学习系数控制装置制造方法及图纸

本发明专利技术的目的在于提供一种学习系数控制装置，该学习系数控制装置即使在学习系数超过限制值的情况下，仍能将学习系数控制在限制值内来修正模型误差。对于基于两个以上的模型来预测一个物理量的过程模型，学习运算部(10)基于物理量的预测值和实际值之差来计算各模型的学习系数，变换系数运算部(14)运算用于获得校正值所必要的变换系数，该校正值用于改变另一个模型的预测值，以使得在改变一个模型的预测值时最后求出的物理量的预测值不变，模型校正值运算部(20)在一个模型的学习系数超过第一限制值的情况下，基于来自学习系数修正值运算部(17)的模型的学习系数的修正值和来自变换系数平均值运算部(19)的变换系数的平均值，来运算用于以另一个模型来补偿因修正一个模型的学习系数而产生的预测值的变化量的模型的校正值。

【技术实现步骤摘要】

本专利技术涉及对金属等进行轧制的过程，特别涉及对表示轧制过程的模型的参数进行修正的学习系数控制装置。
技术介绍
通常，在过程控制中，生成表示过程的现象的模型，对该模型来构建控制系统以实施控制。因而，最终产品的控制精度与模型如何高精度地表现过程有着很大的关系。因此，为了弥补过程和模型的误差而进行模型学习，以力图提高模型的精度。P = Zp Poei(I)一般为了提高轧制模型的预测精度，而进行弥补轧制实际值与轧制模型预测值之间的误差的学习控制。作为轧制模型的代表性模型有负荷模型，作为该负荷模型的控制方法有以式(I)所示的学习系数Zp来提高预测精度的学习方法。式中，P :负荷预测值[kN]Zp:负荷学习系数Poei :负荷模型预测值[kN]学习系数是以轧制实际值和轧制模型预测值之比来表示的，使用根据容易产生轧制模型误差的因子所区分的分层表来对每一分层进行学习。具体而言，如专利文献I所记载的那样，按照钢的种类、轧制尺寸、及工作辊的不同来对学习区分进行分层，从而学习因轧制材料、轧机机座的不同而引起的轧制模型的误差，力图提高轧制模型的精度。另外，学习系数有时会因实际值的异常而导致计算出的学习系数也成为异常值。由于这并不是因为模型的原因而导致成为异常值，因此，不能学习该异常值。因此，一般而言，对学习系数设置限制值，在学习系数超过限制值的情况下，忽略学习系数，或置换为限制值内的预先决定的值来进行学习。现有技术文献专利文献专利文献I :日本专利特开平10-180321号公报
技术实现思路
如上所述，通过对学习系数分层来进行学习及存储，从而能够提高模型的预测精度，但是对于每一分层的学习系数存在下述问题。在模型式的参数不恰当的情况下，或在预先设定的限制值不适当的情况下，即使对某一分层计算出的学习系数是正确的值，有时也会超过限制值。在这种情况下，也忽略该 学习系数或置换为限制值内的预先决定的值，来进行学习。因此，由于下一轧制材料的学习系数不恰当，因而不能提高轧制模型的预测精度。本专利技术是为了解决上述问题而完成的，其目的在于提供一种学习系数控制装置，该学习系数控制装置即使在学习系数超过限制值的情况下，也能修正分层的学习系数，在限制值内控制学习系数，从而能够高效地修正模型误差。权利要求I所记载的专利技术的特征在于，包括学习运算部，该学习运算部对于基于表示过程的至少两个模型来最终预测一个物理量的过程模型，基于物理量的预测值和实际值之差来计算各模型的学习系数；存储部，该存储部将各模型的学习系数存储到对各模型准备的分层表中；变换系数运算部，该变换系数运算部运算用于获得校正值所必要的变换系数，该校正值用于改变另一个模型的预测值，以使得在基于上述物理量的实际值来改变一个模型的预测值时最后求出的物理量的预测值不变；变换系数存储部，该变换系数存储部存储由上述变换系数运算部运算出的变换系数；学习系数修正值运算部，该学习系数修正值运算部在上述存储部中所存储的一个模型的学习系数超过预先设定的第一限制值的情况下，运算该模型的学习系数的修正值；变换系数平均值运算部，该变换系数平均值运算部运算上述变换系数存储部中所存储的变换系数的平均值；以及模型校正值运算部，该模型校正值运算部基于由上述学习系数修正值运算部运算出的学习系数的修正值和由上述变换系数平均值运算部运算出的变换系数的平均值，来运算用于以另一个模型来补偿因修 正一个模型的学习系数而产生的预测值的变化量的模型的校正值。根据本专利技术，由于模型校正值运算部基于由学习系数修正值运算部运算出的学习系数的修正值和由变换系数平均值运算部运算出的变换系数的平均值，来运算用于以另一个模型来补偿因修正一个模型的学习系数而产生的预测值的变化量的模型的校正值，因此即使在学习系数超过预先设定的限制值的情况下，也能够修正分层的学习系数，将学习系数控制在限制值内，从而高效地修正模型误差，达到提高模型的精度。附图说明图I是将实施例I的学习系数控制装置的结构应用到串列式冷轧机的结构图。图2是实施例I的学习系数控制装置内的变换系数存储部的详细图。图3是表示实施例I的学习系数控制装置内的学习系数修正部的效果的图。图4是表示实施例I的学习系数控制装置内的学习系数修正部的效果的图。图5是实施例I的学习系数控制装置内的校正值存储部的详细图。图6是将实施例2的学习系数控制装置的结构应用到串列式冷轧机的结构图。附图标记I 5轧机6轧制材料7轧制方向8板厚检测装置9,9a学习系数控制装置10学习运算部11存储部12负荷学习表13变形阻抗学习表14变换系数运算部15变换系数存储部16学习系数监视部17学习系数修正值运算部18学习系数修正部19变换系数平均值运算部20模型校正值运算部 21校正值存储部22变换系数表23校正值表24校正值监视部25操作显示画面具体实施例方式说明将本专利技术的实施例I的学习系数控制装置应用到串列式冷轧机的轧制模型的例子。[实施例I]图I是将实施例I的学习系数控制装置的结构应用到串列式冷轧机的结构图。在图I中，轧机采用以下结构即，串列配置从第一机座I到第五机座5这五台机座。轧制材料6沿箭头7的方向被轧制成所希望的产品，由未图示的卷取机进行卷绕。各轧机包括测定未图示的轧制负荷等的装置。而且，在第五机座5的出口侧设置有测定轧制材料6的板厚的板厚检测装置8。计算冷轧机的各致动器的设定值，使得基于预先给予的轧制信息并使用轧制模型能获得所希望的产品。例如，以式(2)表示负荷模型，以式(3)表示变形阻抗模型，从而能够预测轧制负荷。Pj = Zpijk knij fj (tfJ, tbJ, knij) Lj Wj Qj(2)km^ = ^Kjj '( 式中，i :钢的种类区分编号j :轧机机座区分编号k:目标板厚区分编号Pj :负荷预测值[kN]Zpijk:负荷学习系数knij :变形阻抗预测值[MPa]fj:张力的影响函数tfJ :前方张力[MPa]tbJ :后方张力[MPa]Lj :接触弧长[mm]Wj :轧制材料在宽度方向上的长度[mm]Qj:压下力函数Zkij :变形阻抗学习系数km；81 :变形阻抗模型预测值[MPa]此外，由于在式(2)中包含张力的影响函数，因此，负荷和变形阻抗之间为有非线性关系。通常，由于轧制模型中有误差，因此，进行接下来叙述的学习控制，从而力图提高轧制模型的精度。学习系数控制装置9包括学习运算部10、存储部11、变换系数运算部14、变换系数存储部15、学习系数监视部16、学习系数修正值运算部17、学习系数修正部18、变换系数平均运算部19、模型校正值运算部20、校正值存储部21。未图示的实际数据采集装置在轧制中采集轧制实际值。学习运算部10使用由实际数据采集装置采集到的轧制实际值，来运算轧制实际值和轧制模型预测制之比或之差作 为学习系数，进行平滑化处理。存储部11将由学习运算部10进行了平滑化处理的学习系数存储到分层的学习系数表中。在下一材料设定计算中，使用存储部11中所存储的最新的学习系数(学习值)来运算各致动器的初始值。在上述的轧制模型的情况下，存储部11对构成预测计算的两个模型(负荷模型和变形阻抗模型)设置负荷学习表12和变形阻抗学习表13。例如，负荷学习表12按照钢的种类、目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
2011.03.01 JP 2011-0440501.一种学习系数控制装置，其特征在于，包括 学习运算部，该学习运算部对于基于表示过程的至少两个模型来最终预测一个物理量的过程模型，基于物理量的预测值和实际值之差来计算各模型的学习系数； 存储部，该存储部将各模型的学习系数存储到对各模型准备的分层表中； 变换系数运算 部，该变换系数运算部运算用于获得校正值所必要的变换系数，该校正值用于改变另一个模型的预测值，以使得在基于所述物理量的实际值来改变一个模型的预测值时最后求出的物理量的预测值不变； 变换系数存储部，该变换系数存储部存储由所述变换系数运算部运算出的变换系数；学习系数修正值运算部，该学习系数修正值运算部在所述存储部中所存储的一个模型的学习系数超过预先设定的第一限制值的情况下，运算该模型的学习系数的修正值； 变换系数平均值运算部，该变换系数平均值运算部运算所述变换系数存储部中所存储的变换系数的平均值；以及 模型校正值运算部，该模型校正值运算部基于由所述学习系数修正值运算部运算出的学习系数的修正值和由所述变换系数平均值运算部运算出的变换系数的平均值，来运算用于以另一个模型来补偿因修正一个模型的学习系数而产生的预测值...

【专利技术属性】
技术研发人员：新居稔大，手塚知幸，下田直树，
申请(专利权)人：东芝三菱电机产业系统株式会社，
类型：发明
国别省市：