JP4280351B2

JP4280351B2 - Rolling control model learning device

Info

Publication number: JP4280351B2
Application number: JP06398499A
Authority: JP
Inventors: 昌樹樋岡
Original assignee: Toshiba Mitsubishi Electric Industrial Systems Corp
Current assignee: Toshiba Mitsubishi Electric Industrial Systems Corp
Priority date: 1999-03-10
Filing date: 1999-03-10
Publication date: 2009-06-17
Anticipated expiration: 2019-03-10
Also published as: JP2000263110A

Description

【０００１】
【発明の属する技術分野】
本発明は、鋼板などを連続圧延する圧延制御モデル学習装置に係わり、特に各ロット毎のモデル式の長期学習項を最適化して、ロットを切り換えた場合の鋼板の品質低下を防止するようにした圧延制御モデル学習装置に関する。
【０００２】
【従来の技術】
圧延材を圧延して鋼板などを製造する圧延設備における圧延制御モデル学習装置では、鋼板の設定計算モデル式として、温度モデル式、変形抵抗・荷重モデル式、ギャップモデル式など、学習機能を持つモデル式を使用し、指定されたサイズの鋼板などを製造している。
【０００３】
この際、このような圧延制御モデル学習装置では、各モデル式の学習機能として、圧延材の区分（鋼種、製品厚、製品幅などの区分、以下、これをロットと称する）毎に、中・長期的な学習を行ってモデル式の誤差を吸収する長期学習機能と、ロットに関係無く、連続的（短期的）な学習を行って、圧延時の機械特性など、モデル式以外の不特定な誤差を吸収する短期学習機能とを使用して、指定されたサイズの鋼板などを製造している。
【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制御モデル学習装置では、各ロット毎に長期学習を行うことから、学習が進行するのに伴い、ロット間で習熟度に差が生じ、長期学習項を設定計算モデル式に適用して、連続圧延などを行っているとき、習熟しているロットから、未習熟のロットに切り換えると、それまで製造していた鋼板の品質に比べて、新たに製造する鋼板の品質が劣化してしまい、ロット間で製品の品質に格差を生じてしまうという問題があった。
【０００５】
本発明は上記の事情に鑑み、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、習熟しているロットの長期学習項を使用して、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止できる圧延制御モデル学習装置を提供することを目的としている。
【０００６】
【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、圧延処理で製造される製品の鋼種、板厚、板幅等によって区分される各ロット単位でモデル式の長期学習項が設定され、ロット毎に圧延処理が実行される都度、学習を行って前記モデル式の長期学習項を更新する圧延制御モデル学習装置において、圧延完了の都度、圧延に用いたデータに基づいて中・長期的な学習を行って新たな長期学習項を求める学習計算部と、求められたロット毎の新たな長期学習項を記憶すると共に、長期学習項の変更回数を学習回数として記憶する学習項ファイル部と、前記モデル式と、前記学習項ファイル部に記憶された新たな長期学習項と、前回までの圧延処理で得られている短期学習項とに基づき、当該ロットに対する設定値を求める設定計算部と、次のロットに対応する長期学習項の学習回数と最新Ｍ回の標準偏差とを基準とした長期学習項の習熟度判定機能を備え、長期学習項の学習回数が所定のＮ回以上であり、かつ最新Ｍ回の標準偏差が所定の“σ”以下であるときには、習熟度が十分であり補正が不要と判定し、長期学習項の学習回数が所定のＮ回よりも少ないか、または最新Ｍ回の標準偏差が所定の“σ”より大きい場合には、次のロットに対応する長期学習項の習熟度が低く補正が必要であると判定する判定部と、この判定部により、次のロットにおける長期学習項の補正が必要であると判定されたときには、次のロットに類似する他のロットの中から習熟度が高いロットの長期学習項を前記学習項ファイル部から抽出して次のロットの長期学習項を補正し、補正済みの長期学習項として前記設定計算部に出力する補正部とを備えたことを特徴としている。
【０００７】
請求項２では、請求項１に記載の圧延制御モデル学習装置において、前記補正部は、圧延対象となる製品と同一鋼種内において板厚の区分が隣り合うもの、または板幅の区分が隣り合うものの中から習熟度が高いロットの長期学習項を抽出して圧延対象となるロットの長期学習項を補正することを特徴としている。
【０００８】
請求項３では、請求項１、２のいずれかに記載の圧延制御モデル学習装置において、前記補正部は、圧延対象となる製品の鋼種と同一鋼種グループ内において板厚の区分が隣り合うもの、または板幅の区分が隣り合うものの中から習熟度が高いロットの長期学習項を抽出して圧延対象となるロットの長期学習項を補正することを特徴としている。
【０００９】
請求項４では、請求項１、２、３のいずれかに記載の圧延制御モデル学習装置において、前記補正部は、前記抽出した習熟度が高いロットの長期学習項の習熟度に応じた重み係数と、当該習熟度が高いロットの長期学習項とを使用して圧延対象となるロットの長期学習項を補正することを特徴としている。
【００１０】
上記の構成によって、請求項１では、判定部により圧延対象となる圧延材のロットに対応する長期学習項の習熟度を判定し、圧延対象となるロットの長期学習項の習熟度が基準よりも低いと判定されたとき、補正部により、圧延対象となるロットに類似する他のロットのうち、習熟度が高いロットの長期学習項を使用して、圧延対象となるロットの長期学習項を補正する。これにより、未習熟のロットであっても、圧延処理で得られた鋼板の品質低下を防止する。
【００１１】
請求項２では、補正部により、圧延対象となるロットの製品の鋼種と同一鋼種内にある板厚の区分が近似、または板幅の区分が隣り合う各ロットのうち、習熟度が高いロットの長期学習項を使用して、圧延対象となるロットの長期学習項を補正する。これにより、同一鋼種の範囲内で、習熟しているロットの長期学習項を使用して未習熟ロットの長期学習項を最適化させ、未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止する。
【００１２】
請求項３では、補正部により、圧延対象となるロットの製品の鋼種と同一鋼種グループ内にある板厚の区分が近似、または板幅の区分が隣り合う各ロットのうち、習熟度が高いロットの長期学習項を使用して圧延対象となるロットの長期学習項を補正する。これにより、同一鋼種グループの範囲内で、習熟しているロットの長期学習項を使用して未習熟ロットの長期学習項を最適化させ、未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止する。
【００１３】
請求項４では、補正部により、習熟度が高いロットの長期学習項を使用して、圧延対象となるロットの長期学習項を補正する際、習熟度が高いロットの長期学習項の習熟度に応じた重み係数と、習熟度が高いロットの長期学習項とを使用して、圧延対象となるロットの長期学習項を補正する。これにより、習熟ロットの習熟度に応じた重み係数と、習熟ロットの長期学習項とを使用して未習熟ロットの長期学習項を最適化させ、未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止する。
【００１４】
【発明の実施の形態】
《第１の実施の形態の説明》
図１は本発明による圧延制御モデル学習装置の実施の形態を示すブロック図である。
【００１５】
この図に示す圧延制御モデル学習装置１は、学習計算部２と、学習項ファイル部３と、設定計算部４と、判定部５と、補正部６とを備えており、短期学習項を更新しながら、前回までの圧延処理で得られた当該ロットの長期学習項と、設定値とに基づき、圧延装置（図示は省略する）を制御して当該ロットの圧延材を圧延し、指定された寸法の鋼板を製造する。また、圧延材の圧延が完了する毎に、この圧延材のデータ、製品データに基づき、この圧延材が属するロット（鋼種、製品厚、製品幅などの区分）の長期学習項を更新する。そして、圧延材のロットが変更される毎に、このロットの習熟度をチェックし、習熟度が基準よりも低いと判定したときには、習熟度が高い他のロットの長期学習項を使用して、次のロットの長期学習項を補正し、設定計算部４が補正後の学習項を使用して圧延装置の設定値を計算することにより、習熟度が低いロットにおける製品の品質低下を防止する。
【００１６】
学習計算部２は、各ロットの圧延材を圧延している途中で得られるデータに基づき、連続的（短期的）な学習を行って、圧延装置で使用される短期学習項を更新し、圧延時の機械特性など、モデル式以外の不特定な誤差を吸収する。また、圧延材の圧延が完了する毎に、当該圧延材の鋼種データ、当該圧延材を圧延して得られた鋼板の寸法データなどの圧延完了材データに基づき、ロット毎の中・長期的な学習を行って、長期学習項に対する変更内容を生成し、これを学習項ファイル部３に供給する。
【００１７】
学習項ファイル部３は、各ロット毎の長期学習項と、その変更回数（学習回数）とを記憶し、当該ロットの長期学習項を設定計算部４に供給し、さらに当該ロットの学習回数を判定部５に供給しながら、学習計算部２から当該ロットの変更内容が出力されたとき、この変更内容に基づき、対応するロットの長期学習項と、学習回数とを更新し、また補正部６から補正内容が出力されたとき、この補正内容に基づき、対応するロットの長期学習項を補正する。
【００１８】
設定計算部４は、温度モデル式、変形抵抗・荷重モデル式、ギャップモデル式などのモデル式と、学習項ファイル部３から出力される当該ロットの長期学習項と、学習計算部２で得られた短期学習項とに基づき、当該ロットの設定値を計算し、この設定値に基づき、圧延装置を制御して、当該ロットの圧延材を圧延させ、指定された寸法の鋼板を製造させるとともに、圧延材が切り換えられる毎に、学習項の判定指令を生成し、判定部５を起動させる。
【００１９】
判定部５は、設定計算部４から学習項の判定指令が出力される毎に、当該圧延材のデータ（圧延完了材データ）と、次の圧延材のデータ（次圧延材データ）とに基づき、次の圧延材のロットが現在のロットと異なるかどうかをチェックする。圧延材のロットが切り換えられるときには、学習項ファイル部３に格納されている次の圧延材が属するロットの長期学習項の学習回数と、最新Ｍ回の標準偏差とを基準として、次のロットに対する長期学習項について補正が必要かどうかを判定する。次のロットで使用される長期学習項を補正する必要があるときには、直近の長期学習項の習熟度、直近の長期学習項の振れ具合などに応じて補正方法を決定し、補正部６を起動させる。
【００２０】
補正部６は、判定部５によって起動されたとき、指定された補正方法、例えば次のロットを基準とした直近区分、すなわち次のロットの鋼種と同一鋼種内にある、隣りの板厚に対応するロットの長期学習項、次のロットの鋼種と同一鋼種内にある、隣りの板幅に対応するロットの長期学習項、これらの長期学習項に対する各補正係数を使用して、学習項ファイル部３に記憶されている次のロットに対する長期学習項を補正する。
【００２１】
次に、図２に示すフローチャートを参照しながら、この実施の形態の動作を詳細に説明する。
【００２２】
まず、製品の種別を表わすロットとして、例えば３０種類の鋼種、１５種類の製品厚、５種類の製品幅が使用されて、２，２５０（２，２５０＝３０×１５×５）個のロットが用意されるものと仮定する。
【００２３】
このような前提の下で圧延指示が入力されると、学習項ファイル部３に記憶されている各長期学習項のうち、当該ロットに対する長期学習項と、予め登録されている温度モデル式、変形抵抗・荷重モデル式、ギャップモデル式などのモデル式と、前回までの圧延処理で得られている短期学習項とに基づき、設定計算部４により、当該ロットに対する設定値が求められて圧延装置が制御され、当該ロットに含まれる圧延材が圧延される。また、学習計算部２により、圧延動作で得られた鋼板の幅および厚さなどと、鋼板の設定寸法などとが比較され、これらの比較結果に基づき、短期学習項が更新されて、圧延時の機械特性など、モデル式以外の不特定な誤差が吸収され、指定された寸法の鋼板が製造される。
【００２４】
そして、当該ロットに含まれる圧延材の圧延が完了する毎に、当該圧延材の鋼種データ、当該圧延材を圧延して得られた鋼板の寸法データなどの圧延完了材データに基づき、学習計算部２により、ロット毎の中・長期的な学習が行われ、学習項ファイル部３に記憶されている各ロット毎の長期学習項のうち、当該ロットに対応する長期学習項の内容が更新され、設定計算部４で使用されているモデル式の誤差が吸収される。
【００２５】
また、この動作と並行し、当該圧延材の圧延が完了する毎に、判定部５が起動され、当該圧延材のデータ（圧延完了材データ）と、次の圧延材のデータ（次圧延材データ）とに基づき（ステップＳＴ１）、次の圧延材のロットが現在のロットと異なるかどうかがチェックされる（ステップＳＴ２）。その結果、次の圧延材が当該ロットに含まれるときには、次の圧延材に対し、上述した動作が繰り返されて、短期学習項、および長期学習項が更新され、製品の品質が順次、高められる（ステップＳＴ３）。
【００２６】
また、当該ロットに含まれる圧延材の圧延が終了し、判定部５によって次の圧延材が当該ロットと異なるロットの圧延材であると判定されると（ステップＳＴ２）、学習項ファイル部３に記憶されている各長期学習項のうち、次のロットに対応する長期学習項の学習回数がＮ回以上かどうか、次のロットに対応する長期学習項に関する最新Ｍ回の標準偏差が“δ”以下かどうかを基準としてチェックされ、長期学習項の学習回数がＮ回数以上であり、かつ最新Ｍ回の標準偏差が“δ”以下であるとき、次のロットに対する長期学習項が充分な習熟度に達していると判定されて、この長期学習項に対する補正処理がスキップされる（ステップＳＴ４、ＳＴ５）。
【００２７】
これにより、設定計算部４により、学習項ファイル部３に記憶されている各長期学習項のうち、次の圧延材のロットに対する長期学習項と、予め登録されている温度モデル式、変形抵抗・荷重モデル式、ギャップモデル式などのモデル式と、前回までの圧延処理で得られている短期学習項とに基づき、次の圧延材に対する設定値が求められて、圧延装置が制御され、圧延材が圧延されるとともに、学習計算部２により、圧延動作で得られた鋼板の幅および厚さなどと、鋼板の指定寸法などとが比較され、これらの比較結果に基づき、短期学習項が更新され、圧延時の機械特性など、モデル式以外の不特定な誤差が吸収され、指定された寸法の鋼板が製造される。
【００２８】
そして、次のロットに含まれる圧延材の圧延が完了する毎に、当該圧延材の鋼種データ、当該圧延材を圧延して得られた鋼板の寸法データなどの圧延完了材データに基づき、学習計算部２により、ロット毎の中・長期的な学習が行われて学習項ファイル部３に記憶されている各ロット毎の長期学習項のうち、当該ロットに対応する長期学習項の内容が更新され、設定計算部４で使用されているモデル式の誤差が吸収される。
【００２９】
また、この動作と並行し、圧延材の圧延が完了する毎に、判定部５が起動されて、当該圧延材のデータ（圧延完了材データ）と、次の圧延材のデータ（次圧延材データ）とに基づき、次の圧延材のロットが現在のロットと異なるかどうかがチェックされ、次の圧延材が当該ロットに含まれるときには、上述した動作が繰り返されて短期学習項、および長期学習項が更新され、製品の品質が順次、高められる。
【００３０】
また、判定部５により、次のロットに対する長期学習項の学習回数と、最新Ｍ回の標準偏差とがチェックされた時点で、この長期学習項の学習回数がＮ回数より少ないとき、あるいは最新Ｍ回の標準偏差がδ以上であるとき、次のロットに対する長期学習項の習熟度が不十分であり、次のロットで使用される長期学習項を補正する必要があると判定されて（ステップＳＴ４）、予め登録されている複数の補正方法の中から、長期学習項の習熟度、長期学習項の振れ具合などに応じた補正方法が選択される。
【００３１】
そして、補正部６により、判定部５で選択された補正方法、例えば図３に示すように、次のロットを基準にした直近区分、すなわち同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板厚が厚い方のロットに対する長期学習項とこの長期学習項に対する補正係数、同一鋼種内の隣合う板幅のうち、板幅が広い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板幅が狭い方のロットに対する長期学習項とこの長期学習項に対する補正係数のいずれかが選択的に使用されて、学習項ファイル部３に記憶されている、次のロットに対する長期学習項が補正される（ステップＳＴ５）。
【００３２】
この際、同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項およびこの長期学習項を使用する際の補正係数と、板幅が広い方のロットに対する長期学習項およびこの長期学習項を使用する際の補正係数とを使用して、次のロットに対する長期学習項を補正する場合には、次の補正式により、次のロットに対する長期学習項が補正される。
【００３３】
【数１】
Ｚ_C ^NEW＝（１−β）・Ｚ_C＋β・｛（α₁／（α₁＋α₃））・Ｚ₁＋
（α₃／（α₁＋α₃））・Ｚ₃｝…（１）
但し、β：平滑化ゲイン（０≦β≦１）
Ｚ_C：次のロットに対する元の長期学習項
Ｚ₁：次のロットを基準にして、板厚が薄いロットの長期学習項
Ｚ₃：次のロットを基準にして、板幅が広いロットの長期学習項
α₁：板厚が薄いロットの長期学習項で、次のロットの長期学習項を補正するときの補正係数
α₃：板幅が広いロットの長期学習項で、次のロットの長期学習項を補正するときの補正係数
Ｚ_C ^NEW：次のロットに対する補正後の長期学習項
また、同一鋼種内の隣合う板厚のうち、板厚が厚い方のロットに対する長期学習項およびこの長期学習項を使用する際の補正係数と、板幅が狭い方のロットに対する長期学習項およびこの長期学習項を使用する際の補正係数とを使用して、次のロットに対する長期学習項を補正する場合には、次の補正式により、次のロットに対する長期学習項が補正される。
【００３４】
【数２】
Ｚ_C ^NEW＝（１−β）・Ｚ_C＋β・｛（α₂／（α₂＋α₄））・Ｚ₂＋
（α₄／（α₂＋α₄））・Ｚ₄｝…（２）
但し、Ｚ₂：次のロットを基準にして、板厚が厚いロットの長期学習項
Ｚ₄：次のロットを基準にして、板幅が狭いロットの長期学習項
α₂：板厚が厚いロットの長期学習項で、次のロットの長期学習項を補正するときの補正係数
α₄：板幅が狭いロットの長期学習項で、次のロットの長期学習項を補正するときの補正係数
この後、学習項ファイル部３に記憶されている各長期学習項のうち、次のロットに対する補正済みの長期学習項と、予め登録されている温度モデル式、変形抵抗・荷重モデル式、ギャップモデル式などのモデル式と、前回までの圧延処理で得られている短期学習項とに基づき、設定計算部４により、次のロットに対する設定値が求められて圧延装置が制御され、次のロットに含まれる圧延材が圧延されるとともに、学習計算部２により、圧延動作で得られた鋼板の幅および厚さなどと、鋼板の指定寸法などとが比較され、これらの比較結果に基づき、短期学習項が更新され、圧延時の機械特性など、モデル式以外の不特定な誤差が吸収され、指定された寸法の鋼板が製造される。
【００３５】
そして、次のロットに含まれる圧延材の圧延が完了する毎に、当該圧延材の鋼種データ、当該圧延材を圧延して得られた鋼板の寸法データなどの圧延完了材データに基づき、学習計算部２により、ロット毎の中・長期的な学習が行われて、学習項ファイル部３に記憶されている各ロット毎の長期学習項のうち、当該ロットに対応する長期学習項の内容が更新されて、設定計算部４で使用されているモデル式の誤差が吸収される。
【００３６】
また、この動作と並行し、圧延材の圧延が完了する毎に、判定部５が起動されて、当該圧延材のデータ（圧延完了材データ）と、次の圧延材のデータ（次圧延材データ）とに基づき、次の圧延材のロットが現在のロットと異なるかどうかがチェックされ、次の圧延材が当該ロットに含まれるとき、上述した動作が繰り返されて、短期学習項、および長期学習項が更新され、製品の品質が順次、高められる。
【００３７】
このように、この実施の形態においては、圧延材のロットが変更される毎に、このロットの習熟度をチェックし、習熟度が基準よりも低いと判定したとき、習熟度が高い他のロットの長期学習項を使用して、次のロットの長期学習項を補正するようにした。
【００３８】
このため、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、習熟しているロットの長期学習項を使用して、オンラインで、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００３９】
また、この実施の形態では、次のロットの習熟度が基準よりも低いとき、次のロットを基準にした直近区分、すなわち同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板厚が厚い方のロットに対する長期学習項とこの長期学習項に対する補正係数、同一鋼種内の隣合う板幅のうち、板幅が広い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板幅が狭い方のロットに対する長期学習項とこの長期学習項に対する補正係数のいずれかを選択的に使用して、学習項ファイル部３に記憶されている、次のロットに対する長期学習項を補正するようにした。
【００４０】
このため、長期学習項の補正精度を高くすることができ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００４１】
《第２の実施の形態の説明》
次に本発明による圧延制御モデル学習装置の第２の実施の形態を説明する。なお、基本的な装置構成は図１と同じであるため、図示は省略する。
【００４２】
第２の実施の形態の圧延制御モデル学習装置１は、判定部５の判定処理ロジック、および補正部６の補正処理ロジックを変更し、次のロットの長期学習項、このロットに対応する同一鋼種内における当該ロットの各直近ロットに対応する長期学習項の習熟度が基準よりも低いとき、他の鋼種のうち、次のロットの鋼種に近い鋼種内における当該ロットの各直近ロットに対応する長期学習項を使用して、次のロットの長期学習項を補正し、これを最適化させるようにしたことである。
【００４３】
この場合、判定部５は、設定計算部４から学習項の判定指令が出力される毎に、当該圧延材のデータ（圧延完了材データ）と、次の圧延材のデータ（次圧延材データ）とに基づき、次の圧延材のロットが現在のロットと異なるかどうかをチェックし、圧延材のロットが切り換えられるとき、学習項ファイル部３に格納されている次の圧延材が属するロットの長期学習項の学習回数と、最新Ｍ回の標準偏差とに基づき、次のロットの長期学習項に対し、補正が必要かどうかをチェックし、次のロットに対する習熟度が基準よりも低いとき、次のロットで使用される長期学習項を補正する必要があると判定し、長期学習項の習熟度、長期学習項の振れ具合などに応じて、補正方法を決定し、補正部６を起動させる。
【００４４】
補正部６は、判定部５によって起動されたとき、指定された補正方法、例えば次のロットを基準にした直近区分、すなわち同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項の習熟度、板厚が厚い方のロットに対する長期学習項の習熟度、同一鋼種内の隣合う板幅のうち、板幅が広い方のロットに対する長期学習項の習熟度、板幅が狭い方のロットに対する長期学習項の習熟度などが高く、かつこれら各長期学習項の標準偏差が小さいとき、第１の実施の形態と同様に、次のロットが含まれる圧延材の鋼種と同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板厚が厚い方のロットに対する長期学習項とこの長期学習項に対する補正係数、同一鋼種内の隣合う板幅のうち、板幅が広い方のロットに対する長期学習項とこの長期学習項に対する補正係数、板幅が狭い方のロットに対する長期学習項とこの長期学習項に対する補正係数のいずれかを選択的に使用して、次のロットに対応する長期学習項を補正する。
【００４５】
また、同一鋼種内の隣合う板厚、同一鋼種内の隣合う板幅に対するロットの習熟度が低いとき、あるいは標準偏差が大きいとき、同一鋼種内の隣合う板厚、板幅に対するロットの長期学習項を使用して、次のロットに対応する長期学習項を補正することができないと判定し、図４に示すように、各ロット毎の鋼板を類似鋼種毎に区分して、グループ化する。
【００４６】
そして、次のロットが含まれる鋼種グループ内で、次のロットとなる圧延材の鋼種に対し、類似度が高い鋼種を１つ以上を選択し、これら類似鋼種に属する各ロットのうち、次のロットとなる鋼板の板厚、板幅に対応する各ロットの長期学習項と、次のロットとなる鋼板の鋼種と各類似鋼種との類似度とを使用して、学習項ファイル部３に記憶されている次のロットに対する長期学習項を補正する。
【００４７】
この際、次のロットとなる鋼板の鋼種が“ｉ”であり、この鋼種ｉの類似鋼種が鋼種“Ｋ₁”、鋼種“Ｋ₂”であれば、次式に示す補正式で、次のロットとなる鋼板の長期学習項を補正し、これによって得られた新たな長期学習項を学習項ファイル部３に記憶させる。
【００４８】
【数３】
Ｚ_i ^NEW＝（１−γ）・Ｚ_i＋γ・｛（θ_K1／（θ_K1＋θ_K2））・Ｚ_K1＋
（θ_K2／（θ_K1＋θ_K2））・Ｚ_K2｝…（３）
但し、γ：平滑化ゲイン（０≦γ≦１）
Ｚ_i：次のロットに対する元の長期学習項
Ｚ_K1：類似鋼種Ｋ₁に属する各ロットのうち、次のロットとなる鋼板の板厚、板幅に対応するロットの長期学習項
Ｚ_K2：類似鋼種Ｋ₂に属する各ロットのうち、次のロットとなる鋼板の板厚、板幅に対応するロットの長期学習項
θ_K1：類似鋼種Ｋ₁の長期学習項で、鋼種ｉの長期学習項を補正するときの補正係数
θ_K2：類似鋼種Ｋ₂の長期学習項で、鋼種ｉの長期学習項を補正するときの補正係数
Ｚ_i ^NEW：次のロットに対する補正後の長期学習項
このように、この実施の形態では、次のロットの長期学習項、このロットに対応する同一鋼種内における当該ロットの各直近ロットに対応する長期学習項の習熟度が低いとき、他の鋼種のうち、次のロットの鋼種に近い鋼種内における当該ロットの各直近ロットに対応する長期学習項を使用して、次のロットの長期学習項を補正するようにした。
【００４９】
このため、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、習熟しているロットの長期学習項を使用して、オンラインで、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００５０】
また、この実施の形態では、次のロットの長期学習項を補正する際、同一鋼種内の隣合う板厚、同一鋼種内の隣合う板幅に対するロットの習熟度が基準よりも低いとき、あるいは標準偏差が大きいとき、各ロット毎の鋼板を類似鋼種毎に区分して得られた鋼種グループ内で、次のロットとなる圧延材の鋼種に対し、類似度が高い鋼種を１つ以上選択し、これら各類似鋼種に属する各ロットのうち、次のロットとなる鋼板の板厚、板幅に対応する各ロットの長期学習項と、次のロットとなる鋼板の鋼種と各類似鋼種との類似度とを使用して、学習項ファイル部３に記憶されている、次のロットに対する長期学習項を補正するようにした。
【００５１】
このため、同一鋼種内にあるロットの習熟度が基準よりも低いときであっても高い精度で長期学習項を補正することができ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００５２】
《他の実施の形態の説明》
また、図１に示す圧延制御モデル学習装置１では、ロットを切り換えるとき、次のロットを基準にした直近区分、すなわち同一鋼種内の隣合う板厚のうち、板厚が薄い方のロットに対する長期学習項の補正係数α₁、板厚が厚い方のロットに対する長期学習項の補正係数α₂、同一鋼種内の隣合う板幅のうち、板幅が広い方のロットに対する長期学習項の補正係数α₃、板幅が狭い方のロットに対する長期学習項の補正係数α₄として、予め設定されている値を使用するようにしているが、次式に示す関数を使用して、これらの各補正係数α_i（但し、ｉ＝１、２、３、４のいずれか）の値を決定するようにしても良い。
【００５３】
α_i＝Ｆ_i（Ｓ） …（４）
但し、Ｓ：同一鋼種内の隣合う板厚、隣合う板幅に対するロットに対応する長期学習項の学習回数
Ｆ_i（ｘ）：学習回数ｘの値に応じて、補正係数の値を求める関数
これにより、図５に示すように、次のロットに対する長期学習項を補正する際、直近区分となる各ロットの学習回数が増加する程、各補正係数α_iの値を大きくして、習熟度が高いロットの長期学習項を優先させた補正を行うことができる。
【００５４】
また、上述した各実施の形態では、オンライン形式で、ロットの切り換えが発生したかどうかを判定させ、ロットの切り換えが発生する毎に、次のロットに対する長期学習項の習熟度が充分かどうかを判定して、習熟度が充分でないとき、次のロットに対する長期学習項をリアルタイムで、補正するようにしているが、オフラインで、各ロットの長期の補正を行うようにしても良い。
【００５５】
このようにしても、各ロットの長期学習項の習熟度をある程度、均一化させて、未習熟ロットの長期学習項を最適化させ、圧延処理で得られた鋼板の品質低下を防止することができる。
【００５６】
【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の圧延制御モデル学習装置では、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、習熟しているロットの長期学習項を使用して、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００５７】
請求項２の圧延制御モデル学習装置では、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、同一鋼種の範囲内で、習熟しているロットの長期学習項を使用して、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００５８】
請求項３の圧延制御モデル学習装置では、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、同一鋼種グループの範囲内で、習熟しているロットの長期学習項を使用して、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【００５９】
請求項４の圧延制御モデル学習装置では、設定計算モデル式を使用して得られた設定値に基づき、圧延材を圧延する際、習熟ロットの習熟度に応じた重み係数と、習熟ロットの長期学習項とを使用して、未習熟ロットの長期学習項を最適化させ、これによって未習熟のロットであっても圧延処理で得られた鋼板の品質低下を防止することができる。
【図面の簡単な説明】
【図１】本発明による圧延制御モデル学習装置の実施の形態を示すブロック図である。
【図２】本発明による圧延制御モデル学習装置の実施の形態の動作を示すフローチャートである。
【図３】本発明による圧延制御モデル学習装置の実施の形態の動作を示す説明図である。
【図４】本発明による圧延制御モデル学習装置の他の実施の形態の動作を示す説明図である。
【図５】本発明による圧延制御モデル学習装置の他の実施の形態の作用を示す説明図である。
【符号の説明】
１圧延制御モデル学習装置
２学習計算部
３学習項ファイル部
４設定計算部
５判定部
６補正部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a rolling control model learning device that continuously rolls steel sheets and the like, and in particular, optimizes the long-term learning term of the model formula for each lot to prevent deterioration of the quality of the steel sheet when the lot is switched. The present invention relates to a rolling control model learning device.
[0002]
[Prior art]
A rolling control model learning device for rolling equipment that rolls rolled material to produce steel sheets, etc., models with learning functions such as temperature model formulas, deformation resistance / load model formulas, gap model formulas as steel plate setting calculation model formulas Using the formula, we manufacture steel plates of specified size.
[0003]
At this time, in such a rolling control model learning apparatus, as a learning function of each model formula, each of the rolling material categories (classification of steel type, product thickness, product width, etc., hereinafter referred to as a lot) Long-term learning function that absorbs model formula errors by performing long-term learning and continuous (short-term) learning regardless of lots, such as mechanical properties during rolling, and other unspecified models other than model formulas Using short-term learning function that absorbs errors, steel sheets with specified sizes are manufactured.
[0004]
[Problems to be solved by the invention]
By the way, in such a conventional rolling control model learning device, since long-term learning is performed for each lot, as learning progresses, a difference in proficiency occurs between lots, and a long-term learning term is set in a calculation model. When applying to the formula and performing continuous rolling etc., switching from a mastered lot to an unskilled lot, compared to the quality of the steel plate that has been manufactured so far, the quality of the newly manufactured steel plate As a result, the quality of the product deteriorates and the quality of the product varies between lots.
[0005]
In view of the above circumstances, the present invention is based on the setting value obtained using the setting calculation model formula, and when rolling the rolling material, using the long-term learning term of the mastered lot, An object of the present invention is to provide a rolling control model learning device that optimizes long-term learning terms and thereby can prevent deterioration of the quality of a steel sheet obtained by a rolling process even for an unskilled lot.
[0006]
[Means for Solving the Problems]
  In order to achieve the above object, according to the present invention, in claim 1, a model formula is defined for each lot divided by the steel type, sheet thickness, sheet width, etc. of a product manufactured by rolling.Long termIn the rolling control model learning device that performs learning and updates the long-term learning term of the model formula each time a learning term is set and rolling processing is executed for each lot,Each time the rolling is completed, a learning calculation unit that obtains a new long-term learning term by performing medium- to long-term learning based on the data used for rolling, and a new long-term learning term for each obtained lot are stored, A learning term file part that stores the number of changes of the long-term learning term as a learning number, the model formula, a new long-term learning term stored in the learning term file part, and a short-term obtained by the rolling process up to the previous time Based on the learning term, a setting calculation unit for obtaining a setting value for the lot, and a proficiency determination function of the long-term learning term based on the learning number of the long-term learning term corresponding to the next lot and the latest M standard deviations If the number of learning of the long-term learning term is not less than the predetermined N times and the standard deviation of the latest M times is not more than the predetermined “σ”, it is determined that the level of proficiency is sufficient and no correction is required. The number of times the learning term is If fewer or standard deviation of the latest M times the predetermined "sigma" greater than times determines the proficiency of long learning term corresponding to the next lot is needed is low correctionBy the determination unit and this determination unit,The long term term in the next lot needs to be correctedWhen it is determined thatnextLong-term learning terms for lots with high proficiency among other lots similar to the lotFrom the learning term file partExtractnextCorrection of long term learning term of lotAnd output to the setting calculator as a corrected long-term learning termIt is characterized by having a correction unit.
[0007]
  In Claim 2, In the rolling control model learning device according to Claim 1, the correction unit is in the same steel type as the product to be rolled.In which the thickness sections are adjacent or the width sections are adjacentIt is characterized by extracting a long term learning term of a lot with high proficiency from among them and correcting the long term learning term of a lot to be rolled.
[0008]
  In Claim 3, In the rolling control model learning device according to any one of Claims 1 and 2, the correction unit is in the same steel type group as the steel type of the product to be rolled.In which the thickness sections are adjacent or the width sections are adjacentIt is characterized by extracting a long term learning term of a lot with high proficiency from among them and correcting the long term learning term of a lot to be rolled.
[0009]
  In Claim 4, The rolling control model learning apparatus in any one of Claim 1, 2, 3 WHEREIN: The said correction | amendment part is a weighting coefficient according to the proficiency level of the long term learning term of the said extracted high proficiency level lot. And a long-term learning term of a lot to be rolled using the long-term learning term of a lot with a high level of proficiency.
[0010]
With the above configuration, in Claim 1, the determination unit determines the proficiency level of the long-term learning term corresponding to the lot of the rolling material to be rolled, and the proficiency level of the long-term learning term of the lot to be rolled is higher than the standard. When determined to be low, the correction unit corrects the long-term learning term of the lot to be rolled by using the long-term learning term of the lot with high proficiency among other lots similar to the lot to be rolled. To do. Thereby, even if it is an unskilled lot, the quality reduction of the steel plate obtained by the rolling process is prevented.
[0011]
  In Claim 2, it exists in the same steel grade as the steel grade of the product of the lot used as rolling object by the correction | amendment part.Approximate thickness section or adjacent width sectionsAmong each lot, the long term learning term of the lot with high proficiency is used to correct the long term learning term of the lot to be rolled. This makes it possible to optimize the long-term learning term of an unskilled lot using the long-term learning term of a mastered lot within the range of the same steel grade. Prevent quality degradation.
[0012]
  In Claim 3, it exists in the same steel grade group as the steel grade of the product of the lot used as rolling object by the correction | amendment part.Approximate thickness section or adjacent width sectionsAmong each lot, the long term learning term of the lot to be rolled is corrected using the long term learning term of the lot with high proficiency. As a result, the long-term learning term of the unskilled lot was optimized using the long-term learning term of the mastered lot within the same steel grade group, and even the unskilled lot was obtained by rolling. Prevents steel sheet quality degradation.
[0013]
In claim 4, when the correction unit corrects the long-term learning term of the lot to be rolled using the long-term learning term of the lot with high proficiency, the proficiency of the long-term learning term of the lot with high proficiency is set. The long-term learning term of the lot to be rolled is corrected using the corresponding weighting factor and the long-term learning term of the lot with high proficiency. This optimizes the long-term learning term of the unskilled lot using the weighting factor according to the proficiency level of the mastered lot and the long-term learning term of the mastered lot, and even the unskilled lot can be obtained by rolling. To prevent deterioration of the quality of the obtained steel sheet.
[0014]
DETAILED DESCRIPTION OF THE INVENTION
<< Description of First Embodiment >>
FIG. 1 is a block diagram showing an embodiment of a rolling control model learning apparatus according to the present invention.
[0015]
The rolling control model learning device 1 shown in this figure includes a learning calculation unit 2, a learning term file unit 3, a setting calculation unit 4, a determination unit 5, and a correction unit 6, and updates a short-term learning term. However, based on the long-term learning term of the lot obtained in the previous rolling process and the set value, the rolling device (not shown) is controlled to roll the rolled material of the lot and specified. Manufacture steel sheets of dimensions. Each time rolling of the rolled material is completed, the long-term learning term of the lot (classification of steel type, product thickness, product width, etc.) to which the rolled material belongs is updated based on the data and product data of the rolled material. And every time the lot of rolled material is changed, check the proficiency of this lot, and when it is determined that the proficiency is lower than the standard, use the long term learning term of other lots with high proficiency, The long-term learning term of the next lot is corrected, and the setting calculation unit 4 uses the corrected learning term to calculate the setting value of the rolling device, thereby preventing the quality of the product in the lot with low proficiency.
[0016]
The learning calculation unit 2 performs continuous (short-term) learning based on data obtained while rolling the rolling material of each lot, updates a short-term learning term used in the rolling device, and performs rolling. Absorbs unspecified errors other than model equations, such as mechanical characteristics of time. In addition, every time rolling of the rolled material is completed, based on the rolling completed material data such as the steel type data of the rolled material and the dimensional data of the steel plate obtained by rolling the rolled material, Learning is performed to generate changes to the long-term learning term, and this is supplied to the learning term file unit 3.
[0017]
The learning term file unit 3 stores the long-term learning term for each lot and the number of changes (learning count), supplies the long-term learning term for the lot to the setting calculation unit 4, and further determines the learning count for the lot. When the change content of the lot is output from the learning calculation unit 2 while being supplied to the determination unit 5, the long-term learning term and the learning frequency of the corresponding lot are updated based on the change content, and the correction unit 6 When the correction content is output from, the long term learning term of the corresponding lot is corrected based on the correction content.
[0018]
The setting calculation unit 4 is obtained by a model formula such as a temperature model formula, a deformation resistance / load model formula, a gap model formula, the long term learning term of the lot output from the learning term file unit 3, and the learning calculation unit 2. Based on the short term learning term, the set value of the lot is calculated, the rolling device is controlled based on the set value, the rolled material of the lot is rolled, and the steel sheet having the specified dimensions is manufactured. Each time the rolled material is switched, a learning term determination command is generated and the determination unit 5 is activated.
[0019]
The determination unit 5 is based on the rolling material data (rolling completed material data) and the next rolling material data (next rolling material data) every time a learning term determination command is output from the setting calculation unit 4. Check if the next lot of rolled material is different from the current lot. When the rolling material lot is switched, the next lot is stored based on the learning count of the long term learning term of the lot to which the next rolling material belongs and the latest M standard deviations stored in the learning term file unit 3. Determine whether correction is required for long-term learning terms. When it is necessary to correct the long-term learning term used in the next lot, the correction method is determined according to the proficiency level of the latest long-term learning term, the degree of shake of the latest long-term learning term, and the correction unit 6 is activated. Let
[0020]
When the correction unit 6 is activated by the determination unit 5, it corresponds to a specified correction method, for example, the nearest division based on the next lot, that is, the adjacent steel thickness within the same steel type as the steel type of the next lot. The long term learning term of the lot to be used, the long term learning term of the lot corresponding to the adjacent plate width in the same steel grade as the steel type of the next lot, and the correction term for each of these long term learning terms, the learning term file part The long term learning term for the next lot stored in 3 is corrected.
[0021]
Next, the operation of this embodiment will be described in detail with reference to the flowchart shown in FIG.
[0022]
First, for example, 30 types of steel, 15 types of product thickness, and 5 types of product width are used as lots representing product types, and 2,250 (2,250 = 30 × 15 × 5) lots are obtained. Assume that it is prepared.
[0023]
When a rolling instruction is input under such a premise, among the long-term learning terms stored in the learning term file unit 3, a long-term learning term for the lot, a pre-registered temperature model formula, and deformation Based on the model formulas such as the resistance / load model formula and the gap model formula and the short term learning term obtained in the rolling process up to the previous time, the setting calculation unit 4 obtains the set value for the lot, and the rolling device The rolled material included in the lot is controlled and rolled. Further, the learning calculation unit 2 compares the width and thickness of the steel plate obtained by the rolling operation with the set dimensions of the steel plate, and the short-term learning term is updated based on these comparison results, so that Unspecified errors other than the model formula, such as mechanical properties, are absorbed, and a steel sheet with the specified dimensions is manufactured.
[0024]
And every time the rolling of the rolled material contained in the lot is completed, the learning calculation unit based on the rolled material data such as the steel type data of the rolled material and the dimensional data of the steel plate obtained by rolling the rolled material. 2, medium- and long-term learning for each lot is performed, and among the long-term learning terms for each lot stored in the learning term file unit 3, the content of the long-term learning term corresponding to the lot is updated. The error of the model formula used in the setting calculation unit 4 is absorbed.
[0025]
In parallel with this operation, each time the rolling of the rolled material is completed, the determination unit 5 is activated, and the data of the rolled material (rolling completed material data) and the data of the next rolled material (next rolled material data). ) (Step ST1), it is checked whether the lot of the next rolled material is different from the current lot (step ST2). As a result, when the next rolled material is included in the lot, the above-described operation is repeated for the next rolled material, the short term learning term and the long term learning term are updated, and the quality of the product is sequentially improved. (Step ST3).
[0026]
When the rolling of the rolled material included in the lot is finished and the determination unit 5 determines that the next rolled material is a rolled material of a lot different from the lot (step ST2), the learning item file unit 3 Among the stored long-term learning terms, whether the number of learning of the long-term learning term corresponding to the next lot is N or more, and the latest M standard deviations for the long-term learning term corresponding to the next lot is “δ”. If the number of learning of the long-term learning term is N times or more and the standard deviation of the latest M times is “δ” or less, the long-term learning term for the next lot has sufficient proficiency Therefore, the correction process for this long term learning term is skipped (steps ST4 and ST5).
[0027]
Thereby, by the setting calculation part 4, among each long term learning term memorize | stored in the learning term file part 3, the long term learning term with respect to the lot of the following rolling material, the temperature model formula registered beforehand, deformation resistance, Based on model formulas such as load model formulas and gap model formulas and short-term learning terms obtained in the rolling process up to the previous time, the set value for the next rolled material is obtained, the rolling device is controlled, and the rolled material The learning calculation unit 2 compares the width and thickness of the steel sheet obtained by the rolling operation with the specified dimensions of the steel sheet, and the short-term learning term is updated based on these comparison results. Unspecified errors other than the model formula, such as mechanical properties during rolling, are absorbed, and a steel sheet having a specified dimension is manufactured.
[0028]
Each time rolling of the rolled material included in the next lot is completed, learning calculation is performed based on the rolled material data such as the steel type data of the rolled material and the dimensional data of the steel plate obtained by rolling the rolled material. The long-term learning term corresponding to the lot among the long-term learning terms for each lot stored in the learning term file unit 3 is obtained by the unit 2 by performing medium- to long-term learning for each lot. The error of the model formula used in the setting calculation unit 4 is absorbed.
[0029]
In parallel with this operation, every time rolling of the rolled material is completed, the determination unit 5 is activated, and data of the rolled material (rolled completed material data) and data of the next rolled material (next rolled material data). ) To check whether the lot of the next rolled material is different from the current lot, and when the next rolled material is included in the lot, the above-described operation is repeated to make a short term learning term and a long term learning term. Will be updated and the quality of the product will be gradually improved.
[0030]
Further, when the number of learning of the long-term learning term for the next lot and the latest M standard deviations are checked by the determination unit 5, the learning number of the long-term learning term is less than N times or the latest M When the standard deviation is δ or more, it is determined that the proficiency level of the long term learning term for the next lot is insufficient and the long term learning term used in the next lot needs to be corrected (step ST4). ), A correction method corresponding to the proficiency of the long-term learning term, the degree of shake of the long-term learning term, and the like is selected from a plurality of correction methods registered in advance.
[0031]
And the correction | amendment method selected by the determination part 5 by the correction | amendment part 6, for example, as shown in FIG. 3, the board thickness is the nearest division on the basis of the next lot, ie, the board thickness among the adjacent board thicknesses in the same steel type. The long-term learning term for the thinner lot and the correction coefficient for this long-term learning term, the long-term learning term for the thicker lot and the correction factor for this long-term learning term, and the plate width among adjacent plate widths in the same steel grade The long term learning term for the lot with the larger width and the correction coefficient for this long term learning term, the long term learning term for the lot with the smaller plate width, and the correction factor for this long term learning term are selectively used, and the learning term The long term learning term for the next lot stored in the file unit 3 is corrected (step ST5).
[0032]
At this time, among the adjacent plate thicknesses in the same steel grade, the long term learning term for the thinner lot, the correction factor when using this long term learning term, and the long term learning term for the lot with the wider plate width When the long-term learning term for the next lot is corrected using the correction coefficient when using the long-term learning term, the long-term learning term for the next lot is corrected by the following correction formula.
[0033]
[Expression 1]
Z_C ^NEW= (1-β) · Z_C+ Β · {(α₁/ (Α₁+ Α_Three)) ・ Z₁+
(Α_Three/ (Α₁+ Α_Three)) ・ Z_Three} ... (1)
Where β: smoothing gain (0 ≦ β ≦ 1)
Z_C: The original long term term for the next lot
Z₁： Long term learning term for thin lots based on the next lot
Z_Three： Long term learning term for lots with a wide plate width based on the next lot
α₁: Correction factor for correcting the long term learning term of the next lot with the long term learning term of the thin lot
α_Three: Correction factor for correcting the long-term learning term of the next lot in the long-term learning term of a lot with a wide plate width
Z_C ^NEW: Long-term learning term after correction for the next lot
Also, among the adjacent plate thicknesses in the same steel grade, the long term learning term for the thicker lot and the correction factor when using this long term learning term, the long term learning term for the lot with the smaller plate width and When correcting the long-term learning term for the next lot using the correction coefficient when using the long-term learning term, the long-term learning term for the next lot is corrected by the following correction formula.
[0034]
[Expression 2]
Z_C ^NEW= (1-β) · Z_C+ Β · {(α₂/ (Α₂+ Α_Four)) ・ Z₂+
(Α_Four/ (Α₂+ Α_Four)) ・ Z_Four} ... (2)
However, Z₂: Based on the next lot, the long term learning term for the thick lot
Z_Four: Based on the next lot, the long term learning term for a narrow lot
α₂: Correction factor for correcting the long-term learning term of the next lot in the long-term learning term of a lot with a large thickness
α_Four: Correction factor for correcting the long-term learning term of the next lot in the long-term learning term of the narrow plate width
Thereafter, among the long-term learning terms stored in the learning term file unit 3, the corrected long-term learning term for the next lot, a pre-registered temperature model equation, deformation resistance / load model equation, gap model Based on the model formula such as the formula and the short term learning term obtained in the rolling process up to the previous time, the setting calculation unit 4 obtains a set value for the next lot and controls the rolling device, The rolling material included is rolled, and the learning calculation unit 2 compares the width and thickness of the steel plate obtained by the rolling operation with the specified dimensions of the steel plate, and short-term learning is performed based on these comparison results. The term is updated, and unspecified errors other than the model formula, such as mechanical characteristics during rolling, are absorbed, and a steel sheet having a specified dimension is manufactured.
[0035]
Each time rolling of the rolled material included in the next lot is completed, learning calculation is performed based on the rolled material data such as the steel type data of the rolled material and the dimensional data of the steel plate obtained by rolling the rolled material. The long-term learning term corresponding to the lot among the long-term learning terms for each lot stored in the learning term file unit 3 is updated by the medium 2 for long-term learning by the unit 2 Thus, the error of the model formula used in the setting calculation unit 4 is absorbed.
[0036]
In parallel with this operation, every time rolling of the rolled material is completed, the determination unit 5 is activated, and data of the rolled material (rolled completed material data) and data of the next rolled material (next rolled material data). ) To check whether the lot of the next rolled material is different from the current lot, and when the next rolled material is included in the lot, the above-described operation is repeated, and the short term learning term and the long term learning are repeated. The terms are updated and the quality of the product is gradually improved.
[0037]
Thus, in this embodiment, every time the lot of rolled material is changed, the proficiency level of this lot is checked, and when it is determined that the proficiency level is lower than the standard, another lot with a high proficiency level is determined. Was used to correct the long term learning term of the next lot.
[0038]
For this reason, when rolling the rolled material based on the setting value obtained using the setting calculation model formula, the long-term learning term of the unskilled lot is used online using the long-term learning term of the mastered lot. As a result, it is possible to prevent deterioration of the quality of the steel sheet obtained by the rolling process even in an unskilled lot.
[0039]
Further, in this embodiment, when the proficiency level of the next lot is lower than the standard, the latest division based on the next lot, that is, the lot with the smaller thickness among adjacent plate thicknesses in the same steel type The long term learning term and the correction factor for this long term learning term, the long term learning term for the thicker lot and the correction factor for this long term learning term, the adjacent plate width within the same steel grade, the wider plate width By selectively using either the long-term learning term for the lot and the correction coefficient for this long-term learning term, the long-term learning term for the narrower lot, or the correction coefficient for this long-term learning term, The long term learning term for the next lot stored is corrected.
[0040]
For this reason, it is possible to increase the correction accuracy of the long-term learning term, thereby preventing the deterioration of the quality of the steel sheet obtained by the rolling process even in an unskilled lot.
[0041]
<< Description of Second Embodiment >>
Next, a second embodiment of the rolling control model learning apparatus according to the present invention will be described. The basic apparatus configuration is the same as that shown in FIG.
[0042]
The rolling control model learning device 1 according to the second embodiment changes the determination processing logic of the determination unit 5 and the correction processing logic of the correction unit 6 to change the long-term learning item of the next lot and the same steel type corresponding to this lot. When the proficiency of the long term learning term corresponding to each latest lot in the lot is lower than the standard, among the other steel types, the long term corresponding to each latest lot of the lot in the steel type close to the steel type of the next lot The learning term is used to correct the long-term learning term of the next lot and optimize it.
[0043]
In this case, each time the determination command for the learning term is output from the setting calculation unit 4, the determination unit 5 outputs the data of the rolled material (rolling completed material data) and the data of the next rolled material (next rolled material data). Based on the above, it is checked whether the next rolling material lot is different from the current lot, and when the rolling material lot is switched, the long term of the lot to which the next rolling material stored in the learning term file section 3 belongs Based on the learning count of the learning term and the latest M standard deviations, the long-term learning term of the next lot is checked for correction, and if the proficiency for the next lot is lower than the standard, It is determined that it is necessary to correct the long-term learning term used in the lot, and a correction method is determined according to the proficiency level of the long-term learning term, the fluctuation of the long-term learning term, etc., and the correction unit 6 is activated.
[0044]
When the correction unit 6 is activated by the determination unit 5, the specified correction method, for example, the nearest division based on the next lot, that is, the lot with the smaller plate thickness among the adjacent plate thicknesses in the same steel type Proficiency of long-term learning terms for long-term learning terms for lots with larger plate thickness, proficiency of long-term learning terms for lots with wider plate width among adjacent plate widths in the same steel grade, plate When the proficiency level of the long-term learning term for the narrower lot is high and the standard deviation of each of the long-term learning terms is small, the steel type of the rolled material containing the next lot as in the first embodiment Among the adjacent steel thicknesses in the same steel grade, the long-term learning term for the thinner lot and the correction factor for this long-term learning term, the long-term learning term for the thicker lot and the correction for this long-term learning term Coefficient, next to the same steel grade Of the board width, select either the long-term learning term for the lot with the wider plate width and the correction factor for this long-term learning term, the long-term learning term for the lot with the smaller plate width, and the correction factor for this long-term learning term Used to correct the long term learning term corresponding to the next lot.
[0045]
In addition, when the proficiency of a lot for adjacent plate thicknesses within the same steel grade and the adjacent plate width within the same steel grade is low, or when the standard deviation is large, the long-term lot for the adjacent plate thickness and plate width within the same steel grade Using the learning term, it is determined that the long-term learning term corresponding to the next lot cannot be corrected, and as shown in FIG. 4, the steel plates of each lot are classified into similar steel types and grouped. .
[0046]
Then, within the steel type group including the next lot, select one or more steel types having a high degree of similarity with respect to the steel type of the rolled material to be the next lot, and among the lots belonging to these similar steel types, The long term learning term of each lot corresponding to the plate thickness and width of the steel plate to be the lot and the similarity between the steel type of each steel plate to be the next lot and each similar steel type are stored in the learning term file unit 3 Correct the long term learning term for the next lot in question.
[0047]
At this time, the steel type of the steel plate to be the next lot is “i”, and the similar steel type of this steel type i is the steel type “K”.₁"Steel grade" K "₂If "," the long-term learning term of the steel plate to be the next lot is corrected by the correction formula shown below, and the new long-term learning term obtained thereby is stored in the learning term file unit 3.
[0048]
[Equation 3]
Z_i ^NEW= (1-γ) · Z_i+ Γ · {(θ_K1/ (Θ_K1+ Θ_K2)) ・ Z_K1+
(Θ_K2/ (Θ_K1+ Θ_K2)) ・ Z_K2} ... (3)
Where γ: smoothing gain (0 ≦ γ ≦ 1)
Z_i: The original long term term for the next lot
Z_K1: Similar steel grade K₁Among the lots belonging to, the long-term learning term of the lot corresponding to the plate thickness and width of the steel plate that will be the next lot
Z_K2: Similar steel grade K₂Among the lots belonging to, the long-term learning term of the lot corresponding to the plate thickness and width of the steel plate that will be the next lot
θ_K1: Similar steel grade K₁Correction factor when correcting the long term learning term of steel grade i
θ_K2: Similar steel grade K₂Correction factor when correcting the long term learning term of steel grade i
Z_i ^NEW: Long-term learning term after correction for the next lot
Thus, in this embodiment, when the proficiency of the long-term learning term of the next lot and the long-term learning term corresponding to each latest lot of the lot in the same steel type corresponding to this lot is low, Among them, the long-term learning term corresponding to each latest lot of the relevant lot in the steel type close to the steel type of the next lot is used to correct the long-term learning term of the next lot.
[0049]
For this reason, when rolling the rolled material based on the setting value obtained using the setting calculation model formula, the long-term learning term of the unskilled lot is used online using the long-term learning term of the mastered lot. As a result, it is possible to prevent deterioration of the quality of the steel sheet obtained by the rolling process even in an unskilled lot.
[0050]
In this embodiment, when the long term learning term of the next lot is corrected, when the proficiency of the lot with respect to the adjacent plate thickness in the same steel type, the adjacent plate width in the same steel type is lower than the reference, or When the standard deviation is large, select one or more steel types with high similarity to the steel type of the rolled material that will be the next lot in the steel type group obtained by dividing the steel plate of each lot into similar steel types. Of the lots belonging to these similar steel grades, the long-term learning term of each lot corresponding to the plate thickness and width of the steel plate to be the next lot, and the similarity between the steel grade of the steel plate to be the next lot and each similar steel grade The long term learning term for the next lot stored in the learning term file unit 3 is corrected using the degree.
[0051]
For this reason, even when the proficiency level of lots in the same steel grade is lower than the standard, the long-term learning term can be corrected with high accuracy, so that even unskilled lots can be obtained by rolling. The deterioration of the quality of the steel plate can be prevented.
[0052]
<< Description of Other Embodiments >>
Further, in the rolling control model learning apparatus 1 shown in FIG. 1, when switching lots, the latest division based on the next lot, that is, the long-term for the thinner one among the adjacent plate thicknesses in the same steel type Correction coefficient α for learning term₁, Long-term learning term correction coefficient α for lots with larger plate thickness₂The correction factor α for the long term learning term for the larger plate width among adjacent plate widths in the same steel grade_Three, Long-term learning term correction coefficient α for the narrower lot_FourThe preset value is used as the correction coefficient α using the function shown in the following equation._iHowever, the value of i = 1, 2, 3, or 4 may be determined.
[0053]
α_i= F_i(S) ... (4)
However, S: The number of learning of the long term learning term corresponding to the lot for the adjacent plate thickness and adjacent plate width in the same steel grade
F_i(X): a function for obtaining the value of the correction coefficient in accordance with the value of the learning count x
As a result, as shown in FIG. 5, when the long-term learning term for the next lot is corrected, the correction coefficient α increases as the number of learning times of each lot that becomes the latest division increases._iIt is possible to make a correction by giving priority to the long term learning term of a lot with a high level of proficiency.
[0054]
Further, in each of the above-described embodiments, it is determined whether or not lot switching has occurred in an online format. When it is determined that the proficiency level is not sufficient, the long-term learning term for the next lot is corrected in real time, but the long-term correction of each lot may be performed offline.
[0055]
Even in this way, the degree of proficiency of the long-term learning term of each lot is made uniform to some extent, the long-term learning term of the unskilled lot is optimized, and the quality deterioration of the steel sheet obtained by the rolling process can be prevented. it can.
[0056]
【The invention's effect】
As described above, according to the present invention, the rolling control model learning device according to claim 1 is a mastered lot when rolling a rolled material on the basis of a set value obtained by using a set calculation model formula. Thus, the long term learning term of the unskilled lot can be optimized, thereby preventing the deterioration of the quality of the steel sheet obtained by the rolling process even for the unskilled lot.
[0057]
In the rolling control model learning device according to claim 2, when rolling a rolled material based on a set value obtained by using a setting calculation model formula, a long-term learning term of a mastered lot within the range of the same steel type. Can be used to optimize the long-term learning terms of unskilled lots, thereby preventing the deterioration of the quality of the steel sheet obtained by the rolling process even for unskilled lots.
[0058]
In the rolling control model learning device according to claim 3, when rolling a rolled material based on a set value obtained by using a setting calculation model formula, long-term learning of a mastered lot within the same steel grade group The term can be used to optimize the long-term learning term of the unskilled lot, thereby preventing the deterioration of the quality of the steel sheet obtained by the rolling process even for the unskilled lot.
[0059]
In the rolling control model learning device according to claim 4, when rolling a rolled material based on a set value obtained by using a setting calculation model formula, a weighting factor according to the proficiency level of the proficiency lot and a long term of the proficiency lot The learning term is used to optimize the long term learning term of the unskilled lot, thereby preventing the deterioration of the quality of the steel sheet obtained by the rolling process even for the unskilled lot.
[Brief description of the drawings]
FIG. 1 is a block diagram showing an embodiment of a rolling control model learning device according to the present invention.
FIG. 2 is a flowchart showing the operation of the embodiment of the rolling control model learning device according to the present invention.
FIG. 3 is an explanatory diagram showing the operation of the embodiment of the rolling control model learning device according to the present invention.
FIG. 4 is an explanatory diagram showing the operation of another embodiment of the rolling control model learning device according to the present invention.
FIG. 5 is an explanatory diagram showing the operation of another embodiment of the rolling control model learning device according to the present invention.
[Explanation of symbols]
1 Rolling control model learning device
2 Learning calculator
3 Learning term file part
4 Setting calculation section
5 judgment part
6 Correction part

Claims

A long-term learning term of the model formula is set for each lot divided by the steel type, sheet thickness, sheet width, etc. of the product manufactured by the rolling process, and learning is performed each time the rolling process is executed for each lot. In the rolling control model learning device that updates the long-term learning term of the model formula,
A learning calculation unit that obtains a new long-term learning term by performing medium- to long-term learning based on the data used for rolling each time rolling is completed,
A new long term learning term for each determined lot is stored, and a learning term file part for storing the number of changes of the long term learning term as the number of learning times,
Based on the model formula, a new long-term learning term stored in the learning term file unit, and a short-term learning term obtained in the rolling process up to the previous time, a setting calculation unit for obtaining a setting value for the lot,
It has a long-term learning term proficiency determination function based on the number of learning of the long-term learning term corresponding to the next lot and the latest M standard deviations, and the number of learning of the long-term learning term is a predetermined N times or more, When the standard deviation of the latest M times is less than or equal to the predetermined “σ”, it is determined that the level of proficiency is sufficient and no correction is necessary, and the number of long-term learning terms is less than the predetermined N times, or the latest M A determination unit that determines that the proficiency of the long-term learning term corresponding to the next lot is low and correction is necessary when the standard deviation of times is greater than a predetermined “σ”;
When the determination unit determines that the correction of the long-term learning term in the next lot is necessary, the long-term learning term of the lot with high proficiency among other lots similar to the next lot is stored in the learning term file. a correcting unit that extracts from part to correct the long-term learning term of the next lot, and outputs the setting calculation unit as the corrected long learning term,
A rolling control model learning device comprising:

In the rolling control model learning device according to claim 1,
Wherein the correction unit extracts the long-term learning term ones Segment Oite thickness is adjacent to the product within the same steel species of rolling target, or a high proficiency of the medium although sections of the plate width adjacent lots Correct the long term learning term of the lot to be rolled,
A rolling control model learning device characterized by that.

In the rolling control model learning device according to any one of claims 1 and 2,
Wherein the correction unit includes a long-term learning section that section of Oite thickness is adjacent to the rolling target steel grade products and the same steel grade group, or a high proficiency of the medium although sections of the plate width adjacent lots Extract and correct the long term learning term of the lot to be rolled,
A rolling control model learning device characterized by that.

In the rolling control model learning device according to any one of claims 1, 2, and 3,
The correction unit uses the weighting factor according to the proficiency level of the extracted long-term learning term of the lot with high proficiency level and the long-term learning mode of the lot to be rolled using the long-term learning term of the lot with high proficiency level. Correct the term,
A rolling control model learning device characterized by that.