[go: up one dir, main page]

DE19731980A1 - Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes - Google Patents

Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes

Info

Publication number
DE19731980A1
DE19731980A1 DE19731980A DE19731980A DE19731980A1 DE 19731980 A1 DE19731980 A1 DE 19731980A1 DE 19731980 A DE19731980 A DE 19731980A DE 19731980 A DE19731980 A DE 19731980A DE 19731980 A1 DE19731980 A1 DE 19731980A1
Authority
DE
Germany
Prior art keywords
rolling
rolled strip
parameters
stand
properties
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.)
Withdrawn
Application number
DE19731980A
Other languages
English (en)
Inventor
Martin Dr Schlang
Frank-Oliver Malisch
Otto Dr Gramckow
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Priority to DE19731980A priority Critical patent/DE19731980A1/de
Priority to PCT/DE1998/001952 priority patent/WO1999005577A1/de
Priority to DE19881041T priority patent/DE19881041B4/de
Priority to AT0902898A priority patent/AT500860B8/de
Priority to US09/463,524 priority patent/US6807449B1/en
Publication of DE19731980A1 publication Critical patent/DE19731980A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/16—Control of thickness, width, diameter or other transverse dimensions
    • B21B37/22—Lateral spread control; Width control, e.g. by edge rolling

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Control Of Metal Rolling (AREA)

Description

Die Erfindung betrifft ein Verfahren zur Steuerung und Vor­ einstellung eines Walzgerüstes oder einer Walzstraße.
Die Erfindung betrifft ein Verfahren zur Steuerung und/oder Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes, wobei die Steuerung und/oder Vorein­ stellung des Walzgerüstes bzw. der Walzstraße mittels eines Modells des Walzgerüstes oder der Walzstraße erfolgt, wobei das Modell zumindest ein neuronales Netz aufweist, dessen Pa­ rameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden.
Für die Steuerung und Voreinstellung von Walzgerüsten oder einer Walzstraße zum Walzen eines Walzbandes ist es bekannt, Modelle einzusetzen, die zumindest ein neuronales Netz auf­ weisen, dessen Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigen­ schaften des Walzbandes, angepaßt bzw. adaptiert werden. Eine derartige modellgestützte Steuerung oder Voreinstellung kommt ganz besonders für Anwendungen entsprechend DE 41 31 765, EP 0 534 221, US 55 13 097, DE 44 16 317, US 56 00 758, DE 43 38 608, DE 43 38 615, DE 195 22 494, DE 196 25 442, DE 196 41 432, DE 196 41 431, DE 196 42 918, DE 196 42 919, DE 196 42 921 in Frage. Neuronale Netze für diese Anwendungen werden, wenn sie on-line adaptiert werden, mit konstanten Ad­ aptionsraten adaptiert. D.h., daß nach jedem gewalzten Band die Fehlerfunktion für dieses Band berechnet wird. Anschlie­ ßend wird der Gradient dieser Fehlerfunktion bestimmt und im Sinne einer Optimierung im Gradienten derart gefolgt, daß die Fehlerfunktion sich um die gewählte Adaptionsrate verringert. Es hat sich gezeigt, daß mittels on-line-Adaption, wobei un­ ter on-line-Adaption das Adaptieren eines neuronalen Netzes nach einem gewalzten Walzband zu verstehen ist, sich die Qua­ lität eines gewalzten Stahls deutlich verbessert. Problema­ tisch sind jedoch Sicherheitsprobleme in bezug auf die Kon­ vergenz bei der Adaption. Kommt es aufgrund einer fehlerhaf­ ten Adaption zu Fehlfunktion, Fehlsteuerung oder fehlerhafter Voreinstellung, so kann es für die genannte Anwendung zu ho­ hen Verlusten durch minderwertig gewalzten Stahl oder durch Beschädigung der Walzstraße kommen. Ferner sind aufgrund der hohen Investitionskosten für eine Walzstraße Stillstandzeiten sehr teuer. Unter diesem Hintergrund ist die Adaption von neuronalen Netzen für die Steuerung oder Voreinstellung von Walzgerüsten oder Walzstraßen problematisch.
Entsprechend ist es Aufgabe der Erfindung, ein Verfahren an­ zugeben, um eine Steuerung bzw. Voreinstellung gemäß des Oberbegriffs sicherer zu machen. Ferner ist es wünschenswert, die Präzision der mittels eines neuronalen Netzes ermittelten Modellwerte zu verbessern.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst. Dabei wird bei einem Verfahren gemäß dem Oberbegriff die Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walz­ straße, insbesondere an die Eigenschaften des Walzbandes an­ gepaßt bzw. adaptiert werden, variiert. Auf diese Weise kann z. B. unterschieden werden, ob das neuronale Netz die zu approximierende Funktion in dem entsprechenden Punkt bereits gut beherrscht, ob der Datenpunkt zu einem seltenen Ereignis, d. h. zu einem selten gewalzten Stahl, gehört oder ob der zu trainierende Datenpunkt aufgrund eines Meßfehlers oder Feh­ lers in der Nachberechnung sogar gänzlich unbrauchbar ist. Dieses führt zu einer weitaus robusteren Adaption.
In vorteilhafter Ausgestaltung der Erfindung wird die Ge­ schwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbeson­ dere an die Eigenschaften des Walzbandes, angepaßt bzw. adap­ tiert werden, in Abhängigkeit der Informationsdichte, insbe­ sondere der Trainingsdaten bezüglich Walzbänder derselben oder ähnlichen Art, variiert.
Die Informationsdichte D ist dabei ein (abstraktes) Maß, wie­ viel Information an einem gegebenen Punkt im Eingangsraum vorhanden ist (typischerweise wieviel Bänder derselben oder einer ähnlichen Qualität bereits gewalzt wurden). Ein Ausfüh­ rungsbeispiel für eine Definition der Informationsdichte ist
D(xn) ist die Schätzung der Informationsdichte für Punkt xn, nach Bearbeitung aller Muster x1 bis xn-1. bk(xn) ist die Akti­ vität des k-ten Neurons in der verdeckten Ebene oder den ver­ deckten Ebenen des neuronalen Netzes beim Anlegen des Musters xn. Dk(xn) ist die Schätzung der lokalen Informationsdichte am Ort des k-ten Neurons, nach Verarbeitung aller Muster x1 bis xn-1. sizenet entspricht der Anzahl der Neuronen in der ver­ deckten Ebene oder den verdeckten Ebenen des neuronalen Net­ zes. bk berechnet sich aus
wobei µi der Erwartungswert und σ2 i die Varianz von xi ist.
Dk(xn) berechnet sich zu:
Ik(xn) ist die lokal über die gesamte Vergangenheit aller Mu­ ster x1 bis xn-1 akkumulierte Information am k-ten Neuron der verdeckten Ebene oder der verdeckten Ebenen des neuronalen Netzes, I(xn) die analog global im Netzwerk akkumulierte In­ formation. Ik(xn) berechnet sich zu
f ist eine Funktion in Abhängigkeit des Prognosefehlers E(x') (siehe unten) und der Lernrate η(x'). Sie berücksichtigt, daß für die in der Vergangenheit nur mit kleiner Lernrate gelern­ ten Muster nur wenig Information vorliegt. Im einfachsten Fall könnte
f = 1(x' ∈ x1 . . . xn-1) gesetzt werden.
Für I(xn) gilt:
Da für alle x' ∈ {x1 . . . xn-1} gilt
In weiterer besonders vorteilhafter Ausgestaltung der Erfin­ dung wird die Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walz­ straße, insbesondere an die Eigenschaften des Walzbandes, an­ gepaßt bzw. adaptiert werden, in Abhängigkeit des Fehlerer­ wartungswertes, insbesondere des mittleren Fehlers über die gesamte Adaptionsphase oder den mittleren Fehler über ein langes Zeitintervall bei der Adaption, variiert.
Der Fehlererwartungswert F ist z. B. der mittlere Fehler über die gesamte Vergangenheit im Raumpunkt xn. Beispielhaft kann er wie folgt aussehen:
Fk(xn) wobei der lokale Fehlererwartungswert für das n-te Mu­ ster am k-ten Neuron der verdeckten Ebene eines neuronalen Netzes ist. Fk(xn) ergibt sich zu
Durch die Multiplikation des Fehlers E(x') mit bk(x') steht im Zähler ein Maß für den lokalen Fehler. Dieser Fehler wird durch die lokale Informationsdichte geteilt.
Ein weiterer Ansatz zur Berechnung des Fehlererwartungswertes ist die Berechnung in Form einer lokalen Statistik erfolgen, bei der nicht nur der Mittelwert des lokalen Fehlers, sondern auch seine Varianz berücksichtigt wird.
In weiterer vorteilhafter Ausgestaltung der Erfindung wird die Geschwindigkeit, mit der die Parameter an die tatsächli­ chen Verhältnisse im Walzgerüst oder in der Walzstraße, ins­ besondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit des aktuellen Fehlers bei der Adaption, d. h. dem aktuellen Fehlers zwischen den mittels des neuronalen Netzes ermittelten und den tatsächlichen Ver­ hältnissen im Walzgerüst und/oder der Walzstraße, insbesonde­ re der Eigenschaften des Walzbandes, variiert.
Der aktuelle Fehler E ist z. B. der Euklid- oder sonstige Ab­ stand zwischen Netzvorhersage, also dem mittels des neurona­ len Netzes ermittelten Wertes und tatsächlichem Wert. Der Eu­ klidsche Abstand, der vorteilhafterweise als aktueller Fehler E verwendet wird, ist definiert als
E = ∥ (yn(xn, w) - tn(xn)) ∥2
wobei xn die Eingangsgröße bzw. die Eingangsgrößen des Netz­ werkes, yn(x, w) der Ausgangswert, z. B. Walzkraft, des neuro­ nalen Netzes für ein Muster xn in Abhängigkeit der Netzwerk­ gewichte w und tn(x) der yn(xn, w) entsprechende tatsächliche Wert ist. n entspricht der zeitlichen Abfolge der Trainings­ muster.
Für zumindest eine der drei Größen Informationsdichte, Fehle­ rerwartungswert und aktueller Fehler wird erfindungsgemäß ei­ ne Fallunterscheidung durchgeführt. Dabei wird in ganz beson­ ders vorteilhafter Ausgestaltung der Erfindung zwischen Nor­ malfall (gut trainiertes Netz), Exot, (typischerweise ein sehr selten gewalzter Stahl wie z. B. Münzstahl), Ausreißer (z. B. durch Ausfall eines Meßsensors) und instabilem Prozeß (für eine sehr ähnliche Stahlart schwankte Targetwert in der Vergangenheit erheblich) unterschieden. Der Grad der Adaption des Netzwerkes wird entsprechend dieser Fallunterscheidung gewählt, wie Tabelle 1 zeigt. Dabei bedeutet ⇑ hoch, nied­ rig (ggf. gleich Null) und ⇒ mittel.
Tabelle 1
Fallunterscheidung für Adaptionsrate
Ist die Informationsdichte hoch, der Fehlererwartungswert klein und der aktuelle Fehler klein, so wird von einem gut trainierten Netz ausgegangen und die Adaptionsrate bei einem mittleren Wert gehalten. Sind die Informationsdichte und der aktuelle Fehler gering, so wird davon ausgegangen, daß das neuronale Netz es schafft, bei einer seltenen Stahlsorte, d. h. einem Exot gut zu generalisieren. Die Adaptionsrate wird bei einem mittleren Wert gehalten. Ist dagegen der aktuelle Fehler bei geringer Informationsdichte hoch, so wird die Ad­ aptionsrate erhöht. Eine Kombination, bei der die Informati­ onsdichte und der aktuelle Fehler hoch, der Fehlererwartungs­ wert dagegen gering ist, wird als Ausreißer interpretiert und die Adaptionsrate wird entsprechend verringert bzw. es findet keine Adaption statt. Sind sowohl die Informationsdichte als auch der Fehlererwartungswert hoch, so wird dieses als Indiz für einen instabilen Adaptionsprozeß gewertet. Die Adaption wird abgebrochen.
Das erfindungsgemäße Verfahren wird ganz besonders vorteil­ haft in Verbindung mit den in DE 41 31 765, EP 0 534 221, US 55 13 097, DE 44 16 317, US 56 00 758, DE 43 38 608, DE 43 38 615, DE 195 22 494, DE 196 25 442, DE 196 41 432, DE 196 41 431, DE 196 42 918, DE 196 92 919, DE 196 42 921 offenbarten Anwendungen verwendet.
Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen und in Verbindung mit den Unteransprü­ chen. Im einzelnen zeigen:
Fig. 1 das erfindungsgemäße Verfahren
Fig. 2 ein Blockschaltbild für die Prozeßführung in einer Vor- und Fertigstraße entsprechend dem erfindungsge­ mäßen Verfahren
Fig. 1 zeigt eine Prinzipdarstellung des erfindungsgemäßen Verfahrens. Dabei bezeichnen Bezugszeichen 33 ein neuronales Netz, Bezugszeichen 34 einen Adaptionsalgorithmus und Bezugs­ zeichen 35 die Bestimmung der Adaptionsrate 36 des neuronalen Netzes 33. Das neuronale Netz berechnet auf der Basis von Eingangsgrößen 31, Ausgangsgrößen 37. Zur Adaption des neuro­ nalen Netzes 33 werden diese Eingangsgrößen 31 und Ausgangs­ größen 37 auch einem Adaptionsalgorithmus 34 zugeführt, der die Netzwerkantwort, d. h. die Ausgangsgrößen 37 des neurona­ len Netzes 33, mit entsprechend tatsächlichen Werten 32 ver­ gleicht. Auf der Basis dieser Größen adaptiert der Adapti­ onsalgorithmus 34 die Parameter des neuronalen Netzes 33. Entsprechend dem erfindungsgemäßen Verfahren wird auf der Grundlage zumindest einer der Größen 31, 32, 37 bzw. der in­ neren Zustandsgrößen 38 des neuronalen Netzes 33 die Adapti­ onsrate 36 für den Adaptionsalgorithmus 34 bestimmt. Selbst­ verständlich sind die Größen 31, 32, 37, 38 nicht zwangsläu­ fig Skalare, sondern können auch mehrere Größen sein. So kön­ nen z. B. die Eingangsgrößen 31 Größen wie Walzbanddicke, Walzbandbreite, Walzbandtemperatur, Legierungsanteile des Walzbandes usw. sein. Ausgangsgrößen 37 des neuronalen Netzes 33 kann z. B. ein Korrekturwert für die Walzkraft sein.
Fig. 2 zeigt eine Vorstraße 1 und eine Fertigstraße 2 mit Walzgerüsten 3 bzw. 4 zum Walzen von Metallbändern 5. Die Steuerung der Vorstraße 1 erfolgt durch eine Steuereinrich­ tung 6, die auf die einzelnen Walzgerüste 3 wirkt und dort unterschiedliche Stellglieder betätigt. Die Steuereinrichtung 6 erhält die zur Steuerung der Walzgerüste 3 erforderlichen Informationen sowohl aus einer Recheneinrichtung 7 als auch von einer Meßwerterfassungseinrichtung 8. Zu Beginn des Walz­ prozesses liegen noch keine Meßwerte für die zur Regelung des Prozesses erforderlichen Größen vor. Daher werden in der Re­ cheneinrichtung 7 auf der Basis von Modellannahmen Vorhersa­ gewerte für die Größen berechnet und an die Steuereinrichtung 6 zur Voreinstellung der Vorstraße 1 übergeben. Während des Prozeßablaufes werden durch die Meßwerterfassungseinrichtung 8 Meßwerte der zur Regelung des Prozesses dienenden Größen erfaßt und der Steuereinrichtung 6 zugeführt.
Die Steuereinrichtung 6 erhält ferner über eine Verbindung 9 Informationen zur Bestimmung eines Vorhersagewerts ypre für die zu erwartende Breitenänderung des Metallbandes 5 in der Fertigstraße 2. In Abhängigkeit von diesem Vorhersagewert ypre wird der Walzprozeß, also die Stauchung des Metallbandes 5 in der Vorstraße 1 derart gesteuert, daß die Vorbandbreite, also die Breite des Metallbandes 5 bei seinem Austritt aus der Vorstraße 1 gleich der gewünschten Soll-Fertigbandbreite des Metallbandes 5 bei seinem Austritt aus der Fertigstraße 2 mi­ nus der vorhergesagten Breitenänderung ypre des Metallbandes 5 in der Fertigstraße 2 ist. Auf diese Weise wird bei genauer Vorhersage der Breitenänderung des Metallbandes 5 in der Fer­ tigstraße 2 erreicht, daß das Metallband 5 bei seinem Aus­ tritt aus der Fertigstraße 2 die gewünschte Soll-Fertigband­ breite aufweist.
Bei der Fertigstraße 2 werden ebenso wie bei der Vorstraße 1 die einzelnen Walzgerüste 4 durch eine Steuereinrichtung 10 gesteuert, die die dazu erforderlichen Informationen aus ei­ ner Recheneinrichtung 11 und einer Meßwerterfassungseinrich­ tung 12 bezieht. Bevor ein die Vorstraße 1 durchlaufendes Me­ tallband 5 in die Fertigstraße 2 eintritt, werden in der Re­ cheneinrichtung 11 Vorhersagewerte für die zur Regelung des Walzprozesses in der Fertigstraße 2 erforderlichen Größen be­ rechnet und der Steuereinrichtung 10 zur Voreinstellung der Fertigstraße 2 aufgegeben. Von diesen vorab bestimmten Größen werden diejenigen, die einen Einfluß auf die Breitenänderung des Metallbandes 5 in der Fertigstraße 2 haben können, als Eingangsgrößen xvor einem neuronalen Netzwerk 13 zugeführt, das als Netzwerkantwort einen Rechenwert yNN (xvor) für die Breitenänderung erzeugt und diesen auf der Verbindung 9 für die Berechnung des Vorhersagewertes ypre in der Steuerein­ richtung 6 bereitstellt. Als Einflußgrößen bzw. Eingangsgrö­ ßen für das neuronale Netzwerk 13 sind insbesondere folgende Größen geeignet, die den Eingangsvektor xvor bilden.
Beim Durchlauf des Metallbandes 5 durch die Fertigstraße 2 werden die prozeßrelevanten Größen, darunter die Einflußgrö­ ßen die Vorbandtemperatur, die Vorbanddicke, die Fertigband­ temperatur, die Fertigbanddicke, die Soll-Fertigbandbreite, die Austrittsgeschwindigkeit des Fertigbandes aus der Fertig­ straße 2, die Materialfestigkeit, das Profil, die relativen Dickenabnahmen in den einzelnen Walzgerüsten 4, die Schiebe­ positionen von Verschiebewalzen und die Züge in dem Metall­ band 5 zwischen den einzelnen Walzgerüsten 4 mittels der Meß­ werterfassungseinrichtung 12 gemessen und der Steuerung 10 sowie einer Einrichtung 14 zur Nachberechnung zugeführt. Die Nachberechnung umfaßt z. B. eine statistische Aufbereitung der gemessenen Einflußgrößen sowie eine Berechnung von nicht un­ mittelbar meßbaren Einflußgrößen in Abhängigkeit von anderen Meßgrößen. Mit diesen nachberechneten, d. h. im Vergleich zur Vorausberechnung in der Recheneinrichtung 11 wesentlich ge­ nauer bestimmten Einflußgrößen erfolgt nach dem Durchlauf des Metallbandes 5 durch die Fertigstraße 2 eine Adaption der Netzwerkparameter des neuronalen Netzwerkes 13. Dazu werden die nachberechneten Einflußgrößen in einem Eingangsvektor xnach zusammengefaßt und dem neuronalen Netzwerk 13 aufgege­ ben. Die dabei von dem neuronalen Netzwerk 13 erhaltene Netz­ werkantwort yNN(xnach) wird einem Adaptionsalgorithmus 15 zuge­ führt, dem außerdem die vor der Fertigstraße 2 an der Stelle 16 gemessene Ist-Vorbandbreite BV sowie die hinter der Fer­ tigstraße 2 an der Stelle 17 gemessene Ist-Fertigbandbreite BF zugeführt werden. Die so erhaltene Ist-Breitenänderung
yist = BF-BV
wird mit der Netzwerkantwort yNN (xnach) verglichen, wobei die Abweichung zwischen der Netzwerkantwort yNN (xnach) und der Ist-Breitenänderung yist über die Verbindung 18 zur Adaption der Netzwerkparameter im Sinne einer Verringerung dieser Abwei­ chung herangezogen werden. Neben dem Rechenwert yNN (xvor) wer­ den auch die Werte yNN(xnach) und yist auf der Verbindung 9 be­ reitgestellt und der Steuereinrichtung 6 zur Berechnung des Vorhersagewertes ypre für die Breitenänderung zugeführt.
Dem Adaptionsalgorithmus 15 wird eine Adaptionsrate 22 vorge­ geben die mittels eines Adaptionsratenbestimmers 20 ermittelt wird. Neben den Werten yNN(xvor), yNN(xnach), yist sind xnach BV und BF sowie die inneren Zustände 23 des neuronalen Netzes 13 Eingangsgrößen in den Adaptionsratenbestimmer 20. Optional gibt der Adaptionsratenbestimmer 20 ein Alarmsignal 21 aus, wenn Informationsdichte und Fehlererwartungswert hoch sind. Dieses Alarmsignal 21 wird von einem übergeordneten System zur Prozeßdiagnose verwendet. Als Sicherheitsmaßnahme wird in einem derartigen Fall die Adaption des neuronalen Netzes 13 eingestellt.

Claims (11)

1. Verfahren zur Steuerung und Voreinstellung eines Walzgerü­ stes oder einer Walzstraße zum Walzen eines Walzbandes, wobei die Steuerung bzw. die Voreinstellung des Walzgerüstes bzw. der Walzstraße mittels eines Modells des Walzgerüstes oder der Walzstraße erfolgt, wobei das Modell zumindest ein neuro­ nales Netz aufweist, dessen Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbeson­ dere an die Eigenschaften des Walzbandes, angepaßt bzw. adap­ tiert werden, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, variiert wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit der Informationsdich­ te, insbesondere der Anzahl an Trainingsdaten bezüglich Walz­ bänder derselben oder ähnlichen Art, variiert wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit des Fehlererwartungs­ wertes, insbesondere des mittleren Fehlers über die gesamte Adaptionsphase oder den mittleren Fehler über ein langes Zei­ tintervall bei der Adaption, variiert wird.
4. Verfahren nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit des aktuellen Fehlers bei der Adaption, d. h. der aktuellen Differenz zwischen den mittels des neuronalen Netzes ermittelten und den tatsächli­ chen Verhältnissen im Walzgerüst und/oder der Walzstraße, insbesondere der Eigenschaften des Walzbandes, variiert wird.
5. Verfahren nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, bei hoher Informationsdichte, kleinem Fehlererwartungswert und kleinem Fehler aktuellen Fehler nicht oder kaum variiert wird.
6. Verfahren nach Anspruch 1, 2, 3, 4 oder 5, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, bei kleiner Informationsdichte und kleinem aktuellen Fehler nicht oder kaum variiert wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, bei geringer Informationsdichte und großem aktuellen Fehler vergrößert wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Geschwindigkeit, mit der die Parameter an die tat­ sächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, bei großer Informationsdichte, kleinem Fehlererwartungswert und großem aktuellen Fehler verkleinert wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Anpassung bzw. Adaption der Parameter des neuronalen Netzes an die tatsächlichen Verhältnisse im Walzgerüst und/oder der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, bei hoher Informationsdichter und hohem Feh­ lererwartungswert als fehlerhaft diagnostiziert wird.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß die Adaption bzw. Anpassung der Parameter des neuronalen Netzes bei Diagnose einer fehlerhaften Adaption gestoppt.
11. Verfahren nach Anspruch 9 oder 10, dadurch gekennzeichnet, daß die Diagnose der Adaption zur Prozeßdiagnose, d. h. zur Diagnose des Walzvorgangs, verwendet wird.
DE19731980A 1997-07-24 1997-07-24 Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes Withdrawn DE19731980A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE19731980A DE19731980A1 (de) 1997-07-24 1997-07-24 Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
PCT/DE1998/001952 WO1999005577A1 (de) 1997-07-24 1998-07-13 Verfahren zur steuerung und voreinstellung eines stahlwerkes oder von teilen eines stahlwerkes
DE19881041T DE19881041B4 (de) 1997-07-24 1998-07-13 Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes
AT0902898A AT500860B8 (de) 1997-07-24 1998-07-13 Verfahren zur steuerung und voreinstellung eines stahlwerkes oder von teilen eines stahlwerkes
US09/463,524 US6807449B1 (en) 1997-07-24 1998-07-13 Method for controlling and pre-setting a steelworks or parts of a steelworks

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19731980A DE19731980A1 (de) 1997-07-24 1997-07-24 Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes

Publications (1)

Publication Number Publication Date
DE19731980A1 true DE19731980A1 (de) 1999-01-28

Family

ID=7836836

Family Applications (2)

Application Number Title Priority Date Filing Date
DE19731980A Withdrawn DE19731980A1 (de) 1997-07-24 1997-07-24 Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
DE19881041T Expired - Fee Related DE19881041B4 (de) 1997-07-24 1998-07-13 Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes

Family Applications After (1)

Application Number Title Priority Date Filing Date
DE19881041T Expired - Fee Related DE19881041B4 (de) 1997-07-24 1998-07-13 Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes

Country Status (4)

Country Link
US (1) US6807449B1 (de)
AT (1) AT500860B8 (de)
DE (2) DE19731980A1 (de)
WO (1) WO1999005577A1 (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10031883A1 (de) * 2000-05-11 2001-11-22 Ruediger Hinz Verfahren, System und Systemkomponenten zur leistungsoptimierenden Regelung der Zufuhrmenge des einer aus mehreren Aggregaten bestehenden Produktions-, Bearbeitungs- oder Aufbereitungsanlage, insbesondere einer Sand- und Kiesaufbereitungsanlage, zwecks Verarbeitung, Bearbeitung oder Aufbereitung zugeführten Materials schwankender Beschaffenheit
WO2001096967A1 (en) * 2000-06-13 2001-12-20 Metso Paper, Inc. Loading calculation system for a roll set using a neural network
DE10036971A1 (de) * 2000-07-28 2002-02-28 Siemens Ag Verfahren zur Ferndiagnose eines technologischen Prozesses
WO2002097541A1 (de) * 2001-05-29 2002-12-05 Bühler AG Online-prozessüberwachung und online-prozessmodellierung
WO2003087958A1 (en) * 2002-04-10 2003-10-23 3M Innovative Properties Company One-dimensional modeling of the manufacture of multi-layered material
EP1408384A1 (de) * 2002-10-09 2004-04-14 STMicroelectronics S.r.l. Anordnung zur Steuerung des Betriebs eines physikalischen Systems wie zum Beispiel einer Brennstoffzelle in elektrischen Fahrzeugen
EP2384830A1 (de) * 2010-05-03 2011-11-09 Converteam GmbH Verfahren zum Ermitteln von Parametern eines Modells für eine Walzanlage
EP3293594A1 (de) * 2016-09-13 2018-03-14 Primetals Technologies Germany GmbH Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19914987A1 (de) * 1999-04-01 2000-10-05 Siemens Ag Leitsystem für ein Walzwerk, insbesondere für eine Walzstraße
DE102006047718A1 (de) * 2006-10-09 2008-04-17 Siemens Ag Verfahren zur Nachverfolgung des physikalischen Zustands eines Warmblechs oder Warmbands im Rahmen der Steuerung einer Grobblechwalzstraße zur Bearbeitung eines Warmblechs oder Warmbands
DE102012216514B4 (de) * 2012-06-28 2014-10-30 Siemens Aktiengesellschaft Verfahren zur statistischen Qualitätssicherung bei einer Untersuchung von Stahlprodukten innerhalb einer Stahlklasse
DE102019132029A1 (de) * 2019-11-26 2021-05-27 Thyssenkrupp Steel Europe Ag Herstellung eines gewünschten Metallwerkstücks aus einem Metallflachprodukt

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3133222C2 (de) * 1981-08-21 1988-01-14 Siemens Ag, 1000 Berlin Und 8000 Muenchen, De
DE4105321A1 (de) * 1991-02-20 1992-08-27 Siemens Ag Regelung eines warm- und/oder kaltwalzprozesses
DE4131765A1 (de) * 1991-09-24 1993-03-25 Siemens Ag Regelparameter-verbesserungsverfahren fuer industrielle anlagen
DE4301130A1 (en) * 1992-01-20 1993-07-22 Hitachi Ltd Control system with highly nonlinear characteristic - uses learning function and derives control values from selected parameter values of set point adjustment model
DE4416364A1 (de) * 1993-05-17 1994-11-24 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines Prozesses
DE4416317A1 (de) * 1993-05-17 1994-11-24 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
DE4338615A1 (de) * 1993-11-11 1995-05-18 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
DE4439986A1 (de) * 1993-11-09 1995-06-01 Rockwell International Corp Adaptives Prozeßsteuerungssystem und Verfahren
DE4338608A1 (de) * 1993-11-11 1995-08-03 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
US5600758A (en) * 1993-11-11 1997-02-04 Siemens Aktiengesellschaft Method and device for conducting a process in a controlled system with at least one precomputed process parameter.
DE19522494C2 (de) * 1994-07-07 1997-06-19 Siemens Ag Verfahren zum Walzen eines Metallbandes

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3370783B2 (ja) 1994-06-27 2003-01-27 マツダ株式会社 機器の制御装置および制御方法
DE19508476A1 (de) * 1995-03-09 1996-09-12 Siemens Ag Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä.
DE19625442B4 (de) 1996-06-26 2005-02-03 Siemens Ag Verfahren und Einrichtung zur Verringerung der Kantenanschärfung eines Walzbandes
DE19641432C2 (de) 1996-10-08 2000-01-05 Siemens Ag Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses
DE19641431A1 (de) 1996-10-08 1998-04-16 Siemens Ag Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses
DE19642921C2 (de) 1996-10-17 2002-11-07 Siemens Ag System zur Bestimmung des Dickenprofils eines Walzbandes
DE19642918C2 (de) 1996-10-17 2003-04-24 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes
DE19642919C2 (de) 1996-10-17 2002-09-26 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3133222C2 (de) * 1981-08-21 1988-01-14 Siemens Ag, 1000 Berlin Und 8000 Muenchen, De
DE4105321A1 (de) * 1991-02-20 1992-08-27 Siemens Ag Regelung eines warm- und/oder kaltwalzprozesses
DE4131765A1 (de) * 1991-09-24 1993-03-25 Siemens Ag Regelparameter-verbesserungsverfahren fuer industrielle anlagen
EP0534221A1 (de) * 1991-09-24 1993-03-31 Siemens Aktiengesellschaft Regelparameter-Verbesserungsverfahren für industrielle Anlagen
DE4301130A1 (en) * 1992-01-20 1993-07-22 Hitachi Ltd Control system with highly nonlinear characteristic - uses learning function and derives control values from selected parameter values of set point adjustment model
DE4416317A1 (de) * 1993-05-17 1994-11-24 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
DE4416364A1 (de) * 1993-05-17 1994-11-24 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines Prozesses
US5513097A (en) * 1993-05-17 1996-04-30 Siemens Aktiengesellschaft Method and control device for controlling a process including the use of a neural network having variable network parameters
DE4439986A1 (de) * 1993-11-09 1995-06-01 Rockwell International Corp Adaptives Prozeßsteuerungssystem und Verfahren
DE4338615A1 (de) * 1993-11-11 1995-05-18 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
DE4338608A1 (de) * 1993-11-11 1995-08-03 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
US5600758A (en) * 1993-11-11 1997-02-04 Siemens Aktiengesellschaft Method and device for conducting a process in a controlled system with at least one precomputed process parameter.
DE19522494C2 (de) * 1994-07-07 1997-06-19 Siemens Ag Verfahren zum Walzen eines Metallbandes

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JP 08016215 A., In: Patent Abstracts of Japan *
MARTINETZ,Thomas, u.a.: Neuronale Netze zur Steuerung von Walzstraßen. In: atp Automatisierungstechnische Praxis 38, 1996, 10, S.28-42 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10031883C5 (de) * 2000-05-11 2008-09-18 Hinz, Rüdiger Verfahren und Anordnung zur leistungsoptimierenden Regelung der Zufuhrmenge des Materials, das einer aus mehreren Aggregaten bestehenden Sand-, Kies- oder Splitaufbereitungsanlage zugeführt wird
DE10031883C2 (de) * 2000-05-11 2003-06-12 Ruediger Hinz Verfahren und Anordnung zur variablen Regelung der Zufuhrmenge des Materials schwankender Beschaffenheit, das einer aus mehreren Aggregaten bestehenden Anlage, insbesondere einer Sand- und Kiesaufbereitungsanlage, zugeführt wird
DE10031883A1 (de) * 2000-05-11 2001-11-22 Ruediger Hinz Verfahren, System und Systemkomponenten zur leistungsoptimierenden Regelung der Zufuhrmenge des einer aus mehreren Aggregaten bestehenden Produktions-, Bearbeitungs- oder Aufbereitungsanlage, insbesondere einer Sand- und Kiesaufbereitungsanlage, zwecks Verarbeitung, Bearbeitung oder Aufbereitung zugeführten Materials schwankender Beschaffenheit
WO2001096967A1 (en) * 2000-06-13 2001-12-20 Metso Paper, Inc. Loading calculation system for a roll set using a neural network
DE10036971A1 (de) * 2000-07-28 2002-02-28 Siemens Ag Verfahren zur Ferndiagnose eines technologischen Prozesses
WO2002097541A1 (de) * 2001-05-29 2002-12-05 Bühler AG Online-prozessüberwachung und online-prozessmodellierung
WO2003087958A1 (en) * 2002-04-10 2003-10-23 3M Innovative Properties Company One-dimensional modeling of the manufacture of multi-layered material
US7130781B2 (en) 2002-04-10 2006-10-31 3M Innovative Properties Company One-dimensional modeling of the manufacture of multi-layered material
EP1408384A1 (de) * 2002-10-09 2004-04-14 STMicroelectronics S.r.l. Anordnung zur Steuerung des Betriebs eines physikalischen Systems wie zum Beispiel einer Brennstoffzelle in elektrischen Fahrzeugen
EP2384830A1 (de) * 2010-05-03 2011-11-09 Converteam GmbH Verfahren zum Ermitteln von Parametern eines Modells für eine Walzanlage
EP3293594A1 (de) * 2016-09-13 2018-03-14 Primetals Technologies Germany GmbH Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie
WO2018050438A3 (de) * 2016-09-13 2018-05-31 Primetals Technologies Germany Gmbh Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie
US11294338B2 (en) 2016-09-13 2022-04-05 Primetals Technologies Germany Gmbh Use of comprehensive artificial intelligence in primary industry plants

Also Published As

Publication number Publication date
AT500860B1 (de) 2006-04-15
DE19881041B4 (de) 2013-08-22
DE19881041D2 (de) 1999-12-23
US6807449B1 (en) 2004-10-19
AT500860A5 (de) 2006-04-15
AT500860B8 (de) 2007-02-15
WO1999005577A1 (de) 1999-02-04

Similar Documents

Publication Publication Date Title
DE4338615B4 (de) Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
EP2195127B1 (de) Betriebsverfahren zum einbringen eines walzguts in ein walzgerüst eines walzwerks, steuereinrichtung, datenträger und walzwerk zum walzen eines bandförmigen walzgutes
DE19522494C2 (de) Verfahren zum Walzen eines Metallbandes
EP2548665B1 (de) Ermittlungsverfahren für relativbewegungsabhängigen Verschleiß einer Walze
DE4416317B4 (de) Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
DE4338607B4 (de) Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
DE19731980A1 (de) Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
DE69913538T2 (de) Verfahren und Vorrichtung zur Planheitsregelung
WO1998015882A1 (de) Verfahren und einrichtung zur identifikation bzw. vorausberechnung von prozessparametern eines industriellen zeitvarianten prozesses
WO2013110399A1 (de) Verfahren zur bearbeitung von walzgut in einem warmwalzwerk
DE19505694C1 (de) Einrichtung zur Dickenregelung von Walzgut
WO2016041746A1 (de) Breiteneinstellung bei einer fertigstrasse
DE102004005011B4 (de) Regelverfahren und Regler für ein Walzgerüst
AT408728B (de) Verfahren und einrichtung zur voreinstellung einer walzstrasse
DE102009043400A1 (de) Verfahren zur modellbasierten Ermittlung von Stellglied-Sollwerten für die asymmetrischen Stellglieder der Walzgerüste einer Warmbreitbandstraße
EP4061552B1 (de) Verfahren, steuervorrichtung sowie walzanlage zur einstellung einer auslauftemperatur eines aus einer walzstrasse auslaufenden metallbands
DE19641432C2 (de) Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses
DE102009043401A1 (de) Verfahren zur modellbasierten Ermittlung von Stellglied-Sollwerten für die symmetrischen und asymmetrischen Stellglieder der Walzgerüste einer Warmbreitbandstraße
DE19625442A1 (de) Verfahren bzw. Einrichtung zur Verringerung der Kantenanschärfung eines Walzbandes
DE3637043A1 (de) Verfahren zum vorausbestimmten einhalten enger dickentoleranzen beim walzen von walzgut in warmbandstrassen
AT410407B (de) Verfahren und einrichtung zur bestimmung eines zwischenprofils eines metallbandes
DE19644131C2 (de) Verfahren zum Optimieren der Bandbreitenverteilung an den Enden eines eine Walzstraße in einem oder mehreren Stichen durchlaufenden Bandes
WO2020193099A1 (de) Vermeidung von wellen beim walzen von metallbändern
DE19740691A1 (de) Verfahren und Einrichtung zur Kühlung von Metallen in einem Hüttenwerk
EP4130895A1 (de) Verfahren zum ermitteln eines steuerparameters zum steuern einer walzanlage

Legal Events

Date Code Title Description
OM8 Search report available as to paragraph 43 lit. 1 sentence 1 patent law
8143 Lapsed due to claiming internal priority