KR100356159B1

KR100356159B1 - 가열로연소제어장치

Info

Publication number: KR100356159B1
Application number: KR1019970071419A
Authority: KR
Inventors: 조상원
Original assignee: 주식회사 포스코
Priority date: 1997-12-20
Filing date: 1997-12-20
Publication date: 2002-11-18
Also published as: KR19990051978A

Abstract

본 발명은 제철소 열간압연공정에 있어서 가열로 내에 장입된 전체 소재에 대한 추출목표온도를 제어하기 위하여 수식모델과 신경회로망을 이용하여 각 대(zone)별로 최적의 설정온도값을 구하는 가열로 연소 제어장치에 관한 것으로, 가열로로부터 추출되는 소재의 온도를 측정하여 T_o=T_p(tc≤ts), T_o=T_s(tc〉to) T_o=T_p+k(T_c-T_p)/(tc-ts)(ts≤tc≤to) (여기서, T_o:추출온도, T_p:측정온도, T_s:설정온도, T_c:계산온도, tc:현작업 소재의 재로시간, ts:표준재로시간, to:초과재로시간, k:적용계수)에 따라 추출온도를 산정하고 이를 목표온도와 비교하여 그 차이가 일정한 값 이상이면 신경회로망에 의한 설정온도를 구하여 이것으로 수식모델에 의한 설정온도를 보상하여 전기로의 가스와 공기를 제어한다.

Description

가열로 연소 제어장치{Apparatus for controlling combustion of furnace}

본 발명은 열간압연공정의 가열로 연소 제어장치에 관한 것으로서, 특히 제철소 열간압연공정에 있어서 가열로 내에 장입된 전체 소재에 대한 추출목표온도를제어하기 위하여 수식모델과 신경회로망을 이용하여 각 대(zone)별로 최적의 설정온도값을 구해내기 위한 가열로 연소 제어장치에 관한 것이다.

열간압연공정에 있어서 가열로 공정은 후공정인 압연라인에 소재를 추출목표온도에 맞게 제어하는 공정으로서 제품의 품질에도 큰 영향을 미치는 중요한 공정이다. 최근에는 특수강위주의 생산체제에 따른 품질관리가 더욱 강화됨에 따라 추출온도관리가 더욱 다양화되고 엄격해져 운전자가 수동으로 제어하기 힘든 실정이다. 따라서 보다 정밀하고 신속한 제어를 위해 컴퓨터를 이용한 자동연소제어시스템의 도입이 필수적이다.

도 1은 종래의 가열로 연소 제어장치를 도시한 것이다. 일반적으로 열간압연공장 가열로의 자동 연소제어장치는 가열로(11)에 설치된 각종 현장센서(12, 열전대)와, 현장센서(12, 열전대)들의 전류치를 수식모델(14)을 적용한 컴퓨터 시스템(미도시)에 전달하고 수식모델(14)에 의하여 산출된 설정온도에 따라 가열로에 유입되는 가스(gas)와 공기(air)의 양을 제어하는 분산제어부(DCS:Distributed Control System)(13)와, 분산제어부(13)를 통하여 현재의 실적온도를 받아 가열로 내의 열전달 현상을 수학적으로 모델링하여 설정온도를 산출하는 수식모델부(14)를 갖는 컴퓨터 시스템(미도시)을 구비한다.

가열로(11)에 설치된 각종 현장센서(12, 열전대)들의 전류치는 분산제어부(13)를 통하여 수식모델(14)을 갖는 컴퓨터 시스템에 인가된다. 수식모델부(14)는 가열로내의 열전달 현상을 해석하여 수학적으로 모델링한 것으로 분산제어부(13)를 통하여 인가된 현장센서(12, 열전대)들의 전류치에 대하여 가열로의설정온도를 산출한다. 수식모델부(14)는 일반적으로 가열로(11)에 설치된 각종 현장센서(12, 열전대)들에 의한 가열로내의 각대(예열대, 가열대, 균열대)의 온도 및 소재의 장입온도를 근거로 가열로의 각 위치에 따른 소재의 온도를 계산하는 소재온도계산부(15)와, 계산된 소재의 온도와 휴지예정시간 및 추출피치에 따라 각 소재가 현 위치에서 추출까지 로내에 머무는 재로시간을 계산하는 재로시간계산부(16)와, 계산된 재로시간에 기초하여 가열로 내의 소재가 가열로로부터 추출될 때의 온도를 계산하여 예측하는 추출온도예측부(17)와, 이 예측온도와 추출목표온도를 비교하여 최종적으로 설정할 가열로의 로온도를 계산하는 로온설정부(18)를 구비하여 각 대별로 구한 설정온도를 분산제어부(13)로 송신한다. 분산제어부(13)에서는 지시치를 근거로 가스와 공기의 유량을 제어하게 된다.

그러나 가열로내의 열전달 현상을 정확히 수학적으로 구현하기 무척 힘들기 때문에 수식모델에서는 가장 보편적인 작업상황을 가정하여 모델링하게 된다. 따라서 특수한 강종에 대한 작업시나 압연라인 이상으로 인한 돌발휴지, 추출피치의 잦은 변동등과 같은 특수한 작업상황에서는 수식모델의 오차가 커져서 정밀한 추출온도제어를 할 수 없는 문제점이 있다.

이러한 문제점을 극복하기 위해 최근에는 수식모델의 에러를 줄이거나 대체하는 수단으로서 운전자의 전문지식을 데이터베이스화하여 응용하는 전문가시스템(Expert System)을 개발하여 일부 현장에 적용하고 있다. 그러나 이 방식에서도 운전자마다 작업방법이 모두 다르기 때문에 시스템화하는데 어려움이 많을 뿐만 아니라 작업방식이 바뀔 때마다 계속적으로 프로그램 수정작업을 해주어야 하는 문제점이 있다. 뿐만 아니라 운전자의 경험적 지식에 의존하여 시스템화하기 때문에 수식모델보다 정확도가 떨어지는 경우도 많으므로 실제 현장에서는 거의 사용하지 못하는 문제점이 있다.

본 발명은 상기한 종래의 문제점들을 해결하기 위해 제안된 것으로서, 열간압연공정에 있어서 가열로 내에 장입된 전체 소재에 대한 추출목표온도를 제어하기 위하여 수식모델과 온도센서 및 신경회로망을 결합하여 수식모델에서 발생하는 에러를 최소화함으로서 각 대(zone)별로 최적의 설정온도값을 출력하는 가열로 연소 제어장치를 제공하는데 그 목적이 있다.

도 1은 종래의 가열로 연소 제어장치를 도시한 것이다.

도 2는 본 발명에 의한 가열로 연소 제어장치를 도시한 것이다.

도 3은 온도와 재로시간과의 관계를 도시한 그래프이다.

도 4는 본 발명에서 사용되는 신경회로망의 동작을 나타내는 흐름도이다.

도 5는 본 발명에 따른 가열로 연소 제어장치의 동작을 나타낸 흐름도이다.

* 도면의 주요부분에 대한 기호의 간단한 설명*

21 ... 제1모델부 22 ... 제2모델부

23 ... 보상기 24 ... 프로세스부

25 ... 검출센서 26 ... 조건부스위치

27 ... 감산기 28 ... 비교기

29 ... 신경회로망

상기한 목적을 달성하기 위한 구체적인 수단으로서 본 발명은, 추출목표온도, 재질, 강종을 포함하는 소재정보와 가열로의 온도값, 상기 가열로에 유입되는 가스 및 공기의 유량값을 포함하는 계장 데이터에 근거하여 가열로 내의 열전달 현상의 수학적 모델링에 의하여 가열로의 각 위치에 따른 소재의 온도를 계산하는 제1모델부와, 가열로 내의 열전달 현상의 수학적 모델링에 의하여 각 소재가 현 위치에서 추출까지 로내에 머무는 재로시간을 계산하고 가열로 내의 소재가 가열로로부터 추출될 때의 온도를 예측하며, 이 예측온도와 추출목표온도를 비교하여 최종적으로 설정할 가열로의 온도를 출력하는 제2모델부과, 가열로에 유입되는 가스와 공기의 양을 조절하여 가열로의 온도를 제어하는 프로세스부를 구비하는 가열로 연소 제어장치에 있어서, 가열로로부터 추출되는 소재의 온도를 측정하는 검출부와,검출부의 측정온도와 제1 모델부의 소재온도 및 제2 모델부의 설정온도에 기초하여

T_o=T_p(tc≤ts), T_o=T_p+k(T_c-T_p)/(tc-ts)(ts≤tc≤to), T_o=T_s(tc〉to)

(여기서, T_o:추출온도, T_p:측정온도, T_s:설정온도, T_c:계산온도, tc:현작업 소재의 재로시간, ts:표준재로시간, to:초과재로시간, k:적용계수)

에 따라 추출온도를 출력하는 조건부스위칭부와, 조건부스위칭부의 추출온도와 소재정보중의 목표온도의 차이를 계산하여 에러신호를 출력하는 감산부와, 감산부의 에러신호를 일정한 값과 비교하여 그 결과를 온오프신호로 출력하는 비교부와, 비교부의 온오프신호에 따라 동작하고, 소재온도와 가열시간 및 로내온도에 대한 데이터를 현재 시점에서 4회 이전까지의 데이터 이력을 사용하며 출력데이타로는 가장 최근의 로내온도를 사용하여 이 값이 가열로의 설정온도가 되도록 학습하는 신경회로망과, 제2모델부의 설정온도에 신경회로망의 설정온도를 가감하여 제2모델부의 설정온도를 보상한 보상온도를 프로세스부로 출력하는 보상부를 포함한다.

이하 첨부된 도면을 참조하여 본 발명에 따른 실시예의 구성 및 작용을 설명하면 다음과 같다.

도 2는 본 발명에 의한 가열로 연소 제어장치를 도시한 것이다. 여기에서 도시한 바와 같이 본 발명에 의한 가열로 연소 제어장치는 소재온도를 계산하는 제1모델부(21)와, 설정온도를 계산하는 제2모델부(22), 그리고 이 설정온도에 의해 가스(gas)량과 공기(air)량을 제어하는 프로세서부(24)를 기본적으로 구비한다. 제1모델부(21)는 도 1의 소재온도계산부(15)에 상당하는 것으로 분산제어부(13)로부터 수신한 계장 데이터(온도, 유량 등)들과 상위 컴퓨터로부터 수신한 소재정보(강종, 추출목표온도, 온도편차, 재질, 성분 등)들을 근거로 가열로내에 장입된 소재온도를 계산한다. 제2모델부(22)는 도 1의 재로시간계산부(16)와 추출온도예측부(17) 및 로온설정부(18)에 상당하는 것으로 각 소재가 현 위치에서 추출까지 로내에 머무는 재로시간을 계산하고 계산된 재로시간에 기초하여 가열로 내의 소재가 가열로로부터 추출될 때의 온도를 예측하며, 이 예측온도와 추출목표온도를 비교하여 최종적으로 설정할 가열로의 로온도를 계산하여 분산제어부(DCS:Distributed Control System)로 2분 주기로 전송한다. 프로세서부(24)는 이 설정온도에 따라 가열로내 버너의 가스량과 에어량을 조절하여 로내의 소재온도를 제어하게 된다.

또한 도 2의 본 발명에 따른 실시예는 가열로로부터 추출되는 소재의 온도를 측정하는 검출센서(25)와, 제1모델(21)의 소재온도와 센서(25)에 의한 측정온도를 비교하여 정확한 추출온도를 출력하는 조건부스위치(26)와, 추출온도와 목표온도와의 차이를 계산하여 에러를 출력하는 감산기(27)와, 에러의 크기를 일정한 값과 비교하여 온도보정의 여부를 결정하는 비교기(28)와, 비교결과 온도보정이 필요한 경우에 신경회로망(29)에서 구한 설정온도와 제2모델부(22)에서 구한 설정온도를 결합하여 최적의 설정온도 즉, 수정온도를 구하여 프로세스부(24)로 인가하는 보정기(23)를 포함하고 있다.

이하 본 발명에 따른 실시예의 동작을 설명하면 다음과 같다.

본 발명에서는 제1모델부(21)와 제2모델부(22)의 모델링에 의한 작업결과 나타나는 가열로내의 소재의 온도를 측정할 센서(25)를 가열로의 추출부에 설치하여 추출되는 소재의 온도를 측정한다.

그리고 측정센서(25)의 측정온도와 제1모델부(21)의 계산된 소재온도를 비교하여 센서의 오차를 검증하여 이를 보정하는 로직(Logic)인 조건부스위치(26)를 추가하였다. 그 이유는 여기서 사용하는 이 센서는 비접촉식으로 소재표면의 방사열로 온도를 측정하는데 가열로내의 소재는 가열시간이 길어질수록 소재표면에 스케일(scale)이 많이 발생하여 실제의 소재온도보다도 낮게 측정된다. 즉 가열시간이 길어져서 스케일이 많아지면 측정온도가 계산온도보다 낮아지므로 이 경우 아래의 수학식 1을 적용하여 측정온도의 오차를 보정한다.

T SUB { o } =T SUB { p } (tc≤ts)

T_o=T_p+k(T_c-T_p)/(tc-ts)(ts≤tc≤to)

T_o=T_s(tc〉to)

도 3의 온도와 재로시간과의 관계를 도시한 그래프로서, 이를 참조하여 수학식 1의 내용을 설명하면, 도 3의 그래프와 같이 표준재로시간(ts) 이내에서는 측정온도(T_p)가 비교적 정확하여 추출온도(T_o)를 측정온도(T_p)로 적용하고 재로시간이 표준재로시간(ts) 이상에서는 소재표면의 스케일(scale)이 증가하여 측정온도(T_p)의오차가 증가하여 실제온도보다 낮게 나타나고 반면 계산온도(T_c)는 조금 높게 나타나는 경향이 있으므로 수학식 1과 같이 근사화하고 재로시간이 더욱 길어지게 되면 최종적으로 설정온도(T_s)에 가까워지므로 초과재로시간(to) 이상에서는 설정온도(T_s)를 적용함으로써 측정오차를 보정한다. 이 수학식 1에 의해 정확한 추출온도(T_o)를 적용함으로써 소재표면의 스케일에 의한 센서오차를 없앨 수 있다.

감산기(27)에서는 이렇게 얻어진 추출온도(T_o)와 소재정보중의 목표온도(2C)와의 차 즉, 에러의 크기를 계산하고 비교기(28)에서는 이 에러의 크기가 일정값(보통 5℃정도)이상이면 신경회로망(29)을 사용하여 신경회로망의 동작에 의한 설정온도를 출력하고 이 에러의 크기가 일정값(보통 5℃정도) 이하이면 모델의 설정값이 비교적 정확한 경우이므로 신경회로망(29)을 사용하지 않고 제2모델부(22)의 설정온도만을 사용하여 프로세스부(24)를 제어한다.

에러가 큰 경우 신경회로망(29)을 사용하여 설정온도를 보정하는데, 표 1은 여기서 사용한 신경회로망의 학습데이타 실시예를 나타낸 것으로 입력데이타 11개, 출력데이타 2개, 패턴수 500개를 사용하였다. 가열로는 온도를 설정한 후 한참 후에 그 결과가 소재온도에 영향을 미치는 시간지연이 많은 시스템이기 때문에 소재온도와 가열시간 및 로내온도에 대한 데이터를 현재 시점에서 4회 이전까지의 데이터 이력을 사용하였다. 즉, 상기 가열로는 실질적으로 목표온도를 설정한 후 소정의 시간이 지난 후에 상기 목표온도의 설정값에 대응하는 온도가 측정된다. 따라서, 가열로의 목표온도를 설정한 후 1호 또는 2회의 데이터 이력을 소재 온도, 가열시간 및 로내온도에 대한 데이터로 이용하게 되면 상기 목표온도 설정값에 대응하는 측정온도값이 오차가 발생하며 5회 이후까지의 데이터 이력을 사용하게 되면 계산 시간의 지연으로 인해 시간이 낭비되고 계산이 복잡해진다. 이와 같은 이유로 상기 실시예에서는 소재온도와 가열시간 및 로내온도에 대한 데이터를 현재 시점에서 바람직하게는 4회이전까지의 데이터 이력을 사용한다. 그러나, 본 발명은 상기 4회의 숫자에 한정되는 것은 아니다. 여기서 출력데이타로는 가장 최근의 로내온도를 사용하여 이 값이 실적용 시스템에서는 설정온도가 되도록 학습시켰다. 이 학습데이타를 실제 적용할 때는 가장 최근의 소재온도에 대응하는 데이터는 목표온도로, 바로 전의 소재온도는 현재의 센서에서 측정한 추출온도로 대응시키고 이때의 로내온도를 목표 설정온도로 매핑(mapping)하였다.

항목패턴	소재온도(t)	소재온도(t-1)	소재온도(t-2)	소재온도(t-3)	소재온도(t)	소재온도(t-1)	소재온도(t-2)	소재온도(t-3)	소재온도(t)	소재온도(t-1)	소재온도(t-2)	소재온도(t-3)
1	1062	1060	1055	1049	122	89	88	88	1082	1082	1079	1079
2	1185	1190	1192	1195	101	103	105	107	1230	1229	1230	1231
3	1120	1128	1126	1129	107	109	110	110	1144	1143	1140	1138
∫
500	1000	999	997	976	153	155	157	159	993	992	991	991

도 4에서는 여기서 사용한 학습방법 즉, 역전파 이론을 사용하여 학습시키는 방법에 대한 흐름도를 나타내었다. 먼저 가중치의 초기값을 설정하고(S41) 첫 번째 패턴을 읽어들인다(S42). 읽어들인 패턴에 가중치를 부여하여 학습을 하며(S43,S44) 일정한 횟수를 반복하면(S45) 가중치화일을 수정한다(S46). 한 번학습이 끝나면 가중치를 수정하고(S47) 학습횟수가 최대횟수가 되기 전까지 이를 반복한다(S48,S49).

보정기(23)는 제2모델부(22)의 설정온도와 신경회로망의 설정온도로부터 프로세스부로 인가되는 온도데이터를 출력한다. 목표온도가 추출온도보다 5이상 지 않을 경우에는 신경회로망이 동작하지 않으므로 제2모델부(22)의 설정온도를 프로세스부로 인가되는 온도데이터로서 출력하고, 목표온도가 추출온도보다 5이상 클 경우에는 설정온도를 현재보다 더 높여야 하는 상황이므로 아래의 수학식 2를 적용한다.

제2모델부의~설정온도+(신경회로망의~설정온도-제2모델부의~설정온도)*a

여기서 a는 적용계수로서 0.1에서 0.9사이의 상수이며 본 발명의 실시예에서는 0.6으로 사용하였는데 그 이유는 신경회로망의 학습데이타 누락 등에 의한 에러를 최소화하기 위한 것이다. 이런 방법으로 수정된 온도를 사용하여 프로세스부(24)를 사용하게 되면, 실제 추출온도가 목표온도보다 큰 경우 즉 제2모델부(22)의 설정온도가 높은 경우에는 신경회로망의 설정온도가 제2모델부(22)의 설정온도를 낮추어 주고, 반대로 목표온도보다 낮은 경우에는 제2모델부(22)의 설정온도를 높여줌으로써 에러를 보정할 수 있다.

도 5는 본 발명에 따른 시스템의 동작을 나타낸 흐름도이다. 여기서 학습데이타를 30초주기로 분산제어부(DCS:Distributed Control System)로부터 수신하여 온라인과정에서 2분간 이동평균치를 산출(S51)한 후 수식모델(S52)을 통하여 설정온도를 산출한다. 목표온도와 실측온도의 차이가 일정한 값(K)보다 크면(S53) 배치처리과정에서 신경회로망을 통하여 학습된 설정온도에 의하여 설정치를 보정처리하여(S54) 2분주기로 분산제어부로 송신한다. 배치과정은 먼저 로내실적화일을 목표온도에 따라 크게 3가지로 분류한 후(S55) 각 학습데이타 파일에 저장한다. 저장된 학습데이터화일은 학습과정에서 가중치를 부여받아 가중치임시화일로 다시 저장되며 이것은 테스트과정(S57)을 거쳐하여 가중치최종화일로 저장된다. 또한 테스트과정을 거친 가중치최종화일중 설정온도 보상을 위한 데이터를 온라인과정으로 보낸다. 여기에서 목표온도와 센서에 의한 추출온도를 전회 소재온도와 금회 소재온도로 각각 대응하도록 학습을 시켜서 이때의 출력값인 현재 로온도를 구하고자하는 설정온도로 사용한다. 이러한 방법으로 학습데이타와 실제 데이터를 매핑함으로써 신경회로망에서 현재의. 추출온도와 목표온도에 대한 차이를 보정할 수 있는 설정온도를 구할 수 있다.

본 발명은 신경회로망과 수식모델을 결합한 가열로 연소제어를 수행하므로써 작업상황에따라 수식모델에서 발생하는 오차를 신경회로망을 이용하여 보정하여 작업상태에 따라 발생하는 모델의 에러 즉, 목표온도와 실제온도와의 차이를 최소화하여 소재별로 온도편차를 없앰으로써 정밀한 제어를 할 수 있어 제품의 품질이 향상되는 매우 큰 효과가 있다.

Claims

추출목표온도, 재질, 강종을 포함하는 소재정보와 가열로의 온도값, 상기 가열로에 유입되는 가스 및 공기의 유량값을 포함하는 계장 데이터에 근거하여 가열로 내의 열전달 현상의 수학적 모델링에 의하여 가열로의 각 위치에 따른 소재의 온도를 계산하는 제1모델부와,

가열로 내의 열전달 현상의 수학적 모델링에 의하여 각 소재가 현 위치에서 추출까지 로내에 머무는 재로시간을 계산하고 가열로 내의 소재가 가열로로부터 추출될 때의 온도를 예측하며, 이 예측온도와 추출목표온도를 비교하여 최종적으로 설정할 가열로의 온도를 출력하는 제2모델부과,

가열로에 유입되는 가스와 공기의 양을 조절하여 가열로의 온도를 제어하는 프로세스부를 구비하는 가열로 연소 제어장치에 있어서,

가열로로부터 추출되는 소재의 온도를 측정하는 검출부와,

상기 검출부의 측정온도와 상기 제1 모델부의 소재온도 및 상기 제2 모델부의 설정온도에 기초하여

T_o=T_p(tc≤ts), T_o=T_p+k(T_c-T_p)/(tc-ts)(ts≤tc≤to), T_o=T_s(tc〉to)

(여기서, T_o:추출온도, T_p:측정온도, T_s:설정온도, T_c:계산온도, tc:현작업 소재의 재로시간, ts:표준재로시간, to:초과재로시간, k:적용계수)

에 따라 추출온도를 출력하는 조건부스위칭부와,

상기 조건부스위칭부의 추출온도와 상기 소재정보중의 목표온도의 차이를 계산하여 에러신호를 출력하는 감산부와,

상기 감산부의 에러신호를 일정한 값과 비교하여 그 결과를 온오프신호로 출력하는 비교부와,

상기 비교부의 온오프신호에 따라 동작하고, 소재온도와 가열시간 및 로내온도에 대한 데이터를 현재 시점에서 4회 이전까지의 데이터 이력을 사용하며 출력데이타로는 가장 최근의 로내온도를 사용하여 이 값이 가열로의 설정온도가 되도록 학습하는 신경회로망과,

상기 제2모델부의 설정온도에 상기 신경회로망의 설정온도를 가감하여 상기 제2모델부의 설정온도를 보상한 보상온도를 상기 프로세스부로 출력하는 보상부를 포함하여 구성되는 것을 특징으로 하는 가열로 연소 제어장치.