CN102483612A - 设定计算学习装置和设定计算学习方法 - Google Patents

设定计算学习装置和设定计算学习方法 Download PDF

Info

Publication number
CN102483612A
CN102483612A CN2009801613166A CN200980161316A CN102483612A CN 102483612 A CN102483612 A CN 102483612A CN 2009801613166 A CN2009801613166 A CN 2009801613166A CN 200980161316 A CN200980161316 A CN 200980161316A CN 102483612 A CN102483612 A CN 102483612A
Authority
CN
China
Prior art keywords
value
calculate
actual
model learning
calculates
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
CN2009801613166A
Other languages
English (en)
Other versions
CN102483612B (zh
Inventor
井波治树
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.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
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 Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Publication of CN102483612A publication Critical patent/CN102483612A/zh
Application granted granted Critical
Publication of CN102483612B publication Critical patent/CN102483612B/zh
Active 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/16—Control of thickness, width, diameter or other transverse dimensions
    • B21B37/18—Automatic gauge control

Abstract

本发明所涉及的设定计算学习装置包括：模型学习计算部(6)，该模型学习计算部(6)基于中途结果输出实际计算值和中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正；微调自适应计算部(7)，该微调自适应计算部(7)通过对最终结果输出值的初始目标值和最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算部(8)，该设定值计算部(8)基于初始目标值、第一模型式、以及由模型学习计算部进行了校正的第二模型式，计算出设定值，该设定值用于获取由所述微调自适应计算部所计算出的临时目标值。

Description

设定计算学习装置和设定计算学习方法
技术领域
本发明涉及高精度地确定设定值的设定计算学习装置和设定计算学习方法，该设定值是为了使得如工艺线上的设置计算那样的机械设备进行动作所必需的设定值。
背景技术
一般而言，设置计算中利用模型自适应学习，该模型自适应学习通过比较将输入变量作为实际值而计算出的实际计算值(以下称作ACAL)、和从用测量仪等测量的实际值求出的相当于ACAL的实际值(以下称作ACT)，来对用数学式表达了物理现象的数学式模型(以下称作模型式)修正模型式的校正项。
本文中将该学习方法称之为模型学习计算。该模型学习计算中常利用将长期学习功能和短期学习功能进行组合的方法，该长期学习功能将各个时期的条件(例如，在热轧设备中为钢材的钢种、尺寸等)进行划分(将该区分称作批次)，并针对每一批次吸收模型式的误差，短期学习功能进行与批次无关的连续的(短期的)学习，并吸收随时间而发生的误差(例如，日本专利特开平4-367901号公报)。
现有技术文献
专利文献
专利文献1：日本专利特开平4-367901号公报
发明内容
发明所要解决的技术问题
然而，在这种现有的模型学习计算中，是从学习时获取的实际值计算出ACT和ACAL，基于它们的偏差来进行学习。因而，由于在采集了实际值的物理环境时，要进行评价的物理对象不一定与目标值一致，因此通过使用由学习得到的校正项，不一定能够适当地计算出使得要进行评价的物理对象与目标值接近的机械的设定值。即，现有的模型学习计算由于使用学习时所获取的实际值仅对模型式(模型预测精度)进行校正以使其符合该条件，因此难以高精度地确定设定值。
本发明是鉴于上述问题而完成的，其目的在于提供高精度地确定作为控制对象的机械设备的设定值的设定计算学习装置和设定计算学习方法。
用于解决技术问题的技术方案
为了达到上述目的，本发明所涉及的设定计算学习装置的第一特征在于，包括：模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用第二模型式来计算出的；微调(vernier)自适应计算部，该微调自适应计算部通过对最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算部，该设定值计算部基于所述初始目标值、所述第一模型式、以及由所述模型学习计算部进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
为了达到上述目的，本发明所涉及的设定计算学习装置的第二特征在于，包括：模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用第二模型式来计算出的；微调自适应计算部，该微调自适应计算部通过对最终结果输出值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述最终结果输出值的初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算部，该设定值计算部基于所述初始目标值、所述第一模型式、以及由所述模型学习计算部进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
为了达到上述目的，本发明所涉及的设定计算学习装置的第三特征在于，包括：模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和最终结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对最终结果输出值进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用模型式来计算出的，而所述最终结果输出实际值是由所述控制对象的测量部所测量的；微调自适应计算部，该微调自适应计算部通过对所述最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算部，该设定值计算部基于所述初始目标值、所述模型式、以及由所述模型学习计算部进行了校正的最终结果输出值，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
为了达到上述目的，本发明所涉及的设定计算学习方法的第一特征在于，包括：模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用第二模型式计算出的；微调自适应计算步骤，该微调自适应计算步骤通过对最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述第一模型式、以及由所述模型学习计算步骤进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
为了达到上述目的，本发明所涉及的设定计算学习方法的第二特征在于，包括：模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用第二模型式计算出的；微调自适应计算步骤，该微调自适应计算步骤通过对最终结果输出值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述最终结果输出值的初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述第一模型式、以及由所述模型学习计算步骤进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
为了实现上述目的，本发明所涉及的设定计算学习方法的第三特征在于，包括：模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和最终结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对最终结果输出值进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用模型式来计算出的，而所述最终结果输出实际值是由所述控制对象的测量部所测量的；微调自适应计算步骤，该微调自适应计算步骤通过对所述最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述模型式、以及由所述模型学习计算步骤进行了校正的最终结果输出值，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
发明效果
根据本发明，能高精度地确定作为控制对象的机械设备的设定值。
附图说明
图1是表示应用本发明的第一实施方式所涉及的设定计算学习装置的设置计算系统的结构的结构图。
图2是表示本发明的第一实施方式所涉及的设定计算学习装置的结构的结构图。
图3是表示应用本发明的第一实施方式所涉及的设定计算学习装置的设置计算系统所进行的设置计算处理的处理步骤的流程图。
图4是表示本发明的第二实施方式所涉及的设定计算学习装置的结构的结构图。
图5是表示本发明的第三实施方式所涉及的设定计算学习装置的结构的结构图。
图6是表示应用本发明的第三实施方式所涉及的设定计算学习装置的设置计算系统所进行的设置计算处理的处理步骤的流程图。
具体实施方式
下面，参照附图来说明本发明所涉及的设定计算学习装置的实施方式。
<第一实施方式>
图1是表示应用第一实施方式所涉及的设定计算学习装置的设置计算系统的结构的结构图。
如图1所示，应用第一实施方式所涉及的设定计算学习装置1的设置计算系统10包括：设定计算学习装置1、机械设备3、以及实际采集装置4。
机械设备3是例如热轧设备那样的、具有基于所设定的设定值进行动作的1台以上机器的设备。此外，机械设备3中包括温度计、压力计和速度计那样的各种测量仪。
实际采集装置4采集由机械设备3的各种测量仪所测量的测量值。
图2是表示第一实施方式所涉及的设定计算学习装置1的结构的结构图。
如图2所示，设定计算学习装置1包括：设置计算装置2和模型自适应学习装置5。
设置计算装置2使用预先登记的模型式，求出机械设备3的设定值，使得要进行评价的物理对象、即由实际采集装置4所包括的测量仪所测量的测量值中的要进行评价的值与目标值接近。将利用该设置计算装置2所设定的设定值输出到机械设备3。
具体而言，设置计算装置2包括设定值计算部8，设定值计算部8基于初始目标值Vori AIM、第一模型式f、以及由下述模型学习计算部6进行了校正的第二模型式g，计算出设定值Xi，该设定值Xi用于获取由下述微调自适应计算部7所计算出的临时目标值VAIM。
模型自适应学习装置5在其功能上包括：模型学习计算部6和微调自适应计算部7。
模型学习计算部6基于中途结果输出实际计算值YACAL和对应于中途结果输出实际计算值YACAL的中途结果输出实际值YACT之间的偏移量，计算出模型学习校正项ZNEW，基于该计算出的模型学习校正项ZNEW对第二模型式g进行校正，其中中途结果输出实际计算值YACAL是基于对应于对机械设备3进行设定的设定值Xi的输入变量实际值Xi ACT、利用第一模型式f来计算出的，而中途结果输出实际值YACT是基于由机械设备3的测量仪所测量的最终结果输出实际值VACT、利用第二模型式g来计算出的。
微调自适应计算部7通过对最终结果输出值V的初始目标值Vori AIM和最终结果输出实际值VACT之间的偏移量进行平滑处理，来计算出微调校正项Zver NEW，基于初始目标值Vori AIM和计算出的微调校正项Zver NEW，来计算出临时目标值VAIM。
《设定计算学习装置1的作用》
图3是表示应用第一实施方式所涉及的设定计算学习装置1的设置计算系统10所进行的设置计算处理的处理步骤的流程图。
如图3所示，如果要求进行设置计算处理(步骤S101)，设定计算学习装置1的设置计算装置2计算出初始设定值，从而对机械设备3进行设定，该初始设定值是对应于根据外部输入作为初始值而设定的初始目标值Vori AIM的机械设备3的输入变量(步骤S103)。
接着，在机械设备3的运行期间，实际采集装置4采集由机械设备3的各种测量仪所测量的测量值(步骤S105)。
接着，设定计算学习装置1的模型自适应学习装置5的模型学习计算部6计算出中途结果输出实际值YACT和中途结果输出实际计算值YACAL，中途结果输出实际值YACT是第一模型式f的中途结果输出值YOUT的实际值，中途结果输出实际计算值YACAL是第一模型式f的中途结果输出值YIN的实际计算值(步骤S107)。
具体而言，模型学习计算部6基于最终结果输出实际值VACT、实际采集装置4所采集的测量值Wi ACT、以及其它条件输入bk，利用下式(数学式1)，计算出中途结果输出实际值YACT，该最终结果输出实际值VACT是要进行评价的物理对象的最终结果输出值V的实际值。
YACT＝g-1(VACT，W1 ACT，W2 ACT，…，b1，b2，…)  (数学式1)
式中，
YACT：第一模型式f的中途结果输出值YOUT的实际值(中途结果输出实际值)
g-1：第二模型式g的反函数
VACT：要进行评价的物理对象的最终结果输出值V的实际值(最终结果输出实际值)
Wi ACT(i＝1，2，3，…)：其它变量输入的实际值(由实际采集装置4所采集的测量值)
bk(k＝1，2，3…)：其它条件输入。
而且，模型学习计算部6基于输入变量实际值Xi ACT和其它条件输入aj，利用下式(数学式2)，计算出中途结果输出实际计算值YACAL，该输入变量实际值Xi ACT是要作为解而求出的输入变量即设定值Xi的实际值。
YACAL＝f(X1 ACT，X2 ACT，…，a1，a2，…)  (数学式2)
式中，
YACAL：第一模型式f的中途结果输出值YIN的实际计算值(中途结果输出实际计算值)
f：对学习的偏移量进行评价(提供校正项)的物理量的第一模型式
Xi ACT(i＝1，2，3…)：要作为解而求出的输入变量即设定值Xi的实际值(输入变量实际值)
aj(j＝1，2，3…)：其它条件输入。
接着，模型学习计算部6计算出模型学习偏移量(步骤S109)。具体而言，模型学习计算部6基于在步骤S107中计算出的中途结果输出实际值YACT和中途结果输出实际计算值YACAL，利用下式(数学式3)，计算出模型学习偏移量ZCUR。
ZCUR＝h(YACT，YACAL)  (数学式3)
式中，
ZCUR：模型学习偏移量
h：减法或除法(即，ZCUR＝YACT-YACAL或ZCUR＝YACT/YACAL)。
接着，模型学习计算部6利用下式(数学式4)，计算出本次的设置计算处理中使用的模型学习校正项ZNEW(步骤S111)。另外，所谓本次的设置计算处理，是指正执行的步骤S105～S121的处理，而下次的设置计算处理是指在下述步骤S123中判定为达到设置计算的计算周期、并作为下一循环而执行的步骤S105～S121的处理，上次的设置计算处理是指上次已执行的步骤S105～S121的处理。
ZNEW＝ZOLD+β·(ZCUR-ZOLD)  (数学式4)
式中，
ZNEW：本次的设置计算处理中使用的模型学习校正项
ZOLD：上次的设置计算处理中使用的模型学习校正项
β：平滑化系数。
接着，模型学习计算部6反映到第二模型式g(步骤S113)。具体而言，模型学习计算部6基于作为要校正的之前的中途结果输出值的YIN、由步骤S 111计算出的模型学习校正项ZNEW，利用下式(数学式6)，计算出作为中途结果输出值的YOUT，且如下式(数学式5)所示，将该计算出的YOUT应用到用来计算出最终结果输出值V的第二模型式g。
V＝g(YOUT，W1，W2，…，b1，b2，…)  (数学式5)
YOUT＝p(YIN，ZNEW)  (数学式6)
式中，
YOUT：经校正的YIN
p：如果(数学式3)为减法则为加法，如果(数学式3)为除法则为乘法(即，YOUT＝YIN+ZNEW或YOUT＝YIN×ZNEW)
接着，设定计算学习装置1的模型自适应学习装置5的微调自适应计算部7基于最终结果输出实际值VACT、初始目标值Vori AIM，利用下式(数学式7)，计算出微调偏移量Zver CUR，其中最终结果输出实际值VACT是要进行评价的物理对象的最终结果输出值V的实际值，初始目标值Vori AIM是要进行评价的物理对象的最终结果输出值V的目标值的初始值(步骤S115)。
Zver CUR＝q(VACT，Vori AIM)  (数学式7)
式中，
Zver CUR：微调偏移量
q：减法或除法(即，Zver CURR＝VACT-Vori AIM或Zver CUR＝VACT/Vori AIM)
VACT：要进行评价的物理对象的最终结果输出值V的实际值(最终结果输出实际值)
Vori AIM：要进行评价的物理对象的最终结果输出值V的初始目标值。
接着，微调自适应计算部7利用下式(数学式8)，通过对基于目标值Vori AIM和最终结果输出实际值VACT计算出的微调偏移量Zver CUR进行平滑处理，来计算出微调校正项Zver NEW(步骤S117)。
Zver NEW＝α·Zver CUR  (数学式8)
式中，
Zver NEW：本次的设置计算中使用的微调校正项
α：平滑化系数
接着，微调自适应计算部7反映到目标值(步骤S119)。具体而言，微调自适应计算部7基于初始目标值Vori AIM、在步骤S117中计算出的微调校正项Zver NEW，利用下式(数学式9)，计算出要进行评价的物理对象的最终结果输出值V的校正后的临时目标值VAIM。
VAIM＝r(Vori AIM，Zver NEW)  (数学式9)
式中，
VAIM：要进行评价的物理对象的最终结果输出值V的校正后的临时目标值
r：如果(数学式7)为减法则为加法，如果(数学式7)为除法则为乘法(即，VAIM＝Vori AIM+Zver NEW或VAIM＝Vori AIM×Zver NEW)。
接着，设定计算学习装置1的设置计算装置2的设定值计算部8计算出设定值(步骤S121)。具体而言，设定值计算部8基于第一模型式f、步骤S113中反映模型学习校正项ZNEW的第二模型式g，利用下式(数学式10)～(数学式13)，计算出设定值Xi，该设定值Xi用于获取在步骤S119中计算出的临时目标值VAIM。
VAIM＝V  (数学式10)
V＝g(YOUT，W1，W2，…，b1，b2，…)  (数学式11)
YOUT＝p(YIN，ZNEW)  (数学式12)
YIN＝f(X1，X2，…，a1，a2，…)  (数学式13)
接着，如果判定为达到设置计算的计算周期，则设定计算学习装置1的模型自适应学习装置5将处理转移到步骤S123，如果判定为未达到设置计算的计算周期，则设定计算学习装置1的模型自适应学习装置5将处理转移到步骤S125(步骤S123)。
在步骤S123中，当判定为达到设置计算的计算周期的情况下(“否”的情况)，如果要求停止设置计算处理(步骤S125)，则设定计算学习装置1结束设置计算处理。
如上所述，根据应用第一实施方式所涉及的设定计算学习装置1的设置计算系统10，由于模型自适应学习装置5的模型学习计算部6对第二模型式进行校正，微调自适应计算部7计算出临时目标值，设置计算装置2的设定值计算部8基于第一模型式、经校正的第二模型式，计算出用于获取所计算的临时目标值的设定值，因此能高精度地确定作为控制对象的机械设备3的设定值。
另外，在第一实施方式所涉及的设定计算学习装置1中，例如采用热轧设备作为机械设备3的情况下，能将最终结果输出值V作为被轧制的轧板的板厚，而高精度地计算出进行精轧的精轧机的辊子间隙的设定值。
<第二实施方式>
尽管在本发明所涉及的第一实施方式中，举出微调自适应计算部7通过对最终结果输出值V的初始目标值Vori AIM和最终结果输出实际值VACT之间的偏移量进行平滑处理来计算出微调校正项Zver NEW的设定计算学习装置1作为例子来进行了说明，然而不限于此。
在本发明所涉及的第二实施方式中，举出微调自适应计算部7通过对最终结果输出值V和最终结果输出实际值VACT之间的偏移量进行平滑处理来计算出微调校正项Zver NEW的设定计算学习装置1作为例子来进行说明。
关于应用本发明的第二实施方式所涉及的设定计算学习装置1的设置计算系统10的结构，由于与图1所示的应用本发明的第一实施方式所涉及的设定计算学习装置1的设置计算系统10的结构相同，因此省略其说明。
图4是表示第二实施方式所涉及的设定计算学习装置1的结构的结构图。
如图4所示，第二实施方式所涉及的设定计算学习装置1包括：设置计算装置2和模型自适应学习装置5。此处，关于设置计算装置2的结构，由于与图2所示的本发明的第一实施方式所涉及的设定计算学习装置1所包括的设置计算装置2的结构相同，因此省略其说明。
模型自适应学习装置5在其功能上包括：模型学习计算部6和微调自适应计算部7。
模型学习计算部6基于中途结果输出实际计算值YACAL和对应于该中途结果输出实际计算值YACAL的中途结果输出实际值YACT之间的偏移量来计算出模型学习校正项ZNEW，基于该计算出的模型学习校正项ZNEW对第二模型式g进行校正，其中中途结果输出实际计算值YACAL是基于对应于对机械设备3进行设定的设定值Xi的输入变量实际值Xi ACT、利用第一模型式f来计算出的，而中途结果输出实际值YACT是基于由机械设备3的测量部所测量的最终结果输出实际值VACT、利用第二模型式g来计算出的。
微调自适应计算部7通过对最终结果输出值V和最终结果输出实际值VACT之间的偏移量进行平滑处理，来计算出微调校正项Zver NEW，基于最终结果输出值V的初始目标值Vori AIM和计算出的微调校正项Zver NEW，来计算出临时目标值VAIM。
《设定计算学习装置1的作用》
应用第二实施方式所涉及的设定计算学习装置1的设置计算系统10所进行的设置计算处理、与图3所示的应用第一实施方式所涉及的设定计算学习装置1的设置计算系统10所进行的设置计算处理相比，由于步骤S115～S119的处理不同，因此下面对这些处理进行说明。
在图3所示的流程图的步骤S113的处理中，一旦设定计算学习装置1的模型学习计算部6将作为中途结果输出值的YOUT反映到第二模型式g，则设定计算学习装置1的模型自适应学习装置5的微调自适应计算部7基于最终结果输出实际值VACT和要进行评价的物理对象的最终结果输出值V，利用下式(数学式15)，计算出微调偏移量Zver CUR，其中最终结果输出实际值VACT是要进行评价的物理对象的最终结果输出值V的实际值(步骤S115)。
Zver CUR＝q(VACT，V)  (数学式15)
式中，
Zver CUR：微调偏移量
q：减法或除法(即，Zver CURR＝VACT-Vori AIM或Zver CUR＝VACT/Vori AIM)
VACT：要进行评价的物理对象的最终结果输出值V的实际值(最终结果输出实际值)
V：要进行评价的物理对象的最终结果输出值。
接着，微调自适应计算部7利用下式(数学式16)，通过对基于最终结果输出值V和最终结果输出实际值VACT计算出的微调偏移量Zver CUR进行平滑处理，来计算出微调校正项Zver NEW(步骤S117)。
Zver NEW＝α·Zver CUR  (数学式16)
式中，
Zver NEW：本次的设置计算中使用的微调校正项
α：平滑化系数
接着，微调自适应计算部7反映到目标值(步骤S119)。具体而言，微调自适应计算部7基于初始目标值Vori AIM、在步骤S117中计算出的微调校正项Zver NEW，利用下式(数学式17)，计算出要进行评价的物理对象的最终结果输出值V的校正后的临时目标值VAIM。
VAIM＝r(Vori AIM，Zver NEW)  (数学式17)
式中，
VAIM：要进行评价的物理对象的最终结果输出值V的校正后的临时目标值
r：如果(数学式15)为减法则为加法，如果(数学式15)为除法则为乘法(即，VAIM＝Vori AIM+Zver NEW或VAIM＝Vori AIM×Zver NEW)
如上所述，根据应用第二实施方式所涉及的设定计算学习装置1的设置计算系统10，由于模型自适应学习装置5的模型学习计算部6对第二模型式进行校正，微调自适应计算部7基于最终结果输出值计算出临时目标值，设置计算装置2的设定值计算部8基于第一模型式、经校正的第二模型式，计算出用于获取所计算的临时目标值的设定值，因此能高精度地确定作为控制对象的机械设备3的设定值。
<第三实施方式>
尽管在本发明所涉及的第一实施方式中，举出模型学习计算部基于计算出的模型学习校正项对第二模型式进行校正的设定计算学习装置1作为例子来进行了说明，但不限于此。
在本发明所涉及的第三实施方式中，举出模型学习计算部基于计算出的模型学习校正项对最终结果输出值进行校正的设定计算学习装置1作为例子来进行说明。
由于应用本发明的第三实施方式所涉及的设定计算学习装置1的设置计算系统10的结构与图1所示的应用本发明的第一实施方式所涉及的设定计算学习装置1的设置计算系统10的结构相同，因此省略其说明。
图5是表示第三实施方式所涉及的设定计算学习装置1的结构的结构图。
如图5所示，第三实施方式所涉及的设定计算学习装置1包括：设置计算装置2和模型自适应学习装置5。
设置计算装置2使用预先登记的模型式，求出机械设备3的设定值，使得要进行评价的物理对象、即由实际采集装置4所包括的测量仪所测量的测量值与目标值接近。将利用该设置计算装置2来设定的设定值输出到机械设备3。
具体而言，设置计算装置2包括设定值计算部8，设定值计算部8基于初始目标值Vori AIM、模型式、以及由下述模型学习计算部6进行了校正的最终结果输出值V，计算出设定值Xi，该设定值Xi用于获取由微调自适应计算部7所计算出的临时目标值VAIM。
模型自适应学习装置5在其功能上包括：模型学习计算部6和微调自适应计算部7。
模型学习计算部6基于中途结果输出实际计算值YACAL和最终结果输出实际值VACT之间的偏移量来计算出模型学习校正项ZNEW，基于该计算出的模型学习校正项ZNEW对最终结果输出值V进行校正，其中中途结果输出实际计算值YACAL是基于对应于对机械设备3进行设定的设定值Xi的输入变量实际值Xi ACT、利用模型式f计算出的，最终结果输出实际值VACT是由机械设备3的测量部所测量的。
微调自适应计算部7通过对最终结果输出值V的初始目标值Vori AIM和最终结果输出实际值VACT之间的偏移量进行平滑处理，来计算出微调校正项Zver NEW，基于初始目标值Vori AIM和计算出的微调校正项Zver NEW，来计算出临时目标值VAIM。
《设定计算学习装置1的作用》
图6是表示应用第三实施方式所涉及的设定计算学习装置1的设置计算系统10所进行的设置计算处理的处理步骤的流程图。此处，作为一个例子，是采用热轧设备作为机械设备3，且将最终结果输出值的最终板厚值V作为被轧制的轧板的板厚，举出这时高精度地计算出进行精轧的精轧机的辊子间隙的设定值的设定计算学习装置1作为例子进行说明。
如图6所示，如果要求进行设置计算处理(步骤S201)，则设定计算学习装置1的设置计算装置2计算出初始设定值，从而对机械设备3进行设定，该初始设定值是对应于根据外部输入作为初始值而设定的初始目标值Vori AIM的机械设备3的输入变量(步骤S203)。
接着，在机械设备3的运行期间，实际采集装置4采集由机械设备3的各种测量仪所测量的测量值(步骤S205)。
接着，设定计算学习装置1的模型自适应学习装置5的模型学习计算部6计算出中途结果输出实际计算值YACAL，该中途结果输出实际计算值YACAL是测厚仪板厚模型式f的中途输出板厚值Y的实际计算值(步骤S207)。具体而言，模型学习计算部6基于输入变量实际值X1 ACT、作为轧制载荷实际值而输入的输入变量实际值X2 ACT、以及其它输入条件aj，利用下式(数学式19)，计算出中途结果输出实际计算值YACAL，其中输入变量实际值X1 ACT是要作为解而求出的输入变量即辊子间隙的设定值X1的实际值。
YACAL＝f(X1 ACT，X2 ACT，…，a1，a2，…)  (数学式19)
式中，
YACAL＝：测厚仪板厚模型式f的中途输出板厚值Y的实际计算值(中途结果输出实际计算值)
f：测厚仪板厚模型式
X1 ACT：辊子间隙的实际值(输入变量实际值)
X1 ACT：轧制载荷的实际值(输入变量实际值)
aj(j＝1，2，3…)：其它条件输入。
接着，模型学习计算部6计算出模型学习偏移量ZCUR(步骤S209)。具体而言，模型学习计算部6基于在步骤S207中计算出的中途结果输出实际计算值YACAL和从实际采集装置4提供的板厚实际值VACT，利用下式(数学式20)，计算出模型学习偏移量ZCUR。
ZCUR＝h(VACT，YACAL)  (数学式20)
式中，
ZCUR：模型学习偏移量
h：减法(即，ZCUR＝VACT-YACAL)。
接着，模型学习计算部6利用下式(数学式21)，计算出本次的设置计算处理中使用的模型学习校正项ZNEW(步骤S211)。
ZNEW＝ZOLD+β·(ZCUR-ZOLD)  (数学式21)
式中，
ZNEW：本次的设置计算处理中使用的模型学习校正项
ZOLD：上次的设置计算处理中使用的模型学习校正项
β：平滑化系数。
接着，模型学习计算部6将利用下式(数学式22)、在步骤S211中计算出的模型学习校正项ZNEW反映到中途输出板厚值Y，对最终板厚值V进行校正(步骤S213)。
V＝p(Y，ZNEW)  (数学式22)
式中，
V：经校正的Y，即最终板厚值
p：加法(即V＝Y+ZNEW)。
接着，设定计算学习装置1的模型自适应学习装置5的微调自适应计算部7基于板厚实际值VACT、初始板厚目标值Vori AIM，利用下式(数学式23)，计算出微调偏移量Zver CUR，其中板厚实际值VACT是最终板厚值V的实际值，初始板厚目标值Vori AIM是最终板厚值V的板厚目标值的初始值(步骤S215)。
Zver CUR＝q(VACT，Vori AIM)  (数学式23)
式中，
Zver CUR：微调偏移量
q：减法(即，Zver CURR＝VACT-Vori AIM)
VACT：最终板厚值V的实际值(最终结果输出实际值)
Vori AIM：最终板厚值V的初始板厚目标值。
接着，微调自适应计算部7利用下式(数学式24)，通过对基于板厚目标值Vori AIM和板厚实际值VACT计算出的微调偏移量Zver CUR进行平滑处理，来计算出微调校正项Zver NEW(步骤S217)。
Zver NEW＝α·Zver CUR  (数学式24)
式中，
Zver NEW：本次的设置计算中使用的微调校正项
α：平滑化系数
接着，微调自适应计算部7反映到板厚目标值(步骤S219)。具体而言，微调自适应计算部7基于初始板厚目标值Vori AIM、在步骤S217中计算出的微调校正项Zver NEW，利用下式(数学式25)，计算出最终板厚值V的校正后的临时板厚目标值VAIM。
VAIM＝r(Vori AIM，Zver NEW)  (数学式25)
式中，
VAIM：最终板厚值V的校正后的临时板厚目标值
r：加法(即VAIM＝Vori AIM+Zver NEW)。
接着，设定计算学习装置1的设置计算装置2的设定值计算部8计算出辊子间隙设定值(步骤S221)。具体而言，设定值计算部8基于测厚仪板厚模型式f和由模型学习计算部6进行校正的最终板厚值V，利用下式(数学式10)～(数学式13)，计算出辊子间隙设定值X1，该辊子间隙设定值X1用于获取在步骤S219中计算出的临时板厚目标值VAIM。
VAIM＝V  (数学式26)
V＝p(Y，ZNEW)  (数学式27)
Y＝f(X1，X2，…，a1，a2，…)  (数学式28)
接着，如果判定为达到设置计算的计算周期，则设定计算学习装置1的模型自适应学习装置5将处理转移到步骤S205，如果判定为未达到设置计算的计算周期，则设定计算学习装置1的模型自适应学习装置5将处理转移到步骤S225(步骤S223)。
在步骤S223中，当判定为达到设置计算的计算周期的情况下(“否”的情况)，如果要求停止设置计算处理(步骤S225)，则设定计算学习装置1结束设置计算处理。
如上所述，根据应用第三实施方式所涉及的设定计算学习装置1的设置计算系统10，由于模型学习计算部6基于计算出的模型学习校正项ZNEW对最终结果输出值V进行校正，微调自适应计算部7计算出临时板厚目标值VAIM，设置计算装置2的设定值计算部8基于测厚仪板厚模型式f和由模型学习计算部6进行校正的最终板厚值V，计算出用于获取由微调自适应计算部7所计算出的临时板厚目标值VAIM的辊子间隙设定值X1，因此能降低装置负荷，并且能高精度地确定作为控制对象的机械设备3的设定值。
另外，尽管在第三实施方式所涉及的设定计算学习装置1中，采用热轧设备作为机械设备3，且将作为最终结果输出值的最终板厚值V作为被轧制的轧板的板厚，举出这时高精度地计算出进行精轧的精轧机的辊子间隙的设定值的设定计算学习装置1作为例子进行了说明，然而机械设备3不限于热轧设备，只要是具有基于所设定的设定值进行动作的一台以上的机器的设备即可。
工业上的实用性
本发明可应用于高精度地确定设定值的控制装置，该设定值是为了使得如对金属进行热轧的热轧装置那样的机械设备进行动作所必须的设定值。

Claims (6)

1.一种设定计算学习装置，其特征在于，包括：
模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用所述第二模型式来计算出的；
微调自适应计算部，该微调自适应计算部通过对最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算部，该设定值计算部基于所述初始目标值、所述第一模型式、以及由所述模型学习计算部进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
2.一种设定计算学习装置，其特征在于，包括：
模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用所述第二模型式来计算出的；
微调自适应计算部，该微调自适应计算部通过对最终结果输出值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述最终结果输出值的初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算部，该设定值计算部基于所述初始目标值、所述第一模型式、以及由所述模型学习计算部进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
3.一种设定计算学习装置，其特征在于，包括：
模型学习计算部，该模型学习计算部基于中途结果输出实际计算值和最终结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对最终结果输出值进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用模型式来计算出的，而所述最终结果输出实际值是由所述控制对象的测量部所测量的；
微调自适应计算部，该微调自适应计算部通过对所述最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算部，该设定值计算部基于所述初始目标值、所述模型式、以及由所述模型学习计算部进行了校正的最终结果输出值，计算出所述设定值，所述设定值用于获取由所述微调自适应计算部所计算出的临时目标值。
4.一种设定计算学习方法，其特征在于，包括：
模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用所述第二模型式计算出的；
微调自适应计算步骤，该微调自适应计算步骤通过对最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述第一模型式、以及由所述模型学习计算步骤进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
5.一种设定计算学习方法，其特征在于，包括：
模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和对应于所述中途结果输出实际计算值的中途结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对第二模型式进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用第一模型式来计算出的，而所述中途结果输出实际值是基于由所述控制对象的测量部所测量的最终结果输出实际值、利用所述第二模型式计算出的；
微调自适应计算步骤，该微调自适应计算步骤通过对最终结果输出值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述最终结果输出值的初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述第一模型式、以及由所述模型学习计算步骤进行了校正的第二模型式，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
6.一种设定计算学习方法，其特征在于，包括：
模型学习计算步骤，该模型学习计算步骤基于中途结果输出实际计算值和最终结果输出实际值之间的偏移量来计算出模型学习校正项，基于该计算出的模型学习校正项对最终结果输出值进行校正，所述中途结果输出实际计算值是基于对应于对控制对象进行设定的设定值的输入变量实际值、利用模型式来计算出的，而所述最终结果输出实际值是由所述控制对象的测量部所测量的；
微调自适应计算步骤，该微调自适应计算步骤通过对所述最终结果输出值的初始目标值和所述最终结果输出实际值之间的偏移量进行平滑处理，来计算出微调校正项，基于所述初始目标值和所述计算出的微调校正项，来计算出临时目标值；以及
设定值计算步骤，该设定值计算步骤基于所述初始目标值、所述模型式、以及由所述模型学习计算步骤进行了校正的最终结果输出值，计算出所述设定值，所述设定值用于获取由所述微调自适应计算步骤所计算出的临时目标值。
CN200980161316.6A 2009-09-03 2009-09-03 设定计算学习装置和设定计算学习方法 Active CN102483612B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2009/065427 WO2011027451A1 (ja) 2009-09-03 2009-09-03 設定計算学習装置及び設定計算学習方法

Publications (2)

Publication Number Publication Date
CN102483612A true CN102483612A (zh) 2012-05-30
CN102483612B CN102483612B (zh) 2014-01-01

Family

ID=43649013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980161316.6A Active CN102483612B (zh) 2009-09-03 2009-09-03 设定计算学习装置和设定计算学习方法

Country Status (4)

Country Link
JP (1) JP5309219B2 (zh)
KR (1) KR101318047B1 (zh)
CN (1) CN102483612B (zh)
WO (1) WO2011027451A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107735735A (zh) * 2015-03-13 2018-02-23 株式会社东芝 设备特性模型学习装置、设备特性模型学习方法及存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0661566B2 (ja) * 1987-11-18 1994-08-17 株式会社日立製作所 圧延機のセットアップ装置
JP2839746B2 (ja) * 1991-06-17 1998-12-16 株式会社神戸製鋼所 プロセスラインにおける学習制御方法
JP3067879B2 (ja) * 1992-01-31 2000-07-24 新日本製鐵株式会社 ストリップ圧延における形状制御方法
CN1105296A (zh) * 1993-10-05 1995-07-19 日立有限公司 辊轧机控制方法及装置
JPH08243614A (ja) * 1995-03-14 1996-09-24 Kawasaki Steel Corp 形状・板厚精度に優れるリバース式圧延方法
JP3300208B2 (ja) * 1995-09-06 2002-07-08 株式会社神戸製鋼所 プロセスラインにおける学習制御方法
JP3253013B2 (ja) * 1997-10-06 2002-02-04 川崎製鉄株式会社 熱間圧延における板クラウン・形状制御方法
JPH11197727A (ja) * 1998-01-13 1999-07-27 Toshiba Corp ワークロールクラウン量演算装置および方法
JP4179709B2 (ja) * 1999-07-15 2008-11-12 東芝三菱電機産業システム株式会社 リバース式圧延機の学習制御装置
JP3942356B2 (ja) * 2000-11-21 2007-07-11 東芝三菱電機産業システム株式会社 リバース式圧延機における板厚制御装置
JP2002301509A (ja) * 2001-04-05 2002-10-15 Toshiba Corp 圧延機の制御装置
JP2003245706A (ja) * 2002-02-26 2003-09-02 Kobe Steel Ltd 複数パス圧延における圧延中の再パススケジューリング方法
JP4119684B2 (ja) * 2002-05-27 2008-07-16 東芝三菱電機産業システム株式会社 圧延機設定計算装置用学習制御装置
JP2004255436A (ja) * 2003-02-27 2004-09-16 Kobe Steel Ltd タンデム式熱間圧延機の板クラウン制御方法
KR101161700B1 (ko) * 2004-07-09 2012-07-03 가부시끼가이샤 히다치 세이사꾸쇼 열간 압연밀의 크라운제어장치 및 그 제어방법
JP4507193B2 (ja) * 2005-03-31 2010-07-21 住友金属工業株式会社 マンドレルミルの圧延制御方法
CN100474313C (zh) * 2005-10-31 2009-04-01 宝山钢铁股份有限公司 一种粗轧带钢的宽度优化设定方法
CN100467153C (zh) * 2006-11-17 2009-03-11 燕山大学 可进行轧辊热膨胀动态补偿的冷轧带钢厚度控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107735735A (zh) * 2015-03-13 2018-02-23 株式会社东芝 设备特性模型学习装置、设备特性模型学习方法及存储介质

Also Published As

Publication number Publication date
CN102483612B (zh) 2014-01-01
JPWO2011027451A1 (ja) 2013-01-31
WO2011027451A1 (ja) 2011-03-10
KR101318047B1 (ko) 2013-10-14
KR20120059531A (ko) 2012-06-08
JP5309219B2 (ja) 2013-10-09

Similar Documents

Publication Publication Date Title
KR101958794B1 (ko) 플랜트 제어 장치, 압연 제어 장치, 플랜트 제어 방법 및 플랜트 제어 프로그램
KR101889668B1 (ko) 압연 시뮬레이션 장치
AT514290B1 (de) Verfahren zum Ausführen einer Vorschub-Dicken-Regelung in einem Tandemkaltwalzwerk
CN101869914A (zh) 一种精轧带钢的厚度控制方法及装置
CN104190720B (zh) 一种自适应自动厚度控制方法及装置
CN106825069B (zh) 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法
CN104324948A (zh) 一种热连轧粗轧过程轧件宽度控制方法
CN106984651A (zh) 一种提高轧件厚度控制精度的在线控制系统
CN106709193A (zh) 基于学习算法的航空发动机薄壁叶片加工误差补偿方法
CN104942019A (zh) 一种带钢冷轧过程宽度自动控制方法
CN103100564A (zh) 一种新型的轧制过程自适应控制方法
CN103760827A (zh) 跃度约束的数控加工进给率的离线规划方法
CN113649420A (zh) 一种平整机轧制力获取方法及装置
CN102483612B (zh) 设定计算学习装置和设定计算学习方法
CN101927271A (zh) 基于在线递推参数估计的轧辊偏心补偿方法及其设备
CN102764771A (zh) 一种基于秒流量的单机架可逆轧机板厚自适应控制方法
CN104899642B (zh) 基于混合神经网络模型的大变形柔性体动态应力补偿方法
CN109675931B (zh) 一种板形调控功效系数自学习方法及系统
CN109807183A (zh) 钢板厚度控制方法及装置
CN201755585U (zh) 基于在线递推参数估计的轧辊偏心补偿设备
KR101140577B1 (ko) 강 재료 또는 비철 재료의 열간 압연 시에 공정 안정성,특히 절대 두께 정밀도와 설비 안전성을 증진시키는 방법
CN103105778B (zh) 一种工业过程仿真数学模型参数的估计方法
CN107983772A (zh) 一种板材冷轧过程中可靠性有限元模型的建立方法
CN106984650B (zh) 轧制铝及铝合金中厚板的厚度控制方法
CN103868635B (zh) 一种电动执行机构的测试系统的加载方法

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