KR100643373B1 - 열간압연 후물재 길이방향 온도 제어방법 - Google Patents

열간압연 후물재 길이방향 온도 제어방법 Download PDF

Info

Publication number
KR100643373B1
KR100643373B1 KR1020050127268A KR20050127268A KR100643373B1 KR 100643373 B1 KR100643373 B1 KR 100643373B1 KR 1020050127268 A KR1020050127268 A KR 1020050127268A KR 20050127268 A KR20050127268 A KR 20050127268A KR 100643373 B1 KR100643373 B1 KR 100643373B1
Authority
KR
South Korea
Prior art keywords
neural network
temperature
network
input
temperature control
Prior art date
Application number
KR1020050127268A
Other languages
English (en)
Inventor
박철재
이필종
조명종
이두흔
Original Assignee
주식회사 포스코
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 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020050127268A priority Critical patent/KR100643373B1/ko
Application granted granted Critical
Publication of KR100643373B1 publication Critical patent/KR100643373B1/ko

Links

Images

Classifications

    • 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
    • B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
    • 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
    • B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
    • B21B37/76—Cooling control on the run-out table
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B21B38/006—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
    • B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
    • B21B2001/225—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length by hot-rolling

Abstract

본 발명은 런아웃테이블(ROT) 상을 통과하는 열간압연 후물재에 대하여 ROT내의 각 뱅크 출측의 온도를 예측하여 권취온도(coiling temperature:CT)를 제어함으로써 열간압연 후물재의 길이방향으로 온도를 제어하는 방법에 관한 것이다.
본 발명의 신경회로망 학습을 위해 필요한 데이터를 읽어 들이는 단계; 상기 데이터에서 학습을 위한 신경회로망의 입력 및 목표 파라미터를 선택하고 상기 신경회로망의 입력 및 목표값의 범위를 설정하는 단계; 상기 신경회로망의 입력 및 목표값을 정규화(normalization)하는 단계; 상기 정규화된 입력 및 목표값을 이용하여 네트워크를 구축하는 단계; 상기 네트워크가 미리 설정된 학습조건을 만족하는지를 판단하는 단계; 상기 학습조건을 만족하면 상기 학습된 네트워크를 이용하여 신경회로망의 설정값을 읽어 들이고, 상기 신경회로망의 입력 데이터를 전처리하는 단계; 상기 구축된 네트워크를 이용하여 신경회로망의 출력변수를 연산하는 단계; 상기 출력변수를 정규화 이전값으로 환산(denormalization)하는 단계; 및 상기 출력변수 환산값과 상기 목표값의 차이가 오차범위를 만족하면 상기 출력변수 환산값을 이용하여 상기 후물재의 온도제어를 수행하는 단계를 포함하여 구성된다.
런아웃테이블(ROT), 신경회로망, RDT온도, FDT온도, CT온도, 출력변수, 후물재

Description

열간압연 후물재 길이방향 온도 제어방법{Method of Controlling Longitudinal Direction Temperature of Thick Hot-Rolled Steel Plate}
도 1은 일반적인 열연설비에서의 공정도를 도시한 도면이다.
도 2는 일반적인 열연공정에서의 런아웃테이블(ROT)의 개략적인 구성도이다.
도 3은 종래의 열연강판 길이방향 온도 제어방법에 따른 출측온도 그래프이다.
도 4는 본 발명의 일 실시예에 따른 열연강판의 길이방향 온도 제어방법을 위한 신경회로망의 제어 개념도이다.
도 5는 본 발명의 열연강판의 길이방향 온도 제어방법을 보이는 흐름도이다.
* 도면의 주요 부분에 대한 부호의 설명 *
15 : 열연강판 16 : 런아웃테이블(Run Out Table)
21 : ROT 입측 온도 검출기(FDT) 22 : ROT 출측 온도 검출기(CT)
#1~#14 : ROT 구간의 피드포워드 뱅크
#15, #16 : ROT 구간의 피드백 뱅크
본 발명은 열간압연 후물재의 길이방향 온도 제어방법에 관한 것으로서, 특히 런아웃테이블(Run Out Table:ROT) 상을 통과하는 열간압연 후물재에 대하여 ROT내의 각 뱅크 출측의 온도를 예측하여 권취온도(coiling temperature:CT)를 제어함으로써 열간압연 후물재의 길이방향으로 온도를 제어하는 방법에 관한 것이다.
일반적으로 열간압연 공정은 도 1에 도시된 바와 같이, 슬라브(slab)(11)를 가열로(Reheating Furnace)(12)에서 압연에 적당한 온도로 재가열하여 추출한 후, 조압연기(Roughing Mill)(13) 및 마무리압연기(Finishing Mill)(14)를 거쳐 스트립(strip) 형태의 열연강판(15)으로 압연한 후, 목표로 하는 기계적 성질을 얻기 위해 런아웃테이블(Run Out Table:ROT)(16) 상에서 냉각설비(17)를 이용하여 열연강판(15)을 공냉 및 수냉과정을 통해 목표온도로 적절하게 다운시켜 다운코일러(Down Coiler)(18)로 권취한다.
런아웃테이블(16)에서의 냉각설비(17)는 도 2에 도시된 바와 같이 런아웃테이블(16)을 기준으로 상부와 하부에 다수의 헤더를 갖는 다수의 뱅크(bank)(#1~#16)(상부에만 도시함)가 각각 배치된다. 열연강판(15)이 런아웃테이블(16)로 진입하면 제어부(미도시)의 동작에 따라 상,하부의 뱅크(#1~#16)에서 냉각수를 적절하게 주수하여 열연강판(15)을 냉각하며, 이때 적용하고 있는 냉각패턴은 통산 전단부부터 다운코일러(18)쪽으로 차례로 주수를 시작하여 원하는 권취온도에 따라 뱅크(#1~#16)의 개방량을 조정함으로써 열연강판(15)을 냉각한다. 이때, ROT(15)의 입,출측에는 각각 입측온도검출기(FDT;즉, 마무리압연기의 출측온도 검 출기)와 출측온도 검출기(CT)가 설치되어, 각각 입,출측 온도를 검출한다.
이와 같이, 열연공정에서 열연강판(15)은 일정 속도로 런아웃테이블(16)을 통과하면서 냉각이 이루어지고, 상기 런아웃테이블(16)의 출측에서는 목표온도를 갖는 강판으로 배출된다.
종래의 열간압연에서의 ROT 상의 냉각에 있어서는, 후물재의 경우 두께 방향으로 잠재된 열량을 조압연기(13)의 출측온도(RDT:Roughing Mill Delivery Temperature)에서는 알 수 있으나, 마무리 압연기(14)의 출측온도(FDT:Finishing Mill Delivery Temperature)에서는 크게 드러나지 않으므로, ROT에서의 온도 제어 정도가 크게 떨어지게 되고 이는 곧 권취온도(CT) 제어 정도가 떨어지게 하는 원인이 된다. 이러한 온도 편차는 ±50도 이상의 온도 편차를 유발함으로서 열연강판 길이방향의 재질에 크게 문제가 된다.
도 3은 종래의 열간압연 후물재 길이방향 온도제어에 따른 그래프이다. 도 3을 참조하면, 종래의 ROT 상의 냉각에 있어서, 열간압연 후물재의 경우 길이방향의 냉각의 문제점이 나타나 있다. 즉, 현재 후물재의 경우 조압연 출측 온도(RDT)가 도 3(a)에서와 같이 포물선 형태라고 할 때, 길이방향으로 중앙부의 온도가 높게 측정된다. 후물재의 경우에는 두께방향으로 온도 편차가 크기 때문에 마무리 압연기(14)를 통과할 때나 ROT에서 내부의 잠재된 열량이 표면으로 올라오게 된다. 따라서 내부의 잠재적인 열량을 ROT 구간에서 보완을 해야 한다.
그러나, 도 3의 마무리 압연기(14)의 출측온도(FDT)에서 볼 수 있듯이, RDT 온도의 중앙부가 커지는 온도 프로파일을 갖더라도 FDT온도는 일정한 온도 패턴을 보이고 있다. 이것은 FDT온도는 현장에서 작업 표준상 ±20도 내에 관리하도록 되어 있어서 FDT온도가 적중하지 않을 시에는 스프레이 수동 개입, 압연속도 가감을 통하여 FDT 온도를 맞추기 때문이다. 그러나, 이렇게 맞춘 FDT 온도는 표면온도이므로 ROT 구간으로 들어가면 내부의 잠재된 열량이 표면으로 올라오게 되어 ROT 구간으로 갈수록 표면온도는 증가하게 된다. 도 3의 CT온도를 보면 약 100포인트에서 온도가 상승하는 것을 볼 수 있는데, 이 부분이 RDT온도에서 증가된 부분이다. 즉, 압연된 후물재의 길이가 약 430m이고 RDT온도는 길이방향으로 20포인트를 측정했으므로, RDT온도의 20포인트의 각 1포인트는 CT에서는 약 20m가 조금 넘는 길이이다. 따라서, RDT온도에서 약 5포인트 부분에서 온도가 상승하였고, CT에서는 약 100m에서 온도가 상승하였으므로 같은 부분으로 추정된다.
한편, 열연강판의 길이방향 온도 제어기술과 관련된 선행특허를 살펴보면, 일본 공개특허공보 제1997-019712호(명칭:압연 강판의 제어 냉각장치)에는 열간 마무리 압연기의 후면에 냉각존을 설치하고, 동시에 종료 위치에 미조정 냉각존을 설치하여, 열간 마무리 압연기와 냉각존 사이에 판두께계와 온도계를 설치하고, 또한 냉각존의 중간 및 미조정 냉각존의 뒤쪽에 각각 온도계를 설치하고, 각 열간 마무리 압연기와 냉각존 사이의 온도계와 미조정 냉각존의 뒤쪽 온도계로 측정한 각 측온치와 상기 판두께계로 측정한 강판의 판두께, 강판의 예측 속도에 따른 목표 권취 온도까지 냉각하는데 필요한 주수량을 구하고, 이 주수량에 따라 상기 냉각존의 주수 패턴을 결정하여 주수하고, 냉각존의 중간에 설치한 온도계로 측정한 측온치에 따라, 미조정 냉각존의 주수 냉각 제어를 행한 강판의 냉각 제어장치를 제시하 고 있다.
또한, 일본 공개특허공보 제1996-229610호(명칭: 열연 강판의 냉각방법)에는 1.6t이하의 박물재의 경우, 압연판의 선단부가 권취기에 맞물리기까지는 압연판의 상부에만 주수하고, 이후 선단부가 권취기에 권취되고 난 후에는, 압연 판의 하부에만 주수하는 것을 특징으로 하는 냉각방법을 제시하고 있다.
또한, 일본 공개특허공보 제1994-179007호(명칭:열연 강판의 냉각 온도 제어방법)에는 마무리 압연된 압연판에 대하여, 사상압연 출측 온도를 검출한 시점에서, 이미 사상압연 출측 온도계를 통과한 일정 길이마다 코일 한쪽이 통과한 뱅크의 주수 밸브 ON-OFF 실적을 기초로 온도 강하량을 구하고, 현재의 코일 온도를 계산함과 동시에, 다음 일정 길이까지 뱅크에 대해 그 통과시간으로부터 코일 한쪽의 냉각 속도가 일정하게 되도록 뱅크 출구의 목표 온도를 결정하고, 각 뱅크마다 이 목표 온도를 만족하는 밸브 수를 결정하고 냉각하는 방법을 제시하고 있다.
또한, 일본 공개특허공보 제2000-271626호(명칭:권취온도 제어방법)에는 강판을 강종, 판두께, 판폭마다 종류별로 나누고, 1개의 냉각수 개폐 밸브로 조작할 수 있는 주수 노즐군을 1 뱅크로 하여, 강대 종류마다, 또한 개별적 뱅크마다 수냉 열전달 계수를 조업 실적에 근거하여 수정 기록하고, 다음번 동일 종류의 강대를 수냉한 경우에, 수정후의 수냉 열전달 계수를 이용하여 냉각수량을 결정한 것을 특징으로 하는 열간 마무리 압연후의 권취 온도 제어 방법을 제시하고 있다.
나아가, 일본 공개특허공보 제2000-135507호(명칭:냉각존 제어방법 및 장치)에는 냉각 구간내에서 스트립 온도 경과를 스트립의 실시간 처리로 조절된 프로세 스 패러미터와 특성 프로세스 상태에 의존하여 계산을 행하고, 참조 온도 경과의 계산을 참조 온도(Tref)의 주어진 조건하에 행한 것 및 냉각 구간의 프로세스 패러미터의 개별 제어를 계산된 온도 경과와 참조 온도 온도 경과를 비교하여 제어하는 방법을 제시하고 있다.
그러나 상기한 선행특허들은 하기와 같은 문제점들을 가지고 있다. 우선 권취기에 치입하기 전에는 상부만 주수함으로써, 상하부 냉각 불균일에 의하여 권취형상 불량과 통판성 불량 등의 문제를 일으킬 수 있다. 또한, 사상 압연기 출측에서의 온도로부터 현재 온도와 온도 강하량을 계산하여 온도를 제어하기 위하여 정밀한 온도 모델이 필요하며, ROT구간에서의 외란에 민감하게 반응하기 때문에 온도 제어 정확도가 떨어질 수 있는 문제점이 있다.
본 발명은 상기한 종래기술의 문제점을 해결하기 위한 것으로서, 런아웃테이블(ROT) 구간에서 열간압연 후물재의 온도 편차가 과도하게 발생하는 경우 ROT 내 각 뱅크의 출측 온도를 예측하여 권취온도(CT온도)를 정밀하게 제어함으로써, 압간압연 후물재의 재질을 일정하게 유지하고 원하는 온도로 제어하도록 하는 열간압연 후물재의 길이방향 온도 제어방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 연간압연 후물재의 길이방향 온 도 제어방법은, 비선형 함수를 사용하는 은닉층(hidden layer) 및 출력층(output layer)을 각각 하나씩 포함하고, 소정의 학습 프로그램을 적용하는 신경회로망을 이용한 열간압연 후물재의 길이방향 온도 제어방법에 있어서,
상기 신경회로망 학습을 위해 필요한 데이터를 읽어 들이는 제1단계; 상기 데이터에서 학습을 위한 신경회로망의 입력 및 목표 파라미터를 선택하고 상기 신경회로망의 입력 및 목표값의 범위를 설정하는 제2단계; 상기 신경회로망의 입력 및 목표값을 정규화(normalization)하는 제3단계; 상기 정규화된 입력 및 목표값을 이용하여 네트워크를 구축하는 제4단계; 상기 네트워크가 미리 설정된 학습조건을 만족하는지를 판단하는 제5단계; 상기 학습조건을 만족하면 상기 학습된 네트워크를 이용하여 신경회로망의 설정값을 읽어 들이고, 상기 신경회로망의 입력 데이터를 전처리하는 제6단계; 상기 구축된 네트워크를 이용하여 신경회로망의 출력변수를 연산하는 제7단계; 상기 출력변수를 정규화 이전값으로 환산(denormalization)하는 제8단계; 및 상기 출력변수 환산값과 상기 목표값의 차이가 오차범위를 만족하면 상기 출력변수 환산값을 이용하여 상기 후물재의 온도제어를 수행하는 제9단계를 포함하여 구성된다.
본 발명의 일 실시예에서, 상기 입력 파라미터는 상기 열간압연 후물재의 두께, 탄소량(C), 재로시간, 추출온도, RDT온도, FDT실측온도, 판속도, 수온 중에서 선택되는 적어도 하나인 것이 바람직하다.
본 발명의 일 실시예에서, 상기 출력변수는 CT온도인 것이 바람직하다.
본 발명의 일 실시예에서, 상기 신경회로망은 Tangential Sigmoid 비선형 함 수를 적용하고, Levenberg-Marquardt backpropagation 학습 프로그램을 적용하는 것이 바람직하다.
본 발명의 일 실시예에서, 상기 제2단계는 신경회로망의 입력 및 목표값의 범위를 최소값과 최대값으로 설정하는 것이 바람직하다.
본 발명의 일 실시예에서, 상기 제5단계 이후에, 상기 네트워크가 학습조건을 만족하지 못하면 상기 제2단계 이후를 재수행하는 단계를 더 포함할 수 있다.
이하, 본 발명의 바람직한 실시형태가 첨부된 도면들을 참조하여 상세하게 설명될 것이다. 하기에서 본 발명을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
도 4는 본 발명의 일 실시예에 따른 열연강판의 길이방향 온도 제어방법을 위한 신경회로망의 제어개념도이다.
본 발명에서는 열간압연 공정에서 RDT 온도와, FDT 온도, CT 온도 간의 변화량을 본 발명에서 적용되는 소정의 신경회로망의 알고리즘으로 미리 모델링하고, 이들 온도 데이터들을 충분히 학습하도록 한다. 또한, 열간압연 후물재의 강종과 두께가 특정 범위내에 들게 되면 상기 신경회로망 모델에 의하여 FDT 온도를 보정하도록 한다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 후물재 온도 제어를 위한 신 경회로망의 설계는 하기와 같다. 우선, 은닉층(Hidden Layer)과 출력층(Output Layer)은 각각 1개로 구성하고, 비선형 함수는 Tangential Sigmoid 함수를 사용한다. 또한 학습을 위해서는 미리 잘 알려진 학습 프로그램인 Levenberg-Marquardt backpropagation을 사용한다. 본 발명에서 제안하는 신경회로망의 설계 파라미터는 하기와 같다.
1) 입력의 상한/하한 : ±8
2) 입력 및 출력변수
- 입력변수 : 두께, 탄소량(C), 재로시간, 추출온도, RDT온도, FDT실적온도, 후물재 판속도, 수온
- 출력변수 : CT온도
3) 출력의 최대, 최소 변화분 : ±100도
4) epoch 수 : 250회
또한, 도 4의 예시도에서, 본 발명의 일 실시예에 따른 신경회로망을 구성하는데 있어서, 중요한 입/출력 변수의 정규화(normalization)는 하기의 수식1과 같이 모델링하고, 학습된 네트워크에서 구한 신경회로망 설정치의 환산(denormalization)은 하기의 수식2와 같이 연산된다.
[수식1]
Figure 112005075091562-pat00001
Figure 112005075091562-pat00002
여기서, p:입력벡터, t:출력벡터, pn:정규화된 입력벡터, tn:정규화된 출력벡터이다.
[수식2]
Figure 112005075091562-pat00003
여기서, nn_res:신경회로망에서 예측된 출력값, f(x):신경회로망 출력치를 환산한 값이다.
최종적으로 ROT에서의 후물재 온도 제어를 위하여 FDT를 사용하게 되며, 실제 ROT에서의 후물재 온도 제어를 위하여 사용되는 FDT온도는 본 발명의 신경회로망에서 연산된 상기 수식2로부터 보정된 FDT온도를 사용하고, 이는 하기의 수식3과 같은 방법으로 보정한다.
[수식3]
FDTadj(i) = FDT(i) × f(x)
여기서, FDTadj(i)는 보정된 FDT온도이며, f(x)는 상기 수식2로부터 연산된 신경회로망 모델의 출력식이다.
도 5는 본 발명에 따른 열간압연 후물재의 길이방향 온도 제어방법을 보이는 흐름도이다.
도 5를 참조하면, 먼저 상기한 본 발명의 신경회로망 학습을 위한 각종 데이터를 읽어 들이고(S50), 이들 데이터 중에서 학습을 위한 신경회로망의 입력 및 목표 파라미터를 선택한다(S52). 이어 상기 신경회로망의 입력 및 목표 파라미터의 범위를 설정한다(S54). 이때, 상기 입력 및 목표 파라미터의 범위는 최소값(min)과 최대값(max)을 선택하는 것이 바람직하다.
다음으로, 상기 신경회로망의 입력 및 목표값의 범위가 서로 다르므로 이를 정규화(normalization)할 필요가 있는데, 이를 위하여 상기 수식 1과 같이 전처리(pre-processing) 연산을 수행한다(S56). 이러한 과정들을 이용하여 신경회로망 네트워크를 구축하고(S58), 상기 네트워크가 미리 설정된 학습조건을 만족하는지를 판단한다(S60). 즉, 상기 네트워크가 목표로 하는 학습범위 내에 있는지를 판단하는 것이다.
만약, 학습조건을 만족하지 않으면 상기 S52단로 진행하여 해당 과정을 다시 수행하고, 학습조건을 만족하면 상기 학습된 네트워크를 이용하여 신경회로망의 설 정값을 읽어 들이고(S62), 상기한 수식 1과 같이 입력 데이터에 대한 전처리를 수행한다(S64).
계속하여, 상기 구축된 네트워크를 이용하여 출력변수를 연산하고(S66), 상기 출력변수은 정규화된 값이므로 상기한 수식2를 이용하여 정규화 이전의 값으로 다시 환산(denormalizatio)을 수행한다(S68). 상기 출력변수 환산값과 상기 목표값의 차이가 오차범위 내에 드는지를 판단하여(S70), 오차범위 내에 들지 않으면 상기 S52단계로 진행하여 해당 과정을 다시 수행하고, 오차범위 내에 들면 상기 출력변수 환산값을 이용하여 후물재 길이방향 온도 제어를 수행한다(S72).
본 발명에서는 상기한 과정들을 통하여 열간압연 공정에서 ROT 구간에서 열연강판의 온도 편차가 크게 발생하기 전에, 소정의 신경회로망을 통해 출력되는 FDT 실측온도와 목표온도가 오차범위 내에 들 수 있도록 CT온도를 제어함으로써 안정적인 온도 제어가 가능하도록 한다.
상기에서 설명한 본 발명에 따른 열간압연 후물재의 온도 제어방법을 위한 상기 과정들은 다양한 프로그램 또는 소프트웨어로 구현될 수 있을 것이다. 또한, 이러한 프로그램 및 소프트웨어는 마이크로프로세서, CPU 등의 하드웨어로도 구현될 수 있을 것이다. 이러한 구현형태는 상기에서 이에 대한 구체적인 설명이 없다하더라도 당해 기술분야의 당업자라면 용이하게 구현할 수 있을 정도이므로 이들 프로그램, 소프트웨어 또는 하드웨어에 대한 구체적인 설명은 생략하였다.
이상에서 설명한 상세한 설명 및 도면의 내용은 본 발명에 따른 열연강판의 길이방향 온도 제어방법에 대한 기술사상을 설명한 것으로서, 이는 발명의 가장 양호한 실시형태를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 본 기술분야의 통상의 지식을 가진 자라면 누구나 본 발명의 기술적 사상의 범주를 벗어나지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.
따라서, 본 발명의 권리범위는 상기한 상세한 설명 또는 도면에 의해 결정되는 것이 아니라 첨부된 특허청구범위에 의해 결정되어야 할 것이다.
이상서 설명한 바와 같이, 본 발명에 의하면 열간압연 공정에서 ROT 구간의 판내 온도 편차가 과도하게 발생하기 전에, 마무리 압연기의 출측온도(FDT온도)에 두께 방향으로 잠재된 열량을 고려하여 열연강판 내의 CT 온도를 정밀하게 제어함으로써, 압연 코일의 재질을 일정하게 제어하고 온도 불량시 발생하는 재작업(Recoiling) 경비를 줄여 생산성을 향상시킬 수 있다.

Claims (9)

  1. 비선형 함수를 사용하는 은닉층(hidden layer) 및 출력층(output layer)을 각각 하나씩 포함하고, 소정의 학습 프로그램을 적용하는 신경회로망을 이용한 열간압연 후물재의 길이방향 온도 제어방법에 있어서,
    상기 신경회로망 학습을 위해 필요한 데이터를 읽어 들이는 제1단계;
    상기 데이터에서 학습을 위한 신경회로망의 입력 및 목표 파라미터를 선택하고 상기 신경회로망의 입력 및 목표값의 범위를 설정하는 제2단계;
    상기 신경회로망의 입력 및 목표값을 정규화(normalization)하는 제3단계;
    상기 정규화된 입력 및 목표값을 이용하여 네트워크를 구축하는 제4단계;
    상기 네트워크가 미리 설정된 학습조건을 만족하는지를 판단하는 제5단계;
    상기 학습조건을 만족하면 상기 학습된 네트워크를 이용하여 신경회로망의 설정값을 읽어 들이고, 상기 신경회로망의 입력 데이터를 전처리하는 제6단계;
    상기 구축된 네트워크를 이용하여 신경회로망의 출력변수를 연산하는 제7단계;
    상기 출력변수를 정규화 이전값으로 환산(denormalization)하는 제8단계; 및
    상기 출력변수 환산값과 상기 목표값의 차이가 오차범위를 만족하면 상기 출력변수 환산값을 이용하여 상기 후물재의 온도제어를 수행하는 제9단계; 를 포함하는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  2. 제1항에 있어서, 상기 입력 파라미터는,
    상기 열간압연 후물재의 두께, 탄소량(C), 재로시간, 추출온도, RDT온도, FDT실측온도, 판속도, 수온 중에서 선택되는 적어도 하나인 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  3. 제1항에 있어서,
    상기 출력변수는 CT온도인 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  4. 제1항에 있어서, 상기 신경회로망은,
    Tangential Sigmoid 비선형 함수를 적용하는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  5. 제1항에 있어서, 상기 신경회로망은,
    Levenberg-Marquardt backpropagation 학습 프로그램을 적용하는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  6. 제1항에 있어서, 상기 제2단계는,
    신경회로망의 입력 및 목표값의 범위를 최소값과 최대값으로 설정하는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
  7. 제1항에 있어서, 상기 제3단계에서,
    상기 정규화는 하기 수식1에 의해 수행되는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
    [수식1]
    Figure 112005075091562-pat00004
    Figure 112005075091562-pat00005
    (p:입력벡터, t:출력벡터, pn:정규화된 입력벡터, tn:정규화된 출력벡터)
  8. 제1항에 있어서, 상기 제8단계에서,
    상기 환산은 하기 수식2에 의해 수행되는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
    [수식2]
    Figure 112005075091562-pat00006
    (nn_res:신경회로망에서 예측된 출력값, f(x):신경회로망 출력치 환산값)
  9. 제1항에 있어서, 상기 제5단계 이후에,
    상기 네트워크가 학습조건을 만족하지 못하면 상기 제2단계 이후를 재수행하 는 단계를 더 포함하는 것을 특징으로 하는 열간압연 후물재의 길이방향 온도 제어방법.
KR1020050127268A 2005-12-21 2005-12-21 열간압연 후물재 길이방향 온도 제어방법 KR100643373B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020050127268A KR100643373B1 (ko) 2005-12-21 2005-12-21 열간압연 후물재 길이방향 온도 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050127268A KR100643373B1 (ko) 2005-12-21 2005-12-21 열간압연 후물재 길이방향 온도 제어방법

Publications (1)

Publication Number Publication Date
KR100643373B1 true KR100643373B1 (ko) 2006-11-10

Family

ID=37653911

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050127268A KR100643373B1 (ko) 2005-12-21 2005-12-21 열간압연 후물재 길이방향 온도 제어방법

Country Status (1)

Country Link
KR (1) KR100643373B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102166582A (zh) * 2010-12-13 2011-08-31 河北省首钢迁安钢铁有限责任公司 一种提高卷取温度控制精度的方法
KR102011689B1 (ko) 2019-03-06 2019-08-19 주식회사 위엠비 시계열 데이터의 모니터링 방법, 모니터링 시스템 및 컴퓨터 프로그램
CN110802115A (zh) * 2019-11-13 2020-02-18 北京科技大学 基于数据驱动的热连轧精轧入口温度预测方法
CN111882030A (zh) * 2020-06-29 2020-11-03 武汉钢铁有限公司 一种基于深度强化学习的加锭策略方法
KR20220068287A (ko) * 2020-11-18 2022-05-26 앤시정보기술주식회사 시계열 에너지 예측 데이터 모델을 이용한 설비이상감지 정보처리장치
WO2022105294A1 (zh) * 2020-11-20 2022-05-27 东北大学 一种热轧卷取温度的区间预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970033162A (ko) * 1995-12-29 1997-07-22 김종진 신경회로망을 이용한 냉연소둔로냉각롤 제어방법
KR19990053866A (ko) * 1997-12-24 1999-07-15 이구택 신경회로망에 의한 선재냉각 제어방법
KR20030053773A (ko) * 2001-12-24 2003-07-02 주식회사 포스코 가열로의 추출 목표 온도 최적화 시스템
KR20040043911A (ko) * 2002-11-20 2004-05-27 주식회사 포스코 신경 회로망을 이용한 압연 하중 예측 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970033162A (ko) * 1995-12-29 1997-07-22 김종진 신경회로망을 이용한 냉연소둔로냉각롤 제어방법
KR19990053866A (ko) * 1997-12-24 1999-07-15 이구택 신경회로망에 의한 선재냉각 제어방법
KR20030053773A (ko) * 2001-12-24 2003-07-02 주식회사 포스코 가열로의 추출 목표 온도 최적화 시스템
KR20040043911A (ko) * 2002-11-20 2004-05-27 주식회사 포스코 신경 회로망을 이용한 압연 하중 예측 장치 및 방법

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102166582A (zh) * 2010-12-13 2011-08-31 河北省首钢迁安钢铁有限责任公司 一种提高卷取温度控制精度的方法
CN102166582B (zh) * 2010-12-13 2013-02-27 河北省首钢迁安钢铁有限责任公司 一种提高卷取温度控制精度的方法
KR102011689B1 (ko) 2019-03-06 2019-08-19 주식회사 위엠비 시계열 데이터의 모니터링 방법, 모니터링 시스템 및 컴퓨터 프로그램
CN110802115A (zh) * 2019-11-13 2020-02-18 北京科技大学 基于数据驱动的热连轧精轧入口温度预测方法
CN111882030A (zh) * 2020-06-29 2020-11-03 武汉钢铁有限公司 一种基于深度强化学习的加锭策略方法
CN111882030B (zh) * 2020-06-29 2023-12-05 武汉钢铁有限公司 一种基于深度强化学习的加锭策略方法
KR20220068287A (ko) * 2020-11-18 2022-05-26 앤시정보기술주식회사 시계열 에너지 예측 데이터 모델을 이용한 설비이상감지 정보처리장치
KR102430440B1 (ko) * 2020-11-18 2022-08-11 앤시정보기술주식회사 시계열 에너지 예측 데이터 모델을 이용한 설비이상감지 정보처리장치
WO2022105294A1 (zh) * 2020-11-20 2022-05-27 东北大学 一种热轧卷取温度的区间预测方法

Similar Documents

Publication Publication Date Title
US7617709B2 (en) Apparatus for controlling materials quality in rolling, forging, or leveling process
CN101683659B (zh) 冷轧带钢平直度和横向厚差综合控制方法
KR100643373B1 (ko) 열간압연 후물재 길이방향 온도 제어방법
KR20110070971A (ko) 압연 제어 장치 및 압연 제어 방법
CN115608793A (zh) 一种机理融合数据的精轧温度调控方法
EP1110635B1 (en) Method and device for controlling flatness
JP3958992B2 (ja) 冷間圧延における板形状制御方法
CN109772896A (zh) 基于Smith预估控制的热连轧变目标平直度控制方法
KR100568358B1 (ko) 권취목표온도 변경을 통한 열연강판의 냉각제어방법
JP2007050413A (ja) 板幅制御方法および装置
JP2007301603A (ja) 圧延材の巻き取り温度制御方法及び圧延装置
KR100711387B1 (ko) 열연강판의 길이방향 온도 제어방법
JP2006272395A (ja) 冷却制御方法、装置、及びコンピュータプログラム
KR102045651B1 (ko) 인공지능 기반 열연 런아웃 테이블 열유속계수 추정 장치
KR101050792B1 (ko) 동적 재설정을 이용한 냉각제어방법
KR100757193B1 (ko) 상변태를 고려한 고탄소 열연강판의 냉각제어법
JP3520868B2 (ja) 鋼板の製造方法
KR20190078394A (ko) 인공지능 기반 열연 런아웃 테이블 열유속계수 결정 장치
JP3521081B2 (ja) 熱間仕上げ圧延機における板幅制御方法
JP3719226B2 (ja) 板プロフィルの良好な金属板の製造方法
JP2004331992A (ja) 熱間圧延における金属板の温度予測方法および冷却方法
JP2003025008A (ja) 熱間圧延における被圧延金属材の冷却制御方法
KR102090549B1 (ko) 후물재의 헤드부 온도 제어 장치 및 제어 방법
JP3937997B2 (ja) 熱間仕上げ圧延機における板幅制御方法
US20220176429A1 (en) Process for the production of a metallic strip or sheet

Legal Events

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

Payment date: 20121029

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20131001

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20141029

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20151030

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20161014

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20171020

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20181030

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20191030

Year of fee payment: 14