KR20200032821A - Rolling apparatus and method using predictive model - Google Patents

Rolling apparatus and method using predictive model Download PDF

Info

Publication number
KR20200032821A
KR20200032821A KR1020180111887A KR20180111887A KR20200032821A KR 20200032821 A KR20200032821 A KR 20200032821A KR 1020180111887 A KR1020180111887 A KR 1020180111887A KR 20180111887 A KR20180111887 A KR 20180111887A KR 20200032821 A KR20200032821 A KR 20200032821A
Authority
KR
South Korea
Prior art keywords
rolling
model
control
rolling mill
value
Prior art date
Application number
KR1020180111887A
Other languages
Korean (ko)
Other versions
KR102104905B1 (en
Inventor
유구훈
안정환
정의훈
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 KR1020180111887A priority Critical patent/KR102104905B1/en
Publication of KR20200032821A publication Critical patent/KR20200032821A/en
Application granted granted Critical
Publication of KR102104905B1 publication Critical patent/KR102104905B1/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
    • B21B37/58—Roll-force control; Roll-gap control
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

Disclosed are an apparatus for controlling rolling using a prediction model and a method, comprising: a temper rolling mill (100) for rolling a steel sheet; a rolling mill control unit (200) for numerically controlling rolling operation of the temper rolling mill (100); and a model control unit (300) which adds model control using a prediction model to the numerical control of the rolling mill control unit (200). Therefore, it is possible to manufacture the steel sheet which satisfies a requirement of a customer by controlling the rolling operation of the temper rolling mill by predicting the rolling load control value using input data as a variable using a predictive model. In addition, there is an advantage of learning the predictive model to increase reliability in controlling the rolling operation using the prediction model. Also, an accident can be prevented by including a safety server to cope with an abnormality.

Description

예측 모델을 이용한 압연 제어 장치 및 방법{ROLLING APPARATUS AND METHOD USING PREDICTIVE MODEL}Rolling control device and method using prediction model {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.The present invention relates to a rolling control device and method using a predictive model, and more particularly, to a rolling control device and method using a predictive model for rolling a steel sheet.

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.The cold rolled steel sheet, which is a steel sheet, has a property of reducing toughness and increasing strength by cold working, so it is necessary to increase the toughness by forming a material suitable for use. To this end, after annealing the cold rolled steel sheet to remove the internal stress, light cold rolling is performed to make the grains fine, which is called temper rolling. As a device used for temper rolling, there is a temper rolling mill 100 for rolling a steel sheet. The temper rolling mill 100 has a double or quadruple rotary rolling mill, and a two-stand tandem method is also used for thin steel sheets such as for a stone plate steel plate. There are three methods of driving the temper rolling mill 100: a method of driving a work rate, a method of driving a work roll as part of power, and a method of applying front and rear tension to the rest, and a method of applying electric power as tension.

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.The control unit controlling the temper rolling mill 100 controls the rolling operation of the temper rolling mill 100 based on a rolling force control value. Here, as can be seen from the above, the rolling load control value may influence the quality of the steel sheet product produced by rolling the steel sheet. Therefore, the rolling load control value should be controlled in the control unit so that the quality of the steel sheet product is maintained consistently with the buyer's request.

등록번호 제10-1237079호, 학습기능을 갖는 압연공정 제어 시스템 및 그 제어방법Registration No. 10-1237079, Rolling process control system with learning function and its control method 등록번호 제10-1482468호, 압연기의 벤더력 제어 장치 및 방법Registration No. 10-1482468, Bender force control device and method of rolling mill

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.An object of the present invention for solving the above problems is to provide a rolling control apparatus and method using a predictive model, characterized in that adding a model control using a predictive model in numerical control of the rolling load control value.

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.In addition, the rolling control apparatus and method using a predictive model that controls the rolling operation of the temper rolling mill with the predicted rolling load control value and feeds back actual measured values corresponding to the predicted rolling load control value to learn the neural network of the predictive model. To provide.

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.The present invention for achieving the above object, a temper rolling mill 100 for rolling a steel sheet; A rolling mill control unit 200 for numerically controlling the rolling operation of the temper rolling mill 100; And a model control unit 300 that adds model control using a predictive model to the numerical control of the rolling mill control unit 200.

또한, 압연기 제어부(200)는 초기값, 오차값 및 목표값을 계산하여 수치 제어한다.In addition, the rolling mill control unit 200 numerically controls the initial value, the error value, and the target value.

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.In addition, the rolling mill control unit 200 may perform numerical control based on the roughness of the steel sheet. The roughness of the steel sheet depends on the light reflection value, which is a material property of the steel sheet, and the rolling mill control unit 200 can perform numerical control based on the steel sheet roughness acting as an important variable among the steel sheet material properties.

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.In addition, the model controller 300 includes a prediction model unit 310 that predicts a rolling load control value by applying input data to a neural network; A controller 320 for model-controlling the rolling operation of the temper rolling mill 100 with the predicted rolling load control value; And a learning unit 330 for learning a neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the prediction model unit 310.

또한, 입력 데이터는 소재 두께, 폭, 강종 그룹에 더하여 강판 조도, 고객사, 용도, 연신율 작업 이력 중 어느 하나 이상을 포함한다.In addition, the input data includes, in addition to the material thickness, width, and steel type group, any one or more of steel sheet roughness, customer, use, and elongation work history.

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.In addition, the rolling control device may further include a safety server 400. When the difference between the rolling load control value and the actual measured value is greater than a certain level, the safety server 400 determines that an abnormality has occurred, and can stop the rolling operation of the temper rolling mill 100.

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.In addition, the rolling control method using the predictive model includes numerically controlling the rolling operation of the rolling mill drive unit 110 using a mathematical model; And adding model control using a predictive model to numerical control, wherein the model control predicts a rolling load control value by applying input data to a neural network; Model-controlling the rolling operation of the rolling mill drive unit 110 with the predicted rolling load control value; And learning the neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the predicted model.

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.In the case of using the rolling control apparatus and method using the predictive model according to the present invention as described above, the rolling load control value of the temper rolling mill is controlled by predicting the rolling load control value using the predictive model as a variable to satisfy the customer's requirements. A satisfactory steel sheet can be produced.

또한, 예측 모델을 학습시켜 예측 모델을 이용한 압연 동작 제어에 신뢰성을 높이는 장점이 있다.In addition, there is an advantage of learning the predictive model to increase reliability in controlling the rolling operation using the predictive model.

또한, 안전 서버를 포함시켜 이상 발생에 대처함으로써 안전 사고를 예방할 수 있다.In addition, it is possible to prevent a safety accident by including a safety server to cope with an abnormality.

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.1 is an exemplary view showing a configuration of a rolling control device using a predictive model.
2 is a block diagram showing the configuration of the model control unit 300.
3 is a view showing input data.
4 is an exemplary view showing an embodiment of a networked rolling control device.
5 is an operation flowchart of the rolling control method.

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.The terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, the terms "include" or "have" are intended to indicate the presence of features, numbers, steps, actions, components, parts or combinations thereof described herein, one or more other features. It should be understood that the existence or addition possibilities of fields or numbers, steps, operations, components, parts or combinations thereof are not excluded in advance.

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.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms such as those defined in a commonly used dictionary should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 예측 모델을 이용한 압연 제어 장치의 구성을 보인 예시도이다.1 is an exemplary view showing a configuration of a rolling control device using a predictive model.

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.In an embodiment, the rolling control device performs a numerical control based on the roughness of the steel sheet and a model control using a predictive model in controlling the rolling operation of the temper rolling mill 100. In another embodiment, in addition to the temper rolling mill 100, it may be applied to a rolling mill used in a hot dip galvanizing process. Numerical control is based on initial values, target values and error values based on a mathematical model including the thickness and width of the steel sheet in addition to the roughness of the steel sheet, and the model control predicts the rolling load control value using the predictive model, and the predicted rolling The load control value is used to control the rolling operation of the temper rolling mill 100. In an embodiment, the prediction model may use a neural network, and in another embodiment, a numerical model may be used. In addition, the rolling load control value can be converted into the center speed, elongation, and tension.

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.In the device configuration, the rolling control device includes a temper rolling mill 100 for rolling a steel sheet; A rolling mill control unit 200 for numerically controlling the rolling operation of the rough rolling mill 100 based on the roughness of the steel sheet; And a model control unit 300 that adds model control using a predictive model to the numerical control of the rolling mill control unit 200. Here, the steel sheet is a cold-rolled steel sheet as an example, but other sheet materials may be applied to a rolling control device to which a rolling process such as an aluminum sheet is applied.

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.Specifically, the rolling mill control unit 200 may perform numerical control based on the roughness of the steel sheet. The roughness of the steel sheet depends on the light reflection value, which is a material property of the steel sheet, and the rolling mill control unit 200 can perform numerical control based on the steel sheet roughness acting as an important variable among the steel sheet material properties. The rolling mill control unit 200 calculates an initial value, an error value, and a target value using a mathematical model to control the SPM (Skin Pass Mill) value, and the error value is a difference between the target value and the initial value, and is calculated through PID control. The initial value is calculated by a mathematical model having thickness and width as variables, and the target value is a value obtained by adding an error value to the initial value. The target value, the rolling load control value, is input to the rolling mill drive unit 110 to control the rolling operation of the temper rolling mill 100. In an embodiment, when calculating the error value in the rolling mill control unit 200, an actual error value = (rear tension value-shear tension value) / shear tension value * 100% may be used.

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.In addition, more specifically, the model control unit 300 may use a model control method using a state-maintained LSTM model. At this time, the state-maintained LSTM model predicts a rolling load control value using a neural network, and the neural network is trained as an actual measured value in the rolling operation of the temper rolling mill 100 corresponding to the predicted rolling load control value. In addition, in the neural network, rolling load control values are predicted by inputting data including work roll data and control data.

도 2는 모델 제어부(300)의 구성을 보인 블록도이다.2 is a block diagram showing the configuration of the model control unit 300.

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.The model control unit 300 that assists the rolling mill control unit 200 controls the model using a predictive model, and a tension table including a rolling load control value may be used. At this time, the tension table may be updated by the prediction model.

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.In an embodiment, the model control unit 300 includes a prediction model unit 310 for predicting a rolling load control value by applying input data to a neural network; A controller 320 for model-controlling the rolling operation of the temper rolling mill 100 with the predicted rolling load control value; And a learning unit 330 for learning a neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the prediction model unit 310.

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.In a particularly preferred embodiment, the prediction model unit 310 uses a state-maintained long short term memory (LSTM) model as an AI algorithm that is a kind of neural network. The state maintenance LSTM model is characterized in that the current learned state is transferred to the initial state in the next learning. In the state-maintained LSTM model, input data can be applied to the X factor and tension table to the Y factor. Here, a general RNN having a poor learning ability or a general LSTM with improved gradient during backpropagation is not used in the neural network.

또한, 제어부(320)에서 출력되는 압연 하중 제어값은 압연기 구동부(110)에 입력되어 조질압연기(100)의 압연 동작이 제어된다.In addition, the rolling load control value output from the control unit 320 is input to the rolling mill driving unit 110 to control the rolling operation of the temper rolling mill 100.

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.In addition, the learning unit 330 feedbacks the actual measured value according to the rolling operation of the temper rolling mill 100 corresponding to the rolling load control value controlled by the control unit 320 to the prediction model unit 310 to obtain a state-maintained LSTM model. To learn. The actual measured value can be obtained from the sensor of the temper rolling mill 100. At this time, the sensor may measure the rolling operation performed by the rolling mill drive unit 110 as the rolling load control value in the temper rolling mill 100.

도 3은 입력 데이터를 보인도이다.3 is a view showing input data.

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.Input data is input to the stateful LSTM model, which is an example of the neural network used in the prediction model unit 310. The input data includes customer process, application, elongation, work process roughness, material thickness, width, material, preprocess neural network predicted value, center speed, tension, elongation, roughness standard, bending force, roll processing performance, oil spray performance, It includes any one or more of the high-pressure cleaning equipment injection performance. For example, the material thickness means the thickness of the steel sheet, the width means the width of the steel sheet, the steel group means the type of steel sheet, and the roughness of the steel sheet means the light reflectance, which is the characteristic of the steel sheet material, and the customer means the buyer of the steel sheet. , The use means the place where the steel sheet is used, and the elongation work history may mean the elongation work history of the steel sheet according to the rolling operation of the temper rolling mill 100.

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.The neural network updates the tension table containing the rolling load control values. At this time, the tension table is updated by learning by the learning unit 330. In an embodiment, the tension table may include roll force, tension, and roughness.

도 4는 네트워크된 압연 제어 장치의 실시예를 보인 예시도이다.4 is an exemplary view showing an embodiment of a networked rolling control device.

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.In the networked rolling control device, the prediction model unit 310, the control unit 320, and the learning unit 330 constituting the model control unit 300 may be connected to a network to control the temper rolling mill 100. A predictive model in consideration of device characteristics and customer requirements may be applied to each temper rolling mill 100.

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.In an embodiment, the networked rolling control device includes a temper rolling mill 100 for rolling a steel sheet; A rolling mill control unit 200 for numerically controlling the rolling operation of the temper rolling mill 100; A prediction model unit 310 for predicting a rolling load control value by applying input data to a neural network; A controller 320 for model-controlling the rolling operation of the temper rolling mill 100 with the predicted rolling load control value; And it may include a learning unit 330 for learning the neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the prediction model unit 310. Here, the prediction model unit 310 may select one prediction model from among multiple prediction models, and accordingly, the control unit 320 may control the temper rolling mill 100 based on the selected prediction model. Also, the learning unit 330 may train the neural network of the selected prediction model.

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.In another embodiment, the networked rolling control device may further include a safety server 400 for storing data. When the safety server 400 stores various data operated by the rolling control device, and if the difference between the rolling load control value and the actual measured value is greater than a certain level, it is determined as an abnormality, and the rolling operation of the temper rolling machine 100 is determined. Can be stopped. The difference between the rolling load control value and the actual measured value can be recorded and managed post-management. Difference records can be used as comparative data to determine anomalies. The safety server 400 can prevent a safety accident by coping with an abnormality.

도 5는 압연 제어 방법의 동작 흐름도이다.5 is an operation flowchart of the rolling control method.

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.A rolling control method using a predictive model includes: numerically controlling a rolling operation of the rolling mill drive unit 110 using a mathematical model (510); Predicting a rolling load control value by applying the input data to the neural network (520); Model-controlling the rolling operation of the rolling mill drive unit 110 with the predicted rolling load control value (530); And feeding the actual measurement value corresponding to the predicted rolling load control value to the prediction model to train the neural network (540).

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.Although described above with reference to preferred embodiments of the present invention, those skilled in the art variously modify and change the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You can understand that you can.

100: 조질압연기 110: 압연기 구동부
200: 압연기 제어부 300: 모델 제어부
310: 예측 모델부 320: 제어부
330: 학습부 400: 안전 서버100: temper rolling mill 110: rolling mill drive unit
200: rolling mill control unit 300: model control unit
310: prediction model unit 320: control unit
330: learning unit 400: safety server

Claims (6)

강판을 압연하는 압연기 구동부(110);
상기 압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 수치 제어하는 압연기 제어부(200); 및
상기 압연기 제어부(200)의 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 모델 제어부(300)를 포함하는 예측 모델을 이용한 압연 제어 장치.Rolling mill driving unit 110 for rolling the steel sheet;
A rolling mill control unit 200 for numerically controlling the rolling operation of the rolling mill driving unit 110 using a mathematical model; And
A rolling control device using a predictive model including a model control part (300) that adds model control using a predictive model to numerical control of the rolling mill control part (200). 제1항에 있어서,
상기 모델 제어부(300)는 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 예측 모델부(310);
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 상기 신경망을 학습시키는 학습부(330)를 포함하는 예측 모델을 이용한 압연 제어 장치.According to claim 1,
The model control unit 300 includes a prediction model unit 310 for predicting a rolling load control value by applying input data to a neural network;
A controller 320 for model-controlling the rolling operation of the rolling mill driving unit 110 with the predicted rolling load control value; And
A rolling control device using a predictive model comprising a learning unit 330 that trains the neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the predictive model unit 310. 제2항에 있어서,
입력 데이터는 고객사, 용도, 연신율 작업 이력으로 특정되는 소재 두께, 폭, 재질 중 어느 하나 이상을 포함하는 예측 모델을 이용한 압연 제어 장치.According to claim 2,
The input data is a rolling control device using a predictive model including one or more of a material thickness, width, and material specified by a customer company, use, and elongation work history. 제1항에 있어서,
상기 압연기 제어부(200)는 수식 모델로 초기값, 오차값 및 목표값을 계산하여 수치 제어하는 예측 모델을 이용한 압연 제어 장치.According to claim 1,
The rolling mill control unit 200 is a rolling control device using a predictive model that numerically controls an initial value, an error value, and a target value using a mathematical model. 압연기 구동부(110)의 압연 동작을 수식 모델을 이용하여 수치 제어하는 단계; 및
상기 수치 제어에 예측 모델을 이용한 모델 제어를 더하는 단계를 포함하는 예측 모델을 이용한 압연 제어 방법.Numerically controlling the rolling operation of the rolling mill drive unit 110 using a mathematical model; And
And adding model control using a predictive model to the numerical control. 제5항에 있어서,
상기 모델 제어는 입력 데이터를 신경망에 적용해서 압연 하중 제어값을 예측하는 단계;
예측된 압연 하중 제어값으로 상기 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 포함하는 예측 모델을 이용한 압연 제어 방법.The method of claim 5,
The model control includes applying input data to a neural network to predict rolling load control values;
Model-controlling the rolling operation of the rolling mill drive unit 110 with the predicted rolling load control value; And
A method of rolling control using a predictive model comprising the step of learning the neural network by feeding back the actual measured value corresponding to the predicted rolling load control value to the predictive model.
KR1020180111887A 2018-09-19 2018-09-19 Rolling apparatus and method using predictive model KR102104905B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180111887A KR102104905B1 (en) 2018-09-19 2018-09-19 Rolling apparatus and method using predictive model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180111887A KR102104905B1 (en) 2018-09-19 2018-09-19 Rolling apparatus and method using predictive model

Publications (2)

Publication Number Publication Date
KR20200032821A true KR20200032821A (en) 2020-03-27
KR102104905B1 KR102104905B1 (en) 2020-05-29

Family

ID=69959390

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180111887A KR102104905B1 (en) 2018-09-19 2018-09-19 Rolling apparatus and method using predictive model

Country Status (1)

Country Link
KR (1) KR102104905B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024136439A1 (en) * 2022-12-21 2024-06-27 주식회사 포스코 Material control system for cold rolled steel sheets and method for generating material prediction model for cold rolled steel sheets

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07204718A (en) * 1994-01-11 1995-08-08 Mitsubishi Electric Corp Rolling device
JPH10263640A (en) * 1997-03-25 1998-10-06 Kawasaki Steel Corp Method for learning-controlling rolling load in rolling mill
KR19980075699A (en) * 1997-03-31 1998-11-16 김종진 Shape Control Method of Cold Rolled Steel Sheet Using Neural Network
JPH11707A (en) * 1997-04-17 1999-01-06 Nkk Corp Method for controlling rolling mill and controller for rolling mill
KR20020017030A (en) * 2000-08-28 2002-03-07 이구택 Apparatus for controlling strip center position using neuro controller in strip casting process
KR20030037434A (en) * 2001-11-05 2003-05-14 주식회사 포스코 Method for predicting roll force in hot rolling
KR20040043911A (en) * 2002-11-20 2004-05-27 주식회사 포스코 Apparatus and method for prediction rolling force using neural network
JP2005177818A (en) * 2003-12-19 2005-07-07 Nisshin Steel Co Ltd Shape control method for cold rolling
KR20080022074A (en) * 2007-04-12 2008-03-10 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Rolling line material quality prediction and control apparatus
KR20080059885A (en) * 2006-12-26 2008-07-01 주식회사 포스코 Method for forecasting roll force of roughing mill considering width reduction
JP2009113101A (en) * 2007-11-09 2009-05-28 Jfe Steel Corp Method and apparatus for learning control of rolling load, and manufacturing method of steel sheet
KR101237079B1 (en) 2011-02-24 2013-02-25 현대제철 주식회사 System for controlling rolling process having learning function and control method thereof
KR101482468B1 (en) 2013-12-24 2015-01-13 주식회사 포스코 Apparatus and method of controlling bendor force of rolling mill

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07204718A (en) * 1994-01-11 1995-08-08 Mitsubishi Electric Corp Rolling device
JPH10263640A (en) * 1997-03-25 1998-10-06 Kawasaki Steel Corp Method for learning-controlling rolling load in rolling mill
KR19980075699A (en) * 1997-03-31 1998-11-16 김종진 Shape Control Method of Cold Rolled Steel Sheet Using Neural Network
JPH11707A (en) * 1997-04-17 1999-01-06 Nkk Corp Method for controlling rolling mill and controller for rolling mill
KR20020017030A (en) * 2000-08-28 2002-03-07 이구택 Apparatus for controlling strip center position using neuro controller in strip casting process
KR20030037434A (en) * 2001-11-05 2003-05-14 주식회사 포스코 Method for predicting roll force in hot rolling
KR20040043911A (en) * 2002-11-20 2004-05-27 주식회사 포스코 Apparatus and method for prediction rolling force using neural network
JP2005177818A (en) * 2003-12-19 2005-07-07 Nisshin Steel Co Ltd Shape control method for cold rolling
KR20080059885A (en) * 2006-12-26 2008-07-01 주식회사 포스코 Method for forecasting roll force of roughing mill considering width reduction
KR20080022074A (en) * 2007-04-12 2008-03-10 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Rolling line material quality prediction and control apparatus
JP2009113101A (en) * 2007-11-09 2009-05-28 Jfe Steel Corp Method and apparatus for learning control of rolling load, and manufacturing method of steel sheet
KR101237079B1 (en) 2011-02-24 2013-02-25 현대제철 주식회사 System for controlling rolling process having learning function and control method thereof
KR101482468B1 (en) 2013-12-24 2015-01-13 주식회사 포스코 Apparatus and method of controlling bendor force of rolling mill

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024136439A1 (en) * 2022-12-21 2024-06-27 주식회사 포스코 Material control system for cold rolled steel sheets and method for generating material prediction model for cold rolled steel sheets

Also Published As

Publication number Publication date
KR102104905B1 (en) 2020-05-29

Similar Documents

Publication Publication Date Title
EP0460892B1 (en) A control device for controlling a controlled apparatus, and a control method therefor
JP5265355B2 (en) Method and apparatus for optimizing flatness control in strip rolling process
US20070068210A1 (en) System for controlling a rolling mill and method of controlling a rolling mill
JPWO2009113719A1 (en) Learning method of rolling load prediction in hot plate rolling.
DE112004002759T5 (en) Method and apparatus for controlling material quality in a rolling, forging or leveling process
US9095886B2 (en) Mill control system and method for control of metal strip rolling
EP3926425A1 (en) Method for determining setting conditions of manufacturing facility, method for determining mill setup setting value of rolling mill, device for determining mill setup setting value of rolling mill, method for manufacturing manufactured object, and method for manufacturing rolled stock
Lee et al. Application of neural-network for improving accuracy of roll-force model in hot-rolling mill
JP3223856B2 (en) Rolling mill control method and rolling mill control device
US5930136A (en) Control device for controlling a controlled apparatus, and a control method therefor
KR101782281B1 (en) Energy consumption predicting device for rolling line
Schlang et al. Current and future development in neural computation in steel processing
US5778151A (en) Method and control device for controlling a material-processing process
EP1711283B1 (en) Control method and control device for a roll stand
KR102104905B1 (en) Rolling apparatus and method using predictive model
KR20190078334A (en) Apparatus for setting schedule of continuous rolling pass
JP5682131B2 (en) Steel material prediction device
US6513358B2 (en) Method and device for controlling flatness
Pittner et al. Optimal control of tandem cold rolling using a pointwise linear quadratic technique with trims
Agarwal et al. Process-structure-microstructure relationship in hot strip rolling of steels using statistical data mining
Reeve et al. Control, automation and the hot rolling of steel
JP2021133415A (en) Model learning method, flying plate thickness changing method, steel plate manufacturing method, model learning device, flying plate thickness changing device and steel plate manufacturing device
Pittner Pointwise linear quadratic optimal control of a tandem cold rolling mill
Idzik et al. Decision Support for the Optimization of Continuous Processesusing Digital Shadows
JPH08117824A (en) Method for predicting rolling operation condition and set controlled rolling method using teh same

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant