JPH0688059B2 - クラウン学習制御方法 - Google Patents
クラウン学習制御方法Info
- Publication number
- JPH0688059B2 JPH0688059B2 JP2198688A JP19868890A JPH0688059B2 JP H0688059 B2 JPH0688059 B2 JP H0688059B2 JP 2198688 A JP2198688 A JP 2198688A JP 19868890 A JP19868890 A JP 19868890A JP H0688059 B2 JPH0688059 B2 JP H0688059B2
- Authority
- JP
- Japan
- Prior art keywords
- crown
- error
- plate
- learning
- rolling
- 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.)
- Expired - Lifetime
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Description
本発明な、クラウンセットアップ制御に適用するクラウ
ン学習制御方法に関し、特に数本毎に圧延材の板厚、板
幅、材質等の諸元が大きく変化する圧延命令サイクルで
操業する場合でも、スケジュールフリー圧延により安定
した高精度の圧延を可能とするクラウン学習制御方法に
関する。
ン学習制御方法に関し、特に数本毎に圧延材の板厚、板
幅、材質等の諸元が大きく変化する圧延命令サイクルで
操業する場合でも、スケジュールフリー圧延により安定
した高精度の圧延を可能とするクラウン学習制御方法に
関する。
クラウン誤差に基づいてロールプロフィールを学習し、
安定した圧下スケジュールを得るための技術は、例えば
特開昭63−72426号公報に開示されている。 一般に、計算機によるクラウンセットアップ制御では、
圧延機ワークロールの表面プロフィールモデル（ワーク
ロールプロフィールモデル）を使ってワークロールプロ
フィールを予測すると共に、既に決定されている圧延状
態（圧延荷重、板幅、板厚等）の予測地、圧延機の入側
における板クラウン予測値、及び上記ワークロールプロ
フィールの予測値を、板クラウンモデルに適用し、目標
クラウンを達成するべく、例えばワークロールベンダや
中間ロールシフト等のクラウン制御操作端の設定値が決
定される。その際、所定のクラウン制御精度を得るため
に、クラウンセットアップ制御で使用される上記ワーク
ロールプロフィールモデルや上記板クラウンモデルは、
鉛棒挟圧実験法やアルミ板狭圧実験法により、又、仕上
最終スタンドの出側に設定されている板プロフィール計
を使用して、実データとの誤差が小さくなるように調整
される。 ところが、クラウンセットアップ制御を実施する段階で
は、圧延状態、ワークロールプロフィール及び板クラウ
ンモデルそのものに、それぞれ予測誤差があると、圧延
機通板前に予測していた最終スタンドの出側における予
測板クラウンと実測された板クラウンとの間にクラウン
誤差が発生することになる。そこで、この誤差をできる
だけ小さくするために、一般に、通板後の圧延実績に基
ついて計算で求めた板クラウン計算値と板クラウン実測
値とを比較しながら、板クラウンモデルの学習を行って
いる。この板クラウンモデルの学習方法の簡単な例を以
下に説明する。 今、Fi圧延機について、出側における板クラウンをCr
i、入側における板クラウンをCri-1、ワークロールプロ
フィールモデルをRi、ワークロール弾性変形モデルをY
i、板幅をWi圧延荷重をPi、ベンディング荷重をPBi、HC
−δをHCδｉとすると、出側における上記板クラウンCr
iは下記（１）式で表わすことができる。この（１）式
でCrOFSiが誤差学習項（オフセット項）である。 Cri＝ｆ｛Cri-1、Yi （Ｗ、Pi、PBi、HCδｉ）、 Ri｝＋CrOFSi ……（１） 上記オフセット項（CrOFSi）は以下のようにして求めら
れる。 先ず、板プロフィール計による板クラウン実測値Cr
Aと、圧延機通板後の圧延実績から計算で求めた板クラ
ウン計算値CrCとの差である予測クラウン誤差CrEを下記
（２）式で求める。 CrE＝CrA−CrC …（２） 上記クラウン誤差CrEを用いて下記（３）式により、ロ
ール替時点からの圧延コイル数がｊである段階の最終ス
ダンド出側における板クラウン誤差Crjを求める。 Crj＝（１−Ｇ）・Crj-1＋Ｇ・CrE …（３） ここで、Ｇは指数平滑ゲインである。 いま、便宜上、前記（１）式を、スタンド数が７のホッ
トストリップミルへ適用する場合を考える。そして、Cr
OFS1＝CrOFS2＝・・・＝CrOFS7、及びFi圧延機の入側に
おける板クラウン≒Fi-1圧延機の出側における板クラウ
ンが成立つと仮定すると、前記誤差学習項は、下記
（４）式で与えられる。 CrOFSi＝Crj/g ……（４） ここで、ｇは、F7圧延機の出側における板クラウン誤差
を各スタンドに分配する分配則である。 以上説明した前記（１）〜（４）式に基づくクラウン学
習制御を実行する場合は、圧延材を一本圧延する毎に前
記（１）式の誤差学習項CrOFSiが更新され、ロール替以
後の予測クラウン誤差CrEが、指数平滑ゲインＧで決定
される時定数としてクラウンセットアップ制御に反映さ
れることになる。
安定した圧下スケジュールを得るための技術は、例えば
特開昭63−72426号公報に開示されている。 一般に、計算機によるクラウンセットアップ制御では、
圧延機ワークロールの表面プロフィールモデル（ワーク
ロールプロフィールモデル）を使ってワークロールプロ
フィールを予測すると共に、既に決定されている圧延状
態（圧延荷重、板幅、板厚等）の予測地、圧延機の入側
における板クラウン予測値、及び上記ワークロールプロ
フィールの予測値を、板クラウンモデルに適用し、目標
クラウンを達成するべく、例えばワークロールベンダや
中間ロールシフト等のクラウン制御操作端の設定値が決
定される。その際、所定のクラウン制御精度を得るため
に、クラウンセットアップ制御で使用される上記ワーク
ロールプロフィールモデルや上記板クラウンモデルは、
鉛棒挟圧実験法やアルミ板狭圧実験法により、又、仕上
最終スタンドの出側に設定されている板プロフィール計
を使用して、実データとの誤差が小さくなるように調整
される。 ところが、クラウンセットアップ制御を実施する段階で
は、圧延状態、ワークロールプロフィール及び板クラウ
ンモデルそのものに、それぞれ予測誤差があると、圧延
機通板前に予測していた最終スタンドの出側における予
測板クラウンと実測された板クラウンとの間にクラウン
誤差が発生することになる。そこで、この誤差をできる
だけ小さくするために、一般に、通板後の圧延実績に基
ついて計算で求めた板クラウン計算値と板クラウン実測
値とを比較しながら、板クラウンモデルの学習を行って
いる。この板クラウンモデルの学習方法の簡単な例を以
下に説明する。 今、Fi圧延機について、出側における板クラウンをCr
i、入側における板クラウンをCri-1、ワークロールプロ
フィールモデルをRi、ワークロール弾性変形モデルをY
i、板幅をWi圧延荷重をPi、ベンディング荷重をPBi、HC
−δをHCδｉとすると、出側における上記板クラウンCr
iは下記（１）式で表わすことができる。この（１）式
でCrOFSiが誤差学習項（オフセット項）である。 Cri＝ｆ｛Cri-1、Yi （Ｗ、Pi、PBi、HCδｉ）、 Ri｝＋CrOFSi ……（１） 上記オフセット項（CrOFSi）は以下のようにして求めら
れる。 先ず、板プロフィール計による板クラウン実測値Cr
Aと、圧延機通板後の圧延実績から計算で求めた板クラ
ウン計算値CrCとの差である予測クラウン誤差CrEを下記
（２）式で求める。 CrE＝CrA−CrC …（２） 上記クラウン誤差CrEを用いて下記（３）式により、ロ
ール替時点からの圧延コイル数がｊである段階の最終ス
ダンド出側における板クラウン誤差Crjを求める。 Crj＝（１−Ｇ）・Crj-1＋Ｇ・CrE …（３） ここで、Ｇは指数平滑ゲインである。 いま、便宜上、前記（１）式を、スタンド数が７のホッ
トストリップミルへ適用する場合を考える。そして、Cr
OFS1＝CrOFS2＝・・・＝CrOFS7、及びFi圧延機の入側に
おける板クラウン≒Fi-1圧延機の出側における板クラウ
ンが成立つと仮定すると、前記誤差学習項は、下記
（４）式で与えられる。 CrOFSi＝Crj/g ……（４） ここで、ｇは、F7圧延機の出側における板クラウン誤差
を各スタンドに分配する分配則である。 以上説明した前記（１）〜（４）式に基づくクラウン学
習制御を実行する場合は、圧延材を一本圧延する毎に前
記（１）式の誤差学習項CrOFSiが更新され、ロール替以
後の予測クラウン誤差CrEが、指数平滑ゲインＧで決定
される時定数としてクラウンセットアップ制御に反映さ
れることになる。
しかしながら、クラウン学習制御の過補償を抑制するた
めには、指数平滑ゲインＧを大きくすることができな
い。従って、前記（１）〜（４）式による従来のクラウ
ン学習制御は、ワークロールプロフィールの予測誤差に
起因して発生する板クラウン誤差のように圧延材一本毎
に徐々に板クラウン誤差が変化していく場合には効果を
発揮するが、圧延材の諸元（板厚、板幅、材質等）に起
因する板クラウンモデルそのものの誤差とワークロール
プロフィールの予測誤差とが混在している場合には、圧
延材一本毎の板クラウン誤差の変化が大きいために十分
な効果を発揮できなかった。これを具体的に示したのが
第４図及び第５図に示す線図である。 即ち、第５図（ａ）は、同図（Ｃ）及び（Ｄ）にそれぞ
れ示すように、圧延に従って板厚（mm）及び板幅（mm）
が徐々に変化するコーフィンサイクルに対して前記従来
のクラウン学習制御方法を適用した場合の板クラウン制
御精度を、同図（Ｂ）はその時の板クラウンモデル精度
を示したものである。第５図（Ａ）、（Ｂ）に符号Ａで
指示する実線は計算機設定時の目標クラウンを、符号Ｂ
で指示する破線は実測クラウンを、符号Ｃで指示する実
線は板クラウンの実績計算値を、それぞれ示している。
なお、横軸は何れも圧延コイルの本数である。 又、第６図（Ａ）及び（Ｂ）は、同図（Ｃ）及び（Ｄ）
にそれぞれ示すように、板厚及び板幅が大きく変化する
サイクルに対して、前記従来のクラウン学習制御方法を
適用した場合の、上記第５図（Ａ）及び（Ｂ）に対応す
る結果を示している。 上記第５図より、圧延コイルの本数の増加に伴なって板
厚、板幅が徐々に変化する場合は、モデル精度が徐々に
低下しているもにも拘らず、制御精度は、１σ≒10μｍ
と良好な結果が得られている。これに対し、第６図よ
り、板厚、板幅が大きく変化する場合は、制御精度が１
σ≒26μｍと低く、圧延コイル一本毎の制御誤差を小さ
くできないことが判る。 本発明は、前記従来の問題点を解消するべくなされたも
ので、板厚、板幅、材質等の圧延材の諸元に起因する板
クラウンモデルそのものの誤差とワークロールプロフィ
ールの予測誤差とが混在している場合であっても、十分
な効果を発揮することができるクラウン学習制御方法を
提供することを課題とする。
めには、指数平滑ゲインＧを大きくすることができな
い。従って、前記（１）〜（４）式による従来のクラウ
ン学習制御は、ワークロールプロフィールの予測誤差に
起因して発生する板クラウン誤差のように圧延材一本毎
に徐々に板クラウン誤差が変化していく場合には効果を
発揮するが、圧延材の諸元（板厚、板幅、材質等）に起
因する板クラウンモデルそのものの誤差とワークロール
プロフィールの予測誤差とが混在している場合には、圧
延材一本毎の板クラウン誤差の変化が大きいために十分
な効果を発揮できなかった。これを具体的に示したのが
第４図及び第５図に示す線図である。 即ち、第５図（ａ）は、同図（Ｃ）及び（Ｄ）にそれぞ
れ示すように、圧延に従って板厚（mm）及び板幅（mm）
が徐々に変化するコーフィンサイクルに対して前記従来
のクラウン学習制御方法を適用した場合の板クラウン制
御精度を、同図（Ｂ）はその時の板クラウンモデル精度
を示したものである。第５図（Ａ）、（Ｂ）に符号Ａで
指示する実線は計算機設定時の目標クラウンを、符号Ｂ
で指示する破線は実測クラウンを、符号Ｃで指示する実
線は板クラウンの実績計算値を、それぞれ示している。
なお、横軸は何れも圧延コイルの本数である。 又、第６図（Ａ）及び（Ｂ）は、同図（Ｃ）及び（Ｄ）
にそれぞれ示すように、板厚及び板幅が大きく変化する
サイクルに対して、前記従来のクラウン学習制御方法を
適用した場合の、上記第５図（Ａ）及び（Ｂ）に対応す
る結果を示している。 上記第５図より、圧延コイルの本数の増加に伴なって板
厚、板幅が徐々に変化する場合は、モデル精度が徐々に
低下しているもにも拘らず、制御精度は、１σ≒10μｍ
と良好な結果が得られている。これに対し、第６図よ
り、板厚、板幅が大きく変化する場合は、制御精度が１
σ≒26μｍと低く、圧延コイル一本毎の制御誤差を小さ
くできないことが判る。 本発明は、前記従来の問題点を解消するべくなされたも
ので、板厚、板幅、材質等の圧延材の諸元に起因する板
クラウンモデルそのものの誤差とワークロールプロフィ
ールの予測誤差とが混在している場合であっても、十分
な効果を発揮することができるクラウン学習制御方法を
提供することを課題とする。
【課題を達成するための手段】 本発明は、圧延クラウン学習制御に適用する板クラウン
モデル式の誤差学習項として第１オフセット項及び第２
オフセット項を設定し、第１オフセット項は、ワークロ
ールプロフィールの予測誤差に起因する板クラウン誤差
を学習し、その学習内容を次回圧延材のクラウンセット
アップ制御に反映させるようにし、第２オフセット項
は、圧延材の諸元に起因する板クラウン誤差を圧延材毎
に記憶し、その記憶内容を次回同一ロット圧延材のクラ
ウンセットアップ制御に反映させるようにすることによ
り、前記課題を達成したものである。
モデル式の誤差学習項として第１オフセット項及び第２
オフセット項を設定し、第１オフセット項は、ワークロ
ールプロフィールの予測誤差に起因する板クラウン誤差
を学習し、その学習内容を次回圧延材のクラウンセット
アップ制御に反映させるようにし、第２オフセット項
は、圧延材の諸元に起因する板クラウン誤差を圧延材毎
に記憶し、その記憶内容を次回同一ロット圧延材のクラ
ウンセットアップ制御に反映させるようにすることによ
り、前記課題を達成したものである。
本発明においては、上記第１オフセット項より、従来の
クラウン学習制御方法と同様に、ロール替から次のロー
ル替迄の間に主としてワークロールプロフィールの予測
誤差に起因して徐々に変化する板クラウン誤差を学習
し、それを次回圧延材のクラウンセットアップ制御に反
映させることが可能となると共に、上記第２オフセット
項により、板厚、板幅、材質等の圧延材の諸元に起因し
て発生する板クラン誤差、即ち板クラウン誤差の中から
上記ワークロールプロフィールの予測誤差に起因する板
クラウン誤差を取り除いた誤差を圧延材毎に記憶してお
き、それを次回同一ロット圧延材のクラウンセットアッ
プ制御に反映させることが可能となる。 従って、圧延材一本毎にワークロールプロフィールの予
測誤差によって発生する板クラウン誤差の学習項と、圧
延材の諸元（板厚、板幅、材質等）によって発生する板
クラウン誤差の学習項とを分離して学習制御することが
可能となり、スケジュールフリー圧延により、板厚、板
幅、鋼種が頻繁に変化する圧延サイクルに対してクラウ
ンの計算機セットアップ制御を実施する場合であっても
制御精度を安定した高い状態に維持することが可能とな
り、その結果、クラウン品質を高品質に安定化させるこ
とが可能となる。
クラウン学習制御方法と同様に、ロール替から次のロー
ル替迄の間に主としてワークロールプロフィールの予測
誤差に起因して徐々に変化する板クラウン誤差を学習
し、それを次回圧延材のクラウンセットアップ制御に反
映させることが可能となると共に、上記第２オフセット
項により、板厚、板幅、材質等の圧延材の諸元に起因し
て発生する板クラン誤差、即ち板クラウン誤差の中から
上記ワークロールプロフィールの予測誤差に起因する板
クラウン誤差を取り除いた誤差を圧延材毎に記憶してお
き、それを次回同一ロット圧延材のクラウンセットアッ
プ制御に反映させることが可能となる。 従って、圧延材一本毎にワークロールプロフィールの予
測誤差によって発生する板クラウン誤差の学習項と、圧
延材の諸元（板厚、板幅、材質等）によって発生する板
クラウン誤差の学習項とを分離して学習制御することが
可能となり、スケジュールフリー圧延により、板厚、板
幅、鋼種が頻繁に変化する圧延サイクルに対してクラウ
ンの計算機セットアップ制御を実施する場合であっても
制御精度を安定した高い状態に維持することが可能とな
り、その結果、クラウン品質を高品質に安定化させるこ
とが可能となる。
以下、図面を参照して、本発明の実施例を詳細に説明す
る。 第１図は、本発明による一実施例のクラウン学習制御方
法に適用される圧延ラインの要部を示す概略構成図、第
２図は、本実施例に用いられる誤差学習項を説明するた
めの線図、第３図は、本実施例方法の概略を示す説明図
である。 本実施例は、前述した従来のクラウン学習制御方法の場
合と同様、スタンド数が７のホットストリップミルに適
用するクラウン学習制御方法である。このホットスリト
ップミルは、第１図に示すように、第１〜第７迄の各ス
タンドに、学習制御装置10から制御信号が入力可能にな
されており、該制御装置10に対して後述する第１オフセ
ット項及び第２オフセット項を設定することにより、上
記各スタンドの圧延条件を適切にコントロールすること
が可能になされている。 先ず、本実施例のクラウン学習制御方法を実施するに当
り、板クラウンセットアップ制御に使用する板クラウン
モデル式を次式（５）のように構成する。 Cri＝ｆ｛Cri-1、Yi （Ｗ、Pi、PBi、HCδｉ）、Ri｝ ＋CrOFSi＋CrOFSi ……（５） ここで、CrOFSiは第１オフセット項を、Cr′OFSiは第２
オフセット項をそれぞれ示し、何れも誤差学習項であ
る。その他パラメータ等の定義は前記（１）式と同様で
ある。 上記第１オフセット項は、従来クラウン学習制御に適用
する前記（４）式で与えられる誤差学習項と同義で、い
わば誤差の平均的な変化を学習した項である。又、上記
第２オフセット項は、本発明により導入された誤差学習
項であり、従来の学習値からの実測板クラウンの偏差分
を、ワークロールプロフィールの予測誤差以外の要因に
よって、即ち、板圧、板幅、材質等の圧延材の諸元に起
因して発生する板クラウン誤差として取扱うものであ
る。 第２図は、前述した第５図（Ｂ）又は第６図（Ｂ）に相
当する線図であり、図中符号ａが上記第１オフセット項
に相当し、符号ｂが上記第２オフセット項に相当してい
る。なお、図中、黒点付丸印は、同一鋼種で且つ同一サ
イズの圧延材の板クラウン実測値を示している。 次に、上記第２オフセット項の算出方法について説明す
る。 先ず、前記（２）式で与えられるクラウン誤差CrEと前
記（３）式で与えられる板クラウン誤差Crjとの差か
ら、従来の学習値との偏差ΔCrを得る（下記（６）
式）。 ΔCr＝CrE−Crj ……（６） この偏差ΔCrは、板クラウンモデル単体の予測精度（１
σ）によって変化幅が異なるが、過補償を防止するため
に該偏差ΔCrに対して本実施例を適用するか否かの不感
帯を以下の如く設定する。 ｜ΔCr|＜Ｃ（定数）の場合、Cr′OFSi＝０とする。 ｜ΔCr|≦Ｃ（定数）の場合、上記（６）式のΔCrを下
記（７）式で表わされる第２オフセット項として各スタ
ンドに分配する。 Cr′OFSi＝ΔCr/g ……（７） ここで、ｇは、前記（４）式の場合と同義であり、F7圧
延機の出側における板クラウン誤差の分配則である。 本実施例では、第３図に示すように、クラウン学習計算
12を実行して、上記（７）式で与られる第２オフセット
項を圧延材毎に記憶すると共に、過去数十本の圧延材に
ついて、圧延材の諸元と第２オフセット項とに関するデ
ータファイル14を作成する。一方、従来のクラウン学習
制御方法に従ってクラウン学習計算12を実行し、第１オ
フセット項を仕上学習用テーブル16に記憶しておく。 クラウンを計算機にセットアップする段階においては、
対象とする圧延材と同一ロットの圧延材のデータを、第
２オフセット項データファイル14の中から見つけ出す。 同一ロットの圧延材に関するデータがある場合には、直
近で圧延した圧延材に関する第１オフセット項と、仕上
学習用テーブル16から取出した、一本前の圧延材で学習
した第１オフセット項とを用いて前記（５）式を構成
し、これを板クラウンモデル式とする。この板クラウン
モデル式を用いて、仕上設定計算18を実行し、その計算
結果をクラウンセットアップ制御時に前記制御装置10
（計算機）に設定する。その際各圧延機におけるワーク
ロールベンダー等のクラウン制御操作端の設定値は、前
記（５）式において、Cri項を目標クラウンに置換する
ことにより計算することができる。 以上詳述したように、本実施例によれば、従来徐々に変
化する板クラウン誤差にしか効果を発揮しなかったクラ
ウン学習制御が、直近の数十本の圧延環境の中で、圧延
材の諸元（板厚、板幅、材質等）によって発生する再現
性の高い板クラウン誤差に学習効果を発揮するため、ス
ケジュールフリー圧延を実施している際の板クラウン制
御精度を安定して高い状態に維持することが可能とな
る。 次に、本実施例の効果を、具体例を以って明らかにす
る。 第４図は、ワークロールプロフィールが、ワークロール
熱膨張や摩擦によって複雑に変化しているロール替後50
〜100本の圧延材を圧延した段階において、幅戻りが100
〜250mmの圧延を実施し、その際に計算機に設定した仕
上最終スタンド圧延機の出側における目標クラウンと板
プロフィール計による板クラウンの実測値とのクラウン
誤差をプロットしたグラフであり、同図（Ａ）は本実施
例のクラウン学習制御方法を適用した結果を、同図
（Ｂ）は従来のクラウン学習制御方法を適用した結果
を、それぞれ示している。 第４図（Ｂ）に示されるように、従来の学習制御では板
幅によって誤差の偏りが発生してしまい、制御精度が１
σ≒32μｍと低い。これに対し、第４図（Ａ）に示され
るように、本実施例のクラウン学習制御方法を適用する
ことにより、板幅による誤差の偏りが解消され、制御精
度が大幅に向上していることが判る。 以上、本発明を具体的に詳述したが、本発明は上記実施
例に示したものに限られるものでなく、その要旨を逸脱
しない範囲で種々変更可能であることはいうまでもな
い。 例えば、前記実施例では、スタンド数が７のホットスリ
トップミルについて説明したが、スタンド数は任意に変
更でき、又、ホットストリップミルに限定されない。本
発明のクラウン学習制御方法は、例えばスタンド数が１
の厚板ミルに対しても有効に適用可能である。
る。 第１図は、本発明による一実施例のクラウン学習制御方
法に適用される圧延ラインの要部を示す概略構成図、第
２図は、本実施例に用いられる誤差学習項を説明するた
めの線図、第３図は、本実施例方法の概略を示す説明図
である。 本実施例は、前述した従来のクラウン学習制御方法の場
合と同様、スタンド数が７のホットストリップミルに適
用するクラウン学習制御方法である。このホットスリト
ップミルは、第１図に示すように、第１〜第７迄の各ス
タンドに、学習制御装置10から制御信号が入力可能にな
されており、該制御装置10に対して後述する第１オフセ
ット項及び第２オフセット項を設定することにより、上
記各スタンドの圧延条件を適切にコントロールすること
が可能になされている。 先ず、本実施例のクラウン学習制御方法を実施するに当
り、板クラウンセットアップ制御に使用する板クラウン
モデル式を次式（５）のように構成する。 Cri＝ｆ｛Cri-1、Yi （Ｗ、Pi、PBi、HCδｉ）、Ri｝ ＋CrOFSi＋CrOFSi ……（５） ここで、CrOFSiは第１オフセット項を、Cr′OFSiは第２
オフセット項をそれぞれ示し、何れも誤差学習項であ
る。その他パラメータ等の定義は前記（１）式と同様で
ある。 上記第１オフセット項は、従来クラウン学習制御に適用
する前記（４）式で与えられる誤差学習項と同義で、い
わば誤差の平均的な変化を学習した項である。又、上記
第２オフセット項は、本発明により導入された誤差学習
項であり、従来の学習値からの実測板クラウンの偏差分
を、ワークロールプロフィールの予測誤差以外の要因に
よって、即ち、板圧、板幅、材質等の圧延材の諸元に起
因して発生する板クラウン誤差として取扱うものであ
る。 第２図は、前述した第５図（Ｂ）又は第６図（Ｂ）に相
当する線図であり、図中符号ａが上記第１オフセット項
に相当し、符号ｂが上記第２オフセット項に相当してい
る。なお、図中、黒点付丸印は、同一鋼種で且つ同一サ
イズの圧延材の板クラウン実測値を示している。 次に、上記第２オフセット項の算出方法について説明す
る。 先ず、前記（２）式で与えられるクラウン誤差CrEと前
記（３）式で与えられる板クラウン誤差Crjとの差か
ら、従来の学習値との偏差ΔCrを得る（下記（６）
式）。 ΔCr＝CrE−Crj ……（６） この偏差ΔCrは、板クラウンモデル単体の予測精度（１
σ）によって変化幅が異なるが、過補償を防止するため
に該偏差ΔCrに対して本実施例を適用するか否かの不感
帯を以下の如く設定する。 ｜ΔCr|＜Ｃ（定数）の場合、Cr′OFSi＝０とする。 ｜ΔCr|≦Ｃ（定数）の場合、上記（６）式のΔCrを下
記（７）式で表わされる第２オフセット項として各スタ
ンドに分配する。 Cr′OFSi＝ΔCr/g ……（７） ここで、ｇは、前記（４）式の場合と同義であり、F7圧
延機の出側における板クラウン誤差の分配則である。 本実施例では、第３図に示すように、クラウン学習計算
12を実行して、上記（７）式で与られる第２オフセット
項を圧延材毎に記憶すると共に、過去数十本の圧延材に
ついて、圧延材の諸元と第２オフセット項とに関するデ
ータファイル14を作成する。一方、従来のクラウン学習
制御方法に従ってクラウン学習計算12を実行し、第１オ
フセット項を仕上学習用テーブル16に記憶しておく。 クラウンを計算機にセットアップする段階においては、
対象とする圧延材と同一ロットの圧延材のデータを、第
２オフセット項データファイル14の中から見つけ出す。 同一ロットの圧延材に関するデータがある場合には、直
近で圧延した圧延材に関する第１オフセット項と、仕上
学習用テーブル16から取出した、一本前の圧延材で学習
した第１オフセット項とを用いて前記（５）式を構成
し、これを板クラウンモデル式とする。この板クラウン
モデル式を用いて、仕上設定計算18を実行し、その計算
結果をクラウンセットアップ制御時に前記制御装置10
（計算機）に設定する。その際各圧延機におけるワーク
ロールベンダー等のクラウン制御操作端の設定値は、前
記（５）式において、Cri項を目標クラウンに置換する
ことにより計算することができる。 以上詳述したように、本実施例によれば、従来徐々に変
化する板クラウン誤差にしか効果を発揮しなかったクラ
ウン学習制御が、直近の数十本の圧延環境の中で、圧延
材の諸元（板厚、板幅、材質等）によって発生する再現
性の高い板クラウン誤差に学習効果を発揮するため、ス
ケジュールフリー圧延を実施している際の板クラウン制
御精度を安定して高い状態に維持することが可能とな
る。 次に、本実施例の効果を、具体例を以って明らかにす
る。 第４図は、ワークロールプロフィールが、ワークロール
熱膨張や摩擦によって複雑に変化しているロール替後50
〜100本の圧延材を圧延した段階において、幅戻りが100
〜250mmの圧延を実施し、その際に計算機に設定した仕
上最終スタンド圧延機の出側における目標クラウンと板
プロフィール計による板クラウンの実測値とのクラウン
誤差をプロットしたグラフであり、同図（Ａ）は本実施
例のクラウン学習制御方法を適用した結果を、同図
（Ｂ）は従来のクラウン学習制御方法を適用した結果
を、それぞれ示している。 第４図（Ｂ）に示されるように、従来の学習制御では板
幅によって誤差の偏りが発生してしまい、制御精度が１
σ≒32μｍと低い。これに対し、第４図（Ａ）に示され
るように、本実施例のクラウン学習制御方法を適用する
ことにより、板幅による誤差の偏りが解消され、制御精
度が大幅に向上していることが判る。 以上、本発明を具体的に詳述したが、本発明は上記実施
例に示したものに限られるものでなく、その要旨を逸脱
しない範囲で種々変更可能であることはいうまでもな
い。 例えば、前記実施例では、スタンド数が７のホットスリ
トップミルについて説明したが、スタンド数は任意に変
更でき、又、ホットストリップミルに限定されない。本
発明のクラウン学習制御方法は、例えばスタンド数が１
の厚板ミルに対しても有効に適用可能である。
第１図は、本発明による一実施例のクラウン学習制御方
法に適用する圧延ラインの要部を示す概略構成図、 第２図は、上記実施例で用いられる誤差学習項を説明す
るための線図、 第３図は、上記実施例方法の概略を示す説明図、 第４図は、上記実施例の効果を示すグラフ、 第５図及び第６図は、従来のクラウン学習制御方法の問
題点を説明するための線図である。 Ａ……計算機設定時の目標クラウン、 Ｂ……実測クラウン、 Ｃ……板クラウン実績計算値、 10……学習制御装置。
法に適用する圧延ラインの要部を示す概略構成図、 第２図は、上記実施例で用いられる誤差学習項を説明す
るための線図、 第３図は、上記実施例方法の概略を示す説明図、 第４図は、上記実施例の効果を示すグラフ、 第５図及び第６図は、従来のクラウン学習制御方法の問
題点を説明するための線図である。 Ａ……計算機設定時の目標クラウン、 Ｂ……実測クラウン、 Ｃ……板クラウン実績計算値、 10……学習制御装置。
Claims (1)
- 【請求項１】圧延クラウン学習制御に適用する板クラウ
ンモデル式の誤差学習項として第１オフセット項及び第
２オフセット項を設定し、 第１オフセット項は、ワークロールプロフィールの予測
誤差に起因する板クラウン誤差を学習し、その学習内容
を次回圧延材のクラウンセットアップ制御に反映させる
ようにし、 第２オフセット項は、圧延材の諸元に起因する板クラウ
ン誤差を圧延材毎に記憶し、その記憶内容を次回同一ロ
ット圧延材のクラウンセットアップ制御に反映させるよ
うにすることを特徴とするクラウン学習制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2198688A JPH0688059B2 (ja) | 1990-07-26 | 1990-07-26 | クラウン学習制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2198688A JPH0688059B2 (ja) | 1990-07-26 | 1990-07-26 | クラウン学習制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0484611A JPH0484611A (ja) | 1992-03-17 |
| JPH0688059B2 true JPH0688059B2 (ja) | 1994-11-09 |
Family
ID=16395393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2198688A Expired - Lifetime JPH0688059B2 (ja) | 1990-07-26 | 1990-07-26 | クラウン学習制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0688059B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10106584A1 (de) * | 2001-02-13 | 2002-09-19 | Siemens Ag | Verfahren und Vorrichtung zur Voreinstellung von Prozessgrößen einer Walzstraße zum Walzen von Metallbändern |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59215205A (ja) * | 1983-05-20 | 1984-12-05 | Nippon Steel Corp | 板圧延のクラウン・形状制御設定方法 |
-
1990
- 1990-07-26 JP JP2198688A patent/JPH0688059B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0484611A (ja) | 1992-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20100249973A1 (en) | Method and device for optimization of flatness control in the rolling of a strip | |
| EP0077348B1 (en) | Working strip material | |
| US3940598A (en) | Method and apparatus for controlling roll gaps of cold rolling mills | |
| JPH11104721A (ja) | 熱間圧延における板クラウン・形状制御方法 | |
| JP3067879B2 (ja) | ストリップ圧延における形状制御方法 | |
| JPH0688059B2 (ja) | クラウン学習制御方法 | |
| KR100362662B1 (ko) | 열간압연강판의 폭방향으로의 형상제어방법 | |
| JP2755893B2 (ja) | 圧延制御方法および装置 | |
| KR100325332B1 (ko) | 열연판폭방향두께프로파일을고려한판크라운예측방법 | |
| JP2628916B2 (ja) | リバース圧延時の平坦度制御方法 | |
| US3820366A (en) | Rolling mill gauge control method and apparatus including temperatureand hardness correction | |
| JPH06142730A (ja) | リバ−ス圧延における形状制御方法 | |
| JPH07265927A (ja) | 板クラウン予測モデルの修正方法 | |
| JP3205130B2 (ja) | 熱間圧延における板幅制御方法 | |
| US3635059A (en) | Calibration of rolling mill screwdown position regulator | |
| JP3821665B2 (ja) | 熱間圧延における板クラウン予測方法，熱間圧延方法 | |
| JP2005111546A (ja) | 板厚・クラウン制御方法 | |
| JPH09155420A (ja) | 圧延機のセットアップモデルの学習方法 | |
| JP2825428B2 (ja) | 圧延機における板クラウン制御方法 | |
| JPH0899103A (ja) | 板圧延における板クラウンおよび形状制御方法 | |
| KR100368262B1 (ko) | 냉간 압연기의 압연하중 설정 방법 | |
| JP3396774B2 (ja) | 形状制御方法 | |
| KR20000038836A (ko) | 열간압연공정에서의 강 스트립의 형상제어방법 | |
| JPH01306008A (ja) | 板材の形状制御方法および装置 | |
| JP2505989B2 (ja) | 板圧延のエッジドロップ制御方法 |