JP3315371B2 - 圧延モデル学習装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、鋼材を圧延して圧
延材（製品）を製造する圧延設備で使用される圧延モデ
ル学習装置に係わり、特にロールを交換した直後にも、
製品の形状、寸法などを目標形状、目標寸法にする圧延
モデル学習装置に関する。

【０００２】

【従来の技術】鋼材を圧延して製品を製造する圧延設備
では、圧延の進行によってサーマルクラウンやロール摩
耗などの圧延環境が時々刻々、変化する。このため、圧
延を行う際の設定値と、圧延によって得られる圧延材の
寸法、形状などの実績情報とに基づき、圧延モデル学習
装置により圧延状況を学習させ、この学習結果を使用し
て設定計算装置で使用する荷重モデルや温度モデル、ゲ
ージメータなどに対する数式モデルを修正し、圧延処理
で得られる圧延材の寸法、形状が目標とする寸法、目標
とする形状になるようにしている。

【０００３】この際、ロール交換などを行ったとき、あ
るいは長時間にわたり圧延設備を休止させたときなど、
圧延環境が著しく変化したときには、オンライン形式で
前回の数式モデルで使用している学習項を初期化し、オ
フラインでデフォルト値（圧延設備を設計した段階の数
値）の変更、調整を行うことで、前回までの圧延処理で
得られた学習項による悪影響が出ないようにしている。

【０００４】

【発明が解決しようとする課題】ところで、このような
従来の圧延モデル学習装置では、学習項を初期化した直
後における数本分の圧延材に対し、学習項が不十分にな
ってしまうことから、ロール交換などを行った直後の圧
延材、あるいは長時間にわたり、圧延設備を休止させた
後で、圧延を再開した直後の圧延材の品質が低下してし
まう。

【０００５】このため、ロール交換直後の数本分に対
し、適応学習のゲインを上げて、ロール交換直後の数式
モデル誤差をできるだけ早く吸収するようにしている
が、このような誤差修正方法では、ロール交換直後な
ど、圧延環境が著しく変化した直後に圧延された数本分
について、圧延材の品質が低下してしまうという問題が
あった。

【０００６】本発明は上記の事情に鑑み、ロール交換直
後など、圧延環境が著しく変化した直後においても、オ
ンライン形式で、学習項を最適化して、圧延材の品質低
下を防止できる圧延モデル学習装置を提供することを目
的としている。

【０００７】

【課題を解決するための手段】上記の目的を達成するた
めに本発明は、請求項１では、圧延時に得られる実績情
報に基づいた学習を行って、圧延に使用する数式モデル
が持つ誤差を修正する圧延モデル学習装置において、圧
延時の実績情報に基づいた学習結果から、前記数式モデ
ルで使用する各項の値を最適な値にする適応学習部と、
圧延状況に応じて前記適応学習部で得られた学習結果を
使用して、前記数式モデルで使用される各項の初期値を
最適化する学習項初期値決定部とを備えたことを特徴と
している。

【０００８】請求項２では、請求項１に記載の圧延モデ
ル学習装置において、前記学習項初期値決定部は、前記
適応学習部で得られた学習結果を過去数回分にわたり、
特異結果を除去しながら保持するとともに、保持してい
る学習効果を平均化して前記数式モデルで使用される各
項の初期値を最適化することを特徴としている。

【０００９】上記の構成により、請求項１では、圧延時
の実績情報に基づき、適応学習部によって、学習を行う
とともに、この学習結果に基づき、数式モデルで使用す
る各項の値を最適な値にし、さらに圧延状況に応じて、
適応学習部で得られた学習結果を使用して、学習項初期
値決定部により、数式モデルで使用され各項の初期値を
最適化する。これにより、ロール交換直後など、圧延環
境が著しく変化した直後においても、オンライン形式で
学習項を最適化して圧延材の品質が低下しないようにす
る。

【００１０】請求項２では、学習項初期値決定部によっ
て、適応学習部で得られた学習結果を過去数回分にわた
り、特異結果を除去しながら保持するとともに、保持し
ている学習効果を平均化して、数式モデルで使用される
各項の初期値を最適化することにより、過去に行ったロ
ール交換直後の機械的特性を加味して、ロール交換直後
などの学習項を最適化し、これによってロール交換直後
においても学習項を最適化し、圧延材の品質が低下しな
いようにする。

【００１１】

【発明の実施の形態】図１は本発明による圧延モデル学
習装置の実施の形態を使用したモデル学習適用システム
の一例を示すブロック図である。

【００１２】この図に示すモデル学習適用システム１
は、予め登録されている荷重モデル、温度モデル、ゲー
ジメータなどに対する数式モデルを使用して、指定され
た寸法、指定された形状の圧延材を製造するのに必要な
各種の設定値を求める設定計算装置２と、この設定計算
装置２から出力される設定値に応じて圧延工程各部の数
値を調整しながら、搬入された鋼材を圧延して、指定さ
れた寸法、形状の圧延材を製造する圧延設備３と、この
圧延設備３が鋼材を圧延して１本の圧延材を製造する毎
に、プロセスデータ、各圧延材の寸法、形状などの実績
値を収集する実績収集装置４と、この実績収集装置４に
よって収集されたプロセスデータ、実績値に基づき、１
本の圧延材が製造される毎に、学習を行って設定計算装
置２で使用される数式モデルを修正する圧延モデル学習
装置５とを備えている。

【００１３】圧延モデル学習装置５は、実績収集装置４
によって収集されたプロセスデータ、実績値を取り込ん
で、これを保持しながら、圧延設備３によって１本の圧
延材が製造される毎に、それまでの学習値（適応学習結
果）を修正して、設定計算装置２で使用される数式モデ
ルの学習項を修正する適応学習部６と、この適応学習部
６で得られた各適応学習結果のうち、ロール交換直後の
適応学習結果を取り込んで、特異結果（例えば、予め設
定されている範囲外の適応学習結果）を除去しながら、
これを過去数回分にわたり保持して、ロール交換直後に
おける適応学習結果の傾向を判定し、この判定結果を設
定計算装置２で使用される数式モデルの初期値に反映さ
せる学習項初期値決定部７とを備えている。

【００１４】上記のモデル学習適用システムにおいて、
設定計算装置２では、予め登録されている数式モデル、
修正された数式モデルを使用して、指定された寸法、形
状の圧延材を製造するのに必要な各種の設定値を計算す
る。圧延設備３では、計算された各設定値に基づき、鋼
材を圧延して圧延材を製造する。このとき、実績収集装
置４では、圧延設備３のプロセスデータ、実績値を収集
するとともに、圧延設備３で１本の圧延材が製造される
毎に、実績収集装置４で収集されたプロセスデータ、実
績値が圧延モデル学習装置５に供給される。

【００１５】圧延モデル学習装置５の適応学習部６で
は、圧延設備３により１本の圧延材が製造され、実績収
集装置４からプロセスデータ、実績値が出力される毎
に、実績収集装置４で収集されたプロセスデータ、実績
値を取り込んで、これを保持しながら、圧延設備３で１
本の圧延材が製造される毎に、次式に示す演算を行っ
て、それまでの適応学習結果を修正し、この修正結果に
基づき、設定計算装置２で使用される数式モデルの学習
項を修正する。

【００１６】 Ｙ_ｃａｌ ＝Ｆ（Ｘ_ａｃｔ ） …（１） Ｚ（ＣＵＲ）＝Ｙ_ａｃｔ−Ｙ_ｃａｌ …（２） 但し、Ｙ_ｃａｌ：プロセスデータＸ_ａｃｔに基づいて得
られる実績計算値 Ｙ_ａｃｔ：実績収集装置４から出力される実績値 Ｆ（Ｘ_ａｃｔ ）：プロセスデータＸ_ａｃｔに基づき、
実績計算値Ｙ_{ｃ ａｌ}を計算 する
のに必要な数式モデル Ｚ（ＣＵＲ）：適応学習結果 また、学習項初期値決定部７では、図２のフローチャー
トに示すように、圧延設備３のロールが交換されて１本
目の圧延材が製造されたとき（ステップＳＴ１）、適応
学習部６で得られた適応学習結果を取り込んで（ステッ
プＳＴ２）、特異結果を除去した後（ステップＳＴ
３）、これを保持しながら、過去数回分の適応学習結果
を使用して、下記に示す平滑化手法、平均手法、平均／
平滑化手法のいずかで、ロール交換直後における適応学
習結果の傾向を判定し、この判定結果に基づき、設定計
算装置２で使用される数式モデルの初期値を修正する
（ステップＳＴ４）。

【００１７】＜平滑化手法＞

【数１】 Ｚ_ｉｎｔ（ＮＥＷ）＝Ｚ_ｉｎｔ（ＯＬＤ） ＋β×〔Ｚ^Ｆ（ＣＵＲ）−Ｚ_ｉｎｔ（ＯＬＤ）〕 …（３） 但し、β：ゲイン Ｚ^Ｆ（ＣＵＲ）：ロール交換直後の適応学習結果 Ｚ_ｉｎｔ（ＮＥＷ）：学習項の新たな初期値 Ｚ_ｉｎｔ（ＯＬＤ）：学習項の古い初期値 ＜平均手法＞

【数２】 ＜平均／平滑化手法＞

【数３】 これにより、（３）式に示す平滑化手法を使用したと
き、図３に示すように、ロール交換直後の適応学習結果
が上下に大きく振れても、“０”を初期値として、ロー
ル交換直後の初期値を最適化して、圧延材の品質を安定
させることができる。

【００１８】同様に、この平滑化手法以外の平均手法、
平均／平滑化手法を使用したときにも、“０”を初期値
として、ロール交換直後の初期値を最適化して、圧延材
の品質を安定させることができる。

【００１９】このように、この実施の形態においては、
圧延設備３のロールが交換される毎に、圧延モデル学習
装置５内に設けられた学習項初期値決定部７によって、
適応学習部６で得られた適応学習結果を取り込んで、特
異結果を除去した後、これを保持しながら、過去数回分
の適応学習結果を使用して、（３）式に示す平滑化手
法、（４）式に示す平均手法、（５）式、（６）式に示
す平均／平滑化手法のいずかで、ロール交換直後におけ
る適応学習結果の傾向を判定し、この判定結果に基づ
き、設定計算装置２で使用される数式モデルの初期値を
修正するようにしているので、ロール交換直後など、圧
延環境が著しく変化した直後においても、過去に行った
ロール交換直後の機械的特性を加味して、オンライン形
式で、学習項を最適化し、圧延材の品質低下を防止でき
る。

【００２０】なお、上述した実施の形態では、（３）式
に示す平滑化手法、（４）式に示す平均手法、（５）
式、（６）式に示す平均／平滑化手法のいずかを使用し
て、適応学習部６で得られたロール交換直後の適応学習
結果を平均化または平滑化して、設定計算装置２で使用
される数式モデルの初期値を修正するようにしている
が、他の計算方法を使用して、適応学習部６で得られた
ロール交換直後の適応学習結果を平均化または平滑化し
て、設定計算装置２で使用される数式モデルの初期値を
修正するようにしても良い。

【００２１】

【発明の効果】以上説明したように本発明によれば、請
求項１の圧延モデル学習装置では、ロール交換直後な
ど、圧延環境が著しく変化した直後においても、オンラ
イン形式で、学習項を最適化して、圧延材の品質が低下
しないようにすることができる。

【００２２】また、請求項２の圧延モデル学習装置で
は、過去に行ったロール交換直後の機械的特性を加味し
て、ロール交換直後などの学習項を最適化することがで
き、これによってロール交換直後においても、学習項を
最適化し、圧延材の品質が低下しないようにすることが
できる。

【図面の簡単な説明】

【図１】本発明による圧延モデル学習装置の実施の形態
を使用したモデル学習適用システムの一例を示すブロッ
ク図である。

【図２】図１に示す圧延モデル学習装置の動作例を示す
フローチャートである。

【図３】図１に示す圧延モデル学習装置の効果を示すグ
ラフである。

【符号の説明】

１：モデル学習適用システム ２：設定計算装置 ３：圧延設備 ４：実績収集装置 ５：圧延モデル学習装置 ６：適応学習部 ７：学習項初期値決定部

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) B21B 37/00 B21B 31/08 G05B 13/02

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 圧延時に得られる実績情報に基づいた学
   習を行って、圧延に使用する数式モデルが持つ誤差を修
   正する圧延モデル学習装置において、 圧延時の実績情報に基づいた学習結果から、前記数式モ
   デルで使用する各項の値を最適な値にする適応学習部
   と、 圧延状況に応じて前記適応学習部で得られた学習結果を
   使用して、前記数式モデルで使用される各項の初期値を
   最適化する学習項初期値決定部と、 を備えたことを特徴とする圧延モデル学習装置。
2. 【請求項２】 請求項１に記載の圧延モデル学習装置に
   おいて、 前記学習項初期値決定部は、前記適応学習部で得られた
   学習結果を過去数回分にわたり、特異結果を除去しなが
   ら保持するとともに、保持している学習効果を平均化し
   て前記数式モデルで使用される各項の初期値を最適化す
   る、 ことを特徴とする圧延モデル学習装置。