KR101998981B1 - Setting control system for injectopn flow rate of rolling oil of hot rolling - Google Patents
Setting control system for injectopn flow rate of rolling oil of hot rolling Download PDFInfo
- Publication number
- KR101998981B1 KR101998981B1 KR1020170168280A KR20170168280A KR101998981B1 KR 101998981 B1 KR101998981 B1 KR 101998981B1 KR 1020170168280 A KR1020170168280 A KR 1020170168280A KR 20170168280 A KR20170168280 A KR 20170168280A KR 101998981 B1 KR101998981 B1 KR 101998981B1
- Authority
- KR
- South Korea
- Prior art keywords
- rolling
- flow rate
- friction coefficient
- advanced
- oil injection
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0239—Lubricating
- B21B45/0245—Lubricating devices
- B21B45/0248—Lubricating devices using liquid lubricants, e.g. for sections, for tubes
- B21B45/0251—Lubricating devices using liquid lubricants, e.g. for sections, for tubes for strips, sheets, or plates
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
본 발명은 열간압연 공정에서 윤활압연시 인공지능을 활용하여 적정 압연유 유량을 분사시킬 수 있고, 이상상태를 모니터링할 수 있는 열간 압연에서 압연유 분사 유량 설정 제어 시스템에 관한 것으로, 본 발명의 일 실시예에 따른 열간 압연에서 압연유 분사 유량 설정 제어 시스템은 압연의 진행에 따른 압연하중의 변동량으로부터 획득한 선진율을 압연유량 별로 저장하는 선진율 학습부, 상기 선진율, 압연하중, 및 압연토크를 마찰계수 모델에 반영하여 산출된 압연롤과 압연재 사이의 마찰계수를 압연유량 별로 저장하는 마찰계수 학습부, 상기 저장된 마찰계수를 이용하여 목표 마찰계수를 설정하고 상기 목표 마찰계수에 대응하는 압연유량을 결정하는 압연유량 결정부를 포함할 수 있다. The present invention relates to a rolling oil injection flow rate setting control system in a hot rolling process capable of spraying a proper rolling oil flow rate by utilizing artificial intelligence during lubrication rolling in a hot rolling process and monitoring abnormal conditions, The rolling oil injection flow rate setting control system in the hot rolling according to the present invention is characterized in that the advanced rate learning unit stores the advanced rate obtained from the fluctuation amount of the rolling load as the rolling progresses by the rolling flow rate, A friction coefficient learning unit that stores a friction coefficient between the rolling roll and the rolled material calculated by reflecting the model on a rolling flow rate basis, sets a target friction coefficient using the stored friction coefficient, and determines a rolling flow rate corresponding to the target friction coefficient And a flow rate determination section for determining the flow rate of the fluid.
Description
본 발명은 압연유를 사용하는 열간 압연에서 압연유 분사 유량의 설정을 제어하는 압연유 분사 유량 설정 제어 시스템에 관한 것이다.The present invention relates to a rolling oil injection flow rate setting control system for controlling the setting of a rolling oil injection flow rate in hot rolling using rolling oil.
일반적으로 열간압연에서 롤과 판사이의 마찰력을 감소시키기 위해서 압연롤에 압연유를 분사시킨다. 이것을 통상적으로 윤활압연이라고 칭한다. 이를 통하여 열간압연시 압연하중이 감소시킬 수 있으며 압연에 사용되는 전력량을 줄여 생산비용을 줄일 수 있다. 그리고 롤과 판사이의 마찰력 감소에 의해서 롤표면 피로를 줄일 수 있어서 소재의 면거침과 같은 결함을 줄일 수 있으며, 오랫동안 롤을 사용할 수 있어서 비정상적인 롤교체를 막는 효과가 있다. Generally, rolling oil is injected into the rolling roll to reduce the frictional force between the roll and the plate in hot rolling. This is commonly referred to as lubrication rolling. This can reduce the rolling load during hot rolling and reduce the production cost by reducing the amount of power used for rolling. By reducing the frictional force between the roll and the plate, it is possible to reduce the fatigue of the roll surface, thereby reducing defects such as the surface roughness of the material, and the roll can be used for a long time.
이런 많은 장점이 있는 윤활압연이지만 실제 구현함에 있어서, 압연유를 분사함으로써 롤과 판의 마찰효과를 정량적으로 평가하기 힘들고, 최적의 압연유 분사유량을 설정하기 어려우며, 윤활압연시 과도한 압연유 분사시 롤과 판사이에 슬립이 발생하게 되고, 압연유 성분에 의해서 압연유 분사노즐이 막히는 경우가 종종 발생하는 문제점이 있다. However, in actual implementation, it is difficult to quantitatively evaluate the friction effect of the roll and plate by injecting the rolling oil, it is difficult to set the optimum rolling oil injection flow rate, and when the rolling oil is lubricated, There is a problem that a slip occurs, and a rolling oil injection nozzle is often clogged by the rolling oil component.
본 발명의 일 실시예에 따르면, 열간압연 공정에서 윤활압연시 인공지능을 활용하여 적정 압연유 유량을 분사시킬 수 있고, 이상상태를 모니터링할 수 있는 열간 압연에서 압연유 분사 유량 설정 제어 시스템이 제공된다.According to an embodiment of the present invention, a rolling oil injection flow rate setting control system is provided in hot rolling in which a proper rolling oil flow rate can be injected by utilizing artificial intelligence during lubrication rolling in a hot rolling step, and abnormal conditions can be monitored.
상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 열간 압연에서 압연유 분사 유량 설정 제어 시스템은 압연의 진행에 따른 압연하중의 변동량으로부터 획득한 선진율을 압연유량 별로 저장하는 선진율 학습부, 상기 선진율, 압연하중, 및 압연토크를 마찰계수 모델에 반영하여 산출된 압연롤과 압연재 사이의 마찰계수를 압연유량 별로 저장하는 마찰계수 학습부, 상기 저장된 마찰계수를 이용하여 목표 마찰계수를 설정하고 상기 목표 마찰계수에 대응하는 압연유량을 결정하는 압연유량 결정부를 포함할 수 있다. In order to solve the problems of the present invention described above, a rolling oil injection flow setting control system in hot rolling according to an embodiment of the present invention is a system for controlling the rolling oil injection flow rate setting control system in an advanced rolling stock control system for storing advanced rates obtained from fluctuation amounts of rolling loads, A friction coefficient learning unit for storing a coefficient of friction between the rolling roll and the rolled material calculated by reflecting the advanced ratio, the rolling load, and the rolling torque on the friction coefficient model by the rolling flow rate, And a rolling flow rate determiner for setting a target friction coefficient and determining a rolling flow rate corresponding to the target friction coefficient.
본 발명의 일 실시예에 따르면, 윤활 압연 본연의 목적인 압연하중 감소를 통한 전력비 저감시킬 수 있고 롤표면 피로 저감을 통한 피압연 소재의 표면품질을 향상시키며, 비정상 롤교체를 줄여 생산원가를 저감시킬 수 있는 효과가 있다.According to one embodiment of the present invention, it is possible to reduce the power cost by reducing the rolling load, which is the main purpose of lubrication rolling, to improve the surface quality of the rolled material by reducing roll surface fatigue, There is an effect that can be.
도 1은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 개략적인 구성도이다.
도 2는 압연롤과 소재간의 마찰력 분포를 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사 유량별 압연 하중 기울기를 나타내는 그래프이다.
도 4는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 강종/압연조건/압연유의 분사 조건별 마찰 계수를 학습하는 신경망 모델의 구조를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 강종/압연조건/압연유의 분사 조건별 학습된 마찰 계수 모델의 성능을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 선진율을 실시간으로 모니터링한 결과를 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 마찰계수를 실시간으로 모니터링한 결과를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유가 비정상적으로 분사되지 않은 상황에서 마찰계수를 실시간 모니터링한 결과를 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사 유량 결정시 사용된 마찰계수를 학습하는 인공 지능 학습 모델을 나타내는 도면이다.
도 10 및 도 11은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연 하중 학습 결과를 나타내는 도면이다.
도 12는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사유량과 마찰계수 간의 관계를 나타내는 그래프이다.1 is a schematic block diagram of a rolling oil jet flow rate setting control system according to an embodiment of the present invention.
Fig. 2 is a view showing the distribution of frictional force between the rolled roll and the material.
3 is a graph showing the rolling load slope of each rolling oil injection flow rate in the rolling oil injection flow rate setting control system according to the embodiment of the present invention.
FIG. 4 is a diagram showing the structure of a neural network model for learning the coefficient of friction for each type of steel / rolling condition / rolling oil injection condition of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
FIG. 5 is a graph showing the performance of the learned friction coefficient model for the steel type / rolling condition / rolling oil injection condition of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
6 is a graph showing the results of real-time monitoring of the advance rate of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
FIG. 7 is a graph showing a result of real-time monitoring of the friction coefficient of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
8 is a graph showing a result of real-time monitoring of a friction coefficient in a case where rolling oil is not abnormally injected in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
9 is a diagram showing an artificial intelligence learning model for learning a coefficient of friction used in determining a rolling oil injection flow rate in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
FIGS. 10 and 11 are diagrams showing rolling load learning results of a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
12 is a graph showing a relationship between a rolling oil injection flow rate and a friction coefficient in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, in order that those skilled in the art can easily carry out the present invention.
도 1은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 개략적인 구성도이다.1 is a schematic block diagram of a rolling oil jet flow rate setting control system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템(100)는 선진율 학습부(110), 마찰계수 학습부(120) 및 압연유량 결정부(130)를 포함할 수 있고, 추정부(140) 및 상태 판단부(150)를 더 포함할 수 있다.1, a rolling oil injection flow rate setting control system 100 according to an embodiment of the present invention includes an advanced
선진율 학습부(110)는 압연의 진행에 따른 압연하중의 변동량으로부터 획득한 선진율을 압연유량 별로 저장할 수 있다. 상기 선진율은 무윤활 조건의 상기 압연하중의 변동량과 압연유가 분사되는 윤활조건의 압연하중의 변동량을 비교하여 획득될 수 있다.The advanced
마찰계수 학습부(120)는 상기 선진율, 압연하중, 및 압연토크를 마찰계수 모델에 반영하여 산출된 압연롤과 압연재 사이의 마찰계수를 압연유량 별로 저장할 수 있다.The friction
압연유량 결정부(130)는 상기 저장된 마찰계수를 이용하여 목표 마찰계수를 설정하고 상기 목표 마찰계수에 대응하는 압연유량을 결정할 수 있다. 더하여, 압연유량 결정부(130)는 상기 압연 진행 중의 마찰계수를 이용하여 상기 압연유량을 조절할 수 있다.The rolling flow rate determiner 130 can set the target friction coefficient using the stored friction coefficient and determine the rolling flow rate corresponding to the target friction coefficient. In addition, the rolling
추정부(140)는 상기 선진율, 측정된 압연하중, 및 측정된 압연토크를 상기 마찰계수 모델에 반영하여 압연 진행 중의 마찰계수를 실시간으로 추정할 수 있으며, 상태 판단부(150)는 상기 추정된 마찰계수가 사전에 설정된 설정 범위 이외인 경우 이상상태로 판단할 수 있다. 예를 들면 마찰계수가 상기 설정 범위의 상한값보다 커지게 되면 통상의 마찰계수보다 높음을 뜻한다. 이는 압연유 분사 노즐이 막히거나, 압연유가 분사되지 않는 상황을 의미할 수 있기 때문에 운전자에게 경고 신호를 줌으로써 설비진단과 같은 조치를 취할 수 있게 된다.The estimating unit 140 can estimate the friction coefficient during the rolling in real time by reflecting the advanced ratio, the measured rolling load, and the measured rolling torque to the friction coefficient model, It can be judged as an abnormal state when the coefficient of friction is outside the predetermined setting range. For example, when the friction coefficient becomes larger than the upper limit value of the set range, it means that it is higher than the normal friction coefficient. This may mean that the rolling oil injection nozzle is clogged or the rolling oil is not sprayed, so that a warning signal is given to the driver to take measures such as facility diagnosis.
상태 판단부(150)는 피압연소재가 압연기에 치입되는 순간의 마찰계수를 기억하고 마찰계수의 변동범위(상한/하한)를 설정한다. 실시간으로 계산되는 마찰계수가 마찰계수 변동범위를 벗어나게 되면 이상 신호를 만들어 낸다. The state determination unit 150 stores the friction coefficient at the moment when the rolled material is pushed into the rolling mill and sets the variation range (upper / lower limit) of the friction coefficient. If the friction coefficient calculated in real time deviates from the friction coefficient fluctuation range, it generates an abnormal signal.
그리고 실시간으로 모니터링하는 마찰계수가 한계 마찰계수 이하가 되면 롤과 판의 마찰계수가 낮음을 뜻하고 슬립현상을 의심할 수 있다. 마찰계수가 통상의 마찰계수보다 낮을 경우 판이 한쪽으로 쏠리게 되어 사고를 일으킬 수 있다. 따라서 이러한 경우에 작업자가 판속도를 낮춘다라던지 조치를 가능하게 한다. If the friction coefficient monitored in real time is below the limit friction coefficient, it means that the coefficient of friction between the roll and the plate is low and the slip phenomenon can be suspected. If the coefficient of friction is lower than the normal coefficient of friction, the plate will be tilted to one side, which can cause accidents. Therefore, in such cases, it is possible for the operator to lower the plate speed or to take measures.
먼저, 압연유 유량을 설정하기 위해서는 롤과 소재사이의 마찰계수를 알아야하는데, 압연롤과 소재사이의 마찰계수는 비선형적인 요소가 크기 때문에 일반적인 물리모델을 적용하여 예측하기 어렵다. 따라서 인공지능 학습모델을 적용하여 비선형 요소를 모델링할 수 있다. First, in order to set the flow rate of the rolling oil, it is necessary to know the coefficient of friction between the roll and the material. Since the coefficient of friction between the roll and the material is nonlinear, it is difficult to predict by applying the general physical model. Therefore, the nonlinear element can be modeled by applying the artificial intelligence learning model.
도 2는 압연롤과 소재간의 마찰력 분포를 나타내는 도면이다. Fig. 2 is a view showing the distribution of frictional force between the rolled roll and the material.
도 2를 참조하면, 압연 롤바이트에는 중립점이 존재하여 중립점 기준으로 마찰력의 방향이 바뀌게 된다. 따라서 롤바이트내 마찰효과를 정량적으로 평가하기 위해서는 중립점을 반드시 고려해야한다. 소성변형이 없는 일반 회전체와 지면사이의 마찰계수가 단순히 회전 토크와 수직항력로 간략화할 수 있다면, 압연에서의 마찰계수는 하기의 수식과 같이 중립점의 위치를 수식에 포함시켜야 한다. Referring to FIG. 2, there is a neutral point in the rolling roll bite, and the direction of the frictional force is changed on the basis of the neutral point. Therefore, the neutral point must be considered to quantitatively evaluate the friction effect in the roll byte. If the frictional coefficient between the general rotating body without plastic deformation and the ground can be simplified simply by the rotational torque and the vertical drag, the friction coefficient at rolling should be included in the equation as shown in the following equation.
(수식)(Equation)
여기서, μ는 마찰계수, R'는 편평화된 롤반경, R은 롤반경, RF는 압연하중, β는 선진율, τ는 압연토크, To는 출측장력, 및 Ti는 입측장력일 수 있으며 도 2에서 p는 롤바이트내 압력분포일 수 있다.Here, μ is the friction coefficient, R 'is a piece of peace roll radius, R is the roll radius, RF is the rolling load, β is an advanced rate, τ is a rolling torque, T o is the outlet tension, and T i is one inlet tension And p in Fig. 2 may be the pressure distribution in the roll byte.
압연 롤바이트에서 중립점을 기준으로 마찰력 방향이 반대로 바뀌는데, 이때 중립점은 통상적으로 선진율(출측 판속도/롤속도 -1)이라는 변수를 통해서 알 수가 있다. 선진율이라는 변수를 통해서 중립점의 위치를 파악가능한데, 열연 공정에서는 단순히 롤속도만 측정가능하기 때문에 선진율을 알 수가 없다. In the rolling roll bite, the direction of the frictional force is reversed with respect to the neutral point, where the neutral point is usually known by a variable called advanced rate (exit speed / roll speed -1). The position of the neutral point can be determined through the variable of advanced rate. In the hot rolling process, the advance rate can not be known because it is possible to measure only the roll speed.
측정 불가능한 선진율은 압연하중 변화 기울기를 통하여 예측할 수 있다.The unmeasurable advance rate can be predicted through the slope of the rolling load change.
도 3은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사 유량별 압연 하중 기울기를 나타내는 그래프이다.3 is a graph showing the rolling load slope of each rolling oil injection flow rate in the rolling oil injection flow rate setting control system according to the embodiment of the present invention.
도 1과 함께 도 3을 참조하면, 압연유 분사유량이 크면 클수록 압연시 압연하중 기울기가 작아진다. 이렇게 압연하중 기울기 차이를 이용하여 선진율의 변화를 구하게 된다. 이때 압연하중 기울기를 구하기 위해서 임의의 두지점에서의 압연하중을 인공지능 학습을 통하여 계산한다. 인공지능 학습에 필요한 입력 데이터는 압연조건 및 압연유 분사유량이며 출력값은 두지점의 압연하중이 된다. Referring to FIG. 3 together with FIG. 1, the larger the rolling oil injection flow rate, the smaller the rolling load slope during rolling. Thus, the change of the advanced rate is obtained by using the difference of rolling load slope. At this time, the rolling load at any two points is calculated through artificial intelligence learning to obtain the rolling load slope. The input data required for artificial intelligence learning are the rolling conditions and the rolling oil injection flow rate, and the output value is the rolling load at two points.
압연유 분사유량이 증가할수록 압연하중 기울기가 낮아지는 것을 알 수 있다. 무윤활 조건과 윤활조건에서 압연하중 기울기(200, 1000 샘플링 위치에서 기울기) 차이를 선진율에 반영한다.It can be seen that the rolling load slope decreases as the rolling oil injection flow rate increases. The difference in rolling load slope (slope at 200, 1000 sampling positions) in the no lubrication condition and the lubrication condition is reflected in the advanced rate.
따라서, 선진율 학습부(110)는 압연하중 학습모델을 포함하고, 상기 압연하중 학습모델에서 임의의 압연조건을 입력으로 넣어주면 압연하중이 계산되고, 압연하중 기울기 및 선진율이 계산된다.Therefore, the advanced
상기 방법으로 선진율 계산값 및 압연 데이터(압연토크, 압연하중, 장력, 롤반경 등) 상기한 수식에 대입하면 마찰계수값을 알 수가 있다. By substituting the calculated values of the advanced ratio and the rolling data (rolling torque, rolling load, tensile force, roll radius, etc.) into the above formula, the friction coefficient value can be obtained by the above method.
마찰계수를 사전에 예측가능하다면 이를 통하여 압연유 분사유량을 결정할 수 있다. 하지만 마찰계수는 일반적으로 비선형성이 매우 강한 변수로써 압연조건의 영향도를 수식모델로 도출해내기 매우 어려우므로, 인공지능 학습을 통하여 마찰계수 예측모델을 구현한다. If the coefficient of friction is predictable in advance, the rolling oil injection flow rate can be determined. However, since the coefficient of friction is generally a very strong variable with nonlinearity, it is very difficult to derive the influence of the rolling condition to the equation model. Therefore, the friction coefficient prediction model is implemented through artificial intelligence learning.
도 4는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 강종/압연조건/압연유의 분사 조건별 마찰 계수를 학습하는 신경망 모델의 구조를 나타내는 도면이다.FIG. 4 is a diagram showing the structure of a neural network model for learning the coefficient of friction for each type of steel / rolling condition / rolling oil injection condition of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
도 4를 참조하면, 입력조건에는 강종, 압연조건, 압연유 분사유량등이 들어가며, 출력에는 학습하고자 하는 마찰계수가 들어간다. 인공지능 신경망 학습을 통하여 신경망 모델을 구성하는 학습계수 값을 도출할 수 있다.Referring to FIG. 4, input conditions include a steel grade, a rolling condition, a rolling oil injection flow rate, and the like. Learning value of neural network model can be derived through artificial intelligence neural network learning.
상기 신경망 모델은 강종/압연조건/압연유 분사조건별 마찰계수를 학습하기 위한 신경망 모델의 구조일 수 있으며, 다수의 Hidden layer 및 뉴런으로 구성되어 있다. 학습된 모델을 기반으로 임의의 강종 및 압연조건에서의 마찰계수를 예측할 수 있다.The neural network model can be a structure of a neural network model for learning the friction coefficient according to the steel type / rolling condition / rolling oil injection condition, and is composed of a plurality of hidden layers and neurons. Based on the learned model, it is possible to predict the friction coefficient under any steel grade and rolling conditions.
도 5는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 강종/압연조건/압연유의 분사 조건별 학습된 마찰 계수 모델의 성능을 나타내는 도면이다.FIG. 5 is a graph showing the performance of the learned friction coefficient model for the steel type / rolling condition / rolling oil injection condition of the rolling oil injection flow rate setting control system according to an embodiment of the present invention.
도 1과 함께, 도 5를 참조하면, 데이터를 크게 학습/검증/테스트로 나누어서 학습된 마찰계수값을 세로축으로, 실제 마찰계수값을 가로축으로 표현할 때 나타낸 그래프이다. 즉, 학습 모델로 통해서 얻어진 마찰계수(세로축), 실제 마찰계수(가로축)를 나타낸 그래프이다. 분포도가 Y=X에 가까울수록 학습 정확도가 높음을 뜻한다. 학습한 데이터를 학습/검증/테스트/총 데이터 4개로 나누어서 비교하였으며, 모든 조건에서 95%이상의 신뢰도가 나옴을 확인할 수 있어 학습된 결과과 실제값을 잘 추종함을 알 수가 있다. 이 모델을 통해서 임의의 강종, 압연조건, 압연유 분사유량을 입력으로 넣어서 마찰계수값을 예측할 수 있다. 예측된 마찰계수를 기반으로 정량적으로 압연유 분사유량을 결정할 수 있다.Referring to FIG. 5 together with FIG. 1, there is shown a graph showing data obtained by dividing data into a large learning / verification / test and expressing the learned friction coefficient value on the vertical axis and the actual friction coefficient value on the horizontal axis. That is, it is a graph showing the friction coefficient (vertical axis) and the actual friction coefficient (horizontal axis) obtained through the learning model. The closer the distribution is to Y = X, the higher the learning accuracy. We compare the learned data with learning / verification / test / total data, and confirm that the confidence level of 95% or more is achieved under all conditions. Through this model, friction coefficient values can be predicted by inputting arbitrary steel grade, rolling conditions, and rolling oil injection flow rate. The rolling oil injection flow rate can be quantitatively determined based on the predicted friction coefficient.
즉, 압연유 분사유량을 결정하기 위해서 먼저, 마찰계수 학습부(120)의 마찰계수 학습모델에서 무윤활 조건에서 마찰계수를 구한다.(인공지능 마찰계수 모델에 압연유 분사유량을 0대입) 그리고 무윤활에서의 마찰계수를 기반으로 목표로 하는 마찰계수를 계산한다. 그리고 압연유 분사유량을 변경하여 목표로하는 마찰계수가 되도록 마찰계수 모델을 다수 계산을 수행한다. 다수의 계산에서 마찰계수가 목표로 하는 마찰계수가 되면 계산을 중지하고, 압연 유량 결정부(130)는 입력으로 들어간 분사유량으로 설정값으로 정한다. 설정된 압연유 분사유량을 압연기 설정모델에 전달한다.That is, first, in order to determine the rolling oil injection flow rate, a friction coefficient is obtained under the no-lubrication condition in the friction coefficient learning model of the friction coefficient learning unit 120 (zero injection of the rolling oil injection rate into the artificial intelligence friction coefficient model) The target friction coefficient is calculated on the basis of the friction coefficient at the target. Then, a large number of calculations of the friction coefficient model are performed so that the target friction coefficient is changed by changing the rolling oil injection flow rate. The calculation is stopped when the frictional coefficient reaches a target friction coefficient in a plurality of calculations, and the rolling flow
한편, 상기 수식에서와 같이 마찰계수는 압연하중, 압연토크, 선진율(베타)의 함수로 나타낼 수 있다. 압연하중과 압연토크는 실시간으로 측정이 가능하다. 하지만 선진율을 상기에 언급한 것처럼 실시간으로 측정이 불가능하다. 선진율을 반영하기 위해서 압연하중 기울기 차이를 이용하여 실측이 불가능한 변수를 반영한다. 피압연소재가 압연 롤바이트 치입이후 압연유 분사시점의 압연하중을 기억하고 이후 압연 하중의 비교를 통해서 압연하중 기울기를 구할 수 있다. 이 기울기와 무윤활 상태의 기울기 차이를 통해서 선진율 변동을 반영한다. On the other hand, as in the above equation, the friction coefficient can be expressed as a function of the rolling load, the rolling torque, and the advanced ratio (beta). Rolling load and rolling torque can be measured in real time. However, the advanced rate can not be measured in real time as mentioned above. In order to reflect the advanced rate, the rolling load slope difference is used to reflect variables that can not be measured. The rolling load at the point of injection of the rolling oil is memorized after the rolling roll bite of the rolled material, and then the rolling load slope can be obtained by comparing the rolling load. This gradient reflects the advanced rate fluctuation through the slope difference of the non-lubricated state.
이때 무윤활 상태의 압연하중 기울기는 상기 언급된 무윤활인 경우의 압연하중 두지점의 압연하중 신경망 학습을 통하여 계산한다. 이를 통하여 얻어진 선진율(베타)값은 도 9에서 나타난다. 압연유 분사유량이 증가할수록 선진율이 작아지면 롤바이트내 중립점이 출측으로 이동됨을 알 수 있다. 이 선진율을 기반으로 마찰계수를 실시간으로 모니터링하면 도 7과 같다. 압연유 분사유량이 증가할수록 마찰계수가 떨어짐을 알 수 있다. 특히 압연유 분사가 시작되는 시점부터 마찰계수가 낮아지는 것은 실시간 모니터링된 마찰계수가 높은 정확도를 가진다는 것을 의미하며 실시간으로 측정되는 압연하중, 압연토크 등을 입력으로 받아서 마찰계수를 계산하게 된다.In this case, the rolling load slope in the non-lubricated state is calculated through rolling load neural network learning at two points of the rolling load in the case of the above-mentioned no lubrication. The advanced rate (beta) value obtained through this is shown in Fig. It can be seen that the neutral point in the roll bite is shifted to the exit side as the advance rate decreases as the rolling oil injection flow rate increases. The friction coefficient is monitored in real time on the basis of the advanced rate as shown in FIG. As the rolling oil injection flow rate increases, the friction coefficient decreases. In particular, the decrease in the friction coefficient from the start of the rolling oil injection means that the real-time monitored friction coefficient has a high accuracy, and the friction coefficient is calculated by taking as input the rolling load and rolling torque measured in real time.
도 6은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 선진율을 실시간으로 모니터링한 결과를 나타내는 도면이고, 도 7은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 마찰계수를 실시간으로 모니터링한 결과를 나타내는 도면이다.FIG. 6 is a graph showing the results of real-time monitoring of the advanced rate of the rolling oil injection flow rate setting control system according to an embodiment of the present invention, and FIG. 7 is a graph showing friction of the rolling oil injection flow rate setting control system according to an embodiment of the present invention FIG. 5 is a diagram showing the results of real-time monitoring of the coefficients. FIG.
마찰계수를 계산하기 위해서 선진율을 알아야 하는데, 이 값은 무윤활 상태와 윤활상태의 압연하중 기울기 차이를 통해서 모니터링할 수 있다. 무윤활상태의 압연하중 기울기는 상기 압연하중 학습 모델을 통해서 구할 수 있으며, 윤활상태의 압연하중 기울기는 치입 시점에서 기억하고 있는 압연하중과의 차이를 이용하여 구할 수 있다. 이 두 기울기를 실시간으로 계산하여 선진율은 도 6과 같다. 그리고 이 선진율을 기반으로 마찰계수를 실시간으로 나타낸 그래프는 도 7과 같다. 압연유 분사유량이 증가할수록 롤바이트 중립점은 출측으로 이동하고, 마찰계수는 낮아지는 것을 볼 수 있다.To calculate the coefficient of friction, it is necessary to know the advanced rate, which can be monitored by the difference between the no-lubricated state and the rolling load slope of the lubricated state. The slope of the rolling load in the non-lubricated state can be obtained through the rolling load learning model, and the slope of the rolling load in the lubrication state can be obtained by using the difference from the rolling load stored at the point of impingement. These two slopes are calculated in real time and the advanced rate is shown in FIG. FIG. 7 is a graph showing a real time friction coefficient based on the advanced ratio. As the rolling oil injection flow rate increases, the roll byte neutral point moves to the exit side and the friction coefficient decreases.
도 8은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유가 비정상적으로 분사되지 않은 상황에서 마찰계수를 실시간 모니터링한 결과를 나타내는 도면이다.8 is a graph showing a result of real-time monitoring of a friction coefficient in a case where rolling oil is not abnormally injected in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
압연유가 비정상적으로 분사되지 않은 상황에서 마찰계수를 모니터링하면, 압연유가 분사되지 않는 구간에서 마찰계수가 높아짐을 확인할 수 있다. 이를 통해서 비정상 상태의 모니터링이 가능하게 된다. 그리고 기준 압연유가 분사되는 시점에서 마찰계수를 기준 마찰계수로 설정하고 이 범위를 벗어나는 경우를 이상상태로 정의할 수 있다.If the friction coefficient is monitored in a situation where the rolling oil is not abnormally injected, it can be confirmed that the coefficient of friction is increased in the section where the rolling oil is not injected. This makes it possible to monitor abnormal conditions. When the reference rolling oil is sprayed, the friction coefficient is set as the reference friction coefficient, and when the reference rolling oil is out of the range, the abnormal condition can be defined.
즉, 압연유가 꺼지는 일부 영역에서 마찰계수가 비정상적으로 높아짐을 알 수 있다. 상태 판단부(150)는 압연유가 분사되는 시점에서의 마찰계수를 기준 마찰계수라고 정의하고 실시간 모니터링 되는 마찰계수가 한계 마찰계수이상이 되는지를 검출한다. 이런 상황이라면 압연유 노즐 막힘을 의심해 볼 수가 있다. 이 정보를 압연 조업자가 파악하게 되면 설비점검과 같은 조치를 취할 수 있게 된다. 그리고 마찰계수가 기준 마찰계수 이하일 경우 롤과 판사이의 슬립이 발생한다는 것으로 추정할 수 있으며 설정되는 압연속도를 줄일 수 있다. That is, it can be seen that the friction coefficient becomes abnormally high in a part of the region where the rolling oil is turned off. The state determination unit 150 defines a friction coefficient at the time when the rolling oil is injected as a reference friction coefficient and detects whether the friction coefficient that is monitored in real time becomes equal to or greater than the limit friction coefficient. If this is the case, you may suspect that the rolling oil nozzle is clogged. Once this information is known to the rolling mill, it is possible to take such measures as facility inspection. If the coefficient of friction is lower than the reference friction coefficient, it can be assumed that the roll and the sheath slip occurs and the set rolling speed can be reduced.
도 9는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사 유량 결정시 사용된 마찰계수를 학습하는 인공 지능 학습 모델을 나타내는 도면이다. 9 is a diagram showing an artificial intelligence learning model for learning a coefficient of friction used in determining a rolling oil injection flow rate in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
도 9를 참조하면, 마찰계수 학습부(120)는 마찰계수를 학습하기 위해서 총 37의 입력조건(슬라브, 압연조건, 가열대조건, 강종, 압연유 분사유량등)과 마찰계수를 인공지능 신경망을 이용하여 학습한다. 이때 신경망은 다수의 Hidden layer 및 뉴런으로 이루어져 있다. 그리고 마찰계수에 들어가는 베타값(실측하기 힘든 선진율의 함수값)은 무윤활 조건과 윤활조건의 압연하중 기울기 차이를 반영한다. 이때 무윤활 조건의 압연하중은 무윤활 조건에서의 압연하중 기울기를 신경망으로 학습한다. 학습한 결과는 도 5를 통해서 알 수 있다. 9, the friction
도 10 및 도 11은 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연 하중 학습 결과를 나타내는 도면이다.FIGS. 10 and 11 are diagrams showing rolling load learning results of a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
좀더 상세하게 설명하면, 도 10 200번째 샘플링 지점에서의 1번 스탠드 압연하중을 학습한 결과이며, 도 11은 1000번째 샘플링 지점에서 1번 스탠드 압연하중을 학습한 결과이다. 두지점의 압연하중 신경망 모델을 통해서 얻은 압연하중 기울기와 동일한 지점에서 얻을 수 있는 압연하중 기울기 차이로부터 선진율을 구하며, 이를 통하여 마찰계수를 구한다. More specifically, FIG. 10 shows the result of learning the first rolling load at the 200th sampling point, and FIG. 11 shows the result of learning the first rolling load at the 1000th sampling point. We obtain the advanced ratio from the rolling load slope difference obtained at the same point as the rolling load slope obtained from the two - point rolling load neural network model, and obtain the friction coefficient through it.
선진율은 압연하중 기울기 차이를 통해서 계산되는데, 임의의 두지점(200, 1000 샘플링 지점)에서의 압연하중을 각각 학습하고 기울기를 계산한다. 도 10 및 도 11은 두지점에 대해서 1번 스탠드의 압연하중을 학습한 결과를 나타낸 도면이다. 학습 모델로 통해서 얻어진 압연하중(세로축), 실제 압연하중(가로축)를 나타낸 그래프이다. 분포도가 Y=X에 가까울수록 학습 정확도가 높음을 뜻한다. 학습한 데이터를 학습/검증/테스트/총 데이터 4개로 나누어서 비교하였고 모든 조건에서 95%이상의 신뢰도가 나옴을 확인할 수 있다.The advanced rate is calculated by the rolling load slope difference, and the rolling load at any two points (200, 1000 sampling points) is learned and the slope is calculated. Figs. 10 and 11 are diagrams showing the result of learning the rolling load of the
도 12는 본 발명의 일 실시예에 따른 압연유 분사 유량 설정 제어 시스템의 압연유 분사유량과 마찰계수간의 관계를 나타내는 그래프이다.12 is a graph showing a relationship between a rolling oil injection flow rate and a friction coefficient in a rolling oil injection flow rate setting control system according to an embodiment of the present invention.
도 12는 도 9에서 학습된 마찰계수 인공지능 학습모델에서 임의의 압연조건을 대입하고 압연유 분사유량만을 10ml/min단위로 증가시켜 시뮬레이션한 결과를 나타낸 그래프이며, 상기 마찰계수 학습모델에 압연유 분사유량을 10ml/min단위로 증가시켜서 마찰계수를 예측할 수 있다. 세로축은 마찰계수이고, 가로축은 10ml/min단위의 압연유 분사유량이다. Fig. 12 is a graph showing simulation results obtained by substituting arbitrary rolling conditions in a friction coefficient artificial intelligence learning model learned in Fig. 9 and increasing the rolling oil injection flow rate in units of 10 ml / min. In the friction coefficient learning model, Can be increased by 10 ml / min to predict the friction coefficient. The vertical axis is the friction coefficient, and the horizontal axis is the rolling oil injection flow rate in units of 10 ml / min.
도 12를 참조하면, 압연유 분사유량이 증가할수록 마찰계수가 낮아짐을 알 수 있으며, 압연유 분사유량이 0인 지점에서의 마찰계수를 무윤활 상태의 마찰계수이며, 무윤활 마찰계수의 90%지점에서의 분사유량으로 설정할 수 있다. 이 방법을 통해서 학습된 어떠한 강종에 대해서 일률적인 비율로 줄어든 마찰조건으로 압연유 분사유량을 결정할 수 있게 된다.Referring to FIG. 12, it can be seen that as the rolling oil injection flow rate increases, the friction coefficient decreases. The friction coefficient at the point where the rolling oil injection flow rate is 0 is the friction coefficient in the no-lubricated state, As shown in FIG. With this method, it is possible to determine the rolling oil injection flow rate with a reduced friction ratio for any steel grade learned.
상술한 바와 같이, 본 발명에 따르면, 롤과 판사이의 마찰계수를 이용하여 롤과 판사이의 윤활성능을 정량적으로 판단할 수 있게 한다. 이를 기반으로 최적의 압연유 분사유량을 결정하게 된다. 그리고 롤과 판사이 마찰계수를 실시간으로 모니터링하여 과도한 마찰계수 발생시 윤활압연 시스템의 비정상 상태를 모니터링할 수 있으며, 마찰계수가 상대적으로 낮을 경우 슬립을 사전에 파악하여 이상조치를 할 수 있도록 한다. As described above, according to the present invention, it is possible to quantitatively judge the lubrication performance of a roll and a sheet by using the coefficient of friction between the roll and the plate. Based on this, the optimal rolling oil injection flow rate is determined. In addition, it monitors the friction coefficient of the roll and the plate in real time to monitor the abnormal state of the lubrication rolling system when excessive friction coefficient is generated. If the friction coefficient is relatively low,
이를 통하여 기존의 윤활압연 시스템의 실구현시 발생하는 문제점을 해결하여, 윤활압연 본연의 목적인 압연하중 감소를 통한 전력비 저감시킬 수 있다. 그리고 롤표면 피로 저감을 통한 피압연 소재의 표면품질을 향상시키고, 비정상 롤교체를 줄여 생산원가를 저감시킬 수 있다.Through this, it is possible to solve the problems occurring in actual implementation of the conventional lubrication rolling system, and to reduce the power cost by reducing rolling load, which is the main purpose of lubrication rolling. It is also possible to improve the surface quality of the rolled material by reducing roll surface fatigue and reduce the production cost by reducing the abnormal roll replacement.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.It is to be understood that both the foregoing general description and the following detailed description are exemplary and explanatory and are not intended to limit the invention to the particular forms disclosed. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.
100: 압연유 분사 유량 설정 제어 시스템
110: 선진율 학습부
120: 마찰계수 학습부
130: 압연 유량 결정부
140: 추정부
150: 상태 판단부100: Rolling oil injection flow setting control system
110: advanced rate learning unit
120: friction coefficient learning unit
130: Rolling flow rate determining section
140:
150:
Claims (8)
상기 선진율, 압연하중, 및 압연토크를 마찰계수 모델에 반영하여 산출된 압연롤과 압연재 사이의 마찰계수를 압연유량 별로 저장하는 마찰계수 학습부; 및
상기 저장된 마찰계수를 이용하여 목표 마찰계수를 설정하고 상기 목표 마찰계수에 대응하는 압연유량을 결정하는 압연유량 결정부를 포함하고,
상기 선진율은 무윤활 조건의 상기 압연하중의 변동량과 압연유가 분사되는 윤활조건의 압연하중의 변동량을 비교하여 획득되는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
An advanced rate learning unit that stores the advanced rate obtained from the variation amount of the rolling load as the rolling progresses by the rolling flow rate;
A friction coefficient learning unit for storing the coefficient of friction between the rolling roll and the rolled material calculated by reflecting the advanced ratio, the rolling load, and the rolling torque on the friction coefficient model by the rolling flow rate; And
And a rolling flow rate determiner for setting a target friction coefficient using the stored friction coefficient and determining a rolling flow rate corresponding to the target friction coefficient,
Wherein the advanced ratio is obtained by comparing a variation amount of the rolling load of the lubricating condition in which the rolling oil is injected with a variation amount of the rolling load in the no-lubricating condition, in the hot rolling.
상기 선진율 학습부는 압연조건 및 압연유 분사유량을 입력받아 압연하중을 출력하는 압연하중 학습모델을 포함하는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 1,
Wherein the advanced rate learning unit includes a rolling load learning model that receives a rolling condition and a rolling oil injection flow rate and outputs a rolling load, wherein the rolling oil injection flow rate setting control system in hot rolling.
상기 마찰계수 모델은 다음의 수학식으로 표현되고,
여기서, μ는 마찰계수, R'는 편평화된 롤반경, R은 롤반경, RF는 압연하중, β는 선진율, τ는 압연토크, To는 출측장력, 및 Ti는 입측장력인 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 1,
The friction coefficient model is expressed by the following equation,
Here, μ is the friction coefficient, R 'is a piece of peace roll radius, R is the roll radius, RF is the rolling load, β is an advanced rate, τ is a rolling torque, T o is the outlet tension, and T i is inlet tension of hot Rolling oil injection flow setting control system in rolling.
상기 압연유량 결정부는 무윤활 조건의 마찰계수의 일정 비율인 값으로 상기 목표 마찰계수를 설정하는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 1,
Wherein the rolling flow rate determiner sets the target friction coefficient to a value that is a constant ratio of the friction coefficient of the no-lubricating condition.
상기 선진율, 측정된 압연하중, 및 측정된 압연토크를 상기 마찰계수 모델에 반영하여 압연 진행 중의 마찰계수를 실시간으로 추정하는 추정부를 더 포함하는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 1,
Further comprising an estimation unit for estimating a coefficient of friction during the rolling in real time by reflecting the advanced ratio, the measured rolling load, and the measured rolling torque to the friction coefficient model, in real time.
상기 압연유량 결정부는 상기 압연 진행 중의 마찰계수를 이용하여 상기 압연유량을 조절하는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 1,
Wherein the rolling flow rate determiner is configured to control the rolling flow rate using the coefficient of friction during the rolling process.
상기 추정된 마찰계수가 사전에 설정된 설정 범위 이외인 경우 이상상태로 판단하는 상태 판단부를 더 포함하는 열간 압연에서 압연유 분사 유량 설정 제어 시스템.
The method according to claim 6,
And determining a state of abnormality when the estimated friction coefficient is out of a predetermined setting range, in the hot rolling.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170168280A KR101998981B1 (en) | 2017-12-08 | 2017-12-08 | Setting control system for injectopn flow rate of rolling oil of hot rolling |
| PCT/KR2018/015509 WO2019112365A1 (en) | 2017-12-08 | 2018-12-07 | Control system for setting rolling oil spray rate during hot rolling |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170168280A KR101998981B1 (en) | 2017-12-08 | 2017-12-08 | Setting control system for injectopn flow rate of rolling oil of hot rolling |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190068165A KR20190068165A (en) | 2019-06-18 |
| KR101998981B1 true KR101998981B1 (en) | 2019-07-10 |
Family
ID=66751661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170168280A KR101998981B1 (en) | 2017-12-08 | 2017-12-08 | Setting control system for injectopn flow rate of rolling oil of hot rolling |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101998981B1 (en) |
| WO (1) | WO2019112365A1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797534B (en) * | 2020-07-10 | 2024-04-09 | 合肥工业大学 | Test method and test system for determining active remanufacturing time of roller |
| CN116078837A (en) * | 2022-12-13 | 2023-05-09 | 鞍钢集团自动化有限公司 | Hot rolling roller way lubrication control method based on intelligent working condition decision |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0613126B2 (en) * | 1985-09-27 | 1994-02-23 | 新日本製鐵株式会社 | Advanced rate control method in strip rolling |
| JP4101998B2 (en) * | 1999-05-12 | 2008-06-18 | 新日本製鐵株式会社 | Sheet rolling warpage prediction / control device |
| KR20020037479A (en) * | 2000-11-14 | 2002-05-22 | 이구택 | A method of controlling rolling oil flux by a friction coefficient of a rolling machine |
| JP4559939B2 (en) * | 2005-09-06 | 2010-10-13 | 新日本製鐵株式会社 | Plate passing monitoring method and plate passing monitoring apparatus for thick steel plate straightening line |
| KR101230151B1 (en) * | 2010-12-28 | 2013-02-15 | 주식회사 포스코 | Method for controlling rolling oil amount of hot rolling |
-
2017
- 2017-12-08 KR KR1020170168280A patent/KR101998981B1/en active IP Right Grant
-
2018
- 2018-12-07 WO PCT/KR2018/015509 patent/WO2019112365A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019112365A1 (en) | 2019-06-13 |
| KR20190068165A (en) | 2019-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111492220B (en) | Model-based method and system for monitoring the condition of sliding bearings, in particular of wind turbines | |
| KR102110645B1 (en) | Hot rolling method | |
| KR101998981B1 (en) | Setting control system for injectopn flow rate of rolling oil of hot rolling | |
| US10919513B2 (en) | Device and method for forecasting wear in brake linings | |
| RU2169053C2 (en) | Method of continuous casting between rolls | |
| CA2758435A1 (en) | Method for monitoring the oil system of a turbomachine | |
| US20210348259A1 (en) | Coating weight control apparatus and coating weight control method | |
| US8666624B2 (en) | Clutch control device and clutch control method | |
| EP3332883A1 (en) | Metal thickness control model based inferential sensor | |
| KR101877341B1 (en) | Method for aligning a straightening roller of a straightening roller system | |
| JP7272331B2 (en) | Method for changing running plate thickness and method for manufacturing steel plate | |
| US7854154B2 (en) | Process and computer program for controlling a rolling process | |
| Kucsera et al. | Hot rolling mill hydraulic gap control (HGC) thickness control improvement | |
| JP5610776B2 (en) | Method for determining control gain in rolling mill and rolling mill | |
| CN105583236B (en) | The online acquisition methods of cold-strip steel plastic coefficient | |
| KR100780423B1 (en) | Tension operation control system of hot strip mill and its control method | |
| Marchenko | Investigation of wear of a contact pair of friction rope block-rope | |
| KR100530465B1 (en) | Control method of mold level for fast continuous casting process | |
| Hrechanyі | Resource forecasting under the action of degradation processes with a catastrophic section on the example of universal spindles liners of rolling mills | |
| KR20040019732A (en) | Method for setting up the rolling load to acquire the constant elongation percentage in the skin pass mill, apparatus thereof | |
| KR20020037479A (en) | A method of controlling rolling oil flux by a friction coefficient of a rolling machine | |
| JP6222031B2 (en) | Rolling mill control method and control apparatus | |
| KR102679773B1 (en) | Control system of tandem cold rolling mill | |
| JP6597565B2 (en) | Thickness control method in cold rolling | |
| JP6057774B2 (en) | Identification method of mill elongation formula in rolling mill |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |