KR101017830B1

KR101017830B1 - 도금 부착량 제어 장치 및 제어 방법

Info

Publication number: KR101017830B1
Application number: KR1020070079847A
Authority: KR
Inventors: 마사히로 가야마
Original assignee: 가부시키가이샤 히타치세이사쿠쇼
Priority date: 2006-08-28
Filing date: 2007-08-09
Publication date: 2011-02-28
Also published as: KR20080019543A; JP4354978B2; CN100591795C; CN101144144A; JP2008050680A

Abstract

본 발명의 과제는 실제의 도금 부착 거동과의 괴리를 적절하게 보상한 도금 부착량 예측 모델을 이용한 프리셋 계산으로, 도금 부착량 제어를 고정밀도화하는 것이다.

부착량 추정 수단(105)은 노즐 압력, 노즐 사이의 거리(노즐 갭), 강판 속도 등으로부터 도금 부착량을 예측하는 도금 부착량 예측 모델을 구비한다. 학습 수단(108)은 모델을 이용하여 추정한 도금 부착량과 도금 플랜트로부터의 실적 부착량과의 편차로부터 도금 부착량 예측 모델과 도금 부착량 실적치의 보편적인 괴리를 학습한다. 적응 수단(106)은 도금 부착량 예측 모델과 도금 부착량 실적치의 일시적인 괴리를 적응량으로서 산출한다. 또한, 도금 부착량 예측 모델과 이를 이용하여 프리셋 연산을 행하는 프리셋 수단(102)을 구비하고, 도금 부착량 목표치의 변경량 등에 착안하여 적응 결과와 학습 결과를 적절하게 구분하여 사용하여 프리셋 계산 처리를 선택한다.

도금 부착량 제어 장치, 노즐, 도금 플랜트, 프리셋 연산, 스트립

Description

도금 부착량 제어 장치 및 제어 방법 {COATING WEIGHT CONTROL DEVICE AND CONTROL METHOD}

본 발명은 철강 플랜트의 연속 도금 라인에 있어서, 강판에 원하는 두께의 도금을 부착시키는 도금 부착량 제어 장치 및 그 제어 방법에 관한 것으로, 특히 도금 부착량의 목표 변경 시에 다양한 외란의 영향을 보상한 적절한 제어 지령치를 산출하는 제어 방법에 관한 것이다.

도금 부착량 제어를 행하는 종래 방법으로서, 예를 들어 특허문헌 1에는 도금 부착량의 목표 변경 시에 실시하는 프리셋 제어 수단의 기재가 있다. 목표 도금 부착량을 얻기 위한 조작량을, 도금 부착량 예측 모델을 이용하여 직접 산출하는 절대치 프리셋 수단과, 목표 부착량의 변경량에 상당하는 조작량의 변분을 도금 부착량 예측 모델을 이용하여 산출한다. 이를 현재의 조작량에 가감산하여 새로운 조작량을 산출하는 상대치 프리셋 수단을 구비하고, 도금 목표치의 변경량 등에 착안하여, 적절한 수단을 선택하여 프리셋을 행하는 방법이 개시되어 있다.

또한, 특허문헌 2에는 도금 부착량 예측 모델의 출력과 실제로 부착된 도금량과의 차분을 산출하여 이를 모델 오차 축적 수단에 축적하고, 조작량 산출 시에 모델 오차 축적 수단의 정보를 이용하여 도금 부착량 예측 모델을 보정하는 방법이 개시되어 있다.

[특허문헌 1] 일본 특허 공개 제2004-013393호 공보

[특허문헌 2] 일본 특허 3291201호 공보(일본 특허 공개 평10-18014호)

그러나, 특허문헌 1의 방법에서는, 도금 부착량 예측 모델과 실제의 도금 플랜트와의 거동의 괴리를 보상하는 것에 대해 고려되어 있지 않다. 따라서, 도금 부착량 예측 모델과 실제의 도금 플랜트의 특성 사이에 괴리가 있었던 경우에는 괴리의 크기에 따라서 제어 지령치의 적절함이 손상되어 도금 부착량 제어의 정밀도가 저하되는 문제가 있었다.

또한, 특허문헌 2의 방법에서는, 도금 부착량 예측 모델과 실제의 도금 플랜트와의 거동의 괴리를 보상하는 것에 대해서는 고려되어 있다. 그러나, 이 괴리가, 도금 부착량 예측 모델의 표현 능력의 부족이나 도금 플랜트의 특성의 경시적 변화에 따라서 보편적으로 발생하고 있는 것인지, 강판 온도, 노즐 영점 조정 정밀도, 용융 도금의 점도 등 다양한 편차에 기인한 가장 최근의 도금 플랜트의 상태에 의해 일시적으로 발생하고 있는 것인지를 분리하여 고려하는 것은 이루어져 있지 않다. 이로 인해, 도금 부착량의 목표치가 크게 변화될 때에 사용하는 모델 오차가 시간적으로 크게 이격된 과거의 유사한 목표치에서의 조업에서 축적된 것인 경우가 있다. 이때 모델 오차의 보상이 부적절해져, 도금 부착량의 제어 정밀도를 저하시키는 문제가 있었다.

또한, 양쪽의 경우에, 복수의 프리셋 수단을 구비한 경우에 프리셋 수단의 선택과 프리셋 계산에 사용하는 도금 부착량 예측 모델의 보상 방법의 적절한 조합에 대해서는 개시되어 있지 않았다.

본 발명이 이루고자 하는 기술적 과제는 도금 부착량 예측 모델과 실제의 도금 플랜트와의 거동의 괴리를 보편적인 모델 오차와 일시적으로 발생하고 있는 모델 오차에 대응하여 분리하여 기억한다. 또한, 복수 구비한 프리셋 수단과, 도금 부착량 예측 모델의 보상 방법을, 도금 부착량 목표치나 그 변경량에 따라서 적절하게 선택함으로써 고정밀도의 프리셋 제어를 제공하는 데 있다.

상기 과제를 해결하기 위해 본 발명은 연속적으로 이송되어 오는 스트립을 용융 도금의 욕조에 침지하고, 인상되자마자 노즐로부터 고압의 가스를 불어내고, 불필요한 도금을 제거함으로써 스트립에 원하는 두께의 도금을 부착시키는 도금 플랜트로부터 실적 신호를 수신하고, 도금 부착량을 제어하기 위한 제어 신호를 도금 플랜트로 송신하는 도금 부착량 제어 장치에 있어서, 스트립 속도, 가스의 압력, 노즐 위치에 있어서의 노즐과 스트립의 거리(노즐 갭) 등과 이 결과 부착되는 도금 부착량의 관계를 기술한 도금 부착량 예측 모델과, 스트립 속도, 가스의 압력, 노즐 갭 등의 실적을 취입하고, 상기 도금 부착량 예측 모델을 이용하여 도금 부착량을 추정하는 부착량 추정부와, 상기 부착량 추정부의 출력과 가장 최근의 조업에서 실제로 부착하고 있는 도금 부착량으로부터 제어 모델과 실제의 도금 부착량 거동 과의 괴리의 상태를 구하고, 상기 괴리의 상태를 이용하여 도금 부착량 예측 모델을 가장 최근의 도금 플랜트의 상태에 가깝게 하기 위한 적응량을 산출하는 적응 연산부와, 산출된 적응량을 기억하는 적응 결과 기억부와, 상기 부착량 추정부의 출력과 실제로 부착된 도금 부착량의 실적치의 편차를 도금 플랜트의 조업 상태의 유이성에 착안하여 층별마다 학습하는 학습부와, 학습 결과인 학습량을 기억하는 학습 결과 기억부와, 상기 도금 부착량 예측 모델을 기초로 하여 플랜트의 제어 지령치를 출력하는 제어 지령부를 구비하는 것을 특징으로 한다.

본 발명에 따르면, 프리셋 수단은 도금 부착량 목표치의 변경량 등에 착안하여 도금 부착량 예측 모델과 실제의 도금 부착 거동의 괴리를 보상하는 파라미터인 적응 결과와 학습 결과를 적절하게 선택하는 동시에, 프리셋 계산의 처리를 적절하게 선택하여 고정밀도인 제어 지령치를 산출한다. 또한, 도금 부착 플랜트의 안정 상태의 데이터만을 선택적으로 사용하여 적응 처리 및 학습 처리를 행함으로써, 학습 결과와 적응 결과의 타당성을 높일 수 있다.

본 발명의 도금 부착량 제어 장치를 실시하기 위한 최선의 형태에 따르면, 철강 프로세스 라인의 도금 부착량 제어에 있어서, 도금 부착량을 고정밀도화하여 품질 불량을 저감시킬 수 있다. 이하, 본 발명의 실시예에 대해 도면을 참조하면서 상세하게 설명한다.

(제1 실시예)

도1은 본 발명의 일 실시예에 의한 도금 부착량 제어 장치의 구성도를 도시한다. 도금 부착량 제어 장치(100)는 도금 플랜트(150)를 제어하여 스트립(강판)(151)에 원하는 두께의 도금을 부착시킨다.

우선, 도금 플랜트(150)에 대해 설명한다. 도금 플랜트(150)의 포트(152)에는 용융 도금이 저장되어 있고, 연속적으로 이송되어 오는 스트립(151)은 다양한 롤(154)로 지지되어 있다. 판속(V)으로 이송되어 오는 스트립(151)은, 일단 용융 도금에 침지된 후, 인상되자마자 노즐(153)로부터 고압의 기체가 불어내어져 불필요한 용융 도금을 깎아 제거함으로써 부착되는 도금의 양을 원하는 값으로 제어한다. 스트립(151)에 부착되는 도금의 양은 대체로 스트립(151)의 속도(판속), 노즐(153)로부터 불어내는 기체의 압력, 노즐 불어내기 위치에 있어서의 노즐(153)과 스트립(151)의 거리(노즐 갭)에 의해 결정된다. 이들 관계는, 예를 들어 식1로 나타낸다.

[식1]

In(W) ＝ a0 ＋ a1ㆍIn(P) ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)

여기서, W : 도금 부착량, P : 노즐의 가스압, V : 판속, D : 노즐 갭, a0 내지 a3 : 상수이다.

본 실시예에서는 식1을 도금 부착량 예측 모델이라 칭한다. 전후의 스트립은 용접점(156)에 있어서 용접에 의해 연결되어 있고, 용접점(156)은 통상, 도금 부착량 목표치의 절환 부분과 대응한다. 부착량계(155)는 실제로 부착되어 있는 도금의 양을 측정하지만, 노즐(153)로부터 수십 내지 수백 m 이격된 곳에 설치된 다. 또한, 스트립을 폭 방향으로 가로질러 평균치를 출력하는 측정 형태이므로, 현재의 P, V, D에 대응한 도금 부착량을 계측할 수 있을 때까지 1 내지 2분을 필요로 한다.

다음에, 도금 부착량 제어 장치(100)의 구성을 설명한다. 도금 부착량 제어 장치(100)는 용접점에서 접속되어 있는 각 스트립의 도금 부착량의 목표치나, 각 스트립의 길이 등의 제조 정보를 저장하고 있는 제조 정보 테이블(101)로부터 도금 목표치를 취입하고, 스트립의 변환 시에 새로운 목표치가 실현되도록 조작 단부의 제어 지령치를 계산하는 프리셋 수단(102)을 구비하고 있다. 또한, 도금 플랜트(150)로부터 스트립 속도를 취입하고, 용접점 위치를 트래킹함으로써 프리셋 수단(102)의 기동 타이밍을 생성하는 프리셋 타이밍 생성 수단(103)을 구비하고 있다. 또한, 노즐(153)의 갭이나 압력, 판속이 안정된 값을 유지하고 있고, 부착량계(155)가 검출한 부착량이 이들에 대응한 값인 것을 판별하는 안정 판별 수단(104)을 갖고 있다. 또한, 식1에 나타낸 도금 부착량 예측 모델을 갖고, 노즐(153)의 갭이나 압력, 판속 등으로부터 스트립에 부착되어 있는 도금량을 추정하는 부착량 추정 수단(105)을 갖고 있다.

또한, 부착량 추정 수단(105)의 출력과 부착량계(155)로부터의 검출치와의 차분(Wd)을 취입하고, 현재의 도금 플랜트의 상태에 있어서의 도금 부착량 예측 모델과 도금 플랜트(100)에 있어서의 도금 부착 거동과의 괴리의 정도를 산출하는 적응 수단(106)과, 적응 수단(106)의 계산 결과를 축적하는 적응 결과 기억 수단(107)을 갖고 있다. 마찬가지로, 부착량 추정 수단(105)의 출력과 부착량 계(155)로부터 검출한 값의 차분을, 대응한 도금 부착량이나 스트립 속도와 함께 취입하고, 장기간에 걸쳐서 축적하는 모델 오차 축적 수단(110)을 갖고 있다. 이 모델 오차 축적 수단(110)에 축적되어 있는 데이터를 이용하여 유사한 제어 상태에 있어서의 도금 부착량 예측 모델과 도금 플랜트(100)에 있어서의 도금 부착 거동과의 장기간에 걸치는 괴리의 정도를 획득하는 학습 수단(108)과, 학습 수단(108)의 계산 결과를 제어 상태마다 대응시켜 축적하는 학습 결과 기억 수단(109)을 구비하고 있다. 학습 수단(108)에 있어서의 유사한 제어 상태의 판정으로서, 본 실시예에서는 도금 부착량과 스트립 속도의 양쪽이 유사한 것을 지표로 하였지만, 노즐 갭이나 가스의 압력을 가하는 등, 지표로서는 다양한 조합이 고려된다. 또한, 본 실시예에서는 조작 단부가 노즐 압력(P)인 경우를 나타내지만, 조작 단부가 노즐 갭(D), 또는 노즐 압력(P)과 노즐 갭(D)의 양쪽의 경우에도 동일한 사고 방식으로 본 발명을 적용할 수 있다.

도2는 안정 판별 수단이 실행하는 처리를 도시하는 흐름도이다. 안정 판별 수단(104)은 S2-1에서 제어의 안정 상태가 강판 길이 방향으로 계속된 거리를 나타내는 트래킹의 값(L)을 초기화한다. S2-2에서 판속과 노즐 갭 중 어느 것이 변화되었는지 여부를 판정한다. 변화된 경우에는 S2-1로 복귀되어 트래킹 값(L)을 초기화한다. 변화되어 있지 않은 경우에는 S2-3에서 판속(V)에 안정 판별 수단(104)의 기동 주기(Δt)를 승산한 값을 L에 가산하여 새롭게 L로 한다. S2-4에서는 L이 노즐(153)과 부착량계(155)까지의 거리(L1), 판속(V)과 부착량계(155)가 판을 폭 방향으로 주사하는 시간(Tw)의 곱, 또한 마진(M)을 더한 값보다 큰지 여부를 판정 한다. 큰 경우에는, 도금 플랜트(150)가 충분히 장시간 안정되고, 부착량계(155)로부터의 도금 부착량 검출치가 현재의 P, V, D등과 대응하고 있는 것을 나타내고 있다. 따라서, S2-5에서 안정 판별 신호를 출력한다. 크지 않은 경우에는 S2-2로 복귀되어 S2-2 내지 S2-4의 처리를 반복한다.

도3은 부착량 추정 수단이 실행하는 처리를 도시한다. 부착량 추정 수단(105)은 S3-1에서 도금 플랜트(150)로부터 P, V, D의 실적을 취입한다. 다음에, 도금 부착량 예측 모델인 식1에 P, V, D를 대입하여 In(W)을 구하고, 이 값으로부터 P, V, D에 대응하여 부착된다고 예상되는 도금 부착량의 추정치(W)를 계산한다.

도4에 적응 수단이 실행하는 처리를 도시한다. 적응 수단(106)은 S4-1에서 부착량계의 검출치(W)와, 부착량 추정 수단(105)의 출력(W^∼)을 취입한다. S4-2에서 적응 결과 기억 수단(107)에 축적되어 있는 적응량(ΔW)을 취입하고, 식2에 의해 새로운 적응량을 산출한다.

[식2]

ΔW ← (1 － α)ㆍΔW ＋ αㆍ(W － W^∼)

단, α : 적응 게인이다. 즉 ΔW에 대해 상기한 도금 조업에서 생긴 도금 부착량 예측 모델의 출력치(W^∼)와 실제로 계측된 도금 부착량(W)의 괴리의 영향을, 일정 비율로 가산함으로써 ΔW를 갱신한다. 적응 게인(α)은 조정 파라미터이지만, 상대적으로 크게 함으로써 ΔW는 보다 가장 최근의 조업에 중점을 둔 적응량이 된다. S4-3에서 적응 결과 기억 수단(107)의 ΔW를 식2에서 구한 새로운 적응량으 로 갱신한다. 적응량 산출 방법으로서, 식2는 대표적인 식이지만, 이것 외에도 고려된다.

도5에 모델 오차 축적 수단(110)의 데이터 구성을 도시한다. 모델 오차 축적 수단(110)은 모델 오차(Wd) 외에, 모델 오차(Wd)가 산출되었을 때의 도금 부착량(W), 스트립 속도(V)를 세트로 하여 기억하고 있다. 새로운 Wd가 산출될 때마다 대응하는 3개의 데이터의 조합이 축적되지만, 일정 기간이 지난 데이터는 모델 오차 축적 수단(110)으로부터 소거된다. 데이터의 소거로서는, 일정 데이터 수에 도달한 이후, 오래된 데이터부터 소거하는 방법이라도 좋다.

도6에 학습 수단이 실행하는 처리를 도시한다. 학습 결과 기억 수단(109)은, 예를 들어 도7의 데이터 구성을 하고 있다. 즉, 도금 부착량과 판속을, 도면의 예에서는 대강 10 g/㎡ 및 10 mpm마다 층 구별하고, 각 층별마다 학습량(δWij)이 축적되어 있다. 학습 수단(108)은 S6-1에서 부착량(W)과 판속(V)의 임의의 층별에 대응한 모델 오차를, 모델 오차 축적 수단(110)으로부터 추출한다. 그리고 S6-2에서 식3에 따라서 학습량(δWij)을 산출한다.

[식3]

δWij ＝ (ΣWd)/n

단, n : 모델 오차 축적 수단(110)으로부터 추출된 상기 층별의 Wd의 개수이다. δWij로서, 데이터가 축적되어 있는 기간의 유사한 층별에 있어서의 도금 부착량 예측 모델과 실제의 도금 플랜트에 있어서의 도금 부착 거동과의 괴리를 산출할 수 있다. S6-3에서 학습 결과 기억 수단(109)의 δWij를, 식3에서 구한 새로운 학습량으로 갱신한다. S6-4에서 부착량(W)과 판속(V)의 모든 층별에 대해 학습량의 갱신이 종료된 것을 확인하여, 종료되지 않은 경우에는 S6-1 내지 S6-3을 반복한다.

도6의 예에서는 학습 결과 기억 수단(109)으로 축적하는 학습 결과를, 도금 부착량과 판속으로 층 구별하였지만, 도금 부착량과 노즐 갭, 또는 노즐 위치, 가스의 압력치 등 다른 조합으로 층 구별할 수도 있다. 또한, 학습 수단(108)의 기동 타이밍은 도금 플랜트가 운전을 정지한 타이밍, 정주기, 사용자에 의한 수동으로 부여한 타이밍에서의 기동 등 다양하게 고려된다.

도8은 프리셋 타이밍 생성 수단이 실행하는 처리를 도시한다. 프리셋 타이밍 생성 수단(103)은 S8-1에서 판속(V)을 취입한다. S8-2에서 통과 길이(L)를, 판속(V)에 프리셋 타이밍 생성 수단(103)의 기동 주기(Δt)를 승산한 값을 L에 가산하여 새로운 L로 한다. S8-3에서는 L이 제조 정보 테이블(101)로부터 취입한 상기 스트립의 길이보다 큰지 여부를 판정한다. 큰 경우에는, 다음의 스트립으로 바뀌어 도금 부착량 목표치가 변경이 되는 타이밍이므로, S8-4에서 프리셋 수단(102)에 프리셋 타이밍을 출력한다. 또한, 통과 길이(L)를 클리어한다. 작은 경우에는 S8-1로 복귀되어 S8-1 내지 S8-3의 처리를 반복한다.

도9에 프리셋 수단이 실행하는 처리를 도시한다. 프리셋 수단(102)은 프리셋 타이밍 생성 수단(103)으로부터 기동 타이밍을 수신하고, 다음의 프리셋의 도금 부착량 목표치를 실현하는 노즐 압력(P)을 산출하는 처리를 개시한다. 우선, S9-1에서 도금 플랜트(150)로부터 V, D를, 또한 제조 정보 테이블(101)로부터 다음 스 트립의 도금 부착량 목표치(W*), 현재 스트립의 도금 부착량 목표치(Wpre*)를 취입한다. S9-2에서는 W*과 Wpre*의 차가 미리 정해진 일정치(Wth) 이하인지 여부를 판정한다.

Wth 이하인 경우에는 금회와 차회의 도금 부착량 목표치에 큰 차이가 없어, 유사한 동작점에서 도금 제어를 계속할 수 있으므로, 현재의 도금 플랜트의 상태에 있어서의 도금 부착량 예측 모델과 도금 플랜트(100)에 있어서의 도금 부착 거동과의 괴리를 보상함으로써 고정밀도인 제어를 행할 수 있다. 그래서 S9-3에서 적응 결과 기억 수단(107)으로부터 적응량(ΔW)을 취입한다. 그리고, S9-4에서 도금 부착량 예측 모델을 ΔW로 보상하여 프리셋 제어의 조작량(P)을 산출한다. 즉, 식1을 노즐 압력에 대해 해결한 후, W 대신에 W － ΔW를 이용함으로써 도금 부착량 예측 모델이 현재의 도금 부착 특성에 대해 갖고 있다고 예상되는 모델 오차를 보상하고, 식4에 의해 In(P)을 산출한다.

[식4]

In(P) ＝ {In(W* － ΔW) － [a0 ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)]}/a1

여기서, W* : 다음 스트립의 도금 부착량 목표치, ΔW : 적응량, V : 라인 속도, D : 노즐 갭, P : 노즐의 가스압, a0 내지 a3 : 상수이다. 우변에 값을 대입하여 In(P)을 구한 후, 노즐 압력(P)으로 변환한다.

한편, S9-2에서 W*과 Wpre*의 차가 미리 정해진 일정치(Wth) 이하가 아닌 경우에는 금회와 차회의 도금 부착량 목표치에 큰 차가 있다. 이로 인해, 현재의 도금 플랜트의 상태에 있어서의 도금 부착량 예측 모델과 도금 플랜트(100)에 있어서 의 도금 부착 거동과의 괴리에 착안해도 유의한 보상을 행할 수 없고, 보편적인 괴리에 착안하여 제어한 쪽이 유효한 경우가 많다. 그래서, S9-5에서 도금 부착량의 목표치와 현재 판속의 층별에 대응한 학습 결과(δWij)를, 학습 결과 기억 수단(108)으로부터 취입한다. 그리고, S9-6에서 도금 부착량 예측 모델을 δWij로 보상하고, 식5에 의해 프리셋 제어의 조작량(P)을 산출한다.

[식5]

In(P) ＝ {In(W* － δWij) － [a0 ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)]}/a1

여기서, W* : 다음 스트립의 도금 부착량 목표치, δWij : 학습량, V : 라인 속도, D : 노즐 갭, P : 노즐의 가스압, a0 내지 a3 : 상수이다. 우변에 값을 대입하여 In(P)을 구한 후, 노즐 압력(P)으로 변환한다. S9-6에서 산출한 P를 도금 플랜트(150)에 출력한다.

(제2 실시예)

도10은 본 발명의 제2 실시예에 의한 도금 부착량 제어 장치의 구성을 도시한다. 본 실시예에서는 제1 실시예의 모델 오차 축적 수단(110)을 구비하지 않고, 학습 수단(1101)은 Wd를 취입할 때마다 축차 계산에서δWij를 산출하여 학습 결과 기억 수단(109)의 기억 내용을 갱신한다.

도11은 학습 수단이 실행하는 처리를 도시한다. 본 실시예에서 학습 수단(1001)은 부착량 추정 수단(105)이 새로운 부착량을 추정할 때마다 차례로 실행된다. S11-1에서 부착량계의 검출치(W)와, 부착량 추정 수단(105)의 출력(W^~) 및 판속(V)을 취입한다. 본 예에서는 도금 부착량과 판속을 대강 10 g/㎡ 및 10 mpm마다 층 구별하고, 각 층별마다 학습량(δWij)이 축적되어 있다. S11-2에서 부착량과 판속의 해당값인 V와 W에 대응한 학습 결과 기억 수단(109)의 층별로 축적되어 있는 학습량(δWij)을 취입하고, 식6에서 새로운 학습량(δWij)을 산출한다.

[식6]

δWij ← [ηㆍδWij ＋ βㆍ(W － W^~)]/(η ＋ β)

단, β : 학습 게인, η : 망각 계수이다. 학습 게인(β)은 식2의 α에 비해 작은 값이다. 이와 같이 하여 가장 최근의 Wd의 영향을 작게 함으로써 동일한 층별에서 생긴 도금 부착량 예측 모델의 출력치와 실제로 계측된 도금 부착량의 괴리를 장기간에 걸쳐서 학습에 의해 획득할 수 있다. 이 결과, 도금 부착량 예측 모델의 출력치와 실제로 계측된 도금 부착량의 보편적인 괴리를 추출할 수 있다. 또한, η는 망각 계수이고, 현재 학습량의 정보를 어느 정도의 시상수로 상실할지를 조정한다. 학습 속도는 β와 η의 상대 관계로 결정된다. S11-3에서 학습 결과 기억 수단(109)의 δWij를 식6에서 구한 새로운 학습량으로 갱신한다. 학습량의 계산식으로서 식6은 일 예이고, 이 밖에도 다양하게 고려된다.

(제3 실시예)

도12는 제3 실시예에 의한 도금 부착량 제어 장치의 구성을 도시한다. 본 실시예에서는 제2 실시예의 프리셋 수단(102) 대신에, 다른 수식으로 제어 지령의 계산을 행하는 제1 프리셋 수단(1201)과 제2 프리셋 수단(1202)을 갖는 프리셋 수 단(1200)을 구비하고 있다.

도13에 프리셋 수단이 실행하는 처리를 도시한다. 프리셋 수단(1200)은, 우선 S13-1에서 도금 플랜트(150)로부터 판속(V), 노즐 갭(D) 외에, 현재의 노즐 압력 설정치인 Pcur을, 또한 제조 정보 테이블(101)로부터 다음 스트립의 도금 부착량 목표치(W*), 현재 스트립의 도금 부착량 목표치(Wpre*)를 취입한다. S13-2에서는 W*과 Wpre*의 차가 미리 정해진 일정치(Wth) 이하인지 여부를 판정한다.

Wth 이하인 경우에는 유사한 동작점에서 도금 제어를 계속할 수 있으므로, S13-3에서 제1 프리셋 수단(1201)을 기동하고, 또한 적응 결과 기억 수단(107)으로부터 적응량(ΔW)을 취입한다. S13-4에서는 현재의 노즐 압력 지령치(Pcur)를 기초로, 부착량 목표치의 변경분에 상당하는 압력의 변경분을 가감산함으로써 노즐 압력의 지령치를 상대적으로 산출한다. 또한, 계산에 이용하는 도금 부착량 예측 모델을, 적응량(ΔW)을 이용하여 보상함으로써 제어 지령치를 고정밀도화한다. 구체적으로는, S13-4에서는 식7에 따라서 제어 지령치의 산출을 행한다.

[식7]

P ＝ Pcur ＋ f^-1(W* － ΔW, V, D)－ f^-1(Wpre* － ΔW, V, D)

여기서, In[f^-1(W, V, D)] ＝ {In(W) － [a0 ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)]}/a1, W* : 다음 스트립의 도금 부착량 목표치, Wpre* : 현재 스트립의 도금 부착량 목표치, ΔW : 적응량, V : 라인 속도, D : 노즐 갭, P : 노즐의 가스압, a0 내지 a3 : 상수이다.

한편, S13-2에서 W*과 Wpre*의 차가 미리 정해진 일정치(Wth) 이하가 아닌 경우에는 금회와 차회의 도금 부착량 목표치에 큰 차가 있어 제어의 동작점이 이격되어 있다. 이로 인해, 현재 도금 플랜트의 상태에 착안해도 유효한 보상을 행할 수 없어, 도금 부착량 예측 모델과 도금 플랜트(150)의 도금 부착 거동과의 보편적인 괴리에 착안하여 도금 부착량 예측 모델을 보상할 필요가 있다. 그래서, S13-5에서 도금 부착량의 목표치와 현재 판속의 층별에 대응한 학습량(δWij)을, 학습 결과 기억 수단(108)으로부터 취입한다. 그리고, S13-6에서 도금 부착량 예측 모델을 δWij로 보상하여 제어 지령치를 고정밀도화한다. 구체적으로는, S13-6에서는 식8에 의해 제어 지령치의 산출을 행한다.

[식8]

P ＝ f^-1(W* － δWij, V, D)

여기서, In[f^-1(W, V, D)] ＝ {In(W) － [a0 ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)]}/a1, W* : 다음 스트립의 도금 부착량 목표치, δWij : 학습량, V : 라인 속도, D : 노즐 갭, P : 노즐의 가스압, a0 내지 a3 : 상수이다. 최종적으로 계산된 가스압의 제어 지령치는 S13-7에서 제어 대상(150)에 출력된다.

(제4 실시예)

다음에, 본 발명의 제4 실시예를 나타낸다. 도14는 본 실시예의 프리셋 수단이 실행하는 처리를 도시한다. 제1 실시예와의 차이는 S14-6에서 도금 부착량 예측 모델을 δWij로 보상하여 산출한 압력을 기준의 압력 지령치로 하여 부착량 목표치의 변경분에 상당하는 압력의 변경분을 가감산함으로써 프리셋 제어에 있어서의 노즐 압력의 지령치를 상대적으로 산출하는 것이다. 또한, 압력 변경분의 계산에 이용하는 도금 부착량 예측 모델을, 적응량(ΔW)을 이용하여 보상함으로써 제어 지령치를 고정밀도화한다.

구체적으로 S14-6에서는 식9에 따라서 제어 지령치의 산출을 행한다. 우변 제1항이 기준의 압력 지령치, 또한 제2항으로부터 제3항을 감산함으로써 압력의 변경분을 계산하고 있다.

[식9]

P ＝ f^-1(W* － δWij, V, D) ＋ f^-1(W* － ΔW, V, D) － f^-1(Wpre* － ΔW, V, D)

여기서, In[f^-1(W, V, D)] ＝ {In(W) － [a0 ＋ a2ㆍIn(V) ＋ a3ㆍIn(D)]}/a1, W* : 다음 스트립의 도금 부착량 목표치, Wpre* : 현재 스트립의 도금 부착량 목표치, ΔW : 적응량, δWij : 학습량, V : 라인 속도, D : 노즐 갭, P : 노즐의 가스압, a0 내지 a3 : 상수이다. 최종적으로 계산된 가스압의 제어 지령치는 S14-7에서 제어 대상(150)에 출력된다.

(제5 실시예)

다음에, 본 발명의 제5 실시예를 나타낸다. 도15는 본 실시예의 프리셋 수단이 실행하는 처리를 도시한다. 본 실시예에서는 S15-2에서 프리셋의 처리를 선택할 때에 다음 스트립의 도금 부착량 목표치(W*)와 현재 스트립의 Wpre*의 차가 미리 정해진 일정치(Wth1) 이상인지 여부 외에, 다음 스트립의 도금 부착량 목표치(W*)가 일정치(Wth2) 이상인지를 판정한다. 양쪽을 만족시키고 있는 경우에 한하여 S15-5로 진행되고, 그 이외의 경우에는 S15-3으로 진행된다. 이하, 제1 실시예와 동일한 처리를 행한다. 이와 같이, 프리셋 처리의 선택 기준으로서는, 다음 스트립의 도금 부착량 목표치와 현재 스트립의 도금 부착량 목표치의 차, 도금 부착량 목표치의 절대치, 스트립 속도, 노즐 위치 등 다양한 조건이 고려된다.

(제6 실시예)

다음에, 본 발명의 제6 실시예를 나타낸다. 도16은 학습 결과 기억 수단의 데이터 구성을 도시한다. 본 실시예의 학습 결과는 식1의 도금 부착량 예측 모델의 a0 내지 a3의 파라미터로서 획득된다. 파라미터의 갱신은 차례로 최소 제곱법으로 행하면 좋고, 제2 실시예와 동일한 타이밍에 도금 부착량 예측 모델의 a0 내지 a3을 산출하는 계산을 할 때마다 행하여 학습 결과 기억 수단(1601)에 축적한다. 본 실시예에서 프리셋 수단(102)은 δWij로 도금 부착량 예측 모델을 보정하는 대신에, 학습 결과 기억 수단(1601)의 해당 층별로 축적되어 있는 a0 내지 a3을 이용하여 식10에 따라서 가스압의 제어 지령치를 산출한다.

[식10]

In(P) ＝ {In(W*) － [a0 ＋ a2 ㆍIn(V) ＋ a3ㆍIn(D)]}/a1

축차 최소 제곱법에 대해서는 많은 문헌에서 참조할 수 있지만, 예를 들어 『최소 제곱법의 이론과 응용[타지마 미노루, 고마키 카즈오, 도요 서점(1986)]』에 상세하게 서술되어 있다.

이상, 각 실시예에 설명한 본 발명은 철강의 프로세스 라인에 있어서의 도금 부착량 제어에 널리 적용할 수 있다.

도1은 본 발명의 도금 부착량 제어 장치의 제1 실시예를 나타낸 구성도.

도2는 안정 판별 수단의 처리를 도시하는 흐름도.

도3은 부착량 추정 수단의 처리를 도시하는 흐름도.

도4는 적응 수단의 처리를 도시하는 흐름도.

도5는 모델 오차 축적 수단의 데이터 구성도.

도6은 학습 수단의 처리를 도시하는 흐름도.

도7은 학습 결과 기억 수단의 데이터 구성도.

도8은 프리셋 타이밍 생성 수단의 처리를 도시하는 흐름도.

도9는 프리셋 수단의 처리를 도시하는 흐름도.

도10은 도금 부착량 제어 장치의 제2 실시예를 나타낸 구성도.

도11은 제2 실시예에 의한 학습 수단의 처리를 도시하는 흐름도.

도12는 도금 부착량 제어 장치의 제3 실시예를 나타내는 구성도.

도13은 제3 실시예의 프리셋 수단의 처리를 도시하는 흐름도.

도14는 제4 실시예의 프리셋 수단의 처리를 도시하는 흐름도.

도15는 제5 실시예의 프리셋 수단의 처리를 도시하는 흐름도.

도16은 제6 실시예의 학습 결과 기억 수단의 데이터 구성도.

<도면의 주요 부분에 대한 부호의 설명>

100 : 도금 부착량 제어 장치

101 : 제조 정보 테이블

102 : 프리셋 수단

103 : 프리셋 타이밍 생성 수단

104 : 안정 판별 수단

105 : 부착량 추정 수단

106 : 적응 수단

107 : 적응 결과 기억 수단

108 : 학습 수단

109, 1601 : 학습 결과 기억 수단

150 : 제어 대상

151 : 스트립(강판)

153 : 노즐

155 : 부착량계

1200 : 프리셋 수단

1201 : 제1 프리셋 수단

1202 : 제2 프리셋 수단

Claims

연속적으로 이송되어 오는 스트립을 용융 도금의 욕조에 침지하고, 인상되자마자 노즐로부터 고압의 가스를 불어내어, 불필요한 도금을 제거함으로써 스트립에 원하는 두께의 도금을 부착시키는 도금 플랜트로부터 실적 신호를 수신하고, 도금 부착량을 제어하기 위한 제어 신호를 도금 플랜트로 송신하는 도금 부착량 제어 장치에 있어서,

스트립 속도, 가스의 압력, 노즐 불어내기 위치(노즐 위치)에 있어서의 노즐과 스트립의 거리(노즐 갭) 등과 이 결과 부착되는 도금 부착량의 관계를 기술한 도금 부착량 예측 모델과, 스트립 속도, 가스의 압력, 노즐 갭 등의 실적을 취입하고, 상기 도금 부착량 예측 모델을 이용하여 도금 부착량을 추정하는 부착량 추정부와, 상기 부착량 추정부의 출력과 가장 최근의 조작으로 실제로 부착되어 있는 도금 부착량으로부터 제어 모델과 실제의 도금 부착 거동의 괴리의 정도를 구하고, 상기 괴리의 정도를 이용하여 도금 부착량 예측 모델을 가장 최근의 도금 플랜트의 상태에 가깝게 하기 위한 적응량을 산출하는 적응 연산부와, 산출된 적응량을 기억하는 적응 결과 기억부와, 상기 부착량 추정 연산부의 출력과 실제로 부착된 도금 부착량의 실적치의 오차를 도금 플랜트의 조업 상태의 유사성에 착안한 층별마다 학습하는 학습부와, 학습 결과인 학습량을 기억하는 학습 결과 기억부와, 상기 도금 부착량 예측 모델을 기초로 하여 플랜트의 제어 지령치를 출력하는 제어 지령부를 구비하는 것을 특징으로 하는 도금 부착량 제어 장치.
제1항에 있어서, 상기 제어 지령치는 가스 압력의 지령치 또는 노즐 위치의 지령치 중 적어도 한쪽이고, 상기 플랜트의 조업 상태의 유사성과는, 도금 부착량, 스트립 속도, 가스의 압력, 노즐 위치 또는 노즐 갭 중 적어도 하나가 유사한 것을 특징으로 하는 도금 부착량 제어 장치.
제2항에 있어서, 상기 제어 지령부는 도금 부착량의 목표치가 변경되었을 때, 상기 적응 결과 기억부와 상기 학습 결과 기억부 중 적어도 한쪽 내용을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 도금 부착량 예측 모델을 이용하여 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하는 것을 특징으로 하는 도금 부착량 제어 장치.
제3항에 있어서, 상기 제어 지령부는 현재 스트립의 도금 부착량 목표치와 다음의 스트립을 위한 도금 부착량 목표치의 차분을 계산하고, 상기 차분과 미리 정해진 소정치의 대소 관계에 의해 상기 적응 결과 기억부의 적응량과 상기 학습 결과 기억부의 학습량 중 어느 것을 이용하여 상기 도금 부착량 예측 모델을 보정할지를 결정하는 것을 특징으로 하는 도금 부착량 제어 장치.
제4항에 있어서, 상기 제어 지령부는 현재 스트립의 도금 부착량 목표치와 다음의 스트립을 위한 도금 부착량 목표치의 차분을 계산하여, 상기 차분이 작을 때에는 상기 적응 결과 기억부의 적응량을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 도금 부착량 예측 모델을 이용하여 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하고, 차분이 클 때에는 상기 학습 결과 기억부의 학습량을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 도금 부착량 예측 모델을 이용하여 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하는 것을 특징으로 하는 도금 부착량 제어 장치.
제1항에 있어서, 상기 제어 지령부는 현재의 제어 지령치에 다음 스트립의 도금 부착량 목표치를 이용하여 산출한 제어 지령치를 가산하고, 또한 현재 스트립의 도금 부착량 목표치를 이용하여 산출한 제어 지령치를 감산하여 최종적인 제어 지령치를 산출하는 제1 프리셋 연산부와, 다음 스트립의 도금 부착량 목표치로부터 상기 도금 부착량 예측 모델을 이용하여 제어 지령치를 산출하는 제2 프리셋 연산부를 갖고,

변경 전의 도금 부착량 목표치와 변경 후의 도금 부착량 목표치의 차분이 작을 때에는 상기 적응 결과 기억부의 적응량을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 도금 부착량 예측 모델을 이용하여 상기 제1 프리셋 연산부에서 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하고, 상기 차분이 클 때에는 상기 학습 결과 기억부의 학습량을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 도금 부착량 예측 모델을 이용하여 제2 프리셋 연산부에 의해 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하는 것을 특징으로 하는 도금 부착량 제어 장치.
제1항에 있어서, 상기 제어 지령부는 현재의 제어 지령치에 다음 스트립의 도금 부착량 목표치를 이용하여 산출한 제어 지령치를 가산하고, 또한 현재 스트립의 도금 부착량 목표치를 이용하여 산출한 제어 지령치를 감산하여 최종적인 제어 지령치를 산출하는 제1 프리셋 연산부와, 다음 스트립의 도금 부착량 목표치에 상기 학습 결과 기억 수단의 학습량으로 보정한 도금 부착량 예측 모델을 이용하여 산출한 제어 지령치, 다음 스트립의 도금 부착량 목표치에 상기 적응 결과 기억 수단의 적응량으로 보정한 도금 부착량 예측 모델을 이용하여 산출한 제어 지령치, 현재 스트립의 도금 부착량 목표치에 상기 적응 결과 기억 수단의 적응량으로 보정한 도금 부착량 예측 모델을 이용하여 산출한 제어 지령치의 3개의 값으로부터 최종적인 제어 지령치를 산출하는 제2 프리셋 연산부를 갖고,

변경 전의 도금 부착량 목표치와 변경 후의 도금 부착량 목표치의 차분이 작을 때에는, 상기 제1 프리셋 연산부에 의해 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하고, 상기 차분이 클 때에는 상기 제1 프리셋 연산부에서 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하는 것을 특징으로 하는 도금 부착량 제어 장치.
제1항에 있어서, 상기 제어 지령부는 현재 스트립의 도금 부착량 목표치와 다음 스트립의 도금 부착량 목표치의 차분, 다음 스트립의 도금 부착량 목표치, 스 트립 속도 또는 노즐 위치 중 적어도 하나에 착안하여, 상기 적응 결과 기억부의 적응량과 상기 학습 결과 기억부의 학습량 중 어느 것을 이용하여 상기 도금 부착 예측 모델을 보정할지를 결정하는 것을 특징으로 하는 도금 부착량 제어 장치.
제8항에 있어서, 상기 제어 지령부는 현재 스트립의 도금 부착량 목표치와 다음 스트립의 도금 부착량 목표치의 차분, 다음 스트립의 도금 부착량 목표치, 스트립 속도 또는 노즐 위치 중 적어도 하나에 착안하여, 상기 적응 결과 기억부의 적응량과 상기 학습 결과 기억부의 학습량 중 어느 것을 이용하여 상기 도금 부착 예측 모델을 보정할지를 결정하는 동시에, 상기 제1 프리셋 연산부와 제2 프리셋 연산부 중 어느 것을 선택할지 결정하는 것을 특징으로 하는 도금 부착량 제어 장치.
연속적으로 이송되어 오는 스트립을 용융 도금의 욕조에 침지하고, 인상되자마자 노즐로부터 고압의 가스를 불어내어, 불필요한 도금을 제거함으로써 스트립에 원하는 두께의 도금을 부착시키는 도금 플랜트에 있어서,

스트립 속도, 가스의 압력, 노즐 위치에 있어서의 노즐과 스트립의 거리(노즐 갭) 등과 도금 부착량의 관계를 기술한 도금 부착량 예측 모델을 이용하여 스트립 속도, 가스의 압력, 노즐 갭 등의 실적으로부터 도금 부착량을 추정하고, 이 추정 결과와 가장 최근의 조업에서 실제로 부착되어 있는 도금 부착량으로부터 도금 부착량 예측 모델과 실제의 도금 부착 거동의 괴리의 정도를 구하고, 상기 괴리의 정도를 이용하여 도금 부착량 예측 모델을 가장 최근의 도금 플랜트 상태에 가깝게 하기 위한 적응량을 산출하여 기억하고, 병행하여 상기 추정 결과와 실제로 부착된 도금 부착량의 실적치와의 장기간에 걸치는 평균적인 편차를 도금 플랜트의 조업 상태의 유사성에 착안한 층별마다 학습량으로서 기억하고, 도금 부착량의 목표치가 변경되었을 때, 적응량과 학습량 중 적어도 한쪽을 내용을 이용하여 상기 도금 부착량 예측 모델을 보정하고, 보정한 제어 모델을 이용하여 원하는 도금 부착량을 얻기 위한 제어 지령치를 산출하는 것을 특징으로 하는 도금 부착량 제어 방법.