CN101535906A - 用于控制和/或调节工业过程的方法 - Google Patents

用于控制和/或调节工业过程的方法 Download PDF

Info

Publication number
CN101535906A
CN101535906A CNA2007800376770A CN200780037677A CN101535906A CN 101535906 A CN101535906 A CN 101535906A CN A2007800376770 A CNA2007800376770 A CN A2007800376770A CN 200780037677 A CN200780037677 A CN 200780037677A CN 101535906 A CN101535906 A CN 101535906A
Authority
CN
China
Prior art keywords
correction factor
value
product
measured value
model
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
Application number
CNA2007800376770A
Other languages
English (en)
Other versions
CN101535906B (zh
Inventor
K·韦因齐尔
K·弗兰茨
S·施摩斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Primetals Technologies Germany GmbH
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN101535906A publication Critical patent/CN101535906A/zh
Application granted granted Critical
Publication of CN101535906B publication Critical patent/CN101535906B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D11/00—Process control or regulation for heat treatments
    • C21D11/005—Process control or regulation for heat treatments for cooling

Abstract

本发明涉及一种用于控制和/或调节用于加工或者制造产品(100)的工业过程(10)的方法，其中建立该工业过程(10)的物理数学模型(15)，利用该模型计算出用于控制和/或调节工业过程的控制参数，在产品(100)的制造或者加工期间测得一定数量(M)的测量值(TF－TH)，该模型(15)利用一定数量(M)的主修正系数(k1)修正，其中所述主修正系数(k1)的数量(M)等于所述测量值(TF－TH)的数量(M)。本发明的特征在于，所述模型(15)利用一定数量(N－M)的次修正系数(k2)修正，例如利用描述了要冷却的带材(100)中的相变的速度的修正系数(k2)，并且全部修正系数(k1，k2)的数量(N)大于全部测量值(TF－TH)的数量(M)，其中至少所述次修正系数(k2)在数值上计算。

Description

用于控制和/或调节工业过程的方法
技术领域
本发明涉及一种根据权利要求1前序部分所述的用于控制和/或调节工业过程的方法。
背景技术
在控制工业中的不同过程时，例如在控制或者调节布置在热轧带材轧机机组后面的冷却段时，会出现此问题，即一般只能够在段的入口处和段的终点处进行测量，但是不可能有中间测量站。但是这样的段可能非常长，例如热轧带材轧机机组的冷却段，其中热轧过的带材必须在相对大的长度上利用冷却水喷洒并且由此冷却。由此产生这样的问题，即在冷却段的终点处测量的测量值只能够以非常大的滞后时间转换为用于段调节的调节值，并且对分布在段上的执行元件只能提供基于在段的起点和终点处测量的值所计算出的调节值，但是没有中间值。
为此普遍在控制技术中已知，借助已知的物理数学的关系生成段的模型并且借助该模型计算出用于调节的调节值或者必要时用于控制的主导参数。这样一种方法例如在专利EP 1 244 816 B1中说明。在此布置在热轧带材轧机机组后面的冷却段在借助物理数学模型的情况下被调节，在该模型中存入冷却过程，并且它获得要轧制的带材的材料参数以及在冷却段的起点和终点处测量的温度作为输入参数。借助该模型和由此计算的温度，在此求出沿着冷却段布置的冷却水喷洒阀的阀位。该值借助在冷却段的终点处测量的卷取机温度值，根据另外的基于物理关系的逻辑来修正，从而求出冷却曲线，它与事实上的实际冷却曲线尽可能接近并且能够进行冷却段的相应的调节。
在此已经证实，物理数学模型的输入参数不可能包含所有对冷却曲线起决定性作用的值，至少不具有足够的精度，以最优的精度来计算在实际的生产条件下出现的冷却。因此建议，对于这种控制或者调节方法，估算的实际值的计算借助物理数学模型借助统计学的方法进行优化。
一种工业过程的控制方法，即热轧带材轧机机组的冷却段的相应的控制方法由专利申请DE 102 03 787 A1得知。在此利用这个事实，即冷却段的物理数学模型在要冷却的金属带的冷却的时间段上连续地修正，其中在这个冷却时间的终点上对每个带材确定最优的修正系数。该修正系数现在与模型的输入参数，即轧制带材的材料参数和在测量位置处的温度或者温度曲线一起被存入产品数据记录中，并且在冷却接下来的轧制板材时提供用于然后要冷却的板材的修正。如果存储了足够的这种产品数据记录，可以在新的冷却过程中调用现存的产品数据记录用于物理数学模型的修正。然后在这种情况下可以选择带有与新的要轧制的板材尽可能类似的参数的数据记录，并且使用当时根据经验确定的并且在那里存入的修正系数用于为新的要轧制的板材的冷却过程修正模型。
为了选择合适的产品数据记录，或者为了统计学地修正的修正系数的加权计算，在此提供不同的统计学方法，例如在DE 102 03 787 A1的中描述的借助遗传表或者借助神经网络进行适配，以及借助以前冷却的轧制带材的根据它与新的要冷却的轧制带材的类似性加权的修正系数来计算修正系数。
该方法在许多要控制或者要调节的过程中，特别是热轧带材轧机机组的冷却段中显示出迄今最好的结果。
发明内容
由此出发本发明的任务是，这样改进一种此类的方法，使它具有更高的精度和/或可以在更宽的应用领域中应用。
该任务利用权利要求1的特征解决。
发明人认识到，为了控制或者调节过程或者工业设备，例如控制或者调节热轧带材轧机机组的冷却段，必须考虑多个影响因素，以达到最优的结果。不过经常只能测量一个或少量参数用作模型的输入参数，相反对于模型计算的修正有两个或者多个影响因素是决定性的。因此根据本发明建议一种方法，利用该方法利用M个可能的测量值求出N个修正系数用于模型计算，其中N>M。
该方法特别适合于对热轧带材轧机机组的冷却段进行精确调节。这里第一影响因素取决于相应的带材向环境的热传导，并且第二影响因素取决于相应的带材的相变的速度，但是此时只提供温度测量作为测量值。如发明人进一步认识到的那样，这两个影响因素按照由DE 102 03787 A1公开的方法不能在储存在以前轧制并且冷却的带材的产品数据记录中的修正系数的基础上统计学地修正。因为即使当将这两个影响因素或者修正系数存储在产品数据记录中，也只能提供一个方程式用于求出在新的要加工的产品的本地模型中的两个未知数，这样得到多个数学可能的解，但是不能确定，其中哪个解是物理学上有意义的。在这种情况下可能的解的确定也不是目标导向的。
因此根据本发明建议，由此改善在专利文献EP 1 244 816 B1中描述的方法，即该模型不仅利用一定数量的主修正方法来修正(在调节热轧带材轧机机组的冷却段的情况下，利用描述了从要冷却的板材到环境中的热传导的修正系数)，而且利用一定数量的次修正系数来修正(在调节冷却段的情况下，利用描述了要冷却的带材中的相变速度的修正系数)。因为在这种情况下只提供一定数量的测量值用于求出修正系数，其与主修正系数的数量相当(在冷却段的情况下是测量值，即温度或者温度差或者它的曲线)，于是至少所述次修正系数，优选也包括所述主修正系数，根据本发明在数值上通过合适的近似或者优化方法或者其它算法来计算。
如果除了第一影响因素，这里例如是热传导，还有另外的影响因素在调节或者控制时参与进来，那么该方法在此特别对于热轧带材轧机机组的冷却段，但也可以对其它的类似过程或者设备，确保良好的解。那么例如在冷却段中在生产高碳的钢带时，可能迄今也没有实现哪怕接近满意的解，因为组织转变的影响没有被考虑。因此高碳的钢带传统上利用较差的卷取机温度品质来生产。直到利用根据本发明的方法，才实现通过将在冷却的带材中的相转变或者组织转变速度的影响计算在内，根据过程条件除了热传导的影响产生对冷却段的模型的适配较好的近似。
在此修正系数由模型和测量值借助特别的迭代的优化算法求出，这是有利的，其措施是对每个要利用算法求出的修正系数给出多个测试值，并且通过重复试验进行尝试，找到最合适的值。
如果修正系数借助在以前的制造或者加工中产生的经验求出，在此已经证实是特别有利的。为此将在制造或者加工每个产品时确定的经验记在产品数据记录中，连同用于制造或者加工的输入参数，例如产品有关的参数或者设备有关的参数。
但是现在不是储存在产品的制造或者加工时选择的修正系数作为经验或者经验值，而是储存对哪些量的修正系数可以实现好的结果的信息。对每个新的或者当前要加工的产品，修正系数不是由类似的带材的修正系数求出，而是由上述的信息和/或其它合适的数据求出，这些数据对每个已经加工过的产品求出或者储存在相应的产品数据记录中。
经验值在此在每个产品数据记录中这样储存，即以后还能够找到修正系数的所有可能的解。然后直到在当前的产品的制造或者加工时，才通过多个确定为与当前的产品类似的产品数据记录的概览来求出适合当前的产品的主修正系数和次修正系数的值。即每个修正系数的具体的值的确定不是直接在所属的产品的生产后进行，并且由此也不相应地存储确定为具体的值的修正系数连同相应的产品的产品数据记录。反而，配属于在新的产品生产时确定作为类似的产品数据记录的修正系数直至求出了类似的带材之后才求出。同样可以考虑，主修正系数和次修正系数的数量由产品数据记录求出。
有利地可以利用这种统计学的方式，由小于影响因素的数量的一定数量的测量值，按照多个方向对模型计算进行统计学的修正，从而尽管所述测量的数量小于所述模型要进行修正的方向的数量，仍然使所有的影响因素都考虑到。
作为要存储在相应的产品的产品数据记录中的输入参数，在此在要调节的热轧带材轧机机组的冷却段的情况下，可以考虑例如碳含量、锰含量、带材的厚度和宽度以及带材向前运行速度和其它参数。对每个新的要加工的产品，然后可以将相应的参数与储存的产品数据记录的参数比较，以由此确定一定数量的类似的产品数据记录。在这种情况下，产品数据记录例如按照先进先出原则储存在环存储器中，此时如果对新的产品数据记录不再存在位置，那么最老的产品数据记录被删除，这样总是使用尽可能最近的产品数据记录用于与当前的产品值比较。
在一种有利的改进方案中，可以除了输入参数还测得与主修正系数的数量相当的数量的测量值并且存储在相应的产品数据记录中，在冷却段的情况下，例如是在冷却段的终点处的卷取机温度在时间上的曲线，或者是卷取机温度和在冷却段的入口处的温度之间的温度差的曲线。由该测量值然后求出希望的信息，那么之后要由该信息为将来要加工的类似的产品计算出修正系数。
这例如由此实现，即将一定数量的利用所述数量的测量值所计算出的计算值作为所述数量的经验值存储在产品数据记录中。在这种情况下，该计算借助所述模型和存储的测量值进行，其措施是对每个考虑中的修正系数预先确定多个测试值并且进行模型计算，其中计算值分别作为修正系数的函数求出并且储存。那么在之后要加工的或者后面的产品进行加工时，将存储在类似的产品数据记录中的计算值用于求出对该产品合适的修正系数，这些修正系数在类似的产品的情况下总体提供最好的结果。在此可以将计算值计入测量值中，或者测量值可以单独作为合适的经验值存储在相应的产品数据记录中。
替代上述措施，代替地将计算值作为修正系数的函数储存，也分别由测量值计算曲线，在该曲线上，利用模型计算出的计算值与测量值相符，其中该曲线作为经验值储存。为了为当前要制造或者要加工的产品求出合适的修正系数，可以然后由作为类似的求出的产品数据记录以这种方式求出修正系数的希望的值，即确定出在类似的产品数据记录中储存的曲线的交点。然后由上述交点可以为当前要加工的产品求出修正系数，例如通过求平均值，它是算术地加权的或者以其它合适的方式。
一种另外的替代的方法的特征在于，即在当前的产品加工时或者即将加工之前，才由存储在求出的类似的产品数据记录中的经验值事后进行模型计算。那么在产品数据记录中只需要储存测量值作为经验值。为了求出修正系数，重新为寻找的修正系数预先确定多个测试值，并且借助预先确定的测试值重复进行模型计算，这样为当前的加工得出修正系数的最优的值。
优选上述测试值按照数学的优化方法预先确定，例如这样一种方法，在该方法中构造目标函数，该目标函数被最大化或者最小化。
最后上述计算还可以由此改善，即借助当前测量的值更新求出的修正系数，例如借助于梯度下降法。
根据权利要求的实施方式的单个的特征允许任意的组合，只要有意义。在此不言而喻，前面所述的以及后面还要说明的特征不仅可以在给出的组合中，而且在其它的组合中或者单独地应用，而不离开本发明的框架。
附图说明
本发明的有利的实施方式接下来借助附图说明。图中示出：
图1示出了连接在热轧带材轧机机组后面的冷却段的结构和它的调节；
图2示出了图表，由该图表得知两个不同的带材的冷却曲线；
图3示出了图表，由该图表得知两个带材的组织转变率的时间曲线；
图4示出了曲线，它对每对合适的修正系数描述了模型计算的温度；
图5示出了图表，在该图表中示出了在通过一对修正系数所形成的平面的等温线；
图6示出了为调节在图1中示出的冷却段所应用的模型修正计算的流程图。
具体实施方式
首先参考图1。图1是从EP1244816B1引用的并且对应本发明修改。就这点来说参见该专利文献。
轧制带材100在它经过轧机机组的最后的轧制机架1以后流过冷却段，其中在以2标记的生产线测量位置处测量入口温度TF，并且在以3标记的卷取机温度测量位置处测量出口温度TH。在两个测量位置之间有阀组11、11’、12、12’、13、13’、14、14’、....，它们总体构成冷却段10。测量的温度作为温度差TF-TH输入冷却段的物理数学模型15。此外还有当前要冷却的带材的材料参数，例如带材100的碳含量C、带材100锰含量Mn以及带材的厚度d被作为输入参数输入模型15，并且可选择性地输入带材速度等等。
利用模型15现在算出在冷却段上的温度的单个的中间值，以能够由此调整单个的阀的阀位。不过现在模型的精度设有极限，例如因为不能准确获悉所有的影响参数。例如在钢表面上的热传导和依赖冷却的材料的钢转变的速度是不准确地已知的。因此为模型15求出以k1、k2标记的修正系数，其中k1表示改变了在模型中采用的在带材中的热传导的修正系数，并且k2表示改变了在模型中采用的在带材中的相转变的速度的修正系数。由利用修正系数k1、k2修正的模型15，由此计算出带材100的希望的冷却曲线，它以30表示，还计算出组织状态曲线，它以32标明。然后利用冷却曲线30和/或组织状态曲线32调节冷却段10。
在此要指出，冷却曲线受相变速度影响，并且因此组织的相转变速度的影响也可以计算到冷却曲线中，用于由此调节冷却段10。
在图2中在此得知这样的参考带材的冷却曲线，它以略微不同的阀位调整冷却。在时间t上描绘了温度T。可以看到，参考带材的冷却曲线在不同的阀位下是不同的，并且由此取决于阀位。
相反，图3描述了在冷却时阀位对参考带材的相变速度的影响。在此在图中在时间t上描绘了组织转变速度U，其中参考带材的组织状态曲线在略微不同的阀位下记录。可以看到，在两种带材的组织中也产生了偏差，这是不希望的。在此，控制的精度依赖于能够利用模型多么精确地描述所述偏差。因此修正过的模型是有利的。
为了求出N＝2的修正系数k1、k2，由此提供每个带材M＝1的测量(测量值TF-TH)。根据本发明的现有实施方式，为了求出现在要加工的产品、也就是卷材Pn或者卷取机连同缠绕在它上面的冷却的带材100的两个修正系数k1、k2，要应用存储的以前加工的产品P0至Pn-1的产品数据记录。为此参阅图4至6。
在每个产品的产品数据记录PD0至PDn中可以为此存储曲线，该曲线对于修正系数k1、k2的不同的值对描述了由模型所计算出的温度。这样的曲线的例子在图4中描述。在此PD0至PDn-1是储存的前面生产的产品的产品数据记录，并且PDn是当前要生产的产品还有待建立的产品数据记录，它然后可以在生产下一个产品Pn+1时被加以考虑。
图5在由修正系数k1、k2所形成的平面内示出了图4的曲线的等温线的示意图。可以看到，对每个希望的温度都有一定数量的合适的值对k1、k2，它们位于等温线上。以在图5中示出的形式的存储也是可以考虑的。
由为以前的产品存储在产品数据记录PD0至PDn-1中的值，现在通过概览按照在图6中示出的流程图，求出当前要加工的产品Pn的修正系数k1、k2。利用40在此标明存储单元，在该单元中存储有以前加工的产品P0至Pn-1的产品数据记录。由该存储器利用查询装置50选择合适的即与当前要加工的产品Pn类似的产品数据记录。为此查询装置50将当前要加工的产品Pn的材料参数(以及可选择地连同加工设备)与先前加工的产品Pn-1至P0的储存的产品数据记录做比较。
在所示例子中将碳含量Cn、锰含量Mnn，以及当前要加工的产品Pn的厚度dn作为当前要加工的产品Pn的材料参数，与相应的存储在储存的产品数据记录P0至Pn-1中的以前加工的产品的材料参数相比较。在这个基础上然后决定，哪些产品数据记录视为类似的(在所示例子中PD1、PD5、...)以及哪些不是。类似的产品数据记录PD1、PD5、...现在被用于计算当前要加工的产品的修正系数k1、k2，并且为此输送给计算单元60。计算单元60在此计算解，其措施是它根据下面的方程式求出函数的最小值：
Min ( Σ i = 1 1 gi ( f i ( k 1 , k 2 ) - T i ) 2 )
其中1对应类似的产品的数量(在本例子中PD1、PD5、...)，gi对应加权系数，它取决于相应的产品数据记录的年龄，fi(k1，k2)对应按照图4的作为修正系数k1、k2的函数而存储的计算值，并且Ti对应对相应的产品实际测量的温度。
在此可以有选择地计入产品数据记录的年龄，以将由于设备的不稳定性，例如由于保养或者老化造成的不持久的参数的“漂移”的影响保持尽可能小。但是在最理想的情况下这不是必需的。因此可以考虑年龄，但不是必须。
在实时监控单元80中输入当前测量的温度值TF-TH，这样在更新计算单元90中可以借助测量的温度值TF-TH进行修正值k1、k2的更新，例如借助梯度下降法。
被更新的修正值k1post、k2post然后被输送回预计算单元70，并且可用于对所述冷却段进行控制或者调节。
在当前要生产的产品Pn的生产结束后，材料特征参数Tn、Mnn、dn以及为修正系数所计算的温度的函数fn(k1、k2)被存储到产品数据记录中并且输送给存储单元40。利用95在此标明了备份存储器，以用作产品数据存储器40的冗余安全。
当然在本发明的框架下也可以考虑所示例子的改变和变型。

Claims (16)

1.一种用于控制和/或调节用于加工或者制造产品(100)的工业过程(10)的方法，例如用于控制和/或调节用于生产钢带或者板带(100)的热轧带材轧机机组的冷却段(10)的方法，其中建立该工业过程(10)的物理数学模型(15)，利用该模型计算出用于控制和/或调节工业过程的控制参数，例如沿着冷却段(10)布置的冷却水阀(11，11’，12，12’，...)的理论阀位，在产品(100)的制造或者加工期间测得一定数量(M)的测量值(TF-TH)，例如在生产带材(100)时测得在冷却段(10)的入口(TF)处和冷却段(10)的出口(TH)处的温度差(TF-TH)，该模型(15)利用一定数量(M)的主修正系数(k1)修正，例如利用描述了从要冷却的带材(100)到环境中的热传导的修正系数(k1)，其中所述主修正系数(k1)的数量(M)等于所述测量值(TF-TH)的数量(M)，
其特征在于，所述模型(15)利用一定数量(N-M)的次修正系数(k2)修正，例如利用描述了要冷却的带材(100)中的相变的速度的修正系数(k2)，并且全部修正系数(k1，k2)的数量(N)大于全部测量值(TF-TH)的数量(M)，其中至少所述次修正系数(k2)在数值上计算。
2.根据权利要求1所述的方法，其特征在于，所述修正系数(k1，k2)由模型(15)和所述数量的测量值(TF-TH)借助迭代的优化算法求出，在该优化算法下对每个修正系数(k1，k2)给出多个测试值，其中该优化算法例如是梯度下降法。
3.根据权利要求1所述的方法，其特征在于，每个主修正系数(k1)由利用模型(15)所计算出的值与所述测量值(TF-TH)之一的差构成，其中主修正系数(k1)的数量(M)和测量值(TF-TH)的数量(M)同样大。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，将对每个产品(P0-Pn)表示特征的输入参数(C，Mn，d，...)，例如板厚度和板宽度、碳含量和锰含量以及一定数量的描述了在制造或者加工产品(P0-Pn)时得到的经验的经验值(TF-TH；f(k1，k2)；[k1(s)，k2(s)])储存作为产品数据记录(PD0-PDn)，如果存在足够的储存的产品数据记录(PD0-PDn-1)，则借助当前的产品(Pn)的表示特征的输入参数(C，Mn，d，...)与在之前制造或者加工的产品(P0-Pn-1)的产品数据记录(PD0-PDn-1)中的表示特征的输入参数(C，Mn，d，...)相比较来选择出类似的产品数据记录(PD1，PD5，...)，其中当前的产品(Pn)的修正系数(k1，k2)借助储存在类似的产品数据记录(PD1，PD5，...)中的经验值(TF-TH；f(k1，k2)；[k1(s)，k2(s)])求出。
5.根据权利要求4所述的方法，其特征在于，在每个产品(P0-Pn)的制造或者加工期间测得至少与主修正系数(k1)的数量(M)相当的数量(M)的测量值(TF-TH)，对每个修正系数(k1，k2)给出多个测试值，借助所述模型，由所述数量(M)的测量值(TF-TH)和所述多个测试值求出一定数量(M)的计算值(f(k1，k2))分别作为修正系数(k1，k2)的函数，并且所述数量(M)的计算值(f(k1，k2))被作为所述数量(M)的经验值(f(k1，k2))储存，其中对当前的产品(Pn)，在求出类似的产品数据记录(PD1，PD5，...)后由所述类似的产品数据记录(PD1，PD5，...)的计算值(f(k1，k2))求出合适的修正系数(k1，k2)，这些修正系数在类似的产品的情况下提供最好的结果。
6.根据权利要求5所述的方法，其特征在于，所述数量的测量值(TF-TH)被计入所述数量(M)的计算值(f(k1，k2))中。
7.根据权利要求5所述的方法，其特征在于，所述数量的测量值分别作为单独的经验值储存。
8.根据权利要求4所述的方法，其特征在于，在产品(Pn)的制造或者加工期间测得至少与主修正系数(k1)的数量(M)相当的数量(M)的测量值(TF-TH)，对每个修正系数(k1，k2)给出多个测试值，并且借助所述模型，由所述数量(M)的测量值(TF-TH)和所述多个测试值计算出N-M维的面，例如曲线([k1(s)，k2(s)])，在该面上利用模型计算出的计算值与测量值(TF-TH)相符，其中该N-M维的面，例如曲线([k1(s)，k2(s)])，被作为经验值(f(k1，k2))储存，其中N是全部修正系数(k1，k2)的数量，而M是提供的测量值的数量，并且其中对当前的产品，在求出类似的产品数据记录(PD1，PD5，...)后由所述类似的产品数据记录(PD1，PD5，...)的N-M维的面，例如曲线([k1(s)，k2(s)])，求出合适的修正系数(k1，k2)，这些修正系数在类似的产品的情况下提供最好的结果。
9.根据权利要求8所述的方法，其特征在于，为了求出合适的修正系数(k1，k2)，由储存在类似的产品数据记录(PD1，PD5，...)中的N-M维的面([k1(s)，k2(s)])确定出储存在类似的产品数据记录(PD1，PD5，...)中的N-M维的面([k1(s)，k2(s)])的交点。
10.根据权利要求9所述的方法，其特征在于，由所述交点通过求平均值求出合适的修正系数(k1，k2)。
11.根据权利要求4所述的方法，其特征在于，所述为每个产品(P0-Pn)储存的产品数据记录(PD0-PDn)允许事后的模型计算，并且储存与主修正系数(k1)的数量(M)相当的数量(M)的测量值(TF-TH)作为所述数量(M)的经验值(TF-TH)，其中为了求出当前的产品(Pn)的修正系数(k1，k2)，重复地对每个修正系数(k1，k2)预先确定合适的测试值，并且在使用分别预先确定的测试值的情况下对每个类似的产品数据记录(PD1，PD5，...)将那里储存的测量值(TF-TH)与计算出的值相比较，该计算出的值利用在储存在相应类似的产品数据记录中的值的基础上所进行的模型计算而计算出，并且接着将那些对类似的产品数据记录提供最好的结果的测试值作为修正系数(k1，k2)使用。
12.根据权利要求2至11中任意一项所述的方法，其特征在于，所述测试值根据数学的优化方法预先确定，在该优化方法中构造目标函数，该目标函数被最大化或者最小化。
13.根据前述权利要求4至12中任一项所述的方法，其特征在于，借助当前的测量值(TF-TH)实时地或者接近实时地更新所述求出的修正系数(k1，k2)，特别是借助于梯度下降法。
14.计算程序软件，其特征在于，所述程序执行根据前述权利要求中任一项所述的方法。
15.数据载体，具有根据权利要求14所述的计算程序。
16.计算单元，具有根据权利要求14所述的能在该计算单元上运行的计算程序。
CN2007800376770A 2006-10-09 2007-08-30 用于控制和/或调节工业过程的方法 Expired - Fee Related CN101535906B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
DE102006048031 2006-10-09
DE102006048031.7 2006-10-09
DE102007025447.6 2007-05-31
DE102007025447A DE102007025447A1 (de) 2006-10-09 2007-05-31 Verfahren zur Steuerung und/oder Regelung eines industriellen Prozesses
PCT/EP2007/059053 WO2008043603A1 (de) 2006-10-09 2007-08-30 Verfahren zur steuerung und/oder regelung eines industriellen prozesses

Publications (2)

Publication Number Publication Date
CN101535906A true CN101535906A (zh) 2009-09-16
CN101535906B CN101535906B (zh) 2012-06-20

Family

ID=38606558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800376770A Expired - Fee Related CN101535906B (zh) 2006-10-09 2007-08-30 用于控制和/或调节工业过程的方法

Country Status (8)

Country Link
US (1) US8391998B2 (zh)
EP (1) EP2076824B1 (zh)
CN (1) CN101535906B (zh)
AT (1) ATE472760T1 (zh)
BR (1) BRPI0719230A8 (zh)
DE (2) DE102007025447A1 (zh)
RU (1) RU2444042C2 (zh)
WO (1) WO2008043603A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108759991A (zh) * 2018-06-21 2018-11-06 广东美的暖通设备有限公司 空调系统中传感器的测量误差诊断方法、装置和空调系统
CN109144022A (zh) * 2017-06-19 2019-01-04 汽车交通工程有限公司 用于检验车辆的控制器的软件的方法和设备
CN110520805A (zh) * 2017-04-18 2019-11-29 首要金属科技德国有限责任公司 过程模型的建模优化

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2280323A1 (de) 2009-07-08 2011-02-02 Siemens Aktiengesellschaft Steuerverfahren für eine Beeinflussungseinrichtung für ein Walzgut
US10162317B2 (en) * 2013-06-27 2018-12-25 The Boeing Company Real-time feedback control for performing tooling operations in assembly processes
EP2873469A1 (de) 2013-11-18 2015-05-20 Siemens Aktiengesellschaft Betriebsverfahren für eine Kühlstrecke
DE102015218472A1 (de) * 2015-09-25 2017-03-30 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Betreiben eines technischen Systems
US10371285B2 (en) 2015-10-27 2019-08-06 Dresser, Llc Predicting maintenance requirements for a valve assembly
JP6778277B2 (ja) * 2016-12-07 2020-10-28 株式会社日立製作所 品質管理装置及び品質管理方法
EP3462262A1 (de) * 2017-09-29 2019-04-03 Siemens Aktiengesellschaft Automatisiertes zuordnen von messdaten zur cloudbasierten überwachung mechanischer assets
EP3579069A1 (de) * 2018-06-06 2019-12-11 Covestro Deutschland AG Verfahren und system zur steuerung und/oder regelung einer zur herstellung von thermoplastischem kunststoff eingerichteten produktionsanlage
WO2021229727A1 (ja) * 2020-05-13 2021-11-18 東芝三菱電機産業システム株式会社 物理モデル同定システム
TWI786580B (zh) * 2021-03-26 2022-12-11 中國鋼鐵股份有限公司 精軋機出口溫度估算方法

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1597129A (en) * 1976-12-20 1981-09-03 Gen Electric Gas turbine engine control system
US4796194A (en) * 1986-08-20 1989-01-03 Atherton Robert W Real world modeling and control process
US5251144A (en) * 1991-04-18 1993-10-05 Texas Instruments Incorporated System and method utilizing a real time expert system for tool life prediction and tool wear diagnosis
DK176500B1 (da) * 1992-07-28 2008-06-02 Kobe Steel Ltd Fremgangsmåde til styring af en valsemölle
US5518064A (en) * 1993-10-07 1996-05-21 Norandal, Usa Thin gauge roll casting method
DE4338608B4 (de) * 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
DE4338607B4 (de) * 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
US5462613A (en) * 1994-06-07 1995-10-31 Gs Technologies Corporation Method and apparatus for producing steel rods with a desired tensile strength and model for simulating same
DE19508476A1 (de) * 1995-03-09 1996-09-12 Siemens Ag Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä.
US5691895A (en) * 1995-12-18 1997-11-25 International Business Machines Corporation Mechanism and architecture for manufacturing control and optimization
US5889782A (en) * 1996-05-28 1999-03-30 Mci Worldcom, Inc. Encapsulation of proprietary protocol information conforming to the ANSI SS7 ISUP standard
DE19641431A1 (de) * 1996-10-08 1998-04-16 Siemens Ag Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses
FR2760103B1 (fr) * 1997-02-25 2000-02-04 Sextant Avionique Architecture modulaire de pilotage d'un aerodyne presentant un faible cout tout en etant apte a assurer un niveau eleve de securite de fonctionnement
DE19715503A1 (de) * 1997-04-14 1998-10-15 Siemens Ag Integriertes Rechner- und Kommunikationssystem für den Anlagenbereich
DE19851554C2 (de) * 1998-11-09 2001-02-01 Siemens Ag Verfahren und Einrichtung zur Voreinstellung einer Walzstraße
US6636978B1 (en) * 1999-11-17 2003-10-21 International Business Machines Corporation Rescheduling data input and output commands for bus synchronization by using digital latency shift detection
DE19963186B4 (de) * 1999-12-27 2005-04-14 Siemens Ag Verfahren zur Steuerung und/oder Regelung der Kühlstrecke einer Warmbandstrasse zum Walzen von Metallband und zugehörige Vorrichtung
US7003509B2 (en) * 2003-07-21 2006-02-21 Leonid Andreev High-dimensional data clustering with the use of hybrid similarity matrices
TW563042B (en) * 2001-02-26 2003-11-21 Macronix Int Co Ltd Overlay error mode, its sampling strategy procedure and device using the mode and strategy procedure
US7257518B2 (en) * 2001-02-28 2007-08-14 Felix Alba Consultants, Inc. Fundamental method and its hardware implementation for the generic prediction and analysis of multiple scattering of waves in particulate composites
JP4677679B2 (ja) * 2001-03-27 2011-04-27 株式会社デンソー 製品の製造プロセスにおける特性調整方法
ITVE20010036A1 (it) * 2001-08-08 2003-02-08 Fpt Ind Spa Metodo per effettuare in modo automatico la correzione degli errori sistematici in macchine di misura ed in macchine operatrici ed apparecch
US6915172B2 (en) * 2001-11-21 2005-07-05 General Electric Method, system and storage medium for enhancing process control
WO2003060812A2 (en) * 2002-01-15 2003-07-24 Suvajit Das Computer-implemented system and method for measuring and improving manufacturing processes and maximizing product research and development speed and efficiency
DE10203787A1 (de) 2002-01-31 2003-08-14 Siemens Ag Verfahren zur Regelung eines industriellen Prozesses
US7203499B2 (en) * 2002-05-16 2007-04-10 Telefonaktiebolaget Lm Ericsson (Publ) Position determination in wireless communication systems
US7496619B2 (en) * 2002-06-18 2009-02-24 Vanderbilt University System and methods of nonuniform data sampling and data reconstruction in shift invariant and wavelet spaces
DE60334494D1 (de) 2002-12-09 2010-11-18 Rockwell Automation Inc System und verfahren zur adaptiven steuerung von prozessen mit veränderlicher dynamik
DE502004003617D1 (de) * 2003-02-25 2007-06-06 Siemens Ag Verfahren zur regelung der temperatur eines metallbandes, insbesondere in einer fertigstrasse zum walzen von metallwarmband
DE10321792A1 (de) 2003-05-14 2004-12-09 Siemens Ag Verfahren zur Regelung der Temperatur eines Metallbandes, insbesondere in einer Kühlstrecke
DE10339766A1 (de) * 2003-08-27 2005-04-07 Siemens Ag Verfahren und Einrichtung zur Steuerung einer Anlage zur Herstellung von Stahl
US7006878B2 (en) * 2004-02-05 2006-02-28 Ford Motor Company Computer-implemented method for analyzing a problem statement based on an integration of Six Sigma, Lean Manufacturing, and Kaizen analysis techniques
US7065419B2 (en) * 2004-04-14 2006-06-20 Taiwan Semiconductor Manufacturing Company, Ltd. Job flow Petri Net and controlling mechanism for parallel processing
JP2008514015A (ja) * 2004-09-17 2008-05-01 エム ケー エス インストルメンツ インコーポレーテッド 半導体プロセスの多変量制御
US20060122834A1 (en) * 2004-12-03 2006-06-08 Bennett Ian M Emotion detection device & method for use in distributed systems
EP2275946A1 (en) * 2005-03-04 2011-01-19 STMicroelectronics S.r.l. Probabilistic neural network and relative training method
GB2453263A (en) * 2006-05-16 2009-04-01 Douglas S Greer System and method for modeling the neocortex and uses therefor
EP2041262A4 (en) * 2006-07-14 2012-07-18 Abb Research Ltd METHOD FOR ONLINE LINE OPTIMIZATION OF A FED BATCH FERMENTATION UNIT FOR MAXIMIZING PRODUCT LIFE
ITRM20060454A1 (it) * 2006-08-21 2008-02-22 Fai Instr S R L Apparecchiatura e metodo di monitoraggio ambientale
JP2008074007A (ja) * 2006-09-22 2008-04-03 Mitsubishi Heavy Ind Ltd 段ボールシート製造装置の制御システム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110520805A (zh) * 2017-04-18 2019-11-29 首要金属科技德国有限责任公司 过程模型的建模优化
US11493891B2 (en) 2017-04-18 2022-11-08 Primetals Technologies Germany Gmbh Optimization of the modeling of process models
CN110520805B (zh) * 2017-04-18 2022-12-06 首要金属科技德国有限责任公司 过程模型的建模优化
CN109144022A (zh) * 2017-06-19 2019-01-04 汽车交通工程有限公司 用于检验车辆的控制器的软件的方法和设备
CN109144022B (zh) * 2017-06-19 2022-09-20 汽车交通工程有限公司 用于检验车辆的控制器的软件的方法和设备
CN108759991A (zh) * 2018-06-21 2018-11-06 广东美的暖通设备有限公司 空调系统中传感器的测量误差诊断方法、装置和空调系统

Also Published As

Publication number Publication date
DE502007004283D1 (de) 2010-08-12
RU2009117324A (ru) 2010-11-20
EP2076824A1 (de) 2009-07-08
BRPI0719230A2 (pt) 2014-04-29
EP2076824B1 (de) 2010-06-30
RU2444042C2 (ru) 2012-02-27
US20100100218A1 (en) 2010-04-22
US8391998B2 (en) 2013-03-05
ATE472760T1 (de) 2010-07-15
BRPI0719230A8 (pt) 2016-10-18
WO2008043603A1 (de) 2008-04-17
DE102007025447A1 (de) 2008-04-17
CN101535906B (zh) 2012-06-20

Similar Documents

Publication Publication Date Title
CN101535906B (zh) 用于控制和/或调节工业过程的方法
US20210279583A1 (en) Controller training based on historical data
CN101346676B (zh) 用于调整和控制的方法及装置
US6546310B1 (en) Process and device for controlling a metallurgical plant
US10124381B2 (en) Rolling process learning control device
CN102821885B (zh) 轧制材料冷却控制装置、轧制材料冷却控制方法、轧制材料冷却控制程序
RU2545872C2 (ru) Способ функционирования чистового прокатного стана с прогнозированием скорости управления
CN100369683C (zh) 一种快速高精度板带轧制过程自动控制厚度的方法
WO2023130666A1 (zh) 一种基于数据驱动和机理模型融合的板带钢凸度预测方法
CN106345823B (zh) 基于热轧钢卷生产流程的在线实时预测机械性能的方法
US7310981B2 (en) Method for regulating the temperature of strip metal
CN101056721B (zh) 用于制造金属的方法
JPH0635511A (ja) リアルタイムプロセス制御のための２段階型方法
CN108817103A (zh) 一种轧钢模型钢族层别分类优化方法
CN103433295A (zh) 单机架双卷取铝热轧机凸度控制方法
CN106862283B (zh) 热轧超快冷过程控制系统
CN104536294B (zh) 基于连续搅拌反应釜的多目标分层预测控制方法
CN103506404A (zh) 一种带钢精轧过程辊缝的控制方法
CN100361031C (zh) 控制工业过程的方法
CN104679989A (zh) 一种基于改进型bp神经网络的氢原子钟钟差预测方法
CN100372950C (zh) 一种控制带钢温度的方法
US11493891B2 (en) Optimization of the modeling of process models
JP2020157327A (ja) 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法
CN113441556A (zh) 一种低温卷取型热轧双相钢的层流冷却工艺控制方法
CN108543814B (zh) 一种带钢终轧温度的控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160202

Address after: Erlangen, Germany

Patentee after: PRIMETALS TECHNOLOGIES GERMANY GmbH

Address before: Munich, Germany

Patentee before: Siemens AG

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120620

Termination date: 20210830