DE102018212140A1

DE102018212140A1 - Anlagensteuervorrichtung und Steuerverfahren dafür, Walzwerksteuervorrichtung und Steuerverfahren und Programm dafür

Info

Publication number: DE102018212140A1
Application number: DE102018212140.0A
Authority: DE
Inventors: Satoshi Hattori; Keiki Takata; Yuki Tauchi
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2017-08-01
Filing date: 2018-07-20
Publication date: 2019-02-07
Also published as: CN109317522A; JP6899273B2; CN109317522B; JP2019028824A

Abstract

Ein optimales Operationsverfahren für tatsächliche Daten wird gelernt, ohne einen Zustand einer zu steuernden Anlage zu verschlechtern. Die vorliegende Erfindung ist durch eine Anlagensteuervorrichtung gekennzeichnet, die eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, die umfasst: eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten und der Steueroperation ausführt, wobei die Steuerausführungsvorrichtung umfasst: eine Steuerregelausführungseinheit, die eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage und der Steueroperation gibt; eine Steuerausgabebestimmungseinheit, die bestimmt, ob die durch die Steuerregelausführungseinheit ausgegebene Steuerausgabe zugelassen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und eine Steuerausgabeverhinderungseinheit, die verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird.

Description

HINTERGRUND
Die vorliegende Erfindung bezieht sich auf eine Anlagensteuervorrichtung und ein Steuerverfahren für die Anlagensteuervorrichtung sowie auf eine Walzmaschinensteuervorrichtung und ein Steuerverfahren und ein Programm für die Walzwerksteuervorrichtung in Echtzeitrückkopplungssteuerung, die unter Verwendung einer Technik künstlicher Intelligenz wie z. B. eines neuronalen Netzes durchgeführt wird.
[Stand der Technik]
Bis jetzt wird in verschiedenen Anlagen eine Anlagensteuerung auf der Basis von verschiedenen Steuertheorien ausgeführt, um ein gewünschtes Steuerergebnis durch die Steuerung der Anlagen zu erhalten.
Als ein Beispiel der Anlagen wurden beispielsweise in einer Walzwerksteuerung eine Unschärfesteuerung und eine Neurounschärfesteuerung als Steuerstrategie angewendet, die auf eine Formsteuerung abgezielt ist, die einen welligen Zustand einer Platte als Beispiel der Steuerung steuert. Die Unschärfesteuerung wird auf eine Formsteuerung unter Verwendung eines Kühlmittels angewendet und die Neurounschärfesteuerung wird auf eine Formsteuerung für ein Sendzimir-Walzwerk angewendet. Unter diesen Steuerungen, wie im japanischen Patent Nr. 2804161 offenbart, wird die Formsteuerung, die die Neurounschärfesteuerung verwendet, durch Erhalten eines Ähnlichkeitsverhältnisses einer Differenz zwischen einem tatsächlichen Formmuster, das durch einen Formdetektor detektiert wird, und einem Zielformmuster zu einem vorgegebenen Referenzformmuster und Erhalten eines Steuerausgabebetrags für ein Operationsende gemäß dem Ähnlichkeitsverhältnis unter einer Steuerregel, die durch einen Steueroperationsendoperationsbetrag für ein vorgegebenes Referenzformmuster ausgedrückt wird, durchgeführt. Nachstehend wird als herkömmliche Technik die Formsteuerung für das Sendzimir-Walzwerk unter Verwendung der Neurounschärfesteuerung verwendet.
5 zeigt eine Formsteuerung des Sendzimir-Walzwerks, die in 1 des japanischen Patents Nr. 2804161 offenbart ist. Bei der Formsteuerung des Sendzimir-Walzwerks wird die Neurounschärfesteuerung verwendet. In diesem Beispiel führt ein Mustererkennungsmechanismus 51 eine Mustererkennung einer Form gemäß einer tatsächlichen Form durch, die durch einen Formdetektor 52 detektiert wird, und berechnet, welches der vorgegebenen Referenzformmuster am nächsten zur tatsächlichen Form liegt. Ein Steuerberechnungsmechanismus 53 führt eine Steuerung unter einer Steuerregel unter Verwendung von Steueroperationsendoperationsbeträgen für vorgegebene Formmuster aus, wie in 6 gezeigt. Insbesondere berechnet mit Bezug auf 6 der Mustererkennungsmechanismus 51, welches von Formmustern (ε) von 1 bis 8 am nächsten zu einer Differenz (Δε) zwischen den tatsächlichen Formleistungen, die durch den Formdetektor 52 detektiert werden, und einer Zielform (εref) liegt, und der Steuerberechnungsmechanismus 53 wählt und führt eines der Steuerverfahren 1 bis 8 aus.
Gemäß dem Verfahren des japanischen Patents Nr. 2804161 gibt es jedoch Fälle, in denen eine Bedienperson eine manuelle Operation während des Walzens für die Überprüfung der Steuerregel durchführen muss, und die Überprüfung der Steuerregel oder dergleichen wird durchgeführt, aber in einigen Fällen kann eine Formänderung im Gegensatz zur Erwartung gezeigt werden. Mit anderen Worten, die wie vorstehend beschrieben bestimmte Steuerregel entspricht nicht immer der Realität. Dies liegt an einer fehlenden Betrachtung von mechanischen Eigenschaften und Änderungen in einer Operationsbedingung und einem mechanischen Zustand des Walzwerks, aber es ist schwierig einzeln zu überprüfen, ob die vorgegebene Steuerregel die beste Regel ist oder nicht, da eine große Anzahl von zu betrachtenden Bedingungen besteht. Aus diesem Grund, wird, sobald die Steuerregel festgelegt ist, die Steuerregel häufig als solche belassen, wenn kein Problem besteht.
Wenn die Steuerregel aufgrund der Änderung der Operationsbedingung oder dergleichen nicht auf der Realität basiert, wird es, da die Steuerregel fest ist, schwierig, eine Steuergenauigkeit mit einem bestimmten Niveau oder höher zu erreichen. Sobald die Formsteuerung aktiviert ist, führt auch die Bedienperson die manuelle Operation nicht durch (dies verursacht eine Störung für die Steuerung). Daher ist es schwierig, eine neue Steuerregel durch den manuellen Eingriff einer Bedienperson zu finden. Selbst wenn ein neues gewalztes Standardmaterial gewalzt wird, ist es ferner schwierig, die Steuerregel gemäß dem Material festzulegen.
Wie vorstehend beschrieben, besteht bei der herkömmlichen Formsteuerung ein Problem, dass es schwierig ist, die Steuerregel zu korrigieren, da die Steuerung unter Verwendung der im Voraus festgelegten Steuerregel durchgeführt wird.
ZUSAMMENFASSUNG
Um das vorstehend beschriebene Problem zu lösen, wird eine Regel, dass die Steuerregel zufällig geändert wird, um die Form zu verbessern, während die Formsteuerung durchgeführt wird, wie im japanischen Patent Nr. 4003733 offenbart, gelernt, um dadurch die folgenden Angelegenheiten zu verwirklichen.

1) Eine neue Steuerregel wird entdeckt, während die Formsteuerung während des Walzens durchgeführt wird.
2) Da die neue Steuerregel nicht im Voraus vorhersagbar ist und die Steuerregel, die überhaupt nicht vorhergesagt werden könnte, optimiert werden kann, wird das Steueroperationsende zufällig betrieben, die neue Steuerregel wird herausgefunden, während ein Steuerergebnis der Operation betrachtet wird.

Auf dem vorstehend beschriebenen herkömmlichen Fachgebiet wird eine repräsentative Form als Referenzformmuster im Voraus festgelegt und die Steuerung wird auf der Basis der Steuerregel durchgeführt, die eine Beziehung zwischen dem Referenzwellenformmuster und dem Steueroperationsendoperationsbetrag angibt. Das Steuerregellernen steht auch mit dem Steueroperationsendoperationsbetrag für ein Referenzwellenformmuster in Beziehung und das vorbestimmte repräsentative Referenzformmuster wird als solches verwendet. Aus diesem Grund besteht ein Problem, dass die Formsteuerung nur auf ein spezielles Formmuster reagiert.
Das Referenzformmuster wird auf der Basis der Kenntnis über das Walzwerk, das für einen Menschen abgezielt ist, im Voraus und die Erfahrung, in der eine tatsächliche Formleistung und eine manuelle Eingriffsoperation akkumuliert sind, bestimmt, aber es ist schwierig, alle Formen abzudecken, die im Zielwalzwerk und im gewalzten Material erzeugt werden. Aus diesem Grund wird, wenn eine vom Referenzformmuster verschiedene Form auftritt, die Steuerung durch die Formsteuerung nicht ausgeführt, die Formabweichung bleibt, ohne dass sie verringert wird, oder die Form wird fälschlich als ähnliches Referenzformmuster erkannt, eine fehlerhafte Steueroperation wird durchgeführt und im Gegenteil kann die Form verschlechtert werden.
Aus diesem Grund besteht bei der herkömmlichen Formsteuerung ein Problem, dass eine Verbesserung der Steuergenauigkeit begrenzt ist, da die Steuerregel unter Verwendung des vorgegebenen Referenzformmusters und der Steuerregel für das Referenzformmuster, um die Steuerung auszuführen, gelernt wird.
Um das obige Problem zu lösen, wird beispielsweise angenommen, eine Anlagensteuervorrichtung zu schaffen, die eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, die umfasst: eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten und der Steueroperation ausführt, wobei
die Steuerausführungsvorrichtung umfasst: eine Steuerregelausführungseinheit, die eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation gibt; eine Steuerausgabenbestimmungseinheit, die bestimmt, ob die durch die Steuerregelausführungseinheit ausgegebene Steuerausgabe erlaubt ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und eine Steuerausgabeverhinderungseinheit, die verhindert, dass die Steuerausgabe an die zu steuernde Anlage gegeben wird, wenn bestimmt wird, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern, wenn die Steuerausgabebestimmungseinheit die Steuerausgabe an die zu steuernde Anlage ausgibt,
die Steuerverfahrenslernvorrichtung umfasst: eine Steuerergebnisannehmbarkeitsbestimmungseinheit, die die Annehmbarkeit eines Steuerergebnisses hinsichtlich dessen, ob die tatsächlichen Daten verbessert oder gemindert werden im Vergleich zu tatsächlichen Daten vor der Steuerung, nach einer Zeitverzögerung bestimmt, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung tatsächlich die Steuerausgabe an die zu steuernde Anlage ausgibt; eine Lerndatenerzeugungseinheit, die Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses in der Steuerergebnisannehmbarkeitsbestimmungseinheit und die Steuerausgabe erhält; und eine Steuerregellerneinheit, die mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt, und die Steuerverfahrenslernvorrichtung lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, und verwendet die erhaltenen Kombinationen dertatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation in der Steuerregelausführungseinheit.
In diesem Beispiel lernt die Steuerregellerneinheit unter Verwendung der Lerndaten mit mehreren Teilen von tatsächlichen Daten und den Lehrerdaten. Da jedoch die Steuerregellerneinheit mit Einschluss der vergangenen Lerndaten als Lerndaten lernt, tritt, wenn die Lerndaten, die verursachen, dass das Steuerergebnis schlecht ist, belassen werden, ein Konflikt auf und das Lernen wird unzureichend.
Da das Lernen der Steuerregel ausgeführt wird, nachdem die Lerndaten in einem gewissen Umfang akkumuliert sind, oder während des Stopps der Operation oder dergleichen ausgeführt wird, besteht außerdem eine Möglichkeit, dass die fehlerhafte Steuerausgabe bis dann erneut ausgegeben wird. Aus diesem Grund besteht ein Problem, dass es Zeit dauert, um die Steuerregel zu korrigieren und die Steuerregel zu optimieren.
Daher zielt die vorliegende Erfindung darauf ab, eine Anlagensteuervorrichtung, ein Steuerverfahren für die Anlagensteuervorrichtung, eine Walzwerksteuervorrichtung und ein Steuerverfahren und ein Programm für die Walzwerksteuervorrichtung zu schaffen, die in der Lage sind, automatisch eine Steuerregel eines Steuermusters und ein Operationsverfahren, das für die Formsteuerung und dergleichen während der Steuerung verwendet wird, zu korrigieren und die Steuerregel in kürzester Zeit zu optimieren.
Gemäß der vorliegenden Erfindung wird eine Anlagensteuervorrichtung geschaffen, die eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, die umfasst:

eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten und der Steueroperation ausführt,
wobei die Steuerausführungsvorrichtung umfasst: eine Steuerregelausführungseinheit, die eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage und die Steueroperation gibt; eine Steuerausgabebestimmungseinheit, die bestimmt, ob die durch die Steuerregelausführungseinheit ausgegebene Steuerausgabe zugelasen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und eine Steuerausgabeverhinderungseinheit, die verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, wenn bestimmt wird, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern,
die Steuerverfahrenslernvorrichtung umfasst: eine Steuerergebnisannehmbarkeitsbestimmungseinheit, die bestimmt, ob ein Steuerergebnis der tatsächlichen Daten im Vergleich zu tatsächlichen Daten vor der Steuerung zugelassen ist oder nicht, nach einer Zeitverzögerung, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung das Steuerergebnis an die zu steuernde Anlage ausgibt; eine Lerndatenerzeugungseinheit, die Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses in der Steuerergebnisannehmbarkeitsbestimmungseinheit und die Steuerausgabe erhält; eine Steuerregelnichtbeachtungseinheit, die Lerndaten, die zu einer Kombination der tatsächlichen Daten vor dem Korrigieren der erzeugten Lerndaten mit der Steueroperation ähnlich sind, löscht; und eine Steuerregellerneinheit, die mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt, und
die Steuerverfahrenslernvorrichtung lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, verwendet die erhaltenen Kombinationen der tatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation in der Steuerregelausführungseinheit und führt die Steuerung unter Verwendung der korrigierten Lerndaten durch, wenn der Zustand der zu steuernden Anlage zur Kombination der tatsächlichen Daten vor der Korrektur mit der Steueroperation ähnlich ist.

Gemäß der vorliegenden Erfindung können das Steuermuster des Formmusters und das Operationsverfahren, das bei der Formsteuerung während der Steuerung verwendet wird, automatisch in kürzester Zeit korrigiert und optimiert werden.
Figurenliste

1 ist ein Diagramm, das einen Umriss einer Anlagensteuervorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
2 ist ein Diagramm, das ein spezielles Konfigurationsbeispiel einer Steuerregelausführungseinheit 10 gemäß der Ausführungsform der vorliegenden Erfindung zeigt;
3 ist ein Diagramm, das ein spezielles Konfigurationsbeispiel einer Steuerregellerneinheit 11 gemäß der Ausführungsform der vorliegenden Erfindung zeigt;
4 ist ein Diagramm, das eine Konfiguration eines neuronalen Netzes zeigt, wenn die vorliegende Erfindungfür eine Formsteuerung eines Sendzimir-Walzwerks verwendet wird;
5 ist ein Diagramm, das eine Formsteuerung eines Sendzimir-Walzwerks zeigt, die in 1 von Patentreferenz 1 offenbart ist;
6 ist ein Diagramm, das eine Steuerregel bei der Formsteuerung des Sendzimir-Walzwerks zeigt, die in 1 von Patentreferenz 1 offenbart ist;
7 ist ein Diagramm, das einen Umriss einer Eingangsdatenerzeugungseinheit 2 zeigt;
8 ist ein Diagramm, das einen Umriss einer Steuerausgabenberechnungseinheit 3 zeigt;
9 ist ein Diagramm, das einen Umriss einer Steuerausgabebestimmungseinheit 5 zeigt;
10 ist ein Diagramm, das eine Formabweichung und ein Steuerverfahren zeigt;
11 ist ein Diagramm, das einen Umriss einer Steuerannehmbarkeitsbestimmungseinheit 6 zeigt;
12 ist ein Diagramm, das eine Beziehung zwischen Daten und Symbolen von verschiedenen Teilen in der Steuerausgabeberechnungseinheit 3 in einer geordneten Weise zeigt;
13 ist ein Diagramm, das Verarbeitungsstufen und Verarbeitungsinhalte in einer Lerndatenerzeugungseinheit 7 zeigt;
14 ist ein Diagramm, das ein Beispiel von Daten zeigt, die in einer Lerndatenbank DB2 gespeichert sind;
15 ist ein Diagramm, das ein Beispiel einer Managementtabelle TB des neuronalen Netzes zeigt;
16 ist ein Diagramm, das ein Beispiel einer Lerndatenbank DB2 zeigt, die die Verarbeitung einer Steuerregelnichtbeachtungseinheit 200 widerspiegelt; und
17 ist ein Diagramm, das gespeicherte Inhalte einer Nichtbeachtungsregeldatenbank DB5 zeigt.

AUSFÜHRLICHE BESCHREIBUNG
Nachstehend werden Ausführungsformen der vorliegenden Erfindung mit Bezug auf die Zeichnungen im Einzelnen beschrieben. Vor der Beschreibung der Ausführungsformen werden die Kenntnis der vorliegenden Erfindung und ein Prozess, der zur vorliegenden Erfindung führt, durch Heranziehen einer Formsteuerung eines Walzwerks als Beispiel beschrieben.
Um das obige Problem in der vorliegenden Erfindung zu lösen, sind zuerst die folgenden Angelegenheiten erforderlich.

1) Eine Kombination eines Formmusters und einer Steueroperation wird gelernt und die Steueroperation wird unter Verwendung der gelernten Kombination anstelle einer Konfiguration ausgeführt, in der ein Referenzformmuster und eine Steueroperation für das Referenzformmuster separat festgelegt werden, um ein Steueroperationsverfahren zu lernen.
2) Da eine neue Steuerregel nicht im Voraus vorhersagbar ist und eine Steuerregel, die überhaupt nicht vorhergesagt werden kann, optimal sein kann, wird ein Steueroperationsende zufällig betrieben und die optimale Steuerregel wird gefunden, während das Steuerergebnis der Operation des Steueroperationsendes betrachtet wird.

Um die obige Konfiguration zu verwirklichen, besteht ein Bedarf, die Kombination des Formmusters, das für die Formsteuerung verwendet wird, und der Steueroperation zu ändern, um die Steueroperation zu ändern, um das Steuerergebnis zu verbessern. Dazu besteht ein Bedarf, ein neuronales Netz zu konfigurieren, das in der Lage ist, die Kombination des Formmusters und der Steueroperation zu lernen, und eine Ausgabe der Steueroperation des neuronalen Netzes für das durch das Walzwerk erzeugte Formmuster gemäß der Annehmbarkeit des Steuerergebnisses zu ändern.
Wenn die obige Steuerung ausgeführt wird, während die Formsteuerung an dem Walzwerk während der Operation ausgeführt wird, kann eine fehlerhafte Steuerausgabe ausgegeben werden, was zu einer Verschlechterung der Form und zum Auftreten einer Operationsanomalität wie z. B. eines Plattenbruchs führt. Wenn der Plattenbruch auftritt, dauert es Zeit, eine im Walzwerk verwendete Walze auszutauschen, und ein gewalztes Material wird während des Walzens verschwendet. Folglich ist die Beschädigung groß. Aus diesem Grund besteht ein Bedarf, die Ausgabe der fehlerhaften Steuerausgabe an das Walzwerk so weit wie möglich zu vermeiden.
Daher wird in der vorliegenden Erfindung die Annehmbarkeit der Steueroperation, die durch das neuronale Netz ausgegeben wird, unter Verwendung beispielsweise eines einfachen Modells des Walzwerks überprüft und die Ausgabe, die scheinbar in der Form verschlechtert ist, wird nicht an das Steueroperationsende des Walzwerks ausgegeben, um zu verhindern, dass die Form verschlechtert wird. Zu dieser Zeit wird im neuronalen Netz das Lernen unter der Annahme durchgeführt, dass die Steueroperation für dieses Formmuster fehlerhaft ist.
Da eine Möglichkeit besteht, dass das Verfahren des Überprüfens der Annehmbarkeit der Steueroperation an sich fehlerhaft ist, wird sogar die aus dem neuronalen Netz ausgegebene Steueroperation, von der bestimmt wird, dass sie mit einer bestimmten Wahrscheinlichkeit fehlerhaft ist, an das Steueroperationsende des Walzwerks ausgegeben, wodurch die unerwartete Kombination des Formmusters und der Steueroperation gelernt werden kann.
Um zu bewirken, dass das neuronale Netz die Steuerregel lernt, ist eine große Anzahl von Teilen von Lerndaten, die die Kombinationen der tatsächlichen Formleistung und des Steuerverfahrens für die tatsächliche Formleistung sind, erforderlich. Die große Anzahl von Teilen von Lerndaten, die für das Lernen eines bestimmten neuronalen Netzes verwendet werden, wird in der vorliegenden Patentbeschreibung als Lerndatengruppe ausgedrückt. Die Steuerregel als Lernergebnis variiert in Abhängigkeit davon, welche Lerndatengruppe verwendet wird. Gemäß dem obigen Verfahren wird, wenn das Steuerverfahren für das Formmuster geändert wird, ein Verfahren verwendet, in dem neue Lerndaten erzeugt und zur existierenden Lerndatengruppe hinzugefügt werden. Die Lerndaten in der Lerndatengruppe nehmen nur zu, und eine Zeit, die für das Lernen des neuronalen Netzes erforderlich ist, nimmt auch zu. Aus diesem Grund ist es denkbar, die Lerndaten auf der Basis einer Periode zu löschen oder die Lerndaten zufällig zu löschen, aber es gibt Fälle, in denen die Steuerregel des Lernergebnisses in einigen Fällen erneuert wird. Aus diesem Grund ist es ideal, neue Lerndaten hinzuzufügen, während die Lerndaten in der existierenden Lerndatengruppe belassen werden.
Wenn die neuen Lerndaten erzeugt werden, sollten Lerndaten, die die Kombination der tatsächlichen Formleistung, die als kein Steuereffekt bestimmt wird, und des Steuerverfahrens für die tatsächliche Formleistung sind, in der Lerndatengruppe vorhanden sein. Selbst wenn die neuen Lerndaten zur Lerndatengruppe hinzugefügt werden, während die obigen Lerndaten belassen werden, tritt ein Konflikt resultierend zwischen diesen Teilen von Lerndaten auf und die Steuerregel als Lernergebnis ist nicht beabsichtigt (die Steuerregel äquivalent zu den neuen Lerndaten).
Wenn die Lerndaten zunehmen, nimmt auch eine Zeit, die zum Lernen erforderlich ist, dementsprechend zu. Da die Anlagensteuervorrichtung das Lernen gemäß einem vorbestimmten Zeitplan durchführt, ist es ideal, dass die Lernzeit fast konstant gehalten wird.
Daher wird in der vorliegenden Erfindung zur gleichen Zeit, wenn die neuen Lerndaten hinzugefügt werden, die Lerndaten, die als keinen Steuereffekt aufweisend bestimmt werden, aus der Lerndatengruppe gelöscht. Folglich wird eine Vermehrung der Lerndaten eingeschränkt und das Lernen kann unter Verwendung eines bestimmten Bereichs von Lerndaten durchgeführt werden.
Die Steuerregel des neuronalen Netzes ändert sich auch nicht, bis das Lernen unter Verwendung der neuen Lerndatengruppe durchgeführt wird. Aus diesem Grund gibt es Fälle, in denen die Steuerung erneut unter Verwendung der Steuerregel ausgeführt wird, von der bestimmt wird, dass sie keinen Steuereffekt aufweist. Da es Zeit dauert, das neuronale Netz zu lehren, wird die Steuerung nicht unter Verwendung der Steuerregel durchgeführt, von der bestimmt wird, dass sie keinen Steuereffekt aufweist, bis das Lernergebnis unter Verwendung der neuen Lerndatengruppe erhalten wird, und das Steuerverfahren auf der Basis der korrigierten Lerndaten wird verwendet, wodurch der Steuereffekt verbessert werden kann.
[Erste Ausführungsform]
1 zeigt einen Umriss einer Anlagensteuervorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung. Die Anlagensteuervorrichtung von 1 umfasst eine Steuerzielanlage 1, eine Steuerausführungsvorrichtung 20, die tatsächliche Daten Si von der Steuerzielanlage 1 empfängt und eine Steueroperationsbetragsausgabe SO, die gemäß einer Steuerregel (neuronales Netz) bestimmt wird, die in 6 veranschaulicht ist, an die Steuerzielanlage 1 zum Steuern der Steuerzielanlage 1 gibt, eine Steuerverfahrenslernvorrichtung 21, die die tatsächlichen Daten S1 von der Steuerzielanlage 1 empfängt, um zu lernen, und die gelernte Steuerregel an der Steuerregel in der Steuerausführungsvorrichtung 20 widerspiegelt, und mehrere Datenbanken DB (DB1 bis DB3) sowie eine Managementtabelle TB der Datenbank DB.
Die Steuerausführungsvorrichtung 20 umfasst eine Steuereingangsdatenerzeugungseinheit 2, eine Steuerregelausführungseinheit 10, eine Steuerausgabeberechnungseinheit 3, eine Steuerausgabeverhinderungseinheit 4, eine Steuerausgabebestimmungseinheit 5, eine Steueroperationsstörungserzeugungseinheit 16 und eine Ersatzsteuerregelausführungseinheit 100 als Hauptelemente.
Unter diesen Komponenten erzeugt die Steuerausführungsvorrichtung 20 zuerst Eingangsdaten S1 der Steuerregelausführungseinheit 10 aus tatsächlichen Daten Si des Walzwerks, das die Steuerzielanlage 1 ist, unter Verwendung der Steuereingangsdatenerzeugungseinheit 2. Die Steuerregelausführungseinheit 10 erzeugt einen Steueroperationsendoperationsbefehl S2 aus den zu steuernden tatsächlichen Daten Si unter Verwendung eines neuronalen Netzes (Steuerregel), das eine Beziehung zwischen den zu steuernden tatsächlichen Daten Si und dem Steueroperationsendoperationsbefehl S2 ausdrückt. Die Steuerausgabeberechnungseinheit 3 berechnet einen Steueroperationsbetrag S3 für ein Steueroperationsende auf der Basis des Steueroperationsendoperationsbefehls S2. Folglich erzeugt die Steuerausgabeberechnungseinheit 3 den Steueroperationsbetrag S3 unter Verwendung des neuronalen Netzes gemäß den tatsächlichen Daten Si der Steuerzielanlage 1.
Die Steuerausgabebestimmungseinheit 5 in der Steuerausführungsvorrichtung 20 bestimmt Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 für das Steueroperationsende unter Verwendung der tatsächlichen Daten S1 von der Steuerzielanlage 1 und des Steueroperationsbetrags S3 aus der Steuerausgabeberechnungseinheit 3. Die Steuerausgabeverhinderungseinheit 4 bestimmt, ob es erlaubt ist oder nicht, dass der Steueroperationsbetrag S3 an das Steueroperationsende ausgegeben wird, gemäß den Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 und gibt den Steueroperationsbetrag S3, der als verfügbar bestimmt wird, als Steueroperationsbetragsausgabe SO aus, die an die Steuerzielanlage 1 gegeben werden soll. Folglich wird der als anomal bestimmte Steueroperationsbetrag S3 nicht an die Anlagenzielanlage 1 ausgegeben. Im Übrigen erzeugt für den Zweck der Überprüfung der Anlagensteuervorrichtung die Steueroperationsstörungserzeugungseinheit 16 eine Störung und gibt die Störung an die Steuerzielanlage 1.
In der Ersatzsteuerregelausführungseinheit 100 extrahiert eine Steuerregelnichtbeachtungseinheit 200 in der Steuerverfahrenslernvorrichtung 21, die später beschrieben wird, Informationen über die Lerndaten, von denen bestimmt wird, dass sie gelöscht werden, und die korrigierten Lerndaten von einer Nichtbeachtungsregeldatenbank DB5 und vergleicht die extrahierten Informationen mit den Eingangsdaten S1 und den Ausgangsdaten S2 der Steuerregelausführungseinheit 10, um die Steuerausgabe auszugeben. Wenn die Steuerausgabe einen Zustand der Steuerzielanlage 1 verschlechtern soll, gibt die Steuerregelnichtbeachtungseinheit 200 folglich die Steuerausgabe auf der Basis der Informationen über die korrigierten Lerndaten anstelle der Steuerausgabe der Steuerregelausführungseinheit 10 aus.
Für den Zweck der Ausführung der obigen Verarbeitung bezieht sich die Steuerausführungsvorrichtung 20, die wie vorstehend beschrieben konfiguriert ist, auf die Steuerregeldatenbank DB1 und die Ausgabebestimmungsdatenbank DB3, wie später weiter beschrieben wird. Die Steuerregeldatenbank DB1 ist zugreifbar mit sowohl der Steuerregelausführungseinheit 10 in der Steuerausführungsvorrichtung 20 als auch einer Steuerregellerneinheit 11 in der später zu beschreibenden Steuerverfahrenslernvorrichtung 21 verbunden. Eine Steuerregel (neuronales Netz) als Lernergebnis in der Steuerregellerneinheit 11 wird in der Steuerregeldatenbank DB1 gespeichert und die Steuerregelausführungseinheit 10 bezieht sich auf die in der Steuerregeldatenbank DB1 gespeicherte Steuerregel. Die Ausgabebestimmungsdatenbank DB3 ist zugreifbar mit der Steuerausgabebestimmungseinheit 5 in der Steuerausführungsvorrichtung 20 verbunden.
2 zeigt ein spezielles Konfigurationsbeispiel der Steuerregelausführungseinheit 10 gemäß der Ausführungsform der vorliegenden Erfindung. Die Steuerregelausführungseinheit 10 empfängt die Eingangsdaten S1, die durch die Steuereingangsdatenerzeugungseinheit 2 erzeugt werden, und gibt einen Steueroperationsendoperationsbefehl S2 an die Steuerausgabeberechnungseinheit 3. Die Steuerregelausführungseinheit 10 umfasst ein neuronales Netz 101 und das neuronale Netz 101 bestimmt grundsätzlich den Steueroperationsendoperationsbefehl S2 durch das Verfahren der Patentreferenz 1, wie in 6 veranschaulicht. In der vorliegenden Erfindung umfasst die Steuerregelausführungseinheit 10 ferner eine Auswahleinheit 102 des neuronalen Netzes und die Auswahleinheit 102 des neuronalen Netzes wählt und führt eine optimale Steuerregel als Steuerregel im neuronalen Netz 101 mit Bezug auf die in der Steuerregeldatenbank DB1 gespeicherte Steuerregel aus. Wie vorstehend beschrieben, wählt die Steuerregelausführungseinheit 10 von 2 ein erforderliches neuronalen Netz aus mehreren neuronalen Netzen aus, die für jedes Bedienpersonenteam und jeden Steuerzweck getrennt sind, und verwendet das ausgewählte neuronale Netz. Es ist bevorzugt, dass die Steuerregeldatenbank DB1 auch tatsächliche Daten (Daten des Bedienungsteams oder dergleichen) Si umfasst, aus denen das neuronale Netz und die Annehmbarkeitskriterien als Daten von der Steuerzielanlage 1 ausgewählt werden können. Da eine Beziehung besteht, dass das ausgeführte neuronale Netz zur Steuerregel führt, werden unterdessen in der vorliegenden Patentbeschreibung das neuronale Netz und die Steuerregel synonym verwendet, ohne voneinander unterschieden zu werden.
Mit Rückkehr zu 1 führt die Steuerverfahrenslernvorrichtung 21 das Lernen des neuronale Netzes 101 aus, das in der Steuerausführungsvorrichtung 20 verwendet wird. Wenn die Steuerausführungsvorrichtung 20 die Steueroperationsbetragsausgabe SO an die Steuerzielanlage 1 ausgibt, dauert es Zeit, bis ein Steuereffekt tatsächlich als Änderung der tatsächlichen Daten Si erscheint. Aus diesem Grund führt die Steuerverfahrenslernvorrichtung 21 das Lernen unter Verwendung der um diese Zeit verzögerten Daten aus. In 1 stellt das Bezugssymbol Z^-1 eine geeignete Zeitverzögerungsfunktion für alle Daten dar.
Die Steuerverfahrenslernvorrichtung 21 umfasst hauptsächlich eine Steuerergebnisannehmbarkeitsbestimmungseinheit 6, eine Lerndatenerzeugungseinheit 7, die Steuerregellerneinheit 11, eine Annehmbarkeitsbestimmungsdatenbank DB4, die Steuerregelnichtbeachtungseinheit 200 und die Nichtbeachtungsregeldatenbank DB5.
Unter diesen Komponenten bestimmt die Steuerergebnisannehmbarkeitsbestimmungseinheit 6, ob sich die tatsächlichen Daten Si ändern, so dass sie annehmbar oder unannehmbar sind, unter Verwendung der tatsächlichen Daten Si und eines vorherigen Werts Si0 der tatsächlichen Daten von der Steuerzielanlage 1 und der Annehmbarkeitsbestimmungsdaten S5, die in der Annehmbarkeitsbestimmungsdatenbank DB4 gespeichert sind. Dann gibt die Steuerergebnisannehmbarkeitsbestimmungseinheit 6 Steuerergebnisannehmbarkeitsdaten S6 aus.
Die Lerndatenerzeugungseinheit 7 in der Steuerverfahrenslernvorrichtung 21 erzeugt neue Lehrerdaten S7a, die für das Lernen des neuronalen Netzes verwendet werden sollen, unter Verwendung von Daten, die durch Verzögern der Eingangsdaten, wie z. B. des Steueroperationsendoperationsbefehls S2, des Steueroperationsbetrags S3 und der Steueroperationsbetragsausgabeverfügbarkeitsdaten S4, die durch die Steuerausführungsvorrichtung 20 erzeugt werden, um dieselben Zeit verzögert werden, und der Steuerergebnisannehmbarkeitsdaten S6 von der Steuerergebnisannehmbarkeitsbestimmungseinheit 6. Die Lerndatenerzeugungseinheit 7 gibt dann die erzeugten neuen Lehrerdaten S7a an die Steuerregellerneinheit 11 aus. Im Übrigen entsprechen die Lehrerdaten S7a dem Steueroperationsendoperationsbefehl S2, der aus der Steuerregelausführungseinheit 10 ausgegeben wird, und die Lerndatenerzeugungseinheit 7 erhält Daten, die durch Abschätzen des Steueroperationsendoperationsbefehls S2 erhalten werden, der aus der Steuerregelausführungseinheit 10 ausgegeben wird, unter Verwendung der Steuerergebnisannehmbarkeitsdaten S6, die durch die Steuerergebnisannehmbarkeitsbestimmungseinheit 6 gegeben werden, als neue Lehrerdaten S7a.
3 zeigt ein spezielles Konfigurationsbeispiel der Steuerregellerneinheit 11 gemäß der Ausführungsform der vorliegenden Erfindung. Die Steuerregellerneinheit 11 umfasst eine Eingangsdatenerzeugungseinheit 114, eine Lehrerdatenerzeugungseinheit 115, eine Verarbeitungseinheit 110 des neuronalen Netzes und eine Auswahleinheit 113 des neuronalen Netzes als Hauptkomponenten. Außerdem erhält die Steuerregellerneinheit 11 Daten S8a, die durch zeitliches Verzögern der Eingangsdaten S1 von der Eingangsdatenerzeugungseinheit 2 erhalten werden, als Eingabe von außen und die neuen Lehrerdaten S7a von der Lerndatenerzeugungseinheit 7. Außerdem bezieht sich die Steuerregellerneinheit 11 auf die in der Steuerregeldatenbank DB1 und der Lerndatenbank DB3 gespeicherten Daten.
In der Steuerregellerneinheit 11 werden die Eingangsdaten S1 in die Verarbeitungseinheit 110 des neuronalen Netzes durch die Eingangsdatenerzeugungseinheit 114 nach einer geeigneten Zeitverzögerungskompensation aufgenommen.
In der Steuerregellerneinheit 11 werden die neuen Lehrerdaten S7a von der Lerndatenerzeugungseinheit 7 an die Verarbeitungseinheit 110 des neuronalen Netzes als Gesamtlehrerdaten S7c mit vergangenen Lehrerdaten S7b, die in der Lerndatenbank DB3 in der Lehrerdatenerzeugungseinheit 115 gespeichert sind, gegeben. Diese Teile von Lehrerdaten S7a und S7b werden gegebenenfalls in der Lerndatenbank DB3 gespeichert und verwendet.
Ebenso werden die Eingangsdaten S8a von der Steuereingangsdatenerzeugungseinheit 2 an die Verarbeitungseinheit 110 des neuronalen Netzes als Gesamteingangsdaten S8c mit vergangenen Eingangsdaten S8b, die in der Lerndatenbank DB3 in der Eingangsdatenerzeugungseinheit 114 gespeichert sind, gegeben. Diese Teile von Eingangsdaten S8a und S8b werden gegebenenfalls in der Lerndatenbank DB3 gespeichert und verwendet.
Die Verarbeitungseinheit 110 des neuronalen Netzes umfasst ein neuronales Netz 111 und eine Lernsteuereinheit 112 des neuronalen Netzes. Das neuronale Netz 111 empfängt die Eingangsdaten S8c von der Eingangsdatenerzeugungsvorrichtung 114, die Lehrerdaten S7c von der Lehrerdatenerzeugungseinheit 115 und die Steuerregel (neuronales Netz), die durch die Auswahleinheit 113 des neuronalen Netzes ausgewählt wird, und speichert das schließlich bestimmte neuronale Netz in der Steuerregeldatenbank DB1.
Die Lernsteuereinheit 112 des neuronalen Netzes steuert die Eingangsdatenerzeugungseinheit 114, die Lehrerdatenerzeugungseinheit 115 und die Auswahleinheit 113 des neuronalen Netzes zu geeigneten Zeitpunkten, erhält eine Eingabe des neuronalen Netzes 111 und speichert das Verarbeitungsergebnis in der Steuerregeldatenbank DB1.
Die Steuerregelnichtbeachtungseinheit 200 ruft Lerndaten ähnlich zu den ursprünglichen Eingangsdaten S8a und der ursprünglichen Ausgabe S2, die zum Erzeugen der neuen Lehrerdaten verwendet werden, aus der Lerndatenbank DB2 gemäß den Eingangsdaten S8a, den neuen Lehrerdaten S7a und der Ausgabe S2 der Steuerregelausführungseinheit 20 ab. Dann implementiert die Steuerregelnichtbeachtungseinheit 200 einen Prozess zum Ersetzen der Lerndaten durch die neuen Lehrerdaten.
In diesem Beispiel sind das neuronale Netz 101 in der Steuerausführungsvorrichtung 20 in 2 und das neuronale Netz 111 in der Steuerverfahrenslernvorrichtung 21 in 3 neuronale Netze desselben Konzepts. Ein Unterschied im Basiskonzept bei der Verwendung zwischen dem neuronalen Netz 101 und dem neuronalen Netz 111 wird nachstehend beschrieben. Zuerst ist das neuronale Netz 101 in der Steuerausführungsvorrichtung 20 ein neuronales Netz mit vorbestimmten Inhalten und erhält den Steueroperationsendoperationsbefehl S2 als entsprechende Ausgabe, wenn die Eingangsdaten S1 gegeben werden, das ein neuronales Netz ist, das für eine sogenannte Einwegverarbeitung verwendet wird. Andererseits ist das neuronale Netz 111 in der Steuerverfahrenslernvorrichtung 21 dazu konfiguriert, das neuronale Netz, das eine Beziehung von Eingabe zu Ausgabe erfüllt, durch Lernen zu erhalten, wenn die Eingangsdaten S8c und die Lehrerdaten S7c für die Eingangsdaten S1 und den Steueroperationsendoperationsbefehl S2 als Lerndaten festgelegt werden.
Das Konzept der Basisverarbeitung in der Steuerverfahrenslernvorrichtung 21, die wie vorstehend beschrieben konfiguriert ist, wird wie folgt beschrieben. Wenn der Inhalt der Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 „verfügbar“ ist, gibt zuerst die Steuerverfahrenslernvorrichtung 21 die Steueroperationsbetragsausgabe SO an die Steuerzielanlage 1 aus, und wenn der Inhalt der Steuerergebnisannehmbarkeitsdaten S6 „annehmbar“ ist (die tatsächlichen Ergebnisdaten Si werden auf annehmbar geändert), bestimmt die Steuerverfahrenslernvorrichtung 21, dass der Steueroperationsendoperationsbefehl S2, der aus der Steuerregelausführungseinheit 10 ausgegeben wird, korrekt ist, und erzeugt die Lerndaten, so dass die Ausgabe des neuronalen Netzes der Steueroperationsendoperationsbefehl S2 wird.
Wenn andererseits der Inhalt der Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 „unverfügbar“ ist oder wenn die Steuerverfahrenslernvorrichtung 21 die Steueroperationsbetragsausgabe SO an die Steuerzielanlage 1 ausgibt und der Inhalt der Steuerergebnisannehmbarkeitsdaten S6 „unannehmbar“ ist (die tatsächlichen Daten Si werden auf unannehmbar geändert), bestimmt die Steuerverfahrenslernvorrichtung 21, dass der Steueroperationsendoperationsbefehl S2, der durch die Steuerregelausführungseinheit 10 ausgegeben wird, fehlerhaft ist, und erzeugt die Lerndaten, um die Ausgabe des neuronalen Netzes nicht auszugeben. Zu dieser Zeit ist als Steuerausgabe die Ausgabe des neuronalen Netzes dazu konfiguriert, zwei Typen von Ausgaben von +Richtung und -Richtung an dasselbe Steueroperationsende auszugeben, und die Lerndaten werden erzeugt, um den Steueroperationsendoperationsbefehl S2 nicht auf der Ausgabeseite auszugeben.
In der Steuerregellerneinheit 11, die in 3 dargestellt ist, wird auch als Ergebnis der Datenverarbeitung durch die Lernsteuereinheit 112 des neuronalen Netzes die Verarbeitung wie folgt durchgeführt. In diesem Fall führt zuerst die Steuerregellerneinheit 11 das Lernen des neuronalen Netzes 101, das in der Steuerregelausführungseinheit 10 verwendet wird, unter Verwendung der Lerndaten durch, die eine Kombination von S8c, die durch zeitliches Verzögern der Eingangsdaten S1 für die Steuerausführungsvorrichtung 20 erhalten werden, und der Lehrerdaten S7c, die durch die Lehrerdatenerzeugungseinheit 115 erzeugt werden, sind. Tatsächlich ist dasselbe neuronale Netz 111 wie das neuronale Netz 101 in der Steuerregelausführungseinheit 10 in der Steuerregellerneinheit 11 vorgesehen und die Steuerregellerneinheit 11 lernt eine Antwort zu dieser Zeit als Operationstest unter verschiedenen Bedingungen und erhält eine Steuerregel, die bestätigt wird, um ein besseres Ergebnis als Lernergebnis zu erzeugen. Da ein Bedarf besteht, das Lernen unter Verwendung von mehreren Teilen von Lerndaten durchzuführen, werden mehrere Teile von vergangenen Lerndaten aus der Lerndatenbank DB2 extrahiert, die die Lerndaten speichert, die in der Vergangenheit erzeugt wurden, um den Lernprozess auszuführen und die aktuellen Lerndaten in der Lerndatenbank DB2 zu speichern. Das gelehrte neuronale Netz wird auch in der Steuerregeldatenbank DB1 für die Verwendung durch die Steuerregelausführungseinheit 10 gespeichert.
Zu dieser Zeit sollten die Lerndaten, die bewirken, dass der Steueroperationsendoperationsbefehl S2 als Quelle der Lerndaten, die zu dieser Zeit aktualisiert werden, ausgegeben wird, in den vergangenen Lerndaten enthalten sein. Selbst wenn die zu dieser Zeit aktualisierten Lerndaten als solche hinzugefügt und gelernt werden, wird das Lernen resultierend mit in Konflikt stehenden Lerndaten ausgeführt, was verhindert, dass das neuronale Netz ein neues Steuerverfahren lernt. Aus diesem Grund ist die Steuerregelnichtbeachtungseinheit 200 dazu konfiguriert, einen Prozess zum Löschen der vergangenen Lerndaten auszuführen, der zur Kombination der ursprünglichen Eingangsdaten S1 und des Steueroperationsendoperationsbefehls S2 der zu dieser Zeit aktualisierten und hinzugefügten Lerndaten sehr ähnlich sind.
Das Lernen des neuronalen Netzes kann unter Verwendung der vergangenen Lerndaten zusammen jedes Mal, wenn die neuen Lerndaten erzeugt werden, durchgeführt werden, oder das Lernen kann unter Verwendung der vergangenen Lerndaten zusammen, nachdem die Lerndaten in einem bestimmten Umfang akkumuliert werden (beispielsweise 100 Teile), durchgeführt werden. In diesem Fall kann die Anzahl von Lerndaten, die in einer Lerndatengruppe enthalten sind, die zum Lernen verwendet wird, jedes Mal zunehmen, wenn die neuen Lerndaten erzeugt werden, und der Lerneffekt kann aufgrund der Existenz von in Konflikt stehenden Lerndaten abnehmen.
In der vorliegenden Patentanmeldung, wie vorstehend beschrieben, kann eine Zunahme der Lerndaten durch Löschen der fehlerhaften Lerndaten verhindert werden. Das Lernen wird beispielsweise im Voraus festgelegt, so dass es unter Verwendung von 1000 Teilen von Lerndaten ausgeführt wird, und wenn die neuen Lerndaten erzeugt werden, werden Lerndaten, die zur Kombination der ursprünglichen Eingangsdaten S1 und des Steueroperationsendoperationsbefehls S2 sehr ähnlich sind, gelöscht. Dies macht es möglich, das neue Steuerverfahren für das neuronale Netz ohne Vermehren der Lerndaten zu lernen. Folglich können eine Zeit, die zum Lernen erforderlich ist, und Computerressourcen (Speicher, Festplatte und so weiter), die als Raum zum Speichern der Lerndaten erforderlich sind, eingespart werden. Außerdem wird die Lerneffizienz durch Löschen der in Konflikt stehenden Lerndaten verbessert. Aus diesem Grund kann das neuronale Netz in kürzester Zeit durchgeführt werden.
Außerdem wird in der Steuerergebnisannehmbarkeitsbestimmungseinheit 6 die Annehmbarkeitsbestimmung auf der Basis der Annehmbarkeitskriterien von der Annehmbarkeitsbestimmungsdatenbank DB4 ausgeführt. In der Annehmbarkeitsbestimmung des Steuerergebnisses werden, da das Bestimmungsergebnis in Abhängigkeit vom Steuerzweck unterschiedlich ist, die mehreren neuronalen Netze, die den mehreren Steuerzwecken entsprechen, erzeugt. Die jeweiligen Lehrerdaten werden gemäß dem Steuerzweck erzeugt, selbst wenn die Eingangsdaten identisch sind, und gelernt, um die mehreren Teile von Lehrerdaten für einzelne Eingangsdaten zu erzeugen, und für das Lernen der neuronalen Netze entsprechend den jeweiligen Lehrerdaten verwendet. Folglich können die neuronalen Netze, die den mehreren Steuerzwecken entsprechen, gleichzeitig gelehrt werden. In der vorliegenden Patentbeschreibung bedeuten die mehreren Steuerzwecke beispielsweise im Fall der Formsteuerung, welcher Teil (Plattenendteil, mittlerer Teil, asymmetrischer Teil oder dergleichen) bevorzugt in der Plattenbreitenrichtung gesteuert werden soll, welches von mehreren Steuerzielelementen (beispielsweise Plattendicke, Spannung, Walzlast oder dergleichen) bevorzugt gesteuert werden soll, und dergleichen.
In der Konfiguration, wie vorstehend beschrieben, wird, sobald das neuronale Netz 101, das in der Steuerregelauführungseinheit 10 verwendet wird, lernt, eine neue Steueroperation nicht ausgeführt. Aus diesem Grund erzeugt die Steueroperationsstörungserzeugungseinheit 16 ein neues Operationsverfahren zufällig in einer rechtzeitigen Weise und führt die Steueroperation zusätzlich zum Steueroperationsbetrag S3 aus, um das neue Steuerverfahren zu lernen.
Nachstehend werden Details des Anlagensteuerverfahrens mit Bezug auf die Formsteuerung im Sendzimir-Walzwerk beschrieben, wie in der Patentreferenz 1 gezeigt. Unterdessen wird die Formsteuerung unter der Annahme beschrieben, dass die folgenden Spezifikationen A und B übernommen werden.
Die Spezifikation A ist eine Spezifikation über die Priorität und hat Informationen über die Priorität in einer Plattenbreitenrichtung. Bei der Formsteuerung ist es beispielsweise vom Gesichtspunkt von mechanischen Eigenschaften häufig schwierig, eine Form auf einen Zielwert über eine ganze Fläche in der Plattenbreitenrichtung zu steuern. Aus diesem Grund werden die Spezifikationen A1 und A2 für die folgenden zwei Prioritäten in der Plattenbreitenrichtung vorgesehen. In diesen Spezifikationen soll die Spezifikation A1 für die Priorität „einem Plattenende Priorität geben“, die Spezifikation A2 für die Priorität soll „dem mittleren Teil Priorität geben“ und die Steuerung wird gemäß den zwei Prioritäten A1 und A2 durchgeführt. Wenn die Steuerung ausgeführt wird, wird irgendeine der Spezifikationen A1 und A2 für die Priorität betrachtet.
Die Spezifikation B ist eine Spezifikation für Behandlungsbedingungen, die im Voraus bekannt sind. Da eine Beziehung zwischen dem Formmuster und dem Steuerverfahren sich unter verschiedenen Bedingungen ändert, ist es als Beispiel denkbar, dass ein Bedarf besteht, beispielsweise die Spezifikation B1 gemäß der Plattenbreite und die Spezifikation B2 gemäß dem Typ von Stahl zu unterteilen. Da sich jede der obigen Spezifikationen ändert, ändert sich der Grad des Einflusses des Formoperationsendes auf die Form.
In diesem Fall ist die Steuerzielanlage 1 das Sendzimir-Walzwerk und die tatsächlichen Daten sind die tatsächliche Formleistung. Das Sendzimir-Walzwerk ist ein Walzwerk mit einer Clusterwalze zum Kaltwalzen eines harten Materials wie z. B. Edelstahl. Im Sendzimir-Walzwerk wird eine Arbeitswalze mit kleinem Durchmesser verwendet, um einem harten Material einen starken Druck zu verleihen. Aus diesem Grund ist es schwierig, ein flaches Stahlblech zu erhalten. Als Gegenmaßnahme wird eine Struktur einer Clusterwalze und von verschiedenen Formsteuereinheiten übernommen. Im Allgemeinen weisen im Sendzimir-Walzwerk obere und untere erste Zwischenwalzen eine einzelne Verjüngung auf und können verschoben werden und weisen auch sechs unterteilte Rollen und zwei AS-U-Walzen an der Oberseite und Unterseite auf. In einem nachstehend zu beschreibenden Beispiel werden Detektionsdaten eines Formdetektors als tatsächliche Daten Si der Form verwendet und eine Formabweichung, die eine Differenz von einer Zielform ist, wird als Eingangsdaten S1 verwendet. Der Steueroperationsbetrag S3 wird als Walzenverschiebungsbetrag von AS-U von #1 bis #n und der oberen und unteren ersten Zwischenwalzen angenommen.
4 zeigt eine Konfiguration des neuronalen Netzes für die Verwendung in der Formsteuerung des Sendzimir-Walzwerks. In diesem Beispiel bezieht sich das neuronale Netz auf das neuronale Netz 101 für die Steuerregelausführungseinheit 10 und das im neuronalen Netz 111 für die Steuerregellerneinheit 11 gezeigte neuronale Netz. Die Strukturen dieser neuronalen Netze 101 und 111 sind in der Struktur zueinander identisch.
In einem Fall der Formsteuerung des Sendzimir-Walzwerks, die in 4 gezeigt ist, sind die tatsächlichen Daten Si von der Steuerzielanlage 1 tatsächliche Daten des Sendzimir-Walzwerks mit den Daten eines Formdetektors (in diesem Beispiel wird angenommen, dass die Formabweichung, die die Differenz zwischen der tatsächlichen Form und der Zielform ist, ausgegeben wird), und die Steuereingangsdatenerzeugungseinheit 2 erhält eine normierte Formabweichung 201 und eine Formabweichungsstufe 202 als Eingangsdaten S1. Folglich sind Eingangsschichten der neuronalen Netze 101 und 111 durch die normierte Formabweichung 201 und die Formabweichungsstufe 202 konfiguriert. In 4 ist die Formabweichungsstufe 202 eine Eingabe in die Eingangsschicht des neuronalen Netzes, aber ein neuronales Netz kann gemäß der Stufe umgeschaltet werden.
Ferner ist die Ausgangsschicht durch einen AS-U-Operationsgrad 301 und einen ersten Zwischenoperationsgrad 302 gemäß der AS-U und den ersten Zwischenwalzen konfiguriert, die das Formsteueroperationsende des Sendzimir-Walzwerks sind. In den jeweiligen Operationsgraden in der AS-U weist jede AS-U eine AS-U-Öffnungsrichtung (eine Richtung, in der sich der Spalt (ein Walzenspalt (ein Abstand zwischen der oberen und der unteren Operationswalze des Walzwerks) öffnet) und eine AS-U-Schließrichtung (eine Richtung, in der der Walzenspalt geschlossen ist) auf.
Außerdem weisen in den ersten Zwischenwalzen die oberen und unteren ersten Zwischenwalzen eine erste Zwischenwalzenöffnungsrichtung (eine Richtung, in der die ersten Zwischenwalzen sich in Richtung der Außenseite von einer Mitte des Walzwerks bewegen) und eine erste Zwischenwalzenschließrichtung (eine Richtung, in der die ersten Zwischenwalzen in Richtung der mittleren Seite des Walzwerks arbeiten) auf. Wenn beispielsweise der Formdetektor 20 Zonen aufweist und die Formabweichungsstufe 202 3 Stufen ist (groß, mittel, klein), weist die Eingangsschicht 23 Eingänge auf. Wenn angenommen wird, dass die Anzahl von Satteln der AS-U sieben ist und die oberen und unteren ersten Zwischenwalzen in einer Plattenbreitenrichtung verschoben werden können, ist außerdem die Anzahl von Ausgangsschichten insgesamt 18 mit 14 AS-U-Operationsgraden 301 und vier ersten Zwischenoperationsgraden. Die Anzahl von Zwischenschichten und die Anzahl von Neuronen in jeder Schicht werden geeignet festgelegt. Wie später mit Bezug auf 8 beschrieben wird, konfiguriert das Formsteueroperationsende des Sendzimir-Walzwerks, das die Ausgangsschicht ist, eine Ausgabe des neuronalen Netzes, so dass zwei Arten von Ausgaben in den Plus- und Minus-Richtungen an die individuellen Steueroperationsenden ausgegeben werden.
10 zeigt die Formabweichung und das Steuerverfahren. In diesem Beispiel ist das Steuerverfahren in dem Fall, in dem die Formabweichung groß ist, in einem oberen Teil von 10 gezeigt, und das Steuerverfahren in dem Fall, in dem die Formabweichung klein ist, ist in einem unteren Teil von 10 gezeigt. Im Übrigen gibt eine Höhenrichtung eine Amplitude der Formabweichung an und eine Richtung der seitlichen Achse gibt die Plattenbreitenrichtung an. Beide Seiten der Plattenbreite stellen Plattenenden dar und die Mitte stellt einen Plattenmittelabschnitt dar. Wie im oberen Teil von 10 gezeigt, wird, wenn die Formabweichung groß ist, vielmehr der Korrektur der Gesamtform als einer lokalen Formabweichung in der Plattenbreitenrichtung Priorität gegeben. Wenn andererseits, wie im unteren Teil von 10 gezeigt, die Formabweichung klein ist, wird die Priorität dem Verringern der lokalen Formabweichung gegeben.
Da in dieser Weise ein Bedarf besteht, das Steuerverfahren gemäß der Amplitude der Formabweichung zu ändern, wie in 4 gezeigt, wird die Formabweichungsstufe 202 vorgesehen und den neuronalen Netzen 101 und 111 gegeben, um die Amplitude der Formabweichung zu bestimmen. Es ist bevorzugt, die Formabweichung, die beispielsweise auf 0 bis 1 normiert ist, ungeachtet der Amplitude der Formabweichung zu verwenden. Dies ist nur ein Beispiel und es ist denkbar, die Formabweichung als solche in die Eingangsschicht des neuronalen Netzes einzugeben, ohne die Formabweichung zu normieren, oder es ist denkbar, das neuronale Netz an sich in Abhängigkeit vom Betrag der Formabweichung zu ändern (beispielsweise werden zwei neuronale Netze vorbereitet und in das neuronale Netz, das verwendet werden soll, wenn die Formabweichung groß ist, und das neuronale Netz, das verwendet werden soll, wenn die Formabweichung klein ist, getrennt).
Die neuronalen Netze 101 und 111 mit der Konfiguration, wie in der vorstehend beschriebenen 4 gezeigt, werden lernen lassen, wie das Formmuster zu betreiben ist, und die Formsteuerung wird unter Verwendung der gelernten neuronalen Netze ausgeführt. Selbst die neuronalen Netze derselben Konfiguration weisen unterschiedliche Eigenschaften in Abhängigkeit von den Lernbedingungen auf und können verschiedene Steuerausgaben für dasselbe Formmuster ausgeben.
Aus diesem Grund kann eine optimale Steuerung für verschiedene Bedingungen durch selektive Verwendung der mehreren neuronalen Netze gemäß anderen Bedingungen der tatsächlichen Formleistung konfiguriert werden. Dies ist mit der Spezifikation B kompatibel. Die Konfiguration von der vorstehend beschriebenen 2 zeigt ein spezielles Beispiel, in dem eine solche Spezifikation durchgeführt wird. Im Konfigurationsbeispiel von 2 werden individuelle neuronale Netze für das neuronale Netz 101, das in der Steuerregelausführungseinheit 10 verwendet werden soll, gemäß der tatsächlichen Walzleistung, einem Walzwerkbedienpersonennamen, dem Stahltyp eines zu walzenden Materials, der Plattenbreite und so weiter vorbereitet und in der Steuerregeldatenbank DB1 im Voraus registriert. In der Auswahleinheit 102 des neuronalen Netzes wird ein neuronales Netz, das der Bedingung zu diesem Zeitpunkt entspricht, ausgewählt und im neuronalen Netz 101 der Steuerregelausführungseinheit 10 festgelegt. Als Bedingung zu dieser Zeit in der Auswahleinheit 102 des neuronalen Netzes ist es unterdessen bevorzugt, Daten der Plattenbreite von den tatsächlichen Daten Si in der Steuerzielanlage 1 aufzunehmen und das neuronale Netz gemäß den aufgenommenen Daten auszuwählen. Die mehreren neuronalen Netze, die in diesem Beispiel verwendet werden sollen, können auch in der Anzahl von Zwischenschichten und der Anzahl von Einheiten in jeder Schicht voneinander verschieden sein, wenn die neuronalen Netze die Eingangsschicht und die Ausgangsschicht aufweisen, wie in 4 gezeigt.
7 zeigt einen Umriss der Steuereingangsdatenerzeugungseinheit 2 zum Erzeugen der Daten S1 (normierte Formabweichung 201, Formabweichungsstufe 202) für die Eingabe in die Eingangsschichten der neuronalen Netze 101 und 111. In diesem Fall empfängt die Steuereinheitsdatenerzeugungseinheit 2 als tatsächliche Daten Si Formdetektordaten des Formdetektors zum Detektieren der Plattenform während des Walzens im Sendzimir-Walzwerk, das die Steuerzielanlage 1 ist. Zuerst erhält eine Berechnungsvorrichtung 210 des Werts der Formabweichung PP einen Wert der Formabweichung PP (Spitzen-Spitzen-Wert) Spp, der eine Differenz zwischen einem Maximalwert und einem Minimalwert des Detektionsergebnisses jeder Formdetektorzone ist. Eine Formabweichungsstufenberechnungseinheit 211 klassifiziert die Formabweichung in drei Stufen von groß, mittel und klein auf der Basis des Werts SPP der Formabweichung PP. Die Form ist eine Verteilung eines Dehnungsprozentsatzes des zu walzenden Materials in der Plattenbreitenrichtung und I-UNIT, die den Dehnungsprozentsatz in Einheiten von 10 bis 5 ausdrückt, wird als Einheit verwendet. Die Formabweichung wird beispielsweise wie folgt klassifiziert.
In diesem Beispiel wird angenommen, dass die Formabweichungsstufe klassifiziert wird als (groß = 1, mittel = 0, klein = 0) durch die Erstellung des Ausdrucks (1), die Formabweichungsstufe klassifiziert wird als (groß = 0, mittel = 1, klein = 0) durch die Erstellung des Ausdrucks (2) und die Formabweichungsstufe klassifiziert wird als (groß = 0, mittel = 0, klein = 1) durch die Erstellung des Ausdrucks (3). In diesem Fall wird die Formabweichung jeder Zone unter Verwendung von S_PM mit S_PM = S_PP normiert. $S_{P P} \geq 50 I - U N I T$
$50 I - U N I T > S_{P P} \geq 10 I - U N I T$
$10 I - U N I T > S_{P P}$
In der vorstehend beschriebenen Weise werden die normierte Formabweichung 201 und die Formabweichungsstufe 202, die Eingangsdaten in das neuronale Netz 101 sind, erzeugt. Die normierte Formabweichung 201 und die Formabweichungsstufe 202 sind die Eingangsdaten S1 der Steuerregelausführungseinheit 10.
8 zeigt einen Umriss der Steuerausgabeberechnungseinheit 3. Die Steuerausgabeberechnungseinheit 3 erzeugt den Steueroperationsbetrag S3, der ein Operationsbefehl für jedes Formsteueroperationsendoperationsende gemäß dem Steueroperationsendoperationsbefehl S2 ist (im Fall der Formsteuerung des Sendzimir-Walzwerks entsprechen der AS-U-Operationsgrad 301 und der erste Zwischenoperationsgrad 302 dem Steueroperationsendoperationsbefehl S2), der aus dem neuronalen Netz 101 in der Steuerregelausführungseinheit 10 ausgegeben wird. In diesem Beispiel ist ein Datenbeispiel für jeden der mehreren AS-U-Operationsgrade 301 und jeden der mehreren ersten Zwischenoperationsgrade 302 gezeigt und alle Daten sind durch ein Paar von Daten mit dem Öffnungsrichtungsgrad und dem Schließrichtungsgrad konfiguriert.
Da in der Steuerausgabeberechnungseinheit 3 der eingegebene AS-U-Operationsgrad 301 Ausgaben von jeder AS-U-Öffnungsrichtung und AS-U-Schließrichtung aufweist, wird eine Differenz zwischen diesen Ausgaben mit einer Umsetzungsverstärkung G_ASU multipliziert, um dadurch einen Operationsbefehl an jede AS-U auszugeben. Da die Steuerausgabe an jede AS-U zum AS-U-Positionsänderungsbetrag (die Einheit ist eine Länge) wird, wird die Umsetzungsverstärkung G_ASU zu einer Umsetzungsverstärkung vom Grad zum Positionsänderungsausmaß.
Da die Eingabe des ersten Zwischenoperationsgrades 302 ebenso die Ausgaben der ersten Zwischenaußenseite und Zwischeninnenseite aufweist, wird eine Differenz zwischen diesen Ausgaben mit einer Umsetzungsverstärkung G_1ST multipliziert, um dadurch einen Operationsbefehl an jede erste Zwischenwalzenverschiebung auszugeben. Da die Steuerausgabe an jede erste Zwischenwalze der Positionsänderungsbetrag der ersten Zwischenwalzenverschiebung ist (die Einheit ist die Länge), ist die Umsetzungsverstärkung G_1ST die Umsetzungsverstärkung vom Grad zum Positionsänderungsbetrag.
Mit der obigen Konfiguration kann der Steueroperationsbetrag S3 berechnet werden. Der Steueroperationsbetrag S3 ist durch #1 bis #n AS-U-Positionsänderungsbeträge (n basiert auf der Anzahl von Satteln der AS-U-Walze), einen oberen ersten Zwischenverschiebungspositionsänderungsbetrag und einen unteren ersten Zwischenverschiebungspositionsänderungsbetrag konfiguriert. Im Übrigen zeigt 8 ein System zum Hinzufügen der Störungsdaten von der Steueroperationsstörungserzeugungseinheit 16 zum Steueroperationsendoperationsbefehl S2.
9 zeigt einen Umriss derSteuerausgabebestimmungseinheit 5. Die Steuerausgabebestimmungseinheit 5 umfasstein Walzphänomenmodell 501 und eine Formkorrekturannehmbarkeitseinheit 502. Die Steuerausgabebestimmungseinheit 5 erhält Informationen über die tatsächlichen Daten Si von der Steuerzielanlage 1, den Steueroperationsbetrag S3 von der Steuerausgabeberechnungseinheit 3 und der Ausgabebestimmungsdatenbank DB3 und gibt die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 an das Steueroperationsende. Mit der vorstehend beschriebenen Konfiguration wird in der Steuerausgabebestimmungseinheit 5 eine Änderung der Form, wenn der Steueroperationsbetrag S3, der durch die Steuerausgabeberechnungseinheit 3 berechnet wird, an das Walzwerk ausgegeben, das die Steuerzielanlage 1 ist, in das Modell (Walzphänomenmodell 501 im Fall der Ausführungsform von 9) der bekannten Steuerzielanlage 1 eingegeben und vorhergesagt. Wenn vorhergesagt wird, dass die Form verschlechtert werden soll, wird die Steueroperationsbetragsausgabe SO unterbunden, um zu verhindern, dass sich die Form stark verschlechtert.
Insbesondere wird der Steueroperationsbetrag S3 in das Walzphänomenmodell 501 eingegeben, um die Formänderung durch den Steueroperationsbetrag S3 vorherzusagen, und Formabweichungskorrekturbetragsvorhersagedaten 503 werden berechnet. Andererseits werden die Formabweichungsvorhersagedaten 505 durch Hinzufügen der Formabweichungskorrekturbetragsvorhersagedaten 503 zu den Formdetektordaten Si (diesmal tatsächliche Formabweichungsdaten 504) von der Steuerzielanlage 1 erhalten. Mit der Bewertung der Formabweichungsvorhersagedaten 505 kann vorhergesagt werden, wie die Form sich ändert, wenn der Steueroperationsbetrag S3 an die Steuerzielanlage 1 ausgegeben wird. Die Formkorrekturannehmbarkeitsbestimmungseinheit 502 bestimmt, ob die Form sich ändert, so dass sie annehmbar ist, oder sich ändert, so dass sie unannehmbar ist, auf der Basis der aktuellen tatsächlichen Formabweichungsdaten 504 und der Formabweichungsvorhersagedaten 505, um dadurch die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 zu erhalten.
Insbesondere bestimmt die Formkorrekturannehmbarkeitseinheit 502 die Annehmbarkeit der Formkorrektur wie folgt. Wie in den Spezifikationen A1 und A2 über die Priorität der Formsteuerung gezeigt, wird zuerst in Anbetracht der Steuerpriorität in der Plattenbritenrichtung ein Gewichtskoeffizient w(i) in der Plattenbreitenrichtung für jede der Spezifikation A1 und der Spezifikation A2 im Voraus in der Ausgabebestimmungsdatenbank DB3 festgelegt. Unter Verwendung des Gewichtskoeffizienten w(i) wird bestimmt, ob die Formänderung annehmbar ist oder nicht, unter Verwendung einer Bewertungsfunktion J wie beispielsweise des folgenden Ausdrucks (4). Im Übrigen ist im Ausdruck (4) w(i) ein Gewichtskoeffizient, εfb (i) ist die tatsächliche Formabweichungsleistung 504, εest(i) ist die Formabweichungsvorhersage 505, i ist eine Formdetektorzone und rand ist ein Zufallszahlenterm. $J = \frac{1}{n} \sum_{i = 1}^{n} {(w (i) \cdot ε_{f b} (i))}^{2} - \frac{1}{n} \sum_{i = 1}^{n} {(w (i) \cdot ε_{e s t} (i))}^{2} + r a n d$
In dem Fall, in dem die Bewertungsfunktion J des Ausdrucks (4) verwendet wird, wird, wenn die Form verbessert wird, die Bewertungsfunktion J positiv, und wenn die Form verschlechtert wird, wird die Bewertungsfunktion J negativ. Außerdem ist rand ein Zufallszahlenterm und ändert zufällig das Bewertungsergebnis der Bewertungsfunktion J. Selbst wenn die Form verschlechtert wird, gibt es folglich einen Fall, in dem die Bewertungsfunktion J positiv wird. Selbst wenn das Walzphänomenmodell 501 falsch ist, kann daher eine Beziehung zwischen dem Formmuster und dem Steuerverfahren gelernt werden. In diesem Beispiel wird wie in der anfänglichen Stufe der Versuchsoperation rand geeignet geändert, so dass ein Maximalwert erhöht wird, wenn das Modell der Steuerzielanlage 1 unsicher ist, und der Maximalwert wird auf 0 gesetzt, wenn das Steuerverfahren in einem gewissen Umfang gelernt wird und die stabile Steuerung ausgeführt werden soll.
In der Formkorrekturannehmbarkeitsbestimmungseinheit 502 wird die Bewertungsfunktion J berechnet und die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 werden ausgegeben, so dass, wenn J ≥ 0 erfüllt ist, die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 = 1 (verfügbar) festgelegt werden, und wenn J < 0 erfüllt ist, die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 = 0 (unverfügbar) festgelegt werden. Die Steuerausgabeverhinderungseinheit 4 bestimmt, ob die Steueroperationsbetragsausgabe SO an die Steuerzielanlage 1 ausgegeben werden soll oder nicht, gemäß den Steueroperationsbetragsausgabeverfügbarkeitsdaten S4, die das Bestimmungsergebnis der Steuerausgabebestimmungseinheit 5 sind. Die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 sind #1 bis #n AS-U-Positionsänderungsbetragsausgaben, die obere erste Zwischenverschiebungspositionsänderungsbetragsausgabe und die untere erste Zwischenverschiebungspositionsänderungsbetragsausgabe und bestimmt durch:
IF (Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 = 0)
THEN
#1 bis # n AS-U-Positionsänderungsbetragsausgaben = 0
Obere erste Zwischenverschiebungspositionsänderungsbetragsausgabe = 0
Untere erste Zwischenverschiebungspositionsänderungsbetragsausgabe = 0
ELSE
#1 bis #n AS-U-Positionsänderungsbetragsausgabe = #1 bis #n AS-U-Positionsänderungsbeträge
Obere erste Zwischenverschiebungspositionsänderungsbetragsausgabe = oberer erster Zwischenverschiebungspositionsänderungsbetrag
Untere erste Zwischenverschiebungspositionsänderungsbetragsausgabe = unterer erster Zwischenverschiebungspositionsänderungsbetrag
ENDIF.
In der Steuerausführungsvorrichtung 20 wird die obige Berechnung auf der Basis der tatsächlichen Daten Si von der Steuerzielanlage 1 (Walzwerk) ausgeführt und die Steueroperationsbetragsausgabe SO wird an die Steuerzielanlage 1 (Walzwerk) ausgegeben, um dadurch die Formsteuerung auszuführen.
Als nächstes wird ein Operationsumriss der Steuerverfahrenslernvorrichtung 21 beschrieben. In der Steuerverfahrenslernvorrichtung 21 werden Zeitverzögerungsdaten von Daten, die in der Steuerausführungsvorrichtung 21 verwendet werden, verwendet. Die Zeitverzögerung Z^-1 bedeutet e^-TS und gibt an, dass die Zeit um eine vorgegebene Zeit T verzögert wird. Da die Steuerzielanlage 1 eine Zeitantwort aufweist, besteht eine Zeitverzögerung, bis sich die tatsächlichen Daten aufgrund der Steueroperationsbetragsausgabe SO ändern. Aus diesem Grund wird das Lernen unter Verwendung der tatsächlichen Daten zu der Zeit durchgeführt, zu der die Verzögerungszeit T nach der Ausführung der Steueroperation abläuft. Da es bei der Formsteuerung es mehrere Sekunden dauert, bis ein Formmesser die Formänderung nach dem Ausgeben des Operationsbefehls an die AS-U oder die erste Zwischenwalze detektiert, ist es bevorzugt, die Verzögerungszeit T auf etwa 2 bis 3 Sekunden festzulegen (da die Verzögerungszeit auch in Abhängigkeit vom Typ des Formdetektors und der Walzgeschwindigkeit variiert, kann eine optimale Zeit, bis die Änderung im Steueroperationsende zur Formänderung wird, als T festgelegt werden.).
11 zeigt einen Umriss der Operation der Steuerannehmbarkeitsbestimmungseinheit 6. In der Formänderungsannehmbarkeitsbestimmungseinheit 602 wird eine Annehmbarkeitsbewertungsfunktion JC wie der folgende Ausdruck verwendet. $J c = \frac{1}{n} \sum_{i = 1}^{n} {(w c (i) \cdot ε_{f b} (i))}^{2} - \frac{1}{n} \sum_{i = 1}^{n} {(w c (i) \cdot ε_{l a s t} (i))}^{2}$
Im Ausdruck (5) ist εfb(i) die tatsächlichen Formabweichungsdaten, die in den tatsächlichen Daten Si enthalten sind, εlast(i) ist der vorherige Wert der tatsächlichen Formabweichungsdaten und wC(i) ist der Plattenbreitenrichtungsgewichtskoeffizient für die Annehmbarkeitsbestimmung. In diesem Beispiel wird der Gewichtsfaktor wC(i) für die Annehmbarkeitsbestimmung gemäß den Spezifikationen A1 und A2 für die Priorität der Steuerung gemäß der Annehmbarkeitsbestimmungsdatenbank DB4 festgelegt. Die Annehmbarkeit des Steuerergebnisses wird gemäß der Annehmbarkeitsbestimmungsbewertungsfunktion Jc bestimmt. Selbst in dem Fall, in dem die Steueroperationsbetragsausgabeverfügbarkeitsdaten S4, das heißt das Bestimmungsergebnis der Steuerausgabebestimmungseinheit 5, 0 ist (Steuerausgabe unverfügbar), obwohl der an die Steuerzielanlage 1 ausgegebene Steueroperationsbetrag tatsächlich null ist, wird die Form als verschlechtert bestimmt.
In diesem Beispiel wird, wenn Steueroperationsbetragsausgabeverfügbarkeitsdaten S4 = 0 erfüllt ist, Steuerergebnisannehmbarkeitsdaten S6 = -1 festgelegt. Ferner werden eine obere Schwellengrenze LCU und eine Schwellenwert-Zusatz/Abnahme-LCL im Voraus unter einer Schwellenwertbedingung (LCU ≥ 0 ≥ LCL) festgelegt.
Zu dieser Zeit wird als Ergebnis des Vergleichs mit der Annehmbarkeitsbestimmungsbewertungsfunktion Jc, falls Jc > LCU, angenommen, dass Steuerergebnisannehmbarkeitsdaten S6 = -1 (die Form wird verschlechtert),
falls LCU ≥ Jc ≥ 0, wird angenommen, dass Steuerergebnisannehmbarkeitsdaten S6 = 0 (die Form wird so geändert, dass sie verschlechtert wird),
falls 0 > Jc ≥ LCL, wird angenommen, dass Steuerergebnisannehmbarkeitsdaten S6 = 1 (die Form wird so geändert, dass die verbessert wird), und
falls Jc < LCL, wird angenommen, dass Steuerergebnisannehmbarkeitsdaten S6 = 0 (die Form wird verbessert).
In diesem Beispiel zeigen die Steuerergebnisannehmbarkeitsdaten S6 = -1 einen Fall, in dem, da die Form verschlechtert wird, die Ausgabesteuerausgabe verhindert wird. Die Steuerergebnisannehmbarkeitsdaten S6 = 0 zeigen einen Fall, in dem keine Formänderung oder da die Form verbessert wird, die Ausgabesteuerausgabe gehalten wird. Die Steuerergebnisannehmbarkeitsdaten S6 =1 zeigen einen Fall, in dem, obwohl die Form geändert wird, so dass sie verbessert wird, da eine Möglichkeit besteht, dass die Steuerergebnisannehmbarkeitsdaten S6 = 1 weiter verbessert werden können, der Ausgabesteuerbetrag erhöht wird.
Wie vorstehend beschrieben, da der Gewichtskoeffizient wC(i) in der Plattenbreitenrichtung gemäß den Spezifikationen A1 und A2 für die Steuerpriorität variiert, ist die Annehmbarkeitsbestimmungsbewertungsfunktion Jc zwischen den Spezifikationen A1 und A2 unterschiedlich. Aus diesem Grund ist es denkbar, dass das Bestimmungsergebnis der Steuerergebnisannehmbarkeitsdaten S6 auch zwischen den Spezifikationen A1 und A2 unterschiedlich ist. Aus diesem Grund werden in der Steuerverfahrenslernvorrichtung 21 die Steuerergebnisannehmbarkeitsdaten S6 für die zwei Typen von Spezifikationen A1 und A2 für die Steuerpriorität bestimmt.
Als nächstes wird ein Umriss der Lerndatenerzeugungseinheit 7 beschrieben. Wie in 1 gezeigt, erzeugt die Lerndatenerzeugungseinheit 7 die Lehrerdaten S7a für das neuronale Netz 111, das in der Steuerregellerneinheit 11 verwendet werden soll, gemäß dem Steueroperationsendoperationsbefehl S2, dem Steueroperationsbetrag S3 und dem Bestimmungsergebnis (den Steueroperationsbetragsausgabeverfügbarkeitsdaten S6) der Steuerausgabeverhinderungseinheit auf der Basis des Bestimmungsergebnisses (Steuerergebnisannehmbarkeitsdaten S6) von der Steuerergebnisannehmbarkeitsbestimmungseinheit 6.
Die Lehrerdaten S7a in diesem Fall sind der AS-U-Operationsgrad 301 und der erste Zwischenoperationsgrad 302, die die Ausgaben aus der Ausgangsschicht des neuronalen Netzes 111 sind, wie in 4 gezeigt. Die Lerndatenerzeugungseinheit 7 erzeugt die Lehrerdaten S7a für das neuronale Netz 111, das in der Steuerregellerneinheit 11 verwendet werden soll, unter Verwendung des Steueroperationsendoperationsbefehls S2 (des AS-U-Operationsgrades 301, des ersten Zwischenoperationsgrades 301), der die Ausgabe des neuronalen Netzes 101 ist, der #1 bis #n AS-U-Positionsänderungsbetragsausgaben, die die Steueroperationsbetragsausgaben SO sind, der oberen ersten Zwischenverschiebungspositionsänderungsbetragsausgabe und der unteren ersten Zwischenverschiebungspositionsänderungsbetragsausgabe.
Beim Beschreiben eines Umrisses der Operation der Lerndatenerzeugungseinheit 7 sind Beziehungen zwischen Daten und Symbolen von verschiedenen Teilen in der Steuerausgabeberechnungseinheit 3 von 8 in 12 organisiert. In diesem Beispiel ist der AS-U-Operationsgrad 301 repräsentativ in Bezug auf den Steueroperationsendoperationsbefehl S2 gezeigt, der die Ausgabe des neuronalen Netzes 101 ist. In der Beschreibung sind Daten auf der positiven Seite des Operationsgrades mit OPref bezeichnet, Daten auf der negativen Seite des Operationsgrades sind mit OMref bezeichnet, der Operationsgrad, der zufällig von der Steueroperationsstörungserzeugungseinheit 16 erzeugt wird, ist als Operationsgradzufallszahl Oref bezeichnet, die Umsetzungsverstärkung ist als G bezeichnet und die Steueroperationsbetragsausgabe SO ist als Cref bezeichnet. Wie vorstehend beschrieben, werden in diesem Beispiel der Einfachheit halber als Ausgabe aus der Ausgangsschicht des neuronalen Netzes 101 in der Steuerregelausführungseinheit 10 die Werte auf der positiven Operationsgradseite und der negativen Operationsgradseite und der Operationsgrad, der zufällig von der Steueroperationsstörungserzeugungseinheit 16 erzeugt wird, als Operationsgrad zufällig festgelegt. Ferner wird die Steueroperationsbetragsausgabe SO für das Steueroperationsende als Operationsbefehlswert festgelegt.
13 zeigt Verarbeitungsschritte und Verarbeitungsinhalte in der Lerndatenerzeugungseinheit 7. Wenn in diesem Beispiel eine Beschreibung gemäß der Festlegung der Symbole in 12 gegeben wird, wird in einer ersten Verarbeitungsstufe 71 der Operationsbefehlswert Cref aus dem Ausdruck (6) erhalten. $C r e f = G \cdot (OP r e f - OM r e f + OR r e f)$
In der nächsten Verarbeitungsstufe 72 wird der Operationsbefehlswert Cref gemäß den Steuerergebnisannehmbarkeitsdaten S6 korrigiert, um C'ref bereitzustellen. Insbesondere wird der Ausdruck (7) verwendet, wenn die Steuerergebnisannehmbarkeitsdaten S6 = -1, der Ausdruck (8) wird verwendet, wenn die Steuerergebnisannehmbarkeitsdaten S6 = 0 und der Ausdruck (9) wird verwendet, wenn die Steuerergebnisannehmbarkeitsdaten S6 = 1, um dadurch den Korrekturwert C'ref des Operationsbefehlswerts Cref bereitzustellen. $\begin{matrix} IF C r e f > 0 THEN C' r e f = C r e f - Δ C r e f \\ IF C r e f < 0 THEN C' r e f = C r e f + Δ C r e f \end{matrix}$
$C' r e f = C r e f$
$\begin{matrix} IF C r e f > 0 THEN C' r e f = C r e f + Δ C r e f \\ IF C r e f < 0 THEN C' r e f = C r e f - Δ C r e f \end{matrix}$
In der Verarbeitungsstufe 73 wird ein Operationsgradkorrekturbetrag Δ0ref aus dem korrigierten Operationsbefehlswert C'ref durch die Ausdrücke (10) und (11) erhalten. $C' r e f = G \cdot ((OP r e f + Δ O r e f) - (OM r e f - Δ O r e f))$
$Δ O r e f = \frac{1}{2} (\frac{C' r e f}{G} - (OP r e f - OM r e f))$
In der Verarbeitungsstufe 74 werden die Lehrerdaten OP'ref und OM'ref für das neuronale Netz 111 aus dem Ausdruck (12) erhalten. $\begin{array}{l} OP' r e f = OP r e f + Δ O r e f \\ OM' r e f = OM r e f - Δ O r e f \end{array}$
Wie in 12 gezeigt, berechnet die Lerndatenerzeugungseinheit 7 den Operationsbefehlswertkorrekturwert C'ref aus dem Operationsbefehlswert Cref, der tatsächlich an die Steuerzielanlage 1 ausgegeben wird, gemäß den Steuerergebnisannehmbarkeitsdaten S6, die das Bestimmungsergebnis der Steuerergebnisannehmbarkeitsbestimmungseinheit 6 sind. Insbesondere wenn die Steuerergebnisannehmbarkeitsdaten S6 = 1, ist die Steuerrichtung annehmbar. Wenn jedoch bestimmt wird, dass die Steuerausgabe unzureichend ist, wird der Operationsbefehlswert um ΔCref in derselben Richtung erhöht. Wenn dagegen die Steuerergebnisannehmbarkeitsdaten S6 = -1, wenn bestimmt wird, dass die Steuerrichtung falsch ist, und der Operationsbefehlswert wird um ΔCref in einer umgekehrten Richtung verringert. Da die Umsetzungsverstärkung G im Voraus festgelegt wird und bereits bekannt ist, wenn die Werte auf der positiven Seite des Operationsgrades und der negativen Seite des Operationsgrades bekannt sind, kann der Korrekturbetrag ΔOref erhalten werden. In diesem Beispiel wird ΔCref im Voraus durch Finden eines geeigneten Werts durch Simulation oder dergleichen erhalten und festgelegt. Gemäß der obigen Prozedur können die Lehrerdaten OP'ref und OM'ref, die in der Steuerregellerneinheit 11 verwendet werden sollen, durch den obigen Ausdruck (12) erhalten werden.
Obwohl die Beschreibung mit einem einfachen Fall in 13 durchgeführt wird, werden tatsächlich alle des AS-U-Operationsgrades 301 für #1 bis #n AS-U und des ersten Zwischenoperationsgrades 302 für die obere erste Zwischenwalzenverschiebung und die untere erste Zwischenwalzenverschiebung ausgeführt, um die Lehrerdaten (AS-U-Operationsgradlehrerdaten, die ersten Zwischenoperationsgradlehrerdaten) des neuronalen Netzes 111, das in der Steuerregellerneinheit 11 verwendet werden soll, bereitzustellen.
14 zeigt ein Beispiel von Daten, die in der Lerndatenbank DB2 gespeichert sind. Um das neuronale Netz 111 zu lehren, ist eine Kombination einer großen Anzahl von Eingangsdaten S8a und Lehrerdaten S7a erforderlich. Daher werden die Lehrerdaten S7a (die AS-U-Operationsgradlehrerdaten, der erste Zwischenoperationsgrad), die durch die Lerndatenerzeugungseinheit 7 erzeugt werden, mit den Zeitverzögerungsdaten S8a der Eingangsdaten S1 (der normierten Formabweichung 201 und der Formabweichungsstufe) kombiniert, die in die Steuerregelausführungseinheit 10 durch die Steuerausführungsvorrichtung 20 eingegeben werden, und als Satz von Lerndaten S11 in der Lerndatenbank DB2 gespeichert.
Zu dieser Zeit nimmt, wenn ein Satz von Lerndaten, die neu erzeugt werden, wie vorstehend beschrieben, nur zur Lerndatenbank DB2 hinzugefügt wird, die Anzahl von Sätzen von Lerndaten nur zu. Wenn die Lerndaten zunehmen, dauert es nicht nur Zeit, das neuronale Netz 111 zu lehren, sondern der ursprüngliche Satz von fehlerhaften Lerndaten, die verursachen, dass das neuronale Netz 111 den Steueroperationsendoperationsbefehl S2 für die Eingangsdaten S1 lernt, die wie beschrieben korrigiert werden, bleiben auch in der Lerndatenbank DB2, infolge dessen das Lernen unwahrscheinlich effizient durchgeführt wird.
Daher werden in der Steuerregelnichtbeachtungseinheit 200 die fehlerhaften Lerndaten abgeschätzt und aus der Lerndatenbank DB2 gelöscht, wodurch verhindert wird, dass die Lerndaten zunehmen, und die Lerneffizienz erhöht wird.
16 zeigt ein Konfigurationsbeispiel der Lerndatenbank DB2, das die Verarbeitung der Steuerregelnichtbeachtungseinheit 200 widerspiegelt. Der Steueroperationsendoperationsbefehl S2, der eine Ausgabe des neuronalen Netzes ist, wenn die Eingangsdaten in das neuronale Netz 111 eingegeben werden, die zuletzt gelernt wurden, wird mit den Lerndaten gepaart, die eine Kombination der Eingangsdaten S1 und der Lehrerdaten T1 sind, und in der Lerndatenbank DB2 gespeichert.
In dem anderen Fall als den Steuerergebnisannehmbarkeitsdaten S6 = 0, werden, da die Lerndaten zum Korrigieren des neuronalen Netzes 111 erzeugt werden, die Eingangsdaten S8a zu dieser Zeit und die Zeitverzögerung S2a des Steueroperationsendoperationsbefehls S2 erfasst und die Eingangsdaten S1 aller Lerndaten, die in der Lerndatenbank DB2 gespeichert sind, und der Steueroperationsendoperationsbefehl S2 werden korreliert und die Lerndaten S10 mit der höchsten Korrelation werden ausgewählt. Der Korrelationskoeffizient zum Korrelieren von zwei Datenreihen ist allgemein, aber ohne Rücksicht auf den Korrelationskoeffizienten kann ein Verfahren unter Verwendung eines quadratischen Mittelwerts oder einer geeigneten Bewertungsfunktion übernommen werden.
17 zeigt gespeicherte Inhalte der Nichtbeachtungsregeldatenbank DB5. Die zu vergessenden Daten S10 und die neu erhaltenen Kenntnisdaten S11 werden in Paaren in der Nichtbeachtungsregeldatenbank DB5 gespeichert. Die zu vergessenden Daten S10 speichern die Lerndaten, die die Kombination der Eingangsdaten S1 und der Lehrerdaten T1 sind, und die neu erhaltenen Kenntnisdaten S11 speichern die Lerndaten, die die Kombination der Eingangsdaten S1 und der korrigierten Daten T1 sind. Im Übrigen speichern diese Daten S10 und S11 zusätzlich den Steueroperationsendoperationsbefehl S2, der eine Ausgabe des neuronalen Netzes ist, wenn die Eingangsdaten in das neuronale Netz 11 eingegeben werden, die zuletzt gelernt wurden.
Die Steuerregelnichtbeachtungseinheit 200 löscht die ausgewählten Lerndaten S10 aus der Lerndatenbank DB2 und schreibt die Lerndaten S10 und die korrigierten Lerndaten S11 in die Nichtbeachtungsregeldatenbank DB5. Die Nichtbeachtungsregeldatenbank DB5 speichert die Lerndaten S10 des neuronalen Netzes 111, von denen bestimmt wird, dass sie durch die Steuerergebnisannehmbarkeitsbestimmungseinheit 6 korrigiert werden, und die korrigierten Lerndaten S11 in Kombination im Voraus. Unterdessen werden die Daten in der Nichtbeachtungsregeldatenbank DB5 durch das neuronale Netz 111 gelernt und alle werden gelöscht, wenn das Lernen durch die korrigierten Lerndaten vollendet wird.
Selbst wenn die Lerndaten S11, von denen bestimmt wird, dass sie durch die Steuerergebnisannehmbarkeitsbestimmungseinheit 6 korrigiert werden müssen, und die korrigiert werden, erzeugt und zur Lerndatenbank DB2 hinzugefügt werden, wird, da die korrigierten Lerndaten S11 nicht an der Steuerregelausführungseinheit 10 widergespiegelt werden, bis das Lernen des neuronalen Netzes 111 ausgeführt wird, die tatsächliche Steuerung als solche mit der alten Steuerregel ausgeführt. Die Ersatzsteuerregelausführungseinheit 100 implementiert die Steuergenauigkeit früh durch Widerspiegeln der korrigierten Lerndaten S11 vor dem Lernen des neuronalen Netzes 111.
In der Ersatzsteuerregelausführungseinheit 100 korrelieren die Eingangsdaten S1 in die Steuerregelausführungseinheit 10 und der Steueroperationsendoperationsbefehl S2 von der Steuerregelausführungseinheit 10 mit den zu korrigierenden Lerndaten, die in der Nichtbeachtungsregeldatenbank DB5 akkumuliert sind. Wenn bestimmt wird, dass die Korrelation groß ist, wird der Steueroperationsendoperationsbefehl S2 der korrigierten Lerndaten S11 an die Steuerausgaberechnungseinheit 3 ausgegeben.
Im Übrigen verwendet die Anlagensteuervorrichtung von 1 verschiedene Datenbanken DB1, DB2, DB3, DB4 und DB5. 14 zeigt eine Konfiguration der Managementtabelle TB des neuronalen Netzes zum vernetzenden Mangen und Betreiben der jeweiligen Datenbanken DB1, DB2, DB3 und DB4. Die Managementtabelle TB weist eine Spezifikationsmanagementtabelle auf. Insbesondere wird die Managementtabelle TB gemäß den Spezifikationen A1 und A2 für eine Plattenbreite (B1), den Stahltyp (B2) und die Steuerpriorität in der Spezifikation klassifiziert. Als Plattenbreite (B1) werden beispielsweise vier Abschnitte von 3 Fuß Breite, Meter Breite, 4 Fuß Breite und 5 Fuß Breite verwendet. Als Stahltyp werden etwa 10 Abschnitte von Stahltypen (1) bis (10) verwendet. Als Spezifikation A für die Steuerpriorität gibt es auch zwei Typen von A1 und A2. In diesem Fall gibt es 80 Abschnitte und 80 neuronale Netze werden gemäß den Walzbedingungen separat verwendet.
Die Lernsteuereinheit 112 des neuronalen Netzes speichert die Lerndaten, die die Kombination der Eingangsdaten und der Lehrerdaten sind, wie in 14 gezeigt, in der Lerndatenbank DB2, wie in 16 gezeigt, in Zusammenhang mit der entsprechenden Nr. des neuronalen Netzes gemäß der Managementtabelle TB des neuronalen Netzes von 15.
Zwei Sätze von Lerndaten werden jedes Mal erzeugt, wenn die Steuerausführungsvorrichtung 20 die Formsteuerung an der Steuerzielanlage 1 durchführt. Dies liegt daran, dass zwei Typen von Lehrerdaten erzeugt werden, da die Steuerergebnisannehmbarkeitsbestimmung an denselben Eingangsdaten und der Steuerausgabe unter Verwendung der zwei Bewertungskriterien der Spezifikation A1 und der Spezifikation A2 für die Steuerpriorität durchgeführt wird. Wenn die Lehrerdaten in einem bestimmten Umfang akkumuliert sind (beispielsweise 200 Sätze) oder neu in der Lerndatenbank DB2 akkumuliert werden, weist die Lernsteuereinheit 112 des neuronalen Netzes das Lernen des neuronalen Netzes 111 an.
Die mehreren neuronalen Netze sind in der Steuerregeldatenbank DB1 gemäß einer Managementtabelle TB gespeichert, die in 15 gezeigt ist, und die Lernsteuereinheit 112 des neuronalen Netzes bezeichnet die Nr. des neuronalen Netzes, das Lernen erfordert, und die Auswahleinheit 113 des neuronale Netzes extrahiert das bezeichnete neuronale Netz aus der Steuerregeldatenbank DB1 und legt das extrahierte neuronale Netz als neuronales Netz 111 fest. Die Lernsteuereinheit 112 des neuronalen Netzes weist die Eingangsdatenerzeugungseinheit 114 und die Lehrerdatenerzeugungseinheit 115 an, die Eingangsdaten und die Lehrerdaten entsprechend dem festgelegten neuronalen Netz aus der Lerndatenbank DB2 zu extrahieren, und führt das Lernen des neuronalen Netzes 111 unter Verwendung dieser Teile von extrahierten Daten aus. Verschiedene Verfahren wurden für das Lernverfahren des neuronalen Netzes vorgeschlagen und irgendein Verfahren kann verwendet werden.
Wenn das Lernen des neuronalen Netzes 111 vollendet ist, schreibt die Lernsteuereinheit 112 des neuronalen Netzes das neuronale Netz 111 als Lernergebnis in eine Position der geeigneten Nr. des neuronalen Netzes in der Steuerregeldatenbank DB1 zurück, um dadurch das Lernen zu vollenden.
Das Lernen kann ganz auf einmal in regelmäßigen Zeitintervallen (beispielsweise jeden Tag) an allen der in 15 definierten neuronale Netze durchgeführt werden. Alternativ kann das Lernen nur an den neuronalen Netzen der Nr. des neuronalen Netzes durchgeführt werden, in denen neue Lerndaten in einem gewissen Umfang zu diesen Zeitpunkt akkumuliert sind (beispielsweise 100 Sätze).
Wie vorstehend beschrieben, können, ohne die Form des Walzwerks signifikant zu stören, das die Steuerzielanlage 1 ist, die folgenden Konfigurationen verwirklicht werden.

1) Anstatt das Referenzformmuster und die Steueroperation für das Referenzformmuster separat im Voraus festzulegen und das Steueroperationsverfahren zu lernen, wird die Kombination des Formmusters und der Steueroperation gelernt und die Steueroperation wird unter Verwendung der gelernten Kombination ausgeführt.
2) Da die neue Steuerregel nicht im Voraus vorhersagbar ist und die Steuerregel, die überhaupt nicht vorhergesagt werden könnte, optimal sein kann, wird das Steueroperationsende zufällig betrieben, die neue Steuerregel wird herausgefunden, während das Steuerergebnis für die Operation beobachtet wird.
3) Das Lernen der neuronalen Netze, das Zeit erfordert, kann durch eine Verringerung der Zunahme der Lerndaten in der kürzesten Zeit durchgeführt werden und kann unter Verwendung der neuen Steuerregel gesteuert werden, selbst bevor das Lernen vollendet ist.

Die Steuerregeldatenbank DB1 speichert das neuronale Netz, das durch die Steuerausführungsvorrichtung 20 verwendet werden soll, aber wenn das gespeicherte neuronale Netz nur ein neuronales Netz ist, das einen anfänglichen Prozess mit einer Zufallszahl durchführt, dauert es Zeit, bis das Lernen des neuronalen Netzes fortschreitet und eine mäßige Steuerung ermöglicht wird. Aus diesem Grund wird, wenn die Steuereinheit für die Steuerzielanlage 1 aufgebaut wird, das Lernen der Steuerregel durch Simulation im Voraus auf der Basis des Steuermodells der Steuerzielanlage 1, die zu dieser Zeit bekannt ist, ausgeführt und das neuronale Netz, das das Lernen durch Simulation vollendet hat, wird in der Datenbank gespeichert, wodurch die Steuerung mit einem gewissen Grad an Leistung ab einem Start der Steuerzielanlage ausgeführt werden kann.
Wenn die Anzahl von Teilen von Lerndaten auf einen bestimmten Wert eingeschränkt wird, kann außerdem eine für das Lernen erforderliche Zeit verkürzt werden.
Außerdem kann die Anzahl von Lerndaten durch Verringern der ähnlichen Lerndaten in der Lerndatenbank DB2 unter Verwendung desselben Verfahrens wie jenes der Steuerregelnichtbeachtungseinheit 200 verringert werden.
Die Anlagensteuervorrichtung gemäß der vorliegenden Erfindung wird tatsächlich als Computersystem verwirklicht, aber in diesem Fall werden mehrere Programmgruppen im Computersystem gebildet.
Zum Erreichen der Verarbeitung der Steuerausführungsvorrichtung umfasst die Programmgruppe: ein Steuerregelausführungsprogramm, das eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation gibt; ein Steuerausgabebestimmungsprogramm, das bestimmt, ob die Steuerausgabe, die durch das Steuerregelausführungsprogramm ausgegeben wird, zugelassen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und ein Steuerausgabeverhinderungsprogramm, das verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, wenn bestimmt wird, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern, wenn die Steuerausgabe an die zu steuernde Anlage ausgegeben wird. Zum Erreichen der Verarbeitung der Steuerverfahrenslernvorrichtung umfasst die Programmgruppe: eine Steuerergebnisannehmbarkeitsbestimmungseinheit zum Erreichen der Verarbeitung einer Steuerergebnisannehmbarkeitsbestimmung, die die Annehmbarkeit eines Steuerergebnisses hinsichtlich dessen, ob die tatsächlichen Daten im Vergleich zu tatsächlichen Daten vor der Steuerung verbessert oder vermindert werden, nach einer Zeitverzögerung bestimmt, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung tatsächlich die Steuerausgabe an die zu steuernde Anlage ausgibt; ein Lerndatenerzeugungsprogramm, das Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses im Steuerergebnisannehmbarkeitsbestimmungsprogramm und die Steuerausgabe erhält; ein Steuerregelnichtbeachtungsprogramm, das Lerndaten löscht, die zu einer Kombination der tatsächlichen Daten vor dem Korrigieren und der erzeugten Lerndaten mit der Steueroperation ähnlich sind; und ein Steuerregellernprogramm, das mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt. Die Steuerverfahrenslernvorrichtung lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, verwendet die erhaltenen Kombinationen der tatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation in derSteuerregelausführungseinheit und führt die Steuerung unter Verwendung der korrigierten Lerndaten durch, wenn der Zustand der zu steuernden Anlage zur Kombination der tatsächlichen Daten vor der Korrektur mit der Steueroperation ähnlich ist.
Bei der Anwendung der Vorrichtung der vorliegenden Erfindung auf eine reale Anlage besteht ein Bedarf, einen anfänglichen Wert des neuronalen Netzes zu bestimmen. In dieser Hinsicht ist es bevorzugt, die Kombination der tatsächlichen Daten und der Steueroperation durch Simulation unter Verwendung des Steuermodells der Steuerzielanlage zu erzeugen, bevor die Steuerung in der Steuerzielanlage ausgeführt wird, und die Lernperiode der Kombination der tatsächlichen Daten und der Steueroperation in der Steuerzielanlage zu verkürzen.
In der vorstehend beschriebenen vorliegenden Erfindung werden in dem Anlagensteuersystem, das die Steuerregeln durch Lernen korrigiert, ein Verfahren zum Löschen der bereits erzeugten Daten, die für das Lernen entsprechend der korrigierten Steuerregel verwendet werden sollen (Vergessen von unnötigen tatsächlichen Daten), um die Steuerung effizient durchzuführen, und ein Verfahren, das das korrigierte Steuerverfahren vorläufig verwendet, bis das Lernen ausgeführt ist, da das erneute Lernen der Steuerregeln nicht unmittelbar implementiert wird, vorgeschlagen. Gemäß der vorliegenden Erfindung kann das Lernen der Steuerregeln effizient durchgeführt werden und die Implementierung des Steuerverfahrens mit einem weniger alten Steuereffekt kann verhindert werden, bis das erneute Lernen der Steuerregeln ausgeführt wird. Aus diesem Grund bestehen Vorteile, dass eine Verbesserung in der Steuergenauigkeit, eine Verringerung einer Anlaufperiode der Steuereinheit, das Zurechtkommen mit Alterung und dergleichen durchgeführt werden können.
Als Hintergrund der Konfiguration wie in der vorliegenden Erfindung, ist, da es Zeit dauert, die Steuerregel zu lernen, wenn tiefes Lernen verwendet wird (Größenordnung von Stunden), ein Verfahren, um Lerndaten hinzuzufügen, nicht bevorzugt, und es kann ein Bedarf bestehen, die Lerndaten unter Verwendung irgendeines Verfahrens zu löschen (zu vergessen), und es kann ein Bedarf bestehen, die Lerndaten, die nur anwachsen, durch ein anderes Verfahren als das Verwerfen der Lerndaten durch Begrenzen der Zeitdauer zu managen.
[Industrielle Anwendbarkeit]
Die vorliegende Erfindung bezieht sich auf ein Steuerverfahren und eine Steuereinheit eines Walzwerks, das beispielsweise ein Teil einer Walzanlage ist, und es besteht kein spezielles Problem bei der praktischen Anwendung.
Bezugszeichenliste

1:: STEUERZIELANLAGE
2:: STEUEREINGANGSDATENERZEUGUNGSEINHEIT
3:: STEUERAUSGABEBERECHNUNGSEINHEIT
4:: STEUERAUSGABEVERHINDERUNGSEINHEIT
5:: STEUERAUSGABEBESTIMMUNGSEINHEIT
6:: STEUERERGEBNISANNEHMBARKEITSBESTIMMUNGSEINHEIT
7:: LERNDATENERZEUGUNGSEINHEIT
10:: STEUERREGELAUSFÜHRUNGSEINHEIT
11:: STEUERREGELLERNEINHEIT
20:: STEUERAUSFÜHRUNGSVORRICHTUNG
21:: STEUERVERFAHRENSLERNVORRICHTUNG
100:: ERSATZSTEUERREGELAUSFÜHRUNGSEINHEIT
200:: STEUERREGELNICHTBEACHTUNGSEINHEIT
DB1:: STEUERREGELDATENBANK
DB2:: AUSGABEBESTIMMUNGSDATENBANK
DB3:: LERNDATENBANK
DB4:: ANNEHMBARKEITSBESTIMMUNGSDATENBANK
DB5:: NICHTBEACHTUNGSREGELDATENBANK
Si:: TATSÄCHLICHE DATEN
S0:: STEUEROPERATIONSBETRAGSAUSGABE
S1:: EINGANGSDATEN
S2:: STEUEROPERATIONSENDOPERATIONSBEFEHL
S3:: STEUEROPERATIONSBETRAG
S4:: STEUEROPERATIONSBETRAGSAUSGABEVERFÜGBARKEITSDATEN
S5:: ANNEHMBARKEITSBESTIMMUNGSDATEN
S6:: STEUERERGEBNISANNEHMBARKEITSDATEN
S7a, S7b, S7c:: LEHRERDATEN
S8a, S8b, S8c:: EINGANGSDATEN (FÜR STEUERREGELLERNEINHEIT)

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2804161 [0004, 0005]
JP 4003733 [0008]

Claims

Anlagensteuervorrichtung, die eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, die umfasst: eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten und der Steueroperation ausführt, wobei die Steuerausführungsvorrichtung umfasst: eine Steuerregelausführungseinheit, die eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage und der Steueroperation gibt; eine Steuerausgabebestimmungseinheit, die bestimmt, ob die durch die Steuerregelausführungseinheit ausgegebene Steuerausgabe zugelassen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und eine Steuerausgabeverhinderungseinheit, die verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, wenn bestimmt wird, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern, wobei die Steuerverfahrenslernvorrichtung umfasst: eine Steuerergebnisannehmbarkeitsbestimmungseinheit, die bestimmt, ob ein Steuerergebnis der tatsächlichen Daten im Vergleich zu tatsächlichen Daten vor der Steuerung zugelassen ist oder nicht, nach einer Zeitverzögerung, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung die Steuerausgabe an die zu steuernde Anlage ausgibt; eine Lerndatenerzeugungseinheit, die Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses in der Steuerergebnisannehmbarkeitsbestimmungseinheit und die Steuerausgabe erhält; eine Steuerregelnichtbeachtungseinheit, die Lerndaten löscht, die zu einer Kombination der tatsächlichen Daten vor der Korrektur der erzeugten Lerndaten mit der Steueroperation ähnlich sind; und eine Steuerregellerneinheit, die mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt, und die Steuerverfahrenslernvorrichtung lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, die erhaltenen Kombinationen der tatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation in der Steuerregelausführungseinheit verwendet und die Steuerung unter Verwendung der korrigierten Lerndaten durchführt, wenn der Zustand der zu steuernden Anlage zur Kombination der tatsächlichen Daten vor der Korrektur mit der Steueroperation ähnlich ist.
Anlagensteuervorrichtung nach Anspruch 1, wobei die Steuerverfahrenslernvorrichtung die Kombination der tatsächlichen Daten mit der Steueroperation, um die Steuerung durchzuführen, unter Verwendung der Informationen über die Amplitude der tatsächlichen Daten und Informationen zum Normieren der tatsächlichen Daten und Erleichtern der Ausführung der Mustererkennung für den Zweck der Änderung der Kombination der tatsächlichen Daten mit der Steueroperation gemäß der Amplitude der tatsächlichen Daten der zu steuernden Anlage lernt.
Anlagensteuervorrichtung nach Anspruch 1 oder 2, wobei die Steuerregelausführungseinheit eine bestimmte Kombination der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation als erstes neutrales Netz hält, die Steuerregellerneinheit die Kombination der tatsächlichen Daten mit der Steueroperation als zweites neutrales Netz hält und das zweite neutrale Netz, das als Ergebnis des Lernens erhalten wird, in der Steuerverfahrenslernvorrichtung als erstes neuronales Netz in der Steuerregelausführungseinheit verwendet.
Anlagensteuervorrichtung nach einem der Ansprüche 1 bis 3, wobei die Steuerausführungsvorrichtung eine Steueroperationsstörungserzeugungseinheit umfasst, die eine Störung an die Steuerausgabe gibt, und die Steuerverfahrenslernvorrichtung mit Einschluss eines Falls lernt, in dem die Störung angewendet wird.
Anlagensteuervorrichtung nach einem der Ansprüche 1 bis 4, wobei die Steuerverfahrenslernvorrichtung mehrere Kombinationen der tatsächlichen Daten mit der Steueroperation durch Lernen unter mehreren vorbestimmten Spezifikationen erhält und die Steuerausführungsvorrichtung mehrere Kombinationen eines Teils von tatsächlichen Daten mit der Steueroperation gemäß einem Operationszustand der zu steuernden Anlage aus mehreren Kombinationen der tatsächlichen Daten mit der Steueroperation auswählt und die Steuerausgabe gibt.
Anlagensteuervorrichtung nach Anspruch 3, wobei die Steuerverfahrenslernvorrichtung das neuronale Netz zum Lernen der Kombination der tatsächlichen Daten, das bei einem Operationsverfahren verwendet werden soll, gemäß der Amplitude der tatsächlichen Daten ändert.
Anlagensteuervorrichtung nach einem der Ansprüche 1 bis 6, wobei die Steuerverfahrenslernvorrichtung ein Annehmbarkeitsbestimmungskriterium des Steuerergebnisses auf der Basis des Zustandes der zu steuernden Anlage oder der Erfahrung einer Bedienperson der zu steuernden Anlage ändert, Beziehungen zwischen den tatsächlichen Daten und dem Operationsverfahren für die jeweiligen zu steuernden Anlagen erhält und die erhaltenen Beziehungen in einer Datenbank speichert, um die Steuerung durch ein unterschiedliches Steuerverfahren gemäß dem Zustand der zu steuernden Anlage oder der Erfahrung der Bedienperson der zu steuernden Anlage durchzuführen.
Anlagensteuervorrichtung nach einem der Ansprüche 1 bis 7, wobei die Steuerverfahrenslernvorrichtung die Kombination der tatsächlichen Ergebnisdaten mit der Steueroperation durch Simulation unter Verwendung eines Steuermodells der zu steuernden Anlage vor dem Ausführen der Steuerung an der zu steuernden Anlage erzeugt und eine Lernperiode der Kombination der tatsächlichen Daten mit der Steueroperation in der zu steuernden Anlage verringert.
Walzwerksteuervorrichtung, auf die die Anlagensteuervorrichtung nach einem der Ansprüche 1 bis 8 angewendet wird, wobei die zu steuernde Anlage ein Walzwerk ist und die tatsächlichen Daten eine Austrittsseitenform des Walzwerks sind.
Anlagensteuerverfahren, das eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, das umfasst: eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten und der Steueroperation ausführt, wobei die Steuerausführungsvorrichtung eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage und der Steueroperation gibt, bestimmt, ob die Steuerausgabe zugelassen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind, und verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, wenn bestimmt wird, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern, und die Steuerverfahrenslernvorrichtung bestimmt, ob ein Steuerergebnis der tatsächlichen Daten im Vergleich zu tatsächlichen Daten vor der Steuerung zugelassen sind oder nicht, nach einer Zeitverzögerung, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung die Steuerausgabe an die zu steuernde Anlage ausgibt, Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses in der Steuerergebnisannehmbarkeitsbestimmungseinheit und die Steuerausgabe erhält, Lerndaten löscht, die zu einer Kombinationen der tatsächlichen Daten vor dem Korrigieren der erzeugten Lerndaten mit der Steueroperation ähnlich sind, und mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt, lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, die erhaltenen Kombinationen der tatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation in der Steuerregelausführungseinheit verwendet und die Steuerung unter Verwendung der korrigierten Lerndaten durchführt, wenn der Zustand der zu steuernden Anlage zur Kombination der tatsächlichen Daten vor der Korrektur mit der Steueroperation ähnlich ist.
Walzwerksteuerverfahren, auf das die Anlagensteuervorrichtung nach Anspruch 10 angewendet wird, wobei die zu steuernde Anlage ein Walzwerk ist und die tatsächlichen Daten eine Austrittsseitenform des Walzwerks sind.
Programm, das bewirkt, dass ein Computersystem eine Anlagensteuervorrichtung verwirklicht, die eine zu steuernde Anlage durch Erkennen eines Kombinationsmusters von tatsächlichen Daten der zu steuernden Anlage steuert, wobei das Computersystem umfasst: eine Steuerverfahrenslernvorrichtung, die eine Kombination von tatsächlichen Daten der zu steuernden Anlage mit einer Steueroperation lernt; und eine Steuerausführungsvorrichtung, die die Steuerung der zu steuernden Anlage gemäß der gelernten Kombination der tatsächlichen Daten mit der Steueroperation ausführt, zum Erreichen der Verarbeitung der Steuerausführungsvorrichtung das Programm umfasst: ein Steuerregelausführungsprogramm, das eine Steuerausgabe gemäß einer bestimmten Kombination der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation gibt; ein Steuerausgabebestimmungsprogramm, das bestimmt, ob die durch das Steuerregelausführungsprogramm ausgegebene Steuerausgabe zugelassen ist oder nicht, und die Steuerverfahrenslernvorrichtung benachrichtigt, dass die tatsächlichen Daten und die Steueroperation fehlerhaft sind; und ein Steuerausgabeverhinderungsprogramm, das verhindert, dass die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, wenn das Steuerausgabebestimmungsprogramm bestimmt, dass die tatsächlichen Daten der zu steuernden Anlage sich verschlechtern, wenn die Steuerausgabe an die zu steuernde Anlage ausgegeben wird, zum Erreichen der Verarbeitung der Steuerverfahrenslernvorrichtung das Programm umfasst: eine Steuerergebnisannehmbarkeitsbestimmungseinheit zum Erreichen der Verarbeitung einer Steuerergebnisannehmbarkeitsbestimmung, die die Annehmbarkeit eines Steuerergebnisses hinsichtlich dessen, ob die tatsächlichen Daten im Vergleich zu tatsächlichen Daten vor der Steuerung verbessert oder vermindert werden, nach einer Zeitverzögerung bestimmt, bis ein Steuereffekt in den tatsächlichen Daten erscheint, wenn die Steuerausführungsvorrichtung tatsächlich die Steuerausgabe an die zu steuernde Anlage ausgibt; ein Lerndatenerzeugungsprogramm, das Lehrerdaten unter Verwendung der Annehmbarkeit des Steuerergebnisses im Steuerergebnisannehmbarkeitsbestimmungsprogramm und die Steuerausgabe erhält; ein Steuerregelnichtbeachtungsprogamm, das Lerndaten löscht, die zu einer Kombination der tatsächlichen Daten vor dem Korrigieren der erzeugten Lerndaten mit der Steueroperation ähnlich sind; und ein Steuerregellernprogramm, das mit den tatsächlichen Daten und den Lehrerdaten als Lerndaten lernt, und die Steuerverfahrenslernvorrichtung lernt, die individuellen Kombinationen der tatsächlichen Daten mit der Steueroperation für mehrere Steuerziele gemäß einem Zustand der zu steuernden Anlage zu erhalten, die erhaltenen Kombinationen der tatsächlichen Ergebnisdaten mit der Steueroperation als bestimmte Kombinationen der tatsächlichen Daten der zu steuernden Anlage mit der Steueroperation im Steuerregelausführungsprogram verwendet und die Steuerung unter Verwendung der korrigierten Lerndaten durchführt, wenn der Zustand der zu steuernden Anlage zur Kombination der tatsächlichen Daten vor der Korrektur mit der Steueroperation ähnlich ist.