WO2022176366A1

WO2022176366A1 - 鋼板の形状予測方法、形状制御方法、製造方法、形状予測モデルの生成方法、及び製造設備

Info

Publication number: WO2022176366A1
Application number: PCT/JP2021/046560
Authority: WO
Inventors: 佑介野島; 悟史上岡; 雄太田村; 貴大平野; 健三浦; 篤栗本
Original assignee: Ｊｆｅスチール株式会社
Priority date: 2021-02-18
Filing date: 2021-12-16
Publication date: 2022-08-25
Also published as: JPWO2022176366A1; EP4275806A1; CN117083133A; KR20230121885A

Abstract

本発明に係る鋼板の形状予測方法は、加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える鋼板の冷却設備における鋼板の形状予測方法であって、水冷装置の操業パラメタと拘束装置の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データ、冷却設備を通過した後の鋼板の形状情報を出力データとした機械学習によって生成された形状予測モデルを用いて、冷却設備を通過した後の鋼板の形状情報を予測するステップを含む。

Description

鋼板の形状予測方法、形状制御方法、製造方法、形状予測モデルの生成方法、及び製造設備

　本発明は、鋼板の形状予測方法、形状制御方法、製造方法、形状予測モデルの生成方法、及び製造設備に関する。

　鋼板に要求される機械的性質、特に強度や靭性は近年特に厳しくなっている。鋼板の製造にあたっては、熱間圧延後の高温鋼板を直接焼入れするほか、熱処理設備で焼入れを施したり、直接焼入れや熱処理設備での焼入れ途中の所定温度において冷却を停止したりすることにより、要求特性を確保している。その際、鋼板の全幅全長で均一な特性を確保できるように冷却速度や冷却停止温度を全幅全長で均一にすることが肝要である。

　ここで、焼入れとは、オーステナイト変態の完了温度であるＡｃ３変態点以上の温度の熱間圧延後の鋼板、及び熱間圧延後に冷却された後に加熱炉等で再びＡｃ３変態点以上の温度まで加熱された鋼板を、冷却設備でマルテンサイト変態開始温度（Ｍｓ点）以下の温度まで急冷却する熱処理方法を指す。焼入れは、特に高強度鋼板の製造方法として広く用いられている。また、熱間圧延後の鋼板を冷却・再加熱することなく焼入れすることを特に直接焼入れと呼称する。一方、圧延ラインとは別の場所にある加熱炉と冷却設備からなる熱処理設備を用いて熱間圧延後に一旦冷却された鋼板の焼入れを行う場合もある。

　近年、主に運搬機器に使用される鋼板に対しては、機器を軽量化して消費エネルギーを低減する目的から、従来よりも板厚が薄い鋼板が要求されている。しかしながら、板厚が薄いほど、面内の不均一な応力状態に起因して座屈が発生しやすくなるため、冷却過程で鋼板の形状不良が発生しやすい。代表的な形状不良の形態を図９（ａ）～（ｄ）に示す。図９（ａ）は、鋼板の幅方向両端部と幅方向中央部の高さが異なる形状（Ｃ反り形状又は幅反り形状と呼ぶ）、図９（ｂ）は、鋼板の幅方向端部に波形状がみられる形状（耳波形状又は端伸び形状と呼ぶ）、図９（ｃ）は、鋼板の幅方向中央部に波形状がみられる形状（中伸び形状又は腹伸び形状と呼ぶ）、図９（ｄ）は、これらの形状が複合した形状（複合形状と呼ぶ）を示す。

　このような鋼板の冷却過程で発生する形状不良を予測、制御するための技術が従来から提案されてきた。例えば特許文献１には、鋼板の水冷装置を備え、鋼板の化学成分及び鋼板の水冷に先立って行われる圧延工程の圧延条件に基づいて冷却中又は水冷装置の下流側における鋼板の反り形状を予測する方法が記載されている。この場合の反り形状とは、図９（ａ）に示すＣ反り形状である。一方、特許文献２には、鋼板に冷却水を噴射する水冷装置と、冷却中の鋼板を複数のロール対によって拘束する拘束装置と、を備える鋼板の冷却設備において、鋼板の形状不良を抑制する冷却方法が開示されている。また、特許文献２には、鋼板が冷却設備を通過する速度、鋼板の冷却速度、拘束装置のロールピッチ、鋼板の板厚及び板幅に応じて、鋼板の波形状を予測する方法が記載されている。この場合の波形状とは、図９（ｂ）に示す耳波形状である。

　また、特許文献３には、鋼板の水冷装置として制御冷却装置を備え、その上流側に熱間矯正機を配置した鋼板の製造設備において、予測した制御冷却後の鋼板の形状に応じて制御冷却装置の冷却水量及び熱間矯正機のベンディング量の少なくとも一方を調整し、鋼板の形状不良を抑制する方法が記載されている。また、特許文献３には、測定された鋼板の冷却停止温度、幅方向温度分布、冷却中の表裏面温度、及び予め設定された分類表に基づいて鋼板の形状不良を予測することが記載されている。この場合の形状不良は、図９（ａ）に示すＣ反り形状、図９（ｂ）に示す耳波形状、図９（ｃ）に示す中伸び形状であり、測定される温度情報及び分類表に基づいていずれの形状不良であるかが判定される。

特開２００６－１５０４１１号公報特開２０１８－１４４０５０号公報特開平１０－５８６８号公報

吉澤ら、"格子パターン投影による三次元形状の自動測定"、精密工学会誌、53(3)、1987、422-426

　しかしながら、特許文献１に記載の方法は、鋼板の冷却設備として水冷装置のみを備えた設備を対象としており、鋼板の拘束装置がない場合にはある程度有効と考えられるものの、拘束装置を備えた冷却設備における鋼板の形状予測には改善の余地があった。また、予測対象とする形状不良はＣ反り形状であり、板厚が薄い鋼板において発生しやすい波形状（耳波形状や中伸び形状）を対象とするものではない。

　一方、特許文献２には、水冷装置と拘束装置とを備える冷却設備において鋼板の耳波形状を抑制する方法が記載されている。この方法では、拘束装置を備えることにより鋼板の形状不良をある程度改善でき、所定の速度で冷却設備を通過させることにより形状不良を改善できるとされている。しかしながら、対象とする形状不良は耳波形状であり、図９（ａ）に示すＣ反り形状や図９（ｃ）に示す中伸び形状による形状不良を抑制するためのものではない。従って、図９（ｄ）に示すような複合形状の発生を抑制するには改善の余地があった。

　また、特許文献３に記載の方法は、冷却設備において測定された鋼板の温度情報及び予め設定された分類表に基づいて鋼板の形状不良を予測するものである。しかしながら、冷却設備において発生する鋼板の形状不良の原因は必ずしも温度の不均一性に起因するものだけではない。鋼板の冷却中の熱収縮や相変態による体積変化に起因して鋼板の形状不良が発生する場合がある。このため、多くの原因に起因して多様な形態として現れる鋼板の形状不良について、操業経験に基づいて分類表を設定しても必ずしも精度よく予測することはできない。

　本発明は、上記課題に鑑みてなされたものであって、その目的は、冷却設備を通過した後の鋼板の形状情報を精度よく予測可能な鋼板の形状予測方法を提供することにある。また、本発明の他の目的は、冷却設備を通過した後の鋼板の形状を精度よく許容範囲内に制御可能な鋼板の形状制御方法を提供することにある。また、本発明の他の目的は、冷却設備を通過した後の鋼板の形状情報を精度よく予測可能な形状予測モデルを生成する鋼板の形状予測モデルの生成方法を提供することにある。また、本発明の他の目的は、平坦度が良好な鋼板を製造可能な鋼板の製造方法及び製造設備を提供することにある。

　本発明に係る鋼板の形状予測方法は、加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える鋼板の冷却設備における鋼板の形状予測方法であって、前記水冷装置の操業パラメタと前記拘束装置の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データ、前記冷却設備を通過した後の鋼板の形状情報を出力データとした機械学習によって生成された形状予測モデルを用いて、前記冷却設備を通過した後の前記鋼板の形状情報を予測するステップを含む。

　前記形状予測モデルは、前記入力データとして、前記鋼板の属性情報から選択される属性情報パラメタを含むとよい。

　前記水冷装置の操業パラメタには、冷却水量、冷却水の上下水量比、鋼板の冷却速度、及び冷却設備内での鋼板の搬送速度のうちの少なくとも１つが含まれるとよい。

　前記拘束装置の操業パラメタには、前記拘束ロールの圧下位置及び圧下力のうちの少なくとも１つが含まれるとよい。

　本発明に係る鋼板の形状制御方法は、本発明に係る鋼板の形状予測方法を用いて前記冷却設備を通過した後の鋼板の形状を予測し、予測した形状が予め設定された許容範囲内になるように前記水冷装置及び前記拘束装置の操業パラメタから選択した少なくとも１つの操業パラメタを再設定するステップを含む。

　本発明の第一の態様に係る鋼板の製造方法は、本発明に係る鋼板の形状制御方法を用いて鋼板を製造するステップを含む。

　本発明の第二の態様に係る鋼板の製造方法は、本発明に係る鋼板の形状予測方法を用いて前記冷却設備を通過した後の鋼板の形状を予測し、予測した形状に基づいて前記鋼板の処置工程を決定するステップを含む。

　本発明に係る鋼板の形状予測モデルの生成方法は、加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える鋼板の冷却設備における鋼板の形状予測モデルの生成方法であって、前記水冷装置の操業実績データと前記拘束装置の操業実績データとのそれぞれから選択される少なくとも一つの操業実績データを含む情報を入力実績データ、前記入力実績データに対応する前記冷却設備を通過した後の鋼板の形状情報を出力実績データとした、複数の学習用データを用いた機械学習によって、前記冷却設備を通過した後の鋼板の形状予測モデルを生成するステップを含む。

　前記機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及びサポートベクター回帰の中から選択した機械学習を用いるとよい。

　本発明に係る鋼板の製造設備は、加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える冷却設備と、前記冷却設備を通過した後の鋼板の形状情報を出力する形状予測部と、を備え、前記形状予測部は、前記水冷装置の操業パラメタと前記拘束装置の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データ、前記冷却設備を通過した後の鋼板の形状情報を出力データとした機械学習モデルである。

　本発明に係る鋼板の形状予測方法によれば、冷却設備を通過した後の鋼板の形状情報を精度よく予測することができる。また、本発明に係る鋼板の形状制御方法によれば、冷却設備を通過した後の鋼板の形状を精度よく許容範囲内に制御することができる。また、本発明に係る鋼板の形状予測モデルの生成方法によれば、冷却設備を通過した後の鋼板の形状情報を精度よく予測することができる。また、本発明に係る鋼板の製造方法及び製造設備によれば、平坦度が良好な鋼板を製造することができる。

図１は、本発明の一実施形態である鋼板の冷却設備を含む熱処理設備の概略構成を示す図である。図２は、図１に示す冷却設備の構成を示す図である。図３は、図１に示す制御用コンピュータの構成を示すブロック図である。図４は、本発明の一実施形態である形状予測モデル生成部の構成を示すブロック図である。図５は、図１に示す形状判定部の構成を説明するための図である。図６は、本発明の一実施形態である形状制御処理の流れを示すフローチャートである。図７は、事前確認によって得られた鋼板の形状の合否を搬送速度及び冷却水量で整理した図である。図８は、実施例の熱間圧延ラインの構成を示す図である。図９は、鋼板の代表的な形状不良の形態を示す模式図である。

　以下、図面を参照して、本発明の一実施形態である鋼板の形状予測方法、形状制御方法、製造方法、形状予測モデルの生成方法、及び製造設備について説明する。

〔冷却設備〕
　まず、図１を参照して、本発明の一実施形態である鋼板の冷却設備の構成について説明する。

　図１は、本発明の一実施形態である鋼板の冷却設備を含む熱処理設備の概略構成を示す図である。図１に示すように、本発明の一実施形態である鋼板の冷却設備を含む熱処理設備１は、オフライン型の熱処理設備であり、１００℃以下の温度の鋼板Ｓを所定温度まで加熱する加熱炉２、加熱炉２で加熱された鋼板Ｓを冷却する冷却設備３、冷却設備３の出側における鋼板Ｓの形状を計測する形状計４、及び冷却設備３を含む熱処理設備１の動作を制御する制御用コンピュータ１０を主な構成要素として備えている。冷却設備３は、鋼板Ｓに冷却水を噴射する水冷装置５及び冷却中に鋼板Ｓを上下から拘束する拘束装置６を備えている。

　加熱炉２には、熱処理設備１とは別の場所にある熱間圧延ラインで所定の厚み（例えば３０ｍｍ）及び幅（例えば２０００ｍｍ）に熱間圧延され、室温程度の温度まで冷却された鋼板Ｓが装入される。鋼板Ｓは加熱炉２において所定温度（例えば９１０℃）に加熱される。加熱炉２から抽出された鋼板Ｓは、加熱炉２の出側に設置されている複数のテーブルロール７によって搬送されながら冷却設備３で冷却される。図１では、冷却設備３を詳細に説明するために、加熱炉２よりも冷却設備３の方が大きく描かれている。実際には加熱炉２の長さは６０～８０ｍ程度、冷却設備３の設備長は２０～２５ｍ程度である。

　一般に、オフライン型の熱処理設備では、鋼板Ｓは加熱炉２から抽出されて冷却設備３によって冷却されるまでほぼ一定の速度で搬送されるため、鋼板Ｓの先尾端での冷却開始温度差は小さい。すなわち、鋼板Ｓの加熱温度をＴ０、加熱炉２から冷却設備３までの距離をＬ０、鋼板Ｓの搬送速度をＶ０とおくと、鋼板Ｓの先端部は温度Ｔ０で抽出され放冷時間Ｌ０／Ｖ０を経て冷却される。オフライン型の熱処理設備では、加熱炉２から冷却設備３までの距離Ｌ０が短いため、鋼板Ｓの先端部が加熱炉２から抽出され冷却設備３の入口に到達しても、鋼板Ｓの尾端部は加熱炉２内で温度Ｔ０に保たれている。そのため、鋼板Ｓの尾端部も先端部と同じように温度Ｔ０で抽出され、放冷時間Ｌ０／Ｖ０を経て冷却されるので、鋼板Ｓの全長にわたって冷却開始温度を一定に保つことができる。このように、オフライン型の熱処理設備は、放冷によって温度低下しやすい薄物鋼板に対して、面内の温度偏差が小さい鋼板を製造するのに有利であり、結果として鋼板Ｓの平坦度を良好に制御しやすいという特徴がある。また、熱処理設備１には、必要に応じて、加熱炉２の入側において鋼板Ｓの温度測定を行う温度計８１、冷却開始温度を測定する温度計８２及び冷却終了温度を測定する温度計８３が配置される場合がある。これらの温度測定結果は、鋼板Ｓの加熱条件や冷却条件を設定し、操業実績を特定するための情報として制御用コンピュータ１０に送られる。

　本発明は、以上のように、鋼板Ｓを加熱する加熱設備と、加熱設備によって加熱された鋼板Ｓに冷却水を噴射することにより鋼板Ｓを冷却する水冷装置と、少なくとも１対の拘束ロールにより冷却中に鋼板Ｓを拘束する拘束装置と、を備える鋼板の冷却設備を主対象とする。但し、本発明はオンライン型の熱処理設備にも適用できる。この場合には、鋼板Ｓを加熱する加熱設備と、加熱設備によって加熱された鋼板Ｓを圧延する圧延機と、圧延機により所定の板厚まで圧延された鋼板Ｓを冷却する水冷装置と、少なくとも１対の拘束ロールにより冷却中に鋼板Ｓを拘束する拘束装置と、を備える鋼板の冷却設備が対象となる。この場合にも、冷却設備の入側では鋼板Ｓは高温に加熱された状態である点でオフライン型の冷却設備と同様である。

　オンライン型の冷却設備は、オフライン型の冷却設備とは異なり、冷却設備に近接して加熱炉２が配置されないため、鋼板Ｓの先端部が冷却設備３を通過する段階で、鋼板Ｓの定常部及び尾端部は放冷されている状態となる。従って、冷却開始までの放冷時間は、鋼板Ｓの先端部よりも尾端部の方が長く、鋼板Ｓの長さをＬ、鋼板Ｓの搬送速度をＶとすると、尾端部と先端部とでは時間Ｌ／Ｖだけ放冷時間差が生じる。従って、圧延後の鋼板温度が均一だった場合でも、尾端部は放冷時間差だけ余分に放冷されるため、先端部と尾端部の冷却開始温度に差が生じ、鋼板Ｓの面内には長手方向で温度分布が生じやすい。このため、オンライン型の熱処理設備の方が鋼板Ｓの形状不良が発生しやすい条件となる。この場合には、後述する形状予測モデルにより冷却設備の下流側における鋼板Ｓの形状を鋼板Ｓの長手方向に沿って複数箇所で予測を行い、鋼板Ｓの長手方向で変化しうる形状に応じて冷却設備３における操業条件を適宜変更するとよい。

　冷却設備３は、鋼板Ｓを所定の冷却条件で水冷する水冷装置５及び拘束装置６を含む設備である。これらの構成について、図２を用いて詳細に説明する。冷却設備３を構成する水冷装置５は、鋼板Ｓの上下方向で対を成すように鋼板Ｓの搬送方向に沿って配置された複数の水冷ノズル５１ａ，５１ｂを備えている。水冷ノズル５１ａは、鋼板Ｓの上面に向けて冷却水Ｗを下方に噴射する。一方、水冷ノズル５１ｂは、鋼板Ｓの下面に向けて冷却水Ｗを上方に噴射する。水冷ノズル５１ａ，５１ｂは上下一対の水冷ノズルを構成しており、これを単位とした冷却区間のことを冷却ゾーンと呼び、単数又は複数の冷却ゾーンの集合をエリアと呼称する。図１に示す例では、冷却エリア（水冷装置５によって水冷を行うエリア）は７つの冷却ゾーンから構成されており、図２に示す例では、冷却エリアは４つの冷却ゾーンから構成されている。但し、冷却ゾーンの数がこれら以外であっても本発明の効果は損なわれない。また、冷却エリアが複数の冷却ゾーンによって構成され、各冷却ゾーンが水冷ノズルが配置されない空冷区間によって隔てられていてもよい。

　水冷ノズル５１ａ，５１ｂとしては、冷却流量調整弁を有し、各水冷ノズルから鋼板Ｓに向けて噴射される冷却水Ｗの水量を調整できるものが好ましい。これにより、冷却ゾーン毎に噴射する冷却水の流量を調整することができる。また、上下で対となる水冷ノズル５１ａと水冷ノズル５１ｂから鋼板Ｓに向けて噴射する冷却水Ｗの水量を異なる値に調整できるものが好ましい。このような各水冷ノズルから噴射する冷却水Ｗの水量は、制御用コンピュータ１０により設定された水量設定値に基づいて、水冷流量制御装置１１によって水冷ノズル毎に制御される。

　水冷装置５の操業パラメタには、少なくとも一対の水冷ノズル５１ａ，５１ｂから噴射される冷却水Ｗの水量（冷却水量）と、テーブルロール７によって搬送される鋼板Ｓの速度（搬送速度）とが含まれる。冷却水量が多いほど、鋼板Ｓの冷却速度及び温度降下量を大きくすることができる。一方、鋼板Ｓの搬送速度が小さいほど、鋼板Ｓの温度低下量を大きくすることができる。また、これらの操業パラメタを組み合わせることにより、所望の材質を得るための冷却条件として、冷却停止温度や冷却速度を制御する。

　水冷装置５の操業パラメタとしては、これらの他に、冷却水量の冷却ゾーン毎のバランス（例えば、上流側の冷却ゾーンで冷却水量を多くし、下流側の冷却ゾーンで冷却水量を少なくする等）が含まれる。冷却水量の冷却ゾーン毎のバランスは、各冷却ゾーンで噴射される冷却水量の比率によって表すことができる。鋼板Ｓの温度域に応じて冷却速度を制御できるからである。さらに、冷却水Ｗを噴射する冷却ゾーンの数を変更してもよい。使用する冷却ゾーンの数によって冷却速度を同一にしながら、異なる冷却停止温度に制御することができる。使用する冷却ゾーンは、それぞれの冷却ゾーンの使用／不使用を判別する符号又は数値を用いて特定し、これらの符号又は数値を水冷装置５の操業パラメタとしてよい。

　水冷ノズル５１ａ，５１ｂから噴射される冷却水Ｗの熱伝達率は水量が多いほど高いので、冷却水量を調整することにより冷却速度を調整して鋼板Ｓの材質を制御することができる。水冷ノズル５１ａ，５１ｂとしては、大流量の冷却水Ｗを幅方向に均一に噴射できるスリットタイプのノズルや、フラットスプレーノズルを使用することができる。また、多孔噴流ノズルやミストノズルを用いてもよい。

　水冷ノズル５１ａ，５１ｂとして、必ずしも水冷ノズル毎に冷却水量を調整できるものを用いなくてもよい。水冷装置が複数の冷却ゾーンを備える場合には、冷却水Ｗを噴射する冷却ゾーンの数を変更することにより、冷却条件を変更できるからである。

　冷却設備３は、水冷装置５により鋼板Ｓを冷却中に鋼板Ｓを拘束する少なくとも一対の拘束ロールを有する拘束装置６を備えている。拘束装置６の構成について、図２を用いて詳細に説明する。

　拘束装置６は、冷却エリアに配置され、水冷ゾーンに隣接して設置されている。ここで、隣接するとは、水冷ノズル５１ａ又は水冷ノズル５１ｂから噴射される冷却水Ｗによって鋼板Ｓが直接的に冷却される領域、又は鋼板Ｓの上面に冷却水Ｗの水乗りが生じる領域に配置されていることをいう。図２に示す例では、冷却設備３の入口側に拘束ロール６１ａ，６１ｂが配置されている。すなわち、拘束ロール６１ａ，６１ｂは、最上流の冷却エリアにおける水冷ノズル５１ａから噴射される冷却水Ｗが乗り水となって拘束ロール６１ａと接触する位置に配置されている。また、各冷却ゾーンの下流側においても、水冷ノズル５１ａ又は水冷ノズル５１ｂから噴射される冷却水Ｗの一部が接触する位置に拘束ロールが配置されている。

　拘束ロール６１ａ及び拘束ロール６１ｂは、鋼板Ｓを上下一対のロールで拘束するように、鋼板Ｓの搬送方向に対して概ね垂直となるように配置されている。鋼板Ｓには水冷装置５による冷却中に熱収縮や相変態による歪が発生するが、拘束ロール６１ａ，６１ｂは、このような歪に起因して鋼板Ｓが座屈しないように鋼板Ｓの変形を拘束するために設置されている。従って、鋼板Ｓに歪が発生しやすい位置に拘束ロールを配置することが好ましく、水冷ゾーンに隣接して配置する理由はこのためである。ローラーレベラーのように上下方向で対向するロールを千鳥状ではなく、鋼板Ｓに上下方向から押圧力を付与するように配置する理由は、鋼板Ｓに歪が発生した場合に、鋼板Ｓに押圧力を与えることによって鋼板Ｓに強い拘束を与えるためである。

　図２に示す例では、全ての冷却ゾーンに対応して拘束ロール６１ａ，６１ｂを設置しているが、鋼板Ｓの冷却速度が小さい冷却ゾーンでは、熱収縮による歪が小さいため、そのような冷却ゾーンには必ずしも拘束ロール６１ａ，６１ｂを配置する必要はない。なお、図２に示す例では、冷却ゾーンが４ゾーンに対して、拘束ロールが５対配置されているが、必ずしも冷却設備３の最上流側と最下流側に拘束ロールを配置する必要はない。但し、図２に示す例のように、冷却設備３の最上流側に拘束ロールを配置することにより、冷却ゾーンで鋼板Ｓに噴射される冷却水Ｗが冷却設備３の上流側に流出することを抑制できるので、鋼板Ｓを拘束する機能の他に水切りロールとしての機能を兼ね備えることができる。これは、冷却設備３の最下流側に拘束ロールを配置する場合も同様である。

　拘束装置６を構成する拘束ロール６１ａ，６１ｂは、上下のロール間のすき間を調整可能な機構を備えている。その際、下側の拘束ロール６１ｂの上下方向の位置を固定して、上側の拘束ロール６１ａを昇降させる機構とすることができる。下側の拘束ロール６１ｂはテーブルロール７としての機能を兼ねるものとしてもよい。

　図２に示す例では、拘束ロール制御装置１２が、制御用コンピュータ１０により設定された拘束装置６の拘束条件に基づいて、各拘束ロールの圧下位置を設定する。拘束ロール制御装置１２は、油圧、空圧、電動機等の動力源を用いて拘束ロールの位置を変更する圧下制御装置１３に圧下位置指令を出力する。拘束ロールの圧下位置は、圧下位置測定器１４によって測定される。拘束ロール制御装置１２は、圧下位置の測定結果に基づいて圧下制御装置１３に対する圧下位置指令を修正し、拘束ロール６１ａ，６１ｂの圧下位置を制御する。

　拘束ロール６１ａ，６１ｂによる鋼板Ｓの拘束条件として、拘束ロール６１ａ，６１ｂの圧下位置に代えて圧下力を制御する方式を用いてもよい。この場合には、上下で対になる拘束ロールにより鋼板Ｓに付与する圧下力の設定値が制御用コンピュータ１０から送られる。上面側の拘束ロール６１ａ又は下面側の拘束ロール６１ｂを支持するハウジング等の支持機構にロードセルによる荷重検出器を設置して、測定される圧下力が目標値と一致するように、圧下制御装置１３に対して圧下位置指令が出力される。この場合には、図２に示す圧下位置測定器１４に代えて、ロードセルによる荷重検出器がその役割を果たす。

　冷却中に鋼板Ｓが座屈して形状不良が大きくならないように、拘束ロール６１ａ，６１ｂによる鋼板Ｓへの押し付け力は、好ましくは３９ｋＮ以上、より好ましくは５９ｋＮ以上、さらに好ましくは７８ｋＮ以上であるとよい。但し、押し付け力が大きすぎると、拘束ロール６１ａ，６１ｂが弾性変形によって撓み、鋼板Ｓと拘束ロール６１ａ，６１ｂとの間にすき間が生じ、鋼板Ｓの形状が悪化するおそれがある。そのため、押し付け力は１９６ｋＮ以下とすることが好ましい。拘束ロール６１ａ，６１ｂによる適正な押し付け力は、熱処理を行う鋼板Ｓの板厚、板幅、鋼種、強度、水冷装置５での冷却水量、鋼板Ｓの搬送速度、冷却停止温度、冷却速度等の熱処理条件によって適正な条件範囲が異なる。

　拘束ロール６１ａ，６１ｂにより押し付け力を付与する機構としては、バネ等のスプリング型や、空圧や油圧のような一定の押し付け力を付与可能なもののいずれでも構わない。拘束ロール６１ａ，６１ｂの撓みを調整する目的からは、一定の押し付け力を維持できる機構が好ましく、さらには押し付け力を鋼板Ｓの長手方向で変更できるような応答性を有する機構が好適である。

　本実施形態では、冷却設備３の最下流側の拘束ロール６１ａの下流側に水切りパージノズル１５が設置されている。水切りパージノズル１５は、拘束ロール６１ａと鋼板Ｓとの接触部に形成される隙間から漏出した冷却水Ｗがさらに下流側に流れないように、拘束ロール６１ａの方向に角度をつけて水切りパージ１５ａを噴射する。鋼板Ｓの上面に噴射される水切りパージ１５ａは、鋼板Ｓ上の冷却水Ｗを板幅端部方向に向けて排出するように、板幅方向にも角度をつけて噴射される。水切りパージ１５ａは液体でも気体であってもよく、それらの混合流体を噴射しても構わない。但し、水切りパージ１５ａとして水を用いた場合、鋼板Ｓの温度偏差が拡大するおそれがあるため、気体を用いることが好ましい。さらに、生産コストの観点からは空気を用いることがより好ましい。水切りパージ１５ａにより鋼板Ｓの温度偏差が拡大するのを抑制して、鋼板Ｓの形状が悪化することを抑制する効果がある。

　水切りパージ１５ａの噴射量や噴射圧が大きいほど、水切り性は良好となるものの、水切りパージ１５ａの噴射圧や噴射量を大きくすると、噴射のための圧力供給源の消費エネルギーが増加する。また、水切りパージ１５ａに空気を用いた場合、冷却設備３の最下流側に配置される拘束ロール６１ａと鋼板Ｓとの接触部に向けて噴射した空気により、拘束ロール６１ａを通過した冷却水Ｗが周囲に飛散して鋼板Ｓに局部的な温度の不均一を発生させる場合がある。一方、水切りパージ１５ａに水を用いた場合には、鋼板Ｓの表面に温度偏差を発生させる場合がある。従って、拘束ロール６１ａの下流側に漏洩する冷却水Ｗの量に応じて適正な水切りパージ１５ａの噴射圧や噴射量を設定する必要がある。

　図１に戻る。制御用コンピュータ１０は、上位計算機１６から鋼板Ｓの加熱温度、板厚、板幅、重量等の情報の他、所望の材質を得るために必要な冷却停止温度の目標範囲（目標冷却停止温度）や冷却速度の目標範囲（目標冷却速度）に関する情報を取得する。そして、制御用コンピュータ１０は、このような条件を実現するための操業条件を算出して冷却設備３の各機器の操業パラメタを決定する。

　図３は、本実施形態における制御用コンピュータ１０の構成を示すブロック図である。図３に示すように、制御用コンピュータ１０は、上位計算機１６から熱処理の対象となる鋼板Ｓの属性情報を取得する。鋼板Ｓの属性情報には、鋼板Ｓの板厚、板幅、板長さ（または重量）等の鋼板Ｓの寸法に関する情報の他、鋼板Ｓの成分組成に関する情報（鋼板ＳのＣ含有量、Ｓｉ含有量、Ｍｎ含有量、Ｃｒ含有量、Ｍｏ含有量等）や熱処理後の鋼板Ｓの機械的特性の目標値（降伏応力、引張強度、伸び、靭性、硬度等）に関する情報が含まれる。

　制御用コンピュータ１０は、鋼板Ｓの属性情報の他に、目標冷却停止温度や目標冷却速度に関する情報を上位計算機１６から取得する。そして、制御用コンピュータ１０は、水冷条件演算部１０ａにおいて、内部モデルに基づいた伝熱計算を行い、冷却条件として設定される目標冷却停止温度や目標冷却速度を満たすように、冷却エリアにおける水冷ノズル５１ａ，５１ｂの冷却水Ｗの流量、冷却水Ｗを噴射する冷却ゾーン、及び冷却設備３内での鋼板Ｓの搬送速度を含む水冷装置５の操業条件を決定する。

　水冷条件演算部１０ａで設定された水冷装置５の操業条件は、水冷流量制御装置１１に送られる。水冷流量制御装置１１では、冷却水ポンプの作動圧や作動台数、水冷ノズル５ａ，５１ｂの配管系統の上流側に設けられたヘッダの本数や流量調整弁の開度、及びテーブルロール７を駆動するモーターの回転速度の指令が生成され、水冷装置５の操業条件が設定される。

　また、制御用コンピュータ１０は拘束条件設定部１０ｂを備え、拘束条件設定部１０ｂは鋼板の属性情報に応じて拘束ロール６１ａ，６１ｂの圧下位置又は圧下力を設定する。通常は、各拘束ロールの圧下位置や圧下力の設定値は、過去の操業経験に基づいて鋼板Ｓの属性情報に対応付けられたテーブル値として設定される。

　拘束条件設定部１０ｂにおいて設定された拘束ロールの圧下位置又は圧下力は、拘束装置６の操業条件となって、拘束ロール制御装置１２の制御目標値となる。拘束ロール制御装置１２は、拘束ロールの圧下機構の動力源への制御指令を出力すると共に、圧下位置又は圧下力の測定値に基づいて水冷中の鋼板Ｓを拘束ロールによって拘束する。

　図１に戻る。形状計４は、冷却設備３の出側に設置され、冷却設備３によって冷却された鋼板Ｓの形状を計測する。形状計４は、鋼板Ｓの面内おける高さ分布を測定する装置である。具体的には、形状計４は、鋼板Ｓの板幅方向にレーザー光を走査して鋼板Ｓの板幅方向における高さ分布を計測し、鋼板Ｓがテーブルロール７上で搬送される長手方向の位置毎に幅方向の高さ分布を計測する。これを鋼板Ｓの長手方向の先端部から尾端部まで繰り返すことにより、鋼板Ｓの面内の高さ分布を取得することができる。鋼板Ｓの形状を測定する場合に、測定ピッチは細かいほど好ましい。図９に示す種々の形状に対する測定精度を高め、形状不良の形態を判別しやすいからである。具体的には、板幅方向及び長手方向に、５～２００ｍｍピッチで測定できることが好ましく、５～１００ｍｍピッチがより好ましい。また、板幅方向の測定ピッチは１０～５０ｍｍ、長手方向の測定ピッチは５～２０ｍｍとすることがさらに好ましい。なお、形状計４は、鋼板Ｓの板幅方向に複数のレーザー距離計を配置して、幅方向の高さ分布を複数の距離計により測定してもよい。この場合には、レーザー距離計は鋼板Ｓの板幅方向に４０～２００ｍｍピッチで配置するのが好ましい。

　形状計４は、必ずしも、図１に示すように冷却設備３における鋼板Ｓの搬送方向の延長線上に配置される必要はない。冷却設備３を通過した後の鋼板Ｓの形状を測定できるクーリングベッド等のオフラインで測定できるように設置されていてもよい。一方、形状計４として、鋼板Ｓに特定の光学的なパターン模様を投影して、投影されたパターンの歪み量から鋼板Ｓの形状を推測する、非特許文献１に記載の方法により鋼板Ｓの形状を計測するものであってもよい。

　形状計４によって計測された鋼板Ｓの形状データは、形状情報生成部１７により、形状情報に変換される。形状情報としては、形状データを代表する任意の情報を採用することが可能である。例えば形状情報として、鋼板Ｓの長手方向の先端部、中央部、及び尾端部のいずれかの位置における、板幅方向での高さの最大値と最小値との差や高さ分布の標準偏差により定義することができる。また、板幅方向だけでなく長手方向の高さ変化を考慮できるように、鋼板Ｓの面内の高さの最大値と最小値との差や高さ分布の標準偏差、あるいは長手方向各位置での高さの最大値と最小値の差を平均化した値を用いることができる。さらに、バンドパスフィルターのような任意のフィルタリング手法によって抽出される鋼板の面内の位置と高さの関係を表す曲線やガウス曲率変換等の任意の変換手法によって得られた曲線を形状情報としてもよい。また、このようにして得られた曲線を関数近似して、関数近似された関数を特定できるパラメタを形状情報としてもよい。さらに、鋼板Ｓの面内の高さ分布を等高線に色分けした２次元画像を形状情報としてもよい。

　図９（ａ）に示すＣ反り形状についての形状情報は、形状計４により取得した鋼板Ｓの高さ情報に基づいて、鋼板Ｓの幅方向の最大高さと最小高さの差（Ｃ反り高さ）を求めることによって特定できる。この場合、鋼板Ｓの長手方向の予め設定した位置におけるＣ反り高さを鋼板ＳのＣ反り形状に関する形状情報として定義することができる。また、鋼板Ｓの長手方向で測定される最大のＣ反り高さを鋼板ＳのＣ反り形状に関する形状情報としてもよい。

　図９（ｂ）に示す耳波形状や図９（ｃ）に示す中伸び形状については、形状計４により取得した鋼板Ｓの高さ情報に基づいて、鋼板Ｓの長手方向に沿って鋼板Ｓに沿う線分の長さを算出し、それを長手方向に積分することにより鋼板Ｓの特定位置における材料長さを算出する。そして、このような材料長さの計算を鋼板Ｓの幅方向の位置毎に行う。これにより、鋼板Ｓの幅方向の位置毎に鋼板Ｓの長手方向における材料長さを特定できる。図９（ｂ）に示す耳波形状は、鋼板Ｓの板幅中央部の材料長さよりも、板幅端部の材料長さの方が長い場合に生じる形状不良であり、それらの比率によって耳波形状の形状情報とすることができる。このような材料長さの比率は伸び差率と呼ばれることがある。図９（ｃ）に示す中伸び形状は、鋼板Ｓの幅方向端部の材料長さよりも幅方向中央部の材料長さの方が長い場合に生じる形状不良であり、それらの比率によって中伸び形状の形状情報とすることができる。

　図９（ｂ）に示す耳波形状については、鋼板Ｓの幅方向端部の長手方向に沿った高さ分布から、その凹凸のピッチと波高さを算出して、波形状の波高さをピッチで割り算した値により特定してもよい。このようにして算出された値は急峻度と呼ばれ、鋼板Ｓの耳波形状の形状情報として用いることができる。耳波形状についての急峻度を耳波急峻度と呼ぶ。図９（ｃ）に示す中伸び形状についても同様であり、鋼板Ｓの幅方向中央部の長手方向に沿った高さ分布から、その凹凸のピッチと波高さを算出して、波形状の波高さをピッチで割り算した値である急峻度を鋼板Ｓの中伸び形状の形状情報として用いてもよい。中伸び形状についての急峻度を中伸び急峻度と呼ぶ。

　図９（ｄ）に示す複合形状は、以上の形状不良が複合した形状不良であるため、上記の方法により算出されるＣ反り高さ、耳波急峻度、及び中伸び急峻度の値を一組のデータセットとして、鋼板Ｓの形状情報とすることができる。また、鋼板Ｓの幅方向の位置に対して、各位置における鋼板Ｓの長手方向における材料長さの分布をプロットした線図や、その分布形状を関数近似した曲線を鋼板Ｓの形状情報としてもよい。

　本実施形態では、上記冷却設備３において、水冷装置５の操業実績データと拘束装置６の操業実績データとのそれぞれから選択される少なくとも一つの操業実績データを含む情報を入力実績データ、これらの入力実績データに対応する鋼板Ｓの冷却設備を通過した後の形状情報を出力実績データとした、複数の学習用データを用いた機械学習によって、冷却設備３を通過した後の鋼板Ｓの形状予測モデルを生成する形状予測モデル生成部１８（図４参照）を有する。

　図４に本発明の一実施形態である形状予測モデル生成部１８の構成を示す。図４に示すように、本発明の一実施形態である形状予測モデル生成部１８は、データベース部１８ａ及び機械学習部１８ｂを備えている。データベース部１８ａは、水冷装置５の操業実績データと拘束装置６の操業実績データを取得すると共に、その操業実績データが取得された操業条件で熱処理が行われた鋼板Ｓの冷却設備３を通過した後の形状情報を取得する。データベース部１８ａは、必要に応じて、上位計算機１６又は制御用コンピュータ１０から取得した鋼板Ｓの属性情報に関するパラメタを取得する。データベース部１８ａに蓄積される複数種類のデータは、熱処理が行われる鋼板Ｓの製造番号等、鋼板Ｓを特定できる固有情報に基づいて対応付けが行われる。

　形状予測モデル生成部１８は、制御用コンピュータ１０の内部にあってもよく、制御用コンピュータ１０と通信可能である別個のハードウエアにより構成してもよい。また、後述する形状判定部１９内に備えることもできる。

　水冷装置５の操業実績データとしては、水冷装置５による冷却水量及び冷却水Ｗの上下水量比を用いることができる。冷却水量については、各水冷ゾーン及び上下の水冷ノズルに識別番号を割り振ることにより、水冷ノズル毎の冷却水量を水冷装置５の操業実績データとすることができる。但し、水冷ゾーンにおける冷却水量の和や水冷ゾーンから任意に選択した複数の水冷ゾーンにおける冷却水量の和を水冷装置５の操業実績データとしてもよい。特に、冷却エリアの前段側（上流側）の複数の冷却ゾーンでは、鋼板Ｓの温度変化が大きく、鋼板Ｓの形状に与える影響が大きいため、冷却エリアの前段側の２～３の冷却ゾーンにおける冷却水量の和を用いてもよい。

　水冷ゾーンや水冷ノズル、あるいは水冷ノズルの配管系統の上流側にある水冷ヘッダ等の単位で流量計が設置されている場合には、水冷装置５の操業実績データとしては、流量計により取得される実績データを用いてもよい。但し、水冷条件演算部１０ａにおいて設定された冷却水量の設定値を用いてもよい。予め水冷ノズルの設定値と実績値の比較がなされていれば、実績の冷却水量が設定値から大きく外れることは少ないと考えられるからである。

　水冷装置５の操業実績データとして、冷却水Ｗの上下水量比を用いる場合には、水冷ゾーンにおいて対となる上下の水冷ノズルからの噴射される流量の比率を用いる。上下の水量比によって、冷却中に鋼板Ｓの上下面において温度差が生じると、上下面での熱収縮量が異なり、鋼板Ｓの形状に影響を与えるからである。

　さらに、水冷装置５の操業実績データとして、鋼板Ｓの冷却速度、冷却設備３内での鋼板Ｓの搬送速度を用いてもよい。鋼板Ｓの冷却速度は、冷却開始温度と冷却終了温度との差と、それらの温度計の間の距離及び鋼板Ｓの搬送速度から算出することができる。鋼板Ｓの冷却速度によって鋼板Ｓの長手方向に生じる温度勾配が変化し、長手方向の歪勾配が変化することにより、鋼板Ｓの形状に影響を与えるからである。また、鋼板Ｓの搬送速度も鋼板Ｓの長手方向に生じる温度勾配を変化させることにより鋼板Ｓの形状に影響を与えるからである。

　水冷装置５の操業実績データは、上記に加え、鋼板Ｓの冷却停止温度を含んでもよい。冷却停止温度が低い場合には、核沸騰の冷却領域に入り、温度偏差が発生しやすい条件となるため、鋼板Ｓの形状が悪化する場合があるからである。

　以上より、水冷装置５の操業実績データとして、冷却水量、冷却水Ｗの上下水量比、鋼板Ｓの冷却速度、及び冷却設備３内での鋼板Ｓの搬送速度のうちの少なくとも１つが含まれるのが好ましく、これらの中から複数の操業実績データを含むのがより好ましい。複数の原因により生じる複雑な形状不良を予測するのに有利だからである。

　拘束装置６の操業実績データには、拘束ロールの圧下位置及び圧下力のうちの少なくとも１つが含まれることが好ましい。拘束ロールの圧下位置は、圧下位置測定器１４により測定される圧下位置の実績値を用いることができる。但し、拘束ロール制御装置１２に設定された設定値を用いてもよい。同様に、拘束ロールの圧下力を用いる場合には、ロードセルにより測定された圧下力の実績値を用いることができる。但し、拘束ロール制御装置１２により設定された設定値を用いてもよい。なお、拘束ロールの圧下力を測定可能なロードセルによる荷重検出器も配置されている場合には、圧下位置及び圧下力の両者を拘束装置６の操業実績データとすることができる。冷却中の鋼板Ｓに対する拘束力の大小によって冷却後の鋼板Ｓの形状が影響を受けるからである。

　拘束装置６の操業実績データとしては、対となる拘束ロール毎に識別番号を割り振ることで、いずれの拘束ロールの操業データも拘束装置６の操業実績データとすることができる。但し、複数の対となる拘束ロールの圧下力の和を拘束装置６の操業実績データとしてもよい。特に、冷却エリアの前段側（上流側）の複数の冷却ゾーンでは、鋼板Ｓの温度変化が大きいため、拘束ロールの操業条件が鋼板Ｓの形状に与える影響が大きい。このため、冷却エリアの前段側に配置される２～３対の拘束ロールによる圧下力の和を用いてもよい。

　拘束装置６の操業実績データとして圧下位置を用いる場合には、任意に選択した複数の拘束ロールにおける圧下位置の平均位置を拘束装置６の操業実績データとすることもできる。複数の拘束ロールによる平均的な圧下位置の値に応じて、鋼板Ｓを拘束する程度が変化するからである。

　拘束装置６の操業実績データとして、上記の他に、拘束ロールを支持する両端の位置における圧下位置の差及び圧下力の差を用いてもよい。鋼板Ｓの幅方向で非対称な拘束がなされることにより形状に影響を与えるからである。拘束装置６の操業実績データとして、いずれの拘束ロールにより鋼板Ｓを拘束するか、あるいは拘束ロールを開放して拘束を行わないかを識別するための情報を用いてよい。例えば、鋼板Ｓを拘束する拘束ロールに「１」、開放する拘束ロールに「０」といった符号を付して、拘束ロールの識別番号に対応する数値列を拘束装置６の操業実績データとしてよい。

　形状予測モデルＭの入力データとしては、上記の他に、鋼板Ｓの属性情報に関するパラメタを用いることが好ましい。板厚が薄く、板幅が広いほど、鋼板Ｓの面外座屈が発生しやすく、冷却装置を通過した後の鋼板形状に影響を与えるからである。また、板幅が広いほど、Ｃ反り形状における板幅端部の高さが大きくなる傾向があるからである。さらに、座屈によって塑性変形が生じるか否かは、鋼板Ｓの降伏応力等の機械的性質の影響を受けることがあるため、鋼板Ｓの機械的性質を代表する属性情報を入力データに用いることが好ましい。なお、鋼板Ｓの成分組成は冷却過程における相変態に影響を与え、相変態による体積変化が鋼板Ｓの形状に影響を与えため、相変態が生じるような鋼板に対しては、鋼板Ｓの成分組成に関する情報を形状予測モデルＭの入力データに用いることが好ましい。鋼板Ｓの成分組成は、鋼板のＣ含有量、Ｓｉ含有量、Ｍｎ含有量、Ｃｒ含有量、Ｍｏ含有量を重量％で表して、鋼板Ｓの属性情報に関するパラメタとして用いることができる。

　形状予測モデルＭの入力データは、上記に限定されるものではなく、熱処理設備１の加熱炉２における加熱帯、均熱帯等の各ゾーンでの温度実績や滞留時間等の実績値又は設定値等の加熱炉２の操業パラメタを含んでもよい。鋼板の表面粗さや酸化物の状態等も冷却水Ｗの濡れ性に影響を与え、冷却中の鋼板Ｓの面内の温度分布が変化して、鋼板Ｓの形状に間接的な影響を与えるからである。また、冷却設備３に水切りパージノズル１５が設置される場合には、水切りパージノズル１５の操業パラメタとして、水切りパージ１５ａの噴射圧や噴射量を形状予測モデルＭの入力データとしてもよい。水切りパージ１５ａの噴射圧や噴射量は鋼板Ｓの形状に影響を与え得るからである。

　以上のようにして、水冷装置５の操業実績データ、拘束装置６の操業実績データ、冷却設備３を通過した後の鋼板Ｓの形状情報、及び必要に応じて取得される鋼板Ｓの属性情報、加熱炉２の操業パラメタ、水切りパージノズル１５の操業パラメタの操業実績データは、鋼板Ｓ毎に１組のデータセットを構成し、データベース部１８ａの記憶装置に蓄積される。

　データベース部１８ａには、同一の規格、鋼種、及びサイズの区分毎に２０個以上のデータセットが蓄積される。好ましくは１００個以上、より好ましくは５００個以上である。また、規格、鋼種、及びサイズのいずれかが異なる鋼板Ｓを含む場合には、鋼板Ｓの属性情報に関する情報（属性情報パラメタ）の実績データを含む、２０００個以上のデータセットが蓄積されることが好ましい。

　鋼板Ｓの長手方向に対して、水冷装置５の操業実績データ及び拘束装置６の操業実績データが連続的に取得できる場合には、鋼板Ｓを長手方向に区分して、その区間毎に操業実績データを取得すると共に、対応する区間毎に算出される形状情報を対応付けてもよい。この場合には、１枚の鋼板Ｓに対して複数のデータセットが生成され、データベース部１８ａに蓄積される。

　データベース部１８ａに蓄積されるデータについては、必要に応じてスクリーニングが行われる場合があり、異常値を示すデータが取り除かれてよい。信頼性の高いデータが蓄積され、形状の予測精度が向上するからである。データベース部１８ａに蓄積されるデータセットは、一定のデータセット数を上限として、その上限内でデータベース部１８ａに蓄積されるデータセットを適宜更新してもよい。

　機械学習部１８ｂは、データベース部１８ａに蓄積されたデータセットを用いて、水冷装置５の操業実績データと拘束装置６の操業実績データとのそれぞれから選択される少なくとも一つの操業実績データを含む情報を入力実績データ、これらの入力実績データに対応する冷却設備３を通過した後の鋼板Ｓの形状情報を出力実績データとした、複数の学習用データを用いた機械学習によって、冷却設備３を通過した後の鋼板Ｓの形状予測モデルＭを生成する。また、必要に応じてデータベース部１８ａに蓄積される、鋼板Ｓの属性情報パラメタ、加熱炉２の操業実績データ、及び水切りパージノズル１５の操業実績データを上記入力実績データに含めて機械学習を行ってもよい。

　形状予測モデルＭを生成するための機械学習モデルは、実用上十分な形状の予測精度が得られれば、いずれの機械学習モデルでもよい。例えば、一般的に用いられるニューラルネットワーク（深層学習や畳み込みニューラルネットワーク等を含む）、決定木学習、ランダムフォレスト、サポートベクター回帰等を用いればよい。また、複数のモデルを組み合わせたアンサンブルモデルを用いてもよい。

　形状予測モデルＭとして、鋼板Ｓの形状情報を数値によって出力する回帰モデルではなく、予め定められた形状の許容範囲にあるか否かの判定を行い、その結果を合格／不合格と２値化したデータを出力実績データとした機械学習モデルを用いてもよい。その際、ｋ―近傍法やロジスティック回帰のような分類モデルを用いることができる。

　形状予測モデルＭは、例えば１ヶ月毎又は１年毎に再学習により新たなモデルに更新してもよい。データベース部１８ａに保存されるデータが増えるほど、精度の高い形状予測が可能となるからであり、最新のデータに基づいて形状予測モデルＭを更新することで、経時的な操業条件の変化を反映した形状予測モデルＭを生成できるからである。

　以上のようにして生成された形状予測モデルＭは、水冷装置５の操業パラメタと拘束装置６の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データに含み、冷却設備３を通過した後の鋼板の形状情報を出力データとする。

　冷却設備３において水冷装置５に加えて拘束装置６を兼ね備える理由について説明する。まず、拘束装置６を備えていない場合には、冷却設備３の下流側において観察される形状不良は図９(ａ)に示すＣ反り形状となる場合が多い。これは、形状不良の原因が主として鋼板Ｓの上下面の冷却状態の差に起因し、鋼板Ｓの幅方向の各位置で長手方向に伸び差率が発生しにくい条件になるからである。その場合、冷却中に鋼板Ｓが拘束されないので、Ｃ反り形状として非常に大きな反りが発生する場合がある。

　一方、水冷装置５と共に拘束装置６を備える場合には、拘束ロールによって冷却中の鋼板Ｓを上下から拘束することになり、鋼板ＳのＣ反り形状が抑制されるものの、鋼板Ｓの上下面での歪差が幅方向の各位置における長手方向の伸び差率に変化する場合がある。すなわち、冷却設備３として水冷装置５と拘束装置６とを含む設備においては、大きなＣ反り形状が抑制されるものの、図９（ｂ）に示す耳波形状や図９（ｃ）に示す中伸び形状が発生しやすい傾向にある。この場合、水冷装置５の操業条件と拘束装置６の操業条件との組合せによっては、図９（ｄ）に示す複合形状にもなり得る。

　実際の冷却設備では、これらの他にも種々の要因によって形状不良が発生する。例えば、水冷装置５の操業条件によって、熱収縮による鋼板Ｓの長手方向での歪勾配が変化する。また、水冷装置５の操業条件によって、鋼板Ｓの幅方向端部と幅方向中央部との間に温度差が発生して、鋼板Ｓの面内に温度分布が発生する結果、面内に歪分布が発生する場合がある。さらに、鋼板Ｓの変態開始温度から変態終了温度の温度域では、相変態による局部的な体積変化が生じ、鋼板Ｓの面内に歪分布が発生し、鋼板Ｓの形状が悪化する場合がある。

　このように水冷時に発生する鋼板Ｓの形状不良は、拘束装置６がない場合には大きなＣ反りが発生するのに対して、水冷装置５に拘束装置６を加えることで、鋼板Ｓの高さ方向の変位は抑制されるものの、種々の要因によって鋼板Ｓの形状が複雑に変化する。従って、このような種々の形態で現れる鋼板Ｓの形状を予測しようとする場合には、水冷装置５の操業パラメタと拘束装置６の操業パラメタの両者を考慮する必要がある。

　例えば、水冷装置５の操業条件として、拘束装置６を使用しなくてもＣ反り形状が抑制されるような適正な条件が設定されたとしても、拘束装置６の操業条件として拘束ロールに撓みが生じるような高荷重の条件が設定されると、鋼板Ｓと拘束ロールとの間のすき間に分布が生じる。この場合、鋼板Ｓの上面の乗り水が幅方向で不均一となって、鋼板Ｓの面内に冷却ムラが発生する。このような鋼板Ｓ上の乗り水による冷却ムラは、鋼板Ｓの面内に歪を発生させ、形状不良の原因となる。

　一方、拘束装置６の操業条件として拘束ロールに撓みが生じないような適正な条件が設定されたとしても、水冷装置５の操業条件として鋼板Ｓの面内で局所的に遷移沸騰領域となるような水冷条件が設定されると、冷却歪に起因した形状不良が発生する。この場合、鋼板Ｓから拘束ロールに作用する力に分布が生じることにより、結果的に拘束ロールに撓みが発生してしまい、鋼板Ｓの形状が悪化する場合がある。

　以上のような原因によるものだけではなく、鋼板Ｓの冷却時において生じる相変態の挙動も鋼板Ｓの形状不良に対して影響を与える。例えば、拘束装置６の操業パラメタとして、鋼板Ｓの冷却中に相変態が発生する温度となる冷却ゾーンに位置する拘束ロールの圧下力を他の冷却ゾーンに比べて大きく設定する場合がある。これは、相変態による体積変化に起因して鋼板Ｓに生じる歪を抑制するためである。

　しかしながら、水冷装置５の操業パラメタの設定によっては、相変態が生じると予測した冷却ゾーンとは異なる位置で相変態が生じる場合がある。この場合、実際に相変態が生じた冷却ゾーンに位置する拘束ロールの圧下力が小さく設定され、相変態が生じると予測した冷却ゾーンに位置する拘束ロールの圧下力が過大な設定となる。これにより、拘束装置６の操業パラメタが適切ではなくなって、形状不良が発生する場合がある。また、拘束装置６の拘束ロールの圧下位置の設定によっては、対応する冷却ゾーンからの他の冷却ゾーンへ排出される冷却水の流動状況が変化することで、鋼板Ｓの温度履歴が変化して、相変態が開始される冷却ゾーンが、予め想定されていた冷却ゾーンとは異なる位置に変化する場合もある。

　以上のように、冷却設備として、水冷装置５と拘束装置６を併用して鋼板Ｓを冷却する設備においては、鋼板形状は水冷装置５と拘束装置６のそれぞれの操業パラメタの影響を受ける。なおかつ、特に鋼板Ｓの水切り性に起因するＣ反り形状や、変態温度域における鋼板Ｓの体積変化に起因する形状変化、あるいは冷却ゾーン内における冷却水Ｗの流動挙動に関しては、水冷装置５の操業パラメタと拘束装置６の操業パラメタが相互に関係しあうものである。従って、鋼板Ｓの形状予測に際して、水冷装置５の操業条件のみ、あるいは拘束装置６の操業条件のみでは、鋼板Ｓの形状を精度よく予測することは困難であり、両者の操業条件を入力データとすることで、形状予測モデルＭの予測精度が向上する。

　本実施形態における鋼板の形状制御装置は、図１に示すように、制御用コンピュータ１０に付随して形状判定部１９を備えている。図５は、形状判定部１９の構成を説明するための図である。形状判定部１９が用いる形状予測モデルＭは、上記の形状予測モデル生成部１８によって生成された形状予測モデルＭである。図５に示すように、本実施形態では、制御用コンピュータ１０によって設定される水冷装置５の操業条件及び拘束装置６の操業条件、及び必要に応じて鋼板Ｓの属性情報パラメタが形状判定部１９に送られる。形状判定部１９は、冷却設備３の出側における鋼板Ｓの形状を予測し、予測される形状が予め設定された許容範囲（形状許容範囲）内となるように、操業条件再設定部１９ａにより水冷装置５及び拘束装置６の操業パラメタから選択した少なくとも１つの操業パラメタを再設定する。

　以下、図６を参照して、本発明の一実施形態である形状制御処理を実行する際の形状判定部１９の動作について説明する。

　図６は、本発明の一実施形態である形状制御処理の流れを示すフローチャートである。図６に示すフローチャートは、上位計算機１６から制御用コンピュータ１０に熱処理設備１での処理対象となる鋼板Ｓの諸元や製造条件に関する情報が入力され、制御用コンピュータ１０の水冷条件演算部１０ａ及び拘束条件設定部１０ｂにより、水冷装置５及び拘束装置６の操業条件の初期設定が行われたタイミングで開始となり、形状制御処理はステップＳ１の処理に進む。

　ステップＳ１の処理では、水冷条件演算部１０ａが、目標とする冷却条件を満たすように設定された冷却水量やテーブルロールの搬送速度等の水冷装置５の操業条件を取得する。これにより、ステップＳ１の処理は完了し、形状制御処理はステップＳ２の処理に進む。

　ステップＳ２の処理では、拘束条件設定部１０ｂが、鋼板Ｓのサイズ等の区分に応じて予め設定された拘束ロールの圧下位置や圧下力の初期条件を取得する。これにより、ステップＳ２の処理は完了し、形状制御処理はステップＳ３の処理に進む。

　ステップＳ３の処理では、形状判定部１９が、ステップＳ１及びステップＳ２の処理において取得された水冷装置５の操業条件と拘束装置６の操業条件を入力データとして、形状予測モデルＭにより冷却設備３の下流側における鋼板Ｓの形状予測結果を算出する。これにより、ステップＳ３の処理は完了し、形状制御処理はステップＳ４の処理に進む。

　ステップＳ４の処理では、形状判定部１９が、ステップＳ３の処理において算出された形状予測結果を、上位計算機１６又は制御用コンピュータ１０から取得される、予め鋼種やサイズ等に応じて定められた許容範囲と比較し、予測される形状が許容範囲内にあるか否かを判別する。許容範囲としては、形状情報を鋼板Ｓの面内における最大高さと最小高さの差で定義する場合は３５ｍｍ以下、標準偏差で定義する場合は２５ｍｍ以下、標準偏差を１５ｍｍ以下のように厳しく設定することで、より平坦な鋼板Ｓを製造することが可能となる。但し、許容範囲は製造する鋼板Ｓの仕様によって異なる。

　判別の結果、予測される形状が許容範囲内にある場合（ステップＳ４：Ｙｅｓ）、形状判定部１９は、ステップＳ１及びステップＳ２の処理において取得された水冷装置５の操業条件及び拘束装置６の操業条件を制御用コンピュータ１０に送り、一連の形状制御処理は終了する。一方、予測される形状が許容範囲内にない場合には（ステップＳ４：Ｎｏ）、形状判定部１９は、形状制御処理をステップＳ５の処理に進める。

　ステップＳ５の処理では、形状判定部１９の操業条件再設定部１９ａが、鋼板Ｓの形状が許容範囲内に収まるように水冷装置５の操業条件や拘束装置６の操業条件を再設定する。そして、形状判定部１９は、再設定された操業条件を制御用コンピュータ１０に送る。再設定する操業条件としては、冷却水量、搬送速度、上下水量比、拘束ロールの圧下量、及び圧下荷重のうちの少なくとも１つであることが望ましい。これにより、鋼板Ｓの属性や製造条件に応じて適正な操業条件を実現できる。これにより、一連の形状制御処理は終了する。

　形状制御処理は、鋼板Ｓの長手方向に対して一定の条件で操業条件が設定されるものに限定されるわけではない。形状予測モデルＭから予測される鋼板Ｓの形状として、先端部、中央部、及び尾端部といったように、数か所で形状を予測するための形状予測モデルＭを生成する場合には、長手方向で予測される鋼板Ｓの形状に応じて水冷装置５の操業条件を変更してもよい。

　加熱炉２の入側又は加熱炉２と冷却設備３との間に形状計４を設置する場合には、形状予測モデルＭの入力データに加熱前又は冷却前の形状計４により得られる情報を加えてもよい。これにより、加熱前又は冷却前の形状情報に応じて、冷却設備３内での冷却挙動に与える影響を考慮することが可能となり、鋼板Ｓの形状予測精度が向上する。

　図２に示す熱処理設備１によって熱処理が行われた鋼板Ｓは、その後、冷却後の鋼板Ｓの形状矯正工程であるレベラー工程又はプレス矯正工程に送られる場合がある。熱処理が行われ冷却された後の鋼板Ｓに対する形状矯正工程を処置工程と呼ぶ。レベラー工程は、ローラーレベラーを用いて鋼板Ｓの長手方向に沿って繰り返し曲げ曲げ戻し変形を付与する工程であり、鋼板Ｓの形状を全体的に平坦化するための工程である。一方、プレス矯正工程は、鋼板Ｓの先端部や尾端部のみ、幅方向端部のみ、及び面内の一部にのみ生じたひずみに対応して、鋼板Ｓの面内の一部を矯正するための工程である。従って、形状予測モデルＭにより予測された鋼板Ｓの形状情報を用いると、熱処理工程の次工程として、レベラー工程及びプレス矯正工程のいずれに送るか、あるいはいずれの形状矯正工程にも送らないか、を判定できる。このように形状予測モデルＭを用いて鋼板Ｓの形状情報を予測することにより、適切な処置工程が選択され、平坦度が良好な鋼板を製造することができる。また、鋼板Ｓの製造過程におけるダウンタイムを短縮し、生産能率を向上させることも可能である。

　なお、本実施形態については、オフライン型の熱処理設備を対象として説明したが、オンライン型の熱処理設備に適用できることは言うまでもない。この場合には、冷却設備３の入口における鋼板Ｓの温度が長手方向で変化することから、形状予測モデルＭは鋼板Ｓの長手方向の複数位置での形状を予測することが好ましい。これにより、冷却設備３内で搬送される鋼板Ｓの長手方向に沿って鋼板Ｓの形状を良好にし、長手方向で形状変化が小さい鋼板Ｓを製造することができる。

〔実施例１〕
　本実施例では、図１に示す熱処理設備１において、予めショットブラスト加工でスケールを除去した室温状態の鋼板Ｓを加熱炉２で９２０℃まで窒素雰囲気で加熱した後、加熱炉２からＬ０（＝２．０ｍ）離れた位置にある冷却設備３で冷却し、調質鋼を製造した。冷却設備３は加熱炉２の下流側に配置されており、その内部には水冷装置５を構成する７対の水冷ノズル５１ａ，５１ｂと８対の拘束ロール６１ａ，６１ｂが配置されている。各水冷ノズル５１ａ及び各拘束ロール６１ａは、独立に昇降できるようになっている。水冷ノズル５１ａ，５１ｂとしてフラットスプレーノズルを用いた。また、冷却設備３の出口から下流側に５．０ｍ離れた位置に形状計４を設置し、鋼板Ｓの冷却設備を通過した後の形状を計測した。

　まず、水冷装置５の操業パラメタのみを調整した場合の実験を行なった。板厚６ｍｍ及び１２ｍｍの鋼板Ｓを室温まで冷却させた場合について、鋼板Ｓの形状と製造条件の関係を事前確認した。本実施例では、形状予測モデルＭの入力データである水冷装置５の操業パラメタとして、テーブルロール７の搬送速度、及び各冷却ゾーンに識別番号を付与して各冷却ゾーンで対となる水冷ノズル５１ａ，５１ｂからの冷却水量の和を用いた。拘束ロールは、最も入側から５対分を用いて鋼板Ｓを拘束し、それ以降では設備破損のリスクを低減させるために設備上限まで上昇させている。一方、形状予測モデルＭの出力データである形状情報としては、形状計４により測定される鋼板Ｓの高さデータに基づき測定される、鋼板Ｓの面内における最大高さと最小高さとの差を用いた。

　このとき、制御用コンピュータ１０は、窒素雰囲気下において加熱炉２で９２０℃に加熱された鋼板Ｓが室温（５０℃以下）まで冷却されるよう水冷装置５の水冷ゾーン毎の冷却水量及び冷却水Ｗを噴射する冷却ゾーンの初期設定を行った。そして、鋼板Ｓの各長手位置での形状を形状計４で計測し、鋼板Ｓの面内高さ分布を測定した。鋼板Ｓの全面にわたって測定された面内高さのうち、最大値から最小値を差し引いた値を鋼板Ｓの形状出力値として評価し、形状出力値が１５ｍｍ以下であった条件を合格「〇」、１５ｍｍを超えた条件を不合格「×」としてグラフ上にプロットした。

　図７は、事前確認によって得られた鋼板Ｓの形状の合否を搬送速度及び冷却水量で整理した図である。図７が示すように、板厚６ｍｍ及び板厚１２ｍｍどちらの場合においても、冷却水量が増えるほど形状が合格になるために必要な搬送速度が高くなっていくことがわかる。これは、冷却水量が増えると鋼板Ｓの冷却速度が増加し、鋼板Ｓの長手方向における熱収縮量の勾配が大きくなり、鋼板Ｓが座屈しやすくなった影響と考えらえる。また、搬送速度が速くなると鋼板Ｓの長手方向における熱収縮量の勾配が小さくなるため、同じ冷却水量でも搬送速度が速い方が、形状が良好になったと考えられる。また、板厚６ｍｍよりも板厚１２ｍｍの方が、同じ冷却水量でも形状が合格になる搬送速度が低いことがわかる。これは鋼板Ｓが厚いほど断面二次モーメントが大きくなり、鋼板Ｓが変形しにくくなるためだと考えられる。以上から、水冷装置５の操業パラメタと冷却設備３を通過した後の鋼板Ｓの形状情報との間には相関関係が存在することが確認された。

　図７を再度参照すると、グラフの左上部分、すなわち低冷却水量、且つ、高搬送速度の場合に、再び不合格条件が発生している。これは、冷却速度が遅く搬送速度が速くなったことで、鋼板Ｓのマルテンサイト変態領域が拘束ロールによる拘束のない下流側に移動し、拘束ロールの初期設定のままでは鋼板Ｓの面外変形を抑制できなくなったためと考えられる。また、鋼板Ｓが厚い方が冷却に長い時間を要するため、板厚１２ｍｍの方がグラフ左上部の不合格領域が広くなっていると考えられる。拘束装置６を構成する各拘束ロールによる拘束の有無は拘束装置６の操業パラメタであり、拘束装置６の操業パラメタと冷却設備３を通過した後の鋼板Ｓの形状情報との間には相関関係が存在することが推認される。

　次に、板厚が１２ｍｍの場合について、図７（ｂ）において点線で囲んだ条件に関して、製造条件と形状の関係を確認した。鋼板Ｓの冷却に際しては、鋼板Ｓを窒素雰囲気下において加熱炉２で９２０℃に加熱した後、室温まで冷却されるよう冷却水Ｗを噴射する冷却ゾーン数の設定を適宜変更すると共に、拘束装置６の拘束に使用するロール対の本数の設定を適宜変更して、鋼板Ｓの熱処理を行った。図７（ｂ）において点線で囲んだ条件では、水冷装置５の冷却ゾーンにおける冷却水量はほぼ一定であるため、水冷装置５の操業パラメタには冷却水Ｗを噴射する冷却ゾーン数と鋼板の搬送速度を選択し、拘束装置６の操業パラメタには鋼板Ｓの拘束に使用するロール対の本数を選択し、学習用データを取得した。そして、これらの操業パラメタを入力データとし、形状情報を出力データとした、ニューラルネットワークを用いた形状予測モデルＭを作成した。なお、形状情報として、鋼板Ｓの全面にわたって測定された面内高さのうち、最大値から最小値を差し引いた値を用いた。

　生成した形状予測モデルを用いて種々の入力値に対して、冷却設備を通過した後の鋼板の形状を予測した結果、冷却後の形状出力値を１５ｍｍ以下にするためには、搬送速度は１２ｍｐｍ以上とする必要があることが予測された。また、図７（ｂ）の点線部においては、搬送速度が１２ｍｐｍ未満だった場合、形状は不合格、具体的な形状出力値は２０～３２ｍｍと予測された。なお、搬送速度が１２ｍｐｍだった場合には、形状は合格と予測され、具体的な形状出力値は３～１１ｍｍであった。さらに、形状予測モデルを用いて予測した、冷却設備を通過した後の鋼板Ｓの形状が許容範囲として設定された１５ｍｍ以下となるように、鋼板Ｓの拘束に使用する拘束ロールの本数を再設定して鋼板Ｓの熱処理を行った。その結果、鋼板速度を３０ｍｐｍまで増加させた場合でも良好な形状を得ることができ、適正操業範囲の拡大や搬送速度の向上による生産性拡大に寄与した。

〔実施例２〕
　本実施例では、本実施形態に係る鋼板の形状予測方法をオフライン型の熱処理設備に適用し、予測された鋼板の形状が予め設定された許容範囲内になるように水冷装置５と拘束装置６の操業パラメタを再設定して鋼板を製造した。本実施例で用いた鋼板の冷却設備を含む熱処理設備は、図１に示すように冷却ゾーンを７ゾーンとする設備である。熱処理を行う鋼板は、板厚６ｍｍ、板幅２５００ｍｍ、長さ８ｍであり、加熱温度９２０℃、目標冷却停止温度２００℃であり、目標冷却速度は鋼板の表層で１０～４０℃／ｓの範囲となるように製造仕様が設定されているものを対象とした。

　本実施例に用いた鋼板の形状予測モデルＭは、上記オフライン型の熱処理設備において製造された同一鋼種（鋼板の成分組成の管理範囲が共通）の板厚６ｍｍの鋼板について、水冷装置５の操業実績データと、拘束装置６の操業実績データと、冷却設備３を通過した後の鋼板の形状情報を出力実績データとして取得した。取得した実績データは、鋼板の製造番号によって対応付けられたデータセットとして、形状予測モデル生成部１８のデータベース部１８ａに蓄積した。本実施例では、水冷装置５の操業パラメタとして、冷却設備３内での鋼板の搬送速度、水冷ゾーンで噴射された冷却水量の合計水量、及び上下の水冷ノズルの流量比を用いた。また、拘束装置６はすべての拘束ロールの圧下力を同じ値に設定し、拘束装置６の操業パラメタとして拘束ロールの圧下力を選択した。冷却設備３を通過した後の鋼板の形状情報には、形状計４によって測定された鋼板の高さデータに基づき特定される、鋼板の面内における最大高さを用いた。

　そして、データベース部１８ａに蓄積されたデータセットの数が１００個となった段階で、機械学習部１８ｂにより形状予測モデルＭを生成した。機械学習のアルゴリズムとしてニューラルネットワークを用い、ニューラルネットワークの中間層は３層、ノード数は５個ずつとした。活性化関数にはシグモイド関数を用いた。機械学習部１８ｂは、データベース部１８ａに蓄積された８０個のデータセットを教師データとして形状予測モデルＭを生成し、残り２０個のデータセットをテストデータとして生成された形状予測モデルＭの精度を検証した。その結果、生成された形状予測モデルＭによる鋼板の最大高さの予測精度は、標準偏差で１．５ｍｍであった。

　一方、上記オフライン型の熱処理設備の制御用コンピュータ１０には、予め水冷装置５と拘束装置６の操業条件が設定されていた。具体的には、以下の表１の設定例１に示すように、冷却設備３内での鋼板の搬送速度は４０ｍ／ｍｉｎ、水冷ゾーンで噴射された冷却水量の合計水量は２３００Ｌ／ｍ^２ｍｉｎ、上下の水冷ノズルの流量比は１．５、拘束ロールの圧下力は２０ｋＮであった。水冷ノズルの流量比（上下水量比）は、上側の水冷ノズルから噴射される冷却水量の、下側の水冷ノズルから噴射される冷却水量に対する比をいう。しかしながら、設定例１の操業条件で鋼板の熱処理を行ったところ、鋼板の面内における最大高さが４０ｍｍとなり、形状の許容範囲（本実施例に用いた鋼板については最大高さが１５ｍｍ以下）から大きく外れていた。そこで、鋼板の冷却中の歪を抑制するために拘束ロールの圧下力の設定値を８０ｋＮに変更した設定例２の条件で操業を行った。その結果、鋼板の面内における最大高さは、１７ｍｍと設定例１の条件に比べて改善されたものの、形状の許容範囲を満足することができなかった。

　これに対して、本実施例では、形状予測モデル生成部１８で生成した形状予測モデルＭを図５に示す形状判定部１９に実装し、制御用コンピュータ１０によって設定例２の操業条件を初期値として設定した。そして、形状判定部１９は、鋼板を冷却設備３で冷却する前に、冷却設備３の出側における鋼板の形状を予測し、予測された鋼板の形状が予め設定された許容範囲内となるように、操業条件再設定部１９ａにより水冷装置５の操業パラメタを再設定した。表１に示す実施例１は、再設定する水冷装置５の操業パラメタとして、冷却設備３内での鋼板の搬送速度と水冷ゾーンで噴射された冷却水量の合計水量を選択したものである。一方、表１に示す実施例２は、再設定する水冷装置５の操業パラメタとして、上下の水冷ノズルの流量比を選択したものである。

　表１に実施例１及び実施例２による鋼板の最大高さを示す。表１に示すように、実施例１及び実施例２によれば、操業条件再設定部１９ａにより水冷装置５の操業条件を再設定したことにより、いずれも鋼板の最大高さも形状の許容範囲を満足することが確認された。

〔実施例３〕
　本実施例では、本実施形態に係る鋼板の形状予測方法をオンライン型の熱処理設備に適用し、同一鋼種（鋼板の成分組成の管理範囲が共通）の複数の鋼板について直接焼入れを実行した。本実施例に用いた冷却設備は、図８に示すように熱間圧延ラインに配置されている。図８に示す熱間圧延ラインは、加熱炉２、圧延機２０、及び冷却設備３を備えている。加熱炉２では、鋳造後のスラブが所定温度まで加熱される。圧延機２０は、レバース式圧延機であり、鋼板を所定の板厚及び板幅になるように複数パスの圧延を行う設備である。圧延機２０によって所定の寸法に圧延された鋼板は、高温状態に加熱された状態にあり、その後冷却設備３を用いた熱処理工程が施される。また、冷却設備３の上流側の冷却設備３の入口から３ｍ離れた位置には、鋼板の温度を測定する入側温度計８２が設置されている。入側温度計８２により測定された鋼板の温度データは、制御用コンピュータ１０に送られる。なお、入側温度計８２の上流側には、デスケーリング装置９が配置されており、デスケーリング装置９によって鋼板の表面に生成された酸化スケールが除去される。これにより、入側温度計８２によって測定される温度データの測定誤差を低減できる。オンライン型の熱処理設備に配置される冷却設備３も、図１に示すものと同様のものを用いることができる。すなわち、冷却設備３は、鋼板を所定の冷却条件で水冷する水冷装置５及び拘束装置６を含む。但し、オンライン型の熱処理設備では、圧延機２０による圧延が完了した鋼板が、所定の搬送速度で冷却設備３を通過する際に冷却設備３の入側において長手方向で鋼板温度が変化する。この点で、オフライン側の熱処理設備とは異なる。

　本実施例では、上記実施例と同様に、鋼板の形状予測モデルＭの入力として、冷却設備３内での鋼板の搬送速度、水冷ゾーンで噴射された冷却水量の合計水量、上下の水冷ノズルの流量比、及び拘束ロールの圧下力を選択した。本実施例では、それらに加えて水冷装置５の操業パラメタである入側温度計８２により測定される温度情報を選択した。入側温度計８２で測定される鋼板の温度情報は、鋼板の冷却を開始する際の温度である冷却開始温度に対応する情報である。また、本実施例では、図８に示すオンライン型の熱処理設備において、鋳造スラブ（板厚２６０ｍｍ、板幅１９００ｍｍ）を加熱炉２で１１５０℃まで加熱した後、圧延機２０により板厚６ｍｍ、板幅２８００ｍｍ、長さ約８０ｍの鋼板とした。そして、冷却設備３に鋼板を通過させることによって鋼板に対して熱処理を行い、冷却設備の出側に配置された形状計により鋼板の形状情報を取得した。オンライン型の熱処理設備では、鋼板の長手方向で形状が変化することが多いため、鋼板の先端部から鋼板の長手方向に沿って１０ｍピッチで鋼板の位置を特定し、それぞれの位置に対応した形状情報を取得した。この場合、鋼板の形状情報は、鋼板の長手方向に沿った所定の位置において取得される板幅方向での最大高さとした。

　水冷装置５の操業実績データと、拘束装置６の操業実績データについても、鋼板の先端部から１０ｍピッチで位置を特定し、それぞれの位置に対応した操業実績データを取得した。具体的には、冷却設備３の入側温度計８２で鋼板の冷却開始温度を１０ｍピッチで測定した。また、冷却設備３内での鋼板の搬送速度、水冷ゾーンで噴射された冷却水量の合計水量、上下の水冷ノズルの流量比の設定値、及び拘束ロールの圧下力の実績値についても、鋼板の長手方向に沿って１０ｍピッチで取得した。なお、これらの操業実績データは、入側温度計８２で温度情報を取得するタイミングに同期して取得した。取得した操業実績データは、対応する位置での鋼板の形状情報と対応付けてデータベース部１８ａに蓄積した。すなわち、１枚の鋼板に対して、鋼板の長手方向位置に対応した複数のデータセットが蓄積された。

　本実施例では、データベース部１８ａに５０枚の鋼板に対するデータセットが蓄積された段階で、機械学習部１８ｂにより形状予測モデルＭを生成した。機械学習のアルゴリズムとしてニューラルネットワークを用い、ニューラルネットワークの中間層は３層、ノード数は５個ずつとした。活性化関数にはシグモイド関数を用いた。機械学習部１８ｂは、データベース部１８ａに蓄積された３５枚の鋼板から取得したデータセットを教師データとして形状予測モデルＭを生成し、残り１５枚の鋼板から取得したデータセットをテストデータとして生成された形状予測モデルＭの精度を検証した。その結果、生成された形状予測モデルＭによる鋼板の最大高さの予測精度は、標準偏差で２．５ｍｍであった。

　一方、上記オンライン型の熱処理設備の制御用コンピュータ１０には、予め水冷装置５と拘束装置６の操業条件が設定されていた。具体的には、冷却設備３内での鋼板の搬送速度が２０ｍ／ｍｉｎ、水冷ゾーンで噴射された冷却水量の合計水量が２３００Ｌ／ｍ^２ｍｉｎ、上下の水冷ノズルの流量比が１．５、拘束ロールの圧下力が８０ｋＮであった。但し、これらの設定値は、鋼板の冷却開始温度によらず一定値が設定されていた（設定例３）。しかしながら、設定例３の操業条件で鋼板の熱処理を行ったところ、鋼板の面内における最大高さが２９ｍｍとなり、形状の許容範囲（本実施例に用いた鋼板については最大高さが１５ｍｍ以下）から大きく外れていた。特に、鋼板の尾端部の形状が悪化していた。

　これに対して、本実施例では、形状予測モデル生成部１８で生成した形状予測モデルＭを図５に示す形状判定部１９に実装し、制御用コンピュータ１０によって設定例３の操業条件を初期設定した。そして、形状判定部１９は、鋼板の先端部が冷却設備３の入側温度計８２に到達した段階から、長手方向に沿って１０ｍピッチで鋼板の冷却開始温度を測定した。測定した温度データは、冷却設備３内での鋼板の搬送速度、水冷ゾーンで噴射された冷却水量の合計水量、上下の水冷ノズルの流量比、及び拘束ロールの圧下力の操業データと共に形状判定部１９の形状予測モデルＭに入力され、鋼板の形状情報が予測された。これにより、鋼板の長手方向に沿って１０ｍピッチで、その部分が入側温度計８２に到達すると、冷却設備３の出側における鋼板の形状が随時予測されるので、予測される形状が許容範囲内となるように、操業条件再設定部１９ａにより水冷装置５の操業パラメタが随時再設定された。本実施で再設定した水冷装置５の操業パラメタは、水冷ゾーンで噴射された冷却水量の合計水量である。その結果、鋼板の面内における最大高さは８ｍｍに低減し、形状の許容範囲を満足することが確認された。

　以上、本発明者らによってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施の形態、実施例、及び運用技術等は全て本発明の範疇に含まれる。

　本発明によれば、冷却設備を通過した後の鋼板の形状情報を精度よく予測可能な鋼板の形状予測方法を提供することができる。また、本発明によれば、冷却設備を通過した後の鋼板の形状を精度よく許容範囲内に制御可能な鋼板の形状制御方法を提供することができる。また、本発明によれば、冷却設備を通過した後の鋼板の形状情報を精度よく予測可能な形状予測モデルを生成する鋼板の形状予測モデルの生成方法を提供することができる。また、本発明によれば、平坦度が良好な鋼板を製造可能な鋼板の製造方法及び製造設備を提供することができる。

　１　熱処理設備
　２　　加熱炉
　３　冷却設備
　４　形状計
　５　水冷装置
　６　拘束装置
　７　テーブルロール
　１０　制御用コンピュータ
　１０ａ　水冷条件演算部
　１０ｂ　拘束条件設定部
　１１　水冷流量制御装置
　１２　拘束ロール制御装置
　１３　圧下制御装置
　１４　圧下位置測定器
　１５　水切りパージノズル
　１５ａ　水切りパージ
　１６　上位計算機
　１７　形状情報生成部
　１８　形状予測モデル生成部
　１８ａ　データベース部
　１８ｂ　機械学習部
　１９　形状判定部
　１９ａ　操業条件再設定部
　２０　圧延機
　５１ａ，５１ｂ　水冷ノズル
　６１ａ，６１ｂ　拘束ロール
　８１，８２，８３　温度計
　Ｍ　形状予測モデル
　Ｓ　鋼板
　Ｗ　冷却水

Claims

　加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える鋼板の冷却設備における鋼板の形状予測方法であって、
　前記水冷装置の操業パラメタと前記拘束装置の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データ、前記冷却設備を通過した後の鋼板の形状情報を出力データとした機械学習によって生成された形状予測モデルを用いて、前記冷却設備を通過した後の前記鋼板の形状情報を予測するステップを含む、
　鋼板の形状予測方法。
　前記形状予測モデルは、前記入力データとして、前記鋼板の属性情報から選択される属性情報パラメタを含む、請求項１に記載の鋼板の形状予測方法。
　前記水冷装置の操業パラメタには、冷却水量、冷却水の上下水量比、鋼板の冷却速度、及び冷却設備内での鋼板の搬送速度のうちの少なくとも１つが含まれる、請求項１又は２に記載の鋼板の形状予測方法。
　前記拘束装置の操業パラメタには、前記拘束ロールの圧下位置及び圧下力のうちの少なくとも１つが含まれる、請求項１～３のうち、いずれか１項に記載の鋼板の形状予測方法。
　請求項１～４のうち、いずれか１項に記載の鋼板の形状予測方法を用いて前記冷却設備を通過した後の鋼板の形状を予測し、予測した形状が予め設定された許容範囲内になるように前記水冷装置及び前記拘束装置の操業パラメタから選択した少なくとも１つの操業パラメタを再設定するステップを含む、鋼板の形状制御方法。
　請求項５に記載の鋼板の形状制御方法を用いて鋼板を製造するステップを含む、鋼板の製造方法。
　請求項１～４のうち、いずれか１項に記載の鋼板の形状予測方法を用いて前記冷却設備を通過した後の鋼板の形状を予測し、予測した形状に基づいて前記鋼板の処置工程を決定するステップを含む、鋼板の製造方法。
　加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える鋼板の冷却設備における鋼板の形状予測モデルの生成方法であって、
　前記水冷装置の操業実績データと前記拘束装置の操業実績データとのそれぞれから選択される少なくとも一つの操業実績データを含む情報を入力実績データ、前記入力実績データに対応する前記冷却設備を通過した後の鋼板の形状情報を出力実績データとした、複数の学習用データを用いた機械学習によって、前記冷却設備を通過した後の鋼板の形状予測モデルを生成するステップを含む、
　鋼板の形状予測モデルの生成方法。
　前記機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及びサポートベクター回帰の中から選択した機械学習を用いる、請求項８に記載の鋼板の形状予測モデルの生成方法。
　加熱された鋼板に冷却水を噴射することによって鋼板を冷却する水冷装置と、前記冷却中の鋼板を少なくとも１対の拘束ロールによって拘束する拘束装置と、を備える冷却設備と、
　前記冷却設備を通過した後の鋼板の形状情報を出力する形状予測部と、
　を備え、
　前記形状予測部は、前記水冷装置の操業パラメタと前記拘束装置の操業パラメタとのそれぞれから選択される少なくとも１つの操業パラメタを入力データ、前記冷却設備を通過した後の鋼板の形状情報を出力データとした機械学習モデルである、
　鋼板の製造設備。