TWI785975B - 精軋機之溫度控制方法 - Google Patents
精軋機之溫度控制方法 Download PDFInfo
- Publication number
- TWI785975B TWI785975B TW111103231A TW111103231A TWI785975B TW I785975 B TWI785975 B TW I785975B TW 111103231 A TW111103231 A TW 111103231A TW 111103231 A TW111103231 A TW 111103231A TW I785975 B TWI785975 B TW I785975B
- Authority
- TW
- Taiwan
- Prior art keywords
- temperature
- finishing
- heat transfer
- outlet
- inlet
- Prior art date
Links
Images
Abstract
一種精軋機之溫度控制方法包括:取得精軋機的多個精軋輥輪組之其中一者的入口溫度量測值與出口溫度量測值;根據精軋輥輪組之其中該者的多組歷史熱傳係數來訓練對應至精軋輥輪組之其中該者的機器學習模型;將量測溫降與理論溫降之間的差值作為輸入以建立目標函數;根據目標函數執行最佳化演算法,藉此嘗試多組熱傳係數,將每組熱傳係數輸入至機器學習模型以取得入口溫度理論值與出口溫度理論值,並據以尋找最佳化目標函數的熱傳係數。其中量測溫降為入口溫度量測值減去出口溫度量測值,理論溫降為入口溫度理論值減去出口溫度理論值。
Description
本發明是關於一種溫度控制方法,且特別是關於一種精軋機之溫度控制方法。
目前的精軋機之溫度控制方法僅有依據精軋機的入口量測溫度與出口量測溫度來調校精軋機的各站的熱傳係數,既無法將各鋼種的誤差調適到同一個區間內,也無法依據精軋機的各站之不同的溫度及冷卻路徑來精緻地調適各站的熱傳係數。因此,如何提供一種精緻調適溫度模式,為此領域技術人員所關心的議題。
本發明之目的在於提出一種精軋機之溫度控制方法,其中精軋機包含多個精軋輥輪組。精軋機之溫度控制方法包括:取得所述多個精軋輥輪組之其中一者的入口溫度量測值與出口溫度量測值;取得所述多個精軋輥輪組之其中該者的多組歷史熱傳係數並根據該些組歷史熱傳係數來訓練對應至所述多個精軋輥輪組之其中該者的機器學習模型;將量測溫降與理論溫降之間的差值作為輸入以建立目標函數,其中量測溫降為入口溫度量測值減去出口溫度量測值;根據目標函數執行最佳化演算法,藉此嘗試多組熱傳係數,將每組熱傳係數輸入至機器學習模型以取得對應至所述多個精軋輥輪組之其中該者的入口溫度理論值與出口溫度理論值,並據以尋找最佳化目標函數的一組熱傳係數。其中理論溫降為入口溫度理論值減去出口溫度理論值。
在一些實施例中,上述最佳化演算法為基因演算法或粒子群最佳化演算法。
在一些實施例中,其中以量測溫降與理論溫降之間的差值最小化作為目標函數。
在一些實施例中,其中取得入口溫度量測值包括:藉由設置在所述多個精軋輥輪組之其中該者的入口處的入口溫度感測器來取得入口溫度量測值。
在一些實施例中,其中取得出口溫度量測值包括:藉由設置在所述多個精軋輥輪組之其中該者的出口處的出口溫度感測器來取得出口溫度量測值。
在一些實施例中,其中當所述多個精軋輥輪組之其中該者為最靠近精軋機的入口處的精軋輥輪組,則入口溫度量測值為精軋機的完軋入側溫度(Finisher Entry Temperature,FET)。
在一些實施例中,其中當所述多個精軋輥輪組之其中該者為最靠近精軋機的出口處的精軋輥輪組,則出口溫度量測值為精軋機的完軋出側溫度(Finisher Delivery Temperature,FDT)。
在一些實施例中,上述機器學習模型為隨機森林、支持向量機或神經網路。
在一些實施例中,其中每組熱傳係數包括多個熱傳溫度計算模式所各自對應的調整乘數(tuning multiplier)。
在一些實施例中,其中所述多個熱傳溫度計算模式包括:熱輻射溫度計算模式、熱對流溫度計算模式、變形熱溫度計算模式、熱傳導溫度計算模式、摩擦熱溫度計算模式、水冷熱傳溫度計算模式。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
以下仔細討論本發明的實施例。然而,可以理解的是,實施例提供許多可應用的概念,其可實施於各式各樣的特定內容中。所討論、揭示之實施例僅供說明,並非用以限定本發明之範圍。關於本文中所使用之『第一』、『第二』、…等,並非特別指次序或順位的意思,其僅為了區別以相同技術用語描述的元件或操作。
圖1係根據本發明的第一實施例之精軋機100的示意圖。請參照圖1,精軋機100包含了設於精軋機100的入口處的入口溫度感測器110以及設於精軋機100的出口處的出口溫度感測器180。入口溫度感測器110用以經由量測以獲得精軋機100的完軋入側溫度(Finisher Entry Temperature,FET),出口溫度感測器180用以經由量測以獲得精軋機100的完軋出側溫度(Finisher Delivery Temperature,FDT)。
如圖1所示,精軋機100於入口溫度感測器110以及出口溫度感測器180之間設有七站,分別為第一精軋輥輪組F1、第二精軋輥輪組F2、第三精軋輥輪組F3、第四精軋輥輪組F4、第五精軋輥輪組F5、第六精軋輥輪組F6及第七精軋輥輪組F7。應注意的是,上述的數量7僅為例示,本發明不限於此。
如圖1所示,在入口溫度感測器110與出口溫度感測器180之間的複數個位置處設置有多個站間溫度感測器。例如,在第一精軋輥輪組F1與第二精軋輥輪組F2之間設置第一溫度感測器120、在第二精軋輥輪組F2與第三精軋輥輪組F3之間設置第二溫度感測器130、在第三精軋輥輪組F3與第四精軋輥輪組F4之間設置第三溫度感測器140、在第四精軋輥輪組F4與第五精軋輥輪組F5之間設置第四溫度感測器150、在第五精軋輥輪組F5與第六精軋輥輪組F6之間設置第五溫度感測器160、在第六精軋輥輪組F6與第七精軋輥輪組F7之間設置第六溫度感測器170。應注意的是,上述的站間溫度感測器的數量及設置位置僅為例示,本發明不限於此。
詳細而言,在本發明的第一實施例中,使用入口溫度感測器110來獲取第一精軋輥輪組F1的入口處的入口溫度量測值,使用第一溫度感測器120來獲取第一精軋輥輪組F1的出口處的出口溫度量測值;使用第一溫度感測器120來獲取第二精軋輥輪組F2的入口處的入口溫度量測值,使用第二溫度感測器130來獲取第二精軋輥輪組F2的出口處的出口溫度量測值;使用第二溫度感測器130來獲取第三精軋輥輪組F3的入口處的入口溫度量測值,使用第三溫度感測器140來獲取第三精軋輥輪組F3的出口處的出口溫度量測值;使用第三溫度感測器140來獲取第四精軋輥輪組F4的入口處的入口溫度量測值,使用第四溫度感測器150來獲取第四精軋輥輪組F4的出口處的出口溫度量測值;使用第四溫度感測器150來獲取第五精軋輥輪組F5的入口處的入口溫度量測值,使用第五溫度感測器160來獲取第五精軋輥輪組F5的出口處的出口溫度量測值;使用第五溫度感測器160來獲取第六精軋輥輪組F6的入口處的入口溫度量測值,使用第六溫度感測器170來獲取第六精軋輥輪組F6的出口處的出口溫度量測值;使用第六溫度感測器170來獲取第七精軋輥輪組F7的入口處的入口溫度量測值,使用出口溫度感測器180來獲取第七精軋輥輪組F7的出口處的出口溫度量測值。
換言之,當精軋輥輪組為最靠近精軋機100的入口處的精軋輥輪組(即第一精軋輥輪組F1),則其入口溫度量測值為精軋機100的入口溫度感測器110所獲取的完軋入側溫度(FET);當精軋輥輪組為最靠近精軋機100的出口處的精軋輥輪組(即第七精軋輥輪組F7),則其出口溫度量測值為精軋機100的出口溫度感測器180所獲取的完軋出側溫度(FDT)。
具體而言,習知的精軋機僅於入口處設置入口溫度感測器且於出口處設置出口溫度感測器,相對而言,本發明的實施例之精軋機100設置了站間溫度感測器用以限制由精軋機的入口處至出口處之間的各站的冷卻路徑。
此外,如圖1所示,精軋機110的各站的相關參數會傳送至電子裝置190,電子裝置190包括了處理器191與記憶體192。電子裝置190可以是各種形式的控制電腦,處理器191可以是中央處理器、微處理器、微控制器、數位信號處理器、特殊應用積體電路等,記憶體192可為揮發性記憶體或非揮發性記憶體,其中儲存有多個指令,處理器191會執行這些指令來完成精軋機之溫度控制方法,以下將會以圖3來詳細說明此方法。
圖2係根據本發明的第二實施例之精軋機200的示意圖。圖2的精軋機200與圖1的精軋機100類似,差別在於圖2的精軋機200僅於第一精軋輥輪組F1至第四精軋輥輪組F4之間設有站間溫度感測器(即第一溫度感測器120、第二溫度感測器130與第三溫度感測器140),圖2的精軋機200於第四精軋輥輪組F4至第七精軋輥輪組F7之間並未設有站間溫度感測器。具體而言,由於噴水量較多的精軋輥輪組集中於第一精軋輥輪組F1至第四精軋輥輪組F4,故入口處與出口處之間溫降較大的精軋輥輪組也會集中於第一精軋輥輪組F1至第四精軋輥輪組F4,因此精軋機200僅於第一精軋輥輪組F1至第四精軋輥輪組F4之間設有站間溫度感測器來監測這些精軋輥輪組的溫降。
詳細而言,在本發明的第二實施例中,使用入口溫度感測器110來獲取第一精軋輥輪組F1的入口處的入口溫度量測值,使用第一溫度感測器120來獲取第一精軋輥輪組F1的出口處的出口溫度量測值;使用第一溫度感測器120來獲取第二精軋輥輪組F2的入口處的入口溫度量測值,使用第二溫度感測器130來獲取第二精軋輥輪組F2的出口處的出口溫度量測值;使用第二溫度感測器130來獲取第三精軋輥輪組F3的入口處的入口溫度量測值,使用第三溫度感測器140來獲取第三精軋輥輪組F3的出口處的出口溫度量測值;使用第三溫度感測器140來獲取第四精軋輥輪組F4的入口處的入口溫度量測值,使用出口溫度感測器180來獲取第四精軋輥輪組F4的出口處的出口溫度量測值;使用第三溫度感測器140來獲取第五精軋輥輪組F5的入口處的入口溫度量測值,使用出口溫度感測器180來獲取第五精軋輥輪組F5的出口處的出口溫度量測值;使用第三溫度感測器140來獲取第六精軋輥輪組F6的入口處的入口溫度量測值,使用出口溫度感測器180來獲取第六精軋輥輪組F6的出口處的出口溫度量測值;使用第三溫度感測器140來獲取第七精軋輥輪組F7的入口處的入口溫度量測值,使用出口溫度感測器180來獲取第七精軋輥輪組F7的出口處的出口溫度量測值。
圖3係根據本發明的實施例之精軋機之溫度控制方法的步驟流程圖。圖3的溫度控制方法適用於圖1的精軋機100與圖2的精軋機200。於步驟S1,取得多個精軋輥輪組之其中一者的入口溫度量測值與出口溫度量測值。具體而言,本發明的實施例之精軋機之溫度控制方法乃是分別對應至精軋機的各個精軋輥輪組。換言之,各個精軋輥輪組都會使用圖3的溫度控制方法來獲取各個精軋輥輪組所需的熱傳係數。
於步驟S2,取得所述多個精軋輥輪組之其中該者的多組歷史熱傳係數。每組歷史熱傳係數是關於各個精軋輥輪組於過去的製造歷程中所使用之熱傳的相關係數。在一些實施例中,還可以對這些歷史熱傳係數執行一些前處理,這些前處理包括離群值濾除以及正規化,但本發明並不限制這些前處理的內容。接下來,於步驟S2還根據所述多組歷史熱傳係數來訓練對應至所述多個精軋輥輪組之其中該者的機器學習模型,目的是根據所述多個精軋輥輪組之其中該者的熱傳係數來預測所述多個精軋輥輪組之其中該者的入口溫度理論值與出口溫度理論值,換言之在訓練階段中歷史熱傳係數是做為機器學習模型的輸入,而入口溫度理論值與出口溫度理論值是做為機器學習模型的輸出。此機器學習模型可以是隨機森林演算法、支持向量機、神經網路等等,本發明並不在此限。在一些實施例中,在訓練階段所採用的損失函數(loss function)為預測值與實際值(ground truth)之間的平方差(mean square error),但本發明並不在此限。在測試階段(即後續會提及的步驟S4)時是輸入所述多個精軋輥輪組之其中該者的熱傳係數至訓練完的機器學習模型,而機器學習模型的輸出為所述多個精軋輥輪組之其中該者的入口溫度理論值與出口溫度理論值,此計算可以表示為
,其中
表示訓練好的機器學習模型,
表示第i組熱傳係數,
表示第i組熱傳係數所對應的入口溫度理論值與出口溫度理論值,i為正整數。值得注意的是在此用粗體來表示向量,非粗體則是純量。
在本發明的實施例中,每組歷史熱傳係數包括多個熱傳溫度計算模式所各自對應的調整乘數(tuning multiplier)。在本發明的實施例中,上述多個熱傳溫度計算模式包括:熱輻射溫度計算模式、熱對流溫度計算模式、變形熱溫度計算模式、熱傳導溫度計算模式、摩擦熱溫度計算模式、水冷熱傳溫度計算模式。
其中
表示輻射冷卻熱([單位:瓦(W)]),
表示工件的發射率(emissivity of piece),
表示每單位長度表面積(top or bottom surface area per unit length [單位:公厘(mm)]),
表示斯特凡-波耳茲曼常數(Stefan-Boltzmann constant (5.668339*10
-14) [單位:W/mm
2/K
4]),
表示工件的表面溫度(surface temperature of piece [單位:克耳文(K)]),
表示周圍環境溫度(ambient temperature of surroundings [單位:K]),
表示工件的輻射冷卻熱的調整乘數(tuning multiplier on radiation cooling heat into piece)。
其中
表示空氣冷卻熱([單位:W]),
表示空氣對流換熱係數(air convection heat transfer coefficient [單位:W/mm
2/K]),
表示每單位長度表面積(top or bottom surface area per unit length [單位:mm]),
表示工件的表面溫度(surface temperature of piece [單位:K]),
表示環境空氣溫度(ambient air temperature [單位:K]),
表示工件的空氣冷卻熱的調整乘數(tuning multiplier on air cooling heat into piece)。
其中
表示工件的每單位時間變形熱(deformation heat per unit time into piece [單位:W]),
表示變形功率(deformation power [單位:W]),
表示工件的變形熱的調整乘數(tuning multiplier on deformation heat into piece)。
其中
表示工件表面的總傳導熱(total conduction heat of piece from surface [單位:W]),
表示輥咬出口寬度(roll bite exit width [單位:mm]),
表示接觸弧長(Arc of contact length [單位:mm]),
表示通過輥咬的時間(time to pass through roll bite [單位:秒(s)]),
表示工件的初始表面溫度(initial surface temperature of piece [單位:攝氏度(degC)]),
表示輥的初始表面溫度(initial surface temperature of roll [單位:degC]),
表示工件平均溫度的工件的浸透率(effusivity of piece at piece average temperature [單位:J/s
0.5/mm
0.5/m
1.5/degC]),
表示輥表面溫度的輥的浸透率(effusivity of roll at roll surface temperature [單位:J/s
0.5/mm
0.5/m
1.5/degC]),
表示工件的傳導熱的調整乘數(tuning multiplier on conduction heat into piece)。
其中
表示工件每單位時間的摩擦熱(friction heat per unit time in to piece [單位:W]),
表示工件平均溫度的工件的浸透率(effusivity of piece at piece average temperature [單位:J/s
0.5/mm
0.5/m
1.5/degC]),
表示輥表面溫度的輥的浸透率(單位:effusivity of roll at roll surface temperature [J/s
0.5/mm
0.5/m
1.5/degC]),
表示摩擦功率(friction power [單位:W]),
表示工件的摩擦熱的調整乘數(tuning multiplier on friction heat into piece)。
其中
表示水冷熱([單位:W]),
表示冷卻劑的熱傳係數(heat transfer coefficient of coolant [單位:W/mm
2/K]),
表示每單位長度表面積(top or bottom surface area per unit length [單位:mm]),
表示工件的表面溫度(surface temperature of piece [單位:K]),
表示冷卻劑的溫度(temperature of coolant [單位:K]),
表示工件的水冷熱的調整乘數(tuning multiplier on water cooling heat into piece)。
本領域具有通常知識者當可理解這些熱傳溫度計算模式的細節,在此並不再贅述。
於步驟S3,將量測溫降與理論溫降之間的差值作為輸入以建立目標函數。在本發明的實施例中,量測溫降為入口溫度量測值減去出口溫度量測值,理論溫降為入口溫度理論值減去出口溫度理論值。詳細而言,以量測溫降與理論溫降之間的差值最小化作為目標函數。具體而言,目標函數可以表示為Min(sum(abs(Error))),其中abs(Error)為量測溫降與理論溫降之間的差值(絕對值),將差值加總(sum)並以最小化(Min)作為目標函數。換言之,在後續的演算法中要搜尋此目標函數的最小值。
於步驟S4,在決定目標函數以後,根據目標函數執行最佳化演算法,藉此嘗試多組熱傳係數,將每組熱傳係數輸入至機器學習模型以取得對應至所述多個精軋輥輪組之其中該者的入口溫度理論值與出口溫度理論值,並據以尋找最佳化目標函數的一組熱傳係數。
在本發明的實施例中,最佳化演算法可以採用生物啟發式演算法,例如基因演算法或粒子群最佳化(Particle Swarm Optimization,PSO)演算法來搜尋熱傳係數
,藉此找到最佳的一組熱傳係數
,使得對應的入口溫度理論值與出口溫度理論值
能讓目標函數輸出最小的數值(經實測,各精軋輥輪組的量測溫降與理論溫降之間的差值可控制在精度20攝氏度內,包含差值的平均值(平均誤差)與標準差都可控制在20攝氏度內),本領域具有通常知識者當可理解在給定目標函數下如何使用生物啟發式演算法,在此並不詳細贅述。
在本發明的實施例中,每組熱傳係數包括多個熱傳溫度計算模式所各自對應的調整乘數(tuning multiplier)。在本發明的實施例中,上述多個熱傳溫度計算模式包括:熱輻射溫度計算模式、熱對流溫度計算模式、變形熱溫度計算模式、熱傳導溫度計算模式、摩擦熱溫度計算模式、水冷熱傳溫度計算模式。關於熱傳係數、熱傳溫度計算模式、調整乘數的相關敘述已於步驟S2的相關說明中陳述過,在此不再重複敘述。
在上述的精軋機之溫度控制方法中,可以自動化地計算出精緻調適溫度模式較佳且讓品質達標之精軋機的各站(各精軋輥輪組)的熱傳係數,能夠將各鋼種的誤差調適到同一個區間內,從而依據精軋機的各站之不同的溫度及冷卻路徑來精緻地調適各站的熱傳係數,並定期監控量測溫降與理論溫降之間的差值趨勢,偏離就重新調適,從而達到提升軋延穩定性的目的。
以上概述了數個實施例的特徵,因此熟習此技藝者可以更了解本發明的態樣。熟習此技藝者應了解到,其可輕易地把本發明當作基礎來設計或修改其他的製程與結構,藉此實現和在此所介紹的這些實施例相同的目標及/或達到相同的優點。熟習此技藝者也應可明白,這些等效的建構並未脫離本發明的精神與範圍,並且他們可以在不脫離本發明精神與範圍的前提下做各種的改變、替換與變動。
100,200:精軋機
110:入口溫度感測器
120:第一溫度感測器
130:第二溫度感測器
140:第三溫度感測器
150:第四溫度感測器
160:第五溫度感測器
170:第六溫度感測器
180:出口溫度感測器
190:電子裝置
191:處理器
192:記憶體
F1:第一精軋輥輪組
F2:第二精軋輥輪組
F3:第三精軋輥輪組
F4:第四精軋輥輪組
F5:第五精軋輥輪組
F6:第六精軋輥輪組
F7:第七精軋輥輪組
S1~S4:步驟
從以下結合所附圖式所做的詳細描述,可對本發明之態樣有更佳的了解。需注意的是,根據業界的標準實務,各特徵並未依比例繪示。事實上,為了使討論更為清楚,各特徵的尺寸都可任意地增加或減少。
[圖1]係根據本發明的第一實施例之精軋機的示意圖。
[圖2]係根據本發明的第二實施例之精軋機的示意圖。
[圖3]係根據本發明的實施例之精軋機之溫度控制方法的步驟流程圖。
S1~S4:步驟
Claims (6)
- 一種精軋機之溫度控制方法,其中該精軋機包含複數個精軋輥輪組,其中該精軋機之溫度控制方法包括:取得該些精軋輥輪組之其中一者的一入口溫度量測值與一出口溫度量測值;取得該些精軋輥輪組之其中該者的多組歷史熱傳係數並根據該些組歷史熱傳係數來訓練對應至該些精軋輥輪組之其中該者的一機器學習模型;將一量測溫降與一理論溫降之間的一差值作為輸入以建立一目標函數,其中該量測溫降為該入口溫度量測值減去該出口溫度量測值;及根據該目標函數執行一最佳化演算法,藉此嘗試多組熱傳係數,將每一該些組熱傳係數輸入至該機器學習模型以取得對應至該些精軋輥輪組之其中該者的一入口溫度理論值與一出口溫度理論值,並據以尋找最佳化該目標函數的該組熱傳係數;其中該理論溫降為該入口溫度理論值減去該出口溫度理論值;其中以該量測溫降與該理論溫降之間的該差值最小化作為該目標函數;其中每一該些組熱傳係數包括複數個熱傳溫度計算模式所各自對應的一調整乘數(tuning multiplier);其中該精軋機還包含分別設於該精軋機的一入口處與一 出口處的一入口溫度感測器與一出口溫度感測器以及設於該入口溫度感測器與該出口溫度感測器之間的複數個站間溫度感測器;其中當該些精軋輥輪組之其中該者為最靠近該入口處的該精軋輥輪組,該些精軋輥輪組之其中該者的該入口溫度量測值為該入口溫度感測器所獲取的溫度量測值;其中當該些精軋輥輪組之其中該者為最靠近該出口處的該精軋輥輪組,該些精軋輥輪組之其中該者的該出口溫度量測值為該出口溫度感測器所獲取的溫度量測值;其中當該些精軋輥輪組之其中該者不為最靠近該入口處的該精軋輥輪組,該些精軋輥輪組之其中該者的該入口溫度量測值為位於該些精軋輥輪組之其中該者的前方且最靠近該些精軋輥輪組之其中該者的該些站間溫度感測器之其中一者所獲取的溫度量測值。
- 如請求項1所述之精軋機之溫度控制方法,其中該最佳化演算法為基因演算法或粒子群最佳化演算法。
- 如請求項1所述之精軋機之溫度控制方法,其中當該些精軋輥輪組之其中該者為最靠近該入口處的該精軋輥輪組,則該些精軋輥輪組之其中該者的該入口溫度量測值為該精軋機的一完軋入側溫度(Finisher Entry Temperature,FET)。
- 如請求項1所述之精軋機之溫度控制方法,其中當該些精軋輥輪組之其中該者為最靠近該出口處的該精軋輥輪組,則該些精軋輥輪組之其中該者的該出口溫度量測值為該精軋機的一完軋出側溫度(Finisher Delivery Temperature,FDT)。
- 如請求項1所述之精軋機之溫度控制方法,其中該機器學習模型為隨機森林、支持向量機或神經網路。
- 如請求項1所述之精軋機之溫度控制方法,其中該些熱傳溫度計算模式包括:一熱輻射溫度計算模式、一熱對流溫度計算模式、一變形熱溫度計算模式、一熱傳導溫度計算模式、一摩擦熱溫度計算模式、一水冷熱傳溫度計算模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111103231A TWI785975B (zh) | 2022-01-26 | 2022-01-26 | 精軋機之溫度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111103231A TWI785975B (zh) | 2022-01-26 | 2022-01-26 | 精軋機之溫度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI785975B true TWI785975B (zh) | 2022-12-01 |
TW202330125A TW202330125A (zh) | 2023-08-01 |
Family
ID=85794859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111103231A TWI785975B (zh) | 2022-01-26 | 2022-01-26 | 精軋機之溫度控制方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI785975B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200904558A (en) * | 2006-01-20 | 2009-02-01 | Nippon Steel Corp | Method and device for controlling cooling and device for calculating quantity of cooling water |
KR20130074302A (ko) * | 2011-12-26 | 2013-07-04 | 주식회사 포스코 | 열간 마무리 압연 구간 예측 온도 정확성을 개선한 열연 강판 제조방법 |
US20180043407A1 (en) * | 2015-03-26 | 2018-02-15 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Temperature calculation method, temperature calculation apparatus, heating control method, and heating control apparatus |
CN112437702A (zh) * | 2019-06-26 | 2021-03-02 | 东芝三菱电机产业系统株式会社 | 热轧生产线的温度控制装置 |
JP2021178349A (ja) * | 2020-05-14 | 2021-11-18 | Jfeスチール株式会社 | 圧延材の冷却制御方法及び冷却制御装置 |
-
2022
- 2022-01-26 TW TW111103231A patent/TWI785975B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200904558A (en) * | 2006-01-20 | 2009-02-01 | Nippon Steel Corp | Method and device for controlling cooling and device for calculating quantity of cooling water |
KR20130074302A (ko) * | 2011-12-26 | 2013-07-04 | 주식회사 포스코 | 열간 마무리 압연 구간 예측 온도 정확성을 개선한 열연 강판 제조방법 |
US20180043407A1 (en) * | 2015-03-26 | 2018-02-15 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Temperature calculation method, temperature calculation apparatus, heating control method, and heating control apparatus |
CN112437702A (zh) * | 2019-06-26 | 2021-03-02 | 东芝三菱电机产业系统株式会社 | 热轧生产线的温度控制装置 |
JP2021178349A (ja) * | 2020-05-14 | 2021-11-18 | Jfeスチール株式会社 | 圧延材の冷却制御方法及び冷却制御装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202330125A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017130508A1 (ja) | 鋼板の温度制御装置及び温度制御方法 | |
JPWO2017130508A1 (ja) | 鋼板の温度制御装置及び温度制御方法 | |
TWI785975B (zh) | 精軋機之溫度控制方法 | |
JP2012101235A (ja) | 冷却停止温度制御装置および冷却停止温度制御方法 | |
JP6495069B2 (ja) | 厚鋼板冷却方法及び厚鋼板冷却装置 | |
CN116144888B (zh) | 基于横纵温差的双相钢板带均质化挂卷及控冷调质方法 | |
TW202110549A (zh) | 用於控制在輥軋機中之一冷卻裝置之方法 | |
JP5861436B2 (ja) | 熱間仕上温度制御方法、熱間仕上温度制御装置、及び熱延金属板の製造方法 | |
TWI635912B (zh) | 邊緣加熱器控制裝置 | |
JPH10277620A (ja) | 鋼管の熱間連続圧延における温度の制御方法 | |
JP2008161924A (ja) | 鋼材の製造方法、鋼材の冷却制御装置、及び、鋼材の製造装置 | |
TWI744739B (zh) | 厚鋼板的冷卻控制方法、冷卻控制裝置以及厚鋼板的製造方法 | |
JP6645036B2 (ja) | 厚鋼板の冷却制御方法、冷却制御装置、製造方法、および、製造装置 | |
JP2006272395A (ja) | 冷却制御方法、装置、及びコンピュータプログラム | |
JPS63317208A (ja) | 熱間鋼帯の冷却制御装置 | |
JP6451331B2 (ja) | 熱伝達率の同定方法 | |
JPH02112813A (ja) | 線材、棒材の圧延、冷却における温度制御方法 | |
JP4258341B2 (ja) | 鋼板長手方向の材質均一性に優れた高強度鋼板の製造方法 | |
JP6367756B2 (ja) | 厚鋼板冷却方法及び厚鋼板冷却装置 | |
JP6645037B2 (ja) | 厚鋼板の冷却制御方法、冷却制御装置、製造方法、および、製造装置 | |
US11858020B2 (en) | Process for the production of a metallic strip or sheet | |
JPH0857523A (ja) | 制御冷却方法 | |
JP2019060770A (ja) | 鋼片温度推定装置および方法 | |
KR102090549B1 (ko) | 후물재의 헤드부 온도 제어 장치 및 제어 방법 | |
JP2022068097A (ja) | 金属帯の温度測定方法、金属帯の温度測定装置、金属帯の製造方法、金属帯の製造設備、及び、金属帯の品質管理方法 |