处理。这样，作为预置处理的选择基础，可以考虑下一个带钢的镀液附着量目标值和现在的带钢的镀液附着量目标值之差、镀液附着量目标值的绝对值、带钢速度、喷嘴位置等各种条件。

[实施例6]

[0036]

接着，表示本发明的实施例6。图16表示学习结果存储单元的数据结构。本实施例的学习结果，可以作为(公式1)的镀液附着量预测模型的a0～a3的参数获得。参数的更新，可以采用逐次最小平方法进行，在和实施例2同样的时刻，计算镀液附着量预测模型的a0～a3，存储到学习结果存储单元1601中。在本实施例中，预置单元102取代用δWij补偿镀液附着量预测模型，使用被学习结果存储单元1601的该层别存储的a0～a3，按照(公式10)，计算气压的控制指令值。

ln(P)＝(ln(W^*)-(a0+a2·ln(V)+a3·ln(D))/a1     (10)

关于逐次最小平方法，可以参照许多文献。例如在《最小平方法的理论和应用》(田岛捻、小牧数雄、东洋书店(1986))中，有很详细的讲述。

[0037]

以上，各实施例讲述的本发明，能够广泛应用于钢铁生产线中的镀液附着量控制。

Claims (10)

1、一种镀液附着量控制装置，该镀液附着量控制装置从镀覆设备接收实际状态信号，并且向镀覆设备发送用于控制镀液附着量的控制信号，其中，所述镀覆设备，将连续进给的带钢浸入熔融浸镀液的镀槽中，在提升时从喷嘴吹出高压的气体，去掉不需要的镀液，从而使带钢附着所需厚度的镀液，其特征在于，具备：

附着量推定部，该附着量推定部取得镀液附着量预测模型和带钢速度、气体的压力、喷嘴间隙等实际状态，使用所述镀液附着量预测模型，推定镀液附着量，其中，所述镀液附着量预测模型中记述了带钢速度、气体的压力、喷嘴喷射位置即喷嘴位置中的喷嘴与带钢之间的距离即喷嘴间隙等和该结果附着的镀液附着量的关系；

适应演算部，该适应演算部根据所述附着量推定部的输出和在最靠近当前的操作中实际附着的镀液附着量，求出控制模型与实际的镀液附着状况的背离程度，使用该背离程度，计算用于使镀液附着量预测模型接近目前的镀覆设备的状态的适应量；

适应结果存储部，该适应结果存储部存储求出的适应量；

学习部，该学习部着眼于镀覆设备的操作状态的类似性，按照各层，学习所述附着量推定部的输出与实际附着的镀液附着量的实际状态值的偏差；

学习结果存储部，该学习结果存储部存储作为学习结果的学习量；以及

控制指令部，该控制指令部根据所述镀液附着量预测模型，输出镀覆设备的控制指令值。

2、如权利要求1所述的镀液附着量控制装置，其特征在于：所述控制指令值，是气体压力的指令值或喷嘴位置的指令值中的至少一方；

所谓“所述镀覆设备的操作状态的类似性”，是指镀液附着量、带钢速度、气体的压力、喷嘴位置或喷嘴间隙中的至少一个为类似。

3、如权利要求2所述的镀液附着量控制装置，其特征在于：所述控制指令部，在镀液附着量的目标值变更时，使用所述适应结果存储部与所述学习结果存储部中的至少一方的内容，修正所述镀液附着量预测模型，再使用修正后的镀液附着量预测模型，计算出用于获得所需的镀液附着量的控制指令值。

4、如权利要求3所述的镀液附着量控制装置，其特征在于：所述控制指令部，计算现在的带钢的镀液附着量目标值与下一个带钢的镀液附着量目标值之差分，根据该差分与预先规定的规定值之间的大小关系，决定是否使用所述适应结果存储部的适应量和所述学习结果存储部中的学习量中的某一方来修正所述镀液附着量预测模型。

5、如权利要求4所述的镀液附着量控制装置，其特征在于：所述控制指令部，计算现在的带钢的镀液附着量目标值与下一个带钢的镀液附着量目标值之差分，

在该差分比所述规定值小时，使用所述适应结果存储部的适应量，修正所述镀液附着量预测模型，使用修正后的镀液附着量预测模型，计算出用于获得所需的镀液附着量的控制指令值；

在差分比所述规定值大时，使用所述学习结果存储部的学习量，修正所述镀液附着量预测模型，使用修正后的镀液附着量预测模型，计算出用于获得所需的镀液附着量的控制指令值。

6、如权利要求1所述的镀液附着量控制装置，其特征在于：所述控制指令部，具有：

第1预置演算部，该第1预置演算部将使用下一个带钢的镀液附着量目标值计算出的控制指令值，与现在的控制指令值相加，进而减去使用现在的带钢的镀液附着量目标值计算出的控制指令值，计算出最终的控制指令值；和

第2预置演算部，该第2预置演算部根据下一个带钢的镀液附着量目标值，使用所述镀液附着量预测模型，计算出控制指令值；

在变更前的镀液附着量目标值与变更后的镀液附着量目标值之差分比规定值小时，使用所述适应结果存储部的适应量，修正所述镀液附着量预测模型，再使用修正过的镀液附着量预测模型，由所述第1预置演算部计算出用于获得所需的镀液附着量的控制指令值；

所述差分比规定值大时，使用所述学习结果存储部的学习量，修正所述镀液附着量预测模型，再使用修正过的镀液附着量预测模型，由所述第2预置演算部计算出用于获得所需的镀液附着量的控制指令值。

7、如权利要求1所述的镀液附着量控制装置，其特征在于：所述控制指令部，具有：

第1预置演算部，该第1预置演算部将使用下一个带钢的镀液附着量目标值计算出的控制指令值，与现在的控制指令值相加，进而减去使用现在的带钢的镀液附着量目标值计算出的控制指令值，计算出最终的控制指令值；和

第2预置演算部，该第2预置演算部根据以下3个控制指令值，计算出最终的控制指令值，即，使用以所述学习结果存储部的学习量对下一个带钢的镀液附着量目标值进行修正后的镀液附着量预测模型而计算出的控制指令值、使用以所述适应结果存储部的适应量对下一个带钢的镀液附着量目标值进行修正后的镀液附着量预测模型而计算出的控制指令值、使用以所述适应结果存储部的适应量对现在的带钢的镀液附着量目标值进行修正后的镀液附着量预测模型而计算出的控制指令值；

在变更前的镀液附着量目标值与变更后的镀液附着量目标值之差分比规定值小时，由所述第1预置演算部计算出用于获得所需的镀液附着量的控制指令值；

所述差分比规定值大时，由所述第2预置演算部计算出用于获得所需的镀液附着量的控制指令值。

8、如权利要求1所述的镀液附着量控制装置，其特征在于：所述控制指令部，着眼于现在的带钢的镀液附着量目标值与下一个带钢的镀液附着量目标值之差分、下一个带钢的镀液附着量目标值、带钢速度或喷嘴位置中的至少一个，决定是否使用所述适应结果存储部的适应量和所述学习结果存储部中的学习量中的某一方来修正所述镀液附着量预测模型。

9、如权利要求6或7所述的镀液附着量控制装置，其特征在于：所述控制指令部，着眼于现在的带钢的镀液附着量目标值与下一个带钢的镀液附着量目标值之差分、下一个带钢的镀液附着量目标值、带钢速度或喷嘴位置中的至少一个，决定是否使用所述适应结果存储部的适应量和所述学习结果存储部中的学习量中的某一方来修正所述镀液附着量预测模型，还决定是否选择所述第1预置演算部和第2预置演算部中的某一方。

10、一种镀液附着量控制方法，其特征在于：在将连续进给的带钢浸入熔融浸镀液的镀槽中，在提升时从喷嘴吹出高压的气体，去掉不需要的镀液，从而使带钢附着所需厚度的镀液的镀覆设备中，

使用记述了带钢速度、气体的压力、喷嘴位置中的喷嘴与带钢之间的距离即喷嘴间隙等和镀液附着量的关系的镀液附着量预测模型，根据带钢速度、气体的压力、喷嘴间隙等实际状态，推定镀液附着量；根据该推定结果与在目前的操作中实际附着的镀液附着量，求出镀液附着量预测模型与实际的镀液附着状况的背离程度，使用该背离程度，计算用于使镀液附着量预测模型接近目前的镀覆设备的状态的适应量后存储；并且着眼于镀覆设备的操作状态的类似性，作为学习量按照各层存储所述推定结果与实际附着的镀液附着量的实际状态值之间的长期的平均偏差；在镀液附着量的目标值变更时，使用适应量与学习量中的至少一方的内容，修正该镀液附着量预测模型，再使用修正后的控制模型，计算出用于获得所需的镀液附着量的控制指令值。

Images