JP2677965B2 - 圧延機における被圧延材の形状制御方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、圧延機における被圧延
材の形状制御方法、特に多段圧延機における被圧延材の
形状制御のように複数の形状修正アクチュエータを備え
た圧延機を用い、しかもこれらアクチュエータが形状変
化に及ぼす影響を定量化し難い場合にも良好な形状制御
を行うことができる被圧延材の形状制御方法に関する。

【０００２】

【従来の技術】近年、鋼板等の薄板圧延においては、寸
法形状精度の要求が高まっており、板厚だけでなく形状
やクラウンに対する制御も重要な課題となっている。

【０００３】被圧延材の形状制御については、従来から
種々の方法が提案されているが、一般に、被圧延材の形
状を検出する形状検出器と、形状修正用アクチュエータ
を備えた圧延機を用い、前記形状検出器の出力値をある
制御アルゴリズムに適用することにより前記形状修正用
アクチュエータの操作量を算出し、その操作量に従って
該アクチュエータを操作することにより形状制御が行わ
れている。

【０００４】例えば、形状検出器で得られる形状データ
を４次の直交関数で近似し、各次数と使用するアクチュ
エータを予め対応させ、その操作量が対応する次数の成
分の大きさの変化に与える影響を線形近似して影響係数
として求めておき、実際に得られた形状データの各次数
毎の成分の大きさを影響係数で除して操作量を求める方
法が実用化されている。

【０００５】しかしながら、センジミア圧延機を始めと
する多段圧延機には、被圧延材の形状が複雑であるため
それを表現し難い、又、複数の形状修正アクチュエータ
が備えられているが、その操作が形状に及ぼす影響を定
量化し難い、等の問題があることから、自動制御し難い
という問題点があった。

【０００６】この問題を解決するために、既にいくつか
の提案がなされている。例えば、特開平４−１１１９１
０においては、多段圧延機の出側に設置した板形状検出
器により圧延材の板形状を検出し、検出した現在の板形
状と各アクチュエータの過去の制御量とから現時点にお
ける圧延材の予測形状を算出し、算出した圧延材の予測
形状とその目標形状との差に各アクチュエータ操作によ
る板厚変動を加味した評価関数の値を最小にするような
アクチュエータ操作量を演算し、演算したその操作量に
基づいて各アクチュエータを操作する形状制御方法が提
案されている。

【０００７】又、特開平４−１２７９０８においては、
被圧延材の形状を検出して形状パターンの認識を行い、
多数の形状パターンに対して圧延機の操作方法を予め準
備しておき、認識された上記形状パターンに対応する操
作方法に従って圧延機を制御する形状制御方法が提案さ
れている。ここでは、具体的な方法として、形状パター
ンの認識に階層型ニューラルネットワークを適用し、そ
のパターン認識結果に基づいて圧延機のアクチュエータ
の操作量を求めるためにファジー推論を適用する方法が
提案されている。

【０００８】又、特開平４−２３８６１４においては、
形状検出器で検出した形状について典型形状パターンの
中から最も類似するものを選択し、選択した典型形状パ
ターンに応じて操作すべきアクチュエータを決定すると
共に、操作すべきアクチュエータに応じて形状パラメー
タを決定してその値を算出し、算出した形状パラメータ
に基づいて各アクチュエータの操作量を算出する形状制
御方法が提案されている。

【０００９】

【発明が解決しようとする課題】しかしながら、前述し
たように、センジミア圧延機を初めとする多段圧延機
は、被圧延材の形状が複雑であるため表現し難い、又、
複数の形状修正アクチュエータが備えられているが、そ
の操作が形状に及ぼす影響を定量化し難い、等の問題が
ある。これらの問題が解決されているか否かという観点
から前記各形状制御方法を見ると、まず、特開平４−１
１１９１０においては、各アクチュエータの操作量の影
響を過去まで溯って直接形状検出器の各センサ要素と対
応させているため、１つ１つの影響係数を精度良く求め
ることが難しく、いずれかの影響係数に誤差があった場
合には、形状の評価関数が最適なものではなくなるとい
う問題がある。

【００１０】又、特開平４−１２７９０８においては、
形状パターン認識を行った結果からアクチュエータ操作
量を求める手段としてファジー推論等の推論で天下り式
に影響係数を与えているため、やはりその精度が問題に
なる。又、形状パターンの認識の具体的手段として階層
型ニューラルネットワークを用いる手法を挙げている
が、この手法は学習の進行によって認識結果が大きく変
わるため、その出力値はファジー推論の後件部に入力す
る確信度として用いるには信頼性が低いという問題もあ
る。

【００１１】又、特開平４−２３８６１４においては、
被圧延材の形状と最も類似した典型形状パターンを選択
し、それに対応したアクチュエータの操作量を算出する
点で、典型形状パターンに対応した形状パラメータとア
クチュエータ操作量の影響係数に関して、やはり上記特
開平４−１１１９１０等と同様に精度に問題がある。

【００１２】このように、従来においても、被圧延材の
形状を認識し、その認識結果から適したアクチュエータ
を選択し、その操作量を求めるという形状制御方法は提
案されているが、そのいずれもが形状あるいはそれを表
わすパラメータとアクチュエータ操作量との関係を示す
影響係数あるいはそれに等価な推論式の精度に問題があ
るため、十分な制御精度を得ることができないという問
題があった。

【００１３】本発明は、前記従来の問題点を解決するべ
くなされたもので、センジミア圧延機を初めとする多段
圧延機のように、被圧延材の形状が複雑であるため表現
し難い、又、複数の形状修正アクチュエータが備えられ
ているが、その操作が形状に及ぼす影響を定量化し難
い、等の理由により形状の自動制御が実施し難い圧延機
に対しても良好な形状制御を可能にする、圧延機におけ
る被圧延材の形状制御方法を提供することを課題とす
る。

【００１４】

【課題を解決するための手段】第１発明は、被圧延材の
形状を検出する形状検出器と、形状修正用アクチュエー
タを有する圧延機とを備えた圧延設備を用い、前記形状
検出器の出力値に基づいて前記形状修正用アクチュエー
タを操作することにより前記被圧延材の形状を制御する
圧延機における被圧延材の形状制御方法において、前記
形状修正用アクチュエータの操作量と、該操作量に対応
する被圧延材の形状変化量とを組にしたデータを、操作
典型例として複数個用意し、前記形状検出器で検出した
被圧延材の実績形状と目標形状との差である実績形状偏
差と、前記操作典型例の形状変化量との類似度を算出
し、算出した該類似度に従って前記操作典型例のアクチ
ュエータ操作量を重み付けし、重み付けした該アクチュ
エータの操作量に基づいて形状修正用アクチュエータを
操作することにより、前記課題を解決したものである。

【００１５】第１発明は、又、上記被圧延材の形状制御
方法において、操作典型例の作成、保持、演算を、動径
基底関数型ニューラルネットワークを用いて行うように
したものである。

【００１６】第１発明は、又、上記被圧延材の形状制御
方法において、圧延中のアクチュエータ操作と該操作に
よる形状変化のデータを実績データとして蓄積し、随
時、操作典型例の修正、追加等の更新を行うようにした
ものである。

【００１７】第１発明は、更に、上記被圧延材形状制御
方法において、操作典型例の作成、保持、演算を、動径
基底関数型ニューラルネットワークを用いて行い、且
つ、圧延中のアクチュエータ操作と該操作による形状変
化のデータを実績データとして蓄積し、随時、操作典型
例の修正、追加等の更新を行うようにしたものである。

【００１８】第２発明は、被圧延材の形状を検出する形
状検出器と、形状修正用アクチュエータを有する圧延機
とを備えた圧延設備を用い、前記形状検出器の出力値に
基づいて前記形状修正用アクチュエータを操作すること
により前記被圧延材の形状を制御する圧延機における被
圧延材の形状制御方法において、被圧延材の形状変化
と、該形状変化を予め定められた標準形状パターンに分
解したときの構成比率とを組にしたデータを、形状典型
例として複数個用意し、前記形状修正用アクチュエータ
の操作量と、該操作量に対応する被圧延材の形状変化を
標準形状パターンに分解したときの構成比率とを組にし
たデータを、操作典型例として複数個用意し、前記形状
検出器で検出した被圧延材の実績形状と目標形状との差
である実績形状偏差と、前記形状典型例の形状変化との
類似度を算出し、算出した該類似度に従って前記形状典
型例の構成比率を重み付けし、重み付けした該構成比率
と前記操作典型例の構成比率との類似度を算出し、算出
した該類似度に従って前記操作典型例のアクチュエータ
操作量を重み付けし、重み付けした該アクチュエータの
操作量に基づいて形状修正用アクチュエータを操作する
ことにより、同様に前記課題を解決したものである。

【００１９】第２発明は、又、上記被圧延材の形状制御
方法において、形状典型例及び操作典型例の作成、保
持、演算を、動径基底関数型ニューラルネットワークを
用いて行うようにしたものである。

【００２０】第２発明は、又、上記被圧延材の形状制御
方法において、圧延中のアクチュエータ操作と該操作に
よる形状変化のデータを実績データとして蓄積し、随
時、形状典型例及び操作典型例の修正、追加等の更新を
行うようにしたものである。

【００２１】第２発明は、更に、上記被圧延材の形状制
御方法において、形状典型例及び操作典型例の作成、保
持、演算を、動径基底関数型ニューラルネットワークを
用いて行い、且つ、圧延中のアクチュエータ操作と該操
作による形状変化のデータを実績データとして蓄積し、
随時、形状典型例及び操作典型例の修正、追加等の更新
を行うようにしたものである。

【００２２】

【作用】第１発明においては、前記形状修正用アクチュ
エータの操作量と、該操作量に対応する被圧延材の形状
変化量とを組にしたデータを、操作典型例として複数個
用意し、前記形状検出器で検出した被圧延材の実績形状
と目標形状との差である実績形状偏差と、前記操作典型
例の形状変化量との類似度を算出し、算出した該類似度
に従って前記操作典型例のアクチュエータ操作量を重み
付けし、重み付けした該アクチュエータの操作量に基づ
いて形状制御アクチュエータを操作するようにしたの
で、被圧延材の形状を高精度に制御することが可能とな
る。

【００２３】本発明において、随時、操作典型例の修
正、追加を行う場合には、制御性能の維持、向上を図る
ことができる。

【００２４】ここで、操作典型例とは、実際の圧延結果
から抽出されるもので、アクチュエータ操作と形状変化
の因果関係を具体的な例によって表わしたものである。
即ち、「アクチュエータをこれだけ操作したら、形状が
これだけ変化した。」ということを数値で表わしている
ので、直観的に理解し易い。

【００２５】アクチュエータ操作と形状変化の関係は非
線形であることがあるが、この操作典型例を多数配置
し、それらの中から現在行おうとしている操作事例に類
似したものを複数個選び、それらを類似度に応じて重み
付けしたものに基づいて操作量を求めることにより、形
状変化とアクチュエータ操作の非線形性にも対応するこ
とができる。

【００２６】第２発明においては、被圧延材の形状変化
と、該形状変化を予め定められた標準形状パターンに分
解したときの構成比率とを組にしたデータを、形状典型
例として複数個用意し、前記形状修正用アクチュエータ
の操作量と、該操作量に対応する被圧延材の形状変化を
標準形状パターンに分解したときの構成比率とを組にし
たデータを、操作典型例として複数個用意し、前記形状
検出器で検出した被圧延材の実績形状と目標形状との差
である実績形状偏差と、前記形状典型例の形状変化との
類似度を算出し、算出した該類似度に従って前記形状典
型例の構成比率を重み付けし、重み付けした該構成比率
と前記操作典型例の構成比率との類似度を算出し、算出
した該類似度に従って前記操作典型例のアクチュエータ
操作量を重み付けし、重み付けした該アクチュエータの
操作量に基づいて形状修正用アクチュエータを操作する
ようにしたので、同様に、被圧延材の形状の自動制御を
高精度で行うことが可能となる。

【００２７】本発明において、圧延中のアクチュエータ
操作と該操作による形状変化のデータを実績データとし
て蓄積し、随時、形状典型例及び操作典型例の修正、追
加等の更新を行う場合には、制御性能の維持、向上を図
ることができる。

【００２８】

【実施例】以下、図面を参照して、本発明の実施例を詳
細に説明する。

【００２９】第１発明に係る第１実施例は、ストリップ
圧延を行う際の形状制御方法の一例であり、図１は、本
実施例に適用される１２段式クラスター型多段圧延機を
備えた圧延設備の概要を示す側面図である。

【００３０】図１において、１２段のロールは、上下１
組からなるワークロール１０、上下２組からなる中間ロ
ール１２、上下１組からなる小型バックアップロール１
４、上側２対の上バックアップロール１６、下側２対の
下バックアップロール１８から構成されている。

【００３１】この多段圧延機においては、被圧延材（ス
トリップ）２０は、右テンションリール２４、あるいは
左テンションリール２６から供給されて、ワークロール
１０で延されて、反対側のテンションリールに巻き取ら
れるようになっている（なお、被圧延材２０はペイオフ
リール２２から供給されることもある）。その際、形状
検出器２８によりワークロール１０で圧延された被圧延
材２０の幅方向の形状を検出する。

【００３２】図２は、上記多段圧延機が備えている形状
制御アクチュエータ及び圧延機構の概略構成を示す正面
図であり、図示するように、被圧延材２０は、ワークロ
ール１０によって上下から圧下され薄く延ばされる。

【００３３】本実施例では、上バックアップロール１６
は７分割されており、中心からセンター１６Ａ、クォー
タイン１６Ｂ、クォータアウト１６Ｃ、エッジ１６Ｄが
それぞれ対称性を保ちながら押し出し（圧下）を行うこ
とによりロールクラウン調整が可能になっている。同様
に、下バックアップロール１８は６分割されており、中
心からセンター１８Ａ、クォータ１８Ｂ、エッジ１８Ｃ
がそれぞれ対称性を保ちながら押し出し（圧下）を行う
ことによりロールクラウン調整が可能となっている。そ
して、この多段圧延機は、形状制御アクチュエータとし
て、上下のバックアップロール１６、１８のロールクラ
ウン調整装置（図示せず）、中間ロールベンダ（矢印で
示す）３０、及び操作側と駆動側の圧下位置差を調整す
る圧下レベリング装置（図示せず）を備えている。

【００３４】但し、本実施例では、下バックアップロー
ル１８は圧延前の初期設定値に固定されており、圧延中
に操作可能なアクチュエータは、上バックアップロール
１６の各分割ロールを駆動するロールクラウン調整装
置、中間ロールベンダ３０及び圧下レベリング装置であ
る。

【００３５】図３は、本実施例における形状制御機能と
処理データの流れの一例を示すブロック線図である。こ
の図３において、形状検出器２８からの張力検出結果が
形状データ処理機構３２に入力されると、該形状データ
処理機構３２ではその結果を板幅方向の伸び差率データ
に変換する。図４に、実際の張力検出結果に基づいて求
めた伸び差率データの一例を示す。この伸び差率とは、
長手方向（圧延方向）の板の伸びの差の板幅方向の分布
で、最も伸びの小さいところを基準としたものである。
この伸び差率及びその測定方法については、昭和５９年
９月１日、社団法人 日本鉄鋼協会発行「板圧延の理論
と実際」第２６５頁以下に詳細に説明されている。

【００３６】この図４において、横軸は板幅方向に相当
し、形状検出器２８の検出チャネル毎に表示してある。
又、縦軸は伸び差率を示し、単位は［Ｉ−unit］を用い
ている。１［Ｉ−unit］は、圧延材１m 当り、１０μm
の伸び差率に相当する。

【００３７】又、目標形状発生機構３４では、被圧延材
の目標形状（目標伸び差率の幅方向分布に相当する）を
設定し、形状偏差計算機構３６へ入力する。図５に目標
形状の一例を示す。この形状偏差計算機構３６では、形
状データ処理機構３２から入力された実績形状データ
（図４の伸び差率データに当る）と目標形状発生機構３
４より入力された目標形状データとの偏差である形状偏
差（＝目標形状データ−実績形状データ）を計算する。

【００３８】図６に、形状検出器２８により測定された
図４の実績形状データと図５の目標形状との形状偏差
（伸び差率分布の偏差）を検出チャネル毎に示す。図６
（Ａ）は、単純に目標形状データから実績形状データを
差し引いた結果を、図６（Ｂ）は、同図（Ａ）における
伸び差の最小値（この例では第９チャネル）を基準、即
ち０となるように変換した形状偏差である。

【００３９】操作典型例格納機構３８には、予め形状修
正用アクチュエータの操作量と該操作量に対応する被圧
延材の形状変化量とを組にしたデータを操作典型例とし
て複数個格納されている。図７〜９には、操作典型例の
一例を示し、この操作典型例は、形状偏差パターンとそ
れに対するアクチュエータ操作の組合せからなり、ここ
ではその組合せが６個である。

【００４０】パターン認識機構４０では、形状偏差計算
機構３６で計算された実績形状と目標形状との形状偏差
について、操作典型例の形状変化量との類似度を算出す
る。即ち、図６（Ｂ）の形状偏差について、図７〜９に
示した操作典型例１〜６の各形状偏差パターンとの類似
度を、それぞれＲ（１）〜Ｒ（６）と表わし、次の
（１）、（２）式により、類似性が高いほど大きい値を
とるように定義する（x ＝１〜６）。

【００４１】 Ｒ（x ）＝１／Ｒ′（x ） …（１）

【００４２】

【数１】

【００４３】本実施例では、上記の如く、類似度として
形状偏差の各チャネル毎の２乗誤差の逆数を用いるが、
本発明はこれに限定されるものでなく、例えば相関係数
等の尺度を用いることもできる。

【００４４】アクチュエータ操作量演算機構４２では、
パターン認識機構４０で算出された類似度に応じて操作
典型例のアクチュエータ操作量の重み付けをしてアクチ
ュエータ操作量の算出を行う。各アクチュエータの操作
量は以下のようにして算出することができる。

【００４５】

【数２】

【００４６】以上のように算出した操作量に従って、実
際にアクチュエータ４４の操作を行う。

【００４７】本実施例では、前記図７〜９に示した操作
典型例の作成、保持、演算を、動径基底関数型ニューラ
ルネットワークを用いて行っている。以下、これについ
て説明する。

【００４８】図１０に本実施例で用いたニューラルネッ
トワークの構造を示す。このニューラルネットワーク
は、m ユニットからなる入力層、y ユニットからなる中
間層、t ユニットからなる出力層の３層構造を有し、入
力層に実績形状偏差が入力されると、出力層から各アク
チュエータの操作量が出力されるようになっている。
又、中間層には、後に詳述するように操作典型例が入る
ことになる。

【００４９】以下、上記ニューラルネットワークの作成
と演算方法について詳細に説明する。

【００５０】ニューラルネットワークの作成（学習）で
は、操業中のアクチュエータの操作量とその時の形状変
化量を形状制御実績データとして使用する。形状制御実
績データが全部でＪ個あるとするとき、j 番目の形状制
御実績データＤj を次の（８）式のように定義する（j
＝１，・・・，Ｊ）。

【００５１】 Ｄj ＝｛ＡＣＴj （s ），Ｆjn｝ …（８） 但し、ＡＣＴj （s ）：アクチュエータs の操作量 s ：アクチュエータ（１＜s ≦t ） t ：アクチュエータの個数 Ｆjn：板幅方向のn チャネルの形状変化量（１＜n ≦m
） m ：形状検出器の有効チャネル数

【００５２】Ｄj の各要素｛ＡＣＴj （s ），Ｆjn｝の
うち、Ｆjnが入力される入力層のユニットと中間層のユ
ニット（操作典型例に相当する）との間、及びＡＣＴj
（s）が出力される出力層のユニットと中間層のユニッ
トとの間は重み付きの結合をしている。入力ユニットn
と中間ユニットx との間の結合重みをＰＦnx、出力ユニ
ットs と中間ユニットx との間の結合重みをＰＡxsとす
る。この結合重み係数は操作典型例の各属性値（形状偏
差パターン、アクチュエータ操作量の値）に相当する。
操作典型例x の結合重みをまとめてＰＴx ＝｛ＰＦnx，
ＰＡxs｝とする。入力ユニットでは、入力データに対
し、規格化等の変換を適宜行うものとする。

【００５３】操作典型例の作成は以下の手順で行う。

【００５４】１）入力の次元にあった入力ユニット、出
力の次元にあった出力ユニットを置く。

【００５５】この例では入力ユニット数は形状変化デー
タのチャネル数m 個、出力ユニット数はアクチュエータ
数のt 個になる。

【００５６】初めは中間ユニットは置かない。又、定数
ＴＨを定める。このＴＨの値を小さくすると、中間ユニ
ットが多数作成され、逆にＴＨの値を大きくすると作成
される中間ユニットの数は少なくなるという関係があ
る。ここでは、演算時間、制御性能等を考慮して、試行
錯誤的に定数ＴＨを定めている。

【００５７】２）１番目の形状制御実績データＤ１を、
１番目の操作典型例の結合係数Ｐ１とする。

【００５８】 Ｐ１＝Ｄ１ …（９） （ＰＦn １＝Ｆ１n ，ＰＡ１s ＝ＡＣＴ１（s ））

【００５９】又、操作典型例ユニットＰ１のカウンタＣ
１を１とする。 Ｃ１＝１

【００６０】３）２番目の形状制御実績データＤ２につ
いて、操作典型例（中間ユニット）１との距離d （Ｄ
２，ＰＴ１）を求める。但し、距離d は次の（１０）式
で与えられる。

【００６１】

【数３】

【００６２】３−a ）d （Ｄ２，ＰＴ１）＞ＴＨのとき ２番目の形状制御実績データＤ２を、２番目の操作典型
例（中間ユニット）の結合係数ＰＴ２とする。 ＰＴ２＝Ｄ２ …（１１） （ＰＦn ２＝Ｆ２n ，ＰＡ２s ＝ＡＣＴ２（s ））

【００６３】又、操作典型例２のカウンタＣ２を１にす
る。 Ｃ２＝１

【００６４】３−b ）d （Ｄ２，ＰＴ１）≦ＴＨのとき １番目の操作典型例の結合係数ＰＴ１を修正する。但
し、修正後の操作典型例ＰＴ１new は次式とする。 ＰＴ１new ＝（Ｃ１・ＰＴ１＋Ｄ２）／（Ｃ１＋１） …（１２） （ＰＦn １new ＝（Ｃ１・ＰＦn １＋Ｄ２）／（Ｃ１＋
１），ＰＡ１s new ＝（Ｃ１・ＰＡ１s ＋Ｄ２）／（Ｃ
１＋１））

【００６５】又、操作典型例ユニットＰ１のカウンタＣ
１に１に加える。 Ｃ１new ＝Ｃ１＋１

【００６６】４）同様にj 番目の形状制御実績データＤ
j について、これまで作成された全ての中間ユニットと
の距離を求め、最小距離となる操作典型例ＰＴk を選
ぶ。

【００６７】 ４−a ）d （Ｄj ，ＰＴk ）＞ＴＨのとき j 番目の形状制御実績データＤj を（k ＋１）番目の操
作典型例の結合係数をＰk+1 とする。 ＰＴk+1 ＝Ｄj …（１３） （ＰＦn k+1 ＝Ｆkn，ＰＡk+1s＝ＡＣＴk （s ））

【００６８】又、操作典型例ユニットＰＴk+1 のカウン
タＣk+1 を１にする。 Ｃk+1 ＝１

【００６９】４−b ）d （Ｄj ，ＰＴk ）≦ＴＨのとき 操作典型例ユニットＰＴk の結合係数を修正する。但
し、修正後の操作典型例Ｐk new は次式とする。 ＰＴk new ＝（Ｃk ・ＰＴk ＋Ｄj ）／（Ｃk ＋１） …（１４） （ＰＦnknew ＝（Ｃk ・ＰＦnk＋Ｄ２）／（Ｃk ＋
１），ＰＡksnew ＝（Ｃk ・ＰＡks＋Ｄ２）／（Ｃk ＋
１））。

【００７０】又、操作典型例ユニットＰk のカウンタＣ
k に１を加える。 Ｃk new ＝Ｃk ＋１

【００７１】５）以上の処理を全形状制御実績データ
｛Ｄj ｜１＜j ≦Ｊ｝に対して行うことにより、y 個の
操作典型例（中間ユニット）が生成される。

【００７２】この操作典型例ユニットの結合係数は操作
典型例の属性値（形状偏差パターン、アクチュエータ操
作量の値）に相当しているので、y 個の操作典型例が抽
出されたことになる。このとき、y 個の操作典型例のう
ちx 番目のデータをＰＴx とすると、次の（１５）式で
表わすことができる。

【００７３】 ＰＴx ＝｛ＰＦnx，ＰＡxs｝ …（１５） 但し、ＰＡxs：中間ユニットx と出力ユニットs 間の結
合重み（典型操作側x におけるアクチュエータs の操作
量） ＰＦnx：入力ユニットn と中間ユニットx 間の結合重み
（典型操作側x における板幅方向のm チャネルの形状変
化量）

【００７４】即ち、アクチュエータs をＰＡxsだけ操作
したときに第m チャネルの形状変化量はＰＦnxだけ変化
するという関係を表わしている。

【００７５】次に、圧延中に得られた実績形状偏差から
アクチュエータの操作量を求める演算方法について説明
する。この演算では、実績形状偏差と各操作典型例の形
状偏差データとの類似度を求め、その類似度に応じてア
クチュエータ操作量を算出する。

【００７６】圧延中に形状検出器２８によって測定され
た実績形状と、予め設定された目標形状との偏差を、実
績形状偏差Ｆn とする。この実績形状偏差Ｆn は、前記
図１０に示すように、ニューラルネットワークの各入力
ユニットへ入力され、各中間ユニットＰＴx との間の結
合重みについて、次の（１６）式による計算をして、中
間ユニットx に対する入力ＩＰx とする。

【００７７】

【数４】

【００７８】中間ユニットでの入出力関数として、次の
（１７）式で与えられるガウス関数を使用する。ここ
で、σは定数である。

【００７９】 f （x ）＝exp （− x² ／２σ² ） …（１７）

【００８０】従って、中間ユニットx からの出力値ＯＰ
x は、次の（１８）式で表わすことができる。このＯＰ
x が中間ユニット（操作典型例）と入力された形状偏差
実績との類似度に相当する。

【００８１】 ＯＰx ＝f （ＩＰx ） …（１８）

【００８２】更に、出力ユニットs での出力値ＡＣＴ
（s ）は、次の（１９）式として求めることができる。

【００８３】

【数５】

【００８４】以上の演算により、アクチュエータs の操
作量ＡＣＴ（s ）を算出することができる。

【００８５】更に、圧延中のアクチュエータ操作と該操
作による形状変化データを用いて、操作典型例（ニュー
ラルネットワークの中間ユニット）の修正、追加を行う
ことにより、制御性能の維持、向上を図ることができ
る。

【００８６】以上詳述した本実施例によれば、ニューラ
ルネットワークにより圧延形状実績データの中から操作
典型例を抽出し、圧延中の形状変化に対して、操作典型
例の内挿により形状制御を行うことが可能となることに
より、形状変化とアクチュエータ操作の対応付けが困難
な多段圧延機でも良好な形状制御を行うことが可能とな
る。

【００８７】次に、第２発明に係る第２実施例について
説明する。

【００８８】図１１は、本実施例に適用される制御機構
と処理データの流れとを示す前記図３に相当するブロッ
ク線図である。以下、前記第１実施例の場合と異なる点
を中心に詳細に説明する。

【００８９】図１２は、本実施例で使用する２０個の標
準形状パターンを示し、各標準形状パターンの構成比率
を、ＳＴＤ（z ）（但し、、z ＝１，２，・・・，２
０）とする。

【００９０】形状典型例格納機構４６では、被圧延材の
形状と、その形状を標準形状パターンに分類したときの
構成比率とを組にしたデータを形状典型例として複数個
格納しておく。その一例として図１３に示した形状を標
準形状パターンに分類したときの構成比率を図１４、１
５に示す。

【００９１】以下、形状典型例v を、次の（２０）式で
定義する。

【００９２】 v ＝｛Ｐvn，ＳＴＤv （z ）｝ …（２０） Ｐvn：形状パターン（n ：チャネル数） ＳＴＤv （z ）：形状典型例v における各標準形状パタ
ーンの構成比率 v ：形状典型例の番号（v ＝１，・・・，Ｇ） Ｇ：形状典型例の個数 z ：標準形状パターンの番号（z ＝１，・・・，２０）

【００９３】操作典型例格納機構３８では、圧延中のア
クチュエータの操作量とそのときの形状変化量を、図１
２に示した標準形状パターンに分離したときの構成比率
とを組にしたデータを操作典型例として複数個格納して
おく。

【００９４】アクチュエータs を操作量ＡＣＴ（s ）だ
け操作したときの形状変化を標準形状パターンに分離し
たときの各パターンの構成比率を上記の如くＳＴＤ（z
）とし、操作典型例w を、次の（２１）式で定義す
る。

【００９５】 w ＝｛ＡＣＴw （s ），ＳＴＤw （z ）｝ …（２１） ＡＣＴw （s ）：操作典型例w におけるアクチュエータ
の操作量 ＳＴＤw （z ）：操作典型例w における各標準形状パタ
ーンの構成比率 w ：操作典型例の番号（w ＝１，・・・，Ｈ） Ｈ：操作典型例の個数 z ：標準形状パターンの番号（z ＝１，・・・，２０）

【００９６】パターン認識機構４０では、第１実施例と
同様に、形状偏差計算機構３６で計算された実績形状
と、目標形状発生機構３４から入力される目標形状との
偏差を算出し、その実績形状偏差について、操作典型例
の形状変化量との類似度を算出する。上記実績形状偏差
と形状典型例v の形状偏差パターンとの類似度をＲ１
（v ）とする。但し、類似度は類似性が高いほど大きい
値をとるように定義する。そして、算出した類似度に応
じて形状典型例の構成比率の重み付けを行う。重み付け
された標準形状パターンz の構成比率ＷＳＴＤv （z ）
は、次の（２２）式で与えられる。

【００９７】

【数６】

【００９８】次に、重み付けされた上記構成比率ＷＳＴ
Ｄv （z ）と操作典型例の構成比率との類似度を算出す
る。重み付けされた形状典型例の構成比率ＷＳＴＤv
（z ）と操作典型例w の構成比率ＳＴＤw （z ）との類
似度をＲ２（w ）とする。但し、類似度は類似性が高い
ほど大きい値をとるように定義する。そして、算出した
類似度に応じて操作典型例のアクチュエータ操作量ＡＣ
Ｔw （s ）の重み付けを行い、アクチュエータ操作量Ａ
ＣＴ（s ）を、次の（２３）式で算出する。

【００９９】

【数７】

【０１００】以上のように算出した操作量に基づいて、
前記第１実施例の場合と同様にアクチュエータの操作を
行い、被圧延材の形状を制御する。

【０１０１】又、同様に、形状典型例及び操作典型例の
作成、保持、演算を、動径基底関数型ニューラルネット
ワークを用いて行い、更に、圧延中のアクチュエータ操
作と、該操作による形状変換データを用いて、操作典型
例（ニューラルネットワークの中間ユニット）の修正、
追加を行う。

【０１０２】以上、本発明について具体的に説明した
が、本発明は、前記実施例に示したものに限られるもの
でなく、その要旨を逸脱しない範囲で種々変更可能であ
る。

【０１０３】

【発明の効果】以上説明したとおり、本発明によれば、
多段圧延機による圧延のように、被圧延材の形状が複雑
であるために表現し難い、複数の形状修正アクチュエー
タが備えられているが、その操作が形状に及ぼす影響を
定量化し難い、等の理由により形状の自動制御が実施し
難い対象についても良好な制御が可能となる。

【０１０４】又、操作典型例又は、形状典型例及び操作
典型例の作成、保持、演算を、動径基底関数型ニューラ
ルネットワークを用いて行うことにより、容易に操作典
型例又は、形状典型例及び操作典型例の作成、保持、演
算が可能となる。

【０１０５】更に、圧延中のアクチュエータ操作と該操
作による形状変換データを用いて、形状典型例あるいは
操作典型例（ニューラルネットワークの中間ユニット）
の修正、追加を行うことにより、制御性の維持、向上を
図ることが可能となる。

【図面の簡単な説明】

【図１】本発明に係る第１実施例に適用される１２段か
らなる多段型圧延機の概略構成を示す側面図

【図２】形状制御アクチュエータ及び圧延機構の概略構
成を示す正面図

【図３】制御機構と処理データの流れを示すブロック線
図

【図４】伸び差率データの一例を示す線図

【図５】目標形状の例を示す線図

【図６】形状偏差の一例を示す線図

【図７】操作典型例１、２を示す説明図

【図８】操作典型例３、４を示す説明図

【図９】操作典型例５、６を示す説明図

【図１０】第１実施例で用いたニューラルネットワーク
の概略構成を示す説明図

【図１１】本発明に係る第２実施例に適用される制御機
構と処理データの流れを示すブロック線図

【図１２】第２実施例で使用した２０個の標準形状パタ
ーンを示す線図

【図１３】形状偏差の一例を示す線図

【図１４】標準形状パターンに分類したときの構成比率
を示す説明図

【図１５】標準形状パターンに分類したときの構成比率
を示す他の説明図

【符号の説明】

１０…ワークロール １２…中間ロール １４…小型バックアップロール １６…上バックアップロール １８…下バックアップロール ２０…被圧延材 ２８…形状検出器 ３２…形状データ処理機構 ３４…目標形状発生機構 ３６…形状偏差計算機構 ３８…操作典型例格納機構 ４０…パターン確認機構（類似度算出） ４２…アクチュエータ操作量演算機構 ４４…アクチュエータ ４６…形状典型例格納機構

───────────────────────────────────────────────────── フロントページの続き (72)発明者 星野 将史 千葉県千葉市中央区川崎町１番地 川崎 製鉄株式会社 千葉製鉄所内 (72)発明者 都築 聡 千葉県千葉市中央区川崎町１番地 川崎 製鉄株式会社 千葉製鉄所内 (72)発明者 塩住 基仁 兵庫県神戸市中央区脇浜海岸通２番88号 川崎製鉄株式会社 阪神製造所内 (72)発明者 神丸 秋信 兵庫県神戸市中央区脇浜海岸通２番88号 川崎製鉄株式会社 阪神製造所内 (56)参考文献 特開 平６−71316（ＪＰ，Ａ)

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】被圧延材の形状を検出する形状検出器と、
   形状修正用アクチュエータを有する圧延機とを備えた圧
   延設備を用い、前記形状検出器の出力値に基づいて前記
   形状修正用アクチュエータを操作することにより前記被
   圧延材の形状を制御する圧延機における被圧延材の形状
   制御方法において、 前記形状修正用アクチュエータの操作量と、該操作量に
   対応する被圧延材の形状変化量とを組にしたデータを、
   操作典型例として複数個用意し、 前記形状検出器で検出した被圧延材の実績形状と目標形
   状との差である実績形状偏差と、前記操作典型例の形状
   変化量との類似度を算出し、 算出した該類似度に従って前記操作典型例のアクチュエ
   ータ操作量を重み付けし、 重み付けした該アクチュエータの操作量に基づいて形状
   修正用アクチュエータを操作することを特徴とする圧延
   機における被圧延材の形状制御方法。
2. 【請求項２】請求項１において、 操作典型例の作成、保持、演算を、動径基底関数型ニュ
   ーラルネットワークを用いて行うことを特徴とする圧延
   機における被圧延材の形状制御方法。
3. 【請求項３】請求項１において、 圧延中のアクチュエータ操作と該操作による形状変化の
   データを実績データとして蓄積し、随時、操作典型例の
   修正、追加等の更新を行うことを特徴とする圧延機にお
   ける被圧延材の形状制御方法。
4. 【請求項４】請求項１において、 操作典型例の作成、保持、演算を、動径基底関数型ニュ
   ーラルネットワークを用いて行い、 且つ、圧延中のアクチュエータ操作と該操作による形状
   変化のデータを実績データとして蓄積し、随時、操作典
   型例の修正、追加等の更新を行うことを特徴とする圧延
   機における被圧延材の形状制御方法。
5. 【請求項５】被圧延材の形状を検出する形状検出器と、
   形状修正用アクチュエータを有する圧延機とを備えた圧
   延設備を用い、前記形状検出器の出力値に基づいて前記
   形状修正用アクチュエータを操作することにより前記被
   圧延材の形状を制御する圧延機における被圧延材の形状
   制御方法において、 被圧延材の形状変化と、該形状変化を予め定められた標
   準形状パターンに分解したときの構成比率とを組にした
   データを、形状典型例として複数個用意し、 前記形状修正用アクチュエータの操作量と、該操作量に
   対応する被圧延材の形状変化を標準形状パターンに分解
   したときの構成比率とを組にしたデータを、操作典型例
   として複数個用意し、 前記形状検出器で検出した被圧延材の実績形状と目標形
   状との差である実績形状偏差と、前記形状典型例の形状
   変化との類似度を算出し、 算出した該類似度に従って前記形状典型例の構成比率を
   重み付けし、 重み付けした該構成比率と前記操作典型例の構成比率と
   の類似度を算出し、 算出した該類似度に従って前記操作典型例のアクチュエ
   ータ操作量を重み付けし、 重み付けした該アクチュエータの操作量に基づいて形状
   修正用アクチュエータを操作することを特徴とする圧延
   機における被圧延材の形状制御方法。
6. 【請求項６】請求項５において、 形状典型例及び操作典型例の作成、保持、演算を、動径
   基底関数型ニューラルネットワークを用いて行うことを
   特徴とする圧延機における被圧延材の形状制御方法。
7. 【請求項７】請求項５において、 圧延中のアクチュエータ操作と該操作による形状変化の
   データを実績データとして蓄積し、随時、形状典型例及
   び操作典型例の修正、追加等の更新を行うことを特徴と
   する圧延機における被圧延材の形状制御方法。
8. 【請求項８】請求項５において、 形状典型例及び操作典型例の作成、保持、演算を、動径
   基底関数型ニューラルネットワークを用いて行い、 且つ、圧延中のアクチュエータ操作と該操作による形状
   変化のデータを実績データとして蓄積し、随時、形状典
   型例及び操作典型例の修正、追加等の更新を行うことを
   特徴とする圧延機における被圧延材の形状制御方法。