JPH0667706A

JPH0667706A - 制御系の初期設定方法

Info

Publication number: JPH0667706A
Application number: JP5143403A
Authority: JP
Inventors: Kazuya Asano; 一哉浅野; Junichi Tateno; 純一舘野
Original assignee: Kawasaki Steel Corp
Current assignee: JFE Steel Corp
Priority date: 1992-06-19
Filing date: 1993-06-15
Publication date: 1994-03-11

Abstract

(57)【要約】【目的】本発明は、あるプロセスを合目的に制御しよう
とした場合における初期設定方法に係り、理論による初
期設定では設定誤差が大きく実用にならないような場合
であっても、良好なセットアップ制御を実現する。【構成】従来の経験によって確立されている複数の制御
条件と制御結果、そのときの設定条件の組を標準制御パ
ターンとして複数個保持し、それらと異なる制御条件に
対しては、それに類似した標準制御パターンを勘案して
設定条件を求める。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、あるプロセスを合目的
に制御しようとした場合における初期設定方法に係り、
特に理論による初期設定が困難な対象であっても良好な
初期設定を行なうための方法に関する。

【０００２】

【従来の技術】一般にプロセス制御においては、操作量
を調整して、制御量を所望値に制御することを目的とし
て、自動制御がなされている。制御といった場合、実際
の制御量とその目標値が一致するような訂正動作を行な
うフィードバック制御をさす場合が多いが、圧延機のよ
うなバッチプロセスにおいては、スムーズにフィードバ
ック制御に入れるようにするため、フィードバック制御
の開始以前に制御系の操作量の初期値を適切に設定して
おくセットアップ制御も非常に重要である。以下、圧延
制御を例に挙げて説明する。

【０００３】圧延に関する制御は、次の３項目からなっ
ている。１）セットアップ制御圧延前に、母材厚、製品目標厚、板幅、鋼種、入側温
度、出側目標温度、目標クラウンなどの圧延仕様から、
圧下位置、ロール速度、張力、ベンダー力などの初期設
定を行なう。

【０００４】２）ダイナミック制御圧延中に圧延状態を測定あるいは推定して操作量を修正
するフィードバック制御。３）学習制御実際の圧延結果に基づき制御パラメータを修正し、次の
操業結果を改善する。

【０００５】セットアップ制御は、圧延工程の生産性、
安定性、品質に大きな影響を与える重要な制御である。
すなわち、初期設定の精度が悪いと、たとえダイナミッ
ク制御により多少のカバーがなされたとしても、圧延材
の先端部に製品仕様が満足されない部分が生じて分留ま
りが低下したり、著しい場合には圧延機への通板ができ
なかったり、過大な張力による圧延材の破断が生じたり
して圧延不能になるなどのトラブルになる。

【０００６】最近、他品種少量生産の傾向が強まるとと
もに初期設定の精度向上はますます重要になってきてい
る。従来は圧延理論式に基づいて設定計算が行なわれて
いた。例えば、鋼板の冷間圧延では、圧延仕様より、ま
ず、各スタンドでの目標板厚が計算され、次いで変形抵
抗、張力設定値、圧延荷重が計算される。さらに、ロー
ルシフト量、ロールペンディング力が計算され、バネ定
数が計算された後にロールギャップ、ロール速度が計算
される。

【０００７】しかしながら、圧延理論式にはロールと圧
延材の間の摩擦係数、圧延材の変形抵抗など、測定困難
な変数が使われており、それらの値を仮定しなければな
らず、大きな設定誤差を招くことがあった。そのため、
熟練したオペレータが経験に基づいて初期設定を変更し
たり、圧延を監視して圧延中に手動介入したりしてい
た。このようなオペレータによる介入は自動設定の精度
不良を一時的にカバーするものではあるが、同時に個人
による違いを持ち込むことになり、操業の標準化が達成
されず、圧延の安定性が確保されないばかりか、オペレ
ータの負担を増大させ、自動化の方向に反するものであ
る。

【０００８】この問題を解決するために、オペレータが
行なっている経験に基づいた制御ルールをファジィ推論
で表現する方法が提案されている。また、圧延理論式で
は不正確なものや理論が作りにくいものについては圧延
条件と圧延結果との関係を線形回帰式、ファジィ理論、
階層型の神経回路網などを用いて回帰式を作成して初期
設定を行なうことも行なわれている。

【０００９】さらに、モデルの作成をあきらめ、圧延条
件を適当に区分して、対応する設定条件との関係を表に
したテーブル方式も使われている。特開昭６１−４５３
０１号公報においては、材料特性値、設備、機械の操作
設定値などプロセスに印加される複数条件の原因データ
ベクトルを時系列的に採取し、原因データベクトル間の
距離を定義しておき、距離が一定値内にある原因データ
ベクトルをグループ化して複数の原因データベクトルグ
ループを作成するとともに、製品特性値、設備、機械の
動作実績など、プロセスの処理結果を示す実績データと
して時系列的に採取して得られる結果データを対応する
原因データベクトルが所属する原因データベクトルグル
ープに対応させて結果データグループを作成し、任意の
時点に得られた原因データベクトルに対して、編入され
るべき原因データベクトルグループがある場合は、その
原因データベクトルグループに対応する結果データグル
ープの代表値をもってその原因データベクトルに対する
結果データの予測値とし、編入されるべき原因データベ
クトルがない場合には、最も近い距離にある原因データ
ベクトルグループに対応する結果データグループの代表
値をもってその原因データベクトルに対する結果データ
の予測値とし、この予測値に基づいてプロセスに印加さ
れる条件を修正制御することを特徴とするプロセスの制
御方法が提案されている。

【００１０】

【発明が解決しようとする課題】しかしながら、ファジ
ィ理論を用いる方法ではメンバシップ関数の決め方に恣
意的な要素が大きく、またその調整方法が確立されてお
らず、調整に時間がかかり、また、どのような設定にな
るかは実際にファジィの演算を行なわなければ予測がつ
かない、という問題がある。線形回帰式では非線形な関
係を表現できないという問題がある。また、階層型の神
経回路網では入出力関係がどのような非線形関係を持つ
かが全く予測できず、学習データ以外のデータが入力さ
れた場合に不適切な値が出力される恐れがあり、また、
学習によって獲得された、非常に高次の非線形項を含む
神経回路網の構造に物理的な意味づけが行なえない、と
いう問題点がある。

【００１１】テーブル方式では、条件の分割を非常に細
かくしないかぎり分割の境界での設定条件の段差が生
じ、きめ細かな設定を行なうこともできず、また、分割
された条件ごとの設定条件を求めるのが難しいという問
題もある。特開昭６１−４５３０１号公報における方法
では、入力条件の分割とそこでのテーブル値の算出は自
動的に行なわれるが、本質的にはテーブル方式と異なる
ことはなく、分割の境界での設定条件の段差の問題は残
っている。また、特開昭６１−４５３０２号公報におい
て、出力されるものは制御結果であり、それを用いて制
御する方法は開示されていない。

【００１２】本発明は、前記従来の問題点を解決するべ
くなされたものであり、理論による初期設定では設定誤
差が大きく実用にならないような場合であっても、良好
なセットアップ制御を実現するための制御系の初期設定
方法を提供することを課題とする。

【００１３】

【課題を解決するための手段】本発明は、所定の制御条
件を前提として求められた設定条件に基づいて制御系の
設定を行うことにより所定の制御結果を得る制御系の初
期設定方法に関する。ここで上記の（ａ）「制御条
件」、（ｂ）「設定条件」、（ｃ）「制御結果」につい
て説明する。

【００１４】まず、（ｂ）「設定条件」から説明する。
制御の目的を達成するために、制御を開始する前に、プ
ロセスのなかで操作可能な量の初期値を算出し、その操
作可能な量をその初期値に設定しておく必要がある。そ
の設定値の集合をここでは「設定条件」とよぶ。例えば
後述する実施例において説明する、鋼板の冷間タンデム
圧延機の板厚の制御を行う場合（以下「例示の場合」と
称する。）は製品の板厚を目標値にすることが制御の目
的であり、そのためにタンデム圧延機の各スタンドでど
れだけ薄くすればよいかということ、つまり各スタンド
における目標板厚を決める必要がある。これをドラフト
スケジュール計算とよんでいる。次いで、各スタンドに
おける目標厚を達成するために、スタンド間張力、圧下
位置、ロール速度の初期設定値を求める。セットアップ
制御の目的は最終的にはアクチュエータの初期設定値を
求めることであるが、例示の場合には、各スタンドの目
標板厚という中間的な量を求める場合を扱っている。こ
の各スタンドの目標板厚はアクチュエータの設定値と強
い相関があり、このような場合はこの各スタンドの目標
板厚を「設定条件」としてもよい。もちろんアクチュエ
ータの設定値そのものを操作可能な「設定条件」とする
こともできる。また他の例として、板の平坦度を制御す
る場合は、ロールベンディング力、ロールシフト量、ロ
ールギャップが操作量となり、これらの初期設定値が
「設定条件」となる。

【００１５】また（ｃ）制御結果とは、制御の目的が達
成されたかどうかを表わすものである。すなわち、板厚
制御であれば板厚実績値、板幅制御であれば板幅実績
値、平坦度制御であれば平坦度実績値が「制御結果」な
る。また（ａ）制御条件とは、あるプロセスを制御する
にあたって課せられた課題の前提条件にあたるもので、
プロセスの操業条件のなかで「制御結果」に影響してく
るもののうち、「設定条件」として直接操作することが
ないものの集合である。即ち、与えられた「制御条件」
を前提として、所望の「制御結果」を達成せよ、という
ことが制御の課題となる。例えば、板厚についてのセッ
トアップ制御において製品目標厚を考慮しないわけには
いかないから、それは「制御条件」の一つとなる。また
圧延機入側の板厚についても、その圧延機でどれだけ薄
くすればよいのか関係するから必要であり、「制御条
件」の一つとなる。その他、板厚制御に関する設定を行
う際に考慮しなければならない前提条件が、「制御条
件」となる。

【００１６】即ち、「制御条件」は上から与えられた前
提条件であって操作できないもの、「制御結果」は「制
御条件」の下で達成した結果、「設定条件」は「制御条
件」の下で「制御結果」を所望のものとするために算出
する制御系の操作可能な量の初期値である。例えば、熱
間仕上圧延において各スタンド間の張力設定によって板
幅を所望のものとする制御を考えると、「制御条件」と
しては、入側板幅、出側板幅目標値、入側板温、出側板
温、入側板厚、出側板厚、鋼種などがあげられる。「制
御結果」は、出側板幅実測値となる。「設定条件」は、
各スタンド間の張力設定値となる。

【００１７】以上説明した前提下において、上記目的を
達成する本発明の制御系の初期設定方法は、既知の制御
条件と、該制御条件を前提として求められた既知の設定
条件と、該設定条件に基づいて設定された制御系により
得られた既知の制御結果との組を標準制御パターンとし
て複数組保持し、与えられた制御条件および所望の制御
結果を前記標準制御パターンにおける既知の制御条件お
よび既知の制御結果と比較してあらかじめ定義した類似
度を求め、該類似度にしたがって標準制御パターンにお
ける既知の設定条件を重み付き平均することにより設定
条件を求め、該設定条件に基づいて制御系の設定を行う
ことを特徴とするものである。

【００１８】ここで、上記重み付き平均により求められ
た設定条件に基づいて設定された制御系における制御結
果に基づいて、上記標準制御パターンを修正することが
好ましい。また、上記重み付き平均により求められた設
定条件に基づいて設定された制御系における制御結果に
基づいて、上記重み付き平均における重みを修正しても
よい。

【００１９】さらに、新たな既知の制御条件および新た
な既知の制御結果を前記標準制御パターンにおける既知
の制御条件および既知の制御結果と比較して予め定義し
た類似度を求め、所定値以上の類似度を有する標準制御
パターンが存在しない場合には、前記新たな既知の制御
条件、前記新たな既知の制御結果、およびこれら新たな
既知の制御条件と新たな既知の制御結果に対応する新た
な既知の設定条件の組を新たな標準制御パターンとして
追加することも好ましい態様である。

【００２０】ここで、上記本発明は、神経回路網を用い
て好適に構成することができる。図１は、本発明に用い
られる神経回路網の模式的概念図である。以下この図１
を参照しながら先ず本発明に用いられる神経回路網につ
いて説明し、次いでその神経回路網を用いた本発明の制
御系の初期設定方法について説明する。本発明において
用いられる神経回路網は、入力層、中間層、および出力
層から構成される。但し、各層を構成するユニットの数
は図１に示されたユニットの数には限られず、また各出
力ユニットは全ての中間ユニットと結合されているとは
限らない。

【００２１】ここで、入力層は、与えられた制御条件と
所望の制御結果とからなる入力データが入力され、入力
された入力データを中間層に媒介する１つもしくは複数
の入力ユニットからなる。また、中間層は、複数の中間
ユニットから構成されるが、各中間ユニットは、該各中
間ユニットのそれぞれに割り当てられた、既知の制御条
件と該制御条件を前提として求められた既知の設定条件
と該設定条件に基づいて設定された制御系により得られ
た既知の制御結果とからなる学習データの信頼度の和と
該学習データを構成する既知の制御条件と既知の制御結
果とからなる学習用入力データを代表する代表データと
を記憶し、入力ユニットから分配された入力データを受
け取って、該入力データと上記代表データとの一致度を
表わす値を求め該値に上記信頼度の和を乗じることによ
り反応値を求めるものであり、各中間ユニットからはこ
の反応値が出力される。

【００２２】ここで、一致度としては、例えば、入力デ
ータと中間ユニットが保有するパラメータとの間のユー
クリッド距離にガウス関数を作用させたものを用いるこ
とができる。この場合、両者が完全に一致すれば１とな
り、ずれるにつれて０に漸近する。また出力層は、１つ
もしくは複数の出力ユニットから構成され、各出力ユニ
ットは、該各出力ユニットと結合された中間ユニットか
ら出力された上記反応度に該中間ユニットとの間の結合
の度合いを表わす結合定数を乗じた値を結合された中間
ユニットに亘って互いに加算し、これにより求められた
加算値を、結合された中間ユニットに亘って上記反応値
を加算した値で除することにより出力値を求めるもので
ある。各出力ユニットからはこの出力値が出力され、こ
れらの出力値により出力データが構成される。

【００２３】本発明の制御系の初期設定方法は、上記構
造の神経回路網を好適に用いることができるものであ
り、このように構成した本発明の制御方法は、上記神経
回路網を構築し、構築された上記神経回路網に上記入力
データを入力することにより上記出力値からなる出力デ
ータを該神経回路網から出力させ、該出力データを上記
設定条件として該設定条件に基づいて制御系の設定を行
うことを特徴とするものである。

【００２４】上記神経回路網の構築方法の概要を図２に
示す。この神経回路網は、入力層に入力データの次元数
に応じた数の入力ユニットを設けるとともに、出力層に
出力データの次元数に応じた数の出力ユニットを設ける
第１過程、最初の学習データが入力された際に、該学習
データを構成する上記学習用入力データを上記代表デー
タとして記憶するとともに該学習データの信頼度を上記
信頼度の和として記憶する中間ユニットを中間層に１個
設け、該中間ユニットを、該学習データを構成する上記
学習用出力データを上記結合係数として出力ユニットに
結合する第２過程、２番目以降の学習データが入力され
た各時点において、既に設けられた各中間ユニットにお
いて、入力された学習データを構成する上記学習用入力
データと該各中間ユニットに記憶された代表データとの
間の一致度を表わす値を求め、該値に基づいて既に設け
られた全ての中間ユニットのうち最も一致度の高い中間
ユニットと該中間ユニットで求められた一致度を表わす
値を選択する第３過程、上記第３過程で選択された中間
ユニットで求められた一致度を表わす値を所定の第１し
きい値と比較し、該第１しきい値をが表わす一致度より
も一致度が高いと判定される場合に、該選択された中間
ユニットに記憶された代表データと入力された学習デー
タを構成する上記学習用入力データとを、それぞれ該中
間ユニットに記憶された信頼度の和と該学習データの信
頼度を重みとして重み付け平均し、これにより求められ
た重み付け平均値を、該中間ユニットに記憶された代表
データに代えて新たな代表データとして該中間ユニット
に記憶するとともに、該中間ユニットに記憶された信頼
度の和と入力された学習データの信頼度とを加算し、こ
の加算された値を、該中間ユニットに記憶された信頼度
の和に代えて新たな信頼度の和として該中間ユニットに
記憶し、かつ、該中間ユニットと、該中間ユニットと結
合された出力ユニットとの間の結合係数と、入力された
学習データを構成する上記学習用出力データとを、それ
ぞれ該中間ユニットに記憶された信頼度の和と該学習デ
ータの信頼度を重みとして重み付け平均し、これにより
求められた重み付け平均値を、上記結合係数に代えて新
たな結合係数とする第４過程、および上記第３過程で選
択された中間ユニットで求められた一致度を表わす値を
上記第１しきい値と比較し、該第１しきい値が表わす一
致度よりも一致度が低いと判定される場合に、学習デー
タを構成する上記学習用入力データを上記代表データと
して記憶するとともに該学習データの信頼度を上記信頼
度の和として記憶する中間ユニットを中間層に１個追加
し、該中間ユニットを、該学習データを構成する上記学
習用出力データを結合係数として出力ユニットに結合す
る第５過程を経て構築される。

【００２５】ここで上記神経回路網は、その各学習デー
タの信頼度が互いに等しい場合を含み、この場合、各中
間ユニットには、上記信頼度の和に代えて、各中間ユニ
ットに割り当てられた学習データの個数が記憶される。
このように限定された神経回路網についての構成をまと
めると、与えられた制御条件と所望の制御結果とからな
る入力データが入力され該入力データを中間層に媒介す
る複数の入力ユニットを備えた入力層、それぞれに割り
当てられた、既知の制御条件と該制御条件を前提として
求められた既知の設定条件と該設定条件に基づいて設定
された制御系により得られた既知の制御結果とからなる
学習データの個数と、該学習データを構成する既知の制
御条件と既知の制御結果からなる学習用入力データを代
表する代表データとを記憶し、前記入力ユニットから分
配された入力データを受け取って該入力データと前記代
表データとの一致度を表わす値を求め該値に前記個数を
乗じることにより反応値を求めてこの反応値を出力する
複数の中間ユニットを備えた中間層、および前記中間ユ
ニットから出力された前記反応値に、該中間ユニットと
の間の結合の度合いを表わす、前記学習データを構成す
る既知の設定条件からなる学習用出力データに基づいて
定められた結合係数を乗じた値を、結合された中間ユニ
ットに亘って加算し、これにより求められた加算値を、
結合された中間ユニットに渡って前記反応値を加算した
値で除した値を出力値とする１つもしくは複数の出力ユ
ニットを備えた出力層からなる神経回路網となる。

【００２６】また、学習データの信頼度が互いに等しい
場合に限定された上記神経回路網は、前記入力層に入力
データの次元数に応じた数の前記入力ユニットを設ける
とともに、前記出力層に出力データの次元数に応じた数
の前記出力ユニットを設ける第１過程、最初の前記学習
データが入力された際に、該学習データを構成する前記
学習用入力データを前記代表データとして記憶するとと
もに前記個数として１を記憶する前記中間ユニットを前
記中間層に１個設け、該中間ユニットを、該学習データ
を構成する前記学習用出力データを前記結合係数として
前記出力ユニットに結合する第２過程、２番目以降の前
記学習データが入力された各時点において、既に設けら
れた前記各中間ユニットにおいて、入力された学習デー
タを構成する前記学習用入力データと該各中間ユニット
に記憶された前記代表データとの間の前記一致度を表わ
す値を求め、該値に基づいて既に設けられた全ての前記
中間ユニットのうち最も一致度の高い中間ユニットと該
中間ユニットで求められた前記一致度を表わす値を選択
する第３過程、前記第３過程で選択された前記中間ユニ
ットで求められた前記一致度を表わす値を所定の第１し
きい値と比較し、該第１しきい値をが表わす一致度より
も一致度が高いと判定される場合に、該選択された中間
ユニットに記憶された前記代表データと入力された学習
データを構成する前記学習用入力データとを、それぞれ
該中間ユニットに記憶された前記個数と１とを重みとし
て重み付け平均し、これにより求められた重み付け平均
値を、該中間ユニットに記憶された前記代表データに代
えて新たな前記代表データとして該中間ユニットに記憶
するとともに、該中間ユニットに記憶された前記個数に
１を加えた値を新たな前記個数として該中間ユニットに
記憶し、かつ、該中間ユニットと、該中間ユニットと結
合された前記出力ユニットとの間の前記結合係数と、入
力された学習データを構成する前記学習用出力データと
を、それぞれ該中間ユニットに記憶された前記個数と１
とを重みとして重み付け平均し、これにより求められた
重み付け平均値を、前記結合係数に代えて新たな前記結
合係数とする第４過程、および前記第３過程で選択され
た前記中間ユニットで求められた前記一致度を表わす値
を前記第１しきい値と比較し、該第１しきい値が表わす
一致度よりも一致度が低いと判定される場合に、入力さ
れた学習データを構成する前記学習用入力データを前記
代表データとして記憶するとともに前記個数として１を
記憶する前記中間ユニットを前記中間層に１個追加し、
該中間ユニットを、該学習データを構成する前記学習用
出力データを前記結合係数として前記出力ユニットに結
合する第する前記学習用出力データを前記結合係数とし
て前記出力ユニットに結合する第５過程を経て構築され
る。

【００２７】また、本発明は、その一つの実施例態様と
して、被圧延材の長さ方向伸び率の板幅方向に関する分
布を制御する形状制御手段を有する圧延機に好適に適用
することができる。すなわち、このように適用された本
発明の制御系の初期設定方法は、被圧延材の長さ方向伸
び率の板幅方向に関する分布を制御する形状制御手段を
有する圧延機における、被圧延材の形状が所望の形状に
一致するように前記形状制御手段の初期設定を行う、形
状制御における制御系の初期設定方法において、既知の
圧延条件と、該圧延条件を前提として求められた既知の
設定条件と、該設定条件に基づいて前記形状制御手段の
初期設定を行うことにより得られた既知の圧延結果との
組を標準設定パターンとして複数個保持し、与えられた
圧延条件および所望の圧延結果を前記標準設定パターン
における既知の圧延条件および既知の圧延結果と比較し
てあらかじめ定義した類似度を求め、該類似度にしたが
って標準設定パターンにおける既知の設定条件を重み付
き平均することにより設定条件を求め、該設定条件に基
づいて前記形状制御手段の設定を行うことを特徴とする
ものである。

【００２８】上記実施態様としての本発明にも神経回路
網を好適に用いることができる。このように構成された
本発明の制御系の初期設定方法は、被圧延材の長さ方向
伸び率の板幅方向に関する分布を制御する形状制御手段
を有する圧延機における、被圧延材の形状が所望の形状
に一致するように前記形状制御手段の初期設定を行う、
形状制御における制御系の初期設定方法において、与え
られた圧延条件および所望の圧延結果からなる入力デー
タが入力され該入力データを中間層に媒介する複数の入
力ユニットを備えた入力層、それぞれに割り当てられ
た、既知の圧延条件と該圧延条件を前提として求められ
た既知の設定条件と該設定条件に基づいて前記形状制御
手段の設定を行うことにより得られた既知の圧延結果と
からなる学習データの個数と、該学習データを構成する
既知の圧延条件と既知の圧延結果からなる学習用入力デ
ータを代表する代表データとを記憶し、前記入力ユニッ
トから分配された入力データを受け取って該入力データ
と前記代表データとの一致度を表わす値を求め該値に前
記個数を乗じることにより反応値を求めてこの反応値を
出力する複数の中間ユニットを備えた中間層、および前
記中間ユニットから出力された前記反応値に、該中間ユ
ニットとの間の結合の度合いを表す、前記学習データを
構成する既知の設定条件からなる学習用出力データに基
づいて定められた結合係数を乗じた値を、結合された中
間ユニットに亘って加算し、これにより求められた加算
値を、結合された中間ユニットに亘って前記反応値を加
算した値で除した値を出力値とする１つもしくは複数の
出力ユニットを備えた出力層からなる神経回路網を構築
し、構築された前記神経回路網に前記入力データを入力
することにより前記出力値からなる出力データを該神経
回路網から出力させ、該出力データを前記設定条件とし
て該設定条件に基づいて前記形状制御手段の設定を行う
ことを特徴とするものである。

【００２９】

【作用】圧延制御を例にして、本発明の作用を説明す
る。ある圧延条件が与えられた場合にオペレータがどの
ように設定するかを考える。ここでいう圧延条件には、
板厚、板幅、温度、鋼種などの圧延仕様に、圧延機の種
類、仕様、操業上の制約など、その圧延に関する条件の
一切を含めている。オペレータが、過去において、現在
与えられた圧延条件と全く同じ圧延条件で圧延を行な
い、その結果所望の圧延結果が得られたという経験があ
れば、その時と同じ初期設定をすると考えられる。ま
た、全く同じ条件での圧延の経験がなければ、それと類
似した圧延の例から類推して初期設定を行なうと考えら
れる。たとえば、板厚１ｍｍの時の設定と、板厚３ｍｍ
の時の設定が既知であれば、板厚２ｍｍの場合は、その
中間の値に設定するのが自然である。また、未知の外乱
や考慮していない因子によって圧延結果にばらつきがあ
っても、類似の圧延の経験を何回も蓄積することによ
り、オペレータは平均的な圧延条件、初期設定、圧延結
果の関係を記憶していく。すなわち、これこれの圧延条
件のときはこのように設定を行なえばうまくいく、とい
うことを操業経験の蓄積によって身に付けており、計算
機による設定値が異常であれば、その経験値によって修
正を行なっている、と考えることができる。

【００３０】本発明はこのような人間の思考過程をモデ
ル化することによってなされたものであり、従来の経験
によって確立されている複数の制御条件と制御結果、そ
のときの設定条件の組を標準制御パターンとして複数個
保持し、それらと異なる制御条件に対しては、それに類
似した標準制御パターンを勘案して設定条件を求めるこ
とにより、理論の適用が困難な対象についても良好な設
定を行なうことを可能にした。

【００３１】たとえ未知の対象であっても、人間が経験
を蓄積していくことによってその対象の性質を理解して
いくように、本発明においては、制御の経験によって標
準制御パターンのデータを修正していくことにより、ま
た、類似した複数の標準制御パターンを勘案する方法を
修正していくことにより、最初は設定に誤差があって
も、それを最適なものに近付けていくことができる。ま
た、全く未知の制御条件が課せられたときは、何らかの
方法で設定を行なって制御を行ない、そのときの制御条
件、設定条件、制御結果を新たに標準制御パターンとし
て登録することにより、次第に対処できる領域を拡張し
ていくことができる。

【００３２】このようにして得られた標準制御パターン
は実際の制御の経験が蓄積されたものであり、この設定
で制御を行なっておけば絶対に間違いない、というもの
である。制御条件が完全に標準制御パターンと一致して
いない場合も、設定はそれらに重み付け平均を行なって
得られるものであるから、経験に基づく穏やかな設定で
あって、制御系を乱すようなものにはならないことが保
証され、したがってファジィや階層型神経回路網のよう
に予測がつかないような設定になることはない。

【００３３】また、上記のような複数の標準制御パター
ンとそれらの内挿を用いた制御系の初期設定方法を効率
よく実現するためには、上述したような神経回路網の形
で表現するのが好適である。このような神経回路網の入
力層に与えられた制御条件および所望の制御結果を入力
し、神経回路の各層の演算を行って出力される制御系の
設定条件にしたがって制御系の設定を行なうことによ
り、上記機能は完全に表現される。

【００３４】

【実施例】本発明を鋼板の冷間タンデム圧延機の各スタ
ンドの板厚目標値の計算に用いた例を説明する。すなわ
ち、ある圧延条件に対し、圧下率をどのように分配する
かを計算するものである。ここでは制御条件として、母
材厚、製品目標厚、板幅、ロールタイプおよび鋼種を考
え、制御結果として最終段出側実績板厚を考える。設定
条件は各スタンドの目標板厚とする。適用したタンデム
圧延機は４スタンドであるので、出力層には最終段以外
の各スタンドに対応させて３つのユニットを設ける。出
力ユニットの出力値が各スタンドの目標板厚となる。し
たがって、図１に示す神経回路網の中間層の各ユニット
は６入力３出力となる。

【００３５】中間層のｉ番目のユニットｙ_iは次式にし
たがって反応する。ｙ_i＝ｆ（‖ｘ−ｃ‖） …（１）ここでいう、ｘは設定を行なおうとしている圧延条件、
ｃはユニットが保持している圧延条件で、ともにベクト
ル値である。ｆ（．）は実数から実数への写像を表す関
数であり、ここでは次式を用いた。

【００３６】ｆ（ｘ）＝ｅｘｐ（−ａｘ²） …（２）ａは定数である。‖．‖は距離を表す記号で、‖ｘ−ｃ
‖はｘとｃの類似度に関する量であり、ｘ＝ｃのとき、
‖ｘ−ｃ‖＝０となって距離が０、すなわち類似度が最
大となる。ここでは、次式のユークリッドノルムを用い
た。

【００３７】 ‖ｘ−ｃ‖＝（Σ（ｘ_i−ｃ_i）²）^1/2 …（３）ｘ_i−ｃ_iはｘ，ｃのｉ番目の要素である。本実施例で
は、学習時には、ｘ＝（母材厚、製品目標厚、板幅、ロールタイプ、鋼
種、最終段出側実績板厚）となる。学習用入力データとして上記の６点、学習用出
力データとして、最終段を除く各スタンドの目標板厚の
実績値３点の計９点からなるデータを多数収集して用い
る。これらのデータは、これこれの圧延条件に対し、各
スタンドの目標板厚をこのように設定したら、最終段出
側では、目標板厚に対し実績板厚になった、という因果
関係を表すものである。これらのデータに対し、圧延の
熟練者により評価を与え、信頼度という形で数値が与え
られれば、それらの信頼度を用いて、本発明による神経
回路網を用いた設定計算に用いる。また、全てのデータ
は等しい信頼度として、信頼度の代わりに学習データの
個数を用いてもよい。本発明により、神経回路網を学習
させれば、中間ユニットの位置により、代表的な制御条
件および制御結果が記憶され、そのときの各スタンドの
板厚設定が、中間ユニットと出力ユニットの間の結合係
数として記憶される。

【００３８】学習完了後の神経回路網を用いて、新たな
条件に対して設定計算を行う時には、ｘ＝（母材厚、製品目標厚、板幅、ロールタイプ、鋼
種、製品目標厚）とし、神経回路網に入力する。入力層の各ユニットは、
入力されたデータを中間ユニットに伝達する。中間ユニ
ットは、設定を行おうとしている制御条件および制御結
果と自分が保持している制御条件および制御結果の一致
度に、学習データの信頼度の和あるいは個数の和を乗じ
たものを出力する。中間ユニットと出力ユニットの間の
結合係数は、その中間ユニットの条件に対応した各スタ
ンドの目標板厚に対応している。出力ユニットは、接続
している中間ユニットの出力値に結合係数を乗じたもの
の和を、出力値の和で割ったもの、すなわち結合係数を
中間ユニットの反応値で重み付け平均したものを出力す
る。

【００３９】設定計算を行うときのデータには、上記の
ように製品厚が２ケ所含まれているが、それぞれが違っ
た意味を持っている。初めの製品目標値は制御条件の目
標厚であり、次の製品目標厚は制御結果の最終段出側実
績板厚に対応している。学習データの中には、目標板厚
と実績板厚とがずれてしまったものも含まれている。こ
のような望ましくない設定条件が含まれている学習デー
タによって生成された中間ユニットは、実際の設定計算
では重視されないようにしなければならない。上記のよ
うに製品目標厚を２ケ所に入力すれば、制御結果が目標
から外れた中間ユニットは他のデータが一致していて
も、最後の製品目標板厚が一致しないことにより距離が
大きくなり、出力に対する寄与が小さくなる。すなわ
ち、このようにすることにより、学習データおよびそれ
らにより生成された中間ユニットの評価が自動的に加え
られており、良好な設定を与えるデータのみが選択的に
利用されるようになっている。このように構成できるこ
とも従来にはない本発明の特色である。

【００４０】学習に用いたものとは別の圧延条件によ
り、神経回路網による設定とオペレータによる設定の比
較を行なった。ある１つのスタンドにおける鋼板の厚さ
について、神経回路網から出力された設定値とオペレー
タによる設定値との対応結果を図３に示す。神経回路網
から出力された設定値には圧延実績がよく反映されてい
るため、両者は非常によく一致している。比較のため、
階層型神経回路網を用いた場合の例を図４に示す。この
階層型神経回路網において、その入力層は、母材厚、製
品目標厚、板幅、ロールタイプ、鋼種に対応して５個、
出力層は最終スタンド以外の３スタンドの目標板厚に対
応して３個のユニットをそれぞれ設けた。また、中間層
には５個のユニットを設けた。またこの階層型神経回路
網について図１に示す神経回路網の学習と同じデータを
用いて誤差逆伝播法により学習を行なった。図３と同様
にオペレータの設定と比較したものを図４に示す。中心
部ではよく一致しているものの、周辺部ではずれが目立
っている。

【００４１】本発明で用いた神経回路網の中間層ユニッ
トは入力データと自分のデータの距離にしたがって反応
するが、（２）式の定数ａは距離と反応度との関係に関
するパラメータであり、その中間ユニットに属するデー
タの分散に関するパラメータと考えることができる。し
たがって、この定数ａを上記の神経回路網の構成（学
習）を行なう際に逐次修正するようにしてもよい。

【００４２】また、距離に作用させる回数としては
（２）式に限ることはなく、例えば、ｆ（ｘ）＝ｘ²ｌｏｇ（ｘ） …（４）ｆ（ｘ）＝（ｘ²＋ａ）^1/2 …（５）ｆ（ｘ）＝（ｘ²＋ａ）^-1/2 …（６）なども用いることができる。

【００４３】また、距離そのものも（３）式に限ること
はなく、例えば、

【００４４】

【数１】

【００４５】なども使用可能である。なお、本発明で好
適に用いられる神経回路網は、請求項６、８で示した学
習データを一回ずつ提示するだけでその学習が行える極
めて高速な学習方法を採用することができ、オンライン
で操業実績を学習しながら、神経回路網の精度をさらに
高めていくことができる。なお、特にオンライン学習の
必要がない場合には、これに代えて誤差逆伝播法のよう
な従来の学習方法を用いることも可能である。

【００４６】次に本発明をシングルスタンド圧延機にお
ける形状制御の初期設定に用いた例を説明する。適用対
象のシングルスタンド圧延機は図５に示すようなもの
で、形状制御手段としてワークロールに曲げモーメント
を加えるベンダー、左右の圧下量を変えるレベリング、
中間ロールシフトを軸方向に移動させるＩＭＲ（中間ロ
ール）シフトの計３個のアクチュエータが備えられてい
る。従来は、種々の圧延条件に対する初期設定値をテー
ブルにしたものに基づいてオペレータが手動で設定して
いた。テーブルの値は圧延理論による計算に基づくもの
であるが、計算のなかで仮定している定数の誤差などに
より必ずしも適切のものとなっておらず、オペレータが
経験に基づいて修正したり、試圧延によって適切な初期
設定値を見いだしたりしていた。これに本発明を適用し
た。

【００４７】圧延条件として、板幅、入側板厚、出側板
厚、ロール径、材料変形抵抗を考える。形状は板副方向
に分布する量であるので、これを少数のパラメータで表
現する。ここでは、形状を４次関数で近似して得たａ，
ｂ，ｃ，ｄの４つのパラメータを用いた。神経回路網へ
の入力データ（上述した（３）式のｘ）は、ｘ＝（板幅，入側板厚，出側板厚，ロール径，材料変形抵抗，ａ_r ，ｂ_r ，ｃ_r ，ｄ_r ，ａ_a ，ｂ_a ，ｃ_a ，ｄ_a ） ……（９）となる。ただし、ａ_r ，ｂ_r ，ｃ_r ，ｄ_r は目標形状を
パラメータ表現したものを表し、ａ_a ，ｂ_a ，ｃ_a ，ｄ
_a は実績形状をパラメータ表現したものを表す。

【００４８】（９）式から、入力ユニットの個数は１３
となる。また、出力ユニットは、前述した形状制御用ア
クチュエータに対応させて３個とし、次式のように中間
ユニットと出力ユニットの結合係数ｗをそのアクチュエ
ータの初期設定値とする。ｗ＝（ベンダー初期設定値，レベリング初期設定値，ＩＭＲシフト初期設定値） ……（１０）ｘとｗの組は、形状制御の初期設定における因果関係を
表すものとなっている。すなわち、ある圧延条件（板
幅，入側板厚，出側板厚，ロール径，材料変形抵抗，ａ
_r ，ｂ_r ，ｃ_r ，ｄ_r ）の下で、ある設定条件（ベンダ
ー初期設定値，レベリング初期設定値，ＩＭＲシフト初
期設定値）に基づいて圧延すると、実績形状としてａ
_a ，ｂ_a ，ｃ_a ，ｄ_a が得られた、ということがｘとｗ
により表されている。多数の圧延例からこれらのデータ
を抽出し、学習データを作成して本発明の方法で学習さ
せる。学習により作成された中間ユニットは、代表的な
ｘ、すなわち圧延条件およびその時の形状をデータとし
て保持しており、その時の設定条件が中間ユニットと出
力ユニットの結合係数として記憶される。すなわち、圧
延条件、設定条件と圧延結果の関係が学習データから代
表例という直感的に理解しやすい形で抽出される。

【００４９】学習後の神経回路網を用いて、新たな条件
に対して設定計算を行う時には、圧延条件を、ｘ＝（板幅，入側板厚，出側板厚，ロール径，材料変形抵抗，ａ_r ，ｂ_r ，ｃ_r ，ｄ_r ，ａ_r ，ｂ_r ，ｃ_r ，ｄ_r ） ……（１１）として神経回路網に入力すれば、各出力ユニットの出力
が形状制御アクチュエータの出力となる。

【００５０】従来の初期設定精度と本発明を適用したこ
とによる初期設定の精度とを比較したものを図６に示
す。図６（Ａ）は従来における精度、図６（Ｂ）は本発
明を適用した場合の精度を表している。急峻度λとは形
状の大きさを表す尺度であって、図７のように被圧延材
を平面においたときに生じる圧延方向のうねりの波長ｄ
と波高δによって λ＝δ／ｄ ……（１２）で表される。図６における急峻度とは、初期設定後圧延
を開始して圧延速度がある程度まで上昇し、形状検出器
により検出可能となったときの急峻度の幅方向の分布の
最大値のことである。本発明による初期設定によれば、
急峻度を従来が１．２２％であったのに対し、０．９７
％と０．２４％程度低減でき、その標準偏差も従来が
１．２８％であったのに対し、１．０１％と０．２７％
程度低減できることが示されている。

【００５１】なお、（１１）式のｘの２個所に目標形状
が含まれているのは、前述したとおり、目標形状と実績
形状のずれを考慮するためである。しかし、もともとの
設定がどのような目標形状に対して行われたのかという
ことを考慮せず、単に設定条件とその時の実績形状とを
対応させることを考えれば、目標形状の項を省くことも
できる。このときは、ｘ＝（板幅，入側板厚，出側板厚，ロール径，材料変形抵抗，ａ_a ，ｂ_a ，ｃ_a ，ｄ_a ） ……（１３）として、入力ユニット数が９個の神経回路網とすればよ
い。この場合の（１１）式に相当するｘは、ｘ＝（板幅，入側板厚，出側板厚，ロール径，材料変形抵抗，ａ_r ，ｂ_r ，ｃ_r ，ｄ_r ） ……（１４）となる。学習後の中間ユニットには、代表的な圧延条件
と実績形状が記憶されているから、類似した圧延条件、
目標形状と類似した実績形状をデータとして持つ中間ユ
ニットの反応度が大きくなって、その中間ユニットと各
出力ユニットとの結合係数で表されている初期設定値に
ついての重みが大きくなり、各中間ユニットの反応度を
重みとして初期設定値の重み付き平均を求めることによ
り、事例に基づく適切な初期設定値が求められるという
処理の流れは前述したものと同様である。

【００５２】

【発明の効果】以上説明したように、本発明によれば、
従来の経験によって確立されている複数の制御条件と制
御結果、そのときの設定条件の組を標準制御パターンと
して複数個保持し、それらと異なる制御条件に対して
は、それに類似した標準制御パターンを勘案して設定条
件を求めるように構成したものであり、これにより、理
論の適用が困難な対象についても良好な設定を行なうこ
とができるという優れた効果を有する。

【図面の簡単な説明】

【図１】本発明に用いられる神経回路網の模式的概念図
である。

【図２】図１に示す神経回路網の構築方法を示す流れ図
である。

【図３】図１に示した本発明に好適に用いられる神経回
路網を用いて行なった初期設定とオペレータが行なった
設定との比較を示す線図である。

【図４】階層型神経回路網を用いて行なった初期設定と
オペレータが行なった設定との比較を示す線図である。

【図５】シングルスタンド圧延機の模式図である。

【図６】従来の初期設定精度（図６（Ａ））と本発明を
適用したことによる初期設定の精度（図６（Ｂ））を表
したグラフである。

【図７】急峻度λの説明図である。

Claims

【特許請求の範囲】

【請求項１】所定の制御条件を前提として求められた
設定条件に基づいて制御系の設定を行うことにより所定
の制御結果を得る制御系の初期設定方法において、既知の制御条件と、該制御条件を前提として求められた
既知の設定条件と、該設定条件に基づいて設定された制
御系により得られた既知の制御結果との組を標準制御パ
ターンとして複数組保持し、与えられた制御条件および所望の制御結果を前記標準制
御パターンにおける既知の制御条件および既知の制御結
果と比較してあらかじめ定義した類似度を求め、該類似度にしたがって標準制御パターンにおける既知の
設定条件を重み付き平均することにより設定条件を求
め、該設定条件に基づいて制御系の設定を行うことを特徴と
する制御系の初期設定方法。
【請求項２】前記重み付き平均により求められた設定
条件に基づいて設定された制御系における制御結果に基
づいて、前記標準制御パターンを修正することを特徴と
する請求項１記載の制御系の初期設定方法。
【請求項３】前記重み付き平均により求められた設定
条件に基づいて設定された制御系における制御結果に基
づいて、前記重み付き平均における重みを修正すること
を特徴とする請求項１記載の制御系の初期設定方法。
【請求項４】新たな既知の制御条件および新たな既知
の制御結果を前記標準制御パターンにおける既知の制御
条件および既知の制御結果と比較して予め定義した類似
度を求め、所定値以上の類似度を有する標準制御パターンが存在し
ない場合には、前記新たな既知の制御条件、前記新たな
既知の制御結果、およびこれら新たな既知の制御条件と
新たな既知の制御結果に対応する新たな既知の設定条件
の組を新たな標準制御パターンとして追加することを特
徴とする請求項１記載の制御系の初期設定方法。
【請求項５】所定の制御条件を前提として求められた
設定条件に基づいて制御系の設定を行うことにより所定
の制御結果を得る制御系の初期設定方法において、与えられた制御条件と所望の制御結果とからなる入力デ
ータが入力され該入力データを中間層に媒介する複数の
入力ユニットを備えた入力層、それぞれに割り当てられた、既知の制御条件と該制御条
件を前提として求められた既知の設定条件と該設定条件
に基づいて設定された制御系により得られた既知の制御
結果とからなる学習データの信頼度の和と、該学習デー
タを構成する既知の制御条件と既知の制御結果からなる
学習用入力データを代表する代表データとを記憶し、前
記入力ユニットから媒介された入力データを受け取って
該入力データと前記代表データとの一致度を表わす値を
求め該値に前記信頼度の和を乗じることにより反応値を
求めてこの反応値を出力する複数の中間ユニットを備え
た中間層、および前記中間ユニットから出力された前記
反応値に、該中間ユニットとの間の結合の度合いを表わ
す、前記学習データを構成する既知の設定条件からなる
学習用出力データに基づいて定められた結合係数を乗じ
た値を、結合された中間ユニットに亘って加算し、これ
により求められた加算値を、結合された中間ユニットに
渡って前記反応値を加算した値で除した値を出力値とす
る１つもしくは複数の出力ユニットを備えた出力層から
なる神経回路網を構築し、構築された前記神経回路網に前記入力データを入力する
ことにより前記出力値からなる出力データを該神経回路
網から出力させ、該出力データを前記設定条件として該設定条件に基づい
て制御系の設定を行うことを特徴とする制御系の初期設
定方法。
【請求項６】前記神経回路網が、前記入力層に入力デ
ータの次元数に応じた数の前記入力ユニットを設けると
ともに、前記出力層に出力データの次元数に応じた数の
前記出力ユニットを設ける第１過程、最初の前記学習データが入力された際に、該学習データ
を構成する前記学習用入力データを前記代表データとし
て記憶するとともに該学習データの信頼度を前記信頼度
の和として記憶する前記中間ユニットを前記中間層に１
個設け、該中間ユニットを、該学習データを構成する前
記学習用出力データを前記結合係数として前記出力ユニ
ットに結合する第２過程、２番目以降の前記学習データが入力された各時点におい
て、既に設けられた前記各中間ユニットにおいて、入力され
た学習データを構成する前記学習用入力データと該各中
間ユニットに記憶された前記代表データとの間の前記一
致度を表わす値を求め、該値に基づいて既に設けられた
全ての前記中間ユニットのうち最も一致度の高い中間ユ
ニットと該中間ユニットで求められた前記一致度を表わ
す値を選択する第３過程、前記第３過程で選択された前記中間ユニットで求められ
た前記一致度を表わす値を所定の第１しきい値と比較
し、該第１しきい値が表わす一致度よりも一致度が高い
と判定される場合に、該選択された中間ユニットに記憶
された前記代表データと入力された学習データを構成す
る前記学習用入力データとを、それぞれ該中間ユニット
に記憶された前記信頼度の和と該学習データの信頼度を
重みとして重み付け平均し、これにより求められた重み
付け平均値を、該中間ユニットに記憶された前記代表デ
ータに代えて新たな前記代表データとして該中間ユニッ
トに記憶するとともに、該中間ユニットに記憶された前
記信頼度の和と入力された学習データの信頼度とを加算
し、この加算された値を、該中間ユニットに記憶された
前記信頼度の和に代えて新たな前記信頼度の和として該
中間ユニットに記憶し、かつ、該中間ユニットと、該中
間ユニットと結合された前記出力ユニットとの間の前記
結合係数と、入力された学習データを構成する前記学習
用出力データとを、それぞれ該中間ユニットに記憶され
た前記信頼度の和と該学習データの信頼度を重みとして
重み付け平均し、これにより求められた重み付け平均値
を、前記結合係数に代えて新たな前記結合係数とする第
４過程、および前記第３過程で選択された前記中間ユニ
ットで求められた前記一致度を表わす値を前記第１しき
い値と比較し、該第１しきい値が表わす一致度よりも一
致度が低いと判定される場合に、入力された学習データ
を構成する前記学習用入力データを前記代表データとし
て記憶するとともに該学習データの信頼度を前記信頼度
の和として記憶する前記中間ユニットを前記中間層に１
個追加し、該中間ユニットを、該学習データを構成する
前記学習用出力データを前記結合係数として前記出力ユ
ニットに結合する第５過程を経て構築されたものである
ことを特徴とする請求項５記載の制御系の初期設定方
法。
【請求項７】所定の制御条件を前提として求められた
設定条件に基づいて制御系の設定を行うことにより所定
の制御結果を得る制御系の初期設定方法において、与えられた制御条件と所望の制御結果とからなる入力デ
ータが入力され該入力データを中間層に媒介する複数の
入力ユニットを備えた入力層、それぞれに割り当てられた、既知の制御条件と該制御条
件を前提として求められた既知の設定条件と該設定条件
に基づいて設定された制御系により得られた既知の制御
結果とからなる学習データの個数と、該学習データを構
成する既知の制御条件と既知の制御結果からなる学習用
入力データを代表する代表データとを記憶し、前記入力
ユニットから分配された入力データを受け取って該入力
データと前記代表データとの一致度を表わす値を求め該
値に前記個数を乗じることにより反応値を求めてこの反
応値を出力する複数の中間ユニットを備えた中間層、お
よび前記中間ユニットから出力された前記反応値に、該
中間ユニットとの間の結合の度合いを表わす、前記学習
データを構成する既知の設定条件からなる学習用出力デ
ータに基づいて定められた結合係数を乗じた値を、結合
された中間ユニットに亘って加算し、これにより求めら
れた加算値を、結合された中間ユニットに亘って前記反
応値を加算した値で除した値を出力値とする１つもしく
は複数の出力ユニットを備えた出力層からなる神経回路
網を構築し、構築された前記神経回路網に前記入力データを入力する
ことにより前記出力値からなる出力データを該神経回路
網から出力させ、該出力データを前記設定条件として該設定条件に基づい
て制御系の設定を行うことを特徴とする制御系の初期設
定方法。
【請求項８】前記神経回路網が、前記入力層に入力データの次元数に応じた数の前記入力
ユニットを設けるとともに、前記出力層に出力データの
次元数に応じた数の前記出力ユニットを設ける第１過
程、最初の前記学習データが入力された際に、該学習データ
を構成する前記学習用入力データを前記代表データとし
て記憶するとともに前記個数として１を記憶する前記中
間ユニットを前記中間層に１個設け、該中間ユニット
を、該学習データを構成する前記学習用出力データを前
記結合係数として前記出力ユニットに結合する第２過
程、２番目以降の前記学習データが入力された各時点におい
て、既に設けられた前記各中間ユニットにおいて、入力され
た学習データを構成する前記学習用入力データと該各中
間ユニットに記憶された前記代表データとの間の前記一
致度を表わす値を求め、該値に基づいて既に設けられた
全ての前記中間ユニットのうち最も一致度の高い中間ユ
ニットと該中間ユニットで求められた前記一致度を表わ
す値を選択する第３過程、前記第３過程で選択された前記中間ユニットで求められ
た前記一致度を表わす値を所定の第１しきい値と比較
し、該第１しきい値をが表わす一致度よりも一致度が高
いと判定される場合に、該選択された中間ユニットに記
憶された前記代表データと入力された学習データを構成
する前記学習用入力データとを、それぞれ該中間ユニッ
トに記憶された前記個数と１とを重みとして重み付け平
均し、これにより求められた重み付け平均値を、該中間
ユニットに記憶された前記代表データに代えて新たな前
記代表データとして該中間ユニットに記憶するととも
に、該中間ユニットに記憶された前記個数に１を加えた
値を新たな前記個数として該中間ユニットに記憶し、か
つ、該中間ユニットと、該中間ユニットと結合された前
記出力ユニットとの間の前記結合係数と、入力された学
習データを構成する前記学習用出力データとを、それぞ
れ該中間ユニットに記憶された前記個数と１とを重みと
して重み付け平均し、これにより求められた重み付け平
均値を、前記結合係数に代えて新たな前記結合係数とす
る第４過程、および前記第３過程で選択された前記中間
ユニットで求められた前記一致度を表わす値を前記第１
しきい値と比較し、該第１しきい値が表わす一致度より
も一致度が低いと判定される場合に、入力された学習デ
ータを構成する前記学習用入力データを前記代表データ
として記憶するとともに前記個数として１を記憶する前
記中間ユニットを前記中間層に１個追加し、該中間ユニ
ットを、該学習データを構成する前記学習用出力データ
を前記結合係数として前記出力ユニットに結合する第５
過程を経て構築されたものであることを特徴とする請求
項７記載の制御系の初期設定方法。
【請求項９】被圧延材の長さ方向伸び率の板幅方向に
関する分布を制御する形状制御手段を有する圧延機にお
ける、被圧延材の形状が所望の形状に一致するように前
記形状制御手段の初期設定を行う、形状制御における制
御系の初期設定方法において、既知の圧延条件と、該圧延条件を前提として求められた
既知の設定条件と、該設定条件に基づいて前記形状制御
手段の初期設定を行うことにより得られた既知の圧延結
果との組を標準設定パターンとして複数個保持し、与えられた圧延条件および所望の圧延結果を前記標準設
定パターンにおける既知の圧延条件および既知の圧延結
果と比較してあらかじめ定義した類似度を求め、該類似度にしたがって標準設定パターンにおける既知の
設定条件を重み付き平均することにより設定条件を求
め、該設定条件に基づいて前記形状制御手段の設定を行うこ
とを特徴とする形状制御における制御系の初期設定方
法。
【請求項１０】被圧延材の長さ方向伸び率の板幅方向
に関する分布を制御する形状制御手段を有する圧延機に
おける、被圧延材の形状が所望の形状に一致するように
前記形状制御手段の初期設定を行う、形状制御における
制御系の初期設定方法において、与えられた圧延条件および所望の圧延結果からなる入力
データが入力され該入力データを中間層に媒介する複数
の入力ユニットを備えた入力層、それぞれに割り当てられた、既知の圧延条件と該圧延条
件を前提として求められた既知の設定条件と該設定条件
に基づいて前記形状制御手段の設定を行うことにより得
られた既知の圧延結果とからなる学習データの個数と、
該学習データを構成する既知の圧延条件と既知の圧延結
果からなる学習用入力データを代表する代表データとを
記憶し、前記入力ユニットから分配された入力データを
受け取って該入力データと前記代表データとの一致度を
表わす値を求め該値に前記個数を乗じることにより反応
値を求めてこの反応値を出力する複数の中間ユニットを
備えた中間層、および前記中間ユニットから出力された前記反応値に、
該中間ユニットとの間の結合の度合いを表す、前記学習
データを構成する既知の設定条件からなる学習用出力デ
ータに基づいて定められた結合係数を乗じた値を、結合
された中間ユニットに亘って加算し、これにより求めら
れた加算値を、結合された中間ユニットに亘って前記反
応値を加算した値で除した値を出力値とする１つもしく
は複数の出力ユニットを備えた出力層からなる神経回路
網を構築し、構築された前記神経回路網に前記入力データを入力する
ことにより前記出力値からなる出力データを該神経回路
網から出力させ、該出力データを前記設定条件として該設定条件に基づい
て前記形状制御手段の設定を行うことを特徴とする形状
制御における制御系の初期設定方法。