JP6020263B2 - 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法 - Google Patents

圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法 Download PDF

Info

Publication number
JP6020263B2
JP6020263B2 JP2013044994A JP2013044994A JP6020263B2 JP 6020263 B2 JP6020263 B2 JP 6020263B2 JP 2013044994 A JP2013044994 A JP 2013044994A JP 2013044994 A JP2013044994 A JP 2013044994A JP 6020263 B2 JP6020263 B2 JP 6020263B2
Authority
JP
Japan
Prior art keywords
rolling
deformation resistance
friction coefficient
rolled
model
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
Application number
JP2013044994A
Other languages
English (en)
Other versions
JP2013226596A (ja
Inventor
修司 久山
修司 久山
和広 八尋
和広 八尋
飯島　慶次
慶次 飯島
慧 見上
慧 見上
伸夫 西浦
伸夫 西浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JFE Steel Corp
Original Assignee
JFE Steel Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JFE Steel Corp filed Critical JFE Steel Corp
Priority to JP2013044994A priority Critical patent/JP6020263B2/ja
Publication of JP2013226596A publication Critical patent/JP2013226596A/ja
Application granted granted Critical
Publication of JP6020263B2 publication Critical patent/JP6020263B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Metal Rolling (AREA)

Description

本発明は、圧延装置における圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法に関するものである。
従来から、熱間連続圧延装置、冷間連続圧延装置、または厚板圧延装置等の圧延装置の圧延制御は、圧延荷重モデルを用いて行われている。一般に、圧延荷重モデルは、被圧延材の変形抵抗および摩擦係数等の圧延現象に関する各種パラメータを有する数式モデルである。圧延荷重モデルは、このような各種パラメータを代入することによって、鉄鋼材等の被圧延材に加えられる圧延荷重の予測値を算出する。
圧延装置の圧延条件は、上述した圧延荷重モデルによる圧延荷重の予測値に基づいて設定される。具体的には、圧延荷重モデルは、圧延装置によって圧延された現在の被圧延材の圧延実績データ等をもとに、この現在の被圧延材に後続する次回の被圧延材に加える圧延荷重の予測値を算出する。この次回の被圧延材に対する圧延ロールの圧下量およびロール間隔等の圧延条件は、圧延荷重モデルによって算出された圧延荷重の予測値に基づいて設定される。このように、圧延荷重モデルは、圧延装置の圧延制御において、圧延条件の設定に寄与している。また、圧延荷重モデルによる圧延荷重の予測精度の更なる向上は、圧延条件の設定精度を高めるために不可欠である。
なお、圧延荷重モデルによる圧延荷重の予測に関する従来技術として、例えば、圧延速度が変化する場合に摩擦係数を修正し、圧延速度が一定の場合に変形抵抗を修正し、これによって、圧延速度に依存する摩擦係数の速度依存性を学習するモデルの学習方法および装置がある（特許文献１参照）。この特許文献１に記載のモデルの学習方法および装置は、この摩擦係数の速度依存性を学習することによって、変形抵抗および摩擦係数の各誤差を求めて圧延荷重モデルを修正する。
特開平８−２８１３１２号公報
しかしながら、上述した従来技術では、圧延荷重モデルの予測精度に影響する変形抵抗および摩擦係数の各推定誤差の補正係数を正しく学習することは困難である。このため、圧延荷重モデルに代入する変形抵抗および摩擦係数の各補正係数を正確に算出することができず、この結果、被圧延材に対して設定すべき圧延荷重を圧延荷重モデルによって高精度に予測することが困難であるという問題があった。
本発明は、上記の事情に鑑みてなされたものであって、変形抵抗および摩擦係数の各推定誤差の補正係数を正しく学習して、圧延荷重モデルに代入する変形抵抗および摩擦係数の各補正係数を正確に算出でき、この結果、被圧延材に対する圧延荷重の設定値を圧延荷重モデルによって高精度に予測できるとともに、圧延装置の高精度な圧延制御に寄与できる圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法を提供することを目的とする。
上述した課題を解決し、目的を達成するために、本発明にかかる圧延荷重の学習制御装置は、圧延装置によって圧延される被圧延材の材料に関する圧延実績をもとに、前記被圧延材の変形抵抗の推定誤差を学習する変形抵抗学習部と、前記圧延装置の圧延ロールと前記被圧延材との摩擦現象に関する圧延実績をもとに、前記圧延ロールと前記被圧延材との摩擦係数の推定誤差を学習する摩擦係数学習部と、前記変形抵抗学習部の学習結果をもとに、前記変形抵抗の推定誤差の補正に用いる変形抵抗誤差推定モデルを学習し、次回の被圧延材に対応して設定される変形抵抗設定値を補正する変形抵抗モデル補正係数を前記変形抵抗誤差推定モデルに基づいて算出し、前記摩擦係数学習部の学習結果をもとに、前記摩擦係数の推定誤差の補正に用いる摩擦係数誤差推定モデルを学習し、前記次回の被圧延材に対応して設定される摩擦係数設定値を補正する摩擦係数モデル補正係数を前記摩擦係数誤差推定モデルに基づいて算出する補正係数算出部と、前記次回の被圧延材に加える圧延荷重の設定値を圧延荷重モデルに基づいて算出する設定計算装置に対し、前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を伝送して、前記圧延荷重モデルに代入する前記変形抵抗設定値および前記摩擦係数設定値を各々補正させる補正係数伝送部と、を備えたことを特徴とする。
また、本発明にかかる圧延荷重の学習制御装置は、上記の発明において、前記変形抵抗学習部は、前記圧延装置によって圧延された現被圧延材の材料に関する圧延実績を変形抵抗の推定モデルに代入して、前記現被圧延材の変形抵抗推定値を算出し、前記圧延ロールに関する圧延実績と前記現被圧延材の圧延実績とを前記圧延荷重モデルの変形抵抗に関する逆関数に代入して、前記現被圧延材の実際の変形抵抗値に相当する逆算変形抵抗値を算出し、前記変形抵抗の推定誤差として、前記逆算変形抵抗値と前記現被圧延材の変形抵抗推定値との比を算出する変形抵抗誤差算出部を備えたことを特徴とする。
また、本発明にかかる圧延荷重の学習制御装置は、上記の発明において、前記変形抵抗学習部は、前記現被圧延材の材料に関する圧延実績と、前記現被圧延材以前に圧延された過去の被圧延材の材料に関する圧延実績と、前記変形抵抗誤差算出部によって過去に算出された前記変形抵抗の推定誤差の実績とを変形抵抗誤差の推定モデルに代入して、前記現被圧延材の変形抵抗の推定誤差を補正する補正係数を算出する変形抵抗補正係数算出部を備え、前記摩擦係数学習部は、前記圧延装置の圧延ロールと前記現被圧延材との摩擦現象に関する圧延実績を摩擦係数の推定モデルに代入して、前記現被圧延材の摩擦係数推定値を算出し、前記補正係数の算出値と前記現被圧延材の変形抵抗推定値との乗算値と、前記圧延ロールに関する圧延実績と、前記現被圧延材の圧延実績とを前記圧延荷重モデルの摩擦係数に関する逆関数に代入して、前記現被圧延材の実際の摩擦係数値に相当する逆算摩擦係数値を算出する逆算摩擦係数算出部と、前記摩擦係数の推定誤差として、前記逆算摩擦係数値と前記現被圧延材の摩擦係数推定値との比を算出する摩擦係数誤差算出部と、を備えたことを特徴とする。
また、本発明にかかる圧延荷重の学習制御装置は、上記の発明において、前記圧延実績が、圧延歪、圧延歪速度、被圧延材温度、圧延荷重、圧下率、扁平ロール半径、圧延距離、圧延速度、またはロール粗度のうち少なくとも１つの情報であることを特徴とする。より具体的には、前記変形抵抗の推定モデルに代入する圧延実績は、圧延歪、圧延歪速度、または被圧延材温度のうち少なくとも１つの情報であり、前記圧延荷重モデルの変形抵抗に関する逆関数に代入する圧延実績は、圧延荷重、圧下率、または扁平ロール半径のうち少なくとも１つの情報であり、前記摩擦係数の推定モデルに代入する圧延実績は、圧延距離、圧延速度、またはロール粗度のうち少なくとも１つの情報であることを特徴とする。
また、本発明にかかる圧延荷重の学習制御方法は、圧延装置によって圧延される被圧延材の材料に関する圧延実績をもとに、前記被圧延材の変形抵抗の推定誤差を学習し、前記圧延装置の圧延ロールと前記被圧延材との摩擦現象に関する圧延実績をもとに、前記圧延ロールと前記被圧延材との摩擦係数の推定誤差を学習する学習計算処理を行い、前記学習計算処理の結果に基づく数式モデルを用い、次回の被圧延材に対応して設定される変形抵抗設定値および摩擦係数設定値の各補正係数である変形抵抗モデル補正係数と摩擦係数モデル補正係数とを算出し、前記次回の被圧延材に加える圧延荷重の設定値を圧延荷重モデルに基づいて算出する設定計算装置に、前記圧延荷重モデルに代入する前記変形抵抗設定値および前記摩擦係数設定値を、前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を用いて各々補正させる設定計算処理を行うことを特徴とする。
また、本発明にかかる圧延荷重の学習制御方法は、上記の発明において、前記学習計算処理は、前記圧延装置によって圧延された現被圧延材の材料に関する圧延実績を変形抵抗の推定モデルに代入して、前記現被圧延材の変形抵抗推定値を算出する変形抵抗推定値算出ステップと、前記圧延ロールに関する圧延実績と前記現被圧延材の圧延実績とを前記圧延荷重モデルの変形抵抗に関する逆関数に代入して、前記現被圧延材の実際の変形抵抗値に相当する逆算変形抵抗値を算出する逆算変形抵抗算出ステップと、前記変形抵抗の推定誤差として、前記逆算変形抵抗値と前記現被圧延材の変形抵抗推定値との比を算出する変形抵抗推定誤差算出ステップと、前記現被圧延材の材料に関する圧延実績と、前記現被圧延材以前に圧延された過去の被圧延材の材料に関する圧延実績と、過去に算出された前記変形抵抗の推定誤差の実績とを変形抵抗誤差の推定モデルに代入して、前記現被圧延材の変形抵抗の推定誤差を補正する補正係数を算出する補正係数算出ステップと、前記圧延装置の圧延ロールと前記現被圧延材との摩擦現象に関する圧延実績を摩擦係数の推定モデルに代入して、前記現被圧延材の摩擦係数推定値を算出する摩擦係数推定値算出ステップと、前記補正係数の算出値と前記現被圧延材の変形抵抗推定値との乗算値と、前記圧延ロールに関する圧延実績と、前記現被圧延材の圧延実績とを前記圧延荷重モデルの摩擦係数に関する逆関数に代入して、前記現被圧延材の実際の摩擦係数値に相当する逆算摩擦係数値を算出する逆算摩擦係数算出ステップと、前記摩擦係数の推定誤差として、前記逆算摩擦係数値と前記現被圧延材の摩擦係数推定値との比を算出する摩擦係数推定誤差算出ステップと、を含むことを特徴とする。
また、本発明にかかる圧延荷重の学習制御方法は、上記の発明において、前記設定計算処理は、前記変形抵抗の推定誤差の学習結果に基づく変形抵抗誤差推定モデルを用いて、前記変形抵抗モデル補正係数を算出する変形抵抗モデル補正係数算出ステップと、前記摩擦係数の推定誤差の学習結果に基づく摩擦係数誤差推定モデルを用いて、前記摩擦係数モデル補正係数を算出する摩擦係数モデル補正係数算出ステップと、前記設定計算装置に対して前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を伝送して、前記設定計算装置に、前記変形抵抗モデル補正係数によって前記変形抵抗設定値を補正させ且つ前記摩擦係数モデル補正係数によって前記摩擦係数設定値を補正させる補正係数伝送ステップと、を含むことを特徴とする。
また、本発明にかかる金属板製造方法は、上記の圧延荷重の学習制御方法を用いて、金属材を圧延して金属板を製造することを特徴とする。
本発明によれば、変形抵抗および摩擦係数の各推定誤差の補正係数を正しく学習して、圧延荷重モデルに代入する変形抵抗および摩擦係数の各補正係数を正確に算出でき、この結果、被圧延材に対する圧延荷重の設定値を圧延荷重モデルによって高精度に予測できるとともに、圧延装置の高精度な圧延制御に寄与できるという効果を奏する。
図１は、本発明の実施の形態にかかる圧延荷重の学習制御装置の一構成例を示すブロック図である。 図２は、本発明の実施の形態にかかる圧延荷重の学習制御方法における学習計算処理の処理フローを例示するフローチャートである。 図３は、本発明の実施の形態にかかる圧延荷重の学習制御方法における設定計算処理の処理フローを例示するフローチャートである。 図４は、本発明による圧延荷重設定値と圧延荷重実績値との誤差の調査結果を例示する模式図である。 図５は、従来法による圧延荷重モデルの予測精度の調査結果を例示する模式図である。 図６は、本発明による圧延荷重モデルの予測精度の調査結果を例示する模式図である。
以下に、添付図面を参照して、本発明にかかる圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法の好適な実施の形態について詳細に説明する。
なお、以下では、熱間圧延ライン内の熱間仕上圧延装置を制御対象として例示し、本発明を説明するが、この実施の形態により、本発明が限定されるものではない。
(実施の形態)
まず、本発明の実施の形態にかかる圧延荷重の学習制御装置の構成について説明する。図１は、本発明の実施の形態にかかる圧延荷重の学習制御装置の一構成例を示すブロック図である。なお、図１には、本実施の形態にかかる圧延荷重の学習制御装置１の他に、圧延条件の設定および圧延実績データの収集を行うプロセスコンピュータ群１１と、制御対象である熱間仕上圧延装置２１とが図示されている。
図１に示すように、本実施の形態にかかる圧延荷重の学習制御装置１は、圧延荷重の学習制御を実行するための各種演算処理を行う演算処理部２と、圧延荷重の学習制御プログラム８ａを記憶する記憶部８と、一時記憶部９とを備える。
演算処理部２は、ＣＰＵ等の電子回路等を用いて実現され、記憶部８内の学習制御プログラム８ａを実行して、熱間仕上圧延装置２１に対する圧延荷重の学習制御に必要な各種演算処理を実行する。このような演算処理部２は、学習制御プログラム８ａの実行によって機能する機能ブロックとして、変形抵抗学習部３と、摩擦係数学習部４と、データ格納処理部５と、補正係数算出部６と、補正係数伝送部７とを備える。
変形抵抗学習部３は、変形抵抗誤差算出部３ａと変形抵抗補正係数算出部３ｂとを有し、図１に示す熱間仕上圧延装置２１によって圧延された現在の被圧延材２５の材料に関する圧延実績をもとに、被圧延材２５の変形抵抗の推定誤差を学習する。
変形抵抗誤差算出部３ａは、被圧延材２５に関する変形抵抗の推定誤差の学習において、変形抵抗モデルｆを用いて被圧延材２５の変形抵抗推定値を算出する。変形抵抗誤差算出部３ａは、被圧延材２５の変形抵抗の推定誤差として、この算出した変形抵抗推定値と被圧延材２５の実際の変形抵抗値との誤差を算出する。なお、この誤差は、変形抵抗モデルｆに基づく計算値と変形抵抗の実績値との誤差（以下、変形抵抗モデル誤差Ｋｅｒｒという）である。
変形抵抗補正係数算出部３ｂは、変形抵抗誤差推定モデルｈを用いて、上述した被圧延材２５の変形抵抗の推定誤差を補正する補正係数（以下、変形抵抗モデル補正係数Ｋａｄｊという）を算出する。この変形抵抗モデル補正係数Ｋａｄｊは、摩擦係数学習部４による摩擦係数の推定誤差の学習において、変形抵抗モデルｆに基づく変形抵抗推定値を補正するために用いられる。
摩擦係数学習部４は、逆算摩擦係数算出部４ａと摩擦係数誤差算出部４ｂとを有し、図１に示す熱間仕上圧延装置２１の圧延ロールと被圧延材２５との摩擦現象に関する圧延実績をもとに、熱間仕上圧延装置２１の圧延ロールと被圧延材２５との摩擦係数の推定誤差を学習する。
逆算摩擦係数算出部４ａは、被圧延材２５に関する摩擦係数の推定誤差の学習において、摩擦係数モデルｉを用いて被圧延材２５の摩擦係数推定値を算出する。また、逆算摩擦係数算出部４ａは、圧延荷重モデルｇの摩擦係数に関する逆関数を用いて、被圧延材２５の実際の摩擦係数値に相当する逆算摩擦係数値Ｍａｃｔを算出する。
摩擦係数誤差算出部４ｂは、被圧延材２５の摩擦係数の推定誤差として、逆算摩擦係数算出部４ａによって算出された摩擦係数推定値と逆算摩擦係数値Ｍａｃｔとの誤差を算出する。なお、この誤差は、摩擦係数モデルｉに基づく計算値と摩擦係数の実績値との誤差（以下、摩擦係数モデル誤差Ｍｅｒｒという）である。
データ格納処理部５は、上述した変形抵抗学習部３および摩擦係数学習部４の各学習計算処理において用いられた被圧延材２５の圧延実績と、変形抵抗学習部３および摩擦係数学習部４の各学習結果とを所定のデータベース（以下、ＤＢと略す）に格納する。具体的には、データ格納処理部５は、図１に示すプロセスコンピュータ群１１内の管理装置１２に対し、この被圧延材２５の圧延実績と各学習結果とを操業実績ＤＢ１２ａの一部として格納し管理するように指示する。なお、この被圧延材２５の圧延実績として、例えば、被圧延材２５の温度、厚み、金属材種等の材料に関する圧延条件、被圧延材を圧延する熱間圧延装置２１の圧延ロール径等の圧延ロールに関する圧延条件、圧延ロールの材質および被圧延材２５の表面粗さ等の圧延ロールと被圧延材２５との摩擦現象に関する圧延条件等が挙げられる。また、変形抵抗学習部３および摩擦係数学習部４の各学習結果として、例えば、変形抵抗モデル誤差Ｋｅｒｒおよび摩擦係数モデル誤差Ｍｅｒｒが挙げられる。
補正係数算出部６は、変形抵抗補正係数算出部６ａと摩擦係数補正係数算出部６ｂとを有し、熱間仕上圧延装置２１に対して圧延荷重を設定するために必要な変形抵抗および摩擦係数の各補正係数を算出する。
変形抵抗補正係数算出部６ａは、変形抵抗学習部３の学習結果をもとに変形抵抗誤差推定モデルｈを学習する。変形抵抗補正係数算出部６ａは、この学習した変形抵抗誤差推定モデルｈに基づいて変形抵抗モデル補正係数Ｋａｄｊを算出する。なお、この変形抵抗モデル補正係数Ｋａｄｊは、現在の被圧延材２５に後続する次回の被圧延材２６（図１参照）に対応して設定される変形抵抗設定値Ｋｓｅｔを補正する補正係数である。
摩擦係数補正係数算出部６ｂは、摩擦係数学習部４の学習結果をもとに、上述した摩擦係数の推定誤差の補正に用いる摩擦係数誤差推定モデルｊを学習する。摩擦係数補正係数算出部６ｂは、この学習した摩擦係数誤差推定モデルｊに基づいて摩擦係数モデル補正係数Ｍａｄｊを算出する。なお、この摩擦係数モデル補正係数Ｍａｄｊは、次回の被圧延材２６に対応して設定される摩擦係数設定値Ｍｓｅｔを補正する補正係数である。
補正係数伝送部７は、図１に示すプロセスコンピュータ群１１内の設定計算装置１３に対し、変形抵抗補正係数算出部６ａによる変形抵抗モデル補正係数Ｋａｄｊと摩擦係数補正係数算出部６ｂによる摩擦係数モデル補正係数Ｍａｄｊとを伝送する。ここで、設定計算装置１３は、圧延荷重モデルｇに基づいて、次回の被圧延材２６に加える圧延荷重の設定値を算出する装置である。補正係数伝送部７は、この設定計算装置１３に対して変形抵抗モデル補正係数Ｋａｄｊおよび摩擦係数モデル補正係数Ｍａｄｊを送信することによって、設定計算装置１３に変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔを各々補正させる。なお、変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔは、圧延荷重の設定値を算出する際に圧延荷重モデルｇに代入するパラメータである。変形抵抗設定値Ｋｓｅｔは、設定計算装置１３に伝送した変形抵抗モデル補正係数Ｋａｄｊによって補正される。摩擦係数設定値Ｍｓｅｔは、設定計算装置１３に伝送した摩擦係数モデル補正係数Ｍａｄｊによって補正される。
記憶部８は、ＲＯＭ等の不揮発性メモリまたはハードディスク等の更新可能に情報を記憶可能な記憶媒体を用いて実現される。記憶部８は、演算処理部２が実行する学習制御プログラム８ａを記憶し、必要に応じて演算処理部２に学習制御プログラム８ａを提供する。学習制御プログラム８ａは、圧延荷重の学習制御に必要なプログラムであり、上述した変形抵抗モデルｆ、変形抵抗誤差推定モデルｈ、摩擦係数モデルｉ、摩擦係数誤差推定モデルｊ、および圧延荷重モデルｇを含む。一時記憶部９は、ＲＡＭ等の揮発性メモリを用いて実現され、演算処理部２による各種演算処理の際に生じる処理途中のパラメータおよび中間データ等の情報を一時的に記憶する。
上述したような構成を有する学習制御装置１は、プロセスコンピュータ群１１から取得したデータを用いて、熱間仕上圧延装置２１における圧延荷重の学習制御を行い、この学習制御を通して、熱間仕上圧延装置２１の圧延制御を行う。
プロセスコンピュータ群１１は、熱間仕上圧延装置２１の圧延条件の設定と、熱間仕上圧年装置２１の圧延実績データの収集とを行うものであり、図１に示すように、管理装置１２と、設定計算装置１３と、実績収集装置１４と、伝送ケーブル１５とを含む。
管理装置１２は、熱間仕上圧延装置２１の圧延条件等の圧延実績をＤＢ化した操業実績ＤＢ１２ａを保持、管理する。設定計算装置１３は、次回の被圧延材２６に対する圧延条件の設定値を算出し、伝送ケーブル１５を介して、この算出した設定値を熱間仕上圧延装置２１に送信する。これによって、設定計算装置１３は、被圧延材２６に応じた熱間仕上圧延装置２１の圧延制御を行う。すなわち、設定計算装置１３は、被圧延材２６の圧延条件を設定するとともに、設定した圧延条件によって被圧延材２６を圧延するように熱間仕上圧延装置２１を制御する。また、設定計算装置１３は、現在および次回の被圧延材２５，２６の各圧延条件の設定値を保持、管理する。設定計算装置１３は、必要に応じて、学習制御装置１の演算処理部２に被圧延材２５，２６の各圧延条件の設定値を提供する。
実績収集装置１４は、伝送ケーブル１５を介して、現在の被圧延材２５の圧延実績データを熱間仕上圧延装置２１から収集する。実績収集装置１４は、収集した圧延実績データを保持、管理し、必要に応じて、学習制御装置１の演算処理部２に被圧延材２５の圧延実績データを提供する。また、実績収集装置１４は、現在の被圧延材２５が圧延完了して次回の被圧延材２６が圧延完了するまでの期間に、伝送ケーブル１５を介して、この被圧延材２５の圧延実績データを管理装置１２に送信する。管理装置１２は、この送信された圧延実績データを過去の圧延実績データとして保持し、操業実績ＤＢ１２ａの一部として管理する。
一方、熱間仕上圧延装置２１は、熱間圧延ライン内に配置された熱間連続圧延装置であり、上流の粗圧延装置（図示せず）側から搬送される複数の被圧延材を順次圧延する。具体的には、熱間仕上圧延装置２１は、図１の太線矢印に示される被圧延材２５，２６の通板方向に沿って並ぶ複数の圧延スタンド（図示せず）を備える。熱間仕上圧延装置２１は、これら複数の圧延スタンドに被圧延材２５，２６を順次通板することによって、被圧延材２５，２６を各々連続的に圧延する。
図１には、熱間仕上圧延装置２１内の複数の圧延スタンドのうち、最下流の圧延スタンドが図示されている。この最下流の圧延スタンドは、図１に示すように、複数の圧延ロールを有する圧延機２２と、圧延機２２の上側圧延ロールを圧下する圧下装置２３と、圧延荷重を計測する荷重計２４とを備える。圧延機２２は、上下両側の圧延ロールを回転させつつ、鉄鋼材等の被圧延材（例えば図１に示す被圧延材２５）をその上下両方向から圧延ロールによって挟圧して圧延する。圧下装置２３は、圧延荷重の設定値に対応して圧下量を調整しつつ、圧延機２２の上側圧延ロールを下側圧延ロールに向けて圧下する。荷重計２４は、圧延機２２による被圧延材２５の圧延時に被圧延材２５に加わる圧延荷重を計測する。この荷重計２４による圧延荷重の実測値は、被圧延材２５の圧延実績の一つとして実績収集装置１４に収集される。なお、熱間仕上圧延装置２１内の残りの圧延スタンドは、図１に示す最下流の圧延スタンドと同様の構成および機能を有する。
つぎに、上述した記憶部８内の学習制御プログラム８ａに含まれる各種数式モデルについて詳細に説明する。学習制御プログラム８ａは、上述したように、変形抵抗モデルｆ、変形抵抗誤差推定モデルｈ、圧延荷重モデルｇ、摩擦係数モデルｉ、および摩擦係数誤差推定モデルｊを含む。変形抵抗モデルｆ、変形抵抗誤差推定モデルｈ、圧延荷重モデルｇ、摩擦係数モデルｉ、および摩擦係数誤差推定モデルｊの各々は、数式モデルであり、学習制御プログラム８ａに基づく演算処理部２の各種演算処理に適宜用いられる。
変形抵抗モデルｆは、被圧延材２５の変形抵抗を推定するための数式モデルである。具体的には、変形抵抗モデルｆは、被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）を代入することによって、次式（１）に示すように、変形抵抗モデル計算値Ｋｃａｌを算出する。

Ｋｃａｌ＝ｆ（ｘ１，ｘ２，・・・） ・・・（１）
この式（１）において、要因（ｘ１，ｘ２，・・・）は、例えば、被圧延材２５の温度、厚み、金属種等の材料に起因する圧延実績である。また、変形抵抗モデル計算値Ｋｃａｌは、上述した変形抵抗誤差算出部３ａによって算出される変形抵抗推定値に相当する。
このような変形抵抗モデルｆの具体的な実現方法として、例えば、ｆ＝Ｋ・εｎ・σｍ・ｅｘｐ（Ａ／Ｔ）が挙げられる。ここで、εは、圧延歪であり、σは、圧延歪速度であり、Ｔは、被圧延材温度である。また、ｎ、ｍ、Ａは、材質毎に定まる定数である。
変形抵抗誤差推定モデルｈは、変形抵抗モデルｆの推定誤差を補正するための数式モデルである。具体的には、変形抵抗誤差推定モデルｈは、被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）と、過去の被圧延材の材料に関する圧延実績を要素とするデータ行列Ｘと、過去の変形抵抗モデル誤差Ｋｅｒｒを要素とする変形抵抗モデル誤差ベクトルＫbとを代入して、次式（２）に示すように、変形抵抗モデル補正係数Ｋａｄｊを算出する。

Ｋａｄｊ＝ｈ（ｘ１，ｘ２，・・・，Ｘ，Ｋb） ・・・（２）
この式（２）において、データ行列Ｘは、被圧延材２５以前に圧延された過去の被圧延材を特定するサンプル番号等の情報を行の要素として含み、過去の被圧延材の材料に関する要因（ｘp１，ｘp２，・・・）を列の要素として含む２次元行列である。なお、この過去の要因（ｘp１，ｘp２，・・・）は、現在の要因（ｘ１，ｘ２，・・・）と同種類のものである。一方、変形抵抗モデル誤差ベクトルＫbは、過去の被圧延材に対応して変形抵抗誤差算出部３ａが算出した過去の変形抵抗モデル誤差Ｋｅｒｒを要素とする縦ベクトルである。データ行列Ｘおよび変形抵抗モデル誤差ベクトルＫbは、操業実績ＤＢ１２ａの一部として管理装置１２内に格納される。
なお、上式（２）に示される変形抵抗誤差推定モデルｈに代入する要因（ｘ１，ｘ２，・・・）は、変形抵抗モデルｆに代入する要因（ｘ１，ｘ２，・・・）と同じである。しかし、この要因（ｘ１，ｘ２，・・・）以外に、摩擦係数に比して変形抵抗に大きな影響を与える因子があれば、この因子を変形抵抗誤差推定モデルｈに追加代入してもよい。
一方、変形抵抗誤差推定モデルｈは、上述した現在の要因（ｘ１，ｘ２，・・・）に代えて次回の被圧延材２６の材料に関する要因（ｘs１，ｘs２，・・・）を代入した場合、次式（３）に示すように、次回の被圧延材２６の変形抵抗設定値Ｋｓｅｔを補正する変形抵抗モデル補正係数Ｋａｄｊを算出する。

Ｋａｄｊ＝ｈ（ｘs１，ｘs２，・・・，Ｘ，Ｋb） ・・・（３）
この式（３）において、データ行列Ｘおよび変形抵抗モデル誤差ベクトルＫbは、被圧延材２５の圧延実績を加味したものである。すなわち、データ行列Ｘは、被圧延材２５までの圧延実績を要素として含む。また、変形抵抗モデル誤差ベクトルＫbは、被圧延材２５までの変形抵抗モデル誤差Ｋｅｒｒを要素として含む。
なお、上述した式（２）に示される変形抵抗誤差推定モデルｈ（ｘ１，ｘ２，・・・，Ｘ，Ｋb）は、線形回帰、指数平滑学習、テーブル学習等の何れの学習手法を用いてもよい。例えば、変形抵抗誤差推定モデルｈ（ｘ１，ｘ２，・・・、Ｘ、Ｋb）が線形回帰の場合、次式（４）が成立する。この式（４）に含まれるベクトルｘは、上述した現在の要因（ｘ１，ｘ２，・・・）を成分として含むベクトルである。

ｈ（ｘ１，ｘ２，・・・，Ｘ，Ｋb）＝ｘ（ＸTＸ）−１ＸTＫb ・・・（４）

このことは、式（３）に示される変形抵抗誤差モデルｈ（ｘs１，ｘs２，・・・，Ｘ，Ｋb）についても同様である。
圧延荷重モデルｇは、圧延荷重を予測するための数式モデルである。具体的には、圧延荷重モデルｇは、被圧延材２５の実際の変形抵抗値Ｋおよび摩擦係数値Ｍと、図１に示す圧延機２２の圧延ロール径等の圧延ロールに関する要因（ｙ１，ｙ２，・・・）とを代入して、次式（５）に示すように、圧延荷重予測値Ｐを算出する。

Ｐ＝ｇ（Ｋ、Ｍ、ｙ１，ｙ２，・・・） ・・・（５）

このような圧延荷重モデルｇの具体的な実現方法として、例えば、ｇ＝ｋ・Ｒ・（ψｉ＋ψ・ｔaｎｈ（（β１／２＋ｒ）・μ））が知られている。ただし、ψｉ＝ａｉ＋ｂｉ・ｒ＋ｃｉ・ｒ１／２＋ｄｉ・ｒ（１−ｒ）１／２の関係が成立し、ｒは圧下率であり、Ｒは扁平ロール半径であり、μは摩擦係数であり、β、ａｉ、ｂｉ、ｃｉ、ｄｉは材料によって定まる定数である。なお、圧延荷重モデルｇの具体的な実現方法は、これに限らない。
ここで、圧延荷重モデルｇの変形抵抗に関する逆関数ｇ’は、被圧延材２５の実際の変形抵抗値に相当する逆算変形抵抗値Ｋａｃｔを算出するために用いられる。具体的には、逆関数ｇ’は、上述した摩擦係数値Ｍおよび要因（ｙ１，ｙ２，・・・）と、被圧延材２５の圧延荷重実績値Ｐａｃｔとを代入して、次式（６）に示すように、逆算変形抵抗値Ｋａｃｔを算出する。なお、逆関数ｇ’は、次式（７）を満足する関数である。

Ｋａｃｔ＝ｇ’（Ｍ、ｙ１，ｙ２，・・・，Ｐａｃｔ） ・・・（６）
Ｐａｃｔ＝ｇ(ｇ’(Ｍ、ｙ１,ｙ２,…，Ｐａｃｔ)，Ｍ、ｙ１,ｙ２,…）・・・（７）
一方、圧延荷重モデルｇの摩擦係数に関する逆関数ｇ”は、被圧延材２５の実際の摩擦係数値に相当する逆算摩擦係数値Ｍａｃｔを算出するために用いられる。具体的には、逆関数ｇ”は、上述した圧延荷重実績値Ｐａｃｔおよび要因（ｙ１，ｙ２，・・・）と、式（１）に基づく変形抵抗モデル計算値Ｋｃａｌの補正値とを代入して、次式（８）に示すように、逆算摩擦係数値Ｍａｃｔを算出する。なお、この変形抵抗モデル計算値Ｋｃａｌの補正値は、変形抵抗モデル計算値Ｋｃａｌと式（２）に基づく変形抵抗モデル補正係数Ｋａｄｊとの乗算値Ｋｃａｌ・Ｋａｄｊに相当する。また、逆関数ｇ”は、次式（９）を満足する関数である。

Ｍａｃｔ＝ｇ”(Ｋｃａｌ・Ｋａｄｊ，ｙ１，ｙ２，・・・，Ｐａｃｔ）・・・（８）
Ｐａｃｔ＝ｇ(ｇ’(Kcal・Kadj、ｙ１,ｙ２,…，Pact)，ｙ１,ｙ２,…）・・・（９）
なお、上述した式（６）が逆算変形抵抗値Ｋａｃｔを陽に与えられない場合、逆算変形抵抗値Ｋａｃｔは、ニュートン法等によって数値解析的に算出された変形抵抗値Ｋであってもよい。すなわち、式（５）に基づく圧延荷重予測値Ｐが圧延荷重実績値Ｐａｃｔと等しくなるような変形抵抗値Ｋを数値解析的に算出し、この算出した変形抵抗値Ｋを逆算変形抵抗値Ｋａｃｔとして用いてもよい。同様に、上述した式（８）が逆算摩擦係数値Ｍａｃｔを陽に与えられない場合、逆算摩擦係数値Ｍａｃｔは、ニュートン法等によって数値解析的に算出された摩擦係数値Ｍであってもよい。すなわち、式（５）に基づく圧延荷重予測値Ｐが圧延荷重実績値Ｐａｃｔと等しくなるような摩擦係数値Ｍを数値解析的に算出し、この算出した摩擦係数値Ｍを逆算摩擦係数値Ｍａｃｔとして用いてもよい。
摩擦係数モデルｉは、図１に示す圧延機２２と被圧延材２５との摩擦係数を推定するための数式モデルである。具体的には、摩擦係数モデルｉは、圧延機２２と被圧延材２５との摩擦現象に関する要因（ｚ１，ｚ２，・・・）を代入することによって、次式（１０）に示すように、摩擦係数モデル計算値Ｍｃａｌを算出する。

Ｍｃａｌ＝ｉ（ｚ１，ｚ２，・・・） ・・・（１０）

このような摩擦係数モデルｉの具体的な実現方法として、例えば、ｇ＝（１＋ａ・ｅｘｐ（−ｂ・Ｌｇ））・（１＋ｃ・ｅｘｐ（−ｄ・ｖ））・（ｅ・Ｒｆ＋ｆ）がある。ただし、Ｌｇは圧延距離であり、ｖは圧延速度であり、Ｒｆはロール粗度であり、ａ、ｂ、ｃ、ｄ、ｅ、ｆはロールおよび圧延材によって定まる定数である。なお、摩擦係数モデルｉの具体的な実現方法は、これに限らない。
この式（１０）において、要因（ｚ１，ｚ２，・・・）は、例えば、圧延機２２の圧延ロール材質、被圧延材２５および圧延ロールの各表面粗さ等の摩擦現象に起因する圧延実績である。また、摩擦係数モデル計算値Ｍｃａｌは、上述した逆算摩擦係数算出部４ａによって算出される摩擦係数推定値に相当する。
摩擦係数誤差推定モデルｊは、摩擦係数モデルｉの推定誤差を補正するための数式モデルである。具体的には、摩擦係数誤差推定モデルｊは、次回の被圧延材２６に対応して設定される摩擦現象に関する要因（ｚs１，ｚs２，・・・）と、過去の被圧延材の摩擦現象に関する圧延実績を要素とするデータ行列Ｚと、過去の摩擦係数モデル誤差Ｍｅｒｒを要素とする摩擦係数モデル誤差ベクトルＭbとを代入して、次式（１１）に示すように、摩擦係数モデル補正係数Ｍａｄｊを算出する。

Ｍａｄｊ＝ｊ（ｚs１，ｚs２，・・・，Ｚ，Ｍb） ・・・（１１）
この式（１１）において、データ行列Ｚは、過去の被圧延材を特定するサンプル番号等の情報を行の要素として含み、過去の被圧延材の摩擦現象に関する要因（ｚs１，ｚs２，・・・）を列の要素として含む２次元行列である。なお、この過去の要因（ｚs１，ｚs２，・・・）は、被圧延材２５に対応する要因（ｚ１，ｚ２，・・・）を含むものである。一方、摩擦係数モデル誤差ベクトルＭbは、被圧延材２５を含む過去の被圧延材に対応して摩擦係数誤差算出部４ｂが算出した過去の摩擦係数モデル誤差Ｍｅｒｒを要素とする縦ベクトルである。データ行列Ｚおよび摩擦係数モデル誤差ベクトルＭbは、操業実績ＤＢ１２ａの一部として管理装置１２内に格納される。
また、上式（１１）における要因（ｚs１，ｚs２，・・・）は、摩擦係数モデルｉに代入する要因（ｚ１，ｚ２，・・・）と同じ種類のものである。しかし、この要因（ｚ１，ｚ２，・・・）以外に、変形抵抗に比して摩擦係数に大きな影響を与える因子があれば、この因子を摩擦係数誤差推定モデルｊに追加代入してもよい。
なお、上式（１１）に示される摩擦係数誤差推定モデルｊ（ｚs１，ｚs２，・・・、Ｚ、Ｍb）は、線形回帰、指数平滑学習、テーブル学習等の何れの学習手法を用いてもよい。例えば、摩擦係数誤差推定モデルｊ（ｚs１，ｚs２，・・・、Ｚ、Ｍb）が移動平均学習の場合、次式（１２）が成立する。この式（１２）において、ベクトルＩは、摩擦係数モデル誤差ベクトルＭbと同次元のベクトルであり、ベクトルＩの要素は「１」である。また、次元ｄｉｍ（Ｍb）は、摩擦係数モデル誤差ベクトルＭbの次元である。

ｊ（ｚs１，ｚs２，・・・，Ｚ，Ｍb）＝Ｉ・Ｍb／ｄｉｍ（Ｍb） ・・・（１２）
なお、上記方法では、逆算変形抵抗を算出した後、逆算摩擦係数を算出する方法を示しているが、逆算摩擦係数を計算した後、逆算変形抵抗を算出してもよい。また、他変数を扱うニュートン法などによって逆算摩擦係数と逆算変形抵抗とを同時に算出しても良い。
つぎに、本発明の実施の形態にかかる圧延荷重の学習制御方法について詳細に説明する。本実施の形態にかかる圧延荷重の学習制御方法において、学習制御装置１の演算処理部２は、学習制御プログラムを実行して学習計算処理および設定計算処理を行い、これによって、圧延荷重の学習制御を達成する。以下では、まず、学習計算処理について説明し、その後、設定計算処理について説明する。
図２は、本発明の実施の形態にかかる圧延荷重の学習制御方法における学習計算処理の処理フローを例示するフローチャートである。演算処理部２は、図１に示した被圧延材２５の圧延が完了したタイミングに、学習制御プログラム８ａを実行して学習計算処理を行う。この学習計算処理において、演算処理部２は、圧延機２２によって圧延された現在の被圧延材２５の材料に関する圧延実績をもとに、被圧延材２５の変形抵抗の推定誤差を学習する。また、演算処理部２は、圧延機２２の圧延ロールと被圧延材２５との摩擦現象に関する圧延実績をもとに、この圧延ロールと被圧延材２５との摩擦係数の推定誤差を学習する。
詳細には、図２に示すように、演算処理部２は、まず、圧延機２２による圧延完了後の被圧延材２５の変形抵抗モデル計算値Ｋｃａｌを算出する（ステップＳ１０１）。このステップＳ１０１は、変形抵抗モデル計算値Ｋｃａｌに相当する変形抵抗推定値を算出する処理ステップである。このステップＳ１０１において、変形抵抗誤差算出部３ａは、実績収集装置１４から被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）を取得する。変形抵抗誤差算出部３ａは、上述した式（１）に示したように、この要因（ｘ１，ｘ２，・・・）を変形抵抗モデルｆに代入して、被圧延材２５の変形抵抗モデル計算値Ｋｃａｌを算出する。
なお、この要因（ｘ１，ｘ２，・・・）は、実績収集装置１４によって収集された被圧延材２５の圧延実績であり、例えば、被圧延材２５の温度および圧延速度等の実績圧延条件である。また、式（１）の具体的な実現方法として、例えば、「井上の式」（文献「板圧延の理論と実際」の１９５ページに記載の式（７．５４））等の公知技術を用いてもよい。
つぎに、演算処理部２は、被圧延材２５の実際の変形抵抗値に相当する逆算変形抵抗値Ｋａｃｔを算出する（ステップＳ１０２）。このステップＳ１０２において、変形抵抗誤差算出部３ａは、設定計算装置１３から被圧延材２５の摩擦係数値Ｍを取得する。また、変形抵抗誤差算出部３ａは、実績収集装置１４から、圧延ロールに関する要因（ｙ１，ｙ２，・・・）と被圧延材２５の圧延荷重実績値Ｐａｃｔとを取得する。変形抵抗誤差算出部３ａは、上述した式（６）に示したように、圧延荷重モデルｇの変形抵抗に関する逆関数ｇ’に摩擦係数値Ｍと要因（ｙ１，ｙ２，・・・）と圧延荷重実績値Ｐａｃｔとを代入して、被圧延材２５の逆算変形抵抗値Ｋａｃｔを算出する。
なお、摩擦係数値Ｍは、設定計算装置１３が被圧延材２５に対応して設定した圧延条件の一つである。また、この要因（ｙ１，ｙ２，・・・）は、実績収集装置１４によって収集された圧延ロールに関する圧延実績である。圧延荷重実績値Ｐａｃｔは、熱間仕上圧延装置２１の荷重計２４（図１参照）によって計測され、その後、実績収集装置１４によって収集された被圧延材２５の圧延実績である。一方、この逆関数式ｇ’のもとになる圧延荷重モデルｇ（式（５）参照）の具体的な実現方法として、例えば、「Ｓｉｍｓの式」（文献「板圧延の理論と実際」の２９０ページに記載の式（１１．１９））等の公知技術を用いてもよい。
続いて、演算処理部２は、被圧延材２５の変形抵抗の推定誤差として、変形抵抗モデル誤差Ｋｅｒｒを算出する（ステップＳ１０３）。このステップＳ１０３において、変形抵抗誤差算出部３ａは、ステップＳ１０１において算出した変形抵抗モデル計算値Ｋｃａｌと、ステップＳ１０２において算出した逆算変形抵抗値Ｋａｃｔを用いて、変形抵抗モデル誤差Ｋｅｒｒを算出する。具体的には、変形抵抗誤差算出部３ａは、次式（１３）に示すように、変形抵抗モデル誤差Ｋｅｒｒとして、逆算変形抵抗値Ｋａｃｔと変形抵抗モデル計算値Ｋｃａｌとの比を算出する。

Ｋｅｒｒ＝Ｋａｃｔ／Ｋｃａｌ ・・・（１３）
その後、演算処理部２は、被圧延材２５の変形抵抗の推定誤差を補正する変形抵抗モデル補正係数Ｋａｄｊを算出する（ステップＳ１０４）。このステップＳ１０４において、変形抵抗補正係数算出部３ｂは、実績収集装置１４から、被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）を取得する。また、変形抵抗補正係数算出部３ｂは、操業実績ＤＢ１２ａ内に格納されている過去の被圧延材の圧延実績と過去の変形抵抗モデル誤差Ｋｅｒｒとを管理装置１２から取得する。変形抵抗補正係数算出部３ｂは、取得した過去の被圧延材の圧延実績をもとに、上述したデータ行列Ｘを生成する。且つ、変形抵抗補正係数算出部３ｂは、取得した過去の変形抵抗モデル誤差Ｋｅｒｒをもとに、上述した変形抵抗モデル誤差ベクトルＫbを生成する。変形抵抗補正係数算出部３ｂは、上述した式（２）に示したように、変形抵抗誤差推定モデルｈに要因（ｘ１，ｘ２，・・・）とデータ行列Ｘと変形抵抗モデル誤差ベクトルＫbとを代入して、被圧延材２５の変形抵抗モデル補正係数Ｋａｄｊを算出する。
つぎに、演算処理部２は、被圧延材２５の摩擦係数モデル計算値Ｍｃａｌを算出する（ステップＳ１０５）。このステップＳ１０５は、摩擦係数モデル計算値Ｍｃａｌに相当する摩擦係数推定値を算出する処理ステップである。このステップＳ１０５において、逆算摩擦係数算出部４ａは、圧延機２２と被圧延材２５との摩擦現象に関する要因（ｚ１，ｚ２，・・・）を実績収集装置１４から取得する。逆算摩擦係数算出部４ａは、上述した式（１０）に示したように、この要因（ｚ１，ｚ２，・・・）を摩擦係数モデルｉに代入して、被圧延材２５の摩擦係数モデル計算値Ｍｃａｌを算出する。
なお、この要因（ｚ１，ｚ２，・・・）は、実績収集装置１４によって収集された被圧延材２５の摩擦現象に起因する圧延実績である。また、式（１０）の具体的な実現方法として、被圧延材２５の圧延条件等に基づくデータテーブル値による定数項、例えば、ｉ＝０．２０を用いてもよい。この場合、データテーブル値は、圧延条件等を格納したルックアップテーブル（図示せず）等から取得すればよい。
続いて、演算処理部２は、被圧延材２５の実際の摩擦係数値に相当する逆算摩擦係数値Ｍａｃｔを算出する（ステップＳ１０６）。このステップＳ１０６において、逆算摩擦係数算出部４ａは、上述した変形抵抗誤差算出部３ａによる変形抵抗モデル計算値Ｋｃａｌと変形抵抗補正係数算出部３ｂによる変形抵抗モデル補正係数Ｋａｄｊとを乗算して、乗算値（Ｋｃａｌ・Ｋａｄｊ）を算出する。また、逆算摩擦係数算出部４ａは、実績収集装置１４から、圧延ロールに関する要因（ｙ１，ｙ２，・・・）と被圧延材２５の圧延荷重実績値Ｐａｃｔとを取得する。逆算摩擦係数算出部４ａは、上述した式（８）に示したように、圧延荷重モデルｇの摩擦係数に関する逆関数ｇ”に乗算値（Ｋｃａｌ・Ｋａｄｊ）と要因（ｙ１，ｙ２，・・・）と圧延荷重実績値Ｐａｃｔとを代入して、被圧延材２５の逆算摩擦係数値Ｍａｃｔを算出する。
つぎに、演算処理部２は、被圧延材２５の摩擦係数の推定誤差として、摩擦係数モデル誤差Ｍｅｒｒを算出する（ステップＳ１０７）。このステップＳ１０７において、摩擦係数誤差算出部４ｂは、ステップＳ１０５において算出された摩擦係数モデル計算値Ｍｃａｌと、ステップＳ１０６において算出された逆算摩擦係数値Ｍａｃｔを用いて、摩擦係数モデル誤差Ｍｅｒｒを算出する。具体的には、摩擦係数誤差算出部４ｂは、次式（１４）に示すように、摩擦係数モデル誤差Ｍｅｒｒとして、逆算摩擦係数値Ｍａｃｔと摩擦係数モデル計算値Ｍｃａｌとの比を算出する。

Ｍｅｒｒ＝Ｍａｃｔ／Ｍｃａｌ ・・・（１４）
その後、演算処理部２は、上述したステップＳ１０１〜Ｓ１０３による変形抵抗の誤差推定の学習処理による学習結果等のデータを操業実績ＤＢ１２ａ内に格納し（ステップＳ１０８）、本処理を終了する。このステップＳ１０８において、データ格納処理部５は、管理装置１２に対し、この被圧延材２５の圧延実績および各学習結果を操業実績ＤＢ１２ａの一部として格納し管理するように指示する。これによって、データ格納処理部５は、新たに得られた過去の圧延実績データとして、被圧延材２５の圧延実績および各学習結果を操業実績ＤＢ１２ａ内に格納する。
なお、ステップＳ１０８における被圧延材２５の圧延実績として、例えば、被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）と、圧延ロールに関する要因（ｙ１，ｙ２，・・・）と、被圧延材２５と圧延ロールとの摩擦現象に関する要因（ｚ１，ｚ２，・・・）とが挙げられる。また、ステップＳ１０８における各学習結果として、例えば、変形抵抗モデル誤差Ｋｅｒｒおよび摩擦係数モデル誤差Ｍｅｒｒが挙げられる。
ここで、演算処理部２は、圧延機２２による一被圧延材（例えば図１に示す被圧延材２５，２６）の圧延が完了する都度、上述したステップＳ１０１〜Ｓ１０８の処理手順を繰り返す。これによって、演算処理部２は、圧延機２２によって圧延された被圧延材毎に、変形抵抗の推定誤差および摩擦係数の推定誤差を各々学習し、圧延完了直後の圧延実績および各学習結果が反映されたＤＢに操業実績ＤＢ１２ａを更新する。
つぎに、設定計算処理について説明する。図３は、本発明の実施の形態にかかる圧延荷重の学習制御方法における設定計算処理の処理フローを例示するフローチャートである。演算処理部２は、図１に示した被圧延材２５に後続する次回の被圧延材２６が圧延機２２によって噛み込まれる直前のタイミングに、学習制御プログラム８ａを実行して設定計算処理を行う。この設定計算処理において、演算処理部２は、図２に示したステップＳ１０１〜Ｓ１０８の学習計算処理の結果に基づく数式モデルを用い、次回の被圧延材２６に対応して設定される変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔの各補正係数、すなわち、変形抵抗モデル補正係数Ｋａｄｊおよび摩擦係数モデル補正係数Ｍａｄｊを算出する。また、演算処理部２は、変形抵抗モデル補正係数Ｋａｄｊおよび摩擦係数モデル補正係数Ｍａｄｊを用いて、設定計算装置１３に変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔを各々補正させる。
詳細には、図３に示すように、演算処理部２は、まず、上述した変形抵抗の推定誤差の学習結果に基づく変形抵抗誤差推定モデルｈを用いて、変形抵抗設定値Ｋｓｅｔを補正するための変形抵抗モデル補正係数Ｋａｄｊを算出する（ステップＳ２０１）。
このステップＳ２０１において、変形抵抗補正係数算出部６ａは、設定計算装置１３から、被圧延材２６の材料に関する要因（ｘs１，ｘs２，・・・）を取得する。また、変形抵抗補正係数算出部６ａは、操業実績ＤＢ１２ａ内に格納されている過去の被圧延材の圧延実績と過去の変形抵抗モデル誤差Ｋｅｒｒとを管理装置１２から取得する。変形抵抗補正係数算出部６ａは、取得した過去の被圧延材の圧延実績をもとに、上述したデータ行列Ｘを生成する。且つ、変形抵抗補正係数算出部６ａは、取得した過去の変形抵抗モデル誤差Ｋｅｒｒをもとに、上述した変形抵抗モデル誤差ベクトルＫbを生成する。変形抵抗補正係数算出部６ａは、上述した式（３）に示したように、変形抵抗誤差推定モデルｈに要因（ｘs１，ｘs２，・・・）とデータ行列Ｘと変形抵抗モデル誤差ベクトルＫbとを代入して、被圧延材２６に対応する変形抵抗モデル補正係数Ｋａｄｊを算出する。
なお、このステップＳ２０１において過去とは、これから圧延される次回の被圧延材２６に比して過去である。この場合、過去の被圧延材には、圧延完了後の被圧延材２５が含まれる。すなわち、ステップＳ２０１におけるデータ行列Ｘは、圧延完了した現在の被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）を行列要素として含む。同様に、ステップＳ２０１における変形抵抗モデル誤差ベクトルＫbは、この被圧延材２５の材料に関する要因（ｘ１，ｘ２，・・・）をベクトル要素として含む。一方、要因（ｘs１，ｘs２，・・・）は、次回の被圧延材２６に対応して設定されている温度および圧延速度等の設定圧延条件である。なお、この要因（ｘs１，ｘs２，・・・）の種類は、被圧延材２５の要因（ｘ１，ｘ２，・・・）と同じである。
つぎに、演算処理部２は、上述した摩擦係数の推定誤差の学習結果に基づく摩擦係数誤差推定モデルｊを用いて、摩擦係数設定値Ｍｓｅｔを補正するための摩擦係数モデル補正係数Ｍａｄｊを算出する（ステップＳ２０２）。
このステップＳ２０２において、摩擦係数補正係数算出部６ｂは、設定計算装置１３から、圧延機２２の圧延ロールと被圧延材２６との摩擦係数に関する要因（ｘs１，ｘs２，・・・）を取得する。また、摩擦係数補正係数算出部６ｂは、操業実績ＤＢ１２ａ内に格納されている過去の被圧延材の圧延実績と過去の摩擦係数モデル誤差Ｍｅｒｒとを管理装置１２から取得する。摩擦係数補正係数算出部６ｂは、取得した過去の被圧延材の圧延実績をもとに、上述したデータ行列Ｚを生成する。且つ、変形抵抗補正係数算出部６ｂは、取得した過去の摩擦係数モデル誤差Ｍｅｒｒをもとに、上述した摩擦係数モデル誤差ベクトルＭbを生成する。摩擦係数補正係数算出部６ｂは、上述した式（１１）に示したように、摩擦係数誤差推定モデルｊに要因（ｚs１，ｚs２，・・・）とデータ行列Ｚと摩擦係数モデル誤差ベクトルＭbとを代入して、被圧延材２６に対応する摩擦係数モデル補正係数Ｍａｄｊを算出する。
なお、このステップＳ２０２において過去とは、上述したステップＳ２０１と同様に、被圧延材２６に比して過去である。すなわち、ステップＳ２０２におけるデータ行列Ｚは、圧延完了した現在の被圧延材２５の摩擦現象に関する要因（ｚ１，ｚ２，・・・）を行列要素として含む。同様に、ステップＳ２０２における摩擦係数モデル誤差ベクトルＭbは、この被圧延材２５の摩擦現象に関する要因（ｚ１，ｚ２，・・・）をベクトル要素として含む。一方、要因（ｚs１，ｚs２，・・・）は、次回の被圧延材２６に対応して設定されている設定圧延条件である。なお、この要因（ｚs１，ｚs２，・・・）の種類は、被圧延材２５の要因（ｚ１，ｚ２，・・・）と同じである。
その後、演算処理部２は、設定計算装置１３に対して変形抵抗モデル補正係数Ｋａｄｊおよび摩擦係数モデル補正係数Ｍａｄｊを伝送して、設定計算装置１３に、変形抵抗モデル補正係数Ｋａｄｊによって変形抵抗設定値Ｋｓｅｔを補正させ且つ摩擦係数モデル補正係数Ｍａｄｊによって摩擦係数設定値Ｍｓｅｔを補正させて（ステップＳ２０３）、本処理を終了する。なお、演算処理部２は、図２に示したステップＳ１０１〜Ｓ１０８の学習計算処理を実行する都度、次回の被圧延材２６が圧延機２２によって噛み込まれる直前のタイミングに、上述したステップＳ２０１〜Ｓ２０３の処理手順を繰り返す。
このステップＳ２０３において、補正係数伝送部７は、ステップＳ２０１による変形抵抗モデル補正係数ＫａｄｊとステップＳ２０２による摩擦係数モデル補正係数Ｍａｄｊとを設定計算装置１３に伝送する。これによって、補正係数伝送部７は、変形抵抗モデル補正係数Ｋａｄｊによる変形抵抗設定値Ｋｓｅｔの補正と、摩擦係数モデル補正係数Ｍａｄｊによる摩擦係数設定値Ｍｓｅｔの補正とを設定計算装置１３に指示する。
ここで、設定計算装置１３は、次回の被圧延材２６に加える圧延荷重の設定値を圧延荷重モデルｇに基づいて算出する。その際、設定計算装置１３は、圧延荷重モデルｇに変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔを代入して、この圧延荷重の設定値を算出する。補正係数伝送部７は、この圧延荷重モデルｇに代入される。変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔを補正するように設定計算装置１３に指示する。設定計算装置１３は、この補正係数伝送部７の指示に基づいて、変形抵抗設定値Ｋｓｅｔに変形抵抗モデル補正係数Ｋａｄｊを乗じ、且つ、摩擦係数設定値Ｍｓｅｔに摩擦係数モデル補正係数Ｍａｄｊを乗ずる。これによって、設定計算装置１３は、被圧延材２６に対応する変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔを各々補正する。
つぎに、設定計算装置１３は、次式（１５）に示すように、乗算値Ｋｓｅｔ・Ｋａｄｊと、乗算値Ｍｓｅｔ・Ｍａｄｊと、上述した圧延ロールに関する要因（ｙ１，ｙ２，・・・）とを圧延荷重モデルｇに代入して、被圧延材２６に対応する圧延荷重設定値Ｐｓｅｔを算出する。なお、乗算値Ｋｓｅｔ・Ｋａｄｊは、変形抵抗モデル補正係数Ｋａｄｊによる変形抵抗設定値Ｋｓｅｔの補正値であり、変形抵抗設定値Ｋｓｅｔと変形抵抗モデル補正係数Ｋａｄｊとの乗算によって算出される。乗算値Ｍｓｅｔ・Ｍａｄｊは、摩擦係数モデル補正係数Ｍａｄｊによる摩擦係数設定値Ｍｓｅｔの補正値であり、摩擦係数設定値Ｍｓｅｔと摩擦係数モデル補正係数Ｍａｄｊとの乗算によって算出される。

Ｐset＝ｇ(Ｋset・Ｋadj，Ｍset・Ｍadj，ｙ１，ｙ２，・・・) ・・・（１５）
その後、設定計算装置１３は、式（１５）に基づいて算出した圧延荷重設定値Ｐｓｅｔをもとに、被圧延材２６に対する圧延ロールの圧下量を算出する。設定計算装置１３は、この算出した圧下量を被圧延材２６の圧延条件として設定し、伝送ケーブル１５を介して、圧下装置２３（図１参照）に圧下量設定値を送信する。圧下装置２３は、この設定計算装置１３から取得した圧下量設定値をもとに、圧延機２２の圧延ロールの圧下量を調整する。圧延機２２は、この調整された圧下量に至るまで、圧延ロールを回転しつつ被圧延材２６に押圧する。この結果、圧延機２２は、上述した圧延荷重設定値Ｐｓｅｔに近似する（さらには圧延荷重設定値Ｐｓｅｔと同値の）圧延荷重を被圧延材２６に加えつつ、この被圧延材２６を圧延する。
上述したような圧延荷重の学習制御方法を用いることによって、熱間仕上圧延装置２１は、被圧延材２５，２６に加える圧延荷重を圧延荷重設定値Ｐｓｅｔに高精度に合わせて、被圧延材２５，２６を順次圧延できる。熱間仕上圧延装置２１は、このように鉄鋼材等の金属材を圧延することによって、設定圧延条件に沿った所望の金属板を的確に製造することができる。
つぎに、本発明の具体的に実施例を示して、本発明による作用効果を具体的に説明する。図４は、本発明による圧延荷重設定値と圧延荷重実績値との誤差の調査結果を例示する模式図である。図５は、従来法による圧延荷重モデルの予測精度の調査結果を例示する模式図である。図６は、本発明による圧延荷重モデルの予測精度の調査結果を例示する模式図である。なお、図４には、本発明に対する比較例として、従来法による圧延荷重設定値と圧延荷重実績値との誤差の調査結果が図示されている。
本実施例において、被圧延材２５，２６として高張力鋼（以下、ハイテン材という）を用いた。熱間仕上圧延装置２１は、７つの圧延スタンドを備えたものを用い、１００サンプルのハイテン材を順次圧延した。学習制御装置１は、１サンプルのハイテン材毎に、上述した学習計算処理および設定計算処理を実行して、変形抵抗モデル補正係数Ｋａｄｊおよび摩擦係数モデル補正係数Ｍａｄｊを設定計算装置１３に送信した。これによって、学習制御装置１は、１００サンプルのハイテン材の各々について、上述した変形抵抗設定値Ｋｓｅｔおよび摩擦係数設定値Ｍｓｅｔの各補正処理を設定計算装置１３に行わせた。
また、圧延荷重モデルｇによる圧延荷重予測値は、熱間仕上圧延装置２１の最下流（すなわち７スタンド目）の圧延機２２に設定する圧延荷重とした。これに対応して、圧延荷重実績値は、圧延機２２における荷重計２４によって計測した。調査対象の圧延荷重誤差は、この圧延荷重予測値と荷重計２４による圧延荷重実績値との比（圧延荷重予測値／圧延荷重実績値）とした。すなわち、本実施例における圧延荷重の予測精度は、圧延荷重誤差が「１」に近似するに伴って向上する。なお、図４は、縦軸を圧延荷重誤差とし、横軸をハイテン材の圧延順とした。図５，６は、縦軸を圧延荷重予測値とし、横軸を圧延荷重実績値とした。図４〜６には、１つのサンプルのハイテン材毎に１つの点を対応させて、１００サンプル分のハイテン材に関する圧延荷重誤差の調査結果をプロットした。
図４において、プロット線Ｌ１は、本発明による圧延荷重誤差の調査結果を示す。プロット線Ｌ２は、従来法による圧延荷重誤差の調査結果を示す。ここで、本発明にかかる圧延荷重の学習制御装置１および学習制御方法は、上述したように、変形抵抗と摩擦係数とを分離して学習するものである。すなわち、本発明において、変形抵抗の推定誤差は、被圧延材２５の材料に関する要因等、摩擦係数に比して変形抵抗に大きな影響を与える因子を用いて学習される。摩擦係数の推定誤差は、被圧延材２５と圧延ロールとの摩擦現象に関する要因等、変形抵抗に比して摩擦係数に大きな影響を与える因子を用いて学習される。一方、従来法は、圧延荷重の学習制御において変形抵抗と摩擦係数とを分離せず、例えば、圧延速度等の共通因子を用いて変形抵抗と摩擦係数とを学習するものである。
図４のプロット線Ｌ２に示すように、従来法では、圧延荷重誤差の平均値が１．０２であり、標準偏差が０．１１であった。これに対し、本発明では、図４のプロット線Ｌ１に示すように、圧延荷重誤差の平均値が１．００であり、標準偏差が０．０７であった。この調査結果によれば、本発明は、従来法に比して圧延荷重誤差および誤差の変動（ばらつき）がともに小さいことが判明した。このことは、本発明にかかる圧延荷重の学習制御装置１および学習制御方法を用いることによって、従来法に比して高精度に圧延荷重を予測できたことを意味する。
一方、図５，６において、グラフ左下から右上に斜行する直線（以下、基準直線という）は、圧延荷重予測値と圧延荷重実績値とが一致するプロット位置を示している。すなわち、図５，６の各グラフ内にプロットされた点は、この基準直線に近づくほど、圧延荷重予測値が圧延荷重実績値に近づくことを意味する。ここで、図５に示す調査結果と図６に示す調査結果とを比較した場合、図６のプロット点は、図５のプロット点に比して基準直線に近く、且つ、基準直線からの乖離も小さい。このことは、本発明による圧延荷重モデルの予測精度が従来法に比して高精度であることを示している。すなわち、本発明にかかる圧延荷重の学習制御装置１および学習制御方法は、従来法に比して高精度に圧延荷重を予測することができた。
このように、従来法に比して高精度に圧延荷重を予測可能な本発明にかかる学習制御装置１および学習制御方法は、圧延対象のハイテン材に加える荷重を設定値に精度よく合わせて、圧延対象のハイテン材を順次圧延できる。この結果、設定圧延条件に沿った所望の鋼板を的確に製造することができる。なお、このような本発明による作用効果は、ハイテン材に限らず、他の鉄鋼材または鉄鋼材以外の金属材（例えば、アルミニウム、銅等）を圧延する場合も同様に得られる。
以上、説明したように、本発明の実施の形態では、圧延装置によって圧延される被圧延材の材料に関する圧延実績をもとに、この被圧延材の変形抵抗の推定誤差を学習し、且つ、この圧延装置の圧延ロールと被圧延材との摩擦現象に関する圧延実績をもとに、この圧延ロールと被圧延材との摩擦係数の推定誤差を学習する学習計算処理を行い、この学習計算処理の結果に基づく数式モデルを用い、次回の被圧延材に対応して設定される変形抵抗設定値および摩擦係数設定値の各補正係数、すなわち、変形抵抗モデル補正係数と摩擦係数モデル補正係数とを算出している。また、この次回の被圧延材に加える圧延荷重の設定値を圧延荷重モデルに基づいて算出する設定計算装置に、この算出した変形抵抗モデル補正係数および摩擦係数モデル補正係数を用いて変形抵抗設定値および摩擦係数設定値を各々補正させ、補正後の変形抵抗設定値および摩擦係数設定値を圧延荷重モデルに代入して、圧延荷重の設定値を算出している。
このため、摩擦係数に比して変形抵抗に大きな影響を与える因子を用いて、被圧延材の変形抵抗を学習でき、且つ、変形抵抗に比して摩擦係数に大きな影響を与える因子を用いて、圧延ロールと被圧延材との摩擦係数を学習できる。したがって、変形抵抗の誤差に影響する因子と摩擦係数の誤差に影響する因子とに分離して、好適な因子別に変形抵抗および摩擦係数の各推定誤差を学習できる。これによって、変形抵抗および摩擦係数の各推定誤差の補正係数を正しく学習して、圧延荷重モデルに代入する変形抵抗および摩擦係数の各補正係数を正確に算出できる。この結果、被圧延材に対する圧延荷重の設定値を圧延荷重モデルによって高精度に予測できるとともに、この圧延荷重の学習制御を通して、圧延装置の高精度な圧延制御に寄与することができる。また、圧延荷重モデル等の数式モデル（物理モデル）の改善または圧延操業の改善の基礎材料として、上述した変形抵抗および摩擦係数の各学習結果（例えば学習係数等）を活用することができる。
本発明にかかる圧延荷重の学習制御装置および学習制御方法を用いることによって、被圧延材に加える圧延荷重を圧延荷重設定値に高精度に合わせて、被圧延材を順次圧延できる。これによって、設定圧延条件に対して殆ど誤差の無い高精度な圧延条件に基づいて鉄鋼材等の金属材を圧延でき、この結果、設定圧延条件に沿った所望の金属板を的確に製造することができる。
また、本発明の実施の形態では、過去の圧延実績および変形抵抗モデル誤差を加味した変形抵抗誤差推定モデルに基づいて、被圧延材の変形抵抗モデル補正係数を算出している。また、この変形抵抗モデル補正係数と変形抵抗モデルに基づく変形抵抗モデル計算値との乗算値を圧延荷重モデルの摩擦係数に関する逆関数に代入して、上述した逆算摩擦係数値を算出している。このため、圧延荷重モデルの摩擦係数に関する逆関数に対し、変形抵抗モデル補正係数によって補正された変形抵抗モデル計算値を代入できる。これによって、逆算摩擦係数の算出処理に変形抵抗モデル計算値の誤差を含ませることなく、逆算摩擦係数値を算出できる。この結果、摩擦係数の学習計算処理によって除去が困難な変形抵抗モデル計算値の誤差を予め除去して、被圧延材および圧延ロールに関する実際の摩擦係数と逆算摩擦係数値との誤差を一層低減できる。これによって、摩擦係数の推定誤差をより高精度に学習できることから、圧延荷重モデルに基づく圧延荷重の予測精度の向上を促進できる。
なお、上述した実施の形態では、圧延制御される圧延条件として圧延ロールの圧下量を例示していたが、これに限らず、本発明によって圧延制御される圧延条件は、圧延ロールのロール間ギャップ等の圧延荷重に関するものであればよい。
また、上述した実施の形態では、図１に示した熱間仕上圧延装置２１の最下流の圧延機２２に対応して、圧延荷重の学習制御を行っていたが、これに限らず、本発明による圧延荷重の学習制御は、熱間仕上圧延装置２１内に配置された何れのスタンドの圧延機に対応して行われてもよい。あるいは、熱間仕上圧延装置２１内の複数スタンドの圧延機に対応して、圧延荷重の学習制御を行ってもよい。この場合、学習制御装置１は、圧延制御対象である各圧延機の圧延実績をもとに、圧延機２２の場合と同様の学習計算処理および設定計算処理を実行すればよい。
さらに、上述した実施の形態では、７スタンドの圧延機を備えた熱間仕上圧延装置２１を例示したが、これに限らず、熱間仕上圧延装置２１は、１以上の圧延スタンドを備えたものであればよい。すなわち、本発明において、圧延制御対象である熱間仕上圧延装置２１のスタンド数は、特に問われない。
また、上述した実施の形態では、圧延制御対象として熱間仕上圧延装置２１を例示したが、これに限らず、本発明による圧延制御対象は、熱間圧延ライン内の他の圧延装置、例えば粗圧延装置であってもよいし、熱間圧延ライン以外の圧延装置、例えば冷間連続圧延装置または厚板圧延装置等の圧延装置であってもよい。
さらに、上述した実施の形態では、図２に示したように、変形抵抗モデル計算値Ｋｃａｌを算出した後に逆算変形抵抗値Ｋａｃｔを算出し、摩擦係数モデル計算値Ｍｃａｌを算出した後に逆算摩擦係数値Ｍａｃｔを算出していたが、本発明はこれに限定されるものではない。すなわち、逆算変形抵抗値Ｋａｃｔを算出した後に変形抵抗モデル計算値Ｋｃａｌを算出し、逆算摩擦係数値Ｍａｃｔを算出した後に摩擦係数モデル計算値Ｍｃａｌを算出してもよい。
また、上述した実施の形態により本発明が限定されるものではない。上述した各構成要素を適宜組み合わせて構成したものも本発明に含まれる。その他、上述した実施の形態に基づいて当業者等によりなされる他の実施の形態、実施例および運用技術等は全て本発明に含まれる。
１ 学習制御装置
２ 演算処理部
３ 変形抵抗学習部
３ａ 変形抵抗誤差算出部
３ｂ 変形抵抗補正係数算出部
４ 摩擦係数学習部
４ａ 逆算摩擦係数算出部
４ｂ 摩擦係数誤差算出部
５ データ格納処理部
６ 補正係数算出部
６ａ 変形抵抗補正係数算出部
６ｂ 摩擦係数補正係数算出部
７ 補正係数伝送部
８ 記憶部
８ａ 学習制御プログラム
９ 一時記憶部
１１ プロセスコンピュータ群
１２ 管理装置
１２ａ 操業実績ＤＢ
１３ 設定計算装置
１４ 実績収集装置
１５ 伝送ケーブル
２１ 熱間仕上圧延装置
２２ 圧延機
２３ 圧下装置
２４ 荷重計
２５，２６ 被圧延材
Ｌ１，Ｌ２ プロット線

Claims (5)

  1. 圧延装置によって圧延される被圧延材の材料に関する圧延実績をもとに、前記被圧延材の変形抵抗の推定誤差を学習する変形抵抗学習部と、
    前記圧延装置の圧延ロールと前記被圧延材との摩擦現象に関する圧延実績をもとに、前記圧延ロールと前記被圧延材との摩擦係数の推定誤差を学習する摩擦係数学習部と、
    前記変形抵抗学習部の学習結果をもとに、前記変形抵抗の推定誤差の補正に用いる変形抵抗誤差推定モデルを学習し、次回の被圧延材に対応して設定される変形抵抗設定値を補正する変形抵抗モデル補正係数を前記変形抵抗誤差推定モデルに基づいて算出し、前記摩擦係数学習部の学習結果をもとに、前記摩擦係数の推定誤差の補正に用いる摩擦係数誤差推定モデルを学習し、前記次回の被圧延材に対応して設定される摩擦係数設定値を補正する摩擦係数モデル補正係数を前記摩擦係数誤差推定モデルに基づいて算出する補正係数算出部と、
    前記次回の被圧延材に加える圧延荷重の設定値を圧延荷重モデルに基づいて算出する設定計算装置に対し、前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を伝送して、前記圧延荷重モデルに代入する前記変形抵抗設定値および前記摩擦係数設定値を各々補正させる補正係数伝送部と、
    を備え、
    前記変形抵抗学習部は、
    前記圧延装置によって圧延された現被圧延材の材料に関する圧延実績を変形抵抗の推定モデルに代入して、前記現被圧延材の変形抵抗推定値を算出し、前記圧延ロールに関する圧延実績と前記現被圧延材の圧延実績とを前記圧延荷重モデルの変形抵抗に関する逆関数に代入して、前記現被圧延材の実際の変形抵抗値に相当する逆算変形抵抗値を算出し、前記変形抵抗の推定誤差として、前記逆算変形抵抗値と前記現被圧延材の変形抵抗推定値との比を算出する変形抵抗誤差算出部と、
    前記現被圧延材の材料に関する圧延実績と、前記現被圧延材以前に圧延された過去の被圧延材の材料に関する圧延実績と、前記変形抵抗誤差算出部によって過去に算出された前記変形抵抗の推定誤差の実績とを前記変形抵抗誤差推定モデルに代入して、前記現被圧延材の変形抵抗の推定誤差を補正する補正係数を算出する変形抵抗補正係数算出部と、
    を備え、
    前記摩擦係数学習部は、
    前記圧延装置の圧延ロールと前記現被圧延材との摩擦現象に関する圧延実績を摩擦係数の推定モデルに代入して、前記現被圧延材の摩擦係数推定値を算出し、前記補正係数の算出値と前記現被圧延材の変形抵抗推定値との乗算値と、前記圧延ロールに関する圧延実績と、前記現被圧延材の圧延実績とを前記圧延荷重モデルの摩擦係数に関する逆関数に代入して、前記現被圧延材の実際の摩擦係数値に相当する逆算摩擦係数値を算出する逆算摩擦係数算出部と、
    前記摩擦係数の推定誤差として、前記逆算摩擦係数値と前記現被圧延材の摩擦係数推定値との比を算出する摩擦係数誤差算出部と、
    を備えたことを特徴とする圧延荷重の学習制御装置。
  2. 前記圧延実績は、圧延歪、圧延歪速度、被圧延材温度、圧延荷重、圧下率、扁平ロール半径、圧延距離、圧延速度、またはロール粗度のうち少なくとも１つの情報であることを特徴とする請求項１に記載の圧延荷重の学習制御装置。
  3. 前記変形抵抗の推定モデルに代入する圧延実績は、圧延歪、圧延歪速度、または被圧延材温度のうち少なくとも１つの情報であり、前記圧延荷重モデルの変形抵抗に関する逆関数に代入する圧延実績は、圧延荷重、圧下率、または扁平ロール半径のうち少なくとも１つの情報であり、前記摩擦係数の推定モデルに代入する圧延実績は、圧延距離、圧延速度、またはロール粗度のうち少なくとも１つの情報であることを特徴とする請求項１に記載の圧延荷重の学習制御装置。
  4. 圧延装置によって圧延される被圧延材の材料に関する圧延実績をもとに、前記被圧延材の変形抵抗の推定誤差を学習し、前記圧延装置の圧延ロールと前記被圧延材との摩擦現象に関する圧延実績をもとに、前記圧延ロールと前記被圧延材との摩擦係数の推定誤差を学習する学習計算処理を行い、
    前記学習計算処理の結果に基づく数式モデルを用い、次回の被圧延材に対応して設定される変形抵抗設定値および摩擦係数設定値の各補正係数である変形抵抗モデル補正係数と摩擦係数モデル補正係数とを算出し、前記次回の被圧延材に加える圧延荷重の設定値を圧延荷重モデルに基づいて算出する設定計算装置に、前記圧延荷重モデルに代入する前記変形抵抗設定値および前記摩擦係数設定値を、前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を用いて各々補正させる設定計算処理を行い、
    前記学習計算処理は、
    前記圧延装置によって圧延された現被圧延材の材料に関する圧延実績を変形抵抗の推定モデルに代入して、前記現被圧延材の変形抵抗推定値を算出する変形抵抗推定値算出ステップと、
    前記圧延ロールに関する圧延実績と前記現被圧延材の圧延実績とを前記圧延荷重モデルの変形抵抗に関する逆関数に代入して、前記現被圧延材の実際の変形抵抗値に相当する逆算変形抵抗値を算出する逆算変形抵抗算出ステップと、
    前記変形抵抗の推定誤差として、前記逆算変形抵抗値と前記現被圧延材の変形抵抗推定値との比を算出する変形抵抗推定誤差算出ステップと、
    前記現被圧延材の材料に関する圧延実績と、前記現被圧延材以前に圧延された過去の被圧延材の材料に関する圧延実績と、過去に算出された前記変形抵抗の推定誤差の実績とを変形抵抗誤差推定モデルに代入して、前記現被圧延材の変形抵抗の推定誤差を補正する補正係数を算出する補正係数算出ステップと、
    前記圧延装置の圧延ロールと前記現被圧延材との摩擦現象に関する圧延実績を摩擦係数の推定モデルに代入して、前記現被圧延材の摩擦係数推定値を算出する摩擦係数推定値算出ステップと、
    前記補正係数の算出値と前記現被圧延材の変形抵抗推定値との乗算値と、前記圧延ロールに関する圧延実績と、前記現被圧延材の圧延実績とを前記圧延荷重モデルの摩擦係数に関する逆関数に代入して、前記現被圧延材の実際の摩擦係数値に相当する逆算摩擦係数値を算出する逆算摩擦係数算出ステップと、
    前記摩擦係数の推定誤差として、前記逆算摩擦係数値と前記現被圧延材の摩擦係数推定値との比を算出する摩擦係数推定誤差算出ステップと、
    を含み、
    前記設定計算処理は、
    前記変形抵抗の推定誤差の学習結果に基づく前記変形抵抗誤差推定モデルを用いて、前記変形抵抗モデル補正係数を算出する変形抵抗モデル補正係数算出ステップと、
    前記摩擦係数の推定誤差の学習結果に基づく摩擦係数誤差推定モデルを用いて、前記摩擦係数モデル補正係数を算出する摩擦係数モデル補正係数算出ステップと、
    前記設定計算装置に対して前記変形抵抗モデル補正係数および前記摩擦係数モデル補正係数を伝送して、前記設定計算装置に、前記変形抵抗モデル補正係数によって前記変形抵抗設定値を補正させ且つ前記摩擦係数モデル補正係数によって前記摩擦係数設定値を補正させる補正係数伝送ステップと、
    を含むことを特徴とする圧延荷重の学習制御方法。
  5. 請求項４に記載の圧延荷重の学習制御方法を用いて、金属材を圧延して金属板を製造することを特徴とする金属板製造方法。
JP2013044994A 2012-03-29 2013-03-07 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法 Expired - Fee Related JP6020263B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013044994A JP6020263B2 (ja) 2012-03-29 2013-03-07 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012078221 2012-03-29
JP2012078221 2012-03-29
JP2013044994A JP6020263B2 (ja) 2012-03-29 2013-03-07 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法

Publications (2)

Publication Number Publication Date
JP2013226596A JP2013226596A (ja) 2013-11-07
JP6020263B2 true JP6020263B2 (ja) 2016-11-02

Family

ID=49674840

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013044994A Expired - Fee Related JP6020263B2 (ja) 2012-03-29 2013-03-07 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法

Country Status (1)

Country Link
JP (1) JP6020263B2 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6315818B2 (ja) 2014-10-07 2018-04-25 株式会社日立製作所 タンデム圧延ミルの制御装置および制御方法
JP2020131248A (ja) * 2019-02-21 2020-08-31 Ｊｆｅスチール株式会社 圧延荷重予測方法、圧延荷重予測装置、及び圧延制御方法
JP7474220B2 (ja) 2021-03-29 2024-04-24 株式会社日立製作所 変形抵抗予測システム、変形抵抗予測方法及び変形抵抗予測装置
JP7480764B2 (ja) 2021-09-06 2024-05-10 Ｊｆｅスチール株式会社 鋼板の圧延荷重予測方法、連続式圧延機の制御方法、及び鋼板の製造方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08281312A (ja) * 1995-04-12 1996-10-29 Hitachi Ltd モデルの学習方法及び装置
JP2007245204A (ja) * 2006-03-16 2007-09-27 Jfe Steel Kk 圧延荷重モデルの学習方法及びその装置

Also Published As

Publication number Publication date
JP2013226596A (ja) 2013-11-07

Similar Documents

Publication Publication Date Title
JP6922675B2 (ja) 製造プロセスの状態予測装置、方法及びプログラム、並びに製造プロセスの制御システム
JP5759206B2 (ja) 学習係数制御装置
JP6020263B2 (ja) 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法
KR101832653B1 (ko) 압연 프로세스의 학습 제어 장치
JP2012101235A (ja) 冷却停止温度制御装置および冷却停止温度制御方法
JP5962290B2 (ja) 鋼材の熱伝達係数予測装置及び冷却制御方法
JP5168170B2 (ja) ローラ矯正における被矯正材の材料定数および矯正状態の推定方法ならびにローラレベラの操業方法
JP6438753B2 (ja) タンデム圧延ミルの制御装置およびタンデム圧延ミルの制御方法
KR101749018B1 (ko) 평탄도 제어 장치
JP7135962B2 (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
JP6518169B2 (ja) サイジングプレスの制御方法及び制御装置
JP2007245204A (ja) 圧延荷重モデルの学習方法及びその装置
JP5682131B2 (ja) 鋼材の材質予測装置
Nazzal et al. Finite element simulations for investigating the effects of specimen geometry in superplastic tensile tests
JP6699340B2 (ja) 厚鋼板の冷却制御方法および製造方法
CN113133310B (zh) 串联轧机的板厚一览表计算方法及轧制设备
JP2012206824A (ja) 内部残留応力算出装置、及びプログラム
TWI504872B (zh) 紅外線溫度計的校正方法與應用此方法之生產控制系統
JP7298551B2 (ja) 熱間圧延における反り予測方法、反り抑制方法、圧延材の製造方法、並びに、熱間圧延における反り予測装置、反り抑制装置、圧延材の製造設備
JP2010207900A (ja) 熱間圧延における変形抵抗予測方法
JP2022508735A (ja) 金属ワークピースの製造方法
JP2010235972A (ja) 高張力鋼板の製造制御装置及び製造方法
JP6460004B2 (ja) 加熱炉抽出間隔決定装置、鋼板の製造装置、加熱炉抽出間隔決定方法および鋼板の製造方法
CN108453137A (zh) 轧机的控制装置、轧机的控制方法及控制程序
JP6036857B2 (ja) 圧延機の制御方法、圧延機の制御装置、及び圧延材の製造方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160126

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160325

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: 20160906

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160919

R150 Certificate of patent or registration of utility model

Ref document number: 6020263

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees