JP4543684B2 - 学習制御方法 - Google Patents
学習制御方法 Download PDFInfo
- Publication number
- JP4543684B2 JP4543684B2 JP2004009858A JP2004009858A JP4543684B2 JP 4543684 B2 JP4543684 B2 JP 4543684B2 JP 2004009858 A JP2004009858 A JP 2004009858A JP 2004009858 A JP2004009858 A JP 2004009858A JP 4543684 B2 JP4543684 B2 JP 4543684B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- component
- gain
- dependent
- time
- 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 - Fee Related
Links
- 230000013016 learning Effects 0.000 title claims description 309
- 238000000034 method Methods 0.000 title claims description 50
- 238000004519 manufacturing process Methods 0.000 claims description 135
- 230000001419 dependent effect Effects 0.000 claims description 86
- 230000036962 time dependent Effects 0.000 claims description 70
- 238000012937 correction Methods 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 12
- 239000000654 additive Substances 0.000 claims description 8
- 230000000996 additive effect Effects 0.000 claims description 8
- 238000005553 drilling Methods 0.000 description 67
- 238000004364 calculation method Methods 0.000 description 33
- 239000000463 material Substances 0.000 description 20
- 238000004080 punching Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000006866 deterioration Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 5
- 238000002789 length control Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Metal Rolling (AREA)
Description
上記特許文献1の実施例には、1回圧延する度に、製造設備モデルの誤差(以下、「製造設備モデルの誤差」を単に「制御モデル誤差」ともいう。)の経時変化依存成分と製造条件依存成分を、以下に示す式(1)〜式(5)のように制御対象を切り分け、それらの制御対象毎に学習を行う方法が開示されている。
Ft =F/Fg0 (2)
FtN =αFt+(1−α)Ft0 (3)
Fg =F/Ft0 (4)
FgN =βFg+(1−β)Fg0 (5)
YsetN=FtN×FgN×YcalN (6)
ここで、
F :制御モデル誤差
Yact :制御対象量の実績値
Ycal :制御対象量のモデル予測値
Ft :制御モデル誤差の経時変化依存成分の推定量
Ft0 :補正前の制御モデル誤差の経時変化依存成分の学習量
FtN :補正後の制御モデル誤差の経時変化依存成分の学習量
Fg :制御モデル誤差の製造条件依存成分の推定量
Fg0 :補正前の制御モデル誤差の製造条件依存成分の学習量
FgN :補正後の制御モデル誤差の製造条件依存成分の学習量
α、β:学習ゲイン(0<α、β<1)
YsetN:次材の制御対象量の設定値
YcalN:次材の制御対象量のモデル予測値
そこで、本発明は、上記課題に鑑み、経時変化依存成分が大きく変わる場合や製造条件が大きく変わり、未だ学習が十分なされていない場合の学習精度の劣化を防止することを目的とする。さらに、本発明は、制御対象量のモデル誤差が大きい場合の学習精度の劣化を防止することを第2の目的とする。
(1)学習量を用いて補正した製造設備モデルの誤差の履歴を記録しておき、その履歴に応じて学習ゲインを決定する(即ち、学習ゲインのフィードバック制御である)。
(2)経時変化依存成分の学習量の学習回数、製造条件毎の製造条件依存成分の学習量の学習回数を記録しておき、学習回数に応じて学習ゲインを決定する。経時変化依存成分が大きく変わる場合や、製造条件が以前の履歴から大きく変わる場合には、対応する誤差成分の学習回数を0クリアする(即ち、学習ゲインのフィードフォワード制御である)。
(3)上記(1)および(2)を併用する。つまり、製造条件が大きく変化した場合は(2)のフィードフォワード制御によって学習ゲインを決定し、学習回数が増えるに従って(1)のフィードバック制御を考慮した学習ゲインの決定方法を適用する。
=αFt+(1−α)Ft0+βFg+(1−β)Fg0
≒αlogFt+(1−α)logFt0+βlogFg+(1−β)logFg0
=(α+β)logF+{1−(α+β)}(logFg0+logFt0)
≒(α+β)F+{1−(α+β)}(Fg0×Ft0)
∴FtN×FgN ≒(α+β)F+{1−(α+β)}(Fg0×Ft0) (7)
A.学習値が外れる前に学習ゲインを変えた場合(学習ゲインのフィードフォワード制御)
例えば、経時変化依存成分の推定量が大きく外れる場合は、
(a)経時変化依存成分の学習ゲインを1、製造条件依存成分の学習ゲインを0とすれば、学習量は次のように更新される。
F =Yact/Ycal (8)
Ft =F/Fg0 (9)
FtN =Ft (10)
FgN =Fg0 (11)
(b)ここで、制御モデル誤差の製造条件依存成分の学習量Fg0については十分学習されているので、式(9)の制御モデル誤差の経時変化依存成分の推定量Ftも、ほぼ正確な値となる。よって、式(10)の制御モデル誤差の経時変化依存成分の学習量FtNも、ほぼ正確な値に更新されることになる。
(c)また、制御モデル誤差の製造条件依存成分の学習量は式(11)のようにそのまま保存されるので、経時変化依存成分の推定量が大きく外れることに対する影響を受けない。
(d)よって、次材の制御対象量の設定値YsetNも正しく修正される。
YsetN =FtN×FgN×YcalN (12)
また、逆に製造条件依存成分の推定量が大きく外れる場合も同様である。
B.学習値が外れた後に学習ゲインを変えた場合(学習ゲインのフィードバック制御)
例えば、経時変化依存成分の推定量が大きく外れた場合は、
(a)学習ゲインを変える前は、一旦、次の学習式で学習量を更新する。
F =Yact/Ycal (13)
Ft =F/Fg0 (14)
Ft1 =αFt+(1−α)Ft0 (15)
Fg =F/Ft0 (16)
Fg1 =βFg+(1−β)Fg0 (17)
ここで、異常データや外乱の影響を排除するため、学習ゲインα、βは通常、小さな数値に設定されるので、1回の学習のみでは学習量の劣化は小さい。学習方式が式(15)や式(17)のような指数平滑でなくとも、通常の学習では異常データや外乱の影響を排除するフィルタを入れるため、1回の学習のみでは学習量の劣化は小さい。
(b)その後、経時変化依存成分の学習ゲインを「1」、製造条件依存成分の学習ゲインを「0」とすれば、学習量は次のように更新される。
F =Yact/Ycal (18)
Ft =F/Fg1 (19)
FtN =Ft (20)
FgN =Fg1 (21)
(c)ここで、制御モデル誤差の製造条件依存成分の学習量Fg1については、概ね妥当な数値に近いので、式(9)の制御モデル誤差の経時変化依存成分の推定量Ftも、ほぼ妥当な値となる。よって、式(10)の制御モデル誤差の経時変化依存成分の学習量FtNも、ほぼ妥当な値に更新されることになる。
(d)また、制御モデル誤差の製造条件依存成分の学習量は、式(11)のようにそのまま保存されるので、経時変化依存成分の推定量が大きく外れることに対する影響を受けない。
制御モデル誤差の経時変化依存成分や製造条件依存成分の推定量が実際の値から大きく外れると推測できた後は、上記のようにして、学習精度の劣化を防ぐことができる。
A.方法1:学習ゲインをフィードバック制御する。
学習量で補正した対象量の誤差の履歴を記録しておき、以下のように判断する。
(1)学習量で補正した対象量の誤差が大きく、どの製造条件でもその誤差がほぼ同じであれば、制御モデル誤差の経時変化依存成分が大きく変化したと判断する。
(2)学習量で補正した対象量の誤差が大きく、製造条件によりその誤差が変化する場合は、モデル誤差の製造条件依存成分が大きく変化したと判断する。
(3)学習量で補正した対象量の誤差が大きくない場合は、制御モデル誤差の経時変化成分や製造条件依存成分が共に大きく変化していないと判断する。
F =Yact/Ycal =F0×γ (22)
Ft =F/Fg0 =F0/Fg0×γ (23)
Ft1 =Ft (24)
Fg1 =Fg0 (25)
Ysen =Ft1×Fg1×Ycal=F0×γ×Ycal=Yact (26)
それ以降の設定値も、経時変化依存成分の学習量が既にγ倍されているので、どの製造条件でも正しく誤差をγ倍に修正することができる。
B.方法2:学習ゲインをフィードフォワード制御する。
ロールを交換する場合など、物理的に制御モデル誤差の経時変化依存成分、製造条件変化成分が変わることが予想されるときは、直ちに各成分の推定量が実際の値から大きく外れると推測できることは言うまでもない。また、製造条件依存成分については、今まで製造に使用したことのない条件であっても、学習回数を記録しておけば未学習であることが判別でき、先に述べたように製造条件依存成分の学習ゲインを上げて、経時変化依存成分の学習ゲインを下げれば、式(8)〜式(12)式に従って、各学習値は、ほぼ正確な値に更新される。
[方法A]
F =Yact/Ycal−1 (27)
Ft =F−Fg0 (28)
FtN =αFt+(1−α)Ft0 (29)
Fg =F−Ft0 (30)
FgN =βFg+(1−β)Fg0 (31)
YsetN=(1+FtN+FgN)×Ycal (32)
ここで、
F :制御モデル誤差
Yact :制御対象量の実績値
Ycal :制御対象量のモデル予測値
Ft :制御モデル誤差の経時変化依存成分の推定量
Ft0 :補正前の制御モデル誤差の経時変化依存成分の学習量
FtN :補正後の制御モデル誤差の経時変化依存成分の学習量
Fg :制御モデル誤差の製造条件依存成分の推定量
Fg0 :補正前の制御モデル誤差の製造条件依存成分の学習量
FgN :補正後の制御モデル誤差の製造条件依存成分の学習量
α、β:学習ゲイン(0<α、β<1)
YsetN:次材の制御対象量設定値
YcalN:次材の制御対象量のモデル予測値
[方法B]
F =Yact−Ycal (33)
Ft =F−Fg0 (34)
FtN =αFt+(1−α)Ft0 (35)
Fg =F−Ft0 (36)
FgN =βFg+(1−β)Fg0 (37)
YsetN=YcalN+FtN+FgN (38)
なお、上記の方法A、方法Bのどちらの更新式でも、常に次式が成り立つ。
=(α+β)F+{1−(α+β)}(Ft0+Fg0) (39)
Ft、Fgが上記のように加法的に組み合わさるのではなく、積の形で現れる場合には、下記のように対数をとれば、上の加法的な式に帰着させることができる。 つまり、積の形で現れる場合でも、上記の方法で対応することができる。
YsetN=YcalN+FtN+FgN (40)
積の形で反映させる場合
YsetN=(FtN×FgN)×YcalN (41)
∴logYsetN=logYcalN+logFtN+logFgN (42)
(これは、加法の形となっている。)
上記目的を達成するために、本発明に係る学習制御方法は、製造設備モデルの誤差を、経時変化依存成分と製造条件依存成分とに切り分けて学習する学習制御方法であって、所定の加法形式で表現された式における前記経時変化依存成分と製造条件依存成分とに基づいて、前記誤差を定義することを特徴とする。
図1は、本実施の形態に係る学習制御システム10の機能構成を示すブロック図である。
図1に示されるように、学習制御システム100は、穿孔後の鋼管の長さ(以下、単に「穿孔後長さ」という。)の制御を行うシステムであり、学習演算装置10、製造条件設定装置20、穿孔機設定装置30、長さ計40、穿孔機50、芯金60プラグ70などを備える。
製造条件判定部11は、製造条件設定装置20から製造条件を受信して学習計算部14に送信する。その際、製造条件判定部11は、製造条件の範囲をチェックする。
穿孔機設定補正量計算部13は、学習計算部14において計算された学習量に基づいて、穿孔機における種々の設定値の補正を行う。
学習計算部14は、製造条件判定部11から受信した製造条件、穿孔後長さ予測値計算部12から受信した長さ予測値および学習情報記憶部16に記憶されている個々の制御対象値の学習量や学習回数に基づいて、制御対象値の新たな学習量を算出する。
製造条件設定装置20は、操作者からの指示又は予めプログラム等によって設定された値で製造条件を設定する。穿孔機設定装置30は、穿孔機設定補正量計算部13から受信した補正量に基づいて穿孔機における各設定値の補正を行う。
次に、以上のように構成される学習制御システム100の動作について説明する。ここでは、継目無管製造工程における、使用されるプラグ70の個体差を考慮した穿孔機50の長さ制御を例に挙げて説明する。なお、以下では、本発明の特徴を明確にするために実施例1、実施例2および実施例3(さらに、従来例と)を対比させながら説明することとする。
実施例1における長さ制御のフローを図5および図6に示す。図5は、学習制御がない場合の制御フローであり、図6は、学習制御を加える場合の制御フローである。
A.学習制御がない場合
最初に、製造条件設定装置20は、操作者の指示により、管の外径や肉厚などの諸元と穿孔機の下工程(例えば、マンドレルミル、ストレッチレデューサ等)の設備制約などが勘案された穿孔後長さの目標値を設定する(S101)。
さらに、製造条件設定装置20は、計算された穿孔機50における設定値を穿孔機設定装置30に送信する(S103)。
これにより、穿孔機設定装置30は、受信した設定値に穿孔機50の諸設定を変更する(S104)。最後に、穿孔機50は、管材(ビレット)を穿孔する(S105)。
B.学習制御を加える場合
最初に、穿孔後長さ予測値計算部12は、上記の手順で管材に穿孔加工を行う際、製造条件設定装置20で計算された諸圧延条件に基づいて、穿孔される管材の穿孔後長さを予め予測する(S201)。
この後、学習計算部14は、穿孔対象の管材について使用したプラグ70に対応する穿孔後長さ予測モデル誤差の製造条件依存成分の学習量と学習回数、および穿孔後長さ予測モデル誤差の経時変化依存成分の学習量と学習回数を学習情報記憶部16から取り出す(S203)。
さらに、学習計算部14において、以下に示す計算を行う。経時変化依存成分および製造条件依存成分の一方の学習回数が「0」の場合、前述の式(8)〜式(11)に対応する成分の学習ゲインを「1」に、他方の学習ゲインを「0」にして学習量を更新する。双方の学習回数が「0」もしくは双方とも学習回数が「1」以上であれば、式(1)〜式(6)に従って学習量を更新する(S206)。
さらに、製造条件判定部11は、ロール交換、プラグ交換などの使用する工具に関する製造条件の変化、もしくは経時変化に影響する製造条件の変化があるか否かを判定し、変化があれば(S210:Yes)、対応する誤差成分の学習量を0クリアする(S211)。
YsetN=FtN×FgN×YcalN
ここで、
FtN :穿孔後長さ予測モデル誤差の経時変化成分の学習量
FgN :穿孔後長さ予測モデル誤差のプラグ依存成分の学習量
YsetN:穿孔後長さ設定値
YcalN:穿孔後長さ目標値
である。
以下、上記図5において説明した処理(S102〜S105)を実施し、その後、上記S201以降の手順を繰り返す。
本実施例は、上記実施例1における学習更新式(式(1)〜式(6))を、上記[方法A]の式(式(27)〜式(32))に書き換えたものである。なお、詳細な説明は省略する。
実施例3は、実施例1(B.学習制御を加える場合)を以下のように書き換えたものである。図7は、本実施例における制御フローである。
最初に、管材を穿孔する際、製造条件設定装置20で計算された諸圧延条件に基づいて、穿孔される管材の穿孔後長さを予め予測しておく(S201)。
次に、既に穿孔された同種の管材について、長さ計40により穿孔後長さを計測し、穿孔後長さ実績値計算部15で穿孔後長さおよび肉厚の実績値を推定する(S202)。
さらに、学習計算部14は、穿孔対象の管材について使用したプラグ70に対応する穿孔後長さ予測モデル誤差のプラグ依存成分(即ち、製造条件依存成分)の学習量、および経時変化依存成分の学習量を学習情報記憶部16から取り出す(S301)。
これにより、(次の材料を穿孔するとき、穿孔する前に、)上記図5の場合と同様に、操作者の指示により、管の外径や肉厚などの諸元と穿孔機50の下工程の設備制約などが勘案された穿孔後長さの目標値を設定する(S101)。
さらに、学習計算部14は、次式に従って穿孔後長さ設定値を計算する(S212)。
YsetN=FtN×FgN×YcalN
ここで、
FtN:穿孔後長さ予測モデル誤差の経時変化成分学習量、
FgN:穿孔後長さ予測モデル誤差のプラグ依存成分学習量
YsetN:穿孔後長さ設定値、
YcalN:穿孔後長さ目標値
である。
以下、上記図5において説明した、処理(S102〜S105)を実施し、その後、本実施例における上記の処理S201以降の手順を繰り返す。
以上の実施例の関係を表1にまとめる。
また、上記の実施例1〜3に用いた、2つの実施条件を表2に示す。ここで、穿孔後長さ予測モデル誤差は、鋼種毎成分とロール毎成分の和とした。ロールの熱膨張、摩耗を考慮し、さらにロール毎に、穿孔後長さ予測モデル誤差の経時変化を加えた。
ErrY =(Yact−YsetN)/Y0
YsetN =FtN×FgN×YcalN …(実施例1、従来技術に使用)
YsetN =(1+FtN+FgN)×YcalN …(実施例2、実施例3に使用)
ここで、
FtN :穿孔後長さ予測モデル誤差の経時変化依存成分の学習量
FgN :穿孔後長さ予測モデル誤差のプラグ依存成分の学習量
Yact :穿孔後長さの実績値、
Y0 :穿孔後長さの目標値
YsetN:学習で修正した後の穿孔後長さ予測値
YcalN:穿孔後長さのモデル予測値
である。
A.実施条件1を適用した場合
従来法と学習ゲインを制御した実施例1とを比較した評価結果を図2に示す。図2に示されるように、ロール替え時の予測精度が格段に向上されている。
B.実施条件を適用した場合(誤差が大きい場合)
従来法と、学習更新式を改善した例(実施例1)を比較した評価結果を図3に示す。図3に示されるように、従来法では、ロール替え後に誤差が不安定であるが、更新式を改善することによって、これを抑えることが可能となった。
以上、本実施の形態では、学習方式に指数平滑方式を採用したが、ニューラルネットを用いても良く、サポートベクターマシン(Support Vector Regression)を用いても良い。具体的には、ニューラルネットの場合、例えば、上記式(1)〜式(5)を下記のように書き換えても良い。
Ft =F−g (ωg0) (2')
ωtN =α・fω(Ft)+(1−α)ωt0 (3')
Fg =F−f(ωt0) (4')
ωgN =β・gω(Fg)+(1−β)ωg0 (5')
YsetN=f(ωtN)+g(ωgN)+YcalN (6)
ここで、
F:制御モデル誤差、
Yact:制御対象量の実績値、
Ycal:制御対象量のモデル予測値
Ft :制御モデル誤差の経時変化成分の推定量、
ωt0:補正前の制御モデル誤差の経時変化成分学習量を計算する重み係数
ωtN:補正後の制御モデル誤差の経時変化成分学習量を計算する重み係数、
Fg :制御モデル誤差のプラグ依存成分の推定量、
ωg0:補正前の制御モデル誤差のプラグ依存成分の学習量を計算する重み 係数
ωgN:補正後の制御モデル誤差のプラグ依存成分の学習量を計算する重み 係数
f(ωt):重み係数ωtから制御モデル誤差の経時変化成分の学習量を計算 する関数
g(ωg):重み係数ωgから制御モデル誤差のプラグ依存成分の学習量を計 算する関数
fω(Ft):制御モデル誤差の経時変化成分の教師信号Ftから重み係数を 計算する関数
gω(Fg):制御モデル誤差のプラグ依存成分の教師信号Fgから重み係数 を計算する関数
α、β:重み係数の変更度合いを調整する学習ゲイン
YsetN:次材の制御対象量設定値、YcalN:次材の制御対象量のモデ ル予測値
または、下記のように書き換えても良い。
Ft =F−g (ωg0) (2'')
ωtN =fω(α、Ft、ωt0) (3'')
Fg =F−f(ωt0) (4'')
ωgN =gω(β、Fg、ωg0) (5'')
YsetN={f(ωtN)+g(ωgN)}×YcalN (6)
ここで、
F:制御モデル誤差、
Yact:制御対象量の実績値、
Ycal:制御対象量のモデル予測値
Ft :制御モデル誤差の経時変化成分の推定量、
ωt0:補正前の制御モデル誤差の経時変化成分学習量を計算する重み係数
ωtN:補正後の制御モデル誤差の経時変化成分学習量を計算する重み係数
Fg :制御モデル誤差のプラグ依存成分の推定量
ωg0:補正前の制御モデル誤差のプラグ依存成分の学習量を計算する重み 係数
ωgN:補正後の制御モデル誤差のプラグ依存成分の学習量を計算する重み 係数
f(ωt):重み係数ωtから制御モデル誤差の経時変化成分の学習量を計算 する関数
g(ωg):重み係数ωgから制御モデル誤差のプラグ依存成分の学習量を 計算する関数
fω():制御モデル誤差の経時変化成分の教師信号Ftから重み係数を計 算する関数
gω():制御モデル誤差のプラグ依存成分の教師信号Fgから重み係数を 計算する関数
α、β:重み係数を更新するときの用いる学習ゲイン
YsetN:次材の制御対象量設定値、
YcalN:次材の制御対象量のモデル予測値
また、本実施例では学習ゲインのフィードフォワード制御の例を示したが、学習ゲインのフィードバック制御を用いても良い。
11 製造条件判定部
12 穿孔後長さ予測値計算部
13 穿孔機設定補正量計算部
14 学習計算部
15 穿孔後長さ実績値計算部
16 学習情報記憶部
20 製造条件設定装置
30 穿孔機設定装置
40 長さ計
50 穿孔機
60 心金
70 プラグ
80 継目無管
100 学習制御システム
Claims (7)
- 製造設備モデルの誤差を、経時変化依存成分と製造条件依存成分とに切り分け、切り分けた前記経時変化依存成分と前記製造条件依存成分とを学習する学習制御方法において、
加法形式で表現された式における前記経時変化依存成分と製造条件依存成分とに基づいて、前記誤差を定義するステップと、
記憶手段に記憶されている学習回数を含む初期値又は学習によって補正された前記誤差の履歴に基づいて、前記学習に用いる学習ゲインを変更するゲイン変更ステップとを含み、
前記学習回数は、現時点までに学習を行った回数であり、
前記学習ゲインには、経時変化依存成分の学習のための第1学習ゲインと製造条件依存成分の学習のための第2学習ゲインとが含まれ、
前記加法形式で表現された式には、
補正後の経時変化依存成分の学習量が、経時変化依存成分の推定量と補正前の経時変化依存成分の学習量とを前記第1学習ゲインで重み付け加算した値に等しいことを示す式と、
補正後の製造条件依存成分の学習量が、製造条件依存成分の推定量と補正前の製造条件依存成分の学習量とを前記第2学習ゲインで重み付け加算した値に等しいことを示す式とが含まれ、
前記ゲイン変更ステップでは、
前記記憶手段に記憶されている学習回数を含む初期値に基づいて学習ゲインを変更する場合には、前記経時変化依存成分の学習量の学習回数、および、製造条件毎の前記製造条件依存成分の学習量の学習回数を記録しておき、記録した夫々の学習回数に応じて前記第1学習ゲインおよび前記第2学習ゲインを決定し、経時変化依存成分が大きく変わるとき、または、製造条件が大きく変わるときに、対応する前記経時変化依存成分または前記製造条件依存成分の学習量の学習回数を0にクリアするとともに、前記第1学習ゲインおよび前記第2学習ゲインを予め定められた初期値にし、
学習によって補正された誤差の履歴に基づいて学習ゲインを変更する場合には、前記経時変化依存成分及び前記製造条件依存成分のうち、誤差の傾向が変化した成分の学習ゲインを上げ、それ以外の成分の学習ゲインを下げることによって前記学習ゲインを変更する
ことを特徴とする学習制御方法。 - 前記記憶手段は、
前記経時変化依存成分についての学習回数および前記製造条件依存成分についての学習回数を記憶しており、
前記ゲイン変更ステップは、
前記各々の学習回数に基づいて、前記学習ゲインを変更する
ことを特徴とする請求項1記載の学習制御方法。 - 前記学習制御方法は、さらに、
前記経時変化依存成分についての学習回数または前記製造条件依存成分についての学習回数を0にクリアするとともに、前記第1学習ゲインおよび前記第2学習ゲインを予め定められた初期値にする初期化ステップを含む
ことを特徴とする請求項2記載の学習制御方法。 - 前記加法形式で表現された式は、
Ft=F−Fg0
FtN=αFt+(1−α)Ft0
Fg=F−Ft0
FgN=βFg+(1−β)Fg0
F:製造設備モデルの誤差、
Ft :製造設備モデルの誤差の経時変化依存成分の推定量
Ft0:補正前の製造設備モデルの誤差の経時変化依存成分の学習量
FtN:補正後の製造設備モデルの誤差の経時変化依存成分の学習量
Fg :製造設備モデルの誤差の製造条件依存成分の推定量
Fg0:補正前の製造設備モデルの誤差の製造条件依存成分の学習量
FgN:補正後の製造設備モデルの誤差の製造条件依存成分の学習量
α、β:学習ゲイン(第1学習ゲイン、第2学習ゲイン)
である
ことを特徴とする請求項3記載の学習制御方法。 - 製造設備モデルの誤差を経時変化依存成分と製造条件依存成分とに切り分け、切り分けた前記経時変化依存成分と前記製造条件依存成分とを学習する学習制御方法において、
加法形式で表現された式における前記経時変化依存成分と製造条件依存成分とに基づいて、前記誤差を定義するステップと、
前記経時変化依存成分と前記製造条件依存成分についての学習ゲインを、記憶手段に記憶されている学習回数を含む初期値に基づいて、学習する毎に、変更させるゲイン変更ステップとを含み、
前記学習回数は、現時点までに学習を行った回数であり、
前記学習ゲインには、経時変化依存成分の学習のための第1学習ゲインと製造条件依存成分の学習のための第2学習ゲインとが含まれ、
前記加法形式で表現された式には、
補正後の経時変化依存成分の学習量が、経時変化依存成分の推定量と補正前の経時変化依存成分の学習量とを前記第1学習ゲインで重み付け加算した値に等しいことを示す式と、
補正後の製造条件依存成分の学習量が、製造条件依存成分の推定量と補正前の製造条件依存成分の学習量とを前記第2学習ゲインで重み付け加算した値に等しいことを示す式とが含まれ、
前記ゲイン変更ステップでは、
前記記憶手段に記憶されている学習回数を含む初期値に基づいて学習ゲインを変更する場合には、前記経時変化依存成分の学習量の学習回数、および、製造条件毎の前記製造条件依存成分の学習量の学習回数を記録しておき、記録した夫々の学習回数に応じて前記第1学習ゲインおよび前記第2学習ゲインを決定し、経時変化依存成分が大きく変わるとき、または、製造条件が大きく変わるときに、対応する前記経時変化依存成分または前記製造条件依存成分の学習量の学習回数を0にクリアするとともに、前記第1学習ゲインおよび前記第2学習ゲインを予め定められた初期値にする
ことを特徴とする学習制御方法。 - 前記製造設備モデルは、
継目無管の製造設備モデルである
ことを特徴とする請求項1〜5の何れか1項に記載の学習制御方法。 - 前記製造条件依存成分は、
使用工具依存成分が含まれる
ことを特徴とする請求項6記載の学習制御方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004009858A JP4543684B2 (ja) | 2004-01-16 | 2004-01-16 | 学習制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004009858A JP4543684B2 (ja) | 2004-01-16 | 2004-01-16 | 学習制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005202803A JP2005202803A (ja) | 2005-07-28 |
JP4543684B2 true JP4543684B2 (ja) | 2010-09-15 |
Family
ID=34822755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004009858A Expired - Fee Related JP4543684B2 (ja) | 2004-01-16 | 2004-01-16 | 学習制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4543684B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101451516B1 (ko) * | 2013-02-19 | 2014-10-15 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 압연 프로세스의 학습 제어 장치 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5000460B2 (ja) * | 2007-11-14 | 2012-08-15 | 株式会社豊田中央研究所 | パラメータ同定装置及びパラメータ同定プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200005A (ja) * | 1993-12-28 | 1995-08-04 | Mitsubishi Electric Corp | 学習制御方法 |
JPH0988693A (ja) * | 1995-09-22 | 1997-03-31 | Unisia Jecs Corp | 内燃機関の学習制御装置 |
JPH1031505A (ja) * | 1996-07-16 | 1998-02-03 | Mitsubishi Electric Corp | プロセスラインの学習制御方法 |
JPH10263640A (ja) * | 1997-03-25 | 1998-10-06 | Kawasaki Steel Corp | 圧延機における圧延荷重の学習制御方法 |
JP2001025807A (ja) * | 1999-07-15 | 2001-01-30 | Toshiba Corp | リバース式圧延機の学習制御装置 |
-
2004
- 2004-01-16 JP JP2004009858A patent/JP4543684B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200005A (ja) * | 1993-12-28 | 1995-08-04 | Mitsubishi Electric Corp | 学習制御方法 |
JPH0988693A (ja) * | 1995-09-22 | 1997-03-31 | Unisia Jecs Corp | 内燃機関の学習制御装置 |
JPH1031505A (ja) * | 1996-07-16 | 1998-02-03 | Mitsubishi Electric Corp | プロセスラインの学習制御方法 |
JPH10263640A (ja) * | 1997-03-25 | 1998-10-06 | Kawasaki Steel Corp | 圧延機における圧延荷重の学習制御方法 |
JP2001025807A (ja) * | 1999-07-15 | 2001-01-30 | Toshiba Corp | リバース式圧延機の学習制御装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101451516B1 (ko) * | 2013-02-19 | 2014-10-15 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 압연 프로세스의 학습 제어 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP2005202803A (ja) | 2005-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6990389B2 (en) | Method of predicting dryer steam pressure in paper machine and apparatus for the method | |
KR101832653B1 (ko) | 압연 프로세스의 학습 제어 장치 | |
JP4354978B2 (ja) | めっき付着量制御装置および制御方法 | |
JP2009113101A (ja) | 圧延荷重の学習制御方法および装置、ならびに鋼板の製造方法 | |
JP2019028949A (ja) | 製品の状態予測装置及び方法、製造プロセスの制御システム、並びにプログラム | |
JP2012170962A (ja) | エネルギー消費量予測装置 | |
JP4543684B2 (ja) | 学習制御方法 | |
JP2008186113A (ja) | Pid制御装置及びpid制御方法 | |
EP3332883B1 (en) | Metal thickness control model based inferential sensor | |
KR101749018B1 (ko) | 평탄도 제어 장치 | |
JP5939175B2 (ja) | 圧延プロセスの学習制御装置 | |
JP2018010521A (ja) | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム | |
JP2010264499A (ja) | 制御モデルのパラメータ最適化方法 | |
JP2020157327A (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
JP2006350883A (ja) | 知識データベースを利用した需要予測値自動判定システムおよびそれに用いられる需要予測値自動判定プログラム並びにそのプログラムが記録された記録媒体 | |
CN117019882B (zh) | 考虑热轧来料信息的带钢冷连轧自动厚度前馈控制方法 | |
CN110794778B (zh) | 一种水冷效率值的处理方法 | |
JP4091739B2 (ja) | 板幅制御方法 | |
JP6816629B2 (ja) | 製造プロセス学習制御装置 | |
KR101622068B1 (ko) | 설정 계산 시스템의 학습 장치 및 학습 방법 | |
JP2719215B2 (ja) | 板圧延のエッジドロップ制御方法 | |
JP7151915B1 (ja) | 連続圧延システム | |
JP2022106531A (ja) | 圧延モデルの学習方法 | |
JP7352378B2 (ja) | 製造制御装置、製造制御方法及びプログラム | |
KR100929013B1 (ko) | 밀상수와 게이지미터 오차의 자동예측에 의한 압연기의롤갭설정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080123 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090508 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091211 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100608 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100621 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130709 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4543684 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130709 Year of fee payment: 3 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130709 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |