CN1609736A - 控制装置、应用该控制装置的系统及控制方法 - Google Patents

Abstract

本发明针对应用控制规则的控制，因采用预定的控制规则，故难以修正控制规则这一课题和在采用实际的工艺控制结果变更控制规则的情况下产品精度恶化的课题，在应用控制规则进行控制的控制装置中，具有：评价根据控制规则进行控制的控制结果的评价机构；在变更控制规则的同时实施控制，根据评价机构的评价结果调整上述控制规则的控制规则自动调整机构；和在上述控制结果比预定的值恶化时，使控制规则自动调整机构的控制规则的变更停止的自动调整可否判定机构。根据这种构成，在控制实际工艺的同时变更控制规则的情况下，可以使产品精度不恶化到界限值以上，因此，能够在控制中自动修正控制规则，以达到最佳效果。

Description

控制装置、应用该控制装置的系统及控制方法

技术领域

本发明涉及应用控制规则进行控制的控制装置、控制方法及系统。

背景技术

在轧钢机控制中，一直以来在控制板的波浪起伏状态的形状控制中，适用模糊控制或利用了神经网络的模糊控制。模糊控制适用于利用了冷却剂(coolant)的形状控制；而利用了神经网络的模糊控制，则适用于森吉米尔式轧钢机的形状控制。应用利用了神经网络的模糊控制的形状控制如特许2804161号公报(专利文献1)所示，铜鼓求取由形状检测器所检测出的实际形状图案与目标形状图案之差，和预先设定的基准形状图案之间的类似比例，根据对预先设定的基准形状图案的控制操作端操作量所表现出的控制规则，由该类似比例求出对操作端的控制输出量而进行。以下作为现有技术采用的是森吉米尔式轧钢机的形状控制，该控制采用了利用神经网络的模糊控制。

在特许2804161号公报(专利文献1)的图1中，在所谓的森吉米尔式轧钢机的形状控制中，采用了利用神经网络的模糊控制。由图案识别机构根据形状检测器检测出的实际形状，进行形状的图案识别，运算实际形状最接近于哪个预先设定的基准形状图案。在控制运算机构中，采用以预先设定形状图案相对的控制操作端操作量构成的控制规则来实施控制。

特开平10-254707号公报(专利文献2)和特开2000-339168号公报(专利文献3)均对模糊规则的调整进行了记载，利用工艺模拟机构、数学函数模型和控制对象模型，对其输入控制输出，用产生的输出来进行控制规则的调整。

在专利文献1中，控制规则是技术人员以森吉米尔式轧钢机的机械特性、操作者的操作方法等为基础决定的。因此，形成常规的控制规则。

但若因操作条件的变化等，出现控制规则与实际不符的情况，则由于控制规则固定，故难以实现某种程度以上的控制精度。而且，一旦形状控制动作，操作者就不能手动操作(对于控制来说成为外部干扰)，故难以通过操作者的手动介入来发现新的控制规则。另外，在轧制新规格的轧制材料时也难以设定适合该材料的控制规则。

如上所述，在现有的形状控制中，由于应用预先设定的控制规则进行控制，故存在难以修正控制规则的问题。

在专利文献2和3中记载的控制规则的调整是以应用控制对象的模型为前提，在森吉米尔式轧钢机中，因为难以制造控制对象的模型，没有控制对象模型，故不能适用于森吉米尔式轧钢机。总之，在实际工艺中，在变更控制规则时产品精度恶化成为课题。

发明内容

为了解决上述问题，提供一种应用控制规则、进行机械设备控制的控制装置，其具有：评价根据控制规则进行了控制的控制结果的评价机构；变更控制规则的同时实施控制，根据评价机构的评价结果来调整控制规则的控制规则自动调整机构；和当控制结果比预定的值恶化时，停止控制规则自动调整机构的控制规则变更的自动调整可否判定机构。

或者，按控制规则实行控制，随机应用与控制中所用的控制规则不同的控制规则，评价根据上述不同的控制规则进行控制后的控制结果，根据评价结果来调整上述控制规则。

通过采用本发明，在实际工艺中，可以和变更控制规则时产品精度恶化的情况对应。而且，在控制中能够自动修正控制规则，以达到最佳效果。

附图说明

图1是表示控制实际设备的控制装置的示例。

图2是遗传的算法概要。

图3是形状控制规则的提取。

图4是控制规则的示例。

图5是森吉米尔式轧钢机的形状控制。

图6是由相对于预定的形状图案的控制操作端操作量构成的控制规则。

图7是自动调整可否判定机构的说明图。

图8是其他实施例(串联轧钢机的边缘损耗控制)。

图中：21-控制装置，22-规则基准控制机构，23-控制规则自动调整机构，24-评价机构，25-自动调整可否判定机构，26-控制对象设备。

具体实施方式

以下利用附图说明本申请的发明。

(实施例1)

利用附图说明本发明的实施例。

首先，说明成为控制对象的轧钢机的概况。轧钢机作为机械设备的一种而使用。在图5中，由多个辊构成的轧钢机1通过齿轮2，由电动机3驱动来轧制被轧制材料4。被轧制材料4由左张紧辊5或右张紧辊6中的任何一方的辊供给，由另一方的辊卷取。这些左右张紧辊5、6分别连接齿轮7、8、电动机9、10，通过分别控制电动机3、9、10的速度，来控制施加到轧钢机1的入侧和出侧的被轧制材料4的张力。被轧制材料4由厚度计11、形状检测器12测量厚度和形状，并将其测量值输入到控制机构14。控制机构14由：处理形状检测器12的输出，以作为形状数据输出的形状检测机构15；处理形状数据，输出与预先存储的图案(基准形状图案)的一致度(类似比例)的图案识别机构16；以及用于将操作者的不明确操作反映为控制的控制运算机构17构成。控制机构14产生对应于轧钢机1的执行元件13的操作指令。控制对象由图6所示的规则控制。

图1是针对上述轧钢机，在自动调整控制规则的同时进行控制的控制装置的示例。

控制装置21具有：进行采用了控制规则(例如图6所示的控制规则)的控制的规则基准控制机构22、控制规则自动调整机构23、评价机构24和自动调整可否判定机构25。规则基准控制机构22控制控制对象设备26(例如图5所示的轧钢机)。控制规则自动调整机构23生成新的控制规则，变更规则控制机构的控制规则。评价机构24评价作为控制结果的来自控制对象设备26的实际值，并向控制规则自动调整机构23发送用于生成控制规则的评价结果。自动调整可否判定机构25根据实际值判断可否变更控制规则，在一定条件下为了停止控制规则的变更，停止控制规则自动调整机构23。由此，在轧制过程中一边实施形状控制，一边发现新的控制规则。

新的控制规则不是可以预先设想的，有时也有完全没有预测到的控制规则是最佳的情况，因此，随机地使控制操作端动作，应一面观察与其对应的控制结果一面查找。为了实现此目的，可以一面进行形状控制一面随机改变控制规则，以学习形状变好的规则。因此，引入遗传算法进行控制规则的学习。

遗传算法如图2所示，是使生命体适应于新环境的情况下的遗传子的制作方法的模型。对于生命体，让遗传子随机产生突然变异，如果该遗传子不适应环境就被自然淘汰，如果适应环境，则通过繁殖遗传子来进行环境适应。

图3示出了将遗传算法的思维方法用于形状控制规则的提取的方法。使形状控制规则产生作为新的操作方法的突然变异，如果根据该控制规则进行控制的结果比现状规则好，则采用该控制规则，如果差则不采用，由此可提取新的控制规则。

在图4中示出了控制规则的示例，但在目前的森吉米尔式轧钢机形状控制中，具有对于图4(a)的某种基准形状图案驱动哪一个操作端的IF～THEN～形式的推论规则。关于推论规则的前件部，是基准形状图案，使其学习、存储到神经网络，用神经网络求解与实际形状的适合度。在基准形状图案发生时定义进行怎样的控制操作是推论规则的后件部。也就是说，控制规则的前件部表示成为控制对象设备的状态，后件部表示对应该状态的控制对象的操作方法。以往，在后件部只定义一个控制操作。

在此，将推论规则进行如图4(b)所示的改良。即，使推论规则后半部的控制操作具有多个(操作法1～操作法n的n个)。控制时随机选择所设定的多个操作法1～操作法n来决定操作方法。从操作法1到操作法n，设定相同操作法时，与将原来的操作法只设定1个的情况相同。

用于控制的控制规则的自动学习时，如图4(c)所示，使控制规则的操作法之一产生突然变异(随机选择了操作法的推论规则)，由该控制规则进行控制。作为该突然变异的控制规则的控制结果，如果形状变好就保留突然变异的控制规则，在形状差时就删除，并返回原来预定的控制规则。突然变异不是每次都产生，而是每隔某时间间隔产生。在没有产生突然变异的控制定时内，从操作法1～n中随机选择推论规则实施控制。此时，作为控制操作结果，如果形状变好就增加1个该推论规则的操作法，如形状差就删除该推论规则的操作法，并返回预定的操作法。通过反复实施该操作，可获得比预定的操作法形状还好的操作法。由此，具有提高控制精度、缩短控制装置的调试期间、能进行时效对应的效果。在删除操作法时，可删除一个或多个。

在实际轧制中，即使一面进行形状控制一面实施该推论规则的学习，也基本上由于采用形状变好的推论规则，作为突然变异限于有可能形状恶化的操作，故可将形状的恶化做到最小限度。

这样，在随机修正控制规则时，有可能连续出现恶化的规则。这种情况下，由于形状越发恶化，故需要制动器。

由图7说明具有该制动器功能的自动调整可否判定机构。采用控制规则制动调整机构变更过的控制规则的结果，若形状恶化就删除该规则。但是，因随机变更控制规则，故即使删除恶化的规则，有时也会重新生成相同的恶化规则。此时，由于不断向形状恶化的方向移动，故需要制动器。在此，如果比预定的可否判定标准恶化，则通过自动调整可否判定机构停止随机变更规则的控制规则自动调整机构。由此，可防止实际设备的状态超过允许标准而恶化。为此，在将实际设备的状态保持在允许标准内的同时，能够执行用于提高控制精度的控制规则的学习。

(实施例2)

上述实施例是反馈控制，通过随机选择、变更控制规则，而进行控制规则的自动调整。如以下的实施例所示，也能够应用生产规则(productionrule)，按照具有进行前馈控制的控制装置的控制规则的基准，进行选择、变更。

在排列几台轧钢机且能连续轧制的串联轧钢机中，进行控制被轧制材料的板端部的板厚分布的边缘损耗控制。在特许1609506中记述：“一种轧钢机的操作辊移位位置控制，其特征在于，从轧钢机的至少第1台入侧的被轧制材料的宽度方向的板厚分布、上、下操作辊的辊缝分布以及向该辊缝分布的被轧制材料的复制率，推定该轧钢机出侧或产品板的板厚分布，对照该推定值和目标板厚分布，在两者之差最小的位置进行该台的操作辊移位”。在本实施例中，考虑利用检测机构检测出这种入侧的被轧制材料的宽度方向的板厚分布，根据控制规则来变更操作辊的移位位置的前馈控制。

在图8中示出了适用于4台的串联轧钢机的示例。应用入侧边缘损耗计的检测结果，在边缘损耗控制装置中，用图8下面的控制规则(生产规则)，移位#1台、#2台的操作辊。在控制规则自动调整机构中，具有多组作为控制规则中的操作方法的#1台及#2台的操作辊移位方向及量(操作量)不同的控制规则，选择1种操作方法而用作控制规则。此时，基本上在边缘损耗变化变小动作的情况下，需要将#1台及#2台都向外侧移位，因此在进行操作量选择时，操作辊的移位方向针对外侧进行加权选择。另外，在重新形成控制规则的操作方法时，也同样优先形成向外侧移位的规则。由此，使边缘损耗的精度恶化的危险达到最小，能够进行控制规则的自动调整。这样，作为选择或变更时的基准，除随机选择或变更外，也可预定为利用对应于条件部的加权进行选择、变更。

这样，即使使边缘损耗的精度恶化的危险最小，进行控制规则的自动调整，也有可能连续出现恶化的规则。此时，形状越发恶化，故通过具有作为其制动器的自动调整可否判定机构，从而可以防止实际设备的状态超过允许标准并恶化。因此，在将实际设备的状态保持在允许标准内的同时，能够执行用于提高控制精度的控制规则的学习。

在实施例1和2中，示出了具有一个前件部和多个后件部的控制规则的示例，但即使是前件部相同、后件部不同的多个控制规则也可以实施。

Claims (9)

1、一种控制装置，其中应用控制规则进行控制，其特征在于，具有：

用上述控制规则实施控制的控制机构；

评价根据上述控制规则进行控制的控制结果的评价机构；

根据上述评价机构的评价结果，调整上述控制规则的控制规则自动调整机构；和

在上述控制结果比预定的值恶化时，使上述控制规则自动调整机构的控制规则的调整停止的自动调整可否判定机构。

2、根据权利要求1所述的控制装置，其特征在于，

上述控制规则的调整是在控制中实施的。

3、根据权利要求1所述的控制装置，其特征在于，

将成为控制对象的设备的状态和对应于该状态的控制对象的操作方法的组合作为控制规则。

4、根据权利要求1所述的控制装置，其特征在于，

作为上述控制规则，具有成为控制对象的设备状态和对应于该状态的控制对象的多个操作方法，上述控制规则自动调整机构按照从上述多个操作方法中预定的基准，来选择操作方法。

5、根据权利要求1所述的控制装置，其特征在于，

作为上述控制规则，具有成为控制对象的设备状态和对应于该状态的控制对象的操作方法，上述控制规则自动调整机构按照预定的基准来变更上述操作方法。

6、一种控制装置，其中应用控制规则进行控制，其特征在于，具有：

用上述控制规则实施控制的控制机构；

随机应用与用于控制的控制规则不同的控制规则的机构；

评价根据上述不同的控制规则进行控制的控制结果的评价机构；和

根据上述评价机构的评价结果，调整上述控制规则的控制规则自动调整机构。

7、一种系统，其中应用控制规则来控制成为对象的装置，其特征在于，上述控制装置具有：

实施上述控制规则的控制机构；

评价根据上述控制规则控制上述设备的控制结果的评价机构；

根据上述评价机构的评价结果来调整上述控制规则的控制规则自动调整机构；和

在上述控制结果比预定的值恶化时，使上述控制规则自动调整机构的控制规则的调整停止的自动调整可否判定机构。

8、一种控制方法，其中应用控制规则来控制成为对象的装置，其特征在于，

在变更上述控制规则的同时实施控制，评价上述控制的控制结果，根据上述评价过的评价结果调整上述控制规则，当上述控制结果比预定的值恶化时使上述控制规则的调整停止。

9、一种控制方法，其特征在于，用控制规则实施控制，随机应用与用于控制的控制规则不同的控制规则，评价根据上述不同的控制规则进行了控制的控制结果，根据评价结果来调整上述控制规则。

Images