控制方法及其控制装置
    111.
    发明公开

    公开(公告)号:CN101444797A

    公开(公告)日:2009-06-03

    申请号:CN200810174558.6

    申请日:2006-01-26

    Inventor: 服部哲

    Abstract: 一种轧制装置的控制方法及其控制装置,对于一个控制对象,在多个控制系统被适用的情况下,为了达成某种控制目标,变更各控制系统的控制目标值。在控制精度的容许值内变更给多个控制系统的控制目标值,通过使控制系统间发生干涉,达成和本来的控制目标不同的目的。在轧机的形状控制中,通过变更弯曲机控制和冷却剂控制的目标形状,使控制板端部的形状成为可能。保持控制精度在一定范围内的同时,达成和本来的控制目的不同的目的。

    轧钢机的控制装置及轧钢机的控制方法

    公开(公告)号:CN1883836A

    公开(公告)日:2006-12-27

    申请号:CN200610094021.X

    申请日:2006-06-21

    Inventor: 服部哲 福地裕

    Abstract: 在最终机座使用了钝化轧辊的连续冷轧钢机中,存在最终机座入侧张力控制与以最终机座(-1)速度作为控制操作端的出侧板厚控制发生干扰,出侧板厚控制的响应滞后的问题。为此,通过改变控制板厚目标值,使以(最终机座-1)机座的速度与(最终机座-2)机座的速度作为控制操作端的两种出侧板厚控制发生干扰,且通过进行最终机座入侧张力控制,使得最终机座入侧张力控制与以(最终机座-1)机座的速度作为控制操作端的出侧板厚控制不会发生干扰。另外,通过从出侧板厚控制的控制输出预测出侧板厚变化,并采用该方法修正在出侧板厚控制所使用的出侧板厚测定值,由此改善出侧板厚控制自身的响应。

    连轧机的形状控制方法及装置

    公开(公告)号:CN1743091A

    公开(公告)日:2006-03-08

    申请号:CN200510106889.2

    申请日:2002-04-18

    Abstract: 一种连轧机的形状控制方法,在最终轧制机架的输出侧检测出钢板形状,对上述钢板形状信号进行二次微分,根据上述微分值并相对于轧制钢板宽度,进行上述轧钢机的作业侧和驱动侧及中央部的分区,根据中央部的钢板形状进行上述最终轧制机架的工作辊以及中间辊弯曲控制的同时控制上述最终轧制机架的压下,根据上述轧钢机的作业侧端部钢板形状及驱动侧端部的钢板形状,进行上述最终轧制机架的工作辊移动的控制以及上述最终轧制机架的前段侧的单个或多个轧制机架的工作辊或中间辊的弯曲的控制。能够独立控制钢板端部,又能够在钢板宽度方向整体实现稳定的钢板形状。

    冷轧机的形状控制方法和装置

    公开(公告)号:CN1228152C

    公开(公告)日:2005-11-23

    申请号:CN03147285.0

    申请日:2003-07-11

    Abstract: 本发明的目的在于提供一种抑制局部延伸或复合形状的形状不良能进行高精度的形状控制的冷轧机的形状控制方法和装置。在冷轧机(15)输出侧沿被轧制材料(2)的板宽方向配置多个空气喷嘴并从前述多个空气喷嘴(95)向被轧制材料(2)喷射空气。形状控制装置(5)用根据目标形状和检测形状求出的形状绝对值偏差和形状空间偏差来求出从多个空气喷嘴(95)喷射的空气操作量。空气调整装置(84)基于空气操作量调节从多个空气喷嘴(95)喷射的空气量。

    工厂设备控制装置及其方法、轧制机控制装置及其方法

    公开(公告)号:CN113050550B

    公开(公告)日:2024-04-16

    申请号:CN202011428094.4

    申请日:2020-12-07

    Abstract: 本发明的工厂设备控制装置具备:控制执行装置,其根据控制效果学习控制对象工厂设备的实绩数据与控制操作的组合,提供根据由控制方法学习装置学习过的神经网络的输出来控制上述控制对象工厂设备的操作端的控制输出,就控制执行装置而言,当存在学习控制效果高的情况而形成的神经网络的输出且控制效果高时,根据该输出控制控制对象工厂设备的操作端,在只存在学习控制效果低的情况而形成的神经网络的输出且操作端的操作端位置有富余时,根据学习控制效果低的情况而形成的神经网络的输出控制控制对象工厂设备的操作端,进而在只存在学习控制效果低的情况而形成的神经网络的输出且操作端的操作端位置没富余时,不控制控制对象工厂设备的操作端。

    控制系统和控制方法
    116.
    发明公开

    公开(公告)号:CN116974220A

    公开(公告)日:2023-10-31

    申请号:CN202310249936.7

    申请日:2023-03-15

    Abstract: 本发明提供控制系统和控制方法,提供提高控制精度的技术。控制系统具有:第一控制装置,其使用对变动因素的因素值乘以控制增益而得的第一控制输出来进行对控制对象的FF控制;第二控制装置,其对因素值乘以控制增益来计算第二控制输出,对状态量的实绩值与目标值之间的偏差进行积分来计算第三控制输出,对控制对象进行使用了第二控制输出的FF控制和使用了第三控制输出的积分控制;选择装置,其选择使哪一个控制装置执行针对控制对象的控制;不可观测变动因素预测装置,其根据状态量来计算推定因素值;以及控制装置切换判定装置,其根据推定因素值来对选择哪一个控制装置进行判定。

    设备控制装置、轧制控制装置、设备控制方法以及计算机可读记录介质

    公开(公告)号:CN114074120B

    公开(公告)日:2023-10-31

    申请号:CN202110906115.7

    申请日:2021-08-06

    Inventor: 服部哲

    Abstract: 本发明提供一种设备控制装置、轧制控制装置、设备控制方法以及设备控制程序。设备控制装置基于对控制前状态量的时间序列数据进行快速傅里叶变换而得到的结果,提取控制前状态量中包含的多个频率成分,生成将提取出的频率成分进行合成后的控制前状态量合成波形,基于对控制前状态量和控制后状态量各自的时间序列数据进行快速傅里叶变换而得到的结果,取得控制后状态量相对于控制前状态量的相位差和衰减量,针对多个频率成分中的每一个频率成分,基于取得的相位差和衰减量,决定直到使控制前状态量反映到前馈控制为止的延迟时间即控制输出定时位移量和前馈控制的控制增益。

    工厂设备控制系统、控制方法以及计算机可读记录介质

    公开(公告)号:CN114637194A

    公开(公告)日:2022-06-17

    申请号:CN202111242094.X

    申请日:2021-10-25

    Abstract: 本发明提供工厂设备控制系统、控制方法以及计算机可读记录介质。在工厂设备控制系统中,在扰乱工厂设备的控制的风险少的状态下,高效地校正控制规则。具备:控制方法学习单元,其学习对象工厂设备的实绩数据和控制操作的组合;控制执行单元,其根据控制方法学习部学习到的实绩数据和控制操作的组合来执行对象工厂设备的控制;以及优劣判定规则学习单元,其学习对象工厂设备的实绩数据和控制操作的组合与控制结果优劣的组合。按照对象工厂设备的实绩数据、控制操作和控制结果优劣的确定的组合来进行控制输出的优劣判定,将优劣判定结果、实绩数据和监督数据作为学习数据来学习控制规则。

    监督数据生成装置以及监督数据生成方法

    公开(公告)号:CN110580518A

    公开(公告)日:2019-12-17

    申请号:CN201910247853.8

    申请日:2019-03-29

    Abstract: 本发明提供一种监督数据生成装置以及监督数据生成方法,开始基于人工智能的设备的控制而能够从早期阶段实现高精度的控制。根据设备运行实绩数据,计算与从预定开始时刻(t1)起在预定的提取时间宽度(tband)的期间进行的操作相对应的结果的评价值即操作结果评价值(Tv)。使用操作结果评价值(Tv)判断是否能够生成新监督数据(Tnew)。在判断为能够生成监督数据(T)时,提取包含根据开始时刻(t1)的板形状状态量S(t)计算出的监督数据输入部(Tin)和根据从开始时刻(t1)起在预定的提取时间宽度tband的期间中的操作机器状态量O(t)计算出的监督数据输出部(Tout)的监督数据(T),将提取出的监督数据(T)存储到神经网络学习用监督数据数据库(DB2)。

    整套设备控制装置、轧机控制装置、控制方法及存储介质

    公开(公告)号:CN108687137B

    公开(公告)日:2019-12-10

    申请号:CN201810267684.X

    申请日:2018-03-29

    Abstract: 本发明涉及不会使控制对象整套设备的状态恶化而学习针对实际数据的最佳的操作方法的整套设备控制装置、轧机控制装置、整套设备控制方法、轧机控制方法及存储有程序的存储介质。本发明针对控制对象整套设备识别控制对象整套设备的实际数据的组合的模式来实施控制,其中具备:控制方法学习装置,学习控制对象整套设备的实际数据和控制操作的组合;以及控制执行装置,根据学习出的实际数据和控制操作的组合,实施控制对象整套设备的控制,其中控制执行装置具备控制规则执行部、控制输出判定部以及控制输出抑制部,控制方法学习装置具备控制结果良好与否判定部、学习数据制作部以及控制规则学习部。

Patent Agency Ranking