JP2004514998A - 産業プロセスのプロセスシステム量計算方法および装置 - Google Patents
産業プロセスのプロセスシステム量計算方法および装置 Download PDFInfo
- Publication number
- JP2004514998A JP2004514998A JP2002546924A JP2002546924A JP2004514998A JP 2004514998 A JP2004514998 A JP 2004514998A JP 2002546924 A JP2002546924 A JP 2002546924A JP 2002546924 A JP2002546924 A JP 2002546924A JP 2004514998 A JP2004514998 A JP 2004514998A
- Authority
- JP
- Japan
- Prior art keywords
- empirical
- model
- core model
- quantities
- partial inverse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 11
- 239000002994 raw material Substances 0.000 claims abstract description 4
- 230000006978 adaptation Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000005096 rolling process Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32017—Adapt real process as function of changing simulation model, changing for better results
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42136—Fuzzy feedback adapts parameters model
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Feedback Control In General (AREA)
- General Factory Administration (AREA)
Abstract
本発明は産業プロセス、特に原料産業のプラント、のプロセスシステム量を計算するための方法及び装置に関する。少なくとも１つの経験的なモデルとコアモデルとからなる方法は、コアモデルに対してパーシャルインバースに構成されたモデルにより追加計算され、最適化される。経験的なモデルの最適化は、適応アルゴリズム又はトレーニングアルゴリズムにより行われ、このアルゴリズムは既知のプロセスパラメータの他に主たる入力量としてパーシャルインバースなコアモデルにより計算された経験的な量を有する。
Description
【０００１】
本発明はプロセス量を計算するための方法および装置に関する。
【０００２】
たとえば製鋼工場のような、特に原料産業のプラントにおける、産業プロセスの調節または制御の際には、プロセス量または状態を予測的に求めることが必要である。なぜならば、それらはそれらが調節または制御に使用される時点で自由にならないからである。さらに、これらのプロセス量または状態の計算をオンラインで、すなわち製造進行中に、最適化することが望ましい。
【０００３】
プロセス量をモデルの助けをかりて求めることは一般に行われている。各々のプロセス進行の開始前に既知のプロセスパラメータに関係して、必要とされる未知のプロセス量が予測計算され、それらによりシステムの予設定が行われる。プロセス進行中に、使用されるモデルは測定されたプロセス量を用いて最適化される。
【０００４】
産業プロセスのプロセス自動化に使用される適応モデルはしばしば物理的なコアモデルから成っている。このコアモデルは、数学的−物理的に今日の知識により十分に正確に記述され得る関係を記述する（独国特許出願公開第４３ ３８ ５０８ Ａ１号明細書）。まだ十分に正確な数学的−物理的な理論が存在していないプロセス量は今日では経験的なモデルを用いて決定される。これらの経験的なモデルは手作業でたとえば産業プロセスプラントの始動中に設定されるか、もしくは測定されたプロセス量と計算されたプロセス量との間の直接的な比較から適応させられる。
【０００５】
本発明の課題は、経験的なモデルの迅速かつ効率的な適応を実行することが可能な方法または装置を提案することである。
【０００６】
この課題は、本発明によれば、請求項１による方法により解決される。この方法の有利な構成はその他の請求項に示されている。
【０００７】
請求項１による本発明による方法は、コアモデルならびに１つまたは複数の経験的なモデルを含んでおり、その際にいわゆる“パーシャルインバースなコアモデル”により経験的なモデルが適応させられる。経験的なモデルにおいて、まだ十分に正確な数学的−物理的な理論が知られていないプロセス量が計算される。経験的なモデルと対照的に、物理的なコアモデルにおいては、今日の知識に従って数学的−物理的な関係が十分に正確に知られているプロセス量のみが計算される。出力量が経験的な量と呼ばれるべき経験的なモデルの入力量は、既知のプロセスパラメータである。経験的な量および既知のプロセスパラメータは入力量としてコアモデルに入る。コアモデルの出力量では測定可能なプロセス量とその他のプロセス量との間の区別がされる。コアモデルに対してパーシャルインバースに構成されたモデル（単に“パーシャルインバースなコアモデル”という）は入力量として測定可能なプロセス量の適切な選択、ならびにコアモデルに入るすべての既知のパラメータを有する。パーシャルインバースなコアモデルの出力量は既に上にあげた経験的な量である。
【０００８】
本発明の有利な構成によれば、コアモデルおよびインバースなコアモデルは互いに数値的な丸め誤差を除いて両立可能であり、両モデルは計算時間からしてオンライン能力がある。測定可能なプロセス量の各測定されたデータセットに対してパーシャルインバースなコアモデルを使用して正確に（選択された測定可能なプロセス量の測定精度を除いて）コアモデルのモデル予測が選択された測定値とできるだけよく一致するために、どの値を経験的な量が測定時点に持つべきかを決定することができる。測定時点での経験的な量のこの知識により経験的なモデルが適応させられ得る。
【０００９】
本発明の別の有利な構成は、例えば勾配下降法によるような適応アルゴリズム又はトレーニングアルゴリズムを介して、求められた偏差が減少する方向にプロセス量の適合が行われることにある。
【００１０】
請求項５による本発明による装置は、経験的な量とも呼ばれる未知のプロセスパラメータを既知のプロセスパラメータに関係して少なくとも１つの経験的なモデルにおいて計算するため、またプロセス量を既知のプロセスパラメータおよび経験的な量に関係してコアモデルにおいて計算するための産業プロセスの計算システムを含んでおり、その際に経験的なモデルはコアモデルに対してパーシャルインバースなコアモデルを用いて適応させられる。
【００１１】
本発明ならびに他の利点および詳細は以下に図面に概要を示されている実施例を手がかりにして一層詳細に説明される。個々の図面は経験的なモデル、コアモデルおよびパーシャルインバースなコアモデルの本発明による構成に対する例を示す。
【００１２】
実施例は産業プロセスのプロセス量１２を計算するための本発明による方法を示す。示されているプロセスモデルはたとえば５スタンドの冷間圧延ライン（タンデムライン）のすべての圧延スタンドに対する圧延力、圧延モーメント、圧延パワーおよびリードの計算のために利用される。各経験的なモデル３、５は未知のプロセスパラメータ６、７をモデル化する。５スタンドのタンデムラインにおける未知のプロセスパラメータ６、７は圧延スタンドごとのロール帯と作業ロールとの間の摩擦値である、すなわち５つの経験的な摩擦値モデルが存在する。さらに、５つのサポート点を有するピースごとの線形関数により表されている降伏強さ曲線に対する経験的なモデル３、５が存在する。全体として、図示されている実施例では６つの経験的なモデル３、５（記号的に＃１…＃ｎにより表されている）が存在する。経験的な量とも呼ばれる未知のプロセスパラメータ６、７をモデル化するために、たとえばニューラルネットが使用される。これらの経験的なモデルの入力量は既知のプロセスパラメータ１である。すべての経験的な量８の和ならびに既知のプロセスパラメータ１はコアモデルに対する入力量として用いられ、そのコアモデルにおいては、例えばすべての５つの圧延スタンドの圧延力、圧延モーメント、圧延パワーおよびリードのようなプロセス量１２が計算される。計算されたプロセス量１２において（選択された）測定可能なプロセス量１０とその他のプロセス量１１との間の区別がされる。選択された測定可能なプロセス量１０とは、圧延スタンドごとの圧延力ならびにリードとして理解すべきである。圧延モーメントおよび圧延パワーはその他のプロセス量１１に属する。既知のプロセスパラメータ１に対する例は、最初のスタンドの前の帯厚み、スタンドあたりの減少、最初のスタンドおよび最後のスタンドの前の帯張力、ならびにスタンドの間の帯張力、作業ローラーの半径、最後のスタンドの後の帯速度などとして理解すべきである。圧延品の化学的組成、経験的なモデル３、５（すなわち降伏強さモデル）の入力量であるがコアモデル９の入力量ではない入力量のような既知のプロセスパラメータ１も存在する。パーシャルインバースなコアモデル１４に対する入力量としては、コアモデル９の入力量でもある既知のプロセスパラメータ１及び測定されたプロセス量１３が用いられる。パーシャルインバースなコアモデルの出力量１５は既に上述の経験的な量であるが、測定されたプロセス量１３に関係して計算される上述の経験的な量である。重要なことは、コアモデル９およびパーシャルインバースなコアモデル１４が互いに数値的な丸め誤差を除いて両立可能であり、また両モデルは計算時間からしてオンライン能力があることである。測定可能なプロセス量１３の各測定されたセットに対してパーシャルインバースなコアモデル１４を用いて、コアモデルにより計算された（選択された）測定可能なプロセス量１０が実際に測定されたプロセス量１３とできるだけよく合致するために、どの値を経験的な量１５が測定時点で有していなければならなかったかが、正確に決定され得る。計算された経験的な量１５により経験的なモデル３、５が適応または最適化させられ得る。経験的なモデル３、５の適応または最適化は、適応またはトレーニングアルゴリズム２、４を介して行われる。適応またはトレーニングアルゴリズム２、４は、入力量として計算された経験的な量１６、１７ならびに既知のプロセスパラメータ１を有する。ニューラルネットの形態で実現された経験的なモデル３、５に属する適応またはトレーニングアルゴリズム２、４は勾配下降法に基づいている、すなわち偏差に関係してニューラルネットに含まれているモデルパラメータが、求められた偏差を減ずるように適応させられる。こうして適応させられたモデルパラメータはすぐ次のプロセス進行の開始時に経験的な量６、７を計算するために利用される。
【図面の簡単な説明】
【図１】
図は経験的なモデル、コアモデルおよびパーシャルインバースなコアモデルの本発明による実施例に対する例を示す。
【符号の説明】
１ プロセスパラメータ
２ 適応又はトレーニングアルゴリズム
３ 経験的なアルゴリズム
４ 適応又はトレーニングアルゴリズム
５ 経験的なアルゴリズム
６ プロセスパラメータ
７ プロセスパラメータ
８ 経験的な量
９ コアモデル
１０ プロセス量
１１ プロセス量
１２ プロセス量
１３ プロセス量
１４ パーシャルインバースなコアモデル
１５ 経験的な量
１６ 経験的な量
１７ 経験的な量
本発明はプロセス量を計算するための方法および装置に関する。
【０００２】
たとえば製鋼工場のような、特に原料産業のプラントにおける、産業プロセスの調節または制御の際には、プロセス量または状態を予測的に求めることが必要である。なぜならば、それらはそれらが調節または制御に使用される時点で自由にならないからである。さらに、これらのプロセス量または状態の計算をオンラインで、すなわち製造進行中に、最適化することが望ましい。
【０００３】
プロセス量をモデルの助けをかりて求めることは一般に行われている。各々のプロセス進行の開始前に既知のプロセスパラメータに関係して、必要とされる未知のプロセス量が予測計算され、それらによりシステムの予設定が行われる。プロセス進行中に、使用されるモデルは測定されたプロセス量を用いて最適化される。
【０００４】
産業プロセスのプロセス自動化に使用される適応モデルはしばしば物理的なコアモデルから成っている。このコアモデルは、数学的−物理的に今日の知識により十分に正確に記述され得る関係を記述する（独国特許出願公開第４３ ３８ ５０８ Ａ１号明細書）。まだ十分に正確な数学的−物理的な理論が存在していないプロセス量は今日では経験的なモデルを用いて決定される。これらの経験的なモデルは手作業でたとえば産業プロセスプラントの始動中に設定されるか、もしくは測定されたプロセス量と計算されたプロセス量との間の直接的な比較から適応させられる。
【０００５】
本発明の課題は、経験的なモデルの迅速かつ効率的な適応を実行することが可能な方法または装置を提案することである。
【０００６】
この課題は、本発明によれば、請求項１による方法により解決される。この方法の有利な構成はその他の請求項に示されている。
【０００７】
請求項１による本発明による方法は、コアモデルならびに１つまたは複数の経験的なモデルを含んでおり、その際にいわゆる“パーシャルインバースなコアモデル”により経験的なモデルが適応させられる。経験的なモデルにおいて、まだ十分に正確な数学的−物理的な理論が知られていないプロセス量が計算される。経験的なモデルと対照的に、物理的なコアモデルにおいては、今日の知識に従って数学的−物理的な関係が十分に正確に知られているプロセス量のみが計算される。出力量が経験的な量と呼ばれるべき経験的なモデルの入力量は、既知のプロセスパラメータである。経験的な量および既知のプロセスパラメータは入力量としてコアモデルに入る。コアモデルの出力量では測定可能なプロセス量とその他のプロセス量との間の区別がされる。コアモデルに対してパーシャルインバースに構成されたモデル（単に“パーシャルインバースなコアモデル”という）は入力量として測定可能なプロセス量の適切な選択、ならびにコアモデルに入るすべての既知のパラメータを有する。パーシャルインバースなコアモデルの出力量は既に上にあげた経験的な量である。
【０００８】
本発明の有利な構成によれば、コアモデルおよびインバースなコアモデルは互いに数値的な丸め誤差を除いて両立可能であり、両モデルは計算時間からしてオンライン能力がある。測定可能なプロセス量の各測定されたデータセットに対してパーシャルインバースなコアモデルを使用して正確に（選択された測定可能なプロセス量の測定精度を除いて）コアモデルのモデル予測が選択された測定値とできるだけよく一致するために、どの値を経験的な量が測定時点に持つべきかを決定することができる。測定時点での経験的な量のこの知識により経験的なモデルが適応させられ得る。
【０００９】
本発明の別の有利な構成は、例えば勾配下降法によるような適応アルゴリズム又はトレーニングアルゴリズムを介して、求められた偏差が減少する方向にプロセス量の適合が行われることにある。
【００１０】
請求項５による本発明による装置は、経験的な量とも呼ばれる未知のプロセスパラメータを既知のプロセスパラメータに関係して少なくとも１つの経験的なモデルにおいて計算するため、またプロセス量を既知のプロセスパラメータおよび経験的な量に関係してコアモデルにおいて計算するための産業プロセスの計算システムを含んでおり、その際に経験的なモデルはコアモデルに対してパーシャルインバースなコアモデルを用いて適応させられる。
【００１１】
本発明ならびに他の利点および詳細は以下に図面に概要を示されている実施例を手がかりにして一層詳細に説明される。個々の図面は経験的なモデル、コアモデルおよびパーシャルインバースなコアモデルの本発明による構成に対する例を示す。
【００１２】
実施例は産業プロセスのプロセス量１２を計算するための本発明による方法を示す。示されているプロセスモデルはたとえば５スタンドの冷間圧延ライン（タンデムライン）のすべての圧延スタンドに対する圧延力、圧延モーメント、圧延パワーおよびリードの計算のために利用される。各経験的なモデル３、５は未知のプロセスパラメータ６、７をモデル化する。５スタンドのタンデムラインにおける未知のプロセスパラメータ６、７は圧延スタンドごとのロール帯と作業ロールとの間の摩擦値である、すなわち５つの経験的な摩擦値モデルが存在する。さらに、５つのサポート点を有するピースごとの線形関数により表されている降伏強さ曲線に対する経験的なモデル３、５が存在する。全体として、図示されている実施例では６つの経験的なモデル３、５（記号的に＃１…＃ｎにより表されている）が存在する。経験的な量とも呼ばれる未知のプロセスパラメータ６、７をモデル化するために、たとえばニューラルネットが使用される。これらの経験的なモデルの入力量は既知のプロセスパラメータ１である。すべての経験的な量８の和ならびに既知のプロセスパラメータ１はコアモデルに対する入力量として用いられ、そのコアモデルにおいては、例えばすべての５つの圧延スタンドの圧延力、圧延モーメント、圧延パワーおよびリードのようなプロセス量１２が計算される。計算されたプロセス量１２において（選択された）測定可能なプロセス量１０とその他のプロセス量１１との間の区別がされる。選択された測定可能なプロセス量１０とは、圧延スタンドごとの圧延力ならびにリードとして理解すべきである。圧延モーメントおよび圧延パワーはその他のプロセス量１１に属する。既知のプロセスパラメータ１に対する例は、最初のスタンドの前の帯厚み、スタンドあたりの減少、最初のスタンドおよび最後のスタンドの前の帯張力、ならびにスタンドの間の帯張力、作業ローラーの半径、最後のスタンドの後の帯速度などとして理解すべきである。圧延品の化学的組成、経験的なモデル３、５（すなわち降伏強さモデル）の入力量であるがコアモデル９の入力量ではない入力量のような既知のプロセスパラメータ１も存在する。パーシャルインバースなコアモデル１４に対する入力量としては、コアモデル９の入力量でもある既知のプロセスパラメータ１及び測定されたプロセス量１３が用いられる。パーシャルインバースなコアモデルの出力量１５は既に上述の経験的な量であるが、測定されたプロセス量１３に関係して計算される上述の経験的な量である。重要なことは、コアモデル９およびパーシャルインバースなコアモデル１４が互いに数値的な丸め誤差を除いて両立可能であり、また両モデルは計算時間からしてオンライン能力があることである。測定可能なプロセス量１３の各測定されたセットに対してパーシャルインバースなコアモデル１４を用いて、コアモデルにより計算された（選択された）測定可能なプロセス量１０が実際に測定されたプロセス量１３とできるだけよく合致するために、どの値を経験的な量１５が測定時点で有していなければならなかったかが、正確に決定され得る。計算された経験的な量１５により経験的なモデル３、５が適応または最適化させられ得る。経験的なモデル３、５の適応または最適化は、適応またはトレーニングアルゴリズム２、４を介して行われる。適応またはトレーニングアルゴリズム２、４は、入力量として計算された経験的な量１６、１７ならびに既知のプロセスパラメータ１を有する。ニューラルネットの形態で実現された経験的なモデル３、５に属する適応またはトレーニングアルゴリズム２、４は勾配下降法に基づいている、すなわち偏差に関係してニューラルネットに含まれているモデルパラメータが、求められた偏差を減ずるように適応させられる。こうして適応させられたモデルパラメータはすぐ次のプロセス進行の開始時に経験的な量６、７を計算するために利用される。
【図面の簡単な説明】
【図１】
図は経験的なモデル、コアモデルおよびパーシャルインバースなコアモデルの本発明による実施例に対する例を示す。
【符号の説明】
１ プロセスパラメータ
２ 適応又はトレーニングアルゴリズム
３ 経験的なアルゴリズム
４ 適応又はトレーニングアルゴリズム
５ 経験的なアルゴリズム
６ プロセスパラメータ
７ プロセスパラメータ
８ 経験的な量
９ コアモデル
１０ プロセス量
１１ プロセス量
１２ プロセス量
１３ プロセス量
１４ パーシャルインバースなコアモデル
１５ 経験的な量
１６ 経験的な量
１７ 経験的な量
Claims (5)
- 産業プロセス、特に原料産業のプラント、のプロセスシステム量を計算するための方法において、経験的な量とも呼ばれる未知のプロセスパラメータが既知のプロセスパラメータから少なくとも１つの経験的なモデルにおいて求められ、プロセス量が既知のプロセスパラメータおよび経験的な量に関係してコアモデルにおいて決定され、その際に経験的なモデルがコアモデルに対してパーシャルインバースなコアモデルを用いて適応させられることを特徴とする産業プロセスのプロセスシステム量計算方法。
- パーシャルインバースなコアモデルがコアモデルに対して両立可能に構成されていることを特徴とする請求項１記載の方法。
- パーシャルインバースなコアモデルが既知のプロセスパラメータおよび測定されたプロセス量に関係して、測定時点で存在する経験的な量を決定することを特徴とする請求項２記載の方法。
- 少なくとも１つの経験的なモデルが適応アルゴリズム又はトレーニングアルゴリズムを介してパーシャルインバースなコアモデルにより計算された、測定時点で存在する経験的な量を用いて適応させられることを特徴とする請求項３記載の方法。
- 産業プロセス、特に原料産業のプラント、のプロセスシステム量を計算するための装置において、計算システムにより、経験的な量とも呼ばれる未知のプロセスパラメータの計算が既知のプロセスパラメータに関係して少なくとも１つの経験的なモデルにおいて実行され、プロセス量が既知のプロセスパラメータおよび経験的な量に関係してコアモデルにおいて決定され、その際に経験的なモデルがコアモデルに対してパーシャルインバースなコアモデルを用いて適応させられることを特徴とする産業プロセスのプロセスシステム量計算装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE10059567A DE10059567A1 (de) | 2000-11-30 | 2000-11-30 | Verfahren und Vorrichtung zur Berechnung von Prozessgrößen eines industriellen Prozesses |
| PCT/DE2001/004467 WO2002044822A1 (de) | 2000-11-30 | 2001-11-28 | Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004514998A true JP2004514998A (ja) | 2004-05-20 |
Family
ID=7665306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002546924A Pending JP2004514998A (ja) | 2000-11-30 | 2001-11-28 | 産業プロセスのプロセスシステム量計算方法および装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20030208287A1 (ja) |
| EP (1) | EP1342138A1 (ja) |
| JP (1) | JP2004514998A (ja) |
| DE (1) | DE10059567A1 (ja) |
| WO (1) | WO2002044822A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004011236A1 (de) * | 2004-03-04 | 2005-09-29 | Bayerische Motoren Werke Ag | Prozesssteuersystem |
| WO2016012971A1 (fr) * | 2014-07-25 | 2016-01-28 | Suez Environnement | Procede de detection d'anomalies dans un reseau de distribution, en particulier distribution d'eau |
| FR3024254B1 (fr) * | 2014-07-25 | 2018-08-03 | Suez Environnement | Procede de detection d'anomalies dans un reseau de distribution, en particulier distribution d'eau |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04149663A (ja) * | 1990-10-09 | 1992-05-22 | Fujitsu Ltd | 逆モデル生成方法および該方法による制御システム |
| DE4130164A1 (de) * | 1991-09-11 | 1993-03-18 | Bodenseewerk Geraetetech | Regler, insbesondere flugregler |
| AU6358394A (en) * | 1993-03-02 | 1994-09-26 | Pavilion Technologies, Inc. | Method and apparatus for analyzing a neural network within desired operating parameter constraints |
| DE4316533C2 (de) * | 1993-05-18 | 1997-09-18 | Bodenseewerk Geraetetech | Neuronales Netz für dynamische Prozesse |
| DE4338608B4 (de) * | 1993-11-11 | 2005-10-06 | Siemens Ag | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
| JPH08115103A (ja) * | 1994-10-18 | 1996-05-07 | Meidensha Corp | 制御系の制御方式 |
| DE19545262B4 (de) * | 1995-11-25 | 2004-08-05 | Alstom Power Conversion Gmbh | Einrichtung zum Betrieb einer mehrgerüstigen Walzstraße |
| US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
| US5933345A (en) * | 1996-05-06 | 1999-08-03 | Pavilion Technologies, Inc. | Method and apparatus for dynamic and steady state modeling over a desired path between two end points |
| DE19641432C2 (de) * | 1996-10-08 | 2000-01-05 | Siemens Ag | Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses |
| DE19642918C2 (de) * | 1996-10-17 | 2003-04-24 | Siemens Ag | System zur Berechnung des Enddickenprofils eines Walzbandes |
| DE19756877A1 (de) * | 1997-12-19 | 1999-07-01 | Siemens Ag | Verfahren und Einrichtung zum Beschichten eines Metallbandes |
-
2000
- 2000-11-30 DE DE10059567A patent/DE10059567A1/de not_active Ceased
-
2001
- 2001-11-28 JP JP2002546924A patent/JP2004514998A/ja active Pending
- 2001-11-28 EP EP01995542A patent/EP1342138A1/de not_active Withdrawn
- 2001-11-28 WO PCT/DE2001/004467 patent/WO2002044822A1/de active Application Filing
-
2003
- 2003-05-30 US US10/449,625 patent/US20030208287A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| DE10059567A1 (de) | 2002-06-13 |
| EP1342138A1 (de) | 2003-09-10 |
| WO2002044822A1 (de) | 2002-06-06 |
| US20030208287A1 (en) | 2003-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100493748C (zh) | 利用前滑自适应动态修正带钢厚度偏差的控制方法 | |
| EP1485216B1 (de) | Rechnergestütztes ermittlungsverfahren für sollwerte für profil- und planheitsstellglieder | |
| US20090326700A1 (en) | Method for monitoring the physical state of a hot-rolled sheet or hot-rolled strip while controlling a plate rolling train for working a hot-rolled sheet or hot-rolled strip | |
| JPH07191713A (ja) | 調節されるシステム内のプロセスに指令を与えるための方法および装置 | |
| KR101782281B1 (ko) | 압연 라인의 에너지 소비량 예측 장치 | |
| RU2768986C1 (ru) | Способ определения установочных условий для производственного объекта, способ определения значения настройки для прокатного стана, устройство определения значения настройки для прокатного стана, способ производства продукции и способ производства рулонного материала | |
| JP3223856B2 (ja) | 圧延機の制御方法及び圧延機の制御装置 | |
| CN102654749A (zh) | 学习系数控制装置 | |
| CN100534656C (zh) | 张减机钢管增厚端控制方法 | |
| US5778151A (en) | Method and control device for controlling a material-processing process | |
| CN109926452B (zh) | 应用于轧钢的过程控制方法、过程控制装置及终端 | |
| JPH07191711A (ja) | 調節されるシステム内のプロセスに指令を与えるための方法および装置 | |
| CN101934288B (zh) | 冷连轧压下分配方法 | |
| CN104338753A (zh) | 一种冷连轧机的动态变规格控制方法 | |
| CN102380515B (zh) | 同步传输模型及其方法 | |
| US4506532A (en) | Method for controlling continuous rolling mill and control apparatus therefor | |
| JP2004514998A (ja) | 産業プロセスのプロセスシステム量計算方法および装置 | |
| JP2011088173A (ja) | 冷間圧延機の張力制御装置及び張力制御方法 | |
| CN116441324A (zh) | 一种板形控制系统 | |
| CN108453137B (zh) | 轧机的控制装置和控制方法及计算机可读取的存储介质 | |
| US4616494A (en) | Method of and apparatus for controlling load distribution for a continuous rolling mill | |
| CN100512988C (zh) | 轧制控制方法和轧制控制装置 | |
| KR100531145B1 (ko) | 열간 압연에서의 판폭 제어 방법 | |
| JP2022508735A (ja) | 金属ワークピースの製造方法 | |
| CN110842024A (zh) | 一种剪切带钢的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041021 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070607 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070906 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090623 |