DE69121789T2

DE69121789T2 - Steuerungsvorrichtung für die Steuerung einer gesteuerten Anlage und Steuerungsverfahren dafür

Info

Publication number: DE69121789T2
Application number: DE69121789T
Authority: DE
Inventors: Satoshi Hattori; Yasunori Katayama; Junzo Kawakami; Yasuo Morooka; Masaaki Nakajima; Yutaka Saito
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1990-06-04
Filing date: 1991-06-03
Publication date: 1997-04-03
Anticipated expiration: 2011-06-04
Also published as: EP0460892A3; DE69121789D1; EP0460892B1; US5430642A; US5541832A; EP0460892A2

Description

Die Erfindung betrifft ein System, in dem eine Steuervorrichtung eine gesteuerte Anlage steuert Sie betrifft insbesondere, jedoch nicht ausschließlich, ein derartiges System, bei dem die gesteuerte Anlage eine Walzanlage ist. Die Erfindung betrifft ein derartiges System, eine Steuerungsvorrichtung für ein derartiges System und auch ein Steuerungsverfähren unter Verwendung eines solchen Systems.
Mit zunehmender Verwendung von Computerisierungsmaßnahmen sind Vorrichtungen zum Steuern eines gesteuerten Systems wie einer Walzanlage komplexer geworden. Derartige Vorrichtungen überwachen die Signale von der gesteuerten Anlage entsprechend Betriebszuständen dieser Anlage, und die Vorrichtungen wenden zweckentsprechende Steuerungsstrategien an.
Bei vorhandenen Systemen arbeiten die Steuervorrichtungen örtlich, wobei sie nur einen Parameter oder eine beschränkte Anzahl von Parametern berücksichtigen. Demgemäß kann der von einer Steuerungsvorrichtung ausgeführte Steuerungsygrgang Parameter beeinflussen, wie sie durch eine andere Steuerungsvorrichtung gesteuert werden, was zu einer ineffizienten Steuerung führt.
Ferner ist, obwohl Steuerungsstrategien entwickelt werden können, die Steuerung durch bekannte Steuerungsvorrichtungen relativ inflexibel, und sie können sich nicht leicht an sich ändernde Bedingungen in der gesteuerten Anlage anpassen. So werden, bei einer Walzanlage als Beispiel, Stahlbleche gewünschter Dicke dadurch erhalten, daß der Klemmabstand zwischen einander gegenüberstehenden Walzen gesteuert wird und auch der angewandte Zug gesteuert wird. Jedoch erschweren es während des Walzprozesses auftretende Änderungen, wie auch Änderungen verschiedener mechanischer Bedingungen, eine zufriedenstellende Steuerung zu erzielen. Ferner ist leicht ersichtlich, daß die verschiedenen das Stahlblech beeinflussenden Faktoren miteinander verkoppelt sind, so daß die Steuerung eines Parameters die für einen anderen Parameter erforderliche Steuerung beeinflußt.
Im Dokument DE-A 40 08 510.4, entsprechend dem Dokument US- 07/490848, ist ein System beschrieben, bei dem eine Steuerungsvorrichtung eine Anlage steuert, die eine Walzanlage ist. Bei dieser früheren Anmeldung werden die verschiedenen Parameter der Walzanlage durch Steuerung mittels Stellgliedern gebildet, und die Bedienperson der Steuerungsvorrichtung errichtete eine Anzahl von Betriebsmustern für die verschiedenen Stellglieder. Jedes dieser Muster, die auf Grundlage der Erfahrung der Bedienperson hergeleitet wurden, erstellten spezielle Steuerungsstrategien für alle oder zumindest einige der Stellglieder der Walzanlage, so daß jedes eine spezielle Steuerungsstrategie repräsentierte, wie im wesentlichen auf die gesamte Anlage angewandt, statt nur einen Teil. Dann kombiniert ein Fuzzilogiksystem einige dieser Muster, und dann wird die Betätigung der Stellglieder auf Grundlage dieser Auswahl gesteuert. Die Auswahl selbst beruht auf von den Stellgliedern empfangenen Signalen. Auf diese Weise kombiniert das Fuzzylogiksystem Strategien auf Grundlage der Wirkung dieser Kombination, wodurch es ermöglicht ist, eine wirkungsvollere Steuerung zu erzielen. In der anschließenden Erörterung werden diesem Dokument DE-A- 40 08 510.4 (US-07/490848) erörterte Ideen als der Erfindung zugrunde liegende allgemeine Prinzipien bezeichnet.
Die Erfindung versucht jedoch, diese allgemeinen Prinzipien weiterzuentwickeln, um die Steuerung zu verbessern, wie sie mit einer ein gesteuertes System steuernden Steuerungsvorrichtung erzielbar ist.
Im allgemeinen verwenden Steuerungsstrategien Rückkopplungs anordnungen, bei denen das vom Teil der zu steuernden Anlage, das untersucht wird (nachfolgend als "Vorrichtung mit variablem Betrieb" bezeichnet), dazu verwendet wird, das Steuerungssignal für die Vorrichtung mit variablem Betrieb zu modifizieren. Im Prinzip sollte eine derartige Regelung zu zufriedenstellendem Verhalten führen. Jedoch wird darauf hingewiesen, dab eine genaue Regelung davon abhängt, daß das Rückkopplungs-Ansprechverhalten im Regelungsbereich im wesentlichen linear ist. Wenn sich der Betriebspunkt ("Sollpunkt") der Vorrichtung mit variablem Betrieb nicht wesent lich ändert und es das Ziel der Regelung, den einschlägigen Parameter der Vorrichtung mit variablem Betrieb auf einem geeigneten Sollpunkt zu halten, ist die Annahme, daß die Regelung im linearen Bereich bleibt, zufriedenstellend. Jedoch besteht bei komplizierteren Steuerungsstrategien die Gefahr, daß der Betriebspunkt des Parameters der Vorrichtung mit variablem Betrieb aus dem linearen Bereich herausläuft, wenn Änderungen der Steuerungsstrategien den Sollpunkt verschieben. Es wurde erkannt, daß derartige Änderungen eine Modifizierung der Rückkopplungsbedingungen erfordern.
Daher ist gemäß einer ersten Erscheinungsform der Erfindung ein System mit einer gesteuerten Anlage und einer Steuerungsvorrichtung zum Steuern der gesteuerten Anlage geschaffen;
(i) wobei die gesteuerte Anlage folgendes aufweist:
- mindestens eine Vorrichtung mit variablem Betrieb, eine Betätigungseinrichtung zum Betätigen der mindestens einen Vorrichtung mit variablem Betrieb und eine Detektoreinrichtung zum Erfassen des Betriebs der mindestens einen Vorrichtung mit variablem Betrieb und zum Erzeugen eines diesen Betrieb repräsentierenden Statussignals;
(ii) wobei die Steuerungsvorrichtung folgendes aufweist:
- eine Einrichtung zum Abspeichern eines voreingestellten Betriebsmusters für die mindestens eine Vorrichtung mit variablem Betrieb und zum Erzeugen eines voreingestellten Befehlssignals und eines voreingestellten Zustandssignals, und eine Rückkopplungseinrichtung zum Erfassen der Differenz zwischen dem voreingestellten Zustandssignal und dem Zustandssignal und zum Erzeugen eines Rückkopplungssignals zum Modifizieren des voreingestellten Befehlssignals zum Erzeugen eines Befehlssignals zum Steuern der Betätigungseinrichtung;
wobei
- die Steuerungsvorrichtung eine Analysiereinrichtung aufweist, die zu folgendem dient:
(i) Ermitteln der Beziehung zwischen mindestens einem Befehlssignal und dem Rückkopplungssignal und mindestens einem Zustandssignal und der Differenz zwischen dem Zustandssignal und dem voreingestellten Zustandssignal, wenn das Rückkopplungssignal eine vorgegebene Grenze überschreitet;
(ii) Erzeugen eines Kompensationssignals auf Grundlage der Beziehung und
(iii) weiteres Modifizieren des voreingestellten Befehlssignals auf Grundlage des Kompensationssignals.
Demgemäß überwacht sich die Rückkopplungsschleife bei der Erfindung auf wirkungsvolle Weise selbst, und sie ändert die Art des Rückkopplungssignals abhängig von Änderungen der Betriebsbedingungen. Demgemäß kann eine derartige Rückkopplungsanordnung auf Änderungen der physikalischen Zustände der gesteuerten Anlage reagieren, ohne daß es erforderlich ist, völlig neue Steuerungsstrategien durch die Bedienperson anzuwenden. In der folgenden Erörterung wird diese Entwicklung durch die Erfindung als "Sollpunktsteuerung" bezeichnet.
Es ist ersichtlich, daß, für einen vorgegebenen Betriebspunkt eines Parameters die Vorrichtung mit variablem Betrieb, angenommen werden kann, daß die Rückkopplungsanordnung für Änderungen dieses Betriebspunkts innerhalb eines vorbestimmten Bereichs linear ist, weswegen dann kein deutlicher Vorteil besteht, wenn das Rückkopplungssignal für Änderungen modifiziert wird, die kleiner als ein vorbestimmtes Ausmaß sind. Wenn jedoch dieses vorbestimmte Ausmaß überschritten ist, so daß der Betriebspunkt, "Sollpunkt", des Systems bis nahe an den Rand des linearen Bereichs, oder über diesen hinaus, gelaufen ist, kann die erste Entwicklung der Erfindung wirksam werden, um den Sollpunkt zu modifizieren, wie oben erörtert. Gemäß einer weiteren Modifizierung dieser ersten Entwicklung können mehrere mögliche Modifizierungen der Rückkopplungsschleife erzeugt werden, und dann werden diese mittels Fuzzylogik auf Grundlage des empfangenen Signals kombiniert. Auf diese Weise kann die Rückkopplungsschleife auf Grundlage der Fuzzylogik entscheiden, welche einer Anzahl möglicher Modifizierungen des Sollpunkts das Optimum repräsentiert, und zwar auf Grundlage der Auswirkung dieser Modifizierungen, so daß die verwendete Modifizierung zu einer besseren Annäherung an das führen kann, was die beste Steuerungsstrategie ergibt.
Im Dokument DE-A 40 08 510.4 (US-07/490848) wurde vorgeschlagen, daß ein Fuzzylogiksystem ein durch die Bedienperson vorbestimmtes Steuerungsmuster, oder mehrere, auswählt, um zufriedenstellende Steuerung zu erzielen. Es wurde nun erkannt, daß eine derartige Anordnung mit der Idee einer automatischen Erzeugung weiterer möglicher Steuerungsmuster kombiniert werden kann, wobei dann diese neuen Steuerungsmuster bei der Fuzzylogikauswahl hinzugefügt werden. Dies wird als "Maschinenlernen" bezeichnet.
Bei derartigem Maschinenlernen wird das System normalerweise zunächst unter Verwendung nur von von der Bedienperson voreingestellten Steuerungsmustern betrieben. Jedoch analysiert, wenn das System betrieben wird, eine geeignete Analy siereinrichtung die Auswirkung jedes voreingestellten Steuerungsmusters hinsichtlich seiner Auswirkung auf das System und auf Betriebssignale von der Vorrichtung (den Vorrichtungen) mit variablem Betrieb des Systems. Dann kann sie zusätzliche Muster herleiten. Derartige zusätzliche Muster können z. B. durch Neurocomputertechniken hergeleitet werden. Wenn dies einmal erfolgt ist, arbeitet das System auf Grundlage sowohl der voreingestellten Steuerungsmuster als auch der neuen, automatisch hergeleiteten Steuerungsmuster. Dann nimmt ein Fuzzylogiksystem unter diesen Mustern eine Auswahl vor und verwendet die zweckentsprechende Steuerungsstrategie. Tatsächlich ist es ersichtlich, daß, nach ausreichend langem Betrieb, die voreingestellten Muster vollständig durch automatisch erzeugte Muster überdeckt sein können, so daß das System vollständig mit den "gelernten" Mustern arbeitet.
Bei einer Entwicklung der Erfindung ist die Anfangsmodifizierung des voreingestellten Befehlssignals durch die auf normale Weise arbeitende Rückkopplungsschleife repräsentiert, wobei das Signal von der Vorrichtung mit variablem Betrieb dazu verwendet wird, das an diese Vorrichtung mit variablem Betrieb gegebene Signal zu modifizieren. Dann kann die Beziehung zwischen den Signalen an die und von der Vorrichtung mit variablem Betrieb untersucht werden, wie auch betreffend ein weiteres Signal in der Rückkopplungsschleife als Kompensationssignal, das die Schleife modifiziert, um den Sollpunkt der Rückkopplung zu ändern.
Andererseits ist, wenn die Erfindung auf die Idee des Maschinenlernens angewandt wird, das Signal an die Betätigungseinrichtung der Vorrichtung mit variablem Betrieb durch das Ausgangssignal des Fuzzylogiksystems repräsentiert, das die von der Bedienperson erstellten, voreingestellten Betriebsmuster kombiniert. Dann wird die Beziehung zwischen den Signalen an die Betätigungseinrichtungen der Vorrichtung mit variablem Betrieb und denen entsprechend dem Betrieb dieser Vorrichtung mit variablem Betrieb untersucht, um ein durch die maschinengelernten Muster repräsentiertes Kompensationssignal zu erzeugen, wobei die Muster dann durch das Fuzzylogiksystem kombiniert werden, um die Signale an die Betätigungseinrichtungen der Vorrichtung mit variablem Betrieb weiter zu modifizieren.
Obwohl die oben erörterte Erfindung auf Anordnungen anwend bar ist, bei denen nur eine einzelne Vorrichtung mit variablem Betrieb vorliegt, ist sie für Situationen besonders geeignet, in denen mehrere Vorrichtungen mit variablem Betrieb vorliegen und bei denen daher der Betrieb einer Vorrichtung mit variablem Betrieb den Betrieb einer anderen Vorrichtung mit variablem Betrieb beeinflussen kann. Z. B. kann in einer Walzanlage die Betätigung eines Satzes von Stellgliedern, die ein Walzenpaar beeinflussen, andere beeinflussen. Z. B. können Stellglieder, die so gesteuert werden, daß sie den Klemmspalt zwischen den Walzen parallel halten, durch Stellglieder beeinflußt werden, die die Weite dieses Klemmspalts beeinflussen.
Ferner errichtet die Steuerungsvorrichtung bei einem derartigen komplexeren System wirkungsvoll Steuerungsmuster zum Steuern der Vorrichtungen mit variablem Betrieb, und auf ähnliche Weise erzeugen die den Betrieb dieser Vorrichtungen mit variablem Betrieb überwachenden Vorrichtungen selbst Ausgangsmuster. Demgemäß ist es erwünscht, diese Muster wirkungsvoll zu überwachen. Daher schlägt es ein zweiter Gesichtspunkt der Erfindung vor, daß die Steuerungsvorrichtung als Reihe von Modulen organisiert ist, von denen jedes so konzipiert ist, daß es ein spezielles Untermuster erfaßt, um ein entsprechendes Signal zu erzeugen. Wenn jedes Untermuster relativ einfach ist, kann diesem Untermuster eine geeignete Steuerungsstrategie zugeordnet werden. Dann kann, wenn das Muster analysiert wird, eine auf jedes Untermuster desselben anwendbare Steuerungsstrategie erzeugt werden. Im einfachsten Fall können dann diese Steuerungsstrategien aufsummiert werden, jedoch werden sie gemäß einer weiteren Entwicklung durch Fuzzylogik kombiniert, auf ähnliche Weise wie bei den zuvor erörterten Fuzzylogikanordnungen.
Es ist speziell zu beachten, daß der zweite Gesichtspunkt der Erfindung, der als "serielle Steuerung" bezeichnet wird, in Kombination mit den Ideen der Sollpunktsteuerung und des Maschinenlernens, wie bereits erörtert, verwendet werden kann, wobei es sich jedoch um einen unabhängigen Gesichtspunkt der Erfindung handelt.
Schließlich ist zu beachten, daß das Dokument DE-A- 40 08 510.4 (US-07/490848) die Anwendung der allgemeinen Prinzipien auf eine Walzanlage beschreibt. In der vorliegenden Anmeldung sind weitere Anwendungen der allgemeinen Prinzipien erörtert. Selbstverständlich kann jede dieser beliebigen weiteren Entwicklungen mit jeder beliebigen Kombination der Gesichtspunkte betreffend die Sollpunktsteuerung, das Maschinenlernen und die serielle Steuerung kombiniert werden.
Der erste Gesichtspunkt der Erfindung, wie oben erörtert, betrifft hauptsächlich Maschinenlernen. Ein zweiter Gesichtspunkt der Erfindung betrifft einen wesentlichen Teil der Erfindung, gemäß dem ein System mit einer gesteuerten Anlage und einer Steuerungsvorrichtung zum Steuern der gesteuerten Anlage geschaffen ist;
(i) wobei die gesteuerte Anlage folgendes aufweist:
- mindestens eine Vorrichtung mit variablem Betrieb, eine Betätigungseinrichtung zum Betätigen der mindestens einen Vorrichtung mit variablem Betrieb und eine Detektoreinrichtung zum Erfassen des Betriebs der mindestens einen Vorrichtung mit variablem Betrieb und zum Erzeugen eines diesen Betrieb repräsentierenden Statussignals;
(ii) wobei die Steuerungsvorrichtung folgendes aufweist:
- eine Einrichtung zum Abspeichern eines voreingestellten Betriebsmusters für die mindestens eine Vorrichtung mit variablem Betrieb und zum Erzeugen eines voreingestellten Befehlssignals und eines voreingestellten Zustandssignals, und eine Rückkopplungseinrichtung zum Erfassen der Differenz zwischen dem voreingestellten Zustandssignal und dem Zustandssignal und zum Erzeugen eines Rückkopplungssignals zum Modifizieren des voreingestellten Befehlssignals zum Erzeugen eines Befehlssignals zum Steuern der Betätigungseinrichtung;
wobei
- die Steuerungsvorrichtung eine Analysiereinrichtung zum Analysieren des Rückkopplungssignals zum Erzeugen eines Auswertungssignals und zum Modifizieren des voreingestellten Befehlssignals und/oder des voreingestellten Statussignals auf Grundlage des Auswertungssignals aufweist.
Nun werden Ausführungsformen der Erfindung beispielhaft im einzelnen unter Bezugnahme auf die beigefügten Zeichnungen beschrieben, in denen:
Fig. 1 ein schematisches Blockdiagramm einer Anordnung ist, die die der Erfindung zugrunde liegenden allgemeinen Prinzipien veranschaulicht;
Fig. 2 eine Anordnung zeigt, in der die allgemeinen Prinzipien auf ein Steuerungssystem für ein Walzwerk angewandt sind;
Fig. 3 ein Blockdiagramm einer Mustererkennungsanordnung ist, die die allgemeinen Prinzipien der Erfindung veranschaulicht;
Fig. 4 ein Blockdiagramm eines Befehlsgenerators ist;
Fig. 5 ein schematisches Blockdiagramm einer Entscheidungs einrichtung für eine manipulierte Variable ist, die entsprechend den allgemeinen Prinzipien der Erfindung verwendet werden kann;
Fig. 6 ein schematisches Blockdiagramm einer Wissensdatenbasis ist;
Fig. 7 ein Flußdiagramm ist, das den Betrieb der Entscheidungseinrichtung von Fig. 5 veranschaulicht;
Fig. 8 ein Flußdiagramm ist, das den Betrieb eines Inferenzmechanismus gemäß den allgemeinen Prinzipien der Erfindung veranschaulicht;
Fig. 9 ein schematisches Flußdiagramm ist, das die Berech nung eines Befehlswerts entsprechend den allgemeinen Prinzipien der Erfindung veranschaulicht;
Fig. 10 ein schematisches Blockdiagramm einer Eingangssignal-Umschaltvorrichtung ist;
Fig. 11 ein schematisches Blockdiagramm eines Lernmechanismus entsprechend den allgemeinen Prinzipien der Erfindung ist;
Fig. 12 die Beziehung zwischen einem Lernvorgang und einer Gewichtungsfunktion veranschaulicht;
Fig. 13 ein Flußdiagramm ist, das die Funktion des von der Struktur von Fig. 12 ausgeführten Lernvorgangs veranschaulicht;
Fig. 14 schematisch eine Speicherstruktur veranschaulicht, die gemäß den allgemeinen Prinzipien der Erfindung verwendet werden kann;
Fig. 15 den Mustererkennungsmechanismus von Fig. 3 detaillierter veranschaulicht;
Fig. 16 eine Modifizierung des Lernmechanismus von Fig. 11 ist;
Fig. 17 den Betrieb des Mustererkennungsmechanismus von Fig. 3 veranschaulicht;
Fig. 18 ein Beispiel eines Eingangsmusters zur Eingabe in den Mustererkennungsmechanismus von Fig. 3 ist;
Fig. 19 die Ausgabefunktion des Mustererkennungsmechanismus von Fig. 3 veranschaulicht;
Fig. 20 und 21 die zeitliche Änderung der Form eines Werkstücks veranschaulichen, wenn auf dieses gemäß den allgemeinen Prinzipien der Erfindung eingewirkt wird;
Fig. 22 Logikregeln veranschaulicht, die durch Fuzzylogik gemäß den allgemeinen Prinzipien der Erfindung kombiniert werden können;
Fig. 23 schematisch die Kombination von Mustern unter Verwendung von Fuzzylogik gemäß den allgemeinen Prinzipien der Erfindung veranschaulicht;
Fig. 24 die Verarbeitung eines Eingangssignalverlaufs entsprechend den allgemeinen Prinzipien der Erfindung veranschaulicht;
Fig. 25 ein Ausführungsbeispiel der Erfindung einschließlbch eines Maschinenlernvorgangs veranschaulicht, wie auf eine Sendzimir-Walzanlage angewandt;
Fig. 26a bis 26c den Aufbau der Sendzimir-Walzanlage detaillierter veranschaulichen;
Fig. 27a bis 27d Beispiele von Maschinenlernvorgängen unter Verwendung eines Neurocomputers veranschaulichen;
Fig. 28 schematisch den Aufbau von Mustern unter Verwendung eines Neurocomputers und die Kombination derselben durch Fuzzylogik veranschaulicht;
Fig. 29 schematisch die beim Ausführungsbeispiel von Fig. 25, das den erfindungsgemäßen Maschinenlernvorgang enthält, ausgeführte Analyse veranschaulicht;
Fig. 30 ein weiteres Ausführungsbeispiel der Erfindung mit Sollpunktsteuerung veranschaulicht;
Fig. 31 ein Blockdiagramm ist, das die Sollpunktsteuerung von Fig. 30 detaillierter veranschaulicht;
Fig. 32 ein Blockdiagramm ist, das Baukomponenten des Ausführungsbeispiels von Fig. 30 zeigt;
Fig. 33 schematisch den Betrieb des Ausführungsbeispiels von Fig. 30 veranschaulicht;
Fig. 34 die Anwendung der Erfindung auf einen Aufzug veranschaulicht;
Fig. 35 die Steuerung des Aufzugs von Fig. 34 gemäß der Erfindung detaillierter veranschaulicht;
Fig. 36 die Anwendung der Erfindung auf die Steuerung eines elektrischen Schienenfahrzeugs veranschaulicht;
Fig. 37 eine Anwendung der Erfindung auf eine Zugsteuerungsvorrichtung veranschaulicht;
Fig. 38 eine Anwendung der Erfindung auf eine Kfz-Steuerung veranschaulicht;
Fig. 39 ein weiteres Ausführungsbeispiel der Erfindung mit Sollpunktsteuerung veranschaulicht;
Fig. 40 ein detailliertes Blockdiagramm eines weiteren Ausführungsbeispiels ist, bei dem Sollpunktsteuerung auf ein gesteuertes System angewandt ist;
Fig. 41 den Aufbau einer Sendzimir-Walzanlage veranschaulicht, auf die die Erfindung angewandt werden kann;
Fig. 42 einen Teil der Sendzimir-Walzanlage von Fig. 41 detaillierter zeigt;
Fig. 43 ein Blockdiagramm der Steuerungsanordnung in der Sendzimir-Walzanlage von Fig. 41 ist;
Fig. 44 Formmuster, wie sie in der Sendzimir-Walzanlage von Fig. 41 auftreten, und die zugehörige Verarbeitung veranschaulichen;
Fig. 45 die Querbewegung von Walzen der Sendzimir-Walzanlage von Fig. 41 veranschaulicht;
Fig. 46 alternative Muster und die dafür verwendeten Steuerungsverfahren veranschaulicht;
Fig. 47 die Kombination von Steuerungsmustern gemäß Fuzzylogik zeigt;
Fig. 48 die Entwicklung von Steuerungsmustern durch einen Neurocomputer zeigt;
Fig. 49 die Ergebnisse einer Mustererzeugung gemäß der Erfindung zeigt;
Fig. 50 ein weiteres Ausführungsbeispiel der Erfindung, das serielle Steuerung enthält, zeigt;
Fig. 51 den Betrieb des Ausführungsbeispiels von Fig. 50 veranschaulicht;
Fig. 52 eine weitere Sendzimir-Walzanlage, ähnlich der Anordnung von Fig. 41, zeigt;
Fig. 53 ünd 54 Walzenbewegungen in der Sendzimir-Walzanlage von Fig. 52 veranschaulichen;
Fig. 55 die Herstellung eines Blechs durch die Walzanlage von Fig. 52 veranschaulicht;
Fig. 56 ein schematisches Blockdiagramm eines die Erfindung verkörpernden Warmwalzanlagensystems ist;
Fig. 57 den Betrieb des Warmwalzanlagensystems von Fig. 56 veranschaulicht;
Fig. 58 den Betrieb der Steuerungsvorrichtung für die Walzanlage von Fig. 56 veranschaulicht;
Fig. 59 die Anwendung der Erfindung auf einen Heizofen veranschaulicht;
Fig. 60 die Anwendung der Erfindung auf eine Anlage mit direktem Walzen nach dem Gießen zeigt.

A - ALLGEMEINE PRINZIPIEN

Es wird auf Fig. 1 Bezug genommen, in der ein Steuerungssystem dargestellt wird, bei dem die Erfindung verwendet werden kann.
Ein gesteuertes System enthält einen oder mehrere Stellglieder 2 und einen Sensor 3 zum Erfassen der Betriebsbedingungen des gesteuerten Systems 1 und des Stellglieds oder der Stellglieder 2. Das Ausgangssignal des vorstehend angegebenen Sensors 3 wird an einen Steuerungs- und Diagnosemechanismus 4 geliefert, der dann so gesteuert wird, daß er einen Befehl zum Ausführen der Steuerung jedes Stellglieds erzeugt. Der obengenannte Steuerungs- und Diagnosemechanismus 4 besteht aus einem Optimalzustand-Erkennungselement 5 zum Erzeugen von Befehlen für Steuerungen 6 auf das Ausgangssignal des Sensors 3 hin, diesen Steuerungen 6 zum Verwenden der vorstehend genannten Befehle und dem Ausgangssignal vom Sensor 3 zum Erzeugen von Befehlen zum Ausführen einer Steuerung des Stellglieds oder der Stellglieder 2, und einer Mensch-Maschine-Schnittstelle 7 zum Handhaben der Eingangsinformation von einem Hostsystem oder einer Betätigung durch die Bedienperson und zum Erzeugen des Diagnoseergebnisses.
Der vorstehend genannte Optimalzustand-Erkennungsmechanismus 5 besteht aus einem Charakteristikentnahmemechanismus 8 zum Entnehmen einer Charakteristik aus dem Ausgangssignal des Sensors 3, einem Entscheidungsmechanismus 9 zum Verwenden des Ausgangssignals des vorstehend genannten Charakteristikentnahmemechanismus 8 und des obigen Sensors 3, um über Steuerungsverfahren, Steuerungsparameter, Steuerungsalgorithmen usw. auf Grundlage des vorab in einem Speicher gespeicherten Wissens eine Entscheidung zu treffen, einem Schlußfolgerungsmechanismus 10 für Schlußfolgerung auf Grundlage des vorab durch den obengenannten Entscheidungsmechanismus 9 erhaltenen Rückschlusses, da ein neuer Vorgang durch den Entscheidungsmechanismus 9 zeitaufwendig wäre, und einem Selbstanpassungsmechanismus 11, um hinsichtlich Befehlen zum Ausführen einer Steuerung, wie von den obengenannten Steuerungen 6 geliefert, eine Entscheidung zu treffen und um Steuerungsbefehle auf Anforderung durch die obengenannte Mensch-Maschine-Schnittstelle 7 hin zu ändern.
Demgegenüber wird bei herkömmlichen Systemen beim Fehlen des Optimalzustand-Erkennungselements 5 durch den Sensor 3 erhaltene Information im allgemeinen von den Steuerungen 6 geliefert und dann für individuelle Steuerung für jedes Stellglied verwendet. Daher war es mit ihnen unmöglich, den Optimalzustand für das gesamte System zu gewährleisten. Die Hinzufügung des Optimalzustand-Erkennungselements 5 zum- Entscheiden über den Optimalzustand für das gesamte System, wie bei diesem Ausführungsbeispiel der Erfindung, sorgt für die Vorteile, daß nicht nur über den Optimalzustand für das ge samte System entschieden wird, sondern es ist auch für flexibles Handhaben jeder Änderung in einem Stellglied oder in Stellgliedern und im gesteuerten System gesorgt.
Nun wird ein Steuerungssystem unter Bezugnahme auf Fig. 2 beschrieben, wobei als Beispiel eine Anwendung desselben auf die Steuerung einer Walzanlage verwendet wird.
Eine das gesteuerte System 1 bildende Walzanlage erzeugt ein Stahlblech gewünschter Dicke unter Verwendung der zwischen einem Paar einander gegenüberstehenden Bearbeitungswalzen 22 wirkenden Kompressionskräfte sowie der auf das Werkstück 23 wirkenden Zugkraft, d. h. durch Drücken und Ziehen zum flachen Ausbilden des zwischen die Bearbeitungswalzen 22 geführten Werkstücks 23. Die Bearbeitungswalzen 22 liegen zwi schen Zwischenwalzen 24, und die Zwischenwalzen liegen zwischen Unterstützungswalzen 25. Auf die vorstehend genannten Unterstützungswalzen 25 werden durch eine Herunterdrehsteuerung 26 unter Verwendung von Druck wie Öldruck Kompressionskräfte ausgeübt. Diese Kompressionskräfte werden mittels des Kontakts zwischen den Unterstützungswalzen 25 und den Zwischenwalzen 24 auf die Zwischenwalzen 24 übertragen. Die an die Zwischenwalzen 24 übertragenen Kompressionskräfte werden dann über den Kontakt zwischen den Zwischenwalzen 24 und den Bearbeitungswalzen 22 sowie den zwischen den Bearbeitungswalzen 22 und dem Werkstück 23 auf dieses Werkstück übertragen, mit dem Ergebnis, daß die Kompressionskräfte das Werkstück 23 plastisch verformen und es in ein Erzeugnis gewünschter Dicke einebnen. Die Bearbeitungswalzen 22, die Zwischenwalzen 24 und die Unterstützungswalzen 25 werden alle für den Walzvorgang verwendet.
Nun ist die Walzbreite der Walzen 22, 24 und 25 größer als die Breite des Werkstücks 23, und es werden Kompressionskräfte auf diese Walzen ausgeübt. Dadurch werden die Walzen verformt. Genauer gesagt, wird im Fall einer Bearbeitungswalze 22 die Verformung durch Kompressionskräfte in demjenigen Teil der Bearbeitungswalze hervorgerufen, um den die Walze breiter als das Werkstück ist.
Im Ergebnis wird auf die Kanten des Werkstücks 23 übermäßiger Druck ausgeübt, und das Werkstück wird im Querschnitt gesehen konvex geformt. Um dies zu verhindern, übt eine Bearbeitungswalzen-Verbiegeeinrichtung 27 eine Bearbeitungswalzen-Verbiegekraft FW aus, um die Kanten des Werkstücks 23 von derartigem Druck zu befreien. Auf dieselbe Weise übt eine Zwischenwalzen-Verbiegeeinrichtung 28 eine Zwischenwalzen-Verbiegekraft FI auf eine Zwischenwalze 24 aus.
Außerdem verstellt eine Zwischenwalzen-Verschiebeeinrichtung 29 die Zwischenwalzen 24 in Querrichtung, so daß die auf die Walzen 22, 24 und 25 wirkenden Gesamtkräfte asymmetrisch gemacht werden können, um die Formung des Werkstücks im Querschnitt zu steuern.
Andererseits wird die einer Walzanlage für ihren Betrieb zugeführte Energie nicht vollständig bei der plastischen Verformung des Werkstücks 23 verbraucht, sondern ein Teil wird in Geräusche, Schwingungen und Wärme umgesetzt. Die in Wärme umgesetzte Energie wird über das Werkstück 23 freigesetzt, und sie erhöht gleichzeitig die Temperatur der Bearbeitungswalzen 22. Diese Temperaturerhöhung führt zu einer Expansion der Bearbeitungswalzen, wodurch sich ihr Durchmesser ändert. Hierbei ändern sich ihre Durchmesser im allgemeinen ungleichmäßig. Daher sind zum Steuern der Durchmesser der Walzen, um sie gleichmäßig zu halten, mehrere Düsen (nicht veranschaulicht) angebracht, die in Querrichtung liegen, und es ist eine Kühlungssteuerung 30 vorhanden, um über die Düsen ein Kühlmittel auf die Bearbeitungswalzen 22 aufzubringen.
Die Wellen der vorstehend genannten Bearbeitungswalzen 22 sind mit einer Drehzahlsteuerung 31 verbunden, die aus Einheiten wie einem Elektromotor besteht, um das Werkstück 23 zu verstellen.
Das Steuerungssystem für die Walzanlage besteht aus einem
Befehlsgenerator 32 zum Erzeugen von Befehlen für derartige Stellgueder wie die obenangegebene Herunterschraubsteuerung 26, die Bearbeitungswalze-Verbiegeeinrichtung 27, die Zwischenwalze-Verbiegungseinrichtung 28, die Zwischenwalze-Verschiebeeinrichtung 29, die Kühlmittelsteuerung 30 und die Geschwindigkeitssteuerung 31, einem Mustererkennungsmechanismus 33 zum Erkennen, in welchen Mustertyp die Form des Werkstücks 23 fällt, der das Ausmaß der Bestimmtheit eines sich ergebenden Musters ausgibt und dieses an den obengenannten Befehisgenerator 32 liefert, einem Formdetektor 34 zum Erkennen der Dicke und der Form des Werkstücks 23 und zum Ausgeben des Ergebnisses, einem Speicher 35 zum Einspeichern des Ausgangssignals des obengenannten Formdetektors 34 und des Befehlsgenerators 32, und einem Lernmechanismus 36 zum Verwenden der im Speicher 35 abgespeicherten Information zum Ändern der Parameter für den Mustererkennungsmechanismus 33 in einem Lernprozeß. Es ist zu beachten, daß das gesteuerte System 1 aus den Bearbeitungswalzen 22, den Zwischenwalzen 24 und den Unterstützungswalzen 25 besteht.
Die Stellglieder 2 beinhalten die Kompressionsdrucksteuerung 26, die Arbeitswalze-Verbiegeeinrichtung 27, die Zwischenwalze-Verbiegeeinrichtung 28, die Zwischenwalze-Verschiebeeinrichtung 29, die Kühlmittelsteuerung 30 und die Drehzahlsteuerung 31.
Der Sensor 3 besteht aus dem Formdetektor 34 und solchen, in Fig. 2 nicht dargestellten Detektoren wie einem Drehzahldetektor, Walzbelastungsdetektoren, verschiedenen Positionsdetektoren, Zugspannungsdetektoren und Dickedetektoren.
Der Steuerungs- und Diagnosemechanismus 4 besteht aus dem Speicher 35, dem Befehlsgenerator 32, dem Mustererkennungsmechanismus 33 und dem Lernmechanismus 36.
In Fig. 3 ist eine Detailansicht des obengenannten Formmuster-Erkennungsmechanismus 33 dargestellt. Der Mustererkennungsmechanismus 33 enthält eine aus Eingangszellen 37 und 38 bestehende Eingangsschicht 51, eine mit der Eingangsschicht 51 verbundene, aus Zellen 40 und 41 bestehende Zwischenschicht 39, Zwischenschichten 47 und 49, die mit der Zwischenschicht 39 in Reihe geschaltet sind, und eine Ausgangsschicht 50. Die Zelle 40 enthält Gewichtungsfunktionen 43, 46, einen Addierer 44 und einen Funktionsprozessor 45, und die Zelle 41 enthält eine Gewichtungsfunktion 48, einen Addierer 49 und einen Funktionsprozessor 50. Das Ausgangssignal des Formdetektors 34 und des Speichers 35 wird an die Eingangszelle 37 und 38 im obengenannten Mustererkennungsmechanismus 33 geliefert. Die Eingangszellen 37 und 38 setzen ein Eingangssignal unter Verwendung einer Funktion um, und sie geben das Ergebnis an die Zwischenschicht 39 aus. Das an die Zwischenschicht 39 gelieferte Ausgangssignal der Eingangszelle wird dann an Zellen 40 und 41 in der Zwischenschicht 39 geliefert. Das von der Eingangszelle 37 ausgegebene und an die Zelle 40 gelieferte Signal wird durch eine Gewichtungsfunktion 43 w¹&sub1;&sub1; Mal vergrößert und an einen Addierer 44 geliefert, während das Ausgangssignal der Eingangszelle 38 über den Prozeß durch eine Gewichtungsfunktion 46 an den Addierer 44 geliefert wird. Der Addierer 44 addiert die Ausgangssignale der vörstehend genanriten Gewichtungsfunktionen 43 und 46 und liefert das Ergebnis an einen Funktionsprozessor 45. Der Funktionsprozessor 45 führt lineare und nichtlineare Funktionsoperationen aus und liefertdas Ergebnis an die Zwischenschicht 47 in der nächsten Stufe.
Auf dieselbe Weise werden die Ausgangssignale der Eingangszellen 37 und 38 an die Zelle 41 geliefert, und das Ausgangssignal der Eingangsschicht 37 wird w¹&sub2;&sub1; Mal vergrößert und über einen Addierer 49 und einen Funktionsprozessor 50 an die Zwischenschicht 47 in der nächsten Stufe geliefert.
Die auf dieselbe Weise wie die Zwischenschicht 39 aufgebaute Zwischenschicht 47 verwendet das Ausgangssignal der Zwischenschicht 39 anstelle desjenigen der Eingangsschichten 37 und 38.
Hierbei sei die Gewichtung der Gewichtungsfunktionen 43, 46 und 48 wkij Dann ist w die Gewichtung, die dem j-ten Ausgangssignal in der (k - 1)-ten Zwischenschicht (Eingangszelle, wenn k = 1 gilt) an die i-te Zelle in der k-ten Zwischenschicht verliehen wird.
Wie es aus dem Vorstehenden ersichtlich ist, wird das an den Mustererkennungsmechanismus 33 gelieferte Signal über die Eingangszellen 37 und 38 und die Zwischenschichten 39, 47 und 49 und über eine Ausgangsschicht 50 in Form einer Zwischenzelle ohne Gewichtungsfunktionen und Addierer ausgegeben. Die Eingangsschicht 51 enthält alle Eingangszellen 37 und 38.
Dieser Mustererkennungsmechanismus 33 zeichnet sich durch seine Fähigkeit einer Hochgeschwindigkeitsverarbeitung aus, da einfache Produkt-Summen-Operationen und nicht Wiederholungsoperationen wie Rückkopplungen verwendet werden, und da, wenn jeder Produkt-Summen-Term in den Zwischenschichten durch Hardware gehandhabt wird, da bei diesen Produkt-Summen-Operationen Parallelverarbeitungen ausgeführt werden.
Befehlswerte für jedes Stellglied können neben dieser Mustererkennungsmechanismus-Ausgangsschicht 50 vorab entsprechend jedem Ausgangsmuster abgespeichert werden, um an die Stellglieder direkt Befehlswerte auszugeben, die am nächsten bei den Ausgangsmustern liegen. Dies sorgt zwar für eine Erhöhung des Ansprechverhaltens, jedoch ergibt sich eine Steuerungsgenauigkeit, die etwas niedriger als die des später beschriebenen Verfahrens ist.
Nun wird das Ergebnis der Verarbeitung durch den Musterer kennungsmechanismus 33 über die in Fig. 4 dargestellten Befehlsgenerator 32 an die Walzanlage, d. h. das gesteuerte System 1, gegeben. Genauer gesagt, wird das Ausgangssignal des Mustererkennungsmechanismus 33 an eine Entscheidungseinrichtung 52 für eine manipulierte Variable geliefert, die im Befehlsgenerator 32 untergebracht ist. Die Entscheidungseinrichtung 52 für eine manipulierte Variable wählt aus mehreren Prozessen in der Einrichtung 52 den Prozeß zum wirkungsvollsten Handhaben des Eingangssignals aus, sie führt den Prozeß aus und gibt eine manipulierte Variable aus. Eine Befehlswert-Berechnungseinrichtung verwendet das Ergebnis der Verarbeitung durch die vorstehend genannte Entscheidungseinrichtung für eine manipulierte Variable, um einen solchen Befehlswert für jedes Stellglied wie einen Kompressionsbefehl für die Herunterschraubsteuerung 26 sowie einen Zwischenwalze-Verbiegungsbefehl für die Zwischenwalze-Verbiegungseinrichtung 28 zu erzeugen. An diesen Befehlsgenerator 32 kann das Ausgangssignal des Formdetektors 34 ohne dazwischenliegenden Mustererkennungsmechanismus 33 geliefert werden und dann mit dem geeignetsten aller der mehreren Prozesse im Generator 32 gehandhabt werden. Jedoch sollte in einem Fall, in dem verschiedene Inferenzmechanismen verwendet werden, um eine Funktionsfähigkeit zu erzielen, die am nächsten entsprechend einer Betätigung durch spezialisierte Bedienpersonen liegt, eine ausreichend entwickelte Wissensbasis bei der Verwendung des Steuerungssystems vorliegen.
Fig. 5 veranschaulicht den Aufbau der obengenannten Entscheidungseinrichtung 32 für eine manipulierte Variable. Diese Entscheidungseinrichtung 52 für eine manipulierte Variable empfängt Signale vom Formdetektor 34 und vom Mustererkennungsmechanismus 33 und aktiviert dann eine Steuerung 141. Diese Steuerung 141 verwendet abhängig vom Typ eines Problems eine Wissensbasis 56, um zu entscheiden, welcher Inferenzmechanismus aktiviert werden soll. Anders gesagt, aktiviert die Steuerung 141 einen Produktionsinferenzmechanismus 142, wenn es erforderlich ist, nach dem Grund eines Problems auf syllogistische Weise zu suchen, einen Fuzzylogikmechanismus 143, wenn ein Doppeldeutigkeitsfaktor vorliegt, einen Rahmeninferenzmechanismus 144, wenn das Problem über eine bestimmte Struktur und einen Rahmen verfügt, einen Semantiknetz-Inferenzmechanismus 145, wenn sich das Problem entsprechend einem Netz aus relativen Einzelgrößen, wie Ursachen und Wirkungen, und der Konfiguration von Vorrichtungen verhält, und einen Skriptinferenzmechanismus 146, wenn das Problem ein Diagnoseobjekt betrifft, das sich im Verlauf einer zeitlichen Bewegung befindet. Für ein empirisches Problem, das die vorstehend genannten verschiedenen Inferenzmechanismen nicht lösen können, aktiviert die Steuerung 141 einen Optimierungsvorgangsmechanismus 111, um mit hoher Geschwindigkeit zu einer optimalen Lösung zu gelangen, und sie aktiviert auch einen Charakteristikentnahme- und Antwortmechanismus 110 (bestehend aus einem Rumelhart-Neurocomputer), der Muster speichern und Charakteristiken entnehmen kann und so Probleme handhaben kann, die Antworten erfordem. Das Ergebnis der Verarbeitung durch die Entscheidungseinrichtung 52 für eine manipulierte Variable wird über die Steuerung 141 an die Befehlswert-Berechnungseinrichtung 53 ausgegeben.
Fig. 6 veranschaulicht den Aufbau der Wissensbasis 56, die das für den Inferenzvorgang erforderliche Wissen enthält. In dieser Wissensbasis 56 wird auf Grundlage der Erfahrung von Experten zum Vorgang beruhendes Wissen 106 nach der Eingabe von außen eingespeichert und in die folgenden Wissensrepräsentationsformalismen eingeteilt: eine Erzeugungsregel 147 zum Vornehmen einer syllogistischen Inferenz, eine Fuzzyregel 148, die ein Wissenrepräsentationsformalismus zum Vornehmen einer Inferenz auf Grundlage einer doppeldeutigen Information ist, einen Wissensrahmen 149, der ein Formalismus ist, der bestimmte Rahmen wie die Konfiguration von Teilen, die Diagnoseobjekte sindf verwenden kann, ein Semantiknetzwerk 150, das eine Organisation in Form eines Netzes einer Beziehung wie einer solchen zwischen Teilen und einer offensichtlichen Beziehung im täglichen Leben ist, ein Skript 151 zum Organisieren und Abspeichern eines Jobs mit Diagnoseobjekten in fortlaufender Reihenfolge, bevor ein Job ausgeführt wird, und verschiedenes Wissen 152, das durch keinen der vorstehend genannten Formalismen 147 bis 151 repräsentiert werden kann.
Fig. 7 ist eine erläuternde Veranschaulichung des Betriebs der Entscheidungseinrichtung 52 für eine manipulierte Variable. Die Verarbeitung durch die Steuerung 141 besteht aus einem Schritt 200 zum Organisieren der Information vom Mustererkennungsmechanismus 33, vom Formdetektor 34 und vom Speicher 35 und zum Umsetzen der organisierten Information in solche Daten, wie sie für die untenangegebene Verarbeitung verwendet werden können, einem sich wiederholenden Verarbeitungsschritt 201 zum Sammeln und Liefern der durch den vorstehend genannten Schritt 200 verarbeiteten Daten an einen Schritt 202, bis diese Daten ausgehen, einem Entscheidungsschritt 202 zum Entscheiden, welcher Inferenzmechanismus und Prozeß abhängig von der Information, die der obengenannte Schritt 201 gesammelt hat, aktiviert werden soll, den Inferenzmechanismen 142 bis 146, dem Charakteristikentnahme- und Antwortmechanismus 110, dem Optimierungsvorgangsmechanismus 111, einer allgemeinen Steuerung 203 zum Ausführen von Algorithmen für klassische Regelung wie PID-Regelung und moderne Regelung wie Regelung mit mehreren Variablen, und einem Abschlußschritt 204 für einen Vorgang wie ein Flag rücksetzen, wie zum Beenden der vorstehend genannten Schritte erforderlich.
Nun wird beschrieben, wozu diese Inferenzmechanismen geeignet sind. Der Produktionsinferenzmechanismus 142 ist für die Steuerung geeignet, wie sie von einer Experten-Bedienperson unter Verwendung bruchstückhafter Produktionsregeln ausgeführt wird, um logische Beziehungen zu errichten. Der Fuzzilogikmechanismus 142 ist dazu geeignet, manipulierte Variable dadurch zu bestimmen, daß doppeldeutiges (qualitatives) Wissen einer Bedienperson verarbeitet wird, das unmöglich in Größen umgesetzt werden kann, wie solche, mit der sie ein Stellglied etwas betätigen sollte, wenn sich der betrachtete Zustand des gesteuerten Systems ändert, so daß das Wissen vom Computer in Größen für die Verarbeitung umgewandelt werden kann.
Der Rahmeninferenzmechanismus 144 ist dazu geeignet, einen als Rahmen bezeichneten Wissensrepräsentationsformalismus zu verwenden, der dazu genutzt wird, eine Beziehung wie die zwischen Steuerungen zu repräsentieren und um dann, wenn sich der betrachtete Zustand des gesteuerten Systems ändert, manipulierte Variable für jede Vorrichtung abhängig von der Beziehung zwischen diesen Vorrichtungen zu bestimmen, um das gesteuerte System in den vorigen Zustand zurückzuführen.
Der Semantiknetz-Inferenzmechanismus 145 ist ein Netzwerk, das sich aus einer systematischen Organisierung der obengenannten Rahmen ergibt, die bruchstückhaftes Wissen sind. Aus diesem Grund kann er den Einfluß der Betätigung eines speziellen Stellglieds erhalten, und er ist dazu geeignet, ein Kompensationssystem zu realisieren.
Der Skriptinferenzmechanismus 146 nimmt Inferenz entsprechend Prozedurwissen zum Handhaben einer speziellen Situation vor, so daß er für eine Steuerung wie eine Ablaufsteuerung geeignet ist, bei der ein bestimmter Vorgang auf einen Vorfall wie einen Fehler folgen muß.
Der Charakteristikentnahme- und Antwortmechanismus 110 zeichnet sich dadurch aus, daß dann, wenn der Mechanismus auf einen Lernvorgang wie das Einspeichern der Beziehung der an den obengenannten Mustererkennungsmechanismus 33, den Formdetektor 34 und den Speicher 35 gelieferten Eingangssignale zu den von den obenangegebenen Inferenzmechanismen 142 bis 146 herkommenden Ausgangssignalen angewandt wird, wenn die Eingangsmuster in das System eingegeben werden, dieser Mechanismus 110 abweichend von irgendeinem Inferenzmechanismus, der Inferenz neu vornimmt und dann dasselbe Ergebnis ausgibt, die Verarbeitung und Ausgabe eines Ergebnisses mit hoher Geschwindigkeit ausführen kann. Da das gesteuerte System 1 im allgemeinen die Tendenz zeigt, sich nichtlinear zu verhalten, erfordert eine Änderung seiner Betriebspunkte aus irgendeinem Grund ein Zurücksetzen seines Betriebs. Bei dieser Gelegenheit verwendet der Optimierungsvorgangsmechanismus 111 Algorithmen wie diejenigen, die beim Verfahren mit steilstem Gradienten, bei dynamischer Programmierung, bei linearer Programmierung, beim Down-hill-Verfahren, beim konjugierten Gradientenverfabren und bei Hopfield-Neurocomputern verwendet werden, um nichtlinearen, gesteuerten Systemen optimales Ansprechverhalten zu verleihen.
Fig. 8 ist eine erläuternde Veranschaulichung des Betriebs des Produktionsinferenzmechanismus 142. Der von der Steuerung 141 aktivierte Produktionsinferenzmechanismus 142 enthält einen Eingabeverarbeitungsschritt 54 zum Einspeichern einer Eingabe von der Steuerung 141 in einen Speicher, und einen Abschlußentscheidungsmechanismus 55 zum einzelnen Abrufen von im obengenannten Eingabeschritt 54 eingespeicherten Einzelinformationen, wenn sich keine Musterinformation im Speicher befindet, um die Verarbeitung durch den Produktionsinferenzmechanismus 142 zu beenden. Dann verwendet der Mechanismus 142 die Typen von Mustern und ihr Bestimmtheitsausmaß, wie vom obengenannten Abschlußentscheidungsmechanismus 55 erhalten, um Regeln einzeln aus der Wissensbasis 56 abzurufen, und dann vergleicht ein Schritt 57 den Mustertyp für die Eingabe mit der Prämisse der Regel. Wenn in einem Schritt 58 die zwei verglichenen Werte miteinander übereinstimmen, wird einem Pfad zu einem Schritt 59 gefolgt, und wenn dies nicht der Fall ist, wird einem Pfad zum Schritt 57 -gefolgt. Im für die Übereinstimmung geltenden Schritt 59 wird der Rückschluß gemäß der obengenannten Regel durch die obengenannte Eingabe ersetzt. Dabei wird das Bestimmtheitsausmaß durch den Minimal- oder Maximalwert des Bestimmtheitsausmaßes vor der Ersetzung gemäß dem Minimaxprinzip ersetzt. In einem Schritt 60 wird, wenn der Rückschluß aus der obengenannten ersetzten Regel ein Betätigungsbefehl ist, dem Pfad zu einem Schritt 61 gefolgt, und wenn dies nicht der Fall ist, dem Pfad zurück zum Schritt 57.
Wenn der obengenannte Rückschluß ein Betätigungsbefehl ist, wird im Schritt 61 das für den Rückschluß im obengenannten Verarbeitungsschritt erhaltene Bestimmtheitsausmaß an die obengenannte Befehlswert-Berechnungseinrichtung 53 ausgegeben.
Fig. 9 zeigt die Befehlswert-Berechnungseinrichtung 53. Diese Befehlswert-Berechnungseinrichtung 53 besteht aus einem Speicher 62 zum Einspeichern eines aus der Inferenz herrührenden Befehls und seines Bestimmtheitsausmaßes, wie durch die obengenannte Entscheidungseinrichtung 52 für eine manipulierte Variable erhalten, einem Schritt 63 zum Entscheiden, ob alle Befehle im obengenannten Speicher verarbeitet wurden oder nicht, und um, falls dies der Fall ist, die Arbeit der Befehlswert-Berechnungseinrichtüng 53 zu beenden.
Wenn sie nicht abgearbeitet sind, wird dem Pfad zu einem Schritt 64 gefolgt, in dem ein Befehl für die Herunterschraubsteuerung 26 und die anderen Steliglieder 27, 28, 29, 30 und 31 abgerufen wird, der Schwerpunkt für ein Stellglied unter Verwendung des Ausmaßes der Betätigung des Stellglieds und des Bestimmtheitsausmaßes, wie durch Inferenzmechanismen erzielt, erhalten wird und dann die Schwerpunkte für das Stellglied gesammelt werden, um einen neuen Schwerpunkt zu erhalten, um ihn als Befehl für das Stellglied zu verwenden.
Die Verwendung dieser Befehlswert-Berechnungseinrichtung 53 ermöglicht eine Handhabung derjenigen Befehle für die Stellglieder in gemeinsamer Weise, die von den Inferenzmechanismen 142 bis 146, dem Charakteristikentnahme- und Antwortmechanismus 110, dem Optimierungsvorgangsmechanismus 111 und der allgemeinen Steuerung 203 erhalten wurden, was dieses Ausführungsbeispiel der Erfindung kennzeichnet.
Fig. 10 veranschaulicht den Aufbau einer Eingangssignal Umschalteinrichtung 125, wie sie für den obengenannten Lernvorgang erforderlich ist. Diese Eingangssignal-Umschaltvorrichtung 125 dient dazu, unter Verwendung eines durch den Lernmechanismus gesteuerten Umschalters 156 entweder das Ausgangssignal des Formdetektors 34 oder dasjenige eines Lernmechanismus 36 an die Eingangsschicht 51 zu liefern. Der in Fig. 10 dargestellte Umschaltmechanismus 156 befindet sich im Zustand für einen Lernvorgang.
Fig. 11 veranschaulicht den Aufbau des Lernmechanismus 36. Dieser Lernmechanismus besteht aus einem Eingangsmustergenerator 65, einem Lernmustergenerator 67, einem Ausgangssignal-Anpaßmechanismus 66 und einer Lernsteuerung 68. Der Ausgangssignal-Anpaßmechanismus 66 dient zur Verwendung von Addierern 161, 162 und 163 zum Ermitteln, als Abweichungen e&sub1;, ej und en, der jeweiligen Differenzen zwischen den Ausgangssignalen OT&sub1;, OTj und OTn der Lernmustergeneratoren 67 und den Ausgangssignalen O&sub1;, Oi und On eines Dispatchers 139 zum Ausgeben des Ausgangssignals der Ausgangsschicht 50 an den Befehlsgenerator 32 und den obengenannten Ausgangssignal-Anpaßmechanismus 66, und dann gibt der Ausgangssignal- Anpaßmechanismus 66 die Abweichungen an die Lernsteuerung 68 aus. Die Ausgangssignale O&sub1;, Oi und On des Dispatchers 139 werden auf das Ausgangssignal des Eingangsmustergenerators 65 hin erzeugt, wie an die im Mustererkennungsmechanismus 33 (einem Rumelhart-Neurocomputer) liegende Eingangsschicht 51 geliefert. Dabei werden der Eingangsmustergenerator 65 und der Lernmustergenerator 67 durch die obengenannte Lernsteuerung 68 gesteuert.
Fig. 12 veranschaulicht die Beziehung zwischen der Gewichtungsfunktion w¹ij 43 mit der Lernsteuerung 68. Unter Verwendung der vom obengenannten Addierer 161 ausgegebenen Abweichung ek ändert die Lernsteuerung 68 den Wert der Gewichtungsfunktion w¹ij 43 in der Zelle 40, wobei eine der Zellen den Mustererkennungsmechanismus 33 aufbaut, um die obengenannte Abweichung zu verringern.
Fig. 13 zeigt einen Überblick über einen Prozeß 170, wie er von der obengenannten Lernsteuerung 68 ausgeführt wird. Wenn der Lernmechanismus 36 aktiviert wird, wird der Prozeß 170 durch die Lernsteuerung 68 gestartet. Dieser Prozeß 170 besteht aus einem Vorverarbeitungsschritt 171, in dem der obengenannte Eingangsmustergenerator 65 und der Lernmustergenerator 67 aktiviert-werden, um ein Eingangssignal, das ein Lehrersignal ist, bzw. ein gewünschtes Ausgangssignal zu erzeugen, einem Schritt 172, in dem dem Pfad zu folgenden Schritten 173, 174 und 175 gefolgt wird, bis der Wert der obengenannten Abweichung ek oder die Quadratsumme der Abweichung annehmbar wird, einem Schritt 173 zum aufeinanderfolgenden Entnehmen von Zwischenschichten, zu denen angenommen wird, daß sie an einer Zwischenschicht nahe der Ausgangsschicht 50 starten und nahe der Eingangsschicht 51 enden, einem Schritt 174 zum Entnehmen von Zellen, die als in den Zwischenschichten liegend angenommen werden, einem Schritt 175 zum Ändern der Gewichtungsfunktion w¹ij 43 für eine entnommene Zelle, um die Abweichung ek zu verringern, und einem Schritt 176 zum Beenden des Lernprozesses.
Dank der Verwendung dieses Lernmechanismus kann, wenn ein unerwarteter Effekt aufgetreten ist und eine Maßnahme für diesen errichtet ist, dieses die Erfindung verkörpernde Steuerungssystem eine derartige Maßnahme verwenden, was das Ausführungsbeispiel der Erfindung kennzeichnet.
Fig. 14 veranschaulicht den Aufbau des in Fig. 2 dargestellten Speichers 35. Dieser Speicher 35 besteht aus dem Befehlsgenerator 32, einem Speicherelement 69, an das das Ausgangssignal des Formdetektors 34 geliefert wird, einem Speicherelement 70, an das eine bestimmte Zeitspanne nach dem vorhergehenden der Inhalt des Speicherelements 69 übertragen wird, und einem Speicherelement 71, das das letzte der Speicherelemente in einer Reihe ist, über die die Daten innerhalb einer speziellen Zeitdauer übertragen werden. Die Inhalte der Speicherelemente 69, 70 und 71 werden über einen Betätigungsmechanismus 501 für Differenzier- und Integriervorgänge an Mustern an den Mustererkennungsmechanismus 33 und den Lernmechanismus 36 geliefert.
Dieser Speicher 35 ermöglicht eine Handhabung der zeitlichen Änderung im Formdetektor 34 und im Befehlsgenerator 32, um nämlich solche Vorgänge wie Differenzierung und Integration auszuführen.
Fig. 15 veranschaulicht den Mechanismus, durch den, da die Düsen zur Kühlmittelsteuerung Einfluß nur über einen be stimmten Abstand von ihren Orten ausüben, Muster im Hinblick auf Düsen unter Verwendung von Eingangsinformation erkannt werden, die den Einfluß um die Düsen betreffen. Das Ausgangssignal des Formdetektors 34 wird an den Speicher 72 für den Mustererkennungsmechanismus 33 geliefert, das in den Speicher 72 eingegebene Signal wird über eine Torschaltung 73 an ein Speicherelement 74 geliefert, und das in das Speicherelement 74 eingegebene Signal wird über Torschaltungen 75 und 76 an Speicherelemente 77 und 78 geliefert. Wenn die Torschaltungen 73 und 76 sperren, macht die Torschaltung 75 auf, wobei die Information im Speicherelement 74, synchronisiert durch einen Takt, an das Speicherelement 77 zurückgeliefert wird. Eine bestimmte Zeitspanne danach erreicht das Signal im Speicherelement 74 das Speicherelement 78 und das Signal im Speicherelement 77 erreicht das Speicherelement 74. Wenn die Signale in den Speicherelementen 74, 77 und 78 einen Kreislauf abgeschlossen haben und in die zeitliche Steuerung mit dem nächsten Takt eintreten, werden die Tore 73 und 76 geöffnet, und das Tor 75 sperrt. Dann wird der Inhalt des Speicherelements 74 in das Speicherelement 79 eingespeichert, und die Information in den Speicherelementen 74, 77 und 79 wird in die Eingangsschicht 51 eingegeben.
Die Verwendung dieses Speichers 72 ermöglicht es, daß das System hinsichtlich der Anzahl von Zellen in der Eingangsschicht 51, den Zwischenschichten 39, 47 und 49 und der Ausgangsschicht 50 viel wirtschaftlicher ist, was dieses Ausführungsbeispiel der Erfindung begünstigt.
Fig. 16 zeigt ein Beispiel für den Lernmechanismus 36, bei dem ein Simulator 80 für ein gesteuertes System für den Eingangsmustergenerator 65 und den Lernmustergenerator 67 verwendet ist.
Im Lernmustergenerator 67 durch Betätigung der Bedienperson oder durch Daten erzeugte Formmuster werden in einen Befehlsgenerator 32A eingegeben, der auf dieselbe Weise wie der in Fig. 2 dargestellte Befehlsgenerator 32 arbeitet und der für diesen Lernmechanismus vorhanden ist. Gemäß diesen Mustern erzeugt der Befehlsgenerator 32A Befehle für Stellglieder. Dann werden diese Befehle in den Simulator 80 für ein gesteuertes System eingegeben, um den Betrieb der folgenden gesteuerten Systeme zu simulieren: der Stellglieder 26, 27, 28, 29, 30 und 31 und der Walzanlage, d. h. des gesteuerten Systems 1. Wenn das Simulationsergebnis nicht erfolgreich ist, wird eine Parametereinstelleinrichtung 81 zum Ändern der Parameter des Befehlsgenerators 32A und des Simulators 80 für das gesteuerte System so verwendet, daß das Ausgangssignal des Simulators 80 für das gesteuerte System in ein Ausgangssignal geändert werden kann, das eine gewünschte Form repräsentiert, und dann wird das Ausgangssignal an den Mustererkennungsmechanismus 33 geliefert.
Nun wird der Funktion des vorstehend erläuterten Steuerungsverfahrens unter Verwendung eines konkreten Beispiels beschrieben.
Der Anfangswert der Gewichtungsfunktion w¹ij 48 der Zwischenschichten 39, 47 und 49 im den Mustererkennungsmechanismus 33 bildenden Neurocomputer wird zunächst auf eine Zufallszahl oder einen Wert wie die Hälfte des Werts gesetzt, den eine Gewichtungsfunktion einnehmen kann (0,5, wenn der Wert 0 bis 1,0 ist). Hierbei gibt selbst dann, wenn ein Muster mit konkaver Form für die Walzanlage, wie durch den in Fig. 17 dargestellten Eingangsmustergenerator 65 erzeugt, eingegeben wird, das Ausgangssignal der Ausgangsschicht 50 an eine Ausgangssignalleitung 90 nicht 1 an, was das Vorliegen eines konkaven Musters repräsentiert, und das Ausgangssignal der Schicht 50 an eine Ausgangssignalleitung 51 zeigt auch nicht an, daß die Möglichkeit eines konvexen Musters vorhanden wäre.
Daher wird im Lernmechanismus 36, entsprechend der Ausgangsleitung 90 für die Ausgangsschicht 50, 1 an eine Ausgangssignalleitung 92 für den Lernmustergenerator 67 ausgegeben, und 0 wird an eine Ausgangssignalleitung 93 für den Lernmustergenerator 67 ausgegeben, entsprechend der Ausgangsleitung 91. Der Ausgangssignal-Anpassungsmechanismus 66, an den diese Ausgangssignale geliefert werden, ermittelt die Abweichung des Ausgangssignals vom Mustererkennungsmechanismus 33 von einem idealen Ausgangssignal (dem Ausgangssignal des Lernmustergenerators 67), und die Lernsteuerung 68 ändert proportional zu dieser Abweichung die Stärke der Gewichtungsfunktion w¹ij für den Mustererkennungsmechanismus 33, um diese Abweichung zu verringern (siehe Fig. 12). Ein typisches Beispiel für diesen Algorithmus ist das Verfahren für den steilsten Gradienten.
Wenn beim in Fig. 13 dargestellten Prozeß mit fortlaufendem Ändern der Gewichtung der Gewichtungsfunktionen die Quadratsumme von ek, wie in Fig. 12 dargestellt, annehmbar wird, endet der Vorgang des Lernmechanismus 36.
Wenn nach dem Lernprozeß derselbe Signalverlauf wie der des vom in Fig. 17 dargestellten Eingangsmustergenerator 65 ausgegebenen Musters vom Formdetektor 34 an den Mustererkennungsmechanismus 33 geliefert wird, gibt der Mechanismus 33 den Wert 1 an der Ausgangssignalleitung 90 für die Ausgangsschicht 50 und den Wert 0 von der Ausgangssignalleitung 91 für die Ausgangsschicht 50 aus.
Dann wird ein als konvexes Muster bezeichneter Signalverlauf, wie er in Fig. 18 dargestellt ist, eingegeben, jedoch gibt, wenn der Lernprozeß noch nicht beendet ist, die Ausgangsleitung 91 nicht 1 aus, welcher Wert ein konvexes Muster repräsentiert, und sie gibt an der anderen Ausgangsleitung 90 nicht 0 aus. Daher gibt der Lernmustergenerator 67, der als Eingangssignal ein typisches Konvexmuster erhält, 1 bzw. 0 an den Ausgangsleitungen 91 und 90 aus. Der Lernmechanismus 36 ändert die Gewichtungsfunktion w¹ij so, daß dann, wenn am Ende des Lernprozesses der in Fig. 18 dargestellte Signalverlauf gemäß einem Konvexmuster in den obengenannten Mustererkennungsmechanismus 33 eingegeben wird, die Ausgangsleitungen 91 und 90 für die obenangegebene Ausgangsschicht 50, wie in Fig. 17 dargestellt, auf 1 bzw. geschaltet werden.
Im Ergebnis wird der in Fig. 19(a) dargestellte Signalverlauf in den Mustererkennungsmechanismus 33 eingegeben, und dann verfügt das Ausgangssignal desselben, entsprechend der Ausgangssignalleitung 91, die einen Signalverlauf für ein Konvexmuster führt, wie vorab von der Ausgangsschicht 50 auf die obenangegebene Weise eingegeben, über 40 % des Wahrscheinlichkeitsausmaßes, mit dem das Ausgangssignal mit dem Signalverlauf für ein Konvexmuster übereinstimmt, und gleichzeitig verfügt das andere Ausgangssignal von ihm, entsprechend der Ausgangssignalleitung 90, die einen Signalverlauf für ein Konkavmuster führt, über 50 % des Wahrscheinlichkeitsgrads, mit dem das Ausgangssignal mit dem Signalverlauf für ein Konkavmuster übereinstimmt.
Fig. 20 veranschaulicht die Form eines Werkstücks hinsichtlich der zeitlichen Änderung. Es liege der Zustand unmittelbar unter einer Bearbeitungswalze 22 der Walzanlage vor, und Zustandswerte seien t&sub0; und x&sub0;. Wenn die Abtastperiode des Zählers als T&sub0; angenommen wird, beträgt die Dicke zum Zeitpunkt t&sub1;, der um T&sub0; Sekunden vor dem Zeitpunkt des Zustands liegt, x&sub1;, zum Zeitpunkt tn, der T&sub0; x n Sekunden vor dem Zeitpunkt des Zustands liegt, beträgt sie xn usw.
Hierbei wird zum Zeitpunkt t&sub1; die Dicke x&sub1; in den Speicher 35 eingegeben und im in Fig. 14 dargestellten Speicherelement 69 abgespeichert. Der Moment der Dicke x&sub0; zum nächsten Abtastzeitpunkt t&sub0; wird in den Speicher 35 eingegeben, der Datenwert x&sub1; im Speicherelement 69 wird an das Speicherelement 70 übertragen, und gleichzeitig wird der Inhalt des Speicherelements 69 auf x&sub0; geändert.
Andererseits verwendet der Betätigungsmechanismus 510 den Inhalt der obengenannten Speicherelemente 69 und 70, um verschiedene Operationen auszu-führen. Z. B. bildet er (x&sub0; - x&sub1;)/T&sub0;, wenn ein Differenzierglied erforderlich ist, und (x&sub1; + x&sub0;) x T&sub0;, wenn ein Integrierglied erforderlich ist. D. h., daß, da ein Differenzierglied es ermöglicht, die Änderungsgeschwindigkeit von Formen zu erhalten, der Mustererkennungsmechanismus 33 das Ansprechverhalten auf eine derartige Änderung beschleunigen kann.
Ein auf die obige Weise gebildetes Integrierglied hat seinerseits den Vorteil der Verringerung derartiger Hindernisse wie Störsignalen.
Der Mustererkennungsmechanismus 33 kann mit solchen Funktionen wie dem obengenannten Differenzierglied, dem Integrierglied und einem zeitunabhängigen Proportionalitätsfaktor versehen sein.
Es wird darauf hingewiesen, daß die im Speicher 35 abgespeicherten Daten für den beim Lernprozeß verwendeten Eingangsmustergenerator 65 immer dann verwendet werden können, wenn dies erforderlich ist.
Nun seien, wie in Fig. 21 dargestellt, die Dicken an Orten eines Werkstücks im Schnitt zum Zeitpunkt t&sub0; x&sup0;&sub0;, ... x&sup0;n-1, x&sup0;n, und der Zustand der Dicke an denselben Orten des Werkstücks im Schnitt T&sub0; Sekunden (Abtastperiode) vor dem Zeitpunkt sei x¹&sub0;, x¹&sub1;, ... x¹n-1, x¹n wobei dann zum Zeit punkt tk die Werte xkn, xkn-1, ... xk&sub0; in die Speicherelemente 74, 77, ..., 78 eingespeichert werden, wie sie jeweils in Fig. 15 dargestellt sind. Da das Speicherelement 79 auf dieselbe Weise wie der obenangegebene Speicher 35 aufgebaut ist, werden x&sub0;, x&sub1;, ..., xn, die die Daten zum Zeitpunkt t&sub1; sind, d. h. T&sub0; vor dem Zeitpunkt, in das Speicherelement 79 und andere eingespeichert.
Fig. 22 zeigt ein Beispiel für eine Produktionsregel oder eine Fuzzyregel (entsprechend der Produktionsregel 147 und der Fuzzyregel 148, wie in Fig. 6 dargestellt).
Das Ausgangsignal, das mit 50 % des Wahrscheinlichkeitsgrads für das konkave Muster durch den Mustererkennungsmechanismus 33 auf die obenbeschriebene Weise erhalten wird, wird dann mit der Prämisse der Produktionsregel verglichen. Im Ergebnis der Übereinstimmung des Ausgangssignals mit einem Konkavmuster-Regelteil 180 wird ein Regelteil 181 zum Verringern des Werts einer Verbiegeeinrichtung (bei einem Vorgang auf ein kleineres Ausmaß) erhalten. Andererseits stimmt das mit 40 % des Wahrscheinlichkeitsausmaßes für das Konvexmuster erhaltene Ausgangssignal mit der Prämisse 182 überein, und im Ergebnis wird dieser Regelteil zum Verstärken der Wirkung der Verbiegeeinrichtung (für Betrieb für ein größeres Verbiegeausmaß) erhalten.
Wie es in Fig. 23 dargestellt ist, ist als ein Ergebnis des Vergleichs mit der obengenannten Regel die manipulierte Variable, die der Befehlsgenerator 32 für die Verbiegeeinrichtung erzeugt, als Fläche des schraffierten Teils B hinsichtlich 50 % Wahrscheinlichkeitsgrad für das Konvexmuster dargestellt, und als Bereich des schraffierten Teils 5 hinsichtlich 40 % des Wahrscheinlichkeitsgrads für das Konkavmuster dargestellt, d. h. des Wahrscheinlichkeitsgrads, daß die manipulierte Variable durch 5 repräsentiert ist. Daher beträgt die manipulierte Variable, die der obengenannte Befehlsgenerator 32 letztendlich für die Verbiegeeinrichtung erstellt, 65 %, was der Wert des Schwerpunkts C ist, der aus der Zusammensetzung der Schwerpunkte A und B für die schraffierten Teile herrührt.
Nun wird, wie es in Fig. 15 dargestellt ist, dann, wenn der Stellgliedeinfluß wie beim Kühlmittelbetrieb auf einen bestimmten Abschnitt begrenzt ist, abweichend vom Einfluß von Verbiege- oder Verschiebeeinrichtung, der in Fig. 24(a) dargestellte Signalverlauf in den Speicherelementen 74, 77 und 78 abgespeichert. Ein Teil des in einem Speicherelement (das in Fig. 24(a) dargestellt ist, mit i bezeichnet ist) abgespeicherten Signalverlaufs wird durch den Mustererkennungsmechanismus 33 und den Befehlsgenerator 32 verarbeitet, und daher werden die Düse A der Kühlmittelsteuerung 30 und ihr Kühlmittel so gesteuert, daß die Walze gestreckt wird.
Wenn der in Fig. 21 dargestellte Wert x&sup0;n-1 gemäß einem Vergleich mit seinen Nachbarn x&sup0;n und x&sup0;n-2 größer als jeder derselben ist, wird aus Fig. 22 der Rückschluß 185 bezogen, daß das Zentrum bei einem höheren Wert liegt. Andererseits nimmt xn-1 zu, wenn hinsichtlich der Beziehung zwischen x&sup0;n-1 und x¹n-1 der Wert x¹n-1 - x&sup0;n-1 positiv ist. Dann ist der Differenzierkoeffizient positiv, eine Prämisse 186 ist erfüllt und dann beginnt das Kühlmittel zu arbeiten. Das Funktionsausmaß ist stark (groß). Das Ergebnis ist das, daß hinsichtlich x&sup0;n-1 und x¹n-1 wenig Änderung existiert.
Wenn die Steuerung der Düse A abgeschlossen wird, werden die Inhalte der Speicherelemente 74, 77, 78 und 79 für ein Element nach dem anderen verschoben. So verfügt der in den Mustererkennungsmechanismus 33 eingegebene Signalverlauf über den in Fig. 24(a) dargestellten und mit ii bezeichneten Abschnitt, so daß die Prozesse 33 und 32 zum Steuern der Düse B der Kühlmittelsteuerung 30 ausgeführt werden können.
Dieser Verarbeitungsablauf, ausgehend vom in Fig. 24(a) dargestellten Muster mit anschließender Verschiebung des Speicherinhalts führt zum Ergebnis, daß der in Fig. 24(a) dargestellte Signalverlauf erneut in den Speicher 72 eingespeichert wird. Zuvor ist das in Fig. 24(a) dargestellte Muster im Speicher 72 eingespeichert, und eine bestimmte Zeitdauer danach wird der Inhalt des in Fig. 15 dargestellten Speicherelements 74 an das Speicherelement 79 übertragen, so daß das Speicherelement 74 den Signalverlauf vom Formdetektor 34 einspeichern kann.
Es ist zu beachten, daß die Anbringung des in Fig. 14 dargestellten Betätigungsmechanismus 510 zwischen dem Speicher 72 und der Eingangsschicht 51 eine Steuerung selbst mittels solcher Faktoren wie der Geschwindigkeitsänderung von Signalverläufen ermöglicht, wie es aus Fig. 14 ersichtlich ist.
Nun wird der Prozeß des Lernens von Mustern beschrieben, der die Grundlage des Mustererkennungsmechanismus 33 bildet.
Die in Fig. 19 dargestellten Signalverläufe 82 und 83 werden durch den in Fig. 11 dargestellten Eingangsmustergenerator 65 erzeugt und an die Eingangsschicht 51 ausgegeben. Diese Muster werden in den Speicher im Eingangsmustergenerator 65 eingeschrieben und verwendet, oder statt dessen werden im in Fig. 2 dargestellten Speicher 35 abgespeicherte Muster verwendet. In die Eingangsschicht eingegebene Signale werden über die Zwischenschichten 39, ..., 47 geliefert und von der Schicht 50 ausgegeben. Hierbei verfügt die Gewichtungsfunktion w¹ij in den Zwischenschichten über ihren Anfangswert.
Vom Lernmustergenerator 67 wird an den Ausgangssignal-Anpaßmechanismus 66 ein Muster geliefert, das der Mustererkennungsmechanismus 33 auf das Ausgangssignal vom Eingangsmustergenerator 65 hin ausgeben muß (z. B. ein Muster, das es ermöglicht, daß das Ausgangssignal von einem der Ausgangsanschlüsse für die Ausgangsschicht 50 1 ist und der von den anderen Ausgangsanschlüssen 0 ist, wenn der eine Ausgangsanschluß des Ausgangssignals, das ein Standardmuster ist, vom Eingangsmustergenerator 65 zugeordnet wird). Wenn der Lernprozeß nicht abgeschlossen ist, unterscheidet sich das Ausgangsmuster von der Ausgangsschicht 50 vom Signalverlauf vom Lernmustergenerator 67. Im Ergebnis ändert sich das Ausgangssignal des Anpaßmechanismus 66 mit dem Ausmaß der Differenz zwischen diesen Mustern. Die Berechnung des mittleren Quadrats dieses Abweichungswerts, d. h. der Abweichung, ermöglicht es, eine Verteilung wie das Leistungsspektrum für die Abweichung zu erhalten. Gemäß dieser Abweichung wird der Prozeß zum Ändern der Gewichtungsfunktion w¹ij verwendet, ausgehend mit der Zwischenschicht 49 nahe der Ausgangsschicht und endend mit der Zwischenschicht 39 nahe der Eingangsschicht 51. Unter anderen verschiedenen Verfahren für die Änderung der Gewichtungsfunktion w¹ij wird zur Optimierung zum Minimieren der obengenannten Abweichung das Verfahren mit steilstem Gradienten verwendet. Bei diesem Verfahren wird die betrachtete Gewichtungsfunktion w¹ij nach oben hin leicht geändert, und durch Überprüfen der sich ergebenden Änderung des Abweichungswerts wird die Gewichtungsfunktion w¹ij so geändert, daß sich der Abweichungswert verringert. Die Änderung der Gewichtungsfunktion wird vergrößert, wenn die Abweichungsänderung klein ist, und sie wird verkleinert, wenn die letztere groß ist. Wenn die Änderung der Gewichtungsfunktion w¹ij für die der Eingangsschicht am nächsten liegende Zwischenschicht 39 abgeschlossen ist, wird die Abweichung für den Anpaßmechanismus 66 erneut überprüft. Wenn der Wert annehmbar wird, wird der Lernprozeß beendet.
Der obige Musterlernprozeß wird durch die Lernsteuerung 68 gesteuert. Nun verbleibt es noch herauszufinden, wie der Mustererkennungsmechanismus, wenn er dieses Ergebnis des Lernprozesses auf die Einteilung von Mustern anwendet, Muster einteilen kann, mit wirkungsvoller Betätigung aufgrund des Lernvorgangs. Es gilt jedoch, daß verwendete Gewichtungsfunktionen, mit größerer Anzahl als Eingangs- und Ausgangssignalen, zu größerem Freiheitsgrad führen und selbst_ dann zu guter Erkennung führen, wenn die Werte nicht alle genau sind, oder selbst dann, wenn eine große Anzahl von Mustern abgespeichert ist.
Andererseits ist es eine schwierige Frage, welche Art von Mustern für diesen Eingangsmustergenerator 65 und den Lernmustergenerator 67 verwendet werden sollte. Glücklicherweise kann dann, wenn das gesteuerte System 1 um irgendeinen Betriebspunkt herum betrieben wird, ein genaues Modell erstellt werden, wobei es sich auf dem Gebiet der Regelungstheorie um ein als Systemidentifizierung bezeichnetes Verfahren handelt. Für den gesamten Vorgang ist wegen der Nichtlinearität des gesteuerten Systems eine Modellbildung beinahe unmöglich.
Daher wird in einem speziellen Funktionsabschnitt ein Modell erstellt, es wird eine Steuerung ausgeführt, durch Simulation wird eine erfolgreiche Beziehung für das Modell zwischen dem Eingang in das Steuerungssystem und dem Ansprechverhalten des Systems ermittelt, und eine derartige Beziehung wird als Lerndaten verwendet. Dieser Ablauf wird für alle Betätigungsabschnitte des Steuerungssystems ausgeführt, wobei der Betriebspunkt von Abschnitt zu Abschnitt verstellt wird, um ein optimales Modell und einen Steuerungsbefehl für jeden Abschnitt zu erhalten, die dann vom Steuerungssystem gelernt werden. D. h., daß der Parameter des in Fig. 16 dargestellten Simulators 80 für das gesteuerte System so eingestellt wird, daß der Simulator 80 an speziellen Punkten genau arbeiten kann. Danach werden der Eingangsmustergenerator 65, die Parametereinstelleinrichtung 81, der Simulator 80 für das gesteuerte System und der Befehlsgenerator 32A betrieben, damit das gesteuerte System typische Muster erzeugen kann. Die Ausgangssignale des Lernmustergenerator 67 und des Simulators 80 für das gesteuerte System werden als Ausgangsmuster bzw. Eingangsmuster des Lernmechanismus 36 verwendet.
Ein auf die vorstehende Weise aufgebautes Steuerungssystem abstrahiert Signalverläufe im Mustererkennungsmechanismus und ermöglicht es den Steuerungen, sogar Steuerungsvorgänge mit gewisser Doppeldeutigkeit auszuführen.
Die vorstehende Beschreibung entspricht weitgehend der Offenbarung des Dokuments DE 4 008 510.4 (entsprechend dem Dokument US 07/490848). Jedoch betrifft die Erfindung speziell eine Weiterentwicklung der obigen allgemeinen Prinzipien.
So erfolgte bei der obigen Erörterung allgemeiner Prinzipien eine Bezugnahme auf ein Walzanlagensystem als Beispiel. Es ist jedoch zu beachten, daß das gesteuerte System 1 und die mehreren Stellgueder 26, 27, 28, 29, 30 und 31 nicht auf die Verwendung bei Walzanlagensystemen begrenzt sind, sondem daß sie auf andere, übliche gesteuerte Systeme, Stellglieder und Steuerungen anwendbar sind. Z. B. können sie für die Steuerung in einem Zug-Betriebssteuerungssystem verwendet werden, bei dem Zug-Fahrplanmuster erkannt werden, so daß verspätete Züge entsprechend verschiedenen Zugfahrplan- Änderungsregeln so gesteuert werden können, daß sie wieder gemäß dem Fahrplan laufen. Genauer gesagt, wird als erstes ein Diagramm erzeugt, das den Betrieb eines verspäteten Zugs repräsentiert, und dann wird aus diesem Diagramm die Charakteristik der Verspätung unter Verwendung des Mustererkennungsmechanismus 33 entnommen. Auf Grundlage der für diese Charakteristik geltenden Größe verwendet ein Inferenzmechanismus verschiedene Regeln wie eine solche, daß ein Zug von einem anderen an einer Station überholt werden sollte, und dann ein neuer Zugfahrplan erzeugt wird. Auf dieses Inferenzergebnis hin erzeugt die Befehlswert-Berechnungseinrichtung 53 einen Betriebsbefehl für jeden Zug. Züge, die Stellglieder darstellen, werden entsprechend diesen Befehlen betrieben.
Andere Anwendungen der allgemeinen Prinzipien werden später detaillierter erörtert.

B - ENTWICKLUNGEN DES ALLGEMEINEN PRINZIPS

Der erste Gesichtspunkt der Erfindung, wie oben erörtert, betrifft, gemäß seiner ersten Entwicklung, eine Regelungsschleife, die auch eine Einrichtung zum Einspeichern eines voreingestellten Betätigungsmusters enthält, die nachfolgend so bezeichnet wird, daß sie einen Sollpunkt für das zu steuernde System erzeugt. Der erste Gesichtspunkt der Erfindung betrifft die Verwendung einer Analysiereinrichtung zum Bestimmen von Beziehungen zwischen verschiedenen Signalen des Systems, um so, unter Verwendung von z. B. Neurocomputertechniken, Signale zur Kompensation von Schwankungen zu erzeugen.

B - 1 - MASCHINENLERNEN

Es wird nun auf Fig. 25 Bezug genommen, in der ein Ausführungsbeispiel der Erfindung veranschaulicht ist, das auf die Steuerung von Formen in einer Sendzimir-Walzanordnung angewandt ist. Eine Sendzimir-Walzanordnung, die das gesteuerte System 1 bildet, enthält Bearbeitungswalzen 1001, Primärzwischenwalzen 1002, Sekundärzwischenwalzen 1003 und U-ähnliche Walzen 1004. Die U-ähnlichen Walzen bestehen aus gesonderten Walzen 1005, Wellen 1006 und Sätteln 1007. Die Form eines Werkstücks 23 im vertikalen Querschnitt wird durch den Formdetektor 34 erfaßt und in den Neurocomputer eingegeben, der den obengenannten Charakteristikentnahmemechanismus 8 bildet. Das Ausgangssignal dieses Charakteristikentnahmemechanismus wird als Wahrscheinlichkeitsmaß an den Befehlsgenerator 32 geliefert, der die obengenannte Steuerung 6 bildet. Dieser Befehlsgenerator 32 führt dann einen Vorgang zur Fuzzylogiksteuerung aus. Das Ergebnis des Fuzzylogik-Steuerungsvorgangs wird als Befehle ausgegeben und an Stellglieder geliefert, die die Sättel 1007 betätigen und so die verwundenen Wellen 1006 geraderichten, um die Form des Werkstücks 23 zu steuern.
Fig. 26A ist eine vertikale Querschnittsansicht der Sendzimir-Walzenanordnung. Das Werkstück 23 ist in Kontakt mit den Bearbeitungswalzen 1001, die Bearbeitungswalzen 1001 stehen in Kontakt mit den Primärzwischenwalzen 1002 und die Primärzwischenwalzen 1002 stehen in Kontakt mit den gesonderten Walzen 1005 der U-ähnlichen Walzen 1004. Daher können die Wellen 1006 der obengenannten gesonderten Walzen dadurch hinsichtlich ihrer Form geändert werden, daß die mittels Lagern montierten Sättel 100 gesteuert werden.
Fig. 26B veranschaulicht einen übertriebenen Signalverlauf, wie er von einer Formänderung des Werkstücks 23 durch Betätigen der obengenannten Sättel 1007 zum Bewirken einer Formänderung herrührt, die dann über die Wellen 1006, die gesonderten Walzen 1005, die Sekundärzwischenwalzen 1003, die Primärzwischenwalzen 1002 und die Bearbeitungswalzen 1001 übertragen wird.
Fig. 26C veranschaulicht einen Signalverlauf des Werkstücks 23, wie es bearbeitet wird, wenn die Primärzwischenwalzen an ihrem Ende eine Verjüngung aufweisen. Wenn derartige Primärzwischenwalzen in Querrichtung verstellt werden, wirkt keine Belastung auf den Teil des Werkstücks, auf den der sich verjüngende Teil der Walzen wirkt. Im Ergebnis hiervon ist das Ende des bearbeiteten Werkstücks dicker.
Der Aufbau eines Neurocomputers und einige Beispiele seines Betriebs sind erneut in den Fig. 27A bis 27D veranschaulicht. Fig. 27A zeigt den Aufbau eines Neurons, in dem das Eingangssignal xi mit einem Gewichtungsfaktor 43 w&sub1; verarbeitet und an den Addierer 44 geliefert wird. Das Ausgangssignal y des Addierers 44 wird an einen Logikfunktionsprozessor geliefert und von diesem verarbeitet. Die Beziehung zwischen dem Eingangssignal y in die Logikfunktion und dem Ausgangssignal z desselben ist durch die folgende Gleichung gegeben:
z = 1 [1 + exp(-y)].
Fig. 27B veranschaulicht den Neurocomputer auf schematische Weise. An eine Eingangszelle 37 in der Eingangsschicht 51 wird ein Eingangssignal 1010 geliefert, und das Ausgangssignal der Eingangsschicht 51 wird über die Zwischenschicht 39 an die Ausgangsschicht 50 geliefert, die dann ihr Ausgangssignal als Maß für eine Charakteristik ausgibt. Das Ausgangssignal des Lernmustergenerators 67 und der obengenannten Ausgangsschicht 50 wird an den Addierer 161 geliefert, und die vom Addierer 161 ausgegebene Abweichung wird in die Lernsteuerung 68 eingegeben, damit der Neurocomputer lernt.
Nun ist der Lernprozeß in den Fig. 27C und 27D dargestellt. Wenn während des Lernvorgangs ein Konkavmustersignal 1010-a in den Eingangsanschluß eingegeben wird, gibt der Lernsignalgenerator 67 ein Signal mit dem Wert 1 an eine Ausgangsleitung 1013 und ein anderes Signal mit dem Wert 0 an eine Ausgangsleitung 1014 aus, so daß die Ausgangsleitungen 1011 und 1012 die Signale 1 bzw. 0 führen. Wenn der Lernprozeß endet, führen die Ausgangsleitungen 1011 und 1012 der Ausgangsschicht 50 ihre jeweiligen Signale für 1 bzw. 0 nicht, so daß die Abweichung ej aus den Lehrersignalen vom Addierer 161 ausgegeben wird. Dann ändert, wie es unter Bezugnahme auf Fig. 11 beschrieben wurde, die Lernsteuerung 68 die in Fig. 3 dargestellte Gewichtungsfunktion wij so, daß die Abweichung ej (J = 1, ..., n) Null werden kann. Im Ergebnis werden, wenn das Konkavmustersignal 1010-a eingegeben wird, die durch die Signale auf den Ausgangsleitungen 1011 und 1012 repräsentierten Werte 1 bzw. 0.
Wenn ein Konvexmustersignal 1010-b eingegeben wird, lernt der Neurocomputer, damit die Ausgangsleitungen 1013 und 1014 vom Lernsignalgenerator 67 Signale für die Wert 0 bzw. 1 führen können.
Fig. 28 zeigt, wie das neurale Netzwerk arbeitet, nachdem es alle erforderlichen Signalverläufe gelernt hat. Es sei angenommen, daß das vom Formdetektor 34 ausgegebene Signal 1010-c zu 30 % aus dem Konvexmustersignal 1010-a und zu 60 % aus dem Konkavmustersignal 1010-b besteht. Dann gibt, wenn das obengenannte Signal 1010-c in den Neurocomputer, d. h. den Mustererkennungsmechanismus 33 eingegeben wird, dieser Mechanismus 33 mit 0,3 und 0,6 den Wahrscheinlichkeitsgrad des durch das Signal 1010-a repräsentierten Konvexmusters bzw. denjenigen des durch das Signal 1010-b repräsentierten Konkavmusters aus. Andererseits sagt das Know-how der Bedienperson, daß dann, wenn der Signalverlauf konkav ist, die U-ähnlichen Walzen im Zentrum betrieben werden sollten. Was diesem Know-how entspricht, ist, daß die Fuzzyregel 148 gilt, daß dann, wenn die Prämisse die ist, daß das Muster konkav ist, der Rückschluß gezogen wird, daß die U-ähnlichen Walzen i und j betrieben werden. Das vorstehend genannte Ausgangssignal des Charakteristikentnahmemechanismus entspricht dem Wahrscheinlichkeitsgrad der Prämisse einer Fuzzyregel. Die Fuzzylogiksteuerung synthetisiert den Rückschluß jeder Regel und bestimmt dann den Befehl für jedes Stellglied. Anders gesagt, entspricht die Fuzzylogiksteuerung der Funktion des in Fig. 2 dargestellten Befehlsgenerators.
Fig. 29 veranschaulicht ein Beispiel, bei dem Fuzzyregeln aus den aktuellen Signalverläufen von Stellgliedern anstatt durch das Know-how einer Bedienperson erhalten und zur Steuerung verwendet werden. Bedienpersonen verwenden die Mensch-Maschine-Schnittstelle 7 zum Steuern der Stellgueder 2. Beim in Fig. 29 dargestellten Beispiel manipulieren sie die Sättel 1007 zum Betätigen der U-ähnlichen Walzen. Im Ergebnis werden die Form und die Dicke des Werkstücks geändert, und es werden die Signalverläufe 1015 erhalten. Diese Signalverläufe werden in den in Fig. 2 dargestellten Speicher 35 eingespeichert. Aus den im Lernmechanismus 36 und im oben genannten Speicher 35 abgespeicherten Signalverläufen werden Signalverlaufsabschnitte herausgefunden, die dazu verwendet werden können, steuerbare Signalverläufe 1016 zum Betätigen von Stellgliedern und zum Erhalten einer Sollwalzenform zu erzeugen, und die sich ergebenden, steuerbaren Signalverläufe werden vom neuralen Netzwerk im Mustererkennungsmechanismus 33 gelernt.
Diese steuerbaren Signalverläufe 1016 sind das Ergebnis der Subtraktion des Signalverlaufs 1015 von den Mustern für eine Sollwalzenform.
Beim tatsächlichen Betrieb wird ein die Bearbeitungswalzenformen repräsentierender Signalverlauf 1017 in den Mustererkennungsmechanismus 33 eingegeben. Der Mustererkennungsmechanismus liefert dann die Bauteile für den Betriebswalzenform-Signalverlauf 1017, die dazu verwendet werden, die steuerbaren Signalverläufe 1016 für einen Synthetisierer 1010, wie in Fig. 28 dargestellt, für die Rückschlüsse der Fuzzyregeln zu erzeugen. Das Ausgangssignal der Synthese der Fuzzyregel-Rückschlüsse wird an Stellglieder 2 gegeben, um ein gewünschtes Erzeugnis zu erhalten.
Beim vorstehend beschriebenen Aufbau kann die Steuerung unter Verwendung von Daten ausgeführt werden, wie sie aus Signalverläufen erhalten werden, die von tatsächlichen Stellgliedbetätigungen herrühren, wie auch unter Verwendung des doppeldeutigen, jedoch empirisch korrekten Know-hows von Bedienpersonen. Daher ermöglicht der obige Aufbau eine einfachere und wirkungsvollere Steuerung, als dies für herkömmliche Verfahren unter Verwendung von Modellen gilt.

B - 2 - SOLLPUNKTEINSTELLUNG

Selbst ein Steuerungssystem wie das zum Steuern der Werkstückdicke in einer Walzanordnung, bei dem das gesteuerte System vergleichsweise korrekt nachgebildet wird, zeigt manchmal aufgrund von Hindernissen wie Langzeitänderungen und der Nichtlinearität eines gesteuerten Systems Regelungsschwierigkeiten. Fig. 30 veranschaulicht ein erfindungsgemäßes Steuerungssystem, bei dem das gesteuerte System eine Langzeitänderung durchgemacht hat.
Der Zustand des gesteuerten Systems 1 und der Stellglieder 2 wird über den Sensor 3 an die Steuerungen 6 und ein Filter 200 geliefert. Das Filter 200 ist eine Art des in Fig. 1 dargestellten Charakteristikentnahmemechanismus 8. Das Filter 200 dient zum Entnehmen von Charakteristiken und zum Verringern von Störsignalen Der Unterschied dieses Steuerungssystems gegenüber dem in Fig. 1 dargestellten besteht darin, daß Befehle über das Filter 200 auch an den Selbstadaptionsmechanismus 11 geliefert werden und daß der Zustand a und eine Steuerbedingung an den Selbstadaptionsmechanismus 11 geliefert werden.
An den vorstehend genannten Selbstadaptionsmechanismus 11 werden Aktivierungssignale und ein Signal wie ein solches zu Betriebsbedingungen von einer Bedienkonsole, die eine Mensch-Maschine-Schnittstelle 7 ist, bzw. von einem Hostsystem 201 geliefert.
Fig. 31 ist eine detaillierte, erläuternde Veranschaulichung einer Steuerung 6. Die vom gesteuerten System 1 und von den Stellgliedern 2 ausgegebene Bedingung wird über den Sensor 3 an das Filter 200 und einen Komparator 202 in der Steuerung 6 geliefert. Der Komparator 202 gibt die Abweichung der oben genannten, vom Sensor 3 ausgegebenen Bedingungen von der sollpunktbedingung aus, die Teil eines vom Selbstadaptionsmechanismus ausgegebenen Sollpunkts ist. Diese Bedingungsabweichung wird in eine Steuerung b 203 eingegeben. Die Steuerung b 203 ist in Übereinstimmung mit einem Steuerprinzip wie einem für einen optimalen Regler konzipiert.
Vom Regler b 203 ausgegebene Steuerbefehle werden an einen Addierer 204 und den Selbstadaptionsmechanismus 11 gehefert. Der Addierer 204 addiert die vom Selbstadaptionsmechanismus 11 gelieferten Sollpunktwerte und die Steuerbefehle, um Befehle auszugeben. Diese Befehle werden an das Filter 200 und eine Steuerung a 205 geliefert. Die Steuerung a 205 und die Steuerung b 203 können unter Verwendung klassischer oder fortschrittlicher Steuerungstheorien spezifiziert werden.
Bei diesem Ausführungsbeispiel ist das Steuerungssystem hinsichtlich des Komparators 202 ein Abweichungswertsystem, und hinsichtlich des Addierers 204 besteht ein Reglerproblem.
Selbstverständlich existieren Steuerungssysteme, die als Absolutwertsystem oder als Servoproblem beschrieben sind. Jedoch kann ein Absolutwertsystem als Abweichungswertsystem beschrieben werden, und ein Servoproblem kann als Reglerproblem beschrieben werden, so daß die obige Beschreibung zum Komparator und Addierer nichts an Allgemeinheit verliert.
Fig. 32 ist ein Detailblockdiagramm des Selbstadaptionsmechanismus 11. Von den Steuerungen 6 ausgegebene Steuerbefehle werden über ein Filter 206 an einen Auswertungsmechanismus 207 geliefert. Der Auswertungsmechanismus 207 überprüft, ob der Wert eines Steuerbefehls aufhört, annehmbar zu sein oder nicht, und wenn dies der Fall ist, erzeugt er ein Signal zum Aktivieren des Lernmechanismus 36.
Steuerbefehle, wie sie von der Steuerung b ausgegeben werden, dienen zur Verwendung eines Rückkopplungsvorgangs zum Kompensieren der Differenz zwischen dem Zustand des gesteuerten Systems 1 und Sollpunktwerten aufgrund einer Störung, Fehlern im Modell des gesteuerten Systems und der Nichtlinearität und Langzeitänderungen des gesteuerten Systems. Genauer gesagt, verstärken Steuerbefehle eine derartige Abweichung, um das gesteuerte System in einen Sollpunktzustand zurückzubringen, bis kein derartiger Steuerbefehl mehr ausgegeben wird.
Hierbei wird ein Teil der Abweichungen, wie sie nur durch zufällige Steuerungen hervorgerufen werden, an das Filter 200 geliefert und von diesem entfernt, mit dem Ergebnis, daß der Zustand a ein richtungsbezogener Zustand wird, wie ein Modellfehler und eine Langzeitänderung, d. h. ein Versatz. Dann, wenn der Wert des oben genannten Zustands a größer wird, ist es erforderlich, die Betriebspunkte für das Steuerungssystem zu ändern. Der Grund ist der, daß das Ausgangssignal der Steuerungen im allgemeinen gesättigt wird. Z. B. verhindert diese Sättigung dann&sub1; wenn die obige Bedingung, wie ein Versatz, größer wird und sich dem Sättigungswert nähert, daß die Steuerungen auf irgendwelche eintreffenden Störungen reagieren.
Der Auswertungsmechanismus 207 dient zum Überprüfen eines Ergebnisses wie des mittleren Quadrats eines vom Filter 206 ausgegebenen Steuerbefehls und dann, wenn dieser Wert einen bestimmten Wert überschreitet, dient er zum Ausgeben eines Aktivierungssignals an den Lernmechanismus 36 zum Ändern von Betriebspunkten.
Der vorstehend angegebene Lernmechanismus 36 wird durch ein von der Bedienkonsole 7 oder vom oben genannten Auswertungsmechanismus 207 geliefertes Aktivierungssignal aktiviert. Die Bedienperson überwacht den Betrieb des gesteuerten Systems 1 und betätigt Stellglieder abhängig von ihrer Erfahrung und ihrem Können von Hand, um das gesteuerte System in einen idealen Zustand zu überführen. Wie es in Fig. 30 dargestellt ist, wird die von der Bedienperson vorgenommene Betätigung in Form von Handbetätigungsbefehlen an die Steuerung 6 geliefert. Diese Handbetätigungsbefehle ändern die in Fig. 31 dargestellten Sollpunktwerte zwangsweise.
Der so aktivierte Lernmechanismus 36 ändert Parameter des neuralen Netzwerks 208 auf den Zustand a vom oben angegebenen Filter 200 und die Betriebszustände vom Hostsystem 201 her.
Während des Lernvorgangs empfängt das neurale Netzwerk 208 ein Eingangssignal wie Betriebszustände vom Hostsystem 208, und es gibt den Zustand a aus. Es ist zu beachten, daß der Zustand a aus einem Zustand und Befehlen besteht, wie in Fig. 31 dargestellt.
Nachdem der Lernvorgang beendet ist, gibt das neurale Netzwerk 200 Sollpunktwerte aus, die die Betriebspunkte des gesteuerten Systems repräsentieren, und es gibt auch den Sollpunktzustand aus, der der ideale Zustand des gesteuerten Systems 1 zu dem Zeitpunkt ist, zu dem die Sollpunktwerte eingegeben werden. Der vorstehende Begriff Idealzustand bedeutet den Zustand des gesteuerten Systems und der Stellglieder zum Zeitpunkt, zu dem das gesteuerte System 1 keinerlei Störung unterliegt.
Es wird darauf hingewiesen, daß das neurale Netzwerk 208 und der LernLernmechanismus 36, als Einheit betrachtet, als Neurocomputer 209 bezeichnet werden.
Bei der vorstehend beschriebenen Konstruktion ist, da die Betriebspunkte für die Steuerungen optimal sind, die Steuerung a gegen Störungen bereitgestellt, und es ist nicht erforderlich, für einen Versatz zu sorgen, und zwar selbst dann, wenn eine große Störung auftritt, so daß die Steuerung auf einen weiteren Bereich angewandt werden kann.
Nun veranschaulicht Fig. 33 schematisch den Betrieb des obigen Steuerungssystems, wie es auf die Steuerung der Dicke eines Werkstücks in einer Walzanordnung angewandt ist.
Als erstes wird der gewöhnliche Betrieb unter Bezugnahme auf die durchgezogenen Linien beschrieben, die den Weg bezeichnen, auf dem die Betriebssignale geliefert werden, und dann wird der Lernvorgang unter Bezugnahme auf die gestrichelten Linien beschrieben, die die Verläufe von Signalen bezeichnen, die für den Betrieb eingegeben werden. Da Walzanordnungen die Tendenz zu Nichtlinearität zeigen, ist es beinahe unmöglich, eine lineare Steuerungstheorie unmittelbar anzuwenden. Um hiermit fertigzuwerden, liefert das Hostsystem 201 Betriebsbedingungen wie die Dicke des Ausgangsmaterials, die Produktdicke, den Stahltyp und das Stahlmaterial als Einstelldaten an das neurale Netzwerk 208. Wenn angenommen wird, daß das neurale Netzwerk 208 den Lernvorgang auf die oben angegebene Eingabe hin abgeschlossen hat, gibt dieses neurale Netzwerk die Sollpunktwerte aus, um die Betriebspunkte der Walzanordnung und den Sollpunktzustand zu spezifizieren, der der Zustand der Walzanordnung bei den Betriebspunkten ist, wobei die Ausgabe an die Addierer 204 bzw. 202 erfolgt.
Der Addierer 202 subtrahiert die Betriebsbedingungen der Walzanordnung von der oben genannten Sollpunktbedingung, um Steuerungsabweichungen zu erzeugen. Diese Steuerungsabweichungen werden dann an ein DDC-Steuerungssystem 210 gehefert, das der in Fig. 31 dargestellten Steuerung b 203 entspricht.
Das DDC-Steuerungssystem 210 ist in Übereinstimmung mit einem Prinzip wie Algorithmen zum Konzipieren von Reglern konzipiert, und es dient zur Verwendung von Steuerungsabweichungen zur Rückkopplung, um Befehlsabweichungen zu bestimmen.
Der Addierer 204 dient zum Addieren der obengenannten Sollpunktwerte und der Befehlsabweichungen und zum Ausgeben des Ergebnisses an die Stellglieder 2 der Walzanordnung. Hierbei werden in Fig. 31 Befehle über die Steuerung a an Stellglieder geliefert, jedoch folgt aus Fig. 33, daß dann, wenn die Verstärkung für die Steuerung a den Wert 1 hat, daß das Schema von Fig. 33 dem von Fig. 31 entspricht.
Dann reagiert, wenn die Koeffizienten des neuralen Netzwerks 208 optimal sind, das DDC-Steuerungssystem 210 auf Störungen.
Andererseits zeigt sich, wenn das Ausgangssignal des neuralen Netzwerks 208 nicht optimal ist, der Unterschied selbst als Steuerungsabweichungen, und die Werte für die Steuerung und die Befehlsabweichungen werden größer. Zu diesem Moment befindet sich die Befehlsabweichung aufgrund einer Störung hinsichtlich des Mittelwerts oder der mittleren Leistung auf dem Wert Null. Daher überprüft der Auswertungsmechanismus 207 Befehlsabweichungen. Z. B. aktiviert der Auswertungsmechanismus 207 den Lernmechanismus 36, wenn das Quadrat einer Befehlsabweichung größer als ein Bezugswert wird. Zum Zeitpunkt, zu dem der Lernmechanismus 36 aktiviert ist, speichert der in Fig. 2 dargestellte Speicher 35 vom Addierer 204 ausgegebene Befehle und Betriebsbedingungen der Walzanordnung ein, die das gesteuerte System 1 ist. Diese Befehle und Betriebsbedingungen werden als Lehrersignale verwendet, und der Neurocomputer 209 lernt auf Grundlage der Eingabe der vorstehend genannten Konfigurationsdaten.
Die Schwierigkeit der Verwendung eines Neurocomputers zur Steuerung liegt in dem Fehlen eines zuverlässigen Verfahrens zum Erstellen von Lehrersignalen. In einem Neurocomputer ist die Beziehung zwischen Eingangs- und Ausgangsinformation durch eine nichtlineare Funktion gegeben, so daß unendlich viele einander entsprechende Fälle hierfür bestehen. Herkömmliche Neurocomputer stützen sich auf ihre Verwender, daß diese Lehrersignale für sie erstellen, da es jedoch für den Verwender, ein menschliches Wesen, unmöglich ist, über ein vollkommenes Verständnis des gesamten Betriebs des gesteuerten Systems zu verfügen, standen optimale Lehrersignale nicht zur Verfügung.
Das erfindungsgemäße Verfahren, also eine Anwendung einer Regelung, die ein Verfahren zum Kompensieren von Fehlern aufgrund von Abweichungen und Modellunterschieden ist, das Betriebspunkte optimal lokalisiert, dient zum Betreiben von Neurocomputern in solcher Weise, daß sie die Befehle zum Erzielen optimaler Betriebspunkte und der Betriebsbedingungen des gesteuerten Systems an optimalen Betriebspunkten lernen können. Genauer gesagt, nähert die Regelung Betriebspunkte innerhalb des Bereichs, in dem Regelung möglich ist, an optimale Punkte an, wobei das Ergebnis einer derartigen Regelung als Lehrersignale verwendet werden kann, um automatisch optimale Betriebspunkte zu erhalten.
Andererseits überwacht die Bedienperson die Betriebsbedingungen des gesteuerten Systems und greift, wenn sich ein fehlerhafter Punkt herausstellt, von Hand ein. Früher oder später wird die Funktion des gesteuerten Systems korrigiert und verbessert. Das Ergebnis der Betätigung durch die Be dienperson kann auch als Lehrersignale verwendet werden, so daß dieses Know-how und die Fachkenntnis durch einen Neurocomputer verkörpert werden können.
Genauer gesagt, arbeitet die Bedienperson von Hand an einer Bedienkonsole 211, die die in Fig. 1 dargestellte Mensch- Maschine-Schnittstelle 7 bildet. Das Ausgangssignal der Bedienkonsole 211 wird dann an den Addierer 204 gegeben, und es werden Befehle geändert. Wenn dieser Vorgang nicht mehr erforderlich ist, da kein fehlerhafter Punkt mehr auftaucht, befinden sich die Betriebspunkte des gesteuerten Systems in der Nähe der optimalen Punkte oder auf denselben.
Dieser Fall kann durch Beurteilung durch die Bedienperson dadurch herausgefunden werden, daß eine bestimmte Zeitdauer überprüft wird, die verstreicht, ohne daß irgendein fehlerhafter Punkt nach der letzten Handbetätigung durch die Bedienperson auftritt, oder durch Überprüfen, daß Befehlsabweichungen stationär geworden sind. Dann wird der Lernmechanismus 36 aktiviert. Der Betrieb des Steuerungssystems nach der Aktivierung ist derselbe wie dann, wenn der Lernmechänismus 36 vom obengenannten Auswertungsmechanismus 207 aktiviert wird.
Es wird nun auf Fig. 34 Bezug genommen, in der ein die Erfindung verkörperndes Steuerungssystem veranschaulicht ist, das auf eine Aufzugssteuerung angewandt ist. Eine Aufzugskabine 220 ist durch Kabel 223 und Umlenkrollen 222 an einem Gegengewicht 221 befestigt, so daß die Kabine und das Gewicht miteinander im Gleichgewicht stehen. Die Umlenkrollen 222 sind an einem Elektromotor 223 befestigt, so daß die Umdrehung des Motors die Kabine 220 anheben und absenken kann. Der Elektromotor 222 ist mit einem Impulsgenerator 224 verbunden, dessen Ausgangssignal an einen Positionsdetektor 225 und einen Drehzahldetektor 226 geliefert wird, die beide den Sensor 3 bilden. Das Ausgangssignal des Positionsdetektors 225 und des Drehzahldetektors 226 wird an eine Drehzahlsteuerung 227, den Selbstadaptionsmechanismus 11 und eine Aufzugs-Ablaufsteuerung 228 geliefert, die dem Hostsystem 201 entspricht. Die Drehzahlsteuerung 227 verwendet die Information zur Position und Geschwindigkeit der Kabine 220 sowie die von der Aufzugs-Ablaufsteuerung 228 gelieferte Information, und sie hängt von Regeln zur Regelung ab, um Steuerungsbefehle an einen Spannungsumsetzer 229 auszugeben.
Der Spannungsumsetzer 229 dient zum Interpretieren von von der Geschwindigkeitssteuerung 227 gelieferten Befehlen und zum Einstellen der Spannungsversorgung an den Elektromotor 223 abhängig von der Interpretation. Der vorstehend genannte Spannungsumsetzer 229 kann unter Wechselrichtern, Stromrichtern, Phasensteuerungen und Direktumrichtern ausgewählt werden, abhängig vom Typ des Elektromotors.
Nun betätigen Aufzugsgäste einen Knopf 230 auf einer Etage, einen Knopf 231 auf einer anderen Etage oder Knöpfe in der Aufzugskabine. Abhängig von diesen Betätigungen bestimmt die Aufzugs-Ablaufsteuerung 228 das Ziel des Wagens und eine Position wie eine solche, an der die Kabine mit einer Verzögerung beginnen sollte.
Es besteht die Tendenz, daß Aufzüge Nichtlinearität zeigen. Z. B. schwingen ihre Kabinen, wenn sie bestimmte Etagen durchlaufen. Wenn Schwingungen auftreten, zeigt der Steuerungsbefehl von der Geschwindigkeitssteuerung 227 wegen der Vergrößerung der Regelungsabweichung einen größeren Wert. Im Ergebnis entscheidet der in Fig. 32 dargestellte Selbstadaptionsmechanismus 11, daß das mittlere Quadrat des Steuerungsbefehls von der Geschwindigkeitssteuerung 227 einen bestimmten Bezugswert überschritten hat. Dann wird Information zum um diesen Zeitpunkt herum in Betrieb befindlichen Aufzug, wie im Speicher 35 abgespeichert, nachdem vom Positionsdetektor 225 ünd vom Geschwindigkeitsdetektor 226 erfaßt, vom Lemmechanismus 36 als Lehrersignale verwendet.
Nachdem der Lernvorgang durch den Lernmechanismus 36 abgeschlossen ist, korrigiert der Selbstadaptionsmechanismus 11, wenn die Bedingung für das Auftreten von Schwingungen für den Aufzug erfüllt sind, die an die Geschwindigkeitssteuerung 227 zu liefernden Geschwindigkeitsbefehle.
Der vorstehende Betrieb ist schematisch in Fig. 35 veranschaulicht. Wenn ein Aufzugsgast Knöpfe in der Kabine 220 betätigt oder die auf einer Etage vorhandenen Knöpfe betätigt, liefert die Aufzugs-Ablaufsteuerung 228 Geschwindigkeitsbefehle zum Betreiben des Aufzugs über den Selbstadaptionsmechanismus 11 an die Geschwindigkeitssteuerung 227. Wenn die eine spezielle Etage durchfahrende Aufzugskabine Schwingungen erleidet, erzeugt die Geschwindigkeitssteuerung einen Steuerungsbefehl entsprechend der Abweichung, um den Spannungsumsetzer 229 zu steuern. Der Spannungsumsetzer 229 steuert dann die Drehzahl des Elektromotors 223. Im Ergebnis wird eine Geschwindigkeitskurve erhalten, die näher am idealen Geschwindigkeitsbefehl als der von der Aufzugs-Ablaufsteuerung 228 ausgegebene Geschwindigkeitsbefehl liegt, da die Geschwindigkeitskurve von der Geschwindigkeitssteuerung 227 verarbeitet wird. Um einen Geschwindigkeitsbefehl zu erzeugen, der so dicht wie möglich an einem idealen liegt, ist der Wert des Steuerungsbefehls von der Geschwindigkeitssteuerung 227 groß, und dieser größere Wert aktiviert den Lernvorgang des Selbstadaptionsmechanismus 11. Zu den hier verwendeten Lehrersignalen gehören Signale, die die aus dem Geschwindigkeitsdetektor 225 erhaltene Geschwindigkeitskurve repräsentieren, die Bedingungen für das Auftreten von Schwingungen wie Bedingungen, daß der Aufzug eine spezielle Etage nach oben oder unten durchfährt. Der Selbstadaptionsmechanismus 11 gibt die vorstehend genannte Geschwindigkeitskurve auf solche Weise an die Geschwindigkeitssteuerung 227 aus, daß die von der Geschwindigkeitssteuerung 227 ausgegebenen Steuerungsbefehle minimiert werden, wenn die oben genannten Bedingungen für das Auftreten von Schwingungen eingegeben werden.
Es wird nun auf Fig. 36 Bezug genommen, in der ein die Erfindung verkörperndes Steuerungssystem veranschaulicht ist, das auf die Steuerung eines elektrischen Zugtriebwagens angewandt ist. Ein elektrischer Zugtriebwagen 250 arbeitet unter Versorgung mit elektrischer Energie mittels eines Oberleitungsdrahts 251 und eines Gleises 252. Ein Betriebssteuerungssystem 253 erfaßt den Ort des Elektrotriebwagens 250 unter einer Verwendung eines Zug-Ortsdetektors 254, und sie gibt Befehle entsprechend diesem Ort an Signale 255 und an einen Geschwindigkeitsbefehlsgenerator 256 aus. Auf den Befehl vom Betriebssteuersystem 253 hin gibt der Geschwindigkeitsbefehlsgenerator 256 einen Geschwindigkeitsbefehl an eine Zugsteuerung 256 aus. Die Zugsteuerung 256 verwendet den obengenannten Geschwindigkeitsbefehl, und sie verwendet auch die vom Zug-Ortsdetektor 254 ausgegebene Zuggeschwindigkeit, um die Geschwindigkeit des Zugs 250 zu steuern. Hierbei können der Teil des Zug-Ortsdetektors 254 und des Geschwindigkeitsbefehlsgenerators 256 getrennt und am elektrischen Zug 250 angebracht sein.
Fig. 37 veranschaulicht schematisch die Zugsteuerung 256. Das Ausgangssignal des Zug-Ortsdetektors 254 und des Geschwindigkeitsbefehlsgenerators 256 werden an den Selbstadaptionsmechanismus 11 geliefert. In diesen Selbstadaptionsmechanismus 11 werden auch die Ausgangssignale der Steuerung 227, des Spannung sumsetzers 229 und des Impulsgenerator-s 224 als Ort oder Geschwindigkeit eingegeben. Auf einen vom Selbstadaptionsmechanismus 11 gelieferten Geschwindigkeitsbefehl und auf den Ort oder die Geschwindigkeit, wie vom Impulsgenerator 224 geliefert, gibt die Steuerung 227 Steuerungsbefehle an den Spannungsumsetzer 229 und den Selbstadaptionsmechanismus 11 aus. Der mit der elektrischen Energie von der Sekundärwicklung eines Transformators 257 versorgte Spannungsumsetzer liefert seinerseits auf den vorstehend genannten Steuerungsbefehl hin Spannung an Elektromotoren 222. Die Primärwicklung des Transformators 257 ist mit einem Stromabnehmer und Rädem 259 auf solche Weise verbunden, daß elektrische Energie über die Oberleitung 251 und das Gleis 252 an den Spannungsumsetzer 229 geliefert wird. Dieser Aufbau des Steuerungssystems, wie in den Fig. 36 und 37 dargestellt, ist derselbe wie der der in den Fig. 34 und 35 dargestellten Aufzugssteuerung. Hinsichtlich des Betriebs ist das Elektrotriebwagen-Steuerungssystem ebenfalls dasselbe wie das der Aufzugssteuerung, so daß die Beschreibung des Betriebs des ersteren weggelassen wird.
Bei diesem Ausführungsbeispiel wurde bisher die Steuerung eines Wechselstromwagens beschrieben. Da sich Gleichstromwagen nur hinsichtlich des Aufbaus ihrer Transformatoren und nicht hinsichtlich ihres Steuerungssystems unterscheiden, findet die Erfindung weitere Anwendung bei Gleichstromwagen.
Auch ist in diesem Ausführungsbeispiel ein Elektrowagen mit verteilter Antriebsenergie beschrieben, jedoch hat, was die Steuerung betrifft, eine Elektrolokomotive denselben Aufbau wie ein Elektrotriebwagen, obwohl in der ersteren die Antriebsenergie zentralisiert ist. Daher ist es offensichtlich, daß die Erfindung bei Elektrolokomotiven noch eine weitere Anwendung hat.
Es wird nun auf Fig. 38 Bezug genommen, in der ein die Erfindung verkörperndes Steuerungssystem veranschaulicht ist, das auf die Steuerung eines Kraftfahrzeugs angewandt ist. Die von einem Motor 260 in einem Kraftfahrzeug erzeugte Energie wird über Drehzahländerungs-Zahnräder 268 an Räder 262 übertragen. Der Motor 260 wird von der Steuerung 227 unter Verwendung von Stellgliedern wie einem Vergaser gesteuert. Der Zustand des Motors 260 und der Geschwindigkeitsänderungs-Zahnräder 261 wird in den Selbstadaptionsmechanismus 11 eingegeben. Die obengenannte Steuerung 227 besteht aus einer Motorsteuerung und einer Getriebesteuerung, und sie wird selbst vom Fahrer gesteuert, der ein Fahrpedal 263 und einen Schalthebel 264 betätigt.
Heutzutage sind einige Kraftfahrzeuge mit automatischen Funktionsmechanismen versehen, um mit konstanter Geschwindigkeit zu fahren. Diese Mechanismen spezifizieren die Fahrgeschwindigkeit des Kraftfahrzeugs, und sie geben die Spezifizierung von außerhalb des Steuerungssystems an die Steuerung 227. Die Steuerung 227 verwendet eine Rückkopplung vom Sensor zum Betreiben des Kraftfahrzeugs mit konstanter Geschwindigkeit.
Der Selbstadaptionsmechanismus 11 verwendet das Ausgangssignal vom Sensor 3 und die Information von der Steuerung 227, um Befehle für die Stellglieder 2 zu ändern, wenn die Regelungsabweichung größer wird. Es wird angenommen, daß diese Vergrößerung der Regelungsabweichung durch ein gemeinsames Auftreten solcher Faktoren wie Langzeitänderungen, des Austauschs von Schmiermittel sowie Wetteränderungen herrührt, die nur von einem nichtlinearen Steuerungssystem gehandhabt werden können. Die nachfolgende Beschreibung betrifft den Betrieb des Steuerungssystems für ein derartiges Kraftfahrzeug, wobei sie in Verbindung mit dem obenangegebenen Betrieb für eine Walzanordnung erfolgt.
Es ist angenommen, daß das Kraftfahrzeug mit einer vom Fahrer spezifizierten konstanten Geschwindigkeit fährt. Wenn der auf ein Anzeigemittel wie ein Tachometer blickende Fahrer eine Verlangsamung erkennt, tritt er auf das Fahrpedal 263. Dann folgt derselbe Ablauf, wie der Ablauf in Fig. 33, wie er ausgeführt wird, nachdem die Bedienperson der Walzanordnung die Bedienkonsole 211 so bedient hat, daß ein Aktivierungssignal an den Selbstadaptionsmechanismus 11 geliefert wird. Für Kraftfahrzeuge bestehen keine Spezialitäten hinsichtlich dieses Vorgangs.
Nun veranschaulicht Fig. 39 eine Modifizierung des in Fig. 32 dargestellten Ausführungsbeispiels der Erfindung. Diese Modifizierung dient zum Kompensieren von Fehlern beim Verwenden eines Modells eines gesteuerten Systems, insbesondere dann, wenn das Modell dazu tendiert, Nichtlinearität zu zeigen, es jedoch ziemlich verwendbar ist. Betriebsbedingungen vom Hostsystem 201 und der Zustand a vom Filter 200 werden an ein Konfigurationssteuerungssystem 270 geliefert. Dieses Konfigurationssteuerungssystem 270 spezifiziert Sollpunktbedingungen und Sollpunkte und gibt dann die Abweichung des Zustands a von der Sollpunktbedingung als Bedingungsabweichung an den Lernmechanismus 36 aus. Der Unterschied dieses Ausführungsbeispiels gegenüber dem in Fig. 32 dargestellten Ausführungsbeispiel besteht darin, daß der Neurocomputer 209 nicht nur abhängig von Absolutwerten, sondern auch mit dem System von Abweichungswerten arbeitet, die eine Verschiebung gegenüber einem bestimmten Kriterium darstellen (ein Sollpunktwert, eine Sollpunktbedingung wie vom Konfigurationssteuerungssystem 270 spezifiziert).
Fig. 40 veranschaulicht eine Modifizierung des in Fig. 33 dargestellten Ausführungsbeispiels hinsichtlich seiner Steuerung der Dicke eines Werkstücks in einer Walzanordnung. Ein Konfigurationsmodell 271, das vom Hostsystem 201 gelieferte Betriebsbedingungen empfängt, gibt Sollpunktwerte und Sollpunktbedingungen für das gesteuerte System aus. Der Zustand des gesteuerten Systems wird über das Filter 200 an den Addierer 202 geliefert. Der Addierer 202 führt an den obengenannten Bedingungen, den vom Konfigurationsmodell gelieferten Sollpunktbedingungen und der Sollpunktsbedingungsabweichung vom neuralen Netzwerk Additionen und Subtraktionen aus, um Bedingungsabweichungen zu erhalten. Die Bedingungsabweichungen werden an das DDC-Steuerungssystem und den Speicher 35 geliefert und dann als Lehrersignale in den Lernmechanismus 36 im Neurocomputer 209 eingegeben. Das DDC- Steuerungssystem arbeitet so, daß die Steuerungsabweichungen beim Reglerproblemprozeß null werden, und es liefert Steuerungsbefehle an den Addierer 272. Der Addierer 272 addiert den vorstehend genannten Steuerungsbefehl und den von der von Hand betätigten Bedienkonsole, und das Ergebnis wird als neuer Befehl in den Addierer 204 und den Auswertungsmechanismus 207 eingegeben. Der Addierer 204 addiert Steuerungsbefehle, die Sollpunktwerte vom obengenannten Konfigurationsmodell 271 und die Sollpunktabweichungen vom neuralen Netzwerk 208, um Befehle für die Stellglieder 2 zu erzeugen. Dieses Konfigurationsmodell 271 und Addierer 202, 272 und 204 werden insgesamt als Konfigurationssteuersystem 270 bezeichnet.
In einer Walzanordnung, die mit einem auf die obige Weise aufgebauten Werkstückdicke-Steuerungssystem versehen ist, steigt, wenn die Walzanordnung arbeitet, die Temperatur derselben, was zu einer Verringerung des Reibwiderstands eines Schmiermittels und damit zu einer Änderung der Werkstückdicke führt. Als Ergebnis dieses Vorgangs tritt eine Abweichung von den Sollpunktbedingungen auf, d. h., daß die vom Addierer 202 ausgegebenen Zustandsabweichungen größer werden. Dann erzeugt das DDC-Steuerungssystem 210 Befehle zum Verringern der Zustandsabweichungen. Da Steuerungsbefehle im allgemeinen Abweichungen vergrößern, um sie zum Verschwinden zu bringen, beginnt der Auswertungsmechanismus 207 so zu arbeiten, daß er den Lernvorgang auslöst. Der Addierer 204 addiert die obengenannten Steuerungsbefehle und die Sollpunktwerte vom Konfigurationsmodell 271, um Befehle für das Stellglied 2 zu erzeugen.
Nun wird der Lernprozeß durch den Neurocomputer 209 beschrieben. Die Eingangsinformation für Lehrersignale in den Lernmechanismus 36 sind die vom Hostsystem 201 gelieferten Betriebsbedingungen, und die Ausgangsinformation aus dem Lernmechanismus sind die Zustandsabweichungen und die Steuerungsbefehle. Wenn der Lernvorgang endet, wird die Ausgangsinformation vom neuralen Netzwerk 208 in Form von Sollpunktsbedingungsabweichungen an den Addierer 204 und als Sollpunkts-Befehlswertabweichungen an den Addierer 204 geliefert. Als Ergebnis hiervon geht das Ausgangssignal vom Addierer 202, das den Abweichungen der Sollpunktsbedingungen vor dem Lernvorgang entspricht, nach dem Lernvorgang in null über, da die Sollpunktsbedingungsabweichungen vom Ausgangssignal subtrahiert werden. Was die Befehle betrifft, ist das Ausgangssignal vom DDC-Steuerungssystem null, jedoch werden die Sollpunktsabweichungen vom neuralen Netzwerk ausgegeben, so daß vom Addierer 204 dieselben Befehle wie die Steuerungsbedindungen vor dem Lernvorgang erhalten werden.

B - 3 - WEITERE ENTWICKLUNGEN DES MASCHINENLERNENS

Bei der obigen Erörterung der allgemeinen Prinzipien ist angenommen, daß der Mustererkennungsmechanismus auf Grundlage von von der Bedienperson vorbestimmten Mustern arbeitet. Das System verwendet dann Fuzzylogik zum Auswählen eines geeigneten oder mehrerer dieser Muster, auf denen die Logiksteuerung ihre Grundlage findet.
Jedoch ist es auch möglich, wie oben kurz angegeben, z. B. Neurocomputertechniken auf die Entwicklung derartiger Muster anzuwenden, um die Muster automatisch auf Grundlage des Verhaltens des Systems bei vorgegebenen Steuerbedingungen herzuleiten. Dies ist die zweite Entwicklung des ersten Gesichtspunkts der Erfindung und wird nun detaillierter erörtert.
Gemäß Fig. 41 wird eine Sendzimir-Walzanordnung, ZR-Walzanordnung 301 (nachfolgend als ZR-Walzanordnung bezeichnet), mit einer Anzahl von Walzen durch einen Motor 303 über ein Getriebe 302 angetrieben, um ein Material 304 zu walzen. Das Material 304 wird entweder von einer linken Zughaspel 305 oder einer rechten Zughaspel 306 geliefert und durch die andere Haspel aufgewickelt. Die linke Zughaspel 305 ist über ein Getriebe 307 bzw. ein Getriebe 308 mit einem Motor 309 bzw. einem Motor 310 verbunden. Die Drehzahlen des Motors 303, des Motors 309 und des Motors 310 können gesteuert werden, um Zugspannungen zu steuern, wie sie am Einlaß und Auslaß der ZR-Walzanordnung 301 auf das Material 304 ausgeübt werden. Die Dicke und die Form des Materials 304 werden über ein Dickenmeßgerät 311 und einen Formdetektor 312 gemessen. Die Meßwerte werden an eine Steuerungsanordnung 314 geliefert. Die Steuerungsanordnung 314 umfaßt eine Formerfassungsanordnung 315, die ein vom Formdetektor 312 ausgegebenes Signal verarbeiten kann und es als Formdaten ausgeben kann, eine Mustererkennungsanordnung 316, die die Formdaten verarbeiten kann und das übereinstimmungsausmaß des Ergebnisses mit einem darin abgespeicherten Muster ausgeben kann, und eine Steuerarithmetikanordnung 317, die auf die von einer Bedienperson vorgenommene Handhabung für eine Steuerungsfuzzylogik Bezug nehmen kann. Die Steuerungsanordnung 314 kann einen Handhabungsbefehl an ein Stellglied 313 der ZR-Walzanordnung 311 erzeugen.
Fig. 42 zeigt den Aufbau der ZR-Walzanordnung 311.
Diese ZR-Walzanordnung 311 umfaßt eine obere und eine untere Bearbeitungswalze 318, die ein Paar bilden und in direktem Kontakt mit dem Material 304 stehen, um das Material 304 zu einem dünnen Blech zusammenzudrücken, erste Zwischenwalzen 319, die ein Paar bilden und die eine Belastung auf die Bearbeitungswalzen 318 ausüben, zweite Zwischenwalzen 320, die ein Paar bilden und Belastung auf die ersten Zwischenwalzen 319 ausüben, und eine U-ähnliche Walze 321, die auf eine der zweiten Zwischenwalzen 320 drückt, um eine Belastung auf diese auszuüben.
Die U-ähnliche Walze 321 umfaßt unterteilte Walzen 322, eine Welle 323 und mehrere Sättel 324. Die Sättel 324 können durch ein Stellglied 313-1 folgend auf einen Befehl von der Steuerungsanordnung 314 nach oben und unten verstellt werden, um die Welle 323 entsprechend zu verbiegen. Wenn die mehreren Sättel 324 verstellt werden, kann die Welle 323 auf eine gewünschte Form verformt werden. Die Verformung der Welle 323 kann aufeinanderfolgend über die mehreren unterteilten Walzen 322 auf die zweiten Zwischenwalzen 320, die ersten Zwischenwalzen 319, die Bearbeitungswalzen 318 und das Material 304 übertragen werden, um die Form des Materials 304 einzustellen. Ein Ende jeder der ersten Zwischenwalzen 319 ist verjüngt, um die auf das Material 4 im Verjüngungsbereich ausgeübte Belastung zu verringern, so daß das Ende dicker sein kann. Die ersten Zwischenwalzen 319 können durch ein Stellglied 313-2 folgend auf einen Handhabungsbefehl von der Steueranordnung 314 in ihrer axialen Richtung verstellt werden. Wenn die ersten Zwischenwalzen 319 in dieser axialen Richtung verstellt werden, kann das Material 304 hinsichtlich der Form seiner Enden eingestellt werden.
Fig. 43 zeigt ein Blockdiagramm eines Beispiels der Steuerungsanordnung 314.
In der Figur wird ein vom Formdetektor 312 ausgegebenes Signal über die Formerfassungsanordnung 315 an eine Signalverlauf-Arithmetikanordnung 326 geliefert, die Störsignale beseitigen kann. Ein Signal einer Generatoranordnung 325 für gewünschte Form, die eine gewünschte Form hinsichtlich des Materials 304 erzeugen kann, wird ebenfalls in die Signalverlauf-Arithmetikanordnung 326 eingespeist. Die Signalverlauf-Arithmetikanordnung 326 subtrahiert die gewünschte Form vom Formerfassungsergebnis, um eine Formabweichung Δ&epsi; zur Korrektur durch Steuerung zu erzielen, um sie an die Mustererkennungsanordnung 316 zu liefern. Die Mustererkennungsanordnung 316 liefert ein Verhältnis von Signalverlaufskomponenten innerhalb der Formabweichung, wie vorab in der Mustererkennungsanordnung 316 abgespeichert, an die Steue rungsarithmetikanordnung 317. Die Steuerungsarithmetikanordnung 317 kann eine Fuzzyhandhabung des Bedienerwissens vornehmen, und sie liefert dieses unter Verwendung von Steuerungsalgorithmen wie einer bei der Regelung verwendeten Fuzzysteuerung und einer Steuerung mit mehreren Variablen, für die ein Steuerungsmodell klargestellt ist, an das Stellglied 313.
Fig. 44 zeigt ein Blockdiagramm zum Einspeichern eines aktuellen Formmusters in die Eingangssignal-Generatoranordnung 334.
Eine Befehlseinstellanordnung 349 erzeugt einen Handhabungsbefehl, der an das Stellglied 313 für Betrieb durch die Bedienperson oder duröh ein Programm gegeben wird. Gemäß dem Befehl treibt das Stellglied 313 die Sättel 324 an, wie in Fig. 44(a) dargestellt. Im Ergebnis kann die ZR-Walzanordnung 301 die Form des Materials 304 ändern. Die Formdaten des Formdetektors 312, der die Form des Materials 304 erfassen kann, werden an eine Signalverlauf-Formungsprozeßanordnung 350 der Formerfassungsanordnung 315 geliefert. Die Signalverlauf-Formprozeßanordnung 350 kann Störsignale beseitigen und die Form des Materials 304, wie in Fig. 44(b) dargestellt, an eine Arithmetikanordnung 351 für steuerbare Signalverlaufserfassung liefern. Die Arithmetikanordnung 351 für steuerbare Signalverlaufserfassung, die das in Fig. 44(b) dargestellte Formmuster empfangen hat, kann einen in Fig. 44(c) dargestellten steuerbaren Signalverlauf ermitteln, der das Formmuster (b) flach ausgestalten kann, wenn das Stellglied 313 betrieben wird. Sie speichert dann den Signalverlauf (b) in eine Speicheranordnung 352 der Eingangssignal-Generatoranordnung 334 ein. Der Signalverlauf (c) ist Teil des Formmusters, wie für den Lernvorgang des neuralen Netzwerks 328 verwendet.
Wie oben beschrieben, kann die U-ähnliche Walze 321 die Formsignalverläufe speichern, wenn die Sättel 324 dieser U- ähnlichen Walze 321 vom Stellglied 313-1 betätigt werden. Beim Abspeichern werden die Formsignalverläufe, die proportional zur Handhabungsvariablen der Sättel 324 geändert werden, mittels des Maximalwerts der Handhabungsvariablen so normiert, daß das einer Einheitshandhabungsvariablen entsprechende Signalverlaufmuster zu "1" gemacht werden kann und die anderen Muster "0" sind.
Andererseits wird nachfolgend unter Bezugnahme auf Fig. 45 das Einspeichern eines Quersignalverlaufs beschrieben, der die Bearbeitungswalzen 318 in axialer Richtung verstellen kann.
Fig. 45(a) zeigt einen Formsignalverlauf ((A)) des Materials 4, einen steuerbaren Signalverlauf ((a)) sowie die Position einer der ersten Zwischenwalzen 319, wenn sie mittels des Maximalwerts der Querhandhabungsvariablen auf "1" normiert sind. Der steuerbare Mustersignalverlauf ((a)) wird an das neurale Netzwerk 328 geliefert, ein von der Lehrersignal- Generatoranordnung ausgegebenes Ausgangssignal 354 wird auf "1" und die anderen Ausgangssignale werden auf "0" gesetzt, so daß ein Ausgangssignal 353 "1" und das andere Ausgangssignal "0" wird, und der Lernvorgang wird ausgeführt.
Daraufhin wird eine normierte Querhandhabungsvariable vom Wert 0,5 an die ZR-Walzanordnung 301 geliefert. Fig. 45(b) zeigt einen Formsignalverlauf ((B)) des Materials 304, einen steuerbaren Signalverlauf ((b)) und die Position einer der ersten Zwischenwalzen 319. Der steuerbare Signalverlauf ((b)), wie in Fig. 45(a), wird vom neuralen Netzwerk 328 gelernt. Ein Unterschied liegt jedoch darin, daß der Lernvorgang so erfolgt, daß das Ausgangssignal 354 der Lehrersignal-Generatoranordnung die Querhandhabungsvariable vom Wert 0,5 wird.
Auf ähnliche Weise zeigt Fig. 45(c) die Beziehung, wenn die Querhandhabungsvariable zu 0,0 gemacht ist.
In Fig. 45 erfolgt ein Lernvorgang für die drei typischen Querhandhabungsvariablen mit den Werten 1,0, 0,5 und 0,0. Für eine genauere Einstellung kann die Zahl vorzugsweise erhöht werden; und für eine grobere Einstellung kann sie verringert werden.
Der Lernvorgang kann erfolgen, da der Neurocomputer 327 zur Interpolation dienen kann.
Im folgenden werden das Formmuster und das Steuerungsverfahren beschrieben. Als erstes wird, unter der Annahme, daß das Material 304 vollkommen eben ist, das Formmuster als Differenz zwischen dem Ausgangssignal des Formdetektors 312 und dem flachen, gewalzten Material angesehen. Wenn das Ausgangssignal des Formdetektors 312 für die ZR-Walzanordnung 301 so gesteuert ist, daß der ebene Zustand vorliegt, verfügt das tatsächlich gewaizte Material über dünnere Endabschnitte und einen dickeren mittleren Abschnitt, wenn die Zugspannung weggenommen wird. Aus diesem Grund verfügt das Formmuster des Formdetektors 312 für das ebene Material 304 über dickere Endabschnitte und einen dünneren mittleren Abschnitt, wie durch eine gewünschte Form ref in Fig. 46 dargestellt. Daher ist es erforderlich, die Steuerung so auszuführen, daß die Form des Materials 304 die gewünschte Form ref sein kann. Ein Steuerungsmuster Δ&epsi; wird dadurch erhalten, daß die gewünschte Form ref vom Formmuster &epsi; abgezogen wird, und die Steuerung erfolgt dergestalt, daß das Steuerungsmuster Δ&epsi; null wird. Das vom Formdetektor 312 ausgegebene Formmuster nimmt dann die gewünschte Form ref ein. Dies macht das gewalzte Material eben.
Fig. 46 zeigt Beispiele für Formmuster auf Grundlage des vorstehend beschriebenen Konzepts.
In der Figur hat z. B. das Einzelteil 3 ein Formmuster A, dem ein Steuerungsmuster a entspricht. Bei der Steuerung wird der Sattel Nr. 3 der U-ähnlichen Walze nach oben verstellt, wie dargestellt.
Auf ähnliche Weise werden bei einem anderen Beispiel, dem Einzelteil 5, die obere und untere Bearbeitungswalze 318 so verstellt, daß ihre normierten Handhabungsvariablen erhöht sind.
Fig. 47 zeigt ein Beispiel für die Steuerungsarithmetikan ordnung 317, die eine Steuerung unter Verwendung der Information ausführt, wie von der Mustererkennungsanordnung 316 und der Formerfassungsanordnung 15 erhalten.
Die Mustererkennungsanordnung 316 kann Komponenten des im Betriebssignalverlauf enthaltenen Formmusters ausgeben. Wenn die Steuerungsarithmetikanordnung 317 Fuzzyinferenz als Steuerungsregel verwendet, werden die Fuzzyinferenzregeln mehreren Ausgangsleitungen der Mustererkennungsanordnung 316 zugeordnet. Fuzzyinferenz ist im einzelnen in "Fuzzy Neurocomputing" von Trikepps Co. beschrieben. Wenn die Steuerungsarithmetikanordnung 317 eine Fuzzyinferenzberechnung ausführt, wird das Ausgangssignal der Mustererkennungsanordnung 316 auf das Gewißheitsmaß gesetzt.
Andererseits wird das von der Formerfassungsanordnung 315 ausgegebene Ausgangssignal direkt an eine Fuzzyantecedens- Wechselwirkungsanordnung 360 geliefert, und die Anpaßbarkeit an die Antecedens der Fuzzyregel wird als Gewißheitsmaß an einen Schnittstellenabschnitt 361 geliefert. Die Fuzzyantecedens-Wechselwirkungsanordnung 360 ist eine Anordnung von Regeln, die aus qualitativen, von der Bedienperson vorgenommenen Inferenzen erstellt werden.
Das Gewißheitsmaß, das das Ausgangssignal der Mustererken nungsanordnung 316 und der Fuzzyantecedens-Wechselwirkungs anordnung 360 ist, wird über den Schnittstellenabschnitt 361 an die dem Stellglied 313 entsprechenden Regeln einer Fuzzyentscheidungsteil-Syntheseanordnung 362 geliefert. Das Stellglied 313 erhält einen Handhabungsbefehl über eine Fuzzyregelung, bei der z. B. ein Dreiecksschwerpunkt als Handhabungsvariable verwendet wird.
Die Fig. 48(a) bis 48(g) zeigen Beziehungen zwischen der Eingangsinformation des Neurocomputers 327 und seiner Ausgangsinformation. Das Steuerungsmuster Δ&epsi; ist wie folgt gegeben:
Δ&epsi; = &epsi; - &epsi; ref,
wie durch das Balkendiagramm von Fig. 48(a) in der Figur gezeigt. Die Höhen der Balken sind die Ausgangssignale 335 des Formdetektors 312 mit vertikaler Anordnung. Fig. 48(b) zeigt acht Formmuster als Beispiel, wie sie im Neurocomputer 327 als neurogespeicherte Muster 1 bis 8 abgespeichert sind. Wenn das Steuerungsmuster Δ&epsi; an den Neurocomputer 327 gehefert wird, wird jeder Wert der Ausgängssignale des neuralen Netzwerks 327 erhalten. Die Werte sind durch quadratische Flächen in Fig. 48(c) repräsentiert. Je größer eine Fläche ist, desto höher ist das übereinstimmungsausmaß. Es ist dafür gesorgt,-daß die Muster dem Stellglied 313 entsprechen. Z. B. ist dafür gesorgt, daß das Muster 1 der Walze Nr. 2 der U-ähnlichen Walze 321 entspricht und das Muster 7 der Querverschiebung der oberen Walze der Bearbeitungs walzen 318 entspricht (Fig. 48(d) und 48(e)).
Im Ergebnis entsprechen, was die Handhabungsvariable (a) (Fig. 48(f)) der U-ähnlichen Walze und die obere Querverschiebung (b) der ersten Zwischenwalze 318 (Fig. 48(g)) betrifft, diese den obengenannten Flächen. Die Fig. 48(f) und 48(g) zeigen Zustände, gemäß denen der Handhabungsbefehl für eine Aufwärtsbewegung an die Walze Nr. 2 der U-ähnlichen Walze 321 gegeben wird und ein Handhabungsbefehl für eine Verschiebung nach rechts an die obere Walze der Bearbeitungswalzen 318 gegeben wird.
Fig. 49 zeigt Ergebnisse dreidimensionaler Simulationen für Änderungen, wie mit Intervallen der Abtastungszeit erhalten, wenn die obengenannte Steuerung für eine bestimmte Periode ausgeführt wird.
Fig. 49(a) zeigt die Steuerungsform Δ&epsi;, und Fig. 49(b) ist das Formmuster &epsi;. Es zeigt sich, daß das Formmuster, das bei t = 0 schlechter ist, mit der Zeit auf das gewünschte Muster &epsi; geändert wird und das Steuerungsmuster ziemlich flach wird.

C - SERIELLE STEUERUNG

Der zweite Gesichtspunkt der Erfindung, wie oben erörtert, betrifft Anordnungen, bei denen eine Steuerung auf Grundlage einer Reihe von Modulen erfolgt. Ausführungsbeispiele, die diesen Gesichtspunkt der Erfindung detaillierter erörtern, werden nun beschrieben.
Fig. So ist ein Blockdiagramm für ein anderes Ausführungsbeispiel eines Formsteuerungsverfahrens und eines Steuerungssystems für Walzmaterial gemäß der Erfindung.
Der in Fig. 50 dargestellte Aufbau unterscheidet sich von dem von Fig. 43 hinsichtlich der Mustererkennungsanordnung 316 und der Steuerungsarithmetikanordnung 317. In Fig. 50 wird das Steuerungsmuster-Ausgangssignal der Formerfassungsanordnung 315 an einen Neurocomputer 576 und eine Fuzzy- Wechselwirkungsanordnung 377 geliefert, die aufeinanderfolgend eine Quersteuerungsanordnung 375 bilden. Die Quersteuerungsanordnung 375 bestimmt die Querhandhabungsvariable, die dafür sorgt, daß ein vorhersagbarer Betätigungssignalverlauf von einer Signalverlaufs-Arithmetikanordnung 378 ausgegeben wird. Die Signalverlaufs-Arithmetikanordnung 378 subtrahiert den bei der Quersteuerung vorhergesagten Signalverlauf vom von der Formerfassungsanordnung 315 ausgegebenen Steuerungsmuster und liefert den Rest an eine Steuerungsanordnung 379 für die U-ähnliche Walze. Diese Steuerungsanordnung 379 für die U-ähnliche Walze umfaßt einen Neurocomputer 380, der eine Mustererkennungsanordnung ist, und eine Fuzzy-Wechselwirkungsanordnung 381, die zum selben Zweck wie die Mustererkennungsanordnung 316 und die Steuerungsarithmetikanordnung 317 dient.
Im folgenden wird das in Fig. 50 dargestellte Ausführungsbeispiel unter Bezugnahme auf Fig. 51 beschrieben.
Ein vom Formdetektor 312 ausgegebener Ausgangssignalverlauf 390 mit überlagerten Störsignalen, wie dargestellt, wird mittels der Formerfassungsanordnung 315 in einen Signalverlauf 391 geformt. Der Signalverlauf 391 und der von der Generatoranordnung 325 für eine gewünschte Form ausgegebene Signalverlauf werden mittels der Signalverlaufs-Arithmetikanordnung 326 zu einem Ausgangssignalverlauf 393 verarbeitet. Der Neurocomputer 376 ermittelt einen der Querhandhabungsvariablen entsprechenden Signalverlauf, und die Fuzzy- Wechselwirkungsanordnung 377 bestimmt die Querhandhabungsvariable. Das Stellglied 313-2 erhält den Handhabungsbefehl. Die Signalverlaufs-Arithmetikanordnung 378 zieht vom Ausgangssignalverlauf 393 einen Ausgangssignalverlauf 394 ab, der für eine Korrektur im Stellglied 313-2 vorhergesagt werden kann, um einen Ausgangssignalverlauf 395 zu erhalten, der das Steuerungsmuster Δ&epsi; für das Stellglied 313-1 ist. Der Neurocomputer 380 ermittelt ein Gewißheitsmaß, das ein Muster 396 enthält. Die Fuzzy-Wechselwirkungsanordnung 381 kann einen Handhabungsbefehl für das Stellglied 313-1 aufweisen.
Das wie oben beschrieben aufgebaute Ausführungsbeispiel unterteilt die Funktion. Die Quersteuerung dient zum Steuern einer groben Abweichung im Signalverlauf, und die U-ähnliche Walze dient zum Steuern feiner Abweichungen im Signalverlauf. Eine derartige funktionelle Zuordnung erleichtert die Einstellung. Sie ist auch dahingehend von Vorteil, daß die Querformkorrektur mit langsamem Ansprechverhalten durch langsam ansprechende Stellglieder erfolgen kann und die Feinformkorrektur durch die schnell reagierende U-ähnliche Walze erfolgen kann.
Die vorstehend beschriebenen Ausführungsformen verwenden als Beispiel eine ZR-Walzanordnung. Die Erfindung ist für andere Walzanordnungen als eine ZR-Walzanordnung verfügbar. In Fig. 52 ist ein Beispiel dargestellt. In der Figur ist die Erfindung für eine Sechsfachwalzanordnung verwendet. Anordnungen und Teile in der Figur, die mit solchen in Fig. 41 identisch sind, sind mit denselben Zahlen wie in Fig. 41 gekennzeichnet. Die Walze der sechsfachen Walzanordnung umfaßt ein Paar Bearbeitungswalzen 403, ein Paar Zwischenwalzen 402 und ein Paar Unterstützungswalzen 401.
In der sechsfachen Walzanordnung wird die Form des zu walzenden Materials dadurch gesteuert, daß mindestens eine der Bearbeitungswalzen 403 und der Zwischenwalzen 402 verstellt wird.
Die Fig. 53(a) bis 53(c) zeigen Beispiele für die Betätigung der Walzen zur Formsteuerung.
Fig. 53(a) zeigt eine Formsteuerung, bei der Verbiegedrücke in den Pfeilrichtungen auf die Bearbeitungswalzen 403 und die Zwischenwalzen 402 ausgeübt werden, um sie zu krümmen. Die durch die Verbiegedrücke ausgeführte Formsteuerung entspricht dem Verbiegen durch die U-ähnliche Walze in einer ZR-Walzanordnung. Fig. 53(b) zeigt eine andere Formsteuerung, bei der die Zwischenwalzen 402 in den durch die Pfeile dargestellten Breitenrichtungen des Blechs verschoben werden, zusätzlich zu den Verbiegedrücken, wie sie auf die Bearbeitungswalzen und die Zwischenwalzen ausgeübt werden. Die Verschiebung der Zwischenwalzen 402 entspricht der Querverschiebung der ersten Zwischenwalzen in der ZR-Walzanordnung. Fig. 53(c) zeigt eine andere Formsteuerung, bei der die Verbiegedrücke auf die Bearbeitungswalzen 403 ausgeübt werden, um die Zwischenwalzen zu verschieben.
Fig. 54 zeigt eine vierfache Walzanordnung als anderes Beispiel für eine Walzanordnung. Bei der vierfachen Walzanordnung ist das Paar Zwischenwalzen 402 aus der in den Fig. 52 und 53 dargestellten sechsfachen Walzanordnung weggelassen. Die Formsteuerung wird dadurch vorgenommen, daß Verbiegedrücke in den durch die dargestellten Pfeile gekennzeichneten Richtungen auf die Bearbeitungswalzen 403 ausgeübt werden.
Selbstverständlich sind die Richtungen der Verbiegedrücke und der Walzenverschiebungen, wie in den Fig. 53 und 54 gezeigt, bloße Beispiele, und sie können für die erfindungsgemäße Formsteuerung geeignet bestimmt werden.
Es ist von Vorteil, daß die Formsteuerung durch die Walzenverbiegung und die Walzenverschiebungen gemäß der Erßindung wirkungsvoll ist, insbesondere bei einer genauen Annäherung der Form der Enden gewalzter Materialien. Dies war durch das herkömmliche Näherungsverfahren zur Formsteuerung schwierig.
Auch steht die erfindungsgemäße Formsteuerung für eine 12- stufige Walzanordnung, eine Walzanordnung für spezielle Form und andere, ähnliche Walzanordnungen zur Verfügung, obwohl dies nicht dargestellt ist.
Das Formsteuerungsverfahren und das System gemäß der Erfindung, wie insoweit im einzelnen beschrieben, können direkt auf andere Walzanordnungen als eine ZR-Walzanordnung angewandt werden. Die tatsächlichen Signale werden jedoch abhängig von den Walzen und anderen Teilen geändert, die für die Formsteuerung tatsächlich gehandhabt werden, wie auch abhängig von Handhabungsdetails.
Bisher erfolgte die Formsteuerung in Walzanordnungen durch das Ausüben externer Kräfte und durch eine Walzenverschiebung.
Alternativ kann dies durch ein Walzenkühlverfahren erfolgen. Bei diesem Verfahren kann das Material in solcher Weise auf eine gewünschte Form gewalzt werden, daß in Breitenrichtung des gewalzten Blechs angeordnete Düsen wahlweise Kühlmittel auf Walzen abstrahlen, die bereichsweise eine thermische Verformung aufweisen. Die Erfindung kann auch für eine derartige Walzenkühlmittel-Formsteuerung verwendet werden.
Fig. 55 zeigt einen Überblick über ein Steuerungssystem gemäß dem Walzenkühlmittelverfahren. Anordnungen und Teile in der Figur, die identisch mit solchen in Fig. 52 sind, sind mit denselben Zahlen wie in Fig. 52 gekennzeichnet. In Fig. 55 ist eine Walzenkühleinheit 490 vorhanden, um das Kühlmittel auf das Paar Bearbeitungswalzen 403 zu strahlen. Es ist zu beachten, daß bei tatsächlicher Formsteuerung das in Fig. 52 beschriebene Walzenverbiegungs- und Verschiebeverfahren zusammen mit dem Walzenkühlmittelverfahren von Fig. 55 verwendet werden kann.

D - WEITERE ANWENDUNGEN ALLGEMEINER PRINZIPIEN

In der obigen Erörterung und insbesondere bei der Erörterung der allgemeinen Prinzipien, betraf die Erörterung die Anwendung der Erfindung auf eine Walzanordnung und speziell auf eine Sendzimir-Walzanordnung. Jedoch ist die Erfindung nicht auf Walzanordnungen beschränkt.
Es wird nun auf Fig. 56 Bezug genommen, in der ein Ausführungsbeispiel der Erfindung veranschaulicht ist, das auf eine Warmwalzanordnung angewandt ist. Das Warmwalzsystem besteht aus Walzengestelltischen 501, 502, 503 und 504, elektrischen oder Öldruck-Kompressionsvorrichtungen 505, 506, 507, 508 und 509, Elektromotoren 510, 511, 512, 513 und 514, Schlingenkanälen 515, 516, 517, 518 und 519, Zugdetektoren 520, 521, 522, 523 und 524, einem Werkstück 525, einer E/A- Schnittstelle 526, einem Musterklassifizierer 527 und einer Steuerung 528. Die Walzengestelltische 502 und 503 sind unten in Fig. 25 vergrößert veranschaulicht, um ihren Aufbau detailliert zu zeigen. Der Walzengestelltisch 502 besteht aus Bearbeitungswalzen 529 und 530, Zwischenwalzen 531 und 532 sowie Unterstützungswalzen 534 und 535. Die durch die Öldruck-Kompressionsvorrichtung 507 ausgeübte Kraft wird über die Unterstützungswalzen 534 und 535, die Zwischenwalzen 531 und 532 und die Bearbeitungswalzen 529 und 530 auf das Werkstück 525 übertragen, um die Dicke desselben zu steuern. Der Schleifenkanal 517 steuert den auf das Werkstück 525 ausgeübten Druck durch Kontakt mit dem Werkstück über eine Walze und durch Einstellen des Drehwinkels des am Schleifenkanal angebrachten Elektromotors 535.
Ein Zugmeßgerät 522 steht ebenfalls in Kontakt mit dem Werkstück 525, um den auf das Werkstück 525 wirkenden Zug zu messen. An der E/A-Schnittstelle werden Werte wie das Ausgangssignal des Zugmeßgeräts, dasjenige eines an der Öldruck-Kompressionsvorrichtung befestigten Belastungs-Meßgeräts, die Drehzahl der mit den Zwischenwalzen zum Antrieb derselben verbundenen Elektromotoren 510 bis 514, die Orte der Schleifenkanäle und der Strom jedes Elektromotors eingegeben. Der Zustand des gesteuerten Systems, wie in die E/A- Schnittstelle 526 eingegeben, wird dann an den aus einem neuralen Netzwerk bestehenden Müsterklassifizierer 527 gegeben. In den Musterklassifizierer 527 wird ein Muster (eine Verteilung) verschiedener Signale eingegeben, und nachdem eine Verteilung, z. B. die aus mehreren Zugmeßgerätsignalen erstellte Zugverteilung, in eines der vorab eingespeicherten Muster klassifiziert wurde, wird als Gewißheitsmaß entnommen, wieviele Bestandteile des sich ergebenden Musters die Verteilung enthält, und dies wird an die Steuerung 528 ausgegeben. Auf die Ausgangsinformation hin führt die Steuerung den Fuzzyvorgang aus, bestimmt einen Befehl für jedes Stellglied und liefert dann die Befehle an die E/A-Schnittstelle.
Nun wird die Funktion des obigen Ausführungsbeispiels unter Bezugnahme auf Fig. 57 beschrieben. Z. B. wird ein aus den Ausganjssignalen mehrerer Zugmeßgeräte erzeugtes Zugmuster über die E/A-Schnittstelle 526 in das neurale Netzwerk eingegeben. Auf dieselbe Weise werden Muster wie Belastungsmuster, Drehzahlmuster von den Elektromotoren 510 bis 514, Temperaturmuster von an verschiedenen Stellen an den Walzengestelltischen 500 bis 504 zum Messen der Temperatur eines Werkstücks angebrachter Thermometer, Drehwinkelmuster, wie aus den Winkeln der Verdrehung der Schleifenkanäle erhalten, und Elektrostrommuster von den Elektromotoren eingegeben.
Das neurale Netzwerk 527 gibt als Gewißheits ausmaß den Anteil eines typischen, bereits gelernten Musters zu jedem Muster an die aus Inferenzmechanismen bestehende Steuerung 528 aus.
Unter Bezugnahme auf Fig. 58 wird nun die Funktion der Steuerung 528 beschrieben. Es sei angenommen, daß ein Stück Know-how der Bedienperson in der Wissensbasis wie folgt aussieht: "Wenn das Zugmuster nach rechts geneigt ist, das Lastmuster konkav ist, das Drehzahlmuster konvex ist und das Temperaturmuster scharf nach rechts geneigt ist, wird das Drehzahlmuster in ein ebenes Muster geändert, und das Kompressionsbefehlsmuster wird in ein nach rechts geneigtes Muster geändert". Dann werden vom neuralen Netzwerk 527 die folgenden Gewißheitsmaße erhalten: das Gewißheitsmaßf daß das Zugmuster nach rechts geneigt ist, daß das Lastmuster konkav ist, daß das Drehzahlmuster konvex ist und daß das Temperaturmuster stark nach rechts geneigt ist.
Ein Inferenzprozeß 535 verwendet Fuzzylogik auf Grundlage der Wissensbasis 537 und der vorstehend genannten mehreren Gewißheitsmaße zum Vornehmen des Rückschlusses, daß das Kompressionsbefehlsmuster nach rechts geneigt ist. Der Inferenzprozeß verwendet das Minimaxprinzip zum Überprüfen der Übereinstimmung des Musters mit einer Regel unter Berücksichtigung der Prämisse, und er verwendet dann beim Rückschluß einen Schwerpunkt zum Erzeugen von Befehlen für Stellglieder. Hierbei wird der Rückschluß gezogen, daß das Kompressionsbefehlsmuster nach rechts geneigt ist, so daß der Befehlsgenerator 538 das nach rechts geneigte Muster dazu verwendet, einen Kompressionsbefehl für jede Öldruck- Kompressionsvorrichtung zu erzeugen. Diese Befehle werden dann an die Öldruck-Kompressionsvorrichtungen für. Stellglieder geliefert.
Fig. 59 zeigt eine Veranschaulichung des Aufbaus des in den Fig. 56 bis 58 dargestellten Ausführungsbeispiels, das nun auf einen Heizofen angewandt ist. Die folgende Beschreibung betrifft nur den Unterschied gegenüber dem in den Fig. 56 bis 58 dargestellten Ausführungsbeispiel Dem Heizofen 542 wird durch eine Fördergeschwindigkeitssteuerung 541 ein Vorblock 540 zugeführt. Der Heizofen 542 besteht aus einer Brennstoffsteuerung 544 zum Steuern der Verbrennung von Brennern 543, einer Gebläsesteuerung 545 zum Steuern der Luftzufuhr für diese Verbrennung und einem Temperaturverteilungsdetektor 546 zum Messen der Temperaturverteilung innerhalb des Ofens. Es ist offensichtlich, daß die Eingabe der Verteilung (Muster) derartiger Faktoren wie der Temperatur und der Zuführgeschwindigkeit des Vorblockförderers in das neurale Netzwerk eine Steuerung des Heizofens auf dieselbe Weise wie eine solche des obengenannten Warmwalzsystems ermöglicht.
Nun wird ein Ausführungsbeispiel der Erfindung beschrieben, das auf einen kontinuierlichen Gießvorgang mit direktem Walzvorgang angewandt ist. Fig. 60 veranschaulicht eine Anordnung für kontinuierliches Gießen mit direktem Walzen. Von einem Konverter zugeführtes geschmolzenes Metall 550 wird durch eine Anzahl Walzen abgekühlt, um zu Stahlblechen verfestigt zu werden. Fig. 60 zeigt nur einen mit einer Walze verbundenen Elektromotor, jedoch ist tatsächlich mit jeder Walze ein Elektromotor 552 verbunden. Die Oberflächentemperatur des Metalls 550 wird, obwohl dies nicht dargestellt ist, durch eine Anzahl Temperaturdetektoren gemessen, so daß die sich ergebende Verteilung (das Muster) der Oberflächentemperatur des Metalls 550 an die E/A-Schnittstelle gehefert und in diese eingegeben werden kann. Ein Elektromagnetmischer 553 dient zum Vermischen des geschmolzenen Metalls mittels elektromagnetischer Kräfte, um dem gesamten Produkt dieselbe Qualität zu verleihen. Bei diesem Ausführungsbeispiel werden die Temperaturmuster und die Drehzahlmuster mehrerer Walzen 551 erfaßt und gesteuert. Um Muster zu erfassen und eine Steuerung auszuführen, wird hier dasselbe Verfahren wie beim Warmwalzen verwendet.
Die Erfindung kann auch durch ein System verkörpert werden, wie es in einer Herstellinie mit einer Einrichtung wie einem Hochofen und einem Plattierbad verwendet wird.
Es sei auch darauf hingewiesen, daß oben erörterten Gesichtspunkte der Erfindung gemäß der Sollpunktsteuerung, des Maschinenlernvorgangs und der seriellen Steuerung auf die weiteren, obenbeschriebenen Anwendungen der Erfindung angewandt werden können.

Claims

1. System mit einer gesteuerten Anlage und einer Steuerungsvorrichtung (4) zum Steuern der gesteuerten Anlage; (i) wobei die gesteuerte Anlage folgendes aufweist:

- mindestens eine Vorrichtung (1) mit variablem Betrieb, eine Betätigungseinrichtung (2) zum Betätigen der mindestens einen Vorrichtung mit variablem Betrieb und eine Detektoreinrichtung (3) zum Erfassen des Betriebs der mindestens einen Vorrichtung (1) mit variablem Betrieb und zum Erzeugen eines diesen Betrieb repräsentierenden Statussignals; (ii) wobei die Steuerungsvorrichtung (4) folgendes aufweist:

- eine Einrichtung zum Abspeichern eines voreingestellten Betriebsmusters für die mindestens eine Vorrichtung mit variablem Betrieb und zum Erzeugen eines voreingestellten Befehlssignals und eines voreingestellten Zustandssignals, und eine Rückkopplungseinrichtung zum Erfassen der Differenz zwischen dem voreingestellten Zustandssignal und dem Zustandssignal und zum Erzeugen eines Rückkopplungssignals zum Modifizieren des voreingestellten Befehlssignals zum Erzeugen eines Befehlssignals zum Steuern der Betätigungseinrichtung;

dadurch gekennzeichnet, daß

- die Steuerungsvorrichtung eine Analysiereinrichtung (5) aufweist, die zu folgendem dient:

(i) Ermitteln der Beziehung zwischen mindestens einem Befehlssignal und dem Rückkopplungssignal und mindestens einem Zustandssignal und der Differenz zwischen dem Zustandssignal und dem voreingestellten Zustandssignal, wenn das Rückkopplungssignal eine vorgegebene Grenze überschreitet;

(ii) Erzeugen eines Kompensationssignals auf Grundlage der Beziehung und

(iii) weiteres Modifizieren des voreingestellten Befehlssignais auf Grundlage des Kompensationssignals.

2. System nach Anspruch 1, ferner mit einer Einrichtung zum Erfassen, wann das Rückkopplungssignal eine vorgegebene Grenze überschreitet, wobei die Analysiereinrichtung so ausgebildet ist, daß sie die Beziehung ermittelt, wenn das Rückkopplungssignal die vorgegebene Grenze überschreitet.

3. System nach Anspruch 1 oder Anspruch 2, bei dem die Analysiereinrichtung so ausgebildet ist, daß sie mehrere Kompensationssignale erzeugt, und die zweite Einrichtung ein Fuzzylogiksystem zum selektiven Kombinieren mindestens einiger der mehreren Kompensationssignale ist, und das System ferner so ausgebildet ist, daß es das voreingestellte Befehlssignal als Grundlage der Kombination der Kompensationssignale durch die zweite Einrichtung modifiziert.

4. System nach einem der Ansprüche 1 bis 3, bei dem die Analysiereinrichtung so ausgebildet ist, daß sie mehrere der Kompensationssignale erzeugt, mit einem Fuzzylogiksystem zum selektiven Kombinieren mindestens einiger der mehreren Kompensationssignale, und sie so ausgebildet ist, daß sie das weitere Modifizieren des voreingestellten Befehlssignals auf Grundlage der Kombination der Kompensationssignale durch das Fuzzylogiksystem ausführt.

5. System nach einem der vorstehenden Ansprüche, bei dem die erste Einrichtung so ausgebildet ist, daß sie mehrere der voreingestellten Betriebsmuster abspeichert und die zweite Einrichtung ein "Fuzzylogik" system zum selektiven Kombinieren mindestens einiger der voreingestellten Betriebsmuster ist, um das Befehlssignal zu erzeugen.

6. System nach Anspruch 5, bei dem die Analysiereinrichtung so ausgebildet ist, daß sie mehrere der Kompensationssignale erzeugt, und die zweite Einrichtung so ausgebildet ist, daß sie die mehreren Kompensationssignale kombiniert, um dadurch die voreingestellten Befehlssignale weiter zu modifizieren.

7. Steuerungsvorrichtung nach Anspruch 1, bei der die Analysiereinrichtung eine Einrichtung zum Ermitteln der Beziehung mehrerer Konfigurationsdaten zum voreingestellten Befehlssignal und zum voreingestellten Statussignal und eine Einrichtung zum Erzeugen des voreingestellten Befehlssignals und des voreingestellten Statussignals auf Grundlage der Konfigurationsdaten, wie sie eingegeben werden, wenn die gesteuerte Anlage gesteuert wird, aufweist.

8. Steuerungsvorrichtung nach einem der vorstehenden Ansprüche, ferner mit einer Bedienerkonsole (211) zum Modifizieren des Befehlssignals zum Steuern der Betätigungseinrichtung von außen.

9. Steuerungsvorrichtung nach Anspruch 8, bei der die Analysiereinrichtung eine Einrichtung zum Ermitteln einer Beziehung zum Befehissignal, zum Rückkopplungssignal, zum voreingestellten Befehlssignal und zum voreingestellten Statussignal, wie von außen modifiziert, wenn eine vorgegebene Zeit nach einer Eingabe von außen verstrichen ist, und eine Einrichtung zum Erzeugen eines Kompensationssignals auf Grundlage der Beziehung sowie eine Einrichtung zum Modifizieren des voreingestellten Statussignals und/oder des voreingestellten Befehlssignals auf Grundlage des Kompensationssignals aufweist.

10. Steuerungsvorrichtung nach Anspruch 7, bei der die Analysiereinrichtung ferner eine Einrichtung zum Ermitteln einer Beziehung zum Befehissignal, zum Rückkopplungssignal, zum voreingestellten Befehissignal und zum voreingestellten Statussignal, wie auf Grundlage eines Signals von der Bedienperson von außen her modifiziert, und eine Einrichtung zum Erzeugen eines Kompensationssignals auf Grundlage der Beziehung sowie eine Einrichtung zum Modifizieren des voreingestellten Statussignals und/oder des voreingestellten Befehlssignals auf Grundlage des Kompensationssignals aufweist.

11. System mit einer gesteuerten Anlage und einer Steuerungsvorrichtung (4) zum Steuern der gesteuerten Anlage;

(i) wobei die gesteuerte Anlage folgendes aufweist:

- mindestens eine Vorrichtung (1) mit variablem Betrieb, eine Betätigungseinrichtung (2) zum Betätigen der mindestens einen Vorrichtung mit variablem Betrieb und eine Detektoreinrichtung (3) zum Erfassen des Betriebs der mindestens einen Vorrichtung (1) mit variablem Betrieb und zum Erzeugen eines diesen Betrieb repräsentierenden Statussignals;

(ii) wobei die Steuerungsvorrichtung (4) folgendes aufweist:

dadurch gekennzeichnet, daß

- die Steuerungsvorrichtung eine Analysiereinrichtung zum Analysieren des Rückkopplungssignals zum Erzeugen eines Auswertungssignals und zum Modifizieren des voreingestellten Befehlssignals und/oder des voreingestellten Statussignals auf Grundlage des Auswertungssignals aufweist.

12. System nach Anspruch 11, bei dem die Analysiereinrichtung so ausgebildet ist, daß sie das Signal erzeugt, wenn das Rückkopplungssignal eine vorgegebene Grenze überschreitet.