JP2021035693A - 鋼板温度予測装置および鋼板温度予測方法、ならびに、学習装置および学習方法 - Google Patents
鋼板温度予測装置および鋼板温度予測方法、ならびに、学習装置および学習方法 Download PDFInfo
- Publication number
- JP2021035693A JP2021035693A JP2020126763A JP2020126763A JP2021035693A JP 2021035693 A JP2021035693 A JP 2021035693A JP 2020126763 A JP2020126763 A JP 2020126763A JP 2020126763 A JP2020126763 A JP 2020126763A JP 2021035693 A JP2021035693 A JP 2021035693A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- cooling
- steel plate
- sections
- prediction model
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 360
- 239000010959 steel Substances 0.000 title claims abstract description 360
- 238000000034 method Methods 0.000 title claims description 59
- 238000001816 cooling Methods 0.000 claims abstract description 319
- 238000013135 deep learning Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims description 129
- 238000003860 storage Methods 0.000 claims description 31
- 238000005098 hot rolling Methods 0.000 claims description 23
- 239000000498 cooling water Substances 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 51
- 238000012545 processing Methods 0.000 description 24
- 238000012937 correction Methods 0.000 description 23
- 238000010801 machine learning Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 7
- 238000013213 extrapolation Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 2
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Landscapes
- Control Of Metal Rolling (AREA)
- Control Of Heat Treatment Processes (AREA)
Abstract
Description
図1は、実施形態における熱間圧延後の鋼板Wに対する冷却プロセスを示す模式図である。鋼板Wは、薄鋼板である。薄鋼板のサイズは、例えば、長さ100〜1000m、幅600〜1800mm、厚さ1〜20mm)である。
(第2実施形態)
第1実施形態では、出側の温度または途中箇所の温度を予測する1個の温度予測モデルが用いられたが、第2実施形態では、概算の温度を予測する概算温度予測モデルと、温度の真値(実際には実測値または物理モデルの計算値)と前記概算温度予測モデルで予測した概算の温度との誤差(誤差温度、第2誤差)を予測する誤差温度予測モデルとの2個のモデルが用いられる。第1実施形態の温度予測モデルで予測した予測温度は、第2実施形態では、前記概算温度予測モデルで予測した概算の温度と、前記誤差温度予測モデルで予測した誤差温度との和が対応する。
11、11a 第1記憶部
12 第2記憶部
13、13a 学習フェーズ実行部
14、14a 予測フェーズ実行部
51 圧延機
52 冷却設備
53、53a、53b、53c 温度計
521 セクション
522 入側
523 出側
524 中間箇所
61 温度予測モデル
61A 概算温度予測モデル
61B 誤差温度予測モデル
611 第1入力ユニット
611A 第2入力ユニット
611B 第3入力ユニット
612 第1出力ユニット
612A 第2出力ユニット
612B 第3出力ユニット
100、100a 鋼板温度予測装置
W 鋼板
D 搬送方向
Claims (12)
- 熱間圧延後の鋼板を複数のセクションを順番に通過させて冷却する冷却設備の制御に用いられる鋼板温度予測装置であって、
複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第1入力ユニットを含む第1入力層と、第1中間層と、前記鋼板の温度の予測値を出力する第1出力ユニットを含む第1出力層と、を備える、ディープラーニングの温度予測モデルを記憶する第1記憶部と、
前記鋼板が未通過の前記セクションに対する前記冷却パラメータとして、予め定められた値を記憶する第2記憶部と、
前記温度予測モデルを用いて前記予測値を算出する予測フェーズ実行部と、を備え、
前記予測フェーズ実行部は、
前記冷却設備の出側における前記予測値を算出する場合、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを前記第1入力ユニットに入力することにより、前記第1出力ユニットから前記予測値を出力させ、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を算出する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを前記第1入力ユニットに入力し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記予め定められた値を前記第1入力ユニットに入力することにより、前記第1出力ユニットから前記予測値を出力させる、
鋼板温度予測装置。 - 前記冷却パラメータが大きいとき、前記鋼板に対する冷却量が大きくなり、前記冷却パラメータが小さいとき、前記鋼板に対する冷却量が小さくなる、
請求項1に記載の鋼板温度予測装置。 - 前記冷却パラメータは、複数の前記セクションのそれぞれでの前記鋼板の搬送時間および前記鋼板に供給される冷却水の量である、
請求項2に記載の鋼板温度予測装置。 - 前記予め定められた値は、ゼロである、
請求項2または3に記載の鋼板温度予測装置。 - 前記第1記憶部は、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータの合計値を入力する第2入力ユニットを含む第2入力層と、第2中間層と、前記冷却設備による前記鋼板の冷却効果を示す所定の指標値の予測値を出力する第2出力ユニットを含む第2出力層と、を備える、ディープラーニングの概算温度予測モデル、および、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第3入力ユニットを含む第3入力層と、第3中間層と、前記鋼板の誤差温度の予測値を出力する第3出力ユニットを含む第3出力層と、を備える、ディープラーニングの誤差温度予測モデルを記憶し、
前記誤差温度は、前記冷却設備で冷却されている前記鋼板の温度測定で得られた前記鋼板の温度、および、熱伝導方程式で計算された、前記冷却設備で冷却されている前記鋼板の温度の少なくとも一方を基にした前記指標値と、前記概算温度予測モデルで予測された前記指標値との差であり、
前記予測フェーズ実行部は、
前記冷却設備の出側における前記予測値を算出する場合、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータの合計値を前記第2入力ユニットに入力することにより、前記第2出力ユニットから前記指標値を出力させ、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを前記第3入力ユニットに入力することにより、前記第3出力ユニットから前記誤差温度を出力させ、前記指標値と前記誤差温度との和を前記冷却設備の出側における前記予測値として算出し、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を算出する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータの合計値を前記第2入力ユニットに入力することにより、前記第2出力ユニットから前記指標値を出力させ、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを前記第3入力ユニットに入力し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記予め定められた値を前記第3入力ユニットに入力することにより、前記第3出力ユニットから前記誤差温度を出力させ、前記指標値と前記誤差温度との和を前記途中箇所における前記予測値として算出する、
請求項1ないし請求項4のいずれか1項に記載の鋼板温度予測装置。 - 前記第1記憶部は、前記複数のセクションを順番が連続する2以上のセクションから成る2以上のグループに予め分けた条件下で、前記2以上のグループのそれぞれに対応して構築された2以上の前記概算温度予測モデルおよび前記誤差温度予測モデルそれぞれを記憶し、
前記予測フェーズ実行部は、前記2以上のグループのそれぞれについて前記指標値および前記誤差温度それぞれを出力させ、前記2以上のグループのそれぞれについて出力させた各前記指標値と各前記誤差温度との各和を算出する、
請求項5に記載の鋼板温度予測装置。 - 前記第1記憶部は、前記鋼板の長手方向に沿って前記鋼板を2以上の区間に予め分けた条件下で、前記2以上の区間のそれぞれに対応して構築された2以上の前記概算温度予測モデルおよび前記誤差温度予測モデルそれぞれを記憶し、
前記予測フェーズ実行部は、前記2以上の区間のそれぞれについて前記指標値および前記誤差温度それぞれを出力させ、前記2以上の区間のそれぞれについて出力させた各前記指標値と各前記誤差温度との各和を算出する、
請求項5に記載の鋼板温度予測装置。 - 熱間圧延後の鋼板を複数のセクションを順番に通過させて冷却する冷却設備の制御に用いられる鋼板温度予測方法であって、
複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第1入力ユニットを含む第1入力層と、第1中間層と、前記鋼板の温度の予測値を出力する第1出力ユニットを含む第1出力層と、を備える、ディープラーニングの温度予測モデルを用いて、前記予測値を算出する予測フェーズ実行ステップを備え、
前記予測フェーズ実行ステップは、
前記冷却設備の出側における前記予測値を算出する場合、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを前記第1入力ユニットに入力することにより、前記第1出力ユニットから前記予測値を出力させ、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を算出する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを前記第1入力ユニットに入力し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記鋼板が未通過の前記セクションに対する前記冷却パラメータとなる予め定められた値を前記第1入力ユニットに入力することにより、前記第1出力ユニットから前記予測値を出力させる、
鋼板温度予測方法。 - 熱間圧延後の鋼板を複数のセクションを順番に通過させて冷却する冷却設備の制御に用いられる鋼板温度予測装置に備えられる、ディープラーニングの温度予測モデルに学習させる学習装置であって、
複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第1入力ユニットを含む第1入力層と、第1中間層と、前記鋼板の温度の予測値を出力する第1出力ユニットを含む第1出力層と、を備える前記温度予測モデルに、第1訓練用データを学習させる学習フェーズ実行部を備え、
前記学習フェーズ実行部は、
前記冷却設備の出側における前記予測値を学習する場合、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを有する前記第1訓練用データを、前記温度予測モデルに学習させ、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を学習する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを有し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記鋼板が未通過の前記セクションに対する前記冷却パラメータとなる予め定められた値を有する前記第1訓練用データを、前記温度予測モデルに学習させる、
学習装置。 - 前記第1訓練用データに付けられる正解ラベルが示す前記途中箇所の前記予測値は、熱伝導方程式により構成される物理モデルを基にして算出される、
請求項9に記載の学習装置。 - 前記温度予測モデルは、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータの合計値を入力する第2入力ユニットを含む第2入力層と、第2中間層と、前記冷却設備による前記鋼板の冷却効果を示す所定の指標値の予測値を出力する第2出力ユニットを含む第2出力層と、を備える、ディープラーニングの概算温度予測モデル、および、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第3入力ユニットを含む第3入力層と、第3中間層と、前記鋼板の誤差温度の予測値を出力する第3出力ユニットを含む第3出力層と、を備える、ディープラーニングの誤差温度予測モデルを備え、
前記学習フェーズ実行部は、
前記冷却設備の出側における前記予測値を算出する場合、複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータの合計値を有する第2訓練用データを、前記概算温度予測モデルに学習させ、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを有する第3訓練用データを、前記誤差温度予測モデルに学習させ、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を算出する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータの合計値を有する第4訓練用データを、前記概算温度予測モデルに学習させ、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを有し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記鋼板が未通過の前記セクションに対する前記冷却パラメータとなる予め定められた値を有する第5訓練用データを、前記誤差温度予測モデルに学習させる、
請求項9に記載の学習装置。 - 熱間圧延後の鋼板を複数のセクションを順番に通過させて冷却する冷却設備の制御に用いられる鋼板温度予測装置に備えられる、ディープラーニングの温度予測モデルに学習させる学習方法であって、
複数の前記セクションのそれぞれでの前記鋼板の冷却パラメータを入力する第1入力ユニットを含む第1入力層と、第1中間層と、前記鋼板の温度の予測値を出力する第1出力ユニットを含む第1出力層と、を備える前記温度予測モデルに、第1訓練用データを学習させる学習フェーズ実行ステップを備え、
前記学習フェーズ実行ステップは、
前記冷却設備の出側における前記予測値を学習する場合、前記鋼板が複数の前記セクションを通過したときの前記冷却パラメータを有する前記第1訓練用データを、前記温度予測モデルに学習させ、
前記冷却設備の入側から前記出側までの途中に位置する途中箇所における前記予測値を学習する場合、前記鋼板が前記入側から前記途中箇所までの前記セクションを通過したときの前記冷却パラメータを有し、かつ、前記途中箇所から前記出側までの前記セクションでの前記冷却パラメータとして、前記鋼板が未通過の前記セクションに対する前記冷却パラメータとなる予め定められた値を有する前記第1訓練用データを、前記温度予測モデルに学習させる、
学習方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019150362 | 2019-08-20 | ||
JP2019150362 | 2019-08-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021035693A true JP2021035693A (ja) | 2021-03-04 |
JP7387552B2 JP7387552B2 (ja) | 2023-11-28 |
Family
ID=74716479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020126763A Active JP7387552B2 (ja) | 2019-08-20 | 2020-07-27 | 鋼板温度予測装置および鋼板温度予測方法、ならびに、学習装置および学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7387552B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849020A (zh) * | 2021-09-22 | 2021-12-28 | 北京科技大学 | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 |
CN114323672A (zh) * | 2021-11-19 | 2022-04-12 | 中国电器科学研究院股份有限公司 | 一种基于深度学习的汽车耐候性零部件温度预测方法 |
KR20230078332A (ko) * | 2021-11-26 | 2023-06-02 | 현대제철 주식회사 | 온도 예측을 통한 연주 슬라브 등급 판정방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4744226B2 (ja) | 2005-08-08 | 2011-08-10 | 株式会社神戸製鋼所 | 冷却制御モデルの学習方法及び圧延材の冷却方法。 |
JP6834209B2 (ja) | 2016-07-14 | 2021-02-24 | 日本製鉄株式会社 | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム |
-
2020
- 2020-07-27 JP JP2020126763A patent/JP7387552B2/ja active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849020A (zh) * | 2021-09-22 | 2021-12-28 | 北京科技大学 | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 |
CN113849020B (zh) * | 2021-09-22 | 2022-04-19 | 北京科技大学 | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 |
CN114323672A (zh) * | 2021-11-19 | 2022-04-12 | 中国电器科学研究院股份有限公司 | 一种基于深度学习的汽车耐候性零部件温度预测方法 |
CN114323672B (zh) * | 2021-11-19 | 2023-08-11 | 中国电器科学研究院股份有限公司 | 一种基于深度学习的汽车耐候性零部件温度预测方法 |
KR20230078332A (ko) * | 2021-11-26 | 2023-06-02 | 현대제철 주식회사 | 온도 예측을 통한 연주 슬라브 등급 판정방법 |
KR102610145B1 (ko) * | 2021-11-26 | 2023-12-06 | 현대제철 주식회사 | 온도 예측을 통한 연주 슬라브 등급 판정방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7387552B2 (ja) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7387552B2 (ja) | 鋼板温度予測装置および鋼板温度予測方法、ならびに、学習装置および学習方法 | |
US11574192B2 (en) | Controller training based on historical data | |
JP6292309B2 (ja) | 圧延シミュレーション装置 | |
JP4744226B2 (ja) | 冷却制御モデルの学習方法及び圧延材の冷却方法。 | |
US11573541B2 (en) | Future state estimation device and future state estimation method | |
JP5054369B2 (ja) | 巻取り温度制御装置および制御方法 | |
Xing et al. | Hybrid intelligent parameter estimation based on grey case-based reasoning for laminar cooling process | |
JP2008112288A (ja) | 予測式作成装置、結果予測装置、品質設計装置、予測式作成方法及び製品の製造方法 | |
KR101614640B1 (ko) | 온도 제어 장치 | |
US11803165B2 (en) | Manufacturing support system for predicting property of alloy material, method for generating prediction model, and computer program | |
JP2019028949A (ja) | 製品の状態予測装置及び方法、製造プロセスの制御システム、並びにプログラム | |
JP2017120640A (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
JP5363238B2 (ja) | 出力値予測方法、該装置および該方法のプログラム | |
JP2012027683A (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP6834209B2 (ja) | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム | |
JP7135962B2 (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
JP5271136B2 (ja) | 出力値予測方法、該装置および該方法のプログラム | |
JP2005516297A (ja) | 工業的プロセスの調節方法 | |
JP2011220708A (ja) | 鋼材の材質予測装置 | |
JP7040506B2 (ja) | 工場内ライン負荷予測モデル作成方法、工場内ライン負荷予測モデル、工場内ライン生産計画作成方法、工場内ライン負荷予測モデル作成プログラム、工場内ライン負荷予測モデル作成装置、及び工場内ライン生産計画作成装置 | |
JP2015066569A (ja) | 圧延制御装置および圧延制御方法 | |
JPH10254504A (ja) | 自律的制御方法および制御システム | |
TWI798047B (zh) | 鋼板軋延力預測方法與軋延系統 | |
JP5007630B2 (ja) | 製品品質の制御方法及び制御装置 | |
JP2006281258A (ja) | 非線形の水冷熱伝達係数モデルの自動調整装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221101 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231018 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7387552 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |