KR20120095273A - Energy expend volume forecast device - Google Patents

Energy expend volume forecast device Download PDF

Info

Publication number
KR20120095273A
KR20120095273A KR1020110024312A KR20110024312A KR20120095273A KR 20120095273 A KR20120095273 A KR 20120095273A KR 1020110024312 A KR1020110024312 A KR 1020110024312A KR 20110024312 A KR20110024312 A KR 20110024312A KR 20120095273 A KR20120095273 A KR 20120095273A
Authority
KR
South Korea
Prior art keywords
energy consumption
value
calculation
learning
performance
Prior art date
Application number
KR1020110024312A
Other languages
Korean (ko)
Other versions
KR101253409B1 (en
Inventor
카즈토시 키타고우
Original Assignee
도시바 미쓰비시덴키 산교시스템 가부시키가이샤
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 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 filed Critical 도시바 미쓰비시덴키 산교시스템 가부시키가이샤
Publication of KR20120095273A publication Critical patent/KR20120095273A/en
Application granted granted Critical
Publication of KR101253409B1 publication Critical patent/KR101253409B1/en

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

PURPOSE: An energy consumption predicting system is provided to accurately predict energy consumption because different prediction errors for plate thickness, plate width, and kinds of steel of rolled materials are compensated by applying an energy consumption learning value according to the plate thickness, the plate width, and the kinds of steel. CONSTITUTION: An energy consumption predicting system(10) comprises an energy consumption calculating device(14), an energy consumption actual value calculating device(15), an energy consumption actual value acquisition device(16), an energy consumption learning value calculating device(17), and a predicting value calculating device(18). The energy consumption calculating device calculates an energy consumption calculating value(EnSET) by using a set value of rolling torque, roll speed, and rolling power. The energy consumption actual value calculating device calculates an energy consumption actual calculating value(EnACTCAL) by using a calculating value calculated from the actual values of the rolling torque and the roll speed. The energy consumption actual value acquisition device acquires an energy consumption actual value(AACT) by integrating a rolling power operation actual value. The energy consumption learning value calculating device calculates an energy consumption learning value(ZnECCUR) by comparing the energy consumption actual calculating value and the energy consumption actual value. The predicting value calculating device calculates an energy consumption predicting value(EnPred) reflecting the energy consumption learning value to the energy consumption calculating value.

Description

에너지 소비량 예측 장치{ENERGY EXPEND VOLUME FORECAST DEVICE}Energy consumption prediction device {ENERGY EXPEND VOLUME FORECAST DEVICE}

본 발명은, 금속제품을 제조하는 열간 압연 라인에서의 에너지 소비량을 예측하는 에너지 소비량 예측 장치에 관한 것이다.
The present invention relates to an energy consumption prediction device for predicting energy consumption in a hot rolling line for producing a metal product.

열간 압연 라인에 의해 소망하는 사이즈?품질의 제품을 제조하기 위해 필요하게 되는 에너지 소비량은, 예를 들면 압연 스탠드의 압연 토오크나 롤 속도를 이용하여 산출된다(예를 들면, 특허 문헌 1 참조). 또한, 피압연재마다 압연 토오크와 롤 속도가 대강 정해져 있는 것을 전제로 하여, 압연 토오크나 롤 속도의 예측치를 이용하지 않고서, 재질, 압연 시간 및 압연 전후의 피압연재 사이즈에 의거한 구분마다 에너지 소비량을 학습하는 방법이 제안되어 있다(예를 들면, 특허 문헌 2 참조).The energy consumption required for producing a product of a desired size and quality by a hot rolling line is calculated using, for example, the rolling torque of the rolling stand or the roll speed (see Patent Document 1, for example). Also, on the premise that the rolling torque and the roll speed are roughly determined for each rolled material, the energy consumption for each section based on the material, the rolling time, and the rolled material size before and after rolling is not used without using the predicted rolling torque or the roll speed. A method of learning is proposed (for example, refer patent document 2).

[선행 기술 문헌][Prior Art Literature]

[특허 문헌][Patent Document]

특허 문헌 1 : 일본 특허 제3444267호 공보Patent Document 1: Japanese Patent No. 3444267

특허 문헌 2 : 일본 특허 제3498786호 공보Patent Document 2: Japanese Patent No. 3498786

에너지 소비량의 예측에 사용되는 파라미터인 압연 시간, 압연 토오크, 롤 속도 중, 압연 토오크는, 모델식을 이용한 설정 계산 등에 의해 정밀도 좋게 예측할 수 있다. 그러나, 압연 시간이나 롤 속도는 실제의 압연에서 예측치와의 오차가 생기기 쉬워 에너지 소비량의 예측 오차의 요인이다. 또한, 에너지 소비량은, 압연 스탠드의 롤을 구동하는 모터의 경시 변화 등의, 설정 계산이나 설정 계산 학습으로는 고려되어 있지않은 요인에 의해서도 변화한다. 이 때문에, 에너지 소비량을 정확히 예측하기 위해서는, 이들의 오차를 학습 계산에 의해 보정할 필요가 있다.Among the rolling time, rolling torque, and roll speed which are parameters used for the prediction of the energy consumption, the rolling torque can be accurately predicted by setting calculation using a model equation or the like. However, rolling time and roll speed tend to produce an error with a predicted value in actual rolling, and are a factor of the prediction error of energy consumption. In addition, the energy consumption varies depending on factors not considered in setting calculation and setting calculation learning, such as the time-lapse change of the motor which drives the roll of a rolling stand. For this reason, in order to accurately estimate energy consumption, these errors need to be corrected by learning calculation.

그러나, 재질, 압연 시간 및 압연 전후의 피압연재 사이즈에 의거한 구분마다 에너지 소비량을 학습하는 상기하는 방법에서는, 압연 토오크나 롤 속도의 예측치를 이용하고 있지 않다. 이 때문에, 같은 구분이라도, 압연 조건이 변화한 때, 압연 토오크 및 압연 속도가 변화하면 예측 정밀도가 저하한다는 문제가 있다.However, in the above-described method of learning the energy consumption for each division based on the material, the rolling time, and the rolled material size before and after rolling, the predicted value of the rolling torque and the roll speed are not used. For this reason, even if it is the same division, when rolling conditions change, when rolling torque and rolling speed change, there exists a problem that a prediction precision falls.

상기 문제점을 감안하여, 본 발명은, 예측 정밀도가 높은 열간 압연 라인의 에너지 소비량 예측 장치를 제공하는 것을 목적으로 한다.
In view of the above problems, an object of the present invention is to provide an energy consumption prediction device for a hot rolling line with high prediction accuracy.

본 발명의 한 양태에 의하면, 열간 압연 라인의 에너지 소비량 예측 장치로서, (ㄱ) 열간 압연 라인에서의 압연 처리중에 계측된 동작 실적치를 취득하는 실적치 취득 장치와, (ㄴ) 모델식의 파라미터에 동작 실적치를 적용하여 얻어지는 동작 실적 계산치와 동작 실적치를 비교하여, 설정 계산 학습치를 산출하는 설정 계산 학습 장치와, (ㄷ) 열간 압연 라인의 조업 조건 및 설정 계산 학습치를 이용하여, 열간 압연 라인에서의 압연 토오크, 롤 속도 및 압연 파워의 설정치를 포함하는 동작 설정치를 계산하는 설정 계산 장치와, (ㄹ) 동작 설정치를 이용하여 에너지 소비량 계산치를 산출하는 에너지 소비량 산출 장치와, (ㅁ) 압연 토오크 및 롤 속도의 동작 실적 계산치를 이용하여 에너지 소비량 실적 계산치를 산출하는 에너지 소비량 실적치 산출 장치와, (ㅂ) 압연 파워의 동작 실적치를 적분함에 의해 에너지 소비량 실적치를 취득하는 에너지 소비량 실적치 취득 장치와, (ㅅ) 에너지 소비량 실적 계산치와 에너지 소비량 실적치를 비교함에 의해, 에너지 소비량 학습치를 산출하는 에너지 소비량 학습치 산출 장치와, (ㅇ) 에너지 소비량 학습치를 에너지 소비량 계산치에 반영시킨 에너지 소비량 예측치를 산출하는 예측치 산출 장치를 구비하는 에너지 소비량 예측 장치가 제공된다.
According to one aspect of the present invention, an energy consumption predicting device for a hot rolling line includes: (a) a performance value acquiring device for acquiring operation performance values measured during a rolling process on a hot rolling line; and (b) operating on a parameter of a model equation. Rolling in a hot rolling line using the setting calculation learning apparatus which compares the operation performance calculation value obtained by applying a performance value, and a operation calculation value, and calculates a setting calculation learning value, and (c) the operating conditions and setting calculation learning value of a hot rolling line. A setting calculation device for calculating an operating set value including a set value of torque, roll speed and rolling power, (d) an energy consumption calculating device for calculating an energy consumption calculation value using the operating set value, and (ㅁ) rolling torque and roll speed Energy consumption performance calculation apparatus for calculating the energy consumption performance calculation using the operation performance calculation of , (Iii) an energy consumption performance value calculation device that obtains an energy consumption performance value value by integrating the operating performance value of rolling power; and (s) an energy consumption amount that calculates an energy consumption learning value by comparing the energy consumption performance calculation value and the energy consumption performance value value. There is provided an energy consumption predicting apparatus having a learning value calculating device and (o) a predicting value calculating device for calculating an energy consumption predicting value in which the energy consumption learning value is reflected in the energy consumption calculating value.

본 발명에 의하면, 예측 정밀도가 높은 열간 압연 라인의 에너지 소비량 예측 장치를 제공할 수 있다.
According to this invention, the energy consumption prediction apparatus of a hot rolling line with high prediction precision can be provided.

도 1은 본 발명의 제 1의 실시 형태에 관한 에너지 소비량 예측 장치의 구성을 도시하는 모식도.
도 2는 숙간 압연 라인의 구성예를 도시하는 모식도.
도 3은 본 발명의 제 1의 실시 형태에 관한 에너지 소비량 예측 장치에 의한 에너지 소비량 실적치의 산출 방법의 예를 도시하는 모식도.
도 4는 본 발명의 제 2의 실시 형태에 관한 에너지 소비량 예측 장치의 구성을 도시하는 모식도.
도 5는 본 발명의 제 3의 실시 형태에 관한 에너지 소비량 예측 장치의 구성을 도시하는 모식도.
도 6은 본 발명의 제 3의 실시 형태에 관한 에너지 소비량 예측 장치의 학습치 데이터베이스에 저장된 테이블의 예를 표시하는 표.
도 7은 본 발명의 제 4의 실시 형태에 관한 에너지 소비량 예측 장치의 구성을 도시하는 모식도.BRIEF DESCRIPTION OF THE DRAWINGS It is a schematic diagram which shows the structure of the energy consumption amount prediction apparatus which concerns on the 1st Embodiment of this invention.
It is a schematic diagram which shows the structural example of a lean rolling line.
It is a schematic diagram which shows an example of the calculation method of the energy consumption performance value value by the energy consumption amount prediction apparatus which concerns on 1st Embodiment of this invention.
4 is a schematic diagram showing a configuration of an energy consumption predicting device according to a second embodiment of the present invention.
5 is a schematic diagram showing a configuration of an energy consumption predicting device according to a third embodiment of the present invention.
Fig. 6 is a table showing an example of a table stored in a learning value database of an energy expenditure predicting apparatus according to a third embodiment of the present invention.
7 is a schematic diagram illustrating a configuration of an energy consumption predicting device according to a fourth embodiment of the present invention.

다음에, 도면을 참조하여, 본 발명의 제 1 내지 제 4의 실시 형태를 설명한다. 이하의 도면의 기재에 있어서, 동일 또는 유사한 부분에는 동일 또는 유사한 부호를 붙이고 있다. 이하에 나타내는 실시 형태는, 본 발명의 기술적 사상을 구체화하기 위한 장치나 방법을 예시하는 것으로서, 본 발명의 실시 형태는, 구성 부품의 구조, 배치 등을 하기한 것으로 특정하는 것이 아니다. 본 발명의 실시 형태는. 특허청구의 범위에 있어서, 여러가지의 변경을 가할 수 있다.Next, the first to fourth embodiments of the present invention will be described with reference to the drawings. In description of the following drawings, the same or similar code | symbol is attached | subjected to the same or similar part. The embodiment shown below illustrates the apparatus and method for incorporating the technical idea of this invention, and embodiment of this invention does not specify the thing of the structure, arrangement | positioning, etc. of a component. An embodiment of the present invention. Various changes can be added in the scope of the claims.

(제 1의 실시 형태)(First embodiment)

본 발명의 제 1의 실시 형태에 관한 에너지 소비량 예측 장치(10)는, 열간 압연 라인(20)의 에너지 소비량을 예측하는 장치로서, 도 1에 도시하는 바와 같이, 실적치 취득 장치(11), 설정 계산 학습 장치(12), 설정 계산 장치(13), 에너지 소비량 산출 장치(14), 에너지 소비량 실적치 산출 장치(15), 에너지 소비량 실적치 취득 장치(16), 에너지 소비량 학습치 산출 장치(17), 예측치 산출 장치(18)를 구비한다.The energy consumption prediction device 10 according to the first embodiment of the present invention is a device for predicting the energy consumption of the hot rolling line 20, and as shown in FIG. 1, the performance value obtaining device 11 is set. The calculation learning apparatus 12, the setting calculation apparatus 13, the energy consumption calculation apparatus 14, the energy consumption performance value calculation apparatus 15, the energy consumption performance value acquisition apparatus 16, the energy consumption learning value calculation apparatus 17, The predictive value calculation device 18 is provided.

실적치 취득 장치(11)는, 열간 압연 라인(20)에서의 압연 처리중에 계측된, 압연 토오크, 롤 속도 및 피압연재의 전체 길이에 걸치는 압연 파워 등을 포함하는 실적치(이하에서, 「동작 실적치(AACT)」라고 한다)를 취득한다.The performance value acquiring device 11 includes a performance value including a rolling torque, a roll speed, and rolling power over the entire length of the rolled material measured during the rolling process on the hot rolling line 20 (hereinafter, the operation performance value ( A ACT ) ").

설정 계산 학습 장치(12)는, 모델식의 파라미터에 동작 실적치(AACT)를 적용하여 얻어지는 동작 실적 계산치(AACTCAL)와 동작 실적치(AACT)를 비교하여, 설정 계산 학습치(ZnM)를 산출한다. 여기서, 윗 첨자 ACT는 동작 실적치를 의미하고, 윗 첨자 ACTCAL은 동작 실적 계산치를 의미한다(이하 동일).Setting calculation learning apparatus 12, the operation actual performance value (A ACT) operation results calculated (Zn M), set calculated learning value by comparing (A ACTCAL) and the operation actual performance value (A ACT) which is obtained by applying the parameters of the model formula Calculate Here, the superscript ACT means the operation performance value, and the superscript ACTCAL means the operation performance value (hereinafter, the same).

설정 계산 장치(13)는, 열간 압연 라인(20)의 조업 조건 및 설정 계산 학습치(ZnM)를 이용하여, 열간 압연 라인(20)에서의 압연 토오크, 롤 속도 및 압연 파워의 설정치를 포함하는 동작 설정치(ASET)를 계산한다. 에너지 소비량 산출 장치(14)는, 동작 설정치(ASET)를 이용하여 에너지 소비량 계산치(EnSET)를 산출한다.The setting calculation apparatus 13 contains the setting value of the rolling torque, the roll speed, and the rolling power in the hot rolling line 20 using the operating conditions of the hot rolling line 20 and the setting calculation learning value Zn M. Calculate the operation set value (A SET ). The energy consumption calculation device 14 calculates the energy consumption calculation value En SET using the operation set value A SET .

에너지 소비량 실적치 산출 장치(15)는, 압연 토오크 및 롤 속도의 동작 실적 계산치(AACTCAL)를 이용하여 에너지 소비량 실적 계산치(EnACTCAL)를 산출한다. 한편, 에너지 소비량 실적치 취득 장치(16)는, 실적치 취득 장치(11)에 의해 취득된 압연 파워의 동작 실적치(PwACT)를 적분함에 의해 에너지 소비량 실적치(EnACT)를 취득한다.The energy consumption performance result calculation device 15 calculates the energy consumption performance calculation value En ACTCAL using the operation performance calculation value A ACTCAL of the rolling torque and the roll speed. On the other hand, the energy consumption amount performance value acquisition device 16 acquires the energy consumption amount performance value En ACT by integrating the operation performance value Pw ACT of the rolling power acquired by the performance value acquisition device 11.

에너지 소비량 학습치 산출 장치(17)는, 에너지 소비량 실적 계산치(EnACTCAL)와 에너지 소비량 실적치(EnACT)를 비교함에 의해, 에너지 소비량 학습치(ZnEC CUR)를 산출한다. 산출된 에너지 소비량 학습치(ZnEC CUR)는, 에너지 소비량 학습치 저장 장치(171)에 저장된다.Energy consumption learning value calculation device 17 calculates the energy consumption performance calculated (En ACTCAL) and the actual performance value of energy consumption, energy consumption learning value (Zn EC CUR) by comparing the (En ACT). The calculated energy consumption learning value Zn EC CUR is stored in the energy consumption learning value storage device 171.

예측치 산출 장치(18)는, 에너지 소비량 학습치 저장 장치(171)로부터 판독한 에너지 소비량 학습치(ZnEC)를 에너지 소비량 계산치(EnSET)에 반영시킨 에너지 소비량 예측치(EnPred)를 산출한다.The predicted value calculating device 18 calculates the energy consumption predicted value En Pred in which the energy consumption learned value Zn EC read out from the energy consumption learned value storage 171 is reflected in the energy consumption calculated value En SET .

도 2에, 에너지 소비량 예측 장치(10)에 의한 에너지 소비량의 예측 대상인 열간 압연 라인(20)의 구성예를 도시한다. 도 2에 도시한 열간 압연 라인(20)은, 가열로(21), 조압연기(rough rolling machine;23), 마무리 압연기(26), 권취기(28)를 갖는다.In FIG. 2, the structural example of the hot rolling line 20 which is an object of prediction of the energy consumption by the energy consumption prediction apparatus 10 is shown. The hot rolling line 20 shown in FIG. 2 has the heating furnace 21, the rough rolling machine 23, the finishing rolling mill 26, and the winding machine 28. As shown in FIG.

가열로(21)로부터 반출된 피압연재(100)는, 가역식의 조압연기(23)에 의해 압연된다. 조압연기(23)는, 통상 1대 내지 수대의 압연 스탠드를 갖고, 피압연재(100)를 왕복시키면서 조압연기(23)에 수회 통과시킴에 의해, 조압연기 출구측에서 목표의 중간 바 판 두께까지 압연된다. 조압연기(23)의 압연 스탠드에 피압연재(100)를 통과시키는 것을 이하에서 「패스」라고 한다.The rolled material 100 carried out from the heating furnace 21 is rolled by the reversible roughing mill 23. The roughing mill 23 usually has one to several rolling stands, and passes through the roughing mill 23 several times while reciprocating the to-be-rolled material 100 to the target intermediate bar plate thickness at the exit of the roughing mill. Rolled. Passing the to-be-rolled material 100 through the rolling stand of the roughing mill 23 is called "pass" below.

조압연기(23)에서 압연된 후, 피압연재(100)는 조압연기(23) 출구측부터 마무리 압연기(26) 입구측까지 반송되고, 예를 들면 5 내지 7기의 압연 스탠드(260)로 이루어지는 마무리 압연기(26)에 의해, 소망하는 제품 판 두께까지 압연된다. 마무리 압연기(26)로부터 반출된 피압연재(100)는, 수냉 장치 등의 냉각 장치(27)로 냉각된 후, 권취기(28)에 의해 코일형상으로 권치된다.After rolling in the roughing mill 23, the to-be-rolled material 100 is conveyed from the roughing mill 23 exit side to the finishing mill 26 inlet side, and consists of rolling stands 260 of 5-7, for example. By the finishing mill 26, it rolls to desired product sheet thickness. The to-be-rolled material 100 carried out from the finish rolling mill 26 is wound up by a winding machine 28 in a coil shape after being cooled by a cooling device 27 such as a water cooling device.

또한, 조압연기(23)의 압연 스탠드의 롤은 모터(231)에 의해 구동되고, 마무리 압연기(26)의 압연 스탠드(260)의 롤은 모터(261)에 의해 구동된다. 또한, 조압연기(23)의 입구측에 조압연기 입구측 디스케일러(22)가 배치되고, 마무리 압연기(26)의 입구측에 마무리 압연기 입구측 디스케일러(25)가 배치되어 있다. 또한, 조압연기(23)와 마무리 압연기(26) 사이의 반송 테이블 에어리어에 크롭커트쉐어(24)가 배치되어 있다.In addition, the roll of the rolling stand of the roughing mill 23 is driven by the motor 231, and the roll of the rolling stand 260 of the finishing mill 26 is driven by the motor 261. As shown in FIG. Moreover, the roughing mill inlet side descaler 22 is arrange | positioned at the inlet side of the roughing mill 23, and the finishing mill inlet side descaler 25 is arrange | positioned at the inlet side of the finishing mill 26. As shown in FIG. Moreover, the crop cut share 24 is arrange | positioned in the conveyance table area between the roughing mill 23 and the finishing mill 26. As shown in FIG.

도 1에 도시한 에너지 소비량 예측 장치(10)는, 소망하는 사이즈?품질의 제품을 제조하기 위해 필요한, 열간 압연 라인(20)의 에너지 소비량의 예측치를 산출한다. 이하에, 에너지 소비량 예측 장치(10)의 상세한 동작을 설명한다.The energy consumption prediction apparatus 10 shown in FIG. 1 calculates the estimated value of the energy consumption amount of the hot rolling line 20 required in order to manufacture the product of desired size and quality. The detailed operation of the energy consumption prediction device 10 will be described below.

설정 계산 장치(13)는, 조업 조건 및 설정 계산 학습치(ZnM)에 의거하여, 공지의 모델식을 이용하여 동작 설정치(ASET)를 계산한다. 조업 조건은, 예를 들면 마무리 압연기(26) 출구측에서의 목표로 하는 판 두께나, 마무리 압연기 출구측 온도 등이다. 또한, 동작 설정치(ASET)는, 피압연재(100)를 소망하는 판 두께로 하기 위해 필요한 롤 간극, 및 소망하는 마무리 압연기 출구측 온도를 실현하기 위해 필요한 롤 속도 등에 관해 계산된다. 즉, 열간 압연 라인(20)에서 제조되는 제품이 소망하는 사이즈 및 품질을 실현하기 위해 필요한 압연 토오크, 롤 속도 등이, 설정 계산 장치(13)에 의해 계산된다.The setting calculation device 13 calculates the operation setting value A SET using a known model equation based on the operating condition and the setting calculation learning value Zn M. The operating conditions are, for example, the target sheet thickness at the finish mill 26 outlet side, the finish mill outlet temperature, and the like. In addition, the operation set value A SET is calculated with respect to the roll gap required for making the rolled material 100 the desired sheet thickness, the roll speed required for realizing the desired finish mill exit temperature. That is, the rolling torque, roll speed, etc. which are necessary for the product manufactured by the hot rolling line 20 to implement | require a desired size and quality are calculated by the setting calculation apparatus 13.

또한, 마무리 압연기(26)의 부하 한계치, 및 압연 스탠드(260)의 롤을 구동하는 모터(261)의 토오크 한계치를 초과하지 않도록, 각 패스나 각 압연 스탠드(260)의 압연 하중, 압연 토오크 및 롤 속도 등의 설정치를 포함하는 동작 설정치(ASET)가, 설정 계산 장치(13)에 의해 계산된다.In addition, the rolling load of each pass and each rolling stand 260, the rolling torque, and so as not to exceed the load limit of the finishing mill 26 and the torque limit of the motor 261 which drives the roll of the rolling stand 260 are not exceeded. The operation setting value A SET including setting values such as a roll speed is calculated by the setting calculation device 13.

이들의 동작 설정치(ASET)에서는, 피압연재(100)의 선단부터 정밀도를 보증하기 위해 중요한 연계점, 생산량 확보의 점에서 피압연재(100)를 가속시키기 위해 압연 속도가 가장 커지는 중간점, 피압연재(100)의 온도가 낮아지는 미단점(尾端点)의, 적어도 3점에서 산출되는 것이 바람직하다. 동작 설정치(ASET)를 산출하는 지점을 이하서 「목표점」이라고 한다.At these operation set values A SET , the intermediate point at which the rolling speed is greatest to accelerate the rolled material 100 at the point of linkage and production yield, which are important for ensuring accuracy from the tip of the rolled material 100, and the pressure It is preferable to calculate at least 3 points of the end point by which the temperature of the extending | stretching material 100 becomes low. The point at which the operation set value A SET is calculated is referred to as a "target point" below.

또한, 상기 일련의 계산을 「설정 계산」이라 한다. 설정 계산에 의해 계산된 롤 간극이나 롤 속도 등의 동작 설정치(ASET)는, 열간 압연 라인(20)의 제어 장치에 출력되고, 이들의 동작 설정치(ASET)에 의거하여 열간 압연 라인(20)은 조업된다. 또한, 압연 토오크, 롤 속도의 동작 설정치(ASET)는, 에너지 소비량 계산용의 입력 파라미터로서, 에너지 소비량 산출 장치(14)에 출력된다.In addition, said series of calculations is called "setting calculation." The operation set values A SET , such as the roll gap and the roll speed, calculated by the setting calculation are output to the control device of the hot rolling line 20, and the hot rolling lines 20 are based on these operation set values A SET . ) Is operated. In addition, the operation | movement setting value A SET of rolling torque and a roll speed is output to the energy consumption calculation apparatus 14 as an input parameter for energy consumption calculation.

실적치 취득 장치(11)는, 열간 압연 라인(20)에 설치된 계측기(도시 생략)로부터, 압연 처리중의 피압연재(100) 전체 길이에 걸치는 압연 토오크, 롤 속도, 및 압연 파워 등의 동작 실적치(AACT)를 취득한다. 예를 들면, 압연 토오크는 롤에 가하여지는 하중 등, 롤 속도는 롤의 회전수 등, 압연 파워는 모터(261)의 구동 전류 등을 이용하여, 각각 산출된다.The performance value acquiring device 11 is an operating performance value such as rolling torque, roll speed, rolling power, and the like that spans the entire length of the rolled material 100 during the rolling process from a measuring instrument (not shown) provided in the hot rolling line 20 ( A ACT ). For example, the rolling torque is calculated using the load applied to the roll, the roll speed is the rotation speed of the roll, and the like, and the rolling power is the drive current of the motor 261.

실적치 취득 장치(11)에 의해 취득된 동작 실적치(AACT)는, 설정 계산 학습 장치(12)에 출력된다.The operation | movement performance value A ACT acquired by the performance value acquisition apparatus 11 is output to the setting calculation learning apparatus 12.

설정 계산 학습 장치(12)는, 실적치 취득 장치(11)에 의해 취득된 동작 실적치(AACT)를 모델식의 파라미터에 대입하여 동작 실적 계산치(AACTCAL)를 산출한다. 또한, 설정 계산 학습 장치(12)는, 실적치 취득 장치(11)에 의해 취득된 피압연재 100의 각 목표점에서의 동작 실적치(AACT)와, 산출한 동작 실적 계산치(AACTCAL)를 비교함에 의해, 동작 실적치(AACT)와 동작 실적 계산치(AACTCAL)의 오차를 학습한다.The setting calculation learning apparatus 12 substitutes the operation | movement performance value A ACT acquired by the performance value acquisition apparatus 11 into the parameter of a model formula, and calculates the operation | work performance calculation value A ACTCAL . In addition, the setting calculation learning apparatus 12 compares the operation | movement performance value A ACT in each target point of the to-be-rolled material 100 acquired by the performance value acquisition apparatus 11, and the calculated operation | movement performance calculated value A ACTCAL by The error between the operation performance value A ACT and the operation performance calculation value A ACTCAL is learned.

구체적으로는, 설정 계산 학습 장치(12)는 동작 실적치(AACT)의 동작 실적 계산치(AACTCAL)에 대한 비를 산출한다. 즉, 「동작 실적치(AACT)/동작 실적 계산치(AACTCAL)」로서 설정 계산 학습치(ZnM)가 산출된다.Specifically, the setting calculation learning device 12 calculates the ratio of the operation performance value A ACT to the operation performance calculation value A ACTCAL . That is, the set calculation learning value Zn M is calculated as "the operation performance value A ACT / operation performance calculation value A ACTCAL ".

산출된 설정 계산 학습치(ZnM)는, 설정 계산 학습치 저장 장치(121)에 저장된다. 설정 계산 학습치 저장 장치(121)에 저장된 설정 계산 학습치(ZnM)는, 설정 계산 장치(13)에 사용된다.The calculated setting calculation learning value Zn M is stored in the setting calculation learning value storage device 121. The setting calculation learning value Zn M stored in the setting calculation learning value storage device 121 is used for the setting calculation device 13.

에너지 소비량 산출 장치(14)에 의한 열간 압연 라인(20)의 에너지 소비량의 계산에는, 설정 계산 장치(13)에 의해 산출된 동작 설정치(ASET)가 사용된다. 구체적으로는, 에너지 소비량 산출 장치(14)가, 산출된 압연 토오크 및 롤 속도 등의 동작 설정치(ASET), 및 조업 조건에 의거하여, 조압연기(23)에서의 각 패스 및 마무리 압연기(26)의 각 압연 스탠드(260)의 에너지 소비량 계산치(EnSET)를 산출한다. 예를 들면, 각 패스 및 각 압연 스탠드(260)의 롤을 구동하는 모터(261)의 에너지 소비량 계산치(EnSET)는, 이하의 식(1) 및 식(2)에 표시하는 바와 같이, 압연 토오크(G(t))[kNm], 롤 속도(v(t))[m/s]의 곱을 시간(t)[s] 적분함에 의해 산출된다 :The operation setting value A SET calculated by the setting calculation device 13 is used for calculation of the energy consumption amount of the hot rolling line 20 by the energy consumption calculation device 14. Specifically, the energy consumption calculation device 14 calculates each pass and finish rolling mill 26 in the roughing mill 23 based on the calculated operation set values A SET such as the rolling torque and the roll speed, and operating conditions. The energy consumption calculation value En SET of each rolling stand 260 of () is computed. For example, the energy consumption calculation value En SET of the motor 261 which drives each path and the roll of each rolling stand 260 is rolled as shown by following formula (1) and formula (2). The product of torque G (t) [kNm], roll speed v (t) [m / s] is calculated by integrating time t [s]:

EnSET=η∫Pw(t)dt … (1)En SET = η∫Pw (t) dt. (One)

Pw(t)-(1000×v(t)×G(t))/R … (2)Pw (t) − (1000 × v (t) × G (t)) / R... (2)

식(1)에서, ∫dt는 t=0부터 T까지, 즉 피압연재(100)에 대한 압연 처리의 시작부터 종료까지의 시간 적분을 나타내고, η는 전력 변환 효율(전류-일 사이의 변환시의 효율)이다. 식(2)에서, R[㎜]은 롤 반경, Pw(t)[㎾]는 압연 파워이다. 압연 토오크(G(t))는 롤 기준이다.In Equation (1), ∫dt represents the time integration from t = 0 to T, that is, the time integration from the start to the end of the rolling process for the rolled material 100, and η represents the power conversion efficiency (current-day conversion Efficiency). In formula (2), R [mm] is a roll radius and Pw (t) [k] is a rolling power. Rolling torque G (t) is on a roll basis.

에너지 소비량 실적치 산출 장치(15)는, 설정 계산 학습 장치(12)가 설정 계산 학습치(ZnM)를 산출할 때에 사용한, 압연 토오크의 동작 실적 계산치(Gi ACTCAL)와 롤 속도의 동작 실적 계산치(Vi ACTCAL)를 이용하여, 에너지 소비량 실적 계산치(EnACTCAL)를 산출한다. 에너지 소비량 실적 계산치(EnACTCAL)는, 식(1) 및 식(2)를 사용하고, 이하의 식(3) 및 식(4)에 의해 산출된다 :The energy consumption amount performance value calculation device 15 calculates the operation performance calculation value G i ACTCAL of the rolling torque and the operation performance calculation value of the roll speed used when the setting calculation learning device 12 calculates the setting calculation learning value Zn M. Using (V i ACTCAL ), the energy consumption performance calculation value En ACTCAL is calculated. The energy consumption performance calculation value En ACTCAL is calculated by the following equations (3) and (4), using equations (1) and (2):

Pwi ACTCAL=(1000×Vi ACTCAL×Gi ACTCAL)/R … (3)Pw i ACTCAL = (1000 x V i ACTCAL x G i ACTCAL ) / R. (3)

EnACTCAL=Σ(Pwi ACTCAL+Pwi +1 ACTCAL)×Si ACT/2 … (4)En ACTCAL = Σ (Pw i ACTCAL + Pw i +1 ACTCAL ) x S i ACT / 2. (4)

식(3)의 PWi ACTCAL은 목표점(i)에서의 압연 파워의 실적 계산치이고, R[㎜]은 롤 반경이다. 식(4)에서, Si ACT[sec]은 목표점(i 내지 i+1) 사이의 시간이고, n은 패스 또는 압연 스탠드(260)의 번호이다. Σ는 최초의 목표점부터 최후의 목표점(M)까지의 총합을 나타낸다.P Wi ACTCAL of Formula (3) is a performance calculation value of the rolling power in target point (i), and R [mm] is a roll radius. In equation (4), S i ACT [sec] is the time between the target points i to i + 1, and n is the number of the pass or rolling stand 260. Σ represents the total from the first target point to the last target point M. FIG.

산출된 에너지 소비량 실적 계산치(EnACTCAL)는, 에너지 소비량 학습치 산출 장치(17)에 출력된다.The calculated energy consumption performance calculation value En ACTCAL is output to the energy consumption learning value calculation device 17.

에너지 소비량 실적치 취득 장치(16)는, 실적치 취득 장치(11)에 의해 취득된 압연 파워의 동작 실적치를 적분하여 에너지 소비량 실적치(EnACT)를 산출한다. 도 3은 에너지 소비량 실적치(EnACT)의 산출 방법의 예를 도시하고 있다. 도 3에서는, 종축이 압연 파워의 동작 실적치(PwACT), 횡축이 시간(t)이다.The energy consumption amount performance value acquisition device 16 calculates the energy consumption amount performance value En ACT by integrating the operation performance value of the rolling power acquired by the performance value acquisition device 11. 3 shows an example of a method of calculating the energy consumption performance value En ACT . In FIG. 3, the vertical axis represents the operational performance value Pw ACT of the rolling power, and the horizontal axis represents the time t.

이하의 식(5)에 표시하는 바와 같이, 측정 지점(j)에서의 압연 파워의 동작 실적치(PwACT)(j)와 타임 스텝(△t)(j)을 적산한 값을 최종 측정 지점까지 가산함에 의해, 에너지 소비량 실적치(EnACT)를 정확히 산출할 수 있다 :As shown in the following formula (5), the value obtained by integrating the operating performance value Pw ACT (j) and the time step (Δt) (j) of the rolling power at the measuring point j to the final measuring point is obtained. By adding, the energy consumption performance value En ACT can be calculated accurately:

EnACT=∫PwACT(j)(t)dt=Σ(PwACT(j)×Δt(j)) … (5)En ACT = ∫ Pw ACT (j) (t) dt = Σ (Pw ACT (j) x Δt (j)). (5)

식(5)에서, ∫dt은 t=0부터 T까지의 시간 적분을 나타내고, Σ은 j=0부터 L-1까지의 총합을 나타낸다. L은 최종 측정 지점이다.In Equation (5), ∫dt represents time integration from t = 0 to T, and Σ represents the total from j = 0 to L-1. L is the final measurement point.

산출된 에너지 소비량 실적치(EnACT)는, 에너지 소비량 학습치 산출 장치(17)에 출력된다.The calculated energy consumption performance value En ACT is output to the energy consumption learning value calculation device 17.

에너지 소비량 학습치 산출 장치(17)는, 에너지 소비량 실적치(EnACT)와 에너지 소비량 실적 계산치(EnACTCAL)를 비교함에 의해, 에너지 소비량 실적치(EnACT)와 에너지 소비량 실적 계산치(EnACTCAL)와의 오차를 학습한다. 구체적으로는, 이하의 식(6)에 표시하는 바와 같이, 에너지 소비량 실적치(EnACT)의 에너지 소비량 실적 계산치(EnACTCAL)에 대한비를 에너지 소비량 학습치(ZnECCUR)로서 산출한다 :Energy consumption learning value calculation unit 17, the error between the energy consumption actual performance value (En ACT) and energy consumption by performing calculations, the energy consumption actual performance value (En ACT) and energy consumption by performing calculations (En ACTCAL) by comparing the (En ACTCAL) To learn. Specifically, as shown in the following equation (6), the ratio of the energy consumption performance value En ACT to the energy consumption performance calculation value En ACTCAL is calculated as the energy consumption learning value Zn ECCUR :

ZnEC CUR=EnACT/EnACTCAL … (6)Zn EC CUR = En ACT / En ACTCAL ... (6)

산출된 에너지 소비량 학습치(ZnEC CUR)는, 에너지 소비량 학습치 저장 장치(171)에 저장된다.The calculated energy consumption learning value Zn EC CUR is stored in the energy consumption learning value storage device 171.

에너지 소비량 학습치 저장 장치(171)에서, 과거에 산출되어 이미 에너지 소비량 학습치 저장 장치(171)에 저장되어 있던 오래된 에너지 소비량 학습치(이하에서 「ZnEC 0LD」로 나타낸다)와 새롭게 산출된 에너지 소비량 학습치(ZnEC CUR)를 이용하는, 식(7)에 표시하는 무게부여 평균 연산에 의해, 새롭게 에너지 소비량 학습치(ZnEC)가 산출된다 :In the energy consumption learning value storage device 171, the old energy consumption learning value (hereinafter referred to as "Zn EC 0LD ") which has been calculated in the past and already stored in the energy consumption learning value storage device 171 and the newly calculated energy. The energy consumption learning value Zn EC is newly calculated by the weighted average calculation shown in equation (7) using the consumption learning value Zn EC CUR :

ZnEC=(1-α)ZnEC OLD+αZnEC CUR … (7)Zn EC = (1-α) Zn EC OLD + αZn EC CUR ... (7)

식(7)에서, α는 무게 계수이다. 식(7)를 이용하여 갱신된 새로운 에너지 소비량 학습치(ZnEC)가, 에너지 소비량 학습치 저장 장치(171)에 저장된다.In equation (7), α is the weight coefficient. The new energy consumption learning value Zn EC updated using equation (7) is stored in the energy consumption learning value storage device 171.

예측치 산출 장치(18)는, 에너지 소비량 산출 장치(14)에 의해 산출된 에너지 소비량 계산치(EnSET)에, 에너지 소비량 학습치 저장 장치(171)에 저장된 에너지 소비량 학습치(ZnEC)를 반영시켜서, 에너지 소비량 예측치(EnPred)를 산출한다. 구체적으로는, 이하의 식(8)을 이용하여, 에너지 소비량 학습치(ZnEC)를 고려한 에너지 소비량 예측치(EnPred)를 산출한다 :The predicted value calculation device 18 reflects the energy consumption learning value Zn EC stored in the energy consumption learning value storage device 171 in the energy consumption calculation value En SET calculated by the energy consumption calculation device 14, The energy consumption prediction value En Pred is calculated. Specifically, the energy consumption prediction value En Pred considering the energy consumption learning value Zn EC is calculated using the following equation (8):

EnPred=ZnEC×EnSET … (8)En Pred = Zn EC x En SET . (8)

상기한 바와 같이, 압연 파워를 시간 적분함으로써 얻어진 에너지 소비량 실적치(EnACT)와, 실적치로부터 산출된 압연 토오크 및 계산 롤 속도의 동작 실적 계산치(AACTCAL)를 사용하여 산출한 에너지 소비량 실적 계산치(EnACTCAL)를 비교하여 구한 에너지 소비량 학습치(ZnEC)를 이용함으로써, 정확한 에너지 소비량 예측치(EnPred)를 높은 정밀도로 산출할 수 있다.As described above, the energy consumption performance calculation value (En ACT ) calculated using the energy consumption performance value (En ACT ) obtained by time integration of the rolling power, and the operation performance calculation value (A ACTCAL ) of the rolling torque and the calculated roll speed calculated from the performance value (En ACT ). By using the energy consumption learning value Zn EC obtained by comparing ACTCAL ), an accurate energy consumption prediction value En Pred can be calculated with high precision.

이상에 설명한 바와 같이, 본 발명의 제 1의 실시 형태에 관한 에너지 소비량 예측 장치(10)는, 압연 토오크와 롤 속도를 에너지 소비량 계산의 입력 파라미터로 하는 에너지 소비량 계산식을 사용하고, 에너지 소비량 계산치를 산출한다. 이 때, 압연 토오크와 롤 속도는, 설정 계산의 모델식을 이용하여 계산된다.As described above, the energy consumption prediction device 10 according to the first embodiment of the present invention uses the energy consumption calculation formula using the rolling torque and the roll speed as an input parameter of the energy consumption calculation, and calculates the energy consumption calculation value. Calculate. At this time, rolling torque and a roll speed are calculated using the model formula of setting calculation.

그리고, 에너지 소비량 계산식의 입력 파라미터인 압연 토오크 및 롤 속도의 동작 실적치(AACT)와 동작 실적 계산치(AACTCAL)와의 오차는, 설정 계산 학습 장치(12)에 의해 산출되는 설정 계산 학습치(ZnM)를 이용하여 해소된다.And the error of the operation performance value A ACT of rolling torque and roll speed which are input parameters of an energy consumption calculation formula, and the operation performance calculation value A ACTCAL is the setting calculation learning value Zn calculated by the setting calculation learning apparatus 12 Is solved using M ).

또한, 에너지 소비량의 학습에서는, 압연 토오크 및 롤 속도의 동작 실적 계산치(AACTCAL)를 입력 파라미터로 하는 에너지 소비량 계산식을 이용하여 산출된 에너지 소비량 실적 계산치(EnACTCAL)와, 열간 압연 라인(20)으로부터의 피드백 정보인 압연 파워의 동작 실적치를 이용하여 산출된 에너지 소비량 실적치(EnACT)와의 오차를 학습함에 의해, 에너지 소비량 계산식 자체의 오차가 해소된다.In the learning of the energy consumption amount, the energy consumption performance calculation value En ACTCAL and the hot rolling line 20 calculated using the energy consumption calculation formula using the operation performance calculation value A ACTCAL of the rolling torque and the roll speed as input parameters. The error of the energy consumption calculation formula itself is solved by learning the error with the energy consumption performance value En ACT calculated using the operation performance value of the rolling power which is the feedback information from.

따라서 도 1에 도시한 에너지 소비량 예측 장치(10)에 의하면, 에너지 소비량 계산식의 입력 파라미터의 오차와, 에너지 소비량 계산식 자체의 오차를 분별하고, 각각의 오차를 별도로 학습함으로써, 에너지 소비량의 예측 정밀도가 향상된다.Therefore, according to the energy consumption prediction apparatus 10 shown in FIG. 1, the error of the input parameter of the energy consumption calculation formula and the error of the energy consumption calculation formula itself are distinguished, and each error is learned separately, and the prediction precision of energy consumption is improved. Is improved.

(제 2의 실시 형태)(Second Embodiment)

본 발명의 제 2의 실시 형태에 관한 에너지 소비량 예측 장치(10)는, 도 4에 도시하는 바와 같이, 에너지 소비량 학습치 갱신 장치(19)를 또한 구비하는 점이 도 1에 도시한 에너지 소비량 예측 장치(10)와 다르다. 그 밖의 구성에 관해서는, 도 1에 도시하는 제 1의 실시 형태와 마찬가지이다.As shown in FIG. 4, the energy consumption predicting device 10 according to the second embodiment of the present invention further includes an energy consumption learning value updating device 19. Different from (10). About other structure, it is the same as that of 1st Embodiment shown in FIG.

에너지 소비량 학습치 갱신 장치(19)는, 상세를 후술하는 바와 같이, 설정 계산 학습 장치(12)에 의해 산출된 설정 계산 학습치(ZnM)의 변화율에 응하여, 에너지 소비량 학습치 저장 장치(171)에 저장된 에너지 소비량 학습치(ZnEC)를 설정 계산 학습치(ZnM)의 변화율로 제산(除算)하여, 새로운 에너지 소비량 학습치(ZnEC)를 산출한다. 그리고, 예측치 산출 장치(18)는, 새로운 에너지 소비량 학습치(ZnEC)를 이용하여, 에너지 소비량 예측치(EnPred)를 산출한다.The energy consumption learning value updating device 19 responds to the change rate of the setting calculation learning value Zn M calculated by the setting calculation learning device 12, as will be described later in detail, and the energy consumption learning value storage device 171 ) energy consumption divided by the rate of change of the learning value (Zn EC) calculating a set learning value (M Zn) (除算) stored in the to calculate the new learning value of energy consumption (EC Zn). And the prediction value calculation apparatus 18 calculates energy consumption prediction value En Pred using the new energy consumption learning value Zn EC .

에너지 소비량 실적치(EnACT)와 에너지 소비량 계산치(EnSET)의 오차는, 압연 토오크 및 롤 속도의 산출에 사용된 모델식의 예측 오차에 의해서도 생긴다. 압연 토오크 및 롤 속도의 설정 계산 학습치(ZnM)가 크게 변화한 경우, 에너지 소비량 계산의 입력 파라미터인 압연 토오크 및 롤 속도가 변화하기 때문에, 에너지 소비량의 예측 정밀도가 저하할 우려가 있다.The error between the energy consumption performance value En ACT and the energy consumption calculation value En SET also occurs due to the prediction error of the model formula used for the calculation of the rolling torque and the roll speed. When the setting calculation learning value Zn M of rolling torque and roll speed changes large, since the rolling torque and roll speed which are input parameters of energy consumption calculation change, there exists a possibility that the prediction accuracy of energy consumption may fall.

이 때문에, 에너지 소비량 학습 계산에서는, 압연 토오크 및 롤 속도의 설정 계산 학습치(ZnM)가 포화하고 있는지의 여부를 판단할 필요가 있다. 여기서 「설정 계산 학습치가 포화하고 있다」란, 열간 압연 라인에서의 압연 처리를 반복하여도 설정 계산 학습치가 거의 변화하지 않는 것을 말한다. 예를 들면, 설정 계산 학습치의 변화율이 10% 이하인 경우는, 포화하고 있다고 판단된다.For this reason, in the energy consumption learning calculation, it is necessary to judge whether the setting calculation learning value Zn M of rolling torque and roll speed is saturated. Here, "the setting calculation learning value is saturated" means that setting calculation learning value hardly changes even if the rolling process in a hot rolling line is repeated. For example, when the rate of change of the set calculation learning value is 10% or less, it is judged to be saturated.

압연 토오크 및 롤 속도의 설정 계산 학습치(ZnM)가 포화하지 않으면, 다음에 처리하는 피압연재(100)에서의 에너지 소비량 계산에서, 설정 계산 학습치(ZnM)의 변화분을 고려하고, 이 변화분을 제외할 필요가 있다.If the set calculation learning value Zn M of the rolling torque and the roll speed are not saturated, the change in the set calculation learning value Zn M is taken into account in the energy consumption calculation in the rolled material 100 to be processed next, This change needs to be excluded.

에너지 소비량 학습치 갱신 장치(19)는, 설정 계산 학습치 저장 장치(121)로부터 에너지 소비량 계산의 입력 파라미터인 압연 토오크 및 롤 속도의 설정 계산 학습치(ZnM)를 판독한다. 판독된 설정 계산 학습치(ZnM)는, 갱신 전의 설정 계산 학습치(ZnM OLD) 및 갱신 후의 설정 계산 학습치(ZnM NEW)이다. 또한, 압연 속도와 롤 속도는는 거의 비예 관계가 있기 때문에, 압연 속도의 설정 계산 학습치를 사용하여도 전혀 문제 없다.The energy consumption learning value updating device 19 reads the setting calculation learning value Zn M of the rolling torque and the roll speed which are input parameters of the energy consumption calculation from the setting calculation learning value storage device 121. The read setting calculation learning value Zn M is the setting calculation learning value Zn M OLD before an update, and the setting calculation learning value Zn M NEW after an update. In addition, since a rolling speed and a roll speed have a substantially non-relative relationship, even if it uses the setting calculation learning value of a rolling speed, there is no problem at all.

에너지 소비량 계산에서 설정 계산 학습치 변화분을 제외하기 위해, 이하의 처리를 행한다. 즉, 에너지 소비량 학습치 갱신 장치(19)는, 갱신 전의 설정 계산 학습치(ZnM OLD)와 갱신 후의 설정 계산 학습치(ZnM NEW)를 비교하여, 설정 계산 학습치의 변화율(βM)을 산출한다. 이 설정 계산 학습치의 변화율(βM)이 미리 설정된 일정한 임계치(γ) 이상인 경우, 에너지 소비량 계산에 적용되는 설정 계산 학습치(ZnM)로서, 설정 계산 학습치 저장 장치(121)에 저장되어 있는 설정 계산 학습치를 설정 계산 학습치의 변화율(βM)로 제산한 값을 사용한다. 임계치(γ)는, 예를 들면 0. 1이다.In order to exclude the set calculation learning value change from the energy consumption calculation, the following processing is performed. That is, energy consumption learning value updating unit 19 compares the set calculated learning value (Zn M OLD) and the value set calculation learning the updated (Zn M NEW) before update, the rate of change value setting calculation study (β M) to Calculate. When the change rate β M of the set calculation learning value is equal to or more than a predetermined threshold value γ, the set calculation learning value Zn M applied to the energy consumption calculation is stored in the setting calculation learning value storage device 121. The value calculated by dividing the set calculation learning value by the change rate (β M ) of the set calculation learning value is used. Threshold value (gamma) is 0.1, for example.

구체적으로는, 식(9)를 이용하여 설정 계산 학습치의 변화율(βM)이 산출된다 :Specifically, the change rate (β M ) of the set calculation learning value is calculated using equation (9):

βM=ZnM NEW/ZnM OLD …(9)β M = Zn M NEW / Zn M OLD . (9)

여기서, γ≤|1-βM|의 경우에는, 이하의 식(10)에 의해, 에너지 소비량 계산에 적용되는 새로운 에너지 소비량 학습치(ZnEC)를 산출한다 :Here, in the case of γ≤ | 1-β M |, the new energy consumption learning value Zn EC applied to the energy consumption calculation is calculated by the following equation (10):

ZnEC=ZnEC OLD/βM … (10)Zn EC = Zn EC OLD / β M ... (10)

한편, |1-βM|<γ의 경우에는, 갱신 전의 에너지 소비량 학습치(ZnEC OLD)가, 그대로 에너지 소비량 계산에 적용되는 에너지 소비량 학습치(ZnEC)로서 사용된다. 즉, ZnEC=ZnEC OLD이다.On the other hand, | is used as <in the case of the γ, energy consumption value before update learning (Zn EC OLD) has, as energy consumption learning value (Zn EC) applied to the energy consumption calculation | β 1-M. That is, Zn EC = Zn EC OLD .

상기한 바와 같이 결정된 에너지 소비량 학습치(ZnEC)가, 예측치 산출 장치(18)에 출력된다. 예측치 산출 장치(18)는, 에너지 소비량 학습치(ZnEC)를 반영한 에너지 소비량을 산출한다. 그 외는, 제 1의 실시 형태와 실질적으로 마찬가지이고, 중복된 기재를 생략한다.The energy consumption learning value Zn EC determined as described above is output to the predicted value calculation device 18. The predictive value calculation device 18 calculates the energy consumption amount reflecting the energy consumption learning value Zn EC . Other than that is substantially the same as 1st Embodiment, and the overlapping description is abbreviate | omitted.

이상에 설명한 바와 같이, 제 2의 실시 형태에 관한 에너지 소비량 예측 장치(10)에 의하면, 에너지 소비량 계산의 입력 파라미터의 예측 오차를, 에너지 소비량 계산의 입력 파라미터를 연산하는 설정 계산 학습 장치(12)와, 에너지 소비량 학습치 산출 장치(17)의 쌍방이 중복되게 학습하는 것을 피할 수 있다. 그 결과, 에너지 소비량 예측의 정밀도를 안정?향상시킬 수 있다.As explained above, according to the energy consumption prediction apparatus 10 which concerns on 2nd Embodiment, the setting calculation learning apparatus 12 which calculates the prediction error of the input parameter of energy consumption calculation, and the input parameter of energy consumption calculation. And it can avoid learning that both of the energy consumption learning value calculation apparatus 17 overlap. As a result, the precision of energy consumption prediction can be stabilized and improved.

(제 3의 실시 형태)(Third embodiment)

본 발명의 제 3의 실시 형태에 관한 에너지 소비량 예측 장치(10)는, 도 5에 도시하는 바와 같이, 피압연재(100)의 판 두께, 판 폭 및 강 종류마다 구분된 복수의 에너지 소비량 학습치를 저장한 학습치 데이터베이스(30)를 구비하는 점이, 제 1의 실시 형태와 다르다. 그 밖의 구성에 관해서는, 도 1에 도시하는 제 1의 실시 형태와 마찬가지이다.As shown in FIG. 5, the energy consumption predicting apparatus 10 according to the third embodiment of the present invention includes a plurality of energy consumption learning values divided for each sheet thickness, sheet width, and steel type of the rolled material 100. The point of having the stored learning value database 30 differs from 1st Embodiment. About other structure, it is the same as that of 1st Embodiment shown in FIG.

압연 토오크, 롤 속도 및 압연 시간은, 피압연재(100)의 판 두께, 판 폭 및 강종에 의해 다르다. 이 때문에, 에너지 소비량의 예측 오차는, 피압연재(100)의 판 두께. 판 폭 및 강종마다 다르다. 따라서 에너지 소비량 학습치(ZnEC)로서, 피압연재(100)의 판 두께, 판 폭 및강종마다 구분된 학습치를 준비하는 것이 유효하다.Rolling torque, roll speed, and rolling time differ depending on the plate thickness, plate width, and steel grade of the rolled material 100. For this reason, the prediction error of energy consumption is the plate | board thickness of the to-be-rolled material 100. Varies by plate width and steel grade Therefore, as the energy consumption learning value Zn EC , it is effective to prepare a learning value classified for each sheet thickness, sheet width, and steel grade of the rolled material 100.

도 6에, 학습치 데이터베이스(30)에 저장되는 테이블의 예를 도시한다. 이 테이블의 구성은, 강종마다 시트를 준비하고, 각 시트에 관해 판 두께 판 폭으로 구분하고, 구분마다의 에너지 소비량 학습치(ZnEC)가 기록되어 있다.6 shows an example of a table stored in the learning value database 30. The structure of this table prepares a sheet for every steel grade, classifies each sheet by the plate | board thickness board width, and records the energy consumption learning value Zn EC for every division.

예를 들면, 판 두께 구분(1)은 1.2[㎜] 내지 1.4[㎜], 판 폭 구분(2)은 980[㎜] 내지 1100[㎜]와 같이, 결정된 범위에서 판 두께 및 판 폭을 구획하고, 구분마다 일련 번호가 붙여저 있다. 그리고, 도 6에 도시한 테이블에는 구분마다 에너지 소비량 학습치가 표시되어 있다.For example, the plate thickness division 1 divides the plate thickness and the plate width in a determined range, such as 1.2 [mm] to 1.4 [mm], and the plate width division 2 is 980 [mm] to 1100 [mm]. There is a serial number for each division. In the table shown in FIG. 6, the energy consumption learning value is displayed for each division.

열간 압연 라인(20)에서의 피압연재(100)의 압연 처리 후, 에너지 소비량 학습치 저장 장치(171)에, 에너지 소비량 학습치 산출 장치(17)에 의해 산출된 에너지 소비량 학습치가 입력된다. 이 때, 압연 처리된 피압연재(100)의 판 두께, 판 폭 및 강종의 구분에 대응한 에너지 소비량 학습치가, 식(7)에서의 이미 저장되어 있던 에너지 소비량 학습치(ZnEC OLD)로서 사용된다. 그리고, 식(7)를 이용하여 갱신된 에너지 소비량 학습치(ZnEC)가, 새로운 에너지 소비량 학습치로서, 학습치 데이터베이스(30)에 저장되는 테이블 내의 대응하는 구분에 기록된다. 한편, 압연 예정의 피압연재(100)의 판 두께, 판 폭 및 강종의 구분에 대응한 에너지 소비량 학습치가, 압연 처리 전에 예측치 산출 장치(18)에 출력된다.After the rolling process of the rolled material 100 in the hot rolling line 20, the energy consumption learning value calculated by the energy consumption learning value calculation device 17 is input to the energy consumption learning value storage device 171. At this time, the energy consumption learning value corresponding to the division of the plate thickness, the plate width, and the steel grade of the rolled rolled material 100 is used as the energy consumption learning value Zn EC OLD that is already stored in the equation (7). do. And the energy consumption learning value Zn EC updated using Formula (7) is recorded as a new energy consumption learning value in the corresponding division | segment in the table stored in the learning value database 30. As shown in FIG. On the other hand, the energy consumption learning value corresponding to the division of the plate | board thickness, plate | board width, and steel grade of the to-be-rolled rolled material 100 is output to the predictive value calculation apparatus 18 before a rolling process.

상기한 바와 같이, 도 5에 도시한 에너지 소비량 예측 장치(10)에서는, 피압연재(100)의 판 두께, 판 폭 및 강종의 구분에 따라, 에너지 소비량 학습치가 구분마다 갱신되여 학습치 데이터베이스(30)에 보존된다. 그리고, 구분마다 학습치 데이터베이스(30)에 저장되어 있는 에너지 소비량 학습치가 예측치 산출 장치(18)에 출력된다. 예측치 산출 장치(18)는, 구분에 응한 에너지 소비량 학습치를 반영시킨 에너지 소비량 예측치(EnPred)를 산출한다. 그 외는, 제 1의 실시 형태와 실질적으로 마찬가지이고, 중복된 기재를 생략한다.As described above, in the energy consumption prediction device 10 shown in FIG. 5, the energy consumption learning value is updated for each division according to the plate thickness, the plate width, and the steel grade of the rolled material 100, and the learning value database 30 is updated. Are preserved). And the energy consumption learning value stored in the learning value database 30 for every division is output to the prediction value calculation apparatus 18. As shown in FIG. The predicted value calculating device 18 calculates the energy consumption predicted value En Pred reflecting the energy consumption learned value in accordance with the division. Other than that is substantially the same as 1st Embodiment, and the overlapping description is abbreviate | omitted.

이상에 설명한 바와 같이, 제 3의 실시 형태에 관한 에너지 소비량 예측 장치(10)에 의하면, 판 두께, 판 폭 및 강종의 구분마다 에너지 소비량 학습치를 갖게 함에 의해, 피압연재(100)의 판 두께, 판 폭 및 강종마다 다른 예측 오차를 보상할 수 있다. 그 결과, 에너지 소비량을 더욱 정확히 예측할 수 있다.As explained above, according to the energy consumption prediction apparatus 10 which concerns on 3rd Embodiment, by having an energy consumption learning value for every division of plate | board thickness, plate | board width, and steel grade, the plate | board thickness of the to-be-rolled material 100, Different prediction widths can be compensated for plate width and steel grade. As a result, energy consumption can be more accurately predicted.

(제 4의 실시 형태)(Fourth Embodiment)

본 발명의 제 4의 실시 형태에 관한 에너지 소비량 예측 장치(10)는, 도 7에 도시하는 바와 같이, 예측치 산출 장치(18)가 산출한 에너지 소비량 예측치(EnPred)를 표시하는 표시 장치(40)를 또한 구비하는 점이 도 1에 도시한 에너지 소비량 예측 장치(10)와 다르다. 그 밖의 구성에 관해서는, 도 1에 도시하는 제 1의 실시 형태와 마찬가지이다.As shown in FIG. 7, the energy consumption prediction device 10 according to the fourth embodiment of the present invention displays the energy consumption prediction value En Pred calculated by the prediction value calculation device 18. ) Is also different from the energy consumption predicting apparatus 10 shown in FIG. About other structure, it is the same as that of 1st Embodiment shown in FIG.

제 4의 실시 형태에 관한 에너지 소비량 예측 장치(10)에 의하면, 산출된 에너지 소비량 예측치(EnPred)가 표시 장치(40)에 표시된다. 이 때문에, 오퍼레이터나 엔지니어 등의 열간 압연 라인(20)의 작업자는, 다음에 처리되는 피압연재(100)의 에너지 소비량을 항상 확인할 수 있다. 이 때문에, 에너지 소비량 예측치(EnPred)가 큰 경우, 필요에 응하여 작업자는 압연 조건의 변경을 행할 수가 있다.According to the energy consumption prediction device 10 according to the fourth embodiment, the calculated energy consumption prediction value En Pred is displayed on the display device 40. For this reason, the operator of the hot rolling line 20, such as an operator or an engineer, can always confirm the energy consumption amount of the to-be-rolled material 100 processed next. For this reason, when energy consumption amount prediction value En Pred is large, an operator can change rolling conditions as needed.

상기한 바와 같이, 본 발명은 제 1 내지 제 4의 실시 형태에 의해 기재하였지만, 이 개시된 일부를 이루어지는 논술 및 도면은 본 발명을 한정하는 것이라고 이해하여서는 안된다. 이 개시로부터 당업자라면 다양한 대체 실시 형태. 실시예 및 운용 기술이 분명해질 것이다. 즉, 본 발명은 여기서는 기재하지 않은 다양한 실시 형태 등을 포함하는 것은 물론이다. 따라서 본 발명의 기술적 범위는 상기한 설명으로부터 타당한 특허청구의 범위에 관한 발명 특정 사항에 의해서만 정해지는 것이다.
As mentioned above, although this invention was described by the 1st-4th embodiment, the description and drawings which comprise a part of this indication should not be understood that it limits this invention. Various alternative embodiments are skilled in the art from this disclosure. Examples and operational techniques will be apparent. That is, of course, this invention includes various embodiment etc. which are not described here. Therefore, the technical scope of the present invention is determined only by the invention specific matters regarding the scope of the relevant claims from the above description.

10 : 에너지 소비량 예측 장치
11 : 실적치 취득 장치
12 : 설정 계산 학습 장치
13 : 설정 계산 장치
14 : 에너지 소비량 산출 장치
15 : 에너지 소비량 실적치 산출 장치
16 : 에너지 소비량 실적치 취득 장치
17 : 에너지 소비량 학습치 산출 장치
18 : 예측치 산출 장치
19 : 에너지 소비량 학습치 갱신 장치
20 : 열간 압연 라인
21 : 가열로
23 : 조압연기
26 : 마무리 압연기
27 : 냉각 장치
28 : 권취기
30 : 학습치 데이터베이스
40 : 표시 장치
100 : 피압연재
121 : 설정 계산 학습치 저장 장치
171 : 에너지 소비량 학습치 저장 장치10: energy consumption prediction device
11: performance value acquisition device
12: setting calculation learning device
13: setting calculation device
14: energy consumption calculation device
15: energy consumption performance calculation device
16: energy consumption performance value acquisition device
17: energy consumption learning value calculation device
18: prediction value calculation device
19: energy consumption learning value update device
20: hot rolling line
21: heating furnace
23: roughing mill
26: finishing rolling mill
27: cooling device
28: winder
30: Learning Database
40: display device
100: rolled material
121: setting calculation learning value storage device
171: energy consumption learning storage device

Claims (5)

열간 압연 라인의 에너지 소비량 예측 장치에 있어서,
상기 열간 압연 라인에서의 압연 처리중에 계측된 동작 실적치를 취득하는 실적치 취득 장치와,
모델식의 파라미터에 상기 동작 실적치를 적용하여 얻어지는 동작 실적 계산치와 상기 동작 실적치를 비교하여, 설정 계산 학습치를 산출하는 설정 계산 학습 장치와,
상기 열간 압연 라인의 조업 조건 및 상기 설정 계산 학습치를 이용하여, 상기 열간 압연 라인에서의 상기 압연 토오크, 상기 롤 속도 및 상기 압연 파워의 설정치를 포함하는 동작 설정치를 계산하는 설정 계산 장치와,
상기 동작 설정치를 이용하여 에너지 소비량 계산치를 산출하는 에너지 소비량 산출 장치와,
상기 압연 토오크 및 상기 롤 속도의 상기 동작 실적 계산치를 이용하여 에너지 소비량 실적 계산치를 산출하는 에너지 소비량 실적치 산출 장치와,
상기 압연 파워의 상기 동작 실적치를 적분함에 의해 에너지 소비량 실적치를 취득하는 에너지 소비량 실적치 취득 장치와,
상기 에너지 소비량 실적 계산치와 상기 에너지 소비량 실적치를 비교함에 의해, 에너지 소비량 학습치를 산출하는 에너지 소비량 학습치 산출 장치와,
상기 에너지 소비량 학습치를 상기 에너지 소비량 계산치에 반영시킨 에너지 소비량 예측치를 산출하는 예측치 산출 장치를 구비하는 것을 특징으로 하는 에너지 소비량 예측 장치.In the energy consumption prediction device of a hot rolling line,
A performance value acquisition device for acquiring operation performance values measured during the rolling process in the hot rolling line;
A setting calculation learning apparatus for comparing the operation performance calculation value obtained by applying the operation performance value to the parameter of the model formula and the operation performance value, and calculating a setting calculation learning value;
A setting calculation device for calculating an operating set value including the rolling torque, the roll speed, and the rolling power in the hot rolling line using the operating conditions and the setting calculation learning value of the hot rolling line;
An energy consumption calculation device for calculating an energy consumption calculation value using the operation setting value,
An energy consumption performance value calculation device for calculating an energy consumption performance calculation value using the operation performance calculation value of the rolling torque and the roll speed;
An energy consumption performance value acquisition device for acquiring an energy consumption amount performance value by integrating the operating performance value of the rolling power;
An energy consumption learning value calculation device for calculating an energy consumption learning value by comparing the energy consumption performance calculation value with the energy consumption performance value;
And an energy consumption prediction device for calculating an energy consumption prediction value in which the energy consumption learning value is reflected in the energy consumption calculation value. 제 1항에 있어서,
상기 예측치 산출 장치가, 과거에 산출된 오래된 에너지 소비량 학습치를 상기 에너지 소비량 학습치에 무게 부여하여 얻어지는 에너지 소비량 학습치를 사용하여, 상기 에너지 소비량 예측치를 산출하는 것을 특징으로 하는 에너지 소비량 예측 장치.The method of claim 1,
And the energy consumption prediction device calculates the energy consumption prediction value using the energy consumption learning value obtained by weighting the old energy consumption learning value calculated in the past to the energy consumption learning value. 제 1항 또는 제 2항에 있어서,
상기 설정 계산 학습치의 변화율이 일정치 이상인 경우에, 상기 에너지 소비량 학습치를 상기 설정 계산 학습치의 변화율로 제산하여 새로운 에너지 소비량 학습치를 산출하는 에너지 소비량 학습치 갱신 장치를 더 구비하는 것을 특징으로 하는 에너지 소비량 예측 장치.3. The method according to claim 1 or 2,
And an energy consumption learning value updating device for calculating a new energy consumption learning value by dividing the energy consumption learning value by the change rate of the setting calculation learning value when the change rate of the set calculation learning value is equal to or greater than a predetermined value. Prediction device. 제 1항 또는 제 2항에 있어서,
상기 피압연재의 판 두께, 판 폭 및 강종마다 구분된 복수의 에너지 소비량 학습치를 저장하는 학습치 데이터베이스를 더 구비하는 것을 특징으로 하는 에너지 소비량 예측 장치.3. The method according to claim 1 or 2,
And a learning value database for storing a plurality of energy consumption learning values classified for each sheet thickness, sheet width, and steel type of the rolled material. 제 1항 또는 제 2항에 있어서,
상기 에너지 소비량 예측치를 표시하는 표시 장치를 더 구비하는 것을 특징으로 하는 에너지 소비량 예측 장치.3. The method according to claim 1 or 2,
And a display device for displaying the energy consumption prediction value.
KR1020110024312A 2011-02-18 2011-03-18 Energy expend volume forecast device KR101253409B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2011-033002 2011-02-18
JP2011033002A JP5666338B2 (en) 2011-02-18 2011-02-18 Energy consumption prediction device

Publications (2)

Publication Number Publication Date
KR20120095273A true KR20120095273A (en) 2012-08-28
KR101253409B1 KR101253409B1 (en) 2013-04-11

Family

ID=46655126

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110024312A KR101253409B1 (en) 2011-02-18 2011-03-18 Energy expend volume forecast device

Country Status (4)

Country Link
JP (1) JP5666338B2 (en)
KR (1) KR101253409B1 (en)
CN (1) CN102641904B (en)
TW (1) TWI483790B (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190075327A (en) 2017-12-21 2019-07-01 주식회사 포스코 Apparatus for predicting the energy usage of a heating furnace
CN112966215A (en) * 2021-02-01 2021-06-15 杭州博联智能科技股份有限公司 Energy consumption estimation method and system

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10464112B2 (en) * 2013-02-04 2019-11-05 Toshiba Mitsubishi-Electric Industrial Systems Corporation Energy-saving control device for rolling line
CN103272853B (en) * 2013-05-22 2015-01-28 沈阳工业大学 Device and method for setting rolling reduction and rolling speed of each rack in cold continuous rolling
JP5999265B2 (en) * 2013-08-02 2016-09-28 東芝三菱電機産業システム株式会社 Energy-saving operation recommendation system
WO2015111199A1 (en) * 2014-01-24 2015-07-30 東芝三菱電機産業システム株式会社 Energy consumption predicting device for rolling line
CN104998913B (en) * 2015-06-29 2017-03-15 东北大学 The Forecasting Methodology of power of motor during a kind of cold rolling
CN105160127B (en) * 2015-09-25 2018-05-01 甘肃酒钢集团宏兴钢铁股份有限公司 Performance prediction method based on CSP flow hot continuous rolling production line Q235B steel grades
JP6641867B2 (en) * 2015-10-09 2020-02-05 日本製鉄株式会社 Power consumption prediction method, apparatus and program
JP6832041B2 (en) * 2017-06-09 2021-02-24 東芝三菱電機産業システム株式会社 Energy management system and energy management method
CN109647899B (en) * 2018-12-26 2021-06-29 北京科技大学 Method for forecasting power consumption of multi-specification rolled pieces in hot rolling and finish rolling process of strip steel

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61113719A (en) * 1984-11-07 1986-05-31 Mitsubishi Electric Corp Steel material extracting temperature setting method of heating furnace in hot rolling line
JPH06262223A (en) * 1993-01-14 1994-09-20 Sumitomo Metal Ind Ltd Method for estimating quantity of working electric power in rolling shop
DE19703617A1 (en) * 1997-01-31 1998-08-13 Siemens Ag Drive unit for industrial installations, particularly those producing basic materials
JP3498786B2 (en) * 1999-01-19 2004-02-16 住友金属工業株式会社 Power consumption prediction method
JP2001321810A (en) * 2000-05-10 2001-11-20 Nippon Steel Corp Method for predicting power consumption in rolling plant
JP2002165362A (en) * 2000-11-24 2002-06-07 Sumitomo Metal Ind Ltd Forecasting method of electric energy consumption and control method
JP4119684B2 (en) * 2002-05-27 2008-07-16 東芝三菱電機産業システム株式会社 Learning control device for rolling mill setting calculation device
KR100973898B1 (en) * 2003-08-05 2010-08-03 주식회사 포스코 Mill pacing control method for reheating furnance
KR100995600B1 (en) * 2003-11-04 2010-11-22 주식회사 포스코 Temperature Compensation Apparatus of Hot Rolled Sheet Getting into Finishing Mill Stand and Method Thereof
WO2008012881A1 (en) * 2006-07-26 2008-01-31 Toshiba Mitsubishi-Electric Industrial Systems Corporation Rolling line material prediction and material control apparatus
KR101271973B1 (en) * 2006-12-27 2013-06-07 주식회사 포스코 Method for single phase rolling in mimi-mill processing
CN101201871B (en) * 2007-12-18 2010-06-09 东北大学 Rigid plasticity finite element method for estimation of roll-force in hot rolling process
WO2010103659A1 (en) * 2009-03-13 2010-09-16 東芝三菱電機産業システム株式会社 Optimizing apparatus

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190075327A (en) 2017-12-21 2019-07-01 주식회사 포스코 Apparatus for predicting the energy usage of a heating furnace
CN112966215A (en) * 2021-02-01 2021-06-15 杭州博联智能科技股份有限公司 Energy consumption estimation method and system

Also Published As

Publication number Publication date
CN102641904A (en) 2012-08-22
JP5666338B2 (en) 2015-02-12
TWI483790B (en) 2015-05-11
TW201235124A (en) 2012-09-01
JP2012170962A (en) 2012-09-10
CN102641904B (en) 2014-07-30
KR101253409B1 (en) 2013-04-11

Similar Documents

Publication Publication Date Title
KR101253409B1 (en) Energy expend volume forecast device
KR101782281B1 (en) Energy consumption predicting device for rolling line
JP5759206B2 (en) Learning coefficient controller
CN100369683C (en) Method for automatic controlling thickness in fast high precision plate strip rolling process
KR101617375B1 (en) Feedforward thickness control method for performance of cold rolling mill
JP5131270B2 (en) Thickness control device for reverse rolling mill
CN101618401A (en) High precision strip rolling thickness control method based on feedback signals by thickness gauge
JP6136743B2 (en) Method of changing the running plate thickness in cold tandem rolling mills
CN104785534B (en) A kind of hot rolling width rapid correction method based on finish rolling measured data
JP2020157327A (en) Control method for outlet side temperature of finished steel sheet, control device therefor and production method for steel sheet
US10482406B2 (en) Energy-saving-operation recommending system
CN104338752B (en) A kind of length control method during Varying-thickness rolling
US6185967B1 (en) Strip threading speed controlling apparatus for tandem rolling mill
JP2008043967A (en) Method for controlling shape of plate in hot rolling
JP4208509B2 (en) Model learning device for rolling process
JP5108692B2 (en) Sheet width control apparatus and control method for hot rolling mill
CN110227725B (en) Roll gap self-learning deviation rectifying method and device
KR101879085B1 (en) Apparatus and method for endless hot rolling
KR100929015B1 (en) Prediction of rolling load by calibrating plasticity factor of rolled material
JP5617307B2 (en) Steel plate rolling method and pass schedule calculation method
WO2024105996A1 (en) Method for predicting width of rough rolled material, method for controlling width of rough rolled material, method for producing hot-rolled steel sheet, and method for generating width prediction model for rough rolled material
JP2000263113A (en) Method and device for correcting condition of abnormal rolling in rolling mill
KR950009985B1 (en) Thickness control method for cold rolling steel plate
KR960005215B1 (en) Device of automatic dividing with cold rolling annealing process

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: 20160318

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170302

Year of fee payment: 5