DE19881041B4

DE19881041B4 - Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes

Info

Publication number: DE19881041B4
Application number: DE19881041T
Authority: DE
Inventors: Matin Schlang; Frank-Oliver Malisch; Otto Gramckow
Original assignee: Siemens AG; Siemens Corp
Current assignee: Primetals Technologies Germany GmbH
Priority date: 1997-07-24
Filing date: 1998-07-13
Publication date: 2013-08-22
Anticipated expiration: 2018-07-14
Also published as: DE19731980A1; AT500860B1; DE19881041D2; US6807449B1; AT500860A5; AT500860B8; WO1999005577A1

Abstract

Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes, wobei die Steuerung bzw. die Voreinstellung des Stahlwerks bzw. der Teile des Stahlwerks mittels eines Modells des Stahlwerks bzw. der Teile des Stahlwerks erfolgt, wobei das Modell zumindest ein neuronales Netz aufweist, dessen Parameter an die tatsächlichen Verhältnisse in dem Stahlwerk bzw. in Teilen des Stahlwerks angepaßt bzw. adaptiert werden, dadurch gekennzeichnet, daß eine Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse in dem Stahlwerk bzw. in Teilen des Stahlwerks angepaßt bzw. adaptiert werden, in Form einer Adaptionsrate variiert wird.

Description

Die Erfindung betrifft ein Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes. Dabei sind unter Teilen eines Stahlwerks Walzstraßen, Walzgerüste, Strang- oder Bandgußanlagen sowie Glüh- oder Kühlstrecken zu verstehen.
Die Erfindung betrifft ein Verfahren zur Steuerung und/oder Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes, wobei die Steuerung und/oder Voreinstellung des Walzgerüstes bzw. der Walzstraße mittels eines Modells des Walzgerüstes oder der Walzstraße erfolgt, wobei das Modell zumindest ein neuronales Netz aufweist, dessen Parameter 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 aus DE 195 22 494 A1 bekannt, Modelle einzusetzen, die zumindest ein neuronales Netz aufweisen, dessen Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften 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 und wird in DE 44 16 364 A1 sowie dem Aufsatz von Th. Martinez u. a.: Neuronale Netze zur Steuerung von Walzstraßen, Automatisierungstechnische Parxis 38 (1996) Heft 10, S. 28 bis 42 verwendet. Neuronale Netze für diese Anwendungen werden, wenn sie on-line adaptiert werden, mit konstanten Adaptionsraten adaptiert. D. h., daß nach jedem gewalzten Band die Fehlerfunktion für dieses Band berechnet wird. Anschließend wird der Gradient dieser Fehlerfunktion bestimmt und im Sinne einer Optimierung im Gradienten derart gefolgt, daß die Fehlerfunktion für dieses Band berechnet wird. Anschließend 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 unter on-line-Adpation das Adaptieren eines neuronalen Netzes nach einem gewalzten Walzband zu verstehen ist, sich die Qualität eines gewalzten Stahls deutlich verbessert. Problematisch sind jedoch Sicherheitsprobleme in Bezug auf die Konvergenz bei der Adpation. Kommt es aufgrund einer fehlerhaften Adaption zu Fehlfunktion, Fehlsteuerung oder fehlerhafter Voreinstellung, so kann es für die genannte Anwendung zu hohen Verlusten durch minderwertig gewalzten Stahl oder durch Beschädigung der Walzstraße kommen. Ferner sind aufgrund der hohen Investitionskosten für eine Walzstraße Stillstandzeiten sehr teuer. Vor 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 anzugeben, um eine Steuerung bzw. Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes 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 Walzstraße, insbesondere an die Eigenschaften des Walzbandes angepaßt 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 Fehlers in der Nachberechnung sogar gänzlich unbrauchbar ist. Dieses führt zu einer weitaus robusteren Adaption. In vorteilhafter Ausgestaltung der Erfindung wird die Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit der Informationsdichte, insbesondere der Trainingsdaten bezüglich Walzbänder derselben oder ähnlichen Art, variiert.
Die Informationsdichte D ist dabei ein (abstraktes) Maß, wieviel Information an einem gegebenen Punkt im Eingangsraum vorhanden ist (typischerweise wieviel Bänder derselben oder einer ähnlichen Qualität bereits gewalzt wurden). Ein Ausführungsbeispiel für eine Definition der Informationsdichte ist
D(x_n) ist die Schätzung der Informationsdichte für Punkt x_n, nach Bearbeitung aller Muster x₁ bis x_n-1. b_k(x_n) ist die Aktivität des k-ten Neurons in der verdeckten Ebene oder den verdeckten Ebenen des neuronalen Netzes beim Anlegen des Musters x_n. D_k(x_n) ist die Schätzung der lokalen Informationsdichte am Ort des k-ten Neurons, nach Verarbeitung aller Muster x₁ bis x_n-1. sizenet entspricht der Anzahl der Neuronen in der verdeckten Ebene oder den verdeckten Ebenen des neuronalen Netzes. b_k berechnet sich aus b_k(x_n) = exp(–½(x – μ)^TΣ^–1(x – μ))
wobei μ₁ der Erwartungswert und σ² ₁ die Varianz von x₁ ist.
D_k(x_n) berechnet sich zu:
I_k(x_n) ist die lokal über die gesamte Vergangenheit aller Muster x₁ bis x_n-1 akkumulierte Information am k-ten Neuron der verdeckten Ebene oder der verdeckten Ebenen des neuronalen Netzes, I(x_n) die analog global im Netzwerk akkumulierte Information. I_k(x_n) 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 gelernten Muster nur wenig Information vorliegt. Im einfachsten Fall könnte
f = 1∀(x' ∊ x₁...x_n-1) gesetzt werden.
Für I(x_n) gilt:
Da für alle x' ∊ {x₁...x_n-1} gilt
In weiterer besonders vorteilhafter Ausgestaltung der Erfindung wird die Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse im Walzgerüst oder in der Walzstraße, insbesondere an die Eigenschaften des Walzbandes, angepaßt bzw. adaptiert werden, in Abhängigkeit des Fehlererwartungswertes, 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 x_n. Beispielhaft kann er wie folgt aussehen:
wobei F_k(x_n) der lokale Fehlererwartungswert für das n-te Muster am k-ten Neuron der verdeckten Ebene eines neuronalen Netzes ist. F_k(x_n) ergibt sich zu
Durch die Multiplikation des Fehlers E(x') mit b_k(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, 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 tatsächlichen 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. dem aktuellen Fehler zwischen den mittels des neuronalen Netzes ermittelten und den tatsächlichen Verhältnissen im Walzgerüst und/oder der Walzstraße, insbesondere der Eigenschaften des Walzbandes, variiert.
Der aktuelle Fehler E ist z. B. der Euklid- oder sonstige Abstand zwischen Netzvorhersage, also dem mittels des neuronalen Netzes ermittelten Wert und dem tatsächlichem Wert. Der Euklidsche Abstand, der vorteilhafterweise als aktueller Fehler E verwendet wird, ist definiert als E = (y_n(x_n, w) – t_n(x_n))² wobei x_n die Eingangsgröße bzw. die Eingangsgrößen des Netzwerkes, y_n(x, w) der Ausgangswert, z. B. Walzkraft, des neuronalen Netzes für ein Muster x_n in Abhängigkeit der Netzwerkgewichte w und t_n(x) der y_n(x_n, w) entsprechende tatsächliche Wert ist. n entspricht der zeitlichen Abfolge der Trainingsmuster.

Für zumindest eine der drei Größen Informationsdichte, Fehlererwartungswert und aktueller Fehler wird erfindungsgemäß eine Fallunterscheidung durchgeführt. Dabei wird in ganz besonders vorteilhafter Ausgestaltung der Erfindung zwischen Normalfall (gut trainiertes Netz), Exot 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, ⇓ niedrig (ggf. gleich Null) und mittel.

	Informationsdichte	Fehlererwartungswert	aktueller Fehler	Grad der Adaption/Adaptionsrate
gut trainiertes Netz (normal)	⇑	⇓	⇓	⇒
gut generalisierter Exot	⇓	⇑ oder ⇓	⇓	⇒
schlecht generalisierter Exot	⇓	⇑ oder ⇓	⇑	⇑
Ausreißer	⇑	⇓	⇑	⇓
instabiler Prozeß	⇑	⇑	⇑ oder ⇓	Abbruch/Alarm

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 Adaptionsrate erhöht. Eine Kombination, bei der die Informationsdichte und der aktuelle Fehler hoch, der Fehlererwartungswert 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 vorteilhaft 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 Unteransprüchen. Im einzelnen zeigen:
1 das erfindungsgemäße Verfahren
2 ein Blockschaltbild für die Prozeßführung in einer Vor- und Fertigstraße entsprechend dem erfindungsgemäßen Verfahren
1 zeigt eine Prinzipdarstellung des erfindungsgemäßen Verfahrens. Dabei bezeichnen Bezugszeichen 33 ein neuronales Netz, Bezugszeichen 34 einen Adaptionsalgorithmus und Bezugszeichen 35 die Bestimmung der Adaptionsrate 36 des neuronalen Netzes 33. Das neuronale Netz berechnet auf der Basis von Eingangsgrößen 31, Ausgangsgroßen 37. Zur Adaption des neuronalen Netzes 33 werden diese Eingangsgrößen 31 und Ausgangsgrößen 37 auch einem Adaptionsalgorithmus 34 zugeführt, der die Netzwerkantwort, d. h. die Ausgangsgrößen 37 des neuronalen Netzes 33, mit entsprechend tatsächlichen Werten 32 vergleicht. Auf der Basis dieser Größen adaptiert der Adaptionsalgorithmus 34 die Parameter des neuronalen Netzes 33. Entsprechend dem erfindungsgemäßen Verfahren wird auf der Grundlage zumindest einer der Größen 31, 32, 37 bzw. der inneren Zustandsgrößen 38 des neuronalen Netzes 33 die Adaptionsrate 36 für den Adaptionsalgorithmus 34 bestimmt. Selbstverständlich sind die Größen 31, 32, 37, 38 nicht zwangsläufig Skalare, sondern können auch mehrere Größen sein. So können 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.
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 Steuereinrichtung 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 Walzprozesses liegen noch keine Meßwerte für die zur Regelung des Prozesses erforderlichen Größen vor. Daher werden in der Recheneinrichtung 7 auf der Basis von Modellannahmen Vorhersagewerte 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 y_pre für die zu erwartende Breitenänderung des Metallbandes 5 in der Fertigstraße 2. In Abhängigkeit von diesem Vorhersagewert y_pre 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 minus der vorhergesagten Breitenänderung y_pre des Metallbandes 5 in der Fertigstraße 2 ist. Auf diese Weise wird bei genauer Vorhersage der Breitenänderung des Metallbandes 5 in der Fertigstraße 2 erreicht, daß das Metallband 5 bei seinem Austritt aus der Fertigstraße 2 die gewünschte Soll-Fertigbandbreite 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 einer Recheneinrichtung 11 und einer Meßwerterfassungseinrichtung 12 bezieht. Bevor ein die Vorstraße 1 durchlaufendes Metallband 5 in die Fertigstraße 2 eintritt, werden in der Recheneinrichtung 11 Vorhersagewerte für die zur Regelung des Walzprozesses in der Fertigstraße 2 erforderlichen Größen berechnet und der Steuereinrichtung 10 zur Voreinstellung der Fertigstraße 2 ausgegeben. Von diesen vorab bestimmten Größen werden diejenigen, die einen Einfluß auf die Breitenänderung des Metallbandes 5 in der Fertigstraße 2 haben können, als Eingangsgrößen x_vor einem neuronalen Netzwerk 13 zugeführt, das als Netzwerkantwort einen Rechenwert y_NN(x_vor) für die Breitenänderung erzeugt und diesen auf der Verbindung 9 für die Berechnung des Vorhersagewertes y_pre in der Steuereinrichtung 6 bereitstellt. Als Einflußgrößen bzw. Eingangsgrößen für das neuronale Netzwerk 13 sind insbesondere folgende Größen geeignet, die den Eingangsvektor x_vor bilden.
Beim Durchlauf des Metallbandes 5 durch die Fertigstraße 2 werden die prozeßrelevanten Größen, darunter die Einflußgrößen die Vorbandtemperatur, die Vorbanddicke, die Fertigbandtemperatur, die Fertigbanddicke, die Soll-Fertigbandbreite, die Austrittsgeschwindigkeit des Fertigbandes aus der Fertigstraße 2, die Materialfestigkeit, das Profil, die relativen Dickenabnahmen in den einzelnen Walzgerüsten 4, die Schiebepositionen von Verschiebewalzen und die Züge in dem Metallband 5 zwischen den einzelnen Walzgerüsten 4 mittels der Meßwerterfassungseinrichtung 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 unmittelbar meßbaren Einflußgrößen in Abhängigkeit von anderen Meßgrößen. Mit diesen nachberechneten, d. h. im Vergleich zur Vorausberechnung in der Recheneinrichtung 11 wesentlich genauer 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 x_nach zusammengefaßt und dem neuronalen Netzwerk 13 aufgegeben. Die dabei von dem neuronalen Netzwerk 13 erhaltene Netzwerkantwort y_NN(x_nach) wird einem Adaptionsalgorithmus 15 zugeführt, dem außerdem die vor der Fertigstraße 2 an der Stelle 16 gemessene Ist-Vorbandbreite BV sowie die hinter der Fertigstraße 2 an der Stelle 17 gemessene Ist-Fertigbandbreite BF zugeführt werden. Die so erhaltene Ist-Breitenänderung y_ist = BF – BV wird mit der Netzwerkantwort y_NN(x_nach) verglichen, wobei die Abweichung zwischen der Netzwerkantwort y_NN(x_nach) und der Ist-Breitenänderung y_ist über die Verbindung 18 zur Adaption der Netzwerkparameter im Sinne einer Verringerung dieser Abweichung herangezogen werden. Neben dem Rechenwert y_NN(x_vor) werden auch die Werte y_NN(x_nach) und y_ist auf der Verbindung 9 bereitgestellt und der Steuereinrichtung 6 zur Berechnung des Vorhersagewertes y_pre die Breitenänderung zugeführt.
Dem Adaptionsalgorithmus 15 wird eine Adaptionsrate 22 vorgegeben die mittels eines Adaptionsratenbestimmers 20 ermittelt wird. Neben den Werten y_NN(x_vor), y_NN(x_nach), y_ist sind x_nach, 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

Verfahren zur Steuerung und Voreinstellung eines Stahlwerkes oder von Teilen eines Stahlwerkes, wobei die Steuerung bzw. die Voreinstellung des Stahlwerks bzw. der Teile des Stahlwerks mittels eines Modells des Stahlwerks bzw. der Teile des Stahlwerks erfolgt, wobei das Modell zumindest ein neuronales Netz aufweist, dessen Parameter an die tatsächlichen Verhältnisse in dem Stahlwerk bzw. in Teilen des Stahlwerks angepaßt bzw. adaptiert werden, dadurch gekennzeichnet, daß eine Geschwindigkeit, mit der die Parameter an die tatsächlichen Verhältnisse in dem Stahlwerk bzw. in Teilen des Stahlwerks angepaßt bzw. adaptiert werden, in Form einer Adaptionsrate variiert wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die besagte Geschwindigkeit in Abhängigkeit der Informationsdichte variiert wird.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Informationsdichte als eine Anzahl an Trainingsdaten bezüglich Walzbänder derselben oder ähnlicher Art gegeben ist.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß die besagte Geschwindigkeit in Abhängigkeit des Fehlererwartungswertes variiert wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Fehlererwartungswert der mittlere Fehler über die gesamte Adaptionsphase oder der mittlere Fehler über ein langes Zeitintervall bei der Adaption ist.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die besagte Geschwindigkeit in Abhängigkeit des aktuellen Fehlers bei der Adaption, d. h. der aktuellen Differenz zwischen den mittels des neuronalen Netzes ermittelten und den tatsächlichen Verhältnissen in dem Stahlwerk bzw. in Teilen des Stahlwerks variiert wird.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß die besagte Geschwindigkeit bei hoher Informationsdichte, kleinem Fehlererwartungswert und kleinem aktuellen Fehler nicht oder kaum variiert wird.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die besagte Geschwindigkeit bei kleiner Informationsdichte und kleinem aktuellen Fehler nicht oder kaum variiert wird.
Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die besagte Geschwindigkeit bei geringer Informationsdichte und großem aktuellen Fehler vergrößert wird.
Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die besagte Geschwindigkeit bei großer Informationsdichte, kleinem Fehlererwartungswert und großem aktuellen Fehler verkleinert wird.
Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Anpassung bzw. Adaption der Parameter des neuronalen Netzes (33) an die tatsächlichen Verhältnisse in dem Stahlwerk bzw. in Teilen des Stahlwerks bei hoher Informationsdichte und hohem Fehlererwartungswert als fehlerhaft diagnostiziert wird.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß die Adaption bzw. Anpassung der Parameter des neuronalen Netzes (33) bei Diagnose einer fehlerhaften Adaption gestoppt wird.
Verfahren nach Anspruch 11 oder 12, dadurch gekennzeichnet, daß die Diagnose der Adaption zur Prozeßdiagnose, d. h. zur Diagnose des Walzvorgangs, verwendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Stahlwerk bzw. die Teile eines Stahlwerkes ein Walzgerüst oder eine Walzstraße zum Walzen eines Walzbandes ist bzw. sind.
Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass die Parameter des neuronalen Netzes an die Eigenschaften eines Walzbandes angepaßt bzw. adaptiert werden.