JP7067537B2 - 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 - Google Patents
熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 Download PDFInfo
- Publication number
- JP7067537B2 JP7067537B2 JP2019157336A JP2019157336A JP7067537B2 JP 7067537 B2 JP7067537 B2 JP 7067537B2 JP 2019157336 A JP2019157336 A JP 2019157336A JP 2019157336 A JP2019157336 A JP 2019157336A JP 7067537 B2 JP7067537 B2 JP 7067537B2
- Authority
- JP
- Japan
- Prior art keywords
- warp
- rolling
- heating
- rough rolling
- hot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Control Of Metal Rolling (AREA)
Description
しかしながら、熱間圧延において、反りを制御するために自由に変更できる操業条件(操業パラメータ)は少ない。反りを抑制するために、特定の材料に合わせて上下ワークロール径差を設計すると、例えば板厚の異なる他の材料からなる鋼板を圧延する際に、反りが発生してしまう恐れがある。
また、圧延材の圧延機入側直近での進入角度や上下温度差など正確に測定できない因子も多いため、従来、圧延での反りを安定的に抑えることは困難であると認識されている。
特許文献1では、予め、圧延材の先端反り量を、加熱炉の加熱帯及び均熱帯それぞれにおける上下設定温度差とスラブ滞在時間を変数として求める関係式を作成しておく。そして、先端反り量が目標値になるように、加熱炉の加熱帯及び均熱帯の上下温度差を設定する。
また、特許文献2に記載の方法では、反りの発生原因の一つである圧延材の上下温度差に着目していることから、反り抑制に有用であると思われるが、上面と下面の温度差の許容は100℃とかなり広い範囲となっており、その有効性は疑われる。また、実施例に記載されているように粗圧延後に80秒程度の水冷時間が必要であり、その水冷処理に応じた時間、圧延することができず、生産性を阻害する。
また、本発明の態様は、上記態様の反りの予測方法で仕上圧延工程での圧延材の反りを予測し、予測した反りが小さくなるように、上記粗圧延工程の操業条件を再設定することを要旨とする。
また、本発明の態様は、上記態様の反りの制御方法を用いた、熱延鋼板の製造方法である。
本実施形態では、熱延鋼板を製造する熱延設備を例に挙げて説明する。
(構成)
本実施形態の熱延設備(熱間圧延ラインの構成)では、図1に示すように、加熱工程1、幅圧下工程2、粗圧延工程3、及び仕上圧延工程4を、この順に実施することで熱延鋼板が製造される。符号5は、スラブ(鋼片)を製造する製鋼工程を示す。本実施形態の熱延設備は、図2に示すように、加熱炉10、幅圧下装置11、粗圧延機13及びデスケーリング装置14からなる粗圧延設備15、仕上圧延機16、ランアウトテーブル6及びダウンコイラー7を有する。熱延設備は、粗圧延設備15の下流に設けられる平坦度矯正機などの他の公知の設備が別途、設けられていても良い。加熱炉10の内部は、予熱帯、加熱帯、均熱帯の順に区分され、加熱炉10の内部でスラブを搬送しながら、目標とする加熱温度まで加熱を行う。
加熱工程1は、加熱炉10を用いてスラブの加熱処理を行う。加熱工程1では、予め設定した操業条件(操業パラメータ)で、製鋼工程5で鋳造されたスラブを加熱炉10に装入して加熱し、目標とする加熱温度に加熱後のスラブを加熱炉10から抽出する。
<幅圧下工程2>
幅圧下工程2は、幅圧下装置11でスラブの幅圧下処理を行う。幅圧下装置11は、予め設定した操業条件(操業パラメータ)で、スラブを板幅方向両側から圧下する装置である。
粗圧延工程3では、粗圧延機13及びデスケーリング装置14を用いて、スラブの粗圧延の処理を行う。粗圧延機13は、スラブを粗圧延してシートバーとする装置である。粗圧延工程3では、必要に応じてリバース圧延を行うことで、粗圧延のパス数が調整可能となっている。デスケーリング装置14は、加熱及び粗圧延で発生したスケールを除去するために、スラブに向けて高圧水を噴射する装置である。
<仕上圧延工程4>
仕上圧延工程4では、粗圧延後のシートバー(圧延材8)を、複数スタンドの仕上圧延機16によって仕上板厚まで仕上圧延する。
仕上圧延後の圧延材8(鋼板)は、ランアウトテーブル6上を搬送される間に、所定の温度まで冷却され、続いてダウンコイラー7によってコイル状に巻き取られる。その後、コイルはコイルヤードで常温になるまで冷却される。
<反り制御部20>
本実施形態の熱延設備は、反り制御部20を更に備える。反り制御部20は、図3に示すように、反り予測部21と、反り抑制部22とを備える。
<反り予測部21>
反り予測部21は、加熱工程1での操業パラメータ及び粗圧延工程3での操業パラメータのうち、少なくとも粗圧延工程3での操業パラメータから選択した1又は2以上のパラメータに基づいて、仕上圧延工程4での圧延材8先端部の反りを予測する処理を行う。
反り予測部21は、反りを予測するための反り予測モデル21Aを備え、反り予測モデル21Aによって反りの情報を求める。
反り予測モデル21Aは、ニューラルネットワークなどの公知の機械学習により学習されたモデルである。反り予測モデル21Aは、入力データとして、加熱工程1及び粗圧延工程3のうちの少なくとも粗圧延工程3での操業パラメータから選択した1又は2以上のパラメータを含み、仕上圧延工程4での圧延材8先端部の反りに関する反り情報(例えば反り量)を出力データとした学習モデルである。本実施形態では、反り情報として反り量を例に挙げて説明する。反り予測モデル21Aは、例えば関数式の形で表現されている。
入力データを構成する粗圧延工程3の操業パラメータとしては、粗圧延パス数及び粗圧延におけるデスケーリング回数の少なくとも一方のパラメータが例示できる。これらのパラメータは、反りとの相関が高く(実施例参照)、且つ変更自由度が比較的に高いパラメータである。
また、入力データを構成する上記加熱工程1の操業パラメータとしては、例えば、加熱炉10装入時のスラブ温度、加熱炉10の予熱帯、加熱帯、均熱帯の炉内温度が例示できる。
反り抑制部22は、例えば、反り予測部21が演算(予測)した反り量が予め設定した許容閾値を越えていると判定すると、予測した反り量が小さくなる方向に、熱間圧延の操業パラメータのうち、反り量に相関がある操業パラメータの値を再設定する。このため、反り制御部20の処理は、フィードフォワード的な制御となる。
反り量に相関があり、反り量を抑えるために再設定する操業パラメータ(再設定する操業条件)は、反り予測モデル21Aの入力データと同じパラメータであっても良いし、異なる操業条件であっても良い。
特に、粗圧延パス数及び粗圧延工程3でのデスケーリング回数の少なくとも一方の操業パラメータであることが好ましい。これらのパラメータは変更自由度が比較的に高いからである。
再設定するパラメータが、反り予測モデル21Aの入力データとなっている場合、反り量が予め設定した許容閾値以下となるまで、パラメータの再設定を行う度に、上記の反り予測部21を作動して、再度、反り量を予測することを繰り返すと良い。
このような処理を行う場合には、反り抑制部22を、例えば、操業条件再設定部22A、反り再評価部22B、終了判定部22Cを備える構成とする(図3)。
反り再評価部22Bは、操業条件再設定部22Aがパラメータの再設定を行うと、再設定後のパラメータを反り予測部21に入力し、反り予測部21から予測値としての反り量を取得する。具体的には、反り予測モデル21Aの入力パラメータを再設定して、反り予測部21に作動指令を供給する。なお、再設定した操業パラメータ以外は、前回の操業パラメータを反り予測部21の入力データとする。
終了判定部22Cは、取得した反り量が許容閾値より大きいか否かを判定する。終了判定部22Cは、取得した反り量が許容閾値より大きい場合には、操業条件再設定部22Aに作動指令を供給する。終了判定部22Cは、取得した反り量が許容閾値以下の場合には、反り抑制部22の処理が終了する。
本実施形態における反り予測モデル21Aについて説明する。
反り予測モデル21Aは、上述のように、機械学習により学習された学習モデルである。
生成した反り予測モデル21Aは、上述の通り、入力データとして、加熱工程1及び粗圧延工程3のうちの少なくとも粗圧延工程3での操業パラメータから選択した1又2以上のパラメータを含み、仕上圧延工程4での圧延材8先端部の反りに関する反り情報(例えば反り量)を出力データとしたモデルである。反り予測モデル21Aは、仕上圧延時に発生する先端反り量を求める関係式の形で表現されている。
まず、対象とする熱延設備での圧延操業を繰り返し行い、その際における、熱延設備の操業実績データを入力実績データ(説明変数)とし、その入力実績データを用いた際における仕上圧延工程4での予め設定した位置での圧延材8先端部の反りの実績データを出力実績データとし、その入力実績データと出力実績データを取得する。これを繰り返すことによって、複数の学習用データを取得する。各学習用データは、1又は2以上の入力実績データと出力実績データとの組からなる、
・製鋼工程5 :連続鋳造機の区別、スラブ鋳造速度、鋳造完了時のスラブ温度
・加熱工程1 :装入時のスラブ温度、抽出時のスラブ温度
・幅圧下工程2 :幅圧下量、スラブ搬送速度、スラブ搬送ピッチ
・粗圧延工程3 :各パスの圧下率、圧延速度、ワークロール径、圧延温度
・仕上圧延工程4:各パスの圧下率、圧延荷重、圧延速度、ワークロール径、スタンド間冷却の水量
複数の学習用データを取得したら、取得した複数の学習用データを用いて機械学習を行うことで、反り予測モデル21Aを生成する。
反り予測モデル21Aの生成に用いる機械学習の技法は、ニューラルネットワークに限定されず、他の公知の機械学習の技法を採用すればよい。他の機械学習の技法としては、例えば、決定木学習、ランダムフォレスト、又はサポートベクター回帰等の技法が例示できる。その他、機械学習の技法として、ガウス過程、k近傍法などの技法を用いてもよい。
本実施形態では、実操業で取得したデータを用いた機械学習によって、予め、仕上圧延の先端反り量を求める反り予測モデル21Aである関係式を求めておく。
そして、反り予測部21が、熱延設備を使用した熱延操業の前に、使用する操業条件(操業パラメータ)を、反り予測モデル21Aに入力して、仕上圧延での反り量を予測する。反り予測部21が予測した反り量が許容閾値を越える場合には、反り抑制部22が反りを低減する方向に操業パラメータの一部を設定変更する。操業パラメータの一部を設定変更する方法としては、試行錯誤により適正な操業パラメータを探索してもよく、公知の最適化計算手法を適用してもよい。
ここで、上記の反り予測モデル21Aを設定した後であっても、実操業の際に、反り予測モデル21A用の学習用データの取得を行い、適宜、反り予測モデル21Aの更新処理を行うようにしても良い。
また、粗圧延でのパス数やデスケーリング回数については、酸化スケールのはく離や表面凹凸による摩擦係数の変化や、デスケーリングの際の冷却水の鋼板上面への水乗りによる上下温度偏差の影響が示唆される。
加熱炉10抽出後かつ粗圧延開始前の状態では、加熱炉10装入時のスラブ温度、加熱炉10の予熱帯、加熱帯及び均熱帯それぞれの炉内温度、予熱帯、加熱帯及び均熱帯それぞれにおけるスラブの滞在時間の各操業パラメータが確定している。また、粗圧延機13の予定パス数は、仕上圧延後の板厚、板幅や変形抵抗に応じて予め決定されるため、先端反り量を求める関係式の説明変数のうち、粗圧延でのデスケーリング回数のみが未定となる。そこで、粗圧延でのデスケーリング回数を仮定して先端反り量を求めることを、粗圧延でのデスケーリング回数がとりうる回数分だけ繰り返し実施して、先端反り量と制御目標値の差の絶対値がもっとも小さくなるときのデスケーリング回数を採用する。ただし、デスケーリング回数の調整だけでは、反り量を十分には低減ができないときには、1パスあたりの圧下率を調整するなど、粗圧延のパス数を見直すことも可能である。操業条件再設定部22Aにはこのような機能も含まれる。
ここで、発明者は、粗圧延でのデスケーリングは、上下面の温度差に影響を与えるだけでなく、酸化スケールのはく離や表面凹凸による摩擦係数の変化にも影響し、このことが、単に冷却する場合に比べて、反りに対しより強い相関を有するとの新たな知見を得た。
(1)熱間圧延操業において、反りに影響を与えうる操業パラメータとしては、以下のパラメータが例示できる。従って、このような操業パラメータを変更して反りを制御することができる。
・製鋼工程5 : 鋳造速度、冷却水量、リードタイム(連鋳機からの抽出から加熱炉装入までの時間)
・加熱工程1 : スラブ装入温度、在炉時間、炉温、ガス流量
・幅圧下工程2 : 幅圧下量、搬送速度
・粗圧延工程3 : 粗圧延パス数(粗パス数とも記載する)、圧下スケジュール、デスケーリング回数、圧延速度、ピックアップ(圧延材8が圧延機に噛み込む際の板厚中心とロール間隙中心位置とのズレ量)
・仕上圧延工程4: 圧下スケジュール、パス数、圧延速度
粗圧延でのデスケーリング回数については、上下でデスケーリングを個別にON/OFFできる装置構成の場合には、上デスケーリング回数と下デスケーリング回数の差や回数比等を変更するように操業パラメータを再設定するようにしてもよい。
また、反り抑制部22で再設定する操業パラメータは、上記の操業パラメータに限定されず、他の反りに相関があるパラメータであっても良い。例えば、そのような操業パラメータとして、上下ワークロールの異速率、ピックアップ、加熱炉10の炉温等が例示できる。
本実施形態では、次のような効果を奏する。
(1)本実施形態は、スラブを加熱する加熱工程1と、加熱工程1で加熱後のスラブを粗圧延する粗圧延工程3と、粗圧延後の圧延材8を仕上圧延する仕上圧延工程4とを含む熱延工程における、仕上圧延工程4での圧延材8先端部の反りを予測する反り予測方法であって、機械学習により学習されたモデルであって、入力データとして粗圧延工程3の操業パラメータから選択した1又は2以上のパラメータを含み、仕上圧延工程4での圧延材8先端部の反りに関する反り情報を出力データとした反り予測モデル21Aを有し、反り予測モデル21Aを用いて、仕上圧延工程4での圧延材8先端部の反りを予測する。
この構成によれば、少なくとも加熱炉10よりも仕上圧延に近い粗圧延での操業パラメータで反りを予測するため、反り予測の精度が向上する。
この構成によれば、加熱炉10での操業条件と粗圧延での操業条件の組み合わせで仕上圧延での圧延材8先端部の反りを予測するため、より精度良く反りの予測が可能となる。
(3)本実施形態は、入力データを構成する粗圧延工程3の操業パラメータとして、粗圧延パス数及び粗圧延におけるデスケーリング回数の少なくとも一方のパラメータを含む。
この構成によれば、加熱炉10での操業条件と粗圧延での操業条件の組み合わせで仕上圧延での圧延材8先端部の反りを予測するため、より精度良く反りの予測が可能となる。
この構成によれば、加熱炉10での操業条件と粗圧延での操業条件の組み合わせで仕上圧延での圧延材8先端部の反りを予測するため、より精度良く反りの予測が可能となる。
この構成によれば、フィードフォワード的に仕上圧延での反りを抑制することが可能となる。
この構成によれば、フィードフォワード的に仕上圧延での反りを抑制することが可能となる。
また、この構成によれば、粗圧延パス数及び粗圧延工程3でのデスケーリング回数は、熱間圧延の操業パラメータのうち、相対的に設定できる範囲が広いことから、反り以外の仕上げ圧延への影響を抑えつつ、より有効に反りを抑制することが可能となる。
(7)本実施形態の反りの制御を用いて熱延鋼板を製造する。
この構成によれば、より有効に反りを制御できるため、熱延鋼板製造の歩留まりが向上する。
この構成によれば、反り抑制のための予測モデルを確実に生成可能となる。
この構成によれば、反り予測モデル21A生成のための機械学習を確実に実施可能となる。
また、本実施形態によれば、フィードフォワード的に仕上圧延での反りを抑制することが可能となる。
この構成によれば、フィードフォワード的に仕上圧延での反りをより確実に抑制することが可能となる。
ここでは、本発明を、可逆式圧延機1基を含む2基の粗圧延機のスタンドR1、R2及び7基の仕上圧延機の第1~第7スタンドF1~F7を有する熱間圧延設備に適用した実施例を説明する。圧延機の設備仕様を表1に示す。
仕上板厚18mm、仕上板幅1500mmの炭素鋼からなる材料を、仕上圧延の反り制御対象材として、本発明例と従来例の比較を行った。
まず、仕上圧延の最前段である第1スタンド(F1)の先端反り量を求める関係式(反り予測モデル21A)を、加熱工程1の操業パラメータとして、加熱炉10装入時のスラブ温度、加熱炉10の予熱帯、加熱帯及び均熱帯それぞれの炉内温度、予熱帯、加熱帯及び均熱帯それぞれにおけるスラブの滞在時間、粗圧延工程3の操業パラメータとして圧延パス数及びデスケーリング回数を説明変数として作成した。
以上のように、本発明による反り予測を用いた熱間圧延方法の適用により、先端反り量が大幅に低減した。仕上圧延の先端反り量を低位安定に制御でき、次スタンドの噛み込み不良や設備破損などのトラブルを防止することが可能となる。
仕上板厚22mm、仕上板幅1600mmの炭素鋼からなる圧延サイクルにて、本発明例と従来例の比較を行った。
まず、対象材600コイル分の第1スタンド(F1)の先端反り量Hを、エリアカメラ18を用いて測定した。先端反り量Hの定義に関する、図5の鋼板先端からの水平距離Lは3mとした。先端反り量Hを求める関係式は、ニューラルネットワークを用い、製鋼工程5の操業パラメータとして、スラブ鋳造速度、加熱工程1の操業パラメータとして、加熱炉10装入時のスラブ温度、加熱炉10の予熱帯、加熱帯及び均熱帯それぞれの炉内温度、予熱帯、加熱帯及び均熱帯それぞれにおけるスラブの滞在時間、幅圧下工程2の操業パラメータとしてスラブ幅圧下量、粗圧延工程3の操業パラメータとして圧延パス数及びデスケーリング回数を説明変数として作成した。ここでは、ニューラルネットワークの条件として、中間層を3層とし、ノード数は5個ずつとした。活性化関数にはシグモイド関数を用いた。上記の寸法、鋼種のコイルの操業データを500コイル分用意し、モデル学習用に450コイル使用し、残りの50コイルでモデル予測精度を検証した。500コイル分の先端反り量は、平均65.3mm、標準偏差は151.0mmであった。また、モデル予測精度は、誤差平均12.0mm、標準偏差18.8mmであった。
以上の実施例1及び実施例2の結果のように、本発明に基づく熱間圧延方法の適用により、先端反り量が大幅に低減した。仕上圧延の先端反り量を低位安定に制御でき、次スタンドの噛み込み不良や設備破損などのトラブルを防止することが可能となることが分かった。
また、仕上板厚18mm、仕上板幅1500mmの炭素鋼からなる材料について、表1に示す熱延設備において仕上圧延する際に、粗圧延での粗パス数と、先端反り量との関係を求めるために、粗パス数を6~13回に設定して、先端反り量を求めた。
その結果を図8に示す。
この図8から分かるように、粗パス数と先端反り量との間に強い相関があることを確認した。
2 幅圧下工程
3 粗圧延工程
4 仕上圧延工程
5 製鋼工程
8 圧延材(鋼板)
10 加熱炉
11 幅圧下装置
13 粗圧延機
14 デスケーリング装置
15 粗圧延設備
16 仕上圧延機
20 反り制御部
21 反り予測部
21A 反り予測モデル
22 反り抑制部
22A 操業条件再設定部
22B 反り再評価部
22C 終了判定部
Claims (11)
- スラブを加熱する加熱工程と、上記加熱工程で加熱後のスラブを粗圧延する粗圧延工程と、粗圧延後の圧延材を仕上圧延する仕上圧延工程とを含む熱延工程における、上記仕上圧延工程での圧延材先端部の反り予測方法であって、
入力データとして上記粗圧延工程の操業パラメータから選択した1又は2以上のパラメータを含み、上記仕上圧延工程での圧延材先端部の反りに関する反り情報を出力データとした、機械学習により学習された反り予測モデルを用いて、上記仕上圧延工程での圧延材先端部の反りを予測することを特徴とする熱延工程での反り予測方法。 - 上記反り予測モデルの入力データとして、上記加熱工程の操業パラメータから選択した1又は2以上のパラメータと、上記粗圧延工程の操業パラメータから選択した1又は2以上のパラメータとを有することを特徴とする請求項1に記載した熱延工程での反り予測方法。
- 上記入力データを構成する上記粗圧延工程の操業パラメータとして、粗圧延パス数及び粗圧延におけるデスケーリング回数の少なくとも一方のパラメータを含むことを特徴とする請求項1又は請求項2に記載した熱延工程での反り予測方法。
- 上記入力データとして上記加熱工程の操業パラメータから選択した1又は2以上のパラメータを有し、その入力データを構成する上記加熱工程の操業パラメータとして、加熱炉装入時のスラブ温度、加熱炉の予熱帯、加熱帯、均熱帯の炉内温度のうちから選択した1又は2以上のパラメータを含むことを特徴とする請求項1~請求項3のいずれか1項に記載した熱延工程での反り予測方法。
- 請求項1~請求項4のいずれか1項に記載の反りの予測方法で、仕上圧延工程での圧延材の反り量を予測し、
予測した反り量が小さくなるように、上記粗圧延工程の操業パラメータから選択した1又は2以上のパラメータを再設定することを特徴とする熱延工程での反り制御方法。 - 上記再設定するパラメータは、粗圧延パス数及び粗圧延工程でのデスケーリング回数の少なくとも一方のパラメータであることを特徴とする請求項5に記載した熱延工程での反り制御方法。
- 請求項5又は請求項6に記載の反りの制御方法を用いた、熱延鋼板の製造方法。
- スラブを加熱する加熱工程と、上記加熱工程で加熱後のスラブを粗圧延する粗圧延工程と、粗圧延後の圧延材を仕上圧延する仕上圧延工程とを有する熱間圧延処理における、上記仕上圧延工程での圧延材先端部の反りを予測するために使用される反り予測モデルの生成方法であって、
少なくとも上記加熱工程での操業実績データ及び上記粗圧延工程での操業実績データから選択した1又は2以上の操業実績データを入力実績データとし、その入力実績データを用いた熱間圧延処理での上記仕上圧延工程での圧延材先端部の反り量の実績データを出力実績データとした、複数の学習用データを取得し、
取得した複数の学習用データを用いた機械学習によって、反り予測モデルを生成することを特徴とする反り予測モデルの生成方法。 - 上記反り予測モデルを生成する機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及びサポートベクター回帰から選択した機械学習を用いることを特徴とする請求項8に記載した反り予測モデルの生成方法。
- スラブを加熱する加熱炉と、スラブを粗圧延する粗圧延機及びスラブに対しデスケーリングを行うデスケーリング設備を有する粗圧延設備と、粗圧延後の圧延材を仕上圧延する仕上圧延設備とを有する熱延設備であって、
反り予測モデルを用いて、上記仕上圧延設備での圧延材先端部の反り情報を予測する反り予測部を備え、
上記反り予測モデルは、機械学習により学習されたモデルであって、入力データとして上記粗圧延設備の操業パラメータから選択した1又は2以上のパラメータを含み、上記仕上圧延設備での圧延材先端部の反りに関する反り情報を出力データとした学習モデルであることを特徴とする熱延設備。 - 上記反り予測モデルの入力データとして、上記加熱炉の操業パラメータから選択した1又は2以上のパラメータと、上記粗圧延設備の操業パラメータから選択した1又は2以上のパラメータとを有することを特徴とする請求項10に記載した熱延設備。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157336A JP7067537B2 (ja) | 2019-08-29 | 2019-08-29 | 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157336A JP7067537B2 (ja) | 2019-08-29 | 2019-08-29 | 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021030300A JP2021030300A (ja) | 2021-03-01 |
JP7067537B2 true JP7067537B2 (ja) | 2022-05-16 |
Family
ID=74676958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019157336A Active JP7067537B2 (ja) | 2019-08-29 | 2019-08-29 | 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7067537B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7428197B2 (ja) * | 2021-05-25 | 2024-02-06 | Jfeスチール株式会社 | 鋼板の形状判別方法、形状測定方法、形状制御方法、製造方法、形状判別モデルの生成方法、及び形状判別装置 |
CN115502219B (zh) * | 2021-06-23 | 2024-09-10 | 上海宝信软件股份有限公司 | 翘扣头自动识别控制系统及方法 |
CN113732070B (zh) * | 2021-09-01 | 2023-04-11 | 南京钢铁股份有限公司 | 一种全纵轧宽厚板成品形状的预测方法 |
CN114160234B (zh) * | 2021-11-17 | 2022-11-01 | 长沙荣业软件有限公司 | 碾米生产工艺控制方法及米珍生产线 |
CN115446123B (zh) * | 2022-09-14 | 2023-04-28 | 北京科技大学 | 一种板坯翘扣头控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003039107A (ja) | 2001-07-30 | 2003-02-12 | Nippon Steel Corp | 非対称形鋼圧延時の圧延ロールおよびガイドの最適位置設定・制御方法および装置 |
JP2005152953A (ja) | 2003-11-26 | 2005-06-16 | Jfe Steel Kk | 高シリコン鋼材の先端反り抑制方法 |
US20100192660A1 (en) | 2007-07-27 | 2010-08-05 | Siemens Aktiengesellschaft | Method for adjusting a state of a rolling stock, particularly a near-net strip |
JP2013066928A (ja) | 2011-09-26 | 2013-04-18 | Toshiba Mitsubishi-Electric Industrial System Corp | 制御装置、制御方法及び制御プログラム |
JP2019010676A (ja) | 2017-06-30 | 2019-01-24 | Jfeスチール株式会社 | 熱延鋼板の製造方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0230761B2 (ja) * | 1984-11-16 | 1990-07-09 | Kawasaki Steel Co | Itazaiatsuenniokerusoriboshihoho |
JPH0741303B2 (ja) * | 1988-12-28 | 1995-05-10 | 新日本製鐵株式会社 | 熱間圧延鋼板の冷却制御装置 |
JP2826053B2 (ja) * | 1993-12-14 | 1998-11-18 | 新日本製鐵株式会社 | 圧延反り予測・制御装置 |
JP3251455B2 (ja) * | 1995-03-08 | 2002-01-28 | 株式会社神戸製鋼所 | 熱間圧延における先端反り制御方法 |
JPH08318303A (ja) * | 1995-05-26 | 1996-12-03 | Kobe Steel Ltd | 熱間圧延における先端反り制御方法 |
JPH08323402A (ja) * | 1995-05-31 | 1996-12-10 | Kawasaki Steel Corp | H形鋼の製造方法 |
JPH10137829A (ja) * | 1996-11-01 | 1998-05-26 | Kawasaki Steel Corp | 連続熱間圧延の粗圧延における反り発生の防止方法および反り発生要因の推定装置 |
-
2019
- 2019-08-29 JP JP2019157336A patent/JP7067537B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003039107A (ja) | 2001-07-30 | 2003-02-12 | Nippon Steel Corp | 非対称形鋼圧延時の圧延ロールおよびガイドの最適位置設定・制御方法および装置 |
JP2005152953A (ja) | 2003-11-26 | 2005-06-16 | Jfe Steel Kk | 高シリコン鋼材の先端反り抑制方法 |
US20100192660A1 (en) | 2007-07-27 | 2010-08-05 | Siemens Aktiengesellschaft | Method for adjusting a state of a rolling stock, particularly a near-net strip |
JP2013066928A (ja) | 2011-09-26 | 2013-04-18 | Toshiba Mitsubishi-Electric Industrial System Corp | 制御装置、制御方法及び制御プログラム |
JP2019010676A (ja) | 2017-06-30 | 2019-01-24 | Jfeスチール株式会社 | 熱延鋼板の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021030300A (ja) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7067537B2 (ja) | 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 | |
KR101185597B1 (ko) | 퀴리점을 가진 강 스트립의 연속 소둔 방법 및 연속 소둔 설비 | |
JP6720894B2 (ja) | 鋼板の冷却方法および鋼板の冷却装置ならびに鋼板の製造方法 | |
JP7176507B2 (ja) | 熱間圧延の反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 | |
JP5565200B2 (ja) | 熱間圧延における仕上温度制御装置 | |
JP5169377B2 (ja) | 熱間圧延における熱延金属帯の冷却制御方法および熱延金属帯の製造方法 | |
JP6248981B2 (ja) | 熱間圧延における幅制御方法 | |
JP6897609B2 (ja) | 熱間圧延装置及び熱延鋼板の製造方法 | |
JP5842552B2 (ja) | 連続焼鈍ラインの制御方法および制御装置 | |
JP7230880B2 (ja) | 圧延荷重予測方法、圧延方法、熱延鋼板の製造方法、及び圧延荷重予測モデルの生成方法 | |
JP2002126814A (ja) | 熱間圧延方法 | |
JP7156318B2 (ja) | 圧延装置の制御方法、圧延装置の制御装置、および鋼板の製造方法 | |
JP7156317B2 (ja) | 圧延装置の制御方法、圧延装置の制御装置、および鋼板の製造方法 | |
JP2013046927A (ja) | 熱延鋼板の冷却方法 | |
JP6098583B2 (ja) | 熱延鋼帯の冷却制御方法 | |
JP4079098B2 (ja) | 熱延鋼板の製造方法及び製造装置 | |
CN102784815A (zh) | 钢板冷矫直机来料长度方向板形的分类处理方法 | |
JP3620464B2 (ja) | 熱延鋼板の製造方法および製造装置 | |
JP6447836B2 (ja) | 熱延鋼帯の製造方法および熱延鋼帯の製造設備 | |
JP3848618B2 (ja) | 冷間圧延工程における板幅制御方法 | |
JP6319149B2 (ja) | 連続焼鈍炉における板温制御方法および装置 | |
JP7287422B2 (ja) | スラブ厚予測方法、粗圧延機の制御方法およびスラブ厚予測モデルの生成方法 | |
JP7501465B2 (ja) | 熱間スラブ幅圧下でのねじれ判定方法、熱間スラブの幅圧下方法及び熱延鋼板の製造方法 | |
JP6699628B2 (ja) | 金属帯の圧延方法および冷却設備の制御装置 | |
JP6756312B2 (ja) | 厚鋼板の製造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210324 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220228 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220329 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7067537 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |