JPH04127908A - 圧延機における形状制御方法および制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は圧延機で圧延された被圧延材の形状制御を行う
ための形状制御方法、および制御装置に関する。

〔従来の技術〕

板材の圧延にあたり、その形状を制御することは、ゆが
みのない均質な板材を得る上で重要な事項であり、これ
までに種々のタイプの圧延機につき、種々の形状制御方
式が提案されている。

例えばセンジマーミルは硬質の薄板の圧延に好適であり
、多く実用に供されている。このようなセンジマーミル
については例えば特開昭５９−２３２５０８号公報に記
載されている。従来、圧延機における形状制御は形状検
出器の出力に対応してアクチュエータを動作させること
により行なわれる。

しかし、アクチュエータ間の干渉が明確にできない等の
ために形状制御性能には限界があった。特に、センジマ
ーミルは多数のロールが複雑に絡み合っており、アクチ
ュエータの動作と被圧延材の形状の関係は定性的にわか
っていたが、定量的に明確になっておらず、制御モデル
も構成できない実情である。

このため、正確な制御モデルが存在すれば高精度な制御
が可能となる制御理論も実用に供し得ない。

〔発明が解決しようとする課題〕

従来技術は、被圧延材の全体形状といったパターンに関
する配慮と、オペレータの有する、あいまいであるが高
精度な制御の有効活用について配慮されておらず、局所
的な制御にならざるを得ず、高精度の形状制御を行なえ
ないという問題点を有する。

本発明の目的は圧延機における形状制御を精度良く行え
る形状制御方法および制御装置を提供することにある。

〔課題を解決するための手段〕

本発明は圧延機により圧延された被圧延材の全体形状の
パターン成分を抽出し抽出パターンに対する操作量を適
切に決定して圧延機の制御を行うようにしたものである
。

〔作用〕

全体形状パターン認識により制御可能な波形成分を分離
し、波形成分に対応して制御を実施することにより制御
性能が向上し、良好な形状が得られる。

〔実施例〕

以下、本発明の一実施例を第１Ｍにより説明する、 複数のロールから構成されるセンジマーミル（以下、Ｚ
Ｒミルと略称する）１はギヤ２を介し、電動機３により
訃動され被圧延材４を圧延する。

被圧延材４は左テンションリール５または右テンション
リール６のいずれか一方のリールから供給され他方のリ
ールに巻き取られる。これら左右のテンションリール５
，６はそれぞれギヤ７．８、電動機９，１０が接続され
、電動機３，９．コ、０の速度をそれぞれ制御すること
によって、圧延機ｌの入側と出側の被圧延材４にかかる
張力を制御する。被圧延材４は厚み計１１．形状検出器
１２によって、厚さと形状が計測され、その計測値は制
御機構１４に入力される。制御機構１４は形状検出器］
−２の出力を処理し、形状データとして出力する形状検
出機構１５．形状データを処理し予め記憶しであるパタ
ーンとの一致度を出力するパターン認識機構１６および
オペレータのあいまいな操作を制御に反映させるための
制御演算機構１７から構成される。制御機構１４はＺＲ
ミル１のアクチュエータ１３に対する操作指令を発生す
る。

第２図にＺＲミル１の構成図を示す。

ＺＲミル］は直接被圧延材４に接触し被圧延材４を薄く
延ばす上下１組のワークロール１８、ワークロール１８
上下から挟み、ワークロール１８に荷重を加える第１中
間ロール１９．第１中間ロール１９を挟んで荷重を加え
る第２中間ロール２０および第２中間ロールを下上から
挟んで第２中間ロール２０に荷重を加えるＡＳ−Ｕロー
ル２１から構成される。

ＡＳ−Ｕロール２１は分割ロール２２．軸２３およびサ
ドル（Ｓａｄｄｌｅ）　２４から構成される。サドル２
４は制御機構１４の指令に従ったアクチュエータ１３−
１により上下に移動し、その移動量に応じて軸２３を曲
げる。複数のサドル２４が動作することにより、軸２３
は任意の形状に変形する。軸２３の変形が、複数の分割
ロール２２を介し、第２中間ロール２０．第１中間ロー
ル１９゜ワークロール１８．被圧延材４へと順次転写さ
れ、これによって被圧延材４の形状が制御される。第１
中間ロール１９の片側の端部にはテーパが切ってあり、
テーパの直下の被圧延材４に加わる荷重が減小し、被圧
延材４の端部が太くなるように動作する。第】中間ロー
ル１９は制御機構１４の操作指令に従ったアクチュエー
タ１３−２により軸方向に移動する。第１中間ロール１
９の軸方向への移動により被圧延材４の端部の形状の制
御が行なわれる。

次に、第３図を用いてＺＲミル１の動作を説明する。

第３図（ａ）は第２図に示したロールの右上１／４の領
域を示したもので、アクチュエータ１３により移動する
部分には矢印を加え移動方向を示している。

第３図（ｂ）はサドル２４を押し下げる向きに操作した
場合の被圧延材４の板厚形状断面を示したものである。

第３図（ｃ）は端部にテーパが切っである第１中間ロー
ル１９を移動させ、テーパの位置が端部にかかる場合の
被圧延材４の形状である。

第４図は制御機構１４の一例構成を示す。

第４図において、形状検出器１２の出力はノイズ除去等
を行う形状検出前処理機構１５を介して波形演算機構２
６に入力される。一方、被圧延材４の目標形状を発生さ
せる目標形状発生機構２５の出力も波形演算機構２６に
入力される。波形演算機構２６は形状検出結果から目標
形状を引いて、制御による修正を施したい形状偏差△ε
を求めパターン認識機構１６に入力する。パターン認識
機構１６は形状偏差に含まれる各波形成分（パターン認
識機構１６に予め記憶されている）の割合を制御演算機
構１７に出力する。制御演算機構１７はオペレータのあ
いまいな操作を知識化し、制御に活用するファジィ制御
や、制御モデルが明確になっている時の多変数制御等の
制御アルゴリズムを用いアクチュエータ１３へ出力する
。

第５図（ａ）にパターン認識機構１６を実現するための
一例としてニューロコンピュータ２７の構成を示す。

ニューロコンピュータ２７はニューラルネットワーク２
８．入力切替えスイッチ２９．出力切替えスイッチ３０
および学習機構３１から構成される。また、学習機構３
１は学習時の各要素を制御する学習制御機構３２．入力
信号発生機構３４゜教師信号発生機構３５．ニューラル
ネット２８の荷重を変更するパラメータ変更機構３３か
ら構成されている。

第５図（ｂ）にニューラルネットワーク２８を構成する
ニューロン３６の構成を示す。ニューロン３６の入力信
号Ｘ、は荷重３７の値Ｗｌ　が乗算され、加算器３８に
おいてニューロン３６に入力された入力信号ｘｉと荷重
の値Ｗ、の積が加算される。加算器３８の加算結果が関
係変換器３９に入力される。関数変換器３９ではＳＩＧ
ＭＯＩＤ関数のような連続微分可能な関数変換を行ない
、関数変換後のデータはニューロン３６から出力される
。

第５図（ｂ）におけるニューロン３６を簡素化して表す
と第５図（ｃ）のようになる。なお、信号の流れは入力
から出力の方向へ流れる。

第５図（ｄ）はニューロン３６を用いて構成されるＲｕ
ｍｅｌｈａｒｔ型ニューラルネットワーク２８の構成を
示す。

第５図（ｄ）において波形演算機構２６の出力は入力切
替えスイッチ２９を介し、複数のニューロン３６から構
成される入力層４０に入力される。

入力層４０を構成するニューロン３６の出力は複数のニ
ューロンから構成される中間層４１に入力され、中間層
４１のニューロン３６の出力は出力層４２のニューロン
３６の入力となる。出力層４２の出力は、出力切替えス
イッチ３０を経由し、制御演算機構１７へ出力される。

ニューラルネット２８は入力層４０．中間層４１．出力
層４２から構成され、各層のニューロン３６の出力は白
層内でフィードバックが無い構成で、入力層４０から出
力層４２へ向かうフィードフォワード的に情報が伝達さ
れる構成となっている。

なお、中間層４１の数は複数の場合もある。

次に、第６図を参照してニューラルネットワーク２８を
構成するニューロン３６の荷重ｗｌ　３７の決定方法に
ついて説明する。

ニューラルネット２８が未学習の状態の時はニューロン
の荷重ｗ、３７の値は不定であり、通常は乱数で与えて
いる。その結果、入力層４０に入力された波形に対し、
出力層４２の出力は全く関係ない値となる。荷重Ｗ、の
値を決める方法としては例えば［電子情報通信学会誌」
第７１巻。

１１号、第１２４１〜１２４７頁に記載されている論文
ｒニューロンの可能性」の第２節Ｆ誤差逆伝搬学習法」
に詳細に述べられている。

第６図（ａ）を用いてその動作を簡単に説明する。

ニューラルネットワーク２８に記憶させたい波形を出力
する入力信号発生機構３４の出力が入力切替えスイッチ
２９を介し入力層４０に入力され、その時に出力層４２
から出力して欲しいデータを教師信号発生機構３５から
発生させ、学習制御機構３２のニューラルネットワーク
の出力との突合せ部に入力される。突合せ部では教師信
号とニューラルネット２８の出力との差が減少方向に向
かうように出力層４２の荷重を変える。出力層４２の荷
重の変更後に中間層４１の荷重を変更する。

このように、ニューラルネットワークの入力から出力の
方向へ流れる情報の流れと逆方向から荷重Ｗｌ　の値で
変えるので、逆伝搬学習と呼ばれている。

第６図（ｂ）に具体的な学習例を示す。予め入力信号発
生機構３４に記憶されている形状パターン４３−ａが入
力層４ｏに入力され、教師信号発生機構がその入力に対
応して出力層４２の出力４４がｒｌＪで、その他の出力
が「Ｏ」になるように、出力４６が「１」でその他がｒ
ＱＪの出力を発生する。

未学習の時、出力４４は「１」にならないので、出力４
４と出力４５の差を小さくするように、出力層４２．中
間層４１．入力層４０の荷重を変更させる。

第６図（ｃ）に形状パターン４３−ｂが入力された時の
教師信号発生機構３５の出力の関係を示す。

第７図に入力信号発生機構３４へ具体的な形状パターン
を記憶させる構成を示す。

オペレータの操作またはプログラム化された操作を行な
うための指令設定機構４９はアクチュエータ１３に操作
指令を発生する。この指令に従って第７図の（イ）に示
すようにサドル２４をアクチュエータ１３が暉動する。

その結果、圧延機１は被圧延材４の形状を変化させる。

被圧延材４の形状を検出する形状検出器１２の形状デー
タが形状検出前処理機構１５の波形整形処理機構５０に
入力される。波形整形処理機構５０はノイズ等の除去を
行ない、第７図の（ロ）に示す被圧延材４の形状を制御
可能波形獲得演算機構５１に出力する。第７図（ロ）に
示す形状パターンを受けとった波形獲得演算機構５１は
形状パターン（ロ）からアクチュエータ１３を動作させ
た時に平坦にてきる第７図に示す制御可能波形（ハ）を
求め、入力信号発生機構３４の記憶機構５２に格納する
。

この波形（ハ）はニューラルネット２８の学習時に使用
する形状パターンの一部である。

このように、ＡＳ−Ｕロール２１のサドル２４をアクチ
ュエータ１３−１で動作させた時の形状波形を記憶する
。これらの波形はサドル２４の操作量に比例して応答波
形が変化するので、操作量の最大値で正規化し、単位の
操作量で、それに対応する波形パターンを「１」とし、
その他のパターン対応する出力は「０」となるように記
憶させる。

一方、第１中間ロール１８を軸方向へ動かすラテイラル
の波形記憶は次のようにして行われる。

これを第８図を用いて説明する。

第８図（ａ）ラテイラル操作量の最大値で正規化した値
である「１」の場合の被圧延材４の形状波形■、制御可
能波形■及び第１中間ロール１９の位置を示す。制御可
能波形■のパターンをニューラルネットワーク２８に入
力し、出力５３が「１」、その他の出力が「０」になる
ように、教師信号発生機構の出力５４を「１」に他の出
力をｒＯＪにして、学習を実行する。

次に、正規化されたラテイラルの操作０．５　　を圧延
機１に加える。この時の第１中間ロール１９の位置と圧
延材４の形状パターンＯ及び制御可能波形Ｏの関係を第
８図（ｂ）に示す。第８図（ａ）の場合と同様に、制御
可能波形■をニューラルネットワーク２８に学習させる
が、第８図（ａ）と異なるのは教師信号発生機構の出力
５４の値がラテイラル操作量０．５　　となるように学
習する。

同様に、第８図（Ｃ）はラテイラル操作量を「Ｏ」とし
た場合の関係を示す。

なお、第８図では、ラテイラルの操作量は１゜０．５．
０．０の代表的な３例で学習したが、実際には制御精度
との関係から、精度を要求する場合には多くの点を、精
度が要求されない場合は少量のケースを学習するのが望
ましい。

なお、これはニューロコンピュータ２７が補間（内挿）
の役割を持っていることで実現できる。

次に、第９図を参照して形状パターンと制御方法につい
て説明する。

まず、形状パターンεとは完全に平坦な被圧延材４を仮
定し、形状検出器１２の出力と平坦な被圧延材との偏差
のことである。ところで、圧延機１の形状検出器１２の
出力が平坦になるように制御すると、実際に圧延が終了
し被圧延材４に張力が除かれた状態では、端部が薄く中
央部が厚くなる。この為、被圧延材４が平坦になるとき
の形状検出器１２の形状パターンは第９図の目標形状ε
ｒｅｉのように端部が厚く中央部が薄い被圧延材４とな
る。そこで、被圧延材４の形状が目標形状εｒｅ１　ど
なるように制御することが必要となる。

形状パターンεから目標形状εｒｅｉ　を引いた制御パ
ターンΔＥを求め、制御パターンΔＥが零になるように
制御すると、形状検出器１２の出力の形状パターンεは
、目標形状εｒｅｉ　となる。これによって、圧延が終
了したときの被圧延材は平坦になる。

このような考えを基にして例として挙げたのが第９図の
形状パターンである。

第９図において、例えば、項番３では、Ａの形状パター
ンはａの制御パターンとなり、この時の制御方法はＡＳ
−ＵロールのＮａ　３のサドルを上向きに移動すること
を示している。

同様に、項番５では、上、下の第１中間ロール１８の正
規化操作量を大きくする方向へ動かすことを示している
。

次に、パターン認識機構１６及び形状検出前処理機構１
５で求めた情報を用いて制御する制御演算機構１７の一
例を第１０図に示す。

パターン認識機構１６は操業波形の中に含まれる形状パ
ターンの成分を出力する。制御演算機構１７の制御則が
ファジィ推論を用いる場合、パターン認識機構１６の複
数の出力線に対応し、ファジィ推論ルールを割当てる。

なおファジィ推論の詳細については「ファジィ・ニュー
ロコンピュータティング」　（株式会社トリケップス発
行）に記載されている。制御演算機構１７がファジィ推
論演算するものであれば、パターン認識機構１６の出力
は確信度にする。

一方、形状検出前処理機構１５の出力を直接ファジィ前
件部推論機構６０に入力し、ファジィルールの前件部と
の適合度合を確信度としてインクフェース６１へ出力す
る。ファジィ前件部推論機構６０はオペレータの定性的
な推論をルール化したものである。

パターン認識機構１６とファジィ前件部推論機構６ｏの
出力である確信度はインタフェース部６１により、ファ
ジィ結論部分合成機構６２の各アクチュエータ１３に対
応するルールに出力され、例えば、３角形面積の重心を
操作量とするようなファジィ＃Ｊｆ／ｌｌにより、アク
チュエータ１３に操作指令を発生する。

次に、以上のような構成のＺＲミル制御動作を第１１図
を用いて説明する。

ＡＳ−Ｕロール２１のサドルを操作すると被圧延材４の
形状パターンである動作波形７０が得られる。動作波形
７０は波形獲得演算機構５１（第７図）に入力され、制
御可能波形７１が求められる。制御可能波形７１は学習
機構３１（第５図）によりニューロコンピュータ２７に
記憶される。

学習終了後にＺＲミル１は操業に入る。操業時に形状検
出器１２から得られる操業波形７２がニューロコンピュ
ータ２７に入力される。ニューロコンピュータ２７は学
習時に記憶されたパターンと照合し、その成分７３を確
信度として制御演算機構１７のファジィ結論部合成機構
６２に出力する。

ファジィ結論部合成機構６２は各アクチュエータ１３−
１に操作指令を与える。アクチュエータ１３−１は操作
指令に応じてＡＳ−Ｕロール２１を操作し被圧延材４を
所望の形状に制御する。

第１２図はニューロコンピュータ２７の入力とその出力
の関係を示したものである。

Δε＝ε−ｉ　ｖｅｘ で表わされる制御パターンΔεは棒グラフ（ａ）で表わ
され、板幅方向に設置された３５個の形状検出器１２の
出力値が棒グラフの値である。第１２図（ｂ）はニュー
ロコンピュータ２７に８個の形状パターンがニューロ記
憶パターン１〜８として記憶されている場合を示してい
る。ニューロコンピュータ２７に制御パターンΔεが入
力された時、ニューラルネットワーク２８の各出力の値
が求められる。第１２図（ｃ）では、これらの出力値が
正方形の面積で表わされている。この面積が大きいほど
、一致度が高いことを示す。これらパターンとアクチュ
エータ１３に対応付けを行ない、例えばパターン１とＡ
Ｓ−Ｕロール２１のＮａ２Ｏ−ルと、またパターン７と
第１中間ロール１８の上ロールのラテイラルシフトと対
応させる（第１２図（ｄ）、（ｅ））。

その結果、ＡＳ−Ｕロール操作量（イ）（第１２図（ｆ
））と第１中間ロール１８の上ラテイラルシフト量（ロ
）（第１２図（ｇ））に関し、上記面積に対応した量の
操作量が得られる。第１２図（ｆ）、（ｇ）はＡＳ−Ｕ
ロール２１のＮα２０−ルのアップ操作指令と第１中間
ロール１８の上ロールを右方向へのシフト操作指令とを
発生している状態を示している。

このような制御を一定時間加えた時、サンプリング時間
毎の変化を３次元表示したシミュレーション結果を第１
３図に示す。

第１３図（ａ）は制御形状（Δε）を、第１３図（ｂ）
は形状パターン（Ｅ）をそれぞれ示す。

時刻１＝０で悪化していた形状パターンが時間とともに
変化し、形状パターンεは目標形状に、制御パターンΔ
εは平坦に近付くことが理解できる。

第１４図に本発明の他の実施例の要部構成を示す。

第１４図において、第４図と異なる点はパターン認識機
構１６と制御演算機構１７の構成を異にすることである
。

第１４図において、形状検出前処理機構１５の出力であ
る制御パターンがラテイラル制御機構７５を構成するニ
ューロコンピュータ７６とファジィ推論機構７７に順次
入力される。ラテイラル制御機構７５ではラテイラル操
作量が決定され、その操作量で予測される動作波形を波
形演算機構７８に出力される。波形演算機構７８は形状
検出前処理機構１５の出力である制御パターンからラテ
イラル制御で予測される波形を差引いて、ＡＳＵロール
制御機構７９に入力する。ＡＳ−Ｕロール制御機構７９
はパターン認識機構であるニューロコンピュータ８０と
ファジィ推論機構８１から構成され、その動作はパター
ン認識機構１６と制御演算機構１７と同しである。

第１４図に示す実施例の動作を第１５図を参照して説明
する。

形状検出機構１２の出力波形９０にはノイズが重畳され
ており、形状検出前処理機構１５で波形整形され波形９
１が得られる。目標形状発生機構２５の出力波形と波形
９１が、波形演算機構２６で処理され出力波形９３が得
られる。ニューロコンピュータ７６でラテイラル操作量
に対応する波形出力９４が得られ、ファジィ制御機構７
７で、ラテイラル操作量が決定され、アクチュエータ１
３−２に操作指令が与えられる。波形演算機構７８で出
力波形９３と、アクチュエータ１３−２で修正が予測で
きる出力波形９４が減算され、アクチュエータ１３−１
に対する制御パターンΔεである出力波形９５が得られ
る。ニューロコンピュータ８０でパターン９６が含まれ
ている量として確信度が得られ、また、ファジィ制御機
構８１でアクチュエータ１３−１に対する操作指令が得
られる。

このような構成にすると、ラテイラル制御で大きな波形
のずれを制御でき、細部の制御はＡＳ−Ｕロールで行な
う役割分担が明確になる。また、役割が明態になること
で、調整が容易になる。さらに、ラテイラルは応答が遅
いので、応答の遅いアクチュエータで大まかに形状を修
正し、応答の速いＡＳ−Ｕロールで細かな形状を修正で
きるという効果もある。

上述の実施例では、ＺＲミルを例にとって本発明の詳細
な説明したが、本発明はＺＲミル以外の圧延機に対して
も適用できるものである。その−例を第１６図に示す。

第１６図は本発明を６重圧延機に適用した場合を示す。

図において、第１図と同等の部分は第１図におけると同
じ符号で示されている。本６重圧延機のロールは、一対
のワークロール１０３．一対の中間ロール１０２、及び
一対のバンクアップロール１０１から成る。

本６重圧延機においては、被圧延材の形状制御はワーク
ロール１０３．中間ロール１０２の少なくとも１を操作
することによって行なわれる。第１７図に形状制御のた
めのロールの操作例を示す。

第１７図（ａ）は、ワークロール１０３及び中間ロール
１０２を湾曲させるため、これらのロールに図中矢印で
示す方向のベンダ圧を加えることにより形状制御を実施
する場合を示す。このベンダ圧による形状制御は、上述
のＺＲミルの場合におけるＡＳ−Ｕロールによるベンデ
ィングに相当するものである。第１７図（ｂ）は、（ａ
）におけるワークロール及び中間ロールへのベンダ圧印
加に加え、中間ロール１０２を図中矢印で示すように板
幅方向にシフトさせることにより形状制御を実施する場
合を示す。この中間ロール１０２のシフトは、上述のＺ
Ｒミルの場合における第１中間ロールのラテイラルシフ
トに相当するものである。

第１７図（ｃ）は、ワークロール１０３にベンダ圧を作
用させ、中間ロールにシフトを施した場合を示す。

また、更に他の圧延機の例として、第１８図に４重圧延
機の例を示す。本４重圧延機は、第１６゜１７図に示す
６４重圧延機において、一対の中間ロール１０２が省略
されたものである。この場合の形状制御は、ワークロー
ル１０３にベンダ圧を図中矢印で示す如く印加すること
により、行なわれる。なお、第１７図及び第１８図で示
したベンダ圧、ロールシフトの方向はあくまで一例を示
すものであり、形状制御にあたっては本発明に従って適
宜決定されることは言うまでもない。これら、ロールベ
ンディング、ロールシフトによる形状制御に本発明を適
用した場合、従来の近似式による形状制御では精密な近
似が困難であった圧延材側端部の形状制御が特に良好に
行える。という効果がある。また、図示は省略するが、
形状制御が実施される圧延機には上述の他、例えば１２
段圧延機、特殊形状ロール圧延機等がある。

これら、ＺＲミル以外の圧延機であっても、既に詳述し
た本発明の形状制御方法及び装置はそのまま適用できる
。但し、形状制御のために実際に操作される部材（ロー
ル等）及びそ九らに対する操作内容の相違に応じ、具体
的な信号が変更されることは、あり有る。

以上、圧延機における被圧延材の形状制御を、圧延機の
ロールへの外力印加、ロールシフトにより実施する場合
を述べたが、これ以外にも、ロールクーラントを用いる
手法が存在する。この手法は、被圧延材の形状を所望の
ように変化させるため、ロール板幅方向に配列されたノ
ズルから冷却液（クーラント）をロールに対して変化さ
せるべき形状に対応して選択的に放射させ、ロールに部
分的な熱変形を生じさせ、これにより形状を制御するも
のである。本発明はこのようなロールクーラントによる
形状制御にも適用可能であり、第１９図に制御システム
の概要を示す。第１９図において第１６図に示したもの
と同等の部分には第１６図におけると同一の符号を付し
である。図において、１９０はロール冷却装置であり、
一対のワークロール１０３に対し、クーラントを放射す
るように設置されている。なお、実際の形状制御にあた
り、第１６図に示したロールベンディング。

ロールシフトの方法と、第１９図に示したロールクーラ
ントの方法を併用することも可能である。

〔発明の効果〕

本発明によれば、被圧延材の全体形状から制御により修
正可能な波形成分を抽出し、その抽出結果を用いて制御
できるので、良好な被圧延材の形状を得ることができる
。

【図面の簡単な説明】

第１図は本発明の一実施例の全体構成図、第２図は第１
図の圧延機の構成図、第３図は圧延機アクチュエータと
その動作波形図、第４図は本発明の一実施例の制御装置
の構成図、第５図はニューロコンピュータの説明図、第
６図は学習例の説明図、第７図は形状パターン記憶法の
説明図、第８図は圧延機のラテイラルの動作説明図、第
９図は形状パターンと制御の関係を示す図、第１０図は
制御機構の詳細構成図、第１１図は本発明の一実施例の
動作説明図、第１２図はニューロコンピュータのシミュ
レーション結果を示す図、第１３図は本発明の一実施例
のシミュレーション結果を示す特性図、第１４図は本発
明の他の一実施例の要部を示す構成図、第１５図は第１
４図の動作説明図、第１６図は本発明の他の実施例の全
体構成図、第１７図、第１８図はロールベンディング、
ロールシフトの概要を示す図、第１９図は本発明の他の
実施例の全体構成図である。 １・・・センジマーミル、１２・・・形状検出器、１６
・・・パターン認識機構、１７・・・制御演算機構、２
８・・・ニューラルネットワーク。 第 図 第 図 （ａ） （ｂ） （Ｃ） 第 図 第 図 ｚｅｘｐ（−ｙ）　＋　１ 第 図 （Ｃ） 第 図 第１０図 第１５図 （ａ） 板幅方向 １３図 （ｂ） 板幅方向 第１７図 （ａ） 第１８図

Claims (1)

1. 【特許請求の範囲】 １、圧延機によつて圧延される被圧延材の形状を検出し
   て形状パターンの認識を行い、前記被圧延材の多数の形
   状パターンに対応する前記圧延機のそれぞれの操作方法
   を予め準備しておき、前記認識された形状パターンに対
   応する操作方法を抽出し、この抽出された操作方法に基
   づいて前記圧延機の制御を行うようにしたことを特徴と
   する圧延機における形状制御方法。 ２、圧延機によつて圧延される被圧延材の形状を検出し
   て形状パターンの認識を行い、前記被圧延材の多数の形
   状パターンに対応する前記圧延機の異なる操作対象につ
   いてのそれぞれの操作方法を予め準備しておき、前記認
   識された形状パターンの少なくとも１つの形状パターン
   に対応する圧延機における異なる２以上の操作対象につ
   いての操作方法を抽出し、この抽出された操作方法に基
   づいて前記圧延機の制御を行うようにしたことを特徴と
   する圧延機における形状制御方法。 ３、圧延機によつて圧延される被圧延材の形状を検出し
   て形状パターンの認識を行い、前記被圧延材の多数の形
   状パターンに対応する前記圧延機の複数のアクチュエー
   タのそれぞれの操作方法を予め準備しておき、前記認識
   された形状パターンの少なくとも１つの形状パターンに
   対応する操作方法を抽出し、この抽出された操作方法に
   基づいて推論演算を行つて前記各アクチュエータの操作
   指令を得て前記圧延機の制御を行うようにしたことを特
   徴とする圧延機における形状制御方法。 ４、圧延機によつて圧延される被圧延材の形状を検出し
   ニューロコンピュータに入力して形状パターンの認識を
   行い、前記被圧延材の多数の形状パターンに対応する前
   記センジマーミルの操作方法を予め準備しておき、前記
   認識された形状パターンに対応する操作方法を抽出し、
   この抽出された操作方法に基づいてファジィ推論演算を
   行い前記圧延機の制御を行うようにしたことを特沈とす
   る圧延機における形状制御方法。 ５、被圧延材を圧延する圧延機と、該圧延機を操作する
   複数のアクチュエータと、前記圧延機で圧延された被圧
   延材の形状を検出する形状検出手段と、該形状検出手段
   で検出された形状の形状パターンの認識を行うパターン
   認識手段と、該パターン認識手段で認識された形状パタ
   ーンに基づき前記アクチュエータの操作量を求める操作
   指令演算手段とを具備した圧延機における形状制御装置
   。 ６、被圧延材を圧延する圧延機と、該圧延機を操作する
   複数のアクチュエータと、前記圧延機で圧延された被圧
   延材の形状を検出する形状検出手段と、該形状検出手段
   で検出された形状の形状パターンの認識を行うパターン
   認識手段と、前記被圧延材の形状パターンに応じた操作
   方法を決定する操作方法決定手段と、該操作方法決定手
   段で決定された操作方法に基づき前記アクチュエータの
   操作量を求める操作指令演算手段とを具備した圧延機に
   おける形状制御装置。 ７、被圧延材を圧延する圧延機と、該圧延機を操作する
   複数のアクチュエータと、前記圧延機で圧延された被圧
   延材の形状を検出する形状検出手段と、該形状検出手段
   で検出された形状の形状パターンの認識を行うニューロ
   コンピュータと、該パターン認識手段で認識された形状
   パターンに基づき前記アクチュエータの操作量を求める
   ファジィ推論演算手段とを具備した圧延機における形状
   制御装置。 ８、多段ロールのセンジマーミルによつて圧延される被
   圧延材の形状を検出して形状パターンの認識を行い、前
   記被圧延材の多数の形状パターンに対応する前記センジ
   マーミルのそれぞれの操作方法を予め準備しておき、前
   記認識された形状パターンに対応する操作方法を抽出し
   、この抽出された操作方法に基づいて前記センジマーミ
   ルの制御を行うようにしたことを特徴とするセンジマー
   ミルの形状制御方法。 ９、多段ロールのセンジマーミルによつて圧延される被
   圧延材の形状を検出して形状パターンの認識を行い、前
   記被圧延材の多数の形状パターンに対応する前記センジ
   マーミルのそれぞれの操作方法を予め準備しておき、前
   記認識された形状パターンの少なくとも１つ以上の形状
   パターンに対応する操作方法を抽出し、この抽出された
   操作方法に基づいて前記センジマーミルの制御を行うよ
   うにしたことを特徴とするセンジマーミルの形状制御方
   法。 １０、多段ロールのセンジマーミルによつて圧延される
   被圧延材の形状を検出して形状パターンの認識を行い、
   前記被圧延材の多数の形状パターンに対応する前記セン
   ジマーミルの複数のアクチュエータのそれぞれ操作方法
   を予め準備しておき、前記認識された形状パターンの少
   なくとも１つ以上の形状パターンに対応する操作方法を
   抽出し、この抽出された複数の操作方法に基づいて推論
   演算を行つて前記各アクチュエータの操作指令を得て前
   記センジマーミルの制御を行うようにしたことを特徴と
   するセンジマーミルの形状制御方法。 １１、多段ロールのセンジマーミルによつて圧延される
   被圧延材の形状を検出してニューロコンピュータに入力
   して形状パターンの認識を行い、前記被圧延材の多数の
   形状パターンに対応する前記センジマーミルの操作方法
   を予め準備しておき、前記認識された形状パターンに対
   応する操作方法を抽出し、この抽出された操作方法に基
   づいてファジィ推論演算を行い前記センジマーミルの制
   御を行うようにしたことを特徴とするセンジマーミルの
   形状制御方法。 １２、被圧延材を圧延する多段ロールのセンジマーミル
   と、該センジマーミルを操作する複数のアクチュエータ
   と、前記センジマーミルで圧延された被圧延材の形状を
   検出する形状検出手段と、該形状検出手段で検出された
   形状の形状パターンの認識を行うパターン認識手段と、
   該パターン認識手段で認識された形状パターンに基づき
   前記アクチュエータの操作量を求める操作指令演算手段
   とを具備したセンジマーミルの形状制御装置。 １３、被圧延材を圧延する多段ロールのセンジマーミル
   と、該センジマーミルを操作する複数のアクチュエータ
   と、前記センジマーミルで圧延された被圧延材の形状を
   検出する形状検出手段と、該形状検出手段で検出された
   形状の形状パターンの認識を行うパターン認識手段と、
   前記被圧延材の形状パターンに応じた操作方法を決定す
   る操作方法決定手段と、該操作方法決定手段で決定され
   た操作方法に基づき前記アクチュエータの操作量を求め
   る操作指令演算手段とを具備したセンジマーミルの形状
   制御装置。 １４、被圧延材を圧延する多段ロールのセンジマーミル
   と、該センジマーミルを操作する複数のアクチュエータ
   と、前記センジマーミルで圧延された被圧延材の形状を
   検出する形状検出手段と、該形状検出手段で検出された
   形状の形状パターンの認識を行うニューロコンピュータ
   と、該パターン認識手段で認識された形状パターンに基
   づき前記アクチュエータの操作量を求めるファジィ推論
   演算手段とを具備したセンジマーミルの形状制御装置。 １５、圧延機によつて圧延される被圧延材の形状を検出
   して第１の形状パターンを作成し、予め用意された複数
   の第２の形状パターンと第１の形状パターンを比較して
   第２の形状パターンのうち第１の形状パターンに近似の
   ものを抽出し、該抽出された第２のパターンに対応する
   ように予め用意された前記圧延機に対する形状制御のた
   めの操作方法を抽出し、該抽出された操作方法に基づい
   て、前記圧延材における形状制御を実行するようにした
   ことを特徴とする圧延機における形状制御方法。