KR101223808B1

KR101223808B1 - 열연강판 냉각공정의 냉각수 유량설정방법

Info

Publication number: KR101223808B1
Application number: KR1020100136832A
Authority: KR
Inventors: 정창규
Original assignee: 주식회사 포스코
Priority date: 2010-12-28
Filing date: 2010-12-28
Publication date: 2013-01-17
Also published as: KR20120074863A

Abstract

본 발명은 열연강판 냉각공정 시 목표냉각종료온도를 적중시키기 위해 냉각수 유량을 고정도로 제어하는 방법에 관한 것으로, 열연강판 냉각공정의 냉각수 유량 설정에 있어서, 냉각모델에서 계산된 냉각수 유량을 자동으로 미세 조정하는 방법은 선공정의 변동을 반영하는 피드-포워드 제어 단계와 가속냉각공정의 변동을 반영하는 피드백 제어 단계로 구성되며, 피드-포워드 제어 단계에서는 가열로 및 압연공정의 공정변수 중 냉각종료온도에 영향을 미치는 인자를 추출하여 뉴럴-네트워크 학습모델로 제어하고, 피드백 제어 단계에서는 가속냉각 종료 후 지시냉각종료온도와 실측냉각종료온도의 차를 보상하는 알고리즘으로 제어한다.
본 발명에 따르면, 열연강판의 냉각시 냉각모델을 보완하는 학습모델을 사용함으로써 미세유량조정이 자동으로 가능하게 된다. 학습모델은 냉각모델이 고려하지 못하는 공정 변동의 영향이 고려되도록 설계되므로, 냉각종료온도 제어 정도를 높여 결과적으로 강판의 재질불량을 줄일 수 있다. 또한 자체 재학습 기능을 통하여 주기적으로 모델을 업데이트 하므로, 유지관리에 노력이 적게 드는 장점이 있다.

Description

열연강판 냉각공정의 냉각수 유량설정방법{Method for setting up cooling water flux in cooling process of hot rolling steel plate}

본 발명은 열연강판의 냉각공정 시 냉각수 유량 설정에 관한 것으로, 특히 냉각모델에서 계산된 냉각수 유량을 미세 조정하여 냉각종료온도 적중률을 높이는 방법에 관한 것이다.

종래에는 냉각설비의 설정 값을 결정하는 냉각모델이 있고, 이 냉각모델에서 압연이 종료된 고온의 강판을 지시냉각종료온도까지 냉각시키기 위한 기본 냉각수 유량을 계산한다. 그리고 이 값을 기준으로 실제 조업 시에 엔지니어나 작업자가 관여하여 미세 유량을 튜닝하는 방법을 사용하고 있다.

냉각모델은 강판의 냉각현상을 1차원 열전달 방정식을 사용하여 간략화한 것으로서, 냉각 대상판의 재질, 두께, 초기온도가 주어졌을 때, 어떤 특정 온도까지 냉각시키기 위해 필요한 냉각수 유량을 반복계산을 통해 찾아낸다. 이때 경계조건으로 냉각수온과 판 이송속도가 고려되게 된다. 이러한 유량 설정방법은 비교적 짧은 시간에 참값에 근접한 해를 얻을 수 있기 때문에 온라인작업에서 많이 사용되고 있으나, 간략화하는 과정에서 여러 가지 가정이 들어가므로 오차가 발생하게 된다. 또한 실제 냉각현상에는 많은 인자들이 관여하지만, 냉각모델에서는 물리수식으로 구성이 가능한 일부 변수만을 입력 값으로 사용할 수 밖에 없다. 이 중에서도 압연공정 중에 측정되는 변수(압연종료온도 등)들은 압연에서 냉각공정까지 시간이 짧은 이유로 직접적으로 냉각모델에서는 사용이 불가능하고, 지시 값이나 압연모델에 의해 계산된 값을 사용해야 하므로 냉각모델에 사용되는 변수들의 오차도 클 수 밖에 없다.

그리고 공정 중에 측정이 되거나 계산이 가능한 인자는 오차가 있더라도 모델에 반영을 할 수 있으나, 설비의 변동이나 주변 환경의 변동과 같이 직접적으로 측정이 불가능하거나 공정과의 상관관계가 알려지지 않은 인자들도 다수 존재하기 때문에, 이것들은 그때그때 사람의 경험에 의해 판단하여 냉각 설정 값을 조정하는 방법으로 오차를 보정하고 있다. 하지만 이 방법 또한 조업자의 특성에 따라 결과가 일정하지 않고, 어떤 특수한 경우에 있어서 튜닝이 최적화 되었더라도, 일시적으로만 그 효과가 유지될 뿐, 공정은 지속적으로 변동이 생기므로 또다시 최적 조건을 찾는 일을 되풀이 해야 하는 어려움이 있다.

본 발명은 상기의 문제점을 해결하기 위하여 제안된 것으로, 기존의 냉각모델에서 설정하는 냉각수 유량의 오차를 자동으로 보정하는 방법을 제공하는 것을 목적으로 한다. 이를 위하여 냉각모델에서 고려하지 못하는 여러 공정 변수와 설비 변수들의 변동을 학습함으로써, 이러한 인자들이 냉각조건에 미치는 영향을 정량적으로 예측하여 유량 조정에 반영되게 하고, 또한 주기적인 자동학습을 통해 유지관리가 최소화되는 방법을 고안하였다. 이 방법을 통하여 강판의 냉각종료온도 예측 적중률을 높여 냉각에 의한 재질불량을 최소화하고자 한다.

본 발명은 상기 목적을 달성하기 위해, 냉각종료온도를 포함하는 지시값을 바탕으로 1차 냉각수 유량을 계산하는 냉각모델 단계; 가열로 및 압연공정을 포함하는 선공정의 변동을 학습하여 1차 냉각수 유량을 조정하는 피드-포워드 제어 단계; 및 냉각공정의 변동을 반영하여 피드-포워드 제어 단계에서 조정된 냉각수 유량을 재조정하는 피드백 제어 단계를 포함하는, 열연강판 냉각공정의 냉각수 유량설정방법을 제공한다.

본 발명에서 피드-포워드 제어 단계에서는 뉴럴-네트워크 학습모델을 사용하며, 피드백 제어 단계에서는 목표냉각종료온도와 실측냉각종료온도의 편차를 보상하여 냉각수 유량을 조정하는 피드백 알고리즘을 사용할 수 있다.

본 발명에서 냉각모델, 피드-포워드 제어 및 피드백 제어는 설비 제어 PC에 들어가는 일종의 프로그램 및/또는 회로일 수 있으며, 예를 들어 냉각모델은 별도의 프로그램이고, 피드-포워드 제어 및 피드백 제어는 하나의 프로그램으로 통합될 수 있다.

본 발명에서는 냉각수 유량 조정을 2단계로 분리하여, 냉각종료온도의 큰 오차는 피드-포워드 제어가 담당하고, 작은 오차는 피드백 제어가 담당하도록 하이브리드로 구성할 수 있다.

본 발명에서 뉴럴-네트워크 학습모델은 기존의 조업데이터를 사용하여 학습을 실시하고, 입력을 목표냉각종료온도, 출력을 냉각수 유량으로 구성하여 냉각수 유량조정값을 산출할 수 있다.

본 발명에서는 학습주기를 설정하고, 이에 따라 최근의 조업데이터를 누적하여 학습함으로써, 자동으로 학습모델이 업데이트 되도록 구성할 수 있다.

본 발명의 피드백 알고리즘에서 냉각종료온도차범위값을 설정하여 냉각종료온도차가 냉각종료온도차범위값을 벗어나는 경우에만 피드백 제어가 동작하게 할 수 있다.

본 발명의 피드백 알고리즘에서 목표냉각종료온도차와 냉각종료온도차범위값을 설정하고, 강종에 따라 목표냉각종료온도차와 냉각종료온도차범위값을 다르게 설정할 수 있다.

본 발명에 따르면, 열연 강판의 냉각 시 냉각수 유량을 자동으로 조정하게 되어 수동개입이 최소화되고, 2단계에 걸쳐 유량을 조정하므로 강판의 냉각종료온도와 목표종료온도의 제어 정도를 높이게 되어 제품의 재질 불량을 최소화할 수 있다.

또한, 본 발명에서 사용된 모델은 주기적으로 자동 재학습이 되므로 유지관리에 노력이 크게 줄어든다.

또한, 새로운 강종 개발 시 공정조건을 찾을 경우나, 최적 공정조건을 찾기 위해 실시되는 많은 실험을 줄일 수 있으므로 생산성 향상에 기여할 수 있다.

도 1은 본 발명이 적용되는 열연공정의 개념도이다.
도 2는 본 발명에 따른 유량설정방법의 구성도이다.
도 3은 본 발명에 따른 냉각종료온도 예측 값과 실측 값을 비교한 그래프이다.

이하, 첨부 도면을 참조하여 본 발명을 상세하게 설명한다.

도 1은 본 발명이 적용되는 열연공정의 개념도로서, 철강 생산공정은 크게 제선 공정, 제강 공정, 연주 공정, 압연 공정으로 나뉜다. 이 중에서 압연은 연주 공정에서 생산된 슬라브 등을 회전하는 여러 개의 롤 사이를 통과시켜 연속적인 힘을 가함으로써 늘리거나 얇게 만드는 과정을 말한다. 이 압연공정은 크게 열간 압연과 냉간 압연의 두 가지 방법으로 나뉜다.

도 1에 도시된 바와 같이, 열간 압연(열연) 공정은 가열로(101)에서 슬라브를 압연하기에 적당한 온도(1,100 내지 1,300℃)까지 가열한 후, 압연기(102)를 이용하여 원하는 두께와 폭으로 압연하는 공정을 말한다.

통상적으로 열간 압연기(102)에서 압연된 강판은 목적하는 기계적 성질을 얻기 위해 온도 제어되는 냉각기(103)에 의해 냉각된다. 냉각기(103)는 도 1에 도시된 바와 같이, 압연기(102)의 후단에 설치되고, 예를 들어 활주로와 같이 열연 강판이 활주할 수 있도록 회전 롤이 붙어 있는 테이블과, 그 상부에 설치되어 주수하는 냉각 헤더로 이루어질 수 있으며, 강판이 테이블을 따라 이동될 때 상부의 냉각 헤더에서 정해진 양의 물이 흘러나와 코일을 냉각한다.

이때, 냉각 헤더의 주수량은 목표하는 강판 온도에 따라 결정되며, 이러한 수냉 시의 주수량 결정은 강판의 성질을 결정하는데 중요한 요소가 된다.

도 2는 본 발명에 따른 유량설정방법의 구성도로서, 본 발명에 따라 열연강판 냉각공정 시 목표냉각종료온도를 적중시키기 위해 냉각수 유량을 고정도로 제어하는 방법은, 열연강판 냉각공정(203)의 냉각수 유량 설정에 있어서, 냉각모델(202)에서 계산된 냉각수 유량을 자동으로 미세 조정하는 방법으로서, 선공정의 변동(204)을 반영하는 피드-포워드 제어(205) 단계와 가속냉각공정의 변동을 반영하는 피드백 제어(206) 단계로 구성된다.

피드-포워드 제어(205) 단계에서는 가열로 및 압연공정의 공정변수(204) 중 냉각종료온도에 영향을 미치는 인자를 추출하여 뉴럴-네트워크 학습모델로 제어하며, 피드백 제어(206) 단계에서는 가속냉각 종료 후 지시냉각종료온도와 실측냉각종료온도의 차를 보상하는 알고리즘으로 제어한다.

이와 같이, 열연강판의 냉각 시 냉각모델을 보완하는 학습모델을 사용함으로써 미세유량조정이 자동으로 가능하게 된다. 학습모델은 냉각모델이 고려하지 못하는 공정 변동의 영향이 고려되도록 설계되므로, 냉각종료온도 제어 정도를 높여 결과적으로 강판의 재질불량을 줄일 수 있다. 또한 자체 재학습 기능을 통하여 주기적으로 모델을 업데이트 하므로, 유지관리에 노력이 적게 드는 장점이 있다.

도 2에 도시된 바와 같이, 본 발명에 따른 유량설정방법은 강종, 크기, 냉각시작온도, 냉각종료온도, 냉각속도와 같은 지시값(201)을 바탕으로 냉각수 유량을 1차적으로 계산하는 냉각모델(202) 단계, 선공정의 변동(204)을 반영하는 피드-포워드 제어(205) 단계, 가속냉각공정의 변동을 반영하는 피드백 제어(206) 단계로 구성된다.

냉각모델(202)은 1차원 열전달 해석 모델을 수식으로 간략화하는 1차원 열전달 해석 프로그램으로서, 이를 이용하여 각 강종의 원하는 재질을 얻는데 필요한 냉각조건(냉각속도와 냉각종료온도)을 맞추도록 필요한 냉각수 유량을 계산한다. 이러한 냉각모델은 공지된 것으로서, 구체적인 설명을 생략한다.

1차적으로 모델에서 계산한 냉각수 유량은 피드-포워드 제어(205)와 피드백 제어(206)에 의해 2단계에 거쳐 미세조정이 이루어지고, 이 유량이 최종적으로 냉각공정(203)의 설정값으로 된다. 해당 판의 냉각이 종료되면 냉각종료온도가 수집되고, 냉각종료온도편차(지시종료온도-실측종료온도)는 피드백 제어(206) 단계로 피드백된다.

피드-포워드 제어(205)는 뉴럴-네트워크 학습모델로 구성되며, 가열로 및 압연공정의 공정변수 중 냉각종료온도에 영향을 미치는 인자를 입력 값으로 사용한다.

피드-포워드 제어(feed-forward control)는 일어날 만한 변화의 원인을 검출하여 이를 미연에 예방하기 위해 작동시키는 제어를 말하며, 일종의 예측 제어로서 외란(disturbance)에 대한 프로세스의 동특성(dynamic characteristic)을 미리 알고 있을 필요가 있다. 미리 정해놓은 순서에 따라서 제어의 각 단계가 진행되므로 순차제어라고도 하며, 출력이 제어동작에 아무런 영향을 미치지 않는 제어 방식이고, 제어계에 변화가 보이기 전에 필요한 정정 동작을 행하는 제어이다.

뉴럴 네트워크(neural network) 학습모델은 인간의 뇌 기능을 모방한 네트워크로서, 뉴로라고도 불리며, 인간의 뇌의 기능을 적극적으로 모방하려는 생각에 기초를 두고 있다. 즉, 무언가를 보고, 그것이 무엇인가를 인식하여, 필요에 따라 행동을 취한다는, 인간에게는 아주 간단하고 당연한 사고방식을 컴퓨터에 학습시키려는 것이다. 한마디로 말하면, 제어대상과 관련된 복수의 요인(패러미터)을 설정하고, 이들의 결합과 결합의 무게를 생각하는 방법이다. 계산을 하는 과정에 학습기능을 부가함으로써 최적의 제어가 가능하다.

수학식 1과 같이, 원래 냉각종료온도는 냉각수 유량, 강판 온도, 선공정 변수(204)들의 함수(f)이나, 유량설정에 사용하기 위해서는 수학식 2와 같이 냉각종료온도를 입력으로 하고, 냉각수 유량을 출력으로 하는 함수(g)를 찾는 문제로 변환한다.

[수학식 1]

냉각종료온도 = f(냉각수 유량, 강판온도, 가열로 변수, 압연변수 …)

[수학식 2]

냉각수 유량 = g(냉각종료온도, 강판온도, 가열로 변수, 압연변수 …)

입력변수로는 가열로와 압연공정의 50개 공정변수 중에서 통계분석을 통해 상관관계가 높은 24개 변수를 추출한다. 모델구조는 은닉층 1개, 뉴런 50개로 하였고, 출력은 냉각수 유량 하나로 구성한다. 표 1은 24개의 변수를 나타낸 것이다.

1	THICK	판 두께
2	MONTH	판 생산 월
3	HCR	가열로 장입시 슬라브 냉각 여부 (참고, CCR: 슬라브 상온까지 냉각후 장입, HCR: 상온 아님)
4	SB_TEMP_IN	가열로 입측 슬라브 온도
5	F0_TIME	가열로 예열대 재로시간
6	F2_TOP	가열로 가열2대 상부온도
7	F2_TIME	가열로 가열2대 재로시간
8	F3_TIME	가열로 균열대 재로시간
9	FUR_ROW	가열로 열번호
10	RM_TEMP	조압연 실적 완료온도
11	RM_PASS	조압연 실적 pass수
12	T4	압연 시작 온도실적
13	T5	압연 종료 온도실적
14	TOT_IDL_TIME	압연 idle 시간
15	FM_CNT	사상압연 상부 work roll 교체후 압연매수
16	FM_PASS	사상압연 실적 pass수
17	INITPLATESPEED	가속냉각 입측 판속도
18	FINALPLATESPEED	가속냉각 출측 판속도
19	MUL_TOP	가속냉각 MULPIC zone 상부 지시냉각수량
20	MUL_BOT	가속냉각 MULPIC zone 하부 지시냉각수량
21	ACC_TOP	가속냉각 ACC zone 상부 지시냉각수량
22	ACC_BOT	가속냉각 ACC zone 하부 지시냉각수량
23	NO_NANK	가속냉각 사용 BANK 수
24	AS3	가속냉각 시작온도

다음으로, 피드백 제어(206)는 가속냉각 종료 후 지시냉각종료온도와 실측냉각종료온도의 차를 보상하는 피드백 알고리즘을 기본으로 하고, 여기에 강종별 특성을 반영하기 위해 목표냉각종료온도차값과 냉각종료온도차범위값을 지정한다.

목표냉각종료온도차값은 실측냉각종료온도와 지시냉각종료온도의 오프셋 값이며, 냉각종료온도를 지시값에서 오프셋값만큼 이동시킬 때 사용된다.

냉각종료온도차범위값은 지시값에서 ±범위를 설정하여 실측종료온도와의 편차가 이 범위를 벗어나는 경우에만 피드백 제어(206)가 동작하도록 한 것이다.

수학식 3과 같이 지시냉각량과 실측냉각량의 비에 따라 유량조정계수를 결정하고, 수학식 4와 같이 유량조정값을 계산한다. 이때, 냉각 전과 후의 온도차를 냉각량으로 본다. 즉, 냉각량은 냉각전온도 및 냉각후온도의 차와 거의 같다고 가정한다. 수학식 3의 분모는 지시값들의 차이고, 분자는 실측종료온도를 사용하여 실측냉각량이라 가정한다.

냉각종료온도차(지시-실측)값이 목표냉각종료온도차값에 수렴할 때 유량조정량은 0이 된다. 강종에 따라 특별히 정한 경우를 제외하고는 목표냉각종료온도차값은 0으로 설정한다. 그리고 상기 냉각종료온도차가 냉각종료온도차범위보다 클 경우에만 유량조정량이 반영이 되도록 로직을 구성한다.

[수학식 3]

유량조정계수 = (실측냉각종료온도 - 지시냉각종료온도 - 목표냉각종료온도차)

÷ (지시냉각시작온도 - 지시냉각종료온도)

[수학식 4]

유량조정량 = 모델유량 × (1.0 + 유량조정계수)

예를 들어, 지시냉각종료온도는 100℃이고, 실측냉각종료온도는 102℃이며, 목표냉각종료온도차가 1℃(101-100℃)이면, 유량조정계수는 +값이 되어 유량조정량은 늘어난다.

반대로, 지시냉각종료온도는 100℃이고, 실측냉각종료온도는 98℃이며, 목표냉각종료온도차가 -1℃(99-100℃)이면, 유량조정계수는 -값이 되어 유량조정량은 줄어든다.

각 강판의 제조시 냉각공정 이전의 공정변수와 설비변동은 냉각종료온도의 일시적인 큰 변동을 유발할 경우가 많다. 반면 냉각공정 자체의 변동은 상대적으로 천천히 일어나며, 냉각종료온도의 변동 범위도 비교적 작다. 이러한 특성을 고려하여 본 발명에서는 냉각 대상 강판이 냉각공정(203)에 도착하기 전에 두 번의 유량 튜닝 과정을 거치게 된다. 피드-포워드 제어(205)는 선공정의 변동을 감지하여 일시적으로 발생하는 큰 편차를 줄이는 작용을 하고, 피드백 제어(206)는 냉각공정내의 작은 편차를 줄이는 작용을 한다.

예를 들어, 피드-포워드 제어(205) 단계에서는 ±100℃ 이상의 오차가 나는 경우에 그 오차를 ±50℃ 정도로 줄이고, 피드백 제어(206) 단계에서는 ±50℃ 오차를 ±30℃ 이내로 줄이도록 역할을 나눈다. 최종적으로, 지시값과 실측값의 온도 오차가 ±30℃ 이내이면, 적중한 것으로 본다.

먼저, 압연이 완료되는 시점에 가열로 및 압연공정의 데이터가 수집되고, 그 중에서 24개 변수가 피드-포워드 제어(205) 단계로 입력되고 유량값이 출력된다. 이 유량값은 목표냉각종료온도를 얻기 위해 필요한 값으로, 이미 냉각모델(202)에서 계산되어 있는 모델 유량값과 비교하여 설정 유량을 조정하게 된다. 다음으로 피드백 제어(206)에서 얻어진 유량조정계수가 이 유량에 곱해져서 최종 설정 유량이 정해지게 된다. 냉각 공정(203)이 완료된 후 측정된 냉각종료온도는 피드백 제어(206) 단계로 피드백 된다.

피드-포워드 제어(205)를 구성하고 있는 뉴럴-네트워크는 최초에 기존의 조업데이터를 사용하여 오프라인 학습을 한번 실시하여 온라인에 적용한다. 이후에 생산되는 각 판마다 변경되는 입력값으로 출력값을 생성하게 되고, 이때 모델 자체의 변경은 이루어지지 않는다. 뉴럴-네트워크 모델의 학습에는 수분의 시간이 필요하므로 연속적으로 강판이 생산 중일 때는 업데이트가 불가능하다. 따라서 미리 주기를 설정하여 그때까지 쌓인 조업데이터를 포함하여 재학습을 실시한다.

도 3은 피드-포워드 제어에 의해 예측 냉각수 유량(단위: ㎥)과 실측 냉각수 유량을 나타낸 예이며, 지시냉각종료온도를 입력으로 하여 요구되는 냉각수 유량을 예측할 수 있음을 나타낸다.

피드백 제어(206)는 피드-포워드 제어(205)에 의해 1차적으로 조정된 유량을 다시 피드백 알고리즘에 의해 미세조정하게 된다. 냉각공정(203)이 완료된 후 강판의 실측종료온도값이 피드백 제어(206)로 전달되고, 실측종료온도값이 지시값보다 높으면 유량을 증가시키고 반대의 경우는 유량을 감소시키는 방향으로 유량조정계수를 변경한다.

목표냉각종료온도차값은 실측냉각종료온도와 지시냉각종료온도의 오프셋 값이며, 냉각종료온도를 지시값에서 오프셋값만큼 이동시킬 때 사용된다. 예를 들어, 특정 강종의 재질이 냉각종료온도 하한에 민감한 경우에는 지시냉각종료온도보다 높게 설정되도록 하여 하한 이하로 조업되는 경우를 줄이고, 반대의 경우에는 지시냉각종료온도보다 낮게 설정하여 상한 이상으로 조업되는 경우를 줄여 재질 불량의 비율을 줄인다.

냉각종료온도차범위값은 지시값에서 ±범위를 설정하여 실측종료온도와의 편차가 이 범위를 벗어나는 경우에만 피드백 제어(206)가 동작하도록 한 것이다. 이것은 냉각종료온도가 목표값에 가까이 수렴했을 때 계속적인 피드백 동작이 일어나게 되면 작은 오차값에서도 유량이 수정되므로, 오히려 온도값이 목표값 근처에서 ±로 진동하는 현상이 일어날 가능성이 있다. 따라서 이런 현상이 발생하는 것을 막고 안정적으로 온도를 제어하기 위하여 사용한다.

표 2는 세 강종(A, B, C)에 대해 본 발명이 적용되기 전(비교예)과 후(실시예)의 냉각종료온도 적중률 변화를 나타낸 것이다. 지시값과 실측값의 온도 오차가 ±30℃ 이내이면, 적중한 것으로 본다.

	강종	A	B	C
비교예	오차평균(℃)	-10.8	-7.1	-15.4
	표준편차(℃)	26.4	23.1	30.5
	적중률(%)	84.7	78.8	65.4
실시예	오차평균(℃)	-0.5	1	0.3
	표준편자(℃)	18.2	19	27.1
	적중률(%)	92.1	90.8	79.3

표 2에서 확인할 수 있는 바와 같이, 강종마다 약간의 차이는 있으나, 본 발명을 적용함으로써, 온도 적중률이 약 10% 향상된 것으로 나타났다.

101: 가열로
102: 압연기
103: 냉각기
201: 냉각공정 지시값(강종, 크기, 냉각시작온도, 냉각종료온도, 냉각속도)
202: 냉각모델(1차원 열전달 해석 프로그램)
203: 냉각공정
204: 선공정 변수(가열로, 압연공정의 모든 변수값)
205: 피드-포워드 제어(뉴럴-네트워크 학습모델)
206: 피드백 제어(피드백 학습모델)

Claims

냉각종료온도를 포함하는 지시값을 바탕으로 1차 냉각수 유량을 계산하는 냉각모델 단계;
가열로 및 압연공정을 포함하는 선공정의 변동을 학습하여 상기 1차 냉각수 유량을 조정하는 피드-포워드 제어 단계; 및
냉각공정의 변동을 반영하여 상기 피드-포워드 제어 단계에서 조정된 냉각수 유량을 재조정하는 피드백 제어 단계를 포함하고,
상기 피드-포워드 제어 단계에서는 뉴럴-네트워크 학습모델을 사용하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.
삭제
제1항에 있어서,
상기 피드백 제어 단계에서는 목표냉각종료온도와 실측냉각종료온도의 편차를 보상하여 냉각수 유량을 조정하는 피드백 알고리즘을 사용하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.
제1항에 있어서,
상기 뉴럴-네트워크 학습모델은 기존의 조업데이터를 사용하여 학습을 실시하고, 입력을 목표냉각종료온도, 출력을 냉각수 유량으로 구성하여 냉각수 유량조정값을 산출하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.
제4항에 있어서,
상기 학습의 주기를 설정하고, 이에 따라 최근의 조업데이터를 누적하여 학습함으로써, 자동으로 상기 학습모델이 업데이트 되도록 구성하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.
제3항에 있어서,
상기 피드백 알고리즘에서 상기 냉각종료온도 편차의 범위값을 설정하여 상기 편차가 상기 범위값을 벗어나는 경우에만 피드백 제어가 동작하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.
제3항에 있어서,
상기 피드백 알고리즘에서 목표 냉각종료온도 편차와 냉각종료온도 편차 범위값을 설정하고, 강종에 따라 상기 목표 냉각종료온도 편차와 냉각종료온도 편차 범위값을 다르게 설정하는 것을 특징으로 하는 열연강판 냉각공정의 냉각수 유량설정방법.