JPH0484611A - クラウン学習制御方法 - 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１ 本発明は、クラウンセットアツプ制御に適用するクラウ
ン学習制御方法に関し、特に数本毎に圧延材の板厚、板
幅、材質等の諸元が大きく変化する圧延命令サイクルで
操業する場合でも、スゲジュールフリー圧延により安定
した高精度の圧延を可能とするクラウン学習制御方法に
関する。 【従来の技術】 クラウン誤差に基づいてロールプロフィールを学習し、
安定した圧下スケジュールを得るための技術は、例えは
特開昭６３−７２４２６号公報に開示されている。 一般に、計算機によるクラウンセットアツプ制御では、
圧延機ワークロールの表面プロフィールモテル（ワーク
ロールプロフィールモテル）を使ってワークロールプロ
フィールを予測すると共に、既に決定されている圧延状
態く圧延荷重、板幅、板厚等）の予測値、圧延機の入側
における板クラウンの予測値、及び上記ワークロールプ
ロフィールの予測値を、板クラウンモデルに適用し、目
標クラウンを達成するべく、例えばワークロールベンダ
や中間ロールシフト等のクラウン制御操作端の設定値が
決定される。その際、所定のクラウン制御精度を得るた
めに、クラウンセットアツプ制御で使用される上記ワー
クロールプロフィールモデルや上記板クラウンモデルは
、銘棒挟圧実験法やアルミ板挾圧実験法により、又、仕
上最終スタンドの出側に設定されている板プロフィール
計を使用して、実データとの誤差が小さくなるように調
整される。 ところが、クラウンセットアツプ制御を実施する段階で
は、圧延状態、ワークロールプロフィール及び板クラウ
ンモデルそのものに、それぞれ予測誤差があると、圧延
機通板前に予測していた最終スタンドの出側における予
測板クラウンと実測された板クラウンとの間にクラウン
誤差が発生することになる。そこで、この誤差をできる
だけ小さくするために、一般に、通板後の圧延実績に基
ついて計算で求めた板クラウン計算値と板クラウン実測
値とを比較しながら、板クラウンモデルの学習を行って
いる。この板クラウンモデルの学習方法の簡単な例を以
下に説明する。 今、Ｆｉ圧延機について、出側における板クラウンをｃ
ｒｔ−入側における板クラウンをＣｒ圓、ワークロール
プロフィールモデルをＲ１５ワ一クロール弾性変形モデ
ルをＹｉ、板幅をＷｉ圧延荷重をＰｉ、ベンディング荷
重をＰＢ　ｉ、ＨＣ−δをＨＣδｉとすると、出側にお
ける上記板クラウンＣｒ　ｉは下記（１）式で表わすこ
とかできる。 この（１）式でｃｒｏＦｓｉが誤差学習項（オフセット
項）である。 Ｃｒ　ｉ　””　ｆ　　（Ｃｒ　ｉ−１、Ｙｉ（Ｗ、Ｐ
ｉ、Ｐ日ｉ、ＨＣδ１）、 Ｒｔ）十〇ｒ　０ＦＳｉ　　　　　　・＝（１，）上記
オフセット項（ＣｒｏＦｓｉ）は以下のようにして求め
られる。 先ず、板プロフィール計による板クラウン実測値Ｃｒ＾
と、圧延機通板後の圧延実績から計算で求めた板クラウ
ン計算［Ｃｒｃとの差である予測クラウン誤差ＣｒＥを
下記（２）式で求める６Ｃｒ　Ｅ＝Ｃｒ　Ａ−Ｃｒ　ｃ
　　　　　　　−（２）上記クラウン誤差ＣｒＥを用い
て下記（３）式により、ロール替時点からの圧延コイル
数かｊである段階の最終スタンド出側における板クラウ
ン誤差Ｃｒｊを求める。 ＣｒＪ＝（ｌ−Ｇ）・ＣｒＪ−十Ｇ−ＣｒＥ・・　（３
） ここで、Ｇは指数平滑ゲインである。 いま、便宜上、前記（１）式を、スタンド数が７のホッ
トストリップミルへ適用する場合を考える。そして、ｃ
ｒ　ＯＦＳ　＋　＝−ｃｒ　ｏｌ”ｓ　２°°。 ・−ＣｒＯＦ９７、及びＦｉ圧延機の入側における板ク
ラウン’Ｆ　Ｆ　ｉ−１圧延機の出側における板クラウ
ンか成立つと仮定すると、前記誤差学習項は、下記（４
）式で与えられる。 Ｃｒ　ＯＦ！３１＝Ｃｒ　、ｒ／＋）　　　　　　　＋
＋＋　（４）ここで、ｇは、Ｆ７圧延機の出側における
板クラウン誤差を各スタンドに分配する分配剤である。 以上説明した前記（１）〜（４）式に基づくクラウン学
習制御を実行する場合は、圧延材を一本圧延する毎に前
記（１）式の誤差学習項ｃｒｏＦｓｉが更新され、ロー
ル替以降の予測クラウン誤差Ｃｒεか、指数平滑ゲイン
Ｇで決定される時定数としてクラウンセットアツプ制御
に反映されることになる。

【発明が解決しようとする課題】

しかしながら、クラウン学習制御の過補償を抑制するた
めには、指数平滑ゲインＧを大きくすることができない
。従って、前記（１）〜（４）式による従来のクラウン
学習制御は、ソークロールプロフィールの予測誤差に起
因して発生する板クラウン誤差のように圧延材−本毎に
徐々に板クラウン誤差が変化していく場合には効果を発
輝するが、圧延材の諸元（板厚、板幅、材質等）に起因
する板クラウン誤差ルそのものの誤差とワークロールグ
１１：？フィールの予測誤差とが混在している場合には
、圧延材−本毎の板クラウン誤差の変化が大きいなめに
十分な効果を発輝できなかった。これを具体的に示しな
のが第４図及び第５図に示す線図である。 即ち、第５図（Ａ）は、同図（Ｃ）及び（Ｄ）にそれぞ
れ示すように、圧延に従っ−ご板厚（Ｕ）及び板幅（ｎ
＋ｎ＋）が徐々に変化するコーフィンサイクルに対して
前記従来のクラウン学習制御方法を適用した場合の板ク
ラウン制御精度を、同図（Ｂ）はその時の板クラウンモ
デル精度を示したものである。第５図（Ａ）、（Ｂ）に
符号Ａで指示する実線は計算機設定時の目標クラウンを
、符号Ｂで指示する破線は実測クラウンを、符号Ｃで指
示する実線は板クラウンの実績計算値を、それぞれ示し
ている。なお、横軸は何れも圧延コイルの本数である。 又、第６図（Ａ）及び（Ｂ）は、同図（Ｃ）及び（Ｄ）
にそれぞれ示すように、板厚及び板幅か大きく変化する
サイクルに対して、前記従来のクラウン学習制御方法を
適用した場合の、上記第５図（Ａ＞及び（Ｂ）に対応す
る結果を示している。 上記第５図より、圧延コイルの本数の増加に伴なって板
厚、板幅が徐々に変化する場合は、モデル精度が徐々に
低下しているもにも拘らず、制御精度は、１σΦ１０μ
ｌと良好な結果が得られている。これに対し、第６図よ
り、板厚、板幅が大きく変化する場合は、制御精度が１
σ半２６μ印と低く、圧延コイル−重筋の制御誤差を小
さくできないことが判る。 本発明は、前記従来の問題点を解消するべくなされたも
ので、板厚、板幅、材質等の圧延材の諸元に起因する板
クラウンモデルそのものの誤差とワークロールプロフィ
ールの予測誤差とが混在している場合であっても、十分
な効果を発輝することができるクラウン学習制御方法を
提供することを課題とする。

【課題を達成するための手段】

本発明は、圧延クラウン学習制御に適用する板クラウン
モデル式の誤差学習項として第１オフセット項及び第２
オフセット項を設定し、第１オフセット項は、ワークロ
ールプロフィールの予測誤差に起因する板クラウン誤差
を学習し、その学習内容を次回圧延材のクラウンセット
アツプ制御に反映させるようにし、第２オフセット項は
、圧延材の諸元に起因する板クラウン誤差を圧延材毎に
記憶し、その記憶内容を次回同一ロッド圧延材のクラウ
ンセットアツプ制御に反映させるようにずることにより
、前記課題を達成したものである。

【作用及び効果】

本発明おいては、上記第１オフセット項より、従来のク
ラウン学習制御方法と同様に、ロール替から次のロール
香道の間に主としてワークロールプロフィールの予測誤
差に起因して徐々に変化する板クラウン誤差を学習し、
それを次回圧延材のクラウンセットアツプ制御に反映さ
せることが可能となると共に、上記第２オフセット項に
より、板厚、板幅、材質等の圧延材の諸元に起因して発
生する板クラン誤差、即ち板クラウン誤差の中から上記
ワークロールプロフィールの予測誤差に起因する板クラ
ウン誤差を取り除いた誤差を圧延材毎に記憶しておき、
それを次回同一ロッド圧延材のクラウンセットアツプ制
御に反映させることが可能となる。 従って、圧延材−重筋にワークロールプロフィールの予
測誤差によって発生する板クラウン誤差の学習項と、圧
延材の諸元（板厚、板幅、材質等）によって発生する板
クラウン誤差の学習項とを分離して学習制御することが
可能となり、スゲジュールフリー圧延により、板厚、板
幅、鋼種が頻繁に変化する圧延サイクルに対してクラウ
ンの計算機セットアツプ制御を実施する場合であっても
制御精度を安定した高い状態に維持することが可能とな
り、その結果、クラウン品質を高品質に安定化させるこ
とか可能となる。

【実施例】

以下、図面を参照して、本発明の実施例を詳細に説明す
る。 第１図は、本発明による一実施例のクラウン学習制御方
法に適用される圧延ラインの要部を示す概略構成図、第
２図は、本実施例で用いられる誤差学習項を説明するた
めの線図、第３図は、本実施例方法の概略を示す説明図
である。 本実施例は、前述した従来のクラウン学習制御方法の場
合と同様、スタンド数が７のホットストリップミルに適
用するクラウン学習制御方法である。このホットスリト
ップミルは、第１図に示すように、第１〜第７迄の各ス
タンドに、学習制御装置］７０から制御信号が入力可能
になされており、該制御装置１０に対して後述する第１
オフセット項及び第２オフセット項を設定することによ
り、上記各スタンドの圧延条件を適切にコントロールす
ることが可能になされている。 先ず、本実施例のクラウン学習制御方法を実施するに当
り、板クラウンセットアツプ制御に使用する板クラウン
モデル式を次式（５）のように構成する。 Ｃｒ　ｉ　＝ｆ　　（Ｃｒ　１−１ｓ　Ｙ　１（Ｗ、Ｐ
　ｉ　、　Ｐ日ｉ、ＣＨδｒ　）　、Ｒｉ１十ｃｒ　０
ＦＳｔ＋ｃｒ　”　ｏＦｓ　ｒ＝１５）ここで、Ｃｒｏ
Ｆｓｉは第１オフセット項を、Ｃｒ′ｏｐｓｉは第２オ
フセット項をそれぞれ示し、何れも誤差学習項である。 その他パラメータ等の定義は前記（１）式と同様である
。 上記第１オフセット項は、従来のクラウン学習制御に適
用する前記（４）式で与えられる誤差学習項と同義で、
いわば誤差の平均的な変化を学習した項である。又、上
記第２オフセット項は、本発明により導入された誤差学
習項であり、従来の学習値からの実測板クラウンの偏差
分を、ワークロールプロフィールの予測誤差以外の要因
によって、即ち、板厚、板幅、材質等の圧延材の諸元に
起因して発生する板クラウン誤差として取扱うものであ
る。 第２図は、前述した第５図（Ｂ）又は第６図（Ｂ）に相
当する線図であり、図中符号ａが上記第１オフセット項
に相当し、符号すが上記第２オフセット項に相当してい
る。なお、図中、黒点付丸印は、同一１種で且つ同一サ
イズの圧延材の板クラウン実測値を示している。 次に、上記第２オフセット項の算出方法について説明す
る。 先ず、前記（２）式で与えられるクラウン誤差ＣｒＥと
前記（３）式で与えられる板クラウン誤差ＣｒＪとの差
から、従来の学習値との偏差ΔＣｒを得る（下記（６）
式）。 ΔＣｒ　＝Ｃｒ　Ｅ　　ｃｒ　ｊ　　　　　　　　−（
６）この偏差ΔＣｒは、板クラウンモデル単体の予測精
度（１σ）によって変化幅が異なるが、過補償を防止す
るために該偏差ΔＣｒに対して本実施例を適用するが否
かの不感帯を以下の如く設定する。 ΔＣｒｌ＜ｅ＜定数）の場合、ｃｒ′０Ｆｓｉ−Ｏとす
る。 １ΔＣｒ　ｌ≧Ｃ（定数ンの場合、上記（６）式のΔＣ
「を下記（７）式で表わされる第２オフセット項として
各スタンドに分配する。 Ｃｒ′ｏＦｓｉ−ΔＣｒ／！ｌ！　　　　　　　・　（
７）ここで、ｑは、前記（４）式の場合と同義であり、
Ｆ７圧延機の出側における板クラウン誤差の分配側であ
る。 本実施例では、第３図に示すように、クラウン学習計算
１２を実行して、上記（７）式で与えられる第２オフセ
ット項を圧延材毎に記憶すると共に、過去数十本の圧延
材について、圧延材の諸元と第２オフセット項とに関す
るデータファイル１４を作成する。一方、従来のクラウ
ン学習制御方法に従ってクラウン学習計算１２を実行し
、第１オフセット項を仕上学習用テーブル１６に記憶し
ておく。 クラウンを計算機にセットアツプする段階においては、
対象とする圧延材と同一ロッドの圧延材のデータを、第
２オフセット項データファイル１４の中から見つけ出す
。 同一ロッドの圧延材に関するデータがある場合には、直
近で圧延した圧延材に関する第１オフセット項と、仕上
学習用テーブル１６から取出した、−本前の圧延材で学
習した第１オフセット項とを用いて前記（５）式を構成
し、これを板クラウンモデル式とする。この板クラウン
モデル式を用いて、仕上設定計算１８を実行し、その計
算結果をクラウンセットアツプ制御時に前記制御装置１
０（計算機）に設定する。その際、各圧延機におけるワ
ークロールベンダー等のクラウン制御操作端の設定値は
、前記（５）式において、Ｃｒ　ｉ項を目標クラウンに
置換することにより計算することができる。 以上詳述したように、本実施例によれば、従来徐々に変
化する板クラウン誤差にしか効果を発輝しなかったクラ
ウン学習制御が、直近の数十本の圧延環境の中で、圧延
材の諸元（板厚、板幅、材質等）によって発生する再現
性の高い板クラウン誤差に学習効果を発輝するため、ス
ケジュールフリー圧延を実施している際の板クラウン制
御精度を安定して高い状態に維持することが可能となる
。 次に、本実施例の効果を、具体例を以って明らかにする
。 第４図は、ワークロールプロフィールが、ワークロール
熱膨張や摩擦によって複雑に変化しているロール替後５
０〜１００本の圧延材を圧延した段階において、幅戻り
が１００〜２５０ｍ１ｌｌの圧延を実施し、その際に計
算機に設定した仕上最終スタンド圧延機の出側における
目標クラウンと板プロフィール計による板クラウンの実
測値とのクラウン誤差をプロッドしたグラフであり、同
図（Ａ）は本実施例のクラウン学習制御方法を適用した
結果を、同図（Ｂ）は従来のクラウン学習制御方法を適
用した結果を、それぞれ示している。 第４図（Ｂ）に示されるように、従来の学習制御では板
幅によって誤差の偏りが発生してしまい、制御精度が１
σΦ３２μｍと低い。これに対し、第４図（Ａ）に示さ
れるように、本実施例のクラウン学習制御方法を適用す
ることにより、板幅による誤差の偏りか解消され、制御
精度が大幅に向上していることか判る。 以上、本発明を具体的に詳述したが、本発明は上記実施
例に示したものに限られるものでなく、その要旨を逸脱
しない範囲で種々変更可能であることはいうまでもでも
ない。 例えば、前記実施例では、スタンド数が７のホットスリ
トップミルについて説明したが、スタンド数は任意に変
更でき、又、ホットストリップミルに限定されない。本
発明のクラウン学習制御方法は、例えばスタンド数が１
の厚板ミルに対しても有効に適用可能である。

【図面の簡単な説明】

第１図は、本発明による一実施例のクラウン学習制御方
法に適用する圧延ラインの要部を示す概略梢成図、 第２図は、上記実施例で用いられる誤差学習項を説明す
るための線図、 第３図は、上記実施例方法の概略を示す説明図、第４図
は、上記実施例の効果を示すグラフ、第５図及び第６図
は、従来のクラウン学習制御方法の問題点を説明するた
めの線図である。 Ａ・・・計算機設定時の目標クラウン、Ｂ・・・実測ク
ラウン、 Ｃ・・・板クラウン実績計算値、 １０・・・学習制御装置。

Claims (1)

【特許請求の範囲】
1. （１）圧延クラウン学習制御に適用する板クラウンモデ
   ル式の誤差学習項として第１オフセット項及び第２オフ
   セット項を設定し、 第１オフセット項は、ワークロールプロフィールの予測
   誤差に起因する板クラウン誤差を学習し、その学習内容
   を次回圧延材のクラウンセットアップ制御に反映させる
   ようにし、第２オフセット項は、圧延材の諸元に起因す
   る板クラウン誤差を圧延材毎に記憶し、その記憶内容を
   次回同一ロッド圧延材のクラウンセットアップ制御に反
   映させるようにすることを特徴とするクラウン学習制御
   方法。