[go: up one dir, main page]

KR100354410B1 - 프로세스제어방법및장치 - Google Patents

프로세스제어방법및장치 Download PDF

Info

Publication number
KR100354410B1
KR100354410B1 KR1019950000666A KR19950000666A KR100354410B1 KR 100354410 B1 KR100354410 B1 KR 100354410B1 KR 1019950000666 A KR1019950000666 A KR 1019950000666A KR 19950000666 A KR19950000666 A KR 19950000666A KR 100354410 B1 KR100354410 B1 KR 100354410B1
Authority
KR
South Korea
Prior art keywords
variable
model
output
control
value
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.)
Expired - Fee Related
Application number
KR1019950000666A
Other languages
English (en)
Other versions
KR950033889A (ko
Inventor
마르틴 니만
Original Assignee
지멘스 악티엔게젤샤프트
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 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR950033889A publication Critical patent/KR950033889A/ko
Application granted granted Critical
Publication of KR100354410B1 publication Critical patent/KR100354410B1/ko
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
    • C23C2/16—Removing excess of molten coatings; Controlling or regulating the coating thickness using fluids under pressure, e.g. air knives
    • C23C2/18—Removing excess of molten coatings from elongated material
    • C23C2/20—Strips; Plates
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/50—Controlling or regulating the coating processes
    • C23C2/51—Computer-controlled implementation
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/50—Controlling or regulating the coating processes
    • C23C2/52—Controlling or regulating the coating processes with means for measuring or sensing
    • C23C2/525—Speed of the substrate
    • 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
    • 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
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D5/00—Control of dimensions of material
    • G05D5/02—Control of dimensions of material of thickness, e.g. of rolled material
    • G05D5/03—Control of dimensions of material of thickness, e.g. of rolled material characterised by the use of electric means

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Threshing Machine Elements (AREA)

Abstract

프로세스(6)에 영향을 주는 다수 값(v,a,h,α)에 의존하는 출력값(c)를 가진 프로세스(6)의 제어를 위해, 프로세스(6)가 조절값(p*)에 의해, 상기 출력값(c)이 제어값(c*)를 갖도록 제어된다. 조절값(p*)은 프로세스(6)의 모델(8)을 기초로 한 제어값(c*)으로부터 산출된다. 모델(8)은 모델(8)에 의해 공급되는 결과(cM)와 측정된 프로세스(6)의 값(c,v,a,h,α)의 비교에 의해 프로세스 작용에 매칭된다.

Description

프로세스 제어방법 및 장치{PROCESS CONTROL METHOD AND DEVICE}
본 발명은 프로세스에 영향을 주는 다수의 변수에 의존하는 출력변수가 조절부재를 통한 프로세스에 작용하는 조절변수에 의해, 예정된 제어변수를 갖도록, 상기 출력변수에 영향을 주는 방식으로 이루어지는, 프로세스 제어방법에 관한 것이다. 또한, 본 발명은 상응하는 장치에 관한 것이다.
일반적으로, 프로세스의 출력변수가 제어변수와 비교되고, 그 비교결과가 조절장치에 공급됨으로써, 상기 조절장치의 출력측에 조절변수가 발생되며, 이 조절변수에 의해 조절부재를 통해 프로세스에 영향을 주는 방식으로, 프로세스를 제어하는 것은 공지되어 있다. 조절변수와 더불어, 일련의 영향을 주는 다른 변수가 프로세스에 작용한다. 조절변수와, 한편으로는 영향을 주는 변수 사이의, 그리고 다른 한편으로는 프로세스의 출력변수 사이의 관계가 값의 측정에 의해 얻어지는 특성 곡선으로 표시될 수 있다. 그러나, 실제로 거의 비선형인 상기 특성 곡선은 정확하게 알 수 없으며, 변동하는 프로세스 조건으로 인해 변동될 수 있다. 따라서, 조절장치가 항상 최적의 작동 시점에서 작동하기 위해서는, 변동되는 프로세스 조건에 프로세스 제어를 매칭시키는 문제가 발생한다.
본 발명의 목적은 프로세스의 제어를 실제 프로세스 작용에 최적으로 매칭시키는 것이다.
상기 목적은 본 발명에 따라 계산장치에 포함된 프로세스의 모델에 의해 모델의 입력측에 공급되는 조절변수 및 영향을 주는 변수에 따라, 그리고 가변 모델 파라메터에 따라 모델 출력값이 산출되는 단계, 상기 모델 출력값이 측정된 프로세스의 출력값변수와 비교되고, 비교 결과에 따라 모델 파라메터를 변화시키며, 모델 출력값과 프로세스 출력변수 사이의 편차를 감소시키는 방향으로 변동되는 단계, 및 제어변수와 영향 변수에 따라 조절부재를 통하여 공정상에 작용하는 조절변수를 결정하기 위해 실제 공정에 적합한 공정의 모델을 사용하는 단계로 이루어진, 프로세스 제어방법에 의해 달성된다.
따라서, 본 발명의 방법을 구현하는 장치에서, 프로세스의 모델은 계산장치내에 포함되고, 모델은 입력측에서 공급된 조절변수 및 영향 변수와 가변 모델 파라미터에 따라 모델 출력값을 계산한다. 또한, 학습 알고리즘은 상기 계산 장치내에서 구현되며, 모델 출력값과 프로세스의 측정된 출력 변수 사이의 차이에 따른 알고리즘은 상기 차이를 감소시키기 위해 모델 파라미터를 변화시킨다. 마지막으로, 상기 계산장치는 조절부재와 제어변수 및 영향변수에 따라 프로세스에 작용하는 프로세스의 모델을 기초로 조절변수의 계산 결정을 위한 수단을 포함한다.
제어될 프로세스가 모델에 의해 시뮬레이트되고, 상기 모델은 적응에 의해 실제 프로세스 작용에 매칭된다. 적응된 모델에 의해 제어변수로부터 조절변수가 직접 산출된다. 모델에 의한 프로세스의 시뮬레이션이 충분히 정확하면, 조절장치가 더 이상 필요없다. 본 발명은 조절없이 제어변수로 프로세스를 직접 제어할 수 있는 가능성을 제공한다. 따라서, 프로세스 제어가 조절시보다 간단히, 그리고 신속히 이루어진다.
조절값의 결정은, 제어변수 및 영향을 주는 변수가 프로세스의 역 모델의 입력측에 공급되고, 상기 역 모델의 출력측에서 조절변수가 발생되는 방식으로 이루어질 수 있으며, 이 경우 프로세스의 모델의 적응에 따라 역모델이 프로세스 작용에 매칭된다. 프로세스의 역 모델은 비-역 모델과는 달리, 입력변수으로서 조절변수르 받는 것이 아니라 반대방향에서 다른변수로부터 조절변수를 계산한다. 따라서, 역 모델이 비-역 모델로부터 직접 유도될 수 있다.
본 발명에 따른 방법의 바람직한 실시예에 따르면, 조절변수의 결정을 위해 제어변수가 모델 출력값과 비교되고, 상기 조절변수를 위해 모델에 공급된 값은 모델 출력값이 제어변수에 상응할 때 까지 상기 비교결과에 따라 변화되며, 그리고 상기 조절변수를 위해 획득된 값은 조절부재에 공급된다. 그리므로, 이는 프로세스의 역 모델이 필요하지 않게 한다.
전술한 바와 같이, 모델에 의한 프로세스의 시뮬레이션이 충분히 정확하면, 프로세스의 조절을 위한 조절장치가 더 이상 필요없다. 그러나, 조절이 필요한 것으로 생각되는 경우에는 부가로 모델 출력값 또는 예정된 제어변수와 측정된 프로세스의 출력변수 사이의 조절의 차이가 조절장치에 공급되고, 상기 조절장치의 출력신호가 프로세스의 모델에 의해 발생된 조절변수에 인가된다. 이때, 프로세스의 모델을 가진 계산장치는 조절장치에 대한 예비 제어수단으로 작용하므로, 상기 조절장치는 모델에 의해 검출되지 않는 조절 에러만을 조절하면 된다. 따라서, 조절장치가 적은 부하만을 받기 때문에 간단히 형성될 수 있다.
조절장치가 항상 최적의 작동 시점에서 작동하기 위해, 바람직하게는 조절장치의 증폭률이 프로세스의 모델에 의해 공급된 모델 출력값에 의해 조절된다.
프로세스의 모델은 학습 프로세스에서 발생된다. 먼저, 제어될 프로세스에 대한 기존의 지식에 의해 모델이 학습된다. 상기 모델 또는 대응하는 역 모델로 프로세스가 제어된다. 조절변수, 영향을 주는 변수 및 프로세스의 출력변수를 위해 측정된 값을 기초로 모델이 개선되고, 실제 프로세스의 작용에 매칭된다. 이 경우, 바람직하게는 모델 출력값이 기본 성분과 보정 성분의 - 특히 가산 - 연산에 의해 형성된다. 상기 기본 성분은 프로세스의 기본 모델에 의해 발생된다. 상기 기본 모델은 프로세스에 대한 기존 지식을 기초로 만들어져 있으며, 프로세스의 측정된 출력변수에 의해 프로세스 작용에 매칭된다. 상기 보정 성분을보정 장치에 의해 발생된다. 상기 보정 장치는 기본 모델의 적응 후, 모델 출력값과 프로세스 출력변수 사이의 편차에 따라 프로세스 작용에 적응적으로 매칭된다. 기본 모델 및 보정 장치로 프로세스의 모델을 세분함으로써, 비교적 짧은 학습시간 후에도, 즉 기본 모델의 적용 후에 프로세스의 제어를 위한 적합한 수단이 이용될 수 있다는 장점이 있다. 제어될 프로세스는 프로세스에 관한 기존의 지식으로부터 유도되어 실제 프로세스 작용에 매칭된 기본 모델에 의해 양호하게 시뮬레이트되고, 또한 남아 있는 모델 에러가 모델의 또다른 적응 매칭의 시험에 의해 보정되는 것이 아니라, 기본 모델에 평행하게 연결된 보정 장치에 의해 보정된다. 모델 출력값을 발생시키기 위해 단 하나의 모델을 사용하는 것에 비해, 기본 모델 및 보정 장치의 구성 및 훈련이 동일한 요구를 충족시켜야 하는 단일 모델에서 보다 더 간단하다는 장점이 있다.
프로세스의 기본 모델은 바람직하게는 다음과 같은 방식으로 신경 회로망의 형태로 실시된다. 즉, 프로세스에 관한 기존 지식을 기초로 프로세스의 기본 모델을 만들기 위해, 예컨대 조절변수, 영향을 주는 변수와 프로세스의 출력변수 사이의 관계를 나타내며, 상기 변수의 측정에 의해 수학적 함수가 제공되며, 상기 함수는 조절변수, 영향 변수 및 함수 파라미터에 대한 프로세스 출력변수의 의존도를 나타내며, 이렇게 얻어진 함수가 신경 회로망으로 구현되며, 상기 신경 회로망의 입력측에는 조절변수 및 영향을 주는 변수가 공급되고, 함수 파라메터에 상응하는 상기 신경 회로망의 파라메터가 프로세스 작용에 적응적으로 매칭되는 방식으로 실시된다. 따라서, 맨처음부터 신경 회로망의 구조가 제어될 프로세스에 대한 기존 지식에 의해, 즉 측정된 특성 곡선 및 그것으로부터 유도된 수학적 함수에 의해 프로세스에 매칭되므로, 신경 회로망이 일반적인 회로망에 비해 간단히 구성될 수 있고, 그것의 회로망 파라메터를 통해 실제 프로세스 작용에 간단히, 그리고 신속히 적응될 수 있다.
기본 모델 또는 신경 회로망이 그것의 간단한 구성으로 인해 한계까지만 프로세스 작용에 매칭될 수 있기 때문에 초래되는, 남아 있는 모델 에러는 전술한 바와 같이 보정 장치에 의해 보정된다. 보정 장치는 바람직하게는 다음과 같이 형성된다. 즉, 보정 장치가 조절변수와 영향을 주는 변수에 의해 정해진 다차원 공간에서 예정된 보간점(interpolation node)에 대해 보간점에 기초한 보정값을 제공하도록 설계되며, 보간점에 기초한 보정값은 보간점 사이에 위차한 영향변수와 조절변수의 값과 함께 측정된 프로세스의 출력값과 모델 출력값 사이의 차이로부터 계산되며; 각각의 측정된 차이는 보간점에 기초한 조절변수의 보간 동안에 다시 발생되고; 그리고, 보정성분은 보간점에 기초한 보정값들 사이의 보간법에 의해 계산되며, 그것의 보간 점은 보정성분에 속하는 조절변수 및 영향변수에 대한 값에 인접한다. 측정된 모델 에러에 의해 먼저 일정수의 예정된 보간점에서의 보정값만이 학습되어, 보정 장치의 구성이 간단해질 수 있고, 몇몇 보간점에 있는 보정값의 학습이 간단하고 신속히 이루어진다. 임의로 발생하는 조절변수 및 영향을 주는 변수의 조합에 있어, 보정 성분이 학습된 보간점에 기초한 보정값 사이의 보간에 의해 간단히 산출된다.
보정 성분의 산출을 위한 보간은 바람직하게는 퍼지이론을 기초로 다음과 같이 이루어진다. 즉, 관련된 보간점에서 값 1을 가지며, 인접한 보간점까지 값 0으로 강하하는 멤버십 함수가 각각의 보간점에 할당되고, 보간점에 관련된 보정값이 관련 멤버십 함수로 웨이팅되며, 서로 중첩되는 방식으로 이루어진다.
기본 성분과 마찬가지로, 보정 성분도 바람직하게는 보정 장치를 형성하는 신경 회로망에서 산출된다.
본 발명에 따른 방법은 특히, 예컨대 프로세스 값의 측정에 의해 얻어지는 프로세스에 관한 지식에 의해 모델로 나타내질 수 있는 산업기술적 프로세스에 적용된다. 이것과 관련해서, 본 발명에 따른 방법은 아연욕으로부터 나온 스트립에대해 노즐로부터 공기를 송풍시키는 방식으로 액상 아연욕을 통과한 스트립의 아연층 두께를 조절하는데 바람직하게 적용된다. 상기 경우, 아연층 두께는 프로세스의 출력변수이고, 공기압력은 조절변수를 형성하며, 스트립에 관련한 노출의 배치는 프로세스에 영향을 주는 변수이다.
본 발명에 따른 방법의 전술한 구성에 상응하게, 프로세스 제어장치는 본 발명에 따른 방법을 실시하기 위한 수단, 즉, 특히 적합하게 프로그램된 계산장치를 포함한다.
본 발명을 첨부된 도면을 참고로 고온 아연도금장치에서 아연층 두께 조절에 대한 예로서 보다 상세히 설명하면 다음과 같다.
제 1도에는 고온 아연도금장치가 개략적으로 도시되어 있다. 이 장치에서는 압연된 스트립(1)이 속도(v)로 액상 아연을 가진 아연욕(2)을 통과한다. 아연욕(2)으로부터 배출후 스트립(1)에 액상 아연층이 달라붙게 된다. 스트립(1)으로부터 간격(a)을 두고 노즐(3)이 배치되며, 상기 노즐(3)로부터 공기가 압력(p)으로 스트립(1)에 대해 흐르므로, 과잉 아연이 제거된다. 스트립(1)의 진행방향으로 노즐(3) 다음에 열 측정장치(5)가 배치되며, 상기 열 측정장치(5)에 의해 스트립(1)상의 아연층 두께(c)가 측정된다.
아연층 두께에 주요한 영향을 주는 요인은 스트립(1)의 속도(v), 공기압력(p), 스트립(1)과 노즐(3) 사이의 간격(a), 아연욕(2)으로부터 노즐(3)까지의 높이(h), 및 스트립(1)과 노즐(3) 사이의 각(α)이다.
프로세스의 출력변수, 즉, 아연층 두께(c)가 조절변수(p*) 및 나머지 영향을 주는 변수(v),(a),(h) 및 (α)에 따라 조절되는, 제 1도에 도시된 기술적 프로세스가 제 2도에서는 기능블록의 형태의 블록회로도로 도시되어 있다. 프로세스의 조절변수(p*)는 출력변수(c)가 제어변수(c*)의 값(본 경우에는 아연층 두께)을 가정하도록 조절변수(p*)를 조정하는 것이 목표이다. 조절변수(p*)는 종래의 조절과는 달리 프로세스(6)의 역 모델(7)에 의해 이루어진다. 상기 역 모델(7)은 제어변수(c*) 및 영향을 주는 변수(v),(a),(h) 및 (α)를 입력변수로 사용하며, 이들 변수들로부터 조절변수(p*)를 직접 산출한다. 역 모델(7)은 프로세스(6)의 모델(8)로부터 직접 유도되고, 상기 모델(8)은 프로세스(6)를 시뮬레이트하며, 따라서 프로세스와 마찬가지로 조절변수(p*) 및 영향을 주는 변수(v),(a),(h) 및 (α)를 입력변수로 사용한다. 상기 입력변수는 모델(8)에서 가변 모델 파라메터(m)를 통하여 모델 출력값(cM)을 형성한다. 프로세스(6)가 모델(8)에 의해 더욱 정확히 시뮬레이트되면, 모델 출력값(cM)은 프로세스(6)의 실제 출력변수(c)와 비슷해 진다. 이것을 위해 프로세스 (6)에 관한 기존의 지식에 의해 예비 적응된 모델(8)이 프로세스(6)의 제어를 위한 전체 장치의 작동후 실제의 프로세스 작용에 매칭된다. 모델 출력값(cM)은 비교기(9)에서 측정된 프로세스(6)의 출력변수(c)와 비교되고, 편차(cM-c)는 회로블록(10)으로 나타나는 학습 알고리즘에 공급된다. 상기 학습 알고리즘은 모델(8)에서 모일 파라메터(m)로 액세스되며, 상기 모델 파라메터는 검출된 편차(cM-c)에 따라 상기 편차를 줄인다는 점에서 변동된다. 동시에, 모델(8)에 비해 역모델(7)에서는 단지 역 계산만을 수행하기 때문에 모델(8)로부터 직접 유도되며, 동일 모델 파라메터(m)를 가진 역 모델(7)에서도, 모델 파라메터(m)가 변동되므로 모델(8) 및 관련 역 모델(7) 둘다가 실제의 프로세스 작용에 매칭된다.
모델(8)이 프로세스(6)에 양호하게 적응되면, 역 모델(7)에 의해 조절변수(p*)가 제대어수(c*) 및 영향을 주는 변수(v),(a),(h) 및 (α)에 따라 정확히 산출되므로 프로세스의 출력변수(c)는 제어변수(c*)를 취한다. 이 경우, 조절변수 (p*)의 산출은 종래의 제어에서보다 신속히 이루어진다. 게다가, 종래의 제어는 실제의 프로세스에 항상 매칭되어야 한다.
제 3도는 본 발명에 따른 프로세스(6)의 제어장치에 대한 또다른 실시예를 나타낸다. 이 실시예는 역 모델(7)이 없다는 것이 제 2도의 실시예와 다르다. 그 대신에, 모델 출력값(cM)이 또다른 비교기(11)에서 제어변수(c*)와 비교되고, 비교결과(c*-cM)가 장치(12)에 공급된다. 상기 장치(12)는 출력측에 조절변수(p*)를 발생시켜 이 값을 비교결과(c*-cM)가 0이 될 때까지 변경시킨다. 장치(12)에 의해 발생되어 변경된 조절변수(p*)의 값이 모델(8)에 공급되기 때문에, 그것의 출력값(cM)은, 그것이 제어변수(c*)와 동일한 값을 가질 때까지 변경된다. 제어변수(c*)와 동일한 값을 가지면, 비교결과(c*-cM)=0에 따라 조절변수(p*)에 대한 실제값이 스위칭 장치를 통해 조절부재(4)(제 1도)에 전달된다.
전술한 바와 같이, 모델(8)이 프로세스 작용에 정확히 적용되면, 조절장치 없이도 제 2도 및 3도에 도시된 본 발명에 따른 장치의 실시예로 프로세스(6)의 정확한 제어가 이루어진다. 모델(8)에 의한 프로세스(6)의 시뮬레이션이 정확하지 않은 것으로 간주되면, 제 4도에 나타나는 바와 같이, 부가로 조절장치(14)가 제공될 수 있다. 제 4도에는 계산장치(15)가 도시되어 있으며, 이 장치내에 제 2도 또는 3도에 도시된 회로 블록(7) 내지 (13)이 구현되어 있다. 조절장치(14)의 입력측에는 부가의 비교기(16)에서 형성된, 제어변수(c*) 또는 점선으로 표시된 바와 같이, 모델 출력값(cM)과 프로세스의 출력변수(c) 사이의 제어편차(△c)가 공급된다. 조절장치(14)의 출력신호(△p)는 가산기(17)를 통해 조절변수(p*)에 공급된다. 계산장치(15)는 모델(8)과 함께 조절장치(14)에 대한 예비 제어수단을 형성한다. 따라서, 조절장치(14)는 모델(8)에 의해 검출되지 않는 조절에러만을 조절하면 되므로, 조절장치(14)가 단지 적은 부하만을 받기 때문에 간단히 형성될 수 있다. 조절장치(14)가 실제 프로세스 작용에 매칭되어 항상 최적의 작동시점에서 작동하도록 하기 위해, 조절장치(14)의 증폭률 ∂c/∂p이 모델(8)에 의해 처리되는 변수(cM) 및 (p*)의 변동에 의해 조절된다.
하기에, 모델(8)의 구성 및 프로세스 작용에 모델(8)을 매칭시키기 위한 학습과정이 보다 상세히 설명된다. 간략히 나타내기 위해, 아연층 두께(c)에 대한 스트립 속도(v) 및 공기압력(p)의 영향만이 고려된다.
제 5도는 스트립 속도(v) 및 공기압력(p)에 따른 아연층 두께(c)에 대한 비선형 특성 곡선(18)을 나타낸다. 상기 특성 곡선은 프로세스의 모델(8)에 의해 시뮬레이트된다. 제 6도에 나타나는 바와 같이, 모델(8)은 기본모델(19)과 이것에 평행한 보정장치(20)로 이루어지며, 입력변수(p) 및 (v)은 상기 기본모델(19) 및 보정장치(20)에 각각 공급된다. 그것으로부터 기본모델(19)은 기본성분(cMF)를, 그리고 보정장치(20)는 보정성분(cMK)을 산출하며, 상기 두 성분은 가산기(21)에서 연산되어 모델 출력값(cM)을 형성한다.
기본성분(cMF)은 프로세스에 관한 기존 지식을 기초로 한 함수 근사치이다. 상기 지식은, 아연층 두께와 이것에 영향을 주는 변수(p),(v),(h) 및 (α) 사이의 관계를 나타내며, 선택된 고온 아연도금장치에서의 측정에 의해 얻어지는 측정 데이타로부터 이루어진다. 제 5도의 특성 곡선(18)에 상응하는 측정 데이터의 그래프로부터, 수학적 함수 cMF=f(p,v,h,α)가 유도되며, 상기 함수는 특성 곡선(18)과 유사하게 나타난다. a,h 및 α가 일정하면, 특성 곡선(18)은 예컨대 하기 함수
cMF= f(p,v) = v/(K1·v + K2·p3/2+ K3)
에 의해 그사해질 수 있다. 상기 식에서, (K1), (K2) 및 (K3)을 학습될 함수 파라메터이다.
이렇게 얻어진 수학적 함수 cMF=f(p,v)는 제 7도에 도시되어 있는 신경 회로망(22)의 형태로 실시된다. 상기 신경 회로망(22)의 입력측에는 변수(v) 및 (p3/2)이 공급되며, 상기 수학적 함수에 상응하게 가산노드(23) 및 노드(24)에 의해 계수함수(quotient)와 연산된다. 신경 회로망(22)에서 노드의 연결라인에는 각각 하나의 펙터가 제공된다. 상기 연결라인이 진하게 표시되면, 펙터가 학습가능하다(회로망 파라메터 K1, K2, K3) ; 그렇지 않으면 펙터가 일정하다(여기서는 1, 0). 신경 회로망(22)의 출력에서는 기본성분(cMF)이 출력된다.
회로망 파라메터(K1),(K2) 및 (K3)의 학습을 위해, 발생된 기본성분(cMF)이 측정된 변수(p) 및 (v)에 따라 프로세스(6)에서 발생되어 측정된 출력 변수(c)와 비교기(25)에서 비교된다. 비교결과에 따라, 학습 알고리즘(26)에서 회로망 파라메터(K1),(K2) 및 (K3)가 기본성분(cMF)이 프로세스(6)의 출력 값(c)과 동일해질 때까지 변동된다.
이렇게 적응된 기본모델(19)에 의해 발생된 기본성분(cMF)은 제 5도에 점선으로 표시되어 있다. 나타나는 바와 같이, 프로세스(6)의 출력변수(c)와 기본모델(19)에 의해 공급된 기본성분(cMF) 사이의 차가 여전히 있다. 이러한 차를 보상하기 위해 보정성분(cMK)이 사용된다. 보정장치(20)에서 상기 보정성분을 산출하는 것이 하기에서 제 8도를 참고로 상세히 설명된다. 먼저, 프로세스에 영향을 주는 변수(p),(v),(a),(h) 및 (α)에 의해 정해진 다차원 공간에 보간점이 정해진다. 간략히 나타내기 위해, 앞에서와 마찬가지로 여기서도 값(p) 및 (v)만이 고려된다. 보간점은 값 쌍(pi,vj)(여기서 j,j=0,1,2,...)으로 정해진다. 측정된 변수(p) 및 (v)에 따라 프로세스(6)에 의해 발생된 출력변수(c)와 기본모델(19)에 의해 공급된 기본성분(cMF) 사이의 차(△cM)가 보간점에 기초한 보정값(cMKij)의 산출을 위해 유도됨으로써, 보간점(pi,vj)에 대해 보정값(cMKij)이 학습된다. 달리 표현하면, 보간점에 기초한 보정값(cMKij)이 차이값(△cM)으로부터 다음과 같이 산출된다. 즉, 역으로 보간점(pi,vj)에 보정값(cMKij)의 보간시 실제 입력변수(p) 및 (v)에 대한 차(△cM)가 얻어지도록 산출된다. 현재 입력 변수(p) 및(v)에 대한 보간점(pi,vj)에서 보정값(cMKij)의 보간과 함께 역으로 차이값(△cM)이 획득된다.
이렇게 학습된 보간점에 기초한 보정값(cMKij)들에 기초한 보간점 사이에 보간에 의해 보정성분(cMK)이 산출된다. 보간은 퍼지이론을 기초로 이루어진다. 각각의 보간점(pi,vj)에는 각각 하나의 멤버십 함수(27)가 할당되며, 상기 함수는 학습된 보정값(cMKij)을 보간점 및 그 주위에 웨이트(w)로 웨이팅 한다. 멤버십 함수(27)는 상응하는 보간점(pi,vj)에서 값 1을 가지며, 상기 값은 인접한 보간점까지 선형으로 값 0으로 강하한다. 입력변수(p) 및 (v)에 대한 보정성분(cMK)은, 입력값(p) 및 (v)에 인접하며, 각각의 웨이트(w)와 승산된 보간점에 관련된 모든 보정값(cMKij)과
의 가산으로부터 산출된다.
제 9도는 신경 회로망(28)에 의한 보정성분(cMK)의 상기 산출규정의 실시예를 나타낸다. 상기 신경 회로망은 입력변수로서 값(v) 및 (p)을 받으며, 이 값은 S자형 함수를 가진 노드(29)를 가진 제 1 층에 공급된다. 제 8 도에 도시된 3각형 멤버십 함수(27)는 노드(29)들 중 각각 2개 및 후속하는 가산노드(30)에서의 노드 출력신호의 가산에 의해 형성된다. 따라서, 멤버십 함수(27)로 웨이팅된 값(p) 및 (v)을 나타내는 값(w1) 내지 (w4)이 가산노드(30)의 출력에서 출력된다. 상기 값(w1) 내지 (w4)은 상기 계산규정에 상응하게 적(product)함수를 가진 노드(31) 및 가산노드(32)에 의해 연산되어 신경 회로망(28)의 출력에서 보정성분(cMK)으로 출력된다. 가산로드(32)의 입력에서의 펙터(cMK00) 내지 (cMK11)는 신경 회로망(28)의 학습될 회로망 파라메터이다.
제 1도는 고온 아연도금장치의 개략도.
제 2도는 본 발명에 따른 프로세스 제어장치의 제 1 실시예의 블록 회로도.
제 3도는 본 발명에 따른 장치의 제 2 실시예의 블록 회로도.
제 4도는 조절장치를 포함하는 본 발명에 따른 장치의 블록 회로도.
제 5도는 영향을 주는 변수에 대한 프로세스 출력값의 의존도를 나타내는 특성 곡선을 가진 다이어그램.
제 6도는 기본 모델과 보정장치로 이루어진 프로세스 모델의 블록 회로도.
제 7도는 신경 회로망으로 기본 모델을 구현한 예.
제 8도는 보정장치에 의한 보정성분의 발생을 설명하기 위한 다이어그램.
제 9도는 신경 회로망으로 보정장치를 구현한 예.
* 도면의 주요부분에 대한 부호의 설명 *
1 : 스트립 2 : 욕
3 : 노즐 4 : 조절부재
7 : 역 모델 8 : 모델
9,11,16 : 비교기 14 : 조절장치
15 : 계산장치 18 : 특성 곡선
19 : 기본 모델 20 : 보정장치
22,28 : 신경 회로망 26 : 학습 알고리즘
27 : 멤버십 함수

Claims (13)

  1. 프로세스(6)에 영향을 주는 다수의 변수(v,a,h,α)에 의존하는 출력변수(c)가 조절부재(4)를 통해 프로세스(6)에 작용하는 조절변수(p*)에 의해, 예정된 제어변수(c*)를 갖도록 상기 출력변수(c)에 영향을 주는 방식으로 이루어진, 프로세스 제어방법에 있어서, 계산장치(15)내에 포함된 프로세스(6)의 모델(8)에 의해 모델(8)의 입력측에 공급된 조절변수(p*) 및 영향을 주는 변수(v,a,h,α)에 따라 그리고 가변 모델 파라메터(m)에 따라 모델 출력 값(cM)이 산출되는 단계, 상기 모델 출력값(cM)이 측정된 프로세스의 출력변수와 비교되고, 비교결과에 따라 모델 파라메터(m)가 모델 출력값(cM)과 프로세스(6)의 출력변수(c) 사이의 편차를 줄이는 방향으로 변동되는 단계, 및 상기 제어변수(c*)와 다수의 영향변수(v,a,h,α)에 따라 프로세스의 조절부재(4)를 통하여 작용하는 조절변수(p*)를 결정하기 위하여, 실제 프로세스에 적합한 프로세스의 모델을 사용하는 단계를 포함하는 것을 특징으로 하는 프로세스 제어방법.
  2. 제 1항에 있어서, 조절변수(p*)의 결정을 위해 제어변수(c*) 및 영향을 주는 변수(v,a,h,α)가 프로세스(6)의 역모델(7)의 입력측에 공급되고, 상기 역모델의출력측에는 조절변수(p*)가 발생되며, 프로세스(6)의 모델(8)의 적응에 따라 역모델(7)도 프로세스 작용에 매칭되는 것을 특징으로 하는 프로세스 제어방법.
  3. 제 1항에 있어서, 조절변수(p*)의 결정을 위해 제어변수(c*)가 모델 출력값(cM)과 비교되고, 비교결과에 따라 모델(8)에 공급되는 조절변수(p*)가, 모델 출력값(cM)이 제어변수(c*)에 상응할 때까지 변동되며, 이렇게 해서 얻어진 조절변수(p*)가 조절부재(4)에 공급되는 것을 특징으로 하는 프로세스 제어방법.
  4. 전술한 항중 어느 한 항에 있어서, 모델 출력값(cM) 또는 예정된 제어변수(c*)와 측정된 프로세스(6)의 출력변수(c) 사이의 편차(△c)가 조절장치(14)에 공급되고, 상기 조절장치(14)의 출력신호(△p)가 프로세스(6)의 모델(8)에 의해 발생된 조절변수(p*)에 공급되는 것을 특징으로 하는 프로세스 제어방법.
  5. 제 4항에 있어서, 조절장치(14)의 증폭률이 프로세스(6)의 모델(8)에 의해 공급되는 모델 출력값(cM)에 의해 조절되는 것을 특징으로 하는 프로세스 제어방법.
  6. 제 1항 내지 제 3항 중 어느 한 항에 있어서, 모델 출력값(cM)이 기본성분(cMF)과 보정성분(cMK)의 연산에 의해 형성되고, 상기 기본성분(cMF)은 프로세스(6)의 기본모델(19)에 의해 발생되며, 상기 보정성분(cMK)은 보정장치(20)에 의해 발생되고, 상기 기본모델(19)은 프로세스(6)에 관한 기존지식을 기초로 만들어져 있고, 측정된 프로세스(6)의 출력변수(c)에 의해 프로세스 작용에 적응되며, 상기 보정장치(20)는 기본모델(19)의 적응 후에도 생기는, 모델 출력값(cM)과 프로세스(6)의 출력변수(c) 사이의 편차에 따라 프로세스 작용에 적응적으로 매칭되는 것을 특징으로 하는 프로세스 제어방법.
  7. 제 6항에 있어서, 프로세스(6)에 관한 기존 지식을 기초로 프로세스(6)의 기본모델(19)을 만들기 위해, 조절변수(p*), 영향을 주는 변수(v,a,h,α)에 대한, 그리고 함수 파라메터(K1,K2,K3)에 대한 프로세스(6) 출력변수(c)제 의존도를 나타내는 수학적 함수가 작성되고, 이렇게 얻어진 함수가 신경회로망(28)으로 구현되며, 상기 신경회로망(28)의 입력측에는 조절변수(p*) 및 영향을 주는 변수(v,a,h,α)가 공급되고, 함수 파라메터에 상응하는 상기 신경회로망(28)의 파라메터가 프로세스 작용에 적응적으로 매칭되는 것을 특징으로 하는 프로세스 제어방법.
  8. 제 1항 내지 제 3항 중 어느 한 항에 있어서, 보정장치(20)가 조절변수(p*)과 영향을 주는 값(v,a,h,α)에 의해 정해진 다차원 공간에서 예정된 보간점(pi,vj)에 대해 보간점에 관련된 보정값(cMKij)을 제공하고, 상기 보간점에 관련된 보정값(cMKij)은 모델 출력값(cM)과 보간점(pi,vj) 사이에 놓인 조절변수(p*) 및 영향을 주는 변수(v,a,h,α)와 함께 측정된 프로세스(6)의 출력변수(c) 사이의 편차로부터, 보간점에 관련된 보정값(cMKij)의 보간시 측정된 편차(△cM)가 다시 얻어지도록 산출되며, 보정성분(cMK)은 보정성분(cMK)에 속한 조절변수(p*)과 영향을 주는 변수(v,a,h,α)에 인접한 보간점(pi,vj)에 관련한 보정값(cMKij) 사이에 보간에 의해 산출되는 것을 특징으로 하는 프로세스 제어방법.
  9. 제 8항에 있어서, 보정성분(cMK)의 산출을 위한 보간은 퍼지이론을 기초로, 관련 보간점(pi,vj)에서 값 1을 가지며, 다음 인접한 보간점까지 값 0으로 강하하는 멤버십 함수(27)가 각각의 보간점(pi,vj)에 할당되고, 보간점에 할당된 보정값(cMKij)이 관련 멤버십 함수(27)로 웨이팅되며 서로 중첩되도록 이루어지는 것을 특징으로 하는 프로세스 제어방법.
  10. 1항 내지 3항 중 어느 한 항에 있어서, 보정성분(cMK)이 보정장치(20)를 형성하는 신경회로망(28)에서 산출되는 것을 특징으로 하는 프로세스 제어방법.
  11. 제 1항 내지 제 3항 중 어느 한 항에 있어서, 프로세스(6)에서, 노즐(3)로부터 공기가 아연욕(2)으로부터 나온 스트립(1)에 대해 송풍되는 방식으로 액상 아연욕(2)을 통과한 스트립(1)의 아연층 두께(c)가 조절되며, 여기서 아연층 두께(c)는 프로세스(6)의 출력변수이고, 공기압력(p)은 조절변수을 행성하며, 스트립 속도(v) 및 스트립(1)에 대한 노즐(3)의 배치는 프로세스(6)에 영향을 주는 변수인 것을 특징으로 하는 프로세스 제어방법.
  12. 프로세스(6)에 영향을 주는 다수의 변수(v,a,h,α)에 의존하는 출력변수(c)가 조절부재(4)를 통해 프로세스(6)에 작용하는 조절변수(p*)에 의해, 예정된 제어변수(c*)를 갖도록, 상기 출력변수(c)에 영향을 주는 방식으로 이루어지는, 프로세스 제어장치에 있어서, 계산장치(15)가 모델의 입력측에 공급된 조절변수(p*) 및 영향을 주는 변수(v,a,h,α)에 따라, 그리고 가변 모델 파라메터(m)에 따라 모델 출력값(cM)을 산출하는 프로세스(6)의 모델(8)을 포함하고, 모델 출력값(cM)과 측정된 프로세스(6)의 출력변수(c) 사이의 편차에 따라 편차를 줄이는 방향으로 모델 파라메터(m)를 변동시키는 학습 알고리즘(10)이 계산장치에서 수행되며, 계산장치(15)가 프로세스(6)의 모델(8)을 기초로, 그리고 제어변수(c*) 및 영향을 주는 변수(v,a,h,α)에 따라 조절부재(4)를 통해 프로세스(6)에 작용하는 조절변수(p*)의 결정을 위한 수단(7;11,12,13)을 포함하는 것을 특징으로 하는 프로세스 제어장치.
  13. 제 1항 내지 제 3항 중 어느 한 항에 따른 방법을 실시하기 위해 형성된 수단을 갖춘 프로세스 제어장치.
KR1019950000666A 1994-01-17 1995-01-17 프로세스제어방법및장치 Expired - Fee Related KR100354410B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP94100589.4 1994-01-17
EP94100589A EP0663632B1 (de) 1994-01-17 1994-01-17 Verfahren und Vorrichtung zur Führung eines Prozesses

Publications (2)

Publication Number Publication Date
KR950033889A KR950033889A (ko) 1995-12-26
KR100354410B1 true KR100354410B1 (ko) 2002-12-16

Family

ID=8215610

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019950000666A Expired - Fee Related KR100354410B1 (ko) 1994-01-17 1995-01-17 프로세스제어방법및장치

Country Status (5)

Country Link
US (1) US5598329A (ko)
EP (1) EP0663632B1 (ko)
KR (1) KR100354410B1 (ko)
AT (1) ATE161109T1 (ko)
DE (1) DE59404777D1 (ko)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5913184A (en) * 1994-07-13 1999-06-15 Siemens Aktiengesellschaft Method and device for diagnosing and predicting the operational performance of a turbine plant
DE19516627A1 (de) * 1995-05-05 1996-11-07 Ranco Inc Verfahren und Vorrichtung zur Regelung eines Prozesses
DE19618712B4 (de) * 1996-05-09 2005-07-07 Siemens Ag Regelverfahren für ein Walzgerüst zum Walzen eines Bandes
DE29610789U1 (de) * 1996-06-19 1997-07-17 Siemens AG, 80333 München Einrichtung zur Identifikation einer Übertragungsstrecke, insbesondere einer Regelstrecke
DE19642918C2 (de) * 1996-10-17 2003-04-24 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes
DE19745132A1 (de) * 1997-10-13 1999-04-15 Siemens Ag Verfahren und Einrichtung zum Beschichten eines Metallbandes
DE19756877A1 (de) * 1997-12-19 1999-07-01 Siemens Ag Verfahren und Einrichtung zum Beschichten eines Metallbandes
JP2002501245A (ja) * 1998-01-22 2002-01-15 エムティエス・システムズ・コーポレーション 物理的システムにおいて入力信号を発生する方法及び装置
US7031949B2 (en) * 1998-01-22 2006-04-18 Mts Systems Corporation Method and apparatus for generating input signals in a physical system
US6285972B1 (en) 1998-10-21 2001-09-04 Mts Systems Corporation Generating a nonlinear model and generating drive signals for simulation testing using the same
ATE441141T1 (de) 1998-11-13 2009-09-15 Mts System Corp Messen der wiederholbaren bandbreite eines systems zum simulationstesten
AU756690B2 (en) * 1999-01-29 2003-01-23 Mobil Oil Corporation Method to control a lubricant production
US6317654B1 (en) 1999-01-29 2001-11-13 James William Gleeson Control of crude refining by a method to predict lubricant base stock's ultimate lubricant preformance
US6295485B1 (en) 1999-01-29 2001-09-25 Mobil Oil Corporation Control of lubricant production by a method to predict a base stock's ultimate lubricant performance
US6442445B1 (en) 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
DE19939973A1 (de) * 1999-08-24 2001-03-01 Volkswagen Ag Regelung eines Ottomotors
EP1322932A1 (en) 2000-09-21 2003-07-02 Mts Systems Corporation Multiple region convolver with tapering
DE10146791A1 (de) * 2001-09-20 2003-04-10 Sms Demag Ag Verfahren und Vorrichtung zum Beschichten der Oberfläche von strangförmigem metallischem Gut
JP4038501B2 (ja) * 2003-09-02 2008-01-30 株式会社東芝 逆モデル計算装置及び逆モデル計算方法
DE102004011236A1 (de) * 2004-03-04 2005-09-29 Bayerische Motoren Werke Ag Prozesssteuersystem
FR2913432B1 (fr) * 2007-03-07 2011-06-17 Siemens Vai Metals Tech Sas Procede et installation de depot en continu d'un revetement sur un support en bande
CN101939461B (zh) * 2008-02-08 2013-01-02 西门子Vai金属科技有限公司 用于钢带的硬化电镀的方法
JP5877908B2 (ja) * 2012-10-24 2016-03-08 東京エレクトロン株式会社 補正値算出装置、補正値算出方法及びコンピュータプログラム
US10247043B2 (en) * 2014-12-31 2019-04-02 General Electric Company Ducted cowl support for a gas turbine engine

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60165399A (ja) * 1984-02-07 1985-08-28 Hitachi Zosen Corp めつき厚さ制御方法
JPH03170653A (ja) * 1989-11-29 1991-07-24 Kawasaki Steel Corp めっき付着量制御方法
JPH05171395A (ja) * 1991-12-18 1993-07-09 Kawasaki Steel Corp 連続溶融めっきのめっき付着量制御方法
JPH06259107A (ja) * 1993-03-02 1994-09-16 Kobe Steel Ltd プロセスラインにおける学習制御方法
US5368715A (en) * 1993-02-23 1994-11-29 Enthone-Omi, Inc. Method and system for controlling plating bath parameters

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3221497B2 (ja) * 1991-06-20 2001-10-22 三菱電機株式会社 制御方法およびその制御方法を用いた電力系統電圧−無効電力制御装置
FR2678645B1 (fr) * 1991-07-01 1993-10-29 Sollac Procede de regulation d'un traitement metallurgique effectue sur un produit en defilement et dispositif pour sa mise en óoeuvre.

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60165399A (ja) * 1984-02-07 1985-08-28 Hitachi Zosen Corp めつき厚さ制御方法
JPH03170653A (ja) * 1989-11-29 1991-07-24 Kawasaki Steel Corp めっき付着量制御方法
JPH05171395A (ja) * 1991-12-18 1993-07-09 Kawasaki Steel Corp 連続溶融めっきのめっき付着量制御方法
US5368715A (en) * 1993-02-23 1994-11-29 Enthone-Omi, Inc. Method and system for controlling plating bath parameters
JPH06259107A (ja) * 1993-03-02 1994-09-16 Kobe Steel Ltd プロセスラインにおける学習制御方法

Also Published As

Publication number Publication date
US5598329A (en) 1997-01-28
EP0663632A1 (de) 1995-07-19
ATE161109T1 (de) 1997-12-15
DE59404777D1 (de) 1998-01-22
KR950033889A (ko) 1995-12-26
EP0663632B1 (de) 1997-12-10

Similar Documents

Publication Publication Date Title
KR100354410B1 (ko) 프로세스제어방법및장치
US7647284B2 (en) Fixed-weight recurrent neural network controller with fixed long-term and adaptive short-term memory
EP0710901A1 (en) Multivariable nonlinear process controller
US5159547A (en) Self-monitoring tuner for feedback controller
CN111045326B (zh) 一种基于递归神经网络的烘丝过程水分预测控制方法及系统
KR100249914B1 (ko) 금속 밴드의 로울링 방법 및 장치
EP0710902B1 (en) Method and apparatus for controlling multivariable nonlinear processes
US4054780A (en) Gain-adaptive process control
US5513097A (en) Method and control device for controlling a process including the use of a neural network having variable network parameters
JP3336135B2 (ja) プロセスに指令を与えるための方法および装置
US5748467A (en) Method of adapting and applying control parameters in non-linear process controllers
KR100846756B1 (ko) 시트
Sbarbaro-Hofer et al. Neural control of a steel rolling mill
US6473658B1 (en) Process and device for identification or pre-calculation of parameters of a time-variant industrial process
JPH07191713A (ja) 調節されるシステム内のプロセスに指令を与えるための方法および装置
JP3330758B2 (ja) 調節されるシステムにおけるプロセスの制御方法および装置
JP3864781B2 (ja) 温度調節器
CN104190720B (zh) 一种自适应自动厚度控制方法及装置
US20010034560A1 (en) Control system
KR20040043911A (ko) 신경 회로망을 이용한 압연 하중 예측 장치 및 방법
JP2968631B2 (ja) 熱延プロセス制御方法
KR20020052433A (ko) 연속압연기의 롤갭 설정방법
JPH05125713A (ja) ダム流量逆調整ゲートの制御装置
JP2551166B2 (ja) プロセス制御装置
KR100425601B1 (ko) 압연기의 형상 제어 특성을 실시간으로 시뮬레이션할 수있는 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 19950117

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 19991223

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 19950117

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20011119

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20020624

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20020913

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20020916

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20050818

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20060822

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20070828

Start annual number: 6

End annual number: 6

PR1001 Payment of annual fee

Payment date: 20080825

Start annual number: 7

End annual number: 7

FPAY Annual fee payment

Payment date: 20090811

Year of fee payment: 8

PR1001 Payment of annual fee

Payment date: 20090811

Start annual number: 8

End annual number: 8

LAPS Lapse due to unpaid annual fee
PC1903 Unpaid annual fee

Termination category: Default of registration fee

Termination date: 20110810