JP4402502B2

JP4402502B2 - 巻取温度制御装置

Info

Publication number: JP4402502B2
Application number: JP2004117674A
Authority: JP
Inventors: 宏幸今成
Original assignee: Toshiba Mitsubishi Electric Industrial Systems Corp
Current assignee: Toshiba Mitsubishi Electric Industrial Systems Corp
Priority date: 2004-04-13
Filing date: 2004-04-13
Publication date: 2010-01-20
Anticipated expiration: 2024-04-13
Also published as: JP2005297015A

Description

この発明は、金属材料、特に鉄鋼の熱間圧延において、圧延後に鉄鋼材料を冷却するための巻取温度制御装置に関する。

熱間薄板圧延における品質制御には、圧延材の幅方向中央部の板厚を制御する板厚制御、板幅制御、幅方向板厚分布を制御する板クラウン制御、圧延材の幅方向の伸びを制御する平坦度制御、などの製品の寸法制御と、圧延材の温度制御とがある。圧延材の温度制御には、仕上圧延機出側の温度を制御する仕上出側温度制御と、巻取機前の温度を制御する巻取温度制御とがある。
熱間圧延機は、一般に加熱炉、粗圧延機、仕上圧延機、冷却装置が設置された搬送テーブル（ＲＯＴ：Run Out Tableと呼んでいる）、巻取機が順に配置されている。代表的な圧延材の温度は、加熱炉出側で１２００〜１２５０℃、粗圧延機出側で１１００〜１１５０℃、仕上圧延機入側で１０５０〜１１００℃、仕上圧延機出側で８５０〜９００℃、巻取温度は５００〜７００℃である。
材料の強度、靱性等の材質は、仕上圧延機における変形量および温度などの条件によるほか、仕上圧延機を出てから巻取機までの冷却による影響が非常に大きい。このため巻取温度制御が、材質の造り込みのために非常に重要である。
図８に従来からの巻取温度制御装置の構成例を示す。図中、１は圧延材であり、冷却する対象物である。２は仕上出側温度計（ＦＤＴ：Finisher Delivery Thermometer）、３は巻取温度計（ＣＴ：Coiling Thermometer）、４は仕上圧延機、５は搬送テーブル、６は巻取機、７は冷却手段、８は仕上圧延機設定計算機能、９はパルスジェネレータ、１０は巻取温度制御装置、１１は巻取温度制御機能、１５は圧延材温度予測機能、１６は圧延材温度モデル、１７は圧延材温度モデル学習手段、１８はフィードバック制御機能、１９は圧延材トラッキング機能、２０は変態発熱モデルである。
仕上圧延機４で圧延された圧延材１は、仕上圧延機４の出側で仕上出側温度計２により温度を測定され、搬送テーブル５上のｎ個の冷却手段７ａ、７ｂ等（冷却バンクともいい、通常ｎ＝７〜２０）で冷却水が噴射され、圧延材１は冷却される。その後、巻取温度計３で温度が測定され、巻取機６で巻き取られる。一般に、搬送テーブル５は、多数のロールを並べて回転させ、圧延材１を搬送できるような構造である。
冷却手段７ａ、７ｂ、…には、一般に、冷却水を制御するバルブが取り付けられている。この冷却水を制御するバルブは、開閉弁や流量制御弁が使われるが、最も巻取温度計３に近い２〜３個の冷却手段では、フィードバック制御機能１８を木目細かく行うために、流量制御を行えるバルブを設置したり、小流量の開閉弁を多数並べるなどしている。
冷却手段７ａ、７ｂ、…には、巻取温度制御機能１１で計算されたバルブのオン、オフ情報あるいはそのバルブで出すべき流量の情報が設定される。以下、簡単のため、冷却手段７に設置されているバルブは、開閉弁であるものとする。流量制御弁であっても、考え方は全く同じである。
巻取温度制御装置１０は、巻取温度制御機能１１、圧延材温度予測機能１５、圧延材温度モデル学習手段１７、フィードバック制御機能１８、圧延材トラッキング機能１９で構成されている。また、圧延材温度予測機能１５には、圧延材温度モデル１６と変態発熱モデル２０が含まれており、その両方が混合されて圧延材温度モデル学習手段１７により学習されている。
ここで、変態発熱について、図３を用いて簡単に説明する。図３は、鉄鋼の熱間圧延を模式的に示した図である。圧延素材であるスラブが圧延機で圧延され、冷却装置で冷却され、巻取機で巻き取られて、製品コイルとなる。圧延材の温度も図３中に記載する。炭素などの含有成分によっても異なるが、７５０℃程度以上の鉄鋼は、主にオーステナイトという組織で占められている。すなわち圧延機を出て冷却される前の圧延材の組織は、一般にオーステナイトのみである。この組織は常温では存在せず、冷却されるに従って、フェライトという組織や、パーライトという組織などに変化する。このように組織が変化することを、相が変わる、相変態、あるいは変態という。
図４にオーステナイトとフェライトの体積率の変化の様子を模式的に示す。オーステナイトの状態にある鉄鋼の組織が、変態開始温度まで冷却されると、変態が始まる。変態が進行している間は、オーステナイトとフェライトが混在し、それぞれの体積率が変化する。一定時間経過後に変態が完了し、フェライト組織のみとなる。
変態するときには、必ずエネルギーの出入りを伴う。例えば、０℃の氷（固体＝固相）が０℃の水（液体＝液相）に変化する場合（固相から液相へ相が変わる場合）、熱が必要である。逆に、０℃の水が０℃の氷に変化する場合、熱を放出する。この熱は、同じ０℃の温度での変化を起こすために必要な熱であり、潜熱と呼ばれる。
鉄鋼の場合でも同様に、オーステナイトからフェライト等へ変態する場合に、熱を放出し、この熱は変態熱、変態発熱などと呼ばれ、潜熱である。
巻取温度制御装置１０は、仕上圧延機４における設定計算の情報をあらかじめ取り込んでおく必要があり、仕上圧延機設定計算機能８から情報を得ている。９ａ、９ｂは例えばパルスジェネレータであり、圧延機４や巻取機６の回転数に応じてパルスを発生し、圧延材トラッキング機能１９に与える。圧延材トラッキング機能１９では、このパルスをカウントすることにより、搬送テーブル５上にある圧延材１の位置を特定する。なお材料トラッキングは、パルスジェネレータ９ａ、９ｂのカウントのみならず、搬送テーブル５の中間に材料感知センサーを置くことにより、他の方法でも実施することができる。

以下、巻取温度制御装置１０の動作について説明する。
従来からの巻取温度制御方式では、仮想的に圧延材１を分割した材料冷却単位（仮想的に圧延材を切り刻んで繋げた状態を想定しており、それぞれを「切り板」とも言う）に対し、これが仕上圧延機４の特定の圧延スタンド（図８中第ｍ−ｊスタンドとする）を通過する時点で、仕上出側温度計２の直下にある材料の温度測定値（T_FD ^ACT）をもとにして、
巻取温度計３の直下にある材料の温度測定値（T_CT ^ACT）が、目標巻取温度（T_CT ^AIM）になるように冷却手段７の冷却水量を決めている。目標巻取温度（T_CT ^AIM）と実績巻取温度（T_CT ^ACT）の間に誤差が生じた場合、フィードバック制御機能１８で補正する。
例えば巻取温度制御機能１１では、先端から第ｋ番目の材料冷却単位が仕上圧延機第ｍ−ｊスタンドに来たタイミングで、次の計算を行う。まず第１番目の冷却バンク（７ａ）をオンして冷却水を掛けて、圧延材温度予測機能１５で圧延材１の温度を予測し、目標巻取温度を達成したかどうかを判断し、達成していれば第１番目の冷却バンク（７ａ）のみを使用する。目標巻取温度を達成していなければ、下流側の第２番目の冷却バンク（７ｂ）をオンし、同様に温度を予測する。このとき仕上圧延機設定計算機能８から、圧延速度パターンをもらい、予定された速度の変更を取り込んで、速度変化に追従できるようにするのが一般的である。これを目標巻取温度が達成されるまで繰り返す。
なお、この計算を材料冷却単位が仕上圧延機第ｍ−ｊスタンドに来たタイミングで行う理由は、一般に冷却手段７の制御装置にバルブ開閉あるいは流量変更に無駄時間や応答遅れがあり、かつ／または演算時間が多くかかるのでこれらの遅れに先んじて演算するためである。従って、仕上圧延機４の最終スタンドより何台上流側のスタンドに来たタイミングで計算するかは、遅れの時間により決められる。
圧延材１の温度予測に使う温度モデルは、例えば熱収支を表す理論式に基づいて、（１）式のような形に書ける。

式中、右辺第１項は熱放射による材料温度降下、右辺第２項は空気への熱伝達による材料温度降下、右辺第３項は冷却水への熱伝達による材料温度降下、右辺第４項は搬送テーブルへの熱伝達による材料温度降下、右辺第５項は材料の変態発熱による温度上昇を表すものである。記号の意味は以下のとおりである。
Ｔ：材料温度、ｔ：時刻、ｈ：板厚、ε：放射率、ｃ：材料比熱、ρ：材料密度、Ｔ_ａ：空気温度、Ｔ_Ｗ：冷却水温度、Ｔ_Ｈ：テーブルロール温度、σ：ステファン・ボルツマンの定数、α_Ｃ：空気への対流による熱伝達係数、α_Ｕ：圧延材上表面での熱伝達係数、α_Ｌ：圧延材下表面での熱伝達係数、α_λ：テーブルロールへの熱伝達係数、Ｑ_Ｔ：変態発熱量。
（１）式で表される微分方程式を解いて材料温度Ｔを計算するには、Ｔ＝数式、の形で解析的に解けないため、ルンゲクッタ法などの数値積分手法を用いる必要がある。このため、計算量は非常に多くなる。またモデル中に含まれる未知パラメータ（ε、α_Ｃ、α_Ｕ、α_Ｌ、α_λ）が多いため、モデル同定精度にも限界があった。
これに対して、従来技術では、上記温度モデルを簡易化し、計算量を減らし、また温度モデルパラメータの同定も容易にする方法および装置が提案されている（例えば、特許文献１参照）。
また、他の従来技術では、変態発熱を考慮して、圧延材の温度を制御する方法が提案されており、この中には変態発熱を求める計算式が記載されている（例えば、特許文献２参照）。

特開２００３−０３９１０９号公報特開平８−１０３８０９号公報

しかしながら、特許文献１には、変態発熱量Ｑ_Ｔに関する具体的な記載はない。また、特許文献２には、変態発熱を求める計算式が記載されているが、単位体積あたりの変態相の粒数や、それが一定時間後にどれだけ体積が増えたかを表すパラメータを用いており、これらのパラメータを正確に算出したり、測定することは困難であり、また具体的な計算方法は記載されていない。
図８の従来例においては、圧延材温度予測機能１５で、圧延材温度モデル１６と変態発熱モデル２０を用いて温度を予測しており、実際のデータに基づいて圧延材温度モデル学習手段１７で学習を行い、モデルを修正している。前述のように、熱い材料を冷却する原理と、変態による発熱の原理は全く異なるものであり、２つのモデルを分けて学習することが望ましい。しかしそれが不可能なので、その両方の影響を混合して圧延材温度モデル学習手段１７により学習しているのが実情である。
上述した巻取温度制御では、変態発熱を演算するモデルが複雑であったり、モデルを構成するパラメータを計算するのが困難であったり、また圧延材の温度モデルと混合して扱われているため、モデルの学習の精度が悪くなっていたという課題があった。

この発明は、上述のような課題を解決するためになされたもので、変態発熱モデルを簡単化することで計算を容易にする。また圧延材の冷却モデルと分離し、変態発熱モデル単独で学習することにより、変態発熱モデルの精度を向上させ、これにより、圧延材の冷却モデルを独立に学習し、その精度も高める。そして、圧延材の巻取温度をより高精度に制御することができる巻取温度制御装置を提供することを目的とする。

この発明に係る巻取温度制御装置においては、熱間圧延機で圧延された金属の圧延材を、圧延機出側の搬送テーブルに設置された冷却手段で冷却し、巻取機前の巻取温度計で測定した圧延材の巻取温度を所定の温度目標値に制御するものにおいて、圧延材が相変態を起こすことにより発生する変態発熱の量を予測して、その変態発熱の量を補償しながら、巻取温度を所定の温度目標値に一致させるように制御し、また、変態発熱の量を予測するための変態発熱モデルを学習する変態発熱モデル学習手段を備えたものである。

また、巻取温度制御装置は、変態発熱モデルを含み変態発熱量を予測する変態発熱予測機能と、変態発熱モデルを学習する変態発熱モデル学習手段と、圧延材温度モデルを含み圧延材温度を予測する圧延材温度予測機能と、圧延材温度モデルを学習する圧延材温度モデル学習手段と、予測した圧延材温度を使用し、測定した巻取温度を所定の温度目標値に一致させるように制御する巻取温度制御機能と、から構成されるものである。

また、変態発熱モデルにおいては、圧延材が変態を開始するための条件、圧延材の変態前組織と変態後組織の比率、変態時の潜熱、および調整係数により、変態による発熱量を記述し、変態による圧延材の温度上昇は、変態による発熱量と圧延材の比熱から計算するものである。

また、変態発熱モデルにおいて、圧延材の変態前組織と変態後組織の比率は、時定数をパラメータとする時間依存で変化するものである。

また、変態発熱モデル学習手段において、巻取温度計の場所で変態が完了するように搬送テーブル上の冷却条件を設定してデータを採取する第１のタイミングと、巻取温度計の場所で変態が完了しないように搬送テーブル上の冷却条件を設定してデータを採取する第２のタイミングとを組み合わせ、すくなくとも２つ以上の異なるタイミングでデータを採取し、それらを比較することで、変態発熱モデルを学習するものである。

また、異なるタイミングは、連続した時間の中で圧延される同一圧延材における少なくとも２つのタイミング、あるいは圧延時刻が離れた複数の圧延材であったとしても類似の圧延条件である２つ以上の圧延材における少なくとも２つのタイミングである。

この発明によれば、簡単な数式で表わされる変態発熱モデルを使用することで、計算が容易になり、計算機負荷を減らすことができる。また圧延材を冷却する圧延材温度モデルとは独立に、変態発熱モデル単独で学習することにより、変態発熱モデルの精度を向上させることができる。これにより、圧延材温度モデルも変態発熱とは独立に学習でき、その精度も高くなる。そして、圧延材の巻取温度を高精度に制御することができる効果がある。

実施の形態１．
図１はこの発明を実施するための実施の形態１における巻取温度制御装置の全体構成を表すシステム構成図である。図８において従来装置として説明したブロックと番号が同じものは、ほぼ同じ機能を持つものである。
図１において、１は圧延材、２は仕上出側温度計、３は巻取温度計、４は仕上圧延機、５は搬送テーブル、６は巻取機、７は冷却手段、８は仕上圧延機設定計算機能、９はパルスジェネレータ、１０は巻取温度制御装置、１１は巻取温度制御機能、１２は変態発熱予測機能、１３は変態発熱モデル、１４は変態発熱モデル学習手段、１５は圧延材温度予測機能、１６は圧延材温度モデル、１７は圧延材温度モデル学習手段、１８はフィードバック制御機能、１９は圧延材トラッキング機能である。

圧延材１が搬送テーブル５に進入する以前に、圧延材１を適当な長さの材料冷却単位に区分して、圧延材トラッキング機能１９により、パルスジェネレータ９等の方法を用いて、搬送テーブル５上にある圧延材１の位置を知り、各材料冷却単位が巻取温度計３を通過するまでトラッキングする。例えば、材料冷却単位は、冷却手段７を区分した１つ（以後、冷却手段区分という）の長さと一致する長さで圧延材１を区切ったものとする。
変態発熱予測機能１２では、区分された各冷却手段７の１〜ｎ番のうち、前記材料冷却単位がどの場所に来たときに変態を開始し、変態発熱量はいくらになるかを、変態発熱モデル１３を用いて演算する。変態発熱モデル１３は、変態発熱モデル学習手段１４により補正される。変態発熱モデル学習手段１４では、予測した変態発熱量による圧延材温度上昇分を、測定した変態発熱量による圧延材温度上昇分に近づけるように、変態発熱モデル１３を補正する。すなわち、変態発熱モデル１３は、変態発熱予測機能１２によって、区分された各冷却手段７の１〜ｎ番のうち、前記材料冷却単位がどの場所に来たときに変態を開始し、変態発熱量はいくらになるかを演算されるとともに、変態発熱モデル学習手段１４によって、予測した変態発熱量による圧延材温度上昇分を、測定した変態発熱量による圧延材温度上昇分に近づけるように補正されるものである。また、変態発熱モデル１３は近似的に簡易化して表わした方が良いものである。
この場合において、前記材料冷却単位が変態を開始したことによって、その温度がどのように変化していくかを追跡し、巻取温度計３の下にその材料冷却単位が入った時に、巻取温度を測定する必要がある。このため、圧延材トラッキング機能１９の信号を用いる必要がある。

圧延材温度予測機能１５では、仕上出側温度計２の測定値（T_FD）を入力し、区分された各冷却手段７の１〜ｎ番の下での圧延材温度予測値を、圧延材温度モデル１６を用いて演算する。圧延材温度モデル１６は、圧延材温度モデル学習手段１７により補正され、圧延材温度モデル学習手段１７では、予測した圧延材温度と、巻取温度計３で測定した巻取温度との差を評価して、圧延材温度モデル１６による予測温度を実際の温度に近づけるように、圧延材温度モデル１６を学習、補正する。
この場合において、前記材料冷却単位の初期温度である仕上出側温度計２の測定値（T_FD）が、冷却によってどのように変化していくかを追跡し、巻取温度計３の下にその材料冷却単位が入った時に、その巻取温度を測定する必要がある。このため、圧延材トラッキング機能１９の信号を用いる必要がある。
なお、圧延材温度予測機能１５は、変態発熱予測機能１２によって予測された変態発熱による圧延材温度上昇分の情報を用いて、圧延材１の温度を補正する。また圧延材温度モデル学習手段１７では、巻取温度計３で測定した巻取温度には、変態発熱による温度上昇分が含まれるため、測定した巻取温度から変態発熱による温度上昇分を差し引いて、水冷による温度変化分を算出する。
巻取温度制御機能１１では、与えられる目標温度に、圧延材温度予測機能１５で計算された各冷却手段７の直下での予測温度を一致させるように、各冷却手段７で与えるべき冷却水量および冷却水バルブ開閉を決定する。
フィードバック制御機能１８においては、目標温度と巻取温度計３により測定した巻取温度の差を求め、冷却手段７のバルブを操作することにより、温度偏差を除去する。

ここで、変態発熱モデルについて説明する。鉄鋼組織が変態するモデルについては、最近の研究（例えば、告野他：熱延の材質予測webシステム、日本鉄鋼協会圧延理論部会、２００３年６月）などにより、精度良く計算することができる。しかしながら、変態モデルは数式が複雑に入り組んでいるため、計算機負荷が高くなり、また数式中のパラメータが、鉄鋼組織の状態に依存する物理量であるため、圧延の状態を詳細に測定したり予測することが必要になる。このため実際の圧延に適用して精度の良い結果を得ることは非常に難しい。
そこで、変態発熱モデルを簡易化して表わし、実際の圧延の諸条件下で学習して、変態発熱モデルの精度を向上させ、巻取温度制御の精度を高めた方が良い。
この発明による変態発熱モデルの一例を示す。
まずｉ番目の材料冷却単位の変態発熱が、ｊ番目の冷却手段区分内で増加した量は、次式で表わされる。

ここで、
Q_{trans、i、j} :ｉ番目の材料冷却単位の、ｊ番目の冷却手段区分内で増加した変態発熱の量 [kcal/kg]
ΔF_i、j :ｉ番目の材料冷却単位の、ｊ番目の冷却手段区分内で増加したフェライトの体積率
Q_L :変態に伴う潜熱 [kcal/kg]
K_QT :調整ゲイン（通常は１．０程度）
フェライトの体積率Ｆは、一般に変態モデル式として複雑な式で定式化することができるが、この発明では近似的に次式で表わす。

ここで、
F : フェライト体積率（０≦F≦1）
T_F : フェライト体積率変化の時定数 [秒]
t : 変態開始からの時刻
すなわち、（３）式は２次遅れ、（４）式は１次遅れの式である。
図５に２次遅れで表わした場合の変化の様子を示す。図５は、時定数を３秒とした場合のFの時間的な変化の様子と、Fの変化率を示している。
（１）式におけるΔF_ij は次式で表わされる。

変態に伴う潜熱Q_Lは、例えば図６のように表わされる。圧延材の温度によって、潜熱を求めることができる。
（２）式は、変態に伴う発熱量なので、圧延材の温度の上昇分に変換した方が、温度モデルとしては扱いやすい。このため以下の式で発熱量から温度へ変換する。

ここで、
Φ_Tij:ｉ番目の材料冷却単位の、ｊ番目の冷却手段区分内におけるオーステナイトとフェライトの混成比熱 [kcal/(kg ℃)]

ここで、
Φ_λij ：オーステナイトの比熱
Φ_αij ：フェライトの比熱
図７に示すように、比熱も圧延材の温度に依存するので、圧延材の温度から求めることができる。
（７）式によって、ｉ番目の材料冷却単位がｊ番目の冷却手段区分に入ってきた時の温度をT_Eij、ｊ番目の冷却手段区分から出て行く時の温度をT_Dij、ｊ番目の冷却手段区分で低下する温度をΔT_ij、とすると次式の関係が成り立つ。

次に変態発熱モデル学習機能１４について、図２を用いて説明する。図２は、搬送テーブル５上で、圧延材が冷却される過程の例を示したものである。ケースＢの場合、冷却手段７における１、２、３バンクにおいて冷却され、この結果圧延材が変態開始温度まで下がり、変態を開始する。巻取温度計３に到達するまでには、変態が完了している。ケースＡの場合、冷却手段７における１、２バンクにおいて冷却されるが、圧延材が変態開始温度まで下がらず、最後の２番目のバンクでの冷却により変態を開始する。巻取温度計３に到達するまでには、変態が完了していない。
ケースＡ、Ｂそれぞれの場合における変態開始の場所から巻取温度計３までの圧延材１の移動時間を、ｔ_Ａ、ｔ_Ｂとすると、ケースＡとケースＢの場合の変態発熱量の差は以下となる。

ここで、
Q_{trans、A、B} :ケースＡとＢにおける変態発熱の量の差 [kcal/kg]
ΔF_A、B : ケースＡとＢにおけるフェライトの体積率の差
F_A、F_B : ケースＡとＢにおけるフェライトの体積率
ケースＡとＢの巻取温度計３における温度差ΔT_TA、Bは、次式で表わされる。

以上の考え方をまとめて、変態発熱モデルの学習は以下のように行う。
（ａ）巻取温度計３の場所で変態が完了するように、搬送テーブル５上の冷却条件を設定してデータを採取するタイミングを第１のタイミングとする。
（ｂ）巻取温度計３の場所で変態が完了しないように、搬送テーブル５上の冷却条件を設定してデータを採取するタイミングを第２のタイミングとする。
（ｃ）同一圧延材における第１のタイミングと第２のタイミングでデータを採取し、巻取温度計３による測定値の差をΔT_TA、Bとする。
（ｄ）（１２）式により、Q_{trans、A、B}を、（１１）式によりΔF_A、Bを計算する。
（ｅ）上記Q_{trans、A、B}、ΔF_A、B、またQ_Lは図６により求め、（１０）式により、計算する。
（ｆ）必要に応じ、K_QTをフィルタリングする。例えば、

ここで、
K_QT(n) ：フィルタリング後の値、
K_QT(n-1) ：前回フィルタリングの値、
ａ：フィルター定数。
（ｇ）必要に応じて、圧延材に含まれる化学成分、製品サイズ等によって上記（ｅ）によるK_QTまたは上記（ｆ）によるK_QT(n)を分類して計算機内のテーブルに格納する。
（ｈ）上記（ｅ）によるK_QT、上記（ｆ）によるK_QT(n)、または上記（ｇ）で格納したK_QTあるいはK_QT(n)を、次材の（２）式の計算にK_QTを反映することで、学習する。
なお、上記（ａ）、（ｂ）において、第１と第２のタイミングを設定したが、第３、第４等のタイミングを設定して多くのデータを集め、平均化するなどしてK_QTを算出してもよい。また上記（ｃ）では、同一圧延材としたが、同様の圧延条件で圧延される圧延材において、第１、第２等のタイミングでデータを収集してもよい。

この発明の実施の形態１における巻取温度制御装置の全体構成を表すシステム構成図である。この発明の実施の形態１における巻取温度制御装置の構成要素である変態発熱モデルの学習機能を説明する図である。一般的な鉄鋼の熱間圧延を模式的に示した図である。オーステナイトとフェライトの体積率の変化の例を表す図である。この発明の実施の形態１における巻取温度制御装置の変態発熱モデルの一部分を表す図である。この発明の実施の形態１における巻取温度制御装置の変態発熱モデルの一部分を表す図である。この発明の実施の形態１における巻取温度制御装置の変態発熱モデルの一部分を表す図である。従来の巻取温度制御装置の全体構成を表すシステム構成図である。

符号の説明

１：圧延材
２：仕上出側温度計（FDT：Finisher Delivery Thermometer）
３：巻取温度計（CT：Coiling Thermometer）
４：仕上圧延機
５：搬送テーブル
６：巻取機
７ａ、７ｂ：冷却手段
８：仕上圧延機設定計算機能
９ａ、９ｂ：パルスジェネレータ
１０：巻取温度制御装置
１１：巻取温度制御機能
１２：変態発熱予測機能
１３：変態発熱モデル
１４：変態発熱モデル学習手段
１５：圧延材温度予測機能
１６：圧延材温度モデル
１７：圧延材温度モデル学習手段
１８：フィードバック制御機能
１９：圧延材トラッキング機能
２０：従来の変態発熱モデル

Claims

熱間圧延機で圧延された金属の圧延材を、圧延機出側の搬送テーブルに設置された冷却手段で冷却し、巻取機前の巻取温度計で測定した圧延材の巻取温度を所定の温度目標値に制御する巻取温度制御装置において、前記圧延材が相変態を起こすことにより発生する変態発熱の量を予測して、その変態発熱の量を補償しながら、巻取温度を所定の温度目標値に一致させるように制御し、また、変態発熱の量を予測するための変態発熱モデルを学習する変態発熱モデル学習手段を備えたことを特徴とする巻取温度制御装置。
巻取温度制御装置は、変態発熱モデルを含み変態発熱量を予測する変態発熱予測機能と、変態発熱モデルを学習する変態発熱モデル学習手段と、圧延材温度モデルを含み圧延材温度を予測する圧延材温度予測機能と、圧延材温度モデルを学習する圧延材温度モデル学習手段と、予測した圧延材温度を使用し、測定した巻取温度を所定の温度目標値に一致させるように制御する巻取温度制御機能と、から構成されることを特徴とする請求項１記載の巻取温度制御装置。
変態発熱モデルにおいては、圧延材が変態を開始するための条件、圧延材の変態前組織と変態後組織の比率、変態時の潜熱、および調整係数により、変態による発熱量を記述し、変態による圧延材の温度上昇は、変態による発熱量と圧延材の比熱から計算することを特徴とする請求項１又は請求項２記載の巻取温度制御装置。
変態発熱モデルにおいて、圧延材の変態前組織と変態後組織の比率は、時定数をパラメータとする時間依存で変化するものとしたことを特徴とする請求項３記載の巻取温度制御装置。
変態発熱モデル学習手段において、巻取温度計の場所で変態が完了するように搬送テーブル上の冷却条件を設定してデータを採取する第１のタイミングと、巻取温度計の場所で変態が完了しないように搬送テーブル上の冷却条件を設定してデータを採取する第２のタイミングとを組み合わせ、すくなくとも２つ以上の異なるタイミングでデータを採取し、それらを比較することで、変態発熱モデルを学習することを特徴とする請求項１又は請求項２記載の巻取温度制御装置。
異なるタイミングは、連続した時間の中で圧延される同一圧延材における少なくとも２つのタイミング、あるいは圧延時刻が離れた複数の圧延材であったとしても類似の圧延条件である２つ以上の圧延材における少なくとも２つのタイミングであることを特徴とする請求項５記載の巻取温度制御装置。