专利名称：轧制、锻造或矫正生产线的材质控制方法及其装置的制作方法
技术领域：
本发明涉及对金属原材料进行加热的工序、或者进行轧制、锻造或矫正加工的工序、以及冷却的工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的制品的轧制、锻造或矫正生产线的材质控制方法及其装置。
背景技术：
在以铁基合金及铝基合金为主的金属材料中，机械特性(强度、加工成形性、韧性等)、电磁特性(导磁率等)的材质，不仅与其合金成分有关，而且也因加热条件、加工条件、及冷却条件而变化。合金成分的调整通过控制合金元素的添加量来进行，但成分调整时单位批量数量大、不可能对每个制品改变添加量。因此，为了制造所具有所需要的材质的制品，选择适当的加热条件、加工条件、及冷却条件制造所需的材质极为重要。
以往，对于加热、加工、及冷却的各种条件对每种制品规格，根据成年累月积累的经验决定加热温度目标值、加工后的尺寸目标值、冷却速度目标值等，为了做到这一点，通常的方法是进行温度控制及尺寸控制。然而，近几年，随着对制品规格的要求越来越高、而且多种多样，靠经验来决定未必能适当地决定这些目标值，有时就无法得到所要的材质。
因此，近几年，已知有这样一种控制方法，该方法利用根据加热条件、加工条件、及冷却条件推定制品材质的材质模型，根据计算决定各工序的加热条件、加工条件、及冷却条件使制品的材质和目标值一致(例如参照专利文献1)。
还知道一种方法为在轧制中采集板厚、材料温度的实际值，通过将其作为材质预测模型的输入数据谋求提高精度。该方法在轧制开始前，根据钢材的成分值、压制后的钢材尺寸、钢材材质保证值，再用材质模型、决定加热条件、压制条件、冷却条件，再在加热工序、粗轧工序、及精轧工序后当获得板厚、材料温度、轧辊型缝间时间、轧辊辊径、轧辊转速的实际值时，根据这些实测值，利用材质模型重新作出决定，预定以后的工序此后的轧制条件或冷却条件，以减少制品材质的误差。
另一方面，已知利用神经元网络代替材质模型的控制方法。该方法对加工后或热处理后的金属材料具有的特性进行调研作为示教数据提供给神经元网络，通过这样，以图提高神经元网络的预测精度(例如参照专利文献3)。
专利文献1日本特公平7-102378号公报专利文献2日本专利第2509481号专利文献3日本特開2001-349883号公报在基于上述材质模型的控制方法中，材质模型的预测精度成为使制品的材质与目标值一致的关键点。但是，加热条件、加工条件、及冷却条件和制品的材质的关系极为复杂，灵活运用物理冶金学理论及热力学数据提出理论算式、实验算式，或根据实际操作数据提出回归式等，正因为如此，无论根据何种材质模型，其预测精度都未必是充分的。特别在加热条件、加工条件、冷却条件或合金成分中某一个偏离材质模型特定的对象范围时(例如对于合金成分，例如为C-Si-Mn基钢铁材料以外的多元系合金等)，精度明显恶化。另外，即使构成材质模型的大多数中各个模型式的精度都良好，因为这些误差重叠，总体难以保持良好的精度。因此，例如假设利用根据所述材质模型的控制方法，由于材质模型自身精度的原因，制品的材质与目标值无法一致的问题依然得不到解决。
另一方面，用神经元网络代替材质模型的控制方法，通过对加工后或热处理后的金属材料具有的特性进行调研作为示教数据提供给神经元网络以图提高神经元网络的预测精度，但如以上所述，由于加热条件、加工条件及冷却条件和制品材质的关系极其复杂，所以存在的问题是为了高精度地对其模拟需要遍及多个层次的大规模神经元网络，为了其学习必须提供庞大的示教数据、在改进精度上花时间。当然如果用小规模神经元网络虽然示教数据少了，但存在的问题是在这种情况下可适用的操作范围有限。
本发明为解决上述问题而提出，其目的在于即便在材质模型的预测精度不是十分良好的情况下，仍能使制品的材质与目标值一致。
发明内容
本发明的轧制、锻造或矫正生产线的材质控制方法，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，根据测量值对材质传感器前道的至少一道工序的加热条件、加工条件或冷却条件加以修正，使得该测量位置的材质与目标值一致。
另外，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等至少各实施一次，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，并将该测量值与根据该金属材料的加热条件、加工条件及冷却条件的实际值由材质模型计算出的该测量位置的材质推定值进行比较，根据该比较结果对所述材质模型加以修正，然后利用修正后的材质模型决定所述各工序的加热条件、加工条件及冷却条件。
另外，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，并根据所述测量值利用材质模型计算所述材质传感器后道的至少一道工序的加热条件、加工条件或冷却条件，使得设置在所述材质传感器后道的任意位置的材质管理点处的材质与目标值一致。
另外，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上任意位置的材质传感器测量金属材料的材质，并根据所述测量值对所述材质传感器后道的至少一道工序的加热条件、加工条件或冷却条件加以修正，使得设置在所述材质传感器后道任意位置的材质管理点处的材质与目标值一致。
另外，本发明的轧制、锻造或矫正生产线的材质控制装置，包括对金属材料进行加热的加热单元；对金属材料轧制、锻造或矫正加工的加工单元；以及对金属材料冷却的冷却单元等各个单元中至少其中一个，与制造所需要的尺寸形状的金属制品的生产线连接，根据来自上位计算机的金属材料的尺寸形状、制品的目标尺寸形状及金属材料的成分等信息，计算所述加热单元、所述加工单元、及所述冷却单元的设定值并输出的设定计算单元；以及根据所述设定值操作加热装置、加工装置、及冷却装置的加热控制器、加工控制器、及冷却控制器，包括设置在生产线上测量金属材料材质的材质传感器；以及所述设定计算对向所述材质传感器前道的加热单元、加工单元、及冷却单元输出的设定值进行修正，使得所述材质传感器的测量值与目标值一致的加热修正单元、加工修正单元、及冷却修正单元。
另外，包括设置在生产线上，测量金属材料的材质用的材质传感器；根据金属材料的加热条件、加工条件、及冷却条件的实际情况由材质模型推定该测量位置的材质的材质模型运算单元；所述材质传感器的测量值和所述材质模型运算单元的运算结果进行比较，学习材质模型的误差的材质模型学习单元；以及根据所述材质模型学习单元的学习结果，对所述材质模型运算单元的运算结果加以修正，再对所述材质模型加以修正的材质模型修正单元，所述设定计算单元根据所述材质模型修正单元输出的修正后的材质推定值，计算输出所述加热单元、所述加工单元、及所述冷却单元的设定值。
另外，包括设置在生产线上，测量金属材料材质的材质传感器；以及根据所述材质传感器的测量值，利用材质模型推定设置在所述材质传感器后道的任意位置的材质管理点处材质的材质模型运算单元，所述设定计算单元计算输出所述加热单元、所述加工单元、及所述冷却单元的设定值，使得所述材质模型运算单元的运算结果和上位计算机所给的材质目标值一致。
另外，包括设置在生产线上测量金属材料材质的材质传感器；以及所述设定计算对向所述材质传感器后道的加热单元、加工单元、及冷却单元输出的设定值进行修正，使得设置在所述材质传感器后道任意位置的材质管理点处材质与上位计算机所给的目标值一致的加热修正单元、加工修正单元、及冷却修正单元。
根据本发明，能进行控制使材质传感器测量位置的材质与目标值一致。另外，对于以后将加工的材料也能进行控制使其材质传感器测量位置的材质与目标值一致。另外，能消除因材质传感器位置上材质的误差造成的材质推定误差，能进行控制使材质控制点处材质和目标值一致。再有，由于能消除因材质传感器位置上材质的误差造成的材质推定误差，所以能进行控制，使材质控制点处材质保持一定。
图1为表示本发明实施方式1的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
图2为表示本发明实施方式2的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
图3为表示本发明实施方式3的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
图4为表示本发明实施方式4的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
图5为作为本发明的前提，表示现有的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
标号说明1由金属原材料组成的被轧材、2加热装置、3轧机等加工装置、4冷却装置、5上位计算机、6设定计算单元、7加热控制器、8加工控制器、9冷却控制器、10材质传感器、11加热修正单元、12加工修正单元、13冷却修正单元、14材质模型、15材质模型学习单元、16材质模型修正单元具体实施方式
以下，参照附图对本发明的实施方式进行详细说明。该实施方式中列举钢铁材料的轧制生产线作为金属制品生产线的一个例子，至于对金属原材料，在加热、加工及冷却等各工序至少实施一次各工序，从而制造所需要的尺寸形状的制品的锻造或矫正等生产线，本发明也同样适用。
图5为作为本发明的前提，表示现有的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。如图5所示，铁基合金或铝基合金等金属原材料组成的被轧材1经加热装置2加热后，被轧机等加工装置3加工成所需要的尺寸形状的制品，其后经冷却装置4冷却成为制成品。还有加热装置2、加工装置3、及冷却装置4可以各为多台，另外，设置顺序也是任意的。通常加热装置2燃烧气体燃料对材料进行加热，但也可利用感应加热对材料进行加热等方法。加热后的材料温度因金属原材料的合金成分、加工方法、及所要求的制品规格而异，例如在高温或低温轧制钢材生产薄板时，温度为500～1300℃左右，另外，在高温或低温轧制铝材生产薄板时，温度为150～600℃左右。加工装置3采用可逆轧机或串列式连轧机，此外，也能采用锻压机或矫正机等取而代之。轧机具有驱动轧辊的电动机驱动装置、以及改变轧辊开口度的压下装置等，这些均被省略，图中未示出。另外，轧机通过使其轧辊旋转方向反转，能使材料多次反复变形。冷却装置4从上下设置的多根配管向材料表面喷淋冷却水，使轧材降温。冷却水配管上有流量调节阀，改变其开度能改变冷却速度。
在控制上述轧制设备时，首先，从上位计算机5对设定计算单元6给出金属原材料的尺寸形状、制品的目标尺寸形状、金属原材料成分(合金成分含量)等目标值。设定计算单元6根据这些来自上位计算机5的信息，为了使制品的尺寸形状和目标值一致，考虑到各种制约条件，决定加热条件、加工条件、及冷却条件等。所谓加热条件是指加热温度TCAL、加热时间等。所谓加工条件是指轧机各轧道出口侧板厚(轧制计划)hCAL、各轧道轧制速度(轧辊转速)VCAL、轧道间待机时间tCAL等。另外，所谓冷却条件是指轧机后道的冷却装置4的冷却速度αCAL等。关于限制条件例如有压下装置的额定轧制负载的限制、电动机功率的限制、轧辊咬入角的限制、对于良好地保持钢板平整度用的轧制负载操作上的限制、以及电动机最大转速的限制等。限制条件下的数学求解方法已知有线性规划法、牛顿法等各种各样的方法，考虑求解的稳定性、收敛速度等后进行选定。作为这种轧制计划计算法例如有日本专利第2635796号所公开的方法。加热控制器7根据设定计算单元6的结果，操作供给加热炉的燃料气体流量、或操作感应加热装置的功率、或改变材料在炉内停留时间，从而调整进入材料的热量。加工(轧制)控制器8根据设定计算单元6的结果，操作轧辊开口度、轧辊转速等。冷却控制器9根据设定计算单元6的结果，调整冷却水流量、压力使冷却装置的冷却速变化。
实施方式1图1为表示本发明实施方式1的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
设定计算单元6、加热控制器7、加工控制器8、冷却控制器9、加热装置2、加工装置3、以及冷却装置4的作用，与作为本发明的前提的现有的装置一样。
材质传感器10设置在生产线上的加热装置2、加工装置3、以及冷却装置4中至少某一个之后的后道一侧任意位置上。还有材质传感器10之前的前道一侧的加热装置2、加工装置3、及冷却装置4可以各为多台，另外，布置次序也是任意的。该材质传感器10从经久耐用性考虑最好是非接触、无损检测的传感器，除了直接测量导磁率等材质外，还可以检测与电阻、超声波的传播特性、射线的漫散射性等材质紧密相关的物理量，通过换算成晶粒直径、加工成形性等材质问接地测量。这样的材质传感器有各种各样，例如日本特開昭57-57255号中公开一种根据进入材料内的超声波强度变化或传播速度的检测值测量材料的晶粒直径或结构。还有在超声波的收发上，也可以用近几年研发的激光超声波装置、或电磁超声波装置等，例如在日本特開平2001-255306中公开激光超声波装置的一个例子。激光超声波装置具有能使材料表面至材质传感器的距离更长的特点，尤其在需要热态测量及在线测量的情况下，使用价值更高。另外，在日本特開昭56-82443中公开一种根据用磁通检测器检测出的磁通强度测量钢材的相变量的装置。再有，日本特公平6-87054号中公开一种利用电磁超声波的兰克福特值的测量方法。
从上位计算机5对设定计算单元6，除了金属原材料的尺寸形状、制品的目标尺寸形状、金属原材料成分(合金成分含量)等目标值外，还给出在材质传感器10的材质测量位置处应达到的材质目标值。这里所谓的材质例如指拉伸强度、屈服强度、韧性及延展性等机械特性、导磁率等电磁特性、或与这些特性密切相关的晶粒直径、结晶方位的取向性，各种结晶组织的存在比率等其中的某几个。
加热修正单元11根据材质传感器10的测量值修正加热温度，对加热控制器7输出。这一修正例如按下式进行。
式(1)TSET=TCAL-w1·K1(∂X∂T)·(XACT-XAIM)...(1)]]>式中，TSET修正后的加热温度设定值(℃)TCAL修正前的加热温度设定值(＝设定计算值)(℃)XACT材质传感器的测量值XAIM材质目标值(X/T)影响系数K1增益(一)w1加权系数(一)还有，增益K1应考虑加热装置2的响应等后决定。另外，加权系数w1要考虑操作的稳定性等，其它的应考虑和加热修正单元11、加工修正单元12及冷却修正单元13的修正间的平衡后决定，通过如以下所述地对材质模型求微分得到影响系数。
式(2)(∂X∂T)=X+-X-2·ΔT...(2)]]>式中ΔT微小变量(℃)X+在加热温度增大ΔT时根据材质模型算出的到达材质传感器位置时的材质X-在加热温度减小ΔT时根据材质模型算出的到达材质传感器位置时的材质最好该影响系数的计算根据实际的操作条件(材料温度等)以在线使用方式进行计算，但若降低增益K1，则也可用根据标准的操作条件预先以离线方式算出的值。
还有，当使用感应加热的加热装置时，通过由半导体电路等改变供给线圈的电功率从而能迅速调整材料的升温量，所以能提高增益K1，适于更高精度地控制材质。
然后，加工修正单元12根据材质传感器10的测量值对各轧道出口侧板厚hCAL、各轧道轧制速度VCAL、轧道间待机时间tCAL进行修正向加工控制器8输出，例如在对任一轧道间待机时间tCAL进行修正时，可根据下式进行。
式(3)tSET=tCAL-w2·K2(∂X∂t)·(XACT-XAIM)...(3)]]>式中tSET修正后的轧道间时间设定值(sec)tCAL修正前的轧道间时间设定值(＝设定计算值)(sec)XACT材质传感器的测量值XAIM材质目标值(X/t)影响系数
K2增益(-)W2加权系数(-)还有，增益K2应考虑从该轧道至材质传感器10因传送造成的控制延迟时间等后决定。另外，加权系数w2要考虑操作的稳定性等，其它的应考虑和加热修正单元11、加工修正单元12及冷却修正单元13的修正间的平衡后决定，通过如以下所述地对材质模型(以后将阐述)求微分得到影响系数。
式(4)(∂X∂t)=X+-X-2·Δt...(4)]]>式中Δt微小变量(℃)X+在轧道间时间增大Δt时根据材质模型算出的到达材质传感器位置时的材质X-在轧道间时间减小Δt时根据材质模型算出的到达材质传感器位置时的材质还有，对各轧道出口侧板厚hCAL、各轧道轧制速度VCAL进行修正时也几乎一样。
还有，冷却修正单元13根据材质传感器10的测量值例如修正冷却速度，向冷却控制器9输出。这一修正可根据下式进行。
式(5)αSET=αCAL-w3·K3(∂X∂α)·(XACT-XAIM)...(5)]]>式中αSET修正后的冷却速度设定值(℃/s)αCAL修正前的冷却速度设定值(＝设定计算值)(℃/s)XACT材质传感器的测量值XAIM材质目标值(X/α)影响系数K3增益(-)W3加权系数(-)
还有，增益K3应考虑冷却装置4的阀门响应等后决定。另外，加权系数w3要考虑操作的稳定性等，其它的应考虑和加热修正单元11、加工修正单元12及冷却修正单元13的修正间的平衡后决定，通过如以下所述地对材质模型求微分得到影响系数。
式(6)(∂X∂α)=X+-X-2·Δα...(6)]]>式中Δα微小变量(℃/s)X+在冷却速度增大Δα时根据材质模型算出的到达材质传感器位置时的材质X-在冷却速度减小Δα时根据材质模型算出的到达材质传感器位置时的材质可是在热轧生产线上轧机出口侧大多布置着大量流量可调的冷却水喷头的冷却装置，尤其是铁基合金、铝基合金、铜基合金、及钛基合金等，通过改变该冷却装置各喷头的流量从而能使冷却速度及其模式改变，能分别生产具有各种特性的制品，该冷却装置的控制极其重要。在这种情况下，通过在加工工序和冷却工序之间及冷却工序的输出一侧都设置材质传感器或在其中某一方设置材质传感器，能将控制延迟抑制在最低限度，所以能更高精度地控制。当然材质传感器也能设置在冷却工序之间，但在这种情况下，必须采取抗外扰措施，以除去冷却水的飞溅对测量值的干扰。
还有，上述材质模型将轧制计划、轧辊转速、材料温度等作为输入条件，预测计算生产线上的材质变化，所以提出各种方案，所知的有由表示静态再结晶、静态恢复、动态再结晶、动态恢复、晶粒生长等数学式群组成的方案。作为一个例子，如‘塑性加工技术系列丛书7板材轧制’コロナ出版社、P198-229所刊出的。该教科书中记载出理论式及其出处。但建立这样的理论式只不过是多种合金种类中的一部分而已，尚未建立理论式的合金种类还甚多，在这种情况下根据实际操作数据，用由统计处理导出的简易模型来代用。这样简单的模型例如如‘材料とプロセス(生产过程)’、财团法人日本铁铜鋼協会、2004年Vol17、P227所刊载的内容。
利用上述构成，根据设置在生产线上的材质传感器的材质测量值，能控制加热装置2、加工装置3、及冷却装置4，使该测量位置的材质与目标值一致。
实施方式2图2为表示本发明实施方式2的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
材质传感器10、加热装置2、加工装置3、冷却装置4、加热控制器7、加工控制器8、及冷却控制器9和实施方式1一样。另外，上位计算机5和实施方式1一样，除了金属原材料的尺寸、制品尺寸外，还给出材质传感器的材质目标值XAIM。材质模型14从设定计算单元6给出制造条件，从上位计算机5给出输出侧材质基准值XREF。
材质模型学习单元15将材质传感器10的测量值XACT和材质模型的该测量位置的材质推定值XMDL进行比较，根据这一比较结果在材质模型修正单元16对材质模型推定值XMDL加以修正。该材质模型和实施方式1相同。
材质模型的修正例如如以下所述地进行。
首先，准备材质模型学习用的修正项(以后记作学习项)Z。Z的初始值预设为零。
当得到材质传感器10的测量值时，设材质传感器10的测量值XACT和施加学习的修正之前的根据材质模型的材质推定值XMDL之间偏差为δ。
式(7)δ＝XACT-XMDL(7)利用指数平滑处理将这一偏差和上一次学习后的学习项的值进行平滑处理作为学习结果。
式(8)Z＝(1-β)·Z+β·δ (8)这里，β为学习增益范围在0～1.0。越近1.0学习速度越快，越容易受异常值的影响，通常大多取0.3～0.4。
以后，在设定计算中，将利用下式对材质模型的推定值XMDL修正后的值作为材质推定值XCAL使用。
式(9)XCAL＝XMDL+Z(9)这样，根据材质传感器的材质测量值通过进行材质模型的学习，随着不断操作，能渐渐地提高材质模型的精度，能控制加热装置2、加工装置3、及冷却装置4使制成品或中间制品的材质与目标值一致。
还有，材质模型学习项的更新方法不限于前述的指数平滑法，例如可采用将学习结果保存于将目标板厚、目标板宽、合金种类等作为层次键(日文層别キ-)的数据库中的层次学习方法、或将同样的参数和材质偏差δ作为示教数据的神经元网络学习方法。
实施方式3图3为表示本发明实施方式3的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
设定计算单元6、加热控制器7、加工控制器8、冷却控制器9、加热装置2、加工装置3、及冷却装置4的作用和作为本发明的前提的现有装置一样。
材质传感器10设置在生产线上的加热装置2、加工装置3、或冷却装置4等各装置中至少某一个前道的任意位置。还有材质传感器10后道的加热装置2、加工装置3、或冷却装置4可以各为多个，另外布置次序也是任意的。
又，将生产线上材质传感器10后道一侧的任意的点作为材质控制点。还有，在可逆式轧机的情况下，只要是利用材质传感器10测量材质的道次以后的轧道，与物理上的设备布置无关，能将生产线上的任意位置作为材质控制点。从上位计算机5对设定计算单元6除了金属原材料的尺寸形状、制品的目标尺寸形状、金属原材料成分(合金成分含量)等外，还给出材质控制点处所要求的材质目标值XAIM。
还有，材质控制点处的目标材质可以是和材质传感器10检测出的材质不同种类的材质。例如，在钢铁的带钢热连轧机上，精轧机出口一侧奥氏体晶粒直径与卷取机入口一侧的铁素体晶粒直径紧密相关，所以，用精轧机出口一侧设置的材质传感器检测奥氏体晶粒直径，进行控制以使卷取机入口一侧的铁素体晶粒直径与目标值一致。
材质模型14和实施方式1示出的一样，当从设定计算单元6给出加热装置2、加工装置3、及冷却装置4的操作条件时，将输入侧材质基准值YACT作为基点计算材质控制点的材质推定值XCAL。
设定计算单元6除了上述各限制条件外，还利用材质模型14决定加热装置2、加工装置3、及冷却装置4的设定值，以满足使材质控制点的材质推定值XCAL和目标值XAIM一致的条件。
例如，通过反复多次作以下的修正操作，从而能得到满足上述条件的加热条件、加工条件、及冷却条件。
首先，对加热装置的加热温度设定值作以下的修正。
式(10)TCAL←TCAL-w1·K1(∂X∂T)·(XACT-XAIM)...(10)]]>式中TCAL加热温度设定值(℃)XCAL将输入侧材质基准值YACT作为基点利用材质模型计算出的材质控制点处的材质推定值XAIM材质控制点处的材质目标值(X/T)影响系数K1增益(-)w1加权系数(一)还有，增益K1、加权系数w1应和实施方式1同样地决定，通过如以下所述地对材质模型求微分得到影响系数。
式(11)(∂X∂T)=X+-X-2·ΔT...(11)]]>式中ΔT微小变量(℃)X+在加热温度增大ΔT时根据材质模型算出的材质控制点的材质X-在加热温度减小ΔT时根据材质模型算出的材质控制点的材质然后，对各轧道出口侧板厚hCAL、各轧道轧制速度VCAL、轧道间待机时间tCAL进行修正，使加工装置各轧道的变形量、各轧道的变形速度、及各轧道的加工间隔等加工条件变得合适。例如在对某一轧道间待机时间tCAL进行修正时，可根据下式进行。
式(12)tCAL←tCAL-w2·K2(∂X∂t)·(XACT-XAIM)...(12)]]>式中tCAL轧道间时间设定值(sec)XCAL材质模型的材质控制点处的材质推定值XAIM材质控制点处的材质目标值(X/t)影响系数K2增益(-)W2加权系数(一)还有，增益K2、加权系数w2应和实施方式1同样地决定，通过如以下所述地对材质模型求微分得到影响系数。
还有对对各轧道出口侧板厚hCAL、各轧道轧制速度VCAL进行修正时也几乎一样。
式(13)(∂X∂t)=X+-X-2·Δt...(13)]]>式中Δt微小变量(℃)X+在轧道间时间增大Δt时根据材质模型算出的到达材质控制点的材质X-在轧道间时间减小Δt时根据材质模型算出的到达材质控制点的材质还修正冷却速度。该修正根据下式进行。
式(14)αCAL=αCAL-w3·K3(∂X∂α)·(XCAL-XAIM)...(14)]]>
式中αCAL冷却速度设定值(℃/s)XCAL材质模型的材质控制点处的材质推定值XAIM材质目标值(X/α)影响系数K3增益(-)W3加权系数(一)还有，增益K3、加权系数w3应和实施方式1同样地决定，通过如以下所述地对材质模型求微分得到影响系数。
式(15)(∂X∂α)=X+-X-2·Δα...(15)]]>式中α微小变量(℃/s)X+在冷却速度增大Δα时根据材质模型算出的到达材质控制点时的材质X-在冷却速度减小Δα时根据材质模型算出的到达材质控制点时的材质利用上述的构成，根据设在生产线上的材质传感器测得的原材料或中间制品的材质的测量值，能对加热装置、加工装置、及冷却装置进行控制，使材质控制点的材质与目标值一致。
实施方式4图4为表示本发明实施方式4的轧制、锻造或矫正生产线的材质控制方法及其装置的方框图。
设定计算单元6、加热控制器7、加工控制器8、冷却控制器9、加热装置2、加工装置3、及冷却装置4的作用和作为本发明的前提的现有装置一样。另外，和实施方式3一样，给出输入侧材质基准值YREF。
材质模型14和实施方式1一样，当从设定计算单元6给出加热装置2、加工装置3及冷却装置4的操作条件时，将输入侧材质基准值YREF作为基点计算材质控制点的材质推定值XCAL。
在材料到达材质传感器位置前，设定计算单元6和作为本发明的前提的现有装置一样决定加热装置2、加工装置3及冷却装置4的设定值。当材料到达材质传感器位置当得到材质传感器位置的材质实测值(以后记为输入侧材质测量值YACT)时，将其与所述输入侧材质基准值YREF进行比较。根据该比较结果，加热修正单元、加工修正单元、及冷却修正单元对设定计算的加热温度、各轧道出口侧板厚、各轧道轧制温度、及冷却速度等的设定值加以修正。
加热修正单元11根据材质传感器10的测量值修正加热温度，向加热控制器7输出，其修正例如用下式进行。
式(16)TSET=TCAL-w1·K1(∂X∂T)·(∂X∂Y)·(YACT-YREF)...(16)]]>式中TSET修正后的加热温度设定值(℃)TCAL修正前的加热温度设定值(＝设定计算值)(℃)YACT材质传感器的测量值YAIM材质目标值(X/T)影响系数(X/Y)影响系数K1增益w1加权系数还有，增益K1、加权系数w1、影响系数(X/T)应和实施方式1同样地决定，影响系数(X/Y)可通过如以下所述地对材质模型求微分而得到。
式(17)(∂X∂Y)=X+-X-2·ΔY...(17)]]>式中ΔY材质传感器位置的材质Y的微小变量X+在加热温度增大ΔY时根据材质模型算出的到达材质传感器位置时的材质X-在加热温度减小ΔY时根据材质模型算出的到达材质传感器位置时的材质最好该计算根据实际的操作条件(材料温度等)以在线使用方式进行计算，但若降低增益K1，则也可用根据标准的操作条件预先以离线方式算出的值。
然后，加工修正单元12对各轧道出口侧板厚hCAL、各轧道轧制速度VCAL、轧道间待机时间tCAL进行修正并向加工控制器8输出，使加工装置3各轧道的变形量、各轧道的变形速度、及各轧道的加工间隔等加工条件变得合适。例如在对某一轧道间待机时间进行修正时，可根据下式进行。
式(18)tSET=tCAL-w2·K2(∂X∂t)·(∂X∂Y)·(YACT-YREF)...(18)]]>式中tSET修正后的轧道间时间设定值(sec)TCAL修正前轧道间时间设定值(＝设定计算值)(sec)YACT材质传感器的测量值YREF材质目标值(X/Y)影响系数(X/t)影响系数K2增益(-)W2加权系数(一)还有，增益K2、加权系数w2、影响系数(X/t)应和实施方式1同样地决定，影响系数(X/Y)和加热修正单元的情况同样地计算。
还有，冷却修正单元12根据材质传感器10的测量值例如修正冷却速度，向冷却控制器9输出。这一修正例如可利用下式进行。
式(19)αSET=αCAL-w3·K3(∂X∂α)·(∂X∂Y)·(YACT-YREF)...(19)]]>式中αSET修正后冷却速度设定值(℃/s)αCAL修正前冷却速度设定值(＝设定计算值)(℃/s)
YACT材质传感器的测量值YREF材质目标值(X/Y)影响系数(X/α)影响系数K3增益(-)W3加权系数(一)还有，增益K3、加权系数w3、影响系数(X/α)应和实施方式1同样地决定，影响系数(X/Y)和加热修正单元的情况同样地计算。
利用上述的构成，根据设在生产线上的材质传感器测得的原材料或中间制品的材质的测量值，能对加热装置、加工装置、及冷却装置进行控制，使材质控制点的材质与目标值一致。
工业上的实用性本发明的轧制、锻造或矫正生产线的材质控制方法及其装置，特别适用于利用激光超声波测量结晶晶粒的传感器和感应加热装置的钢铁热轧生产线的材质控制。
权利要求
1.一种轧制、锻造或矫正生产线的材质控制方法，其特征在于，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，根据所述测量值对所述材质传感器前道的至少一道工序的加热条件、加工条件或冷却条件加以修正，使得该测量位置的材质与目标值一致。
2.一种轧制、锻造或矫正生产线的材质控制方法，其特征在于，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，并将该测量值与根据该金属材料的加热条件、加工条件及冷却条件的实际值由材质模型计算出的该测量位置的材质推定值进行比较，根据该比较结果对所述材质模型加以修正，然后利用修正后的材质模型决定所述各工序的加热条件、加工条件及冷却条件。
3.一种轧制、锻造或矫正生产线的材质控制方法，其特征在于，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器测量金属材料的材质，并根据所述测量值利用材质模型计算所述材质传感器后道的至少一道工序的加热条件、加工条件或冷却条件，使得设置在所述材质传感器后道的任意位置的材质管理点处的材质与目标值一致。
4.一种轧制、锻造或矫正生产线的材质控制方法，其特征在于，在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及对金属材料冷却的冷却工序等各工序中至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上任意位置的材质传感器测量金属材料的材质，并根据所述测量值对所述材质传感器后道的至少一道工序的加热条件、加工条件或冷却条件加以修正，使得设置在所述材质传感器后道任意位置的材质管理点处的材质与目标值一致。
5.如权利要求1至4中任一项所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，生产线包括在利用轧机的加工工序之后利用冷却水冷却的冷却工序，材质传感器配置在加工工序和冷却工序之间及冷却工序输出侧、或配置在其中之一。
6.如权利要求1至5中任一项所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，材质传感器包括超声波发送单元、超声波接收单元、以及信号处理单元，根据超声波在金属材料内的传播特性，检测材质。
7.如权利要求6所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，用材质传感器检测出的材质是超声波传播路径上金属结晶的晶粒直径。
8.如权利要求7所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，超声波发送单元通过对金属材料表面照射脉冲激光产生超声波。
9.如权利要求7所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，超声波接收单元对金属材料表面照射激光，根据其反射光和照射光的相位差，检测出金属材料表面超声波振动。
10.如权利要求1至9中任一项所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，加热工序中利用感应加热对材料进行加热。
11.如权利要求1至10中任一项所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，金属材料是铁基合金、铝基合金、铜基合金、或钛基合金中任何一种。
12.如权利要求1至9中任一项所述的轧制、锻造或矫正生产线的材质控制方法，其特征在于，加热工序中利用感应加热对钢铁材料进行加热。
13.一种轧制、锻造或矫正生产线的材质控制装置，包括对金属材料进行加热的加热单元；对金属材料轧制、锻造或矫正加工的加工单元；以及对金属材料冷却的冷却单元等各单元至少具有其中一个，与制造所需要的尺寸形状的金属制品的生产线连接，根据来自上位计算机的金属材料的尺寸形状、制品的目标尺寸形状及金属材料的成分等信息，计算所述加热单元、所述加工单元、及所述冷却单元的设定值并输出的设定计算单元；以及根据所述设定值，操作加热装置、加工装置、及冷却装置的加热控制器、加工控制器、及冷却控制器，其特征在于，包括设置在生产线上测量金属材料材质的材质传感器；以及所述设定计算对向所述材质传感器前道的加热单元、加工单元、及冷却单元输出的设定值进行修正，使得所述材质传感器的测量值与目标值一致的加热修正单元、加工修正单元、及冷却修正单元。
14.一种轧制、锻造或矫正生产线的材质控制装置，包括对金属材料进行加热的加热单元；对金属材料轧制、锻造或矫正加工的加工单元；以及对金属材料冷却的冷却单元等各单元至少具有其中一个，与制造所需要的尺寸形状的金属制品的生产线连接，根据来自上位计算机的金属材料的尺寸形状、制品的目标尺寸形状及金属材料的成分等信息，计算所述加热单元、所述加工单元、及所述冷却单元的设定值并输出的设定计算单元；以及根据所述设定值操作加热装置、加工装置、及冷却装置的加热控制器、加工控制器、及冷却控制器，其特征在于，包括设置在生产线上，测量金属材料的材质用的材质传感器；根据该金属材料的加热条件、加工条件、及冷却条件的实际情况由材质模型推定该测量位置的材质的材质模型运算单元；所述材质传感器的测量值和所述材质模型运算单元的运算结果进行比较，学习材质模型的误差的材质模型学习单元；以及根据所述材质模型学习单元的学习结果，对所述材质模型运算单元的运算结果加以修正，再对所述材质模型加以修正的材质模型修正单元，所述设定计算单元根据所述材质模型修正单元输出的修正后的材质推定值，计算输出所述加热单元、所述加工单元、及所述冷却单元的设定值。
15.一种轧制、锻造或矫正生产线的材质控制装置，包括对金属材料进行加热的加热单元；对金属材料轧制、锻造或矫正加工的加工单元；以及对金属材料冷却的冷却单元等各单元至少具有其中一个，与制造所需要的尺寸形状的金属制品的生产线连接，根据来自上位计算机的金属材料的尺寸形状、制品的目标尺寸形状及金属材料的成分等信息，计算所述加热单元、所述加工单元、及所述冷却单元的设定值并输出的设定计算单元；以及根据所述设定值操作加热装置、加工装置、及冷却装置的加热控制器、加工控制器、及冷却控制器，其特征在于，包括设置在生产线上，测量金属材料材质的材质传感器；以及根据所述材质传感器的测量值，利用材质模型推定设置在所述材质传感器后道的任意位置的材质管理点的材质的材质模型运算单元，所述设定计算单元计算输出所述加热单元、所述加工单元、及所述冷却单元的设定值，使得所述材质模型运算单元的运算结果和上位计算机给出的材质目标值一致。
16.一种轧制、锻造或矫正生产线的材质控制装置，包括对金属材料进行加热的加热单元；对金属材料轧制、锻造或矫正加工的加工单元；以及对金属材料冷却的冷却单元等各单元至少具有其中一个，与制造所需要的尺寸形状的金属制品的生产线连接，根据来自上位计算机的金属材料的尺寸形状、制品的目标尺寸形状及金属材料的成分等信息，计算所述加热单元、所述加工单元、及所述冷却单元的设定值并输出的设定计算单元；以及根据所述设定值操作加热装置、加工装置、及冷却装置的加热控制器、加工控制器、及冷却控制器，其特征在于，包括设置在生产线上测量金属材料材质的材质传感器；以及所述设定计算对向所述材质传感器后道的加热单元、加工单元、及冷却单元输出的设定值进行修正，使得设置在所述材质传感器后道任意位置的材质管理点的材质与上位计算机给出的目标值一致的加热修正单元、加工修正单元、及冷却修正单元。
全文摘要
本发明的目的为即使在材质模型预测精度不是十分良好的情况下，仍能使制品的材质与目标值一致。在对金属材料进行加热的加热工序；对金属材料轧制、锻造或矫正加工的加工工序；以及使金属材料冷却的冷却工序至少实施一次各工序，从而制造所需要的尺寸形状的金属制品时，利用设置在生产线上的材质传感器10测量金属材料1的材质，根据测量值对材质传感器前道的至少一道工序的加热条件、加工条件、或冷却条件加以修正，使得该测量位置的材质与目标值一致。
文档编号B21B37/00GK1913984SQ20048004120
公开日2007年2月14日 申请日期2004年10月14日 优先权日2004年10月14日
发明者佐野光彦, 小原一浩, 告野昌史 申请人:东芝三菱电机产业系统株式会社