JPH10180321A - 圧延機の学習制御方法 - Google Patents
圧延機の学習制御方法Info
- Publication number
- JPH10180321A JPH10180321A JP8348013A JP34801396A JPH10180321A JP H10180321 A JPH10180321 A JP H10180321A JP 8348013 A JP8348013 A JP 8348013A JP 34801396 A JP34801396 A JP 34801396A JP H10180321 A JPH10180321 A JP H10180321A
- Authority
- JP
- Japan
- Prior art keywords
- rolling
- learning control
- model
- error
- control method
- 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)
Abstract
(57)【要約】
【課題】 厚板圧延の場合においても厚み精度や形状精
度の向上を図ることができる学習制御方法を提供する。 【解決手段】 圧延機のセットアップモデルを用いて算
出された計算値と実際の圧延の結果得られる実績値との
差により前記モデルを修正する圧延機の学習制御方法に
おいて、鋼種、圧延寸法及び使用ワークロール別に前記
モデルの誤差を学習し、その誤差を後続圧延材料の初期
圧延パススケジュールに反映する。
度の向上を図ることができる学習制御方法を提供する。 【解決手段】 圧延機のセットアップモデルを用いて算
出された計算値と実際の圧延の結果得られる実績値との
差により前記モデルを修正する圧延機の学習制御方法に
おいて、鋼種、圧延寸法及び使用ワークロール別に前記
モデルの誤差を学習し、その誤差を後続圧延材料の初期
圧延パススケジュールに反映する。
Description
【０００１】
【発明の属する技術分野】本発明は、圧延機のセットア
ップモデルを用いて算出された計算値と実際の圧延の結
果得られる実績値との差により前記モデルを修正する圧
延機の学習制御方法に関する。
ップモデルを用いて算出された計算値と実際の圧延の結
果得られる実績値との差により前記モデルを修正する圧
延機の学習制御方法に関する。
【０００２】
【従来の技術】圧延機で圧延する際には、適正なロール
開度や圧延速度等を得るために計算機により操作量の予
測計算を行い、その予測計算値に基づいて各操作量を設
定するようにしている。このようにして設定された操作
量による圧延において、製品に要求される所定の厚み精
度が得られるか否かは前記予測計算に使用するセットア
ップモデルの精度に依存する。
開度や圧延速度等を得るために計算機により操作量の予
測計算を行い、その予測計算値に基づいて各操作量を設
定するようにしている。このようにして設定された操作
量による圧延において、製品に要求される所定の厚み精
度が得られるか否かは前記予測計算に使用するセットア
ップモデルの精度に依存する。
【０００３】一般に、圧延機のセットアップモデルの精
度を向上させる方法として、実績値に基づき前記モデル
による計算時に補正を加える学習制御が行われている。
前記モデルの中で厚み精度に大きな影響を与える数式モ
デルとして圧延荷重式があり、この圧延荷重式の学習制
御方法として（１）式に示す補正係数Ｋを学習する方法
が行われている。
度を向上させる方法として、実績値に基づき前記モデル
による計算時に補正を加える学習制御が行われている。
前記モデルの中で厚み精度に大きな影響を与える数式モ
デルとして圧延荷重式があり、この圧延荷重式の学習制
御方法として（１）式に示す補正係数Ｋを学習する方法
が行われている。
【０００４】Ｐ＝Ｋ・Ｐ0 …（１） ここで、Ｐは圧延荷重予測値、Ｐ0 は数式モデル計算
値、Ｋは補正係数を示す。
値、Ｋは補正係数を示す。
【０００５】補正係数Ｋの学習方法としては、特開昭６
２−２６７００９号公報に記載のように、各パス間での
学習制御に加えて各スラブ間での学習制御を行う方法が
知られている。
２−２６７００９号公報に記載のように、各パス間での
学習制御に加えて各スラブ間での学習制御を行う方法が
知られている。
【０００６】具体的には、鋼種に応じて変形抵抗と摩擦
係数とに分類して学習するもので、学習対象材料の鋼種
が前回と異なるときは計算値と実績値との誤差を同一鋼
種内でばらつきの少ない変形抵抗の誤差として学習し、
前回と同一のときは計算値と実績値との誤差を鋼種の変
化によるばらつきが少ない摩擦係数の誤差として学習し
てセットアップモデルの精度向上を図ったものである。
係数とに分類して学習するもので、学習対象材料の鋼種
が前回と異なるときは計算値と実績値との誤差を同一鋼
種内でばらつきの少ない変形抵抗の誤差として学習し、
前回と同一のときは計算値と実績値との誤差を鋼種の変
化によるばらつきが少ない摩擦係数の誤差として学習し
てセットアップモデルの精度向上を図ったものである。
【０００７】
【発明が解決しようとする課題】ところで、厚板圧延の
ような多種多様なサイズの圧延材を圧延する上では、圧
延サイズが大きく変化する場合がある。
ような多種多様なサイズの圧延材を圧延する上では、圧
延サイズが大きく変化する場合がある。
【０００８】しかしながら、前述したような学習方法で
は、圧延サイズが大きく変化すると、圧延荷重式が有し
ているサイズによる誤差の変動を修正できないだけでな
く、もともとの荷重予測精度の悪い鋼種については実際
の圧延での補正量の影響が大きいために初期圧延スケジ
ュールからのずれが大きくなり、厚み精度不良や形状不
良を生じる問題がある。
は、圧延サイズが大きく変化すると、圧延荷重式が有し
ているサイズによる誤差の変動を修正できないだけでな
く、もともとの荷重予測精度の悪い鋼種については実際
の圧延での補正量の影響が大きいために初期圧延スケジ
ュールからのずれが大きくなり、厚み精度不良や形状不
良を生じる問題がある。
【０００９】本発明はかかる不都合を解消するためにな
されたものであり、厚板圧延の場合においても厚み精度
や形状精度の向上を図ることができる圧延機の学習制御
方法を提供することを目的とする。
されたものであり、厚板圧延の場合においても厚み精度
や形状精度の向上を図ることができる圧延機の学習制御
方法を提供することを目的とする。
【００１０】
【課題を解決するための手段】かかる目的を達成するた
めに、本発明に係る圧延機の学習制御方法は、圧延機の
セットアップモデルを用いて算出された計算値と実際の
圧延の結果得られる実績値との差により前記モデルを修
正する圧延機の学習制御方法において、鋼種、圧延寸法
及び使用ワークロール別に前記モデルの誤差を学習し、
その誤差を後続圧延材料の初期圧延スケジュールに反映
するようにしたことを特徴とする。
めに、本発明に係る圧延機の学習制御方法は、圧延機の
セットアップモデルを用いて算出された計算値と実際の
圧延の結果得られる実績値との差により前記モデルを修
正する圧延機の学習制御方法において、鋼種、圧延寸法
及び使用ワークロール別に前記モデルの誤差を学習し、
その誤差を後続圧延材料の初期圧延スケジュールに反映
するようにしたことを特徴とする。
【００１１】上述した（１）式における圧延荷重の数式
モデル計算値（Ｐ0 ）は一般的に次式で表される。 Ｐ0 ＝Ｋ0 ・Ｗ・ｌｄ・Ｑp …（２） ここで、Ｋ0 は平均変形抵抗、Ｗは板幅、ｌｄは接触投
影長、Ｑp は圧下力関数を示す。
モデル計算値（Ｐ0 ）は一般的に次式で表される。 Ｐ0 ＝Ｋ0 ・Ｗ・ｌｄ・Ｑp …（２） ここで、Ｋ0 は平均変形抵抗、Ｗは板幅、ｌｄは接触投
影長、Ｑp は圧下力関数を示す。
【００１２】また、（２）式の荷重モデル要素（Ｋ0 ，
ｌｄ，Ｑp ）は次に示すパラメータで表現できる。 Ｋ0 ＝ｆ（Ｔk , ε, 成分）…（３） ｌｄ＝ｇ（Ｈ，ｈ，Ｒ′） …（４） Ｑp ＝ｋ（Ｈ，ｈ，Ｒ′） …（５） ここで、Ｔk は温度、εは歪み、Ｈは入側板厚、ｈは出
側板厚、Ｒ′は偏平ロール径を示す。
ｌｄ，Ｑp ）は次に示すパラメータで表現できる。 Ｋ0 ＝ｆ（Ｔk , ε, 成分）…（３） ｌｄ＝ｇ（Ｈ，ｈ，Ｒ′） …（４） Ｑp ＝ｋ（Ｈ，ｈ，Ｒ′） …（５） ここで、Ｔk は温度、εは歪み、Ｈは入側板厚、ｈは出
側板厚、Ｒ′は偏平ロール径を示す。
【００１３】（３）式で表現される平均変形抵抗Ｋ
0 は、圧延材の鋼種により変化するものであり、同一鋼
種内でのばらつきは比較的少ない。しかし、厚板圧延の
ようにいろいろな板厚・板幅を有する圧延材を圧延する
場合には、同一鋼種においてはむしろ各圧延パスでのサ
イズによる荷重予測モデルの補正を実施しなければ、圧
延機のセットアップ精度は向上しない。
0 は、圧延材の鋼種により変化するものであり、同一鋼
種内でのばらつきは比較的少ない。しかし、厚板圧延の
ようにいろいろな板厚・板幅を有する圧延材を圧延する
場合には、同一鋼種においてはむしろ各圧延パスでのサ
イズによる荷重予測モデルの補正を実施しなければ、圧
延機のセットアップ精度は向上しない。
【００１４】また、圧延時のワークロールの研磨状況が
変わると摩擦係数が変わって荷重発生量が変化するた
め、使用ワークロールの種類に応じて荷重予測モデルを
補正する必要も生じてくる。
変わると摩擦係数が変わって荷重発生量が変化するた
め、使用ワークロールの種類に応じて荷重予測モデルを
補正する必要も生じてくる。
【００１５】そこで、本発明においては、再現性の高い
要素、即ち、鋼種、圧延サイズ及びワークロール別に荷
重予測モデルの誤差を学習してその補正を次材以降の初
期圧延スケジュールに反映する。
要素、即ち、鋼種、圧延サイズ及びワークロール別に荷
重予測モデルの誤差を学習してその補正を次材以降の初
期圧延スケジュールに反映する。
【００１６】
【発明の実施の形態】以下、本発明の実施の形態の一例
を図を参照して説明する。図１は本発明の実施の形態の
一例である圧延機の学習制御方法を説明するための説明
図、図２は学習制御のオンライン前後での鋼種と荷重予
測係数との関係を示すグラフ図、図３は学習制御のオン
ライン前後での鋼種とＦＣＦ平均値との関係を示すグラ
フ図である。
を図を参照して説明する。図１は本発明の実施の形態の
一例である圧延機の学習制御方法を説明するための説明
図、図２は学習制御のオンライン前後での鋼種と荷重予
測係数との関係を示すグラフ図、図３は学習制御のオン
ライン前後での鋼種とＦＣＦ平均値との関係を示すグラ
フ図である。
【００１７】図１に示すように、厚板圧延の実圧延での
圧延実績から鋼種（成分）、圧延寸法（厚さ、幅区分）
及びワークロール別テーブルで荷重モデル誤差（ＦＣＦ
＝実績荷重／荷重モデルでの予測荷重）を次のようにし
てそれぞれメッシュ毎に学習・更新していく。
圧延実績から鋼種（成分）、圧延寸法（厚さ、幅区分）
及びワークロール別テーブルで荷重モデル誤差（ＦＣＦ
＝実績荷重／荷重モデルでの予測荷重）を次のようにし
てそれぞれメッシュ毎に学習・更新していく。
【００１８】 ＦＣＦTb（新）＝ＦＣＦTb（旧）＋α（ＦＣＦmo（瞬）−ＦＣＦTb（旧）） …（６） ここで、ＦＣＦTbはＦＣＦ学習テーブル値、ＦＣＦ
mo（瞬）は荷重モデルの誤差瞬時値、αは影響係数を示
す。
mo（瞬）は荷重モデルの誤差瞬時値、αは影響係数を示
す。
【００１９】また、次スラブへの圧延の反映としては、
鋼種、圧延サイズ及びワークロールが同一条件であるス
ラブの場合に、そのスラブに対応した鋼種のテーブルを
使用して各パスの圧延材の厚み・幅に対応したメッシュ
の学習値を使用して初期圧延スケジュールを作成する。
鋼種、圧延サイズ及びワークロールが同一条件であるス
ラブの場合に、そのスラブに対応した鋼種のテーブルを
使用して各パスの圧延材の厚み・幅に対応したメッシュ
の学習値を使用して初期圧延スケジュールを作成する。
【００２０】このようにこの実施の形態では、各パス間
でのモデル誤差の学習だけでなく圧延荷重モデルを再現
性の高い要素、即ち鋼種、圧延サイズ及びワークロール
別に実操業データからの荷重モデル誤差を逐次学習して
いき、その誤差を後続圧延材へ反映するようにしている
ので、圧延機のセットアップ精度の向上が図られ、この
結果、厚板圧延の場合においても厚み精度や形状精度の
向上を図ることができる。また、同一条件の圧延では履
歴温度は変わらないことから、温度モデルの誤差も取り
込んだ補正も同時に行うことができる。
でのモデル誤差の学習だけでなく圧延荷重モデルを再現
性の高い要素、即ち鋼種、圧延サイズ及びワークロール
別に実操業データからの荷重モデル誤差を逐次学習して
いき、その誤差を後続圧延材へ反映するようにしている
ので、圧延機のセットアップ精度の向上が図られ、この
結果、厚板圧延の場合においても厚み精度や形状精度の
向上を図ることができる。また、同一条件の圧延では履
歴温度は変わらないことから、温度モデルの誤差も取り
込んだ補正も同時に行うことができる。
【００２１】図２及び図３にこの実施の形態に係る学習
制御のオンライン前後での鋼種と荷重予測係数との関係
及び鋼種とＦＣＦ平均値との関係を示す。図２及び図３
から明らかなように、この実施の形態に係る学習制御の
オンライン後においては、荷重予測精度が向上し、しか
も、ＦＣＦ平均値も安定していることが判る。
制御のオンライン前後での鋼種と荷重予測係数との関係
及び鋼種とＦＣＦ平均値との関係を示す。図２及び図３
から明らかなように、この実施の形態に係る学習制御の
オンライン後においては、荷重予測精度が向上し、しか
も、ＦＣＦ平均値も安定していることが判る。
【００２２】
【発明の効果】上記の説明から明らかなように、本発明
によれば、圧延荷重モデルを再現性の高い因子である鋼
種、圧延サイズ及びワークロール別に実操業データから
の荷重モデル誤差を逐次学習していき、その誤差を後続
圧延材へ反映するようにしているので、初期圧延スケジ
ュールのセットアップ精度が向上して厚板圧延の場合に
おいても厚み精度及び形状精度の向上を図ることができ
るという効果が得られる。
によれば、圧延荷重モデルを再現性の高い因子である鋼
種、圧延サイズ及びワークロール別に実操業データから
の荷重モデル誤差を逐次学習していき、その誤差を後続
圧延材へ反映するようにしているので、初期圧延スケジ
ュールのセットアップ精度が向上して厚板圧延の場合に
おいても厚み精度及び形状精度の向上を図ることができ
るという効果が得られる。
【図１】本発明の実施の形態の一例である圧延機の学習
制御方法を説明するための説明図である。
制御方法を説明するための説明図である。
【図２】学習制御のオンライン前後での鋼種と荷重予測
係数との関係を示すグラフ図である。
係数との関係を示すグラフ図である。
【図３】学習制御のオンライン前後での鋼種とＦＣＦ平
均値との関係を示すグラフ図である。
均値との関係を示すグラフ図である。
Claims (1)
- 【請求項１】 圧延機のセットアップモデルを用いて算
出された計算値と実際の圧延の結果得られる実績値との
差により前記モデルを修正する圧延機の学習制御方法に
おいて、鋼種、圧延寸法及び使用ワークロール別に前記
モデルの誤差を学習し、その誤差を後続圧延材料の初期
圧延スケジュールに反映するようにしたことを特徴とす
る圧延機の学習制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8348013A JPH10180321A (ja) | 1996-12-26 | 1996-12-26 | 圧延機の学習制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8348013A JPH10180321A (ja) | 1996-12-26 | 1996-12-26 | 圧延機の学習制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10180321A true JPH10180321A (ja) | 1998-07-07 |
Family
ID=18394154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8348013A Pending JPH10180321A (ja) | 1996-12-26 | 1996-12-26 | 圧延機の学習制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10180321A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
| JP2004517736A (ja) * | 2001-02-13 | 2004-06-17 | シーメンス アクチエンゲゼルシヤフト | 金属ストリップを圧延するための圧延路のプロセス量の事前設定方法および装置 |
| KR101426013B1 (ko) * | 2012-12-27 | 2014-08-05 | 주식회사 포스코 | 냉간압연 파라미터 튜닝 방법 |
-
1996
- 1996-12-26 JP JP8348013A patent/JPH10180321A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000084607A (ja) * | 1998-09-08 | 2000-03-28 | Toshiba Corp | 圧延モデル学習装置 |
| JP2004517736A (ja) * | 2001-02-13 | 2004-06-17 | シーメンス アクチエンゲゼルシヤフト | 金属ストリップを圧延するための圧延路のプロセス量の事前設定方法および装置 |
| KR101426013B1 (ko) * | 2012-12-27 | 2014-08-05 | 주식회사 포스코 | 냉간압연 파라미터 튜닝 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH10180321A (ja) | 圧延機の学習制御方法 | |
| JPH04367901A (ja) | プロセスラインにおける学習制御方法 | |
| JPS59101212A (ja) | 圧延機の制御方法 | |
| JPH09174128A (ja) | 圧延材の形状制御方法 | |
| JP3681283B2 (ja) | 圧延機のセットアップ装置 | |
| JP3280866B2 (ja) | 圧延荷重予測方法 | |
| JP2628916B2 (ja) | リバース圧延時の平坦度制御方法 | |
| JP4352779B2 (ja) | 厚鋼板の圧延方法 | |
| JP3135089B2 (ja) | 圧延機におけるキャンバ、蛇行制御方法 | |
| JPH07164031A (ja) | 圧延反り予測・制御装置 | |
| JPH11192505A (ja) | 熱間圧延における板幅変化予測式の補正方法および板幅制御方法 | |
| JPH06277728A (ja) | 板クラウン制御設定方法 | |
| JP2505989B2 (ja) | 板圧延のエッジドロップ制御方法 | |
| JPS6024722B2 (ja) | 圧下修正圧延方法 | |
| JP2878060B2 (ja) | 熱間自動板厚制御方法および装置 | |
| JPH084823B2 (ja) | 熱間圧延における板クラウンの制御方法 | |
| JPS61189810A (ja) | 仕上圧延における形状制御方法 | |
| JPH08285572A (ja) | 薄板形状の評価方法 | |
| JP2719215B2 (ja) | 板圧延のエッジドロップ制御方法 | |
| JPH10249422A (ja) | 圧延における自動板厚制御方法 | |
| JPH11129038A (ja) | 超塑性成形システム及び超塑性成形解析プログラムを格納した記録媒体 | |
| JP2005152919A (ja) | 板クラウン予測モデルの修正方法 | |
| JPH0619506A (ja) | 同定装置 | |
| JP2004017073A (ja) | 金属板圧延の圧延荷重予測方法 | |
| JPS591484B2 (ja) | 金属ストリップの圧延方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040331 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060328 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060725 |