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

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。

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、鋼板を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、圧延機の能力を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。

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、対象システムの非線形性の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。

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を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。

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に蓄積する。

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の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の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、不揮発性のメモリカード、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。

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。

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