KR20190078338A - 열연 공정에서의 캠버 제어 장치 - Google Patents

열연 공정에서의 캠버 제어 장치 Download PDF

Info

Publication number
KR20190078338A
KR20190078338A KR1020170180198A KR20170180198A KR20190078338A KR 20190078338 A KR20190078338 A KR 20190078338A KR 1020170180198 A KR1020170180198 A KR 1020170180198A KR 20170180198 A KR20170180198 A KR 20170180198A KR 20190078338 A KR20190078338 A KR 20190078338A
Authority
KR
South Korea
Prior art keywords
camber
image
hot rolling
rolling process
shape image
Prior art date
Application number
KR1020170180198A
Other languages
English (en)
Other versions
KR102045648B1 (ko
Inventor
공남웅
Original Assignee
주식회사 포스코
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 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020170180198A priority Critical patent/KR102045648B1/ko
Publication of KR20190078338A publication Critical patent/KR20190078338A/ko
Application granted granted Critical
Publication of KR102045648B1 publication Critical patent/KR102045648B1/ko

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
    • B21B37/68—Camber or steering control for strip, sheets or plates, e.g. preventing meandering
    • 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
    • B21B38/04—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring thickness, width, diameter or other transverse dimensions of the product
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B2271/00—Mill stand parameters
    • B21B2271/02—Roll gap, screw-down position, draft position

Abstract

본 발명은, 측정한 캠버 형상 영상을 이용하여 딥러닝 모델을 학습하고, 학습된 모델을 이용하여 캠버 형상에 따라 제어 레빌값을 계산하 여 캠버 제어를 수행하는 열연 공정에서의 캠버 제어 장치에 관한 것으로, 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치는 획득한 강판의 형상 이미지에서 캠버 형상을 추출하는 이미지 전처리부, 캠버 형상 이미지와 해당 캠버 형상 이미지에 따른 조업 데이터를 학습하여, 상기 이미지 전처리부에 의해 추출된 캠버 형상 이미지에 따른 롤 갭의 제어 레벨값을 출력하는 딥러닝 학습부를 포함할 수 있다.

Description

열연 공정에서의 캠버 제어 장치{APPARATUS FOR MEASURING CAMBER IN HOT ROLLING PROCESS}
본 발명은 열연 공정에서 캠버를 제어하는 열연 공정에서의 캠버 제어 장치에 관한 것이다.
일반적으로, 연주공정에서 제작된 강판(슬라브)은 열간 압연공정에서 캠버가 발생할 수 있으며, 이러한 캠버는 열간 압연공정의 통판성을 저해하는 형상 결함이다.
이러한, 캠버는 슬라브, 바, 스트립 등 소재가 길이 방향으로 휜 형상 결함을 의미하며, 이는 압연 공정의 불안정성을 확대시키고, 압연 종료 후 열연 코일의 형상에도 텔레스코프 등의 형상 결함을 유발한다.
이러한 캠버를 제어하기 위하여, 종래에는 압연하중 신호를 피드백 받아서 하중이 큰 쪽에 대하여 롤 갭을 줄이는 제어를 수행함으로써, 롤 갭의 좌-우 편차, 즉 레벨을 제어 방식이 사용되고 있다.
그러나 이러한 종래의 방법은, 강판의 웨지(wedge), 즉 좌-우 두께 편차가 존재하는 경우 이로 인해 하중 차가 발생할 때, 하중이 큰 쪽에 대하여 갭을 줄이는 방향으로 제어가 되기 때문에 하중이 큰 방향으로 캠버가 더 발생되는 문제가 있다.
또한, 이러한 종래 기술은 가역식 압연기와 비가역식 압연기가 혼용되는 환경에서는 적합하지 않은 문제점이 있다.
대한민국 등록특허공보 제10-1647208호
본 발명의 일 실시예에 따르면, 측정한 캠버 형상 영상을 이용하여 딥러닝 모델을 학습하고, 학습된 모델을 이용하여 캠버 형상에 따라 제어 레빌값을 계산하여 캠버 제어를 수행하는 열연 공정에서의 캠버 제어 장치가 제공된다.
상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치는 획득한 강판의 형상 이미지에서 캠버 형상을 추출하는 이미지 전처리부, 캠버 형상 이미지와 해당 캠버 형상 이미지에 따른 조업 데이터를 학습하여, 상기 이미지 전처리부에 의해 추출된 캠버 형상 이미지에 따른 롤 갭의 제어 레벨값을 출력하는 딥러닝 학습부를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 캠버 형상 이미지와 조업데이터를 활용하여 최적 제어 레벨 값을 얻어 낼 수 있어 생산성 및 품질을 향상할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 이미지 전처리부의 동작을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 인공지능부의 개략적인 구조이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 개략적인 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치(100)는 이미지 처리부(110)와 딥러닝 학습부(120)를 포함할 수 있다.
이미지 처리부(110)는 획득한 강판 이미지로부터 캠버 형상을 추출할 수 있고, 딥러닝 학습부(120)는 캠버 형상 이미지와 상기 캠버 형상 이미지에 해당하는 조업자의 조업 데이터에 따라 학습하여, 이미지 전처리부(110)로부터의 캠버 형상 이미지에 해당하는 롤 갭의 제어 레벨값을 출력할 수 있다.
상기 조업 데이터는 상기 캠버 형상 이미지에 해당하는 롤 갭의 제어 레벨값을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 이미지 전처리부의 동작을 나타내는 도면이다.
도 1과 함께, 도 2를 참조하면, 도 2의 식별부호 ①은 영상 획득 장치에 의해 획득한 강판의 형상 이미지를 나타낸다. 도시된 도면에서 점선은 강판의 중심이 진행방향의 중심으로부터 벗어난 정도를 나타내는 오프 센터(off-center) 값이다. 따라서 점선의 형상을 캠버 형상이라 지칭할 수 있다. x 축과 y 축은 각각 진행방향으로의 강판 길이(*10m)와 폭 방향으로의 강판 중심의 이동 (mm) 을 나타낸다. 여기서 x 축과 y 축의 폭 간격, 최대, 최소가 강판에 따라 변화하므로 이를 형상만으로 비교 가능하도록 일정한 형태로 만들어주는 과정이 필요하다. 따라서, 도 2의 식별부호 ②는 ① 에서 XY축 좌표 평면만 잘라내는 과정을 나타내는 도면이다. 그리고 도 2의 식별부호 ③은 ②에서 필요한 정보인 캠버 형상만을 추출해 낸 결과이다. 도 2의 식별부호 ④는 추출된 형상을 x 축 최소 0 최대 100, y 축 최소 -200 최대 200 으로 일정한 형태로 만들어 준 과정이다. 마지막으로 도 2의 식별부호 ⑤에서는 불필요한 색깔 정보를 없애기 위해 이진화 기법을 사용한 최종 학습 이미지를 나타낸다.
도 3은 본 발명의 일 실시예에 따른 열연 공정에서의 캠버 제어 장치의 인공지능부의 개략적인 구조이다.
도 3을 참조하면, 딥러닝 학습부(120)의 딥러닝 모델은 도 2의 이미지 전처리부(110)의 최종 학습 이미지를 입력받을 수 있으며 168 x 288의 조업 형상 이미지일 수 있다. 딥러닝 모델은 CNN, Alexnet, Residual Net, FCN 등 다양할 수 있으며, 예를 들어, CNN 구조의 딥러닝 모델은 인풋 레이어(input layer), 2개의 콘볼류션 레이어(Convolution layer) 와 2개의 풀링 레이어(Pooling layer), 풀리 커넥티드 레이어(fully connected layer), 아웃풋 레이어(output layer)를 포함할 수 있다. 2개의 콘볼류션 레이어 중 첫번째 콘볼류션 레이어는 32 개의 5 x 5 콘볼류션 필터(Convolution filter)를 사용하여 32개의 특징 맵(feature map) 을 구한다. 2개의 풀링 레이어 중 첫번째 풀링 레이어는 2 x 2 맥스 풀링 필터(max pooling filter)를 사용한다. 2개의 콘볼류션 레이어 중 두번째 콘볼류션 레이어는 2개의 10 x 10 콘볼류션 필터를 사용하고, 32개의 특징 맵에 대하여 64 개의 특징 맵을 구한다. 2개의 풀링 레이어 중 두번째 풀링 레이어는 2 x 2 맥스 풀링 필터를 사용하고, 그 후 최종적으로 1024 개의 풀리 커넥티드 레이어의 구조가 사용될 수 있으며, 마지막으로 아웃풋 레이어는 40 개의 제어레벨을 사용할 수 있다.
상술한 바와 같이, 본 발명에 따르면, 캠버 형상 이미지와 조업데이터를 활용하여 최적 제어 레벨 값을 얻어낼 수 있다. 상단부 캠버의 값만을 고려한 기존의 방식과 달리 전장 캠버 형상을 고려하여 제어를 수행한다. 딥러닝 학습에 사용된 출력 값이 숙련된 조업자의 노하우가 담겨 있는 데이터로, 조업자의 숙련도와 피로도 등에 상관없이 최적의 제어 레벨 값을 예측할 수 있다. 또한, 지속적으로 쌓이는 조업 데이터에 대해서 추가적으로 학습이 가능하므로 그 정확도 역시 점차 증가하여 생산성 및 품질을 향상할 수 있다.
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.
100: 열연 공정에서의 캠버 제어 장치
110: 이미지 전처리부
120: 딥러닝 학습부

Claims (3)

  1. 획득한 강판의 형상 이미지에서 캠버 형상을 추출하는 이미지 전처리부; 및
    캠버 형상 이미지와 해당 캠버 형상 이미지에 따른 조업 데이터를 학습하여, 상기 이미지 전처리부에 의해 추출된 캠버 형상 이미지에 따른 롤 갭의 제어 레벨값을 출력하는 딥러닝 학습부
    를 포함하는 열연 공정에서의 캠버 제어 장치.
  2. 제1항에 있어서,
    상기 이미지 전처리부는 획득한 강판의 형상 이미지에서 추출에 필요한 XY축 좌표 평면을 획득하고, 획득한 XY축 좌표 평면에서 필요한 X축 및 Y축 범위를 설정하며, 설정된 범위의 형상 이미지를 이진화하여 캠버 형상을 추출하는 열연 공정에서의 캠버 제어 장치.
  3. 제1항에 있어서,
    상기 조업 데이터는 해당 캠버 형상 이미지에 따른 롤 갭의 제어 레벨값을 포함하는 열연 공정에서의 캠버 제어 장치.
KR1020170180198A 2017-12-26 2017-12-26 열연 공정에서의 캠버 제어 장치 KR102045648B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170180198A KR102045648B1 (ko) 2017-12-26 2017-12-26 열연 공정에서의 캠버 제어 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170180198A KR102045648B1 (ko) 2017-12-26 2017-12-26 열연 공정에서의 캠버 제어 장치

Publications (2)

Publication Number Publication Date
KR20190078338A true KR20190078338A (ko) 2019-07-04
KR102045648B1 KR102045648B1 (ko) 2019-11-15

Family

ID=67259136

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170180198A KR102045648B1 (ko) 2017-12-26 2017-12-26 열연 공정에서의 캠버 제어 장치

Country Status (1)

Country Link
KR (1) KR102045648B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363253A (zh) * 2019-07-25 2019-10-22 安徽工业大学 一种基于卷积神经网络的热轧带钢表面缺陷分类方法
CN114798760A (zh) * 2022-04-28 2022-07-29 广西广盛新材料科技有限公司 钢材生产线的精轧机辊缝调整方法、装置、终端及介质
KR20220131647A (ko) * 2021-03-22 2022-09-29 주식회사 아이코어 판재의 불량을 검출하는 시스템, 및 압연 공정

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000033981A (ko) * 1998-11-26 2000-06-15 이구택 열연 조압연에서 캠버측정 장치 및 그 장치를 이용한캠버제어 방법
KR20140103806A (ko) * 2013-02-19 2014-08-27 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 압연 프로세스의 학습 제어 장치
JP2016117098A (ja) * 2014-12-01 2016-06-30 ポスコ 熱間圧延工程におけるキャンバー測定装置及び方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000033981A (ko) * 1998-11-26 2000-06-15 이구택 열연 조압연에서 캠버측정 장치 및 그 장치를 이용한캠버제어 방법
KR20140103806A (ko) * 2013-02-19 2014-08-27 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 압연 프로세스의 학습 제어 장치
JP2016117098A (ja) * 2014-12-01 2016-06-30 ポスコ 熱間圧延工程におけるキャンバー測定装置及び方法
KR101647208B1 (ko) 2014-12-01 2016-08-24 주식회사 포스코 열간 압연공정에서의 캠버 측정 장치 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363253A (zh) * 2019-07-25 2019-10-22 安徽工业大学 一种基于卷积神经网络的热轧带钢表面缺陷分类方法
KR20220131647A (ko) * 2021-03-22 2022-09-29 주식회사 아이코어 판재의 불량을 검출하는 시스템, 및 압연 공정
CN114798760A (zh) * 2022-04-28 2022-07-29 广西广盛新材料科技有限公司 钢材生产线的精轧机辊缝调整方法、装置、终端及介质

Also Published As

Publication number Publication date
KR102045648B1 (ko) 2019-11-15

Similar Documents

Publication Publication Date Title
KR20190078338A (ko) 열연 공정에서의 캠버 제어 장치
CN101657277B (zh) 用于对连续铸造板坯上的表面缺陷进行识别和分类的方法
JP5412829B2 (ja) 鋼板の形状矯正装置
CN104914111A (zh) 一种带钢表面缺陷在线智能识别检测系统及其检测方法
CN110146019B (zh) 一种基于工业相机的工件尺寸在线检测与自动补偿方法
CN109739181B (zh) 一种基于检测神经网络的机床主轴热误差建模检测方法
JP2019078640A (ja) 表面欠陥検出方法及び表面欠陥検出装置
CN111815555A (zh) 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置
CN102581037A (zh) 热连轧机二侧零位调整方法
CN113012098B (zh) 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法
CN104331693A (zh) 一种印刷品对称性检测方法及系统
CN104874611B (zh) 一种热连轧机精轧入口夹送辊位置控制方法
CN115026660B (zh) 一种基于ccd的研磨工艺智能控制方法及系统
CN109877165A (zh) 一种含换辊后辊颈变化补偿的自动零调方法
CN115255048A (zh) 一种折弯机智能控制方法及系统
CN105488309B (zh) 刀路轨迹还原显示方法、系统及雕刻机
CN112365538B (zh) 一种自动上卷系统的高效目标检测方法
CN110033469B (zh) 一种亚像素边缘检测方法及系统
CN104484491A (zh) 一种基于高次多项式的热轧梯形坯形状识别方法
CN111539951A (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
JP4306716B2 (ja) 印刷物検査装置及び印刷物検査方法
CN206654505U (zh) 翻钢自动控制装置
CN115980063A (zh) 工件表面瑕疵检测方法及装置
CN115446125A (zh) 一种基于机器视觉的中厚板自动转钢控制方法
Li et al. Research on straightness detection of steel strip edge based on machine vision

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant