KR102104905B1

KR102104905B1 - 예측 모델을 이용한 압연 제어 장치 및 방법

Info

Publication number: KR102104905B1
Application number: KR1020180111887A
Authority: KR
Inventors: 유구훈; 안정환; 정의훈
Original assignee: 주식회사 포스코
Priority date: 2018-09-19
Filing date: 2018-09-19
Publication date: 2020-05-29
Also published as: KR20200032821A

Abstract

예측 모델을 이용한 압연 제어 장치 및 방법이 개시된다. 강판을 압연하는 조질압연기(100); 조질압연기(100)의 압연 동작을 수치 제어하는 압연기 제어부(200); 및 압연기 제어부(200)의 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 모델 제어부(300)를 포함한다. 따라서 예측 모델을 이용하여 입력 데이터를 변수로 압연 하중 제어값을 예측해서 조질압연기의 압연 동작을 제어함으로써 고객사의 요구 사항을 충족하는 강판을 생산할 수 있고, 예측 모델을 학습시켜 예측 모델을 이용한 압연 동작 제어에 신뢰성을 높이는 장점이 있고, 안전 서버를 포함시켜 이상 발생에 대처함으로써 안전 사고를 예방할 수 있다.

Description

예측 모델을 이용한 압연 제어 장치 및 방법{ROLLING APPARATUS AND METHOD USING PREDICTIVE MODEL}

본 발명은 예측 모델을 이용한 압연 제어 장치 및 방법에 관한 것으로, 더욱 상세하게는 강판을 압연하는 예측 모델을 이용한 압연 제어 장치 및 방법에 관한 것이다.

강판인 냉연강판은 냉간가공에 의해 인성이 감소하고 강도가 증대되는 성질이 있어 사용에 적합하도록 재질을 조성하여 인성을 늘릴 필요가 있다. 이를 위해 냉연강판을 어닐링해서 내부응력을 제거한 후, 가벼운 냉간압연을 실시해 결정립자를 세밀하게 만드는데 이를 가르켜 조질압연이라고 한다. 조질압연에 사용되는 장치로 강판을 압연하는 조질압연기(100)가 있다. 조질압연기(100)에는 2중 또는 4중식 회전압연기가 있으며, 석도강판 원판용 등 같이 얇은 강판에는 2스탠드 탠덤방식도 사용된다. 조질압연기(100) 구동방식은 작업률을 구동시키는 방식과 동력이 일부로 작업롤을 구동시키고 나머지는 전방 및 후방장력을 가하는 방식이 있으며 전동력을 장력으로 해서 가하는 방식 등 3가지가 있다.

조질압연기(100)를 제어하는 제어부는 압연 하중(Roll Force) 제어값에 기반하여 조질압연기(100)의 압연 동작을 제어한다. 여기서, 상술한 바에서 알 수 있듯이 압연 하중 제어값은 강판이 압연되어 생산되는 강판 제품의 품질을 좌우할 수 있다. 따라서 구매자 요구에 맞게 강판 제품의 품질이 일정하게 유지되도록 제어부에서 압연 하중 제어값이 제어되어야 한다.

등록번호 제10-1237079호, 학습기능을 갖는 압연공정 제어 시스템 및 그 제어방법 등록번호 제10-1482468호, 압연기의 벤더력 제어 장치 및 방법

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 압연 하중 제어값을 수치 제어함에 있어 예측 모델을 이용한 모델 제어를 더하는 것을 특징으로 하는 예측 모델을 이용한 압연 제어 장치 및 방법을 제공하는데 있다.

또한, 예측된 압연 하중 제어값으로 조질압연기의 압연 동작을 모델 제어하고, 예측된 압연 하중 제어값에 대응한 실제 계측값을 피드백하여 예측 모델의 신경망을 학습시키는 예측 모델을 이용한 압연 제어 장치 및 방법을 제공하는데 있다.

상기 목적을 달성하기 위한 본 발명은, 강판을 압연하는 조질압연기(100); 조질압연기(100)의 압연 동작을 수치 제어하는 압연기 제어부(200); 및 압연기 제어부(200)의 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 모델 제어부(300)를 포함한다.

또한, 압연기 제어부(200)는 초기값, 오차값 및 목표값을 계산하여 수치 제어한다.

또한, 압연기 제어부(200)는 강판 조도에 기반한 수치 제어를 수행할 수 있다. 강판 조도는 강판 재질 특성인 빛 반사값에 좌우되며, 압연기 제어부(200)가 강판 재질 특성 중 중요한 변수로 작용하는 강판 조도에 기반한 수치 제어를 할 수 있다.

또한, 모델 제어부(300)는 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 예측 모델부(310); 예측된 압연 하중 제어값으로 조질압연기(100)의 압연 동작을 모델 제어하는 제어부(320); 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 예측 모델부(310)에 피드백하여 신경망을 학습시키는 학습부(330)를 포함한다.

또한, 입력 데이터는 소재 두께, 폭, 강종 그룹에 더하여 강판 조도, 고객사, 용도, 연신율 작업 이력 중 어느 하나 이상을 포함한다.

또한, 압연 제어 장치에는 안전 서버(400)가 더 포함될 수 있다. 안전 서버(400)가 압연 하중 제어값과 실제 계측값 사이에 차이가 일정 레벨 이상 큰 경우 이상 발생으로 판단하고, 조질압연기(100)의 압연 동작을 정지시킬 수 있다.

또한, 예측 모델을 이용한 압연 제어 방법은 압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 수치 제어하는 단계; 및 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 단계를 포함하고, 모델 제어는 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 단계; 예측된 압연 하중 제어값으로 압연기 구동부(110)의 압연 동작을 모델 제어하는 단계; 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 상기 예측 모델에 피드백하여 상기 신경망을 학습시키는 단계를 포함한다.

상기와 같은 본 발명에 따른 예측 모델을 이용한 압연 제어 장치 및 방법을 이용할 경우에는 예측 모델을 이용하여 입력 데이터를 변수로 압연 하중 제어값을 예측해서 조질압연기의 압연 동작을 제어함으로써 고객사의 요구 사항을 충족하는 강판을 생산할 수 있다.

또한, 예측 모델을 학습시켜 예측 모델을 이용한 압연 동작 제어에 신뢰성을 높이는 장점이 있다.

또한, 안전 서버를 포함시켜 이상 발생에 대처함으로써 안전 사고를 예방할 수 있다.

도 1은 예측 모델을 이용한 압연 제어 장치의 구성을 보인 예시도이다.
도 2는 모델 제어부(300)의 구성을 보인 블록도이다.
도 3은 입력 데이터를 보인도이다.
도 4는 네트워크된 압연 제어 장치의 실시예를 보인 예시도이다.
도 5는 압연 제어 방법의 동작 흐름도이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 예측 모델을 이용한 압연 제어 장치의 구성을 보인 예시도이다.

실시예로, 압연 제어 장치는 조질압연기(100)의 압연 동작을 제어하는데 있어서, 강판 조도에 기반한 수치 제어와 예측 모델을 이용한 모델 제어를 함께 수행한다. 다른 실시예로, 조질압연기(100) 외에도 용융아연도금공정에서 사용되는 압연기에도 적용될 수 있다. 수치 제어는 강판 조도에 더해 강판의 두께와 폭을 포함하는 수식 모델에 기초한 초기값, 목표값 및 오차값에 기반하고, 모델 제어는 예측 모델을 이용하여 압연 하중 제어값을 예측하고, 예측된 압연 하중 제어값을 조질압연기(100)의 압연 동작을 제어하는데 사용한다. 실시예로, 예측 모델은 신경망을 이용할 수 있으며, 다른 실시예로, 수치 모델을 이용할 수도 있다. 또한, 압연 하중 제어값은 센터 속도, 연신율, 텐션으로 환산될 수 있다.

장치 구성으로, 압연 제어 장치는 강판을 압연하는 조질압연기(100); 조질압연기(100)의 압연 동작을 강판 조도에 기반하여 수치 제어하는 압연기 제어부(200); 및 압연기 제어부(200)의 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 모델 제어부(300)를 포함한다. 여기서, 강판은 냉연강판을 일례로 들었지만, 알루미늄 판재 등 압연 공정이 적용되는 압연 제어 장치에는 다른 판재도 적용이 가능하다.

구체적으로, 압연기 제어부(200)는 강판 조도에 기반한 수치 제어를 수행할 수 있다. 강판 조도는 강판 재질 특성인 빛 반사값에 좌우되며, 압연기 제어부(200)가 강판 재질 특성 중 중요한 변수로 작용하는 강판 조도에 기반한 수치 제어를 할 수 있다. 압연기 제어부(200)는 수식 모델로 초기값, 오차값 및 목표값을 계산하여 SPM(Skin Pass Mill) 수치 제어하며, 오차값은 목표값과 초기값 사이의 차이이며, PID 제어를 통하여 연산된다. 초기값은 두께와 폭을 변수로 가지는 수식 모델에 의해 계산되고, 목표값은 초기값에 오차값이 더해진 값이다. 목표값인 압연 하중 제어값은 압연기 구동부(110)에 입력되어 조질압연기(100)의 압연 동작이 제어된다. 실시예로, 압연기 제어부(200)에서 오차값을 계산할 때 실제 오차값=(후단 텐션값 - 전단 텐션값)/전단 텐션값 *100% 를 이용할 수 있다.

또한, 더욱 구체적으로는 모델 제어부(300)는 상태유지 LSTM 모델을 이용한 모델 제어 방식을 사용할 수 있다. 이때, 상태유지 LSTM 모델은 신경망을 이용하여 압연 하중 제어값을 예측하고, 예측된 압연 하중 제어값에 대응한 조질압연기(100)의 압연 동작에서 실제 계측값으로 신경망이 학습된다. 또한, 신경망은 워크 롤(work roll) 데이터와 제어 데이터를 포함한 데이터를 입력으로 압연 하중 제어값이 예측된다.

도 2는 모델 제어부(300)의 구성을 보인 블록도이다.

압연기 제어부(200)를 보조하는 모델 제어부(300)는 예측 모델을 이용하여 모델 제어하며, 압연 하중 제어값을 포함하는 텐션 테이블이 사용될 수 있다. 이때, 텐션 테이블은 예측 모델에 의해 업데이트될 수 있다.

실시예로, 모델 제어부(300)는 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 예측 모델부(310); 예측된 압연 하중 제어값으로 조질압연기(100)의 압연 동작을 모델 제어하는 제어부(320); 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 예측 모델부(310)에 피드백하여 신경망을 학습시키는 학습부(330)를 포함한다.

구체적으로 바람직한 실시예로, 예측 모델부(310)는 신경망 일종인 AI알고리즘으로 상태유지 LSTM(long short term memory) 모델을 이용한다. 상태유지 LSTM 모델은 현재 학습된 상태가 다음 학습 시 초기 상태로 전달되는 것을 특징으로 한다. 상태유지 LSTM 모델은 X인자로 입력 데이터를, Y인자로 텐션 테이블이 적용될 수 있다. 여기서, 신경망에는 학습 능력이 떨어지는 일반적인 RNN 또는 역전파시 그래디언트가 개선된 일반적인 LSTM이 사용되지 않는다.

또한, 제어부(320)에서 출력되는 압연 하중 제어값은 압연기 구동부(110)에 입력되어 조질압연기(100)의 압연 동작이 제어된다.

또한, 학습부(330)는 제어부(320)가 제어한 압연 하중 제어값에 대응한 조질압연기(100)의 압연 동작에 따른 실제 계측값을 예측 모델부(310)에 피드백하여 상태유지 LSTM 모델을 학습시킨다. 실제 계측값은 조질압연기(100)의 센서로부터 획득될 수 있다. 이때, 센서는 조질압연기(100)에서 압연 하중 제어값으로 압연기 구동부(110)가 실행한 압연 동작을 계측할 수 있다.

도 3은 입력 데이터를 보인도이다.

예측 모델부(310)에서 이용되는 신경망의 일례인 상태유지 LSTM 모델에는 입력 데이터가 입력된다. 입력 데이터에는 고객사, 용도, 연신율 작업 이력으로 특정되는 전공정 조도, 소재 두께, 폭, 재질, 선공정 신경망 예측값, 센터 속도, 텐션, 연신율, 조도 기준, 벤딩 힘, 롤 가공 실적, 유 분사 실적, 고압세척장치 분사 실적 중 어느 하나 이상을 포함한다. 예를 들어, 소재 두께는 강판 두께를 의미하고, 폭은 강판 폭을 의미하고, 강종 그룹은 강판 종류를 의미하고, 강판 조도는 강판 재질 특성인 빛 반사율을 의미하고, 고객사는 강판 구매자를 의미하고, 용도는 강판이 사용되는 용처를 의미하고, 연신율 작업 이력은 조질압연기(100)의 압연 동작에 따른 강판의 연신율 작업 이력을 의미할 수 있다.

신경망은 압연 하중 제어값을 포함하는 텐션 테이블을 업데이트한다. 이때, 텐션 테이블은 학습부(330)에 의한 학습에 의해 업데이트된다. 실시예로, 텐션 테이블은 롤 힘, 텐션, 조도를 포함할 수 있다.

도 4는 네트워크된 압연 제어 장치의 실시예를 보인 예시도이다.

네트워크된 압연 제어 장치는 모델 제어부(300)를 구성하는 예측 모델부(310), 제어부(320) 및 학습부(330)가 네트워크로 연결되어 조질압연기(100)를 제어할 수 있다. 각각의 조질압연기(100)에는 장치 특성과 고객사의 요구사항을 고려한 예측 모델이 적용될 수 있다.

실시예로, 네트워크된 압연 제어 장치는 강판을 압연하는 조질압연기(100); 조질압연기(100)의 압연 동작을 수치 제어하는 압연기 제어부(200); 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 예측 모델부(310); 예측된 압연 하중 제어값으로 조질압연기(100)의 압연 동작을 모델 제어하는 제어부(320); 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 예측 모델부(310)에 피드백하여 신경망을 학습시키는 학습부(330)를 포함할 수 있다. 여기서, 예측 모델부(310)는 여러 예측 모델 중 하나의 예측 모델을 선택할 수 있고, 이에 따라 제어부(320)가 선택된 예측 모델에 기반하여 조질압연기(100)를 제어할 수 있다. 또한, 학습부(330)는 선택된 예측 모델의 신경망을 학습시킬 수 있다.

다른 실시예로, 네트워크된 압연 제어 장치에는 데이터를 저장하는 안전 서버(400)가 더 포함될 수 있다. 안전 서버(400)가 압연 제어 장치에서 운용되는 각종 데이터를 저장하고, 압연 하중 제어값과 실제 계측값 사이에 차이가 일정 레벨 이상 큰 경우 이상 발생으로 판단하고, 조질압연기(100)의 압연 동작을 정지시킬 수 있다. 압연 하중 제어값과 실제 계측값 사이의 차이는 기록되어 사후 관리될 수 있다. 차이 기록은 이상 발생을 판단하는데 비교 자료로 사용될 수 있다. 안전 서버(400)가 이상 발생에 대처함으로써 안전 사고를 예방할 수 있다.

도 5는 압연 제어 방법의 동작 흐름도이다.

예측 모델을 이용한 압연 제어 방법은 압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 수치 제어하는 단계(510); 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 단계(520); 예측된 압연 하중 제어값으로 압연기 구동부(110)의 압연 동작을 모델 제어하는 단계(530); 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 상기 예측 모델에 피드백하여 상기 신경망을 학습시키는 단계(540)를 포함한다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100: 조질압연기 110: 압연기 구동부
200: 압연기 제어부 300: 모델 제어부
310: 예측 모델부 320: 제어부
330: 학습부 400: 안전 서버

Claims

강판을 압연하는 압연기 구동부(110);
상기 압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 상기 강판으로부터의 빛 반사값으로 강판의 조도에 기반하여 수치 제어하되, 수식 모델로 초기값, 오차값 및 목표값을 계산하여 수치 제어하는 압연기 제어부(200); 및
상기 압연기 제어부(200)의 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 모델 제어부(300)를 포함하고,
상기 모델 제어부(300)는 입력 데이터를 상태유지 LSTM 신경망을 적용해서 압연 하중 제어값을 예측하는 예측 모델부(310)와, 예측된 압연 하중 제어값으로 상기 압연기 구동부(110)의 압연 동작을 모델 제어하는 제어부(320) 및 예측된 압연 하중 제어값에 대응한 실제 계측값을 상기 예측 모델부(310)에 피드백하여 현재 학습된 상태가 다음 학습 시 초기 상태로 전달되도록 상기 신경망을 학습시키는 학습부(330)를 포함하는 예측 모델을 이용한 압연 제어 장치.
삭제
제1항에 있어서,
입력 데이터는 고객사, 용도, 연신율 작업 이력으로 특정되는 소재 두께, 폭, 재질 중 어느 하나 이상을 포함하는 예측 모델을 이용한 압연 제어 장치.
삭제
압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 강판으로부터의 빛 반사값으로 강판의 조도에 기반하여 수치 제어하되, 수식 모델로 초기값, 오차값 및 목표값을 계산하여 수치 제어하는 단계; 및
상기 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 단계를 포함하고,
상기 모델 제어는 입력 데이터를 상태유지 LSTM 신경망을 적용해서 압연 하중 제어값을 예측하고, 예측된 압연 하중 제어값으로 상기 압연기 구동부(110)의 압연 동작을 모델 제어하고, 예측된 압연 하중 제어값에 대응한 실제 계측값을 상기 예측 모델에 피드백하여 현재 학습된 상태가 다음 학습 시 초기 상태로 전달되도록 상기 신경망을 학습시키는 단계를 포함하는 예측 모델을 이용한 압연 제어 방법.
삭제