JPH06259107A - プロセスラインにおける学習制御方法 - Google Patents
プロセスラインにおける学習制御方法Info
- Publication number
- JPH06259107A JPH06259107A JP5041091A JP4109193A JPH06259107A JP H06259107 A JPH06259107 A JP H06259107A JP 5041091 A JP5041091 A JP 5041091A JP 4109193 A JP4109193 A JP 4109193A JP H06259107 A JPH06259107 A JP H06259107A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- rolling
- stratification
- control method
- value
- 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.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 本発明は，プロセスラインの制御用モデルの
学習係数をモデル予測値と前回までの実績値との誤差に
基づいて修正し，次回のプロセスラインを制御する学習
制御方法において，学習係数を修正する機会が少ない材
料層別に対しても，適宜その機会を与えて好適なプロセ
ス制御を実現し得るようにすることを目的とする。 【構成】 例えば圧延ラインでの実際の処理に基づいて
学習係数が修正された層別（狙い厚層別３，板厚層別
３）におけるモデル予測値と実測値との誤差の傾向が例
えば近似すると推定される近くの他の層別についてもそ
の学習係数が同時に修正される。
学習係数をモデル予測値と前回までの実績値との誤差に
基づいて修正し，次回のプロセスラインを制御する学習
制御方法において，学習係数を修正する機会が少ない材
料層別に対しても，適宜その機会を与えて好適なプロセ
ス制御を実現し得るようにすることを目的とする。 【構成】 例えば圧延ラインでの実際の処理に基づいて
学習係数が修正された層別（狙い厚層別３，板厚層別
３）におけるモデル予測値と実測値との誤差の傾向が例
えば近似すると推定される近くの他の層別についてもそ
の学習係数が同時に修正される。
Description
【０００１】
【産業上の利用分野】本発明は，プロセスラインにおけ
る学習制御方法に関する。
る学習制御方法に関する。
【０００２】
【従来の技術】一般的にプロセスラインにおいては，理
論式又は経験式である制御用モデルを用いた予測制御が
行われているが，この制御用モデルによる予測値とその
プロセスラインで計測される実測値との間に誤差を生じ
る。これは，プロセスラインで未解明の現象がモデル式
に完全に反映されていないこと，モデルの簡略化，モデ
ル化に必要なデータ採取が不完全なこと等による。そこ
で，従来は，プロセスラインでの処理により前回までに
得られた実績データを使用してモデルを修正する学習制
御方法を採用することにより，この誤差を修正するよう
にしている。このような従来の学習制御方法では，例え
ば，モデルと現象の不一致を，プロセスラインで処理す
る材料の種類，サイズ，制御目標値，処理パターン等の
違いによるものと推定し，これらの各項目で区分された
層別（材料層別）に対応する学習係数をテーブル値とし
て記憶しておき，上述の実績値と予測値である計算値と
の間の誤差に基づき，指数平滑方式などによりその学習
係数を修正する方式が知られている。
論式又は経験式である制御用モデルを用いた予測制御が
行われているが，この制御用モデルによる予測値とその
プロセスラインで計測される実測値との間に誤差を生じ
る。これは，プロセスラインで未解明の現象がモデル式
に完全に反映されていないこと，モデルの簡略化，モデ
ル化に必要なデータ採取が不完全なこと等による。そこ
で，従来は，プロセスラインでの処理により前回までに
得られた実績データを使用してモデルを修正する学習制
御方法を採用することにより，この誤差を修正するよう
にしている。このような従来の学習制御方法では，例え
ば，モデルと現象の不一致を，プロセスラインで処理す
る材料の種類，サイズ，制御目標値，処理パターン等の
違いによるものと推定し，これらの各項目で区分された
層別（材料層別）に対応する学習係数をテーブル値とし
て記憶しておき，上述の実績値と予測値である計算値と
の間の誤差に基づき，指数平滑方式などによりその学習
係数を修正する方式が知られている。
【０００３】
【発明が解決しようとする課題】しかしながら，上記従
来の制御方法では，プロセスラインで処理する機会が多
い材料の属する層別の学習係数は早期に収束して安定す
るのに比べ，処理する機会の少ない材料の属する層別の
学習係数はほとんど修正処理がなされないため，その学
習係数が収束して安定するまでに時間がかかるという問
題点があった。そこで，本発明は上記事情に鑑みて創案
されたものであり，学習係数を修正する機会が少ない材
料層別に対しても，適宜その機会を与えて好適なプロセ
ス制御を実現し得るプロセスラインにおける学習制御方
法の提供を目的とするものである。
来の制御方法では，プロセスラインで処理する機会が多
い材料の属する層別の学習係数は早期に収束して安定す
るのに比べ，処理する機会の少ない材料の属する層別の
学習係数はほとんど修正処理がなされないため，その学
習係数が収束して安定するまでに時間がかかるという問
題点があった。そこで，本発明は上記事情に鑑みて創案
されたものであり，学習係数を修正する機会が少ない材
料層別に対しても，適宜その機会を与えて好適なプロセ
ス制御を実現し得るプロセスラインにおける学習制御方
法の提供を目的とするものである。
【０００４】
【課題を解決するための手段】上記目的を達成するため
に，本発明が採用する主たる手段は，その要旨とすると
ころが，プロセスラインの制御用モデルの学習係数をモ
デル予測値と前回までの実績値との誤差に基づいて修正
し，次回のプロセスラインを制御する学習制御方法にお
いて，上記プロセスラインでの処理に係る材料層別に対
応する学習係数を修正するに際し，モデル予測値と実績
値との誤差が所定の傾向を有する他の層別に係る学習係
数についても修正を行う点に係るプロセスラインにおけ
る学習制御方法である。
に，本発明が採用する主たる手段は，その要旨とすると
ころが，プロセスラインの制御用モデルの学習係数をモ
デル予測値と前回までの実績値との誤差に基づいて修正
し，次回のプロセスラインを制御する学習制御方法にお
いて，上記プロセスラインでの処理に係る材料層別に対
応する学習係数を修正するに際し，モデル予測値と実績
値との誤差が所定の傾向を有する他の層別に係る学習係
数についても修正を行う点に係るプロセスラインにおけ
る学習制御方法である。
【０００５】
【作用】上記構成に係る学習制御方法では，プロセスラ
インでの実際の処理に基づいて学習係数が修正された層
別に対し，該層別におけるモデル予測値と実績値との誤
差の傾向が例えば近似すると推定される近くの他の層別
についても，その学習係数が同時に修正される。これに
より，プロセスラインでの処理機会が極めて少ない材料
の属する層別についてもその学習係数が修正されるた
め，この層別に属する材料がプロセスラインで実際に処
理される場合において，初期より適切なモデル修正が行
われて精度の高い学習制御を実現することができる。
インでの実際の処理に基づいて学習係数が修正された層
別に対し，該層別におけるモデル予測値と実績値との誤
差の傾向が例えば近似すると推定される近くの他の層別
についても，その学習係数が同時に修正される。これに
より，プロセスラインでの処理機会が極めて少ない材料
の属する層別についてもその学習係数が修正されるた
め，この層別に属する材料がプロセスラインで実際に処
理される場合において，初期より適切なモデル修正が行
われて精度の高い学習制御を実現することができる。
【０００６】
【実施例】以下添付図面を参照して，本発明を具体化し
た実施例につき説明し，本発明の理解に供する。尚，以
下の実施例は，本発明を具体化した一例であって，本発
明の技術的範囲を限定する性格のものではない。ここ
に，図１は本発明の一実施例に係る学習制御方法を適用
したタンデムコールドミル圧延ラインにおける板厚初期
設定制御の全体的な流れを示すフローチャート，図２は
上記学習制御方法においてサイズ層別間での学習係数を
修正するための重み付け係数を決定する方法の一例を説
明するための図，図３は本実施例に係る学習制御方法と
従来の学習制御方法での圧延処理の結果得られたある材
料における学習係数を比較したグラフ，図４は本実施例
に係る学習制御方法と従来の学習制御方法での圧延処理
の結果得られたある材料におけるモデル計算誤差の時系
列的な推移を比較したグラフである。以下，本発明に係
る学習制御方法をタンデムコールドミル圧延ラインにお
ける圧延荷重制御に適用した場合を例に説明する。一般
に，この種の圧延ラインでは，圧延ラインの方向に複数
組み並設された各ロールスタンドでの圧下率及び各ロー
ルスタンド間における張力を制御することにより，圧延
材料の板厚制御が行われる。この板厚制御の手順につい
て，図１に示すフローチャートに基づいて説明する。
尚，同図中，Ｓ１，Ｓ２，…は各処理ステップを示す。
た実施例につき説明し，本発明の理解に供する。尚，以
下の実施例は，本発明を具体化した一例であって，本発
明の技術的範囲を限定する性格のものではない。ここ
に，図１は本発明の一実施例に係る学習制御方法を適用
したタンデムコールドミル圧延ラインにおける板厚初期
設定制御の全体的な流れを示すフローチャート，図２は
上記学習制御方法においてサイズ層別間での学習係数を
修正するための重み付け係数を決定する方法の一例を説
明するための図，図３は本実施例に係る学習制御方法と
従来の学習制御方法での圧延処理の結果得られたある材
料における学習係数を比較したグラフ，図４は本実施例
に係る学習制御方法と従来の学習制御方法での圧延処理
の結果得られたある材料におけるモデル計算誤差の時系
列的な推移を比較したグラフである。以下，本発明に係
る学習制御方法をタンデムコールドミル圧延ラインにお
ける圧延荷重制御に適用した場合を例に説明する。一般
に，この種の圧延ラインでは，圧延ラインの方向に複数
組み並設された各ロールスタンドでの圧下率及び各ロー
ルスタンド間における張力を制御することにより，圧延
材料の板厚制御が行われる。この板厚制御の手順につい
て，図１に示すフローチャートに基づいて説明する。
尚，同図中，Ｓ１，Ｓ２，…は各処理ステップを示す。
【０００７】Ｓ１において，次回の圧延材の処理に係る
各種指令情報が読み込まれ，各ロールスタンドの圧下率
及びロールスタンド間の張力が求められると共に，圧延
パターンのスケジュールが決定される（Ｓ２）。ここ
で，特に上記圧下率を求める場合の手順に注目すると，
まず，従来より周知の制御用モデルにおける次式によ
り，各ロールスタンドでの圧延荷重計算値Ｐcal （モデ
ル予測値）が算出される（Ｓ３）。 Ｐcal ＝Ｂ・ｋ・Ｚ・ｌ・ＱP … ここで，Ｂは圧延材の板幅寸法，ｋは圧延材の変形抵
抗，Ｚは張力補正項，ｌはロールの圧延材に対する接触
弧長，ＱP は圧下力関数である。引き続き，上記Ｓ３で
算出された各ロールスタンドでの圧延荷重計算値Ｐcal
を，今回までの圧延処理の結果得られた学習係数Ｋp で
修正することにより，今回までの圧延荷重実績値Ｐact
との誤差を修正された次回の圧延材の処理に係る圧延荷
重計算値Ｐcal ′が得られる（Ｓ４）。その後，各ロー
ルスタンドでのロールギャップが算出され，所定の圧下
率となるように位置設定される（Ｓ５）。以下に，上述
した学習係数の修正処理をも含めて本実施例に係る学習
制御方法について詳述する（同図（Ｂ）参照）。まず，
今回の圧延材の処理に係る圧延実績データがＸ線板厚計
等の各検出器から取り入れられ，それらを用いて上記
式により圧延荷重計算値Ｐcal が算出される。そして，
圧延荷重実績値Ｐcat との誤差Ｚp が以下の式により
その比率として求められる（Ｓ１１，Ｓ１２）。 Ｚp ＝Ｐact ／Ｐcal …
各種指令情報が読み込まれ，各ロールスタンドの圧下率
及びロールスタンド間の張力が求められると共に，圧延
パターンのスケジュールが決定される（Ｓ２）。ここ
で，特に上記圧下率を求める場合の手順に注目すると，
まず，従来より周知の制御用モデルにおける次式によ
り，各ロールスタンドでの圧延荷重計算値Ｐcal （モデ
ル予測値）が算出される（Ｓ３）。 Ｐcal ＝Ｂ・ｋ・Ｚ・ｌ・ＱP … ここで，Ｂは圧延材の板幅寸法，ｋは圧延材の変形抵
抗，Ｚは張力補正項，ｌはロールの圧延材に対する接触
弧長，ＱP は圧下力関数である。引き続き，上記Ｓ３で
算出された各ロールスタンドでの圧延荷重計算値Ｐcal
を，今回までの圧延処理の結果得られた学習係数Ｋp で
修正することにより，今回までの圧延荷重実績値Ｐact
との誤差を修正された次回の圧延材の処理に係る圧延荷
重計算値Ｐcal ′が得られる（Ｓ４）。その後，各ロー
ルスタンドでのロールギャップが算出され，所定の圧下
率となるように位置設定される（Ｓ５）。以下に，上述
した学習係数の修正処理をも含めて本実施例に係る学習
制御方法について詳述する（同図（Ｂ）参照）。まず，
今回の圧延材の処理に係る圧延実績データがＸ線板厚計
等の各検出器から取り入れられ，それらを用いて上記
式により圧延荷重計算値Ｐcal が算出される。そして，
圧延荷重実績値Ｐcat との誤差Ｚp が以下の式により
その比率として求められる（Ｓ１１，Ｓ１２）。 Ｚp ＝Ｐact ／Ｐcal …
【０００８】そして，次式により，上記誤差Ｚp に基
づいて，今回の処理に係る圧延材の属する層別（材料層
別）の学習係数Ｋp -1が平滑化され，新たな学習係数Ｋ
p としてデータテーブルに記憶される（Ｓ１３）。 Ｋp ＝α・Ｚp ＋（１−α）・Ｋp -1 … ここで，αは平滑係数であって，一般に０≦α≦１なる
定数である。周知の如く，αが大きいほどその圧延材に
対する誤差の影響が学習係数に大きく反映されてハンチ
ングする場合が多々みられる。また，αが小さいと，学
習係数のハンチングは少くなるが収束する速度が遅くな
る傾向がみられる。そこで，αは，一般的にプロセスの
前半部分においては比較的大きな値に設定され，後半部
分においては小さく設定される。これにより，プロセス
全体への悪影響の回避が図られている。上記Ｓ１３で
は，今回の処理にかかる圧延材の属する層別の学習係数
を算出し，その属するテーブル値のみを更新したが，本
実施例では，同時に，上記モデル予測値と実績値との誤
差が所定の傾向を有する他の層別に係る学習係数につい
ても修正が行われる。この場合の他の層別としては，一
例として上記誤差の傾向が近似していると推定される層
別間距離の近さにより特定される。上記傾向としては，
その他，圧延材の材料特性等に基づいて設定するように
してもよい。上記のように特定された他の層別の学習係
数の修正は，層別間の距離の近さにより修正される重み
付けにより行われ，次式により実施され，各々のテー
ブル値が更新，記憶される（Ｓ１４）。 Ｋp(j+n,g+m)＝α・γ・Ｚp ＋（１−α・γ）・Ｋp -1 (j+n,g+m) …
づいて，今回の処理に係る圧延材の属する層別（材料層
別）の学習係数Ｋp -1が平滑化され，新たな学習係数Ｋ
p としてデータテーブルに記憶される（Ｓ１３）。 Ｋp ＝α・Ｚp ＋（１−α）・Ｋp -1 … ここで，αは平滑係数であって，一般に０≦α≦１なる
定数である。周知の如く，αが大きいほどその圧延材に
対する誤差の影響が学習係数に大きく反映されてハンチ
ングする場合が多々みられる。また，αが小さいと，学
習係数のハンチングは少くなるが収束する速度が遅くな
る傾向がみられる。そこで，αは，一般的にプロセスの
前半部分においては比較的大きな値に設定され，後半部
分においては小さく設定される。これにより，プロセス
全体への悪影響の回避が図られている。上記Ｓ１３で
は，今回の処理にかかる圧延材の属する層別の学習係数
を算出し，その属するテーブル値のみを更新したが，本
実施例では，同時に，上記モデル予測値と実績値との誤
差が所定の傾向を有する他の層別に係る学習係数につい
ても修正が行われる。この場合の他の層別としては，一
例として上記誤差の傾向が近似していると推定される層
別間距離の近さにより特定される。上記傾向としては，
その他，圧延材の材料特性等に基づいて設定するように
してもよい。上記のように特定された他の層別の学習係
数の修正は，層別間の距離の近さにより修正される重み
付けにより行われ，次式により実施され，各々のテー
ブル値が更新，記憶される（Ｓ１４）。 Ｋp(j+n,g+m)＝α・γ・Ｚp ＋（１−α・γ）・Ｋp -1 (j+n,g+m) …
【０００９】ここで，Ｋp(j+n,g+m)は，当該圧延材の層
別（ｊ，ｇ）から（ｎ，ｍ）（ｎ＝…，−２，−１，
１，２，…，ｍ＝…，−１，１，２，…）個だけ隣の層
別における学習係数で，Ｋp -1 (j+n,g+m) は，その前回
までの圧延処理に係る学習係数である。即ち，Ｋp(j,g)
は，上記Ｓ１３での処理に基づく学習係数で上述のＫp
と同意である。また，αは上述の平滑係数で０≦α≦１
なる定数である。更に，γは重み付け係数であって，図
２（Ａ），（Ｂ）に示すように，例えば圧延材の狙い厚
・板幅層別内の代表値（基準値）との距離が大きい時
と，また同図（Ｃ）よりこのグループの圧延本数（修正
回数に対応）が多く十分に学習係数が収束安定している
ものについては小さく設定される。これは，図２
（Ａ），（Ｂ）の場合には該当層別と他の層別との距離
が大きい時は上記誤差の傾向が近似していないと推定さ
れ，また，同図（Ｃ）の場合には学習係数の収束により
初期の目的が達成されているからである（修正を行う必
要性が低い）。上記のように，層別（ｊ，ｇ）の層別
（ｊ＋ｎ，ｇ＋ｍ）に対する学習係数の重み付けを小さ
くして外乱による影響を回避し得るように配慮がなされ
ている。以上のように，次回の圧延材の処理に係る圧延
荷重計算値Ｐcal の誤差を修正するべく当該層別（ｊ，
ｇ）の学習係数が算出され，次式により最終的に設定
すべき圧延荷重計算値Ｐcal ′が算出される（Ｓ４）。 Ｐcal ′＝Ｋp ・Ｐcal … 引き続き，上記圧延荷重計算値Ｐcal ′に基づいて，従
来より周知の次式により，所定の圧下率となるように
各ロールスタンドの圧下位置Ｓが算出される。 Ｓ＝ｈ−Ｐcal ′／Ｍ＋Ｓ0 … ここで，ｈは各ロールスタンドにおける圧延材の出側の
板厚，Ｍはミル定数，Ｓ0 はオフセット量である。
別（ｊ，ｇ）から（ｎ，ｍ）（ｎ＝…，−２，−１，
１，２，…，ｍ＝…，−１，１，２，…）個だけ隣の層
別における学習係数で，Ｋp -1 (j+n,g+m) は，その前回
までの圧延処理に係る学習係数である。即ち，Ｋp(j,g)
は，上記Ｓ１３での処理に基づく学習係数で上述のＫp
と同意である。また，αは上述の平滑係数で０≦α≦１
なる定数である。更に，γは重み付け係数であって，図
２（Ａ），（Ｂ）に示すように，例えば圧延材の狙い厚
・板幅層別内の代表値（基準値）との距離が大きい時
と，また同図（Ｃ）よりこのグループの圧延本数（修正
回数に対応）が多く十分に学習係数が収束安定している
ものについては小さく設定される。これは，図２
（Ａ），（Ｂ）の場合には該当層別と他の層別との距離
が大きい時は上記誤差の傾向が近似していないと推定さ
れ，また，同図（Ｃ）の場合には学習係数の収束により
初期の目的が達成されているからである（修正を行う必
要性が低い）。上記のように，層別（ｊ，ｇ）の層別
（ｊ＋ｎ，ｇ＋ｍ）に対する学習係数の重み付けを小さ
くして外乱による影響を回避し得るように配慮がなされ
ている。以上のように，次回の圧延材の処理に係る圧延
荷重計算値Ｐcal の誤差を修正するべく当該層別（ｊ，
ｇ）の学習係数が算出され，次式により最終的に設定
すべき圧延荷重計算値Ｐcal ′が算出される（Ｓ４）。 Ｐcal ′＝Ｋp ・Ｐcal … 引き続き，上記圧延荷重計算値Ｐcal ′に基づいて，従
来より周知の次式により，所定の圧下率となるように
各ロールスタンドの圧下位置Ｓが算出される。 Ｓ＝ｈ−Ｐcal ′／Ｍ＋Ｓ0 … ここで，ｈは各ロールスタンドにおける圧延材の出側の
板厚，Ｍはミル定数，Ｓ0 はオフセット量である。
【００１０】尚，当該層別（ｊ，ｇ）に係る圧延材に代
えて，他の層別（ｊ＋ｎ，ｇ＋ｍ）に係る圧延材の処理
を行う場合には，学習係数Ｋp(j+n,g+m)を用いて上記と
同様の手順にて各ロールスタンドでの圧下位置Ｓが算出
される。図３は，例えば狙い厚層別３，板厚層別３のグ
ループに属する材料を５本のロールスタンドで圧延処理
した時の従来の学習制御方法と，本実施例における学習
制御方法での学習係数を比較したものである。これによ
ると，従来方法では狙い厚層別３，板厚層別３の学習係
数のみが修正されているが，本実施例における学習制御
方法では学習係数は狙い厚層別３，板厚層別３との層別
の距離の近さに応じて値が変化している。また，図４は
狙い厚層別３，板厚層別３の材料を例えば１０本のロー
ルスタンドで圧延処理した後，サイズ変更にて狙い厚層
別２，板厚層別２の材料を同じく１０本のロールスタン
ドで圧延処理した場合のそれぞれのモデル計算誤差の時
系列的推移を，従来の学習制御方法と本実施例に係る学
習制御方法とで比較したものである。この結果，本実施
例に係る学習制御方法では，従来の場合に比べて材料の
サイズ変更時の極めて初期の段階から精度の高い制御が
実現できることがわかる。尚，上記実施例においては，
本発明に係る学習制御方法を圧延ラインに適用した場合
を例に説明したが，当該学習制御方法は，他の一般的な
プロセスラインについても広く適用し得るものである。
えて，他の層別（ｊ＋ｎ，ｇ＋ｍ）に係る圧延材の処理
を行う場合には，学習係数Ｋp(j+n,g+m)を用いて上記と
同様の手順にて各ロールスタンドでの圧下位置Ｓが算出
される。図３は，例えば狙い厚層別３，板厚層別３のグ
ループに属する材料を５本のロールスタンドで圧延処理
した時の従来の学習制御方法と，本実施例における学習
制御方法での学習係数を比較したものである。これによ
ると，従来方法では狙い厚層別３，板厚層別３の学習係
数のみが修正されているが，本実施例における学習制御
方法では学習係数は狙い厚層別３，板厚層別３との層別
の距離の近さに応じて値が変化している。また，図４は
狙い厚層別３，板厚層別３の材料を例えば１０本のロー
ルスタンドで圧延処理した後，サイズ変更にて狙い厚層
別２，板厚層別２の材料を同じく１０本のロールスタン
ドで圧延処理した場合のそれぞれのモデル計算誤差の時
系列的推移を，従来の学習制御方法と本実施例に係る学
習制御方法とで比較したものである。この結果，本実施
例に係る学習制御方法では，従来の場合に比べて材料の
サイズ変更時の極めて初期の段階から精度の高い制御が
実現できることがわかる。尚，上記実施例においては，
本発明に係る学習制御方法を圧延ラインに適用した場合
を例に説明したが，当該学習制御方法は，他の一般的な
プロセスラインについても広く適用し得るものである。
【００１１】
【発明の効果】本発明は，上記したように，プロセスラ
インの制御用モデルの学習係数をモデル予測値と前回ま
での実績値との誤差に基づいて修正し，次回のプロセス
ラインを制御する学習制御方法において，上記プロセス
ラインでの処理に係る材料層別に対応する学習係数を修
正するに際し，モデル予測値と実績値との誤差が所定の
傾向を有する他の層別に係る学習係数についても修正を
行うことを特徴とするプロセスラインにおける学習制御
方法であるから，学習係数を修正する機会が少ない材料
層別に対しても，適宜その機会を与えて好適なプロセス
制御を実現することができる。
インの制御用モデルの学習係数をモデル予測値と前回ま
での実績値との誤差に基づいて修正し，次回のプロセス
ラインを制御する学習制御方法において，上記プロセス
ラインでの処理に係る材料層別に対応する学習係数を修
正するに際し，モデル予測値と実績値との誤差が所定の
傾向を有する他の層別に係る学習係数についても修正を
行うことを特徴とするプロセスラインにおける学習制御
方法であるから，学習係数を修正する機会が少ない材料
層別に対しても，適宜その機会を与えて好適なプロセス
制御を実現することができる。
【図１】 本発明の一実施例に係る学習制御方法を適用
したタンデムコールドミル圧延ラインにおける板厚初期
設定制御の全体的な流れを示すフローチャート。
したタンデムコールドミル圧延ラインにおける板厚初期
設定制御の全体的な流れを示すフローチャート。
【図２】 上記学習制御方法においてサイズ層別間での
学習係数を修正するための重み付け係数を決定する方法
の一例を説明するための図。
学習係数を修正するための重み付け係数を決定する方法
の一例を説明するための図。
【図３】 本実施例に係る学習制御方法と従来の学習制
御方法での圧延処理の結果得られたある材料における学
習係数を比較したグラフ。
御方法での圧延処理の結果得られたある材料における学
習係数を比較したグラフ。
【図４】 本実施例に係る学習制御方法と従来の学習制
御方法での圧延処理の結果得られたある材料におけるモ
デル計算誤差の時系列的な推移を比較したグラフ。
御方法での圧延処理の結果得られたある材料におけるモ
デル計算誤差の時系列的な推移を比較したグラフ。
Ｓ１〜Ｓ５，Ｓ１１〜Ｓ１４…処理ステップ
Claims (4)
- 【請求項１】 プロセスラインの制御用モデルの学習係
数をモデル予測値と前回までの実績値との誤差に基づい
て修正し，次回のプロセスラインを制御する学習制御方
法において，上記プロセスラインでの処理に係る材料層
別に対応する学習係数を修正するに際し，モデル予測値
と実績値との誤差が所定の傾向を有する他の層別に係る
学習係数についても修正を行うことを特徴とするプロセ
スラインにおける学習制御方法。 - 【請求項２】 上記所定の傾向が，区分けされた上記材
料層別の距離により判断される請求項１記載のプロセス
ラインにおける学習制御方法。 - 【請求項３】 上記修正の程度が，上記傾向に応じた重
み付けにより行われる請求項１又は２記載のプロセスラ
インにおける学習制御方法。 - 【請求項４】 上記重み付けが，過去の修正回数をも考
慮される請求項３記載のプロセスラインにおける学習制
御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5041091A JPH06259107A (ja) | 1993-03-02 | 1993-03-02 | プロセスラインにおける学習制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5041091A JPH06259107A (ja) | 1993-03-02 | 1993-03-02 | プロセスラインにおける学習制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06259107A true JPH06259107A (ja) | 1994-09-16 |
Family
ID=12598812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5041091A Pending JPH06259107A (ja) | 1993-03-02 | 1993-03-02 | プロセスラインにおける学習制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06259107A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| KR100354410B1 (ko) * | 1994-01-17 | 2002-12-16 | 지멘스 악티엔게젤샤프트 | 프로세스제어방법및장치 |
| JP2003340508A (ja) * | 2002-05-27 | 2003-12-02 | Toshiba Ge Automation Systems Corp | 圧延機設定計算装置用学習制御装置 |
| JP2005152937A (ja) * | 2003-11-25 | 2005-06-16 | Sumitomo Metal Ind Ltd | 数式モデルにおける予測誤差補正用テーブル値生成装置及びその方法 |
| JPWO2021240900A1 (ja) * | 2020-05-26 | 2021-12-02 |
-
1993
- 1993-03-02 JP JP5041091A patent/JPH06259107A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100354410B1 (ko) * | 1994-01-17 | 2002-12-16 | 지멘스 악티엔게젤샤프트 | 프로세스제어방법및장치 |
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| JP2003340508A (ja) * | 2002-05-27 | 2003-12-02 | Toshiba Ge Automation Systems Corp | 圧延機設定計算装置用学習制御装置 |
| JP2005152937A (ja) * | 2003-11-25 | 2005-06-16 | Sumitomo Metal Ind Ltd | 数式モデルにおける予測誤差補正用テーブル値生成装置及びその方法 |
| JPWO2021240900A1 (ja) * | 2020-05-26 | 2021-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2015122010A1 (ja) | 圧延プロセスの学習制御装置 | |
| JPH06259107A (ja) | プロセスラインにおける学習制御方法 | |
| JP4280351B2 (ja) | 圧延制御モデル学習装置 | |
| JPH04367901A (ja) | プロセスラインにおける学習制御方法 | |
| US3802236A (en) | Gauge control method and apparatus including workpiece gauge deviation correction for metal rolling mills | |
| US6438443B1 (en) | Method and device for pre-setting the planeness of a roller strip | |
| JPH0760320A (ja) | 厚板圧延方法 | |
| JP2001252709A (ja) | 熱間圧延の仕上圧延機出側温度予測方法 | |
| JPH1031505A (ja) | プロセスラインの学習制御方法 | |
| JP3230648B2 (ja) | リバース圧延における形状制御方法 | |
| JPH10263640A (ja) | 圧延機における圧延荷重の学習制御方法 | |
| US4126026A (en) | Method and apparatus for providing improved automatic gage control setup in a rolling mill | |
| JPH07102380B2 (ja) | 多段圧延機における圧延材の形状制御方法 | |
| KR100929015B1 (ko) | 압연재 소성계수 보정에 의한 예측압연하중 보정방법 | |
| JP2000126809A (ja) | 圧延機のセットアップ装置 | |
| JP3396774B2 (ja) | 形状制御方法 | |
| JPS63123B2 (ja) | ||
| JPH0342125B2 (ja) | ||
| JP2719215B2 (ja) | 板圧延のエッジドロップ制御方法 | |
| JP3441381B2 (ja) | 圧延機制御装置 | |
| JPH07265927A (ja) | 板クラウン予測モデルの修正方法 | |
| JPH11104720A (ja) | 圧延機のセットアップ装置 | |
| JP2003245706A (ja) | 複数パス圧延における圧延中の再パススケジューリング方法 | |
| JPH06277728A (ja) | 板クラウン制御設定方法 | |
| JPH08332506A (ja) | テーパプレートの板厚制御方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090528 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 11 Free format text: PAYMENT UNTIL: 20100528 |
|
| LAPS | Cancellation because of no payment of annual fees |