热轧设备中冷却设备的诊断装置 本发明涉及钢铁厂热轧设备中冷却设备的诊断装置，尤其涉及能有效地进行冷却设备维护作业的热轧设备中冷却设备的诊断装置。
为了使热轧卷材保持高质量和为使热轧设备能顺利运转，热轧设备中的冷却设备，通常按预先设定的冷却模式对高温钢板进行冷却。后述图7为表示传统热轧设备中冷却设备控制系统组成的图。图中，1为经精轧机2轧制的轧钢板，3为按规定的冷却模式对轧钢板1进行冷却的冷却设备。冷却设备3包含设置在轧钢板1的上方，为使轧钢板1的温度下降而向轧钢板1上喷水的许多喷嘴(以下简称分层)41-4N和设置在轧钢板1的下方，为使轧钢板1的温度下降而向轧钢板1上喷水的许多喷嘴(以下简称水幕)51-5N。将分层4n(n＝1－N)和水幕5n(n＝1－N)分别形成组，且统称为组An(n＝1－N)。
6为设置在冷却设备3的进入侧的温度计，8为设置在冷却设备3的走出侧的温度计，9为输入温度计6，8的数据，为使轧钢板1的温度成为目标温度，对分层41-4N和水幕51-5N进行控制的冷却控制器，10为将已下降至目标温度的轧钢板1进行卷绕的卷绕机。
以下，对其动作进行说明。
轧钢板1经精轧机2轧制后温度约为900℃。使来自精轧机2的轧钢板1从冷却设备3内通过，且被冷却至产品可进行卷绕地目标温度约600℃后，用卷绕机10进行卷绕。冷却控制器9按照预先确定的冷却模式控制冷却设备3。就是对应冷却模式，使每组的分层41-4N和水幕51-5N打开或关闭。这样，在冷却设备3内形成分层与水幕处于打开时的水冷却部和分层与水幕处于关闭时的空冷部混合存在状态。因此，用水冷和空冷冷却轧钢板1。
作为使用为适应目标温度下降量而设定组的实际冷却能力的冷却设备3对轧钢板1进行高精度冷却的方法，已知例如有日本专利特开昭64-62206号公报上记载的方法。该方法就是在冷却设备的出、入各侧测定实际温度，根据测定的温度差，分别相对上部冷却部、下部水冷部和空冷部，用最小平方法算出各冷却分组的学习项(评价组的实际冷却能力，按此评价而变化的参数值)，在下一次控制时，要使各冷却组的温度下降量的总和成为目标温度下降量，考虑学习项而进行控制的方法。
发现冷却设备3中存在不良情况是通过在设备定期修理期间，维修人员对组A1-AN的目测检查进行的。但是，为了不使设备停止运行的时间过长，使定期检查的时间受到限制。此外，由于不是仅需对指定的组留神观察，而是维修人员要对全部的组A1-AN依次进行目测检查。因此，使完成冷却设备3的检查需要数个月。此外，由于用目测进行检查，因此往往不能正确地查出不良情况。如上所述，因受设备上的种种制约，要求维修人员进行长时期坚持不懈的作业。
也有为对运转中设备的状态进行监视，而分别在组A1-AN上设置流量计，且当检测出用流量计计测到的流量偏离基准值时，即被判断为组的情况不正常。但是因根据冷却控制往往要使冷却介质的流量变化，此外，因限于轧制时间，使流量计的计测时间也受限制。因此，存在难于正确计测的问题。进而，由于组数十分庞大，需要设置许多流量计，从而使用于冷却设备诊断的成本增加。此外，又额外产生了流量计的维修作业。
一般，当设备经长时期使用会发生因喷嘴恶化引起的冷却能力下降，以及组的突发性故障。但是，在传统的维护方法中不能够推定因经过长时期工作引起的恶化，其结果，发生因喷嘴恶化引起的冷却能力下降，以及突发的组的故障。
因此本发明正是为了解决上述问题，目的在于提供能把长时期因素考虑在内对冷却设备进行诊断，同时能使维修人员根据诊断结果在定期修理期间高效地进行维修作业的热轧设备中冷却设备的诊断装置。
根据本发明的热轧设备中冷却设备的诊断装置，包括：从各组的温度下降量ΔTi和从冷却设备进入侧至走出侧的实际温度下降量T’求出实际水冷温度总下降量T″，然后根据实际水冷温度总下降量T″和在钢板温度计算部算出的每组水冷温度下降量ΔTwateri推定组的能力系数Bi的组能力系数计算部和根据组能力系数Bi的变化，诊断冷却设备的冷却能力的组能力诊断部。
根据本发明的热轧设备中冷却设备的诊断装置，还包括用组能力系数计算部算出的组能力系数Bi对在钢板温度计算部算出的每组水冷温度下降量ΔTwateri进行修正的分组学习计算部。
根据本发明热轧设备中冷却设备的诊断装置，还包括可算出与把从冷却设备进入侧至走出侧分成多个部分时的各部分对应的分组学习系数K6-7j、K7-8j的分组学习系数计算部，在组能力诊断部，可根据分组学习系数K6-7j、K7-8j的变化和组能力系数Bi的变化倾向进行故障诊断。
根据本发明热轧设备中冷却设备的诊断装置，还包括对由组能力诊断部推定为故障的组的前后组的注水动作强制地进行开或关的组开关指示部。
上述本发明装置的组能力诊断部，根据反映各组冷却能力的组能力系数Bi的随时间的变化可检测出组的异常情况。
在上述本发明装置的分组学习系数计算部使用由对应各组能力的组能力系数Bi进行修正的水冷温度下降量ΔTwateri。因此，分组学习系数计算部能输出更正确的分组学习系数Kj。
上述本发明中的组能力诊断部，首先，根据分组学习系数K6-7j、K7-8j的变化检查是否有发生故障的组。接着，通过对组能力系数Bi的随时间变化的倾向进行检查，推定哪一组发生了故障。
上述本发明中的组开关指示部，通过对推定为故障组前后的组进行控制，能使已被推定为故障组外围的水冷温度下降量ΔTwateri的独立性提高。其结果，由于能使在组能力系数诊断部实行的最小平方法的精度提高，从而能求出更正确的组能力系数Bi。
对附图的简单说明。
图1为表示本发明第1实施例热轧设备中冷却设备诊断装置组成的图，
图2为表示本发明第1实施例中组能力系数Bi随时间变化的曲线图，
图3为表示本发明第2实施例热轧设备中冷却设备诊断装置组成的图，
图4为表示本发明第3实施例热轧设备中冷却设备诊断装置组成的图，
图5为表示具有恶化倾向的组能力系数Bi的曲线图，
图6为表示本发明第4实施例热轧设备中冷却设备诊断装置组成的图，
图7为表示传统热轧设备中冷却设备控制系统组成的图。
以下参照附图对本发明各实施例进行说明。
实施例1：
图1为表示本发明第1实施例热轧设备中冷却设备诊断装置组成的图，这里，凡带有和传统装置中相同标号的部分均表示和传统装置中相同或相当的部分，且省略对其说明。11为用在冷却设备3的进入侧和走出侧分别测出的轧钢板1的温度，组的开关状态以及轧钢板1的钢板温度下降模式，算出每组A1-AN温度下降量的钢板温度计算部。12为算出分组学习系数的分组学习系数计算部。所谓分组学习系数就是按板厚、轧制后温度、卷绕温度等区分的每组(层)的系数。
所谓钢板温度下降模式就是表示轧钢板1在冷却过程中温度变化的形式。但是，冷却过程不限于完全反映在钢板温度下降模式上。因此，一般说，用钢板温度下降模式算出的计算温度总下降量T和作为用冷却设备3进入侧温度计6测出的温度与用走出侧温度计8测出的温度间的差的轧钢板1的实际温度下降量(以下称实际温度总下降量T’)不一致。
此外，从实际温度总下降量T’中减去正由于在用钢板温度下降模式算出的每组温度下降量中的空冷部和水幕部受到冷却引起的温度下降量，把仅表示因水冷部引起的温度变化称作实际水冷温度总下降量T″。
13为保存分组学习系数计算部12求出的分组学习系数Kj的磁盘，14为根据水冷部的温度变化推定每组能力系数的组能力系数计算部，15为保存组能力系数计算部14求出的组能力系数Bi的磁盘，16为按时间顺序对组能力系数计算部14求出的组能力系数Bi进行诊断的组能力诊断部，17为表示组能力诊断部16的诊断结果的诊断结果表示部。在诊断结果表示部17将诊断结果表示成按组编号的组能力系数随时间顺序变化的曲线。18为钢板冷却控制部，当轧钢板1位于冷却设备3上时，对轧钢板1的冷却状态进行控制。
以下对动作进行说明。
钢板温度计算部11从在线计算机(未图示)输入已卷绕好的轧钢板1的实际信息。作为实际信息例如有在冷却设备3进入侧检测的轧钢板1的温度，在冷却设备3走出侧检测的轧钢板1的温度，组开关状态等。在钢板温度计算部11，例如用轧钢板1从进入侧温度计6的位置移动至走出侧温度计8的位置所需的实际时间和包含在钢板温度下降模式内的空冷温度下降模式，求出各组Ai(i＝1－N)的空冷温度下降量ΔTair。同样，求出水幕部引起的温度下降量ΔTspray。此外，根据组的开关状态求出水冷温度下降量ΔTwateri。进而，如式(1)所示：对其进行加运算，求出每组温度下降量ΔTi。
ΔTi＝ΔTwateri＋ΔTairi＋ΔTsprayi……(1)
如式(2)所示，用每组温度下降量ΔTi的总和求得计算温度总下降量T。T=Σi=1NΔTi---(2)]]>
如式(3)、式(4)所示，分别求出实际温度总下降量T’和实际水冷温度总下降量T″。
T’＝FDT－CT……(3)T″=FDT-CT-Σi=1NΔTairi-Σi=1NΔTsprayi---(4)]]>
FDT：用温度计6测定的轧钢板1的温度
CT：用温度计8测定的轧钢板1的温度
在分组学习系数计算部12根据从钢板温度计算部11输入的实际温度总下降量T’和计算温度总下降量T求出属于此次投放轧钢板1的组的分组学习系数Kj(j为组的编号)的瞬时值Kjo。当考虑把各组的能力系数作为常数时，如式(5)所示，瞬时值Kjo用实际温度总下降量T’与计算温度总下降量T的比来定义。
Kjo＝T’/T……(5)
而且，在分组学习系数计算部12，如式(6)所示，通过用平滑系数a将瞬时值Kjo和现时的分组学习系数Kj进行平滑，求出最新的分组学习系数Kj，且将最新分组学习系数Kj记录在磁盘13上。这样，使分组学习系数Kj更新。
Kj＝(1－α)Kjo＋aKj……(6)
这里，「用平滑系数α进行平滑化的含意就是相对时间顺序的每一很短时间变化，对包含过去状态变化的变化进行平滑处理，平滑化系数α的定义域为从0.0至1.0。
在钢板冷却控制部18，在接着投放j组轧钢板1时使用分组学习系数Kj。就是，在为冷却j组轧钢板1而决定组开关模式的场合，在进行温度下降量预测计算时使用此系数。钢板冷却控制部18在决定组开关模式时，将分组学习系数Kj乘以用水冷温度下降模式算出的温度下降量计算值，作为所需水冷温度下降量的予测值，而且，按照此预测值决定组开关模式。
可将各组A1-AN的组能力系数Bi(i＝1－N)表示成式(7)的形式。在组能力系数计算部14用最小平方法求出组能力系数Bi。就是，组能力系数计算部14把在钢板温度计算部11求出的水冷部实际温度总下降量T″作为目标变数，把每组水冷温度下降量ΔTwateri作为说明变数，求出把钢板温度下降模式的推定误差的平方作为最小的组能力系数Bi。且将求出的组能力系数Bi记录在磁盘15内。在磁盘15内记录了轧钢板1每次进入冷却设备3内时的组能力系数Bi，因此，在磁盘15内依次记录了相继长时期的组能力系数Bi。T″=Σi=1NBi×ΔTwateri+ϵ---(7)]]>
ε：温度计算模式的推定误差
在组能力诊断部16输入记录在磁盘15内的相继长时期的各组能力系数Bi，把如图2所示的随时间变化的图(表示每组的组能力系数Bi的图)表示在诊断结果表示部17上。此外，组能力诊断部16，当组能力系数Bi小于警告下限值Ks时，即判断为该组处于恶化状态，且使操作员得知此判断结果。
如上所述，由于能将在学习控制过程算出的组能力系数Bi进行长期保存，因而能实现参虑时期因素的诊断。此外，由于能使维修人员知道处于恶化状态的组，因而能使其在定期修理期间有效进行维修作业。因此，能使因处于恶化状态的组未及时处理而造成突发故障的机会减少。
实施例2：
图3为表示本发明第2实施例热轧设备中冷却设备诊断装置组成的图。
这里，如图3所示，分组学习系数计算部21，把记录在磁盘15上的最新组能力系数Bi反映在分层学习计算上，就是通过将式(1)变换成下述形式的式(1)’来决定每组温度下降量ΔTi。
ΔTi＝Bi×ΔTwateri＋/ΔTairi＋ΔTsprayi……(1)’
每组温度下降量ΔTi包含温度下降模式的误差。但是，如果组能力系数Bi反映在水冷温度下降量ΔTwateri上的话，能更正确地求出每组温度下降量/Ti。其结果，使作为每组温度下降量ΔTi总和的总计算温度下降量T的精度提高。从而，使分组学习计算的精度提高。如上所述，通过把冷却设备3的能力变化反映本组温度下降量ΔTi上，使分组学习计算的精度提高。
实施例3：
图4为表示本发明第3实施例热轧设备中冷却设备诊断装置组成的图。图中，22为把在磁盘13上记录的每组学习系数Kj和在磁盘15上记录的组能力系数Bi用于诊断组能力时的组能力诊断部。
在第1和第2实施例中，为了用最小平方法求出的组能力系数Bi，来反映冷却设备3的恶化，需要处理规定量以上的轧钢板。就是，对于实际上在组上突然发生故障，直至组能力系数Bi产生显著变化需要时间。因此，尽管在第1和第2实施例中能检测出考虑时期因素的恶化，然而难以立即测出突然发生的组的故障。因此，在本实施例中给出能尽早推定发生故障的诊断装置。如图4所示，在冷却设备3的中间设置温度计7。在分组学习计算部21，分别求出关于从温度计6的设置位置起至温度计7的设置位置止的分组学习系数K6-7j和关于从温度计7的设置位置起至温度计8的设置位置上的分组学习系数K7-8j作为每组学习系数。
关于对应于冷却设备3的前半部的分组学习系数K6-7j，由式(2)’求出计算温度总下降量。由式(3)’求出实际温度总下降量。因此，分组学习系数K6-7j由Tn’/Tn给出。Tn=Σi=1LΔTi---(2),]]>
Tn’＝FDT－CTM……(3)’
关于对应于冷却设备3的后半部的分组学习系数K7-8j，由式(2)″求出计算温度总下降量。由式(3)″求出实际温度总下降量。因此分组学习系数K6-7j由Tr’/Tr给出。Tr=Σi=LNΔTi---(2)″]]>Tr’＝CTM－CT……(3)″
L：位于中间温度计7正下方的组的编号
FDT：温度计6的实测温度
CTM：温度计7的实测温度
CT：温度计8的实测温度
所谓分组学习系数K6-7j和分组学习系数K7-8j，就是每组实际温度总下降量与根据温度下降模式的予测值的比。如果冷却设备稳定运转的话，本来可将这些分别取一定值。但是，当冷却设备3中的组发生故障时，使对应于包含故障组一侧的分组学习系数发生变化。
组能力诊断部22对分组学习系数K6-7j和分组学习系数K7-8j进行监视。而且，当在其任一个上发生变化时，即判断为包含在变化一侧的任一组上发生故障。并且，组能力诊断部22对分组学习系数发生变化一侧的各组的组能力系数Bi进行校核。如图5所示，当在组上发生故障时，组能力系数Bi的变化倾向比其标准的恶化倾向更显著。所谓标准的变化倾向就是一般的随时间变化的倾向。因此，在任一组的能力系数Bi上开始发生大的变化时，被推定在该组上产生故障。
就是，在该实施例中，能更早地推定突发故障的发生。
实施例4：
第3实施例所示的诊断方法不同于第1及第2实施例的诊断方法，不使用组能力系数Bi随时间的变化。因此，能推定突然发生的故障，然而，推定的准确度并不那么高。因此，本实施例给出能对推定是否正确进行验证的冷却设备诊断装置。
图6为表示本发明第4实施例热轧设备中冷却设备诊断装置组成的图。图中，23为指定已被推定为故障组的组开关指示部，24为对位于已由组开关指示部23指定的组前后位置的组的注水动作进行控制，同时进行冷却控制的冷却控制部。
当组能力诊断部22已推定在任一组上发生故障时，对组开关指示部23输出故障推定信号。故障推定信号包含指定故障和被推定组的信息。组开关指示部23输出为禁止向被推定为故障的组或位于其前后的组注水的信号。冷却控制部24根据来自组开关指示部23的信号，在已禁止向被推定为故障的组或其前后的组注水动作的基础上进行冷却控制。
而且，钢板温度计算部11和组能力系数计算部14与在第1实施例的情况一样进行工作，算出组能力系数Bi，在该计算中，如上所述，在式(7)中适用最小平方法。其中，说明变数为ΔTwateri。关于相邻组的ΔTwateri由于冷却控制中的连续性，较多显示具有相同的倾向。如果对已推定为故障的组或位于其前后位置的组禁止注水的话，则该组外围的冷却控制中的连续性变为不存在。也就是使作为说明变数的ΔTwateri的独立性提高，因此，使在组能力系数计算部14实行的最小平方法的精度提高。其结果，也使在组能力系数计算部14算出的组能力系数Bi的精度提高。能使组能力诊断部22，用高精度的组能力系数Bi进行组的故障诊断。
如上所述，在组能力诊断部22已推定在某个组上发生故障时，冷却控制部24根据来自组开关指示部23的信号，在已对被推定为故障的组或其前后的组实行禁止注水动作的基础上进行温度控制。这样，由于接下来能使在已将轧钢板1投放时算出的组能力系数Bi的精度提高，故能使组能力诊断部22更准确地推定发生故障的组。
综上所述，根据本发明，由于构成根据组能力系数Bi随时间的变化诊断冷却设备的冷却能力的冷却设备诊断装置，因而无需添加任何装置，即能在冷却设备运转时推定发生故障的组，从而能使维修人员根据此结果在规定的修理期间高效地进行维修作业。此外，由于能检查出随时间变化引起的恶化，故能减少突然发生的故障。
根据本发明，由于将冷却设备诊断装置构成用组能力系数Bi对每组水冷温度下降量ΔTwateri进行修正，从而使分组学习计算的精度提高。
根据本发明，由于将冷却设备诊断装置构成根据分组学习系数K6-7j、K7-8j的变化和组能力系数Bi的变化倾向进行故障诊断，能更早地检测出突然发生的故障。
根据本发明，由于将冷却设备诊断装置构成用组能力诊断部，对已被推定为故障组的前后组的注水动作进行强制地打开或关闭，从而能更正确地算出组能力系数Bi和更正确地推定发生故障的组。