WO2009113719A1 - 熱間での板圧延における圧延負荷予測の学習方法 - Google Patents

Abstract

熱間の板圧延における圧延負荷予測の学習方法において、従来は、想定される誤差要因に基づいて圧延負荷の予測誤差を補正していたが、複雑な圧延事象においては、影響因子が多く、合理的に抽出・推定することは困難であった。　そこで、本発明に係る圧延負荷予測の学習方法は、熱間の板圧延において、該被圧延材に対し、既に実施した圧延パスにおける圧延負荷の予測誤差を参照して、これから実施する圧延パスにおける圧延負荷の予測値を補正するにあたって、その実績パスにおける圧延負荷の予測誤差に乗じるゲインを被圧延材の板厚に応じて変化させることにより、圧延負荷予測の学習係数を設定し、予測精度を向上させるものである。

Description

明 細 書 熱間での板圧延における圧延負荷予測の学習方法 技術分野

本発明は、 熱間での板圧延における圧延負荷予測の学習方法に関 するものである。 背景技術

被圧延材を所望の板厚まで圧延する場合、 一般には複数の圧延パ スにより徐々に被庄延材の板厚を所望の板厚に近づけていく。 この とき、 各パス出側板厚の目標値が与えられ、 これを達成した場合の 各パスにおける圧延荷重や圧延トルク等の.圧延負荷を予測する。 さ らに、 これら予測値に基づいてミル伸びやロールたわみ等の圧延機 の弾性変形量を推定し、 これを補償するようにロール間隙やクラウ ン制御量を設定し、 また、 動力を推定し、 これが許容範囲を満たす ように圧延速度を設定して、 圧延を行うことが必要となる。

このとき、 被圧延材の成分系、 サイズ、 温度、 圧延条件などをパ ラメ一夕とする予測式を用いて圧延負荷を予測するが、 用いる予測 式の精度や、 予測式に代入する各パラメ一夕の設定値 （予測値） と 実際の値との誤差に起因する圧延負荷の予測誤差が生じることがあ る。 そのため、 既に実施した圧延パスにおける圧延負荷の予測誤差 に基づいて、 該被圧延材の以降の圧延パスに対する圧延負荷の予測 値を修正する、 いわゆるパス間学習が行われている。

最も一般的なパス間学習方法として、 前パス （実績パス） におけ る圧延負荷の予測誤差率 （式 （1 ) ) に基づいて、 該被圧延材のこ れから実施する圧延パス （予測パス） の圧延荷重予測の学習係数 C^F を設定する方法がある。

例えば、 圧延負荷として圧延荷重を考えると、 該被圧延材に対す る実績パスにおける圧延荷重実績値 P^{e x p}と、 該実績パスに対する圧 延荷重モデルによる圧延荷重の予測値 P ^{e a} 'との比率 c^p (以下、 「 予測誤差率」 という。 ） を、 実績パスにおける圧延荷重の予測誤差 の指標として考える。

C^P -~ ( 1 ) p^cal ところが、 一般に、 実績パスにおける圧延負荷の予測誤差の傾向 が、 たとえ同一被圧延材であっても、 各パスで一定であるとは限ら ない。 例えば、 式 （1 ) で求められる実績パスにおける圧延負荷予 測の誤差指標 C^Pにゲイン 0!を乗じて圧延負荷の予測誤差の傾向を平 滑化して、 予測パスにおける圧延荷重予測の学習係数 C^Fを設定する ことが多い。

このとき、 ゲイン aを過大にすると予測誤差が発散しやすくなる 傾向がある一方、 該ゲイン aを過小にすると圧延負荷の予測誤差が 収束しにく くなる傾向があり、 本技術で圧延負荷の予測精度を安定 的に高めるためには、 適切なゲイン aを設定することが不可欠であ る。

そこで、 例えば、 特開昭 50 _ 108 150号公報には、 予測パスにおけ る圧延荷重予測の学習係数 C ^Fを設定するにあたって、 実績パスに おける圧延負荷の予測誤差が過去実績の平均値に近い場合には、 実 績パスにおける圧延負荷の予測誤差に乗じるゲイン aを大きく、 そ うでない場合には該ゲイン aを小さく設定することにより、 圧延負 荷の予測精度を向上させる技術が開示されている。

しかしながら、 一般的には、 実績パスにおける圧延負荷の予測誤 差は広範囲に分布するので、 実績パスにおける圧延負荷の予測誤差 の過去実績の平均値からの偏差に応じて、 実績パスにおける圧延負 荷予測の誤差に乗じるゲインひを調整して、 予測パスにおける圧延 荷重予測の学習係数 C ^Fを設定する方法では、 圧延負荷の予測精度 を安定的に高めることは困難である。

特開 2000— 126809号公報には、 圧延負荷の予測誤差を摩擦係数の 予測誤差と変形抵抗の予測誤差との重み付け和で表現し、 それぞれ の重み係数を各パスで修正することにより圧延負荷の予測精度を向 上させる技術が開示されている。

特開平 1一 133606号公報には、 圧延負荷予測式の各パラメ一夕が 圧延負荷に及ぼす影響度を示す重み係数によって圧延負荷予測の学 習係数を決定することにより、 圧延負荷の予測精度を向上させる技 術が開示されている。

特開平 10— 263640号公報には、 圧延負荷予測の学習係数を被圧延 材固有の誤差を補正する成分と、 圧延機の経時的変化による誤差を 補正する成分とに分離することにより、 圧延負荷の予測精度を向上 させる技術が開示されている。

このように、 想定される誤差要因に基づいて圧延負荷の予測誤差 を補正する技術.では、 想定した誤差要因が実態と合致していれば、 圧延負荷の予測精度を原理的に向上し得ると考えられる。

しかし、 圧延負荷の誤差要因には、 被圧延材および圧延ロールの 表面状態、 被圧延材の温度 · 変形特性、 圧延条件の設定精度など様 々な要因があり、 これら多数の影響因子の誤差を合理的に抽出 · 推 定することは非常に困難である。

つまり、 従来、 板圧延において、 該被圧延材に対し、 実績パスに おける圧延負荷の予測誤差に基づいて、 以降の圧延パスにおける圧 延負荷の予測値を補正することにより、 安定的に圧延負荷の予測精 度を向上できる.学習方法は見当たらなレ 発明の開示

上記したように、 従来、 板圧延において、 被圧延材の実績パスに おける圧延負荷の予測誤差に基づいて、 該被圧延材の以降の圧延パ スにおける圧延負荷の予測値を補正することにより、 安定的に圧延 負荷の予測精度を向上できる圧延負荷予測の学習方法は見当たらず 、 当該学習方法が希求されていた。

本発明は、 上記課題に鑑み、 熱間での板圧延において、 該被圧延 材の実績パスにおける圧延負荷の予測誤差に基づいて、 以降の圧延 パスにおける該被圧延材の圧延負荷の予測値を補正することにより 、 安定的に圧延負荷の予測精度を向上できる圧延負荷予測の学習方 法を提供することを目的としている。

上記目的を達成するために、 本発明者らは、 圧延負荷の実績値と その実績計算値および予測誤差との関係について数多くの検討をし た。

なお、 ここで、 圧延負荷とは、 圧延荷重や圧延トルク、 圧延動力 などを指す。 また、 圧延負荷の実績計算値とは、 実績パスでの圧延 条件の実績値を圧延荷重の予測式に代入して得られる圧延荷重に、 該パスに対する圧延荷重予測の学習係数を乗じたものである。

検討の結果、 熱間での板圧延において、 圧延負荷の実績値とその 実績計算値との誤差が圧延パスを重ねても変化しにくいかどうかが 、 被圧延材の板厚の大小に大きく影響を受けることを見出した。 そこで更に検討したところ、 圧延負荷予測において、 実績パスに おける圧延負荷の予測誤差に乗じるゲインを、 被圧延材の板厚に応 じて変化させることにより、 安定的に圧延負荷の予測精度を向上さ せることが可能となることが判明し、 本発明を成すに至った。 加えて、 被圧延材の板厚が薄くなるほど、 圧延負荷の実績値とそ の実績計算値との誤差が圧延パスを重ねるに伴って変化しやすくな ることを見出したので、 被圧延材の板厚が薄くなるほど実績パスに おける圧延負荷の予測誤差に対するゲイ ンを小さくすることが、 圧 延負荷の予測精度を向上させる上で好ましいことも判明した。

これは、 熱間での板圧延では、 板厚が厚い場合には、 被圧延材の 温度が変化しにく く、 そのため圧延パスを重ねても被圧延材の温度 推定誤差はあまり変化しないことによるものと推察される。 それゆ え、 被圧延材の圧延負荷の予測精度に大きな影響を及ぼす被圧延材 の温度の推定精度の変化が小さいので、 圧延負荷の実績値とその実 績計算値との誤差が圧延パスを重ねても変化しにく くなると考えら れる。

一方、 板厚が薄い場合には、 被圧延材の温度が圧延パスを重ねる に連れて大きく変化するため、 圧延負荷の実績値とその実績計算値 との誤差が圧延パスを重ねるに連れて変化しやすくなるものと思わ れる。

即ち、 参照した実績パスにおける該被圧延材の板厚が厚くなるほ ど、 圧延負荷の実績値とその実績計算値との誤差が圧延パスを重ね るに伴って変化しにく いことを見出したので、 参照した実績パスに おける該被圧延材の板厚が厚くなるほど該実績パスにおける圧延負 荷の予測誤差に乗じるゲイ ンを大きくすることが、 圧延負荷の予測 精度を向上させる上で好ましいことが判明した。

また、 対象とする予測パスにおける該被圧延材の板厚が薄くなる ほど、 実績パスにおける圧延負荷の予測誤差が該予測パスにおける 圧延負荷の予測誤差に及ぼす影響が小さ くなることを見出したので 、 対象とする予測パスにおける該被圧延材の板厚が薄くなるほど実 績パスにおける圧延負荷の予測誤差に乗じるゲイ ンを小さくするこ とも、 圧延負荷の予測精度を向上させる上で好ましいことが判明し た。

さらに、 実績パスにおける圧延負荷の予測誤差に乗じるゲインを 変化させる基準とする前記板厚を、 入側板厚、 出側板厚、 平均板厚 のいずれかまたはこれら 2つ以上の組み合わせから設定すればよい ことも見出した。

本発明は、 上記の知見を基になされたものであって、 その要旨は 以下のとおりである。

( I ) 被圧延材の実績パスにおける圧延負荷の予測誤差を参照して 、 該被圧延材のこれから実施する圧延パスにおける圧延負荷の予測 値を補正する熱間での板圧延における圧延負荷予測の学習方法にお いて、 圧延負荷予測の学習係数の設定に関し、 該実績パスにおける 圧延負荷の予測誤差に乗じるゲインを、 該被圧延材の板厚に応じて 変化させることを特徴とする、 熱間での板圧延における圧延負荷予 測の学習方法が提供される。

( Π ) 前記 （ I ) に記載の圧延負荷予測の学習方法において、 該被 圧延材の板厚が薄くなるほど小さくなるように、 該実績パスにおけ る圧延負荷の予測誤差に乗じるゲインを設定してもよい。

(Π) 前記 （ I ) 又は （Π) に記載の圧延負荷予測の学習方法にお いて、 該実績パスにおける圧延負荷の予測誤差に乗じるゲインを、 実績パスにおける被圧延材の板厚に応じて変化させてもよい。

(IV) 前記 （ I ) 又は （Π) に記載の圧延負荷予測の学習方法にお いて、 該実績パスにおける圧延負荷の予測誤差に乗じるゲインを、 対象とする予測パスにおける被圧延材の板厚に応じて変化させても よい。

(V) 前記 （ I ) 又は （Π) に記載の圧延負荷予測の学習方法にお いて、 該実績パスにおける圧延負荷の予測誤差に乗じるゲインを、 最終パスにおける被圧延材の板厚に応じて変化させてもよい。

(VI) 前記 （ I ) 〜 （V) のいずれかに 1項に記載の圧延負荷予測 の学習方法において、 該実績パスにおける圧延負荷の予測誤差に乗 じるゲインを変化させる基準とする前記板厚が、 入側板厚、 出側板 厚および平均板厚のうちいずれかまたはこれら 2つ以上の組み合わ せで得られるものに対し変化させてもよい。

(VE) 前記 （ I ) 〜 （VI) のいずれかに 1項に記載の圧延負荷予測 の学習方法において、 予測対象の圧延負荷として圧延荷重を用いて もよい。

( ） 前記 （ I ) 〜 （VI) のいずれかに 1項に記載の圧延負荷予測 の学習方法において、 予測対象の圧延負荷として圧延トルクを用い てもよい。

つづいて、 本発明による効果について説明する。

前記 （ I ) の発明によれば、 従来に比して、 熱間での板圧延にお ける圧延負荷の予測精度を向上できる圧延負荷予測の学習を実現で さる。

さらに、 前記 （ Π ) の発明によれば、 より安定的に圧延負荷の予 測精度を向上できる圧延負荷予測の学習を実現できる。

また、 前記 （m) 〜 （VI) の発明によれば、 さらに安定的に圧延 負荷の予測精度を向上できる圧延負荷予測の学習を実現できる。 加えて、 前記 （W) の発明によれば、 安定的に圧延荷重の予測精 度を向上できるので、 精度よくミル伸び、 ロールたわみ等の圧延機 の弾性変形量を推定し、 これを補償するようにロール間隙やクラウ ン制御量を設定でき、 これにより被圧延材の板厚精度、 クラウン精 度、 平坦度を向上できる。

また、 前記 （H) の発明によれば、 安定的に圧延トルクの予測精 度を向上できるので、 精度よく動力を推定し、 これが許容範囲を満 たすよ に圧延速度を設定でき、 これにより生産性を向上できる。 以上のように、 本発明によれば、 熱間での板圧延において、 従来 に比して より安定的に圧延負荷の予測精度を向上でさる。 また、 これにより被圧延材の板厚 、 クラウン、 平坦度をより所望の値に近 づける とができるので、 圧延の歩留ロスが抑制され 、 カゝつ、 生産 性が向上するという効果も得られる。 図面の簡単な説明

Fig.1は、 本発明の実施例 1 2に用いた圧延ラインを表す図で ある。

Fig.2は、 本発明の実施例 1に用いた予測パス出側板厚 hとゲイ ン αの関係を表す図である。

Fig.3 ( a ) は、 本発明の実施例 1におけるいて、 圧延負荷とし て圧延荷重を予測したときの予測精度を表す図である。

Fig.3 ( b ) は、 本発明の実施例 1における圧延負荷として圧延 トルクを予測したときの予測精度を表す図である。

Fig. 4は、 本発明の実施例 2に用いた実績パス出側板厚 hとゲイ の関係を表す図である。

Fig. 5は、 本発明の実施例 2における圧延荷重の予測精度を表す ある

Fig. 6は、 本発明の実施例 2における板厚精度を表す図である。

Fig. 7は、 本発明の実施例 2における生産性を表す図である。

Fig. 8は、 本発明の実施例 3に用いた圧延ラインを表す図である

Fig. 9は、 本発明の実施例 3に用いた第 5スタンド出側板厚 hと ゲイン αの関係を表す図である。 発明を実施するための最良の形態

本発明を実施するための形態について、 一例を用いて説明する。 本技術は、 圧延荷重、 圧延 トルクをはじめとするいかなる圧延負 荷指標の予測に対しても適用でき得る技術である。 ここでは、 本発 明の好適な実施の形態について、 圧延負荷予測の学習方法の一実施 形態として、 圧延荷重を例に説明する。

(Step-1) 任意の被圧延材について、 実績パスにおける圧延荷重 の予測誤差の指標として、 式 （1) に基づいて、 該実績パスにおけ る圧延荷重の実績値と、 該実績パスにおける圧延荷重の実績計算値 との誤差率 C^pを求める。

ここで前述したように、 圧延荷重の実績計算値とは、 該パスの圧 延条件の実績値を圧延荷重の予測式に代入して得られる圧延荷重に 、 該パスに対する圧延荷重予測の学習係数を乗じたものである。

(Step-2) 該被圧延材について、 これ以降に行う予測パスにおけ る圧延荷重 P ^{e a l}を、 圧延荷重モデルを用いて計算する。

(Step-3) 該被圧延材について、 上記 （Step-2) で圧延荷重を予 測した圧延パス出側における該被圧延材の板厚に応じたゲイ ン αを 求める。 このとき、 該被圧延材の予測パス出側における板厚が厚く なるほどゲイ ン αが大きくなるよう に設定することが好ましい。 な お、 該被圧延材の板厚として、 予測パスにおける入側板厚、 または 該実績パスにおける入側板厚もしく は出側板厚、 あるいは最終パス 出側板厚などを参照してゲイ ン αを変化させることもできる。

(Step-4) 上記 （Step-3) で計算したゲイ ン α と上記 （Step- 1) において求めた該実績パスにおける圧延負荷の予測誤差率 C^pから、 式 （2) を用いて該予測パスにおける圧延荷重の学習係数 C^Fを計算 する。 ここで、 C^F ' は上記 （Step-1) における該実績パスにおける 圧延荷重の学習係数である。 C^F ^a-C^p +(l-a)-C^F (2)

(Step-5) 上記 （Step-2) で予測した圧延荷重の予測値 P ^{e a 1}と 、 上記 （Step-4) で計算された圧延荷重の学習係数 C^Fを用いて、 式 (3) を用いて該予測パスにおける圧延荷重の予測設定値 P ^{s e} 'を計 算する。

(Step-6) 上記 （Step-5) で算出された圧延荷重の予測設定値 P ^{s e t}に基づいて該圧延パスの圧延条件を設定し、 圧延を実施する。

以上、 本発明の一実施形態における圧延負荷の学習の過程を示し たが、 本実施形態では、 被圧延材の板厚の大小に応じて、 圧延負荷 予測における実績パスに圧延負荷の予測精度に乗じるゲインを調整 するので、 従来に比して、 より安定的に圧延負荷の予測精度を向上 できる。 また、 これにより、 被圧延材の板厚、 クラウン、 平坦度を より所望の値に近づけることができるので、 圧延の歩留ロスが抑制 され、 かつ、 生産性が向上するという効果も得られる。

ぐ実施例 1>

以下、 本発明の一実施例について図面に基づいて説明する。 なお 、 以下の実施例で用いられる数値、 関数等は、 本発明を説明するた めの一例にすぎず、 本発明は以下の実施例に限定されるものではな い。 なお、 本明細書及び図面において実質的に同一の機能構成を有 する構成要素については、 同一の符号を付することにより重複説明 を省略する。

図 1に示す、 圧延機 1によるリバース式多パス圧延における圧延荷 重予測および圧延トルク予測のパス間学習に本発明を適用する実施 例を考える。 圧延機 1では、 既に被圧延材 2に対する圧延が （ i 一 1 ) パス実施されており、 これから第 i パスの圧延を実施するところ である。 このとき、 第 （ i — 1) パスにおける圧延荷重 p e x p ^ iお よび圧延トルク G^{e x p} i _ ,、 被圧延材 2の入側板厚 出側板厚 h i _ ,および圧延温度 1 ^が演算装置 3に記憶されている。 また、 演 算装置 3には、 圧延機 1のワークロール半径 Rや被圧延材 2の成分情 報および板幅 wも記憶されている。

以下に、 第 （ i 一 1) パスにおける圧延荷重および圧延トルクの 予測誤差率を参照して、 第 iパスにおける圧延荷重および圧延トル クの予測値を補正する場合を示す。

演算装置 3では、 まず、 被圧延材 2の実績パスである第 （ 1 ー 1) パスにおける変形抵抗 k i _ ,を計算する。 一般には、 第 （ i — 1) パ スにおける変形抵抗 い,は、 少なく とも被圧延材の成分情報と圧 延温度丁 ,とを引数とする関数により与えられている。

次に、 演算装置 3を用いて、 第 （ i — 1) パスにおける扁平ロール 半径 R ' を計算する。 本実施例では、 式 （4) を用いた。

ここで、 C_H はヒッチコック係数である。 また、 H、 hはそれぞ れ該パスにおける入出側板厚、 Pは該パスにおける圧延荷重であり 、 ここではそれぞれ第 （ i 一 1) パスにおける入側板厚 Hi-い 出側 板厚 レ ,、 実績荷重 p e x P i - ,を代入した。

さらに、 演算装置 3を用いて、 式 （5) および （5) ' により、 第 ( i 一 1) パスにおける圧延荷重の実績計算値 P ^{e a 1}い,および圧延 トルクの実績計算値 G^ i - ,を計算する。

P^cal =Q'k^R'(H _h) .w (5) G^cal一 /(^^ - ) , peal

= す ' (5) ， ここで、 Qは該パスにおける圧下力関数、 λはトルクアーム係数 である。 さ らに、 第 （ i — 1 ) パスにおける圧延荷重の実測値 P ^e い ,と、 第 （ i 一 1) パスにおける圧延荷重の実績計算値 P^ i— ,と から、 式 （1) に基づいて、 実績パス （第 （ i — l) パス） における 圧延荷重の誤差率 C^p ( P ) を求める。 同様に、 第 （ i — l) パスに おける圧延 トルクの実測値 Ο⁶¹¹¹^-,と、 第 （ i — l) パスにおける 圧延 トルクの実績計算値 Gea ' i-,とから、 式 （1) に基づいて、 実 績パス （第 （ i — 1 ) パス） における圧延 トルクの誤差率 C^p (G) を求める。

続いて、 該被圧延材 2の予測パスである第 i パスに対する圧延条 件から、 該予測パスにおける圧延荷重および圧延トルクの予測値を 計算する。 これは、 式 （4) 〜 （5) ' に第 i パスの入側板厚 H i 、 出側板厚 h i 、 圧延温度 T. i などを代入することで求めることがで きる。

さ らに、 式 （6) を参照して、 圧延負荷予測の学習係数の設定に 関し、 実績パスにおける圧延荷重および圧延 トルクの予測誤差率に 乗じるゲイ ン αを求める。 本実施例では、 式 （6) に示すように予 測パス （第 i パス） の出側板厚 hに応じてゲイ ン αを変化させた。

ここで、 予測パス出側板厚 hの単位は mmである。 なお、 式 （6) に基づく予測パス出側板厚 h とゲイ ン α との関係を図 2にも示して いる。 最後に、 式 （6) で決定されたゲイン αを用いて、 式 （2) を用い て予測パスにおける圧延荷重の学習係数 C^F ( P ) および圧延トルク の学習係数 C^F (G) を計算し、 これと圧延荷重の予測値 P^{e a l}およ び圧延トルクの予測値 G^{e a 1}とに基づいて、 式 （3) を用いて第 i パ スにおける圧延荷重の予測設定値 P ^{s e 1}および圧延卜ルクの予測設 定値 G^{s e l}を計算する。

圧延トルクの予測設定値 G^{s e l}を計算する際に式 （3) を用いる場 合は、 圧延荷重の予測値 P^{e a l}の代わりに圧延トルクの予測値 G^{c a l} を、 圧延荷重の学習係数 C^F ( P ) の代わりに圧延トルクの学習係数 C^F (G) をそれぞれ代入することによって求めることができる。

式 （3) で求められた圧延荷重の予測設定値 P ^{s e l}および圧延トル クの予測設定値 G^{s e}'に基づいて、 ロール間隙やクラウン制御量、 圧延速度を設定することにより、 被圧延材 2の第 i パス圧延を実施 した。

このようにして、 既に実施した圧延パス （実績パス） における圧 延荷重ならびに圧延トルクの実績値および実績計算値に基づいて、 これから実施する圧延パス （予測パス） における圧延荷重および圧 延トルクを予測するに際し、 該予測パス出側における被圧延材 2の 板厚に応じて、 圧延荷重予測および圧延トルク予測の実績パスにお ける圧延荷重予測誤差率および圧延トルク予測誤差率に乗じるゲイ ンを変化させた。

比較例として、 前記ゲインを該予測パス出側における被圧延材 2 の板厚に関わらず一定 （ α =0. 5) とし、 それぞれの圧延荷重およ び圧延トルクの予測誤差を比較した。 なお、 それぞれ 100本ずつの 圧延に対して適用し、 比較を行った。

その結果を図 3 ( a ) および図 3 ( b ) に示す。 比較例では圧延荷 重予測誤差の標準偏差 σ = 8.6%、 圧延トルクの予測誤差の標準偏 差 σ = 12. 1 %であったのに対し、 本実施例では圧延荷重の予測誤差 の標準偏差 σ = 4. 2 %、 圧延トルクの予測誤差の標準偏差 σ = 7. 7 % であり、 比較例に対し大幅に低減できた。 これより、 本実施例では 圧延荷重および圧延トルクの予測精度が向上したので、 各圧延パス におけるロール間隙やクラウン制御量、 圧延速度を精度良く設定で きたため、 被圧延材の板厚精度やクラウン精度、 平坦度を大幅に向 上することが可能となつた。

ここでは予測すべき指標に圧延荷重および圧延トルクを用いた場 合を例として説明したが、 本発明は、 圧延荷重および圧延トルクの 予測に限定するものではなく、 例えば、 圧延動力など種々の圧延負 荷指標の予測に適用するごとが可能である。 即ち、 本発明は、 上記 実施例に限定されることなく、 圧延負荷指標を、 その要旨を逸脱し ない範囲で種々変更することができる。

また、 本実施例では、 直前の圧延パスにおける実績を用いて、 直 後の圧延パスにおける予測精度を向上させる場合を例として説明し たが、 例えば、 直前の圧延パスにおける実績のみならず、 既に実施 した一つの圧延パス、 あるいは複数の圧延パスにおける実績を用い ること、 および または、 直後の圧延パスにおける予測精度のみな らず、 以降実施する一つの圧延パス、 あるいは複数の圧延パスにお ける予測精度を向上させる場合に本発明を適用しても良い。

加えて、 本実施例では、 被圧延材の板厚として予測パス出側にお ける値を参照した場合を例に説明したが、 本発明は、 被圧延材の板 厚として、 その予測パス出側における値に限定するものではなく、 例えば、 予測パス入側における値や、 実績パス入側もしくは出側に おける値、 最終パス出側における値、 あるいはこれらの組み合わせ などを用いることも可能である。

<実施例 2 > 実施例 2も、 実施例 1と同様に、 図 1に示す圧延機 1によるリバース 式多パス圧延における圧延荷重予測のパス間学習に本発明を適用し たものである。 本実施例では、 式 （7) に示すように、 参照した実 績パス出側板厚 hに応じてゲイン αを変化させた。

なお、 式 （7) に基づく実績パス出側板厚 hとゲイン αとの関係 を図 4にも示している。 また、 各パスの圧延を実施するたびに、 以 降の圧延パスにおける圧延荷重予測における学習係数を更新するこ とにより、 以降のパスにおける板厚スケジュール、 クラウン制御量 の修正も実施した。 このようにして、 第 1パス入側板厚が 40. 0〜 200 . 0腿、 最終パス出側板厚が 4. 0〜 150. Omm、 板幅が 1200〜 4800mm、 総 圧延パス数が 4〜 15の熱間での板圧延を実施した。

比較例として、 前記ゲインを該実績パス出側における被圧延材 2 の板厚に関わらず一定 （ ひ =0. 5 ) として、 同様の圧延を実施した。 なお、 それぞれ 100本の圧延材に対して適用した。

その結果、 図 5に示すように、 比較例では圧延荷重の予測誤差の 標準偏差 σ = 7. 0 %であったのに対し、 本実施例では圧延荷重の予 測誤差の標準偏差 σ = 2. 8 %と比較例に対し大幅に低下した。

また、 本実施例では圧延荷重の予測精度が向上したので、 各圧延 パスにおけるロール間隙やクラウン制御量を精度良く設定できたた め、 図 6に示すように、 最終パス出側における被圧延材の板厚精度 (狙い値からの偏差） が比較例の 0. 149mmに対し、 本実施例では 0.0 77mmと大幅に向上した。

さ らには、 圧延荷重の予測精度の向上によりクラウン制御精度が 向上したので、 平坦度を大幅に向上することが可能となり、 平坦度 不良に起因する通板トラブルの発生率を大きく改善できたため、 図 7に示すように生産性 （1時間あたりの圧延量） が比較例の 182tonf/ hに対し、 本実施例では 191 tonf/hと向上した。

<実施例 3>

実施例 3は、 最終スタンド出側板厚が 1.0〜20. Ommの範囲である熱 間タンデム圧延プロセスに本技術を適用した一例である。

図 8に示すように、 4a〜4eの 5台の圧延機からなる圧延機群 4に おける夕ンデム圧延における圧延荷重予測のパス間学習に本発明を 適用する実施例を考える。 圧延機群 4では第 1スタン ド 4aにより既 に被圧延材 2に対する圧延が実施されており、 これから第 2スタンド 4b〜第 5スタン ド 4eにおける圧延を実施するところである。 この とき、 第 1スタン ドにおける圧延荷重 Ρ Ρ ^ 被圧延材 2の入側板厚 H, , 出側板厚 h ,および圧延温度 T,が演算装置 3に記憶されている 。 また、 演算装置 3には、 圧延機群 4の各スタン ド 4a〜4eのワーク ロール半径 Rや被圧延材 2の成分情報および板幅 wも記憶されてい る。

ここでは、 第 1スタン ドにおける圧延荷重の予測誤差を用いて、 第 2〜5スタン ドにおける圧延荷重の予測値を補正することを考える 演算装置 3では、 まず、 被圧延材 2の第 1スタン ドにおける変形抵 抗 k ,を計算する。 次に、 演算装置 3を用いて扁平ロール半径 R を計算する。 さ らに、 演算装置 3を用いて、 式 （5) により圧延荷重 の実績計算値 P^{e a l} ,を計算する。 最後に、 圧延荷重の実測値 P^{e x p}i と圧延荷重の実績計算値 P^{e a} とから圧延荷重の誤差率 C^pを式 （1

) に基づいて求め、 以降の圧延パスにおける圧延荷重予測の学習係 数 C^Fを式 （2) により計算する。

続いて、 該被圧延材 2のこれから実施する圧延スタンドに対する 圧延条件から、 該圧延スタンドにおける圧延荷重の予測値を計算す る。 これは、 実施例 1に示したように、 式 （4) 〜 （5) に各スタン ドの入側板厚 Hi、 出側板厚 h i、 圧延温度 Tj (添字 i は、 第 i ス 夕ンドでの値を示す。 以下同じ。 ） などを代入することで求めるこ とができる。

さらに、 各スタンドの出側板厚 1^に基づき、 式 （8) を参照して 各スタンドにおける圧延荷重予測に対する実績パスにおける圧延荷 重の予測誤差率に乗じるゲイン αを求める。 本実施例では、 8第 5ス タンド出側板厚 hに応じてゲイン αを変化させた。

1+ sm — η (8)

30 2 ここで、 第 5スタンド出側板厚 hの単位は mmである。 なお、 式 （8 ) に基づく第 5スタンド出側板厚 hとゲイン αとの関係を図 9にも示 している。

最後に、 式 （8) で決定されたゲイン αを用いて圧延荷重の予測 値 p e a 'を補正することにより、 式 （3) に基づいて圧延荷重の予測 設定値 P^{s e l}を計算する。 得られた圧延荷重の予測設定値 P^{s e}'に基 づいてロール間隙やクラウン制御量を設定することにより、 被圧延 材 2の圧延機群 4における第 2スタンド 4b〜第 5スタンド 4eにおける 圧延を実施した。

比較例として、 前記学習ゲインを第 5スタンド出側における被圧 延材 2の板厚に関わらず一定 （ α=0. 3) とした。 なお、 それぞれ 20 0本の圧延材に対して適用した。

その結果、 比較例では圧延荷重の予測誤差の標準偏差 σ = 3. 1 % であったのに対し、 本実施例では圧延荷重の予測誤差の標準偏差 σ = 1. 9 %と大幅に向上した。 産業上の利用可能性

本発明によれば、 熱間での板圧延において、 従来に比べ、 より安 定的に圧延負荷の予測精度を向上できる。 また、 これにより被圧延 材の板厚、 クラウン、 平坦度をより所望の値に近づけることができ るので、 圧延の歩留ロスが抑制され、 かつ、 生産性が向上するとい う効果も得られる。 このため、 本発明は、 鉄鋼材料の効率的生産に 貢献し、 鉄鋼業はもとより、 広く鉄鋼製品を用いる自動車産業等へ も、 その効果が波及することは言うまでもない。

Claims

1 . 被圧延材の実績パスにおける圧延負荷の予測誤差を参照して 、 該被圧延材のこれから実施する圧延パスにおける圧延負荷の予測 値を補正する熱間での板圧延における圧延負荷予測の学習方法にお いて、

請

圧延負荷予測の学習係数の設定に関し、 該実績パスにおける圧延 負荷の予測誤差に乗じるゲインを、 該被圧延材の板厚に応じて変化 させることを特徴とする、 熱間でのの板圧延における圧延負荷予測の 学習方法。 範

2 . 圧延負荷予測の学習係数の設定に関し、 該実績パスにおける 囲

圧延負荷の予測誤差に乗じるゲイ ンを、 該被圧延材の板厚が薄くな るほど小さ くすることを特徴とする、 請求の範囲 1に記載の熱間で の板圧延における圧延負荷予測の学習方法。

3 . 前記実績パスにおける圧延負荷の予測誤差に乗じるゲイ ンを 、 実績パスにおける被圧延材の板厚に応じて変化させることを特徴 とする請求の範囲 1又は 2に記載の熱間での板圧延における圧延負荷 予測の学習方法。

4 . 前記実績パスにおける圧延負荷の予測誤差に乗じるゲイ ンを 、 予測パスにおける被圧延材の板厚に応じて変化させることを特徵 とする請求の範囲 1又は 2に記載の熱間での板圧延における圧延負荷 予測の学習方法。

5 . 前記実績パスにおける圧延負荷の予測誤差に乗じるゲイ ンを 、 最終パスにおける被圧延材の板厚に応じて変化させることを特徴 とする請求の範囲 1又は 2に記載の熱間での板圧延における圧延負荷 予測の学習方法。

6 . 前記実績パスにおける圧延負荷の予測誤差に乗じるゲイ ンを 変化させる基準とする前記板厚が入側板厚、 出側板厚及び平均板厚 のうちいずれかまたはこれら 2つ以上の組み合わせで得られるもの であることを特徴とする請求の範囲 1〜 5のいずれかに 1項に記載の 熱間での板圧延における圧延負荷予測の学習方法。

7 . 前記圧延負荷が圧延荷重であることを特徴とする、 請求の範 囲 1〜6のいずれか 1項に記載の熱間での板圧延における圧延負荷予 測の学習方法。

8 . 前記圧延負荷が圧延トルクであることを特徴とする、 請求の 範囲 1〜 6のいずれか 1項に記載の熱間での板圧延における圧延負荷 予測の学習方法。