JP7131714B2 - 圧延機の振動予測方法、圧延機の異常振動判定方法、金属帯の圧延方法、及び圧延機の振動予測モデルの生成方法 - Google Patents

Description

本発明は、圧延機の振動予測方法、圧延機の異常振動判定方法、金属帯の圧延方法、及び圧延機の振動予測モデルの生成方法に関する。

自動車や飲料缶等に使用される鋼板等の金属帯は、連続鋳造工程、熱間圧延工程、及び冷間圧延工程が施された後、焼鈍工程やめっき工程を経て製品となる。この中で、冷間圧延工程は、製品としての金属帯の厚みを決定する最終工程である。近年はめっき厚みを従来よりも薄くする場合があり、めっき工程前の金属帯の表面性状がめっき工程後の製品の表面性状に影響を与えやすいことから、表面欠陥の発生を防止する必要性が増している。

冷間圧延工程で発生する表面欠陥の一つとしてチャタマークが挙げられる。これは、金属帯の幅方向に現れる線状のマークであって、このような線状のマークが金属帯の長手方向に周期的に現れる表面欠陥である。チャタマークは、圧延機の振動（以降、チャタリングと称す）により発生するとされている。非常に軽度のチャタマークは、冷間圧延工程後の目視検査や板厚測定等では判明せず、めっき工程後に初めて判明することがある。このため、その間にも大量の表面欠陥が発生していることに気づかず、結果として製品の歩留まりを低下させ、生産性を大きく阻害する要因となる。また、缶用鋼板や電磁鋼板等の薄物材料では、チャタリングによる金属帯の厚みや張力の急激な変動により、金属帯が破断する等の不具合が発生し、生産性を阻害する場合があることも知られている。

このような背景から、チャタリングの発生を抑制する方法が提案されている。例えば特許文献１には、振動検出器を圧延機に取り付け、圧延中に振動情報を収集すると共に圧延荷重やスタンド間張力等の圧延操業パラメータを取得し、それらの周波数分析を行うことにより、チャタリングの発生を判定する方法が記載されている。また、特許文献１には、圧延機の固有振動数とベアリング不良やロール疵による固有の振動周波数を予め同定しておき、圧延中に振動情報と比較することによって、チャタマークの発生原因を特定する方法が記載されている。

また、特許文献２，３には、圧延機本体だけでなく、スタンド間及びタンデム圧延機の入出側に配置され、一定の角度以上で金属帯が巻きついているロール（小径ロール）に振動検出器を設置する方法が記載されている。また、特許文献２，３には、振動検出器によって得られた振動情報の周波数解析を行い、金属帯の弦振動周波数に一致した周波数において、その振動強度が所定の閾値を超えた場合をチャタリングと判定する方法が記載されている。さらに、特許文献２，３には、スタンド間の張力を制御することにより弦振動周波数が圧延機の基本周波数と一致しないように制御する方法が記載されている。

特許第２９６４８８７号公報 特許第６２９６０４６号公報 特許第６１０２８３５号公報

しかしながら、特許文献１に記載の方法によれば、一定の大きさの異常振動が発生した後でなければチャタリングの発生を認識することができない。このため、特許文献１に記載の方法では、チャタリングを検出した時点では既に金属帯の一部にチャタマークが発生しており、結果として製品の歩留まりが低下する。また、特許文献２，３に記載の方法も同様に、チャタリングが発生したと認識した時点では既に金属帯にチャタマークが発生しているため、製品の歩留まりが低下する。

冷間圧延工程では、先行する金属帯の尾端部と後続の金属帯の先端部とを溶接により接合して連続的に圧延を行うのが通常である。その際、金属帯の溶接部を圧延する際には圧延速度を落とし、溶接部が圧延機を通過した後に圧延速度を上げて金属帯の定常部では高速で圧延を行う。しかしながら、チャタリングは、圧延速度が高い場合に発生しやすいことが知られており、金属帯の定常部でチャタマークが発生すると、金属帯を長手方向で分割して欠陥部を除去しなければならない等、製品の歩留まりの低下への影響が大きい。

本発明は、上記課題に鑑みてなされたものであって、その目的は、金属帯を圧延する前に圧延機の振動を予測可能な圧延機の振動予測方法を提供することにある。また、本発明の他の目的は、金属帯を圧延する前に圧延機の異常振動を予測可能な圧延機の異常振動判定方法を提供することにある。また、本発明の他の目的は、チャタマークの発生を抑制して金属帯の製造歩留まりを向上させることが可能な金属帯の圧延方法を提供することにある。また、本発明の他の目的は、金属帯を圧延する前に圧延機の振動を予測する圧延機の振動予測モデルを生成可能な圧延機の振動予測モデルの生成方法を提供することにある。

本発明に係る圧延機の振動予測方法は、ロール研削機によって研削された圧延ロールを用いて圧延機により金属帯を圧延する圧延工程における前記圧延機の振動を予測する圧延機の振動予測方法であって、入力データとして、前記ロール研削機の研削操業パラメータから選択した１又は２以上のパラメータと、前記圧延機の圧延操業パラメータから選択した１又は２以上のパラメータと、を含み、圧延工程における前記圧延機の振動情報を出力データとした、機械学習により学習された圧延機の振動予測モデルを用いて、前記圧延機の振動を予測するステップを含む。

前記研削操業パラメータは、前記圧延ロールを前記ロール研削機により研削する際に取得されるロール研削機の振動情報を含むとよい。

前記研削操業パラメータは、前記圧延ロールを前記ロール研削機により研削するときの研削砥石への負荷情報に関する研削砥石負荷パラメータと前記研削砥石の使用履歴情報に関する研削砥石使用履歴パラメータとを含むとよい。

本発明に係る圧延機の異常振動判定方法は、本発明に係る圧延機の振動予測方法を用いて、前記ロール研削機により研削した圧延ロールを前記圧延機に組み込んだ後であって、金属帯の圧延を開始する前に、前記ロール研削機の研削操業パラメータの実績値と、前記圧延機の圧延操業パラメータの設定値を用いて、前記金属帯を圧延する際の圧延機の振動を予測する第１ステップと、前記第１ステップによる振動の予測結果と予め設定された圧延機の振動の上限値との比較に基づいて、前記圧延機の異常振動の発生の有無を判定する第２ステップと、を含む。

本発明に係る金属帯の圧延方法は、本発明に係る圧延機の異常振動判定方法を用いて圧延機の異常振動が発生すると判定された場合に、前記圧延機の圧延操業条件を再設定するステップを含む。

本発明に係る圧延機の振動予測モデルの生成方法は、ロール研削機によって研削された圧延ロールを用いて圧延機により金属帯を圧延する圧延工程における前記圧延機の振動を予測する圧延機の振動予測モデルを生成する圧延機の振動予測モデルの生成方法であって、前記ロール研削機の研削操業パラメータから選択した実績データと、前記圧延機の圧延操業パラメータから選択した実績データとを、入力実績データとし、その入力実績データを用いた金属帯の圧延における前記圧延機の振動情報を出力実績データとした、複数の学習用データを取得し、取得した複数の学習用データを用いた機械学習によって前記圧延機の振動予測モデルを生成する学習ステップを含む。

前記機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及びサポートベクター回帰から選択した機械学習を用いるとよい。

本発明によれば、金属帯を圧延する前に圧延機の振動を予測可能な圧延機の振動予測方法を提供することができる。また、本発明によれば、金属帯を圧延する前に圧延機の異常振動を予測可能な圧延機の異常振動判定方法を提供することができる。また、本発明によれば、チャタマークの発生を抑制して金属帯の製造歩留まりを向上させることが可能な金属帯の圧延方法を提供することができる。また、本発明によれば、金属帯を圧延する前に圧延機の振動を予測する圧延機の振動予測モデルを生成可能な圧延機の振動予測モデルの生成方法を提供することができる。

図１は、本発明の一実施形態である圧延機の構成を示す図である。 図２は、本発明の一実施形態であるロール研削機の構成を示す図である。 図３は、ロール研削機の振動信号処理部における処理フローを示す図である。 図４は、圧延機の振動信号処理部における処理フローを示す図である。 図５は、圧延機の振動情報として着目する周波数帯を説明するための図である。 図６は、振動予測モデル生成部の構成を示す図である。 図７は、振動予測モデル生成部における処理フローを示す図である。 図８は、圧延機振動予測部における処理フローを示す図である。 図９は、ロール研削機の振動情報の取得方法を説明ための図である。

以下、図面を参照して、本発明の一実施形態について説明する。

金属帯の冷間圧延工程における圧延機の異常振動をチャタリングと呼び、チャタリングによって金属帯の表面に形成される周期的な模様をチャタマークと呼ぶ。本実施形態では、金属帯の表面に０．５～１０μｍ程度の振幅の凹凸が形成されているチャタマークを処理対象とする。これは金属帯の厚みが変動しているために生じることが多い。このような表面の微小な凹凸が形成されるチャタマークは、冷間圧延機の出側に設置された板厚計では検出することが難しい場合が多い。また、冷間圧延後の金属帯の表面を目視で観察しても判定しにくい。このような軽度のチャタマークは、めっき処理等の表面処理を行った後に検出されるか、金属帯のプレス成形後に初めて検出される場合も多い。

チャタマークの発生原因となるチャタリングは、これまで、圧延機を構成するベアリング、ギアのかみ合い、カップリング等のがたつきに起因する場合が多いとされている。この場合、チャタリングは、圧延機に設置した振動計から取得される振動データを解析し、特定の周波数帯における振動の大きさが予め設定された閾値を超えた場合に検出できるとされてきた。しかしながら、本発明の発明者らは、チャタマークの発生原因の中には圧延ロールの研削に起因するものがあることを知見した。また、圧延機に圧延ロールを組み込む前のロール研削機による圧延ロールの研削状態によって圧延ロールの表面に微小な凹凸が発生し、そのような圧延ロールを用いて冷間圧延工程を行うと、特定の圧延条件との組み合わせによって圧延機の振動が大きくなることを知見した。本発明は、このような知見に基づいてなされたものである。

〔圧延機〕
本実施形態において用いる圧延機は、連続式冷間圧延機であり、主として４～６スタンドのタンデムミルを対象とする。但し、本発明は、単スタンドのリバース式圧延機にも適用でき、タンデムミルのスタンド数もこれに限定されない。図１は、本発明の一実施形態である圧延機の構成を示す図である。図１に示すように、本発明の一実施形態である圧延機は、通板方向の入側から順に第１～第４（＃１～＃４）スタンドを備えている。なお、圧延機に附帯する他の装置（例えば入側の巻戻機、溶接機、及びルーパ、並びに出側の切断機及び巻取機等の装置）については図示を省略している。図１に示す圧延機を構成する各スタンドは４段式圧延機であり、上下のワークロール及び上下のバックアップロールを備えている。

図中、符号Ｓは鋼板、符号１はワークロール、符号２はバックアップロール、符号３ａはテンションメータロール、符号３ｂはデフレクターロール、符号４は電動機を含む駆動装置、符号５はハウジング、符号６は振動計をそれぞれ表す。なお、振動計６としては、圧電素子型振動センサが好適であるが、その他の方式の振動計を用いてもよい。また、振動計６はハウジング５に設置するのが好ましい。特にハウジング５の上部は、振動の変位が比較的大きいので、ハウジング５の上部に振動計６を設置するのが好ましい。

各スタンドの上側のバックアップロールの上部にはロードセル７からなる圧延荷重検出器が設けられている。また、各スタンドには、ワークロールのロール周速を変更する電動機であるロール速度制御機と、ロールギャップを変更するロールギャップ制御機とがそれぞれ設置されている。さらに、各スタンド間のテンションメータロール３ａには鋼板Ｓの張力を検出する張力計が設けられている。また、第１スタンド及び第４スタンドの出側には、鋼板Ｓの板厚を検出する板厚計８が設けられている。

なお、圧延機には、ロール交換装置が備えられている。ロール交換装置には、レール上を圧延ロールの軸方向に走行可能な台車が備えられており、ロール交換装置は、使用後の圧延ロールを抜き出してから、研削後の圧延ロールを装入する。使用後の圧延ロールは、軸受箱が装着されたままクレーンや運搬台車を用いてロールショップに搬送される。

ここで、鉄鋼製品の製造を行うためのシステムは、多数の設備を対象とした生産管理を行うために大規模な階層システムによって構成されている。具体的には、階層システムは、最上位にはＬｅｖｅｌ３であるビジネスコンピュータ、連続式冷間圧延機のような製造ライン単位にはＬｅｖｅｌ２である制御用計算機（プロセスコンピュータ）、各ラインを構成する設備単位にはＬｅｖｅｌ１である圧延制御コントローラ（ＰＬＣ）といった階層で構成されている。

制御用計算機は、上位のビジネスコンピュータと下位のＰＬＣとの間に位置し、ビジネスコンピュータで計画された製造計画を受信して製造ラインに鋼板の製造指示を行う。また、制御用計算機は、ＰＬＣを含む下位機器より各種実績情報を収集し、それらを運転監視画面に表示したり、理論モデルに基づいた演算を行い、制御に必要な情報をＰＬＣに送信したりすることが主な役割である。一方、ＰＬＣは、製造設備を構成するドライブやバルブ、センサ等に対して的確なタイミングで指示を出すこと、機器同士が干渉しないよう動作の調整を行うこと、センサが保持するカウント値を物理的な情報と紐づけて動作させること等が主要な役割である。

本実施形態では、図１に示すように、鉄鋼製品の製造を行うためのシステムは、タンデムミルと、そのタンデムミルを制御する圧延制御コントローラ（ＰＬＣ）１１と、ＰＬＣ１１を含む圧延機を管理する制御用計算機（プロセスコンピュータ）１２と、製造ラインに対して製造指示を与えるビジネスコンピュータ１３と、を備えている。制御用計算機１２は、鋼板Ｓの溶接点が通過する前に次の鋼板Ｓの圧延操業条件を決定する。具体的には、ビジネスコンピュータ１３から与えられる母材寸法（母材板厚と板幅）、製品目標板厚等の情報に従ってパススケジュールが設定され、制御用計算機１２は、各スタンドの圧延荷重と先進率の予測値、及びロールギャップ、ロール速度の設定値を決定する。その際、圧延荷重やロール速度の設定のために、圧延機に使用する圧延ロールに関する情報として、研削後（スタンドへの装入前）のロール径等の実測値を含む圧延ロールの諸元情報（ロール径、ロールバレル長、ロール番号、ロール材質、表面粗さの規格区分等）が制御用計算機１２に送られる。

ＰＬＣ１１は、制御用計算機１２から取得したロールギャップ、ロール速度の設定値（指令値）に基づき、各スタンドのロール速度制御機及び各スタンドのロールギャップ制御機を制御するための処理を実行する。また、ＰＬＣ１１は、ロードセル７で検出される圧延荷重や、張力計による張力測定値等の圧延データを連続的に収集し、予め設定された周期毎に制御用計算機１２に出力する。

本実施形態では、制御用計算機１２において設定された又は収集された圧延機の操業条件が圧延機操業データ出力部１４に送られ、後述する振動予測モデル生成部５１の入力となる。但し、ＰＬＣ１１によって収集される圧延データから必要に応じて選択されたデータが直接、圧延機操業データ出力部１４に送られるようにしてもよい。また、本実施形態では、振動計６により収集した圧延機の振動データは、圧延機による冷間圧延時の振動情報に変換する圧延機の振動信号処理部１５に送られる。

〔ロール研削機〕
図２は、本発明の一実施形態であるロール研削機の構成を示す図である。図２に示すように、本実施形態において使用するロール研削機は、円筒型研削砥石を用いたロール研削機により構成されている。ロール研削機の研削対象となる圧延ロールは、圧延機にて使用された後にクレーン等を用いてロールショップに運搬される。その後、圧延ロールは、軸受箱から抜き出し、自然放冷により常温まで冷却された後、１本ずつロール研削機にセットされる。

ロール研削機は、研削砥石２１を支持する研削ヘッド２２、研削ヘッド２２を圧延ロール９の軸方向及び接近方向に移動駆動する二軸テーブル２３、及び圧延ロール９を支持しながら回転させるロール支持装置（ロールチャック２４、ロール回転モータ２５、芯押し台２６、受け台２７）を備えている。

ロール支持装置は、圧延ロール９を軸方向の一端側から支持するロールチャック２４、圧延ロール９を所定の回転数で回転駆動させるロール回転モータ２５、圧延ロール９を軸方向の他端側から支持する芯押し台２６、及びネック部で圧延ロール９を支える受け台２７を備えている。芯押し台２６は、圧延ロール９の軸心をロール回転モータ２５の回転軸の軸心とあわせる役割を有している。芯押し台２６の圧延ロール９との接触部は円錐状の形状をしており、圧延ロール９の軸端部の中心に空いた座繰り穴ないしは固定治具の座繰り穴に円錐の先端を押し入れ、台の位置を微調整して芯を出す構造である。研削時の圧延ロール９の回転数は、ロール研削機の制御用コントローラ４２により制御される。

二軸テーブル２３は、ガイド２８ａ及びガイド２８ｂ上を移動する構造となっており、圧延ロール９の軸方向と平行に配置されるガイド２８ａに沿って横行するほか、ガイド２８ｂに沿って研削砥石２１を圧延ロール９の軸心と垂直方向に移動する構造となっている。ガイド２８ａ及びガイド２８ｂに沿った二軸テーブル２３の移動は、サーボモータを用いた位置制御により行われ、これにより研削砥石２１による研削位置と切込み量が制御される。研削に際しては、圧延ロール９の軸方向の一方の端部から他方の端部まで研削していき、引き続き他方の端部から一方の端部まで研削を行う。このように研削砥石２１が１往復する単位をトラバースと呼ぶ。通常の研削過程は、研削量を大きく設定する粗研削と、圧延ロール９の表面を仕上げるための仕上研削の工程とに分けられる。一般的には、粗研削のトラバース数は８０～１５０回程度、仕上研削のトラバース数は５～１５回程度とする。

研削ヘッド２２は、研削砥石２１、砥石回転用モータ２９、研削動力を伝達するプーリー３０とベルト３１を支持する。但し、プーリー３０とベルト３１による動力伝達方式ではなく、砥石回転用モータ２９により直接研削砥石２１を回転駆動する場合もある。砥石切込み量とは、各トラバース前に圧延ロール９と研削砥石２１が接触する状態を基準として、研削中に圧延ロール９の表面と研削砥石２１の軸心部との接近量のことをいう。但し、研削砥石２１と圧延ロール９の接触をセンサ等により検出することが難しい場合もある。このため、粗研削工程又は仕上研削工程の最初の研削（第１トラバース）を行う際に、研削砥石２１と圧延ロール９の接触状態をオペレータが確認し、以降のトラバースでは、砥石回転用モータ２９の消費電流値が第１トラバースにおける消費電流値と同じになるように研削条件を設定することもある。あるいは、砥石切込み量ではなく、砥石回転用モータ２９の消費電流値を直接設定値として用いることにより研削を実施する場合もある。

砥石切込み量の制御は、サーボモータを用いたＮＣ装置による研削砥石２１の位置制御によって行われる。通常は、砥石切込み量が大きいほど、１トラバース当たりの研削量が増加するため、ロール研削に要する時間を短くすることができる。一方、砥石切込み量が大きい場合には、砥石回転用モータ２９の負荷が過大になり、圧延ロール９の表面に模様状の欠陥を発生させる場合がある。さらに、研削ヘッド２２には、研削砥石２１のドレス装置が付設されている場合がある。これは、研削砥石２１を構成する表面の砥粒にダイヤモンド等を接触させて、砥石の切れ味を回復させる装置である。

ここで、図２に示すロール研削機には、ロール研削機の研削操業条件設定計算機（制御用計算機）４１が設けられている。ロール研削機の制御用計算機４１は、研削対象となる圧延ロール９の寸法情報、研削量、及び表面仕上粗さの目標値等を上位計算機であるビジネスコンピュータ１３から取得し、ロール研削機における研削条件を設定し、ロール研削機の制御用コントローラ４２に送る。

ロール研削機における研削条件は、少なくとも、研削時のロール回転数、研削砥石回転数、及び砥石切込み量（又は砥石回転用モータ２９の設定電流値）の３つの設定条件を含み、粗研削から仕上研削のトラバース毎に設定される。但し、これらのロール研削機における研削条件は、圧延ロール９の研削状態をオペレータが確認しながら適宜修正される場合がある。この場合には、修正されたロール研削機における研削条件がロール研削機の制御用計算機４１に送られる。また、ロール研削機における研削条件として上記の操業条件を設定するにあたっては、研削対象となる圧延ロールの直径、表面の硬度、研削前の表面粗さ等の因子を考慮した設定テーブルを備える場合もある。一方、研削砥石２１の条件として、研削砥石２１の番手、砥石径（初期砥石径、現砥石径）や研削砥石２１の累積研削時間、ドレス装置によるドレス後の総研削量等の因子が考慮される。

ここで、初期砥石径とは、研削砥石２１が製造されてからロール研削で最初に使用される前の砥石径であり、現砥石径とは、研削対象の圧延ロール９の研削を開始する前に測定した砥石径である。砥石径は、研削砥石２１の外周部を複数個所選定して、マイクロメータにより測定する。また、予め研削砥石２１の側面に半径方向に１～５ｍｍピッチのマークを付与しておき、そのようなマークから砥石径を読み取ることによって特定してもよい。研削砥石２１は、初期砥石径が８５０～９５０ｍｍであり、外径が４５０～６００ｍｍ程度になった場合に廃却される。

ロール研削機の制御用コントローラ４２は、ロール研削機の制御用計算機４１により設定されるロール研削機の操業条件の制御目標値に対して、研削開始から研削終了までの各トラバースに対する研削時のロール回転数、研削砥石回転数、及び砥石切込み量（又は砥石回転用モータの電流値）がその制御目標値になるように各機器を制御する。また、ロール研削機の制御用コントローラ４２は、研削時の研削砥石２１を駆動するモータ電流値の実績値を取得する。なお、研削中のロール回転数、研削砥石回転数、及び砥石切込み量の実績値を計測できる場合には、ロール研削機の制御用コントローラ４２は、それらの実績値を取得する。さらに、ロール研削機の研削ヘッド２２に振動計（例えば加速度計）６を設置する場合には、ロール研削機の制御用コントローラ４２は、その振動計測データ（加速度データ）を取得する。このようにして取得したデータは、ロール研削の操業状態を解析するためのデータとして、ロール研削機の制御用計算機４１に送られる。なお、図２のロール研削機の制御用計算機４１とロール研削機の制御用コントローラ４２は、単一の制御用コンピュータで構成してもよい。

ここで、圧延ロール９の研削時の代表的な研削操業条件としては、研削砥石回転数として研削砥石２１の周速が２０～３０ｍ／秒、研削時の圧延ロール９の回転数が周速で０．５～１．５ｍ／秒、１トラバースあたりの砥石切込み量は１～５０μｍである。なお、砥石回転用モータ２９の電流値は、代表値として１２０～１６０Ａ程度である。

以上のような研削工程において、仕上研削が終了した圧延ロール９は、適宜仕上面を目視等により検査した後、研削済みロール保管エリアに移され、順番がくるとロール交換装置に戻され、圧延機に組み込まれる。その際、全ての圧延ロール９にはロール番号が付されており、そのロール番号によってロール研削における操業条件と圧延機に組み込まれた態様（装入されるスタンドやスタンド内での配置）を紐づけることができる。

このとき、圧延ロール９のロール番号を含む諸元情報は、上位計算機であるビジネスコンピュータ１３に送られる。ビジネスコンピュータ１３は、ロール研削機と圧延機の共通の計算機であり、圧延ロール９の諸元情報はビジネスコンピュータ１３を経て、ロール研削機と圧延機の双方から参照することができる。また、ロール研削機の制御用計算機４１により認識される研削操業データは、ビジネスコンピュータ１３を経由して、圧延機に送られるようにしてもよい。また、ロール研削機と圧延機の間で情報を受け渡すことができる専用のサーバーを設置してもよい。但し、圧延ロール９を研削するタイミングとそれらが圧延機に組み込まれるタイミングには時間的なずれがあるため、十分な記憶容量を確保しておく必要がある。さらに、ロール研削機に振動計６が設置される場合の、振動計６により収集したロール研削機の振動データについては、ロール研削機の振動信号処理部４３に送られ、ロール研削機における振動情報に変換される。ロール研削機における振動情報も、上記と同様に、ビジネスコンピュータ１３を経由するか、専用のサーバーを経由して圧延機側に送られるようにする。

〔ロール研削機の研削操業パラメータ〕
本実施形態に用いる研削操業パラメータとしては、上記のロール研削機の操業状態を特定する任意の操業条件を用いることができる。例えば、ロール研削機の研削条件として、粗研削から仕上研削の各トラバースで設定される研削時のロール回転数、研削砥石回転数、及び砥石切込み量について、全トラバースから任意に選択したトラバースにおけるこれらの値を用いてもよい。また、任意のトラバースにおける研削砥石２１を回転駆動するモータ電流や、その駆動軸に負荷されるトルクを用いてもよい。この場合には、トラバース中のモータ電流やトルクの平均値を用いる等、そのトラバースにおける駆動装置の出力についての代表値を用いることができる。さらに、研削対象となる圧延ロール９の直径、表面の硬度、表面粗さ等、圧延ロール９の諸元情報の中から研削操業パラメータを選択してもよい。一方、研削砥石２１の操業条件として、研削砥石２１の番手、砥石径（初期砥石径、現砥石径）やドレス装置によるドレス後の総研削量（距離）を研削操業パラメータとして用いてもよい。

このとき、ロール研削機により圧延ロール９を研削する研削砥石への負荷状態を代表する情報として、任意のトラバースにおける研削砥石２１を駆動するモータ電流値や砥石切込み量を用いるのが好ましい（研削砥石負荷パラメータ）。研削砥石２１を駆動するモータ電流値は、研削時の研削砥石２１によって圧延ロール９に与えられる研削仕事と相関があり、砥石切込み量は研削砥石２１へ作用する荷重と相関があるため、それらに応じて研削時の圧延ロール９の凹凸形成に影響を与えるからである。

また、研削砥石２１の使用履歴情報を表す、研削砥石２１の初期砥石径と研削対象の圧延ロール９を研削する前の状態の砥石径（現砥石径）との差や、研削砥石２１の購入時の状態から現砥石径までの総研削時間、ドレス後の総研削量（総研削距離）を用いるのが好ましい（研削砥石使用履歴パラメータ）。これらは、研削砥石２１が有する砥粒の状態や、研削砥石２１の半径方向での砥粒の粒度分布状態、あるいは研削砥石２１の劣化・摩耗状態を代表するパラメータとして、研削後の圧延ロール９の表面仕上状態に影響を与えるからである。研削砥石２１は砥石メーカによりほぼ円形の状態で納入されるが、研削機の剛性及び研削砥石２１の摩耗のしやすさにより、実際に研削に使用していくと徐々に円形とは乖離した形状となる場合がある。そのようになると、ロール研削時に砥石回転数の整数倍の振動が発生しやすくなる。この場合、研削している圧延ロール９に、目視では確認することができない程度の周期的模様又は圧延ロール９の周方向のプロフィール変化が発生する。これにより、圧延機において圧延ロール９を使用した際の振動挙動に影響を与える。

一方、本実施形態では、上記の研削砥石負荷パラメータと、研削砥石使用履歴パラメータのぞれぞれのパラメータから選択される研削操業パラメータを組み合わせて用いるのが好ましい。研削砥石２１への負荷状態と研削砥石２１の劣化・摩耗状態の両者により、圧延ロール９の表面にわずかな凹凸が形成される、形成されやすさが変化するからである。

〔ロール研削機の振動信号処理部〕
ロール研削機が振動計６を備える場合、振動計６で検出された信号を処理することにより得られるロール研削機の振動情報を研削操業パラメータに含めることができる。ロール研削機の振動情報は、図２に示すロール研削機の振動信号処理部４３による処理から得られる。ロール研削機が振動計６を備える場合、振動計６は、研削時の振動を測定可能な任意の位置に設置することができる。但し、研削ヘッド２２及びロール支持装置のいずれかに設置するのが好ましい。より好ましくは、ロール研削機の研削ヘッド２２の研削砥石２１に比較的近い位置である。

振動計６が検出する信号は、振動変位、振動速度、又は振動加速度である。従って、振動計６の出力はいずれの信号でもよく、ロール研削機の振動情報として、振動変位、振動速度、及び振動加速度のいずれの指標を用いてもよい。いずれの信号を検出しても、研削ヘッド２２の振動変位のデータを得ることができる。ここで、ロール研削機の振動信号処理部４３は、パーソナルコンピュータやワークステーション等の演算処理装置によって実現されるものであり、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等を主要構成部品としている。

図３は、ロール研削機の振動信号処理部における処理のフローを示したものである。ここでは、振動計６が検出する信号として、研削ヘッド２２の振動加速度が得られる場合であって、振動速度からロール研削機の振動情報を得る例を示す。このとき振動計６によって収集されるデータは、時系列の加速度データである。振動計６によって検出されるデータのサンプリング周波数は１００Ｈｚ以上、好ましくは４００Ｈｚ以上である。より好ましくは１０００Ｈｚ以上である。振動計６によってサンプリング周期毎に出力される加速度データは、ロール研削機の振動加速度データ収集部４３ａに送られる。ロール研削機の振動加速度データ収集部４３ａは、振動計６のノイズを除去するために、所定のデータ特定時間（例えば１．０秒）毎に振動加速度の平均化処理を行い、ロール研削機の振動速度計算部４３ｂに出力する。研削機の振動速度計算部４３ｂは、所定のデータ特定時間毎に入力される振動加速度を時間積分することで振動速度を算出する。

このようにして得られたロール研削機の振動速度に対して、ロール研削機の周波数解析部４３ｃが、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を得る。本実施形態では、このようにして得られた周波数成分とスペクトル値との関係をロール研削機振動情報として用いる。具体的には、周波数成分とスペクトル値との関係から、任意の周波数帯域におけるスペクトル値を選択し、その値をロール研削機振動情報として用いることができる。その際、選択する周波数帯域として、２以上の周波数帯域を設定して、それらに対応するスペクトル値をロール研削機振動情報として用いてもよい。また、全周波数帯のスペクトル中の最大値を用いてもよい。さらに、ロール研削機の振動計６による時系列の加速度データを取得すると同時に、研削砥石２１の回転速度計から得られる砥石回転周波数の時系列データを取得する。そして、取得した砥石回転数周波数で上記周波数帯域の割り算を行って無次元周波数を得て、その無次元周波数の値の整数値（例えば、１～１０）におけるスペクトル値をロール研削機振動情報としてもよい。

なお、振動速度に基づくロール研削機振動情報に代えて、振動変位に基づいて同様の方法で処理を行ってもよい。振動変位は振動速度を時間積分することにより算出でき、算出した振動変位に対してフーリエ変換により周波数成分とそのスペクトル値を得ることで、上記と同様にロール研削機振動情報とすることができる。また、計測によって得られた振動加速度を直接用いることも可能である。この場合、ロール研削機の振動加速度データ収集部４３ａで収集した加速度データに対してフーリエ変換により周波数成分とそのスペクトル値を得た結果を用いることができる。一方、予めロール研削機の固有振動数が分かっている場合には、固有振動数の１／２から２倍までの周波数帯域におけるスペクトル値の最大値をロール研削機振動情報として用いることもできる。

本実施形態では、以上のようにして得られるロール研削機振動情報について、特に粗研削工程の終了前の５～１０トラバース分のロール研削機振動情報を算出し、さらにそれらの平均値を用いるのが好ましい。仕上研削は、圧延ロールの表面粗さを最終的に調整する工程であり、圧延ロール９の表面に形成されるわずかな凹凸は、概ね粗研削工程が終了した時点では既に形成されていることが多いからである。なお、ロール研削機振動情報として、振動計６による時系列データに代えて、ロール研削時の研削砥石２１を駆動するモータ電流値の時系列データを用いてもよい。この場合、モータ電流値の時系列データに対して、フーリエ変換によって周波数成分とそのスペクトル値を得ることにより、上記と同様にロール研削機振動情報を得ることができる。研削砥石２１を駆動するモータ電流値の時間的な変動には、ロール研削機の振動状態に関する情報が含まれており、振動計６を設置しなくてもロール研削機の振動状態を代表する操業パラメータを取得できる点で有利である。

以上のようにして、ロール研削機の振動信号処理部４３により取得したロール研削機振動情報は、後述する振動予測モデル生成部５１及び圧延機振動予測部６１に送られる。

〔圧延機の圧延操業パラメータ〕
本実施形態では、圧延機の圧延操業パラメータとして、鋼板Ｓに対する圧延状態を特定するための任意の圧延操業パラメータを用いることができる。図１に示す制御用計算機１２においては、鋼板Ｓの圧延に先立って鋼板Ｓの圧延条件を決定するために、スタンド毎に入側板厚、出側板厚、入側張力、出側張力、ワークロール径、ワークロール回転数、変形抵抗、及び摩擦係数が設定される。これらは、圧延機の圧延操業パラメータとすることができる。

また、鋼板Ｓの圧延を行った圧延荷重、張力、板厚、先進率、ワークロール回転数、ロール間隙等のスタンド毎の実績値は、圧延機に設置された各種検出器により検出され、ＰＬＣ１１で収集された後、それらの時系列データから所定の周期毎の平均値を算出する等した後に制御用計算機１２に送られる。これらはいずれも圧延機の圧延操業パラメータとなる。なお、制御用計算機１２の設定計算において算出されるスタンド毎の圧延荷重、圧延トルク、先進率等の設定計算値を圧延機の圧延操業パラメータとして用いてもよい。さらに、鋼板Ｓの製造工程として、上流側の製造工程によって収集され、ビジネスコンピュータ１３を通じて制御用計算機１２に送られる母材の板厚や板幅の実績値、母材となる鋼板Ｓの変形抵抗も圧延機の圧延操業パラメータとすることができる。

これらの圧延機の圧延操業パラメータからは、スタンド毎の板厚、圧下率、圧延速度を選択するのが好ましい。チャタリングの発生に対して影響が大きい操業パラメータだからである。但し、これらは圧延機の振動が大きくなりやすいスタンドとして、例えば連続式冷間圧延機の最終スタンドと、その１つ上流スタンドを対象として取得した圧延操業パラメータであってもよい。

〔圧延機の振動情報〕
本実施形態の圧延機による冷間圧延時の振動情報は、圧延機を構成する任意のスタンドの振動情報を用いることができる。スタンドの振動情報として、スタンドのハウジング５に設置した振動計６の出力だけでなく、スタンド間の補助ロール（テンションメータロール３ａやデフレクターロール３ｂ）に設置した振動計等、圧延中の圧延機の振動状態を検出できる検出器によって得られる情報であればよい。また、連続式冷間圧延機については、特にチャタリングが発生しやすいスタンドに限定して振動情報を採取してもよい。ここでは、スタンドのハウジング５上部に設置した振動計６によって得られる冷間圧延時の振動情報について説明する。

スタンドに設置した振動計６が検出する信号は、振動変位、振動速度又は振動加速度である。振動変位は振動速度を時間積分することにより算出することができ、振動速度は振動加速度を時間積分することで算出できるため、いずれの信号を検出しても、スタンドの振動変位のデータを得ることができる。ここで、図１に示す圧延機の振動信号処理部１５は、パーソナルコンピュータやワークステーション等の演算処理装置によって実現されるものであり、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を主要構成部品としている。

図４は、冷間圧延時における圧延機の振動情報を得るための処理例を示す図である。ここでは、振動計６が検出する信号として、スタンドの振動加速度が得られる場合に、振動速度に基づいて圧延機振動情報を得る例を示す。振動計６により収集されるデータは、時系列の加速度データである。圧延機の振動情報を得る場合には、振動計６によって検出されるデータのサンプリング周波数は、２，０００～１０，０００Ｈｚの範囲で設定される周波数が好ましい。より好ましくは３，０００～７，０００Ｈｚである。チャタリングが発生する周波数よりも大きな周波数を選択する。

このとき、スタンドに設置した振動計６によってサンプリング周期毎に出力される加速度データは、圧延機の振動信号処理部１５が備える圧延機の振動加速度データ収集部１５ａに送られる。圧延機の振動加速度データ収集部１５ａは、振動計６のノイズを除去するために、所定のデータ特定時間（例えば０．２秒）毎に振動加速度の平均化処理を行い、圧延機の振動信号処理部１５が備える圧延機の振動速度計算部１５ｂに出力する。圧延機の振動速度計算部１５ｂは、所定のデータ特定時間毎に入力される振動加速度を時間積分することで振動速度を算出する。

このようにして得られた圧延機の振動速度に対して、圧延機の振動信号処理部１５が備える圧延機の周波数解析部１５ｃが、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を得る。本実施形態では、このようにして得られた周波数成分とスペクトル値との関係を圧延機の振動情報として用いる。具体的には、周波数成分とスペクトル値との関係から任意の周波数帯域におけるスペクトル値を取得し、その値を圧延機の振動情報として用いることができる。その際、選択する周波数帯域として、チャタマークが発生しやすい振動周波数に着目して、その周波数を含む周波数帯域を設定し、設定された周波数帯でのスペクトル値を圧延機の振動情報として用いることができる。また、圧延機の振動情報は、圧延機の振動信号処理部１５が振動計６のデータを取得するときの圧延速度に対応付けられた情報であるのが好ましい。その場合、設定された周波数帯でのスペクトル値は圧延速度毎に取得される。振動計６から取得する信号と圧延速度とを対応付けるためには、圧延機の振動信号処理部１５は、スタンドに設置した振動計６からの信号の他にワークロール周速データを取得すればよい。但し、圧延機の振動情報はチャタマークが発生しやすい圧延速度に限定して取得してもよい。例えば圧延速度が８００ｍ／分の条件でチャタマーク発生しやすい場合、一定の速度帯を設定して圧延速度が７００～９００ｍ／分となるような条件で圧延機の振動情報を取得してもよい。

例えば図５に示すように、周波数成分とそのスペクトル値（振動強度）の関係として、チャタマークが発生した場合（異常振動あり）の圧延機の振動情報と、チャタマークが発生なかった場合（異常振動なし）の圧延機の振動情報とを対比する。そして、チャタマークが発生した場合の圧延機の振動強度のスペクトルが大きかった振動周波数帯（着目する振動周波数帯）を設定して、その設定された振動周波数帯における振動強度のスペクトルを圧延機の振動情報とすることができる。例えば、着目する振動周波数帯を設定し、その周波数帯で最大のスペクトル値を圧延機の振動情報としてもよい。

〔振動予測モデルの生成〕
本実施形態の圧延機の振動予測モデルの生成方法は、ロール研削機によって研削された圧延ロール９を用いて圧延機により鋼板Ｓの冷間圧延を行う圧延工程において、ロール研削機の研削操業パラメータから選択した実績データと、圧延機の圧延操業パラメータから選択した実績データとを、入力実績データとし、その入力実績データを用いた冷間圧延時における圧延機の振動情報を出力実績データとした、複数の学習用データを取得し、取得した複数の学習用データを用いた機械学習によって圧延機の振動予測モデルを生成する学習ステップを含む。

図６に示す振動予測モデル生成部５１には、ロール研削機の研削操業パラメータとして、研削操業データ出力部４４から実績データが送られ、必要に応じてロール研削機振動情報が送られる。また、圧延機の圧延操業パラメータは、制御用計算機１２を通じて圧延機操業データ出力部１４により実績データが送られる。また、圧延機に組み込まれた圧延ロール９の諸元情報は、圧延ロール９のロール番号を参照して、ビジネスコンピュータ１３から制御用計算機１２を経由し、振動予測モデル生成部５１に送られる。一方、それらの操業条件の下で圧延が行われた際の圧延機の振動情報は、圧延機の振動信号処理部１５によって処理された圧延機の振動情報が振動予測モデル生成部５１に送られる。

振動予測モデル生成部５１では、図７に示すように、ロール研削機の実績データから選択される研削操業パラメータの実績データ、圧延機の操業条件の実績データから選択される圧延操業パラメータの実績データ、及び圧延機の振動情報がデータベース５１ａに蓄積される。その際、それらの実績データは、圧延機に組み込まれた圧延ロール９のロール番号が圧延機の制御用計算機１２において認識されているので、ロール番号に基づいてデータの紐づけがなされ、データセットが構築されて、データベース５１ａに蓄積される。

以上のようにして、振動予測モデル生成部５１は、収集した入力データと出力データのデータセットを複数採取して、データベース５１ａに保存する。データベース５１ａのデータ数としては、少なくとも１００個以上、好ましくは５００個以上、より好ましくは１０００個以上のデータが蓄積されていることが好ましい。その後、振動予測モデル生成部５１では、機械学習部５１ｂが、蓄積されたデータセットを用いて、少なくともロール研削機の研削操業パラメータから選択した実績データと、圧延機における鋼板Ｓの圧延操業パラメータから選択した実績データとを、入力実績データとし、その入力実績データを用いた圧延機の振動情報を出力実績データとした機械学習による圧延機の振動予測モデルＭを生成する。

機械学習の方法は、公知の学習方法を適用すればよい。機械学習は、例えばニューラルネットワーク（ディープラーニング、畳み込みニューラルネットワーク等）等の公知の機械学習手法を用いればよい。他の手法としては、決定木学習、ランダムフォレスト、サポートベクター回帰、ガウス過程等を例示できる。また、複数のモデルを組み合わせたアンサンブルモデルを用いてもよい。さらに、圧延機の振動予測モデルＭは、最新の学習データを用いて、適宜、更新すればよい。

ところで、本実施形態の圧延機の振動予測モデルＭに対する入力となるロール研削機の研削操業パラメータとしては、上下のワークロール又は上下のバックアップロールのいずれの圧延ロールに対する研削操業パラメータを選択してもよい。その場合、上バックアップロール又は下バックアップロールに対する研削操業パラメータを用いるのが好ましい。バックアップロールはワークロールよりも質量が大きいため、発生する振動エネルギーが大きく、チャタマークが発生すると振動を持続させやすい特性があるからである。また、圧延機の振動予測モデルＭの入力として、上バックアップロールの研削操業パラメータと下バックアップロールの研削操業パラメータとを組み合わせて用いるのが好ましい。上下いずれかのバックアップロールにチャタリングの原因が含まれる場合にチャタマークが発生しやすいからである。

なお、上記において、研削操業パラメータ、圧延操業パラメータ及び圧延機の振動情報が多数収集できる計算機能力や記憶媒体を備えている場合には、予め選択すべきパラメータを決めることなく、振動予測モデル生成部５１のデータベース５１ａに実績データを蓄積しておき、機械学習部５１ｂにより振動予測モデルＭを生成する際に適宜選択してもよい。

ここで、本実施形態の振動予測モデルＭの入力データは、ロール研削機の研削操業パラメータから選択した実績データと、圧延機の圧延操業パラメータから選択した実績データの両者を含むものである。本発明の発明者らは、圧延ロール９の研削に起因して発生した表面のわずかな凹凸に起因する鋼板Ｓの冷間圧延時の圧延機振動が、チャタマークの発生原因の一つであるという知見を得ている。その場合には圧延機の操業条件のみによってチャタマークが発生するわけではない。一方、圧延ロール９の表面にわずかな凹凸が存在しても、必ずしも圧延機の周期的な変動が生じるものではなく、特定の圧延操業条件との組み合わせによって生じるという知見を得ている。従って、本実施形態の振動予測モデルＭでは、ロール研削機の研削操業パラメータと、圧延機の圧延操業パラメータの両者を入力とする。

〔振動予測方法〕
本実施形態の振動予測方法では、以上のようにして生成した圧延機の振動予測モデルＭを用いた圧延機の振動予測を行う。振動予測を行うタイミングは、予測対象とする鋼板（連続式冷間圧延機の入側で接合された鋼板）Ｓの先端部が圧延機の第１スタンドに装入される前として、制御用計算機１２による圧延対象の鋼板Ｓの設定計算が完了した後が好ましい。制御用計算機１２によって計算される圧延荷重等の圧延操業パラメータを圧延機の振動予測モデルＭの入力値として特定できるからである。また、鋼板Ｓの圧延を開始する前であれば、対象材のパススケジュールを適宜修正する等、チャタリングの発生を未然に防止することができるからである。

具体的には図８に示すように、圧延機振動予測部６１に対して、ロール研削機の研削操業パラメータとして、研削操業データ出力部４４から実績データが送られ、必要に応じてロール研削機振動情報が送られる。また、圧延機の圧延操業パラメータとして、圧延機操業データ出力部１４から圧延機操業パラメータの設定値が送られる。圧延機振動予測部６１は、これらを入力データとして、圧延機の振動予測モデルＭを用いて、鋼板Ｓの冷間圧延における圧延機の振動情報の予測値を求める（第１ステップ）。

一方、圧延機の制御用計算機１２には、チャタマークが発生しない圧延機の振動レベルとして圧延機振動の上限値が予め設定され、その上限値が異常振動判定部６１ａに送られる。圧延機振動上限値は、例えば図５に示すように、チャタマークが発生しやすい周波数帯域において、過去のデータ等に基づき設定される。具体的には、チャタマークが発生しない、又は発生する確率が低いスペクトル値を過去のデータから算出し、それを上限値（圧延機振動上限値）として設定することができる。

異常振動判定部６１ａは、以上のようにして予め設定される圧延機振動上限値に対して、圧延機の振動予測モデルＭを用いて予測される振動の予測結果を比較する。そして、振動の予測結果が圧延機振動上限値以下であれば、異常振動判定部６１ａは、初期設定のまま鋼板の冷間圧延の操業条件を設定し、ＰＬＣ１１への操業条件の指示を確定する。一方、振動の予測結果が圧延機振動上限値を超える場合には、異常振動判定部６１ａは、鋼板Ｓの冷間圧延において異常振動が発生するものと判定する（第２ステップ）。その場合、異常振動判定部６１ａは、鋼板Ｓの冷間圧延の開始前、あるいは鋼板Ｓの冷間圧延の開始後で、鋼板Ｓに対して設定された最高速度まで加速される前の段階で、冷間圧延の操業条件を再設定する（再設定ステップ）。具体的には、圧延のパススケジュールを再設定することができる。スタンド間張力の制御目標値を再設定してもよい。また、鋼板Ｓに対して予め設定されている最高速度を再設定して、チャタリングが発生しない速度域（最高速度の設定値を下げる）とした圧延操業条件を決定する等、チャタリングの発生を抑制できるとされる公知の手段によりチャタリングを回避することができる。これにより、歩留まりが良好な鋼板Ｓを製造することができると共に、圧延機の生産性を向上させることができる。

〔実施例１〕
本実施例では、図１に示す４スタンドの連続式冷間圧延機における圧延機の振動予測モデルを生成した。本実施例では、第３スタンドの下バックアップロールに着目し、当該バックアップロールのロール研削機における研削操業パラメータの実績データを採取した。対象とした圧延ロールは、ロールバレル長１７５０ｍｍ、全長２３００ｍｍ、ロール径１４５１ｍｍである。ロール研削機では、研削砥石としてアルミナ系砥石を使用した。砥石径は納入時φ９１０ｍｍ、研削時は６５０ｍｍで、砥石回転数は６２０ｒｐｍとし、砥石を回転するモータの設定電流値は、粗研削時１２０Ａ、仕上研削時５０Ａとなるよう砥石切込み量を設定した。このとき、ロール研削機の操業パラメータとしては、初期砥石径、使用前砥石径、砥石回転モータ負荷電流、及びロール回転モータ負荷電流を用いた。

また、ロール研削機には、図２に示す振動計６として加速度計を設置し、ロール研削機振動情報を取得した。加速度計による加速度データの収集は、サンプリング周波数１０００Ｈｚとし、加速度計のノイズを除去するために、所定のデータ特定時間（１．０秒）毎に振動加速度の平均化処理を行い、ロール研削機の振動速度計算部に出力した。ロール研削機の振動速度計算部では、データ特定時間毎に入力される振動加速度を時間積分して、振動速度を算出した。さらに、ロール研削機の周波数解析部では、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を得た。

本実施例では、ロール研削機の固有振動数が４２Ｈｚであることが予め分かっており、図９に示すように、その固有振動数に近い２２～６２Ｈｚの周波数（固有周波数±２０Ｈｚ）の成分のうち、砥石回転数１０．３Ｈｚの整数倍となる周波数帯（ただし±２Ｈｚのバンド幅を設定した）の振動に着目した。このように、２２～６２Ｈｚの周波数範囲であって、砥石回転数の整数倍となる周波数バンドにおけるスペクトル値（図９に示す例では丸で囲んだ４つ）をロール研削機の振動情報とした。なお、ロール研削機の固有振動数は、ハンマーによる外力に対するインパルス応答の特性に基づいて同定した。また、本実施例に用いたロール研削機の振動情報は、上記周波数帯における４つのスペクトル値として、上記バックアップロールの粗研削終了までの１０トラバース分の平均値を用いた。また、このようにして研削された第３スタンドの下バックアップロールを上記連続式冷間圧延機に組み込み、鋼板の冷間圧延を実施した際の圧延機操業データとして圧延速度、圧下率、先進率、鋼板の変形抵抗、及び圧延荷重の圧延実績データを取得し、これらを圧延操業パラメータとした。

一方、圧延機の振動情報は、図１に示す圧延機において第３スタンドのハウジング上部に設置した振動計によって取得される加速度データに基づくものを用いた。振動計のサンプリング周波数は２０００Ｈｚとし、所定のデータ特定時間（１．０秒）毎に、振動加速度の平均化処理と時間積分を行い、振動速度の時系列データを取得した。このようにして得られた圧延機の振動速度に対して、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を実績データとして得た。本実施例では、チャタマークが発生しやすい圧延速度４００～１３００ｍｐｍに対応する周波数帯として、３５０～９００Ｈｚに着目し、その周波数帯のスペクトル値の最大値を圧延機における振動情報の実績データとした。

このようにして取得した実績データは、図７に示すデータベース５１ａに蓄積された。そして、蓄積したデータベース５１ａから５００個のデータを用いて機械学習による圧延機の振動予測モデルを生成した。具体的には、上記バックアップロールのロール研削機の研削操業パラメータ、ロール研削機の振動情報、当該バックアップロールを第３スタンドの下バックアップロールに使用して鋼板を圧延した際の圧延操業パラメータを入力実績データとして、圧延機の振動情報である周波数帯３５０～９００Ｈｚの中でのスペクトル値の最大値を出力実績データとした。機械学習手法にはニューラルネットワークを使用し、中間層を３層とし、ノード数は５個ずつとした。活性化関数はシグモイド関数を用いた。このようにして生成した圧延機の振動予測モデルを用いて、圧延機の異常振動判定を実施したところ、本予測モデルを適用する前に比べて、チャタマーク発生率が８０％低減された。

〔実施例２〕
本実施例では、５スタンドの連続式冷間圧延機における圧延機の振動予測モデルを生成した。圧延機の構成は、図１に示す４スタンドの連続式冷間圧延機と同様である。但し、本実施例の圧延機は、上記実施例１の圧延機よりも板幅が大きな金属帯を製造するための連続式冷間圧延機であり、ワークロールの胴長が上記実施例１のそれよりも長い。本実施例では、５スタンドの連続式冷間圧延機における第４スタンドのバックアップロールに着目した。すなわち、本実施例では、第４スタンドの上側及び下側のバックアップロールについて、それらをロール研削機により研削した際の研削操業パラメータの実績値、それらを上記圧延機に組み込んで圧延を行った際の圧延操業パラメータの実績値、及び第４スタンドのハウジング上部に設置した振動計によって取得された圧延機の振動情報の実績値を振動予測モデル生成部５１のデータベース５１ａに蓄積した。

対象としたバックアップロールは、ロールバレル長１９８１ｍｍ、全長２３００ｍｍ、直径１２６０～１４８０ｍｍであった。このようなバックアップロールを研削するロール研削機で用いた研削砥石は白色アルミナ系砥石であり、砥石の購入時の砥石径（初期砥石径）がφ８５０～９１０ｍｍのものを選定した。ここで、バックアップロールを研削する前に測定した使用前砥石径はφ４９０～９１０ｍｍの範囲にあった。また、研削時の砥石回転数は３６０ｒｐｍ～９００ｒｐｍとし、砥石を回転するモータの設定電流値は、粗研削工程では１００～１４０Ａの範囲に設定し、仕上研削工程では５０～８０Ａの範囲に設定し、そのような範囲の電流値になるように砥石切込み量を設定した。また、ロール研削機の研削ヘッド上には振動計として加速度計を設置し、バックアップロールを研削する際のロール研削機の研削情報を取得した。ロール研削機の研削情報としては、粗研削工程から仕上研削工程に移行する際の、仕上研削工程の研削パスの開始前の１０トラバース分の粗研削工程において加速度計から取得される情報を用いた。

ロール研削機に設置した加速度計は、サンプリング周波数１０００Ｈｚで加速度データを取得し、加速度データのノイズを除去するために、所定のデータ特定時間（１．０秒）毎に振動加速度の平均化処理を行い、ロール研削機の振動速度計算部４３ｂに出力した。ロール研削機の振動速度計算部４３ｂでは、データ特定時間毎に入力される振動加速度を時間積分することで振動速度を算出した。さらに、ロール研削機の周波数解析部４３ｃでは、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を得た。一方、砥石回転数の周波数に対して３倍、４倍、５倍、及び６倍の４つの整数倍となる周波数帯（但し、±２Ｈｚのバンド幅を設定した）の振動に着目し、その中で最大となるスペクトル値を選択した。さらに、そのように選択したスペクトル値の粗研削工程の最終１０トラバースの間の平均値をロール研削機の振動情報とした。また、本実施例では、ロール研削機の研削操業パラメータとして、上記のロール研削機の振動情報の他、研削砥石については初期砥石径、使用前砥石径、研削条件として砥石回転数、砥石切込み量、砥石回転モータ負荷電流を選択した。さらに、ロール研削機の研削操業パラメータとして、上記バックアップロールの直径、研削時のロール回転数、ロール回転用のモータ負荷電流を選択し、データベース５１ａにこれらの実績値を蓄積した。

以上のようにして、ロール研削機により研削されたバックアップロールは、連続式冷間圧延機の第４スタンドの上バックアップロール及び下バックアップロールとして使用され、その際の圧延操業パラメータの実績値を取得した。データベース５１ａに収集した圧延機の圧延操業パラメータには、圧延する鋼板の第４スタンドの入側板厚と出側板厚、前方張力、後方張力、先進率、変形抵抗、圧延荷重、及び上下ワークロールの平均径を選択した。また、これらの実績データを取得する際の圧延速度（最終スタンドのワークロール周速）を加えて全９種類の圧延実績データを取得した。これらの実績データは、サンプリングデータについて１秒毎に平均化処理を行うことにより、圧延機の圧延操業パラメータの実績値とした。さらに、圧延機の圧延操業パラメータを取得しながら、圧延機の振動情報の実測値を取得した。圧延機の振動情報は第４スタンドのハウジング上部に設置した振動計により取得される加速度データから算出した。圧延機に設置した加速度センサからはサンプリング周波数２０００Ｈｚの条件で加速度データを取得した。取得した加速度データは、所定のデータ特定時間（１．０秒）毎に振動加速度の平均化処理と時間積分を行うことにより、振動速度の時系列データとした。このようにして得られた圧延機の振動速度に対しては、高速フーリエ変換方式の周波数解析を行い、振動信号に含まれる周波数成分とそのスペクトル値を実績データとして得た。本実施例では、チャタマークが発生しやすい圧延速度４００～１３００ｍｐｍに対応する周波数帯として、３５０～９００Ｈｚに着目し、その周波数帯のスペクトル値の最大値を圧延機の振動情報の実績データとして、データベース５１ａに蓄積した。圧延に供された鋼板は、極低炭素鋼を含む軟鋼から引張強さ１．５ＧＰａの高張力鋼板までを含み、板厚は圧延機入側で２～６ｍｍ、最終スタンド出側では０．６ｍｍ～２．８ｍｍ、板幅は７５０ｍｍ～１８８０ｍｍであり、第４スタンドにおける圧下率は５％～４０％であった。

以上のようにしてデータベースに５００個のデータが蓄積された段階で、圧延機の振動予測モデルを生成した。生成した圧延機の振動予測モデルは、以下の４種類とした。

（１）ロール研削機の研削操業パラメータと圧延機の圧延操業パラメータの両方から入力データを選択した本発明例１
ロール研削機の研削操業パラメータとして、上バックアップロールの研削時における初期砥石径、使用前砥石径、砥石回転数、砥石回転モータ負荷電流の４つと、下バックアップロールの研削時における初期砥石径、使用前砥石径、砥石回転数、砥石回転モータ負荷電流の４つを選択した。また、圧延機の圧延操業パラメータからは圧下率、圧延荷重、圧延速度の３つを選択した。

（２）ロール研削機の研削操業パラメータと圧延機の圧延操業パラメータの両方から入力データを選択した本発明例２
ロール研削機の研削操業パラメータとして、上バックアップロールの研削時におけるロール研削機の振動情報、砥石回転数、砥石回転モータ負荷電流の３つと、下バックアップロールの研削時におけるロール研削機の振動情報、砥石回転数、砥石回転モータ負荷電流の３つを選択した。また、圧延機の圧延操業パラメータから、圧下率、変形抵抗、圧延速度の３つを選択した。

（３）圧延機の圧延操業パラメータから入力データを選択した比較例１
圧延機の圧延操業パラメータとして、第４スタンドの入側板厚と出側板厚、前方張力、後方張力、先進率、変形抵抗、圧延荷重、上下ワークロールの平均径、及び圧延速度の９つを選択した。

（４）ロール研削機の研削操業パラメータから入力データを選択した比較例２
ロール研削機の研削操業パラメータとして、上バックアップロールの研削時におけるロール研削機の振動情報、初期砥石径、使用前砥石径、砥石回転数、砥石切込み量、砥石回転モータ負荷電流、上バックアップロールの直径、研削時のロール回転数、ロール回転用のモータ負荷電流の９個と、下バックアップロールの研削時におけるロール研削機の振動情報、初期砥石径、使用前砥石径、砥石回転数、砥石切込み量、砥石回転モータ負荷電流、下バックアップロールの直径、研削時のロール回転数、ロール回転用のモータ負荷電流の９個を選択した。

以上の本発明例１，２及び比較例１，２の入力データに対して出力データを圧延機の振動情報とした機械学習により、それぞれに対して圧延機の振動予測モデルを生成した。機械学習手法にはニューラルネットワークを使用し、中間層を３層とし、ノード数は５個ずつとした。活性化関数はＲｅＬＵ関数を用いた。そして、本発明例１，２及び比較例１，２の圧延機の振動予測モデルを用いて、テストデータとして、２５００コイルを圧延した実績データに対して、圧延機の振動予測を行った。圧延機の振動は、第４スタンドのハウジングに設置した振動計の出力により判定した。圧延機の異常振動は、３５０～９００Ｈｚの周波数帯における最大のスペクトル値０．０３ｍｍ／秒を閾値として、その値よりも圧延機の振動が大きい状態を異常振動と判定した。一方、上記の圧延機の振動予測モデルによる出力である、圧延機の振動情報が０．０３ｍｍ／秒を超えた場合を異常振動と予測した。そして、テストデータである２５００コイルについて、上記圧延機の振動予測モデルにより異常振動ありと予測した場合に、圧延機の振動計によって異常振動ありと判定されたコイル数をＩ１とした。一方、上記圧延機の振動予測モデルにより異常振動なしと予測した場合に、圧延機の振動計によって異常振動なしと判定されたコイル数をＩ２とした。これらのＩ１とＩ２の和の全体のコイル数２５００コイルに対する比率を一致率と呼ぶ。

その結果、比較例１の一致率は３８％であった。これは、圧延条件のみにより決まる圧延機振動を一部正確に計算できたものの、バックアップロールに根本原因のある圧延機振動については予測精度が低いためと考えられる。一方、比較例２の一致率は４８％となった。これは、バックアップロールの凹凸起因で発生する圧延機振動をある程度反映している半面、圧延条件に起因した圧延機振動や、バックアップロールの凹凸があっても圧延条件によっては異常振動とはならなかった場合に十分な予測ができなかったためと考えられる。一方で、本発明例１の一致率は８５％であった。これは、バックアップロールの凹凸状態に起因した振動と、圧延状態に起因した振動との両者が組み合わさることによって圧延機の異常振動が発生しやすくなることに対応して予測精度が向上したためと考えられる。さらに、本発明例２の一致率は９３％であった。これは、ロール研削機の振動情報を入力に加えることによって、圧延機の異常振動の予測精度が向上したためと考えられる。

以上、本発明者らによってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施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、及び運用技術等は全て本発明の範疇に含まれる。

本発明によれば、金属帯を圧延する前に圧延機の振動を予測可能な圧延機の振動予測方法を提供することができる。また、本発明によれば、金属帯を圧延する前に圧延機の異常振動を予測可能な圧延機の異常振動判定方法を提供することができる。また、本発明によれば、チャタマークの発生を抑制して金属帯の製造歩留まりを向上させることが可能な金属帯の圧延方法を提供することができる。また、本発明によれば、金属帯を圧延する前に圧延機の振動を予測する圧延機の振動予測モデルを生成可能な圧延機の振動予測モデルの生成方法を提供することができる。

１ ワークロール
２ バックアップロール
３ａ テンションメータロール
３ｂ デフレクターロール
４ 駆動装置
５ ハウジング
６ 振動計
７ ロードセル
８ 板厚計
９ 圧延ロール
１１ 圧延制御コントローラ（ＰＬＣ）
１２ 制御用計算機（プロセスコンピュータ）
１３ ビジネスコンピュータ
１４ 圧延機操業データ出力部
１５ 圧延機の振動信号処理部
１５ａ 圧延機の振動加速度データ収集部
１５ｂ 圧延機の振動速度計算部
１５ｃ 圧延機の周波数解析部
２１ 研削砥石
２２ 研削ヘッド
２３ 二軸テーブル
２４ ロールチャック
２５ ロール回転モータ
２６ 芯押し台
２７ 受け台
２８ａ，２８ｂ ガイド
２９ 砥石回転用モータ
３０ プーリー
３１ ベルト
４１ ロール計算機の研削操業条件設定計算機（制御用計算機）
４２ ロール研削機の制御用コントローラ
４３ ロール研削機の振動信号処理部
４３ａ ロール研削機の振動加速データ収集部
４３ｂ ロール研削機の振動速度計算部
４３ｃ ロール計算機の周波数解析部
４４ 研削操業データ出力部
５１ 振動予測モデル生成部
５１ａ データベース
５１ｂ 機械学習部
６１ 圧延機振動予測部
６１ａ 異常振動判定部
Ｍ 圧延機の振動予測モデル
Ｓ 鋼板

Claims (6)

1. ロール研削機によって研削された圧延ロールを用いて圧延機により金属帯を圧延する圧延工程における前記圧延機の振動を予測する圧延機の振動予測方法であって、
   入力データとして、前記ロール研削機の研削操業パラメータから選択した１又は２以上のパラメータと、前記圧延機の圧延操業パラメータから選択した１又は２以上のパラメータと、を含み、圧延工程における前記圧延機の振動情報を出力データとした、機械学習により学習された圧延機の振動予測モデルを用いて、前記圧延機の振動を予測するステップを含み、
   前記研削操業パラメータは、前記圧延ロールを前記ロール研削機により研削するときの研削砥石への負荷情報に関する研削砥石負荷パラメータと前記研削砥石の使用履歴情報に関する研削砥石使用履歴パラメータとを含み、
   前記圧延機の振動情報は、予め設定された周波数帯でのスペクトル値である、
   圧延機の振動予測方法。
2. 前記研削操業パラメータは、前記圧延ロールを前記ロール研削機により研削する際に取得されるロール研削機の振動情報を含む、請求項１に記載の圧延機の振動予測方法。
3. 請求項１又は２に記載の圧延機の振動予測方法を用いて、前記ロール研削機により研削した圧延ロールを前記圧延機に組み込んだ後であって、金属帯の圧延を開始する前に、前記ロール研削機の研削操業パラメータの実績値と、前記圧延機の圧延操業パラメータの設定値を用いて、前記金属帯を圧延する際の圧延機の振動を予測する第１ステップと、
   前記第１ステップによる振動の予測結果と予め設定された圧延機の振動の上限値との比較に基づいて、前記圧延機の異常振動の発生の有無を判定する第２ステップと、
   を含む、圧延機の異常振動判定方法。
4. 請求項３に記載の圧延機の異常振動判定方法を用いて圧延機の異常振動が発生すると判定された場合に、前記圧延機の圧延操業条件を再設定するステップを含む、金属帯の圧延方法。
5. ロール研削機によって研削された圧延ロールを用いて圧延機により金属帯を圧延する圧延工程における前記圧延機の振動を予測する圧延機の振動予測モデルを生成する圧延機の振動予測モデルの生成方法であって、
   前記ロール研削機の研削操業パラメータから選択した実績データと、前記圧延機の圧延操業パラメータから選択した実績データとを、入力実績データとし、その入力実績データを用いた金属帯の圧延における前記圧延機の振動情報を出力実績データとした、複数の学習用データを取得し、取得した複数の学習用データを用いた機械学習によって前記圧延機の振動予測モデルを生成する学習ステップを含み、
   前記研削操業パラメータは、前記圧延ロールを前記ロール研削機により研削するときの研削砥石への負荷情報に関する研削砥石負荷パラメータと前記研削砥石の使用履歴情報に関する研削砥石使用履歴パラメータとを含み、
   前記圧延機の振動情報は、予め設定された周波数帯でのスペクトル値である、
   圧延機の振動予測モデルの生成方法。
6. 前記機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及びサポートベクター回帰から選択した機械学習を用いる、請求項５に記載した圧延機の振動予測モデルの生成方法。

Images