[发明专利]学习系数控制装置

说明书

技术领域

本发明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。

背景技术

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＝Z_P·P^ORI                   (1)

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(1)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

P^ORI：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1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1：日本专利特开平10-180321号公报

发明内容

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。

本发明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1所记载的发明的特征在于，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。

根据本发明，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1是将实施例1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1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1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1的学习系数控制装置内的学习系数修正部的效果的图。