JP5309219B2 - 設定計算学習装置及び設定計算学習方法 - Google Patents

Description

本発明は、プロセスラインにおけるセットアップ計算のような機械設備を動作させるために必要な設定値を精度良く決定する設定計算学習装置及び設定計算学習方法に関する。

一般に、セットアップ計算で利用されるモデル適応学習は、物理現象を数式に表現した数式モデル（以下、モデル式）に、入力変数を実績値として計算した実績計算値(以下、ＡＣＡＬと呼ぶ)と、計測器などで計測した実績値から求めた、ＡＣＡＬに相当する実績値(以下、ＡＣＴと呼ぶ)とを比較することにより、モデル式の補正項を修正していた。

この学習方法をここではモデル学習計算と呼ぶ。このモデル学習計算では、その時々の条件（例えば熱間圧延設備では、鋼材の鋼種、寸法など）を区切り（その区分をロットと呼ぶ）、ロット毎に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、経時的に発生する誤差を吸収する短期学習機能とを組み合わせる方法がよく利用されている（例えば、特開平４−３６７９０１号公報）。

特開平４−３６７９０１号公報

ところで、このような従来のモデル学習計算では、学習時に得られた実績値からACTとACALとが算出され、これらの偏差に基づいて学習が行われる。そのため、実績値が収集された物理環境時に、評価される物理対象が目標値に一致していたとは限らないので、学習による補正項を使うことにより、評価される物理対象が目標値に近づくような機械の設定値を適切に計算できるとは限らない。即ち、従来のモデル学習計算は、学習時に得られた実績値を使ってその条件に合うようにモデル式（モデル予測精度）のみを補正するので、設定値を精度良く決定することが困難であった。

本発明は上記課題を鑑みてなされたものであり、制御対象である機械設備の設定値を精度良く決定する設定計算学習装置及び設定計算学習方法を提供することを目的とする。

上記目的を達成するため、本発明に係る設定計算学習装置の第１の特徴は、
制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算部と、外部入力により初期値として設定された初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、
前記初期目標値と、前記第１のモデル式と、前記モデル学習計算部により補正された第２のモデル式とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部とを備えたことにある。

上記目的を達成するため、本発明に係る設定計算学習装置の第２の特徴は、制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算部と、評価される物理対象の最終結果出力値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記最終結果出力値に対する初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、前記初期目標値と、前記第１のモデル式と、前記モデル学習計算部により補正された第２のモデル式とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部とを備えたことにある。

上記目的を達成するため、本発明に係る設定計算学習装置の第３の特徴は、制御対象に対して設定する設定値に対応する入力変数実績値に基づいてモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて、評価される物理対象の最終結果出力値を補正するモデル学習計算部と、前記最終結果出力値に対する初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、前記初期目標値と、前記モデル式と、前記モデル学習計算部により補正された最終結果出力値とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部とを備えたことにある。

上記目的を達成するため、本発明に係る設定計算学習方法の第１の特徴は、制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算ステップと、外部入力により初期値として設定された初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、前記初期目標値と、前記第１のモデル式と、前記モデル学習計算ステップにより補正された第２のモデル式とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップとを有することにある。

上記目的を達成するため、本発明に係る設定計算学習方法の第２の特徴は、制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算ステップと、評価される物理対象の最終結果出力値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記最終結果出力値に対する初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、前記初期目標値と、前記第１のモデル式と、前記モデル学習計算ステップにより補正された第２のモデル式とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップとを有することにある。

上記目的を達成するため、本発明に係る設定計算学習方法の第３の特徴は、制御対象に対して設定する設定値に対応する入力変数実績値に基づいてモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて、評価される物理対象の最終結果出力値を補正するモデル学習計算ステップと、前記最終結果出力値に対する初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、前記初期目標値と、前記モデル式と、前記モデル学習計算ステップにより補正された最終結果出力値とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップとを有することにある。

本発明によれば、制御対象である機械設備の設定値を精度良く決定することができる。

本発明の第１の実施形態に係る設定計算学習装置が適用されたセットアップ計算システムの構成を示した構成図である。 本発明の第１の実施形態に係る設定計算学習装置の構成を示した構成図である。 本発明の第１の実施形態に係る設定計算学習装置が適用されたセットアップ計算システムによるセットアップ計算処理の処理手順を示したフローチャートである。 本発明の第２の実施形態に係る設定計算学習装置の構成を示した構成図である。 本発明の第３の実施形態に係る設定計算学習装置の構成を示した構成図である。 本発明の第３の実施形態に係る設定計算学習装置が適用されたセットアップ計算システムによるセットアップ計算処理の処理手順を示したフローチャートである。

以下、本発明に係る設定計算学習装置の実施の形態について図面を参照して説明する。

＜第１の実施形態＞
図１は、第１の実施形態に係る設定計算学習装置が適用されたセットアップ計算システムの構成を示した構成図である。

図１に示すように、第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０は、設定計算学習装置１と、機械設備３と、実績収集収集装置４とを備えている。

機械設備３は、例えば熱間圧延設備のような、設定された設定値に基づいて動作する１以上の機器を有する設備である。また、機械設備３には、温度計、圧力計、及び速度計のような各種計測器が備えられている。

実績収集装置４は、機械設備３の各種計測器により計測された計測値を収集する。

図２は、第１の実施形態に係る設定計算学習装置１の構成を示した構成図である。

図２に示すように、設定計算学習装置１は、セットアップ計算装置２と、モデル適応学習装置５とを備えている。

セットアップ計算装置２は、予め登録されているモデル式を使用して、評価される物理対象、即ち実績収集装置４に備えられた計測器により計測された計測値のうち評価される値が目標値に近づくように機械設備３の設定値を求める。このセットアップ計算装置2により設定された設定値が機械設備３に出力される。

具体的には、セットアップ計算装置２は、設定値計算部８を備えており、設定値計算部８が、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、第１のモデル式ｆと、後述するモデル学習計算部６により補正された第２のモデル式ｇとに基づいて、後述するバーニア適応計算部７により算出された仮目標値Ｖ^ＡＩＭを得るための設定値Ｘ_ｉを算出する。

モデル適応学習装置５は、その機能上、モデル学習計算部６と、バーニア適応計算部７とを備えている。

モデル学習計算部６は、機械設備３に対して設定する設定値Ｘ_ｉに対応する入力変数実績値Ｘ_ｉ ^ＡＣＴに基づいて第１のモデル式ｆを用いて算出された途中結果出力実績計算値Ｙ^ＡＣＡＬと、機械設備３の計測部により計測された最終結果出力実績値Ｖ^ＡＣＴに基づいて第２のモデル式ｇを用いて算出された途中結果出力実績計算値Ｙ^ＡＣＡＬに対応する途中結果出力実績値Ｙ^ＡＣＴとの偏移量に基づいてモデル学習補正項Ｚ^ＮＥＷを算出し、この算出されたモデル学習補正項Ｚ^ＮＥＷに基づいて第２のモデル式ｇを補正する。

バーニア適応計算部７は、最終結果出力値Ｖに対する初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、最終結果出力実績値Ｖ^ＡＣＴとの偏移量をスムージング処理することによりバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出し、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて仮目標値Ｖ^ＡＩＭを算出する。

≪設定計算学習装置１の作用≫
図３は、第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によるセットアップ計算処理の処理手順を示したフローチャートである。

図３に示すように、設定計算学習装置１のセットアップ計算装置２は、セットアップ計算処理が要求されると（ステップＳ１０１）、外部入力により初期値として設定された初期目標値Ｖ_ｏｒｉ ^ＡＩＭに対応する機械設備３の入力変数である初期設定値を算出して、機械設備３に設定する（ステップＳ１０３）。

そして、機械設備３の運転中、実績収集装置４が、機械設備３の各種計測器により計測された計測値を収集する（ステップＳ１０５）。

次に、設定計算学習装置１のモデル適応学習装置５のモデル学習計算部６は、第１のモデル式ｆの途中結果出力値Ｙ_ＯＵＴに対する実績値である途中結果出力実績値Ｙ^ＡＣＴと、第１のモデル式ｆの途中結果出力値Ｙ_ＩＮに対する実績計算値である途中結果出力実績計算値Ｙ^ＡＣＡＬとを算出する（ステップＳ１０７）。

具体的には、モデル学習計算部６は、評価される物理対象の最終結果出力値Ｖに対する実績値である最終結果出力実績値Ｖ^ＡＣＴと、実績収集装置４により収集された計測値Ｗ_ｉ ^ＡＣＴと、その他条件入力ｂ_ｋとに基づいて、下記の（数式１）を用いて、途中結果出力実績値Ｙ^ＡＣＴを算出する。

Ｙ^ＡＣＴ＝ｇ^−１（Ｖ^ＡＣＴ，Ｗ_１ ^ＡＣＴ，Ｗ_２ ^ＡＣＴ，・・・，ｂ_１，ｂ_２，・・・） （数式１）
ここで、
Ｙ^ＡＣＴ：第１のモデル式ｆの途中結果出力値Ｙ_ＯＵＴに対する実績値（途中結果出力実績値）
ｇ^−１：第２のモデル式ｇの逆関数
Ｖ^ＡＣＴ：評価される物理対象の最終結果出力値Ｖに対する実績値（最終結果出力実績値）
Ｗ_ｉ ^ＡＣＴ （ｉ＝１，２，３，・・・）：その他の変数入力の実績値（実績収集装置４により収集された計測値）
ｂ_ｋ （ｋ＝１，２，３，・・・）：その他の条件入力
とする。

さらに、モデル学習計算部６は、解として求めるべき入力変数である設定値Ｘ_ｉの実績値である入力変数実績値Ｘ_ｉ ^ＡＣＴと、その他条件入力ａ_ｊとに基づいて、下記の（数式２）を用いて、途中結果出力実績計算値Ｙ^ＡＣＡＬを算出する。

Ｙ^ＡＣＡＬ＝ｆ（Ｘ_１ ^ＡＣＴ，Ｘ_２ ^ＡＣＴ，・・・，ａ_１，ａ_２，・・・） （数式２）
ここで、
Ｙ^ＡＣＡＬ＝：第１のモデル式ｆの途中結果出力値Ｙ_ＩＮに対する実績計算値（途中結果出力実績計算値）
ｆ：学習の偏移量を評価される(補正項が施される)物理量の第１のモデル式
Ｘ_ｉ ^ＡＣＴ（ｉ＝１，２，３，・・・）：解として求めるべき入力変数である設定値Ｘ_ｉの実績値（入力変数実績値）
ａ_ｊ （ｊ＝１，２，３，・・・）：その他の条件入力
とする。

次に、モデル学習計算部６は、モデル学習偏移量を算出する（ステップＳ１０９）。具体的には、モデル学習計算部６は、ステップＳ１０７において算出された途中結果出力実績値Ｙ^ＡＣＴと、途中結果出力実績計算値Ｙ^ＡＣＡＬとに基づいて、下記の（数式３）を用いて、モデル学習偏移量Ｚ^ＣＵＲを算出する。

Ｚ^ＣＵＲ＝ｈ（Ｙ^ＡＣＴ，Ｙ^ＡＣＡＬ） （数式３）
ここで、
Ｚ^ＣＵＲ：モデル学習偏移量
ｈ：減算又は除算（i.e. Ｚ^ＣＵＲ＝Ｙ^ＡＣＴ−Ｙ^ＡＣＡＬ 又は Ｚ^ＣＵＲ＝Ｙ^ＡＣＴ／Ｙ^ＡＣＡＬ）
とする。

次に、モデル学習計算部６は、下記の（数式４）を用いて、今回のセットアップ計算処理で用いられるモデル学習補正項Ｚ^ＮＥＷを算出する（ステップＳ１１１）。なお、今回のセットアップ計算処理とは、実行されているステップＳ１０５〜Ｓ１２１の処理のことをいい、後述するステップＳ１２３においてセットアップ計算の計算周期に達したと判定され、次のループとして実行されるステップＳ１０５〜Ｓ１２１の処理のことを次回のセットアップ計算処理といい、前回実行されたステップＳ１０５〜Ｓ１２１の処理のことを前回のセットアップ計算処理という。

Ｚ^ＮＥＷ＝Ｚ^ＯＬＤ＋β・（Ｚ^ＣＵＲ−Ｚ^ＯＬＤ） （数式４）
ここで、
Ｚ^ＮＥＷ：今回のセットアップ計算処理で使用するモデル学習補正項
Ｚ^ＯＬＤ：前回のセットアップ計算処理で使用したモデル学習補正項
β：平滑化係数
とする。

そして、モデル学習計算部６は、第２のモデル式ｇへ反映する（ステップＳ１１３）。具体的には、モデル学習計算部６は、補正される前の途中結果出力値であるＹ_ＩＮと、ステップＳ１１１により算出したモデル学習補正項Ｚ^ＮＥＷとに基づいて、下記の（数式６）を用いて、途中結果出力値であるＹ_ＯＵＴを算出し、この算出されたＹ_ＯＵＴを、下記の（数式５）に示すように、最終結果出力値Ｖを算出するための第２のモデル式ｇに適応させる。

Ｖ＝ｇ（Ｙ_ＯＵＴ，Ｗ_１，Ｗ_２，・・・，ｂ_１，ｂ_２，・・・） （数式５）
Ｙ_ＯＵＴ＝ｐ（Ｙ_ＩＮ，Ｚ^ＮＥＷ） （数式６）
ここで、
Ｙ_ＯＵＴ：補正されたＹ_ＩＮ
ｐ：（数式３）が減算であれば加算、（数式３）が除算であれば乗算（i.e. Ｙ_ＯＵＴ＝Ｙ_ＩＮ＋Ｚ^ＮＥＷ又は Ｙ_ＯＵＴ＝Ｙ_ＩＮ×Ｚ^ＮＥＷ）
とする。

次に、設定計算学習装置１のモデル適応学習装置５のバーニア適応計算部７は、評価される物理対象の最終結果出力値Ｖに対する実績値である最終結果出力実績値Ｖ^ＡＣＴと、評価される物理対象の最終結果出力値Ｖに対する目標値の初期値である初期目標値Ｖ_ｏｒｉ ^ＡＩＭとに基づいて、下記の（数式７）を用いて、バーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲを算出する（ステップＳ１１５）。

Ｚ_ｖｅｒ ^ＣＵＲ＝ｑ（Ｖ^ＡＣＴ，Ｖ_ｏｒｉ ^ＡＩＭ） （数式７）
ここで、
Ｚ_ｖｅｒ ^ＣＵＲ：バーニア偏移量
ｑ：減算又は除算（i.e. Ｚ_ｖｅｒ ^ＣＵＲ ＝Ｖ^ＡＣＴ−Ｖ_ｏｒｉ ^ＡＩＭ 又は Ｚ_ｖｅｒ ^ＣＵＲ＝Ｖ^ＡＣＴ／Ｖ_ｏｒｉ ^ＡＩＭ）
Ｖ^ＡＣＴ：評価される物理対象の最終結果出力値Ｖに対する実績値（最終結果出力実績値）
Ｖ_ｏｒｉ ^ＡＩＭ：評価される物理対象の最終結果出力値Ｖに対する初期目標値
とする。

そして、バーニア適応計算部７は、下記の（数式８）を用いて、目標値Ｖ_ｏｒｉ ^ＡＩＭと最終結果出力実績値Ｖ^ＡＣＴとに基づいて算出されたバーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲをスムージング処理することにより、バーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出する（ステップＳ１１７）。

Ｚ_ｖｅｒ ^ＮＥＷ＝α・Ｚ_ｖｅｒ ^ＣＵＲ （数式８）
ここで、
Ｚ_ｖｅｒ ^ＮＥＷ：今回のセットアップ計算で使用するバーニア補正項
α：平滑化係数
次に、バーニア適応計算部７は、目標値へ反映する（ステップＳ１１９）。具体的には、バーニア適応計算部７は、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、ステップＳ１１７において算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて、下記の（数式９）を用いて、評価される物理対象の最終結果出力値Ｖに対する補正後の仮目標値Ｖ^ＡＩＭを算出する。

Ｖ^ＡＩＭ＝ｒ（Ｖ_ｏｒｉ ^ＡＩＭ，Ｚ_ｖｅｒ ^ＮＥＷ） （数式９）
ここで、
Ｖ^ＡＩＭ：評価される物理対象の最終結果出力値Ｖに対する補正後の仮目標値
ｒ：（数式７）が減算であれば加算、（数式７）が除算であれば乗算（i.e. Ｖ^ＡＩＭ＝Ｖ_ｏｒｉ ^ＡＩＭ＋Ｚ_ｖｅｒ ^ＮＥＷ又は Ｖ^ＡＩＭ＝Ｖ_ｏｒｉ ^ＡＩＭ×Ｚ_ｖｅｒ ^ＮＥＷ）
とする。

次に、設定計算学習装置１のセットアップ計算装置２の設定値計算部８は、設定値を算出する（ステップＳ１２１）。具体的には、設定値計算部８は、第１のモデル式ｆと、ステップＳ１１３においてモデル学習補正項Ｚ^ＮＥＷが反映された第２のモデル式ｇとに基づいて、下記の（数式１０）〜（数式１３）を用いて、ステップＳ１１９において算出された仮目標値Ｖ^ＡＩＭを得るための設定値Ｘ_ｉを算出する。

Ｖ^ＡＩＭ＝Ｖ （数式１０）
Ｖ＝ｇ（Ｙ_ＯＵＴ，Ｗ_１，Ｗ_２，・・・，ｂ_１，ｂ_２，・・・） （数式１１）
Ｙ_ＯＵＴ＝ｐ（Ｙ_ＩＮ，Ｚ^ＮＥＷ） （数式１２）
Ｙ_ＩＮ＝ｆ（Ｘ_１，Ｘ_２，・・・，ａ_１，ａ_２，・・・） （数式１３）
次に、設定計算学習装置１のモデル適応学習装置５は、セットアップ計算の計算周期に達したと判定すると、処理をステップＳ１２３へ移行し、セットアップ計算の計算周期に達していないと判定すると処理をステップＳ１２５へ移行する（ステップＳ１２３）。

ステップＳ１２３において、セットアップ計算の計算周期に達したと判定された場合（ＮＯの場合）、セットアップ計算処理の停止が要求されると（ステップＳ１２５）、設定計算学習装置１は、セットアップ計算処理を終了する。

以上のように、第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によれば、モデル適応学習装置５のモデル学習計算部６が第２のモデル式を補正し、バーニア適応計算部７が仮目標値を算出し、セットアップ計算装置２の設定値計算部８が第１のモデル式と、補正された第２のモデル式とに基づいて、算出された仮目標値を得るための設定値を算出するので、制御対象である機械設備３の設定値を精度良く決定することができる。

なお、第１の実施形態に係る設定計算学習装置１では、例えば、機械設備３として熱間圧延設備が採用された場合、最終結果出力値Ｖを圧延された圧延板の板厚として、仕上げ圧延を行う仕上げ圧延ミルのロールギャップの設定値を精度良く算出することができる。

＜第２の実施形態＞
本発明に係る第１の実施形態では、バーニア適応計算部７が、最終結果出力値Ｖに対する初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、最終結果出力実績値Ｖ^ＡＣＴとの偏移量をスムージング処理することによりバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出する設定計算学習装置１を例に挙げて説明したが、これに限らない。

本発明に係る第２の実施形態では、バーニア適応計算部７が、最終結果出力値Ｖと、最終結果出力実績値Ｖ^ＡＣＴとの偏移量をスムージング処理することによりバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出する設定計算学習装置１を例に挙げて説明する。

本発明の第２の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０の構成につては、図１に示した本発明の第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０の構成と同一であるので、説明を省略する。

図４は、第２の実施形態に係る設定計算学習装置１の構成を示した構成図である。

図４に示すように、第２の実施形態に係る設定計算学習装置１は、セットアップ計算装置２と、モデル適応学習装置５とを備えている。ここで、セットアップ計算装置２の構成については、図２に示した本発明の第１の実施形態に係る設定計算学習装置１に備えられたセットアップ計算装置２の構成と同一であるので、説明を省略する。

モデル適応学習装置５は、その機能上、モデル学習計算部６と、バーニア適応計算部７とを備えている。

モデル学習計算部６は、機械設備３に対して設定する設定値Ｘ_ｉに対応する入力変数実績値Ｘ_ｉ ^ＡＣＴに基づいて第１のモデル式ｆを用いて算出された途中結果出力実績計算値Ｙ^ＡＣＡＬと、機械設備３の計測部により計測された最終結果出力実績値Ｖ^ＡＣＴに基づいて第２のモデル式ｇを用いて算出された途中結果出力実績計算値Ｙ^ＡＣＡＬに対応する途中結果出力実績値Ｙ^ＡＣＴとの偏移量に基づいてモデル学習補正項Ｚ^ＮＥＷを算出し、この算出されたモデル学習補正項Ｚ^ＮＥＷに基づいて第２のモデル式ｇを補正する。

バーニア適応計算部７は、最終結果出力値Ｖと、最終結果出力実績値Ｖ^ＡＣＴとの偏移量をスムージング処理することによりバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出し、最終結果出力値Ｖに対する初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて仮目標値Ｖ^ＡＩＭを算出する。

≪設定計算学習装置１の作用≫
第２の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によるセットアップ計算処理は、図３に示した第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によるセットアップ計算処理のうち、ステップＳ１１５〜Ｓ１１９の処理が異なるので、これらの処理について以下に説明する。

図３に示したフローチャートのステップＳ１１３の処理において、設定計算学習装置１のモデル学習計算部６が、途中結果出力値であるＹ_ＯＵＴを第２のモデル式ｇへ反映すると、設定計算学習装置１のモデル適応学習装置５のバーニア適応計算部７は、評価される物理対象の最終結果出力値Ｖに対する実績値である最終結果出力実績値Ｖ^ＡＣＴと、評価される物理対象の最終結果出力値Ｖとに基づいて、下記の（数式１５）を用いて、バーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲを算出する（ステップＳ１１５）。

Ｚ_ｖｅｒ ^ＣＵＲ＝ｑ（Ｖ^ＡＣＴ，Ｖ） （数式１５）
ここで、
Ｚ_ｖｅｒ ^ＣＵＲ：バーニア偏移量
ｑ：減算又は除算（i.e. Ｚ_ｖｅｒ ^ＣＵＲ ＝Ｖ^ＡＣＴ−Ｖ_ｏｒｉ ^ＡＩＭ 又は Ｚ_ｖｅｒ ^ＣＵＲ＝Ｖ^ＡＣＴ／Ｖ_ｏｒｉ ^ＡＩＭ）
Ｖ^ＡＣＴ：評価される物理対象の最終結果出力値Ｖに対する実績値（最終結果出力実績値）
Ｖ：評価される物理対象の最終結果出力値
とする。

次に、バーニア適応計算部７は、下記の（数式１６）を用いて、最終結果出力値Ｖと最終結果出力実績値Ｖ^ＡＣＴとに基づいて算出されたバーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲをスムージング処理することにより、バーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出する（ステップＳ１１７）。

Ｚ_ｖｅｒ ^ＮＥＷ＝α・Ｚ_ｖｅｒ ^ＣＵＲ （数式１６）
ここで、
Ｚ_ｖｅｒ ^ＮＥＷ：今回のセットアップ計算で使用するバーニア補正項
α：平滑化係数
次に、バーニア適応計算部７は、目標値へ反映する（ステップＳ１１９）。具体的には、バーニア適応計算部７は、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、ステップＳ１１７において算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて、下記の（数式１７）を用いて、評価される物理対象の最終結果出力値Ｖに対する補正後の仮目標値Ｖ^ＡＩＭを算出する。

Ｖ^ＡＩＭ＝ｒ（Ｖ_ｏｒｉ ^ＡＩＭ，Ｚ_ｖｅｒ ^ＮＥＷ） （数式１７）
ここで、
Ｖ^ＡＩＭ：評価される物理対象の最終結果出力値Ｖに対する補正後の仮目標値
ｒ：（数式１５）が減算であれば加算、（数式１５）が除算であれば乗算（i.e. Ｖ^ＡＩＭ＝Ｖ_ｏｒｉ ^ＡＩＭ＋Ｚ_ｖｅｒ ^ＮＥＷ又は Ｖ^ＡＩＭ＝Ｖ_ｏｒｉ ^ＡＩＭ×Ｚ_ｖｅｒ ^ＮＥＷ）
とする。

以上のように、第２の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によれば、モデル適応学習装置５のモデル学習計算部６が第２のモデル式を補正し、バーニア適応計算部７が最終結果出力値に基づいて仮目標値を算出し、セットアップ計算装置２の設定値計算部８が第１のモデル式と、補正された第２のモデル式とに基づいて、算出された仮目標値を得るための設定値を算出するので、制御対象である機械設備３の設定値を精度良く決定することができる。

＜第３の実施形態＞
本発明に係る第１の実施形態では、モデル学習計算部が、算出したモデル学習補正項に基づいて第２のモデル式を補正する設定計算学習装置１を例に挙げて説明したが、これに限らない。

本発明に係る第３の実施形態では、モデル学習計算部が、算出したモデル学習補正項に基づいて最終結果出力値を補正する設定計算学習装置１を例に挙げて説明する。

本発明の第３の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０の構成につては、図１に示した本発明の第１の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０の構成と同一であるので、説明を省略する。

図５は、第３の実施形態に係る設定計算学習装置１の構成を示した構成図である。

図５に示すように、第３の実施形態に係る設定計算学習装置１は、セットアップ計算装置２と、モデル適応学習装置５とを備えている。

セットアップ計算装置２は、予め登録されているモデル式を使用して、評価される物理対象、即ち実績収集装置４に備えられた計測器により計測された計測値が目標値に近づくように機械設備３の設定値を求める。このセットアップ計算装置2により設定された設定値が機械設備３に出力される。

具体的には、セットアップ計算装置２は、設定値計算部８を備えており、設定値計算部８が、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、モデル式と、後述するモデル学習計算部６により補正された最終結果出力値Ｖとに基づいて、バーニア適応計算部７により算出された仮目標値Ｖ^ＡＩＭを得るための設定値Ｘ_ｉを算出する。

モデル適応学習装置５は、その機能上、モデル学習計算部６と、バーニア適応計算部７とを備えている。

モデル学習計算部６は、機械設備３に対して設定する設定値Ｘ_ｉに対応する入力変数実績値Ｘ_ｉ ^ＡＣＴに基づいてモデル式ｆを用いて算出された途中結果出力実績計算値Ｙ^ＡＣＡＬと、機械設備３の計測部により計測された最終結果出力実績値Ｖ^ＡＣＴとの偏移量に基づいてモデル学習補正項Ｚ^ＮＥＷを算出し、この算出されたモデル学習補正項Ｚ^ＮＥＷに基づいて最終結果出力値Ｖを補正する。

バーニア適応計算部７は、最終結果出力値Ｖに対する初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、最終結果出力実績値Ｖ^ＡＣＴとの偏移量をスムージング処理することによりバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出し、初期目標値Ｖ_ｏｒｉ ^ＡＩＭと、算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて仮目標値Ｖ^ＡＩＭを算出する。

≪設定計算学習装置１の作用≫
図６は、第３の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によるセットアップ計算処理の処理手順を示したフローチャートである。ここでは、一例として、機械設備３として熱間圧延設備が採用され、最終結果出力値である最終板厚値Ｖを圧延された圧延板の板厚としたときの、仕上げ圧延を行う仕上げ圧延ミルのロールギャップの設定値を精度良く算出する設定計算学習装置１を例に挙げて説明する。

図６に示すように、設定計算学習装置１のセットアップ計算装置２は、セットアップ計算処理が要求されると（ステップＳ２０１）、外部入力により初期値として設定された初期目標値Ｖ_ｏｒｉ ^ＡＩＭに対応する機械設備３の入力変数である初期設定値を算出して、機械設備３に設定する（ステップＳ２０３）。

そして、機械設備３の運転中、実績収集装置４が、機械設備３の各種計測器により計測された計測値を収集する（ステップＳ２０５）。

次に、設定計算学習装置１のモデル適応学習装置５のモデル学習計算部６は、ゲージメータ板厚モデル式ｆの途中出力板厚値Ｙに対する実績計算値である途中結果出力実績計算値Ｙ^ＡＣＡＬを算出する（ステップＳ２０７）。具体的には、モデル学習計算部６は、解として求めるべき入力変数であるロールギャップの設定値Ｘ_１の実績値である入力変数実績値Ｘ_１ ^ＡＣＴと、圧延荷重の実績値として入力される入力変数実績値Ｘ_２ ^ＡＣＴと、その他条件入力ａ_ｊとに基づいて、下記の（数式１９）を用いて、途中結果出力実績計算値Ｙ^ＡＣＡＬを算出する。

Ｙ^ＡＣＡＬ＝ｆ（Ｘ_１ ^ＡＣＴ，Ｘ_２ ^ＡＣＴ，・・・，ａ_１，ａ_２，・・・） （数式１９）
ここで、
Ｙ^ＡＣＡＬ＝：ゲージメータ板厚モデル式ｆの途中出力板厚値Ｙに対する実績計算値（途中結果出力実績計算値）
ｆ：ゲージメータ板厚モデル式
Ｘ_１ ^ＡＣＴ：ロールギャップの実績値（入力変数実績値）
Ｘ_１ ^ＡＣＴ：圧延荷重の実績値（入力変数実績値）
ａ_ｊ （ｊ＝１，２，３，・・・）：その他の条件入力
とする。

次に、モデル学習計算部６は、モデル学習偏移量Ｚ^ＣＵＲを算出する（ステップＳ２０９）。具体的には、モデル学習計算部６は、ステップＳ２０７において算出された途中結果出力実績計算値Ｙ^ＡＣＡＬと、実績収集装置４から供給された板厚実績値Ｖ^ＡＣＴとに基づいて、下記の（数式２０）を用いて、モデル学習偏移量Ｚ^ＣＵＲを算出する。

Ｚ^ＣＵＲ＝ｈ（Ｖ^ＡＣＴ，Ｙ^ＡＣＡＬ） （数式２０）
ここで、
Ｚ^ＣＵＲ：モデル学習偏移量
ｈ：減算（i.e. Ｚ^ＣＵＲ＝Ｖ^ＡＣＴ−Ｙ^ＡＣＡＬ）
とする。

次に、モデル学習計算部６は、下記の（数式２１）を用いて、今回のセットアップ計算処理で用いられるモデル学習補正項Ｚ^ＮＥＷを算出する（ステップＳ２１１）。

Ｚ^ＮＥＷ＝Ｚ^ＯＬＤ＋β・（Ｚ^ＣＵＲ−Ｚ^ＯＬＤ） （数式２１）
ここで、
Ｚ^ＮＥＷ：今回のセットアップ計算処理で使用するモデル学習補正項
Ｚ^ＯＬＤ：前回のセットアップ計算処理で使用したモデル学習補正項
β：平滑化係数
とする。

そして、モデル学習計算部６は、途中出力板厚値Ｙに、下記の（数式２２）を用いて、ステップＳ２１１において算出されたモデル学習補正項Ｚ^ＮＥＷを反映させて、最終板厚値Ｖを補正する（ステップＳ２１３）。

Ｖ＝ｐ（Ｙ，Ｚ^ＮＥＷ） （数式２２）
ここで、
Ｖ：補正されたＹ、即ち最終板厚値
ｐ：加算（i.e. Ｖ＝Ｙ＋Ｚ^ＮＥＷ）
とする。

次に、設定計算学習装置１のモデル適応学習装置５のバーニア適応計算部７は、最終板厚値Ｖに対する実績値である板厚実績値Ｖ^ＡＣＴと、最終板厚値Ｖに対する板厚目標値の初期値である初期板厚目標値Ｖ_ｏｒｉ ^ＡＩＭとに基づいて、下記の（数式２３）を用いて、バーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲを算出する（ステップＳ２１５）。

Ｚ_ｖｅｒ ^ＣＵＲ＝ｑ（Ｖ^ＡＣＴ，Ｖ_ｏｒｉ ^ＡＩＭ） （数式２３）
ここで、
Ｚ_ｖｅｒ ^ＣＵＲ：バーニア偏移量
ｑ：減算（i.e. Ｚ_ｖｅｒ ^ＣＵＲ ＝Ｖ^ＡＣＴ−Ｖ_ｏｒｉ ^ＡＩＭ）
Ｖ^ＡＣＴ：最終板厚値Ｖに対する実績値（最終結果出力実績値）
Ｖ_ｏｒｉ ^ＡＩＭ：最終板厚値Ｖに対する初期板厚目標値
とする。

そして、バーニア適応計算部７は、下記の（数式２４）を用いて、板厚目標値Ｖ_ｏｒｉ ^ＡＩＭと板厚実績値Ｖ^ＡＣＴとに基づいて算出されたバーニア偏移量Ｚ_ｖｅｒ ^ＣＵＲをスムージング処理することにより、バーニア補正項Ｚ_ｖｅｒ ^ＮＥＷを算出する（ステップＳ２１７）。

Ｚ_ｖｅｒ ^ＮＥＷ＝α・Ｚ_ｖｅｒ ^ＣＵＲ （数式２４）
ここで、
Ｚ_ｖｅｒ ^ＮＥＷ：今回のセットアップ計算で使用するバーニア補正項
α：平滑化係数
次に、バーニア適応計算部７は、板厚目標値へ反映する（ステップＳ２１９）。具体的には、バーニア適応計算部７は、初期板厚目標値Ｖ_ｏｒｉ ^ＡＩＭと、ステップＳ２１７において算出されたバーニア補正項Ｚ_ｖｅｒ ^ＮＥＷとに基づいて、下記の（数式２５）を用いて、最終板厚値Ｖに対する補正後の仮板厚目標値Ｖ^ＡＩＭを算出する。

Ｖ^ＡＩＭ＝ｒ（Ｖ_ｏｒｉ ^ＡＩＭ，Ｚ_ｖｅｒ ^ＮＥＷ） （数式２５）
ここで、
Ｖ^ＡＩＭ：最終板厚値Ｖに対する補正後の仮板厚目標値
ｒ：加算（i.e. Ｖ^ＡＩＭ＝Ｖ_ｏｒｉ ^ＡＩＭ＋Ｚ_ｖｅｒ ^ＮＥＷ）
とする。

次に、設定計算学習装置１のセットアップ計算装置２の設定値計算部８は、ロールギャップ設定値を算出する（ステップＳ２２１）。具体的には、設定値計算部８は、ゲージメータ板厚モデル式ｆと、モデル学習計算部６により補正された最終板厚値Ｖとに基づいて、下記の（数式１０）〜（数式１３）を用いて、ステップＳ２１９において算出された仮板厚目標値Ｖ^ＡＩＭを得るためのロールギャップ設定値Ｘ_１を算出する。

Ｖ^ＡＩＭ＝Ｖ （数式２６）
Ｖ＝ｐ（Ｙ，Ｚ^ＮＥＷ） （数式２７）
Ｙ＝ｆ（Ｘ_１，Ｘ_２，・・・，ａ_１，ａ_２，・・・） （数式２８）
次に、設定計算学習装置１のモデル適応学習装置５は、セットアップ計算の計算周期に達したと判定すると、処理をステップＳ２０５へ移行し、セットアップ計算の計算周期に達していないと判定すると処理をステップＳ２２５へ移行する（ステップＳ２２３）。

ステップＳ２２３において、セットアップ計算の計算周期に達したと判定された場合（ＮＯの場合）、セットアップ計算処理の停止が要求されると（ステップＳ２２５）、設定計算学習装置１は、セットアップ計算処理を終了する。

以上のように、第３の実施形態に係る設定計算学習装置１が適用されたセットアップ計算システム１０によれば、モデル学習計算部６が、算出したモデル学習補正項Ｚ^ＮＥＷに基づいて最終結果出力値Ｖを補正し、バーニア適応計算部７が仮板厚目標値Ｖ^ＡＩＭを算出し、セットアップ計算装置２の設定値計算部８が、ゲージメータ板厚モデル式ｆと、モデル学習計算部６により補正された最終板厚値Ｖとに基づいて、バーニア適応計算部７により算出された仮板厚目標値Ｖ^ＡＩＭを得るためのロールギャップ設定値Ｘ_１を算出するので、装置負荷を低減しつつ、制御対象である機械設備３の設定値を精度良く決定することができる。

なお、第３の実施形態に係る設定計算学習装置１では、機械設備３として熱間圧延設備が採用され、最終結果出力値である最終板厚値Ｖを圧延された圧延板の板厚としたときの、仕上げ圧延を行う仕上げ圧延ミルのロールギャップの設定値を精度良く算出する設定計算学習装置１を例に挙げて説明したが、機械設備３は、熱間圧延設備に限らず、設定された設定値に基づいて動作する１以上の機器を有する設備であればよい。

産業上の利用の可能性

本発明は、熱間で金属を圧延する熱間圧延装置のような機械設備を動作させるために必要な設定値を精度良く決定する制御装置に適用できる。

Claims (6)

1. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算部と、
   外部入力により初期値として設定された初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、
   前記初期目標値と、前記第１のモデル式と、前記モデル学習計算部により補正された第２のモデル式とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部と、
   を備えたことを特徴とする設定計算学習装置。
2. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算部と、
   評価される物理対象の最終結果出力値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記最終結果出力値に対する初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、
   前記初期目標値と、前記第１のモデル式と、前記モデル学習計算部により補正された第２のモデル式とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部と、
   を備えたことを特徴とする設定計算学習装置。
3. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいてモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて、評価される物理対象の最終結果出力値を補正するモデル学習計算部と、
   前記最終結果出力値に対する初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算部と、
   前記初期目標値と、前記モデル式と、前記モデル学習計算部により補正された最終結果出力値とに基づいて、前記バーニア適応計算部により算出された仮目標値を得るための前記設定値を算出する設定値計算部と、
   を備えたことを特徴とする設定計算学習装置。
4. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算ステップと、
   外部入力により初期値として設定された初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、
   前記初期目標値と、前記第１のモデル式と、前記モデル学習計算ステップにより補正された第２のモデル式とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップと、
   を有することを特徴とする設定計算学習方法。
5. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいて第１のモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値に基づいて第２のモデル式を用いて算出された前記途中結果出力実績計算値に対応する途中結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて前記第２のモデル式を補正するモデル学習計算ステップと、
   評価される物理対象の最終結果出力値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記最終結果出力値に対する初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、
   前記初期目標値と、前記第１のモデル式と、前記モデル学習計算ステップにより補正された第２のモデル式とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップと、
   を有することを特徴とする設定計算学習方法。
6. 制御対象に対して設定する設定値に対応する入力変数実績値に基づいてモデル式を用いて算出された途中結果出力実績計算値と、前記制御対象の計測部により計測された最終結果出力実績値との偏移量に基づいてモデル学習補正項を算出し、この算出されたモデル学習補正項に基づいて、評価される物理対象の最終結果出力値を補正するモデル学習計算ステップと、
   前記最終結果出力値に対する初期目標値と、前記最終結果出力実績値との偏移量をスムージング処理することによりバーニア補正項を算出し、前記初期目標値と、前記算出されたバーニア補正項とに基づいて仮目標値を算出するバーニア適応計算ステップと、
   前記初期目標値と、前記モデル式と、前記モデル学習計算ステップにより補正された最終結果出力値とに基づいて、前記バーニア適応計算ステップにより算出された仮目標値を得るための前記設定値を算出する設定値計算ステップと、
   を有することを特徴とする設定計算学習方法。

Images