[0102] 由此式(7),包括轴方向的轮廓响应Y(i)是以下列(8)式表示。
[0103]
[0104] 但,i=1,......,N
[0105] 相对于n的总和,例如进行直到n×T0>L+2T成立的最小n为止的话便足够。 [0106] 接着,针对位置对应关系、干涉宽度与工艺过程增益的最佳化加以说明。还有,轮廓响应Y(i)可以使用该(6)式或(8)式的任一式。
[0107] 若将实质工艺过程2的轮廓响应设为P(i)(i=1,......,N),实质工艺过程2与模型32的误差是以下列(9)式的平方偏差函数J表示。
[0108]
[0109] 为了进行最佳化,必须求出将此J予以最小化的位置对应关系m(j)、干涉宽度(α)与工艺过程增益K。
[0110] 此处,利用最为传统的最佳化技术的最速下降法的算法而求出最佳值。因此,首先利用下列(10)~(12)式,计算相对于常态化分布函数S(i;m(j)、σ)的各变数的微分。
[0111]
[0112]
[0113]
[0114]
[0115] 利用此(10)~(12)式,以下列(10)~(12)式计算关于平方偏差函数J的各变量的微分。
[0116]
[0117]
[0118]
[0119] 利用此(13)~(15)式,以下列(16)~(18)式能够计算依最速下降法所得到的前一步骤的各变数修正量Δm(j)(j=1,......,M)、Δσ、ΔK。此处,设定各变量的修正阶跃幅度为Dm、Dσ、DK。
[0120]
[0121]
[0122]
[0123] 接着,针对位置对应关系的类神经网络内插加以说明。虽然能够利用该(16)式而求出各位置对应关系m(j)(j=1,......,M)的修正量Δm(j)(j=1,......,M),但是仅以此修正运算将发生以下的问题。亦即,进行控制操作多的位置,亦即,轮廓偏差大的位置的话,模型的修正量变大;控制操作少,亦即,轮廓偏差小的位置的话,模型的修正量变小。 [0124] 亦即,修正量不仅受到处理与模型偏移的大小的影响,也受到控制操作量的影响,其结果,位置对应关系的修正量将产生变异。为了解决此问 题,适合采用类神经网络的算法。
[0125] 对于类神经网络的算法,能够利用如专利文献3所示的传统技术。于图6,显示利用类神经网络的内插流程。于图6的(4-1),将利用该(1-6)式所求出的Δm(j)代入位置对应偏差H(Nj),进行利用类神经网络的内插运算(4-2)。然后,将借由此内插运算所得到的最佳位置对应偏差函数Y(i)作为位置对应修正量Δm*(j)而与m(j)相加(4-4)。 [0126] 若将模型32现在的位置对应关系设为m(j)(j=1,......,M),修正后的位置对应关系成为下式(19)。
[0127] m(j)=m(j)+m*(j).........(19)
[0128] 因为最佳位置对应偏差函数Y(i)成为平滑进行变化的函数,位置对应关系m(j)也平滑进行变化。
[0129] 接着,将已更新的位置对应关系m(j)、干涉宽度σ与工艺过程增益K设定于模型32,并将已更新的位置对应关系m(j)予以整数化而设定于宽度方向控制器1。此等设定为了避免急遽的变化、确保最佳化的安定性而将极限值设定于变更量,使得变更量不超过此极限值。
[0130] 亦即,将位置对应修正量Δm*(j)的该极限值设为±m带,若Δm*(j)大于+B带,则将Δm*(j)设为+m带;若小于-B带,则将Δm*(j)设为-m带。然后,将此位置对应修正量Δm*(j)与m(j)相加。若以数学式表示,则下列(20)~(22)式成立。
[0131] Δm*(j)>m带→Δm*(j)=m带.........(20)
[0132] Δm*(j)<-m带→Δm*(j)=-m带.........(21)
[0133] m(j)→m(j)+Δm*(j)(j=1,......,M).........(22)
[0134] 还有,设定于宽度方向控制器1之时,将m(j)予以整数化之后再进行设定。 [0135] 针对干涉宽度的变更量Δσ与工艺过程增益的变更量ΔK,也同样地设定极限值。将干涉宽度的变更量的极限值设为±σ带,若变更量Δσ大于+σ带,则将变更量Δσ设为+σ带;若小于-σ带,则将变更量Δσ设为-σ,再与干涉宽度σ相加。若以数学式表示,则下列(23)~(25)式成立。
[0136] Δσ>σ带→Δσ=σ带.........(23)
[0137] Δσ<-σ带→Δσ=-σ带.........(24)
[0138] σ→σ+Δσ.........(25)
[0139] 针对工艺过程增益,同样地也将极限值设为±K带,若变更量ΔK大于+K带,则设为+K带;若小于-K带,则设为-K带,再与工艺过程增益K相加。若以数学式表示,则下列(26)~(28)式成立。
[0140] ΔK>K带→ΔK=K带.........(26)
[0141] ΔK<-K带→ΔK=-K带.........(27)
[0142] K→K+ΔK.........(28)
[0143] 于图7,显示本实施例的仿真结果。图7表格的各列,由左起分别为操作端编号、模型32进行输出的位置对应关系、工艺过程2的位置对应关系、工艺过程2与模型32的位置对应关系的差值、位置对应关系最佳化部31输出的位置对应变更量。还有,此模拟是将操作端的条数设为30条、将轮廓的测定点设为300点、将控制次数设为200次、将调整次数设为20次而进行模拟。还有,位置对应的阶跃幅度为200。
[0144] 由图7可得知,几乎于所有的操作端,工艺过程2的位置对应与模型32的位置对应关系的差值,使得位置对应变更量的误差一致为0.1以下。因而,得知能够将模型32的位置对应加上位置对应变更量的值设为工艺过程2的位置对应而进行控制。 [0145] 于图8,显示干涉宽度与工艺过程增益的模拟结果。处理的干涉宽度与模型32的干涉宽度的差值为2,相对于此,干涉宽度变更量为1.737,几乎相一致。另外,工艺过程增益的工艺过程2与模型32的差值为0.3,相对于此,工艺过程增益的变更量为0.272,得知二者极其一致。
[0146] 图9是利用相同的模拟,将控制次数每隔20次的位置对应变更量予以作图,横轴为操作端的编号。▲符号表示位置对应关系的工艺过程2与模型32的差值,■符号表示控制次数200次的位置对应变更量。得知二者极其一致。
[0147] 于图10,显示相同仿真的轮廓的初期值与最终值。横轴是测定点的编号,●符号是初期的轮廓,仅有线的是最终的轮廓。因为每一控制周期加上振幅0.2的随机噪声,故最终值为含有噪声,但我们发现初期值与最终值几乎一致。
[0148] 图11是表示此时的操作变更量的图形。横轴是操作端的编号。我们发现虽然1、4、7操作端的操作变更量小而几乎未进行操作,但是,正确地进行位置对应关系的判定。
[0149] 以该(16)~(18)式所说明的修正阶跃幅度Dm是凭经验决定的,用来调整的具体技术并未被确立。于图12,显示传统所用的调整流程。于图12,首先于(10-1),设定暂定的增益也就是修正阶跃幅度,于(10-2)开始进行位置对应判定的控制。
[0150] 然后,于(10-3)监视所漉制的纸的状态或是由位置对应判定器3所进行的位置对应修正的状态,判断状态是否良好(10-4)。若是状态不佳,凭感觉或直觉,变更增益(修正阶跃幅度)(10-5)、继续进行监视(10-3)。若是状态良好,则终止调整(10-6)。 [0151] 如此方式,因为凭感觉或直觉进行调整,将有调整不易,并且个人差异大,以及必须耗费极大的工作量等问题。另外,纸的基准重量或原料的掺合会因装置的品牌而有所差异,修正阶跃幅度也因而不同,故为了调整必须耗费更多的工作量,此为其问题点。 [0152] 于图13,显示为了解决如此的问题的调整方法。借由此方法,能够进行修正阶跃幅度的自动调整。
[0153] 从设定依图2说明的自动阶跃响应经判定所得到的位置对应起数小时后,或是于漉制中的纸宽度方向的2σ或R等的制品质量稳定时,进行如下的运算后,计算修正阶跃幅度Dm。
[0154] 还有,于图4的流程,位置对应判定器3是计算每一调整周期的位置对应修正量Δm*(j)而进行位置对应关系等的最佳化,此处,使每一控制周期进行位置对应修正量Δm*(j)的计算。
[0155] 最初,利用该(29)式进行f(i)的计算。Δm*(j)是以该(19)式等所说明的位置对应修正量,M是操作端43的条数。
[0156]
[0157] 另外,利用该(30)式,计算每单位时间的宽度方向控制器的控制次数n,借由(31)式而求出位置对应变更量F。然后,以(32)式计算位置对应修正阶跃幅度Dm。此处,Fs是位置对应变更量的设定值(点/操作端数目/时间)、Dm’是数据收集时,亦即,前次的位置对应修正阶跃幅度,I是宽度方向控制器的控制次数。
[0158]
[0159]
[0160]
[0161] Fs是每单位时间所容许的每一位置对应修正量操作端的平均值,例如,设定于操作端与操作端之间所含的测定点数20%的值。例如,每一操作端的测定点数为5点的情形,Fs=1.000。
[0162] 于图13,显示进行修正阶跃幅度Dm的自动调整情形的流程。此自动调整是借由依该传统的自动阶跃响应测试,从设定判定的位置对应起数小时后,或是于制品质量稳定时进行。
[0163] 于图13的于(11-1),将i与F初期设定为0。接着,利用该(30)式,计算宽度方向控制器的控制次数n(11-2)。于(11-3)使宽度方向的控制定时得以同步,将利用该(29)式所算出的f(i)与F相加(11-4)。接着,于(11-5)进行i的增量,于(11-6)核对以i与(11-2)所算出的n的大小关系,若i小于n,则回到(11-3)。
[0164] 若i等于或大于n,则于(11-7)利用该(32)式而计算修正阶跃幅度Dm。此修正阶跃幅度Dm是显示于操作画面。作业员确认修正阶跃幅度Dm的值后,设定于位置对应判定器3。
[0165] 于图14,显示为了利用该(30)~(32)式而进行计算的实际数据的一例。还有,记号的意义相同于该(30)~(32)式。因为控制周期T0=300秒,位置对应变更量设定值Fs=1.000,下式成立。
[0166]
[0167]
[0168]
[0169] 于图15,显示将数据收集时的修正阶跃幅度Dm’变更为150.000时的实际数据。记号的意义相同于图14。另外,控制周期T0与位置对应变更量设定值Fs使用相同值。此时的计算结果成为下式。
[0170]
[0171]
[0172]
[0173] 由此等结果,确认了即使改变数据收集时的修正阶跃幅度Dm’,也可以得到几乎相同的修正阶跃幅度Dm。因为Dm=150.000较Dm=240.000更接近120.000,确认了制品质量更优于Dm=240.000时。
[0174] 还有,于该(30)~(32)式,加上一小时期间位置对应修正量绝对值的平均值而使位置对应修正阶跃幅度得以调整,但并不一定为一小时,可以因应控制状态而进行任意设定。
[0175] 另外,虽然此等实施例是针对纸的制造装置加以说明,也能够适用于塑料薄膜等其它的片状制品的制造装置。另外,利用显示于图6之类神经网络所进行的内插运算,也不一定要进行。