JPH07200005A - 学習制御方法 - Google Patents
学習制御方法Info
- Publication number
- JPH07200005A JPH07200005A JP5336517A JP33651793A JPH07200005A JP H07200005 A JPH07200005 A JP H07200005A JP 5336517 A JP5336517 A JP 5336517A JP 33651793 A JP33651793 A JP 33651793A JP H07200005 A JPH07200005 A JP H07200005A
- Authority
- JP
- Japan
- Prior art keywords
- control
- learning coefficient
- learning
- coefficient
- updated
- 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.)
- Pending
Links
Landscapes
- Control Of Metal Rolling (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 層別の制御モデルを用いて制御を行う際に、
今回材と次回材が連続してプロセスラインに投入されな
い場合にもその層の次回材を精度よく制御する。 【構成】 制御モデルの係数を更新する際に、係数を各
層に共通した係数である時系列学習係数と各層毎の係数
である層別学習係数とに分離するステップと、時系列学
習係数を直前の制御で更新された時系列学習係数を用い
て更新するステプと、層別学習係数を同一層における直
前の制御で更新された層別学習係数を用いて更新するス
テップとを備える。
今回材と次回材が連続してプロセスラインに投入されな
い場合にもその層の次回材を精度よく制御する。 【構成】 制御モデルの係数を更新する際に、係数を各
層に共通した係数である時系列学習係数と各層毎の係数
である層別学習係数とに分離するステップと、時系列学
習係数を直前の制御で更新された時系列学習係数を用い
て更新するステプと、層別学習係数を同一層における直
前の制御で更新された層別学習係数を用いて更新するス
テップとを備える。
Description
【０００１】
【産業上の利用分野】この発明は、制御モデルを用いて
熱間圧延ラインや冷間圧延ライン等のプロセスラインを
制御する場合の制御方法であって、制御モデルを学習に
よって適切なものとしつつ制御を行う学習制御方法に関
するものである。
熱間圧延ラインや冷間圧延ライン等のプロセスラインを
制御する場合の制御方法であって、制御モデルを学習に
よって適切なものとしつつ制御を行う学習制御方法に関
するものである。
【０００２】
【従来の技術】熱間圧延ラインや冷間圧延ライン等のプ
ロセスラインでは、プロセスラインの物理現象を制御モ
デルを用いて予測し、その予測にもとづいて目標値が得
られるような制御量を計算し、算出された制御量にした
がってプロセスラインを制御する方法がある。例えば、
熱間圧延ラインの巻取温度制御においては、水冷設備に
関する制御モデルがある。そして、ホットランにおい
て、どのような入力値でどの程度の温度降下量が得られ
るのかが予測される。入力値には、仕上圧延機速度、仕
上圧延機出側温度、気温等である。温度降下量は仕上圧
延機の出側温度と巻取温度との差に対応した値である。
その予測にしたがって、巻取温度が目標値になるように
冷却水量等が設定される。
ロセスラインでは、プロセスラインの物理現象を制御モ
デルを用いて予測し、その予測にもとづいて目標値が得
られるような制御量を計算し、算出された制御量にした
がってプロセスラインを制御する方法がある。例えば、
熱間圧延ラインの巻取温度制御においては、水冷設備に
関する制御モデルがある。そして、ホットランにおい
て、どのような入力値でどの程度の温度降下量が得られ
るのかが予測される。入力値には、仕上圧延機速度、仕
上圧延機出側温度、気温等である。温度降下量は仕上圧
延機の出側温度と巻取温度との差に対応した値である。
その予測にしたがって、巻取温度が目標値になるように
冷却水量等が設定される。
【０００３】また、１回のプロセスラインの制御が実行
されるたびに、制御モデルを学習によって修正し、修正
された学習モデルを用いて次回の制御を実行する方法が
ある。制御モデルは、今回材についての制御終了後、制
御結果の実績値を用いて修正される。なお、以下、制御
モデルによる計算値をモデル予測値という。ここで、加
工される材料、制御目標値、サイズ等の属性に応じてい
くつかの層が規定され、層毎に制御モデルが設定され、
それらの制御モデルによってプロセスラインが制御され
る。
されるたびに、制御モデルを学習によって修正し、修正
された学習モデルを用いて次回の制御を実行する方法が
ある。制御モデルは、今回材についての制御終了後、制
御結果の実績値を用いて修正される。なお、以下、制御
モデルによる計算値をモデル予測値という。ここで、加
工される材料、制御目標値、サイズ等の属性に応じてい
くつかの層が規定され、層毎に制御モデルが設定され、
それらの制御モデルによってプロセスラインが制御され
る。
【０００４】図５は従来の制御モデルの学習方法の具体
例を示すフローチャートである。プロセスラインに今回
投入された今回材についての制御が終了すると、今回材
についての実績値に応じたモデル予測値ＹCAL を求め
る。熱間圧延ラインの巻取温度制御の場合には、モデル
予測値ＹCAL は、熱流束である。そして、そのモデル予
測値ＹCAL と実績値ＹACT との比である学習係数の瞬時
値Ｃを求める（ステップＳＴ５１）。実績値ＹACT は、
熱間圧延ラインの巻取温度制御の場合には、制御結果で
ある巻取温度等から一義的に定まる熱流束である。
例を示すフローチャートである。プロセスラインに今回
投入された今回材についての制御が終了すると、今回材
についての実績値に応じたモデル予測値ＹCAL を求め
る。熱間圧延ラインの巻取温度制御の場合には、モデル
予測値ＹCAL は、熱流束である。そして、そのモデル予
測値ＹCAL と実績値ＹACT との比である学習係数の瞬時
値Ｃを求める（ステップＳＴ５１）。実績値ＹACT は、
熱間圧延ラインの巻取温度制御の場合には、制御結果で
ある巻取温度等から一義的に定まる熱流束である。
【０００５】瞬時値Ｃは、１回の制御に対する補正係数
的な値である。従って、瞬時値Ｃは、前回制御までの一
連の制御に対する各瞬時値と比較すると、何等かの要因
によって瞬間的に高い値や低い値を示す可能性がある。
よって、瞬時値Ｃをそのまま次回の制御のための補正係
数とすると、次回の制御に悪影響が及ぶ可能性がある。
的な値である。従って、瞬時値Ｃは、前回制御までの一
連の制御に対する各瞬時値と比較すると、何等かの要因
によって瞬間的に高い値や低い値を示す可能性がある。
よって、瞬時値Ｃをそのまま次回の制御のための補正係
数とすると、次回の制御に悪影響が及ぶ可能性がある。
【０００６】今回材の属する層ｉの修正前の学習係数Ｃ
Ｓo(i)は、テーブルに保存されている。その学習係数Ｃ
Ｓo(i)は、前回制御までの各瞬時値が反映されたものと
なっている。そこで、瞬時値Ｃが不正な値を取ったとし
てもその影響が次回の制御に影響しないように、今回材
についての瞬時値Ｃを学習係数ＣＳo(i)を用いて平滑化
する。すなわち、テーブルから学習係数ＣＳo(i)を読み
出し、例えば、［β・Ｃ＋（１−β・ＣＳo(i)）］の演
算によって、新たな学習係数ＣＳn(i)を算出し、テーブ
ルに格納する（ステップＳＴ５２）。βは０〜１までの
いずれかの値をとる定数である。
Ｓo(i)は、テーブルに保存されている。その学習係数Ｃ
Ｓo(i)は、前回制御までの各瞬時値が反映されたものと
なっている。そこで、瞬時値Ｃが不正な値を取ったとし
てもその影響が次回の制御に影響しないように、今回材
についての瞬時値Ｃを学習係数ＣＳo(i)を用いて平滑化
する。すなわち、テーブルから学習係数ＣＳo(i)を読み
出し、例えば、［β・Ｃ＋（１−β・ＣＳo(i)）］の演
算によって、新たな学習係数ＣＳn(i)を算出し、テーブ
ルに格納する（ステップＳＴ５２）。βは０〜１までの
いずれかの値をとる定数である。
【０００７】次回に投入される材、すなわち次回材につ
いては、今回材についてのモデル予測値ＹCAL に対して
学習係数ＣＳn(i)を掛けた値がモデル予測値Ｙ'CALとな
る（ステップＳＴ５３）。そして、次回材に対して、こ
のモデル予測値Ｙ'CALを用いて制御が施される。熱間圧
延ラインの巻取温度制御の場合には、次回材が仕上圧延
機から供給されたときのモデル予測値Ｙ'CALである熱流
束に応じて注水パターンの制御が行われる。
いては、今回材についてのモデル予測値ＹCAL に対して
学習係数ＣＳn(i)を掛けた値がモデル予測値Ｙ'CALとな
る（ステップＳＴ５３）。そして、次回材に対して、こ
のモデル予測値Ｙ'CALを用いて制御が施される。熱間圧
延ラインの巻取温度制御の場合には、次回材が仕上圧延
機から供給されたときのモデル予測値Ｙ'CALである熱流
束に応じて注水パターンの制御が行われる。
【０００８】ステップＳＴ５１〜ＳＴ５３の処理は各層
別に実行される。つまり、次回材とはその層における次
回材であって、実際にプロセスラインに次に投入される
材と同じであるとは限らない。各層別にステップＳＴ５
１〜ＳＴ５３の処理が実行され続けて、学習係数ＣＳn
(i)は１に収束する。すなわち、各回の制御におけるモ
デル予測値Ｙ'CALは一定値に収束し、制御結果は制御目
標値に近づいていく。
別に実行される。つまり、次回材とはその層における次
回材であって、実際にプロセスラインに次に投入される
材と同じであるとは限らない。各層別にステップＳＴ５
１〜ＳＴ５３の処理が実行され続けて、学習係数ＣＳn
(i)は１に収束する。すなわち、各回の制御におけるモ
デル予測値Ｙ'CALは一定値に収束し、制御結果は制御目
標値に近づいていく。
【０００９】
【発明が解決しようとする課題】従来の学習制御方法は
以上のように実行されているので、以下のような問題点
があった。まず、層ｉの今回材と次回材が連続してプロ
セスラインに投入されない場合には、今回材の実績値か
ら求めた制御モデルにおける学習係数ＣＳn(i)が次回材
の制御に対して適切な値とならない可能性がある。その
場合、その層の次回材の制御精度が低下することにな
る。その原因は、今回材の投入と次回材の投入との間に
プロセスラインの構成要素の劣化、特性や環境の変化等
プロセスラインの経時的変化が発生することにある。さ
らに、今回材の制御に使用した学習係数が適切で制御結
果が制御目標値に十分達していても、無条件に学習係数
が更新されるので、次回材の制御精度が低下してしまう
ことがある。その原因は、学習係数の算出の際に用いる
実績値を収集する際に、収集タイミング誤差やセンサ誤
差等が発生し適切な実績値が得られない場合もあるから
である。
以上のように実行されているので、以下のような問題点
があった。まず、層ｉの今回材と次回材が連続してプロ
セスラインに投入されない場合には、今回材の実績値か
ら求めた制御モデルにおける学習係数ＣＳn(i)が次回材
の制御に対して適切な値とならない可能性がある。その
場合、その層の次回材の制御精度が低下することにな
る。その原因は、今回材の投入と次回材の投入との間に
プロセスラインの構成要素の劣化、特性や環境の変化等
プロセスラインの経時的変化が発生することにある。さ
らに、今回材の制御に使用した学習係数が適切で制御結
果が制御目標値に十分達していても、無条件に学習係数
が更新されるので、次回材の制御精度が低下してしまう
ことがある。その原因は、学習係数の算出の際に用いる
実績値を収集する際に、収集タイミング誤差やセンサ誤
差等が発生し適切な実績値が得られない場合もあるから
である。
【００１０】この発明は上記のような問題点を解消する
ためになされたもので、今回材と次回材が連続してプロ
セスラインに投入されない場合にもその層の次回材を精
度よく制御し、さらに、制御精度が十分に確保された後
は、その精度を以後の材に対して維持することができる
学習制御方法を得ることを目的とする。
ためになされたもので、今回材と次回材が連続してプロ
セスラインに投入されない場合にもその層の次回材を精
度よく制御し、さらに、制御精度が十分に確保された後
は、その精度を以後の材に対して維持することができる
学習制御方法を得ることを目的とする。
【００１１】
【課題を解決するための手段】請求項１記載の発明に係
る学習制御方法は、プロセスラインの物理現象をあらか
じめ分類された各層毎の制御モデルを用いて予測し、予
測結果を用いてプロセスラインの制御目標量に対応した
制御量の設定計算を行い、さらにその制御量による制御
結果の実績値に応じた制御モデルによる予測値と実績値
との誤差に応じて学習係数を更新し、その学習係数を制
御モデルによる予測値に乗じて次回の制御における予測
値を定める学習制御方法であって、学習係数を更新する
際に、制御目標と制御結果の実績値との差がしきい値を
越えていない場合には学習係数の更新をせず、学習係数
の更新を行う場合には、学習係数を各層に共通した係数
である時系列学習係数と各層毎の係数である層別学習係
数とに分離するステップと、時系列学習係数を直前の制
御で更新された時系列学習係数を用いて更新するステプ
と、層別学習係数を同一層における直前の制御で更新さ
れた層別学習係数を用いて更新するステップとを備えた
ものである。
る学習制御方法は、プロセスラインの物理現象をあらか
じめ分類された各層毎の制御モデルを用いて予測し、予
測結果を用いてプロセスラインの制御目標量に対応した
制御量の設定計算を行い、さらにその制御量による制御
結果の実績値に応じた制御モデルによる予測値と実績値
との誤差に応じて学習係数を更新し、その学習係数を制
御モデルによる予測値に乗じて次回の制御における予測
値を定める学習制御方法であって、学習係数を更新する
際に、制御目標と制御結果の実績値との差がしきい値を
越えていない場合には学習係数の更新をせず、学習係数
の更新を行う場合には、学習係数を各層に共通した係数
である時系列学習係数と各層毎の係数である層別学習係
数とに分離するステップと、時系列学習係数を直前の制
御で更新された時系列学習係数を用いて更新するステプ
と、層別学習係数を同一層における直前の制御で更新さ
れた層別学習係数を用いて更新するステップとを備えた
ものである。
【００１２】請求項２記載の発明に係る学習制御方法
は、熱間圧延ラインのホットランにおける温度降下をあ
らかじめ分類された各層毎の制御モデルを用いて予測
し、予測結果を用いて熱間圧延ラインの巻取制御におけ
る制御目標量である巻取温度に対応した制御量の設定計
算を行い、さらにその制御量による制御結果である実績
巻取温度に応じた制御モデルによる予測値と実績値との
誤差に応じて学習係数を更新し、その学習係数を制御モ
デルによる予測値に乗じて次回の制御における予測値を
定める学習制御方法であって、学習係数の更新方法とし
て請求項１記載の発明における更新方法を用いるもので
ある。
は、熱間圧延ラインのホットランにおける温度降下をあ
らかじめ分類された各層毎の制御モデルを用いて予測
し、予測結果を用いて熱間圧延ラインの巻取制御におけ
る制御目標量である巻取温度に対応した制御量の設定計
算を行い、さらにその制御量による制御結果である実績
巻取温度に応じた制御モデルによる予測値と実績値との
誤差に応じて学習係数を更新し、その学習係数を制御モ
デルによる予測値に乗じて次回の制御における予測値を
定める学習制御方法であって、学習係数の更新方法とし
て請求項１記載の発明における更新方法を用いるもので
ある。
【００１３】請求項３記載の発明に係る学習制御方法
は、熱間圧延ラインにおけるストリップの幅広がり量を
あらかじめ分類された各層毎の制御モデルを用いて予測
し、予測結果を用いて熱間圧延ラインの粗板幅制御にお
ける制御目標量である出側板幅に対応した制御量の設定
計算を行い、さらにその制御量による制御結果である実
績出側板幅に応じた制御モデルによる予測値と実績値と
の誤差に応じて学習係数を更新し、その学習係数を制御
モデルによる予測値に乗じて次回の制御における予測値
を定める学習制御方法にであって、学習係数の更新方法
として請求項１記載の発明における更新方法を用いるも
のである。
は、熱間圧延ラインにおけるストリップの幅広がり量を
あらかじめ分類された各層毎の制御モデルを用いて予測
し、予測結果を用いて熱間圧延ラインの粗板幅制御にお
ける制御目標量である出側板幅に対応した制御量の設定
計算を行い、さらにその制御量による制御結果である実
績出側板幅に応じた制御モデルによる予測値と実績値と
の誤差に応じて学習係数を更新し、その学習係数を制御
モデルによる予測値に乗じて次回の制御における予測値
を定める学習制御方法にであって、学習係数の更新方法
として請求項１記載の発明における更新方法を用いるも
のである。
【００１４】請求項４記載の発明に係る学習制御方法
は、熱間圧延ラインにおける搬送スケジュールをあらか
じめ分類された各層毎の制御モデルを用いて予測し、予
測結果を用いて熱間圧延ラインのミルページング制御に
おける制御目標量である次スラブの加熱炉からの抽出タ
イミングを決定し、さらにミルラインの各ゾーンにおけ
る実績搬送時間に応じた制御モデルによる予測値と実績
搬送時間との誤差に応じて学習係数を更新し、その学習
係数を制御モデルによる予測値に乗じて次回の制御にお
ける予測値を定める学習制御方法であって、学習係数の
更新方法として請求項１記載の発明における更新方法を
用いるものである。
は、熱間圧延ラインにおける搬送スケジュールをあらか
じめ分類された各層毎の制御モデルを用いて予測し、予
測結果を用いて熱間圧延ラインのミルページング制御に
おける制御目標量である次スラブの加熱炉からの抽出タ
イミングを決定し、さらにミルラインの各ゾーンにおけ
る実績搬送時間に応じた制御モデルによる予測値と実績
搬送時間との誤差に応じて学習係数を更新し、その学習
係数を制御モデルによる予測値に乗じて次回の制御にお
ける予測値を定める学習制御方法であって、学習係数の
更新方法として請求項１記載の発明における更新方法を
用いるものである。
【００１５】
【作用】請求項１ないし請求項４記載の発明における学
習係数の更新は、今回材の制御実績値に応じたモデル予
測値と実績値との比にもとづいて実行されるが、その
際、実績値の収集誤差等に起因する学習係数の瞬時的な
変化を除外するために、制御目標値と実績値とが近接し
ている場合には実行されない。また、それらが近接して
いない場合には、学習係数は、層毎の制御モデル自体の
誤差を補正するための層別学習係数と、プロセスライン
の経時的変化に起因する各制御モデル共通の誤差を補正
するための時系列学習係数とに分離した上で更新され
る。
習係数の更新は、今回材の制御実績値に応じたモデル予
測値と実績値との比にもとづいて実行されるが、その
際、実績値の収集誤差等に起因する学習係数の瞬時的な
変化を除外するために、制御目標値と実績値とが近接し
ている場合には実行されない。また、それらが近接して
いない場合には、学習係数は、層毎の制御モデル自体の
誤差を補正するための層別学習係数と、プロセスライン
の経時的変化に起因する各制御モデル共通の誤差を補正
するための時系列学習係数とに分離した上で更新され
る。
【００１６】
実施例１．以下、この発明の実施例を図について説明す
る。図１は、この発明の第１の実施例による学習制御方
法における制御モデルの学習方法を示すフローチャート
である。この場合、学習係数は、各層毎の係数である層
別学習係数ＣＳと、各層に共通の時系列学習係数ＣＴに
分けられる。層別学習係数ＣＳo(i)（更新後はＣＳn
(i)）は、層毎に存在し、ｉ層の制御が実行される毎に
更新される。時系列学習係数ＣＴは、いずれの層の制御
が実行されても更新される。以下、学習係数という表現
は、層別学習係数ＣＳo(i)と時系列学習係数ＣＴとの双
方を含んだものを表す。または、それらの積を意味す
る。
る。図１は、この発明の第１の実施例による学習制御方
法における制御モデルの学習方法を示すフローチャート
である。この場合、学習係数は、各層毎の係数である層
別学習係数ＣＳと、各層に共通の時系列学習係数ＣＴに
分けられる。層別学習係数ＣＳo(i)（更新後はＣＳn
(i)）は、層毎に存在し、ｉ層の制御が実行される毎に
更新される。時系列学習係数ＣＴは、いずれの層の制御
が実行されても更新される。以下、学習係数という表現
は、層別学習係数ＣＳo(i)と時系列学習係数ＣＴとの双
方を含んだものを表す。または、それらの積を意味す
る。
【００１７】従来の場合と同様、プロセスラインに今回
投入された今回材についての制御が終了すると、今回材
における実績値に対応したモデル予測値ＹCAL を求め
る。そして、モデル予測値ＹCAL と実績制御値ＹACT と
の比である学習係数の瞬時値Ｃを求める（ステップＳＴ
１１）。次に、制御結果、すなわち制御後の実績値を収
集する。制御実績と制御目標値とを比較し（ステップＳ
Ｔ１２）、その差があらかじめ定められているしきい値
以内であれば、学習係数の更新を行わない。
投入された今回材についての制御が終了すると、今回材
における実績値に対応したモデル予測値ＹCAL を求め
る。そして、モデル予測値ＹCAL と実績制御値ＹACT と
の比である学習係数の瞬時値Ｃを求める（ステップＳＴ
１１）。次に、制御結果、すなわち制御後の実績値を収
集する。制御実績と制御目標値とを比較し（ステップＳ
Ｔ１２）、その差があらかじめ定められているしきい値
以内であれば、学習係数の更新を行わない。
【００１８】差がしきい値を越えていれば、以下のよう
に学習係数の更新を行う。まず、学習係数の瞬時値Ｃか
ら時系列学習係数の瞬時値ＣＴを分離する。すなわち、
テーブルに保存されている層別学習係数ＣＳo(i)を読み
出して、［Ｃ／ＣＳo(i)］の演算を行う（ステップＳＴ
１３）。演算結果が時系列学習係数の瞬時値ＣＴであ
る。従来の制御における学習係数の瞬時値を平滑化した
のと同じ理由で、瞬時値時系列学習係数の瞬時値ＣＴを
平滑化する。すなわち、テーブルから更新前の時系列学
習係数ＣＴo を読み出し、［α・ＣＴ＋（１−α）・Ｃ
Ｔo ］の演算を行って、新たな時系列学習係数ＣＴn を
算出する（ステップＳＴ１４）。
に学習係数の更新を行う。まず、学習係数の瞬時値Ｃか
ら時系列学習係数の瞬時値ＣＴを分離する。すなわち、
テーブルに保存されている層別学習係数ＣＳo(i)を読み
出して、［Ｃ／ＣＳo(i)］の演算を行う（ステップＳＴ
１３）。演算結果が時系列学習係数の瞬時値ＣＴであ
る。従来の制御における学習係数の瞬時値を平滑化した
のと同じ理由で、瞬時値時系列学習係数の瞬時値ＣＴを
平滑化する。すなわち、テーブルから更新前の時系列学
習係数ＣＴo を読み出し、［α・ＣＴ＋（１−α）・Ｃ
Ｔo ］の演算を行って、新たな時系列学習係数ＣＴn を
算出する（ステップＳＴ１４）。
【００１９】次に、新たな時系列学習係数ＣＴn を用い
て層別学習係数の瞬時値ＣＳ(i) を計算する。すなわ
ち、［Ｃ／ＣＴn ］の演算を行う（ステップＳＴ１
５）。演算結果は、層別学習係数の瞬時値ＣＳ(i) を表
している。従来の制御における学習係数の瞬時値を平滑
化したのと同じ理由で、層別学習係数の瞬時値ＣＳ(i)
を平滑化する。すなわち、テーブルから更新前の層別学
習係数ＣＳo(i)を読み出して、［β・ＣＳ(i) ＋（１−
β）・ＣＳo(i)］の演算を行って、新たな層別学習係数
ＣＳn(i)を算出する（ステップＳＴ１６）。
て層別学習係数の瞬時値ＣＳ(i) を計算する。すなわ
ち、［Ｃ／ＣＴn ］の演算を行う（ステップＳＴ１
５）。演算結果は、層別学習係数の瞬時値ＣＳ(i) を表
している。従来の制御における学習係数の瞬時値を平滑
化したのと同じ理由で、層別学習係数の瞬時値ＣＳ(i)
を平滑化する。すなわち、テーブルから更新前の層別学
習係数ＣＳo(i)を読み出して、［β・ＣＳ(i) ＋（１−
β）・ＣＳo(i)］の演算を行って、新たな層別学習係数
ＣＳn(i)を算出する（ステップＳＴ１６）。
【００２０】そして、今回材と同じ層における次回材の
制御において用いられるモデル予測値Ｙ'CALを求める。
この場合には、学習係数は時系列学習係数ＣＴn と層別
学習係数ＣＳn(i)との積である（ステップＳＴ１７）。
従って、モデル予測値は、Ｙ'CAL［ＣＴn ・ＣＳn(i)・
ＹCAL ］で求められる。なお、ステップＳＴ１７が実行
されるタイミングは、他層の制御時の時系列学習係数の
修正が反映されるように、次回材の制御の直前とされ
る。
制御において用いられるモデル予測値Ｙ'CALを求める。
この場合には、学習係数は時系列学習係数ＣＴn と層別
学習係数ＣＳn(i)との積である（ステップＳＴ１７）。
従って、モデル予測値は、Ｙ'CAL［ＣＴn ・ＣＳn(i)・
ＹCAL ］で求められる。なお、ステップＳＴ１７が実行
されるタイミングは、他層の制御時の時系列学習係数の
修正が反映されるように、次回材の制御の直前とされ
る。
【００２１】次回材に対して、モデル予測値Ｙ'CALと入
力値を用いて、制御結果が制御目標値になるようにプロ
セスラインの制御が実行される。
力値を用いて、制御結果が制御目標値になるようにプロ
セスラインの制御が実行される。
【００２２】実施例２．次に、本発明による学習方法が
適用された制御モデルによる熱間圧延ラインの巻取温度
制御について説明する。図２は、熱間圧延ラインの巻取
温度制御処理を示す機能ブロック図である。
適用された制御モデルによる熱間圧延ラインの巻取温度
制御について説明する。図２は、熱間圧延ラインの巻取
温度制御処理を示す機能ブロック図である。
【００２３】図において、２１は熱流束の実績値を計算
するブロック、２２は図１に示す学習を行うブロック、
２３は仕上圧延機出側温度や仕上圧延機速度等を検出す
るブロック、２４は制御モデル２０を用いて温度降下量
を予測するブロック、２５は注水パターンを計算するブ
ロック、２６は注水パターンを設定するブロックであ
る。
するブロック、２２は図１に示す学習を行うブロック、
２３は仕上圧延機出側温度や仕上圧延機速度等を検出す
るブロック、２４は制御モデル２０を用いて温度降下量
を予測するブロック、２５は注水パターンを計算するブ
ロック、２６は注水パターンを設定するブロックであ
る。
【００２４】次に動作について説明する。今回材につい
ての制御が終了すると、制御結果の実績値、すなわち、
巻取温度等から熱流束を計算する（ブロック２１）。こ
の熱流束が今回材についての実績値ＹACT に相当する。
また、熱流束は、温度降下量に相当するものである。そ
して、今回材の実績値（出側温度等）に対応したモデル
予測値ＹCAL を求める。このモデル予測値ＹCAL は、今
回材についてその実績値が出力されたならばその時点の
制御モデル２０より求められる熱流束である。その後、
図１におけるステップＳＴ１１〜ＳＴ１６の処理によっ
て、次回材の制御に用いられる学習係数ＣＴn ，ＣＳn
を求める（ブロック２２）。つまり、学習係数ＣＴn ，
ＣＳn は、ステップＳＴ１１〜ＳＴ１６の処理で、計算
値と実績値との誤差を学習した後の値である。そして、
学習係数ＣＴn ，ＣＳn から新たなモデル予測値Ｙ'CAL
が求められる。なお、モデル予測値Ｙ'CALは、この場
合、熱流束の予測値である。
ての制御が終了すると、制御結果の実績値、すなわち、
巻取温度等から熱流束を計算する（ブロック２１）。こ
の熱流束が今回材についての実績値ＹACT に相当する。
また、熱流束は、温度降下量に相当するものである。そ
して、今回材の実績値（出側温度等）に対応したモデル
予測値ＹCAL を求める。このモデル予測値ＹCAL は、今
回材についてその実績値が出力されたならばその時点の
制御モデル２０より求められる熱流束である。その後、
図１におけるステップＳＴ１１〜ＳＴ１６の処理によっ
て、次回材の制御に用いられる学習係数ＣＴn ，ＣＳn
を求める（ブロック２２）。つまり、学習係数ＣＴn ，
ＣＳn は、ステップＳＴ１１〜ＳＴ１６の処理で、計算
値と実績値との誤差を学習した後の値である。そして、
学習係数ＣＴn ，ＣＳn から新たなモデル予測値Ｙ'CAL
が求められる。なお、モデル予測値Ｙ'CALは、この場
合、熱流束の予測値である。
【００２５】次回材が投入されると、新たなモデル予測
値Ｙ'CALを用いて、温度降下量を予測する（ブロック２
４）。予測結果のもとづいて水冷設備の注水パターンを
算出し（ブロック２５）、算出結果に従って水冷設備の
注水パターンを設定する（ブロック２６）。
値Ｙ'CALを用いて、温度降下量を予測する（ブロック２
４）。予測結果のもとづいて水冷設備の注水パターンを
算出し（ブロック２５）、算出結果に従って水冷設備の
注水パターンを設定する（ブロック２６）。
【００２６】この場合には、ブロック２２において制御
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回材と次回材との間
に他の層ｊ，ｋ，ｌ，ｍ，・・・の材が圧延され、例え
ば、その間に冷却設備における冷却能力が経時的に変化
した場合であっても、その変化が時系列学習係数に反映
される。従って、層ｉの次回材の投入が今回材の投入時
点からずっとあとになったとしても、精度よく温度降下
量を予測でき、その結果、精度よく注水パターンの設定
を行える。
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回材と次回材との間
に他の層ｊ，ｋ，ｌ，ｍ，・・・の材が圧延され、例え
ば、その間に冷却設備における冷却能力が経時的に変化
した場合であっても、その変化が時系列学習係数に反映
される。従って、層ｉの次回材の投入が今回材の投入時
点からずっとあとになったとしても、精度よく温度降下
量を予測でき、その結果、精度よく注水パターンの設定
を行える。
【００２７】実施例３．次に、本発明による学習方法が
適用された制御モデルによる熱間圧延ラインの粗板幅制
御について説明する。図３は、熱間圧延ラインの粗板幅
制御処理を示す機能ブロック図である。
適用された制御モデルによる熱間圧延ラインの粗板幅制
御について説明する。図３は、熱間圧延ラインの粗板幅
制御処理を示す機能ブロック図である。
【００２８】図において、３１は図１に示す学習を行う
ブロック、３２は幅圧延機入側におけるストリップの幅
を検出するブロック、３３は水平圧延機出側における幅
広がり量を制御モデルを用いて予測するブロック、３４
は幅圧延機の修正開度計算を行うブロック、３５は幅圧
延機の修正開度設定を行うブロックである。
ブロック、３２は幅圧延機入側におけるストリップの幅
を検出するブロック、３３は水平圧延機出側における幅
広がり量を制御モデルを用いて予測するブロック、３４
は幅圧延機の修正開度計算を行うブロック、３５は幅圧
延機の修正開度設定を行うブロックである。
【００２９】次に動作について説明する。粗板幅制御で
は、幅圧延機後段の水平圧延機出側におけるストリップ
の平均板幅を制御目標とし、幅圧延機の開度の設定計算
において、幅広がり量を制御モデル３０を用いて予測す
る。この制御モデル３０は、幅圧延機に関するものであ
る。
は、幅圧延機後段の水平圧延機出側におけるストリップ
の平均板幅を制御目標とし、幅圧延機の開度の設定計算
において、幅広がり量を制御モデル３０を用いて予測す
る。この制御モデル３０は、幅圧延機に関するものであ
る。
【００３０】今回材についての制御が終了すると、制御
結果の実績値、すなわち、出側板幅等を収集する。そし
て、その実績値に対応したモデル予測値ＹCAL を求め
る。このモデル予測値ＹCAL は、その時点の制御モデル
３０による今回材の実績値を出力するための幅広がり量
である。次に、図１におけるブロック１１〜ＳＴ１６の
処理によって、次回材の制御に用いられる学習係数ＣＴ
n ，ＣＳn を求める（ブロック３１）。つまり、学習係
数ＣＴn ，ＣＳn は、ブロック１１〜ＳＴ１６の処理
で、計算値と実績値との誤差を学習した後の値である。
そして、学習係数ＣＴn ，ＣＳn から新たなモデル予測
値Ｙ'CALが求められる。
結果の実績値、すなわち、出側板幅等を収集する。そし
て、その実績値に対応したモデル予測値ＹCAL を求め
る。このモデル予測値ＹCAL は、その時点の制御モデル
３０による今回材の実績値を出力するための幅広がり量
である。次に、図１におけるブロック１１〜ＳＴ１６の
処理によって、次回材の制御に用いられる学習係数ＣＴ
n ，ＣＳn を求める（ブロック３１）。つまり、学習係
数ＣＴn ，ＣＳn は、ブロック１１〜ＳＴ１６の処理
で、計算値と実績値との誤差を学習した後の値である。
そして、学習係数ＣＴn ，ＣＳn から新たなモデル予測
値Ｙ'CALが求められる。
【００３１】次回材が投入されると、新たなモデル予測
値Ｙ'CALを用いて幅広がり量を予測し（ブロック３
３）、幅圧延機の修正開度を算出し（ブロック３４）、
算出結果に従って幅圧延機の修正開度を設定する（ブロ
ック３５）。
値Ｙ'CALを用いて幅広がり量を予測し（ブロック３
３）、幅圧延機の修正開度を算出し（ブロック３４）、
算出結果に従って幅圧延機の修正開度を設定する（ブロ
ック３５）。
【００３２】この場合には、ブロック３１において制御
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回ストリップと次ス
トリップとの間に他の層ｊ，ｋ，ｌ，ｍ，・・・のスト
リップが投入され、例えば、その間に幅圧延機の位置決
め精度が経時的に変化した場合であっても、その変化が
時系列学習係数に反映される。従って、層ｉの次ストリ
ップの投入が今回ストリップの投入時点からずっとあと
になったとしても、精度よく幅広がり量を予測でき、そ
の結果、精度よく幅圧延機の修正開度の設定を行える。
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回ストリップと次ス
トリップとの間に他の層ｊ，ｋ，ｌ，ｍ，・・・のスト
リップが投入され、例えば、その間に幅圧延機の位置決
め精度が経時的に変化した場合であっても、その変化が
時系列学習係数に反映される。従って、層ｉの次ストリ
ップの投入が今回ストリップの投入時点からずっとあと
になったとしても、精度よく幅広がり量を予測でき、そ
の結果、精度よく幅圧延機の修正開度の設定を行える。
【００３３】実施例４．次に、本発明による学習方法が
適用された制御モデルによる熱間圧延ラインの粗板幅制
御について説明する。図４は、熱間圧延ラインのミルペ
ージング制御を示す機能ブロック図である。
適用された制御モデルによる熱間圧延ラインの粗板幅制
御について説明する。図４は、熱間圧延ラインのミルペ
ージング制御を示す機能ブロック図である。
【００３４】図において、４１は制御モデル４０を用い
て搬送スケジュールを予測する部分、４２はミルライン
制約ピッチを計算するブロック、４３は次スラブ抽出時
刻を計算する部分、４４は実績搬送スケジューラを作成
する部分、４５は搬送スケジューラを学習によって修正
する部分である。
て搬送スケジュールを予測する部分、４２はミルライン
制約ピッチを計算するブロック、４３は次スラブ抽出時
刻を計算する部分、４４は実績搬送スケジューラを作成
する部分、４５は搬送スケジューラを学習によって修正
する部分である。
【００３５】次に動作について説明する。ミルページン
グでは、加熱炉からのスラブ抽出タイミングが制御目標
である。この場合、制御モデルに対応するものは、圧延
ラインにおける材の搬送を制御する搬送スケジューラで
ある。加熱炉からスラブが抽出されると次スラブについ
てミルページング制御が開始される。まず、搬送スケジ
ューラの内容から次抽出材（次スラブに対応したもの）
の搬送スケジュールを予測する（ブロック４１）。次
に、その搬送スケジュール、前回材の搬送スケジュール
およびミルライン制約から決まるミルライン制約ピッチ
を算出する（ブロック４２）。さらに、算出されたミル
ライン制約ピッチと加熱炉制約ピッチとから次スラブの
抽出時刻を算出する（ブロック４３）。
グでは、加熱炉からのスラブ抽出タイミングが制御目標
である。この場合、制御モデルに対応するものは、圧延
ラインにおける材の搬送を制御する搬送スケジューラで
ある。加熱炉からスラブが抽出されると次スラブについ
てミルページング制御が開始される。まず、搬送スケジ
ューラの内容から次抽出材（次スラブに対応したもの）
の搬送スケジュールを予測する（ブロック４１）。次
に、その搬送スケジュール、前回材の搬送スケジュール
およびミルライン制約から決まるミルライン制約ピッチ
を算出する（ブロック４２）。さらに、算出されたミル
ライン制約ピッチと加熱炉制約ピッチとから次スラブの
抽出時刻を算出する（ブロック４３）。
【００３６】また、ミルラインの各ゾーンにおける実績
搬送時間が計測されている。それらの実績搬送時間か
ら、実績の搬送スケジューラを作成する。モデル予測値
ＹCALは、ここでは、実績搬送スケジューラによる搬送
スケジュールすなわち実績のミルライン搬送時間に対応
する。次に、図１におけるブロック１１〜ＳＴ１７の処
理によって、次回材の制御に用いられるモデル予測値
Ｙ'CALを求める（ブロック３１）。ここでは、モデル予
測値Ｙ'CALは、次抽出材の予測搬送スケジュールであ
る。さらに次のスラブについては、新たなモデル予測値
Ｙ'CALを用いてブロック４２，４３の処理が行われ、抽
出タイミングが決定される。
搬送時間が計測されている。それらの実績搬送時間か
ら、実績の搬送スケジューラを作成する。モデル予測値
ＹCALは、ここでは、実績搬送スケジューラによる搬送
スケジュールすなわち実績のミルライン搬送時間に対応
する。次に、図１におけるブロック１１〜ＳＴ１７の処
理によって、次回材の制御に用いられるモデル予測値
Ｙ'CALを求める（ブロック３１）。ここでは、モデル予
測値Ｙ'CALは、次抽出材の予測搬送スケジュールであ
る。さらに次のスラブについては、新たなモデル予測値
Ｙ'CALを用いてブロック４２，４３の処理が行われ、抽
出タイミングが決定される。
【００３７】この場合には、ブロック５１において制御
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回スラブと次スラブ
との間に他の層ｊ，ｋ，ｌ，ｍ，・・・のスラブが加熱
炉から抽出され、例えば、その間にミルライン上のトラ
ッキングセンサの精度劣化等に起因して搬送時間の計測
精度が経時的に変化した場合であっても、その変化が時
系列学習係数に反映される。従って、層ｉの次スラブの
抽出が今回スラブの抽出時点からずっとあとになったと
しても、精度よく搬送スケジュールを予測でき、その結
果、精度よくミルページング制御を行える。
モデルの学習係数の修正を行う際に、学習係数が、時系
列学習係数と層別学習係数とに分離した状態で、修正処
理が実行される。よって、層ｉの今回スラブと次スラブ
との間に他の層ｊ，ｋ，ｌ，ｍ，・・・のスラブが加熱
炉から抽出され、例えば、その間にミルライン上のトラ
ッキングセンサの精度劣化等に起因して搬送時間の計測
精度が経時的に変化した場合であっても、その変化が時
系列学習係数に反映される。従って、層ｉの次スラブの
抽出が今回スラブの抽出時点からずっとあとになったと
しても、精度よく搬送スケジュールを予測でき、その結
果、精度よくミルページング制御を行える。
【００３８】
【発明の効果】以上のように、請求項１記載の発明によ
れば、学習制御方法が、制御モデルを修正する際に学習
係数を各層対応の層別学習係数と各層共通の時系列学習
係数とに分けて更新する構成になっているので、同一層
における今回材の加工と次回材の加工とが連続していな
い場合でも、次回材の加工における物理現象を高精度で
予測でき、その結果、高精度の制御を実行できる効果が
ある。また、制御精度が十分に確保された後は、その制
御精度を良好に保つことができる。
れば、学習制御方法が、制御モデルを修正する際に学習
係数を各層対応の層別学習係数と各層共通の時系列学習
係数とに分けて更新する構成になっているので、同一層
における今回材の加工と次回材の加工とが連続していな
い場合でも、次回材の加工における物理現象を高精度で
予測でき、その結果、高精度の制御を実行できる効果が
ある。また、制御精度が十分に確保された後は、その制
御精度を良好に保つことができる。
【００３９】請求項２記載の発明によれば、学習制御方
法が、熱間圧延ラインの巻取温度制御に用いられる制御
モデルを修正する際に学習係数を各層対応の層別学習係
数と各層共通の時系列学習係数とに分けて更新する構成
になっているので、同一層の今回材と次回材との間に他
の層の材が圧延され、その間に冷却設備における冷却能
力が経時的に変化した場合であっても、精度よくその層
についての温度降下量を予測でき、その結果、精度よく
注水パターンの設定を行える効果がある。また、制御精
度が十分に確保された後は、その制御精度を良好に保つ
ことができる。
法が、熱間圧延ラインの巻取温度制御に用いられる制御
モデルを修正する際に学習係数を各層対応の層別学習係
数と各層共通の時系列学習係数とに分けて更新する構成
になっているので、同一層の今回材と次回材との間に他
の層の材が圧延され、その間に冷却設備における冷却能
力が経時的に変化した場合であっても、精度よくその層
についての温度降下量を予測でき、その結果、精度よく
注水パターンの設定を行える効果がある。また、制御精
度が十分に確保された後は、その制御精度を良好に保つ
ことができる。
【００４０】請求項３記載の発明によれば、学習制御方
法が、熱間圧延ラインのミルページング制御に用いられ
る制御モデルを修正する際に学習係数を各層対応の層別
学習係数と各層共通の時系列学習係数とに分けて更新す
る構成になっているので、同一層の今回ストリップと次
ストリップとの間に他の層のストリップが投入され、そ
の間に幅圧延機の位置決め精度が経時的に変化した場合
であっても、精度よくその層についての幅広がり量を予
測でき、その結果、精度よく幅圧延機の修正開度の設定
を行える。また、制御精度が十分に確保された後は、そ
の制御精度を良好に保つことができる。
法が、熱間圧延ラインのミルページング制御に用いられ
る制御モデルを修正する際に学習係数を各層対応の層別
学習係数と各層共通の時系列学習係数とに分けて更新す
る構成になっているので、同一層の今回ストリップと次
ストリップとの間に他の層のストリップが投入され、そ
の間に幅圧延機の位置決め精度が経時的に変化した場合
であっても、精度よくその層についての幅広がり量を予
測でき、その結果、精度よく幅圧延機の修正開度の設定
を行える。また、制御精度が十分に確保された後は、そ
の制御精度を良好に保つことができる。
【００４１】請求項４記載の発明によれば、学習制御方
法が、熱間圧延ラインの粗板幅制御に用いられる制御モ
デルを修正する際に学習係数を各層対応の層別学習係数
と各層共通の時系列学習係数とに分けて更新する構成に
なっているので、同一層の今回スラブと次スラブとの間
に他の層のスラブが加熱炉から抽出され、その間にミル
ライン上のトラッキングセンサの精度劣化等に起因して
搬送時間の計測精度が経時的に変化した場合であって
も、精度よくその層についての搬送スケジュールを予測
でき、その結果、精度よくミルページング制御を行え
る。
法が、熱間圧延ラインの粗板幅制御に用いられる制御モ
デルを修正する際に学習係数を各層対応の層別学習係数
と各層共通の時系列学習係数とに分けて更新する構成に
なっているので、同一層の今回スラブと次スラブとの間
に他の層のスラブが加熱炉から抽出され、その間にミル
ライン上のトラッキングセンサの精度劣化等に起因して
搬送時間の計測精度が経時的に変化した場合であって
も、精度よくその層についての搬送スケジュールを予測
でき、その結果、精度よくミルページング制御を行え
る。
【図１】この発明の一実施例による学習制御方法におけ
る制御モデルの学習方法を示すフローチャートである。
る制御モデルの学習方法を示すフローチャートである。
【図２】図１に示す学習方法が適用された熱間圧延ライ
ンの巻取温度制御処理を示す機能ブロック図である。
ンの巻取温度制御処理を示す機能ブロック図である。
【図３】図１に示す学習方法が適用された熱間圧延ライ
ンの粗板幅制御処理を示す機能ブロック図である。
ンの粗板幅制御処理を示す機能ブロック図である。
【図４】図１に示す学習方法が適用された熱間圧延ライ
ンのミルページング制御を示す機能ブロック図である。
ンのミルページング制御を示す機能ブロック図である。
【図５】従来の学習制御方法における制御モデルの学習
方法を示すフローチャートである。
方法を示すフローチャートである。
２０，３０，４０ 制御モデル
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｂ２１Ｂ 37/22 37/76 37/00 Ｇ０５Ｂ 13/04 7531−3Ｈ 17/02 7531−3Ｈ 8315−4Ｅ Ｂ２１Ｂ 37/00 １３２ Ａ 8315−4Ｅ １３６ Ｃ
Claims (4)
- 【請求項１】 プロセスラインの物理現象をあらかじめ
分類された各層毎の制御モデルを用いて予測し、予測結
果を用いて前記プロセスラインの制御目標量に対応した
制御量の設定計算を行い、さらにその制御量による制御
結果の実績値に応じた前記制御モデルによる予測値と実
績値との誤差に応じて学習係数を更新し、その学習係数
を前記制御モデルによる予測値に乗じて次回の制御にお
ける予測値を定める学習制御方法において、前記学習係
数を更新する際に、前記制御目標と制御結果の実績値と
の差がしきい値を越えていない場合には学習係数の更新
をせず、学習係数の更新を行う場合には、学習係数を各
層に共通した係数である時系列学習係数と各層毎の係数
である層別学習係数とに分離し、前記時系列学習係数を
直前の制御で更新された時系列学習係数を用いて更新
し、前記層別学習係数を同一層における直前の制御で更
新された層別学習係数を用いて更新することを特徴とす
る学習制御方法。 - 【請求項２】 熱間圧延ラインのホットランにおける温
度降下をあらかじめ分類された各層毎の制御モデルを用
いて予測し、予測結果を用いて前記熱間圧延ラインの巻
取制御における制御目標量である巻取温度に対応した制
御量の設定計算を行い、さらにその制御量による制御結
果である実績巻取温度に応じた前記制御モデルによる予
測値と実績値との誤差に応じて学習係数を更新し、その
学習係数を前記制御モデルによる予測値に乗じて次回の
制御における予測値を定める学習制御方法において、前
記学習係数を更新する際に、前記制御目標と制御結果の
実績値との差がしきい値を越えていない場合には学習係
数の更新をせず、学習係数の更新を行う場合には、学習
係数を各層に共通した係数である時系列学習係数と各層
毎の係数である層別学習係数とに分離し、前記時系列学
習係数を直前の制御で更新された時系列学習係数を用い
て更新し、前記層別学習係数を同一層における直前の制
御で更新された層別学習係数を用いて更新することを特
徴とする学習制御方法。 - 【請求項３】 熱間圧延ラインにおけるストリップの幅
広がり量をあらかじめ分類された各層毎の制御モデルを
用いて予測し、予測結果を用いて熱間圧延ラインの粗板
幅制御における制御目標量である出側板幅に対応した制
御量の設定計算を行い、さらにその制御量による制御結
果である実績出側板幅に応じた前記制御モデルによる予
測値と実績値との誤差に応じて学習係数を更新し、その
学習係数を前記制御モデルによる予測値に乗じて次回の
制御における予測値を定める学習制御方法において、前
記学習係数を更新する際に、前記制御目標と制御結果の
実績値との差がしきい値を越えていない場合には学習係
数の更新をせず、学習係数の更新を行う場合には、学習
係数を各層に共通した係数である時系列学習係数と各層
毎の係数である層別学習係数とに分離し、前記時系列学
習係数を直前の制御で更新された時系列学習係数を用い
て更新し、前記層別学習係数を同一層における直前の制
御で更新された層別学習係数を用いて更新することを特
徴とする学習制御方法。 - 【請求項４】 熱間圧延ラインにおける搬送スケジュー
ルをあらかじめ分類された各層毎の制御モデルを用いて
予測し、予測結果を用いて前記熱間圧延ラインのミルペ
ージング制御における制御目標量である次スラブの加熱
炉からの抽出タイミングを決定し、さらにミルラインの
各ゾーンにおける実績搬送時間に応じた前記制御モデル
による予測値と実績搬送時間との誤差に応じて学習係数
を更新し、その学習係数を前記制御モデルによる予測値
に乗じて次回の制御における予測値を定める学習制御方
法において、前記学習係数を更新する際に、前記制御目
標と制御結果の実績値との差がしきい値を越えていない
場合には学習係数の更新をせず、学習係数の更新を行う
場合には、学習係数を各層に共通した係数である時系列
学習係数と各層毎の係数である層別学習係数とに分離
し、前記時系列学習係数を直前の制御で更新された時系
列学習係数を用いて更新し、前記層別学習係数を同一層
における直前の制御で更新された層別学習係数を用いて
更新することを特徴とする学習制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5336517A JPH07200005A (ja) | 1993-12-28 | 1993-12-28 | 学習制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5336517A JPH07200005A (ja) | 1993-12-28 | 1993-12-28 | 学習制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07200005A true JPH07200005A (ja) | 1995-08-04 |
Family
ID=18299952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5336517A Pending JPH07200005A (ja) | 1993-12-28 | 1993-12-28 | 学習制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07200005A (ja) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0985328A (ja) * | 1995-09-19 | 1997-03-31 | Mitsubishi Electric Corp | 熱延鋼板の巻取温度制御装置及びその巻取温度制御方法 |
| JPH10254504A (ja) * | 1997-03-06 | 1998-09-25 | Hitachi Ltd | 自律的制御方法および制御システム |
| JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
| JP2000135507A (ja) * | 1998-10-31 | 2000-05-16 | Sms Schloeman Siemag Ag | 冷却区間を制御するための方法およびシステム |
| JP2002224723A (ja) * | 2001-02-06 | 2002-08-13 | Nippon Steel Corp | 板幅制御方法および板幅変化予測式の学習方法 |
| JP2005202803A (ja) * | 2004-01-16 | 2005-07-28 | Sumitomo Metal Ind Ltd | 学習制御方法 |
| JP2009233716A (ja) * | 2008-03-27 | 2009-10-15 | Kobe Steel Ltd | 圧延材の冷却方法 |
| KR101237079B1 (ko) * | 2011-02-24 | 2013-02-25 | 현대제철 주식회사 | 학습기능을 갖는 압연공정 제어 시스템 및 그 제어방법 |
| WO2013171862A1 (ja) * | 2012-05-16 | 2013-11-21 | 東芝三菱電機産業システム株式会社 | 設定計算システムの学習装置及び学習方法 |
| KR101451516B1 (ko) * | 2013-02-19 | 2014-10-15 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 압연 프로세스의 학습 제어 장치 |
| WO2015122010A1 (ja) * | 2014-02-17 | 2015-08-20 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JP2016047538A (ja) * | 2014-08-27 | 2016-04-07 | Ｊｆｅスチール株式会社 | 鋼板の冷却方法 |
| WO2016151637A1 (ja) * | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 学習モデル生成システム、方法およびプログラム |
| WO2020129173A1 (ja) * | 2018-12-19 | 2020-06-25 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JP2020197944A (ja) * | 2019-06-03 | 2020-12-10 | メタウォーター株式会社 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
| JP2021178356A (ja) * | 2020-05-15 | 2021-11-18 | Ｊｆｅスチール株式会社 | 幅圧下プレス装置での幅圧下荷重予測方法、幅圧下荷重制御方法、および幅圧下荷重予測モデルの生成方法 |
| WO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
-
1993
- 1993-12-28 JP JP5336517A patent/JPH07200005A/ja active Pending
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0985328A (ja) * | 1995-09-19 | 1997-03-31 | Mitsubishi Electric Corp | 熱延鋼板の巻取温度制御装置及びその巻取温度制御方法 |
| JPH10254504A (ja) * | 1997-03-06 | 1998-09-25 | Hitachi Ltd | 自律的制御方法および制御システム |
| JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
| JP2000135507A (ja) * | 1998-10-31 | 2000-05-16 | Sms Schloeman Siemag Ag | 冷却区間を制御するための方法およびシステム |
| JP2002224723A (ja) * | 2001-02-06 | 2002-08-13 | Nippon Steel Corp | 板幅制御方法および板幅変化予測式の学習方法 |
| JP2005202803A (ja) * | 2004-01-16 | 2005-07-28 | Sumitomo Metal Ind Ltd | 学習制御方法 |
| JP2009233716A (ja) * | 2008-03-27 | 2009-10-15 | Kobe Steel Ltd | 圧延材の冷却方法 |
| KR101237079B1 (ko) * | 2011-02-24 | 2013-02-25 | 현대제철 주식회사 | 학습기능을 갖는 압연공정 제어 시스템 및 그 제어방법 |
| JPWO2013171862A1 (ja) * | 2012-05-16 | 2016-01-07 | 東芝三菱電機産業システム株式会社 | 設定計算システムの学習装置及び学習方法 |
| WO2013171862A1 (ja) * | 2012-05-16 | 2013-11-21 | 東芝三菱電機産業システム株式会社 | 設定計算システムの学習装置及び学習方法 |
| CN104303114A (zh) * | 2012-05-16 | 2015-01-21 | 东芝三菱电机产业系统株式会社 | 设定计算系统的学习装置以及学习方法 |
| KR101451516B1 (ko) * | 2013-02-19 | 2014-10-15 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 압연 프로세스의 학습 제어 장치 |
| JPWO2015122010A1 (ja) * | 2014-02-17 | 2017-03-30 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| WO2015122010A1 (ja) * | 2014-02-17 | 2015-08-20 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| US10124381B2 (en) | 2014-02-17 | 2018-11-13 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Rolling process learning control device |
| JP2016047538A (ja) * | 2014-08-27 | 2016-04-07 | Ｊｆｅスチール株式会社 | 鋼板の冷却方法 |
| WO2016151637A1 (ja) * | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 学習モデル生成システム、方法およびプログラム |
| JPWO2016151637A1 (ja) * | 2015-03-26 | 2017-12-14 | 日本電気株式会社 | 学習モデル生成システム、方法およびプログラム |
| WO2020129173A1 (ja) * | 2018-12-19 | 2020-06-25 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2020129173A1 (ja) * | 2018-12-19 | 2021-02-15 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JP2020197944A (ja) * | 2019-06-03 | 2020-12-10 | メタウォーター株式会社 | モデル予測制御システム、情報処理装置、プログラム、及びモデル予測制御方法 |
| JP2021178356A (ja) * | 2020-05-15 | 2021-11-18 | Ｊｆｅスチール株式会社 | 幅圧下プレス装置での幅圧下荷重予測方法、幅圧下荷重制御方法、および幅圧下荷重予測モデルの生成方法 |
| WO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JPWO2022239157A1 (ja) * | 2021-05-12 | 2022-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH07200005A (ja) | 学習制御方法 | |
| US8391998B2 (en) | Method for controlling and/or regulating an industrial process | |
| CN111814402B (zh) | 一种加热炉炉温控制方法 | |
| CN113849020A (zh) | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 | |
| JP2783124B2 (ja) | 熱延鋼材の温度制御方法 | |
| CN101082814A (zh) | 热轧加热炉板坯剩余在炉时间确定方法 | |
| JPH04367901A (ja) | プロセスラインにおける学習制御方法 | |
| JP7135962B2 (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
| JP3710572B2 (ja) | 加熱炉の制御装置 | |
| CN114818253B (zh) | 一种适应快节奏轧制的卷取温度模型自学习方法 | |
| JPH1031505A (ja) | プロセスラインの学習制御方法 | |
| JP7205517B2 (ja) | 圧延材の冷却制御方法及び冷却制御装置 | |
| CN117450627A (zh) | 空调机组的融霜控制方法及相关设备 | |
| JP2001252709A (ja) | 熱間圧延の仕上圧延機出側温度予測方法 | |
| JP2809925B2 (ja) | 連続焼鈍炉の板温制御方法 | |
| JP4208509B2 (ja) | 圧延プロセスのモデル学習装置 | |
| JPH1133616A (ja) | 鋼帯の捲取温度制御装置 | |
| JP4696775B2 (ja) | 板幅制御方法および装置 | |
| JP4352470B2 (ja) | 冷延鋼帯の製造方法 | |
| JPH09192715A (ja) | 多段式熱間圧延における自動荷重バランス調整方法 | |
| JP3518504B2 (ja) | 鋼板の冷却条件設定方法 | |
| JP7767241B2 (ja) | 圧延設定支援システム及び圧延設定支援方法 | |
| JPH04339511A (ja) | 鋼板の冷却制御方法 | |
| JPH06259107A (ja) | プロセスラインにおける学習制御方法 | |
| JP4736832B2 (ja) | 熱間仕上圧延装置および熱間仕上圧延温度制御方法 |