KR100499165B1 - 시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 - Google Patents
시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR100499165B1 KR100499165B1 KR10-1999-7002963A KR19997002963A KR100499165B1 KR 100499165 B1 KR100499165 B1 KR 100499165B1 KR 19997002963 A KR19997002963 A KR 19997002963A KR 100499165 B1 KR100499165 B1 KR 100499165B1
- Authority
- KR
- South Korea
- Prior art keywords
- time
- model
- varying
- invariant
- parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 183
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 claims 4
- 238000012545 processing Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000002068 genetic effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000005096 rolling process Methods 0.000 description 8
- 229910000831 Steel Inorganic materials 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은, 프로세스에 영향을 주는 가변 프로세스 파라미터 또는 외란을 갖는 산업 프로세스, 특히 1차 산업설비의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법에 관한 것이다. 확인될 프로세스 파라미터는 프로세스 모델에 의해 프로세스로부터의 측정값의 함수에 따라 결정된다. 프로세스 모델은 프로세스의 평균-시간 모델을 나타내는 적어도 하나의 시불변 또는 실질적인 시불변 프로세스 모델, 및 외란 또는 프로세스 파라미터의 변화 중 적어도 하나의 시상수로 조정되는 적어도 하나의 시변 프로세스 모델을 포함한다.
Description
본 발명은 DE4416364 A1호에 예시 형태로 공지된 바와 같이, 시변(time-variant) 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치에 관한 것이다.
산업 프로세스의 조정 또는 제어시, 특히 제철소와 같은 1차 산업 설비에서는 자주 일정한 프로세스 파라미터를 사전 계산하거나 직접 측정 불가능한 프로세스 파라미터를 확인, 즉 결정하는 것이 필수적이다. 상기 경우에, 기술적으로 측정 가능한 프로세스 파라미터를 확인하는 것이 필요하지만, 그 측정은 비용이 많이 든다.
모델을 기초로 해서, 프로세스 파라미터를 확인하는 것이 공지되어 있다. 이 경우 입력값 또는 확인될 파라미터에 적합한 입력값이 일반적으로 단순화된 프로세스 모델에 제공된다. 그러나, 상기의 공지된 방법은 1차 산업 설비에서 자주 문제를 야기한다. 1차 산업 설비, 특히 제철소에서, 확인의 오류 또는 확인의 부정확성은 불량품을 제조함으로써 많은 비용을 초래한다는 것이 특징적이다. 이러한 점은 특히 1차 산업 설비, 특히 제철소에서 외란(disturbance)이 부분적으로 빠르게 변하여, 프로세스 모델을 새로운 입력값으로 조정하기 위해서 필요한 시간 동안에, 충분하지 않은 품질의 제품이 제조될 수 있다는 사실에 의해서 더욱 심화된다. 이러한 문제점은 특히, 예를 들면 새로운 재료로 만들어진 새로운 압연로의 압연들 때문에 급격히 변하거나 또는 이전 압연로와 다른 두께를 갖는 동작 상태의 압연기에 영향을 준다.
도 1은 시변 산업 프로세스의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 본 발명에 따른 방법을 도시하며,
도 2, 도 3 및 도 4는 시변 산업 프로세스의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법의 대안적인 실시예를 도시한다.
본 발명의 목적은 확인 또는 예측되는 프로세스 파라미터를 상응하는 프로세스의 변화하는 동작 상태에 빠르게 적응시키는 것을 가능하게 하는 방법 또는 장치를 제공하는 것이다.
본 발명에 따라, 상기 목적은, 프로세스에 영향을 미치는, 특히 빠르게 변하는 프로세스 파라미터 또는 외란을 가지는 산업 프로세스, 특히 1차 산업 설비의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 또는 장치를 제공함으로써 달성되며, 이 경우 확인될 프로세스 파라미터는 프로세스로부터의 측정값들의 함수에 따라 프로세스 모델을 이용하여 결정되고, 상기 프로세스 모델은 프로세스의 시간에 따라 평균된 프로세스의 이미지를 나타내는 적어도 하나의 시불변 프로세스 모델 또는 주로 시불변 프로세스 모델, 및 외란과 프로세스 파라미터의 변화 중 적어도 하나의 시상수(time constant)에 조정되는 적어도 하나의 시변 프로세스 모델을 포함한다. 상기 방법은 시변 프로세스의 프로세스 파라미터를 확인하거나 또는 예측하는데 매우 바람직하다고 증명되었다. 상기 경우에, 외란은 프로세스 파라미터의 변화로 해석되고, 프로세스 파라미터의 실제 변화와 마찬가지로, 가변 모델 파라미터로 모델링된다.
본 발명의 바람직한 실시예에서, 프로세스의 각각의 중요 상수(significant constant)에는 확인될 프로세스 파라미터의 변화와 관련하여, 상응하는 시상수로 조정되는 시변 모델이 할당된다. 각각의 중요 시상수를 모델링함으로써, 프로세스 모델은 프로세스 파라미터의 각각의 중요 변화를 따라갈 수 있다. 상기 방법은, 프로세스가, 예를 들어 외란에 의해서 유발된 빠른 변화를 수행할 때, 프로세스 모델의 빠른 적응을 가능하게 한다.
본 발명의 바람직한 추가 실시예에서, 시변 모델의 온라인-적응(On-line-adaption)에 의해 시상수 및 확인될 또는 사전 계산될 프로세스 파라미터의 변화와 관련된 프로세스의 변경 또는 외란에 대한 시변 모델의 조정이 이루어지며, 온라인-적응의 주기 시간은 시상수로 조정된다. 이 경우 시변 프로세스 모델을 신경망(neural network)으로 형성하는 것은 매우 바람직하다는 것이 증명되었다.
압연 설비에서, 가장 빠른 모델, 즉 대부분의 트레이닝 사이클을 거치는 모델을 각각의 압연 밴드, 특히 새로운 특성을 갖는 각각의 압연 밴드에 따라 프로세스에 적응시키거나 트레이닝하는 것이 매우 바람직한 것으로 증명되었다. 또한, 압연 설비에 하나의 시불변 모델 및 2개의 시변 모델을 사용하는 것이 바람직한 것으로 증명되었다.
추가 장점 및 발명적 특성은 도면에 의해 그리고 종속항과 관련한 실시예의 설명으로부터 얻어진다.
첨부한 도면을 참고로 본 발명의 실시예를 자세히 살펴보면 하기와 같다.
도 1은 시변 산업 프로세스의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 본 발명에 따른 방법을 도시한다. 이 경우 프로세스 모델에 프로세스 상태 정보 또는 프로세스로부터의 측정값(x0, x1, x2..., xn)이 제공된다. 프로세스 상태값 또는 프로세스로부터의 측정값(x0, x1, x2..., xn)은 상이하거나 동일할 수 있다. 또한 상기 값은 다차원, 즉 다수의 프로세스 상태값을 포함할 수 있다. 프로세스 모델은 시불변 또는 주로 시불변 프로세스의 기본 모델(1)을 포함하며, 상기 기본 모델(1)은 장시간에 따라 평균된 산업 프로세스를 나타낸다. 시불변 또는 주로 시불변 기본 모델의 입력값 또는 출력값은 x0 또는 y0이다. 도면 부호 2, 3 및 4는 시변 모델을 나타내며, 상기 모델에 의해 입력값(x1, x2..., xn)으로부터 보정 파라미터(y1, y2,..., yn)가 계산된다. 이 경우, 시변 모델(2, 3 및 4)은 프로세스의 상이한 시상수로 조정되어 y0 값의 보정을 위해 프로세스의 상이한 다이내믹 부분에 대한 보정값(y1, y2,..., yn)을 제공하며, y0값은 시불변 또는 주로 시불변 기본 모델에 의해 제공된다. 보정값(y1, y2,..., yn)은 연산(gate)(5, 6 및 7)에 의해 y0값과 연산되어서, 최종 연산(7)의 출력에 프로세스 파라미터(y)가 나타나며, 상기 프로세스 파라미터(y)는 프로세스의 정적인(static) 부분뿐만 아니라, 시변 모델(2, 3 및 4)에서 고려되는 프로세스의 시변 부분을 포함한다. y값 및 y0, y1, y2,..., yn값은 x0, x1, x2..., xn값과 같이 다차원 값 또는 스칼라(scalar)일 수 있다. y0, y1, y2,..., yn값이 스칼라일 때 특히 바람직하다. 다수의 프로세스 파라미터(y)가 확인되어야 할 때는, 상기 프로세스 파라미터(y)의 확인이 바람직하게 상이한 모델의 사용에 의해, 즉 각각의 프로세스 파라미터(y)에 대해 도 1에 따른 각각의 모델을 사용함으로써 이루어진다. 상기 방식으로, 특히 시변 모델은 프로세스 파라미터(y)로 최적화하는 것이 가능하다.
연산(5, 6 및 7)에는 특히 승산(multiplication) 및 가산(addition)이 있다.
시불변 또는 주로 시불변 기본 모델(1), 또는 시변 모델은 분석 모델(analytic model), 신경망(neural network) 또는 분석 모델과 신경망의 결합인 하이브리드 모델(hybrid model)일 수 있다. 그러나 시변 모델(2, 3 및 4)을 신경망으로 형성하는 것이 매우 바람직한 것으로 입증되었다.
시변 서브 모델(2, 3 및 4)은 특히 온라인으로 실제 프로세스에 적응된다. 이러한 적응은 도 1에 도시되지 않는다. 또한, 시변 또는 지속적으로 불변하는 기본 모델을 일정한 시간 간격으로 실제 프로세스에 적응하는 것도 바람직한 것으로 입증되었다.
도 2는 시변 산업 프로세스의 프로세스 파라미터를 확인 또는 사전 계산하기 위한 본 발명에 따른 도 1의 방법에 대한 대안적인 실시예를 도시한다. 도 1에 따른 방법에서와 같이 프로세스 파라미터(y)는 시불변 또는 주로 시불변 기본 모델(8), 시변 모델(9, 10 및 11) 및 연산(12, 13 및 14)에 의해 측정된다. 도 1의 방법과 반대로 시변 모델(9, 10 및 11)에는 x1, x2..., xn값 외에도 시불변 또는 주로 시불변 기본 모델(8)의 출력값(y0) 및 보정값(y1, y2,..., yn)이 제공된다. 이 경우 다시 2개의 대안적인 실시예가 가능하다. 제 1 대안에 따라, 시불변 모델(2, 3 및 4)에는 이전 모델의 출력값만이 제공된다. 즉, 시변 모델(9)의 입력값은 x1 및 y0이고 시변 모델(10)의 입력값은 x2 및 y1 등이다. 제 2 대안에 따라, 도 2에 도시된 것과 같이, 시변 모델(9, 10 및 11)에는 입력값(x1, x2..., xn) 외에도 보정값(y0, y1, y2,..., yn-1) 의 선택값이 입력값으로 제공된다.
도 3은 시불변 프로세스의 파라미터(y)를 확인 또는 사전 계산하기 위한 본 발명에 따른 도 2의 방법에 대한 대안적인 실시예를 도시한다. 프로세스 파라미터(y)는 재차 시불변 또는 주로 시불변 모델(15), 시변 모델(16, 17, 18) 및 연산(19, 20, 21)에 의해 확인된다. 도 2에서 설명된 방법과 반대로 시불변 모델(17 및 18)에는 보정값(y1, y2,..., yn-1)이 아닌 보정된 중간값(y0,1, y1,2,..., yn-2,n-1)이 제공된다. 그렇지 않으면 도 2에서 실행된 방법이 도 3에도 유효하며, 도 1에서 실행된 방법이 도 2 및 도 3에도 유효하다.
도 4는 산업적 시변 프로세스의 프로세스 파라미터(y)를 확인 또는 사전 계산하기 위한 본 발명에 따른 방법의 추가 대안을 도시한다. 이 경우, 시불변 또는 주로 시불변 프로세스의 모델(22)에 프로세스 상태 정보 또는 프로세스로부터의 측정값(x)이 제공된다. 상기 측정값(x)은 시변 모델(23)에 제공되는 중간값(u0)을 결정한다. 시변 모델(23)은 그 안에, 모델링된 프로세스의 다이내믹 부분으로 보정된 중간값(u1)을 측정하며, 상기 중간값(u1)은 재차 추가 시변 부분 모델(24)에 제공된다. 상기 서브 모델(24)은 그 안에, 모델링된 프로세스의 다이내믹 부분으로 보정된 중간값(u2) 등을 측정한다. 마지막으로 최종 서브 모델(25)은 시변 모델(23, 24 및 25)로 이루어진 다이내믹 부분을 포함하는 확인될 파라미터(y)에 대한 값(y)을 산출한다.
도 1 내지 도 4에 따른 본 발명에 따른 방법의 대안은 프로세스 파라미터의 확인, 즉 결정에 적합할 뿐만 아니라 프로세스 파라미터의 사전 계산에도 매우 바람직하다.
본 발명에 의해, 확인된 혹은 사전 계산된 프로세스 파라미터를 상응하는 프로세스의 변화하는 동작 상태에 조정시키는 것을 가능하게 하는 방법 및 장치가 제공된다.
Claims (14)
1차 산업 설비를 포함한 산업 프로세스에 영향을 미치는 가변 프로세스 파라미터 또는 외란을 가지는 상기 산업 프로세스에 대한 프로세스 파라미터를 확인 또는 사전 계산하는 방법으로서,
상기 산업 프로세스로부터 값들을 측정하는 단계; 및
시간에 따라 평균된 상기 산업 프로세스의 이미지를 나타내는 적어도 하나의 실질적인 시불변 모델(1, 8, 15, 22) 및 적어도 하나의 시변 프로세스 모델(2, 9, 16, 23)을 사용해서, 상기 측정된 값들에 따라 상기 프로세스 파라미터를 결정하는 단계를 포함하고,
상기 적어도 하나의 시변 프로세스 모델(2, 9, 16, 23)은 외란 또는 상기 프로세스 파라미터의 변화 중 하나의 시상수로 조정되는, 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항에 있어서,
외란 또는 프로세스 파라미터의 변화의 중요 시상수로 상기 시변 프로세스 모델(2, 9, 16, 23)을 할당하고, 상기 시변 프로세스 모델은 상응하는 시상수로 조정되는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
외란 또는 프로세스 파라미터의 변화의 시상수로 대한 상기 시변 프로세스 모델의 조정이 상기 시변 프로세스 모델(2, 9, 16, 23)의 온라인-적응(on-line adaptation)에 의해 이루어지며, 상기 온라인-적응의 주기 시간은 상기 시상수로 조정되는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22) 및 상기 시변 프로세스 모델(2, 9, 16, 23)은 분석 모델, 신경망, 또는 상기 분석 모델 또는 상기 신경망을 포함하는 하이브리드 모델인 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22) 및 상기 시변 프로세스 모델(2, 9, 16, 23)을 온라인-트레이닝에 의해 실제 프로세스 상태에 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22) 또는 상기 시변 프로세스 모델(2, 9, 16, 23)에 의해 확인된 프로세스 파라미터를 신경망을 기초로 하는정보처리장치에 제공하고, 상기 정보처리장치는 상기 프로세스 파라미터를 정밀 적응의 측면에서 개선시키며, 상기 신경망을 기초로 하는 상기 정보처리장치를 온라인으로 실제 프로세스 상태에 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22) 또는 상기 시변 프로세스 모델(2, 9, 16, 23)을 이용해서 확인된 프로세스 파라미터를 보정항(correction term)과 가산기 또는 승산기를 통해 논리 연산하고, 신경망을 기초로 하는 정보처리 장치을 이용해서 상기 프로세스로부터의 측정값에 따라 상기 보정항을 형성하며, 상기 신경망을 기초로 하는 정보처리장치를 온라인을 통해 상기 프로세스로 조정시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
상기 프로세스 파라미터를 상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22) 또는 상기 시변 프로세스 모델(2, 9, 16, 23)을 이용하여 사전 계산하는 것을 특징으로 하는 방법.
제 1 항 또는 제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22)을 최적화 방법에 의해 프로세스 상태에 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 1 항 또는 제 2 항에 있어서,
상기 실질적인 시불변 프로세스 모델(1, 8, 15, 22)을 유전적 알고리즘(genetic algorithm) 또는 진화전략(evolution strategy)을 이용해서 상기 프로세스 특성에 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 5 항에 있어서,
상기 외란 또는 프로세스 파라미터 변화의 보다 작은 시상수를 모델링하기 위한 모델을 상기 외란 또는 프로세스 파라미터 변화의 보다 큰 시상수를 갖는 모델보다 더 자주 실제 프로세스 상태로 조정하거나 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 11 항에 있어서,
상기 외란 또는 프로세스 파라미터 변화의 보다 작은 시상수를 모델링하기 위한 모델을 상기 외란 또는 프로세스 파라미터 변화의 보다 큰 시상수를 갖는 모델보다 작은 데이터 기록을 포함해서 더 자주 실제 프로세스 상태로 조정하거나 적응시키는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
제 11 항에 있어서,
상기 외란 또는 프로세스 파라미터 변화의 보다 큰 시상수를 모델링하기 위한 모델의 적응이 이루어진 후에, 상기 외란 또는 프로세스 파라미터 변화의 보다 작은 시상수를 모델링하기 위한 모델을 프로세스 상태에 조정하는 것을 특징으로 하는 프로세스 파라미터 확인 또는 사전 계산방법.
가변 프로세스 파라미터를 가지는 1차 산업 설비를 포함한 산업 프로세스에 대한 프로세스 파라미터를 확인 또는 사전 계산하기 위한 제 1 항 또는 제 2 항에 따른 방법을 실행하기 위한 장치로서,
상기 산업 프로세스로부터 값들을 측정하는 수단; 및
시간에 따라 평균된 상기 산업 프로세스의 이미지를 나타내는 적어도 하나의 실질적인 시불변 모델(1, 8, 15, 22), 및 적어도 하나의 시변 프로세스 모델(2, 9, 16, 23)을 포함하는 프로세스 모델을 이용해서 상기 측정값에 따라 상기 프로세스 파라미터를 결정하는 수단을 포함하고,
적어도 하나의 시변 프로세스 모델(2, 9, 16, 23)은 외란 또는 프로세스 파라미터 변화 중 적어도 하나의 시상수로 조정되는 프로세스 파라미터 확인 또는 사전 계산장치.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE19641431A DE19641431A1 (de) | 1996-10-08 | 1996-10-08 | Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses |
| DE19641431.8 | 1996-10-08 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20000048928A KR20000048928A (ko) | 2000-07-25 |
| KR100499165B1 true KR100499165B1 (ko) | 2005-07-04 |
Family
ID=7808151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-1999-7002963A Expired - Fee Related KR100499165B1 (ko) | 1996-10-08 | 1997-10-07 | 시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US6473658B1 (ko) |
| KR (1) | KR100499165B1 (ko) |
| CN (1) | CN1174298C (ko) |
| DE (2) | DE19641431A1 (ko) |
| RU (1) | RU2200341C2 (ko) |
| WO (1) | WO1998015882A1 (ko) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8311673B2 (en) * | 1996-05-06 | 2012-11-13 | Rockwell Automation Technologies, Inc. | Method and apparatus for minimizing error in dynamic and steady-state processes for prediction, control, and optimization |
| DE19728979A1 (de) * | 1997-07-07 | 1998-09-10 | Siemens Ag | Verfahren und Einrichtung zur Steuerung bzw. Voreinstellung eines Walzgerüstes |
| DE19731980A1 (de) * | 1997-07-24 | 1999-01-28 | Siemens Ag | Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes |
| AT410407B (de) * | 1998-02-18 | 2003-04-25 | Siemens Ag | Verfahren und einrichtung zur bestimmung eines zwischenprofils eines metallbandes |
| FR2783292B1 (fr) | 1998-07-28 | 2000-11-24 | Valeo | Embrayage a friction portant le rotor d'une machine electrique, notamment pour vehicule automobile |
| US6553270B1 (en) * | 1999-06-30 | 2003-04-22 | Kimberly-Clark Worldwide, Inc. | Proactive control of a process after the beginning of a destabilizing event |
| US6587737B2 (en) * | 2000-09-14 | 2003-07-01 | Sulzer Makert And Technology Ag | Method for the monitoring of a plant |
| ATE326717T1 (de) * | 2002-09-26 | 2006-06-15 | Siemens Ag | Vorrichtung und verfahren zur überwachung einer mehrere systeme umfassenden technischen anlage, insbesondere einer kraftwerksanlage |
| RU2276396C2 (ru) * | 2004-03-22 | 2006-05-10 | Кузбасская государственная педагогическая академия (КузГПА) | Способ идентификации объектов с изменением заданий |
| CN100410825C (zh) * | 2004-04-22 | 2008-08-13 | 横河电机株式会社 | 工厂运转支持系统 |
| RU2271561C2 (ru) * | 2004-06-01 | 2006-03-10 | Государственное образовательное учреждение высшего профессионального образования Кузбасская государственная педагогическая академия (КузГПА) | Способ идентификации каналов регулирования объектов с нанесением пробных сигналов на прогнозируемые рабочие управления |
| WO2006007621A2 (de) * | 2004-07-22 | 2006-01-26 | Avl List Gmbh | Verfahren zur untersuchung des verhaltens von komplexen systemen, insbesondere von brennkraftmaschinen |
| US7818276B2 (en) | 2006-02-03 | 2010-10-19 | Recherche 2000 Inc. | Intelligent monitoring system and method for building predictive models and detecting anomalies |
| DE102007025447A1 (de) * | 2006-10-09 | 2008-04-17 | Siemens Ag | Verfahren zur Steuerung und/oder Regelung eines industriellen Prozesses |
| RU2327197C1 (ru) * | 2007-01-09 | 2008-06-20 | Государственное образовательное учреждение высшего профессионального образования Кузбасская государственная педагогическая академия (КузГПА) | Способ фрагментального управления и идентификации канала регулирования состояния объекта в действующей системе |
| US9043254B2 (en) | 2010-04-12 | 2015-05-26 | Siemens Aktiengesellschaft | Method for computer-aided closed-loop and/or open-loop control of a technical system |
| RU2488455C2 (ru) * | 2010-12-07 | 2013-07-27 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" | Способ прокатки металлической заготовки |
| EP2479630A1 (de) | 2011-01-25 | 2012-07-25 | Siemens Aktiengesellschaft | Verfahren zur kollisionsfreien Überführung einer Anlage aus einem Scheinausmodus in einen Betriebsmodus |
| EP3324254A1 (de) * | 2016-11-17 | 2018-05-23 | Siemens Aktiengesellschaft | Einrichtung und verfahren zur bestimmung der parameter einer regeleinrichtung |
| EP4124398B1 (de) * | 2021-07-27 | 2024-04-10 | Primetals Technologies Austria GmbH | Verfahren zur bestimmung mechanischer eigenschaften eines walzgutes mit hilfe eines hybriden modells |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4368510A (en) * | 1980-10-20 | 1983-01-11 | Leeds & Northrup Company | Automatic identification system for self tuning process controller |
| US4663703A (en) | 1985-10-02 | 1987-05-05 | Westinghouse Electric Corp. | Predictive model reference adaptive controller |
| US5043863A (en) * | 1987-03-30 | 1991-08-27 | The Foxboro Company | Multivariable adaptive feedforward controller |
| JPH04308901A (ja) * | 1991-04-05 | 1992-10-30 | Nec Corp | 状態推定器と磁気ディスク装置の位置決め制御回路 |
| US5402333A (en) * | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
| DE4416364B4 (de) | 1993-05-17 | 2004-10-28 | Siemens Ag | Verfahren und Regeleinrichtung zur Regelung eines Prozesses |
| DE4338615B4 (de) * | 1993-11-11 | 2005-10-13 | Siemens Ag | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
| 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 |
| WO1996007126A1 (de) * | 1994-08-29 | 1996-03-07 | Siemens Aktiengesellschaft | Verfahren zur schnellen adaption modellgestützter steuerungen und zugehörige anordnung |
| DE19508474A1 (de) * | 1995-03-09 | 1996-09-19 | Siemens Ag | Intelligentes Rechner-Leitsystem |
| US5933345A (en) * | 1996-05-06 | 1999-08-03 | Pavilion Technologies, Inc. | Method and apparatus for dynamic and steady state modeling over a desired path between two end points |
-
1996
- 1996-10-08 DE DE19641431A patent/DE19641431A1/de not_active Withdrawn
-
1997
- 1997-10-07 RU RU99109474/09A patent/RU2200341C2/ru not_active IP Right Cessation
- 1997-10-07 KR KR10-1999-7002963A patent/KR100499165B1/ko not_active Expired - Fee Related
- 1997-10-07 US US09/284,324 patent/US6473658B1/en not_active Expired - Fee Related
- 1997-10-07 CN CNB971986428A patent/CN1174298C/zh not_active Expired - Lifetime
- 1997-10-07 DE DE19781103T patent/DE19781103B4/de not_active Expired - Fee Related
- 1997-10-07 WO PCT/DE1997/002297 patent/WO1998015882A1/de active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| RU2200341C2 (ru) | 2003-03-10 |
| KR20000048928A (ko) | 2000-07-25 |
| WO1998015882A1 (de) | 1998-04-16 |
| DE19781103B4 (de) | 2013-02-21 |
| CN1233331A (zh) | 1999-10-27 |
| CN1174298C (zh) | 2004-11-03 |
| US6473658B1 (en) | 2002-10-29 |
| DE19781103D2 (de) | 1999-09-09 |
| DE19641431A1 (de) | 1998-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100499165B1 (ko) | 시변 산업 프로세스 파라미터를 확인 또는 사전 계산하기 위한 방법 및 장치 | |
| US5513097A (en) | Method and control device for controlling a process including the use of a neural network having variable network parameters | |
| US7917234B2 (en) | Manufacturing design and process analysis system | |
| KR100249914B1 (ko) | 금속 밴드의 로울링 방법 및 장치 | |
| EP0368300B1 (en) | Apparatus for setting molding conditions in an injection molding machine | |
| Ghasempoor et al. | Real time implementation of on-line tool condition monitoring in turning | |
| CN111191822A (zh) | 钢材的参数预测方法及终端设备 | |
| KR100354410B1 (ko) | 프로세스제어방법및장치 | |
| Benton | Statistical process control and the Taguchi method: a comparative evaluation | |
| US5778151A (en) | Method and control device for controlling a material-processing process | |
| RU99109474A (ru) | Способ и устройство для идентификации или, соответственно, предварительного вычисления параметров промышленного процесса, изменяющегося во времени | |
| CN115390459B (zh) | 模型预测控制方法及装置 | |
| JPH11707A (ja) | 圧延機の制御方法及び圧延機の制御装置 | |
| Nastran et al. | Stabilisation of mechanical properties of the wire by roller straightening | |
| WO2021229727A1 (ja) | 物理モデル同定システム | |
| Peng et al. | A novel deep ensemble reinforcement learning based control method for strip flatness in cold rolling steel industry | |
| KR100498151B1 (ko) | 산업프로세스의미리공지되지않은파라미터를사전계산하기위한방법 | |
| Tannock | Choice of inspection strategy using quality simulation | |
| KR19990052660A (ko) | 신경망을 이용한 전로 취련 예측 방법 | |
| JP2968644B2 (ja) | 熱間粗圧延における板幅セットアップ装置 | |
| CN119035274B (zh) | 一种热连轧生产过程机架间宽度预测方法及装置 | |
| JP3441381B2 (ja) | 圧延機制御装置 | |
| KR100293222B1 (ko) | 퍼지이론을이용한압연하중예측방법 | |
| Volodarsky et al. | Uncertainty of measurement and reliability of the decision making on compliance | |
| Jiang et al. | A digital twin model of hot rolling process based on CGAN |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0105 | International application |
Patent event date: 19990406 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PG1501 | Laying open of application | ||
| A201 | Request for examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20021007 Comment text: Request for Examination of Application |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20040831 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: 20050330 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20050624 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20050627 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20080530 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20090527 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20100513 Start annual number: 6 End annual number: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20110523 Start annual number: 7 End annual number: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20120511 Year of fee payment: 8 |
|
| PR1001 | Payment of annual fee |
Payment date: 20120511 Start annual number: 8 End annual number: 8 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |