宽度方向位置对应关系判定方法及利用其的制造装置

摘要

对于各厂牌装置逐一进行操作端与测定点的位置对应关系的测定与切换相当费事，且于作业中位置对应关系若偏离，则必须于测定阶跃响应(stepresponse)后再次测定位置对应关系，此于质量管理上会产生问题。将操作端的操作量输入处理模型，修正处理模型的位置对应关系、干涉宽度与工艺过程增益，使此处理模型与测定轮廓的偏差成为最小。另外，使此位置对应关系设定于输出操作量的宽度方向控制器。因为操作中能够逐次将位置对应关系修正为最佳值，即使位置对应关系偏离，也不会使控制性变差，并且，消除了逐一厂牌装置进行位置对应关系的测定与切换的麻烦。

说明书

技术领域

本发明是关于一种宽度方向位置对应关系判定方法及利用此判定方法的片状制品制造装置，于制造片状制品的装置中，能够自动判定控制宽度方向轮廓的操作端与测定轮廓的测定点的位置对应关系。

背景技术

对于判定宽度方向位置对应关系的先前技术，例如有下列的文献。

(专利文献1)日本公开专利第平09-316791号公报

(专利文献2)日本公开专利第平09-049185号公报

(专利文献3)日本公开专利第平09-132892号公报

于图1，显示于制造纸等的片状制品的装置中，用来控制宽度方向轮廓的部分的构造。以下，针对纸的制造装置进行说明。于图1，纸浆原料是从喷浆唇(slice lip)41的缝隙向网部(wire part)42出料而形成片状。喷浆唇41缝隙的宽度是利用限幅栓(slice bolt)43进行调节。成为片状的纸浆于网部42上沿着箭号44方向被搬送的期间，进行水份的去除，利用BM机构(BasisWeight/Moisture measurement Frame，基准重量/湿度量测机构)45测定其厚度的轮廓。

因为相对于限幅栓43的间隔35～100mm，BM机构45的测定间隔约为5mm，一个限幅栓对应多个测定点。那一个测定点对应那一个限幅栓，无法仅借由几何学的关系加以决定。因此，起动时进行此等位置对应关系的调整。

于图2，显示位置对应关系的调整的流程。最初，于(15-1)将阶跃状的操作量赋与操作端(限幅栓43)，测定对应其操作量的宽度方向轮廓变化而进行自动阶跃响应测试。针对于此，能够利用例如公开于专利文献1的技术。

接着，于(15-2)解析此阶跃响应测试的结果，个别决定对应各操作端的测定点位置。针对此决定方法，能够利用例如公开于专利文献2的技术。然后，圆滑地进行此个别位置对应关系的内插，最后决定出判定所有操作端的位置对应关系的整体位置对应(15-3)。针对于此，能够利用例如公开于专利文献3的技术。

自动阶跃响应测试的实施时，因为受到操作端的操作条数或操作量的影响，难以维持良好的轮廓，于作业时进行质量管理上的自动阶跃响应测试是困难的。因此，于起动控制时，根据图2的流程，决定操作端与测定点的位置对应关系，使得作业时固定使用此位置对应关系。

然而，针对如此操作端与测定点的位置对应关系的决定方法仍有如下的课题。

实施自动阶跃响应测试之时，调整作业员必须进行监视。然而，当操作端数目多的时候，将达10～200条。因此，将有调整作业员肩负莫大负担的课题。

另外，若变更厂牌装置，位置对应关系也将改变。因此，预先保存个别厂牌装置的位置对应关系，若变更厂牌装置，则搜寻此已保存的位置对应关系而进行再设定。然而，必须进行个别厂牌装置的自动阶跃响应测试而判定位置对应关系，将有必须肩负调整作业上莫大工作量的课题。

再者，即使厂牌装置相同，一旦变更基准重量(basis weight)或制纸速度等的作业条件，或是变更其它的生产条件，位置对应关系也将改变，将有无法因应如此的情形，控制性恶化而产生不良品的课题。

因而，本发明的目的在于提供一种宽度方向位置对应关系判定方法及利用此判定方法的片状制品制造装置，能够自动决定作业中的操作端与测定点的位置对应关系而进行再设定。

发明内容

为了达成如此的课题，本发明的权利要求1，是关于一种宽度方向位置对应关系的判定方法，用于片状制品制造装置，该片状制品制造装置包括：多个操作端，控制片状制品的宽度方向轮廓；及一宽度方向控制部，对此宽度方向控制部输入目标轮廓与该片状制品的宽度方向的测定轮廓，并自此宽度方向控制部输出用来操作该多个操作端的操作量；

所述宽度方向位置对应关系的判定方法，是对于所述片状制品制造装置判定用来控制该宽度方向轮廓的操作端与用来测定该轮廓的测定点间的位置对应关系，包括：第一步骤，接受由该宽度方向控制部所输出的操作量，利用模拟包括该多个操作端的处理的处理模型，而进行模型运算；第二步骤，接受此模型运算输出与该测定轮廓的偏差，算出使此偏差成为最小的位置对应关系、干涉宽度与工艺过程增益的最佳值；第三步骤，将此位置对应关系、干涉宽度与工艺过程增益的最佳值设定为该处理模型的位置对应关系、干涉宽度与工艺过程增益；及第四步骤，将该位置对应关系的最佳值设定为该宽度方向控制部的位置对应关系；所述各设定是依相同于在该宽度方向控制部的控制的定时，或是依更长的周期来进行。依此方法，可于宽度方向控制中修正位置对应关系。

权利要求2所述的发明是在权利要求1所述的发明中，该处理模型是利用常态化分布函数作为对应所输入的操作量的宽度方向的轮廓响应。依此，经验上能够正确地接近轮廓响应。

权利要求3所述的发明是在权利要求1所述的发明中，将空档时间与一次延迟响应附加于常态化分布函数而作为该宽度方向的轮廓响应。能够将更实际的处理予以模型化。

权利要求4所述的发明是在权利要求3所述的发明中，利用下列(1)式，作为该宽度方向的轮廓响应。能够将更实际的处理予以模型化。

轮廓响应＝K·g(n)·Uj(n)............(1)

其中， $>>g>>(>n>)>>=>1>->exp>>(>->>>>nT>0>>->L>>T>>)>>>s>(nT0＞L之时)$

g(n)＝0                    (nT0≤L之时)

其中，K是工艺过程增益、n是自输入操作量起直到输出其轮廓响应为止的取样周期的数目，T0是取样周期、L是空档时间、T是一次延迟的时间常数、Uj(n)是于n个取样周期前所输入的操作量。

权利要求5所述的发明是在权利要求1至4项中任一所述的发明中，该最佳值的计算是利用最速下降法而求出该位置对应关系的修正量。能够简单且快速地得到解答。

于权利要求6所述的发明是在权利要求5所述的发明中，该最佳值的计算是将利用该最速下降法所求出的修正量，借由利用类神经网络的内插运算而进行内插。能够圆滑地进行位置对应修正量在宽度方向的离散的内插。

权利要求7所述的发明是在权利要求5所述的发明中，设定既定的极限值，使该修正量不超过此极限值而修正该修正量。能够期望最佳化的安定性。

权利要求8所述的发明是在权利要求5所述的发明中，将该位置对应关系修正量绝对值的平均值累加既定时间，利用此累加所得的值而修正该位置对应关系的修正阶跃幅度。依此，能够自动地进行修正阶跃幅度的修正。

权利要求9所述的发明是在权利要求8所述的发明中，根据下列(2)式而求出新的修正阶跃幅度。能够自动地进行修正阶跃幅度的修正。

Dm＝Dm’×Fs/F............(2)

其中，Dm是新的修正阶跃幅度、Dm’是前次的修正阶跃幅度、Fs是位置对应变更量设定值、F是该累加所得的值。

权利要求10所述的发明是一种片状制品制造装置，其具备：

多个操作端，控制片状制品的宽度方向轮廓；

一宽度方向控制部，输入目标轮廓与该片状制品宽度方向的测定轮廓并输出操作该多个操作端的操作量；

一处理模型，输入该操作量以进行处理的模拟；以及

一位置对应最佳化部，将该多个操作端与测定该测定轮廓的多个测定点的位置对应关系，与该处理模型的干涉宽度予以最佳化，使该处理模型的输出与该测定轮廓的偏差成为最小，并将此位置对应关系与干涉宽度设定于该处理模型，再将该位置对应关系设定于该宽度方向控制部。依此，可修正宽度方向控制中的位置对应关系。

权利要求11所述的发明是在权利要求10所述的发明中，该处理模型是使用常态化分布函数作为对应所输入的操作量的宽度方向的轮廓响应。依此，经验上能够正确地接近轮廓响应。

权利要求12所述的发明是在权利要求10所述的发明中，将空档时间与一次延迟响应附加于常态化分布函数，作为该宽度方向的轮廓响应。依此，能够将较实际的处理予以模型化。

权利要求13所述的发明是在权利要求12所述的发明中，利用下列(3)式，作为该宽度方向的轮廓响应。依此，能够将较实际的处理予以模型化。

轮廓响应＝K·g(n)·Uj(n)............(3)

其中， $>>g>>(>n>)>>=>1>->exp>>(>->>>>nT>0>>->L>>T>>)>>>s>(nT0＞L之时)$

g(n)＝0                    (nT0≤L之时)

此处，K是工艺过程增益、n是从输入操作量起直到输出其轮廓响应为止的取样周期的数目，T0是取样周期、L是空档时间、T是一次延迟的时间常数、Uj(n)是于n个取样周期前所输入的操作量。

权利要求14所述的发明是在权利要求10至13项中任一所述的发明中，该位置对应最佳化部是利用最速下降法而求出该位置对应关系的修正量。依此，能够简单且快速地得到解答。

权利要求15所述的发明是在权利要求14所述的发明中，该位置对应最佳化部是将利用该最速下降法所求出的修正量，借由利用类神经网络的内插运算而进行内插。依此，能够圆滑地进行位置对应修正量在宽度方向的离散的内插。

权利要求16所述的发明是在权利要求14所述的发明中，设定既定的极限值，使该修正量不超过此极限值而修正该修正量。依此，能够达到最佳化的安定性。

权利要求17所述的发明是在权利要求14所述的发明中，将该位置对应关系修正量绝对值的平均值累加既定时间，利用此累加所得的值而修正该位置对应关系的修正阶跃幅度。依此，能够自动地进行修正阶跃幅度的修正。

权利要求18所述的发明是在权利要求17所述的发明中，根据下列(4)式而求出新的修正阶跃幅度。依此，能够自动地进行修正阶跃幅度的修正。

Dm＝Dm’×Fs/F............(4)

其中，Dm是新的修正阶跃幅度、Dm’是前次的修正阶跃幅度、Fs是位置对应变更量设定值、F是该累加所得的值。

由以上的说明可明确得知，根据本发明，具有如下的效果。

若根据本发明权利要求1至18所述的发明，借由模拟含多个操作端的处理的处理模型而进行模型运算，同时，算出使得此模型运算的输出与实际的测定轮廓的偏差成为最小的位置对应关系、干涉宽度与工艺过程增益的最佳值，再将此位置对应关系、干涉宽度与工艺过程增益的最佳值设定于该处理模型与宽度方向控制器。

因为能够逐次修正操作中的位置对应关系，即使操作条件改变，也具有不使控制性恶化的效果。另外，因为于操作中不需要进行阶跃响应以判定位置对应关系，而不致有轮廓发生变化或对于调整作业造成过度负担的情形，此为其另一项效果。

再者，借由从位置对应关系的修正量而进行修正阶跃幅度的修正，而能将过去凭借直觉或经验所进行的修正阶跃幅度的调整予以自动化，此为其又另一项效果。

附图说明

图1是显示操作端与测定点的一配置例的构造图。

图2是显示传统位置对应关系的设定技术的流程图。

图3是显示本发明一实施例的构造图。

图4是显示本发明一实施例的流程图。

图5是显示常态化分布函数一例的特性图。

图6是显示本发明另一实施例的流程图。

图7是显示本发明一实施例效果的特性表。

图8是显示本发明一实施例效果的特性表。

图9是显示本发明一实施例效果的特性表。

图10是显示本发明一实施例效果的特性表。

图11是显示本发明一实施例效果的特性表。

图12是显示传统修正阶跃幅度调整的流程图。

图13是显示本发明一实施例的修正阶跃幅度自动调整的流程图。

图14是显示自动修正阶跃幅度效果的特性表。

图15是显示自动修正阶跃幅度效果的特性表。

符号说明：

1～宽度方向控制器

2～工艺过程

3～位置对应判定器

31～位置对应最佳化部

32～模型

41～喷浆唇

42～网部

43～限幅栓

44～纸浆被搬送的方向

45～BM机构

具体实施方式

图3是显示有关本发明片状制品制造装置的一实施例的构成图。于图3中，1为宽度方向控制器，输入目标轮廓SV与测定轮廓P的偏差。宽度方向控制器1是依此偏差进行最适操作变更量U的运算，而予输出。2是生产片状制品的工艺过程，输入操作变更量U。工艺过程2生产片状制品，并输出其宽度方向的测定轮廓P。

3是位置对应判定器，由位置对应最佳化部31与模型32所构成的。模型32是仿真工艺过程2的构件，输入操作变更量U，输出轮廓响应Y。输出此输出轮廓响应Y与工艺过程2的测定轮廓P的偏差是输入位置对应最佳化部31。

位置对应最佳化部31是根据所输入的轮廓响应Y与测定轮廓P的偏差而进行位置对应关系、干涉宽度与工艺过程增益的最佳化运算，并修正模型32。另外，再设定宽度方向控制器1的位置对应关系。

图4是显示本发明位置对应判定器3的动作的流程图。此流程是于每一宽度方向控制定时所实施的。最初，等待直到宽度方向的控制定时后(2-1)，根据模型32而进行模型运算(2-2)。接着，根据位置对应最佳化部31而进行位置对应关系、干涉宽度与工艺过程增益的最佳化(2-3)。

接着，虽然将位置对应关系、干涉宽度与工艺过程增益设定于模型32，并将位置对应关系设定于宽度方向控制器1，但是，此等设定相同于宽度方向控制定时或是以更长的周期进行。因此，于(2-4)进行计数器n的增量，若其计数值较既定的调整周期为小，等待直到下一个宽度方向控制定时，重复进行模型运算(2-5)。

一旦计数器n的计数值成为既定的调整周期以上，于(2-6)，位置对应最佳化部31利用类神经网络进行最佳化的位置对应关系的内插运算，于(2-7)，将此内插的位置对应关系再设定于模型32。另外，也将干涉宽度与工艺过程增益再设定于模型32。然后于(2-8)，将计数器n的计数值设为0，等待直到下一个宽度方向控制定时为止(2-1)。

接着，针对图4流程图的各个动作进行详细说明。还有，为了简化说明而设定目标轮廓SV＝0，测定轮廓P设成相等于宽度方向控制器1所输入的偏差。另外，操作端的条数设为M，宽度方向轮廓的测定点设为N点。

首先，针对模型运算进行说明。将第j号操作端的位置对应关系设为m(j)。此m(j)表示轮廓测定点，虽然实际上采取1至N的自然数，但是将值域扩大至实数，设定采取直到1≤m(j)≤N的实数值。另外，虽然考虑相对于对应第j号操作端的宽度方向控制器1操作变更量Uj的轮廓响应模型，但是为了简化叙述，忽略时间轴方向的响应延迟，而假设于一取样周期可以得到完全的轮廓响应。

利用显示于下列(5)式的常态化分布函数S(i；m(j)、σ)表示相对于第j号操作端操作变更量Uj的一取样周期后的轮廓响应。此处的常态化分布函数的尺度是以操作端每一区域轮廓的测定点数N/M而予以常态化。

$>>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>=>>N>M>>\times >>1>\sqrt{>2>\pi >>\times >\sigma >>>exp>>(>->>>>(>i>->m>>(>j>)>>)>>2>>>>2>\sigma >>2>>>)>>.>.>.>>(>5>)>>>s>}$

于图5显示此常态化分布函数S(i；m(j)、σ)。还有，设定m(j)＝50、σ＝8、N＝300、M＝30。经验上，此常态化分布函数极接近轮廓响应。分散σ可谓表示宽度方向干涉宽度的大小。能够正确地接近轮廓响应

若使用该(5)式的常态化分布函数S(i；m(j)、σ)，能够因操作变更量Uj(j＝1，......，M)而得到的轮廓响应Y(i)(i＝1，......，N)的模型，能够以下列(6)式表示。

$>>Y>>(>i>)>>=>K>>\Sigma >>j>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>U>j>>)>>>(>i>=>1>,>.>.>.>.>.>.>,>N>)>>.>.>.>>(>6>)>>>s>$

其中，K是工艺过程增益。

于一取样周期，轮廓非100％响应之时，能够进行如下方式而将模型予以扩充。基本上，轮廓的响应延迟取决于从操作端向测定点的片材输入延迟，以及为了使短周期变动衰减而设置于测定部的低通滤波器。大多的情形，低通滤波器使用一次滤波器。

因而，此时间延迟能够利用组合空档时间与一次延迟的系统而予以模型化。此空档时间与一次延迟的时间常数可以为已知的。若取样周期设为T0，空档时间设为L，一次延迟的时间常数设为T，现在的轮廓响应能够以下列(7)式表示。

轮廓响应＝K·g(n)·Uj(n)............(7)

其中， $>>g>>(>n>)>>=>1>->exp>>(>->>>>nT>0>>->L>>T>>)>>>s>(nT0＞L之时)$

g(n)＝0                   (nT0≤L之时)

由此式(7)，包括轴方向的轮廓响应Y(i)是以下列(8)式表示。

$>>Y>>(>i>)>>=>K>>\Sigma >>j>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>\Sigma >>n>=>1>>>N>0>>>\{>>>(>g>>(>n>)>>->g>>(>n>->1>)>>)>>>\times >>U>j>>>(>n>)>>\}>)>>.>.>.>>(>8>)>>>s>$

但，i＝1，……，N

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。

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。

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。

$>>J>=>>\Sigma >>i>=>1>>N>>\{>P>>(>i>)>>->Y>>(>i>)>>>\}>2>>=>>\Sigma >>i>=>1>>N>>>>\{>P>>(>i>)>>->K>>\Sigma >>j>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>U>j>>)>>\}>>2>>.>.>.>>(>9>)>>>s>$

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。

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。

$>>>>\partial >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>>>\partial >m>>(>j>)>>>>=>>N>M>>\times >>1>\sqrt{>2>\pi >>\times >\sigma >>>\times >>\partial >>\partial >m>>(>j>)>>>>exp>>(>->>>>(>i>->m>>(>j>)>>)>>2>>>>2>\sigma >>2>>>)>>>s>}$

$>>=>>N>M>>\times >>1>\sqrt{>2>\pi >>\times >\sigma >>>\times >>>(>1>->m>>(>j>)>>)>>>\sigma >2>>>\times >exp>>(>->>>>(>i>->m>>(>j>)>>)>>2>>>>2>\sigma >>2>>>)>>=>>>(>i>->m>>(>j>)>>)>>>\sigma >2>>>\times >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>.>.>.>>(>10>)>>>s>}$

$>>>>\partial >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>>>\partial >\sigma >>>=>>>>>(>i>->m>>(>j>)>>)>>2>>->>\sigma >2>>>>\sigma >3>>>\times >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>.>.>.>>(>11>)>>>s>$

$>>>>\partial >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>>>\partial >\sigma >>>=>>1>K>>\times >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>.>.>.>>(>12>)>>>s>$

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。

$>>>>\partial >J>>>\partial >m>>(>j>)>>>>=>->2>>U>j>>>\Sigma >>j>=>1>>N>>[>>>i>->m>>(>j>)>>>>\sigma >2>>>\times >S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >\{>Y>>(>i>)>>->>\Sigma >>k>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>U>k>>)>>\}>]>>s>$

(j＝1，……，M)……………………………(13)

$>>>>\partial >J>>>\partial >\sigma >>>=>->2>>\Sigma >>j>=>1>>M>>[>>U>j>>>\Sigma >>i>=>1>>N>>[>>>>>(>i>->m>>(>j>)>>)>>2>>->>\sigma >2>>>>\sigma >3>>>\times >>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>>\times >\{>Y>>(>i>)>>->>\Sigma >>k>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>U>k>>)>>\}>>>]>]>.>.>.>>(>14>)>>>s>$

$>>>>\partial >J>>>\partial >K>>>=>->>2>K>>>\Sigma >>j>=>1>>M>>[>>U>j>>>\Sigma >>i>=>1>>N>>[>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >\{>Y>>(>i>)>>->>\Sigma >>k>=>1>>M>>>(>S>>(>i>;>m>>(>j>)>>,>\sigma >)>>\times >>U>k>>)>>\}>]>]>.>.>.>>(>15>)>>>s>$

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。

$>>\Delta m>>(>j>)>>\to >\Delta m>>(>j>)>>->Dm>\times >>>\partial >J>>>\partial >m>>(>j>)>>>>>(>j>=>1>,>.>.>.>.>.>.>,>M>)>>.>.>.>>(>16>)>>>s>$

$>>\Delta \sigma >\to >\Delta \sigma >->D\sigma >\times >>>\partial >J>>>\partial >\sigma >>>.>.>.>>(>17>)>>>s>$

$>>\Delta K>\to >\Delta K>->DK>\times >>>\partial >J>>>\partial >K>>>.>.>.>>(>18>)>>>s>$

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。

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。

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)。

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)。

m(j)＝m(j)+m*(j).........(19)

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。

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。

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。

Δm*(j)＞m带→Δm*(j)＝m带.........(20)

Δm*(j)＜-m带→Δm*(j)＝-m带.........(21)

m(j)→m(j)+Δm*(j)(j＝1，......，M).........(22)

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。

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。

Δσ＞σ带→Δσ＝σ带.........(23)

Δσ＜-σ带→Δσ＝-σ带.........(24)

σ→σ+Δσ.........(25)

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。

ΔK＞K带→ΔK＝K带.........(26)

ΔK＜-K带→ΔK＝-K带.........(27)

K→K+ΔK.........(28)

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。

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。

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。

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。

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。

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。

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。

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)。

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厂牌装置而有所差异，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。

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。

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。

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。

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。

$>>f>>(>i>)>>=>>1>M>>>\Sigma >>j>=>1>>M>>|>>\Delta m>*>>>(>j>)>>|>.>.>.>>(>29>)>>>s>$

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。

$>>n>=>int>>(>>3600>>T>0>>>)>>.>.>.>>(>30>)>>>s>$

$>>>\Sigma >>i>=>1>>n>>f>>(>i>)>>.>.>.>>(>31>)>>>s>$

$>>>D>m>>=>>>D>m>>\prime >>\times >>>F>S>>F>>.>.>.>>(>32>)>>>s>$

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。

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。

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)。

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。

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。

$>>n>=>int>>(>>3600>>T>0>>>)>>=>int>>(>>3600>300>>)>>=>12>>s>$

$>>F>=>>\Sigma >>i>=>1>>n>>f>>(>i>)>>=>>\Sigma >>i>=>1>>12>>f>>(>i>)>>=>1.9763>>s>$

$>>>D>m>>=>>>D>m>>\prime >>\times >>>F>S>>F>>=>240.000>\times >>1.000>1.9763>>=>121.439>>s>$

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。

$>>n>=>int>>(>>3600>>T>0>>>)>>=>int>>(>>3600>300>>)>>=>12>>s>$

$>>F>=>>\Sigma >>i>=>1>>n>>f>>(>i>)>>=>>\Sigma >>i>=>1>>12>>f>>(>i>)>>=>1>.>2388>>s>$

$>>>D>m>>=>>>D>m>>\prime >>\times >>>F>S>>F>>=>150>.>000>\times >>1.000>>1>.>2388>>>=>121.085>>s>$

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。

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。

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。