DE4301130C2

DE4301130C2 - Verfahren und Vorrichtung zum Regeln eines Objektes unter Verwendung einer Lernfunktion

Info

Publication number: DE4301130C2
Application number: DE4301130A
Authority: DE
Inventors: Yasunori Katayama; Yasuo Morooka; Takashi Okada; Masaaki Nakajima; Satoshi Hattori; Masakane Shigyo
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-01-20
Filing date: 1993-01-18
Publication date: 1998-11-19
Anticipated expiration: 2013-01-19
Also published as: US5414619A; DE4301130A1; JPH05197401A; JP3136183B2

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Regeln eines Objektes, spezieller ein Verfahren und eine Vorrichtung zum Festlegen von Führungsgrößen (Sollwerte von Regelgrößen) für ein nicht- lineares Regelungssystem, wie eine Walzstraße.

Es ist möglich, einen hochgenauen Einstellvorgang zum Fest legen des Sollwertes eines Regelungssystems auszuführen, wenn eine lineare Regeltheorie verwendet wird, wie sie für ein lineares Regelungssystem entwickelt wurde. Wenn diese lineare Regelungstheorie jedoch auf ein zu regelndes Objekt mit starker Nichtlinearität angewendet wird, z. B. auf eine Walzstraße zum Walzen eines Materials, ist es nicht möglich, den gewünschten Grad an Regelungsgenauigkeit zu erzielen, und es ist nicht möglich, die Qualität des Produkts (eines Stahlprodukts im Fall der Walzstraße) stark zu verbessern. Als Regelungssystem zum Regeln einer Walzstraße ist ein Sollwerteinstellsystem bekannt, mit dem der Sollwert für den Gleichgewichtszustand erhalten wird, wenn keine zeitliche Änderung beim geregelten Objekt vorliegt, und es bestand der Wunsch nach einem Verfahren zum Erzielen einer hochgenauen Einstellung im Sollwerteinstellsystem. Diese Sollwertein stellung ist z. B. eine solche bei der Regelung eines Wärme kraftwerks oder bei einer Anlagenregelung.

Im allgemeinen wird in einem Sollwerteinstellsystem eine optimale Lösung auf Grundlage dynamischer Programmierung oder linearer Programmierung erhalten, wobei ein Zeitände rungsfaktor ausgeklammert wird, auf dieselbe Weise, wie dies bei der stationären Lösung einer Differentialgleichung er folgt; so wird ein Sollwert festgelegt. Wenn dieser einmal erhalten ist, erfolgt Regelung auf Grundlage der linearen Regelungstheorie, gemäß der das Verhalten des zu regelnden Gegenstandes um den Sollwert linearisiert wird und die Re gelabweichung vom Sollwert auf Null gesetzt wird und eine optimale Lösung als Übergangslösung der Diffe rentialgleichung aufgesucht wird.

Eine Sollwerteinstellung ist im Detail in "The Theory and Praxis of a Plate Rolling (Theorie und Praxis eines Plattenwalzvor gangs)" von The Iron and Steel Institute of Japan beschrie ben, erschienen am 1. September 1984, S. 289-292.

Bei diesem Stand der Technik nimmt die Sollwerteinstellung eine Einstellung einer Führungsgröße der Regelung, d. h. eines Sollwerts der Regelgröße vor. Dabei ist es jedoch schwierig, den eingestellten Sollwert anzupassen, wenn sich unbekannte Parameter des zu regelnden Objekts ändern. Beispielsweise können sich bei einer Walzstraße der Reibungswiderstand und die Wärmeausdehnung der Walzen ändern. Verstellt die Soll werteinstellung den festgelegten Sollwert stark, so ändern sich wiederum die Parameter, so daß eine genaue Regelung sehr schwierig ist.

In "Methoden der Prozeßführung mit Simulationsmodellen", atp 31(1989) 10, S. 475-481, sind Verfahren angegeben, um während der Regelung eines Prozesses unzugängliche Prozeßparameter zu berechnen. Dazu wird der ablaufende Prozeß gleichzeitig mit tels eines mathematischen Prozeßmodells simuliert, dem die Parameter entnommen werden können. Eine Nutzung der so gewon nenen Parameter zur Regelung des Prozesses ist in dieser Druckschrift jedoch nicht angegeben.

Die Druckschrift DE-41 31 765 A1 (Stand der Technik nach § 3(2) PatG) betrifft die Berechnung von Regelparametern anhand von Modellen und die Korrektur der Parameter durch Anpassen an an dem zu regelnden Objekt (beispielsweise einer Walz straße) tatsächlich gemessene Größen. Die Druckschrift gibt jedoch nicht an, wie das Modell und dessen Parameter zur Re gelung des Objekts dienen können.

Eine allgemeine Regeleinrichtung für eine Walzstraße ist in DE-40 08 510 A1 angegeben.

Der Erfindung liegt die Aufgabe zugrunde, ein Regelverfahren und eine Regelvorrichtung anzugeben, die eine zufriedenstel lende Sollwerteinstellung für ein zu regelndes Objekt mit starker Nichtlinearität liefern.

Die Lösung dieser Aufgabe gelingt mit dem in Anspruch 1 ange gebenen Verfahren und der in Anspruch 11 angegebenen Vorrich tung. Die Unteransprüche sind auf bevorzugte Ausführungsfor men der Erfindung gerichtet.

Ausgehend von der Tatsache, daß wegen der Nachteile der herkömmlichen Soll werteinstellung diese nicht auf Änderungen der Parameter werte eines Regelmodells reagieren kann, wird eine Beziehung zwi schen dem Regelmodell und den Parameterwerten vorab gelernt und abgespeichert, Parameterwerte werden aus dem aktuellen Betriebszustand des geregelten Objektes auf Grundlage des Lernergebnisses abgeschätzt, und die abgeschätzten Parame terwerte werden als solche für die Sollwerteinstellung und die Regelung verwendet.

Bei der Dickenregelung in einer Walzstraße, bei der sich in nerhalb der Regelung verwendete Sollwerte stark ändern, ist es schwierig, Parameter des Modells für einen gergelten Ge genstand für jeden Augenblick des Walzvorgangs zu bestimmen. Daher war es mit dem herkömmlichen Verfahren unmöglich, ein genaues Regelungsmodell zu errichten, da sich die Parameter werte aufgrund zeitlicher Faktoren änderten. Bei Vorgehens weise mit moderner Regelungstheorie, die sehr leistungsfähig ist, wenn das Regelungsmodell genau ist, konnte diese ihr Leistungsvermögen nicht voll ausspielen. Gemäß der Erfindung ist es jedoch möglich, ein genaues Regelungsmodell zu erzeugen, das auf ein zu regelndes Objekt mit stark nichtlinearer Charakteristik angewendet werden kann, und es ist auch möglich, das Leistungsvermögen der Regelung zu ver bessern. Demgemäß ist es möglich, die Genauigkeit der Soll werteinstellung zum Regeln des stark nichtlinearen Objektes zu verbessern, was zu einem zufriedenstellenden Regelungs ergebnis führt.

Die Erfindung wird im folgenden anhand von durch Figuren veranschaulichten Ausführungsbeispielen näher beschrieben.

Fig. 1A ist ein Blockdiagramm, das ein Regelungssystem ver anschaulicht, mit dem die Regelungsvorrichtung gemäß einem Ausführungsbeispiel der Erfindung arbeitet;

Fig. 1B ist ein Blockdiagramm zum Veranschaulichen eines Lernsystems beim obigen Ausführungsbeispiel der Erfindung;

Fig. 2 ist ein Blockdiagramm, das die gesamte Regelungsvor richtung gemäß dem obigen Ausführungsbeispiel der Erfindung zeigt;

Fig. 3 ist ein Blockdiagramm, das die Regelungsvorrichtung des obigen Ausführungsbeispiels unter Anwendung auf eine Walzstraße zeigt;

Fig. 4 ist ein Diagramm, das die Beziehung zwischen einem gewalzten Objekt und Walzen zeigt;

Fig. 5 ist ein Diagramm, das eine Dickengleichung veran schaulicht;

Fig. 6 ist ein Diagramm einer Verformungskurve für ein gera de gewalztes Objekt;

Fig. 7 ist ein Diagramm zum Veranschaulichen von Betriebs punkten, in denen eine Walzstraße arbeitet;

Fig. 8 bis 10 sind Diagramme zum Veranschaulichen der Ände rungen der Betriebspunkte einer Walzstraße, abhängig von je weiligen Betriebsbedingungen;

Fig. 11 ist ein Konfigurationsdiagramm zum Erläutern des Betriebs einer lernenden Regelungsvorrichtung während eines Lernvorgangs;

Fig. 12 ist ein Diagramm zum Veranschaulichen von Daten, wie sie beim Lernen erhalten werden;

Fig. 13 ist ein Diagramm zum Veranschaulichen eines Spei chers, der gelernte Daten speichert;

Fig. 14 ist ein Konfigurationsdiagramm zum Erläutern des Be triebs einer lernenden Regelungsvorrichtung, wenn Regelung unter Verwendung des Lernergebnisses ausgeführt wird;

Fig. 15 ist ein Flußdiagramm zum Veranschaulichen eines Lernvorgangs beim obigen Ausführungsbeispiel;

Fig. 16 ist ein Blockdiagramm zum Veranschaulichen eines Regelungsausführungsablaufs beim obigen Ausführungsbeispiel;

Fig. 17A bis 17C sind Diagramme zum Veranschaulichen von Lernvorgängen beim obigen Ausführungsbeispiel;

Fig. 18A bis 18D sind Diagramme zum Veranschaulichen von Ab schätzvorgängen beim obigen Ausführungsbeispiel;

Fig. 19 ist ein Diagramm zum Veranschaulichen der Beziehung zwischen einem gewalzten Objekt und Walzen;

Fig. 20 ist ein Diagramm zum Veranschaulichen des Betriebs eines anderen Ausführungsbeispiels der Erfindung;

Fig. 21 ist ein Diagramm zum Darstellen des Regelungsablaufs beim obigen anderen Ausführungsbeispiel;

Fig. 22 ist ein Diagramm zum Veranschaulichen aktueller Da ten über einen längeren Zeitraum beim obigen, anderen Aus führungsbeispiel;

Fig. 23 ist ein Diagramm zum Veranschaulichen aktueller Da ten über einen kurzen Zeitraum beim obigen, anderen Ausfüh rungsbeispiel;

Fig. 24 ist ein Diagramm zum Veranschaulichen von Änderungen eines Modells auf Grundlage von Parameteränderungen der Walzstraße; und

Fig. 25 ist ein Diagramm zum Veranschaulichen von Einfluß koeffizienten.

Ausführungsbeispiele des Verfahrens und der Vorrichtung ge mäß der Erfindung zum Ausführen von Regelungsvorgängen an einem Objekt werden nun unter Bezugnahme auf die beigefügten Zeichnungen erläutert. Bei den folgenden Ausführungsbeispie len ist die Erfindung auf die Regelung einer nichtlinearen Regelstrecke angewendet, wie auf die Regelung der Platten dicke in einer Walzstraße.

Wie in Fig. 3 dargestellt, läßt z. B. eine Walzstraße ein zu walzendes Objekt 100 zwischen mehreren Paaren von Walzen 201, 202, 211 und 212 (beim Beispiel von Fig. 3 sind nur zwei Paare eingezeichnet) durch, wobei die Drehzahlen der Walzen 202 und 212 in einem jeweiligen Paar durch Motoren 203 bzw. 213 eingestellt werden. Gleichzeitig werden die Positionen, an denen die Walzen 202 und 212 das Walzobjekt 100 unter Druck auswalzen, durch Öldruck-Zusammenpreßeinhei ten 204 bzw. 214 eingestellt. So wird die Plattendicke des gewalzten Objekts auf einen gewünschten Wert geregelt. Die Regelung des Motors 213 und der Öldruck-Zusammenpreßeinheit 214, die dem Paar der Walzen 211 und 212 entsprechen und bei denen es sich um Stellglieder für das geregelte Objekt han delt, wird z. B. dadurch ausgeführt, daß ein Geschwindig keitsstellwert Vi und ein Zusammenpreß-Positionsstellwert Pi von einer Drehzahlstelleinheit einer Drehzahlrege lungseinheit 222 bzw. einer Öldruckregelungseinheit 220 an den Motor 213 bzw. die Öldruck-Zusammenpreßeinheit 214 aus gegeben werden.

Die Walzstraße wird auf die folgende Weise geregelt. Es er folgt eine Beschreibung nur für die Regelung des Paars der Walzen 211 und 212. Andere Walzenpaare werden auf ähnliche Weise geregelt.

Zunächst gibt unter Verwendung eines Regelungsmodells 5 der Walzstraße für das gewalzte Objekt ein Sollwerteinstellsy stem 4 einen Solldruck p₀, eine Solldrehzahl V_R0, eine Soll plattendicke h₀ sowie einen Sollzug τ_f0 aus, und diese Werte werden jeweils an Subtrahierer 230, 232, 234 bzw. 236 inner halb der Regelungseinheit 2 gegeben. Gleichzeitig erhalten die Subtrahierer 230, 232, 234 und 236 einen Druckwert p von einer Walzendruckzelle 217, einen Drehzahlwert V_R für den Motor 213, der zum Antreiben der Walze 212 dient, einen Plattendickewert h von einem Plattendickemesser 216 für das gewalzte Objekt bzw. einen Zugwert τ_f von einem Zugmesser 215 zum Messen des Zugs des gewalzten Objekts. Dann werden die Werte von P, V_R, h und τ_f von den Werten für P₀, V_R0, h₀ bzw. τ_f0abgezogen, um Abweichungen Δp, ΔV_R, Δh bzw. Δτ_f zu erhalten.

Ein Regelungssystem-Entwurfssystem 3 erhält Rückkopplungs parameter f₁₁ bis f₂₄ für optimale Regelung auf Grundlage des Regelungsmodells 5, und zwar mit einem später zu erläu ternden Verfahren, und es gibt die Werte f₁₁ bis f₂₄ an eine Regelungseinheit 2 aus. Diese multipliziert die Rückkopp lungsparameterwerte f₁₄, f₁₃, f₁₁ sowie f₁₂ unter Verwendung von Multiplizierern 240, 242, 244 bzw. 246 mit den zugehöri gen Abweichungen Δp, ΔV_R, Δh und Δτ_f, um eine Sollgeschwin digkeitsabweichung ΔV_p = f₁₄Δp + f₁₃ΔV_R + f₁₁Δh + f₁₂Δτ_f zu erhalten, und gibt diesen Wert ΔV_p an einen Addierer 252. Ferner multipliziert die Regelungseinheit 2 die Rückkopp lungsparameterwerte f₂₄, f₂₃, f₂₁ und f₂₂ unter Verwendung von Multiplizierern 241, 243, 245 und 247 mit zugehörigen Abweichungen ΔP, ΔV_R, Δh und Δτ_f, um einen Wert ΔS_p = f₂₄ΔP + f₂₃ΔV_R + f₂₁Δh + f₂₂Δτ_f zu erhalten, und gibt den Wert ΔS_p an einen Addierer 250.

Ein Sollwerteinstellsystem 4 gibt einen Drehzahlsollwert V_p und einen Andruckpositionssollwert S_p auf Grundlage des Re gelungsmodells an die Addierer 250 und 252 aus. Demgemäß ad dieren diese die Sollwertabweichungen ΔS_p, ΔV_p und die Soll werte S_p, V_p und geben die Summen an eine Öldruck-Regelungs einheit 220 bzw. eine Drehzahlregelungseinheit 222.

Ein Ausführungsbeispiel der Erfindung wird unter Bezugnahme auf die Zeichnungen erläutert.

Fig. 1A ist ein Konfigurationsdiagramm einer Regelungsein heit zum Regeln eines Objektes gemäß einem Ausführungsbei spiel der Erfindung. Ein geregeltes Objekt 1 arbeitet mit gewünschtem Genauigkeitspegel auf Grundlage einer Stell größe, die von einer Regelungseinheit 2 ausgegeben wird. Die Regelungseinheit 2 beinhaltet ein Rückkopplungssystem, um auf Grundlage des Zustandes des geregelten Objektes 1 sowie der Regelungsstruktur oder Parametern, wie sie von einem Regelungssystem-Entwurfssystem 3 festgelegt werden, eine Regelungsabweichung festzustellen, sie addiert diese Regelungsabweichung zu einem Sollwert, wie er von einem Sollwerteinstellsystem 4 ausgegeben wird, um den Sollwert auf Grundlage der Nichtlinearität des geregelten Objektes 1 festzulegen, und sie erzeugt eine Stellgröße für das gere gelte Objekt 1. In diesem Fall wird das Rückkopplungssystem als DDC(Direct Digital Control)-System bezeichnet, und es bewirkt, daß die Regelabweichung gegenüber dem Sollwert auf Null gestellt wird, was auf Grundlage von Zuständen oder Regelgrößen des geregelten Objektes er folgt.

Das Sollwerteinstellsystem 4 legt den Sollwert unter Verwen dung des Modells 5 für das geregelte Objekt 1 fest. Das Re gelungsmodell 5 beinhaltet eine Verformungskurve für ein ge walztes Objekt, eine Walzkraftfunktion, den Einfluß des Zugs und einer Ölfilmdickenkompensation, wenn es sich um eine Walzstraße handelt. Z. B. wird als Walzkraftfunktion der folgende Ausdruck (1) einer "Hill'schen Approximation" ver wendet, bei der es sich um eine Approximation ausgehend von "Bland & Ford" handelt:

mit:
b Streifenbreite
ki Zwangsstreckspannung
D_pi Reibungskompensationsterm
hi eingestellte Dicke an der i-ten Position

wobei a₁, a₂ und a₃ Konstanten sind. Der Reibungskoeffizient ui ist durch folgende Gleichung (3) gegeben:

mit
u_0i Konstante (schmiermittelabhängig)
u_ci Walzendrehzahl
r_i Anpreßrate in der i-ten Position
Ri Arbeitswalzendurchmesser in der i-ten Position
Hi Plattendicke an der Eingangsseite der i-ten Position
κi Zugspannungseinflußterm in der i-ten Position
Ri' Walzenebene ("Hitchcock"-Ausdruck)

Die Einstellung eines physikalischen Ausdrucks zum Struktu rieren des Regelungsmodells 5, wie z. B. der Reibungskoeffi zient ui, wird durch die Betriebstemperatur der Walzstraße oder durch das Walzöl (Schmieröl) beeinflußt und ändert sich daher während eines aktuellen Walzvorgangs stark. Anders ge sagt, ändern sich in vielen Fällen die Parameterwerte leicht auf Grundlage von Änderungen des Betriebszustandes, wie bei einer Änderung der Walzendrehzahl, wobei jedoch relativ klar ist, daß die Struktur des Modells 5 für das geregelte Objekt 1 durch eine Gleichung wiedergegeben werden kann. Es ist nicht möglich, ein genaues Regelungsmodell 5 zu erstellen, solange es nicht möglich ist, die Parameterwerte festzule gen, wie die Konstanten a1, a2, a3 sowie die Koeffizienten für die Reibung u_i, k_i, u_0i und u_ci.

Gründe für die Änderungen von Parameterwerten im Modell 5 werden nachfolgend erläutert.

Wenn ein gewalztes Objekt als elastisches Material angesehen wird, kann die folgende Dickengleichung (in Fig. 5 darge stellt) erhalten werden:

h = s + R₀/k (4)

Wie in Fig. 4 dargestellt, ist die Plattendicke 5 direkt zwischen den Walzen, und diese Plattendicke S ist um die Dicke P/K wegen eines Federeffektes kleiner als die tatsäch liche Plattendicke P/K. Wenn die gewalzte Platte die Posi tion direkt zwischen den Walzen verläßt, ist der Anpreßdruck aufgehoben. Es gilt:
H Plattendicke an der Ausgangsseite der Walzen
S Abstand zwischen den Walzen
h Plattendicke an der Ausgangsseite der Walzen
k Elastizitätskoeffizient der gewalzten Platte
p Druck.

Die Gleichungen (4) und (1) sind in Kurven dargestellt, wie sie die Fig. 5 bzw. 6 zeigen. In der Verformungskurve des zu regelnden Objektes, wie sie in Fig. 5 dargestellt ist, ist der Schnittpunkt zwischen der Kurve und der x-Achse der Punkt für die Plattendicke an der Eingangsseite beim Druck Null. Sollwerte für die Walzstraße werden jeweils als Schnittpunkt zwischen der Kurve für die Dickengleichung ge mäß Fig. 5 und die Verformungskurve gemäß Fig. 6 gegeben, wie dies in Fig. 7 dargestellt ist.

Wenn sich die Plattendicke einer gewalzten Platte (Platten dicke an der Eingangsseite) von H auf H₀ ändert, erfährt die Verformungskurve für das gewalzte Objekt eine Parallelver schiebung ausgehend von einer gestrichelten Linie zu einer durchgezogenen Linie (in diesem Fall bewegt sich der Schnittpunkt mit der x-Achse von H nach H₀). Die Sollplat tendicke ändert sich von h auf h₀, und der Solldruck ändert sich von p auf p₀.

Wenn sich durch eine automatische Regelung die Zusammenpreß position von S nach S₁ ändert, wandert die Dickengleichungs kurve von einer gestrichelten Linie zu einer durchgezogenen Linie, um die Beziehung einzunehmen, wie sie in Fig. 4 dar gestellt ist. Der Solldruck ändert sich von p₀ in Fig. 8 nach p₁ in Fig. 9, jedoch kehrt die Sollplattendicke von h₀ nach h zurück.

Anders gesagt, werden bei der automatischen Regelung die Werte Δh = (h - h₀) sowie ΔP = (P - P₀) erfaßt, ΔS_p = f₁Δh + f₂Δp wird rückgekoppelt, um eine Zusammenpreß-Sollwertabwei chung zu erhalten, und diese Zusammenpreß-Sollwertabweichung wird zum Sollwert S addiert, um die Stellgröße S_p = S + ΔS_p auszugeben, wobei f₁ und f₂ Rückkopplungskoeffizienten sind. Wenn sich jedoch Parameterwerte für die Verformungskurven für das zu walzende Objekt aufgrund einer Änderung der Be triebsbedingungen verändert haben, wie aufgrund einer Ände rung der Drehzahl v_p, und sich die Verformungskurve für das zu walzende Objekt von der gestrichelten Linie zur durchge zogenen Linie in Fig. 10 geändert hat, ist es erforderlich, die Position nach S₂ zu bewegen, um eine ausgangsseitige Plattendicke h zu erhalten, die mit der von Fig. 9 überein stimmt. In diesem Fall nimmt der Druck den Wert P₂ ein. Ob wohl es hierbei erforderlich ist, die Plattendicke durch Δh = h' - h und den Druck mit ΔP = P' - P₀ rückzukoppeln, werden die Plattendicke und der Druck tatsächlich nur durch h₀ - h bzw. P₁ - P₀ rückgekoppelt, da die Verformungskurve des gewalzten Gegenstandes, wie sie durch die ausgezogene Linie in Fig. 10 ausgedrückt wird, nicht genau bekannt ist. Anders gesagt, ist es auf Grundlage des Rückkopplungskoeffi zienten, wie er aus der Verformungskurve für das zu walzende Objekt gemäß Fig. 9 erhalten wird, nicht möglich, eine Stellgröße zu erzeugen, der die Zusammenpreßposition zum tat sächlich erforderten Punkt S₂ führt. Demgemäß ist es erfor derlich, Parameterwerte zu korrigieren, die den Änderungen der Betriebsbedingungen folgen, und dann die Koeffizienten f₁ und f₂ auf Grundlage der richtigen Parameterwerte zu ver ändern.

Gemäß einem Beispiel werden ein Eingangswert (Stellgröße) und ein Aus gangswert (Regelgröße) für das geregelte Objekt 1 in eine Lernregelungs einheit 6 eingegeben, und Parameter des Regelungsmodells 5 werden von der Lernregelungseinheit 6 ausgegeben. In diesem Fall können die Parameter des Regelungsmodells 5 in jedem Moment auf Grundlage des Betriebs für das geregelte Objekt 1 festgelegt werden. Daher ist es möglich, Parameter in jedem Augenblick, abhängig von zugehörigen Änderungen festzulegen, wie zeitlichen Änderungen und Temperaturänderungen.

Auf Grundlage einer Simulation wird eine Beziehung zwischen den Parametern des Modells 5 für das geregelte Objekt und Zuständen (nachfolgend werden Eingangswerte für das geregel te Objekt 1 und das Modell 5, Ausgangswerte für das geregel te Objekt 1 und das Modell 5 sowie ein interner Zustand des Modells 5 gemeinsam als "Zustände" bezeichnet) vorab in der Lernregelungseinheit 6 abgespeichert. Wenn die Zustände für das geregelte Objekt 1 in die Lernregelungseinheit 6 einge gegeben wurden, bezieht sich diese auf die abgespeicherte Beziehung zwischen den Parametern und den Zuständen und schätzt Werte für die Parameter auf Grundlage der Zustände im Einstellpunkt ab. Wenn die Struktur des Modells 5 für das geregelte Objekt 1 relativ genau ist, können Werte für die Parameter in diesem Zeitpunkt mit hoher Genauigkeit erhalten werden.

Fig. 1B ist ein Konfigurationsdiagramm, gemäß dem dafür ge sorgt wird, daß die Lernregelungseinheit 6 lernt und die Be ziehung zwischen den Parametern und den Zuständen abspei chert. Der Eingangszustand des Regelungsmodells 5 wird durch einen Eingangszustand-Veränderungsabschnitt 7 festgelegt, und Parameterwerte werden durch einen Parameterveränderungs abschnitt 8 verändert, wodurch eine Simulation ausgeführt wird. Als Ergebnis der Simulation durch das Regelungsmodell 5 wird ein Ausgangszustand 9 erhalten, der sich abhängig von einer Änderung eines Parameterwertes ändert. Die Beziehung zwischen den Parameterwerten und den Zuständen des Rege lungsmodells 5 wird in der Lernregelungseinheit 6 abgespei chert. Ein mehrschichtiger Neurocomputer mit funktionellem Interpolationsvermögen (Vielzweckfähigkeit) kann als Lern regelungseinheit 6 verwendet werden.

Das Konfigurationsdiagramm für die gesamte Regelungseinheit, wenn ein mehrschichtiger Neurocomputer für die Lernrege lungseinheit 6 verwendet wird, ist in Fig. 2 dargestellt. Ein Neurocomputer ist im einzelnen in "The Introduction and Practice of the Neurocomputer" beschrieben, herausgegeben von Kaoru Nakamura, Gijutsu Hyoronsha, vom 15. September 1990, weswegen nur derjenige Teil des Neurocomputers be schrieben wird, der in Beziehung zur Erfindung steht.

Ein Neurocomputer wird durch ein neuronales Netzwerk 10, einen Lernmechanismus 11 und einen Speicher 20 aufgebaut, wobei der Lernmechanismus 11 das "Lernen" und die "Ideener zeugung" steuert. Wie in Fig. 11 dargestellt, erhält, wenn ein bestimmter Parameterwert (z. B. ein Reibungskoeffizient ui) an das Regelungsmodell 5 zum Zeitpunkt des Lernens vom Parameteränderungsabschnitt 8 ausgegeben wurde, dieses Rege lungsmodell 5 die Ausgangszustände, wie die für den Druck P, die Drehzahl V_p, die Plattendicke h und die Zugspannung τ_f auf Grundlage der Eingangszustände vom Eingangszustand-Ände rungsabschnitt 7, wie des Drehzahlsollwerts Vi, der Zusam menpreßposition und des Drucksollwerts Pi, und es gibt diese Ausgangszustände an die Eingangsschicht des neuronalen Netz werks 10 aus. Ferner werden die Eingangszustände an die Ein gangsschicht gegeben, und die Parameter werden als Lehrer signal an die Ausgangsschicht gegeben. Der Lernmechanismus 11 lernt durch Einstellen dieser Daten. Wenn das neuronale Netzwerk 10 sich in einer Einstellung zum Lernen befindet, wird eine Zufallszahl oder ein geeigneter Zahlenwert an den Gewichtungskoeffizienten des neuronalen Netzwerks 10 gege ben. Daher wird ein Ausgangswert 13 geeigneter Größe in den Lernmechanismus 11 eingegeben. Andererseits werden die Para meter, die vom Parameteränderungsmechanismus 8 ausgegeben werden, als Lehrersignal in den Lernmechanismus 11 eingege ben. Der Lernmechanismus 11 korrigiert den Gewichtungskoef fizienten des neuronalen Netzwerks 10 so, daß die quadrati sche Abweichung zwischen dem Ausgangswert des Parameterände rungsmechanismus 8 und dem Ausgangswert des neuronalen Netz werks 10 minimal wird. Wenn ein Satz eines Eingangswertes 12 und eines Ausgangswertes 9 des Regelungsmodells 5 in das neuronale Netzwerk 10 eingegeben wurde, stimmt der Ausgangs wert 13 mit den Ausgangswerten des Parameteränderungsmecha nismus 8 überein. Dies wird als Lernvorgang des neuronalen Netzwerks bezeichnet. Infolgedessen können der Eingangszu stand und der Ausgangszustand für jeden Parameterwert ui₁, ui₂, ..., ui_n und eine Gewichtungsmatrix W/ des neuronalen Netzwerks erhalten werden, wie dies in Fig. 12 dargestellt ist. Diese Daten werden in einem Speicher 20 abgelegt, wie dies in Fig. 13 dargestellt ist.

Bei der obigen Beschreibung wurde nur der Parameter ui zum Vereinfachen der Erläuterung verwendet. Es können auch meh rere Parameter gelernt werden, und in diesem Fall können ein Eingangszustand, ein Ausgangszustand und eine Gewichtungs matrix für jede Kombination von Parameterwerten auf dieselbe Weise, wie oben beschrieben, erhalten werden.

Im Lernmechanismus 11 werden nach dem Beenden des Lernvor gangs Eingangszustände, wie Vi und Pi, des geregelten Objek tes 1 sowie Ausgangszustände 15, wie P, V_R, R und τ_f, des geregelten Objekts 1 statt des Eingangswertes 12 des Rege lungsmodells 5 bzw. statt des Ausgangswertes 9 des Rege lungsmodells 5 in die Eingangsschicht des neuronalen Netz werks 10 eingegeben, das ein Strukturelement des Lernmecha nismus 11 bildet, wie dies in Fig. 14 dargestellt ist. Dann liest der Lesemechanismus, abhängig vom eingegebenen Ein gangszustand und vom eingegebenen Ausgangszustand die Ge wichtungsmatrix W/ aus dem Speicher 20 aus und gibt diese an das neuronale Netzwerk 10, damit dieses einen Ausgangswert ermittelt. Es gibt dann den erhaltenen Ausgangswert als Pa rameterwert, z. B. vi, des geregelten Objektes 1 an das Re gelungsmodell 5 aus. Wenn das Regelungsmodell 5 durch diesen Parameterwert verändert wurde, ändern sich die Sollwerte des Sollwerteinstellsystems 4 entsprechend. Die veränderten Sollwerte, wie V_p' und S_p' werden in die Regelungseinheit 2 eingegeben.

Andererseits gewinnt das Regelungssystem-Entwurfssystem 3 auf Grundlage des veränderten Regelungsmodells 5 Rückkopplungs koeffizienten f₁₁bis f₂₄ und gibt diese an die Regelungs einheit 2 aus. Letztere ermittelt Sollwertabweichungen auf Grundlage der Rückkopplungskoeffizienten und der Sollwerte und gibt das Ergebnis an die Regelungseinheit 2 zurück. Nachdem diese die Sollwerte und den Rückkopplungswert für den Ausgangswert des geregelten Objektes 1 erhalten hat, gibt sie einen Befehl an das geregelte Objekt 1 aus. Der Be fehl 14 der Regelungseinheit 2, bei dem es sich um den Ein gangszustand des geregelten Objektes 1 handelt und der Aus gangszustand 15, bei dem es sich um den Ausgangszustand des geregelten Objektes 1 handelt, werden in den Lernmechanismus 11 eingegeben.

Der Ablauf gemäß der obigen Vorgehensweise wird unter Bezug nahme auf die Fig. 15 und 16 näher erläutert.

Fig. 15 ist ein Flußdiagramm zum Veranschaulichen des Lern ablaufs in der Lernregelungseinheit 6. Zum Zeitpunkt eines Lernvorgangs werden Parameterwerte, die das Ergebnis von Parameterwerten sind, die durch den Parameteränderungsab schnitt 8 verändert wurden, zunächst in einem Schritt 101 in das Regelungsmodell 5 eingegeben. Dann führt das Regelungs modell 5 eine Simulation auf Grundlage der eingegebenen Pa rameterwerte aus und erhält in einem Schritt 102 eine Ein gangs/Ausgangs-Beziehung für das Regelmodell 5. In einem Schritt 103 wird eine Entscheidung dahingehend getroffen, ob Lernen für eine erforderliche Anzahl ausgeführt wurde oder nicht. Die obigen Schritte 101 und 102 werden wiederholt, bis der Lernvorgang abgeschlossen ist. Danach wird die Rege lung auf Grundlage des Lernergebnisses ausgeführt. Der Ver arbeitungsablauf ist durch das Flußdiagramm von Fig. 16 ver anschaulicht.

Gemäß Fig. 16 werden in einem Schritt 110 der Eingangszu stand und der Ausgangszustand eines geregelten Objektes 1 zum Zeitpunkt des Ausführens der Regelung in die Lernrege lungseinheit 6 eingegeben. In einem Schritt 111 erhält die Lernregelungseinheit Parameterwerte für den Zeitpunkt, zu dem die Regelung für das Objekt ausgeführt wird, und gibt diese Werte an das Sollwerteinstellsystem 4 und das Rege lungsmodell 5 aus. Anschließend legt das Regelungssystem- Entwurfssystem 3 in einem Schritt 112 einen Rückkopplungspa rameterwert und einen Steuerungsparameterwert für die Rege lungseinheit 2 unter Verwendung des Regelungsmodells 5 fest. In einem Schritt 113 empfängt das Sollwerteinstellsystem die im Schritt 111 ausgegebenen Parameterwerte, legt einen Soll wert fest und gibt diesen an die Regelungseinheit 2 aus.

Die Fig. 17A bis 17C zeigen Beispiele für den Ablauf, wenn eine Anordnung gemäß der vorstehend beschriebenen Konfigura tion vorliegt. Fig. 17A zeigt ein Beispiel für den Ablauf zum Zeitpunkt des Lernens, bei dem der Eingangszustand und der Ausgangszustand für das Regelungsmodell 5 erhalten wer den. Fig. 17B zeigt die Beziehung zwischen den Parametern und den in Fig. 17A erhaltenen Zuständen. Anders gesagt, zeigt Fig. 17B eine Funktion der Zustände der Parameter des Regelungsmodells 5. Das neuronale Netzwerk 10 ist so ausge bildet, daß es die Zustände lernt, die in die Eingangs schicht eingegeben werden, und die Parameter werden von der Ausgangsschicht ausgegeben.

Die Fig. 18A bis 18D zeigen, wie das neuronale Netzwerk 10 zu verwenden ist, wenn ein Vorgang nach Abschluß des Lernens ausgeführt wird. Wenn die Zustände des in Fig. 18A darge stellten geregelten Objektes 1 in das neuronale Netzwerk 10 eingegeben wurden, werden Parameterwerte ausgegeben, die das Ergebnis des Lernens im Regelungsmodell 5 zu diesem Zeit punkt sind. Dies wird als invertierte Sollwerteinstellung bezeichnet. Die Ausgangsinformation des neuronalen Netzwerks 10 zeigt zum Zeitpunkt der Betriebsweise mit geregeltem Ob jekt 1 optimale Parameterwerte des Regelungsmodells 5. Wenn die Parameterwerte in das Regelungsmodell 5 eingegeben wur den, führt dieses einen Ablauf aus, der beinahe derselbe ist wie die Betätigung des geregelten Objektes 1. Infolgedessen geben das Sollwerteinstellsystem und das Regelungssystem- Entwurfssystem optimale Sollwerte sowie die Konfiguration für das Regelungssystem oder die Parameterwerte für dieses aus, um es dadurch zu ermöglichen, die Regelabweichungen zu verringern.

Beim oben beschriebenen Ausführungsbeispiel ist es, wenn die Parameterwerte, wie sie durch den inversen Sollwerteinstell vorgang des neuronalen Netzwerks erhalten wurden, nicht kor rekt sind, auch angemessen, neue Parameterwerte direkt vor zugeben, wie sie vom Parameteränderungsabschnitt ausgegeben werden und diese an das Regelungsmodell 5 zu liefern.

Nachfolgend wird beschrieben, wie die Rückkopplungskoeffi zienten f₁₁, f₁₂, f₁₃, f₁₄, f₂₁, f₂₂, f₂₃ und f₂₄ gemäß mo derner Regelungstheorie erhalten werden (z. B. "The Modern Control Engineering" von T. Tsuchiya und T. Ikegami, Sangyo Tosyo, April 1991, S. 141-152).

In der Walzkraftfunktion (Verformungskurve des zu walzenden Objektes) sind Drehzahlterme vorhanden, wie in den Gleichun gen (1) bis (3) dargestellt.

Die Beziehung zwischen der Geschwindigkeit des zu walzenden Objektes und der Zugspannung desselben zwischen zwei Walzen paaren (zwischen der (i-1)-ten und der i-ten Position), wie in Fig. 19 dargestellt, wird wie folgt ausgedrückt:

wobei τ die Zugspannung zwischen der (i-1)-ten und der i-ten Position ist, wobei diese Zugspannung τ_b ist, wenn von der i-ten Position aus gesehen L der Abstand zwischen den Posi tionen ist, E ein Youngscher Modul ist, b die Breite des ge walzten Objektes ist, V_ei die Geschwindigkeit des gewalzten Objektes an der Eingangsseite der i-ten Position ist und V_0i-1 die Geschwindigkeit des gewalzten Objektes an der Aus gangsseite der (i-1)-ten Position ist. Durch Einsetzen der obigen Beziehung in die oben angegebene Gleichung (1) und andere können die folgenden Wechselbeziehungsgleichungen er halten werden:

Auf Grundlage eines Druckgleichgewichtes usw. werden Soll werte τ_f0, h₀, V_R0 sowie P₀ erhalten. Die Gleichungen (5) bis (8) werden einer Taylor-Entwicklung um die Sollwerte un terzogen. Die Taylor-Entwicklung wird in diesem Fall nur für die Gleichung (5) ausgeführt, während eine Taylor-Entwick lung für die Gleichungen (6) bis (8) entfällt.

Durch Einsetzen der Gleichung (5) in die Gleichung (9) wird ein Differenzausdruck erhalten.

In den Gleichungen (5) bis (10) ist Δh die Plattendicke-Re gelabweichung, Δτ_f eine Vorderseitenzugspannung-Regelabwei chung, ΔV_R eine Geschwindigkeitsregelabweichung, ΔP eine Druckregelabweichung, ΔV_p eine Drehzahlsollwert-Regelabwei chung und ΔS_p eine Zusammenpreßposition-Sollwertregelabwei chung. Partielle Differenzierung wurde um die Einstellwerte herum ausgeführt, wie sie durch die folgenden Einstellungen erhalten wurden: h = Ho, τ_f = τ_f0, V_p = V_p0, P = P₀ und S_p = S_p0. Nachfolgend eine Zustandsvariable x/ durch Vektorausdrücke wiedergegeben:

Wenn das Folgende gilt

kann die Gleichung (10) wie folgt ausgedrückt werden:

Auf ähnliche Weise können die folgenden Gleichungen erhalten werden.

Die Gleichungen (11) bis (14) werden wie folgt zusammenge fügt:

Dies ist die erhaltene Gleichung. Auf Grundlage dieser Struktur kann ein Rückkopplungskoeffizient mit moderner Re gelungstheorie erhalten werden.

Ein anderes Ausführungsbeispiel der Erfindung wird unter Be zugnahme auf die Fig. 21 und 22 erläutert. In den Fig. 21 und 22 haben Elemente mit denselben Bezugszeichen, wie beim oben beschriebenen Ausführungsbeispiel, dieselben Funktio nen; sie werden nicht mehr erläutert. Beim vorliegenden Aus führungsbeispiel werden Parameterwerte auf Grundlage von Kurzzeitdaten und Langzeitdaten für den Eingangszustand/Aus gangszustand des geregelten Objektes festgelegt.

Wie oben beschrieben, ist es erforderlich, Koeffizienten für optimale Rückkopplung zu verändern, wenn sich Parameterwerte der Verformungskurve des Objektes beim Walzen (die Walz kraftfunktion) verändert haben.

Es bestehen viele Faktoren für eine Änderung der Verfor mungskurve des gewalzten Objekts. Selbst wenn gewalzte Ob jekte dieselben Spezifikationen für dieselbe Komponente, dieselbe Plattendicke, dieselbe Plattenbreite usw. aufwei sen, unterscheiden sich die Verformungskurven dieser gewalz ten Objekte abhängig davon, ob z. B. die Walzen neu sind, wie direkt nach einem Austausch, oder ob sie alt und abge nutzt sind. In diesem Fall ändern sich die Eigenschaften je doch allmählich. Genauer gesagt, wird ein Neutralablauf für jeden Walzvorgang nach dem Auswechseln der Walzen ausgeführt und Eigenschaftsdaten werden im Speicher (siehe 304 in den Fig. 20 und 21) eingeschrieben, bei denen es sich um aktuel le Langzeitdaten Ps mit gewichtetem Mittelwert handelt, und Berechnungen für den gewichteten Mittelwert werden während des Walzvorgangs unter Verwendung von Parameterwerten ausge führt.

Da sich in diesem Fall die Verformungskurven der gewalzten Objekte abhängig von den Walzgeschwindigkeiten selbst dann ändern, wenn es sich bei den gewalzten Objekten um dieselben Stahltypen handelt und sie dieselben Spezifikationen aufwei sen, werden Parameterwerte für jeden Betriebszustand abge speichert, z. B. für Beschleunigungsbetrieb, Verzögerungs betrieb und Gleichlaufbetrieb.

Die aktuellen Langzeitdaten sind Daten für den Eingangs- und Ausgangszustand eines geregelten Objektes, wie sie für ge regelte Objekte (z. B. geregelte Objekte 1, 2, ..., n) mit denselben Spezifikationen für denselben Stahltyp für jeden Zustandswert erhalten werden, wie für jeden Drehzahlwert V₁, V₂ usw. Die so erhaltenen aktuellen Langzeitdaten werden neural verarbeitet (mit inverser Einstellung), und es werden Parameterwerte für jeden Zustandswert erhalten.

Bei einer tatsächlichen Walzstraße ändern sich Einflüsse für die Reibung, wie die Grobheit der Walzen (Ausmaß des Ab riebs) und die Dichte des Walzöls zeitabhängig, und demgemäß ändern sich die Eingangs/Ausgangs-Zustände entsprechend. Da jedoch aktuelle Langzeitdaten durch Mitteln derartiger Ände rungen gewonnen werden, zeigen diese Daten nach dem Mitteln keine momentanen Änderungen für die Koeffizienten. Indessen enthalten die Daten an der Ausgangsseite der Walzstraße viele Störsignale, weswegen es erforderlich ist, diese Stör signale zu entfernen, bevor eine inverse Einstellung er folgt.

Beim Bearbeiten der aktuellen Langzeitdaten werden Störsi gnale dadurch eliminert, daß Daten für viele gewalzte Objek te verwendet werden.

Aktuelle Kurzzeitdaten sind Eingangs/Ausgangs-Daten eines Paars gewalzter Objekte bei unterschiedlichen Geschwindig keiten V₁ bis V_nwährend einer kurzen Zeitspanne. Demgemäß können Datenwerte erhalten werden, die zeitliche Änderungen reflektieren, wie Momentandaten für die Koeffizienten. Aus den aktuellen Kurzzeitdaten werden Störsignale auf ähnliche Weise vor einer inversen Einstellung entfernt (siehe Block 302 in Fig. 21). Um Störsignale sicher zu entfernen, ist es erforderlich, die aktuellen Langzeitdaten zu mitteln. Wenn jedoch die Datensammelperiode länger gewählt wird, um die aktuellen Daten zu mitteln, unterschieden sich die Geschwin digkeitszustände, wie die Zustände mit Beschleunigung, Ver zögerung und Gleichlauf. Daher kann die Datensammelzeit nicht allzu lange sein. Demgemäß besteht die Möglichkeit, daß der Parameter Pa, wie er bei der inversen Einstellung unter Verwendung des Neuralablaufs erhalten wird, Störsigna le enthält.

Anders gesagt, reflektiert der Parameterwert Pa, wie er aus den aktuellen Kurzzeitdaten gewonnen wird, die Zustände des aktuellen Betriebs, wird jedoch leicht von Störsignalen be einflußt.

Andererseits wird der aus den aktuellen Langzeitdaten erhal tene Parameterwert Ps nicht so einfach von Störsignalen be einflußt, reflektiert jedoch nicht momentane Zustandsände rungen der Walzstraße.

Dadurch wird die folgende Parameteroperation ausgeführt, und sowohl die Langzeit- als auch die Kurzzeitdaten werden ver wendet (siehe Block 320 in Fig. 21).

P = αPa + (1 - α) Ps

In diesem Fall nimmt α einen Wert zwischen 0 und 1 an. Wenn α näher bei 1 eingestellt wird, werden die Kurzzeitdaten hervorgehoben und die Langzeitdaten vernachlässigt. Wenn α auf 0 gesetzt wird, werden die Langzeitdaten hervorgehoben und die Kurzzeitdaten verworfen.

Ein kleiner Wert von α wird dann gewählt, wenn die Anzahl von Daten groß ist, die zum Erhalten der Langzeitdaten ver wendet wurden und wenn der Walzablauf stabil ist.

Ein großer Wert von α wird dann verwendet, wenn keine Lang zeitdaten vorliegen oder wenn die Walzen gerade ausgetauscht wurden, da dann eine große Differenz für die Parameterwerte für diese neuen Walzen und den Langzeitdaten besteht oder wenn ein zuvor nie verwendetes Stahlmaterial verwendet wird.

Ein Beispiel für einen Ablauf mit der obigen Struktur wird unter Bezugnahme auf Fig. 20 erläutert. Daten für das (n-1)- te gewalzte Objekt, wie sie den Werten für die verschiedenen Geschwindigkeiten, einschließlich Beschleunigung, Verzöge rung und Gleichlauf sowie Langsamlauf entsprechen, werden gesammelt, und diese Daten werden mit ähnlichen Daten zusam mengefügt, wie sie für die Walzabläufe für das erste bis (n-2)-te gewalzte Objekt erhalten wurden. Die so zusammenge setzten Daten werden neural verarbeitet (inverse Sollwert einstellung), und der Parameterwert Ps für die aktuellen Langzeitdaten wird erhalten, wie dies im Block 302 darge stellt ist. Der Parameter Ps wird für jede Spezifikation jedes Betriebszustandes in einer Parametertabelle 304 abge speichert.

Wenn der Walzvorgang für das n-te gewalzte Objekt beginnen soll, ermittelt das neuronale Netz den Parameterwert Pa un ter Verwendung der aktuellen Kurzzeitdaten, wie dies in einem Block 310 dargestellt ist.

Unter Verwendung der Parameterwerte Ps und Pa wird die obige Operation P = αPa + (1 - α) Ps ausgeführt, um den Parameter wert P für diesen Zeitpunkt abzuschätzen. Unter Verwendung des Wertes P wird das Regelungsmodell 5 verändert und die Sollwerteinstellung ausgeführt. Gleichzeitig ermittelt das Regelungssystem-Entwurfshilfsmittel 3 die Rückkopplungspara meter f₁₁, f₁₂, f₁₃, f₁₄, f₂₁, f₂₂, f₂₃ und f₂₄ für optimale Regelung auf Grundlage des Regelungsmodells 5 und gibt diese Rückkopplungsparameter an das Regelungssystem 2 weiter. Das Regelungssystem 2 ermittelt eine Sollwert-Regelungsabwei chung aus den Zuständen der Walzstraße und aus den Rückkopp lungsparametern, addiert die Sollwerte zu den Sollwerten für die Sollwert-Regelungsabweichungen und erzeugt einen Stell wert für die Walzstraße.

Infolgedessen kann das Regelungssystem einen Stellwert er zeugen, der für den Betrieb der Walzstraße geeignet ist, und mit dem demgemäß ein zufriedenstellendes Ergebnis erzielt werden kann.

Wie oben beschrieben, ist es erfindungsgemäß möglich, Para meterwerte des Regelungsmodells genau festzulegen. Daher kann der Einfluß von Koeffizienten, wie dp/dh, selbst dann, wenn sich Parameterwerte und die Verformungskurve des ge walzten Objekts verändert haben, wie in Fig. 24 dargestellt, genau bestimmt werden, wie in Fig. 25 gezeigt. Infolgedessen können korrekte Rückkopplungskoeffizienten für verbesserte Regelungsfähigkeit erhalten werden.

Für die Dickenregelung bei einer Walzstraße, bei der sich Sollwerte stark ändern, ist es schwierig, Modellparameter für ein geregeltes Objekt zu jedem Zeitpunkt des Walzvor gangs festzulegen. Weil sich Parameterwerte aufgrund ver schiedener Faktoren änderten, war es mit dem herkömmlichen Verfahren unmöglich, ein genaues Regelungsmodell zu kon struieren. Dies war selbst dann nicht in vollem Umfang mög lich, wenn moderne Regelungstheorie angewendet wurde, die die Leistungsfähigkeit verbessern kann, wenn das Regelungs modell korrekt ist. Unter Verwendung der Erfindung, speziell der beschriebenen Ausführungsbeispiele, ist es jedoch mög lich, ein genaues Regelungsmodell zu erzeugen, das auf ein zu regelndes Objekt mit stark nichtlinearen Eigenschaften angewendet werden kann, und daher ist es auch möglich, die Leistungsfähigkeit der Regelung zu verbessern.

Demgemäß ist es mit der Erfindung möglich, den Genauigkeits grad der Sollwerteinstellung zu verbessern, mit der Sollwer te für ein stark nichtlineares Objekt eingestellt werden, wobei ein zufriedenstellendes Regelungsergebnis erzielt wird.

Claims

1. Regelverfahren für ein Objekt (1) mittels einer Rege lungseinrichtung (2) zur Ausgabe einer Stellgröße an ein Stellglied (213, 214) des Objekts und mittels eines Modells (5), das den Zusammenhang zwischen Stell- und Regelgrößen des Objekts (1) in Abhängigkeit von Parametern beschreibt,
wobei vorab in einem Lernvorgang eine Zuordnung zwischen Werten der Parameter des Modells und Stellgrößen und Regel größen des Objekts in einer Speichereinrichtung (20) abge speichert wird, und
wobei in einem Regelvorgang die folgenden Schritte durchgeführt werden:
Ermitteln von aktuellen Werten der Parameter des Modells (5) aufgrund erfaßter Stell- und Regelgrößen des Objekts un ter Bezugnahme auf die in der Speichereinrichtung (20) ge speicherte Zuordnung,
Festlegen von Führungsgrößen für die Regelungseinrich tung (2) unter Verwendung des Modells zusammen mit den ermit telten aktuellen Werten der Parameter, und
Regeln des Objekts (1) mittels der Regelungseinrichtung (2) unter Verwendung der festgelegten Führungsgrößen.

2. Verfahren nach Anspruch 1, wobei der Lernvorgang mit Hilfe eines neuronalen Netzwerks (10) ausgeführt wird.

3. Verfahren nach Anspruch 1 oder 2, wobei der Schritt des Ermittelns aktueller Werte der Parameter unter Verwendung ei nes neuronalen Netzwerks (10) ausgeführt wird.

4. Verfahren nach einem der Ansprüche 1 bis 3, wobei das geregelte Objekt (1) ein nichtlineares Regelungssystem ist.

5. Verfahren nach Anspruch 4, wobei das geregelte Objekt eine Walzstraße ist.

6. Verfahren nach einem der vorhergehenden Ansprüche, wobei
das Modell (5) für das Objekt (1) ein Sollwert-Einstell modell ist, und
der Schritt des Regelns des Objekts (1) mittels der Re gelungseinrichtung (2) ein Ausgeben einer Stellgröße an das Stellglied (213, 214) des Objekts, so daß eine am Objekt ge messene Regelgröße keine Regelabweichung gegenüber einer der festgelegten Führungsgrößen aufweist, beinhaltet.

7. Verfahren nach Anspruch 6, wobei der Schritt zum Regeln des Objekts (1) mittels der Regelungseinrichtung (2) einen Schritt zur Festlegung von Rückkopplungskoeffizienten der Re gelungseinrichtung (2) auf Grundlage der ermittelten aktuel len Werte der Parameter beinhaltet.

8. Verfahren nach Anspruch 7, wobei der Schritt zum Festle gen der Rückkopplungskoeffizienten einen Schritt des Ermit telns von Einflußkoeffizienten auf Grundlage der ermittelten aktuellen Werte der Parameter und einen Schritt des Ermit telns der Rückkopplungskoeffizienten auf Grundlage dieser Einflußkoeffizienten aufweist.

9. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Schritt des Ermittelns der aktuellen Werte der Parameter auf der Grundlage von Langzeit- und Kurzzeit-Meßwerten für die Stell- und Regelgrößen des Objekts (1) durchgeführt wird.

10. Verfahren nach einem der Ansprüche 1 bis 9, wobei die Führungsgrößen im Schritt des Festlegens der Führungsgrößen dadurch erhalten werden, daß das Modell (5) aufgrund der er mittelten aktuellen Werte der Parameter verändert wird und die Führungsgrößen aus dem veränderten Modell gewonnen wer den.

11. Regelvorrichtung für ein Objekt (1) mittels eines Mo dells (5), das den Zusammenhang zwischen Stell- und Regelgrö ßen des Objekts (1) in Abhängigkeit von Parametern be schreibt, aufweisend:
eine Regelungseinrichtung (2) zum Entgegennehmen von Führungsgrößen und zur Ausgabe einer Stellgröße am ein Stell glied (213, 214) des Objekts,
eine mit einer Speichereinrichtung (20) versehene Lern einheit (6), um in einem Lernvorgang vorab eine Zuordnung zwischen Werten der Parameter des Modells und Stellgrößen und Regelgrößen des Objekts abzuspeichern und in einem Regelvor gang aufgrund erfaßter Stell- und Regelgrößen des Objekts (1) unter Bezugnahme auf die gespeicherte Zuordnung aktuelle Werte der Parameter des Modells zu ermitteln, und
eine Einrichtung (4) zum Festlegen von Führungsgrößen für die Regelungseinrichtung (2) unter Verwendung des Modells zusammen mit den ermittelten aktuellen Werten der Parameter,
wobei die Regelungseinrichtung (2) ein Regeln des Ob jekts (1) unter Verwendung der genannten festgelegten Füh rungsgrößen durchführt.

12. Vorrichtung nach Anspruch 11, wobei die Lerneinheit (6) ein neuronales Netzwerk (10) aufweist.

13. Vorrichtung nach Anspruch 11 oder 12, wobei das gere gelte Objekt (1) ein nichtlineares Regelungssystem ist.

14. Vorrichtung nach Anspruch 13, wobei das geregelte Objekt (1) eine Walzstraße ist.

15. Vorrichtung nach einem der Ansprüche 11 bis 14, wobei
das Modell (5) ein Sollwert-Einstellmodell ist und
die Regelungseinrichtung (2) eine solche Stellgröße an das Stellglied (213, 214) des Objekts (1) abgibt, daß eine am Objekt gemessene Regelgröße keine Abweichung gegenüber einer der festgelegten Führungsgrößen aufweist.

16. Vorrichtung nach Anspruch 15, mit einer Einrichtung (3) zur Festlegung von Rückkopplungskoeffizienten für die Rege lungseinrichtung (2) auf Grundlage der ermittelten aktuellen Werte der Parameter.

17. Vorrichtung nach Anspruch 16, wobei die Einrichtung (3) zum Festlegen der Rückkopplungskoeffizienten auf Grundlage der ermittelten aktuellen Werte der Parameter Einflußkoeffi zienten ermittelt und die Rückkopplungskoeffizienten auf Grundlage der Einflußkoeffizienten festlegt.

18. Vorrichtung nach einem der Ansprüche 11 bis 17, wobei die Lerneinrichtung (6) die aktuellen Werte der Parameter auf Grundlage von Langzeit- und Kurzzeit-Meßwerten der Stell- und Regelgrößen des geregelten Objekts (1) ermittelt.

19. Vorrichtung nach einem der Ansprüche 11 bis 18, wobei die Einrichtung (4) zum Festlegen der Führungsgrößen das Mo dell (5) auf Grundlage der ermittelten aktuellen Werte der Parameter verändert und die Führungsgrößen auf Grundlage des veränderten Modells ermittelt.