KR100249914B1 - 금속 밴드의 로울링 방법 및 장치 - Google Patents

금속 밴드의 로울링 방법 및 장치 Download PDF

Info

Publication number
KR100249914B1
KR100249914B1 KR1019970700048A KR19970700048A KR100249914B1 KR 100249914 B1 KR100249914 B1 KR 100249914B1 KR 1019970700048 A KR1019970700048 A KR 1019970700048A KR 19970700048 A KR19970700048 A KR 19970700048A KR 100249914 B1 KR100249914 B1 KR 100249914B1
Authority
KR
South Korea
Prior art keywords
train
metal band
band
value
network
Prior art date
Application number
KR1019970700048A
Other languages
English (en)
Other versions
KR970704528A (ko
Inventor
토마스 마르티네츠
토마스 포페
귄터 죄르겔
오토 그람코브
Original Assignee
칼 하인쯔 호르닝어
지멘스 악티엔게젤샤프트
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 칼 하인쯔 호르닝어, 지멘스 악티엔게젤샤프트 filed Critical 칼 하인쯔 호르닝어
Publication of KR970704528A publication Critical patent/KR970704528A/ko
Application granted granted Critical
Publication of KR100249914B1 publication Critical patent/KR100249914B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/16—Control of thickness, width, diameter or other transverse dimensions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/16—Control of thickness, width, diameter or other transverse dimensions
    • B21B37/22—Lateral spread control; Width control, e.g. by edge rolling

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

분괴 트레인(1) 및 피니싱 트레인(2)에서 금속 밴드(5)를 로울링할 때, 금속 밴드가 피니싱 트레인으로부터 나올 때 미리 정해진 목표 밴드 폭을 갖도록, 피니싱 트레인(2)에서의 금속 밴드(5)의 폭변화에 대한 예측값(ypre)에 의존하여 분괴 트레인(2)에서 로울링 공정을 조정하는 것은 공지되어 있다.
공정에 작용하는 영향 변수와 폭변화 사이의 관계를 정확히 알지 못함에도 불구하고, 폭변화를 정확하게 예측하기 위해서, 상기 관계가 신경 회로망(13)내에 시뮬레이트되고, 회로망의 회로망 파라미터는 각 금속 밴드(5)가 피니싱 트레인(2)을 통과한 후에, 통과하는 동안 측정 또는 계산된 영향 변수(xnach)와 측정된 실제 폭변화(yist)에 의존하여 최적으로 수정된다.

Description

금속 밴드의 로울링 방법 및 장치
로울링 공정에 의한 금속 밴드의 폭변동은 가로 로울링으로서도 표기된다. 피니싱 트레인에서의 가로 로울링은 최종 밴드폭, 즉 피니싱 트레인으로부터 나오는 밴드의 폭, 및 초기 밴드폭, 즉 피니싱 트레인으로 들어가는 밴드 폭 사이의 차이를 의미하며, 이 경우에는 동일한 온도에서의 각 금속 밴드의 폭을 의미한다. 피니싱 트레인에서의 가로 로울링에 의해 바람직한 목표 밴드폭을 얻을 수 있는 초기 밴드폭으로 금속 밴드를 분괴 트레인내에서 업셋 패스(upset pass)로 로울링할 수 있기 위해서는, 가로 로울링의 정확한 예측이 필요하다. 이 경우, 피니싱 트레인에서의 목표 밴드폭으로부터 피니싱 트레인에서의 예측된 가로 로울링을 뺀 값에 상응하는 밴드폭으로 금속 밴드가 분괴 트레인에서 로울링되는 방식으로, 분괴 트레인에서의 로울링 공정은 예측된 가로 로울링에 의존하여 세팅된다.
피니싱 트레인에서의 금속 밴드의 폭변동은 다수의 영향 변수에 의존하는데, 상기 영향 변수는 예를 들어 밴드의 폭, 두께 및 온도와 같은 금속 밴드 자체로부터 발생될 뿐만 아니라, 예컨대 로울링 트레인의 각 로울 받침대내의 로울링력과 같은 영향 변수는 피니싱 트레인에서의 로울링 공정 동안 금속 밴드에 영향을 미친다. 그러나 그 외에, 최종적으로 어떤 영향 변수가 어느 만큼 가로 로울링을 결정하는지는 자세하게 공지되어 있지 않다. 영국 특허 출원 공개 명세서 제 2 042 389호에 공개된 바와 같이, 예를 들어 폭을 결정하기 위한 방법에서는 미확정성 때문에 로울링되는 재료의 폭이 상응하게 크게 변동되는 것을 감수해야만 했다. 유럽 특허 출원 공개 명세서 제 0 460 892호에 공개된 바와 같이, 퍼지 로직의 사용은 비용이 많이 든다. 왜냐하면, 전체 영향 변수가 룰 베이스(rule base)의 형태로 검출되어 저장되어야 하기 때문이다. 이것은 어떤 영향 변수가 이용되든지 많은 비용을 필요로 한다.
독일 특허 출원 공개 명세서 제 43 01 130호에는 또한, 목표값 세팅이 분석 모델을 이용하여 이루어지는 로울링 트레인에서 변수를 결정하는 방법이 공지되어 있다. 상기 모델의 변수는 학습되어 적응된다. 그러나 상기 방식의 방법에서는, 로울링 트레인내에서의 물리적 관계를 모델화하는 것이 필수적이다. 이것도 마찬가지로, 어떤 영향 변수가 이용되든지 비용이 많이 든다.
본 발명은 분괴 트레인(blooming train) 및 피니싱 트레인(finishing train)에서 금속 밴드를 로울링하기 위한 방법 및 장치에 관한 것으로서, 이러한 방법에서는 금속 밴드가 피니싱 트레인으로부터 나올 때 미리 주어진 목표 밴드폭을 갖는 방식으로, 분괴 트레인에서의 로울링 공정이 피니싱 트레인에서의 금속 밴드 폭변동에 대한 예측값에 의존하여 세팅된다.
본 발명은 도면을 참조하여 하기에 자세히 설명된다 :
제1도는 본 발명에 따른 방법에 상응하게 분괴 트레인 및 피니싱 트레인내에서의 공정 안내용 블록 회로도이고,
제2도는 적응 선형 뉴우런을 나타낸 개략도이며, 그리고
제3도는 사용된 각 신경 회로망에 대한 실시예로서, 피드 포워드 회로망을 나타낸 개략도이다.
* 도면의 주요부분에 대한 부호의 설명
1 : 분괴 트레인 2 : 피니싱 트레인
3, 4 : 로울 받침대 5 : 금속 밴드
6, 10 : 제어 장치 7, 11 : 산술 장치
8 : 측정 장치 12 : 측정값 검출 장치
13 : 신경 회로망 14 : 계산 장치
본 발명의 목적은, 가로 로울링 및 상기 가로 로울링에 영향을 미치는 영향 변수 사이의 관계를 정확히 알지 못함에도 불구하고, 가로 로울링을 정확하게 예측할 수 있는 방법 및 장치를 제공하는 것이다.
이는 본 발명에 따른 전술한 방법에 따라, 분괴 트레인에서 늦어도 마지막 업셋 패스 전에 이루어지고, 피니싱 트레인을 프리 세팅하기 위해 미리 계산되는 범주내에서, 폭변동을 좌우하는 상이한 영향 변수가 결정되어, 변화가능한 회로망 변수를 갖는 신경 회로망에 입력값으로서 제공되며, 신경 회로망은 회로망 응답으로서 폭변동에 대한 산술값을 형성하고, 상기 산술값을 기초로 하여 예측값이 결정되며, 영향 변수는 금속 밴드가 피니싱 트레인을 통과하는 동안 측정되거나 또는 측정된 다른 프로세스 변수로부터 계산되며, 측정 또는 계산된 영향 변수는 금속 밴드가 피니싱 트레인을 통과한 후에 신경 회로망에 제공되며, 그렇게 얻어진 회로망 응답 및 금속 밴드의 측정된 실제 폭변동 사이의 편차는, 편차를 줄이려는 의미로 회로망 변수의 적응에 이용된다.
피니싱 트레인에서의 금속 밴드의 폭변동의 예측은, 영향 변수 및 폭변동 사이의 관계에 대한 어떤 모델을 가정하지 않더라도, 회로망 변수의 적응을 기초로하여 자기 학습하는 신경 회로망에 의해 이루어진다. 이 때 신경 회로망을 사용함으로써, 임의의 방식으로 폭변동에 영향을 미칠 수 있는 모든 영향 변수가 폭변동의 예측에 포함될 수 있다. 이 경우, 하기의 변수들 즉, 피니싱 트레인내로 들어가기 전의 금속 밴드의 온도 및 두께, 피니싱 트레인으로부터 나올 때의 금속 밴드의 온도, 두께, 목표 폭 및 출력 속도, 금속 밴드 재료의 강도 및 윤곽, 피니싱 트레인의 각 로울 받침대내에서의 금속 밴드의 상대적인 두께 감소, 이동 로울링의 이동 위치 및 피니싱 트레인의 각 로울 받침대 사이에 있는 금속 밴드의 열 등이 영향 변수로서 사용된다.
신경 회로망을 사용함으로써, 폭을 예측하기 위해 모델을 가정해야 했던 종래의 방법에 비해 예측의 질을 현저하게 개선할 수 있다. 이 경우 신경 회로망은 가장 단순한 경우에 적응 선형 뉴우런(아달린)을 포함한다. 이것에 대한 대안으로서, S자형 응답 특성을 갖는 소자로 이루어진 은폐층을 갖는, 피드 포워드 회로망(feed-forward network)이 사용될 수 있다.
연속 밴드, 즉 동일한 타입의 밴드가 연속되는 금속 밴드에서는 영향 변수가 대체로 변하지 않기 때문에, 선행하는 각 금속 밴드의 측정된 실제 폭변동이 금속 밴드의 가로 로울링에 대한 예측값으로서 빼내질 수 있는 한편, 변환 밴드, 즉 밴드 타입이 변하는 금속 밴드에서는 신경 회로망의 회로망 응답이 예측값으로서 사용된다.
분괴 트레인에서 최소한 마지막 업셋 패스 전 상태에 있는 금속 밴드(n+i; i≥1) 및 피니싱 트레인으로부터 나오는 금속 밴드(n) 사이에 하나 이상의 다른 금속 밴드가 있을 수 있음으로써, 영향 변수의 측정 및 신경 회로망의 적응이 제2, 제3 또는 다른 후속 밴드에서도 유효할 수 있다는 사실을 고려할 때, 피니싱 트레인에서의 금속 밴드(n+i)의 폭변동에 대한 예측값(ypre(n+i))은, 신경 회로망에서 발생되는 폭변동에 대한 산술값(yNN(xvor(n+i))), 피니싱 트레인으로부터 나오는 금속 밴드(n)에 대해 측정 또는 계산된 영향 변수(xnach)를 기초로 하여 발생된 회로망 응답(yNN(xnach(n))) 및 실제 폭변동(yist(n))으로부터 하기와 같이 결정된다 :
ypre(n+i) = k1ㆍyist(n) + k2ㆍyNN(xvor(n+i)) + (1-k1-k2)ㆍyNN(xnach(n))
상기 식에서, 0≤k1, k2≤1이다.
이 경우, 상기 값(k1=1 이고, k2=0)은 이상적인 연속 밴드(소위 단시간 전달)에 적용되고, 상기 값(k1=0 이고, k2=1)은 이상적인 변환 밴드(소위 장시간 전달)에 적용된다. 또한 상기 값(k1)은 바람직하게 절대차(yist(n)-yNN(n))의 단조 증가 함수이고, 상기 값(k2)은 바람직하게 절대차(yNN(n+i)-yNN(n))의 단조 증가 함수이다.
제1도는, 금속 밴드(5)를 로울링하기 위한 로울 받침대(3 또는 4)를 갖는 하나의 분괴 트레이(1) 및 하나의 피니싱 트레인(2)을 도시하고 있다. 분괴 트레인(1)의 제어는, 각 로울 받침대(3)에 작용하여 그곳에서 상이한 조절 부재를 작동시키는 제어 장치(6)에 의해 이루어진다. 상기 제어 장치(6)는, 로울 받침대(3)를 제어하기 위해 필요한 정보를 산술 장치(7) 및 측정 장치(8)로부터 받는다. 로울링 공정의 처음에는, 상기 공정을 조정하기 위해 필요한 변수에 대한 측정값이 아직 존재하지 않는다. 그러므로, 가정 모델을 기초로하여 산술 장치(7)에서 영향 변수에 대한 예측값이 계산되고, 상기 값이 분괴 트레인(1)을 프리 세팅하기 위해 제어 장치(6)에 전달된다. 공정이 진행되는 동안, 공정을 조정하기 위해 사용되는 변수의 측정값은 측정 장치(8)에 의해 검출되어 제어 장치(6)에 제공된다.
제어 장치(6)는 또한, 피니싱 트레인(2)에서의 금속 밴드(5)의 예상되는 폭 변동에 대한 예측값(ypre)을 결정하기 위한 정보를 라인(9)을 통해 받는다. 로울링 공정, 즉 분괴 트레인(1)에서의 금속 밴드(5)의 압축 작업(upsetting)은, 초기 밴드폭, 즉 분괴 트레인(1)으로부터 나올 때의 금속 밴드(5)의 폭이 피니싱 트레인(2)으로부터 나올 때의 금속 밴드(5)의 바람직한 목표 최종 밴드폭으로부터 피니싱 트레인(2)에서 예측되는 금속 밴드(5)의 폭변동(ypre)을 뺀 값과 일치하도록, 상기 예측값(ypre)에 의존하여 제어된다. 상기 방식에 의해 피니싱 트레인(2)에서 금속 밴드(5)의 폭변동을 정확히 예측할 수 있음으로써, 금속 밴드(5)가 피니싱 트레인(2)으로부터 나올 때 바람직한 목표 최종 밴드폭을 가지게 된다.
분괴 트레인(1)에서와 마찬가지로 피니싱 트레인(2)의 각 로울 받침대(4)는, 산술 장치(11) 및 측정값 검출 장치(12)로부터 제어에 필요한 정보를 받는 제어 장치(10)에 의해 제어된다. 분괴 트레인(1)을 통과하는 금속 밴드(5)가 피니싱 트레인(2)으로 들어가기 전에, 피니싱 트레인(2)에서의 로울링 공정을 조정하기 위해 필요한 변수에 대한 예측값이 산술 장치(11)에서 계산되어, 피니싱 트레인(2)을 프리 세팅하기 위해 제어 장치(10)에 제공된다. 미리 결정된 상기 변수들로부터, 피니싱 트레인(2)에서의 금속 밴드(5)의 폭변동에 영향을 미칠 수 있는 영향 변수들이 입력값(xvor)으로서 신경 회로망(13)에 제공되며, 신경 회로망은 폭변동에 대한 산술값을 회로망 응답(yNN(xvor))으로 형성하여, 제어 장치(6)에서 예측값(ypre)을 계산하기 위해 라인(9)상에 상기 산술값을 준비시킨다. 신경 회로망(13)용 영향 변수 또는 입력 변수로서는, 특히 입력 벡터(xvor)를 형성하는 하기의 변수 즉, 초기 밴드 온도(TV), 초기 밴드 두께(DV), 최종 밴드 온도(TF), 최종 밴드 두께(DF), 목표 최종 밴드 폭(BF), 피니싱 트레인(2)으로부터 나올 때의 최종 밴드의 출력 속도(VF), 재료 강도(AL), 윤곽(PR), 각 로울 받침대(4)내에서의 상대적인 두께 감소(EPS1 내지 EPS7), 이동 로울링의 이동 위치(SCH3 내지 SCH5) 및 각 로울 받침대(4) 사이에 있는 금속 밴드(5)의 열(ZUG1 내지 ZUG6) 등이 적합하다.
금속 밴드(5)가 피니싱 트레인(2)을 통과할 때, 프로세스에 중요한 변수들중에서 영향 변수(TV, DV,..., ZUG6)들이 측정값 검출 장치(12)에 의해 측정되어, 제어 장치(10) 및 계산 장치(14)에 제공된다. 재계산 과정은 예를 들어, 측정된 영향 변수의 통계적 처리 및 직접 측정할 수 없는 영향 변수를 다른 측정 영향 변수에 의존하여 계산하는 과정을 포함한다. 즉 산술 장치(11)에서의 예비 계산에 비해 훨씬 더 정확하게 계산된 상기 영향 변수에 의해, 금속 밴드(5)가 피니싱 트레인(2)을 통과한 후에 신경 회로망(13)의 회로망 변수의 적응이 이루어진다. 재계산된 영향 변수는 또한 하나의 입력 벡터(xnach)로 모아져서 신경 회로망(13)에 제공된다. 이 때 신경 회로망(13)으로부터 얻어진 회로망 응답(yNN(xnach)), 피니싱 트레인(2) 앞의 위치(16)에서 측정된 실제 초기 밴드폭(BV) 및 피니싱 트레인(2) 뒤의 위치(17)에서 측정된 실제 밴드폭(BF)이 적응 알고리즘 장치(15)에 제공된다. 그렇게 얻어진 실제 폭변동(yist= BF - BV)은 회로망 응답(yNN(xnach))과 비교되며, 이 경우 회로망 응답(yNN(xnach)) 및 실제 폭변동(yist) 사이의 편차는, 상기 편차를 축소시키려는 의미로 회로망 변수를 적응시키기 위한 연결 장치(18)를 통해 빼내진다. 산술값(yNN(xvor)) 이외의 값(yNN(xnach)및 yist)도 라인(9)상에서 준비되어, 폭변동에 대한 예측값(ypre)을 계산하기 위해 제어 장치(6)에 제공된다.
제1도에 도시된 실시예에서, 영향 변수(xnach)의 최종적인 계산 및 밴드(n)에 대한 신경 회로망(13)의 적응은 피니싱 트레인(2)의 끝에서 실행되는 한편, 금속 밴드(5)의 폭변동에 대한 다음 예측은, 분괴 트레인(1)의 처음에, 그러나 늦어도 분괴 트레인(1)내에서의 최종 업셋 패스 이전 상태에 있는 밴드(n+i)용 피니싱 트레인(2)에서 요구된다. 분괴 트레인(1) 및 피니싱 트레인(2)내에 있는 i-1 금속 밴드(5)는 상기 2개 밴드(n 및 n+i) 사이에 있으며, 이 경우 i≥1이다. 피니싱 트레인(2)에서의 금속 밴드(n+i)의 폭변동에 대한 예측값(ypre(n+i))은, 신경 회로망(13)에서 발생되는 금속 밴드(n+i)의 폭변동에 대한 산술값(yNN(xvor(n+i))), 금속 밴드(n)를 위해 계산된 영향 변수(xnach(n))를 기초로 하여 발생되는 회로망 응답(yNN(xnach(n))) 및 금속 밴드(n)의 실제 폭변동(yist(n))으로부터 제어 장치(6)내에서 하기와 같이 계산된다 :
ypre(n+i) = k1.yist(n) + k2.yNN(xvor(n+i))) + (1-k1-k2).yNN(xnach(n))
상기 식에서, 0≤k1, k2≤1이다.
상기 값(k1=1 이고, k2=0)은 이상적인 연속 밴드, 즉 동일한 타입의 밴드가 연속되는 밴드에 적용되는 한편, 값(k1=0 이고, k2=1)은 이상적인 변환 밴드, 즉 한가지 밴드 타입에서 다른 밴드 타입으로 변환되는 밴드에 적용된다. 그 사이에 놓여 있는 밴드용 값(k1)은 바람직하게 차(yist(n)-yNN(n))의 함수, 예를 들어 k1=p1ㆍ｜yist(n)-yNN(n)｜이고, 값(k2)은 바람직하게 차(yNN(n+i)-yNN(n))의 함수, 예를 들어 k2=p2ㆍ｜yNN(n+i)-yNN(n)｜이다.
제2도는 신경 회로망(13)에 대한 예로서 적응 선형 뉴우런(아달린)을 보여준다. 입력 벡터(x)로 모아진 24개의 영향 변수(TV, DV,...,ZUG6)는 상응하는 개수의 입력 소자(19)를 통해 가산점(20)에 제공되고, 상기 가산점에서 영향 변수들이 각각 개별 웨이팅 계수(a1, a2, ..., a24) 및 상수(b)와 다음과 같이 합산되어 회로망 응답을 형성한다.
yNN= ax+b, 상기 식에서 a = (a1, a2,..., a24)이다.
비교점(21)에서는 회로망 응답(yNN)이 측정된 실제 폭변동(yist)과 비교되며, 이 경우 회로망 변수(a1, a2, ..., a24, b)는 뒤에 배치된 적응 알고리즘 장치(22)내에서 △a = μ(yist-yNN)ㆍxnach및 △b = μ(yist-yNN)에 따라서 적응되며, 이 경우 μ는 적응의 스텝 사이즈(step size)를 결정한다.
제3도는 신경 회로망(13)에 대한 예로서, 각 영향 변수(TV, DV,..., ZUG6)에 대해 각각 하나의 입력 소자(23)를 갖는 하나의 입력층을 포함하는, 피드 포워드 회로망을 보여준다. 부가의 입력 소자(24)를 통해 신경 회로망에 오프셋 값(K1)이 제공된다. 상기 입력층 뒤에는 다수의, 본 경우에는 10개의 소자(25)로 이루어진 하나의 은폐층이 배치되며, 각 소자는 -1과 +1 사이의 S자 파형의 응답 특성을 갖는다. 소자(25)의 입력측에 제공된 영향 변수(xj, j=1,..., 24 및 x25=K1)는 은폐층의 각 소자(25)내에서 제공된 개별 웨이팅 계수(wij, i=1,..., 10; j=1,..., 25)와 합해지고, 그렇게 형성된 합으로부터 출력측에 하기의 응답이 발생된다:
Figure kpo00001
상기 은폐층은, 다른 오프셋 값(K2)에 대한 입력 소자로서 사용되고 상응하는 출력 신호(z11)를 발생하는 부가 소자(26)를 포함한다. 상기 은폐층 뒤에는, 은폐층의 소자(25)의 응답(zi)을 각각 개별 웨이팅 계수(ci)와 합산하여 회로망 응답을 만드는 출력 소자(27)가 배치된다.
Figure kpo00002
회로망 변수(wij및 ci)의 온라인 적응은, 역 전파 알고리즘(Backpropagational Algorithm)을 기초로 하여 금속 밴드(5)가 각각 피니싱 트레인(2)을 통과한 후에 이루어진다.
본 발명에 따른 방법 및 장치는 분괴 트레인 및 피니싱 트레인에서 금속 밴드를 로울링하기 위해 이용될 수 있다.

Claims (9)

  1. 금속 밴드(5)가 피니싱 트레인(2)으로부터 나올 때 미리 주어진 목표 밴드폭을 갖도록, 분괴 트레인(1)에서의 로울링 공정이 피니싱 트레인(2)에서의 금속 밴드(5) 폭변동에 대한 예측값(ypre)에 따라 세팅되는, 분괴 트레인(1) 및 피니싱 트레인(2)에서 금속 밴드(5)를 로울링하기 위한 방법에 있어서, 상기 분괴 트레인(1)에서 늦어도 마지막 업셋 패스 전에 이루어지고 상기 피니싱 트레인(2)을 프리 세팅하기 위하여 미리 계산되는 범주내에서, 폭변동을 좌우하는 상이한 영향 변수(xvor)가 결정되어, 변화가능한 회로망 변수(a, b, wij, cj)를 갖는 신경 회로망(13)에 입력값으로서 제공되며, 상기 신경 회로망(13)은 회로망 응답(yNN(xvor))으로서 폭변동에 대한 산술값을 형성하고, 상기 산술값을 기초로 하여 예측값(ypre)이 결정되며, 상기 금속 밴드(5)가 상기 피니싱 트레인(2)을 통과하는 동안 영향 변수(xnach)가 측정되거나 또는 측정된 다른 공정 영향 변수로부터 계산되며, 측정 또는 계산된 상기 영향 변수(xnach)는 상기 금속 밴드(5)가 상기 피니싱 트레인(2)을 통과한 후에 신경 회로망(13)에 제공되고, 그렇게 얻어진 회로망 응답(yNN(xnach)) 및 상기 금속 밴드(5)의 측정된 실제 폭변동(yist) 사이의 편차는, 상기 편차를 줄이려는 의미로 회로망 변수(a, b, wij, ci)의 적응에 이용되는 것을 특징으로 하는 방법.
  2. 제1항에 있어서, 상기 피니싱 트레인(2)내로 들어가기 전의 상기 금속 밴드(5)의 온도(TV) 및 두께(DV), 상기 피니싱 트레인(2)으로부터 나올 때의 상기 금속 밴드(5)의 온도(TF), 두께(DF), 목표 폭(BF) 및 출력 속도(VF), 상기 금속 밴드(5)의 재료 강도(AL) 및 윤곽(PR), 상기 피니싱 트레인(2)의 각 로울 받침대(4)내에서의 상기 금속 밴드(5)의 상대적인 두께 감소(EPS1 내지 EPS7), 이동 로울링의 이동 위치(SCH3 내지 SCH5) 및 상기 피니싱 트레인(2)의 각 로울 받침대(4) 사이에 있는 상기 금속 밴드(5)의 열(ZUG1 내지 ZUG6)중 적어도 몇몇 영향 변수가 입력값으로서 사용되는 것을 특징으로 하는 방법.
  3. 제1항 또는 제2항에 있어서, 상기 신경 회로망(13)이 적응성 선형 뉴우런(아달린)을 포함하는 것을 특징으로 하는 방법.
  4. 제1항 또는 제2항에 있어서, 상기 신경 회로망(13)으로서 S자형 응답 특성을 갖는 소자(25)로 이루어진 은폐층을 갖는 피드 포워드 회로망이 사용되는 것을 특징으로 하는 방법.
  5. 제1항 또는 제2항에 있어서, 한가지 밴드 타입에서 다음 밴드 타입으로 밴드가 변동되는 경우에는 회로망 응답(yNN(xvor))이 가로 로울링에 대한 예측값(ypre)으로, 그리고 상기 분괴 트레인(1)을 세팅하는데 이용되고, 동일한 타입의 밴드가 연속되는 상기 금속 밴드(5)에서는 선행하는 각 금속 밴드(5)의 측정된 실제 폭변동이 폭변동에 대한 예측값으로, 그리고 상기 분괴 트레인(1)을 세팅하는데 이용되는 것을 특징으로 하는 방법.
  6. 제1항 또는 제2항에 있어서, 상기 분괴 트레인(1)에서 최소한 마지막 업셋 패스 전 상태에 있는 금속 밴드(n+i(i≥1)) 및 상기 피니싱 트레인(2)으로부터 나오는 금속 밴드(n) 사이에 하나 이상의 다른 금속 밴드가 있는 경우에, 상기 피니싱 트레인(2)에서의 금속 밴드(n+i)의 폭변동에 대한 예측값(ypre(n+i))은, 상기 신경 회로망(13)으로부터 형성되는 폭변동에 대한 산술값(yNN(xvor(n+i)), 상기 피니싱 트레인(2)으로부터 나오는 금속 밴드(n)에 대해 측정 또는 계산된 영향 변수(xnach)를 기초로 하여 형성되는 회로망 응답(yNN(xnach(n))) 및 실제 폭변동(yist(n))으로부터 하기식 ypre(n+i) = k1.yist(n) + k2.yNN(xvor(n+i)) + (1-k1-k2).yNN(xnach(n)) ; 0≤k1, k2≤1에 따라 결정되는 것을 특징으로 하는 방법.
  7. 제6항에 있어서, 상기 값(k1)은 차(yist(n)-yNN(n))의 함수이고, 상기 값(k2)은 차(yNN(n+i)-yNN(n))의 함수인 것을 특징으로 하는 방법.
  8. 제7항에 있어서, 동일한 타입의 밴드가 연속되는 동일한 금속 밴드(5)에서는 상기 값 k1=1 이고 상기 값 k2=0이며, 밴드가 한가지 밴드 타입에서 다른 밴드 타입으로 변동되는 경우에는 상기 값 k1=0 이고 상기 값 k2=1인 것을 특징으로 하는 방법.
  9. 금속 밴드(5)가 피니싱 트레인(2)으로부터 나올 때 미리 주어진 목표 밴드폭을 갖도록, 분괴 트레인(1)에서의 로울링 공정이 피니싱 트레인(2)에서의 금속 밴드(5) 폭변동에 대한 예측값(ypre)에 따라 세팅되는, 분괴 트레인(1) 및 피니싱 트레인(2)에서 금속 밴드(5)를 로울링하기 위한 장치에 있어서, 상기 분괴 트레인(1)에서 늦어도 마지막 업셋 패스 전에 이루어지고 상기 피니싱 트레인(2)을 프리 세팅하기 위하여 미리 계산되는 범주내에서, 폭변동을 좌우하는 상이한 영향 변수(xvor)가 결정되어, 변화가능한 회로망 변수(a, b, wij, cj)를 갖는 신경 회로망(13)에 입력값으로서 제공되며, 상기 신경 회로망(13)은 회로망 응답(yNN(xvor))으로서 폭변동에 대한 산술값을 형성하고, 상기 산술값을 기초로 하여 예측값(ypre)이 결정되며, 상기 금속 밴드(5)가 상기 피니싱 트레인(2)을 통과하는 동안 영향 변수(xnach)가 측정되거나 또는 측정된 다른 공정 영향 변수로부터 계산되며, 측정 또는 계산된 상기 영향 변수(xnach)는 상기 금속 밴드(5)가 상기 피니싱 트레인(2)을 통과한 후에 상기 신경 회로망(13)에 제공되고, 그렇게 얻어진 회로망 응답(yNN(xnach)) 및 상기 금속 밴드(5)의 측정된 실제 폭변동(yist) 사이의 편차는, 상기 편차를 줄이려는 의미로 회로망 변수(a, b, wij, ci)의 적응에 이용되는 것을 특징으로 하는 장치.
KR1019970700048A 1994-07-07 1995-06-27 금속 밴드의 로울링 방법 및 장치 KR100249914B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP94110599.1 1994-07-07
EP94110599 1994-07-07
PCT/EP1995/002503 WO1996001705A1 (de) 1994-07-07 1995-06-27 Verfahren zum walzen eines metallbandes

Publications (2)

Publication Number Publication Date
KR970704528A KR970704528A (ko) 1997-09-06
KR100249914B1 true KR100249914B1 (ko) 2000-04-01

Family

ID=8216093

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019970700048A KR100249914B1 (ko) 1994-07-07 1995-06-27 금속 밴드의 로울링 방법 및 장치

Country Status (8)

Country Link
US (1) US5740686A (ko)
JP (1) JPH0824925A (ko)
KR (1) KR100249914B1 (ko)
CN (1) CN1194825C (ko)
DE (1) DE19522494C2 (ko)
RU (1) RU2134621C1 (ko)
TW (1) TW293789B (ko)
WO (1) WO1996001705A1 (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19618712B4 (de) * 1996-05-09 2005-07-07 Siemens Ag Regelverfahren für ein Walzgerüst zum Walzen eines Bandes
DE19642918C2 (de) * 1996-10-17 2003-04-24 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes
DE19644132B4 (de) * 1996-10-23 2005-07-07 Siemens Ag Verfahren zum Optimieren der Bandbreitenverteilung an den Enden eines eine Walzstraße durchlaufenden Bandes
DE19644131C2 (de) * 1996-10-23 2002-09-19 Siemens Ag Verfahren zum Optimieren der Bandbreitenverteilung an den Enden eines eine Walzstraße in einem oder mehreren Stichen durchlaufenden Bandes
DE19715503A1 (de) * 1997-04-14 1998-10-15 Siemens Ag Integriertes Rechner- und Kommunikationssystem für den Anlagenbereich
DE19731980A1 (de) 1997-07-24 1999-01-28 Siemens Ag Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
JP2000061520A (ja) * 1998-08-25 2000-02-29 Toshiba Corp 熱間圧延機の平坦度制御装置
EP1163062B1 (de) * 1999-03-23 2002-11-13 Siemens Aktiengesellschaft Verfahren und einrichtung zur bestimmung der walzkraft in einem walzgerüst
JP2000312909A (ja) * 1999-04-27 2000-11-14 Toshiba Corp 板幅制御装置
DE19930472A1 (de) * 1999-07-01 2001-01-11 Siemens Ag Verfahren und Einrichtung zum Walzen eines Walzbandes mit variierender Dicke
DE10048470A1 (de) * 2000-09-29 2002-04-25 Siemens Ag Verfahren und Vorrichtung zum Betreiben einer Warmwalzstraße mit mindestens einem Stauchgerüst
AT413609B (de) * 2001-05-10 2006-04-15 Voest Alpine Ind Anlagen Verfahren und vorrichtung zur produktionsstufenübergreifenden verknüpfung von daten
US6708077B2 (en) * 2002-08-16 2004-03-16 General Electric Company Furnace pacing for multistrand mill
CN100457304C (zh) * 2004-03-24 2009-02-04 沃斯特-阿尔派因工业设备制造股份有限公司 减小带宽变化的方法和轧机
CN101648215B (zh) * 2008-08-14 2011-07-20 宝山钢铁股份有限公司 一种连轧机的带钢边缘降控制方法
US8868221B1 (en) * 2008-08-22 2014-10-21 Marvell International Ltd. Adaptive neural net feed forward system and method for adaptive control of mechanical systems
CN101403890B (zh) * 2008-11-08 2010-06-09 山西太钢不锈钢股份有限公司 利用神经元网络分类建模法提高模型预报精度的方法
CN102125934A (zh) * 2009-12-31 2011-07-20 新疆八一钢铁股份有限公司 单机架粗轧减宽控制方法
EP2431105A1 (de) * 2010-09-16 2012-03-21 Siemens Aktiengesellschaft Ermittlungsverfahren für Steuergrößen einer Walzstraße mit mehreren Walzgerüsten zum Walzen eines Metallbandes
DE102012218353A1 (de) * 2012-10-09 2014-04-10 Siemens Ag Breitenbeeinflussung eines bandförmigen Walzguts
KR101461734B1 (ko) * 2012-12-21 2014-11-14 주식회사 포스코 연주 및 열연 간 직결 연연속 압연 라인에서의 폭 제어장치 및 방법
RU2511159C1 (ru) * 2013-01-10 2014-04-10 Александр Иванович Трайно Способ производства широких полос
DE102022207656A1 (de) * 2022-07-26 2024-02-01 Sms Group Gmbh Verfahren zur Regelung einer Walzstraße sowie Walzstraße

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5922602B2 (ja) * 1979-02-24 1984-05-28 日本鋼管株式会社 熱間粗圧延中におけるスラブの板幅の自動制御方法
JPH0745051B2 (ja) * 1986-11-11 1995-05-17 株式会社神戸製鋼所 圧延材の板幅制御方法
US5193066A (en) * 1989-03-14 1993-03-09 Kabushiki Kaisha Kobe Seiko Sho Equipment for adjusting the shape of a running band-like or plate-like metal material in the width direction
JPH0636928B2 (ja) * 1989-08-11 1994-05-18 住友金属工業株式会社 熱間連続圧延における板幅制御方法
EP0460892B1 (en) * 1990-06-04 1996-09-04 Hitachi, Ltd. A control device for controlling a controlled apparatus, and a control method therefor
JPH04167908A (ja) * 1990-11-01 1992-06-16 Toshiba Corp 圧延機の設定装置
JPH04190910A (ja) * 1990-11-22 1992-07-09 Toshiba Corp 圧延機の設定計算装置
DE4131765A1 (de) * 1991-09-24 1993-03-25 Siemens Ag Regelparameter-verbesserungsverfahren fuer industrielle anlagen
JP3136183B2 (ja) * 1992-01-20 2001-02-19 株式会社日立製作所 制御方法
JPH05234029A (ja) * 1992-02-26 1993-09-10 Alps Electric Co Ltd 磁気ヘッドおよびその製造方法

Also Published As

Publication number Publication date
WO1996001705A1 (de) 1996-01-25
DE19522494A1 (de) 1996-01-18
CN1151708A (zh) 1997-06-11
TW293789B (ko) 1996-12-21
US5740686A (en) 1998-04-21
DE19522494C2 (de) 1997-06-19
KR970704528A (ko) 1997-09-06
CN1194825C (zh) 2005-03-30
JPH0824925A (ja) 1996-01-30
RU2134621C1 (ru) 1999-08-20

Similar Documents

Publication Publication Date Title
KR100249914B1 (ko) 금속 밴드의 로울링 방법 및 장치
US5513097A (en) Method and control device for controlling a process including the use of a neural network having variable network parameters
US5586221A (en) Predictive control of rolling mills using neural network gauge estimation
US5598329A (en) Method and device for controlling a process
JP3336135B2 (ja) プロセスに指令を与えるための方法および装置
RU97101897A (ru) Способ прокатки металлической ленты
JP3330758B2 (ja) 調節されるシステムにおけるプロセスの制御方法および装置
EP0534221B1 (de) Regelparameter-Verbesserungsverfahren für industrielle Anlagen
US5778151A (en) Method and control device for controlling a material-processing process
EP3926425A1 (en) Method for determining setting conditions of manufacturing facility, method for determining mill setup setting value of rolling mill, device for determining mill setup setting value of rolling mill, method for manufacturing manufactured object, and method for manufacturing rolled stock
KR100347198B1 (ko) 밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법
US6473658B1 (en) Process and device for identification or pre-calculation of parameters of a time-variant industrial process
US4633692A (en) Device for determining a setting value of a shape operating amount in a rolling mill
US5966682A (en) System for calculating an output of a multi-stage forming process
US5235835A (en) Method and apparatus for controlling flatness of strip in a rolling mill using fuzzy reasoning
EP1110635B1 (en) Method and device for controlling flatness
DE19731980A1 (de) Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
DE4231615A1 (de) Verfahren zum Unterdrücken des Einflusses von Walzenexzentrizitäten auf die Regelung der Walzgutdicke in einem Walzgerüst
US3468145A (en) Billet mill wherein the rolling gap is controlled during the penultimate pass and fixed during the final pass
KR100518091B1 (ko) 래미네이트형스트립의에지드롭을줄이기위한방법및장치
Lee et al. A neural network model to determine the plate width set-up value in a hot plate mill
MXPA99003811A (en) Optimizing the band width at the band ends on a mill train
Saito et al. High-accuracy plate thickness control
RU2113003C1 (ru) Система регулирования объектов, например, прокатного производства
Ueno et al. Improvement of Accuracy for Gauge and Elongation Control by Dynamic-Process-Control-Simulator

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20111114

Year of fee payment: 13

LAPS Lapse due to unpaid annual fee