WO2019132335A1 - 인공지능을 이용한 압연기 제어 장치 - Google Patents

인공지능을 이용한 압연기 제어 장치 Download PDF

Info

Publication number
WO2019132335A1
WO2019132335A1 PCT/KR2018/015817 KR2018015817W WO2019132335A1 WO 2019132335 A1 WO2019132335 A1 WO 2019132335A1 KR 2018015817 W KR2018015817 W KR 2018015817W WO 2019132335 A1 WO2019132335 A1 WO 2019132335A1
Authority
WO
WIPO (PCT)
Prior art keywords
control value
shape
control
rolling mill
driver
Prior art date
Application number
PCT/KR2018/015817
Other languages
English (en)
French (fr)
Inventor
허윤기
권정혁
손익천
류종욱
신동훈
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
Publication of WO2019132335A1 publication Critical patent/WO2019132335A1/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
    • B21B37/16—Control of thickness, width, diameter or other transverse dimensions
    • 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

Definitions

  • the present application relates to a mill control apparatus using artificial intelligence.
  • Patent Document 1 described in the following prior art documents discloses a cold rolling facility and a cold rolling method.
  • Patent Document 1 Published Japanese Patent Application No. 2016-0102042 (Publication Date: Aug. 26, 2016)
  • the apparatus for controlling a rolling mill using artificial intelligence calculates and outputs a control value for driving a rolling mill using artificial intelligence based on input information and outputs the control value after rolling according to the control value
  • An AI controller for re-adjusting the control value so as to converge the shape of the steel plate to a predetermined target shape and outputting a final control value
  • a driver for controlling the driving of the rolling mill according to the control value or the final control value received from the AI controller.
  • the shape of the steel sheet after the automatic control of the rolling mill can be converged on the target shape by utilizing the artificial intelligence, and the rolling mill can operate more stably.
  • FIG. 1 is a view showing a rolling mill control apparatus applied to a cold rolling mill according to an embodiment of the present invention
  • FIG. 2 is a detailed block diagram of a rolling mill control apparatus according to an embodiment of the present invention.
  • FIG. 3 is a diagram showing an example of a control process by the feedback control unit shown in FIG.
  • FIG. 4 is a view showing the shape control effect of the steel sheet according to the application of the present invention.
  • FIG. 1 is a view showing a rolling mill control apparatus applied to a cold rolling mill according to an embodiment of the present invention
  • a rolling mill control apparatus 100 includes a meter 110, an AI controller 120, a driver 130, and a PLC (Programmable Logic Controller) controller 140 And can be applied to, for example, a cold rolling mill.
  • a meter 110 an AI controller 120, a driver 130, and a PLC (Programmable Logic Controller) controller 140
  • PLC Programmable Logic Controller
  • the cold rolling mill may be a reversible rolling mill ZRM (sendzimir rolling mill).
  • the ZRM may include an upper crown roll 1, a shift roll 2 and a work roll 3 and may cause the steel strip 4 to have a desired thickness and shape through repeated rolling on the steel strip 4 .
  • the rolling mill to which the rolling mill control apparatus 100 according to an embodiment of the present invention is applied is not necessarily limited to ZRM, and may be applied to other types of cold rolling mill or hot rolling mill.
  • the meter 110 is installed at least one of the front end and the rear end of the rolling mill to measure edge cracks and edge waves.
  • the measuring instrument 110 may include at least one first camera 111 installed at an upper portion of the steel plate 4 and capturing an image of the steel plate at an upper portion thereof.
  • a steel plate image can be used to detect edge cracks.
  • the meter 110 can detect edge cracks from the steel plate images taken by the first camera 111 and output edge crack information including the position, size, and traveling direction information of the detected edge cracks.
  • the measuring instrument 110 may include at least one second camera 112 installed on a side surface of the steel plate 4 and capturing an image of the steel plate on the side surface thereof. The image can be used to detect edge waves.
  • the meter 110 may detect an edge wave from the steel plate image taken by the second camera 112 and output edge wave information including the position and size information of the detected edge wave.
  • the AI controller 120 may calculate the control value of the driver 130 using artificial intelligence based on the input information, and may transmit the calculated control value to the driver 130.
  • the AI controller 120 may calculate the control value of the driver 130 using a previously learned long short-term memory (DN) (Deep Neural Network).
  • DN long short-term memory
  • LSTM DNN is one of the deep learning techniques, and it can be learned that the driver's experience / knowledge is learned through deep learning from the accumulated operational data (State) and the operation data (Action) by the driver.
  • the operation data may include information such as shape data, rolling speed, descent force, tension, and skew.
  • the DNN when the rolling mill control apparatus 100 is applied to the ZRM, the DNN can be configured for each pass, reflecting the characteristics of the ZRM that performs multi-pass rolling, The operation data and the operation data by the driver can be learned.
  • the AI controller 120 drives the rolling mill using the control value of the driver 130 calculated using artificial intelligence, compares the shape of the steel sheet fed back in real time with a predetermined target shape (Target Zone)
  • the control value of the driver 130 calculated using the artificial intelligence may be readjusted and the final control value may be transmitted to the driver 130.
  • the AI controller 120 generates an alarm to the driver 130 when the risk of plate breakage or the like is detected based on the edge crack information or the edge wave information received from the measuring instrument 110, .
  • the AI controller 120 may transmit the control value or the final control value to the driver 130 in a predetermined period (for example, 100 msec).
  • the actuator 130 is for controlling the driving of the rolling mill according to the control value or the final control value received from the AI controller 120.
  • the driver 130 drives the upper crown for the shape control driving according to the control value or the final control value received from the AI controller 120 Control of the roll 1, control of the shift roll 2 for edge shape control, adjustment of the gap between the work roll 3 and the work side, i.e., the work side and the drive side, Level control, plate break defense control, acceleration / deceleration control, and so on.
  • the PLC controller 140 corresponds to a conventional controller for controlling the driving of the rolling mill and monitoring the control state according to the manual operation of the driver.
  • the PLC controller 140 sends the operation data used for calculating the control value of the driver 130 using the learned LSTM DNN and the feedback data used for re-adjustment of the calculated control value to the AI controller 120 .
  • the operation data may include information such as shape data, rolling speed, descent force, tension, meandering
  • the feedback data may include information such as a target shape, a shape control result, and a driver control value.
  • driver 130 and the PLC controller 140 are shown as separate components in FIG. 1, they may be integrated into one.
  • control the driving of the rolling mill according to manual operation of the driver and to monitor the control state.
  • control of the rolling mill is automatically controlled according to the control value or the final control value received from the AI controller 120 Can be integrated into a PLC.
  • FIG. 2 is a detailed block diagram of a rolling mill control apparatus according to an embodiment of the present invention.
  • the AI controller 120 may include a data receiving unit 121, an AI control unit 122, a feedback control unit 123, and a data transmission unit 124.
  • the data receiving unit 121 receives various data necessary for controlling the rolling mill using the artificial intelligence from the measuring instrument 110 and the PLC controller 140.
  • the data receiving unit 121 can receive the edge crack information including the position, size, and direction information of the edge cracks and the edge wave information including the position and size information of the edge wave from the measuring instrument 110 have.
  • the data receiving unit 121 receives from the PLC controller 140 the operation data including the shape data, the rolling speed, the descending force, the tension, the meandering, and the like, and information such as the target shape, the shape control result, It is possible to receive the feedback data including the feedback data.
  • the AI control unit 122 is for calculating the control value of the driver 130, that is, the position value of the driver, using the LSTM DNN learned beforehand based on the operation data received through the data receiving unit 121.
  • the method of learning the LSTM DNN and calculating the control value of the driver 130 using the learned LSTM DNN is the same as that described above with reference to FIG. 1, so that a duplicate description thereof will be omitted.
  • the feedback control unit 123 controls the shape of the steel plate after rolling based on the feedback data received through the data receiving unit 121 and additionally controls at least one of limit calculation, acceleration / deceleration control, interlock confirmation, .
  • the feedback control unit 123 determines whether the control value of the driver 130 calculated by the AI control unit 122 is appropriate by using the predetermined target shape, and if not appropriate, the control of the driver 130 So that the shape of the steel sheet after rolling can be converged to a shape desired by the driver.
  • the feedback control unit 123 drives the rolling mill using the control value of the driver 130 calculated by the AI control unit 122, compares the shape of the steel plate fed back in real time with a predetermined target shape, It is possible to readjust the control value of the driver 130 calculated by the AI control unit 122 and output the final control value.
  • the target shape may be set for each pass, and the steel sheet may be divided into a plurality of regions in the width direction and set to have a pre-input shape range for each region.
  • Table 1 below shows an example of the target shape set for six passes when the steel sheet is divided into five regions in the width direction.
  • the unit of the shape range is I_unit.
  • Asymmetric control 2 passes 20-25 13 to 30 -5 to 3 -33 to -25 -35 to -30
  • Asymmetric control 3 pass 10 to 15 -8 ⁇ 150 ⁇ 12 -15 to -10 -10 ⁇ 150 ⁇ 12 10 to 15
  • Symmetrical control 4 pass 25 to 30 -20 ⁇ 3010 ⁇ 30 -15 to -10 -50 to -13 -45 ⁇ 15
  • Asymmetric control 5 pass 10 to 30 -30 ⁇ 100 ⁇ 20 -20 to -5 -30 ⁇ 100 ⁇ 20 8 to 30
  • Symmetrical control 6 passes 10-25 -20 ⁇ 05 ⁇ 30 -15 to -5 -50 to -10 -25 to 10 Symmetric -> Asymmetric control
  • the feedback control unit 123 determines the shape of the steel sheet in the edge region for edge wave control, and then controls the upper shift roll 2 and the upper crown roll 1 (for example, Crown roll) and the lower shift roll 2 and the upper crown roll 1 (for example, the upper crown roll 7) can be interlocked to improve the edge wave control effect.
  • the upper shift roll 2 and the upper crown roll 1 for example, Crown roll
  • the lower shift roll 2 and the upper crown roll 1 for example, the upper crown roll 7
  • the feedback control unit 123 determines the shape of the steel sheet in the quarter region for the quarter wave control and then controls the upper crown roll 1 (for example, 2, 3, 5, Crown roll) can be driven.
  • the upper crown roll 1 for example, 2, 3, 5, Crown roll
  • the feedback control unit 123 determines the shape of the steel plate in the center region for center wave control and then controls the upper crown roll 1 (for example, No. 3, No. 4, No. 5, upper crown roll) .
  • the feedback control unit 123 may perform at least one of a limit calculation, an acceleration / deceleration control, an interlock confirmation, and a plate breaking defense control.
  • the feedback control unit 123 may calculate a re-adjustable limit of the control value of the driver 130 and may calculate an upper limit of the upper crown roll 1 (for example, For example, the upper crown rolls 3, 4 and 5 can be driven.
  • the feedback control unit 123 can perform an interlock function for confirming and releasing the interlock in the driving period of the upper crown roll 1.
  • the upper crown roll 1 is composed of 7 to 8 split rolls, so there is a mechanical limit of 25 mm between adjacent rolls. Therefore, the feedback control section 123 can check the interlock of the divided rolls constituting the upper crown roll 1 and release it.
  • the feedback control unit 123 compensates the control value of the driver 130 based on the edge crack information or the edge wave information received through the data receiving unit 121 for the plate breaking control, Or the like, an alarm is generated by the driver 130 to reduce the rolling speed.
  • the feedback control unit 123 includes a region-based shape determination unit 31, a wave control unit 32, a region-based shape determination unit 31, The limit value calculation 33, the limit calculation 34, the acceleration / deceleration control 35, the interlock confirmation 36, and the plate break defense control 37 in this order.
  • the order of control by the feedback control section is not necessarily limited to this, and the order of execution may be changed unless some functions are omitted or each step does not affect the next step.
  • the data transmission unit 124 transmits the control value of the driver 130 output by the AI control unit 122 and the final control value and alarm signal of the driver 130 output by the feedback control unit 123, To the driver 130, a signal for updating the control value of the driver 130,
  • FIG. 4 is a view showing the shape control effect of the steel sheet according to the application of the present invention.
  • FIG. 4A shows the shape of the steel sheet before the feedback control according to the present invention is applied
  • FIG. 4B shows the shape of the steel sheet after the feedback control according to the present invention is applied .

Landscapes

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

Abstract

본 발명의 일 실시예에 따른 인공지능을 이용한 압연기 제어 장치는, 입력 정보를 기초로 인공지능을 활용하여 압연기의 구동을 위한 제어값을 산출하여 출력하고, 상기 제어값에 따라 압연한 후 피드백 받은 강판의 형상이 기 설정된 목표 형상에 수렴하도록 상기 제어값을 재조정하여 최종 제어값을 출력하는 AI 제어기; 및 상기 AI 제어기로부터 전달받은 상기 제어값 또는 상기 최종 제어값에 따라 상기 압연기의 구동을 제어하는 구동기를 포함할 수 있다.

Description

인공지능을 이용한 압연기 제어 장치
본 출원은 인공지능을 이용한 압연기 제어 장치에 관한 것이다.
압연 공정은 전 공정에서 생산된 슬래브 등의 반제품을 원하는 두께 및 형상으로 가공 변형하는 과정으로, 종래에는 압연 공정에서 사용되는 압연기의 제어는 주로 조업자의 수동 조업에 의존하였다. 이에 따라 조업자별 품질 편차가 발생할 수 있으며, 조업자의 경험 미숙이나 실수 등에 의해 제어가 잘못될 경우 판파단이나 판쏠림 등이 발생하여 생산성이 저하되는 문제가 있었다.
인공지능에 대한 연구가 활발해짐에 따라 인공지능을 활용하여 압연기를 제어하고자 하는 시도가 이루어지고 있다. 그러나, 인공지능을 활용하여 압연기를 제어하는 경우에 있어서, 자동 제어 후의 강판의 형상에 대한 고려는 이루어지지 않고 있는 실정이다.
이와 관련하여, 하기 선행기술문헌에 기재된 특허문헌 1은, 냉각 압연 설비 및 냉간 압연 방법을 개시하고 있다.
(특허문헌 1) 국내공개특허 제2016-0102042호(공개일: 2016.08.26)
따라서, 당해 기술분야에서는 인공지능을 활용하여 압연기를 제어하는 경우에 있어서, 압연 후의 강판의 형상이 목표 형상을 가지도록 압연기를 제어하기 위한 방안이 요구되고 있다.
본 발명의 일 실시예에 따른 인공지능을 이용한 압연기 제어 장치는, 입력 정보를 기초로 인공지능을 활용하여 압연기의 구동을 위한 제어값을 산출하여 출력하고, 상기 제어값에 따라 압연한 후 피드백 받은 강판의 형상이 기 설정된 목표 형상에 수렴하도록 상기 제어값을 재조정하여 최종 제어값을 출력하는 AI 제어기; 및 상기 AI 제어기로부터 전달받은 상기 제어값 또는 상기 최종 제어값에 따라 상기 압연기의 구동을 제어하는 구동기를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 인공지능을 활용하여 압연기를 자동으로 제어함으로써, 수동 조업시의 운전자의 경험 의존성 및 운전자별 품질 편차 문제를 해소하고, 조업 효율화 및 생산성 향상의 효과를 얻을 수 있다.
또한, 인공지능을 활용하여 압연기를 자동으로 제어한 후의 강판의 형상이 목표 형상에 수렴하도록 하고, 압연기가 보다 안정적으로 동작하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따라 냉간 압연기에 적용된 압연기 제어 장치를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 압연기 제어 장치의 상세 블록도이다.
도 3은 도 2에 도시된 피드백 제어부에 의한 제어 과정의 일 예를 도시하는 도면이다.
도 4는 본 발명의 적용에 따른 강판의 형상 제어 효과를 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따라 냉간 압연기에 적용된 압연기 제어 장치를 도시하는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 압연기 제어 장치(100)는 계측기(110), AI 제어기(120), 구동기(130) 및 PLC(Programmable Logic Controller) 제어기(140)를 포함하여 구성될 수 있으며, 예를 들어 냉간 압연기에 적용될 수 있다.
여기서, 냉간 압연기는 가역식 압연기인 ZRM(sendzimir rolling mill)일 수 있다. ZRM은 상부 크라운롤(1), 쉬프트롤(2) 및 워크롤(3)을 포함할 수 있으며, 강판(4)에 대한 반복적인 압연을 통해 강판(4)을 원하는 두께 및 형상으로 만들 수 있다.
그러나, 본 발명의 일 실시예에 따른 압연기 제어 장치(100)가 적용되는 압연기는 반드시 ZRM으로 한정되는 것은 아니며, 다른 종류의 냉간 압연기 또는 열간 압연기에도 적용될 수 있다.
계측기(110)는 압연기의 전단 및 후단 중 적어도 하나에 설치되어 에지 크랙(Edge Crack) 및 에지 웨이브(Edge Wave)를 측정하기 위한 것이다.
예를 들어, 계측기(110)는 강판(4)의 상부에 설치되어 상부에서 강판의 영상을 촬영하는 적어도 하나의 제1 카메라(111)를 포함할 수 있으며, 제1 카메라(111)에 의해 촬영한 강판 영상은 에지 크랙을 검출하는데 이용될 수 있다. 계측기(110)는 제1 카메라(111)에 의해 촬영한 강판 영상으로부터 에지 크랙을 검출하고, 검출된 에지 크랙의 위치, 크기 및 진행 방향 정보를 포함하는 에지 크랙 정보를 출력할 수 있다.
또한, 계측기(110)는 강판(4)의 측면에 설치되어 측면에서 강판의 영상을 촬영하는 적어도 하나의 제2 카메라(112)를 포함할 수 있으며, 제2 카메라(112)에 의해 촬영한 강판 영상은 에지 웨이브를 검출하는데 이용될 수 있다. 계측기(110)는 제2 카메라(112)에 의해 촬영한 강판 영상으로부터 에지 웨이브를 검출하고, 검출된 에지 웨이브의 위치 및 크기 정보를 포함하는 에지 웨이브 정보를 출력할 수 있다.
AI 제어기(120)는 입력 정보를 기초로 인공지능을 활용하여 구동기(130)의 제어값을 산출하고, 산출한 제어값을 구동기(130)로 전달할 수 있다.
예를 들어, AI 제어기(120)는 사전에 학습된 LSTM(Long Short-Term Memory) DNN(Deep Neural Network)을 이용하여 구동기(130)의 제어값을 산출할 수 있다.
여기서, LSTM DNN은 딥러닝(Deep Learning) 기법 중 하나로서, 기 축적된 조업 데이터(State)와 운전자에 의한 조작 데이터(Action)로부터 딥러닝을 통해 운전자의 경험/지식을 학습한 것일 수 있다. 조업 데이터는 형상 데이터, 압연 속도, 압하력, 장력, 사행 등의 정보를 포함할 수 있다.
본 발명의 일 실시예에 따라, 압연기 제어 장치(100)가 ZRM에 적용되는 경우, 다(多) 패스 압연을 실시하는 ZRM의 특성을 반영하여, DNN은 패스별로 구성될 수 있으며, 각 패스별로 조업 데이터와 운전자에 의한 조작 데이터를 학습할 수 있다.
또한, AI 제어기(120)는 인공지능을 활용하여 산출한 구동기(130)의 제어값을 이용하여 압연기를 구동시키고, 실시간으로 피드백 받은 강판의 형상을 기 설정된 목표 형상(Target Zone)과 비교하여 강판의 형상이 목표 형상을 벗어나는 것으로 판단되면, 인공지능을 활용하여 산출한 구동기(130)의 제어값을 재조정한 후 최종 제어값을 구동기(130)로 전달할 수 있다.
또한, AI 제어기(120)는 계측기(110)로부터 전달받은 에지 크랙 정보 또는 에지 웨이브 정보를 기초로 판파단 등의 위험이 감지되면, 구동기(130)로 알람을 발생하여 구동기(130)가 안정적으로 동작하도록 할 수 있다.
또한, AI 제어기(120)는 기 설정된 주기(예를 들어, 100msec)로 제어값 또는 최종 제어값을 구동기(130)로 전달할 수 있다.
AI 제어기(120)의 세부 구성 및 기능은 도 2를 참조하여 보다 구체적으로 후술하기로 한다.
구동기(130)는 AI 제어기(120)로부터 전달받은 제어값 또는 최종 제어값에 따라 압연기의 구동을 제어하기 위한 것이다.
본 발명의 일 실시예에 따라, 압연기 제어 장치(100)가 ZRM에 적용되는 경우, 구동기(130)는 AI 제어기(120)로부터 전달받은 제어값 또는 최종 제어값에 따라 형상 제어 구동을 위한 상부 크라운롤(1)의 제어, 에지부 형상 제어를 위한 쉬프트롤(2)의 제어, 워크롤(3)의 양쪽 갭, 즉, 워크 사이드(work side) 및 드라이브 사이드(drive side)의 갭 편차를 조정하는 레벨 제어, 판파단 방어제어 및 가속/감속 제어 등을 수행할 수 있다.
PLC 제어기(140)는 운전자의 수동 조작에 따라 압연기의 구동을 제어하고 제어 상태를 모니터링 하는 종래의 제어기에 해당하는 것이다.
PLC 제어기(140)는 사전에 학습된 LSTM DNN을 이용하여 구동기(130)의 제어값을 산출하기 위해 사용되는 조업 데이터 및 산출한 제어값의 재조정을 위해 사용되는 피드백 데이터를 AI 제어기(120)로 제공할 수 있다.
여기서, 조업 데이터는 형상 데이터, 압연 속도, 압하력, 장력, 사행 등의 정보를 포함할 수 있고, 피드백 데이터는 목표 형상, 형상 제어 결과, 구동기 제어값 등의 정보를 포함할 수 있다.
도 1에서는 구동기(130) 및 PLC 제어기(140)를 별도의 구성으로 도시하였으나, 이는 하나의 구성으로 통합 구현될 수 있다.
예를 들어, 운전자의 수동 조작에 따라 압연기의 구동을 제어하고 제어 상태를 모니터링 할 수 있으며, 이에 더하여 AI 제어기(120)로부터 전달받은 제어값 또는 최종 제어값에 따라 압연기의 구동을 자동으로 제어할 수 있는 PLC로 통합 구현될 수 있다.
도 2는 본 발명의 일 실시예에 따른 압연기 제어 장치의 상세 블록도이다.
도 2를 참조하면, AI 제어기(120)는 데이터 수신부(121), AI 제어부(122), 피드백 제어부(123) 및 데이터 송신부(124)를 포함할 수 있다.
데이터 수신부(121)는 계측기(110) 및 PLC 제어기(140)로부터 인공지능을 활용한 압연기의 제어에 필요한 각종 데이터를 수신하기 위한 것이다.
예를 들어, 데이터 수신부(121)는 계측기(110)로부터 에지 크랙의 위치, 크기 및 진행 방향 정보를 포함하는 에지 크랙 정보와, 에지 웨이브의 위치 및 크기 정보를 포함하는 에지 웨이브 정보를 수신할 수 있다.
또한, 데이터 수신부(121)는 PLC 제어기(140)로부터 형상 데이터, 압연 속도, 압하력, 장력, 사행 등의 정보를 포함하는 조업 데이터와, 목표 형상, 형상 제어 결과, 구동기 제어값 등의 정보를 포함하는 피드백 데이터를 수신할 수 있다.
AI 제어부(122)는 데이터 수신부(121)를 통해 전달받은 조업 데이터를 기초로 사전에 학습된 LSTM DNN을 이용하여 구동기(130)의 제어값, 즉 구동기의 위치값을 산출하기 위한 것이다.
여기서, LSTM DNN을 학습하고, 학습된 LSTM DNN을 이용하여 구동기(130)의 제어값을 산출하는 방법은 도 1을 참조하여 상술한 바와 동일하므로, 이에 대한 중복적인 설명은 생략한다.
피드백 제어부(123)는 데이터 수신부(121)를 통해 전달받은 피드백 데이터를 기초로 압연 후의 강판의 형상을 제어하고, 추가적으로 리미트 계산, 가속/감속 제어, 인터락 확인, 판파단 방어제어 중 적어도 하나를 수행하기 위한 것이다.
구체적으로, 피드백 제어부(123)는 기 설정된 목표 형상을 이용하여 AI 제어부(122)에 의해 산출한 구동기(130)의 제어값이 적절한지 여부를 판단하고, 적절하지 않을 경우 구동기(130)의 제어값을 재조정하여 압연 후의 강판의 형상이 운전자가 원하는 형상으로 수렴하도록 할 수 있다.
이를 위해, 피드백 제어부(123)는 AI 제어부(122)에 의해 산출한 구동기(130)의 제어값을 이용하여 압연기를 구동시킨 후 실시간으로 피드백 받은 강판의 형상을 기 설정된 목표 형상과 비교하고, 강판의 형상이 목표 형상을 벗어나는 것으로 판단되면, AI 제어부(122)에 의해 산출한 구동기(130)의 제어값을 재조정하여 최종 제어값을 출력할 수 있다.
여기서, 목표 형상은 각 패스별로 설정될 수 있으며, 강판을 폭 방향으로 복수의 영역으로 구분하고, 각 영역에 대해 사전에 입력된 형상 범위를 갖도록 설정될 수 있다.
하기의 표 1은 강판을 폭 방향으로 5개의 영역으로 구분한 경우에 6 패스에 대해 설정된 목표 형상의 예를 나타낸다. 여기서, 형상 범위의 단위는 I_unit이다.
구분 Edge(WS) Quarter(WS) Center Quarter(DS) Edge(DS) 비고
1 패스 10~18 - -12~10 - -30~-40 비대칭 제어
2 패스 20~25 13~30 -5~3 -33~-25 -35~-30 비대칭 제어
3 패스 10~15 -8~150~12 -15~-10 -10~150~12 10~15 대칭 제어
4 패스 25~30 -20~3010~30 -15~-10 -50~-13 -45~15 비대칭 제어
5 패스 10~30 -30~100~20 -20~-5 -30~100~20 8~30 대칭 제어
6 패스 10~25 -20~05~30 -15~-5 -50~-10 -25~10 대칭 -> 비대칭 제어
예를 들어, 피드백 제어부(123)는 에지 웨이브(Edge Wave) 제어를 위해 에지 영역의 강판의 형상을 판단한 후, 상부 쉬프트롤(2)과 상부 크라운롤(1)(예를 들어, 1번 상부 크라운롤), 그리고 하부 쉬프트롤(2)과 상부 크라운롤(1)(예를 들어, 7번 상부 크라운롤)을 연동시켜서 에지 웨이브 제어 효과를 향상시킬 수 있다.
또한, 피드백 제어부(123)는 쿼터 웨이브(Quarter Wave) 제어를 위해 쿼터 영역의 강판의 형상을 판단한 후, 상부 크라운롤(1)(예를 들어, 2번, 3번, 5번, 6번 상부 크라운롤)을 구동시킬 수 있다.
또한, 피드백 제어부(123)는 센터 웨이브(Center Wave) 제어를 위해 센터 영역의 강판의 형상을 판단한 후, 상부 크라운롤(1)(예를 들어, 3번, 4번, 5번 상부 크라운롤)을 구동시킬 수 있다.
한편, 피드백 제어부(123)는 리미트 계산, 가속/감속 제어, 인터락 확인, 판파단 방어제어 중 적어도 하나를 수행할 수 있다.
예를 들어, 피드백 제어부(123)는 구동기(130)의 제어값의 재조정 가능한 리미트(limit)를 계산할 수 있고, 3~6 패스에 있어서 강판 형상의 조기 안정화를 위해 상부 크라운롤(1)(예를 들어, 3번, 4번, 5번 상부 크라운롤)을 구동시킬 수 있다.
또한, 피드백 제어부(123)는 상부 크라운롤(1) 구동기간의 인터락(Interlock)을 확인 및 해제 기능을 수행할 수 있다. 상부 크라운롤(1)은 7~8개의 분할 롤로 구성되어 있어서 인접 롤 간에 25mm의 기계적인 리미트가 존재한다. 따라서, 피드백 제어부(123)는 상부 크라운롤(1)을 구성하는 분할 롤의 인터락을 확인하고, 이를 해제할 수 있다.
또한, 피드백 제어부(123)는 판파단 방어제어를 위하여 데이터 수신부(121)를 통해 전달받은 에지 크랙 정보 또는 에지 웨이브 정보를 기초로 구동기(130)의 제어값을 보상하고, 판파단(에지 크랙) 등의 위험이 감지되면, 구동기(130)로 알람을 발생하여 압연 속도를 줄여줄 수 있다.
도 3은 도 2에 도시된 피드백 제어부에 의한 제어 과정의 일 예를 도시하는 도면으로, 피드백 제어부(123)는 도 3에 도시된 흐름과 같이 영역별 형상 판단(31), 웨이브 제어(32), 구동기의 제어값 산출(33), 리미트 계산(34), 가속/감속 제어(35), 인터락 확인(36) 및 판파단 방어제어(37)의 순서로 상술한 기능을 수행할 수 있다. 그러나, 피드백 제어부에 의한 제어 순서가 반드시 이로 제한되는 것은 아니며, 일부 기능이 생략되거나, 각 단계가 다음 단계에 영향을 미치지 않는 한 수행 순서를 변경할 수 있다.
데이터 송신부(124)는 AI 제어부(122)에 의해 출력된 구동기(130)의 제어값과, 피드백 제어부(123)에 의해 출력된 구동기(130)의 최종 제어값 및 알람 신호와, 구동기(130)의 제어값 갱신을 위한 신호와, 구동기(130)의 제어 모드 선택을 위한 신호 등을 구동기(130)로 송신하기 위한 것이다.
도 4는 본 발명의 적용에 따른 강판의 형상 제어 효과를 도시하는 도면이다.
구체적으로, 도 4의 (a)는 본 발명에 따른 피드백 제어가 적용되기 전의 강판의 형상의 도시하고, 도 4의 (b)는 본 발명에 따른 피드백 제어가 적용된 후의 강판의 형상을 도시하고 있다.
도 4의 (a) 및 (b)를 비교하면, 피드백 제어를 적용함으로써 강판의 형상 편차가 크게 개선됨을 알 수 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.

Claims (8)

  1. 입력 정보를 기초로 인공지능을 활용하여 압연기의 구동을 위한 제어값을 산출하여 출력하고, 상기 제어값에 따라 압연한 후 피드백 받은 강판의 형상이 기 설정된 목표 형상에 수렴하도록 상기 제어값을 재조정하여 최종 제어값을 출력하는 AI 제어기; 및
    상기 AI 제어기로부터 전달받은 상기 제어값 또는 상기 최종 제어값에 따라 상기 압연기의 구동을 제어하는 구동기를 포함하는 압연기 제어 장치.
  2. 제 1 항에 있어서, 상기 AI 제어기는,
    상기 압연기의 구동을 제어하는 PLC 제어기로부터 조업 데이터 및 피드백 데이터를 수신하는 데이터 수신부;
    상기 조업 데이터를 기초로 사전에 학습된 LSTM(Long Short-Term Memory) DNN(Deep Neural Network)을 이용하여 상기 제어값을 산출하는 AI 제어부;
    상기 피드백 데이터를 기초로 압연 후의 강판의 형상을 상기 목표 형상과 비교하여, 상기 강판의 형상이 상기 목표 형상을 벗어나는 것으로 판단되면, 상기 제어값을 재조정하여 최종 제어값을 출력하는 피드백 제어부; 및
    상기 제어값 또는 최종 제어값을 상기 구동기로 송신하는 데이터 송신부를 포함하는 압연기 제어 장치.
  3. 제 2 항에 있어서,
    상기 조업 데이터는 형상 데이터, 압연 속도, 압하력, 장력, 사행 정보를 포함하고, 상기 피드백 데이터는 목표 형상, 형상 제어 결과, 구동기 제어값을 포함하는 압연기 제어 장치.
  4. 제 2 항에 있어서,
    압연기의 전단 및 후단 중 적어도 하나에 설치되어 에지 크랙(Edge Crack) 및 에지 웨이브(Edge Wave)를 검출하고, 검출된 에지 크랙 정보 및 에지 웨이브 정보를 출력하는 계측기를 더 포함하는 압연기 제어 장치.
  5. 제 4 항에 있어서,
    상기 피드백 제어부는 상기 데이터 수신부를 통해 수신한 에지 크랙 정보 또는 에지 웨이브 정보를 기초로 상기 제어값을 보상하는 압연기 제어 장치.
  6. 제 5 항에 있어서,
    상기 피드백 제어부는 상기 에지 크랙이 검출되면 상기 구동기로 알람을 발생하여 압연 속도를 줄이도록 제어하는 압연기 제어 장치.
  7. 제 2 항에 있어서,
    상기 피드백 제어부는 상기 제어값의 재조정 가능한 리미트(limit)의 계산, 상기 압연기의 가속 및 감속 제어, 상기 구동기의 인터락(Interlock) 확인 및 해제 중 적어도 하나의 기능을 더 수행하는 압연기 제어 장치.
  8. 제 1 항에 있어서,
    상기 목표 형상은 강판을 폭 방향으로 복수의 영역으로 구분하고, 각 영역에 대해 사전에 입력된 형상 범위를 갖도록 설정되는 압연기 제어 장치.
PCT/KR2018/015817 2017-12-26 2018-12-13 인공지능을 이용한 압연기 제어 장치 WO2019132335A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170180197A KR20190078337A (ko) 2017-12-26 2017-12-26 인공지능을 이용한 압연기 제어 장치
KR10-2017-0180197 2017-12-26

Publications (1)

Publication Number Publication Date
WO2019132335A1 true WO2019132335A1 (ko) 2019-07-04

Family

ID=67067741

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/015817 WO2019132335A1 (ko) 2017-12-26 2018-12-13 인공지능을 이용한 압연기 제어 장치

Country Status (2)

Country Link
KR (1) KR20190078337A (ko)
WO (1) WO2019132335A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940013639A (ko) * 1992-12-30 1994-07-15 박득표 신경회로망을 이용한 형상제어시스템
JPH08117827A (ja) * 1994-10-24 1996-05-14 Mitsubishi Electric Corp 圧延装置
KR20010031966A (ko) * 1997-11-10 2001-04-16 칼 하인쯔 호르닝어 금속 설비를 제어하기 위한 방법 및 장치
KR20090005109U (ko) * 2007-11-23 2009-05-27 현대제철 주식회사 롤러스탠드 감시장치
KR20170069558A (ko) * 2015-12-11 2017-06-21 주식회사 포스코 압연제어장치 및 압연제어방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6020479B2 (ja) 2014-01-29 2016-11-02 Ｊｆｅスチール株式会社 冷間圧延設備および冷間圧延方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940013639A (ko) * 1992-12-30 1994-07-15 박득표 신경회로망을 이용한 형상제어시스템
JPH08117827A (ja) * 1994-10-24 1996-05-14 Mitsubishi Electric Corp 圧延装置
KR20010031966A (ko) * 1997-11-10 2001-04-16 칼 하인쯔 호르닝어 금속 설비를 제어하기 위한 방법 및 장치
KR20090005109U (ko) * 2007-11-23 2009-05-27 현대제철 주식회사 롤러스탠드 감시장치
KR20170069558A (ko) * 2015-12-11 2017-06-21 주식회사 포스코 압연제어장치 및 압연제어방법

Also Published As

Publication number Publication date
KR20190078337A (ko) 2019-07-04

Similar Documents

Publication Publication Date Title
JP4498497B2 (ja) エレベータ設備の遠隔制御
US4331328A (en) Controller for a servo driven document feeder
KR102180819B1 (ko) 인공 지능을 이용한 압연기 제어 장치
US6386268B1 (en) Method for adjusting a continuous casting installation roll segment
US3590258A (en) Apparatus for controlling the shape of rolled product
WO2019132335A1 (ko) 인공지능을 이용한 압연기 제어 장치
FI128985B (fi) Menetelmä ja laite lasilevyjen lämpökäsittelyprosessin ohjaamiseksi
WO2019088771A1 (ko) 연주압연장치 및 연주압연방법
WO2017111222A1 (ko) 압연 소재의 평탄 유지 장치 및 방법
US20090141294A1 (en) Register Regulation in a Printing Press
CA2439699A1 (en) System for automated management for spreading a textile cable web
KR0167196B1 (ko) 그룹관리 엘리베이터의 신호전송 제어장치
CN114572644B (zh) 一种电池包传输控制方法及系统
WO2010024530A2 (ko) 연속공정으로 이루어진 프레스 경화 방법 및 그 장치
WO2019132316A1 (ko) 롤표면 패턴형성장치 및 금속판 제조방법
WO2018117698A1 (ko) 연속 주조 장치 및 방법
JPH05328559A (ja) ケーブル布設方法
WO2017111216A1 (ko) 스트립 형상 교정장치 및 방법
RU2211102C1 (ru) Устройство для измерения и регулирования плоскостности полос в процессе прокатки
GB2166569A (en) Arrangement for the automated control, balancing and diagnosis of rolling processes
KR0134683B1 (ko) 압출트레드 절단장치
KR20070051830A (ko) 금속 스트립을 연속해서 견인 신장하기 위한 견인 신장장치 및 견인 신장 장치의 작동 방법
WO2018117758A1 (ko) 후판 멀티 롤링 장치 및 이의 제어 방법
ITUD20000031A1 (it) Procedimento di controllo assialita' per bramme uscenti da colata continua e relativo dispositivo
WO2017204526A1 (en) Glass manufacturing apparatus and method

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18895079

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18895079

Country of ref document: EP

Kind code of ref document: A1