WO2016046945A1 - 平坦度制御装置 - Google Patents

平坦度制御装置 Download PDF

Info

Publication number
WO2016046945A1
WO2016046945A1 PCT/JP2014/075488 JP2014075488W WO2016046945A1 WO 2016046945 A1 WO2016046945 A1 WO 2016046945A1 JP 2014075488 W JP2014075488 W JP 2014075488W WO 2016046945 A1 WO2016046945 A1 WO 2016046945A1
Authority
WO
WIPO (PCT)
Prior art keywords
flatness
value
influence coefficient
operation amount
actual 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.)
Ceased
Application number
PCT/JP2014/075488
Other languages
English (en)
French (fr)
Inventor
稔大 新居
直博 久保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Priority to CN201480078917.1A priority Critical patent/CN106457325B/zh
Priority to JP2016549848A priority patent/JP6229799B2/ja
Priority to KR1020177000992A priority patent/KR101749018B1/ko
Priority to PCT/JP2014/075488 priority patent/WO2016046945A1/ja
Publication of WO2016046945A1 publication Critical patent/WO2016046945A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B21B38/02—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring flatness or profile of strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B2263/00—Shape of product
    • B21B2263/04—Flatness

Definitions

  • This invention relates to a flatness control device.
  • Patent Document 1 discloses learning control using the actual value of flatness and the operation amount of each actuator. By performing the learning control, it is possible to improve the accuracy of the flatness control of the rolled material.
  • the present invention has been made to solve the above-described problems, and provides a flatness control device capable of accurately performing learning control while suppressing the influence of coolant and the influence of disturbances included in signals. Objective.
  • a first invention is a flatness control device for achieving the above object,
  • a flatness control apparatus for controlling a flatness in a width direction of the rolled material, provided in a rolling process for rolling the rolled material to a desired product by operating a plurality of actuators,
  • a shape meter for measuring flatness at each of a plurality of measurement positions set in the width direction of the rolled material,
  • a flatness target value setting device for setting a target value of flatness at each measurement position;
  • the amount of change in flatness at each measurement position when each actuator is operated is represented by a polynomial having each measurement position as a variable, and each term of the polynomial has a magnitude of the effect of the term on the flatness.
  • An operation amount calculation device for calculating an operation amount of each actuator for performing A monitoring device that monitors whether or not the amount of change in the actual value of flatness at each measurement position is greater than a predetermined flatness threshold; When the amount of change in the actual value of flatness at each measurement position exceeds the flatness threshold, the amount of change in the actual value of flatness at each measurement position is associated with the actual value of the operation amount of each actuator
  • a storage device for storing Based on the change amount of the actual value of flatness at each measurement position read from the storage device and the actual value of the operation amount of each actuator, the respective influence coefficients of the flatness influence coefficient model are identified, A flatness influence coefficient computing device for computing the identification value; Based on the current identification value of each influence coefficient and the previous learning value of each influence coefficient, the current learning value of each influence coefficient is calculated, and the current learning value of each influence coefficient is calculated as the manipulated variable.
  • the performance data used for learning control can be selected appropriately, the influence of coolant and disturbance can be reduced. As a result, the flatness prediction accuracy is improved.
  • FIG. 1 is a diagram illustrating a configuration of a system according to a first embodiment.
  • FIG. 3 is a diagram illustrating a monitoring procedure of the operation amount monitoring apparatus according to the first embodiment.
  • FIG. 3 is a diagram illustrating a configuration of a system according to a second embodiment.
  • Embodiment 1 FIG. [System configuration]
  • a single rolling mill provided with actuators such as work roll (WR) bending, intermediate roll (IMR) bending, IMR shift, and leveling is controlled.
  • WR bending is an actuator that corrects the sag of the work roll by hydraulic force
  • IMR bending is an actuator that corrects the sag of the intermediate roll by hydraulic force
  • IMR shift is the rolling material of the intermediate roll.
  • the leveling is an actuator provided to correct the meandering or disorder of the rolling material.
  • FIG. 1 is a diagram showing a system configuration of the first embodiment.
  • FIG. 1 shows a rolling mill 1.
  • the rolling mill 1 is provided with an actuator 5 such as the above-described WR bending, IMR bending, IMR shift, and leveling.
  • the rolling mill 1 rolls the rolled material 2 in the direction of the arrow 3.
  • a shape meter 4 is installed on the exit side of the rolling mill 1.
  • the shape meter 4 includes sensor rolls at each of a plurality of measurement positions set at predetermined intervals in the width direction of the rolled material 2. The actual value of the flatness of the rolled material 2 is measured for each of the plurality of sensor rolls.
  • FIG. 1 shows a flatness control device 6 for controlling the actuator 5 of the rolling mill 1.
  • the flatness control device 6 includes a shape meter 4, an operation amount calculation device 7, and a flatness target value setting device 8.
  • the operation amount calculation device 7 is a device that calculates the operation amount of the actuator 5.
  • the flatness target value setting device 8 is a device that sets a target value indicating the flatness at each measurement position of the target shape after rolling the rolled material 2.
  • the normal control is performed using the component device of the flatness control device 6 described above.
  • the normal control of the first embodiment will be described.
  • the shape meter 4 transmits the measured value of the flatness to the manipulated variable calculation device 7.
  • the manipulated variable calculation device 7 calculates the deviation between the target value output from the flatness target value setting device 8 and the actual value of flatness for each control cycle. Then, the operation amount calculation device 7 calculates the operation amount of the actuator 5 using a flatness influence coefficient model, which will be described later, so that the deviation is minimized.
  • the actuator 5 is operated based on the operation amount calculated by the operation amount calculation device 7.
  • Embodiment 1 in addition to the normal control described above, flatness learning control is performed. Hereinafter, this learning control will be described.
  • the flatness control device 6 includes a flatness influence coefficient computing device 9, a flatness influence coefficient learned value computing device 10, a flatness influence coefficient learned value storage device 11, and an information collecting device 20.
  • the information collection device 20 includes an operation amount monitoring device 12 and a change amount storage device 13.
  • the flatness influence coefficient computing device 9 is an apparatus that identifies a learning coefficient of a flatness influence coefficient model using an evaluation function described later.
  • the flatness influence coefficient learning value calculation device 10 is a device that calculates the learning value of the influence coefficient.
  • the flatness influence coefficient learning value storage device 11 is a device that stores the learning value calculated by the flatness influence coefficient learning value calculation device 10.
  • the information collection device 20 is a device that performs selection of actual values used for learning of the flatness influence coefficient model.
  • the actual value of flatness measured by the shape meter 4 and the actual value of the operation amount of the actuator 5 are input to the flatness control device 6.
  • the flatness influence coefficient calculation device 9 uses a later-described evaluation function to calculate the difference between the actual value of flatness before operation of the actuator 5 and the actual value of flatness after operation (hereinafter referred to as the actual value of operation).
  • the learning coefficient of the flatness influence coefficient model is identified based on the actual value of the actual value of flatness) and the actual value of the operation amount of the actuator 5.
  • the identified learning coefficient value is referred to as an identification value.
  • the flatness influence coefficient calculation device 9 transmits the calculated learning coefficient identification value to the flatness influence coefficient learning value calculation device 10.
  • the flatness influence coefficient learning value calculation device 10 is based on the previous learning value transmitted from the flatness influence coefficient learning value storage device 11 and the learning coefficient identification value transmitted from the flatness influence coefficient calculation device 9. The learning value of this time is calculated. Note that, in the flatness influence coefficient learning value calculation device 10, the current learning value is obtained from the average or weighted average of the learning coefficient identification value and the previous learning value.
  • the flatness influence coefficient learning value calculation device 10 transmits the current learning value to the manipulated variable calculation device 7 and the flatness influence coefficient learning value storage device 11.
  • the flatness influence coefficient learned value storage device 11 stores the current learned value transmitted from the flatness influence coefficient learned value calculation device 10.
  • the flatness influence coefficient learning value storage device 11 stores the received current learning value in a learning table stratified for each steel type, plate thickness, and plate width, for example.
  • the manipulated variable calculation device 7 performs flatness control using the received learning value this time as a flatness influence coefficient model.
  • the flatness influence coefficient model stored in the manipulated variable calculation device 7 is expressed as the following formulas (1) to (4).
  • the WR bending flatness influence coefficient model is Equation (1)
  • the IMR bending flatness influence coefficient model is Equation (2)
  • the IMR shift flatness influence coefficient model is Equation (3)
  • the leveling flatness is expressed by equation (4).
  • the learning coefficients of Equations 23 to 34 are variables.
  • the influence coefficient is obtained by multiplying the coefficients of the above equations 11 to 22 and the learning coefficients of the above equations 23 to 34.
  • the influence coefficient of the second-order term of the WR bending flatness influence coefficient model shown in Expression (1) is Z WRB2 ⁇ a WRB2 .
  • evaluation function The evaluation function stored in the flatness influence coefficient computing device 9 is expressed by the following equation (5).
  • the flatness influence coefficient computing device 9 computes the identification value of each learning coefficient so that the following evaluation function is minimized.
  • the determination routine performed in the first embodiment will be described with reference to FIG.
  • FIG. 2 shows a determination routine executed in the operation amount monitoring device 12.
  • the operation amount monitoring device 12 determines whether or not the learning flag is ON (S100). If the operation amount monitoring device 12 determines that the learning flag is not ON, the operation amount monitoring device 12 ends this routine.
  • the operation amount monitoring device 12 measures the time at that time and the actual value of the operation amount of the actuator 5 (S110).
  • the operation amount monitoring device 12 calculates the elapsed time ⁇ t from the time when S110 was executed, the amount of change in the actual value of flatness, and the actual value of the operation amount of the actuator 5 (S120).
  • the operation amount monitoring device 12 determines whether or not the elapsed time ⁇ t is longer than a predetermined time ⁇ t UL (S130). When the elapsed time ⁇ t is equal to or less than the predetermined time ⁇ t UL , this routine returns to the starting point.
  • the average absolute value of the flatness change amount at the position of each sensor roll in the width direction of the shape meter 4 is a predetermined threshold ⁇ LL. It is determined whether it is larger (S140). If the average value of the change in flatness at the position of each sensor roll in the width direction of the shape meter 4 is equal to or less than a predetermined threshold value ⁇ LL , the influence of coolant, disturbance, etc. are the actual flatness values. Since many are included, the calculation (S120) of the elapsed time ⁇ t, the change amount of the actual value of flatness, and the actual value of the operation amount of the actuator 5 is performed again.
  • the operation amount of each actuator 5 is determined in advance. It is determined whether it is smaller than the threshold value (S150, S170, S190, S210). The actuator 5 whose operation amount is smaller than the threshold value is replaced with zero, while the actuator 5 whose operation amount is equal to or greater than the threshold value is replaced with the operation amount (S160, S180, S200, S220). Then, it is transmitted to the change amount storage device 13 together with the change amount of the actual value of flatness (S230).
  • the change amount storage device 13 stores data of the received flatness value and the operation amount of the actuator 5 up to M sets. After storing the M sets of data, the change amount storage device 13 transmits the M sets of data to the flatness influence coefficient calculation device 9. Thereafter, every time one set of data is updated, M sets of data are transmitted to the flatness influence coefficient computing device 9. In addition, when the steel type and size are changed, all M set data are deleted.
  • the flatness influence coefficient computing device 9 identifies the learning coefficient of the influence coefficient model, but is not limited thereto.
  • the flatness influence coefficient computing device 9 may identify the influence coefficient of the influence coefficient model. The same applies to the second embodiment described later.
  • FIG. FIG. 3 is a diagram showing a system configuration of the second embodiment.
  • the application target of the second embodiment is the same as that of the first embodiment, but the flatness influence coefficient order calculation device 14 obtains the actual value of flatness from the shape meter 4 and the target value from the flatness target value setting device 8. It is different in that it receives and controls the flatness influence coefficient computing device 9. Only the operation different from that of the first embodiment will be described below.
  • the flatness influence coefficient order calculation device 14 receives the actual value of flatness for each control cycle from the shape meter 4 and the target value from the flatness target value setting device 8. When the average value of the absolute value of the deviation between the actual value of flatness and the target value of flatness does not increase monotonously for a predetermined time, the flatness influence coefficient order calculation device 14 calculates the above formulas (1) to (1) The identification value of the learning coefficient of the fifth-order term in (4) and the identification value of the learning coefficient of the sixth-order term are set to zero. Then, the flatness influence coefficient order calculator 14 identifies the identification values of the learning coefficients of the first-order term, the second-order term, the third-order term, and the fourth-order term.
  • the flatness influence coefficient order calculating device 14 has a first-order term, a second-order term, Identification values of learning coefficients of the third-order term, fourth-order term, fifth-order term, and sixth-order term are identified. Further, the flatness influence coefficient order calculation device 14 also applies the first term, the second term, the third order to the rolled material having the same steel type, thickness, and width as the rolled material from the next material. The identification value of the learning coefficient of the term, the fourth order term, the fifth order term, and the sixth order term is identified.
  • the flatness influence coefficient order calculator 14 identifies the identification values of the learning coefficients of the first-order term, the second-order term, the third-order term, and the fourth-order term.
  • the flatness influence coefficient order calculating device 14 has a first-order term, a second-order term, a third-order term, a fourth-order term, The identification value of the learning coefficient of the fifth-order term and the sixth-order term is identified.
  • the flatness influence coefficient model of the actuator 5 acting on the flatness target component is a sixth-order polynomial
  • the flatness influence coefficient model of the actuator 5 acting on the asymmetric component is a fifth-order polynomial. Is not to be done. As described above, efficient and highly accurate learning of the flatness influence coefficient model can be executed.
  • the actuator 5 has been described as WR bending, IMR bending, IMR shift, and leveling, but may be combined with other actuators such as a VC roll and a WR shift. Further, the present invention can be applied to all rolling mills such as a hot rolling mill, a cold rolling mill, a tandem mill, etc., in which the shape meter 4 is installed.
  • the influence of the coolant and the disturbance can be reduced by performing learning when the amount of change in flatness and the amount of operation of the actuator 5 are larger than a preset threshold within a preset time.
  • the degree of the approximation function of the influence coefficient model can be increased, and the flatness prediction accuracy can be improved.
  • the flatness influence coefficient has a higher order component due to changes in various rolling conditions and rolling material characteristics, it is possible to learn with the optimal approximation function, improving flatness prediction accuracy Can be achieved.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

　本発明に係る平坦度制御装置は、平坦度を測定する形状計と、平坦度の目標値を設定する平坦度目標値設定装置と、各アクチュエータの操作量を演算する操作量演算装置と、平坦度の実績値の変化量が予め定められた平坦度閾値より大きいかどうか監視する監視装置と、平坦度の実績値の変化量が前記平坦度閾値を超えた場合に平坦度の実績値の変化量と各アクチュエータの操作量の実績値とを関連付けて記憶する記憶装置と、同定値を演算する平坦度影響係数演算装置と、今回の同定値と前回の学習値とに基づき今回の学習値を演算し今回の学習値を前記操作量演算装置に対して設定する平坦度影響係数学習値演算装置と、各影響係数の学習値を記憶する平坦度影響係数学習値保存装置と、を備えることを特徴とする。

Description

平坦度制御装置
　この発明は、平坦度制御装置に関する。
　従来、金属等の圧延材を圧延する圧延機が知られている。圧延機では、圧延材を平坦に圧延するための平坦度制御が行われる。以下、平坦度制御について説明する。
　平坦度制御では、圧延機に設けられている形状計によって検出された圧延材の平坦度の実績値と、平坦度の目標値との偏差が演算される。そして、この偏差が最小になるように、圧延機に設けられている各アクチュエータの操作量が演算される。演算された操作量は、各アクチュエータの制御装置に送信される。これを一定の制御周期で繰り返し、圧延材の全長にわたって平坦度の実績値と目標値との偏差が生じることを抑制する。
　また、特許文献１には、平坦度の実績値と各アクチュエータの操作量とを用いた学習制御が開示されている。学習制御が行われることで、圧延材の平坦度制御の精度を向上させることができる。
日本特開平９－１７４１２８号公報
　ところで、特許文献１に開示される学習制御では、クーラントの影響や信号に含まれる外乱などが原因で、正確かつ安定な平坦度の実績値及び各アクチュエータの操作量を得ることができない場合がある。この結果、学習精度の低下を招く恐れがある。
　本発明は上記課題を解決するためになされたもので、クーラントの影響や信号に含まれる外乱などの影響を抑制して、精度よく学習制御を行うことができる平坦度制御装置を提供することを目的とする。
　第１の発明は、上記の目的を達成するための平坦度制御装置であって、
　複数のアクチュエータを操作して圧延材を所望の製品へ圧延する圧延プロセスに設けられ、前記圧延材の幅方向の平坦度を制御する平坦度制御装置であって、
　前記圧延材の幅方向に設定された複数の測定位置のそれぞれにおける平坦度を測定する形状計と、
　前記各測定位置における平坦度の目標値を設定する平坦度目標値設定装置と、
　前記各アクチュエータを操作したときの前記各測定位置における平坦度の変化量が前記各測定位置を変数とする多項式で表され、前記多項式の各項にはその項が平坦度に与える影響の大きさを表した影響係数が乗じられている平坦度影響係数モデルを用いて、前記各測定位置における平坦度の実績値と前記各測定位置における平坦度の目標値との偏差に基づき、前記偏差を小さくするための前記各アクチュエータの操作量を演算する操作量演算装置と、
　前記各測定位置における平坦度の実績値の変化量が予め定められた平坦度閾値より大きいかどうか監視する監視装置と、
　前記各測定位置における平坦度の実績値の変化量が前記平坦度閾値を超えた場合に、前記各測定位置における平坦度の実績値の変化量と前記各アクチュエータの操作量の実績値とを関連付けて記憶する記憶装置と、
　前記記憶装置から読みだされた前記各測定位置における平坦度の実績値の変化量と前記各アクチュエータの操作量の実績値とに基づき、前記平坦度影響係数モデルの前記各影響係数を同定し、その同定値を演算する平坦度影響係数演算装置と、
　前記各影響係数の今回の同定値と前記各影響係数の前回の学習値とに基づき、前記各影響係数の今回の学習値を演算し、前記各影響係数の今回の学習値を前記操作量演算装置に対して設定する平坦度影響係数学習値演算装置と、
　前記各影響係数の学習値を記憶する平坦度影響係数学習値保存装置と、
　を備えることを特徴とする。
　本発明によれば、学習制御に使う実績データを適切に選ぶことができるため、クーラントの影響、外乱の影響を低減させることができる。この結果、平坦度予測精度が向上する。
実施の形態１のシステムの構成を示した図である。 実施の形態１の操作量監視装置の監視手順を示した図である。 実施の形態２のシステムの構成を示した図である。
実施の形態１．
［システムの構成］
　実施の形態１では、ワークロール（ＷＲ）ベンディング、中間ロール（ＩＭＲ）ベンディング、ＩＭＲシフト、レベリングなどのアクチュエータを備えたシングル圧延機が制御される。ここで、ＷＲベンディングとは油圧の力でワークロールのたるみを矯正するアクチュエータであり、ＩＭＲベンディングとは油圧の力で中間ロールのたるみを矯正するアクチュエータであり、ＩＭＲシフトとは中間ロールを圧延材の圧延方向の垂直方向に動かすアクチュエータであり、レベリングとは圧延材が蛇行したり形状が乱れたりするのを修正するために設けられているアクチュエータである。
　図１は、実施の形態１のシステムの構成を示した図である。図１には、圧延機１が表されている。圧延機１は、上記説明したＷＲベンディング、ＩＭＲベンディング、ＩＭＲシフト、レベリングなどのアクチュエータ５が備えられている。圧延機１は、圧延材２を矢印３の方向に圧延する。圧延機１の出口側には、形状計４が設置されている。形状計４は、圧延材２の幅方向に所定の間隔で設定された複数の測定位置のそれぞれにセンサロールを備えている。この複数のセンサロールごとに圧延材２の平坦度の実績値が測定される。
　図１には圧延機１のアクチュエータ５を制御する平坦度制御装置６が表されている。平坦度制御装置６には、形状計４、操作量演算装置７、平坦度目標値設定装置８が含まれている。操作量演算装置７は、アクチュエータ５の操作量を演算する装置である。平坦度目標値設定装置８は、圧延材２の圧延後の目標形状の各測定位置における平坦度を示す目標値を設定する装置である。
　上記説明した平坦度制御装置６の構成装置を用いて通常制御が行われる。以下、実施の形態１の通常制御について説明する。
　形状計４は、測定した平坦度の実績値を操作量演算装置７に伝送する。操作量演算装置７は、制御周期毎に、平坦度目標値設定装置８から出力される目標値と平坦度の実績値との偏差を演算する。そして、操作量演算装置７は、その偏差が最小になるように、後述する平坦度影響係数モデルを用いて、アクチュエータ５の操作量を演算する。操作量演算装置７において演算された操作量に基づいて、アクチュエータ５が操作される。
　実施の形態１では、上記の通常制御に加えて、平坦度の学習制御が行われる。以下、この学習制御について説明する。
　平坦度制御装置６には、平坦度影響係数演算装置９、平坦度影響係数学習値演算装置１０、平坦度影響係数学習値保存装置１１、情報収集装置２０が含まれている。情報収集装置２０は、操作量監視装置１２及び変化量記憶装置１３から構成されている。平坦度影響係数演算装置９は、後述する評価関数を用いて平坦度影響係数モデルの学習係数を同定する装置である。平坦度影響係数学習値演算装置１０は、影響係数の学習値を演算する装置である。平坦度影響係数学習値保存装置１１は、平坦度影響係数学習値演算装置１０で演算された学習値を保存する装置である。情報収集装置２０は、平坦度影響係数モデルの学習に使用する実績値の選別を行う装置である。
　形状計４によって測定された平坦度の実績値とアクチュエータ５の操作量の実績値とが平坦度制御装置６に入力される。平坦度制御装置６内において、平坦度影響係数演算装置９は、後述する評価関数を用いて、アクチュエータ５の操作前の平坦度の実績値と操作後の平坦度の実績値との差（以下、平坦度の実績値の変化量という。）と、アクチュエータ５の操作量の実績値とに基づいて、平坦度影響係数モデルの学習係数を同定する。この同定した学習係数の値を同定値という。平坦度影響係数演算装置９は、演算した学習係数の同定値を平坦度影響係数学習値演算装置１０に伝送する。
　平坦度影響係数学習値演算装置１０は、平坦度影響係数学習値保存装置１１から伝送された前回の学習値と、平坦度影響係数演算装置９から伝送された学習係数の同定値とに基づいて、今回の学習値を演算する。なお、平坦度影響係数学習値演算装置１０において、今回の学習値は、学習係数の同定値と前回の学習値との平均または加重平均から求められる。
　平坦度影響係数学習値演算装置１０は、操作量演算装置７と平坦度影響係数学習値保存装置１１とに今回の学習値を伝送する。平坦度影響係数学習値保存装置１１は、平坦度影響係数学習値演算装置１０から伝送された今回の学習値を記憶する。平坦度影響係数学習値保存装置１１は、例えば、鋼種、板厚、板幅毎に層別化された学習テーブルに、受信した今回の学習値を記憶する。操作量演算装置７は、受信した今回の学習値を平坦度影響係数モデルに用いて平坦度制御を実施する。
　以下、操作量演算装置７に記憶されている平坦度影響係数モデル及び平坦度影響係数演算装置９に記憶されている評価関数の具体的な内容について詳述する。
［平坦度影響係数モデル］
　操作量演算装置７に記憶されている平坦度影響係数モデルを下記式（１）乃至式（４）のように表現する。下記式では、ＷＲベンディングの平坦度影響係数モデルを式(１)、ＩＭＲベンディングの平坦度影響係数モデルを式(２)、ＩＭＲシフトの平坦度影響係数モデルを式(３)、レベリングの平坦度影響係数モデルを式(４)と表す。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　ここで、上記式（１）乃至式（４）の各項について以下に説明する。
Figure JPOXMLDOC01-appb-M000005
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
Figure JPOXMLDOC01-appb-M000011
Figure JPOXMLDOC01-appb-M000012
Figure JPOXMLDOC01-appb-M000013
Figure JPOXMLDOC01-appb-M000014
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
Figure JPOXMLDOC01-appb-M000017
Figure JPOXMLDOC01-appb-M000018
Figure JPOXMLDOC01-appb-M000019
Figure JPOXMLDOC01-appb-M000020
Figure JPOXMLDOC01-appb-M000021
Figure JPOXMLDOC01-appb-M000022
　なお、上記数１１乃至数２２の係数は固定値である。
Figure JPOXMLDOC01-appb-M000023
Figure JPOXMLDOC01-appb-M000024
Figure JPOXMLDOC01-appb-M000025
Figure JPOXMLDOC01-appb-M000026
Figure JPOXMLDOC01-appb-M000027
Figure JPOXMLDOC01-appb-M000028
Figure JPOXMLDOC01-appb-M000029
Figure JPOXMLDOC01-appb-M000030
Figure JPOXMLDOC01-appb-M000031
Figure JPOXMLDOC01-appb-M000032
Figure JPOXMLDOC01-appb-M000033
Figure JPOXMLDOC01-appb-M000034
　なお、上記数２３乃至数３４の学習係数は変数である。そして、上記数１１乃至数２２の係数と上記数２３乃至数３４の学習係数とを乗算したものが影響係数である。例えば、式（１）に示すＷＲベンディングの平坦度影響係数モデルの２次の項の影響係数は、ＺＷＲＢ２・ａＷＲＢ２である。
［評価関数］
　平坦度影響係数演算装置９に記憶されている評価関数は、下記式(５)で表現される。平坦度影響係数演算装置９は、下記の評価関数が最少になるように、各学習係数の同定値を演算する。
Figure JPOXMLDOC01-appb-M000035
Figure JPOXMLDOC01-appb-M000036
Figure JPOXMLDOC01-appb-M000037
Figure JPOXMLDOC01-appb-M000038
Figure JPOXMLDOC01-appb-M000039
Figure JPOXMLDOC01-appb-M000040
Figure JPOXMLDOC01-appb-M000041
Figure JPOXMLDOC01-appb-M000042
Figure JPOXMLDOC01-appb-M000043
Figure JPOXMLDOC01-appb-M000044
Figure JPOXMLDOC01-appb-M000045
Figure JPOXMLDOC01-appb-M000046
Figure JPOXMLDOC01-appb-M000047
Figure JPOXMLDOC01-appb-M000048
Figure JPOXMLDOC01-appb-M000049
Figure JPOXMLDOC01-appb-M000050
Figure JPOXMLDOC01-appb-M000051
Figure JPOXMLDOC01-appb-M000052
Figure JPOXMLDOC01-appb-M000053
　ところで、平坦度の実績値とアクチュエータ５の操作量を学習制御で用いる際に、平坦度の実績値にクーラントの影響や外乱などが含まれている場合、平坦度の予測誤差が大きくなり、安定した制御が困難になるおそれがある。
　そこで、実施の形態１では、学習制御に用いる実績値を適切に選ぶために、平坦度の実績値とアクチュエータ５の操作量を制御周期毎に受信し、予め決められた時間内に平坦度の実績値の変化量およびアクチュエータ５の操作量の実績値が閾値を超えたかどうか判定する。以下、実施の形態１で行われる判定ルーチンについて図２を参照して説明する。
［判定ルーチン］
　図２は操作量監視装置１２において実行される判定ルーチンである。まず、操作量監視装置１２は、学習フラグがＯＮか否かを判定する（Ｓ１００）。操作量監視装置１２は、学習フラグがＯＮになっていないと判定した場合、本ルーチンを終了させる。
　一方、Ｓ１００において、操作量監視装置１２は、学習フラグがＯＮになっていると判定した場合、そのときの時間およびアクチュエータ５の操作量の実績値を計測する（Ｓ１１０）。
　次に、操作量監視装置１２は、Ｓ１１０を実行した時間からの経過時間Δｔ、平坦度の実績値の変化量、アクチュエータ５の操作量の実績値を演算する（Ｓ１２０）。
　次に、操作量監視装置１２は、経過時間Δｔが予め決められた時間ΔｔULより長いか否かを判定する（Ｓ１３０）。経過時間Δｔが予め決められた時間ΔｔUL以下の場合、本ルーチンは始点にもどる。
　一方、経過時間Δｔが予め決められた時間ΔｔULより長い場合、形状計４の幅方向の各センサロールの位置における平坦度の変化量の絶対値の平均値が、予め決められた閾値ΔβLLより大きいかどうかが判定される（Ｓ１４０）。形状計４の幅方向の各センサロールの位置での平坦度の変化量の絶対値の平均値が、予め決められた閾値ΔβLL以下の場合、クーラントの影響、外乱などが平坦度実績値に多く含まれるため、再度、経過時間Δｔ、平坦度の実績値の変化量、アクチュエータ５の操作量の実績値の演算（Ｓ１２０）がやり直される。
　一方、形状計４の幅方向の各センサロールの位置における平坦度の変化量の絶対値の平均値が、予め決められた閾値ΔβLLより大きい場合、それぞれのアクチュエータ５の操作量が予め決められた閾値より小さいか否かが判定される（Ｓ１５０、Ｓ１７０、Ｓ１９０、Ｓ２１０）。操作量が閾値より小さいアクチュエータ５は操作量をゼロに置き換えられ、一方、操作量が閾値以上のアクチュエータ５はその操作量に置き換えられる（Ｓ１６０、Ｓ１８０、Ｓ２００、Ｓ２２０）。その後、平坦度の実績値の変化量とともに変化量記憶装置１３に伝送される（Ｓ２３０）。
　変化量記憶装置１３は受信した平坦度の実績値とアクチュエータ５の操作量を、最大Ｍセットまでデータを記憶する。変化量記憶装置１３は、Ｍセットのデータを記憶した後、Ｍセットのデータを平坦度影響係数演算装置９に伝送する。また、その後、データが１セット更新されるたびに、Ｍセットのデータを平坦度影響係数演算装置９に伝送する。なお、鋼種、サイズが変更された場合は、Ｍセットのデータは全て削除される。
　通常、近似精度を上げるためには近似関数の次数を上げる対策がなされるが、次数が高すぎるとクーラントの影響や外乱などの誤差までアクチュエータ５の影響係数としてモデル化される恐れがある。しかし、本発明では、学習制御に使う実績データを適切に選ぶことができるため、クーラントの影響、外乱の影響を低減させることができ、近似関数を高次にできる。これにより、平坦度予測精度が向上する。
　なお、平坦度影響係数モデルの変形例として、より低次の下記式（６）乃至式（９）を用いてもよい。
Figure JPOXMLDOC01-appb-M000054
Figure JPOXMLDOC01-appb-M000055
Figure JPOXMLDOC01-appb-M000056
Figure JPOXMLDOC01-appb-M000057
　なお、実施の形態１において、平坦度影響係数演算装置９は、影響係数モデルの学習係数を同定したがこれに限るものではない。例えば、平坦度影響係数演算装置９は、影響係数モデルの影響係数を同定してもよいものとする。これは、後述する実施の形態２においても同様である。
実施の形態２．
　図３は実施の形態２のシステムの構成を示した図である。実施の形態２は、実施の形態１と適用対象は同じであるが、平坦度影響係数次数演算装置１４が形状計４から平坦度の実績値を、平坦度目標値設定装置８から目標値を受信し、平坦度影響係数演算装置９を制御する点で相違する。以下、実施の形態１と相違する動作のみを説明する。
　平坦度影響係数次数演算装置１４は、形状計４から制御周期毎の平坦度の実績値と平坦度目標値設定装置８から目標値とを受信する。平坦度影響係数次数演算装置１４は、平坦度の実績値と平坦度の目標値との偏差の絶対値の平均値が予め決められた時間単調増加していない場合、上記式(１)乃至式（４）の５次の項の学習係数の同定値と６次の項の学習係数の同定値を０とする。そして、平坦度影響係数次数演算装置１４は、１次の項、２次の項、３次の項、４次の項の学習係数の同定値を同定する。一方、平坦度影響係数次数演算装置１４は、平坦度の実績値と平坦度の目標値との偏差の絶対値の平均値が単調増加している場合、１次の項、２次の項、３次の項、４次の項、５次の項、６次の項の学習係数の同定値を同定する。また、平坦度影響係数次数演算装置１４は、次材からも当該圧延材と同様の鋼種、板厚、板幅の圧延材に対しては、１次の項、２次の項、３次の項、４次の項、５次の項、６次の項の学習係数の同定値を同定する。
　なお、実施の形態２では、予め決められた時間、平坦度の実績値と平坦度の目標値との偏差の絶対値の平均値が単調増加しているか否かを評価したが、これに限定されるものではない。例えば、ＷＲベンディング、ＩＭＲベンディングの操作量の実績値が発散しているか否かを評価してもよい。ＷＲベンディング、ＩＭＲベンディングの操作量の実績値が発散していない場合、上記式(１)乃至式（４）の５次の項の学習係数の同定値と６次の項の学習係数の同定値を０とする。そして、平坦度影響係数次数演算装置１４は、１次の項、２次の項、３次の項、４次の項の学習係数の同定値を同定する。一方、ＷＲベンディング、ＩＭＲベンディングの操作量の実績値が発散している場合、平坦度影響係数次数演算装置１４は、１次の項、２次の項、３次の項、４次の項、５次の項、６次の項の学習係数の同定値を同定する。
　一般に、平坦度影響係数モデルの多項式の次数を高くしすぎるとクーラントの影響、外乱まで学習してしまう恐れがあるが、上述のように、平坦度影響係数モデルの次数が適切でない場合にのみ高次の次数を使うことにより、不要に次数を高くすることなく、最適な近似関数の次数を選択することができ、平坦度制御の精度を向上することができる。
　なお、平坦度の対象成分に作用するアクチュエータ５の平坦度影響係数モデルを６次の多項式、非対称成分に作用するアクチュエータ５の平坦度影響係数モデルを５次の多項式としたが、もちろんこれに限定されるものではない。以上により、効率的かつ高精度の平坦度影響係数モデルの学習が実行可能となる。
　上記の説明において、アクチュエータ５をＷＲベンディング、ＩＭＲベンディング、ＩＭＲシフト、レベリングとして説明したが、その他のアクチュエータ、例えばＶＣロール、ＷＲシフトなどと組み合わせてもよい。また、本発明は形状計４が設置された、熱間圧延機、冷間圧延機、タンデムミル等すべての圧延機を対象とすることができる。
　本発明により、予め設定した時間内に、予め設定した閾値より平坦度の変化量およびアクチュエータ５の操作量が大きい場合に学習を実行させることで、クーラントおよび外乱の影響を小さくできることから、平坦度影響係数モデルの近似関数の次数を高くすることができ、平坦度予測精度の向上が達成できる。また、各種圧延条件、圧延材の特性が変化することで平坦度影響係数が高次成分をもつようになった場合でも、最適な近似関数で学習させることができるため、平坦度予測精度の向上が達成できる。
１　圧延機
２　圧延材
３　圧延方向
４　形状計
５　アクチュエータ
６　平坦度制御装置
７　操作量演算装置
８　平坦度目標値設定装置
９　平坦度影響係数演算装置
１０　平坦度影響係数学習値演算装置
１１　平坦度影響係数学習値保存装置
１２　操作量監視装置
１３　変化量記憶装置
１４　平坦度影響係数次数演算装置
２０　情報収集装置

Claims (4)

  1. 　複数のアクチュエータを操作して圧延材を所望の製品へ圧延する圧延プロセスに設けられ、前記圧延材の幅方向の平坦度を制御する平坦度制御装置であって、
    　前記圧延材の幅方向に設定された複数の測定位置のそれぞれにおける平坦度を測定する形状計と、
    　前記各測定位置における平坦度の目標値を設定する平坦度目標値設定装置と、
    　前記各アクチュエータを操作したときの前記各測定位置における平坦度の変化量が前記各測定位置を変数とする多項式で表され、前記多項式の各項にはその項が平坦度に与える影響の大きさを表した影響係数が乗じられている平坦度影響係数モデルを用いて、前記各測定位置における平坦度の実績値と前記各測定位置における平坦度の目標値との偏差に基づき、前記偏差を小さくするための前記各アクチュエータの操作量を演算する操作量演算装置と、
    　前記各測定位置における平坦度の実績値の変化量が予め定められた平坦度閾値より大きいかどうか監視する監視装置と、
    　前記各測定位置における平坦度の実績値の変化量が前記平坦度閾値を超えた場合に、前記各測定位置における平坦度の実績値の変化量と前記各アクチュエータの操作量の実績値とを関連付けて記憶する記憶装置と、
    　前記記憶装置から読みだされた前記各測定位置における平坦度の実績値の変化量と前記各アクチュエータの操作量の実績値とに基づき、前記平坦度影響係数モデルの前記各影響係数を同定し、その同定値を演算する平坦度影響係数演算装置と、
    　前記各影響係数の今回の同定値と前記各影響係数の前回の学習値とに基づき、前記各影響係数の今回の学習値を演算し、前記各影響係数の今回の学習値を前記操作量演算装置に対して設定する平坦度影響係数学習値演算装置と、
    　前記各影響係数の学習値を記憶する平坦度影響係数学習値保存装置と、
    　を備えることを特徴とする平坦度制御装置。
  2. 　前記監視装置は、前記各アクチュエータの操作量の実績値が予め定められた操作量閾値より大きいかどうか監視し、
    　前記記憶装置は、操作量の実績値が前記操作量閾値を超えていないアクチュエータについては、記憶する操作量の実績値をゼロに置き換えることを特徴とする請求項１に記載の平坦度制御装置。
  3. 　前記各測定位置における平坦度の実績値と前記各測定位置における平坦度の目標値との偏差の絶対値の平均値の変化状況に応じて前記平坦度影響係数モデルの次数を変更する平坦度影響係数次数演算装置をさらに備えることを特徴とする請求項１又は２に記載の平坦度制御装置。
  4. 　前記各アクチュエータの操作量の実績値の発散状況に応じて前記平坦度影響係数モデルの次数を変更する平坦度影響係数次数演算装置をさらに備えることを特徴とする請求項１又は２に記載の平坦度制御装置。
PCT/JP2014/075488 2014-09-25 2014-09-25 平坦度制御装置 Ceased WO2016046945A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201480078917.1A CN106457325B (zh) 2014-09-25 2014-09-25 平坦度控制装置
JP2016549848A JP6229799B2 (ja) 2014-09-25 2014-09-25 平坦度制御装置
KR1020177000992A KR101749018B1 (ko) 2014-09-25 2014-09-25 평탄도 제어 장치
PCT/JP2014/075488 WO2016046945A1 (ja) 2014-09-25 2014-09-25 平坦度制御装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/075488 WO2016046945A1 (ja) 2014-09-25 2014-09-25 平坦度制御装置

Publications (1)

Publication Number Publication Date
WO2016046945A1 true WO2016046945A1 (ja) 2016-03-31

Family

ID=55580505

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/075488 Ceased WO2016046945A1 (ja) 2014-09-25 2014-09-25 平坦度制御装置

Country Status (4)

Country Link
JP (1) JP6229799B2 (ja)
KR (1) KR101749018B1 (ja)
CN (1) CN106457325B (ja)
WO (1) WO2016046945A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3461567A1 (de) * 2017-10-02 2019-04-03 Primetals Technologies Germany GmbH Planheitsregelung mit optimierer
JP6784253B2 (ja) * 2017-11-22 2020-11-11 東芝三菱電機産業システム株式会社 クラスタ圧延機の形状制御装置
CN111587156B (zh) * 2018-12-19 2022-04-22 东芝三菱电机产业系统株式会社 轧制工艺的学习控制装置
TWI675708B (zh) 2019-01-28 2019-11-01 中國鋼鐵股份有限公司 用於鋼帶的熱軋系統與方法
JP7392493B2 (ja) * 2020-01-24 2023-12-06 東芝三菱電機産業システム株式会社 圧延材の形状制御システム
CN115223858B (zh) * 2021-04-20 2026-03-20 上海新昇半导体科技有限公司 硅片加工方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61209709A (ja) * 1985-03-15 1986-09-18 Mitsubishi Heavy Ind Ltd 帯板クラウン制御方法
JPH01210109A (ja) * 1988-02-15 1989-08-23 Toshiba Corp 圧延材平坦度制御装置
JPH05119806A (ja) * 1991-10-25 1993-05-18 Toshiba Corp 平坦度制御装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09174128A (ja) 1995-12-26 1997-07-08 Kawasaki Steel Corp 圧延材の形状制御方法
SE529074C2 (sv) * 2005-06-08 2007-04-24 Abb Ab Förfarande och anordning för optimering av planhetsstyrning vid valsning av ett band
PT2505276E (pt) * 2011-03-28 2013-12-05 Abb Research Ltd Método de controlo de planeza para laminar uma tira e controlo para esse fim
CN102658298B (zh) * 2012-04-29 2014-07-23 北京科技大学 一种适用于热轧薄规格带钢的板形质量在线判定方法
CN103949481B (zh) * 2014-04-23 2016-01-13 北京科技大学 兼顾热轧带钢轧制稳定性和质量的平坦度分段控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61209709A (ja) * 1985-03-15 1986-09-18 Mitsubishi Heavy Ind Ltd 帯板クラウン制御方法
JPH01210109A (ja) * 1988-02-15 1989-08-23 Toshiba Corp 圧延材平坦度制御装置
JPH05119806A (ja) * 1991-10-25 1993-05-18 Toshiba Corp 平坦度制御装置

Also Published As

Publication number Publication date
JPWO2016046945A1 (ja) 2017-04-27
CN106457325A (zh) 2017-02-22
KR20170018419A (ko) 2017-02-17
CN106457325B (zh) 2018-06-29
JP6229799B2 (ja) 2017-11-15
KR101749018B1 (ko) 2017-06-19

Similar Documents

Publication Publication Date Title
JP6229799B2 (ja) 平坦度制御装置
JP4452323B2 (ja) 熱間での板圧延における圧延負荷予測の学習方法
JP6922675B2 (ja) 製造プロセスの状態予測装置、方法及びプログラム、並びに製造プロセスの制御システム
JP6315818B2 (ja) タンデム圧延ミルの制御装置および制御方法
JP2012101235A (ja) 冷却停止温度制御装置および冷却停止温度制御方法
KR20040043911A (ko) 신경 회로망을 이용한 압연 하중 예측 장치 및 방법
JP6699340B2 (ja) 厚鋼板の冷却制御方法および製造方法
JP4983589B2 (ja) 冷間連続圧延設備の制御装置
CN108971237B (zh) 用于金属轧制应用的轴承浮动补偿
JP6020263B2 (ja) 圧延荷重の学習制御装置および学習制御方法、並びにこれを用いた金属板製造方法
JP7298551B2 (ja) 熱間圧延における反り予測方法、反り抑制方法、圧延材の製造方法、並びに、熱間圧延における反り予測装置、反り抑制装置、圧延材の製造設備
JP2010105011A (ja) 金属板材の板厚制御装置及び塑性係数推定用関数設定方法
JP4988171B2 (ja) 圧延機の制御装置
JP6416675B2 (ja) 圧延機における圧延制御方法
JP2001252709A (ja) 熱間圧延の仕上圧延機出側温度予測方法
JP2004255436A (ja) タンデム式熱間圧延機の板クラウン制御方法
JP6627609B2 (ja) 冷却制御方法及び冷却装置
JP2015147249A (ja) 圧延機の制御方法、圧延機の制御装置、及び圧延材の製造方法
JP5272954B2 (ja) 圧延制御装置、方法及びプログラム
JP2007283353A (ja) 金属板の圧延方法
JP5309219B2 (ja) 設定計算学習装置及び設定計算学習方法
KR20010060791A (ko) 열연강판의 평탄도 추정 방법
JPH10216815A (ja) 板クラウンの予測方法
JPS6015010A (ja) 圧延における適応制御方法
JP6466756B2 (ja) 圧延機における圧延制御方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14902527

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016549848

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20177000992

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14902527

Country of ref document: EP

Kind code of ref document: A1