JPH08117827A - 圧延装置 - Google Patents

Abstract

(57)【要約】 【目的】 ニューラルネットを用いて演算・制御し、複
雑な数式を用いることなく短時間で圧延荷重設定値を修
正し、高精度かつ簡潔な板厚制御を行う。 【構成】 圧延荷重設定装置８に、圧延材１が噛み込ま
れる前の圧延材１の温度、速度、板幅等の実績値・設定
値などの圧延情報を入力すると共に、圧延材１の先端部
分が板厚計１４を通過した時点の板厚を入力し、ニュー
ラルネット１６を用いて圧延材１が噛み込まれていない
後段圧延機３−４〜３−７の圧延荷重設定値を修正して
圧延する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、熱間圧延等の圧延機に
おいて圧延荷重を予測してその予測値で所定の板厚を得
る圧延機に関するものである。

【０００２】

【従来の技術】圧延装置の構成図を図１７に示す。一例
として仕上げ圧延機は７基とする。圧延材１は粗圧延機
群２で圧延された後、仕上げ圧延機３−１〜３−７を経
て巻取り機４に巻取られる。

【０００３】粗圧延機群２の出側には粗出側速度計５、
粗出側幅計６および粗出側温度計７が設置されている。
粗出側速度計５、粗出側幅計６および粗出側温度計７の
各検出値（実測値）は、板厚設定装置８に与えられる。
板厚設定装置８には鋼種、炭素含有率、仕上げ圧延機出
側板厚目標値、負荷配分比目標値等の各種圧延情報が格
納されている。

【０００４】最終仕上げ圧延機３−７の出側には仕上げ
圧延機出側速度計９、仕上げ圧延機出側厚み計１０およ
び仕上げ圧延機出側温度計１１が設置されている。仕上
げ圧延機出側速度計９、仕上げ圧延機出側厚み計１０お
よび仕上げ圧延機出側温度計１１の各検出値は、板厚設
定装置８に与えられる。また、仕上げ圧延機３−１〜３
−７には各々圧延荷重検出器１２−１〜１２−７および
ロールギャップ設定装置１３−１〜１３−７が設置され
ている。圧延荷重検出器１２−１〜１２−７の各検出値
は、板厚設置装置８に与えられる。

【０００５】次に動作について説明する。板厚設定装置
８は、粗圧延後の圧延材１の先端部について所要の最終
仕上げ圧延機出側板厚を確保するために、次のように仕
上げ圧延機のセットアップを行う。

【０００６】まず、最終粗圧延機出側での圧延材１の先
端部分の速度、板幅および温度をそれぞれ粗出側速度計
５、粗出側幅計６および粗出側温度計７から検出し、こ
れらの検出値および粗出側板厚推定値を板厚設定装置８
の入力として、所要の最終仕上げ圧延機出側板厚にする
ために必要な圧延荷重を圧延パワー、通板速度等の各種
制限のもと、与えられた負荷配分比目標値等を満足させ
るように、各仕上げ圧延機毎に計算する。この演算は圧
延材１の先端が最終粗圧延機を出た時点で行われる。得
られた圧延荷重設定値から各仕上げ圧延機毎のロールギ
ャップを計算し、ロールギャップ設定装置１３−１〜１
３−７に入力される。

【０００７】圧延荷重検出器１２−１〜１２−７で検出
された圧延荷重実績値は、板厚設定装置８に送られ次圧
延材への学習計算に用いられる。板厚設定装置８での圧
延荷重予測計算には、通常は、圧延パワー、通板速度等
の制約のもとで、以下のような理論式により各圧延機毎
に計算される。

【０００８】

【数１】

【０００９】

【発明が解決しようとする課題】上述のような連立方程
式を解く場合には繰り返し法による収束計算が必要とな
り、かなりの演算時間を必要とする。さらに、解が求ま
ったとしても負荷配分比、圧延速度、圧延荷重等の各種
の制約条件を満足できない場合には、負荷配分比、圧下
率等を修正し連立方程式の計算をやり直す必要がある。
仕上げ圧延機は近接しているため、許される計算時間は
極めて短時間であり、複雑な計算を行うことは困難であ
る。

【００１０】計算時間等の短縮を図るため繰り返し計算
を行わずに圧延荷重Ｐを求めるための簡略式も種々考案
されているが、このような論理式は様々な近似あるいは
仮定の上に成り立っており、予測値と実績値との間には
誤差が生じるのが一般的である。この様な誤差はある程
度は学習の繰り返しにより減少していくものではある
が、セットアップ時の誤差が大きいほど収束に時間がか
かり、その間板厚精度の悪い材を生産することとなる。

【００１１】また、仕上げ圧延機より上流側に厚み計を
設置しているプラントはほとんど無いため、仕上げ入側
板厚としては推定値を用いるのが一般的であるが、この
時点で既に誤差が含まれている可能性が大きい。

【００１２】この板厚推定値の誤差を解消するため、仕
上げ圧延機間に厚み計を設置し、ここで得られた板厚実
績値と設定値との偏差を用いて、厚み計より後段の圧延
機の圧下位置設定値を修正する方法がいくつか提案され
ている。特公昭５１−２０６１号、特開昭６３−２２０
９１５号、特開平３−１５１１０９号の各公報は、いず
れも数式を用いたアプローチであり、このような従来の
数式を用いた予測方法では、圧延現象をより忠実に表現
するためには、式を複雑化することや、パラメータを増
やす等の処置が必要となり、チューニングに要する労力
の増加や計算時間の増加を招く。さらに、プラントの特
性に依存したような定数はプラントの状態が変化する毎
にメンテナンスを必要とし、複雑な制御方法はメンテナ
ンス時にオペレータにとって大きな負担となる。

【００１３】本発明は、上記のような問題点を解決する
ためになされたもので、ニューラルネットを用いること
により、複雑な数式を用いることなく短時間で圧延荷重
を修正し、圧延材を精度よく所要の板厚に圧延できる圧
延機を提供することを目的とするものである。

【００１４】

【課題を解決するための手段】

（１）この発明に係る圧延機は、複数の圧延機で構成さ
れ、圧延材の板厚が目標板厚に一致するよう所定の圧延
荷重設定値に基づき圧延する圧延装置において、上記圧
延機間に少なくとも１台の板厚計と、ニューラルネット
を有する圧延荷重設定装置とを備え、圧延荷重設定装置
に上記圧延材が噛み込まれる前の圧延材の温度、速度、
板幅等の実績値・設定値などの圧延情報を入力すると共
に、上記圧延材の先端部分が上記板厚計を通過した時点
の板厚を入力し、上記ニューラルネットを用いて上記圧
延材が噛み込まれていない後段圧延機の圧延荷重設定値
の修正値を導出して圧延するものである。

【００１５】（２）また、圧延荷重実績値を用いてニュ
ーラルネットの更新を行うニューラルネット更新装置を
備え、このニューラルネット更新装置で更新されたニュ
ーラルネットを用いて次圧延材の圧延荷重設定値を計算
するものである。

【００１６】（３）また、圧延材毎の圧延荷重実績値を
順次記憶するニューラルネット学習データファイルと、
記憶された複数個の圧延荷重実績値を用いてニューラル
ネットの更新を行うニューラルネット更新装置を備え、
このニューラルネット更新装置で更新されたニューラル
ネットを用いて次圧延材の圧延荷重設定値を計算するも
のである。

【００１７】（４）また、圧延材毎の圧延荷重実績値を
順次記憶するニューラルネット学習データファイルと、
圧延材の寸法、鋼種等の区分毎に圧延荷重実績値を順次
記憶するニューラルネット層別学習ファイルと、上記記
憶された複数個の圧延荷重実績値および上記層別に記憶
された圧延荷重実績値を用いてニューラルネットの更新
を行うニューラルネット更新装置を備え、このニューラ
ルネット更新装置で更新されたニューラルネットを用い
て次圧延材の圧延荷重設定値を計算するものである。

【００１８】（５）また、複数の圧延機で構成され、圧
延材の板厚が目標板厚に一致するよう所定の圧延荷重設
定値に基づき圧延する圧延装置において、上記圧延機間
に少なくとも１台の板厚計と、ニューラルネットを有す
る圧延荷重設定装置とを備え、圧延荷重設定装置に上記
圧延材が噛み込まれる前の圧延材の温度、速度、板幅等
の実績値・設定値などの圧延情報を入力すると共に、上
記圧延材の先端部分が上記板厚計を通過した時点の板厚
を入力し、上記ニューラルネットを用いて最終圧延機出
側での板厚偏差を予測し、この板厚偏差予測値に基づい
て圧延材先端部が噛み込まれていない後段圧延機での圧
延荷重設定値の修正値を導出して圧延するものである。

【００１９】（６）また、出側板厚偏差予測値に基づい
て求める修正された圧延荷重設定値（圧延荷重再設定
値）ΔＦiは、 ＣF＝（ＨT＋ΔＨP）／ＨT ΔＦi＝ＦSi・ＣF ＣF： 圧延荷重修正係数 ΔF： 圧延荷重再設定値 ＨT： 出側板厚目標値 ΔＨP：出側板厚偏差予測値 ＦS： 初期圧延荷重設定値 i ： 圧延機Ｎｏ．（i＝ｍ〜ｎ） （但し、後段最初の圧延機Ｎｏ．をｍ，最終段圧延機Ｎ
ｏ．をｎとする）として導出したものである。

【００２０】（７）また、ニューラルネットの更新を行
うニューラルネット更新装置を備え、このニューラルネ
ット更新装置により、圧延材毎の圧延機出側板厚実績値
から計算した圧延機出側板厚偏差推定値を用いてニュー
ラルネットの更新を行い、更新されたニューラルネット
を用いて次圧延材の圧延荷重設定値を計算するものであ
る。

【００２１】（８）また、圧延材毎の圧延機出側板厚実
績値から計算した圧延機出側板厚偏差推定値は、 ΔＨE＝ΔＨA＋ΔＨP ΔＨE： 圧延機出側板厚偏差推定値 ΔＨA： 圧延機出側板厚偏差実績値 ΔＨP： 圧延機出側板厚偏差予測値 としたものである。

【００２２】（９）また、圧延材毎の圧延機出側板厚偏
差推定値を順次記憶するニューラルネット学習データフ
ァイルと、記憶された複数個の圧延機出側板厚偏差推定
値を用いてニューラルネットの更新を行うニューラルネ
ット更新装置を備え、このニューラルネット更新装置で
更新されたニューラルネットを用いて次圧延材の圧延荷
重設定値を計算するものである。

【００２３】（１０）また、圧延材毎の圧延機出側板厚
偏差推定値を順次記憶するニューラルネット学習データ
ファイルと、圧延材の寸法、鋼種等の区分毎に圧延機出
側板厚偏差推定値を順次記憶するニューラルネット層別
学習ファイルと、上記記憶された複数個の圧延機出側板
厚偏差推定値および上記層別に記憶された圧延機出側板
厚偏差推定値を用いてニューラルネットの更新を行うニ
ューラルネット更新装置を備え、このニューラルネット
更新装置で更新されたニューラルネットを用いて次圧延
材の圧延荷重設定値を計算するものである。

【００２４】

【作用】

（１）この発明に係る圧延機は、圧延荷重設定装置に圧
延材が噛み込まれる前の圧延材の温度、速度、板幅等の
実績値・設定値などの圧延情報を入力すると共に、圧延
材の先端部分が板厚計を通過した時点の板厚を入力し、
ニューラルネットを用いて圧延材が噛み込まれていない
後段圧延機の圧延荷重設定値を修正して圧延する。

【００２５】（２）また、ニューラルネット更新装置に
より、圧延材毎の圧延荷重実績値を用いてニューラルネ
ットの更新を行い、更新されたニューラルネットを用い
て次圧延材の圧延荷重設定値を計算する。

【００２６】（３）また、ニューラルネット学習データ
ファイルで圧延材毎の圧延荷重実績値を順次記憶し、こ
の記憶された複数個の圧延荷重実績値を用いてニューラ
ルネット更新装置でニューラルネットの更新を行い、こ
の更新されたニューラルネットを用いて次圧延材の圧延
荷重設定値を計算する。

【００２７】（４）また、ニューラルネット学習データ
ファイルで圧延材毎の圧延荷重実績値を順次記憶すると
共に、ニューラルネット層別学習ファイルで圧延材の寸
法、鋼種等の区分毎に圧延荷重実績値を順次記憶し、こ
の記憶された複数個の圧延荷重実績値および層別に記憶
された圧延荷重実績値を用いてニューラルネット更新装
置はニューラルネットの更新を行い、この更新されたニ
ューラルネットを用いて次圧延材の圧延荷重設定値を計
算する。

【００２８】（５）また、圧延荷重設定装置に、圧延材
が噛み込まれる前の圧延材の温度、速度、板幅等の実績
値・設定値などの圧延情報を入力すると共に、圧延材の
先端部分が板厚計を通過した時点の板厚を入力し、ニュ
ーラルネットを用いて最終圧延機出側での板厚偏差を予
測し、この板厚偏差予測値に基づいて圧延材先端部が噛
み込まれていない後段圧延機での圧延荷重設定値の修正
値を導出して圧延する。

【００２９】（６）また、出側板厚偏差予測値に基づい
て求める修正された圧延荷重設定値（圧延荷重再設定
値）ΔＦiは、 ＣF＝（ＨT＋ΔＨP）／ＨT ΔＦi＝ＦSi・ＣF ＣF： 圧延荷重修正係数 ΔF： 圧延荷重再設定値 ＨT： 出側板厚目標値 ΔＨP：出側板厚偏差予測値 ＦS： 初期圧延荷重設定値 i ： 圧延機Ｎｏ．（i＝ｍ〜ｎ） （但し、後段最初の圧延機Ｎｏ．をｍ，最終段圧延機Ｎ
ｏ．をｎとする）として導出する。

【００３０】（７）また、ニューラルネット更新装置に
より、圧延材毎の圧延機出側板厚実績値から計算した圧
延機出側板厚偏差推定値を用いてニューラルネットの更
新を行い、この更新されたニューラルネットを用いて次
圧延材の圧延荷重設定値を計算する。

【００３１】（８）また、圧延材毎の圧延機出側板厚実
績値から計算した圧延機出側板厚偏差推定値は、 ΔＨE＝ΔＨA＋ΔＨP ΔＨE： 圧延機出側板厚偏差推定値 ΔＨA： 圧延機出側板厚偏差実績値 ΔＨP： 圧延機出側板厚偏差予測値 とする。

【００３２】（９）また、ニューラルネット学習データ
ファイルで圧延材毎の圧延機出側板厚偏差推定値を順次
記憶し、この記憶された複数個の圧延機出側板厚偏差推
定値を用いてニューラルネット更新装置でニューラルネ
ットの更新を行い、この更新されたニューラルネットを
用いて次圧延材の圧延荷重設定値を計算する。

【００３３】（１０）また、ニューラルネット学習デー
タファイルで圧延材毎の圧延機出側板厚偏差推定値を順
次記憶すると共に、ニューラルネット層別学習ファイル
で圧延材の寸法、鋼種等の区分毎に圧延機出側板厚偏差
推定値を順次記憶し、上記記憶された複数個の圧延機出
側板厚偏差推定値および上記層別に記憶された圧延機出
側板厚偏差推定値を用いてニューラルネット更新装置
は、ニューラルネットの更新を行い、この更新されたニ
ューラルネットを用いて次圧延材の圧延荷重設定値を計
算する。

【００３４】

【実施例】

実施例１．ニューラルネット（ニューラルネットワー
ク）の応用範囲は多岐に渡り、認識・制御・予測等に関
する新手法として多くの実用例がある。ニューラルネッ
トの基礎的事項について簡単に説明する。

【００３５】（１） ニューラルネットとは文字通り生
物の神経回路網を数学的にモデル化し、特徴的な機能を
再現したものである。ニューラルネットは、ニューロン
と呼ばれる基本素子及びニューロン間を接続するシナプ
スにより構成される。（図１）

【００３６】（２） ニューラルネットの特徴を以下に
まとめる。 例題を学習することにより知識を獲得する能力があ
るので、プログラムを必要としない。 定量化が困難な情報や、不完全な情報を取り扱える
ので、音声・画像といったパターン情報の解釈に適して
いる。 並列処理が可能である。 汎化性に優れている。 ロバスト性に優れている。ノイズが入ったり、ニュ
ーラルネット自体に部分的な故障や特性のばらつきがあ
ったとしても、それらの影響を受けにくい。本発明は特
に上記、に着目したものである。

【００３７】（３） ニューラルネットの理論モデルで
ある「ユニットモデル」について図２で説明する。ニュ
ーラルネットはユニットを基本プロセッサとした並列処
理システムと考えることができる。ニューロンは多入力
／１出力型の演算素子であり、シナプスはアナログ量の
記憶素子である。この”アナログ量”に対しては、シナ
プス荷重、シナプス結合強度、結合強度、結合係数等種
々の呼び方があるが、本発明では「結合荷重」に統一す
る。ユニットの出力として、入力信号と結合荷重との積
和を応答関数ｆにより変形して与えるモデルがよく使わ
れる。

【００３８】（４） 応答関数には、ディジタル型のヘ
ビサイド関数（図３−ａ）、アナログ型のシグモイド関
数（図３−ｂ）、確率モデル、カオスモデル等がある
が、シグモイド関数を用いることが多い。この関数が神
経細胞の飽和的な性質をよく反映しているからである。

【００３９】（５） ニューラルネットモデルは構造的
には、階層型（図４−ａ）と相互結合型（図４−ｂ）の
２つに大別できるが、本発明では階層型の代表的モデル
であり、多くの実用例を持つバックプロパゲーション型
モデルを用いた。

【００４０】（６） ニューラルネットは以下の要素が
可変となっており、制御対象システムに応じて自由に調
節できる。 ネットワークの層数 ユニット数 応答関数 結合荷重・バイアス値の修正係数 学習回数

【００４１】ニューラルネットにおける学習とは、ある
入力が与えられたときに望ましい出力が得られるよう、
ニューロン間の結合の強さ（結合荷重：シナプス荷重）
を変化させていくことである。具体的には、入力値を入
力層から出力層へと伝えていって出力誤差（出力値と教
師信号との差）を計算し、次にこの出力誤差を出力層か
ら入力層へと伝播させる過程で結合荷重及びバイアス値
を変更することを意味する。入力層では入力値をそのま
ま出力値とするが、中間層以降では前層の出力値と結合
荷重の積和に自層のバイアス値を加えた値を応答関数の
入力値として出力値を得る。

【００４２】バックプロパゲーションモデルは数学的に
は「最急降下法」と呼ばれる最適化手法に従って、出力
層における二乗誤差という評価関数に関して、これを最
小化する方向へ内部結合状態を修正していくものであ
る。学習にはできるだけ多くの偏りのない（制御対象を
よく表現した）データを用いることが望ましい。このデ
ータを用いて、出力誤差が所望の範囲（許容範囲）に収
まるまで学習を繰り返す。この時気をつけなければなら
ないのは、ニューラルネットが学習データを厳密に学習
しすぎて汎化性を失い、同一母集団（同一制御対象）の
他のデータに対して対応できなくなる状態に陥らないよ
うにすることである。この現象は一般に”過学習”と呼
ばれている。

【００４３】”過学習”を避けるには、ニューラルネッ
トの学習中にニューラルネットが学習していないデータ
（テストデータ）をニューラルネットに通したときに得
られる出力誤差（予測精度）を監視し、この予測精度が
最小になった時点で学習を打ち切るという方法が一般的
に使われる。

【００４４】今、一例として４層のバックプロパゲーシ
ョンモデル（図５）の学習について説明する。図５では
出力値が１つの場合を表しているが、複数個の出力値を
学習する場合でも同様である。この具体的計算を（数
２）の式で表す。この式はニューラルネツトの出力値を
計算する順方向計算で、計算により出力誤差（出力値と
教師信号＝目標板厚との差）を求め。この出力誤差を
（数３）および（数４）の逆方向計算で、結合荷重とバ
イアス値の更新を行う。そうして出力誤差が所望の範囲
（許容範囲）に収まるまで学習を繰り返す。

【００４５】

【数２】

【００４６】

【数３】

【００４７】

【数４】

【００４８】次に、データの処理方法を説明する。ネッ
トワーク内で取り扱うデータは、応答関数への入出力を
考慮して変換する必要がある。変換には種々の方法が考
えられるが、ここでは、応答関数として出力範囲を−
０．５〜０．５としたシグモイド関数を用いた場合を例
に、データの変換（正規化）について説明する。

【００４９】ネットワークへの入力値及び教師信号は、
下式により−０．５〜０．５の範囲に正規化する。 ｘ＊＝（ｘ−ｘｍｉｎ）／（ｘｍａｘ−ｘｍｉｎ） ｘ ：入力値 ｘ＊ ：正規化された入力値 ｘｍａｘ ：ｘの最大値 ｘｍｉｎ ：ｘの最小値

【００５０】出力値は下式により復元する。 ｙ＊＝ｙ×（ｙｍａｘ−ｙｍｉｎ）＋ｙｍｉｎ ｙ ：ネットワークの出力値 ｙ＊ ：復元された出力値 ｙｍａｘ ：ｙの最大値 ｙｍｉｎ ：ｙの最小値

【００５１】なお、各最大値・最小値はニューラルネッ
トの学習に使用する全データを検索し各スタンド毎に設
定するが、あらかじめ決められている上下限値等を使用
してもよい。

【００５２】図６に圧延力予測ニューラルネツトの構造
の一例を示す。入力層への入力については、後述の図８
以降で説明する。以上のように、ニューラルネットは、
特徴として非線形性・学習能力・並列性等が挙げられ、
特にその学習能力により、充分なデータがあれば複雑な
アルゴリズムを用いることなくモデリングが可能とな
る。このような特徴を備えたニューラルネットを用いる
ことにより、圧延現象の非線形性を良く表現し、且つプ
ラントの特性変化にも柔軟に対応できるような制御が可
能となる。また、ニューラルネット内における計算は単
純な積和計算であるため、計算時間を大幅に短縮するこ
とが可能となる。

【００５３】図７は本発明の実施例１を示す装置構成図
であり、仕上げ圧延機は７基とし、第４基の前に中間板
厚計が設置されている例を示す。圧延材１は粗圧延機群
２で圧延された後、仕上げ圧延機３−１〜３−７を経て
巻取り機４に巻取られる。粗圧延機群２の出側には粗出
側速度計５、粗出側幅計６および粗出側温度計７が設置
されている。粗出側速度計５、粗出側幅計６および粗出
側温度計７の各検出値は、板厚設定装置８に与えられ
る。

【００５４】仕上げ圧延機３−３と仕上げ圧延機３−４
の間には中間板厚計１４が設置されており、中間板厚計
１４の検出値は板厚設定装置８に与えられる。最終仕上
げ圧延機３−７の出側に仕上げ圧延機出側速度計９、仕
上げ圧延機出側厚み計１０および仕上げ圧延機出側温度
計１１が設置されている。仕上げ圧延機出側速度計９、
仕上げ圧延機出側厚み計１０および仕上げ圧延機出側温
度計１１の各検出値は、板厚設定装置８に与えられる。
また、仕上げ圧延機３−１〜３−７には各々圧延荷重検
出器１２−１〜１２−７およびロールギャップ設定装置
１３−１〜１３−７が設置されている。圧延荷重検出器
１２−１〜１２−７の各検出値は、板厚設定装置８に与
えられる。

【００５５】板厚設定装置８には、鋼種、炭素含有率、
仕上げ圧延機出側板厚目標値、負荷配分比目標値、その
他の各種圧延情報が格納されており、さらに圧延荷重設
定装置１５が内蔵されている。圧延荷重設定装置１５に
は、圧延材の先端部分についての最終粗圧延機３−７出
側、前段圧延機３−１〜３−３、および中間板厚計１４
における各種検出値（実測値）および設定値と、後段圧
延機３−４〜３−７における設定値および各種圧延情報
とを入力として、後段圧延機３−４〜３−７の圧延荷重
を出力とする学習済みニューラルネット１６が内蔵され
ている。

【００５６】図８に本発明の実施例１の制御状態のブロ
ック線図を示す。まず、圧延荷重設定装置１５には圧延
荷重の計算に必要なプラント定数および鋼種、炭素含有
率、仕上げ圧延機出側板厚目標値、負荷配分比目標値、
その他の各種圧延情報が伝送されている。圧延荷重設定
装置１５には、圧延材の先端部分についての最終粗圧延
機出側、前段圧延機、および中間板厚計における各種検
出値（実績値）および設定値と、後段圧延機における設
定値および鋼種、炭素含有率等の各種圧延情報を入力と
し、後段圧延機の各圧延荷重実績値を教師データとして
学習させたニューラルネット１６が内蔵されている。な
お、このニューラルネット１６は各圧延機毎に設けられ
た複数のニューラルネットで構成されている。

【００５７】次に動作を説明する。 （１）オフラインで圧延実績データを用いてニューラル
ネット１６の学習を行う。 （２）圧延を開始する。 （３）今回圧延材についての各種圧延情報（鋼種、成
分、仕上げ圧延機出側板厚目標値、負荷配分比目標値、
ｅｔｃ）が板厚設定装置８に送られる。 （４）圧延材先端部分が最終粗圧延機を通過した時点で
速度、板幅、板温度等の実績値、および粗出側板厚推定
値が板厚設定装置８に送られる。

【００５８】（５）板厚設定装置８にてセットアップ計
算が行われ、各圧延機毎に圧延荷重が設定される。 （６）圧延材先端部分が前段の各圧延機を通過した時点
で、速度、圧延荷重等の実績値が圧延荷重設定装置１５
に送られる。 （７）圧延材先端部分が中間板厚計１４を通過した時点
で、板厚実績値が圧延荷重設定装置１５に送られる。 （８）ニューラルネット１６の各入力値（圧延情報、実
績値、設定値）が正規化計算部で正規化された後、ニュ
ーラルネット１６に入力される。

【００５９】（９）前記（数２）による順方向計算がニ
ューラルネット１６で行われ、ニューラルネットの出力
値が決定される。 （１０）ニューラルネット１６の出力値を非正規化計算
部で非正規化（復元）し、圧延荷重予測値を得る。 （１１）この値を圧延荷重設定装置１５の圧延荷重再設
定値として出力し、後段圧延機の圧延荷重の再設定を行
い圧延する。

【００６０】以上のように、本発明によれば、複雑な数
式を用いることなく短時間で圧延荷重設定値を修正で
き、高精度かつ簡潔な板厚制御が行える効果がある。

【００６１】実施例２．図９に本発明の実施例２の制御
状態のブロック線図を示す。このブロック線図は実施例
１のブロック線図（図８）にニューラルネット更新装置
１７を設けたものである。

【００６２】ニューラルネット更新装置１７はオフライ
ンでのニューラルネットの学習装置と同じであるが、オ
ンラインでの実績データを用いてニューラルネット１６
の学習を行う点が異なっている。ニューラルネットの学
習とは、ある入力が与えられたときにその入力に対する
望ましい出力（教師データ）が得られるよう結合荷重を
変化させることである。

【００６３】次に実施例２の動作を説明する。（１）〜
（１１）は実施例１と同様であるので省略する。 （１）〜（１１）実施例１に同じ、 （１２）圧延材１の先端部分が後段圧延機３−４〜３−
７を各々通過した時点で、圧延荷重検出装置１２−４〜
１２−７の各実績値が順次圧延荷重設定装置１５に入力
される。 （１３）圧延材１の先端部分が最終仕上げ圧延機３−７
を通過した時点で、仕上げ圧延機出側速度計９、仕上げ
圧延機出側厚み計１０、および仕上げ圧延機出側温度計
１１の各実績値が、圧延荷重設定装置１５に入力され
る。 （１４）仕上げ圧延機出側板厚実績値と仕上げ圧延機出
側板厚目標値との偏差が許容範囲内に収まっているか否
かを判別する。

【００６４】（１５）仕上げ圧延機出側板厚偏差が許容
範囲内であれば、後段圧延機の圧延荷重実績値を正規化
処理し、この値を教師データとしてニューラルネット１
６の学習を行う。学習方法は前記説明したごとく、前記
（数２）による順方向計算が行われ、設定した予測誤差
以内でなければ、前記（数３）（数４）による逆方向計
算が結合係数、バイアス値を更新し、許容誤差以内に入
るよう計算を繰り返す。この計算による学習は計算機の
能力に応じた学習回数制限内で行う必要があり、従っ
て、学習回数制限内にニューラルネット１６の出力と教
師データとの誤差が許容範囲内に収まらなければ、ニュ
ーラルネット１６の更新は行わない。

【００６５】以上のように、本発明によれば、実施例１
の利点（簡単な演算により短時間で圧延荷重設定値の修
正、および、高精度の板厚制御の実施）に加え、圧延材
１本毎にニューラルネットの更新を行うことにより、ロ
ールの熱膨張、あるいは摩耗等の短期的なプラント特性
の変化があった場合でも、柔軟に対応した板厚制御が実
現できる。

【００６６】実施例３．図１０に本発明の実施例３の制
御状態のブロック線図を示す。このブロック線図は実施
例１のブロック線図（図８）にニューラルネット更新装
置１７およびニューラルネット学習データファイル１８
を設けたものである。ニューラルネット学習データファ
イルの初期状態は、オフラインでのニューラルネット１
６の学習に用いられたデータが格納されているものとす
る。

【００６７】次に動作を説明する。（１）〜（１１）は
実施例１と同様であるので省略する。 （１）〜（１１）実施例１に同じ、 （１２）圧延材１の先端部分が後段圧延機３−４〜３−
７を各々通過した時点で、圧延荷重検出装置１２−４〜
１２−７の各実績値が順次圧延荷重設定装置１５に入力
される。

【００６８】（１３）圧延材１の先端部分が最終仕上げ
圧延機３−７を通過した時点で、仕上げ圧延機出側速度
計９、仕上げ圧延機出側厚み計１０、および仕上げ圧延
機出側温度計１１の各実績値が、圧延荷重設定装置１５
に入力される。 （１４）仕上げ圧延機出側板厚実績値と仕上げ圧延機出
側板厚目標値との偏差が許容範囲内に収まっているか否
かを判別する。

【００６９】（１５）仕上げ圧延機出側板厚偏差が許容
範囲内であれば、この圧延材についてのニューラルネッ
ト１６への入力値および後段圧延機の圧延荷重実績値を
正規化処理し、ニューラルネット学習データファイル１
８の最後に追加する。ニューラルネット学習データファ
イル１８は、最初はオフラインでのニューラルネットの
学習に用いたデータ（教師信号と入力値の組複数本分）
を最初に入れておき、その後、オンラインでのニューラ
ルネットの学習に用いたデータが順次格納されて行き
（圧延情報の履歴が格納される）、最も古いデータを順
次削除して行く。

【００７０】（１６）このニューラルネツト学習データ
ファイル１８に格納されている複数組の履歴データを用
いてニューラルネット１６の学習を行う。学習は計算機
の能力に応じた学習回数制限内で、ニューラルネツト１
６の出力と教師データとの誤差平均が許容範囲内に収ま
るまで行う。学習方法は前記説明したごとく、前記（数
２）による順方向計算が行われ、設定した予測誤差以内
でなければ、前記（数３）（数４）による逆方向計算が
結合係数、バイアス値を更新し、許容誤差以内に入るよ
う計算を繰り返す。

【００７１】（１７）ニューラルネット１６の学習が終
了したら、ニューラルネット学習データファイル１８の
最も古いデータセット（圧延材１本分の入力値と圧延荷
重実績値）を消去する。 （１８）仕上げ圧延機出側板厚偏差が許容範囲内に収ま
っていなければ、ニューラルネット１６の更新は行わな
い。 （１９）次圧延材の圧延荷重設定値計算時には、更新さ
れたニューラルネット１６を用いて圧延荷重設定値を決
定する。

【００７２】以上のように、本発明によれば、実施例１
の利点（簡単な演算により短時間で圧延荷重設定値の修
正、および、高精度の板厚制御の実施）に加え、圧延の
進行につれて、既に格納されているデータを有するニュ
ーラルネット学習データファイル１８に圧延材１本毎の
新たなデータを追加し、このニューラルネット学習デー
タファイルの複数のデータを用いてニューラルネットの
学習を行うことにより、プラント履歴をふまえつつプラ
ント特性の変化に柔軟に対応した板厚制御が実現でき
る。

【００７３】この実施例３は実施例２に較べて、一定の
経時変化の有る場合は結果はあまり実施例２と変わらな
いが、経時変化に変動が多い場合は、過去のデータも用
いるのでこの実施例３の方が安定した結果が得られる。
また、実施例２ではセンサーの故障やノイズ等で異常検
出値が出た場合にその異常値で学習されるが、この実施
例３では、今までの履歴を加味しているのでその異常の
影響を非常に少なくすることができる。

【００７４】実施例４．図１１に本発明の実施例４の制
御状態のブロック線図を示す。このブロック線図は実施
例１のブロック線図（図８）にニューラルネット更新装
置１７、ニューラルネット学習データファイル１８およ
びニューラルネット層別学習データファイル１９−１〜
ＮＳ（ＮＳ：層別の個数）を設けたものである。

【００７５】ニューラルネット学習データファイル１８
の初期状態は、オフラインでのニューラルネット１６の
学習に用いられたデータが格納されている。また、ニュ
ーラルネット層別学習データファイルは、圧延材の寸
法、鋼種等により決められた制御区分（層別）毎に圧延
材の圧延荷重実績値を順次記憶するもので、オンライン
での圧延実績に応じて生成されるファイルである。

【００７６】次に実施例４の動作を説明する。（１）〜
（１１）までは実施例１と同様であるので省略する。 （１）〜（１１）実施例１に同じ （１２）圧延材１の先端部分が後段圧延機３−４〜３−
７を各々通過した時点で、圧延荷重検出装置１２−４〜
１２−７の各実績値が順次圧延荷重設定装置１５に入力
される。

【００７７】（１３）圧延材１の先端部分が最終仕上げ
圧延機３−７を通過した時点で、仕上げ圧延機出側速度
計９、仕上げ圧延機出側厚み計１０および仕上げ圧延機
出側温度計１１の各実績値が、圧延荷重設定装置１５に
入力される。 （１４）仕上げ圧延機出側板厚実績値と仕上げ圧延機出
側板厚目標値との偏差が許容範囲内に収まっているか否
かを判別する。 （１５）仕上げ圧延機出側板厚偏差が許容範囲内であれ
ば、この圧延材についてのニューラルネット１６への入
力値および後段圧延機の圧延荷重実績値を正規化処理
し、ニューラルネット学習データファイル１８の最後に
追加する。

【００７８】（１６）同様に、この圧延材についてのニ
ューラルネット１６への入力値および後段圧延機の圧延
荷重実績値を正規化処理し、圧延材１の層別に応じたニ
ューラルネット層別学習データファイル１９−Ｉ０（Ｉ
０：今回材の層別Ｎｏ．）の最後に追加する。 （１７）ニューラルネット学習データファイル１８と、
次圧延材の層別に応じたニューラルネット層別学習デー
タファイル１９−ＩＮ（ＩＮ：次材の層別Ｎｏ．）を用
いてニューラルネット１６の学習を行う。学習は計算機
の能力に応じた学習回数制限内で、ニューラルネット１
６の出力と教師データとの誤差平均が許容範囲内に収ま
るまで行う。 （１８）ニューラルネット１６の学習が終了したら、ニ
ューラルネット学習データファイル１８の最も古いデー
タセット（圧延材１本分の入力値と圧延荷重実績値）を
消去する。

【００７９】（１９）ニューラルネット層別学習データ
ファイル１９−Ｉ０の大きさが制限値を超えた場合は、
最も古いデータセットを消去する。ニューラルネット層
別学習データファイルの大きさは計算機の記憶容量、処
理能力等により制限される。 （２０）仕上げ圧延機出側板厚偏差が許容範囲内に収ま
っていなければ、ニューラルネット１６の更新は行わな
い。 （２１）次圧延材の圧延荷重設定値計算時には、更新さ
れたニューラルネット１６を用いて圧延荷重設定値を決
定する。

【００８０】以上のように、本発明によれば、実施例３
の利点に加え、次圧延材と同一層別材の学習データを増
やしてニューラルネットの学習を行うことにより、より
きめ細かな板厚制御が実現できる。

【００８１】実施例５．図１２は本発明の一実施例を示
す装置構成図であり、仕上げ圧延機は７基とし、第４基
の前に中間板厚計が設置されている例を示す。圧延材１
は粗圧延機群２で圧延された後、仕上げ圧延機３−１〜
３−７を経て巻取り機４に巻取られる。粗圧延機群２の
出側には粗出側速度計５、粗出側幅計６および粗出側温
度計７が設置されている。粗出側速度計５、粗出側幅計
６および粗出側温度計７の各実績値は、板厚設定装置８
に与えられる。

【００８２】仕上げ圧延機３−３と仕上げ圧延機３−４
の間には中間板厚計１４が設置されており、中間板厚計
１４の実績値は板厚設定装置８に与えられる。最終仕上
げ圧延機３−７の出側に仕上げ圧延機出側速度計９、仕
上げ圧延機出側厚み計１０および仕上げ圧延機出側温度
計１１が設置されている。仕上げ圧延機出側速度計９、
仕上げ圧延機出側厚み計１０および仕上げ圧延機出側温
度計１１の各実績値は、板厚設定装置８に与えられる。
また、仕上げ圧延機３−１〜３−７には各々圧延荷重検
出器１２−１〜１２−７およびロールギャップ設定装置
１３−１〜１３−７が設置されている。圧延荷重検出器
１２−１〜１２−７の各実績値は、板厚設定装置８に与
えられる。

【００８３】板厚設定装置８には、鋼種、炭素含有率、
仕上げ圧延機出側板厚目標値、負荷配分比目標値、その
他の各種圧延情報が格納されており、さらに圧延荷重設
定装置２５が内蔵されている。圧延荷重設定装置２５に
は、圧延材の先端部分についての最終粗圧延機３−７出
側、前段圧延機３−１〜３−３、および中間板厚計１４
における各種実績値と設定値、後段圧延機３−４〜３−
７における設定値および各種圧延情報とを入力として、
最終仕上げ圧延機３−７出側での板厚偏差予測値を出力
とする学習済みニューラルネット２６が内蔵されてい
る。

【００８４】図１３に本発明の実施例５の制御状態のブ
ロック線図を示す。まず、圧延荷重設定装置２５には圧
延荷重の計算に必要なプラント定数および鋼種、炭素含
有率、仕上げ圧延機出側板厚目標値、負荷配分比目標
値、その他の各種圧延情報が伝送されるものとする。圧
延荷重設定装置２５には、圧延材の先端部分についての
最終粗圧延機出側、前段圧延機、および中間板厚計にお
ける各種実績値および設定値と、後段圧延機における設
定値および鋼種、炭素含有率等の各種圧延情報を入力と
し、後段圧延機の各圧延荷重実績値を教師データとして
学習させたニューラルネット２６が内蔵されている。

【００８５】次に動作を説明する。 （１）オフラインで、後段圧延機での圧延荷重修正を行
わない場合の圧延実績データを用いてニューラルネット
２６の学習を行う。 （２）圧延を開始する。 （３）今回圧延材についての各種圧延情報（鋼種、成
分、仕上げ圧延機出側板厚目標値、負荷配分比目標値、
ｅｔｃ）が板厚設定装置８に送られる。

【００８６】（４）圧延材先端部分が最終粗圧延機を通
過した時点で速度、板幅、板温度等の実績値、および粗
出側板厚推定値が板厚設定装置８に送られる。 （５）板厚設定装置８にてセットアップ計算が行われ、
各圧延機毎に圧延荷重が設定される。 （６）圧延材先端部分が前段の各圧延機を通過した時点
で、速度、圧延荷重等の実績値が圧延荷重設定装置２５
に送られる。

【００８７】（７）圧延材先端部分が中間板厚計１４を
通過した時点で、板厚実績値が圧延荷重設定装置２５に
送られる。 （８）ニューラルネット２６の各入力値（圧延情報、実
績値、設定値）が正規化計算部で正規化された後、ニュ
ーラルネット２６に入力される。 （９）前記（数２）による順方向計算がニューラルネッ
ト１６で行われ、ニューラルネットの出力値が決定され
る。 （１０）ニューラルネット２６の出力値を非正規化計算
部で非正規化（復元）し、最終仕上げ圧延機出側での板
厚偏差予測値（仕上げ圧延機出側板厚偏差予測値）を得
る。

【００８８】（１１）仕上げ圧延機出側板厚偏差予測値
から以下のように圧延荷重再設定値を計算する。 ＣF＝（ＨT＋ΔＨP）／ＨT ΔＦi＝ＦSi・ＣF ＣF： 圧延荷重修正係数 ΔF： 圧延荷重再設定値 ＨT： 仕上げ圧延機出側板厚目標値 ΔＨP：仕上げ圧延機出側板厚偏差予測値 ＦS： 初期圧延荷重設定値 i ： 圧延機Ｎｏ．（i＝４〜７）

【００８９】（１２）この値（ΔＦi）を圧延荷重設定
装置２５の出力値とし、後段圧延機の圧延荷重の再設定
を行い圧延する。

【００９０】以上のように、本発明によれば、複雑な数
式を用いることなく短時間で圧延荷重設定値を修正で
き、高精度かつ簡潔な板厚制御が行える効果がある。

【００９１】実施例６．図１４に本発明の実施例６の制
御状態のブロック線図を示す。このブロック線図は実施
例５のブロック線図（図１３）にニューラルネット更新
装置１７を設けたものである。ニューラルネット更新装
置１７はオフラインでのニューラルネットの学習装置と
同じであるが、オンラインでの実績データを用いてニュ
ーラルネット２６の学習を行う点が異なっている。ニュ
ーラルネットの学習とは、ある入力が与えられたときに
その入力に対する望ましい出力（教師データ）が得られ
るよう結合荷重を変化させることである。

【００９２】次に実施例６の動作を説明する。（１）〜
（１２）は実施例５と同様であるので省略する。 （１）〜（１２）実施例５に同じ、 （１３）圧延材１の先端部分が最終仕上げ圧延機３−７
を通過した時点で、仕上げ圧延機出側速度計９、仕上げ
圧延機出側厚み計１０および仕上げ圧延機出側温度計１
１の各実績値が、圧延荷重設定装置２５に入力される。

【００９３】（１４）仕上げ圧延機出側板厚実績値と仕
上げ圧延機出側板厚目標値との偏差（仕上げ圧延機出側
板厚偏差実績値）が許容範囲内に収まっているか否かを
判別する。 （１５）仕上げ圧延機出側板厚偏差実績値が許容範囲内
であれば、以下のように後段圧延機での圧延荷重修正を
行わない場合の仕上げ圧延機出側板厚偏差推定値を計算
する。 ΔＨE＝ΔＨA＋ΔＨP ΔＨE： 仕上げ圧延機出側板厚偏差推定値 ΔＨA： 仕上げ圧延機出側板厚偏差実績値 ΔＨP： 仕上げ圧延機出側板厚偏差予測値 ニューラルネットの学習の際、仕上げ圧延機出側板厚偏
差推定値を正規化し、教師データとして用いてる。

【００９４】（１６）この圧延材のニューラルネット２
６への入力値および仕上げ圧延機出側板厚偏差推定値を
用いてニューラルネット２６の学習を行う。学習方法は
前記説明したごとく、前記（数２）による順方向計算が
行われ、設定した予測誤差以内でなければ、前記（数
３）（数４）による逆方向計算が結合係数、バイアス値
を更新し、許容誤差以内に入るよう計算を繰り返す。こ
のニューラルネットによる学習は計算機の能力に応じた
学習回数制限内で、ニューラルネット２６の出力と教師
データとの誤差が許容範囲内に収まるまで行う。 （１７）仕上げ圧延機出側板厚偏差実績値が許容範囲内
に収まっていなければ、ニューラルネット２６の更新は
行わない。 （１８）次圧延材の圧延荷重設定値計算時には、更新さ
れたニューラルネット２６を用いて圧延荷重設定値を決
定する。

【００９５】以上のように、本発明によれば、実施例５
の利点（簡単な演算により短時間で圧延荷重設定値の修
正、および、高精度の板厚制御の実施）に加え、圧延材
１本毎にニューラルネットの更新を行うことにより、ロ
ールの熱膨張、あるいは摩耗等の短期的なプラント特性
の変化があった場合でも、柔軟に対応した板厚制御が実
現できる。

【００９６】実施例７．図１５に本発明の実施例７の制
御状態のブロック線図を示す。このブロック線図は実施
例５のブロック線図（図１３）にニューラルネット更新
装置１７およびニューラルネット学習データファイル１
８を設けたものである。ニューラルネット学習データフ
ァイル１８の初期状態は、オフラインでのニューラルネ
ット２６の学習に用いられたデータが格納されているも
のとする。

【００９７】次に動作を説明する。（１）〜（１５）は
実施例５および実施例６と同様であるので省略する。 （１）〜（１２）実施例５に同じ、 （１３）〜（１５）実施例６に同じ、 （１６）この圧延材のニューラルネット２６への入力値
および仕上げ圧延機出側板厚偏差推定値をニューラルネ
ット学習データファイル１８の最後に追加する。ニュー
ラルネット学習データファイル１８は、最初はオフライ
ンでのニューラルネットの学習に用いたデータ（教師信
号と入力値の組複数本分）を最初に入れておき、その
後、オンラインでのニューラルネットの学習に用いたデ
ータが順次格納されて行き（圧延情報の履歴が格納され
る）、最も古いデータを順次削除して行く。

【００９８】（１７）このニューラルネツト学習データ
ファイル１８に格納されている複数組の履歴データを用
いてニューラルネット２６の学習を行う。学習は計算機
の能力に応じた学習回数制限内で、ニューラルネット２
６の出力と教師データとの誤差平均が許容範囲内に収ま
るまで行う。学習方法は前記説明したごとく、前記（数
２）による順方向計算が行われ、設定した予測誤差以内
でなければ、前記（数３）（数４）による逆方向計算が
結合係数、バイアス値を更新し、許容誤差以内に入るよ
う計算を繰り返す。 （１８）ニューラルネット２６の学習が終了したら、ニ
ューラルネット学習データファイル１８の最も古い先頭
のデータセット（圧延材１本分の入力値と教師データ）
を消去する。 （１９）仕上げ圧延機出側板厚偏差実績値が許容範囲内
に収まっていなければ、ニューラルネット２６の更新は
行わない。 （２０）次圧延材の圧延荷重設定値計算時には、更新さ
れたニューラルネット２６を用いて圧延荷重設定値を決
定する。

【００９９】以上のように、本発明によれば、実施例５
の利点（簡単な演算により短時間で圧延荷重設定値の修
正、および、高精度の板厚制御の実施）に加え、圧延の
進行につれて、既に格納されているデータを有するニュ
ーラルネット学習データファイル１８に圧延材１本毎の
新たなデータを追加し、このニューラルネット学習デー
タファイルの複数のデータを用いてニューラルネットの
学習を行うことにより、プラント履歴をふまえつつプラ
ント特性の変化に柔軟に対応した板厚制御が実現でき
る。

【０１００】この実施例７は実施例６に較べて、一定の
経時変化の有る場合は結果はあまり実施例６と変わらな
いが、経時変化に変動が多い場合は、過去のデータも用
いるのでこの実施例７の方が安定した結果が得られる。
また、実施例６ではセンサーの故障やノイズ等で異常検
出値が出た場合にその異常値で学習されるが、この実施
例７では、今までの履歴を加味しているのでその異常の
影響を非常に少なくすることができる。

【０１０１】実施例８．図１６に本発明の実施例８の制
御状態のブロック線図を示す。このブロック線図は実施
例５のブロック線図（図１３）にニューラルネット更新
装置１７、ニューラルネット学習データファイル１８お
よびニューラルネット層別学習データファイル１９−１
〜ＮＳ（ＮＳ：層別の個数）を設けたものである。

【０１０２】ニューラルネット学習データファイル１８
の初期状態は、オフラインでのニューラルネット２６の
学習に用いられたデータが格納されている。また、ニュ
ーラルネット層別学習データファイルは、圧延材の寸
法、鋼種等により決められた制御区分（層別）毎に圧延
材の圧延荷重実績値を順次記憶するもので、オンライン
での圧延実績に応じて生成されファイルである。

【０１０３】次にの動作を説明する。（１）〜（１５）
までは実施例５および実施例６と同様であるので省略す
る。 （１）〜（１２）実施例５に同じ （１３）〜（１５）実施例６に同じ （１６）この圧延材のニューラルネット２６への入力値
および仕上げ圧延機出側板厚偏差推定値をニューラルネ
ット学習データファイル１８の最後に追加する。（１
７）同様に、この圧延材についてのニューラルネット２
６への入力値および仕上げ圧延機出側板厚偏差推定値
を、圧延材１の層別に応じたニューラルネット層別学習
データファイル１９−Ｉ０（Ｉ０：今回材の層別Ｎ
ｏ．）の最後に追加する。

【０１０４】（１８）ニューラルネット学習データファ
イル１８と、次圧延材の層別に応じたニューラルネット
層別学習データファイル１９−ＩＮ（ＩＮ：次材の層別
Ｎｏ．）を用いてニューラルネット２６の学習を行う。
学習は計算機の能力に応じた学習回数制限内で、ニュー
ラルネット２６の出力と教師データとの誤差平均が許容
範囲内に収まるまで行う。 （１９）ニューラルネット２６の学習が終了したら、ニ
ューラルネット学習データファイル１８の最も古いデー
タセット（圧延材１本分の入力値と圧延荷重実績値）を
消去する。

【０１０５】（２０）ニューラルネット層別学習データ
ファイル１９−Ｉ０の大きさが制限値を超えた場合は、
最も古いデータセットを消去する。ニューラルネット層
別学習データファイルの大きさは計算機の記憶容量、処
理能力等により制限される。 （２１）仕上げ圧延機出側板厚偏差が許容範囲内に収ま
っていなければ、ニューラルネット２６の更新は行わな
い。 （２２）次圧延材の圧延荷重設定値計算時には、更新さ
れたニューラルネット２６を用いて圧延荷重設定値を決
定する。

【０１０６】以上のように、本発明によれば、実施例７
の利点に加え、次圧延材と同一層別材の学習データを増
やしてニューラルネットの学習を行うことにより、より
きめ細かな板厚制御が実現できる。

【０１０７】実施例９．以上の実施例では粗圧延機と仕
上げ圧延機を有する連続圧延機について説明したが、こ
の発明は他の圧延機にも適用でき、また、圧延材を往復
させて圧延するリバース圧延等についても適用できる。

【０１０８】

【発明の効果】以上のように、この発明によれば、ニュ
ーラルネットを用いて演算・制御するようにしたので、
複雑な数式を用いることなく短時間で圧延荷重設定値を
修正でき、高精度かつ簡潔な板厚制御が行える効果があ
る。

【図面の簡単な説明】

【図１】 ニューラルネットの基本構成を示す図であ
る。

【図２】 ニューラルネットの基本構成図（ユニットモ
デル）である。

【図３】 応答関数を示す図である。

【図４】 ニューラルネットモデルを示す図である。

【図５】 パックプロパゲーションモデルの構造を示す
図である。

【図６】 圧延力予測ニューラルネットの構造を示す図
である。

【図７】 この発明の実施例１による圧延装置の構成図
である。

【図８】 この発明の実施例１による板厚設定装置の制
御状態を示すブロック線図である。

【図９】 この発明の実施例２による板厚設定装置の制
御状態を示すブロック線図である。

【図１０】 この発明の実施例３による板厚設定装置の
制御状態を示すブロック線図である。

【図１１】 この発明の実施例４による板厚設定装置の
制御状態を示すブロック線図である。

【図１２】 この発明の実施例５による圧延装置の構成
図である。

【図１３】 この発明の実施例５による板厚設定装置の
制御状態を示すブロック線図である。

【図１４】 この発明の実施例６による板厚設定装置の
制御状態を示すブロック線図である。

【図１５】 この発明の実施例７による板厚設定装置の
制御状態を示すブロック線図である。

【図１６】 この発明の実施例８による板厚設定装置の
制御状態を示すブロック線図である。

【図１７】 従来の圧延装置の構成図である。

【符号の説明】

１ 板厚材、２ 最終粗圧延機、３−１〜３−７ 仕上
げ圧延機、４ 巻取り機、５ 粗圧延機出側速度計、６
粗圧延機出側幅計、７ 粗圧延機出側温度計、８ 板
厚設定装置、９ 仕上げ圧延機出側速度計、１０ 仕上
げ圧延機出側厚み計、１１ 仕上げ圧延機出側温度計、
１２−１〜１２−７ 圧延荷重検出機、１３−１〜１３
−７ ロールギャップ設定装置、１４ 中間板厚計、１
５，２５ 圧延荷重設定装置、１６，２６ ニューラル
ネット、１７ ニューラルネット更新装置、１８ ニュ
ーラルネット学習データファィル、１９−１〜ＮＳ ニ
ューラルネット層別学習データファイル。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/18 ５５０ Ｅ 8837−5Ｌ

Claims (10)

【特許請求の範囲】
1. 【請求項１】 複数の圧延機で構成され、圧延材の板厚
   が目標板厚に一致するよう所定の圧延荷重設定値に基づ
   き圧延する圧延装置において、上記圧延機間に少なくと
   も１台の板厚計と、ニューラルネットを有する圧延荷重
   設定装置とを備え、圧延荷重設定装置に上記圧延材が噛
   み込まれる前の圧延材の温度、速度、板幅等の実績値・
   設定値などの圧延情報を入力すると共に、上記圧延材の
   先端部分が上記板厚計を通過した時点の板厚を入力し、
   上記ニューラルネットを用いて上記圧延材が噛み込まれ
   ていない後段圧延機の圧延荷重設定値の修正値を導出し
   て圧延するようにしたことを特徴とする圧延装置。
2. 【請求項２】 請求項１の圧延装置において、圧延荷重
   実績値を用いてニューラルネットの更新を行うニューラ
   ルネット更新装置を備え、このニューラルネット更新装
   置で更新されたニューラルネットを用いて次圧延材の圧
   延荷重設定値を計算することを特徴とする圧延装置。
3. 【請求項３】 請求項１の圧延装置において、圧延材毎
   の圧延荷重実績値を順次記憶するニューラルネット学習
   データファイルと、記憶された複数個の圧延荷重実績値
   を用いてニューラルネットの更新を行うニューラルネッ
   ト更新装置を備え、ニューラルネット更新装置で更新さ
   れたニューラルネットを用いて次圧延材の圧延荷重設定
   値を計算することを特徴とする圧延装置。
4. 【請求項４】 請求項１の圧延装置において、圧延材毎
   の圧延荷重実績値を順次記憶するニューラルネット学習
   データファイルと、圧延材の寸法、鋼種等の区分毎に圧
   延荷重実績値を順次記憶するニューラルネット層別学習
   ファイルと、上記記憶された複数個の圧延荷重実績値お
   よび上記層別に記憶された圧延荷重実績値を用いてニュ
   ーラルネットの更新を行うニューラルネット更新装置を
   備え、このニューラルネット更新装置で更新されたニュ
   ーラルネットを用いて次圧延材の圧延荷重設定値を計算
   することを特徴とする圧延装置。
5. 【請求項５】 複数の圧延機で構成され、圧延材の板厚
   が目標板厚に一致するよう所定の圧延荷重設定値に基づ
   き圧延する圧延装置において、上記圧延機間に少なくと
   も１台の板厚計と、ニューラルネットを有する圧延荷重
   設定装置とを備え、圧延荷重設定装置に上記圧延材が噛
   み込まれる前の圧延材の温度、速度、板幅等の実績値・
   設定値などの圧延情報を入力すると共に、上記圧延材の
   先端部分が上記板厚計を通過した時点の板厚を入力し、
   上記ニューラルネットを用いて最終圧延機出側での板厚
   偏差を予測し、この板厚偏差予測値に基づいて圧延材先
   端部が噛み込まれていない後段圧延機での圧延荷重設定
   値の修正値を導出して圧延するようにしたことを特徴と
   する圧延装置。
6. 【請求項６】 請求項５の圧延装置において、出側板厚
   偏差予測値に基づいて求める修正された圧延荷重設定値
   （圧延荷重再設定値）ΔＦiは、 ＣF＝（ＨT＋ΔＨP）／ＨT ΔＦi＝ＦSi・ＣF ＣF： 圧延荷重修正係数 ΔF： 圧延荷重再設定値 ＨT： 出側板厚目標値 ΔＨP：出側板厚偏差予測値 ＦS： 初期圧延荷重設定値 i ： 圧延機Ｎｏ．（i＝ｍ〜ｎ） （但し、後段最初の圧延機Ｎｏ．をｍ，最終段圧延機Ｎ
   ｏ．をｎとする）として導出したことを特徴とする圧延
   装置。
7. 【請求項７】 請求項５または６の圧延装置において、
   ニューラルネットの更新を行うニューラルネット更新装
   置を備え、このニューラルネット更新装置により、圧延
   材毎の圧延機出側板厚実績値から計算した圧延機出側板
   厚偏差推定値を用いてニューラルネットの更新を行い、
   更新されたニューラルネットを用いて次圧延材の圧延荷
   重設定値を計算することを特徴とする圧延装置。
8. 【請求項８】 請求項７の圧延装置において、圧延材毎
   の圧延機出側板厚実績値から計算した圧延機出側板厚偏
   差推定値は、 ΔＨE＝ΔＨA＋ΔＨP ΔＨE： 圧延機出側板厚偏差推定値 ΔＨA： 圧延機出側板厚偏差実績値 ΔＨP： 圧延機出側板厚偏差予測値 としたことを特徴とする圧延装置。
9. 【請求項９】 請求項５または６の圧延装置において、
   圧延材毎の圧延機出側板厚偏差推定値を順次記憶するニ
   ューラルネット学習データファイルと、記憶された複数
   個の圧延機出側板厚偏差推定値を用いてニューラルネッ
   トの更新を行うニューラルネット更新装置を備え、ニュ
   ーラルネット更新装置で更新されたニューラルネットを
   用いて次圧延材の圧延荷重設定値を計算することを特徴
   とする圧延装置。
10. 【請求項１０】 請求項５または６の圧延装置におい
    て、圧延材毎の圧延機出側板厚偏差推定値を順次記憶す
    るニューラルネット学習データファイルと、圧延材の寸
    法、鋼種等の区分毎に圧延機出側板厚偏差推定値を順次
    記憶するニューラルネット層別学習ファイルと、上記記
    憶された複数個の圧延機出側板厚偏差推定値および上記
    層別に記憶された圧延機出側板厚偏差推定値を用いてニ
    ューラルネットの更新を行うニューラルネット更新装置
    を備え、このニューラルネット更新装置で更新されたニ
    ューラルネットを用いて次圧延材の圧延荷重設定値を計
    算することを特徴とする圧延装置。