図面 (/)

技術 制御パラメータ予測装置、制御パラメータ予測方法、コンピュータ読み取り可能な記録媒体及びコンピュータプログラム

出願人 新日鐵住金株式会社
発明者 小林孝一下井辰一郎南里智
出願日 2002年1月21日 (19年1ヶ月経過) 出願番号 2002-011837
公開日 2003年7月31日 (17年6ヶ月経過) 公開番号 2003-216203
状態 未査定
技術分野 圧延の制御 フィードバック制御一般
主要キーワード 歪み速度ε 変数空間 係数導出 形状比 実績データ取得 推定誤差算出 計算順序 荷重誤差
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2003年7月31日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (9)

課題

被制御対象を制御する際に生じる制御パラメータを、容易にかつ正確に予測することができるようにする。

解決手段

鋼板2を圧延機3で圧延したことにより得られる実績データから分離された同定用データに含まれている圧延荷重実績値に影響を与えた要素の内容と、その要素に起因して生じた圧延荷重推定誤差クラスとを定義し、定義した内容に基づいて、決定木24を作成して同定用データを分類することにより、層別の構造を明らかにするようにして、層別生成に使用する全ての要素を使用しなくても圧延荷重を正確に予測することができるようにする。

概要

背景

被制御対象を制御するための制御パラメータ予測し、その予測結果を制御プロセスに反映させるようにすることが一般的に行われている。

例えば、鉄鋼業の分野では、鋼板圧延する際に圧延機にかかる圧延荷重を予測し、その予測結果を利用することにより、圧延機の能力最大限に活かして鋼板を圧延することができるようにしている。

そして、従来は、上記圧延機にかかる圧延荷重がどのような値になるのかを、過去の実績データを試行錯誤しながら分類して予測していた。

概要

被制御対象を制御する際に生じる制御パラメータを、容易にかつ正確に予測することができるようにする。

鋼板2を圧延機3で圧延したことにより得られる実績データから分離された同定用データに含まれている圧延荷重の実績値に影響を与えた要素の内容と、その要素に起因して生じた圧延荷重推定誤差クラスとを定義し、定義した内容に基づいて、決定木24を作成して同定用データを分類することにより、層別の構造を明らかにするようにして、層別生成に使用する全ての要素を使用しなくても圧延荷重を正確に予測することができるようにする。

目的

本発明は、上述の問題点にかんがみ、被制御対象を制御するときに生じる制御パラメータを、容易にかつ正確に予測できるようにすることを第1の目的とする。また、鉄鋼業において鋼板を圧延する際に圧延機で生じる圧延荷重を、容易にかつ正確に予測することができるようにすることを第2の目的とする。

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

被制御対象を制御するための制御パラメータ予測する制御パラメータ予測装置であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える要素と、上記制御パラメータの実績データを分類するための基準であるクラスとを定義し、上記定義した要素の内容に従って、上記制御パラメータの実績データを各クラスに分類し、分類結果から上記制御パラメータを予測するようにしたことを特徴とする制御パラメータ予測装置。

請求項2

被制御対象を制御するための制御パラメータを予測する制御パラメータ予測装置であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える複数の要素と、上記制御パラメータの実績データを分類するための基準となる複数のクラスとを定義する実績データ定義手段と、上記実績データ定義手段により定義された要素の内容に従って、上記制御パラメータの実績データを各クラスに分類する決定木を作成する決定木作成手段と、上記決定木作成手段により作成された決定木により分類された実績データを用いて上記制御パラメータを予測する制御パラメータ予測手段とを有することを特徴とする制御パラメータ予測装置。

請求項3

上記決定木作成手段により作成された決定木の内容に基づいて、上記制御パラメータを計算するために使用する係数導出する係数導出手段を有し、上記制御パラメータ予測手段は、上記係数導出手段により導出された係数を使用して上記制御パラメータの予測値を計算することを特徴とする請求項2に記載の制御パラメータ予測装置。

請求項4

上記係数導出手段は、上記決定木作成手段により作成された決定木の層別毎に係数を導出することを特徴とする請求項3に記載の制御パラメータ予測装置。

請求項5

上記制御パラメータの実績データを、上記決定木を作成するために使用する同定用データと評価用データとに分離する実績データ分離手段と、上記実績データ分離手段により分離された同定用データから導出した係数を上記評価用データに適用して上記決定木の層別毎に制御パラメータの仮の予測値を算出するとともに、上記算出した制御パラメータの仮の予測値と実績値とを比較して上記制御パラメータの推定精度を算出し、上記算出した各層別における制御パラメータの推定精度を評価する推定精度評価手段と、上記推定精度評価手段により、制御パラメータの推定精度が最も高いと評価された決定木の層別数を決定する層別数決定手段とを有し、上記制御パラメータ予測手段は、上記層別数決定手段により決定された層別数において導出された係数を使用して制御パラメータを予測することを特徴とする請求項4に記載の制御パラメータ予測装置。

請求項6

上記推定精度評価手段は、上記評価用データの推定精度が低下するまで、上記決定木の小さい層別数から順に制御パラメータの推定精度を評価することを特徴とする請求項5に記載の制御パラメータ予測装置。

請求項7

被制御対象を制御するための制御パラメータを予測する制御パラメータ予測方法であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える要素と、上記制御パラメータの実績データを分類するための基準であるクラスとを定義し、上記定義した要素の内容に従って、上記制御パラメータの実績データを各クラスに分類し、分類結果から上記制御パラメータを予測するようにしたことを特徴とする制御パラメータ予測方法。

請求項8

被制御対象を制御するための制御パラメータを予測する制御パラメータ予測方法であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える複数の要素と、上記制御パラメータの実績データを分類するための基準となる複数のクラスとを定義する実績データ定義処理と、上記実績データ定義処理により定義された要素の内容に従って、上記制御パラメータの実績データを各クラスに分類する決定木を作成する決定木作成処理と、上記決定木作成処理により作成された決定木により分類された実績データを用いて上記制御パラメータを予測する制御パラメータ予測処理とを行うことを特徴とする制御パラメータ予測方法。

請求項9

上記決定木作成処理により作成された決定木の内容に基づいて、上記制御パラメータを計算するために使用する係数を導出する係数導出処理を行い、上記制御パラメータ予測処理は、上記係数導出処理により導出された係数を使用して上記制御パラメータの予測値を計算することを特徴とする請求項8に記載の制御パラメータ予測方法。

請求項10

上記係数導出処理は、上記決定木作成処理により作成された決定木の層別毎に、係数を導出することを特徴とする請求項9に記載の制御パラメータ予測方法。

請求項11

上記制御パラメータの実績データを、上記決定木を作成するために使用する同定用データと、評価用データとに分離する実績データ分離処理と、上記実績データ分離処理により分離された同定用データから導出した係数を上記評価用データに適用して上記決定木の層別毎に制御パラメータの仮の予測値を算出するとともに、上記算出した制御パラメータの仮の予測値と実績値とを比較して上記制御パラメータの推定精度を算出し、上記算出した各層別における制御パラメータの推定精度を評価する推定精度評価処理と、上記推定精度評価処理により、制御パラメータの推定精度が最も高いと評価された決定木の層別数を決定する層別数決定処理とを行い、上記制御パラメータ予測処理は、上記層別数決定処理により決定された層別数において導出された係数を使用して制御パラメータを予測することを特徴とする請求項10に記載の制御パラメータ予測方法。

請求項12

上記推定精度評価処理は、上記評価用データの推定精度が低下するまで、上記決定木の小さい層別数から順に制御パラメータの推定精度を評価することを特徴とする請求項11に記載の制御パラメータ予測方法。

請求項13

上記請求項2〜6の何れか1項に記載の各手段としてコンピュータを機能させるためのプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体

請求項14

上記請求項7〜12の何れか1項に記載の方法をコンピュータに実行させるためのプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

請求項15

上記請求項2〜6の何れか1項に記載の各手段としてコンピュータを機能させるためのコンピュータプログラム

請求項16

上記請求項7〜12の何れか1項に記載の方法をコンピュータに実行させるためのコンピュータプログラム。

技術分野

0001

本発明は、制御パラメータ予測装置、制御パラメータ予測方法コンピュータ読み取り可能な記録媒体及びコンピュータプログラムに関し、特に、被制御対象を制御するための制御パラメータを予測するために用いて好適なものである。

背景技術

0002

被制御対象を制御するための制御パラメータを予測し、その予測結果を制御プロセスに反映させるようにすることが一般的に行われている。

0003

例えば、鉄鋼業の分野では、鋼板圧延する際に圧延機にかかる圧延荷重を予測し、その予測結果を利用することにより、圧延機の能力最大限に活かして鋼板を圧延することができるようにしている。

0004

そして、従来は、上記圧延機にかかる圧延荷重がどのような値になるのかを、過去の実績データを試行錯誤しながら分類して予測していた。

発明が解決しようとする課題

0005

しかしながら、鋼板の板厚、圧延時の温度など、圧延荷重に影響を与える要素は非常に多いため、従来のように試行錯誤を繰り返して圧延荷重を予測したのでは、圧延荷重を予測するための労力が多大なものになるばかりか、正確な予測を行うことが困難であるという問題があった。

0006

このような問題に対し、例えば、特開平11−242504号公報にて提案されている「モデル決定方法」のように、階層的クラスタリングを用いて変数空間を分割することにより、対象システム非線形性度合いに応じて適切な変数空間の分割を行い、精度の良いモデルを作成する方法が開示されている。

0007

しかし、このような方法を用いた場合においても、得られた分類は、試行錯誤で選択した層別生成に使用する要素のすべてを使わなければならないという問題があった。

0008

本発明は、上述の問題点にかんがみ、被制御対象を制御するときに生じる制御パラメータを、容易にかつ正確に予測できるようにすることを第1の目的とする。また、鉄鋼業において鋼板を圧延する際に圧延機で生じる圧延荷重を、容易にかつ正確に予測することができるようにすることを第2の目的とする。

課題を解決するための手段

0009

本発明の制御パラメータ予測装置は、被制御対象を制御するための制御パラメータを予測する制御パラメータ予測装置であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える要素と、上記制御パラメータの実績データを分類するための基準であるクラスとを定義し、上記定義した要素の内容に従って、上記制御パラメータの実績データを各クラスに分類し、分類結果から上記制御パラメータを予測するようにしたことを特徴としている。また、本発明の他の特徴とするところは、被制御対象を制御するための制御パラメータを予測する制御パラメータ予測装置であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える複数の要素と、上記制御パラメータの実績データを分類するための基準となる複数のクラスとを定義する実績データ定義手段と、上記実績データ定義手段により定義された要素の内容に従って、上記制御パラメータの実績データを各クラスに分類する決定木を作成する決定木作成手段と、上記決定木作成手段により作成された決定木により分類された実績データを用いて上記制御パラメータを予測する制御パラメータ予測手段とを有することを特徴としている。また、本発明のその他の特徴とするところは、上記決定木作成手段により作成された決定木の内容に基づいて、上記制御パラメータを計算するために使用する係数導出する係数導出手段を有し、上記制御パラメータ予測手段は、上記係数導出手段により導出された係数を使用して上記制御パラメータの予測値を計算することを特徴としている。また、本発明のその他の特徴とするところは、上記係数導出手段は、上記決定木作成手段により作成された決定木の層別毎に係数を導出することを特徴としている。また、本発明のその他の特徴とするところは、上記制御パラメータの実績データを、上記決定木を作成するために使用する同定用データと評価用データとに分離する実績データ分離手段と、上記実績データ分離手段により分離された同定用データから導出した係数を上記評価用データに適用して上記決定木の層別毎に制御パラメータの仮の予測値を算出するとともに、上記算出した制御パラメータの仮の予測値と実績値とを比較して上記制御パラメータの推定精度を算出し、上記算出した各層別における制御パラメータの推定精度を評価する推定精度評価手段と、上記推定精度評価手段により、制御パラメータの推定精度が最も高いと評価された決定木の層別数を決定する層別数決定手段とを有し、上記制御パラメータ予測手段は、上記層別数決定手段により決定された層別数において導出された係数を使用して制御パラメータを予測することを特徴としている。また、本発明のその他の特徴とするところは、上記推定精度評価手段は、上記評価用データの推定精度が低下するまで、上記決定木の小さい層別数から順に制御パラメータの推定精度を評価することを特徴としている。

0010

本発明の制御パラメータ予測方法は、被制御対象を制御するための制御パラメータを予測する制御パラメータ予測方法であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える要素と、上記制御パラメータの実績データを分類するための基準であるクラスとを定義し、上記定義した要素の内容に従って、上記制御パラメータの実績データを各クラスに分類し、分類結果から上記制御パラメータを予測するようにしたことを特徴としている。また、本発明の他の特徴とするところは、被制御対象を制御するための制御パラメータを予測する制御パラメータ予測方法であって、上記制御パラメータの実績データに対して、上記制御パラメータに影響を与える複数の要素と、上記制御パラメータの実績データを分類するための基準となる複数のクラスとを定義する実績データ定義処理と、上記実績データ定義処理により定義された要素の内容に従って、上記制御パラメータの実績データを各クラスに分類する決定木を作成する決定木作成処理と、上記決定木作成処理により作成された決定木により分類された実績データを用いて上記制御パラメータを予測する制御パラメータ予測処理とを行うことを特徴としている。また、本発明のその他の特徴とするところは、上記決定木作成処理により作成された決定木の内容に基づいて、上記制御パラメータを計算するために使用する係数を導出する係数導出処理を行い、上記制御パラメータ予測処理は、上記係数導出処理により導出された係数を使用して上記制御パラメータの予測値を計算することを特徴としている。また、本発明のその他の特徴とするところは、上記係数導出処理は、上記決定木作成処理により作成された決定木の層別毎に、係数を導出することを特徴としている。また、本発明のその他の特徴とするところは、上記制御パラメータの実績データを、上記決定木を作成するために使用する同定用データと、評価用データとに分離する実績データ分離処理と、上記実績データ分離処理により分離された同定用データから導出した係数を上記評価用データに適用して上記決定木の層別毎に制御パラメータの仮の予測値を算出するとともに、上記算出した制御パラメータの仮の予測値と実績値とを比較して上記制御パラメータの推定精度を算出し、上記算出した各層別における制御パラメータの推定精度を評価する推定精度評価処理と、上記推定精度評価処理により、制御パラメータの推定精度が最も高いと評価された決定木の層別数を決定する層別数決定処理とを行い、上記制御パラメータ予測処理は、上記層別数決定処理により決定された層別数において導出された係数を使用して制御パラメータを予測することを特徴としている。また、本発明のその他の特徴とするところは、上記推定精度評価処理は、上記評価用データの推定精度が低下するまで、上記決定木の小さい層別数から順に制御パラメータの推定精度を評価することを特徴としている。

0011

本発明のコンピュータ読み取り可能な記録媒体は、上記何れかに記載の各手段としてコンピュータを機能させるためのプログラムを記録したことを特徴としている。また、本発明の他の特徴とするところは、上記何れかに記載の方法をコンピュータに実行させるためのプログラムを記録したことを特徴としている。

0012

本発明のコンピュータプログラムは、上記何れかに記載の各手段としてコンピュータを機能させることを特徴としている。また、本発明のその他の特徴とするところは、上記何れかに記載の方法をコンピュータに実行させることを特徴としている。

発明を実施するための最良の形態

0013

次に、添付の図面を参照しながら本発明の制御パラメータ予測装置、制御パラメータ予測方法、コンピュータ読み取り可能な記録媒体及びコンピュータプログラムについて説明する。

0014

図1は、本発明に係る制御パラメータ予測装置の一実施の形態を適用した鋼板圧延システムの構成の一例を示した図である。

0015

図1において、鋼板圧延システム1は、例えば鋼板2を熱間圧延する圧延機3と、上記圧延機3で鋼板2を圧延するときに生じる圧延荷重を予測する制御パラメータ予測装置としての圧延荷重予測装置4とを有している。

0016

圧延機3は、第1のワークロール5と、第2のワークロール6と、第1のバックアップロール7と、第2のバックアップロール8と、ロードセル荷重測定装置)9と、油圧圧下機構10とを有している。

0017

図1に示すように、所定の温度に加熱された鋼板2は、所定の回転数で回転する第1のワークロール5及び第2のワークロール6の間を通過することにより圧延される。

0018

そして、鋼板2が第1のワークロール5及び第2のワークロール6の間を通過して圧延されるときに生じる圧延荷重が、例えば上記第1のワークロール5を支持する第1のバックアップロール7に設けられたロードセル9で測定される。

0019

また、第2のワークロール6を支持する第2のバックアップロール8には油圧圧下機構10が設けられており、この油圧圧下機構10を制御することにより鋼板2の圧下位置が調整される。

0020

なお、圧延前の鋼板2の板厚が入側板厚計11で測定され、圧延後の鋼板2の板厚が出側板厚計12で測定される。

0021

一方、圧延荷重予測装置4は、上述したようにして鋼板2が圧延機3で所定の厚さに圧延されるときに必要な制御パラメータとしての圧延荷重を予測する機能を有する装置である。

0022

そして、圧延荷重予測装置4は、以下の式(1)で表されるモデル式により、圧延荷重を予測する。
P=Kfm×Qp×Ld×b/1000・・・(1)

0023

ここで、Pは圧延荷重(ton)、Kfmは変形抵抗(kg/mm2)、Qpは圧下力関数である。また、Ldは接触弧長(mm)、bは圧延幅(mm)である。

0024

さらに、上記変形抵抗Kfmは、以下の式(2)で表されるモデル式により予測される。
Kfm=exp(A)×εn×ε´m・・・(2)

0025

ここで、εは歪み、ε´は歪み速度(1/s)である。また、A、n、mは、以下の式(3)、式(4)、及び式(5)で表される。

0026

A=A0+A1×C+A2×N+A3×T・・・(3)
n=n0+n1×C+n2×N+n3×T・・・(4)
m=m0+m1×C+m2×N+m3×T・・・(5)

0027

ここで、Cは鋼板2に含まれる炭素含有率(%)、Nは鋼板2に含まれる窒素含有率(%)、Tは鋼板2の温度(K)である。また、Ai、ni、miは、変形抵抗モデル係数であり、鋼板2を圧延することによって得られる実績データから重回帰分析により求められる。

0028

このような機能を有する本実施の形態の圧延荷重予測装置4は、具体的に、実績データ取得手段13と、実績データ分離手段14と、圧延荷重推定誤差算出手段15と、実績データ定義手段16と、決定木作成手段17と、変形抵抗モデル係数導出手段18と、圧延荷重推定精度評価手段19と、層別数決定手段20と、圧延荷重予測手段21とを有し、これらの手段はCPU、RAM及びROM等より成るコンピュータシステムにより構成される。

0029

実績データ取得手段13は、鋼板2を圧延機3で圧延することによって得られる実績データを取得する機能を有している。

0030

上記実績データには、圧延荷重の実績値と、上記圧延荷重の実績値から重回帰分析を行うことによって求められる変形抵抗Kfmと、歪みε及び歪み速度ε´とが含まれている。この他、上記実績データには、圧延時に生じた圧延荷重に影響を与えた要素の実績値も含まれている。なお、上記要素の具体的な内容については後述する。

0031

実績データ分離手段14は、上記実績データ取得手段13により取得された実績データを、同定用データと評価用データとに分離して、図示しない記憶媒体蓄積する。

0032

なお、この実績データ分離手段14は、圧延荷重の予測を行うのに十分な情報が得られるようにするために、所定数のデータが蓄積された後、実績データの分離を行う。

0033

圧延荷重推定誤差算出手段15は、上記実績データ取得手段14により取得された実績データに含まれている要素に起因して生じたと推定される圧延荷重の実績値と計算値との誤差(以下、圧延荷重推定誤差と表す)をオフラインで計算し、計算結果を図示しない記憶媒体に記憶する機能を有する。なお、圧延荷重推定誤差算出手段15の具体的な処理動作については後述する。

0034

実績データ定義手段16は、例えば、オペレータにより作成された図2に示すようなテーブル22、23により、圧延荷重に影響を与える要素(属性)と、上記圧延荷重推定誤差のクラスとを定義する機能を有する。

0035

図2(a)に示すように、本実施の形態の圧延荷重予測装置4では、13個の要素(属性)が定義されている。具体的には、圧下率r、鋼板2の入側板厚Hin、圧延直前の鋼板2の代表温度Ts、鋼板2を圧延するときのロール回転数RPM、パス間時間Pass-time、圧延長L、形状比K、鋼板2に含まれる炭素含有量C及び窒素含有量N、鋼板2の圧下量dH、鋼板2の板幅b、鋼板2の圧延時間rtime、及びアイドル時間itimeが定義されている。

0036

なお、上記パス間時間Pass-timeは、以下の式(6)により表される時間である。
Pass-time=(ra/2)+itime+(rb/2)・・・(6)

0037

ここで、raは先行鋼板の圧延時間、rbは、上記先行鋼板の次に圧延される鋼板(以下、後行鋼板と表す)の圧延時間である。また、itimeは、上記アイドル時間であり、先行鋼板の圧延が終了してから、後行鋼板の圧延が開始されるまでの時間である。

0038

また、図2(b)に示すように、本実施の形態の圧延荷重予測装置4では、3つのクラスが定義されている。具体的には、圧延荷重推定誤差算出手段15により算出された圧延荷重推定誤差が+5%より大きい値で外れる場合に当てはまるクラス(1)と、±5%以内の場合に当てはまるクラス(0)と、−5%より小さい値で外れる場合に当てはまるクラス(−1)が定義されている。

0039

決定木作成手段17は、上記実績データ定義手段16により定義された内容に従って決定木を作成し、上記実績データ分離手段14により分離された同定用データを分類する機能を有する。

0040

すなわち、決定木作成手段17は、テーブル22で定義されている各要素(属性)の具体的な境界値を、上記実績データ分離手段14により分離された所定数の同定用データ(実績データ)の中から選択する。そして、上記選択した各要素に起因して生じたと推定される圧延荷重推定誤差の値を、上記圧延荷重推定誤差算出手段15により算出して、記憶媒体に記憶しておいた圧延荷重推定誤差の一覧の中から読み出す。そして、上記読み出した圧延荷重推定誤差のクラスを、上記テーブル23を参照して決定する。

0041

上記読み出した各要素(属性)の値と、上記決定した圧延荷重推定誤差のクラスの内容とに基づいて、決定木を作成し、上記実績データ分離手段14により分離された同定用データを分類する。

0042

図3に、上記決定木作成手段17で作成した決定木の一例を示す。なお、この決定木24は、4006回の圧延を行って得られた実績データ(同定用データ)を用いて作成されている。また、図3に示されている記号は、図2(a)に示したテーブル22に付されている記号と同じ内容を表している。

0043

図3に示すように、決定木作成手段17は、上述した13個の要素(属性;図2(a)を参照)のうち、圧延荷重への影響度の高い要素から順に層別を行って、最終的に単一のクラスが得られるように決定木24を作成する。

0044

この決定木24から、例えば、圧延時間rtimeが2.3秒以上であり、且つ、鋼板の入側板厚Hinが44.73mm以下であり、且つ、鋼板2に含まれている炭素含有量Cが2.1%以下である75個の実績データ(同定用データ)は、圧延荷重推定誤差が−5%より小さい値で外れ、クラス(−1)に属するということが分かる。他の枝についても同様であり、この決定木24により、実績データ(同定用データ)が3つのクラス(1、0、−1)に分類される。

0045

変形抵抗モデル係数導出手段18は、決定木作成手段17により作成された決定木24の各層別に分類されている実績データ(同定用データ)を用いて重回帰分析を行い、変形抵抗モデル係数Ai、ni、miを導出する機能を有する。

0046

圧延荷重推定精度評価手段19は、例えば、変形抵抗モデル係数導出手段18及び圧延荷重推定誤差算出手段15により算出された変形抵抗モデル係数Ai、ni、miを、上記実績データ分離手段14により分離された評価用データに当てはめることにより、圧延荷重の仮の予測値を算出し、上記算出した圧延荷重の仮の予測値と、実績データ(同定用データ)に含まれている圧延荷重の実績値とを比較することにより、各層別における圧延荷重の推定精度を算出し、算出した圧延荷重の推定精度を評価する機能を有する。

0047

なお、上記圧延荷重の推定精度は、後述するように、変形抵抗モデル係数導出手段18により導出された変形抵抗モデル係数Ai、ni、miが、圧延荷重を予測するために使用するものとして適切なものであるかを検証するために用いられるものである。

0048

層別数決定手段20は、圧延荷重推定精度評価手段19による評価結果に基づいて、圧延荷重の予測に最適な変形抵抗モデル係数Ai、ni、miを導き出す決定木24の層別数を決定する機能を有する。

0049

図4(a)に示すように、一般に、決定木24により分類された同定用データを用いて圧延荷重を計算した場合には、分類(層別)を細かくすればするほど圧延荷重の計算値と実績値との誤差は小さくなる。

0050

これに対し、図4(b)に示すように、上記同定用データと異なる評価用データを用いて圧延荷重を計算した場合には、ある層別数を境に、細かく分類(層別)すると却って圧延荷重の計算値と実績値との誤差が大きくなることがある。

0051

以上のことから、本実施の形態の圧延荷重予測装置4では、上記圧延荷重の推定精度が最も高い(すなわち、上記計算値と実績値との誤差が最も小さい)と評価された層別数を、最適な変形抵抗モデル係数Ai、ni、miを導き出せる決定木24の層別数として決定するようにしている。

0052

圧延荷重予測手段21は、層別数決定手段20により決定された層別数に分類されている実績データ(同定用データ)群から導出された変形抵抗モデル係数Ai、ni、miを用いて、上記式(2)から変形抵抗Kfmを求めるとともに、上記求めた変形抵抗Kfmを用いて、上記式(1)から圧延荷重Pを求め、圧延荷重の予測値を算出する機能を有する。

0053

次に、図5フローチャートを参照しながら、圧延荷重予測装置4のオフライン処理(圧延荷重推定誤差算出手段15の動作)について説明する。

0054

まず、最初のステップS1において、実績データ取得手段13により取得された実績データから、重回帰分析を行って変形抵抗モデル係数Ai、ni、miを算出する。

0055

次に、ステップS2において、ステップS1で算出した変形抵抗モデル係数Ai、ni、miを用いて、上記式(2)から変形抵抗Kfmを求めるとともに、求めた変形抵抗Kfmを用いて、上記式(1)から圧延荷重を算出する。

0056

次に、ステップS3において、ステップS2で算出した圧延荷重の値と、上記実績データに含まれている圧延荷重の実績値とから圧延荷重推定誤差を算出する。そして、算出した圧延荷重推定誤差を記憶媒体に記憶する。

0057

本実施の形態の圧延荷重予測装置4は、上記ステップS3で算出された圧延荷重推定誤差が、どのような圧延条件により生じているのかを分析し、その分析結果から、オンラインで圧延機3にかかる圧延荷重を予測する。以下、図6のフローチャートを参照しながら、本実施の形態の圧延荷重予測装置4のオンライン処理について説明する。

0058

まず、最初のステップS11において、実績データ取得手段13は、鋼板2を圧延機3で圧延したことにより得られる実績データを取得するまで待機する。

0059

実績データ取得手段13が実績データを取得すると、ステップS12に進み、実績データ分離手段14は、上記実績データを同定用データと評価用データとに分離し、各データを記憶媒体に記憶する。

0060

次に、ステップS13において、実績データ分離手段14は、所定数の実績データを分離したか否かを判定する。この判定の結果、所定数の実績データを分離した場合には、ステップS14に進む。

0061

一方、所定数の実績データを分離していない場合はステップS11の処理に戻り、所定数の実績データを分離するまでステップS11からステップS13の処理を繰り返す。

0062

次に、ステップS14において、決定木作成手段17は、テーブル22、23に定義されている内容に従って決定木24を作成し、上記実績データ分離手段14により分離された同定用データを分類する。

0063

次に、ステップS15において、変形抵抗モデル係数導出手段18は、ステップS14において作成された決定木24のn番目に小さい層別数に分類されている同定用データ群を読み出し、読み出した同定用データ群から重回帰分析を行って変形抵抗モデル係数Ai、ni、miを導出する。なお、上記nは、計算順序を決定するための変数であり、1を最小値とする整数である(n=1、2、3・・・n)。

0064

次に、ステップS16において、圧延荷重推定精度評価手段19は、ステップS15において導出された変形抵抗モデル係数Ai、ni、miと、圧延荷重推定誤差算出手段15により求められた変形抵抗モデル係数Ai、ni、miとを読み出す。

0065

そして、読み出した変形抵抗モデル係数Ai、ni、miを、ステップS12で分離された評価用データに当てはめて圧延荷重の仮の予測値を算出し、算出した圧延荷重の仮の予測値と、圧延荷重の実績値とを比較することにより圧延荷重の推定精度を算出する。

0066

次に、ステップS17において、圧延荷重推定精度評価手段19は、既に記憶媒体に圧延荷重の推定精度が記憶されているか否かを判定する。

0067

この判定の結果、圧延荷重の推定精度が、記憶媒体に記憶されていない場合は、ステップS18に進み、ステップS16で算出した圧延荷重の推定精度の値を記憶媒体に記憶し、ステップS19に進む。一方、圧延荷重の推定精度が、既に記憶媒体に記憶されている場合は、そのままステップS19に進む。

0068

次に、ステップS19において、圧延荷重推定精度評価手段19は、ステップS16で算出した圧延荷重の推定精度の値が、記憶媒体に記憶されている圧延荷重の推定精度の値以上であるか否かを判定する。

0069

この判定の結果、ステップS16で算出した圧延荷重の推定精度の値が、記憶媒体に記憶されている圧延荷重の推定精度の値以下である場合は、後述するステップS22に進む。

0070

一方、ステップS16で算出した圧延荷重の推定精度の値が、記憶媒体に記憶されている圧延荷重の推定精度の値よりも高い場合は、ステップS20に進み、圧延荷重推定精度評価手段19は、記憶媒体に記憶されている圧延荷重の推定精度の値を、ステップS16で算出した値に書き換える。

0071

次に、ステップS21において、圧延荷重推定精度評価手段19は、上記計算順位nをn+1に設定して上述したステップS15に戻り、ステップS14で作成された決定木24のn+1番目に小さい層別数に属している同定用データに対してステップS15からステップS21までの処理を行う。

0072

このステップS15からステップS21までの処理は、ステップS16で算出される圧延荷重の推定精度の値が、記憶媒体に記憶されている圧延荷重の推定精度の値よりも低くなるまで繰り返される。

0073

そして、ステップS19において、ステップS16で算出された圧延荷重の推定精度の値が、記憶媒体に記憶されている圧延荷重の推定精度の値よりも低いと判定されると、ステップS22に進み、層別数決定手段20は、記憶媒体に記憶されている圧延荷重の推定精度を算出する際に使用した同定用データが属している決定木24の層別数を割り出して、最適な変形抵抗モデル係数Ai、ni、miを導き出す決定木24の層別数を決定する。

0074

次に、ステップS23において、圧延荷重予測手段21は、上記ステップS22で決定した層別数に属している同定用データを用いて導出された変形抵抗モデル係数Ai、ni、miを用いて上記式(2)から変形抵抗Kfmを算出し、算出した変形抵抗Kfmを用いて上記式(1)から圧延荷重の予測値を算出する。

0075

そして、例えば、圧延荷重予測手段21により算出された圧延荷重の予測値を用いて、油圧圧下機構10を制御し、圧延機3の能力を最大限に活かして鋼板2を圧延することができるようにする。

0076

図7は、鋼板2の圧延時間と、上記圧延時間で鋼板2を圧延した時に生じた圧延荷重推定誤差との関係を示した図である。

0077

また、図8は、図7に示した実績データから分離された同定用データを用いて算出された圧延荷重の予測値の精度と、同じく図7に示した実績データから分離された評価用データを用いて算出された圧延荷重の推定精度とを表形式で示した図である。

0078

そして、図8(a)は、図3に示した決定木24の結果の通り、2.3秒の圧延時間で層別を行った場合の精度を、図8(b)は3.5秒の圧延時間で層別を行った場合の精度をそれぞれ示している。

0079

図8の結果から、圧延荷重予測装置4により作成された決定木24の結果は、層別境界値として妥当な値を提供することができ、決定木24を使用して実績データ(同定用データ)を分類すれば、圧延荷重を正確に予測することができることが分かる。

0080

以上のように、本実施の形態においては、鋼板を圧延機3で圧延することによって得られる実績データに対して、その実績データに影響を与えた要素の内容と、その要素に起因して生じたと推定される圧延荷重推定誤差のクラスとを定義し、定義した内容に基づいて作成した決定木24により実績データを分類するようにしたので、決定木24の内容を見れば、実績データを各クラスに分類するのに効果的な要素を容易に知ることができ、層別の構造を明らかにすることができる。これにより、層別生成に必要な要素を限定することができ、層別生成に使用する全ての要素を使用しなくても圧延荷重を正確に予測することができる。

0081

なお、本実施の形態では、圧延機3で鋼板2を圧延するときに生じる圧延荷重を予測する場合について説明したが、予測する対象は圧延荷重に限定されず、被制御対象を制御するための制御パラメータであればどのようなものであってもよい。

0082

(本発明の他の実施形態)上述した実施形態の機能を実現するべく各種のデバイスを動作させるように、該各種デバイスと接続された方法あるいはシステム内のコンピュータに対し、上記実施形態の機能を実現するためのソフトウェアプログラムコードを供給し、そのシステムあるいは方法のコンピュータ(CPUあるいはMPU)に格納されたプログラムに従って上記各種デバイスを動作させることによって実施したものも、本発明の範疇に含まれる。

0083

また、この場合、上記ソフトウェアのプログラムコード自体が上述した実施形態の機能を実現することになり、そのプログラムコード自体、およびそのプログラムコードをコンピュータに供給するための手段、例えば、かかるプログラムコードを格納した記録媒体は本発明を構成する。かかるプログラムコードを記憶する記録媒体としては、例えばフレキシブルディスクハードディスク光ディスク光磁気ディスクCD−ROM磁気テープ不揮発性メモリカード、ROM等を用いることができる。

0084

また、コンピュータが供給されたプログラムコードを実行することにより、上述の実施形態の機能が実現されるだけでなく、そのプログラムコードがコンピュータにおいて稼働しているOS(オペレーティングシステム)あるいは他のアプリケーションソフト等と共同して上述の実施形態の機能が実現される場合にもかかるプログラムコードは本発明の実施形態に含まれることは言うまでもない。

0085

さらに、供給されたプログラムコードがコンピュータの機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに格納された後、そのプログラムコードの指示に基づいてその機能拡張ボードや機能拡張ユニットに備わるCPU等が実際の処理の一部または全部を行い、その処理によって上述した実施形態の機能が実現される場合にも本発明に含まれることは言うまでもない。

発明の効果

0086

以上説明したように、本発明によれば、被制御対象を制御するときに生じる制御パラメータの実績データに対して、上記制御パラメータに影響を与える要素と、上記制御パラメータの実績データを分類するための基準であるクラスを定義し、定義した要素の内容に応じて、上記制御パラメータの実績データを各クラスに分類し、分類した結果から上記制御パラメータを予測するようにしたので、実績データを各クラスに分類するのに有効な要素を順番に知ることができ、層別の構造を明らかにすることができる。これにより、層別生成に必要な要素を限定することができ、被制御対象を制御するための制御パラメータを、容易にかつ正確に予測することができる。

図面の簡単な説明

0087

図1本発明の実施の形態を示し、制御パラメータ予測方法の一実施の形態を適用した鋼板圧延システムの構成の一例を示した図である。
図2本発明の実施の形態を示し、圧延荷重に影響を与える要素(属性)の内容と、荷重誤差のクラスの内容を示した図である。
図3本発明の実施の形態を示し、圧延荷重予測方法により作成される決定木の一例を示した図である。
図4本発明の実施の形態を示し、圧延荷重推定精度の評価結果の一例を表形式で示した図である。
図5本発明の実施の形態を示し、圧延荷重予測方法のオフライン処理を説明するフローチャートである。
図6本発明の実施の形態を示し、圧延荷重予測方法のオンライン処理を説明するフローチャートである。
図7本発明の実施の形態を示し、鋼板の圧延時間と、上記圧延時間で鋼板を圧延した時に生じた圧延荷重推定誤差との関係を示した図である。
図8本発明の実施の形態を示し、圧延荷重予測装置により算出された圧延荷重の予測値の精度を表形式で示した図である。

--

0088

1鋼板圧延システム
2 鋼板
3圧延機
4圧延荷重予測方法
14実績データ分離手段
15圧延荷重推定精度誤差算出手段
16 実績データ定義手段
17決定木作成手段
18変形抵抗モデル係数導出手段
19 圧延荷重推定精度評価手段
20層別数決定手段
21 圧延荷重予測手段

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • ファナック株式会社の「 制御装置、制御システム、及び機械学習装置」が 公開されました。( 2021/01/07)

    【課題】産業機械の動作状態に応じて、適切なピークカット用モータのベース速度を学習し、設定する制御装置、制御システム、及び機械学習装置を提供すること。【解決手段】本発明の制御装置1は、少なくとも産業機械... 詳細

  • パナソニックIPマネジメント株式会社の「 電動機の制御装置」が 公開されました。( 2021/01/07)

    【課題・解決手段】電動機の制御装置は、位置制御部と、指令加速度算出部と、第1の減算器と、第2の減算器と、を含む。位置制御部は、負荷の目標位置を指定する位置指令信号と負荷を駆動する電動機の位置を示す電動... 詳細

  • パナソニックIPマネジメント株式会社の「 電動機の制御装置」が 公開されました。( 2021/01/07)

    【課題・解決手段】被制御対象の負荷(機械負荷)を駆動する電動機の制御装置であって、フィードフォワード制御部と、フィードバック制御部と、加減算器と、を備える。フィードフォワード制御部は、被制御対象の負荷... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ