KR20210037118A - 연속주조공정의 구속형 브레이크아웃 예측 방법 - Google Patents
연속주조공정의 구속형 브레이크아웃 예측 방법 Download PDFInfo
- Publication number
- KR20210037118A KR20210037118A KR1020190119331A KR20190119331A KR20210037118A KR 20210037118 A KR20210037118 A KR 20210037118A KR 1020190119331 A KR1020190119331 A KR 1020190119331A KR 20190119331 A KR20190119331 A KR 20190119331A KR 20210037118 A KR20210037118 A KR 20210037118A
- Authority
- KR
- South Korea
- Prior art keywords
- continuous casting
- temperature
- casting process
- image
- constrained
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Continuous Casting (AREA)
Abstract
일 측면에 따른 연속주조공정의 구속형 브레이크아웃 예측 방법은, 연속주조공정의 몰드 내 동판의 온도 데이터를 실시간 수집하는 단계, 수집된 온도 데이터로부터 이미지 전처리를 수행하는 단계, 전처리된 온도 데이터를 이미지 변환하여 온도맵 및 등온선 이미지를 생성하는 단계, 딥러닝 기반 구속형 브레이크아웃(Breakout)을 판별하는 단계, 및 판별 결과 구속형 브레이크아웃의 발생이 예측되면, 연속주조 공정에 반영하는 단계를 포함한다.
Description
본 발명은 연속주조 공정에서 응고쉘의 브레이크아웃(Breakout) 발생 가능성을 예측하여 응고쉘의 브레이크아웃(Breakout) 현상을 방지하기 위한 연속주조공정의 구속형 브레이크아웃 예측 방법에 관한 것이다.
일반적으로, 연속주조공정(continuous casting process)은 일정한 형상의 주형인 몰드에 용강을 연속적으로 주입하고, 몰드 내에서 반 응고된 주편을 연속적으로 몰드의 하측으로 배출시켜 슬라브(slab), 블룸(bloom), 빌렛(billet) 등과 같은 다양한 형태의 주편을 제조하는 공정이다.
이러한 공정을 수행하는 연속주조기는 용강(molten steel)을 공급받는 턴디쉬(tundish)와, 턴디쉬로부터 용강을 전달받아 주편을 성형하는 몰드(mold)와, 몰드로부터 배출되는 주편을 이송하는 가운데 냉각하도록 연속하여 배열된 다수의 롤들을 갖춘 냉각라인을 포함한다. 제강공정에서 성분 및 온도를 만족한 용강이 래들에 담겨 연주공정으로 이송되면, 턴디쉬를 통해 용강은 몰드로 공급된다. 강의 응고는 몰드내 수냉 동판과 접촉하면서 시작된다. 몰드를 빠져나오는 순간 응고셀의 두께는 약 20mm가 되고 이후에는 2차 냉각대에서 직접 주편 표면으로 분사되는 냉각수에 의해 응고가 진행된다. 약 10~15m 지점에서 응고가 완료되고 적당한 길이로 절단하여 주편이 생성된다.
턴디쉬로부터 용강은 침지노즐을 통해 몰드내로 일정한 양으로 공급된다. 동판과 응고셀간의 윤활능 확보를 위해 사용되는 몰드 파우더(mold powder)가 상부에서 공급되며 용융 후 슬래그 필름(slag film)를 형성하여 윤활 기능 및 열전달 제어 기능을 한다. 또한, 동판은 고착 방지를 위해 상하로 진동하게 된다. 따라서, 용강으로부터의 열은 응고셀, 액상 슬래그 필름(slag film), 고상 슬래그 필름(slag film), 동판을 통해 빠져나가고 응고가 진행된다. 대부분 주편 결함은 이러한 초기응고시 열전달 거동의 부적절에 의해 발생하게 된다.
이에 관련된 기술로는 대한민국 공개특허공보 제10-2018-0014367호(2018.02.08 공개, 연속주조 이상 예측 장치)가 있다.
본 발명이 해결하고자 하는 과제는, 몰드 동판의 온도를 활용하여 온도맵을 생성하고 기존의 구속형 BO 온도맵 이미지 학습을 통해 정합성을 향상시키는 연속주조공정의 구속형 브레이크아웃 예측 방법을 제공하는 데 있다.
본 발명의 일 측면에 따른 연속주조공정의 구속형 브레이크아웃 예측 방법은, 연속주조공정의 몰드 내 동판의 온도 데이터를 실시간 수집하는 단계; 수집된 온도 데이터로부터 이미지 전처리를 수행하는 단계; 전처리된 상기 온도 데이터를 이미지 변환하여 온도맵 및 등온선 이미지를 생성하는 단계; 딥러닝 기반 구속형 브레이크아웃(Breakout)을 판별하는 단계; 및 판별 결과 구속형 브레이크아웃의 발생이 예측되면, 연속주조 공정에 반영하는 단계를 포함하는 것을 특징으로 한다.
상기 이미지 전처리를 수행하는 단계는, 온도맵 스케일을 최소: 0℃, 최대: 용강 접촉부 온도의 평균온도 + 45℃로 수행할 수 있다.
상기 온도맵 및 등온선 이미지를 생성하는 단계에서, 상기 온도맵은 온도에 따라 색상을 다르게 나타내며, 상기 등온선 이미지에서 핫 스팟 영역은 등온선의 간격이 좁고 반대의 영역은 등온선 간의 간격이 넓게 나타낼 수 있다.
상기 연속주조 공정에 반영하는 단계에서, 구속형 브레이크아웃의 발생이 예측될 경우 연속주조속도를 감속할 수 있다.
본 발명에 따르면, 용강이 수용되는 몰드 동판의 실시간 측정 온도를 활용하여 온도맵을 생성하고, 구속형 BO 온도맵의 이미지 학습을 통해 정합성을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 이미지 학습을 이용한 연속주조공정의 구속형 브레이크아웃 예측 방법을 도시한 흐름도이다.
도 2는 본 발명의 이미지 학습을 이용한 연속주조공정의 구속형 브레이크아웃 예측 방법을 설명하기 위하여 도식화하여 나타낸 도면이다.
도 3은 도 2의 온도맵을 등온선을 이용하여 나타낸 도면이다.
도 2는 본 발명의 이미지 학습을 이용한 연속주조공정의 구속형 브레이크아웃 예측 방법을 설명하기 위하여 도식화하여 나타낸 도면이다.
도 3은 도 2의 온도맵을 등온선을 이용하여 나타낸 도면이다.
이하, 첨부한 도면을 참고하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명을 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 본 명세서에서 설명하는 실시예들에 한정되지 않는다. 본 명세서 전체를 통하여 동일 또는 유사한 구성 요소에 대해서는 동일한 도면 부호를 붙였다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
현재 연속주조공정에서 구속형 브레이크아웃(Break-out, 이하 "BO")을 예측하기 위해서, 몰드 내에서 측정되는 몰드 동판의 온도 편차를 이용하여 BO의 발생 가능성을 실시간으로 예측하고 있다. 이 방법은 몰드 내에 설치되어 있는 복수개의 온도감지수단으로부터 설정 시간 단위로 온도를 측정하여 구속형 BO가 발생할 때와 발생하지 않을 때의 온도의 편차가 발생하는 특성을 이용한 것이다. 구속형 BO의 경우 몰드내 응고쉘이 찢어지면서 용강이 유출되기 때문에 동판의 온도가 비정상적으로 상승한다. 이러한 현상을 이용하여 BO를 예측하고 주속을 감속하여 BO를 방지한다. 그러나 이러한 기존의 단순 온도 편차를 이용한 구속형 BO 예측 모델은 작은 온도 상승에도 구속형 BO라 판정하여 잘못된(False) 알람으로 인한 주속 감속으로 생산성 및 주편의 품질 저하로 이어진다.
본 발명은 몰드 동판의 온도를 활용하여 온도맵을 생성하고, 기존의 구속형 BO 온도맵의 이미지 학습을 통해 정합성을 향상시키는 방법을 제시한다.
도 1은 본 발명의 일 실시예에 따른 이미지 학습을 이용한 연속주조공정의 구속형 브레이크아웃 예측 방법을 도시한 흐름도이고, 도 2는 본 발명의 이미지 학습을 이용한 연속주조공정의 구속형 브레이크아웃 예측 방법을 설명하기 위하여 도식화하여 나타낸 도면이고, 도 3은 도 2의 온도맵을 등온선을 이용하여 나타낸 도면이다.
도 1 내지 도 3을 함께 참조하면, 먼저, 연속주조공정을 시작한다(S110).
연속주조는 용융금속을 바닥이 없는 몰드에서 응고시키면서 연속적으로 주편 또는 강괴(steel ingot)를 뽑아내는 주조로, 정사각형, 직사각형 또는 원형 등 단순한 단면형의 긴 제품과 주로 압연용 소재인 슬라브, 블룸 또는 빌릿을 제조하는 데 이용된다. 제강공정에서 성분 및 온도를 만족한 용강이 래들에 담겨 연주공정으로 이송되면 턴디쉬를 통해 용강은 도 2에 도시된 몰드(10)로 공급된다. 강의 응고는 몰드내 수냉 동판과 접촉하면서 시작된다.
몰드(10)는 통상적으로 수냉식 구리제이며 수강된 용강이 1차로 냉각되게 한다. 몰드(10)는 구조적으로 마주보는 한 쌍의 면들이 개구된 형태로서 용강이 수용되는 중공부를 형성한다. 몰드(10)는 몰드에서 뽑아낸 연주주편이 일정 모양을 유지하고, 아직 응고가 덜 된 용융금속이 유출되지 않게 강한 응고각(凝固殼) 또는 응고쉘(Solidified Shell)이 형성되도록 하는 역할을 한다.
도 2에서, 도면의 좌측은 연속주조공정에서 턴디쉬로부터 공급된 용강이 담긴 몰드(10)를 나타내고, 몰드 동판의 온도를 측정하기 위한 온도 측정 장치(20)가 세 개의 행으로 배열되어 있다. 도면의 우측은 시간에 따른 몰드 동판의 각 행 열전대의 온도를 측정하여 온도맵으로 나타낸 것이다.
온도맵은 측정된 온도가 높을수록 붉은 색으로 나타나 육안으로 고온 영역, 즉 핫-스팟을 쉽게 구별할 수 있다.
연속주조 공정이 시작되면, 몰드 동판의 온도를 실시간으로 수집한다(S120). 몰드 동판의 온도는, 도 2에 도시된 바와 같이, 몰드(10)에 설치된 측온 장치(20)를 통해 실시간으로 측정할 수 있다.
몰드 내 동판의 온도가 수집되면, 몰드 동판에 설치된 측온 장치의 각 행의 열전대 시간에 따른 온도맵 작성 및 등온선 이미지 생성을 위한 전처리를 수행한다(S130). 이미지 전처리는 육안으로 식별이 용이하도록 온도맵의 스케일을 조정하고 등온선 이미지의 등온선 간격을 조정하는 작업이다. 온도맵 스케일은 0℃를 최소로 하고 용강 접촉부의 평균온도 + 45℃를 최대로 하여 조정한다.
이미지 전처리 작업이 완료되면, 이를 이용하여 이미지 변환을 실시하여 몰드 동판에 대한 온도맵을 작성하고, 등온선 이미지를 생성한다(S140).
온도맵은 S120 단계에서 실시간으로 수집된 몰드 동판의 온도를 이용하여, 도 2에 도시된 바와 같이, 각 행의 열전대 시간에 따른 맵으로 작성된다. 온도맵은 구속성 BO가 발생하는 고온 영역, 즉 핫 스팟(hot spot)을 식별하기 위하여 도 2의 우측에 도시된 바와 같이, 온도에 따라 색상이 다르게 나타나며 핫 스팟은 짙은 색상으로 표시된다.
등온선 이미지는, 도 3에 도시된 바와 같이, 동일한 온도를 나타내는 지점을 이은 선으로 나타낸 이미지로서, 핫 스팟 영역은 등온선의 간격이 좁고 반대의 영역은 등온선 간의 간격이 넓게 나타난다. 따라서, 등온선의 조밀도를 보고 핫 스팟 영역인지 쉽게 확인할 수 있다.
단계 S140에서 온도맵 및 등온선 이미지가 작성되면, 딥러닝 모델을 이용한 패턴 학습으로 구속형 BO를 판별한다(S150).
판단 결과, 구속형 BO가 아닌 것으로 판단되면 단계 S120으로 돌아가 계속해서 몰드 내 동판의 온도를 실시간 수집하고, 수집된 동판의 온도를 이용하여 이미지 전처리(S130), 온도맵 작성 및 등온선 이미지 생성(S140)을 반복한다.
판단 결과, 구속형 BO가 발생할 것으로 예측되면, 연속주조공정의 주조속도를 감속시켜 BO의 발생을 최소화한다(S160).
이상과 같이 본 발명에 따르면, 용강이 수용되는 몰드 동판의 실시간 측정 온도를 활용하여 온도맵을 생성하고, 구속형 BO 온도맵의 이미지 학습을 통해 정합성을 향상시킬 수 있다. 즉, 몰드 동판의 온도를 실시간으로 수집하고, 온도맵 작성 및 등온선 이미지 생성을 위한 전처리를 수행하고, 실시간으로 수집된 몰드 동판의 온도를 이용하여 시간에 따른 온도맵 및 등온선 이미지를 생성하고, 딥러닝 기반으로 구속형 BO의 발생을 판별하고, 그 결과를 공정에 반영함으로써 종래의 잘못된(False) 알람으로 인한 주속 감속으로 생산성 및 주편의 품질 저하의 문제를 개선할 수 있다.
이상에서는 본 발명의 실시예를 중심으로 설명하였지만, 당업자의 수준에서 다양한 변경이나 변형을 가할 수 있다. 이러한 변경과 변형이 본 발명의 범위를 벗어나지 않는 한 본 발명에 속한다고 할 수 있다. 따라서 본 발명의 권리범위는 이하에 기재되는 청구범위에 의해 판단되어야 할 것이다.
Claims (4)
- 연속주조공정의 몰드 내 동판의 온도 데이터를 실시간 수집하는 단계;
수집된 온도 데이터로부터 이미지 전처리를 수행하는 단계;
전처리된 상기 온도 데이터를 이미지 변환하여 온도맵 및 등온선 이미지를 생성하는 단계;
딥러닝 기반 구속형 브레이크아웃(Breakout)을 판별하는 단계; 및
판별 결과 구속형 브레이크아웃의 발생이 예측되면, 연속주조 공정에 반영하는 단계를 포함하는 것을 특징으로 하는,
연속주조공정의 구속형 브레이크아웃 예측 방법.
- 제1항에 있어서,
상기 이미지 전처리를 수행하는 단계는,
온도맵의 스케일을 최소: 0℃, 최대: 용강 접촉부 온도의 평균온도 + 45℃로 수행하는 것을 특징으로 하는,
연속주조공정의 구속형 브레이크아웃 예측 방법.
- 제1항에 있어서,
상기 온도맵 및 등온선 이미지를 생성하는 단계에서,
상기 온도맵은 온도에 따라 색상을 다르게 나타내며,
상기 등온선 이미지에서 핫 스팟 영역은 등온선의 간격이 좁고 반대의 영역은 등온선 간의 간격이 넓게 나타내는 것을 특징으로 하는,
연속주조공정의 구속형 브레이크아웃 예측 방법.
- 제1항에 있어서,
상기 연속주조 공정에 반영하는 단계에서,
구속형 브레이크아웃의 발생이 예측될 경우 연속주조속도를 감속하는 것을 특징으로 하는,
연속주조공정의 구속형 브레이크아웃 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190119331A KR20210037118A (ko) | 2019-09-27 | 2019-09-27 | 연속주조공정의 구속형 브레이크아웃 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190119331A KR20210037118A (ko) | 2019-09-27 | 2019-09-27 | 연속주조공정의 구속형 브레이크아웃 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210037118A true KR20210037118A (ko) | 2021-04-06 |
Family
ID=75472831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190119331A KR20210037118A (ko) | 2019-09-27 | 2019-09-27 | 연속주조공정의 구속형 브레이크아웃 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210037118A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113319259A (zh) * | 2021-06-07 | 2021-08-31 | 东北电力大学 | 一种基于空间-时序特征的黏结漏钢逻辑判断方法 |
-
2019
- 2019-09-27 KR KR1020190119331A patent/KR20210037118A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113319259A (zh) * | 2021-06-07 | 2021-08-31 | 东北电力大学 | 一种基于空间-时序特征的黏结漏钢逻辑判断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5127926B2 (ja) | ストリップ鋳造工程におけるストリップエッジ形状制御装置および方法 | |
| KR20120097064A (ko) | 연주공정에서 응고쉘의 핀홀 결함 예측장치 및 그 방법 | |
| KR20210037118A (ko) | 연속주조공정의 구속형 브레이크아웃 예측 방법 | |
| EP2868405B1 (en) | Breakout prevention method in continuous casting | |
| KR20130120843A (ko) | 고품질 주편 제조방법 | |
| JPH1190599A (ja) | 連続鋳造の鋳型内異常判定方法 | |
| JP2001038456A (ja) | 連続鋳造機内において溶湯を案内するための方法および装置 | |
| KR20180014367A (ko) | 연속주조 이상 예측 장치 | |
| JPH01210160A (ja) | 連続鋳造における縦割れ予知方法 | |
| KR101368351B1 (ko) | 연속주조 시 응고쉘 두께 예측 방법 | |
| KR101204955B1 (ko) | 몰드 내 마찰력 감시 장치 및 그 방법 | |
| KR101159598B1 (ko) | 몰드 파우더 점도 추정 방법 | |
| KR20120044425A (ko) | 몰드내 응고쉘의 크랙 진단장치 및 그 방법 | |
| KR101277627B1 (ko) | 연주공정에서 응고쉘의 브레이크아웃 예측 장치 및 그 방법 | |
| KR101204943B1 (ko) | 몰드 코팅층의 결함 진단장치 및 그 방법 | |
| KR101435115B1 (ko) | 슬라브 표면 결함 예측 방법 | |
| KR101193875B1 (ko) | 슈라우드 노즐 관리 방법 및 장치 | |
| KR20130099289A (ko) | 연속주조시 판재의 품질 예측장치 및 그 방법 | |
| KR101443585B1 (ko) | 침지노즐 막힘 정도 추정 방법 | |
| JP5226548B2 (ja) | 鋳造速度と湯面レベルの変更を伴った中炭素鋼の連続鋳造方法 | |
| KR101159604B1 (ko) | 주형 내 비대칭 유동 판별 장치 및 비대칭 유동 제어 방법 | |
| KR101159613B1 (ko) | 연속주조 주형의 테이퍼 판별 장치 및 방법 | |
| KR101443588B1 (ko) | 슬라브의 핀홀 결함 예측방법 | |
| RU2021125537A (ru) | Способ литья и литейная установка с непосредственным охлаждением слитков | |
| KR20140017144A (ko) | 연속주조시 응고쉘의 수축량 예측 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |