KR100347198B1 - 밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법 - Google Patents

밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법 Download PDF

Info

Publication number
KR100347198B1
KR100347198B1 KR1019997003517A KR19997003517A KR100347198B1 KR 100347198 B1 KR100347198 B1 KR 100347198B1 KR 1019997003517 A KR1019997003517 A KR 1019997003517A KR 19997003517 A KR19997003517 A KR 19997003517A KR 100347198 B1 KR100347198 B1 KR 100347198B1
Authority
KR
South Korea
Prior art keywords
band
width
curve
neural network
optimizing
Prior art date
Application number
KR1019997003517A
Other languages
English (en)
Other versions
KR20000052719A (ko
Inventor
아이나르 브뢰제
오토 그람코우
토마스 마르티네츠
귄터 죄르겔
미치아키 타니구치
Original Assignee
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 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20000052719A publication Critical patent/KR20000052719A/ko
Application granted granted Critical
Publication of KR100347198B1 publication Critical patent/KR100347198B1/ko

Links

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
    • 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)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Metal Rolling (AREA)
  • Feedback Control In General (AREA)
  • Milling Processes (AREA)

Abstract

밀 트레인(3) 상에서 롤링될 밴드(4)의 폭은 수직 업세팅 롤러(6)에 의해 조절되기는 하지만, 비대칭 재료 처리로 인해 밴드의 단부에서 밴드 폭이 좁아진다.
이러한 문제점을 해결하기 위해, 업세팅 롤러(6)가 밴드 단부의 통과시 정해진 매개변수(s)에 따라 규정된 곡선(f)을 따라 움직이도록 설계된다. 매개변수(s)는 신경 회로망(14)에 의해 이루어진 롤링 공정에 대한 예측을 기초로 한다.

Description

밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법 {OPTIMIZING THE BAND WIDTH AT THE BAND ENDS ON A MILL TRAIN}
밴드, 예컨대 강 밴드의 롤링시 밴드의 길이에 걸쳐 일정한 폭을 가진 직사각형의 기본 형태를 얻는 것은 매우 중요한 문제 중의 하나이다. 밴드 폭의 제어를 위해, 밀 트레인 내에 수직 업세팅 롤러가 사용된다. 업세팅 롤러가 일정하게 움직이면, 밴드의 폭이 일반적으로 밴드 단부, 즉 밴드 헤드 및 밴드 푸트에서의 비대칭적 재료 처리 및 다른 여러 효과로 인해 중심 부분 보다 좁아진다. 이러한 문제점을 해결하기 위해, 밴드의 통과시 업세팅 롤러가 조절될 수 있다. 즉, 밴드 단부의 통과시 짧은 충격(소위 "short strokes")의 형태로 중심 부분에 대비한 조절이 이루어진다. 이러한 밴드 헤드 및 밴드 푸트에서의 보정은 정해진 매개변수에 의해 규정될 수 있는 곡선("short stroke control(SSC-) 곡선")에 따라 이루어진다.밀 트레인에서 강 밴드의 폭 변화를 예측하기 위하여 신경 회로망(Neural Net)을 이용하는 예는 독일 특허 제 195 22 494호(대응 대한민국 특허 제 249914호)로부터 이미 공지되어 있다. 즉, 상기 독일 특허에서는 롤링 트레인의 공정제어 시스템에 사용되는 신경 회로망의 구체적인 구성 및 작동 원리에 관하여 적응 선형 뉴우런(아달린; Adaline)과 피드 포워드 회로망을 예시하고 있다.
본 발명은 밀 트레인을 통과하는 밴드의 단부에서 밴드 폭을 최적화하기 위한 방법에 관한 것이다.
도 1은 롤링되는 밴드의 폭 및 그것으로부터 유도된, 폭의 보정을 위한 업세팅 롤러용 곡선의 실시예이고,
도 2는 곡선을 규정하는 매개변수를 검출하기 위한 유닛을 가진 밀 트레인의 제어 장치의 실시예이며,
도 3 내지 8은 곡선 매개변수를 검출하기 위한 유닛의 상이한 실시예이고,
도 9는 곡선 매개변수를 검출하기 위한, 도 8의 실시예를 기초로 구체화한 원리를 나타낸다.
본 발명의 목적은 업세팅 롤러를 조절하기 위한 곡선을 프리세팅함으로써, 밴드 단부에서 원하는 밴드 폭을 가급적 양호하게 형성하는 것이다.
상기 목적은 본 발명에 따라 독립 청구항에 제시된 방법에 의해 달성된다.
본 발명에 따른 방법의 바람직한 실시예는 종속항에 제시된다.
밴드의 통과시 업세팅 롤러의 위치를 조절하는 곡선을 형성하기 위한 매개변수의 검출은 신경 회로망(Neural Net)에 의한 롤링 공정에 대한 예측을 기초로 이루어진다. 롤링 공정에서 신경 회로망의 온 라인 트레이닝(on-line-Training)에 의해 상기 예측이 계속 개선된다. 밴드 헤드 및 밴드 푸트에 대해 바람직하게는 별도의 신경 회로망이 사용된다. 동일한 밴드의 연속하는 통과에 대해, 즉 다수의 업셋 패스시 별도의 신경 회로망이 사용될 수 있다. 업셋 패스의 수가 일정하게 미리 주어지면, 단 하나의 신경 회로망이 사용됨으로써, 연속하는 업셋 패스 동안 업세팅 롤러의 곡선에 대한 매개변수가 검출될 수 있다.
이하, 본 발명을 첨부한 도면을 참고로 구체적으로 설명한다.
도 1의 다이어그램은 밴드 두께를 제어하기 위한 수평 플랫 롤러와 더불어 밴드 폭을 제어하기 위한 수직 플랫 롤러를 포함하는 밀 트레인의 통과시 길이(l)에 대한 밴드 폭(y)을 예시적으로 나타낸다. 업세팅 롤러를 일정하게 조절하면, 밴드 내의 비대칭적 재료 처리로 인해 밴드 단부, 즉 밴드 헤드(4a) 및 밴드 푸트(4b)에서 밴드 폭이 좁아진다. 이러한 문제점을 해결하고 밴드의 직사각형 기본 형태를 얻기 위해, 업세팅 롤러의 위치가 밴드 단부의 통과시 진행곡선(f)을 따라 조절된다. 상기 곡선(f)은 도시된 실시예에서 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도로 그리고 동일한 밴드의 매 통과 즉, 매 패스에 대해 설정가능한 2개의 직선 섹션으로 이루어진다. 여기서, 곡선(f)은 2개의 보정값(a1) 및 (a2) 및 2개의 길이 좌표(l1) 및 (l2)의 형태인 4개의 매개변수로 표시된다. 보정값(a1) 및 (a2)은 롤러 간격에 관련되므로, 2개의 업세팅 롤러의 경로가 각각 1/2의 크기를 갖는다.
물론, 곡선이 다른 방식으로 그리고 더 많은 매개변수로 표시될 수도 있다.
업세팅 롤러가 매개변수에 의해 규정된 곡선에 따라 이동됨으로써, 밴드 단부에서 밴드의 미리 주어진 설정 밴드 폭, 즉 여기서는 직사각형 기본 형상이 주어지도록, 곡선(f)의 매개변수(a1), (a2), (l1) 및 (l2)가 결정되는 것이 중요하다. 이것은 다수의 실시예를 참고로 하기에 설명되는 바와 같이 신경 회로망에 의해 이루어진다. 그러나, 개별 매개변수, 여기서는 예컨대 길이 좌표(l1) 및 (l2)가 경험값으로서 미리 주어질 수도 있다.
도 2는 미리 주어진 설정 밴드 폭(ysoll)에 따라 밀 트레인(3)을 통과하는 밴드(4)의 실제 밴드 폭(yist)의 최적화를 수행하는, 밀 트레인 제어 장치를 나타낸다. 밀 트레인(3)으로는 플랫 롤러(5)를 가진 하나 또는 다수의 수평 프레임을 가진 분괴 트레인이 사용되며, 마지막 수평 프레임 앞에 그리고 필요에 따라 부가의 수평 프레임, 여기서는 2개의 마지막 수평 프레임 앞에 업세팅 롤러(6)를 가진 수직 프레임이 배치된다. 밴드(4)가 밀 트레인(3)내로 진입하기 전에, 사전 계산 유닛(7)에서 설정값(SW) 및 1차 데이터(PD)를 기초로 그리고 롤링 공정의 수학적 모델(8)의 액세스에 의해 롤링 공정의 중요한 매개변수(x)가 사전 계산되어 베이스 자동화 유닛(9)에 전달됨으써, 베이스 자동화 유닛(9)이 밀 트레인(3)을 프리세팅한다. 롤링 공정 동안 측정값 검출 장치(10)에 의해 계속해서 롤링 공정의 중요한 측정값이 검출된다. 측정값은 제어 기능을 수행하는 베이스 자동화 유닛(9) 및 사후 계산 유닛(11)에 공급된다. 사후 계산 유닛(11)은 사전 계산 유닛(7)과 동일한 수학적 모델(8)을 액세스하고, 관련 모델 매개변수를 롤링 공정의 실제 상태를 나타내는 측정값을 기초로 적응(adaptation)시킨다. 이로 인해, 처음으로 롤링될 밴드(4)에 대한 사전 계산이 계속 개선되고 실제 공정 상태에 적응된다.
업세팅 롤러(6)를 제어하기 위해, 베이스 자동화 유닛(9)이 상응하는 제어장치(12)를 포함한다. 제어 장치(12)는 그것에 공급되는 매개변수(s), 예컨대 s=(a1, a2)에 따라 도 1에 상응하게 곡선(f)을 발생시킨다. 밴드 단부의 통과시 업세팅 롤러(6)가 상기 곡선(f)에 따라 조절된다. 곡선(f)에 대한 매개변수(s)의 검출은 유닛(13)에서 미리 주어진 설정 밴드 폭(ysoll) 및 사전 계산된 공정 매개변수(x)에 따라 적어도 하나의 신경 회로망(14)에 대한 액세스에 의해 이루어진다. 상기 신경 회로망은 밴드 단부에서 업세팅 공정에 대한 예측을 제공한다. 신경 회로망(14)의 예측을 개선시키고 실제 공정 상태에 적응시키기 위해, 밀 트레인(3)의 출력에서 폭 측정장치(15)에 의해 실제 밴드 폭(yist)이 측정되고, 상기 실제 밴드 폭(yist)과 사후 계산 유닛(11)에서 계산된 공정 매개변수(xnach)에 의해 신경 회로망(14)의 적응이 이루어진다.
사용되는 신경 회로망(14)의 수에 관련해서, 바람직하게는 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도의 신경 회로망이 사용된다. 또한, 동일한 밴드(4)의 연속하는 통과에 대해 별도의 신경 회로망이 사용될 수 있다. 그러나, 업셋 패스의 수가 밴드 마다 가변되면, 많은 수의 패스에 대해 별도의 신경 회로망 사용이 바람직하지 않은데, 그 이유는 거기서 적은 트레이닝 데이터가 발생되기 때문이다.
도 3 및 4는 2가지 작동 상태에서 유닛(13)의 제 1 실시 가능성을 나타낸다. 신경 회로망으로는 업세팅 공정을 그것의 고유 원인/작용 관계로 나타낸 포워드 신경 모델(140)이 사용된다. 신경 회로망(140)의 트레이닝 단계(도 3)에서 입력값은 사후 계산된 공정 매개변수(xnach), 및 롤링 공정시 업세팅 롤러(6)를 이동시키는 곡선(fist)으로부터 환산 유닛(16)에 의해 검출된 곡선의 매개변수(sist)로 이루어진다. 신경 회로망(140)은 밴드 폭(y)에 대한 예측을 제공하고, 상기 예측은 측정된 실제 밴드 폭(yist)과 비교된다. 거기서 검출된 오차(Δy)에 따라 신경 회로망(140)의 적응이 이루어지므로, 신경 회로망은 곡선의 정해진 매개변수(s) 및 공정 매개변수(x)에 대해 그것에 의해 얻어지는 밴드 폭(y)의 가급적 정확한 예측을 제공한다.
도 4는 미리 주어진 설정 밴드 폭(ysoll)을 얻을 수 있는 곡선의 최적의 매개변수(sopt)를 검출하는 방법을 나타낸다. 먼저, 계산 유닛(17)에 의해 곡선 매개변수(s)에 대한 출발값(sstart)이 미리 주어지고, 사전 계산된 공정 매개변수(x)와 함께 적응된 신경 회로망(140)에 공급된다. 이것은 밴드 폭(y)에 대한 예측을 제공하고, 상기 예측은 설정 밴드 폭(ysoll)과 비교된다. 예측된 밴드 폭(y)과 설정 밴드 폭(ysoll) 사이의 편차가 미리 주어진 한계치를 초과하면, 출발값(sstart)이 값(Δs)만큼 변동된다. 신경 회로망(140)은 새로운 매개변수(s=sstart+Δs)에 의해 밴드 폭(y)에 대한 새로운 예측을 제공하고, 상기 예측은 다시 설정 밴드 폭(ysoll)과 비교된다. 곡선에 대한 매개변수(s)는 예측된 밴드 폭(y)과 설정 밴드 폭(ysoll) 사이의 편차가 미리 주어진 한계치를 더 이상 초과하지 않을 때까지, 단계적으로 값(Δs) 만큼 변동된다. 검출된 매개변수(s)는 업세팅 롤러(6)를 제어하는 곡선의 최상의 매개변수(sopt)에 상응한다.
도 5 및 도 6에 도시된 유닛(13)의 실시예에는 2개의 신경 회로망(140) 및 (141)이 사용된다. 상기 신경 회로망 중 제 1 신경 회로망(140)은 도 3 및 4의 실시예에서와 같이 포워드 신경 모델이고, 제 2 신경 회로망(141)은 고유 원인/작용 관계의 역(reverse)을 나타내는 백워드 신경 모델이다. 도 5에 나타나는 바와 같이, 유닛(13)의 제 1 작동 상태에서는 제 1 신경 회로망(140)이 도 3을 참고로 설명된 바와 동일한 방식으로 트레이닝된다.
제 1 신경 회로망(140)의 트레이닝 종료 후, 도 6에 따라 제 2 신경 회로망(141)에 의해 미리 주어진 설정 밴드 폭(ysoll) 및 사전 계산된 공정 매개변수(x)를 기초로 곡선의 매개변수(x)에 대한 예측이 발생되고, 상기 예측에 따라 밴드 통과시 업세팅 롤러(6)가 조절된다. 그것으로부터 결과되는 측정된 밴드 폭(yist)은 설정 밴드 폭(ysoll)과 비교된다. 여기서 얻어진 오차(Δy)는 적응된 제 1 신경 회로망(140)에 의해 역으로 전파되고 기울기 강하 방법(Gradient Descent method)에 따라 제 2 신경 회로망(141)의 가변 웨이트 w(NN141)의 적응을 위해 사용된다:
도 7에 도시된 유닛(13)에 대한 실시예는 신경 회로망으로서 백워드 신경 모델(141)을 도 5 및 6의 신경 모델에 상응하게 포함한다. 상기 신경 회로망(141)은 적응된 상태로 미리 주어진 설정 밴드 폭(ysoll) 및 사전 계산된 공정 매개변수(x)에 따라, 밴드 통과시 업세팅 롤러(6)를 조절하는 곡선의 매개변수(s)에 대한 예측을 공급한다.
실제 공정 상태에 신경 회로망(141)을 적응시키기 위해, 밴드 통과 후에 측정된 실제 밴드 폭(yist) 및 사후 계산된 공정 매개변수(xnach)가 신경 회로망(141)에 입력값으로서 공급된다. 신경 회로망의 응답(s)은 측정된 곡선(fist)으로부터 환산 유닛(16)에 의해 검출된 실제 곡선 매개변수(sist)와 비교된다. 여기서 검출된 오차(Δs)에 따라 신경 회로망(141)의 적응이 이루어진다.
도 8에 도시된 유닛(13)의 실시예는 밴드 폭에 오차가 있으면, 즉 설정 밴드 폭(ysoll)과 측정된 실제 밴드 폭(yist) 사이에 편차(Δy)가 있으면, 업세팅 롤러(6)에 대한 곡선(fist)이 상기 편차(Δy)의 값 만큼 변동됨으로써, 오차가 보상되어야 한다는 전제 조건을 기초로 한다. 따라서, 신경 회로망(142)으로서 백워드 신경 모델이 사용될 수 있다. 설정 밴드 폭(ysoll)은 예컨대 밴드 단부의 직사각형 형상에 대해 확실히 결정되므로, 신경 회로망(142)이 전술한 실시예에 비해 감소된 과제를 갖게되며, 곡선 매개변수(s)의 예측을 위해 입력값으로서 공정 매개변수(x) 또는 (xnach)만이 상기 신경 회로망(142)에 공급된다.
밴드의 진입 전에, 신경 회로망(142)이 사전 계산된 공정 매개변수(x)를 기초로, 업세팅 롤러(6)를 프리세팅하는 곡선(f)의 매개변수(s)에 대한 예측을 제공한다.
밴드 통과 후에, 원하는 밴드 폭(ysoll)이 측정된 실제 밴드 폭(yist)과 비교된다. 여기서 얻어진 편차(Δy)에 의해 측정된 곡선(fist)이 설정 곡선(fsoll)로 보정된다. 상기 설정 곡선(fsoll)의 관련 매개변수(ssoll)는 환산 유닛(18)에 의해 검출된다. 신경 회로망(142)은 그것에 공급된 사후 계산된 공정 매개변수(xnach)를 기초로 곡선 매개변수(s)에 대한 예측을 제공하고, 상기 예측은 설정 곡선(fsoll)의 매개변수(ssoll)와 비교된다. 이렇게 얻어진 오차(Δs)는 신경 회로망(142)의 적응을 위해 사용된다. 곡선(f)과 그것의 매개변수(s) 사이의 환산 인터페이스, 도시된 실시예에서는 환산 유닛(18)은 신경 회로망(142)에 의해 예측된 매개변수(s)가 예측된 곡선(f)으로 환산되고 예측된 곡선(f)이 설정 곡선(fsoll)과 비교되는 방식으로, 달리 설계될 수도 있다. 이것은 하기 실시예에서도 나타난다.
도 9는 도 8의 실시예를 기초로 하는 업세팅 롤러(6)에 대한 곡선(f)을 결정하기 위한 상세한 원리를 나타낸다. 도 1에 따라 총 3개의 업셋 패스 i(=1, 2, 3) 각각에 대해 곡선 f(i)이 2개의 직선 섹션으로 이루어져야 한다. 상기 섹션은 전체적으로 4개의 매개변수 a1(i), a2(i), l1(i) 및 l2(i)로 표시된다. 곡선(f)의 결정을 위해 중요한 공정 매개변수(x) 또는 (xnach)는 매 업셋 패스(i) 후 밴드 폭 b(i), 밴드 두께 d(i) 및 밴드 온도 T(i), 각각의 업셋 패스(i) 후 밴드(4)의 폭 감소 Δb(i) 및 두께 감소 Δd(i) 및 밴드(4)의 재료 경도(변형 저항)에 대한 척도로서 계수(α)를 포함한다.
곡선 매개변수 a1(i) 및 a2(i)의 예측, 즉 보정값은 총 3개의 업셋 패스(i)에 대해 하나의 신경 회로망(142)에 의해 이루어진다. 따라서, 신경 회로망(142)은 6개의 출력 ok(=0...5)을 포함한다. 보정값 a1(i) 및 a2(i)은 -1 과 +1 사이에 놓인 출력 ok과 밴드(4) 각각의 폭 감소 Δb(i)의 곱으로 계산된다. 이것은 보정값 a1(i) 및 a2(i) 중 어느 것도 폭 감소Δb(i) 보다 크지 않게 하는 작용을 한다.
길이 좌표 l1(i) 및 l2(i)는 장치(19)에 의해 경험값으로서 미리 주어진다. 밴드(4)상에서 제 1 업셋 패스 동안 업세팅 롤러(6)의 작용 영역의 길이에 상응하는 길이 좌표 l2(1)는, 예컨대, 밴드 헤드에 있어서는 판 너비의 3배로 그리고 밴드 푸트에 있어서는 판 너비의 2배로 결정된다. 후속하는 업셋 패스에 대해 업세팅 롤러(6)의 작용 영역의 길이가 매번 반분되므로, l2(2)=1/2 l2(1) 및 l2(3) =1/4 l2(1)이 적용된다. 나머지 길이 좌표는 l1(i)=1/3 l2(i)에 의해 결정된다. 이렇게 결정된 길이 좌표에 대한 값은 밴드 폭이 측정되는 경우 밀 트레인(3)으로부터 배출 후 밴드(4)에 관련된다. 따라서, 개별 업셋 패스(i) 동안 업세팅 롤러(6)의 구동을 위해 상기 길이 좌표 값이 환산되어야 하는데, 그 이유는 밴드가 밀 트레인(3)을 통과할 때 마다, 밀 트레인(3)을 벗어난 후의 밴드(4) 길이에 비해 각각의 패스(i) 전의 밴드 길이까지 늘어나 있기 때문이다. 이러한 환산은 매 업셋 패스(i) 전의, 밴드(4)의 온도 T(i), 폭 b(i) 및 두께 d(i), 밀 트레인(3)을 벗어난 후 밴드(4)의 온도, 폭 및 두께 및 팽창 계수(α)를 기초로 하여 이루어진다.
신경 회로망(142)에 의해 사전 계산된 공정 매개변수(x)를 기초로 예측된 곡선 매개변수 a1(i) 및 a2(i), 및 유닛(19)에 의해 미리 주어진 곡선 매개변수 l1(i) 및 l2(i)는 밀 트레인(3)을 세팅시키기 위해 베이스 자동화 유닛(9)에 전달된다. 밀 트레인(3)에서 밴드(4)의 롤링시, 측정값 검출 장치(10) 및 폭 측정 장치(15)에 의해 점형태로 폭 분포(yist) 및 업세팅 롤러(6)의 곡선(fist)이 측정된다. 유닛(20)에서 미리 주어진 설정 밴드 폭(ysoll)과 측정된 실제 밴드 폭(yist) 사이의 오차(Δy)가, 그리고 측정된 곡선(fist)과 오차(Δy)로부터 설정 곡선(fsoll)이, 여기서는 7개의 미리 주어진 지지점 j(=0...6)에서 계산된다. 설정 곡선(fsoll)의 기준값(fsoll,j)의 계산은 모든 업셋 패스(i)를 합산함으로써 이루어진다; 즉, 설정 곡선(fsoll)은 개별 업셋 패스(i)의 설정 곡선 fsoll(i)의 합이다.
신경 회로망(142)은 밴드(4)의 통과 후에 밀 트레인(3)에 의해 그것에 공급되는 사후 계산된 공정 매개변수(xnach)를 기초로 보정값 a1(i) 및 a2(i)에 대한 예측을 제공하고, 유닛(21)에서 상기 보정값으로부터 지지점(j)에서 모든 업셋 패스에 대한 가산시 예측된 보정값 a1(i) 및 a2(i)으로부터 얻어지는 예측된 합계 곡선(f)의 기준값(fj)이 계산된다.
유닛(22)에서 합계 설정 곡선(fsoll)의 기준값(fsoll,j)과 예측된 합계 곡선(f)의 기준값(fj)의 비교에 의해, 오차(Δfj=fsoll,j-fj)가 검출된다. 부가의 유닛(23)에서 상기 오차(Δfj)로부터 모든 지지점에 걸쳐 가산된 2차 오차
가 형성되고, 상기 오차는 기울기 강하 방법에 따라 신경 회로망(142)을 적응시키기 위해 사용된다.
전술한 바와 같이, 도 1에 도시된 실시예의 밀 트레인(3)으로는 분괴 트레인이 사용된다. 밴드 폭에 대한 후속하는 처리 라인, 예컨대 피니싱 트레인 및 냉각 구간의 영향을 고려하기 위해, 밴드 폭이 냉각 구간의 끝에서 측정되고 곡선 매개변수(s)의 검출을 위해 장치(13)에 공급된다.이상과 같이, 본 발명에 의하면, 신경 회로망을 이용한 예측에 기초하여 SSC 곡선(Short Stroke Control curve)의 매개변수들을 설정하고, 롤링 공정에서 신경 회로망을 온-라인-트레이닝하여 상기 예측을 계속적으로 개선함으로써, 밴드 단부에서의 밴드 폭이 소망하는 치수에 가능한한 근접될 수 있다.

Claims (24)

  1. 밴드 단부의 통과시 미리 주어진 매개변수(s)로 표시되는 곡선(f)에 따라 업세팅 롤러(6)를 조절함으로써 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법으로서, 롤링 공정의 매개변수(xnach) 및 곡선(fist)의 매개변수(sist)를 기초로 신경 회로망(140)에 의해 밴드 폭(y)에 대한 예측이 주어지고, 예측된 밴드 폭(y)과 측정된 실제 밴드 폭(yist) 사이의 오차(Δy)가 상기 오차(Δy)를 감소시키는 방향으로 신경 회로망(140)을 적응시키기 위해 사용되며, 적응된 신경 회로망(140)에 의해 반복적으로 곡선(f)의 매개변수(s)에 대한 최적값(sopt)이 검출되고, 상기 값에 대해 예측된 밴드 폭(y)은 미리 주어진 설정 밴드 폭(ysoll)과의 최소의 편차를 가지며 상기 편차에 따라 업세팅 롤러(6)가 조절되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  2. 제 1항에 있어서, 밴드 단부의 통과시 마다 업세팅 롤러(6)를 조절하기 위한 상기 곡선(f)이 2개의 직선 섹션으로 이루어지고, 상기 섹션은 2개의 보정값(a1, a2) 및 밴드 종방향의 2개의 종방향 좌표(l1, l2)에 의해 규정되며, 상기 종방향 좌표(l1, l2)는 경험값으로서 미리 주어지고 보정값(a1, a2)은 곡선(f)의 매개변수를 형성하는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  3. 제 1항 또는 2항에 있어서, 상기 밴드(4)의 단부가 밴드 헤드(4a) 및 밴드 푸트(4b)를 포함하고, 상기 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  4. 제 1항 또는 2항에 있어서, 동일한 밴드(4)의 연속하는 통과에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  5. 제 1항 또는 2항에 있어서, 동일한 밴드(4)의 고정적으로 미리 정해진 수의 연속하는 패스에 대해 하나의 동일한 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  6. 제 1항 또는 2항에 있어서, 공정 매개변수(x, xnach)로서 매 통과(i) 후 밴드 폭(b(i)), 밴드 두께(d(i)) 및 밴드 온도(T(i)), 매 통과(i)시의 밴드(4)의 폭 감소(Δb(i)) 및 두께 감소(Δd(i)) 및 밴드 재료의 변형 저항에 대한 척도(계수 α)가 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  7. 밴드 단부의 통과시 미리 주어진 매개변수(s)로 표시되는 곡선(f)에 따라 업세팅 롤러(6)를 조절함으로써 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법으로서, 롤링 공정의 매개변수(xnach) 및 측정된 실제 밴드 폭(yist)을 기초로 신경 회로망(141)에 의해 곡선(f)의 매개변수(s)에 대한 예측이 주어지고, 곡선(f)의 예측된 매개변수(s)와, 업세팅 롤러(6)를 조절한 곡선(fist)의 실제 매개변수(sist) 사이의 오차(Δs)가 상기 오차(Δs)를 감소시키는 방향으로 신경 회로망(141)을 적응시키기 위해 사용되며, 적응된 신경 회로망(141)에 의해 롤링 공정의 매개변수(x)와 미리 주어진 설정 밴드 폭(ysoll)을 기초로 곡선(f)의 매개변수(s)에 대한 최적값(sopt)이 검출되고, 상기 값에 따라 업세팅 롤러(6)가 조절되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  8. 제 7항에 있어서, 밴드 단부의 통과시 마다 업세팅 롤러(6)를 조절하기 위한 상기 곡선(f)이 2개의 직선 섹션으로 이루어지고, 상기 섹션은 2개의 보정값(a1, a2) 및 밴드 종방향의 2개의 종방향 좌표(l1, l2)에 의해 규정되며, 상기 종방향 좌표(l1, l2)는 경험값으로서 미리 주어지고 보정값(a1, a2)은 상기 곡선(f)의 매개변수를 형성하는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  9. 제 7항 또는 8항에 있어서, 상기 밴드(4)의 단부가 밴드 헤드(4a) 및 밴드 푸트(4b)를 포함하고, 상기 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  10. 제 7항 또는 8항에 있어서, 동일한 밴드(4)의 연속하는 통과에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  11. 제 7항 또는 8항에 있어서, 동일한 밴드(4)의 고정적으로 미리 정해진 수의 연속하는 패스에 대해 하나의 동일한 신경 회로망(142)이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  12. 제 7항 또는 8항에 있어서, 공정 매개변수(x, xnach)로서 매 통과(i) 후의 밴드 폭(b(i)), 밴드 두께(d(i)) 및 밴드 온도(T(i)), 매 통과(i)시의 밴드(4)의 폭 감소(Δb(i)) 및 두께 감소(Δd(i)) 및 밴드 재료의 변형 저항에 대한 척도(계수 α)가 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  13. 밴드 단부의 통과시 미리 주어진 매개변수(s)로 표시되는 곡선(f)에 따라 업세팅 롤러(6)를 조절함으로써 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법으로서, 롤링 공정의 매개변수(xnach)를 기초로 그리고 업세팅 롤러(6)를 조절한 곡선(fist)의 실제 매개변수(sist)를 기초로 신경 회로망(140)에 의해 밴드 폭(y)에 대한 예측이 주어지고, 예측된 밴드 폭(y)과 측정된 실제 밴드 폭(yist) 사이의 오차(Δy)가 상기 오차(Δy)를 감소시키는 방향으로 제 1 신경 회로망(140)을 적응시키기 위해 사용되며, 또한 롤링 공정의 매개변수(x) 및 미리 주어진 설정 밴드 폭(ysoll)을 기초로 제 2 신경 회로망(141)에 의해 업세팅 롤러를 조절하는 곡선(f)의 매개변수(s)에 대한 최적값에 대한 예측이 주어지고, 설정 밴드 폭(ysoll)과 실제 측정된 밴드 폭(yist) 사이의 오차(Δy)가 적응된 제 1 신경 회로망(140)에 의해 역으로 전파되고 오차(Δy)를 감소시키는 방향으로 제 2 신경 회로망(141)을 적응시키기 위해 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  14. 제 13항에 있어서, 밴드 단부의 통과시 마다 업세팅 롤러(6)를 조절하기 위한 곡선(f)이 2개의 직선 섹션으로 이루어지고, 상기 섹션은 2개의 보정값(a1, a2) 및 밴드 종방향의 2개의 종방향 좌표(l1, l2)에 의해 규정되며, 상기 종방향 좌표(l1, l2)는 경험값으로서 미리 주어지고 보정값(a1, a2)은 곡선(f)의 매개변수를 형성하는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  15. 제 13항 또는 14항에 있어서, 상기 밴드(4)의 단부가 밴드 헤드(4a) 및 밴드 푸트(4b)를 포함하고, 상기 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  16. 제 13항 또는 14항에 있어서, 동일한 밴드의 연속하는 통과에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  17. 제 13항 또는 14항에 있어서, 동일한 밴드의 고정적으로 미리 정해진 수의 연속하는 패스에 대해 하나의 동일한 신경 회로망(142)이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  18. 제 13항 또는 14항에 있어서, 공정 매개변수(x, xnach)로서 매 통과(i) 후의 밴드 폭(b(i)), 밴드 두께(d(i)) 및 밴드 온도(T(i)), 매 통과(i)시의 밴드(4)의 폭 감소(Δb(i)) 및 두께 감소(Δd(i)) 및 밴드 재료의 변형 저항에 대한 척도(계수 α)가 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  19. 밴드 단부의 통과시 미리 주어진 매개변수(s)로 표시되는 곡선(f)에 따라 업세팅 롤러(6)를 조절함으로써 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법으로서, 롤링 공정의 매개변수(x)를 기초로 신경 회로망(142)에 의해 업세팅 롤러(6)를 조절하는 곡선(f)의 매개변수(s)에 대한 최적값에 대한 예측이 주어지고, 측정된 곡선(fist)으로 부터 그리고 미리 주어진 설정 밴드 폭(ysoll)과 측정된 실제 밴드 폭(yist) 사이의 오차(Δy)로부터 설정 곡선(fsoll)이 검출되며, 곡선(f)의 매개변수(s)에 대한 예측된 최적값과 설정 곡선(fsoll)으로부터 검출된 관련 매개변수(ssoll) 사이의 오차(Δs) 또는 곡선(f)의 매개변수(s)에 대한 예측된 최적값으로부터 결정된 예측된 곡선과 설정 곡선(fsoll) 사이의 오차가 상기 오차를 줄이는 방향으로 신경 회로망(142)을 적응시키기 위해 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  20. 제 19항에 있어서, 밴드 단부의 통과시 마다 업세팅 롤러(6)를 조절하기 위한 상기 곡선(f)이 2개의 직선 섹션으로 이루어지고, 상기 섹션은 2개의 보정값(a1, a2) 및 밴드 종방향으로 2개의 종방향 좌표(l1, l2)에 의해 규정되며, 상기 종방향 좌표(l1, l2)는 경험값으로서 미리 주어지고 보정값(a1, a2)은 곡선(f)의 매개변수를 형성하는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  21. 제 19항 또는 20항에 있어서, 상기 밴드(4)의 단부가 밴드 헤드(4a) 및 밴드 푸트(4b)를 포함하고, 상기 밴드 헤드(4a) 및 밴드 푸트(4b)에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  22. 제 19항 또는 20항에 있어서, 동일한 밴드의 연속하는 통과에 대해 별도의 신경 회로망이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  23. 제 19항 또는 20항에 있어서, 동일한 밴드의 고정적으로 미리 정해진 수의 연속하는 패스에 대해 하나의 동일한 신경 회로망(142)이 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
  24. 제 19항 또는 20항에 있어서, 공정 매개변수(x, xnach)로서 매 통과(i) 후의 밴드 폭(b(i)), 밴드 두께(d(i)) 및 밴드 온도(T(i)), 매 통과(i)시의 밴드(4)의 폭 감소(Δb(i)) 및 두께 감소(Δd(i)) 및 밴드 재료의 변형 저항에 대한 척도(계수 α)가 사용되는 것을 특징으로 하는, 밀 트레인(3)을 통과하는 밴드(4)의 단부에서 밴드 폭(y)을 최적화하기 위한 방법.
KR1019997003517A 1996-10-23 1997-10-21 밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법 KR100347198B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19644132.3 1996-10-23
DE19644132A DE19644132B4 (de) 1996-10-23 1996-10-23 Verfahren zum Optimieren der Bandbreitenverteilung an den Enden eines eine Walzstraße durchlaufenden Bandes

Publications (2)

Publication Number Publication Date
KR20000052719A KR20000052719A (ko) 2000-08-25
KR100347198B1 true KR100347198B1 (ko) 2002-08-03

Family

ID=7809818

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019997003517A KR100347198B1 (ko) 1996-10-23 1997-10-21 밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법

Country Status (7)

Country Link
US (1) US6418354B1 (ko)
KR (1) KR100347198B1 (ko)
CN (1) CN1104975C (ko)
CA (1) CA2269489C (ko)
DE (1) DE19644132B4 (ko)
RU (1) RU2157284C1 (ko)
WO (1) WO1998017411A1 (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001347318A (ja) * 2000-06-08 2001-12-18 Mitsubishi Heavy Ind Ltd 板幅調整装置及び板幅調整方法
DE10036971A1 (de) * 2000-07-28 2002-02-28 Siemens Ag Verfahren zur Ferndiagnose eines technologischen Prozesses
DE10116273A1 (de) 2001-03-31 2002-10-10 Sms Demag Ag Verfahren zum Betreiben einer Walzstraße sowie eine entsprechend ausgebildete Walzstraße
KR20040035977A (ko) * 2002-10-14 2004-04-30 주식회사 포스코 열간압연작업에서의 슬라브 폭조정방법
DE10339766A1 (de) * 2003-08-27 2005-04-07 Siemens Ag Verfahren und Einrichtung zur Steuerung einer Anlage zur Herstellung von Stahl
AT500764A1 (de) * 2004-05-19 2006-03-15 Voest Alpine Ind Anlagen Verfahren zur berechnung der geometrischen form von walzgut
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
CN102303050B (zh) * 2011-06-03 2013-07-17 攀钢集团有限公司 一种粗轧宽度自学习的方法
CN102974622B (zh) * 2012-12-21 2015-03-11 山西太钢不锈钢股份有限公司 带钢头尾宽度短行程控制的参数补偿方法及控制方法
CN103920722B (zh) * 2013-01-11 2016-02-24 宝山钢铁股份有限公司 一种热连轧机飞剪带钢定位方法
CN103678893B (zh) * 2013-12-03 2016-08-17 太原理工大学 一种用于特殊钢种的规则建模方法
CN104249084B (zh) * 2014-09-26 2016-06-01 成都金自天正智能控制有限公司 一种提高热连轧生产时带钢头尾部宽度精度的方法
CN109513749B (zh) * 2018-11-01 2020-06-02 北京首钢股份有限公司 一种热轧带钢头尾部宽度控制方法及装置
CN112974543B (zh) * 2019-12-12 2022-09-09 上海梅山钢铁股份有限公司 一种热轧薄规格带钢的船型曲线的优化方法
JP7447779B2 (ja) * 2020-12-21 2024-03-12 東芝三菱電機産業システム株式会社 圧延材の形状制御システム
CN113695404B (zh) * 2021-09-03 2024-01-23 北京北科麦思科自动化工程技术有限公司 一种带钢热连轧宽度控制方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4248072A (en) * 1978-07-25 1981-02-03 Aichi Steel Works, Limited Method of and apparatus for producing plate material having uniform width and lengthwise thickness variation
JPS59189011A (ja) * 1983-04-12 1984-10-26 Ishikawajima Harima Heavy Ind Co Ltd 圧延材の蛇行及び横曲り制御方法及びその装置
JPS6224809A (ja) 1985-07-23 1987-02-02 Nippon Steel Corp 熱間圧延における板幅制御方法
DE3821990A1 (de) * 1988-06-30 1990-01-11 Schloemann Siemag Ag Regelung fuer profilstrassen
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
JPH04252302A (ja) * 1991-01-28 1992-09-08 Kawasaki Steel Corp 連続圧延機における制御モデルの同定方法及び連続圧延機の制御方法
JP3136183B2 (ja) * 1992-01-20 2001-02-19 株式会社日立製作所 制御方法
JPH0623417A (ja) 1992-07-06 1994-02-01 Nippon Steel Corp 熱間粗圧延における板幅制御装置
JPH06224809A (ja) * 1993-01-22 1994-08-12 Toshiba Corp 携帯型無線通信装置
JPH07124618A (ja) * 1993-11-05 1995-05-16 Toshiba Corp 竪型圧延機の板幅制御装置
JPH07303909A (ja) 1994-05-16 1995-11-21 Nippon Steel Corp 熱間粗圧延における板幅セットアップ自動修正装置
DE19522494C2 (de) 1994-07-07 1997-06-19 Siemens Ag Verfahren zum Walzen eines Metallbandes
DE19505694C1 (de) * 1995-02-20 1996-07-04 Siemens Ag Einrichtung zur Dickenregelung von Walzgut
KR100333232B1 (ko) * 1995-03-16 2002-06-20 칼 하인쯔 호르닝어 공정의제어방법및장치
DE19642918C2 (de) * 1996-10-17 2003-04-24 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes

Also Published As

Publication number Publication date
CA2269489C (en) 2007-03-20
WO1998017411A1 (de) 1998-04-30
DE19644132A1 (de) 1998-04-30
DE19644132B4 (de) 2005-07-07
CN1234755A (zh) 1999-11-10
CA2269489A1 (en) 1998-04-30
CN1104975C (zh) 2003-04-09
US6418354B1 (en) 2002-07-09
KR20000052719A (ko) 2000-08-25
RU2157284C1 (ru) 2000-10-10

Similar Documents

Publication Publication Date Title
KR100347198B1 (ko) 밀 트레인 상의 밴드 단부에서 밴드 폭을 최적화하기 위한 방법
CN1267216C (zh) 用于精轧机列的控制方法以及实施该控制方法的精轧机列
KR100249914B1 (ko) 금속 밴드의 로울링 방법 및 장치
TWI481452B (zh) 熱軋作業線之控制裝置
JPS6121729B2 (ko)
CN110402172A (zh) 用于运行辊式矫直机的方法和辊式矫直机
KR20100049629A (ko) 모드에 기초한 금속 스트립 안정화장치
US6513358B2 (en) Method and device for controlling flatness
JPH05154524A (ja) 鋼線列および／または鋼棒列に圧延された圧延製品の形態安定性および寸法安定性に対する許容誤差を狭くする方法および装置
EP0037834A1 (en) Method of controlling width of plate
JP3501982B2 (ja) 板幅制御装置
JP2719215B2 (ja) 板圧延のエッジドロップ制御方法
EP1448321B1 (de) Schräglagenregelung
US20020157440A1 (en) Stretch leveler for steel and other metal strip
JPH049205A (ja) 板形状の非対称修正方法及び装置
CN111299330A (zh) 轧制生产线的数学模型计算装置及控制装置
JPH07178455A (ja) 異形鋼板の矯正方法およびその制御装置
JPS6111124B2 (ko)
JP4260262B2 (ja) 線材又は棒鋼圧延の寸法制御方法及び圧延装置
MXPA99003811A (en) Optimizing the band width at the band ends on a mill train
JPH08187504A (ja) テーパー鋼板の製造方法
JPH10249423A (ja) 走間板厚変更設定制御装置及び設備仕様決定支援装置
JPH0739007B2 (ja) 平坦度制御装置
JP4140316B2 (ja) 金属板の製造方法
JP2651741B2 (ja) 板圧延におけるエッジドロップ制御方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
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: 20120614

Year of fee payment: 11

LAPS Lapse due to unpaid annual fee