JP5939175B2 - 圧延プロセスの学習制御装置 - Google Patents

Description

この発明は、圧延プロセスの制御において使用される学習制御装置に関するものである。

圧延プロセスの制御では、製造完了時の圧延材が所望の寸法及び所望の温度になるように、各設備を駆動する。圧延プロセスの制御は、一般に、設定制御とダイナミック制御とからなる。設定制御は、特に、圧延初期に行われる。また、圧延が開始されて十分な実績データが得られると、設定制御からダイナミック制御に移行される。

設定制御では、圧延現象をモデル式によって予測する。即ち、設定制御では、モデル式によって得られた予測値に基づいて、圧延設備のアクチュエータ等の設定値を決定する。決定する設定値の例として、例えば、圧延速度、冷却水の水量、圧延機のロールギャップ等が挙げられる。

圧延プロセスで起こる物理現象をモデル式によって完全に表現することはできない。また、計算負荷の軽減及び調整の利便性を優先し、モデル式が簡素化されることもある。このため、モデル式によって得られた予測値と実際に得られた値（実績値）とには偏差が発生する。

従来から、モデル式に学習項を設け、学習項に反映させる学習係数を実績データに基づいて更新することが行われている。このような学習制御では、使用する学習係数の値（使用値）を精度良く高応答に追従させることが重要となる。しかし、モデル式の誤差がどのような要因に起因して発生しているのかを正確に把握することは難しい。また、学習制御において使用される実績データ自体にも誤差が含まれる。このため、得られた学習係数（瞬時値）を、そのまま学習係数の使用値として採用することはできない。

そこで、一般的には、学習係数（瞬時値）を、平滑フィルターを通してから更新値に反映させることが行われている。以下に、その例を示す。
Ｚｎｅｗ＝Ｚｕｓｅ×（１−α_１）＋Ｚｃｕｒ×α_１
ここで、
Ｚｎｅｗ：学習係数（更新値）
Ｚｕｓｅ：学習係数（前回値）
Ｚｃｕｒ：学習係数（瞬時値）
α_１：学習係数の更新ゲイン（例えば、フィルターの時定数）
である。

学習係数の更新ゲインα_１は、一般的には、調整可能な定数として記憶される。更新ゲインα_１により、学習制御における耐ノイズ性（或いは、耐外乱性）と追従性とのバランスが調整される。即ち、更新ゲインα_１を０に近い値に設定すると、耐ノイズ性は向上するが、追従性は低下する。更新ゲインα_１を１に近い値に設定すると、耐ノイズ性は低下するが、追従性は向上する。

これに対し、特許文献１に、耐ノイズ性と追従性とを同時に向上させるための装置が提案されている。

特開２００９−１１６７５９号公報

特許文献１に記載の装置では、学習制御の追従性を向上させるため、平滑フィルターを使用して学習係数の更新値を算出している。
Ｚｒｐ（ｉ）＝（１−α_２）×Ｚｒｐ（ｉ−１）＋α_２×Ｅ（ｉ−１）
ここで、
α_２：時定数パラメータ
Ｚｒｐ（ｉ−１）：同一区分における前回出力
Ｅ（ｉ−１）：誤差
である。

また、学習制御の耐ノイズ性を向上させため、以前に製造された複数の材の学習係数に基づいて学習係数の傾向を回帰計算により求め、学習係数の更新値としている。
Ｚｎｚ（ｉ）＝ｐ１×（ｉ）＋ｐ２
ここで、
ｐ１：過去の複数の学習係数（瞬時値）を一次式で回帰した時の係数
ｐ２：過去の複数の学習係数（瞬時値）を一次式で回帰した時の係数（切片）
である。

更に、過去の学習係数の挙動を監視し、その挙動に応じて、耐ノイズ性及び追従性のどちらを優先するのかを重み係数（ｗｋ）として算出する。最終的な学習係数の更新値は、次式によって求められる。
Ｌ（ｉ）＝ｗｋ×Ｚｒｐ（ｉ）＋（１−ｗｋ）×Ｚｎｚ（ｉ）

特許文献１に記載のものでは、以前に製造された複数の材の学習係数に基づいて、現在圧延している材の学習係数にノイズが含まれているか否かを判断している。このため、過去の材の学習係数に既にノイズが含まれている場合は、耐ノイズ性を向上させることができない。

また、時定数パラメータα_２が固定値であるため、追従性は一定になる。制御結果の誤差が大きく学習係数が大きく変化した場合に、十分な追従性を得ることができないといった問題があった。

この発明は、上述のような課題を解決するためになされたもので、その目的は、少なくとも学習制御の耐ノイズ性を向上させることにより、設定計算における予測値の精度を向上させることができる圧延プロセスの学習制御装置を提供することである。
また、他の目的は、学習制御の耐ノイズ性と追従性との双方を向上させることにより、設定計算における予測値の精度を向上させることができる圧延プロセスの学習制御装置を提供することである。

この発明に係る圧延プロセスの学習制御装置は、圧延プロセスの設定計算において設定値の精度を向上させるために用いられる学習係数を更新するための学習制御装置であって、圧延材の狙い点における実績データ及び狙い点の近傍に設定された補助狙い点における実績データを用いて学習係数を計算する第１計算手段と、第１計算手段によって計算された狙い点の学習係数及び補助狙い点の学習係数を比較し、狙い点の学習係数に含まれるノイズの有無を判定する第１比較手段と、第１比較手段によって判定されたノイズの有無に基づいて、学習係数の更新ゲインとして平滑係数を計算する第２計算手段と、を備えたものである。

また、この発明に係る圧延プロセスの学習制御装置は、圧延材の狙い点の学習係数及び過去材の対応する学習係数を比較する第２比較手段と、を更に備え、第２計算手段は、第１比較手段によってノイズ無しが判定された場合に、第２比較手段の比較結果に基づいて学習係数の更新ゲインを設定し、第１計算手段によって計算された狙い点の学習係数を更新値に反映させるものである。

この発明に係る学習制御装置であれば、圧延プロセスの設定計算における予測値の精度を向上させることができる。

この発明の実施の形態１における圧延プロセスの学習制御装置の構成を示す図である。 この発明の実施の形態２における圧延プロセスの学習制御装置の構成を示す図である。

添付の図面を参照して、本発明を詳細に説明する。各図では、同一又は相当する部分に、同一の符号を付している。重複する説明は、適宜簡略化或いは省略する。

実施の形態１．
図１はこの発明の実施の形態１における圧延プロセスの学習制御装置の構成を示す図である。
図１において、１は圧延ラインを流れる圧延材である。圧延ラインにおいて、圧延材１は、所望の寸法及び所望の温度になるように圧延機によって圧延される。上述したように、圧延プロセスの制御では、設定制御とダイナミック制御とが行われる。

設定計算手段２は、圧延プロセスの設定計算を行う。即ち、設定計算手段２は、設定制御において、所定のモデル式を使用して圧延設備のアクチュエータ等の設定値を決定する。設定計算手段２が決定する設定値には、例えば、圧延速度、冷却水の水量、圧延機のロールギャップ等がある。モデル式から得られる設定値（予測値）と実際に圧延が行われた際に得られる値（実績値）との間には、偏差が発生する。このため、設定計算では、設定値の精度を向上させるために学習係数が用いられる。これにより、圧延現象の予測精度の向上と操業の安定化とが図られる。

読出手段３は、学習係数（使用値）を記憶手段４から読み出す。記憶手段４に、圧延材１の種別毎の学習係数（使用値）が記憶される。読出手段３は、現在圧延が行われている圧延材１（以下、「当該材」ともいう）の種別に合わせて、適切な学習係数を記憶手段４から読み出す。設定計算手段２は、読出手段３によって読み出された学習係数をモデル式の学習項に反映させ、設定値の計算を行う。

学習制御装置５は、記憶手段４に記憶されている学習係数を更新するための装置である。学習制御装置５は、記憶手段４の他に、実績データ収集手段６、実績データ編集手段７、記憶手段８、実績再計算手段９、瞬時値計算手段１０、正常判定手段１１、記憶手段１２、前後点比較手段１３、記憶手段１４、時系列比較手段１５、記憶手段１６、更新ゲイン計算手段１７、更新値計算手段１８を備える。

実績データ収集手段６は、圧延材１の狙い点と補助狙い点とにおいて、実績データを収集する。実績データには、圧延中のプロセスデータと圧延完了後のデータ（結果）とが含まれる。

圧延材１には、実績データを収集するための狙い点と補助狙い点とが予め設定される。狙い点は、例えば、圧延材１の先端部に設定される。狙い点の位置は、圧延材１の中間部や尾端部に設定しても良い。圧延材１の複数の位置に、狙い点を設定しても良い。しかし、設定制御が圧延初期に行われることを考慮すると、圧延材１の先端部に狙い点を設定することが好適である。

補助狙い点は、狙い点の近傍に設定される。図１には、狙い点の前後（圧延材１の先端側及び尾端側）にそれぞれ２箇所の補助狙い点を設定した場合を一例として示している。補助狙い点の位置は、上記に限定されるものではない。補助狙い点を狙い点の前側のみ（或いは、後側のみ）に設定しても良い。補助狙い点を狙い点の前後に１箇所ずつ設定しても良い。しかし、学習係数の最適な更新を行うことを考慮すると、狙い点の前後にそれぞれ複数の補助狙い点を設定することが好適である。

実績データ収集手段６は、圧延材１のある１点の実績データを取得して、その値を狙い点の実績データとしても良い。また、実績データ収集手段６は、圧延材１のある範囲に含まれる複数点の実績データを取得し、その複数の実績データから得られた値（例えば、平均値）を狙い点の実績データとしても良い。
補助狙い点の実績データについても同様である。

実績データ編集手段７は、実績データ収集手段６によって取得された実績データを編集する。例えば、実績データ編集手段７は、実績データ収集手段６によって取得された実績データから計測ノイズを除去する。また、実績データ編集手段７は、実績データ収集手段６によって取得された実績データから異常値を除去する。記憶手段８に、異常判定閾値が記憶される。実績データ編集手段７は、実績データ収集手段６によって取得された実績データと記憶手段８に記憶された異常判定閾値とを比較して、実績データが異常値に該当するか否かを判定する。実績データ編集手段７は、狙い点で収集された実績データと各補助狙い点で収集された実績データとに対して同様の編集を行う。
実績データ編集手段７の機能は、必要に応じて付加しても良い。

実績再計算手段９は、実績再計算値を算出する。実績再計算手段９は、実績再計算値を計算する際に、実績データ編集手段７によって編集された実績データと設定計算手段２において使用されるモデル式とを使用する。

設定計算手段２は、モデル式に予測値を代入し、設定制御で使用するための設定値（予測値）を得る。これに対し、実績再計算手段９は、モデル式に実績データを代入し、予測値を得る。モデル式に実績データを代入して得られた値（予測値）のことを実績再計算値と呼ぶ。実績再計算手段９は、狙い点で収集された実績データに基づいて、狙い点の実績再計算値を計算する。また、実績再計算手段９は、各補助狙い点で収集された実績データに基づいて、各補助狙い点の実績再計算値を計算する。

瞬時値計算手段１０（第１計算手段）は、学習係数（瞬時値）を算出する。瞬時値計算手段１０は、学習係数（瞬時値）を計算する際に、実績データと実績再計算値とを使用する。

例えば、瞬時値計算手段１０は、先ず、実績再計算手段９から、上記計算によって得られた狙い点の実績再計算値を取得する。また、瞬時値計算手段１０は、実績データ収集手段６が狙い点で収集した実績データのうち、実績再計算手段９が計算した実績再計算値に対応する実績データを、実績データ収集手段６から取得する。瞬時値計算手段１０は、上記取得した狙い点の実績再計算値と狙い点の実績データとを比較して、狙い点の学習係数（瞬時値）Ｚｍａｉｎを計算する。学習係数は、例えば、上記２つの値の比を用いて表される。上記２つの値の差を用いて学習係数を表しても良い。

瞬時値計算手段１０は、各補助狙い点についても同様に、実績データと実績再計算値とを用いて、学習係数（瞬時値）Ｚｓｕｂ（ｉ）を計算する。ｉは当該材の補助狙い点の番号を示す。本実施の形態では、４箇所の補助狙い点を設定しているため、ｉ＝１、２、３、４となる。

正常判定手段１１は、狙い点の学習係数（瞬時値）Ｚｍａｉｎが正常な値であるか否かを判定する。記憶手段１２に、学習係数の上下限値が記憶される。正常判定手段１１は、瞬時値計算手段１０によって計算された学習係数（瞬時値）Ｚｍａｉｎと記憶手段１２に記憶された上下限値とを比較して、上記判定を行う。

例えば、上下限値で規定される範囲から学習係数（瞬時値）Ｚｍａｉｎが外れる場合、正常判定手段１１は、学習係数（瞬時値）Ｚｍａｉｎが異常であると判定する。正常判定手段１１は、学習係数（瞬時値）Ｚｍａｉｎが上限値を超えていれば、学習係数（瞬時値）Ｚｍａｉｎを上限値に置き換える。正常判定手段１１は、学習係数（瞬時値）Ｚｍａｉｎが下限値を下回っていれば、学習係数（瞬時値）Ｚｍａｉｎを下限値に置き換える。

一方、上下限値で規定される範囲に学習係数（瞬時値）Ｚｍａｉｎが入っている場合、正常判定手段１１は、学習係数（瞬時値）Ｚｍａｉｎが正常であると判定する。かかる場合、正常判定手段１１は、学習係数（瞬時値）Ｚｍａｉｎの書き換え等は行わない。正常判定手段１１は、瞬時値計算手段１０から入力された学習係数（瞬時値）Ｚｍａｉｎをそのまま出力する。
正常判定手段１１の機能は、必要に応じて付加しても良い。

前後点比較手段１３（第１比較手段）は、瞬時値計算手段１０によって計算された狙い点の学習係数（瞬時値）Ｚｍａｉｎと補助狙い点の学習係数（瞬時値）Ｚｓｕｂ（ｉ）とを比較する。

例えば、前後点比較手段１３は、先ず、補助狙い点の学習係数（瞬時値）Ｚｓｕｂ（ｉ＝１〜４）の平均値を算出する。次に、前後点比較手段１３は、狙い点の学習係数（瞬時値）Ｚｍａｉｎと上記平均値との比を算出する。この時、前後点比較手段１３は、比ではなく差を算出しても良い。記憶手段１４に、比較判定を行うための上下限値が記憶される。前後点比較手段１３は、上記算出した比（或いは、差）と記憶手段１４に記憶されている上下限値とを比較して、学習係数（瞬時値）Ｚｍａｉｎに含まれるノイズの有無を判定する。

例えば、上記算出した比の値が上下限値で規定される範囲から外れる場合、前後点比較手段１３は、学習係数（瞬時値）Ｚｍａｉｎを算出するために使用した実績データにノイズが含まれていると判定する。即ち、前後点比較手段１３は、学習係数（瞬時値）Ｚｍａｉｎが異常であると判定する。

一方、上記算出した比の値が上下限値で規定される範囲に入っている場合、前後点比較手段１３は、学習係数（瞬時値）Ｚｍａｉｎを算出するために使用した実績データにノイズが含まれていないと判定する。即ち、前後点比較手段１３は、学習係数（瞬時値）Ｚｍａｉｎが正常であると判定する。

前後点比較手段１３は、ノイズ無しを判定すると、その判定結果をγとして数値化して出力する。γは、例えば、以下のように数値化される。
学習係数（瞬時値）Ｚｍａｉｎにノイズが含まれていない場合：γ＝１．０
学習係数（瞬時値）Ｚｍａｉｎにノイズが含まれている場合：γ＝０．０

時系列比較手段１５（第２比較手段）は、当該材の狙い点の学習係数（瞬時値）Ｚｍａｉｎと当該材の前に圧延が行われた圧延材（以下、「過去材」ともいう）における同一点（狙い点）の学習係数（瞬時値）Ｚｍａｉｎ＿ｏｌｄ（ｊ）とを比較する。記憶手段１６に、過去材の学習係数（瞬時値）Ｚｍａｉｎ＿ｏｌｄ（ｊ）が記憶される。ｊは過去材の番号を示す。例えば、Ｚｍａｉｎ＿ｏｌｄ（１）は、当該材と同種の過去材のうち、当該材の直前に圧延されたものの狙い点の学習係数（瞬時値）である。

例えば、時系列比較手段１５は、当該材と同種の過去材のうち、当該材の直近に圧延された複数のものの狙い点の学習係数（瞬時値）Ｚｍａｉｎ＿ｏｌｄ（ｊ＝１〜ｍ）を、記憶手段１６から取得する。時系列比較手段１５は、取得した狙い点の学習係数（瞬時値）Ｚｍａｉｎ＿ｏｌｄ（ｊ＝１〜ｍ）の平均値を算出する。次に、時系列比較手段１５は、上記平均値に対する当該材の狙い点の学習係数（瞬時値）Ｚｍａｉｎの変化量を算出する。例えば、時系列比較手段１５は、当該材の狙い点の学習係数（瞬時値）Ｚｍａｉｎと上記平均値との比を算出する。時系列比較手段１５は、比ではなく差を算出しても良い。

更新ゲイン計算手段１７（第２計算手段）は、学習係数の更新ゲインを算出する。具体的に、更新ゲイン計算手段１７は、平滑係数αを算出する。更新ゲイン計算手段１７は、前後点比較手段１３によって判定されたノイズの有無（即ち、γの値）と時系列比較手段１５の比較結果とに基づいて、平滑係数αの計算を行う。例えば、更新ゲイン計算手段１７は、次式により平滑係数αを計算する。

α_０は、従来方式によって導かれた平滑係数の基準値である。α_０として、例えば、固定値が採用される。また、β＝０．０〜１．０である。

更新値計算手段１８は、狙い点の学習係数（更新値）を計算する。例えば、更新値計算手段１８は、更新ゲイン計算手段１７によって算出された平滑係数αを使用し、次式によって上記計算を行う。
Ｚｎｅｗ＝Ｚｏｌｄ×（１−α）＋Ｚｃｕｒ×α
ここで、
Ｚｎｅｗ：学習係数（更新値）
Ｚｏｌｄ：学習係数（使用値）
Ｚｃｕｒ：学習係数（瞬時値）
である。更新値計算手段１８は、記憶手段４から学習係数（使用値）Ｚｏｌｄを取得する。更新値計算手段１８は、正常判定手段１１から学習係数（瞬時値）Ｚｃｕｒを取得する。更新値計算手段１８は、上式によって学習係数（更新値）Ｚｎｅｗを算出すると、得られた値を記憶手段４に記憶させ、その記憶内容を更新する。

上記構成を有する学習制御装置５であれば、圧延プロセスの設定計算における予測値の精度を向上させることができる。このため、製品の品質精度及び操業の安定性を改善させることができる。

例えば、前後点比較手段１３によってノイズ有りが判定されると、前後点比較手段１３の出力γが０になる。平滑係数αが０になり、更新ゲイン計算手段１７は、更新ゲインを０に設定する。瞬時値計算手段１０によって計算された学習係数（瞬時値）Ｚｍａｉｎは、学習係数の更新値に反映されない。このため、耐ノイズ性に優れた学習制御を提供することができる。

一方、前後点比較手段１３によってノイズ無しが判定されると、更新ゲイン計算手段１７は、時系列比較手段１５の比較結果に基づいて更新ゲインを設定する。具体的には、学習係数が過去のものと比較して大きく変化している場合は、βの値が大きくなり、学習係数は瞬時値に重みをおいて更新される。即ち、更新ゲイン計算手段１７は、時系列比較手段１５によって計算された変化量が大きくなるほど、瞬時値計算手段１０によって計算された学習係数（瞬時値）Ｚｍａｉｎが更新値に大きく反映されるように、更新ゲインを設定する。このため、追従性に優れた学習制御を提供することができる。

実施の形態２．
図２はこの発明の実施の形態２における圧延プロセスの学習制御装置の構成を示す図である。本実施の形態における学習制御装置５は、時系列比較手段１５及び記憶手段１６を備えていない点において、図１に示す学習制御装置５と相違する。学習制御装置５の他の構成及び学習制御装置５以外の構成は、図１に示す構成と同じである。

図２に示す学習制御装置５では、前後点比較手段１３によってノイズ有りが判定された場合は、図１に示す学習制御装置５と同じ制御を行う。
一方、前後点比較手段１３によってノイズ無しが判定された場合は、更新ゲイン計算手段１７は、更新ゲインを定数に設定する。このため、瞬時値計算手段１０によって計算された学習係数（瞬時値）Ｚｍａｉｎが、一定の割合で更新値に反映される。

本実施の形態における学習制御装置５であれば、過去材の学習係数を保存しておく必要がない。このため、学習制御装置５内の記憶領域を大幅に低減させることができる。学習制御装置５の構成を簡素化でき、容易に実施できるようになる。

１ 圧延材
２ 設定計算手段
３ 読出手段
４、８、１２、１４、１６ 記憶手段
５ 学習制御装置
６ 実績データ収集手段
７ 実績データ編集手段
９ 実績再計算手段
１０ 瞬時値計算手段
１１ 正常判定手段
１３ 前後点比較手段
１５ 時系列比較手段
１７ 更新ゲイン計算手段
１８ 更新値計算手段

Claims (5)

1. 圧延プロセスの設定計算において設定値の精度を向上させるために用いられる学習係数を更新するための学習制御装置であって、
   圧延材の狙い点における実績データ及び前記狙い点の近傍に設定された補助狙い点における実績データを用いて学習係数を計算する第１計算手段と、
   前記第１計算手段によって計算された前記狙い点の学習係数及び前記補助狙い点の学習係数を比較し、前記狙い点の学習係数に含まれるノイズの有無を判定する第１比較手段と、
   前記第１比較手段によって判定されたノイズの有無に基づいて、学習係数の更新ゲインとして平滑係数を計算する第２計算手段と、
   を備えた圧延プロセスの学習制御装置。
2. 前記第２計算手段は、前記第１比較手段によってノイズ有りが判定された場合に、学習係数の更新ゲインを０に設定し、前記第１計算手段によって計算された前記狙い点の学習係数を更新値に反映させない請求項１に記載の圧延プロセスの学習制御装置。
3. 前記第２計算手段は、前記第１比較手段によってノイズ無しが判定された場合に、学習係数の更新ゲインを定数に設定し、前記第１計算手段によって計算された前記狙い点の学習係数を一定の割合で更新値に反映させる請求項１又は請求項２に記載の圧延プロセスの学習制御装置。
4. 前記圧延材の前記狙い点の学習係数及び過去材の対応する学習係数を比較する第２比較手段と、
   を更に備え、
   前記第２計算手段は、前記第１比較手段によってノイズ無しが判定された場合に、前記第２比較手段の比較結果に基づいて学習係数の更新ゲインを設定し、前記第１計算手段によって計算された前記狙い点の学習係数を更新値に反映させる請求項１又は請求項２に記載の圧延プロセスの学習制御装置。
5. 前記第２比較手段は、過去材の学習係数に対する前記圧延材の前記狙い点の学習係数の変化量を計算し、
   前記第２計算手段は、前記第１比較手段によってノイズ無しが判定された場合に、前記第２比較手段によって計算された変化量が大きくなるほど、前記第１計算手段によって計算された前記狙い点の学習係数が更新値に大きく反映されるように、学習係数の更新ゲインを設定する請求項４に記載の圧延プロセスの学習制御装置。

Images