JP2022178002A - 圧延荷重予測方法、圧延制御方法、及び圧延荷重予測装置 - Google Patents

Abstract

【課題】短時間で、且つ、精度よく圧延荷重を予測可能な圧延荷重予測方法及び圧延荷重予測装置を提供すること。【解決手段】本発明に係る圧延荷重予測方法は、圧延機によって圧延された圧延材の化学成分を少なくとも含む圧延機の操業条件の実績データと、実績データに対応する圧延材を圧延した際の圧延機の圧延荷重に関するパラメータの実績データとを学習データとして機械学習された、操業条件を説明変数、パラメータを目的変数とする圧延荷重予測モデルを用いて、予測対象の操業条件で圧延材を圧延した際のパラメータを予測する圧延荷重予測方法であって、圧延荷重予測モデルを用いて予め作成された操業条件及びパラメータを軸とする多次元マトリックスデータから予測対象の操業条件に対応するパラメータを読み出すことにより、予測対象の操業条件で圧延材を圧延した際のパラメータを予測するステップを含む。【選択図】図１

Description

本発明は、圧延荷重予測方法、圧延制御方法、及び圧延荷重予測装置に関する。

特許文献１には、少なくとも鋼材の温度に関係する因子を含む操業実績データを入力変数、圧延機の圧延荷重の実績値を出力変数として学習させた圧延荷重予測モデルに対して、予測対象の操業条件を入力することによって、予想対象の操業条件で鋼材を圧延した際の圧延機の圧延荷重を予測する圧延荷重予測方法が記載されている。

特開２０２０－１３１２４８号公報

特許文献１に記載の方法では、機械学習ツールを用いて圧延荷重を計算するために、圧延荷重の計算時間が圧延機の制御周期より長くなる場合がある。結果、実際の圧延機の制御に特許文献１に記載の方法を適用できなかったり、適用できたとしても特許文献１に記載の方法が圧延機の制御の律速要因になったりする可能性がある。

本発明は、上記課題に鑑みてなされたものであって、その目的は、短時間で、且つ、精度よく圧延荷重を予測可能な圧延荷重予測方法及び圧延荷重予測装置を提供することにある。また、本発明の他の目的は、圧延材の圧延能率を向上可能な圧延制御方法を提供することにある。

本発明に係る圧延荷重予測方法は、圧延機によって圧延された圧延材の化学成分を少なくとも含む圧延機の操業条件の実績データと、該実績データに対応する前記圧延材を圧延した際の圧延機の圧延荷重に関するパラメータの実績データとを学習データとして機械学習された、前記操業条件を説明変数、前記パラメータを目的変数とする圧延荷重予測モデルを用いて、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する圧延荷重予測方法であって、前記圧延荷重予測モデルを用いて予め作成された前記操業条件及び前記パラメータを軸とする多次元マトリックスデータから予測対象の操業条件に対応するパラメータを読み出すことにより、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測するステップを含むことを特徴とする。

本発明に係る圧延荷重予測方法は、上記発明において、前記操業条件の実績データから前記操業条件の値の範囲を予測し、予測された範囲に基づいて前記多次元マトリックスデータを作成するステップを含むことを特徴とする。

本発明に係る圧延荷重予測方法は、上記発明において、前記パラメータが前記圧延材の変形抵抗であることを特徴とする。

本発明に係る圧延制御方法は、本発明に係る圧延荷重予測方法によって予測された前記パラメータを用いて前記圧延機の圧下量を設定するステップを含むことを特徴とする。

本発明に係る圧延荷重予測装置は、圧延機によって圧延された圧延材の化学成分を少なくとも含む圧延機の操業条件の実績データと、該実績データに対応する前記圧延材を圧延した際の圧延機の圧延荷重に関するパラメータの実績データとを学習データとして機械学習された、前記操業条件を説明変数、前記パラメータを目的変数とする圧延荷重予測モデルを用いて、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する圧延荷重予測装置であって、前記圧延荷重予測モデルを用いて予め作成された前記操業条件及び前記パラメータを軸とする多次元マトリックスデータから予測対象の操業条件に対応するパラメータを読み出すことにより、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する手段を備えることを特徴とする。

本発明に係る圧延荷重予測方法及び圧延荷重予測装置によれば、短時間で、且つ、精度良く圧延荷重を予測することができる。また、本発明に係る圧延制御方法によれば、圧延材の圧延能率を向上させることができる。

図１は、本発明の一実施形態である圧延制御装置の構成を示すブロック図である。 図２は、圧延荷重予測モデルの説明変数を示す図である。 図３は、多次元マトリックスデータの構成を示す図である。 図４は、本発明の一実施形態である圧延制御処理の流れを示すフローチャートである。 図５は、本発明例及び従来例における変形抵抗の予測値と実績値との関係を示す図である。

以下、図面を参照して、本発明の一実施形態である圧延制御装置について説明する。

図１は、本発明の一実施形態である圧延制御装置の構成を示すブロック図である。図１に示すように、本発明の一実施形態である圧延制御装置１は、周知の情報処理装置によって構成され、可逆式圧延機等の圧延機２を制御することにより圧延機２において圧延される圧延材の圧延品質や圧延能率を制御する。圧延制御装置１は、圧延荷重予測モデル１１、モデル計算部１２、及び設定値計算部１３を備えている。圧延制御装置１は、本発明に係る圧延荷重予測装置として機能する。

圧延荷重予測モデル１１は、圧延荷重の予測対象となる圧延機２の操業条件を説明変数（入力データ）とし、入力データで圧延材を圧延した際の圧延機２の圧延荷重の予測値を目的変数（出力データ）とする機械学習モデルである。図２に示すように、説明変数には、圧延材の化学成分の他、圧延機２の扁平ワークロール半径（扁平ＷＲ径ｒｄ）、圧延材の目標温度Ｔｏｕｔ、圧延機２の出側における圧延材の厚み（出側厚）、圧延機２の上下ワークロール径（上ＷＲ＿径，下ＷＲ＿径）、接触弧長Ｌｄ、圧延材の仕上幅ｂｏｕｔ、圧延機２の入側における圧延材の厚み（入側厚）、圧下力関数Ｑｐ、及び圧延機２の圧下量等が含まれる。また、目的変数は、圧延荷重の代わりに圧延材の変形抵抗ｋｆや圧延材の変形抵抗ｋｆに関係するパラメータとしてもよい。圧延荷重Ｐは以下に示す数式（１）を用いて変形抵抗ｋｆから算出することができる。

図１に戻る。機械学習装置３は、圧延機２の操業実績データを格納する操業実績データベース（操業実績ＤＢ）４から説明変数の実績データと対応する圧延機２の圧延荷重又は圧延材の変形抵抗ｋｆの実績値とのペアを学習データとして取得し、取得した学習データを用いて圧延荷重予測モデル１１を機械学習させる。なお、機械学習手法としては、ディープラーニング、ロジスティック回帰分析、決定木、ニューラルネットワーク等を例示できる。

モデル計算部１２は、圧延荷重予測モデル１１を用いて予測対象の操業条件で圧延材を圧延した際の圧延機２の圧延荷重を計算する。但し、機械学習ツールである圧延荷重予測モデル１１をそのまま用いて圧延荷重を計算した場合、圧延荷重の計算時間が圧延機２の制御周期よりも長くなる可能性がある。そこで、モデル計算部１２は、圧延荷重予測モデル１１を用いて計算された目的変数を参照するのではなく、予め作成しておいた説明変数及び目的変数を座標軸とする多次元マトリックスデータ１２ａから予測対象の説明変数に対応する目的変数を読み出す。

具体的には、モデル計算部１２は、例えば図３に示すようなＸ軸を説明変数である接触弧長Ｌｄとし、Ｙ軸を説明変数である目標温度Ｔｏｕｔとし、Ｚ軸を目的変数である変形抵抗ｋｆとした３次元マトリックスデータを予め作成しておき、この３次元マトリックスデータから予測対象の接触弧長Ｌｄ及び目標温度Ｔｏｕｔに対応する変形抵抗ｋｆのデータを読み出す。なお、多次元マトリックスデータは図３に示すような３次元のデータに限定されることはなく、３つ以上の説明変数の座標軸と１つの目的変数の座標軸とを含む４次元以上のマトリックスデータとしてもよい。また、座標軸として使用する説明変数も接触弧長Ｌｄ及び目標温度Ｔｏｕｔに限定されることはなく、図２に示した説明変数の中から任意に選択できる。

なお、多次元マトリックスデータ１２ａを作成する際に、説明変数の実績データから説明変数が取り得る値の範囲を予測し、予測した範囲に基づいて多次元マトリックスデータ１２ａを作成するとよい。具体的には、まず圧延材の圧延を開始する前に回帰式を用いて圧延荷重や変形抵抗を予測する従来手法によってパススケジュールを作成し、各説明変数の必要な値の範囲を算出する。そして、その近辺範囲も含めて各説明変数の値を数百～数千のメッシュに分割したデータを圧延荷重予測モデル１１に読み込ませ、その予測結果を用いて多次元マトリックスデータ１２ａに作成する。実際の圧延中のパススケジュール更新タイミングでは、多次元マトリックスデータ１２ａの説明変数が含まれるメッシュから目的変数を得てパススケジュール計算に使用するとよい。

図１に戻る。設定値計算部１３は、モデル計算部１２によって予測された圧延荷重に基づいて圧延機２の設定値を計算し、計算された設定値に従って圧延機２を制御（セットアップ）する。

このような構成を有する圧延制御装置１は、以下に示す圧延制御処理を実行することにより、圧延機２において圧延される圧延材の圧延品質や圧延能率を制御する。以下、図４を参照して、本発明の一実施形態である圧延制御処理の流れについて説明する。

〔圧延制御処理〕
図４は、本発明の一実施形態である圧延制御処理の流れを示すフローチャートである。図４に示す圧延制御処理は、圧延機２における圧延処理が指示されたタイミングで開始となり、圧延制御処理はステップＳ１の処理に進む。

ステップＳ１の処理では、設定値計算部１３が、スケールの剥離及び均一化を図るための調整圧延工程及び所定の幅を得るために圧延材を厚さ出し圧延と直交する方向にターニングして圧延する幅出工程のスケジュールを作成する。これにより、ステップＳ１の処理は完了し、圧延制御処理はステップＳ２の処理に進む。

ステップＳ２の処理では、設定値計算部１３が、モデル計算部１２によって算出された圧延材の変形抵抗や圧延荷重と、各圧延パスの圧延前後の圧延材の厚み、圧延材の温度、圧延材の材質、圧延機の設備制約条件等を用いて、各圧延パスの圧下量を算出する。この際、モデル計算部１２が、多次元マトリックスデータ１２ａを用いて各圧延パスにおける圧延材の変形抵抗や圧延荷重を算出する。そして、これにより、ステップＳ２の処理は完了し、圧延制御処理はステップＳ３の処理に進む。

ステップＳ３の処理では、設定値計算部１３が、ステップＳ２の処理において算出された各圧延パスの圧下量を調整する。具体的には、最終の圧延パスの圧延荷重を所定の値にすることにより、圧延材の歪形状や板クラウン（センター厚）精度が改善するので、設定値計算部１３は、必要に応じて前半の圧延パスの圧下量に後半の圧延パスの圧下量を振り分ける。この際、モデル計算部１２が、多次元マトリックスデータ１２ａを用いて各圧延パスにおける圧延材の変形抵抗や圧延荷重を算出する。これにより、ステップＳ３の処理は完了し、圧延制御処理はステップＳ４の処理に進む。

ステップＳ４の処理では、設定値計算部１３が、ステップＳ３の処理後の各圧延パスの圧下量に基づいて、各圧延パスにおける圧延材の温度及び圧延荷重を算出する。この際、モデル計算部１２が、多次元マトリックスデータ１２ａを用いて各圧延パスにおける圧延材の変形抵抗や圧延荷重を算出する。これにより、ステップＳ４の処理は完了し、圧延制御処理はステップＳ５の処理に進む。

ステップＳ５の処理では、設定値計算部１３が、ステップＳ４の処理において算出された各パスにおける圧延材の温度及び圧延荷重が終了条件を満足しているか否かを判別する。圧延材の温度の終了条件としては、前回の処理における温度と今回の処理における温度との差が、繰り返し回数５回までは５℃以内、繰り返し回数が５回を超えた場合は１０℃以内であることを例示できる。また、圧延荷重の終了条件としては、各圧延パスの圧延荷重が最小圧延荷重以上であることを例示できる。判別の結果、終了条件を満足している場合（ステップＳ５：Ｙｅｓ）、設定値計算部１３は圧延制御処理をステップＳ６の処理に進める。一方、終了条件を満足していない場合には（ステップＳ５：Ｎｏ）、設定値計算部１３は圧延制御処理をステップＳ２の処理に戻す。

ステップＳ６の処理では、設定値計算部１３が、各圧延パスの圧下ギャップや自動板厚制御（ＡＧＣ）の設定計算を行うことにより圧延スケジュール（パススケジュール）を作成する。以後、圧延制御装置１は、設定値計算部１３によって作成された圧延スケジュールに従って圧延機２を制御することにより圧延材を圧延する。これにより、ステップＳ６の処理は完了し、一連の圧延制御処理は終了する。

以上の説明から明らかなように、本発明の一実施形態である圧延制御装置１は、圧延荷重予測モデル１１を用いて予め作成された多次元マトリックスデータ１２ａから予測対象の操業条件に対応する圧延荷重を読み出すことにより、予測対象の操業条件で圧延材を圧延した際の圧延荷重を予測するので、短時間で、且つ、精度良く圧延荷重を予測することができる。また、予測された圧延荷重を用いて圧延機２の圧下量を設定することにより、圧延能率を向上させることができる。

図５に従来例（既設）及び本発明例（ＤＲ）における変形抵抗ｋｆの予測値（予測ｋｆ）及び実績値（実績ｋｆ）を示す。なお、従来例では、以下の数式（２）に示す過去の圧延実績データを用いて作成された回帰式を用いて予測ｋｆを算出した。数式（２）において、α_Ｂ，α_Ｐは適応係数、εは対数歪、Ｃ１～Ｃ５は回帰パラメータ、Ｔは鋼板温度を示す。図５に示すように、従来例では予測ｋｆのばらつきが大きいが、本発明例では予測ｋｆのばらつきが小さく、変形抵抗ｋｆを精度よく予測できていることがわかる。このことから、本発明によれば、短時間で、且つ、精度よく変形抵抗ｋｆを予測できることが確認された。

以上、本発明者らによってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例、及び運用技術等は全て本発明の範疇に含まれる。

１ 圧延制御装置
２ 圧延機
３ 機械学習装置
４ 操業実績データベース（操業実績ＤＢ）
１１ 圧延荷重予測モデル
１２ モデル計算部
１２ａ 多次元マトリックスデータ
１３ 設定値計算部

Claims (5)

1. 圧延機によって圧延された圧延材の化学成分を少なくとも含む圧延機の操業条件の実績データと、該実績データに対応する前記圧延材を圧延した際の圧延機の圧延荷重に関するパラメータの実績データとを学習データとして機械学習された、前記操業条件を説明変数、前記パラメータを目的変数とする圧延荷重予測モデルを用いて、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する圧延荷重予測方法であって、
   前記圧延荷重予測モデルを用いて予め作成された前記操業条件及び前記パラメータを軸とする多次元マトリックスデータから予測対象の操業条件に対応するパラメータを読み出すことにより、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測するステップを含むことを特徴とする圧延荷重予測方法。
2. 前記操業条件の実績データから前記操業条件の値の範囲を予測し、予測された範囲に基づいて前記多次元マトリックスデータを作成するステップを含むことを特徴とする請求項１に記載の圧延荷重予測方法。
3. 前記パラメータが前記圧延材の変形抵抗であることを特徴とする請求項１又は２に記載の圧延荷重予測方法。
4. 請求項１～３のうち、いずれか１項に記載の圧延荷重予測方法によって予測された前記パラメータを用いて前記圧延機の圧下量を設定するステップを含むことを特徴とする圧延制御方法。
5. 圧延機によって圧延された圧延材の化学成分を少なくとも含む圧延機の操業条件の実績データと、該実績データに対応する前記圧延材を圧延した際の圧延機の圧延荷重に関するパラメータの実績データとを学習データとして機械学習された、前記操業条件を説明変数、前記パラメータを目的変数とする圧延荷重予測モデルを用いて、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する圧延荷重予測装置であって、
   前記圧延荷重予測モデルを用いて予め作成された前記操業条件及び前記パラメータを軸とする多次元マトリックスデータから予測対象の操業条件に対応するパラメータを読み出すことにより、予測対象の操業条件で圧延材を圧延した際の前記パラメータを予測する手段を備えることを特徴とする圧延荷重予測装置。

Images