JP3330758B2 - 調節されるシステムにおけるプロセスの制御方法および装置 - Google Patents
調節されるシステムにおけるプロセスの制御方法および装置Info
- Publication number
- JP3330758B2 JP3330758B2 JP30039694A JP30039694A JP3330758B2 JP 3330758 B2 JP3330758 B2 JP 3330758B2 JP 30039694 A JP30039694 A JP 30039694A JP 30039694 A JP30039694 A JP 30039694A JP 3330758 B2 JP3330758 B2 JP 3330758B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- network
- parameters
- measured
- parameter
- 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.)
- Expired - Lifetime
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/58—Roll-force control; Roll-gap control
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Feedback Control In General (AREA)
- Control Of Metal Rolling (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
おけるプロセスを制御するための方法であって、各1つ
のプロセス進行の開始時に、計算装置内にインプリメン
トされたプロセスの数学モデル(M)を用いて、モデル
に供給された入力量に関係して、少なくとも1つの選択
されたプロセスパラメータが予計算され、このプロセス
パラメータによりシステムの予設定が行われ、プロセス
進行の間に入力量およびプロセスパラメータが測定さ
れ、プロセス進行の後に、測定されたプロセスパラメー
タおよびモデルに供給された測定された入力量に基づい
て、プロセスパラメータの予計算の適応改善が行われる
方法に関する。さらに本発明はこの方法を実施するため
の装置に関する。
書から、準連続的に作動する方法技術的な設備に対する
調節されるシステム内の1つのプロセスに指令を与える
ためのこのような方法または装置が公知である。このよ
うな設備には例えば圧延ラインが属しており、その際に
圧延物の各パスは以下でプロセス進行と呼ばれるプロセ
スサイクルを形成する。すべての実際の技術的プロセス
のようにこれらのプロセス進行は時変性である。このよ
うなプロセスに指令を与える際には、プロセスを調節す
るシステムを各プロセス進行の前に予設定することが必
要である。すなわちプロセス指令は古典的な調節と異な
って実際のプロセス事象に常に時間的に先行していなけ
ればならない。その理由は、工業的プロセスではしばし
ば調節量が間接的にのみ測定可能であり、またプロセス
影響の個所で直接的に測定可能ではなく、従って直接的
な調節が可能でないことである。プロセスを調節するシ
ステムの予設定は公知のように、プロセスの重要な数学
的モデルのプールに支えられて、予め定められた入力量
および/またはとりあえず推定された入力量に関係して
選定されたプロセスパラメータが予計算され、それによ
って次いでシステムの予設定が行われるようにして行わ
れる。数学的モデルは指令を与えるべきプロセスを常に
近似的にのみ記述し得るので、実際のプロセス事象への
モデルの適応マッチングが必要である。そのために各プ
ロセス進行の間にプロセスパラメータおよび入力量が直
接的または間接的に他の測定量の評価により測定され
る。プロセス進行の終了後に後計算の枠内で数学的モデ
ルにより実行された予計算がいまや測定された入力量を
基礎として繰り返され、その際にこうして計算されたプ
ロセスパラメータと測定されたプロセスパラメータとの
間の偏差に関係して変更可能なモデルパラメータの適応
変更が求められた偏差を減少するように行われる。こう
して適応されたモデルパラメータはすぐ次のプロセス進
行の開始時にプロセスパラメータの予計算のために用い
られる。
システムの予設定の良度は、プロセスのモデルの適応に
もかかわらず、一般に作成が困難でありさらに強く誤差
を含んでいる可能性のあるモデル仮定の良度に特に関係
する。さらにモデル進行への実時間作動でのモデルパラ
メータの連続的、すなわちオンライン適応は非常に計算
費用がかかる。
ようなプロセスパラメータの予計算を改良することにあ
る。
れば、冒頭に記載した種類の方法において、プロセスパ
ラメータを計算するため、モデルの計算結果が、入力側
に入力量の少なくとも一部を供給されるニューロン回路
網の回路網応答と論理演算され、プロセス進行の後に計
算されたプロセスパラメータと測定されたプロセスパラ
メータとの間の偏差は、この偏差が減少するように、ニ
ューロン回路網の変更可能な回路網パラメータを適応さ
せることにより解決される。この方法を実施するための
装置は、モデルから供給された計算結果の適応改善のた
めの変更可能な回路網パラメータを有するニューロン回
路網を含んでおり、その際ニューロン回路網が入力側に
測定された入力量の少なくとも一部を供給されており、
モデルから供給された計算結果をニューロン回路網の回
路網応答と論理演算するための論理演算装置が設けられ
ている。その際に、モデル計算のために利用される入力
量のうち、予計算すべきプロセスパラメータへのそれら
の影響がモデルにより十分に正確に記述されない入力量
がニューロン回路網に供給される。
数学モデルにより記述されるが、その際に残留するモデ
ル誤差は実際のプロセス事象へのモデルの適応マッチン
グによらずに、モデルに対して並列に接続されているニ
ューロン回路網により補正される。すなわち数学モデル
は予計算すべきプロセスパラメータに対する近似値を供
給し、またニューロン回路網は補正値を供給し、その際
に近似値および補正値の論理演算はプロセスパラメータ
の改善された予測に通ずる。数学モデルの公知の専らの
使用にくらべて、ニューロン回路網のデザインおよびト
レーニングの費用が数学モデルの適格化の費用よりも少
なくてすむという利点が生ずる。数学モデルを完全にニ
ューロン回路網により置換する他の考えられる方法にく
らべて、プロセスの数学モデル化のためのこれまでの結
果および経験が引き続き完全に有効であるという利点が
生ずる。それに応じて、数学モデルと組み合わせて使用
されるニューロン回路網も相応のグローバルなニューロ
ン回路網よりも簡単であり、その結果としてプロセス指
令のための一層堅牢な解決策が得られる。
セス進行の後に測定された入力量および測定されたプロ
セスパラメータが回路網パラメータを適応させるために
利用されることによって、回路網パラメータの適応がオ
ンラインで行われる。これにより、実際の、すなわち時
変性のプロセスへの、モデルから供給される計算結果の
補正の連続的なマッチングが達成される。その際にニュ
ーロン回路網の回路網パラメータのオンライン適応は計
算技術的に数学モデルのモデルパラメータのオンライン
適応の場合の費用よりもはるかに少ない費用ですむ。
して、少なくとも多数のプロセス進行の後に追加的に数
学モデルの変更可能なモデルパラメータの適応変更がモ
デルから供給された計算結果と測定されたプロセスパラ
メータとの間の偏差に関係して行われることによって、
プロセスへの数学モデルの適応も可能である。この際に
モデルの適応は、好ましくは、多数のプロセス進行にわ
たって集められた入力量およびプロセスパラメータの測
定値に基づいてオフラインで行われる。モデルの計算結
果とニューロン回路網の回路網応答との論理演算のため
に多くの変形例が考えられるが特に加法的論理演算、乗
法的論理演算およびデュアル論理演算が有利であること
が判明している。
に1つのモデルにより記述され得る工業的な方法技術的
プロセスにおいて応用される。この関連で本発明による
方法により好ましくは圧延技術的プロセスに指令が与え
られ、その際に本発明による方法は特に圧延ラインの圧
延スタンド内の圧延力の予計算および予設定の役割およ
び/または圧延物内の温度経過の予計算および予設定の
役割をする。
指令の際に、プロセス進行の自然のサイクルでクロック
される調節器のように作動する。同様にしてもちろん、
フィクティブなプロセスサイクルの導入による連続的プ
ロセスのプロセス指令も可能である。同じく準連続的プ
ロセスの自然のプロセスサイクルが目的にかなった時間
的セグメント化によりもっと短いフィクティブなプロセ
スサイクルに分割されてもよい。
明する。以下の説明および図面において、添え字vは推
定された値、添え字Mはモデルに導かれる値、添え字Nは
回路網に導かれる値を表すものである。
れている技術的プロセス、たとえば圧延プロセスに指令
を与えるための従来の配置を示す。計算装置2で付属の
モデルパラメータMPを含めてプロセスの数学モデルM
が実行されている。各プロセス進行の開始前に予計算装
置3が計算装置2から現在のモデルパラメータMPを有
する数学モデルMのそれぞれ必要とされるモデル式を呼
び出す。次いで予計算装置3でモデル式およびたとえば
目標値のような予め定められたまたは推定された入力量
xV =(x1V,…,xnVに基づいて選択されたプロセス
パラメータyV=(y1V,…,ynV)が予計算される。
これらの予計算されたプロセスパラメータyV によりプ
ロセス1を調節するためのシステム4が予設定される。
続いてのプロセス進行の間に、矢印5により示されてい
るように、プロセス1が予設定されたシステム4により
制御され、他方同時に、矢印6により示されているよう
に、すべての主要なプロセス量が測定される。測定され
たプロセス量に基づいて測定された量の統計的な評価に
より、またはその他の直接的に測定可能でない量の計算
により入力量xおよびプロセスパラメータyの、プロセ
ス進行の前に行われた場合よりもはるかに正確な決定が
行われる。プロセス進行の後にこのように測定された入
力量xおよびプロセスパラメータyが後計算装置7に供
給される。後計算装置7は計算装置2内の現在のモデル
パラメータMPを有するモデルMにアクセスし、またプ
ロセスパラメータの予計算をいまや測定された入力量x
を基礎として繰り返す。プロセスパラメータに対するこ
うして得られた計算結果は測定されたプロセスパラメー
タyと比較され、その際に求められた偏差に基づいてモ
デルパラメータMPの適応変更がこれらの偏差を減少す
るように行われる。適応されたモデルパラメータMPは
古い値に重ね書きして計算装置2内に格納され、またす
ぐ次の予計算のために準備される。
回路網パラメータNPを有するニューロン回路網8との
本発明による組み合わせの実施例を示す。プロセスパラ
メータyV の予計算の際に予計算装置3は装置2内のモ
デルにアクセスするだけでなく、さらに推定された入力
量xV をニューロン回路網8に供給する。このニューロ
ン回路網は回路網応答yNvを発生し、この回路網応答は
それぞれ予計算すべきプロセスパラメータyV を形成す
るためモデルMから供給される計算結果と論理演算され
る。予計算されたプロセスパラメータにより、図1に関
連して既に説明した仕方で、プロセス1を調節するため
のシステム4の予設定が行われる。プロセス進行の後
に、測定された入力量xが後計算装置7内で数学モデル
Mに供給されると共にニューロン回路網8に与えられ
る。続いて装置7内で、モデルMのこうして得られた計
算結果および回路網応答yN が互いに論理演算され、ま
た論理演算の結果が測定されたプロセスパラメータyと
比較される。その際に求められた偏差と関係してニュー
ロン回路網8の回路網パラメータNPがこの偏差を減少
するように適応変更される。各プロセス進行の後に“オ
ンライン”で行われるニューロン回路網8の適応と異な
り、モデルMの“オンライン”適応は予定されていな
い。しかし、更新されたモデルパラメータMPの受け渡
しのための装置2と装置7との間の破線で示されている
接続により示されているように、測定結果を多数のプロ
セス進行から集め、また所与の時点で“オフライン”適
応を実行することも可能である。
れに供給された入力量xM に基づいて発生された計算結
果yM と入力量xN を与えられるニューロン回路網8の
回路網応答yN との論理演算のための相い異なる例を示
す。入力量xN には、その予計算すべきプロセスパラメ
ータyV への影響が数学モデルにより正確に記述され得
ないような入力量が属している。多くの場合にxM =x
N である。詳細には図3は加法的論理演算yV =yM +
yN を示す。図4は乗法的論理演算yV =vM・yN を
示し、また図5はデュアル論理演算yV =yM ・(1+
yN )を示す。すなわちプロセスパラメータyV の予計
算は近似的にモデルMにより行われ、その際に残留する
モデル誤差はニューロン回路網8により補正される。実
際のプロセス事象へのプロセスパラメータyV の予計算
の適応はニューロン回路網8の回路網パラメータの適応
変更により行われる。
い異なる例が示されており、プロセス記述のための数学
モデルと組み合わせてのそれらの使用は以下に一層詳細
に説明する。
のプロセスの自動化である。その際に本来の調節量すな
わち圧延ラインから走出する圧延物の厚みは圧延間隙で
測定可能でなく、操作量、ここではそのつどの圧延スタ
ンドの圧下率およびプロセスパラメータの1つまたはい
くつか、たとえば圧延力の関数として間接的にのみ検出
可能である。プロセス進行の間に圧延力は測定可能であ
り、従って調節量の現在の値はいつでも計算可能であ
り、またこうして調節装置に操作量の発生のために供給
可能である。しかし各プロセス進行の開始段階で、すな
わち各個の圧延過程の開始時に、調節は先ずビルドアッ
プしなければならず、このことは圧延物の最初の範囲内
の誤差のある厚みに通ずる。調節のビルドアップ段階、
従ってまた誤差のある厚みを有する圧延物の最初の範囲
を最小化するため、圧延ラインへの圧延物の走入の前に
操作量の予設定が調節量(圧延物の厚み)の目標値およ
びプロセスパラメータ(圧延力)の予計算された値に関
係して行われる。その際に圧延力の予計算は、圧延力
(プロセスパラメータy)とこれに影響する入力量x、
たとえば圧延スタンドn内の圧延物の相対的厚み減少E
n 、圧延物の走入温度Tn 、スタンドnの前の圧延物の
張力Zn 、スタンドnの後の圧延物内の張力Zn+ 1 、ロ
ール半径Rn 、スタンドnの前の圧延物の幅Bn および
厚みDn のような入力量との間の関係をシミュレートす
る数学モデルの助けをかりて行われる。
n ,…,Dn )を供給され、出力側の回路網応答yN を
図3および図5中の図示に相応して加法的またはデュア
ルに数学モデルMから供給される計算結果yM と論理演
算するニューロン回路網の構成を示す。図6に示されて
いるニューロン回路網は入力量En ないしDn の各々に
対するそれぞれ1つの入力要素9を有する入力領域を有
する。入力領域の後に、それぞれガウス関数状の応答挙
動を有するi要素10から成る隠された領域が対応付け
られている。個々の要素10の応答は出力要素11内で
それぞれ重み付け係数ci を乗算され、また回路網応答
yN として加算される。隠された領域の各個の要素10
の応答挙動は、入力量の数に相応して多次元の、可変の
中心tij、可変の幅sj およびそのつどの重み付け係数
ci により変更可能な振幅を有するガウスの鐘状分布を
記述する。これらの回路網パラメータにより実際のプロ
セス事象へのニューロン回路網の適応マッチングが行わ
れる。
路網応答yN とモデル計算の結果yM との間の乗法的論
理演算に適しており、また図6に示されている回路網と
の相違点として、2つの加算要素12および13から成
る第2の隠された領域を有する。符号12を付されてい
る加算要素は第1の隠された領域の個々の要素10の応
答を重み付けせずに加算し、他方において符号13を付
されている加算要素はこれらの応答の各々をそのつどの
重み付け係数ci を掛けて加算する。第2の隠された領
域の後に出力要素14が対応付けられており、この出力
要素が加算要素12および13から供給された応答の比
から回路網応答yN を形成する。
せて圧延ラインを通過する際の圧延物における温度経過
のモデル化のために使用され得るニューロン回路網の2
つの例を示し、それらの回路網応答yN はモデルの計算
結果yM と加法的に論理演算される。付属の温度モデル
はたとえば圧延スタンドの内部の温度発生および圧延ス
タンドの外部の圧延物の冷却のような多くの部分モデル
から成っている。一層詳細な説明のために図10は前ラ
イン15、カッター16、スケール洗浄器17および仕
上げライン18から成る圧延ラインの一部を示す。仕上
げライン18の個々の圧延スタンドは符号G1 、G2 、
…、Gn を付して示されている。
ではたとえば前帯温度TV に対する測定位置と第2の圧
延スタンドG2 の後の帯温度T2 に対する測定位置との
間のライン範囲に対して温度係数が数学的温度モデルに
より求められるべきであり、その際に使用されるニュー
ロン回路網は誤差補償の役割をする。そのためにニュー
ロン回路網に好ましくは次の入力量xN 、すなわち圧延
物内の合金成分Lの和、帯幅B、前帯厚みDV 、第2の
圧延スタンドG2 の後の帯厚みD2 、前帯温度TV 、第
2の圧延スタンドG2 の後の帯温度T2 、前帯温度TV
の測定位置からカッター16までの走行時間tA 、スケ
ール洗浄器17から第1の圧延スタンドG1 までの走行
時間tB 、スケール洗浄器17の冷却強度IA 、両スタ
ンドG1とG2 との間のプレス水‐帯冷却の強度IB 、
ローラー冷却の強度IC および圧延速度v1 およびv2
ならびに圧延スタンドG1 およびG2 内の圧延力F1 お
よびF2 が供給される。。
記の入力量xN =(L,B,DV ,…,F1 ,F2 )の
各々に対してそれぞれ1つの入力要素19を有する入力
領域を有する。追加的な入力要素20に一定値、たとえ
ば“1”が供給される。入力量xn および一定値はそれ
ぞれ個別の重み付け係数cj を乗算され、また出力要素
21で回路網応答yN として加算される。
8に示されているニューロン回路網との相違点として、
それぞれ−1.0と+1.0との間のシグモイド経過を
有する応答挙動を有するi(たとえばi=20)の要素
22から成る中間領域を有する。入力量xN はそれぞれ
個別の重み付け係数wijを乗算され、また続いて、個々
の要素22に供給される前に、加算される。隠された領
域は一定値、たとえば“1”に対する入力要素としての
役割をする追加的な要素23を有する。
置例のブロック図。
る組み合わせの一例を示すブロック図。
演算の一例を示すブロック図。
演算の一例を示すブロック図。
理演算の一例を示すブロック図。
図。
図。
図。
Claims (10)
- 【請求項1】 調節されるシステム(4)におけるプロ
セスを制御するための方法であって、各1つのプロセス
進行の開始時に、計算装置(2)内にインプリメントさ
れたプロセスの数学モデル(M)を用いて、モデル
(M)に供給された入力量(xM)に関係して、少なく
とも1つの選択されたプロセスパラメータ(yV)が予
計算され、このプロセスパラメータによりシステム
(4)の予設定が行われ、プロセス進行の間に入力量
(x)およびプロセスパラメータ(y)が測定され、プ
ロセス進行の後に、測定されたプロセスパラメータ
(y)およびモデル(M)に供給された測定された入力
量(x)に基づいて、プロセスパラメータ(yV)の予
計算の適応改善が行われる方法において、プロセスパラ
メータ(yV)を計算するため、モデル(M)の計算結
果(yM)が、入力側に入力量(xN)の少なくとも一部
を供給されるニューロン回路網(8)の回路網応答(y
N)と論理演算され、プロセス進行の後に計算されたプ
ロセスパラメータ(yV)と測定されたプロセスパラメ
ータ(y)との間の偏差は、この偏差が減少するよう
に、ニューロン回路網(8)の変更可能な回路網パラメ
ータ(c、w)を適応させることを特徴とする調節され
るシステム内のプロセスに指令を与えるための方法。 - 【請求項2】 各プロセス進行の後に測定された入力量
(x)および測定されたプロセスパラメータ(y)が回
路網パラメータ(c、w)を適応させるために利用され
ることによって、回路網パラメータ(c、w)の適応が
オンラインで行われることを特徴とする請求項1記載の
方法。 - 【請求項3】 少なくとも複数のプロセス進行の後に、
追加的に数学モデル(M)の変更可能なモデルパラメー
タ(MP)の適応変更がモデル(M)から供給された計
算結果と測定されたプロセスパラメータ(y)との間の
偏差に関係して行われることを特徴とする請求項1また
は2記載の方法。 - 【請求項4】 モデル(M)の計算結果(yM)とニュ
ーロン回路網(8)の回路網応答(yN)との適応論理
演算が行われることを特徴とする請求項1ないし3の1
つに記載の方法。 - 【請求項5】 モデル(M)の計算結果(yM)とニュ
ーロン回路網(8)の回路網応答(yN)との乗法的論
理演算が行われることを特徴とする請求項1ないし3の
1つに記載の方法。 - 【請求項6】 モデル(M)の計算結果(yM)とニュ
ーロン回路網(8)の回路網応答(yN)とのデュアル
論理演算が行われることを特徴とする請求項1ないし3
の1つに記載の方法。 - 【請求項7】 圧延技術的プロセスの制御が行われるこ
とを特徴とする請求項1ないし6の1つに記載の方法。 - 【請求項8】 圧延ラインの圧延スタンド内の圧延力の
予計算および予設定が行われることを特徴とする請求項
7記載の方法。 - 【請求項9】 圧延物の温度経過の予計算および予設定
が行われることを特徴とする請求項7記載の方法。 - 【請求項10】 調節されるシステム(4)におけるプ
ロセスを制御するための装置であって、少なくとも1つ
の予計算されたプロセスパラメータ(yV)に関係して
システム(4)を予設定するための装置(3)と、入力
量(x)に関係してプロセスパラメータ(yV)を予計
算するためのプロセスの数学モデル(M)を含んでいる
計算装置(2)と、プロセス進行の間に入力量(x)お
よびプロセスパラメータ(y)を測定するための測定装
置(6)とを含んでいる装置において、モデル(M)か
ら供給された計算結果(yM)の適応改善のための変更
可能な回路網パラメータ(c、w)を有するニューロン
回路網(8)を含んでおり、その際ニューロン回路網
(8)が入力側に測定された入力量(xN)の少なくと
も一部を供給されており、モデル(M)から供給された
計算結果(yM)をニューロン回路網(8)の回路網応
答(yN)と論理演算するための論理演算装置が設けら
れていることを特徴とする調節されるシステムにおける
プロセスを制御するための装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4338607A DE4338607B4 (de) | 1993-11-11 | 1993-11-11 | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
DE4338607.5 | 1993-11-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH07191711A JPH07191711A (ja) | 1995-07-28 |
JP3330758B2 true JP3330758B2 (ja) | 2002-09-30 |
Family
ID=6502404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP30039694A Expired - Lifetime JP3330758B2 (ja) | 1993-11-11 | 1994-11-09 | 調節されるシステムにおけるプロセスの制御方法および装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US5600758A (ja) |
JP (1) | JP3330758B2 (ja) |
DE (1) | DE4338607B4 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6745169B1 (en) * | 1995-07-27 | 2004-06-01 | Siemens Aktiengesellschaft | Learning process for a neural network |
DE19618712B4 (de) * | 1996-05-09 | 2005-07-07 | Siemens Ag | Regelverfahren für ein Walzgerüst zum Walzen eines Bandes |
US6438534B1 (en) * | 1996-06-21 | 2002-08-20 | Siemens Aktiengesellscaft | Process and system for commissioning industrial plants, in particular in the primary industry |
DE19642918C2 (de) * | 1996-10-17 | 2003-04-24 | Siemens Ag | System zur Berechnung des Enddickenprofils eines Walzbandes |
DE19644131C2 (de) * | 1996-10-23 | 2002-09-19 | Siemens Ag | Verfahren zum Optimieren der Bandbreitenverteilung an den Enden eines eine Walzstraße in einem oder mehreren Stichen durchlaufenden Bandes |
US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
DE19718262A1 (de) * | 1997-04-30 | 1998-11-05 | Schenck Panel Production Syste | Verfahren und System zur Generierung eines Prozeßmodells eines technischen Problems |
DE19731980A1 (de) * | 1997-07-24 | 1999-01-28 | Siemens Ag | Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes |
DE19980248B4 (de) * | 1998-02-18 | 2008-02-07 | Siemens Ag | Verfahren und Einrichtung zur Bestimmung eines Zwischenprofils eines Metallbandes |
MXPA00002784A (es) | 1998-07-21 | 2005-08-16 | Dofasco Inc | Sistema basado en modelo estadistco multivariado pra verificar la operacion de un fundidor continuo y detectar la aparicion de rebabas por rotura de molde inminentes. |
EP1163062B1 (de) | 1999-03-23 | 2002-11-13 | Siemens Aktiengesellschaft | Verfahren und einrichtung zur bestimmung der walzkraft in einem walzgerüst |
DE19914910A1 (de) * | 1999-04-01 | 2000-10-26 | Bayerische Motoren Werke Ag | Hybridmodell zur Modellierung eines Gesamtprozesses in einem Fahrzeug |
FI115406B (fi) * | 2000-06-13 | 2005-04-29 | Metso Paper Inc | Paperikoneen tai kartonkikoneen tai vastaavan kuiturainakoneen telaston, kuten kalanterin, kuormituslaskentajärjestelmä |
DE10036971A1 (de) * | 2000-07-28 | 2002-02-28 | Siemens Ag | Verfahren zur Ferndiagnose eines technologischen Prozesses |
DE10113538B4 (de) * | 2001-03-20 | 2012-03-01 | Bayerische Motoren Werke Aktiengesellschaft | Regelvorrichtung und Regelverfahren |
US7362892B2 (en) | 2003-07-02 | 2008-04-22 | Lockheed Martin Corporation | Self-optimizing classifier |
US6885907B1 (en) | 2004-05-27 | 2005-04-26 | Dofasco Inc. | Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention |
DE102007025447A1 (de) * | 2006-10-09 | 2008-04-17 | Siemens Ag | Verfahren zur Steuerung und/oder Regelung eines industriellen Prozesses |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU442459A1 (ru) * | 1972-12-20 | 1974-09-05 | Московский Ордена Трудового Красного Знамени Институт Пищевой Промышленности | Система автоматического регулировани |
SU807211A1 (ru) * | 1978-07-19 | 1981-02-23 | Киевский Ордена Ленина Политехни-Ческий Институт Им. 50-Летиявеликой Октябрьской Социалисти-Ческой Революции | Устройство дл идентификациилиНЕйНыХ Об'ЕКТОВ упРАВлЕНи |
US5253328A (en) * | 1989-11-17 | 1993-10-12 | Microelectronics & Computer Technology Corp. | Neural-network content-addressable memory |
ATE163777T1 (de) * | 1990-10-10 | 1998-03-15 | Honeywell Inc | Identifizierung eines prozesssystems |
DE4040360A1 (de) * | 1990-12-17 | 1991-06-27 | Siemens Ag | Regelung eines mehrgeruestigen warm- und/oder kaltband-walzwerks |
DE4111354A1 (de) * | 1991-04-09 | 1992-10-22 | Bodenseewerk Geraetetech | Einrichtung zur fuehrung des endeffektors eines roboters laengs einer sollbahn |
DE4130164A1 (de) * | 1991-09-11 | 1993-03-18 | Bodenseewerk Geraetetech | Regler, insbesondere flugregler |
JPH05171890A (ja) * | 1991-12-25 | 1993-07-09 | Nippon Telegr & Teleph Corp <Ntt> | トンネルロボットの方向修正量モデル形成法 |
-
1993
- 1993-11-11 DE DE4338607A patent/DE4338607B4/de not_active Expired - Fee Related
-
1994
- 1994-11-09 JP JP30039694A patent/JP3330758B2/ja not_active Expired - Lifetime
- 1994-11-10 US US08/337,660 patent/US5600758A/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
US5600758A (en) | 1997-02-04 |
JPH07191711A (ja) | 1995-07-28 |
DE4338607B4 (de) | 2005-10-06 |
DE4338607A1 (de) | 1995-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3330758B2 (ja) | 調節されるシステムにおけるプロセスの制御方法および装置 | |
JP3336135B2 (ja) | プロセスに指令を与えるための方法および装置 | |
US5513097A (en) | Method and control device for controlling a process including the use of a neural network having variable network parameters | |
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 | |
KR100249914B1 (ko) | 금속 밴드의 로울링 방법 및 장치 | |
US5598329A (en) | Method and device for controlling a process | |
SE529454C2 (sv) | Förfarande och anordning för trimning och styrning | |
US5778151A (en) | Method and control device for controlling a material-processing process | |
JPH05204408A (ja) | 産業設備における制御パラメータの修正方法 | |
JP2804161B2 (ja) | センジマーミルの形状制御方法および装置 | |
KR100499165B1 (ko) | 시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 | |
CN115815342A (zh) | 一种基于机理和数据融合模型的冷轧轧制力预测方法 | |
CN110851994B (zh) | 一种冷轧带材在线板形目标曲线调整方法 | |
US20020020198A1 (en) | Method and device for controlling flatness | |
JPH0756608A (ja) | 信号処理方法 | |
KR950003800B1 (ko) | 신경회로망을 이용한 형상제어시스템 | |
JPH09174128A (ja) | 圧延材の形状制御方法 | |
JP3094174B2 (ja) | 伸び率制御方法及び装置 | |
JP3501982B2 (ja) | 板幅制御装置 | |
JPH0623417A (ja) | 熱間粗圧延における板幅制御装置 | |
JPH07230445A (ja) | データ予測装置 | |
JPH07204718A (ja) | 圧延装置 | |
JPH06202709A (ja) | プロセス制御方法およびプロセス制御装置 | |
JP2000126809A (ja) | 圧延機のセットアップ装置 | |
JPH07244501A (ja) | プロセスの学習制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20020613 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070719 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080719 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090719 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100719 Year of fee payment: 8 |