WO2020060044A1 - 도금량 제어 장치 및 도금량 제어 방법 - Google Patents

도금량 제어 장치 및 도금량 제어 방법 Download PDF

Info

Publication number
WO2020060044A1
WO2020060044A1 PCT/KR2019/010631 KR2019010631W WO2020060044A1 WO 2020060044 A1 WO2020060044 A1 WO 2020060044A1 KR 2019010631 W KR2019010631 W KR 2019010631W WO 2020060044 A1 WO2020060044 A1 WO 2020060044A1
Authority
WO
WIPO (PCT)
Prior art keywords
air knife
plating amount
strip
pressure
deriving
Prior art date
Application number
PCT/KR2019/010631
Other languages
English (en)
French (fr)
Inventor
노일환
이원호
장태인
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 EP19862948.7A priority Critical patent/EP3865602A4/en
Priority to US17/278,144 priority patent/US20210348259A1/en
Priority to CN201980070452.8A priority patent/CN113039305B/zh
Priority to JP2021516356A priority patent/JP7269330B2/ja
Publication of WO2020060044A1 publication Critical patent/WO2020060044A1/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
    • C23C2/16—Removing excess of molten coatings; Controlling or regulating the coating thickness using fluids under pressure, e.g. air knives
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
    • C23C2/16—Removing excess of molten coatings; Controlling or regulating the coating thickness using fluids under pressure, e.g. air knives
    • C23C2/18—Removing excess of molten coatings from elongated material
    • C23C2/20—Strips; Plates
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/003—Apparatus
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/003—Apparatus
    • C23C2/0034—Details related to elements immersed in bath
    • C23C2/00342—Moving elements, e.g. pumps or mixers
    • C23C2/00344—Means for moving substrates, e.g. immersed rollers or immersed bearings
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
    • C23C2/16—Removing excess of molten coatings; Controlling or regulating the coating thickness using fluids under pressure, e.g. air knives
    • C23C2/18—Removing excess of molten coatings from elongated material
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/34—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor characterised by the shape of the material to be treated
    • C23C2/36—Elongated material
    • C23C2/40—Plates; Strips
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/50—Controlling or regulating the coating processes
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/50—Controlling or regulating the coating processes
    • C23C2/51—Computer-controlled implementation
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
    • C23C2/50—Controlling or regulating the coating processes
    • C23C2/52—Controlling or regulating the coating processes with means for measuring or sensing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only

Definitions

  • the present disclosure relates to a plating amount control device and a plating amount control method.
  • the plating amount control of the steel sheet is controlled by an air knife installed on the front / bottom surface of the steel sheet, respectively.
  • the coating weight gauge is located at the rear end of about 200m from the air knife. Therefore, immediate feedback control is not possible, and the air knife pressure, which is the air knife gap, which is the distance between the air knife and the steel sheet, and the pressure of the gas injected from the air knife to the steel sheet, referring to the operator's experience or setting table. Pressure) is properly adjusted to operate.
  • the air knife pressure is adjusted solely according to the change in the line speed by using the plating amount prediction model ("Coating mass control system design for a continuous galvanizing line", 1976, WJ Edwards, etc.)
  • the plating amount prediction model "Coating mass control system design for a continuous galvanizing line", 1976, WJ Edwards, etc.)
  • the conventional methods are methods for deriving and controlling the respective changes in the air knife gap and pressure according to the change in the operating conditions, and there are limitations in directly deriving the air knife gap and pressure suitable for each steel type and plating amount.
  • an apparatus for controlling the amount of plating coated on the strip using an air knife disposed along the traveling direction of the strip is accumulated
  • Optimal air knife condition for deriving an absolute value of at least one of an air knife gap and an air knife pressure using the predictive model unit based on the predicted model, and a predicted model unit including a predicted model that learned the neural network learned operating conditions. Includes a calculator.
  • the air knife condition calculating unit uses the air knife gap derivation unit to derive an air knife gap based on the input operation condition, and the predicted operation condition and the derived air using a predictive model that has learned the accumulated operation condition as a neural network. And an air knife pressure derivation unit for deriving an air knife pressure based on the knife gap.
  • the air knife gap derivation unit a method for deriving the air knife gap through a statistical method targeting the operation conditions corresponding to the input operation conditions in the database, the operation conditions excluding air knife pressure among the accumulated operation conditions
  • One or more methods of learning a neural network, deriving an air knife gap using the learned neural network, and deriving an air knife gap corresponding to the input operating condition using a look-up table By using, it is possible to derive the air knife gap.
  • the method of deriving the air knife gap through a statistical method in the database, in the database, one of the mode, average, and median of the data for the air knife gap corresponding to the input operating conditions, and the data Among them, one or more of the values with the lowest plating amount error between the target plating amount and the measured plating amount may be used.
  • the air knife gap derivation unit derives a first air knife gap for one side of the strip based on the input operating condition, and draws a second air knife gap for the other side of the strip based on the input operating condition.
  • the air knife pressure derivation unit includes a first prediction model for one side of the strip and a second prediction model for the other side of the strip, and at least the input operating conditions for the first prediction model and the A first air knife gap is applied to derive a first air knife pressure on one side of the strip, and at least the input operating condition and the second air knife gap are applied to the second prediction model to apply the first air knife gap to the other side of the strip
  • the second air knife pressure for can be derived.
  • the air knife pressure derivation unit may compare the first air knife pressure and the second air knife pressure, and correct the first air knife pressure and the second air knife pressure according to the comparison result.
  • the corrected first air knife pressure and second air knife pressure can be derived by adjusting the first air knife pressure and the second air knife pressure.
  • the air knife pressure derivation unit performs an operation of deriving the corrected first air knife pressure and the second air knife pressure by adjusting the difference between the first air knife pressure and the second air knife pressure to be equal to or less than a predetermined threshold, and ,
  • the optimum air knife condition calculating unit based on the corrected first and second air knife pressure, corrects an air knife gap for deriving a corrected air knife gap for each of the one side and the other side of the strip using the prediction model It may further include wealth.
  • the air knife pressure derivation unit derives an average of the first air knife pressure and the second air knife pressure as an optimum air knife pressure, and the optimum air knife condition calculator calculates the strip of the strip based on the optimum air knife pressure.
  • the air knife gap correction unit may further include an air knife gap correction unit for deriving the air knife gap for each of the one surface and the other surface again.
  • the plating amount control device measures the plating amount of the strip, and corrects the prediction model based on a difference between the plating amount measurement value and the predicted plating amount prediction value using the prediction model or the target plating amount included in the input operating condition. can do.
  • the plating amount control device may correct a target plating amount input to the predicted value or the predicted model of the predicted model based on a difference between the measured amount of plating and the predicted plating amount or the target plating amount after the strip moves by a predetermined distance. You can.
  • the plating amount control device may further include a memory array that stores each of the plating amount prediction value or the target plating amount and the plating amount measurement value in a corresponding cell while the strip is moved by the predetermined distance.
  • a method of controlling the amount of plating coated on the strip using an air knife disposed along the traveling direction of the strip is accumulated. It may include the step of learning the neural network operating conditions, and deriving the absolute value of at least one of the air knife gap and the pressure using the learned neural network based on the input operating conditions.
  • the plating amount control method comprises: building a predictive model by learning a neural network of the accumulated operating conditions, deriving an air knife gap based on the inputted operating conditions, and using the predicted model, the inputted operating conditions and the air Deriving an air knife pressure based on the knife gap.
  • the step of deriving the air knife gap may include deriving an air knife gap through a statistical method for operation conditions corresponding to the input operation condition in the database, excluding air knife pressure among the accumulated operation conditions Of the steps of learning the neural network operating conditions, deriving an air knife gap using the learned neural network, and deriving an air knife gap corresponding to the input operating conditions using a look-up table It may include at least one.
  • the method of deriving the air knife gap through a statistical method in the database may include one of the mode, average, and median values of data for the air knife gap corresponding to the input operating condition in the database. Among them, one or more of the values with the lowest plating amount error between the target plating amount and the measured plating amount may be used.
  • the step of deriving the air knife gap may include: deriving a first air knife gap for one side of the strip based on the input operating condition, and removing the first air knife gap for the other side of the strip based on the input operating condition. Deriving 2 air knife gaps, wherein the prediction model includes a first prediction model for one side of the strip and a second prediction model for the other side of the strip, and deriving the air knife pressure is , Deriving a first air knife pressure on one side of the strip by applying at least the input operating conditions and the first air knife gap to the first prediction model, and at least the second prediction model Applying the input operating conditions and the second air knife gap to derive the second air knife pressure on the other side of the strip It may include the step.
  • the plating amount control method may further include comparing the first air knife pressure and the second air knife pressure, and correcting the first air knife pressure and the second air knife pressure according to the comparison result. have.
  • the plating amount control method when the difference between the first air knife pressure and the second air knife pressure is less than a predetermined threshold, outputting each of the first air knife pressure and the second air knife pressure, and the first The first air knife pressure and the second air knife pressure corrected by adjusting the first air knife pressure and the second air knife pressure when the difference between the first air knife pressure and the second air knife pressure is greater than the predetermined threshold value It may further include the step of deriving.
  • the plating amount control method comprises: adjusting the difference between the first air knife pressure and the second air knife pressure to be equal to or less than the predetermined threshold to derive the corrected first air knife pressure and the second air knife pressure, and The method may further include deriving a corrected air knife gap for each of one side and the other side of the strip using a predictive model based on the corrected first and second air knife pressures.
  • the step of deriving the optimum air knife pressure may include deriving an average of the first air knife pressure and the second air knife pressure as an optimum air knife pressure.
  • the plating amount control method may include deriving an average of the first air knife pressure and the second air knife pressure as an optimum air knife pressure, and air for each of one side and the other side of the strip based on the optimum air knife pressure. It may further include the step of deriving the knife gap again.
  • the plating amount control method comprises: predicting a plating amount using the prediction model measuring a plating amount of the strip and correcting the prediction model based on a difference between the plating amount measurement value and the plating amount prediction value or the target plating amount It may further include.
  • the predicted value or the target plating amount of the predictive model is corrected based on a difference between the measured plating amount measurement value and the plating amount prediction value or the target plating amount. It may include steps.
  • the step of correcting the prediction model may further include storing each of the plating amount prediction value or the target plating amount and the plating amount measurement value in a corresponding cell of a memory array while the strip is moved by the predetermined distance. .
  • the prediction model is a plating amount prediction model, and may be a model that takes the input operating conditions as input and predicts and outputs the plating amount.
  • the operation conditions may include one or more of line-related operation conditions, the air knife-related operation conditions, and the strip-related operation conditions in which the strip process is performed.
  • the strip according to another feature of the present invention produced according to the plating amount control method, when the target plating amount for the strip is changed from the first level to the second level, the measured plating amount is -3 to the target plating amount of the second level.
  • the stabilization distance reaching 3% may be less than 50M from the starting point of the target plating amount change, or the distance at which the measured plating amount converges to -1 to + 1% of the target plating amount of the second level may be less than 250M from the starting point of the target plating amount change.
  • the strip according to another feature of the present invention produced according to the plating amount control method, in the 200M section from the starting point of the target plating amount change, when the strip is ultra-thin plated, the longitudinal double-sided sum of the strip is the front and rear target of the strip A deviation of 0.25% or less based on the sum of the plating amounts, when the strip is medium thin plating, a longitudinal double-sided sum of the strips is a deviation of 0.66% or less based on the sum of the target plating amount of the front and rear surfaces of the strip, or when the strip is post-plating ,
  • the lengthwise double-sided sum of the strips may converge to a deviation of 1% or less based on the sum of the target plating amount of the front and rear surfaces of the strip.
  • a check mark in the form of a diagonal pattern may not occur on the surface of the strip.
  • the present invention derives the operating conditions of the air knife for realizing the target plating amount by the plating amount prediction model, thereby improving the plating amount control accuracy compared to the conventional manual operation, thereby reducing the plating amount variation and improving the surface quality.
  • FIG. 1 is a view schematically showing a plating apparatus and a plating amount control apparatus according to an embodiment.
  • FIG. 2 is a view showing a plating amount control device according to an embodiment.
  • FIG. 3 is a view showing an air knife condition derivation unit according to an embodiment.
  • FIG. 4 is a diagram illustrating a memory array according to an embodiment.
  • 5 is a graph showing a variation in plating amount according to an embodiment and a variation in plating amount in a conventional manual operation.
  • the plating amount of strips is controlled by two air knives installed on the front and rear sides of the strip, respectively.
  • the plating amount is the distance between the air knife and the strip (air knife gap), and the air knife is supported. It is greatly influenced by the pressure (air knife pressure) of the gas sprayed on one side of the strip.
  • air knife pressure air knife pressure
  • a steel sheet will be described as an example of a strip.
  • the invention is not limited thereto, and the present invention can be applied to a metal plate such as a magnesium plate in a strip form.
  • the predicted plating amount (CP) is a function of line speed (V), air knife gap (D), and air knife pressure (P).
  • V line speed
  • D air knife gap
  • P air knife pressure
  • Equation 1 a, b, and c are constants as model parameters.
  • the appropriate air knife gap and air knife pressure can be inverted at a specific line speed.
  • suitable air knife gaps and air knife pressures there are a myriad of suitable air knife gaps and air knife pressures.
  • the air knife gap is too large or too small, the surface quality can be deteriorated independently of the amount of plating. Gap, air knife pressure).
  • the present invention relates to an apparatus for controlling the amount of plating of a steel sheet using an air knife, which implements a predictive model by learning a neural network with accumulated operating conditions including at least an air knife gap and an air knife pressure, and using the predictive model The absolute value of at least one of the air knife gap and the pressure according to the input operating conditions is derived.
  • the present invention by deriving the absolute values of the air knife gap and pressure, initial control after the operating conditions are changed is possible. If the operating conditions such as changing the type of steel sheet, changing the line speed, and changing the target plating amount are changed, it is not suitable as a criterion for deriving the relative change amount of the air knife gap and pressure in the operating conditions where the current air knife gap and pressure are changed. In order to apply the relative changes in the air knife gap and pressure to the air knife gap and pressure control, it is necessary to ensure that the current state (initial state) is optimal. However, this is difficult to guarantee in actual operation.
  • the present invention can provide more accurate initial control by using the neural network learning to derive the absolute values of the air knife gap and pressure under the changed operating conditions without using the air knife gap and pressure as a reference before the change.
  • the result of calculating the pressure change for the changed target plating amount and then deriving the pressure change for the changed line speed may be different from the sum and calculated in the reverse order.
  • the present invention can solve this problem by first deriving an air knife gap suitable for the operating conditions input from the accumulated operating conditions.
  • the operating conditions have a plurality of types, and the plurality of types are, for example, steel plate related data, air knives. It may include related data, line related data, and plating amount data.
  • Steel sheet related data may include, for example, steel type, thickness, width, vibration, and the like of the steel sheet.
  • the air knife related data may include, for example, air knife gap, air knife pressure, air knife angle and / or air knife height.
  • the air knife gap may be a gap between the air knife and the center line to which the center of the steel plate is to be moved.
  • the air knife pressure can be the pressure of the air used in the air knife.
  • the air knife height may be the height of the air knife based on the hot water surface of the plating port.
  • the air knife angle may be an angle of the air knife relative to the horizontal plane.
  • Line-related data may include, for example, line speed, tension, and the like.
  • the line speed is the speed at which the steel sheet moves along the traveling direction
  • the tension may be a tension for moving the steel sheet in the traveling direction.
  • operating conditions may include a target plating amount.
  • An embodiment relates to a plating amount control device and a plating amount control method for deriving an air knife gap and pressure suitable for input operation conditions using a plating amount prediction model and accumulated operating conditions.
  • the error due to uncertainty may be corrected by using the amount of plating measured at a time when a predetermined distance for measuring the amount of plating of the steel sheet has been moved.
  • an air knife gap suitable for the operation conditions input from the accumulated operation conditions may be first derived, and the air knife pressure may be derived using the derived air knife gap and plating amount prediction model. Since the accumulated operating conditions are used, it is possible to derive an air knife gap that reflects the driver's know-how, and through this, it is possible to automatically control the plating amount to improve the surface quality. And, one embodiment is adjusted so that the air knife pressure injected on the front and rear surfaces of the steel sheet derived from the predictive model is the same or the difference between the front and rear air knife pressures is within a predetermined range, and corrects the air knife gap according to the adjusted air knife pressure. can do. In addition, an embodiment may correct an error of a plating amount prediction model by using a plating amount measurement value.
  • the plating amount prediction model when the plating amount prediction model is expressed as a function including operation conditions other than line speed, air knife gap, and air knife pressure as inputs, the plating amount prediction model can be expressed as follows.
  • Equation 2 Other operating conditions in Equation 2 may include steel grade, thickness, width, vibration, and tension of the steel sheet, air knife height and angle, and the like.
  • the plating amount prediction model of Equation 2 can be applied separately to each of the front and rear surfaces of the steel sheet, and the function of Equation 2 satisfies the partial differential condition of Equation 3 below, and inverse functions for G and P under other input variables are constant. Must exist.
  • the air knife gap and pressure for realizing it under the corresponding operating conditions can be found. There are countless.
  • one optimal solution can be found among a myriad of solutions using a database in which accumulated operating conditions are stored and a neural network learning the accumulated operating conditions.
  • the plating amount control device the operation data [time, coil number, steel type, thickness, width, vibration, and tension, line speed, air knife gap (Top / Bottom), air knife pressure (Top / Bottom), target plating amount, plating amount measurement value (Top / Bottom), air knife height, air knife angle (Top / Bottom), ⁇ .] Can be stored in the database in real time.
  • a neural network having an operation condition as an input and a plating amount as an output learns an operation condition stored in a database
  • the plating amount prediction model may be implemented as a learned neural network.
  • the invention is not limited thereto, and the input and output of the predictive model may vary according to design.
  • an optimal air knife pressure can be found based on an operating condition including an air knife gap and at least a target plating amount, in which the plating amount prediction model implemented through neural network learning first derives.
  • the plating amount control device may derive the air knife gap through a statistical method for the operation conditions corresponding to the operation conditions input from the database.
  • the operation conditions corresponding to the input operation conditions include the same operation conditions input and similar operation conditions within a predetermined range.
  • the plating amount control device may be one of the mode, average, and median values of the data for the air knife gap, and among the data for the air knife gap, the air knife having the lowest plating amount error between the target plating amount and the measured plating amount.
  • the air knife gap can be derived using at least one of the gaps.
  • the plating amount control device may learn a neural network of operating conditions excluding air knife pressure among accumulated operating conditions, and derive an air knife gap in the input operating conditions using the learned neural network.
  • the plating amount control device may derive an air knife gap corresponding to the input operation condition using a look-up table related to the accumulated operation condition.
  • the lookup table may include high-accuracy operation conditions obtained from operations performed by skilled operators among accumulated operation conditions.
  • the lookup table may include operating conditions reflecting the unique characteristics of the line on which the plating operation is performed. Since the line is a combination of various facilities for plating operations, characteristics may differ for each line. By reflecting this in the look-up table, the accuracy of plating amount control can be improved.
  • the plating amount control apparatus derives an air knife gap first, and then derives an air knife pressure through a predictive model implemented through neural network learning. This is because, regardless of the air knife pressure, the flow of gas ejected from the air knife has a similar shape, and the air knife gap greatly affects the surface quality. Then, it is possible to prevent the occurrence of defects in the plating surface such as flow patterns.
  • the air knife is spaced apart by a distance according to the air knife gap for each of the front and rear surfaces of the steel sheet, thereby affecting the air knife pressure.
  • the air knife pressure for realizing the target plating amount can be derived for each of the front / rear surfaces, and the optimum air knife pressure can be determined based on the derived front / rear air knife pressure.
  • the plating amount control device can compare the front / rear air knife pressure and correct the front / rear air knife pressure according to the comparison result.
  • the difference between the air knife pressures of the front and rear surfaces is large, vibration or tilting of the steel sheet may be caused by the pressure difference.
  • one embodiment may correct the difference between the front and rear air knife pressures so as not to deviate from a predetermined threshold that may cause vibration or tilting of the steel plate.
  • each of the derived front / rear air knife pressures can be used as it is. If the difference between the front / rear air knife pressure is greater than the threshold value, the plating amount control device can adjust the front / rear air knife pressure to derive the optimum air knife pressure.
  • the optimum air knife pressure can be derived by adjusting the plating amount control device so that the difference between the front and rear air knife pressures is equal to or less than a predetermined threshold.
  • the average of the front / rear air knife pressure can be determined as the optimum air knife pressure.
  • the plating amount control device may determine whether the difference between the air knife pressures is equal to or less than a threshold, and the average of the front / rear air knife pressures as the optimum air knife pressure.
  • one embodiment may calculate the average of the two air knife pressures derived from each of the front / rear models, and apply the same air knife pressure to the front / rear surfaces. In this case, one embodiment re-derives the air knife gaps of the front and rear surfaces using the plating amount prediction model to correspond to the optimum air knife pressure.
  • an error in a plating amount prediction model may be corrected by measuring a plating amount prediction error.
  • the air knife gap monitored in actual operation is only the mechanical position of the air knife and may not accurately represent the distance between the actual air knife and the steel plate. This is because the actual position of the steel sheet changes depending on the thickness, tension, and vibration of the steel sheet.
  • the plating amount control device receives feedback of the actual plating amount measured at a rear end by a predetermined distance from the plating operation position (eg, air knife position). For example, the plating amount control device may receive a feedback of a plating amount measurement value measured at a rear end of approximately 200 m, and correct an error of a plating amount prediction model.
  • the plating amount control device since the distance of the steel sheet from the plating operation position to the actual measurement position of the plating amount for feedback is long, the plating amount control device has limited gain that reflects an error between the measured value and the predicted value.
  • feedback control may be performed by the corrected plating amount prediction model without performing separate feedback control. Then, due to the limited gain, the moving distance of the steel sheet required for the predicted value to converge to the measured value can be improved.
  • FIG. 1 is a view schematically showing a plating amount control apparatus and a plating apparatus according to an embodiment.
  • the plating apparatus 100 operates under the control of the plating amount control apparatus 200.
  • a data communication device 300 for transmitting and receiving information between the plating device 100 and the plating amount control device 200 may be provided.
  • the invention is not limited to this, and the plating apparatus 100 and the plating amount control apparatus 200 may be provided with apparatuses for transmitting and receiving data.
  • the plating apparatus 100 includes a plating port 110, an air knife 120 and a cooling unit 130.
  • the plating apparatus 100 may be a hot-dip plating apparatus.
  • the plating port 110 is for hot-dipping the steel plate SS, and the molten metal is contained in the plating port, and the steel plate SS guided to the plating port 110 is a sink roll disposed in the plating port 110 ( While passing through the sink roll 111, the hot dip plating process proceeds by being immersed in the molten metal 112, so that the surface of the steel sheet SS is coated.
  • the steel plate SS is shifted by the sink roll 111 and moves to the top of the plating port 110.
  • the steel plate SS having a surface plated by the molten metal 112 in the plating port 110 is drawn out to the upper portion of the plating port 110.
  • the steel plate SS is made of a plated steel plate through the air knife 120 and the cooling unit 130, which are sequentially arranged along the traveling direction.
  • the steel plate SS cooled through the cooling unit 130 proceeds to the process through the tension roll 140.
  • the plating solution may be zinc, zinc alloy, aluminum and / or aluminum alloy, and the like.
  • the air knife 120 is disposed on one side or both sides of the steel plate at the rear end of the plating port 110 along the traveling direction of the steel plate SS to control the plating amount of the steel plate.
  • the air knife 120 includes air knives 121 and 122, and the air knives 121 and 122 are air knife pressures at a distance spaced by an air knife gap on a plated layer attached to the steel plate SS surface.
  • the amount of plating is controlled by spraying gas with.
  • the air knife 120 has a body that extends in the width direction of the steel plate SS and a cryogenic liquid is circulated inside, and a tip inclined by an air knife angle with respect to the plated layer of the steel plate SS at the body tip (not shown) May not be formed).
  • Each of the air knives 121 and 122 may control the air knife gap and pressure according to the control signals AFC1 and AFC2.
  • the control signals AFC1 and AFC2 are illustrated as being transmitted to the air knives 121 and 122 through the data communication device 300, but the invention is not limited thereto.
  • Each of the air knives 121 and 122 may receive control signals AFC1 and AFC2 directly from the plating amount control device 200.
  • the cooling unit 130 directly contacts the plated layer on the surface of the steel plate SS to cool the steel plate SS.
  • the cooling bodies 131 and 132 may include a cooling roll (not shown) that extends in the width direction of the steel sheet and circulates a cryogenic liquid therein and pressurizes the plating layer on the surface of the steel sheet to apply cool air.
  • a plurality of such cooling rolls may be arranged in multiple stages at intervals along the traveling direction of the steel plate SS.
  • the plating amount control device 200 automatically controls the operating conditions used for the plating operation of the plating device 100.
  • the plating amount control apparatus 200 according to an embodiment derives an air knife gap based on an input operation condition among accumulated operation conditions, and inputs an operation condition including the derived air knife gap and at least a target plating amount into a prediction model
  • the air knife pressure can be derived.
  • the plating amount control device 200 may derive the optimum air knife pressure based on the front / rear air knife pressure, and correct the front / rear air knife gap based on the optimum air knife pressure.
  • the plating amount measuring apparatus 400 scans the front and rear surfaces of the steel sheet, measures the front and rear plating amounts, and generates the measured values FB1 and FB2.
  • the plating amount measuring apparatus 400 includes a front plating amount measuring unit 401 and a rear plating amount measuring unit 402, and the front plating amount measuring unit 401 generates a measurement value FB1 of the front plating amount, and a rear plating amount measuring unit 402 generates a measured value (FB2) of the back plating amount.
  • the data communication device 300 includes plating amount measurement values (FB1, FB2), which are values obtained by measuring the plating amount of the plated steel sheet according to the operating conditions used for the plating operation in the plating apparatus 100 and the operating conditions in the plating apparatus 100.
  • the operation data to be collected may be collected and transmitted to the plating amount control device 200.
  • the data communication device 300 may receive data regarding an operation instruction from the plating amount control device 200 and transmit a corresponding control signal to the plating device 100.
  • the data communication device 300 may be implemented as a computing device capable of communicating with the plating device 100 and the plating amount control device 200.
  • FIG. 2 is a view showing a plating amount control device according to an embodiment.
  • the plating amount control apparatus 200 includes a plating amount prediction unit 210, an air knife condition derivation unit 220, a feedback model correction unit 230, a plating amount prediction model unit 240, and data It includes a base 250.
  • the database 250 may receive and store data regarding operating conditions.
  • the air knife condition derivation unit 220 may use data stored in the database 250 in deriving an optimum air knife gap.
  • FIG. 2 although it is illustrated that the database 250 is included in the plating amount control device 200, the invention is not limited thereto, and the database 250 is implemented as a separate device and the plating amount control device 200 and Data can be transmitted and received from each other.
  • the plating amount prediction model unit 240 includes separate plating amount prediction models for each of the front / rear plating amounts, and each plating amount prediction model may be implemented as a neural network learning the accumulated operating conditions.
  • the plating amount prediction unit 210 may predict the plating amount using the plating amount prediction model of the plating amount prediction model unit 240.
  • the plating amount prediction unit 210 receives the operation conditions, and the front / rear plating amount prediction values (ECP1, ECP2) according to the operation conditions input through the front / rear plating amount prediction model of the plating amount prediction model unit 240 are input. Predict and output.
  • the air knife condition derivation unit 220 may derive the optimum air knife gap and the air knife pressure of the front and rear surfaces under the current operating conditions using the plating amount prediction model.
  • the air knife condition derivation unit 220 may input one of the air knife gap and the air knife pressure and a target plating amount into the plating amount prediction model, and inversely calculate the plating amount prediction model to derive one of the air knife gap and the air knife pressure. .
  • the air knife condition derivation unit 220 derives the front / rear air knife gap and the derived front / rear air knife gap and the target plating amount to the front / rear plating amount prediction model of the plating amount prediction model unit 240 Input to derive the front / rear air knife pressure, derive the optimum air knife pressure based on the derived front / rear air knife pressure, and input the optimum air knife pressure and target plating amount into the front / rear plating amount prediction model.
  • the optimal rear air knife gap can be derived.
  • FIG. 3 is a view showing an air knife condition derivation unit according to an embodiment.
  • the air knife condition derivation unit 220 includes an air knife gap derivation unit 221, an air knife pressure derivation unit 222, and an air knife gap correction unit 223.
  • the air knife gap lead part 221 includes a front air knife gap lead part 2211 and a rear air knife gap lead part 2212.
  • the front / rear air knife gap deriving units 2211 and 2212 may receive operation conditions and derive front / rear air knife gaps G1 and G2.
  • Each of the front / rear air knife gap derivation units 2211 and 2212 may derive the air knife gap through a statistical method for the operation conditions corresponding to the operation conditions input from the database 250. For example, each of the front / rear air knife gap derivation units 2211 and 2212 may derive one of the mode, average, and median values of the air knife gaps of operation conditions similar to the input operation conditions. Each of the front / rear air knife gap derivations 2211, 2212 respectively uses the air knife gap using the air knife gap with the lowest plating amount error between the target plating amount and the measured plating amount among the air knife gaps of the operating conditions similar to the input operating conditions. Can be derived.
  • each of the front / rear air knife gap derivation units 2211 and 2212 learns the neural network of the operating conditions excluding the air knife pressure among the accumulated operating conditions, and sets the air knife gap in the operating conditions input using the learned neural network. Can be derived.
  • each of the front / rear air knife gap derivation units 2211 and 2212 may derive an air knife gap corresponding to the input operation condition using a look-up table regarding accumulated operation conditions.
  • the look-up table may include high-accuracy operation conditions obtained from operations performed by skilled operators among accumulated operation conditions.
  • the lookup table may include operating conditions reflecting the unique characteristics of the line on which the plating operation is performed. Since the line is a combination of various facilities for plating operations, characteristics may differ for each line. By reflecting this in the look-up table, the accuracy of plating amount control can be improved.
  • the air knife pressure relief part 222 includes a front air knife pressure relief part 2221, a rear air knife pressure relief part 2222, and an optimum air knife pressure relief part 2223.
  • the front / rear air knife pressure derivation units 2221 and 2222 load the front / rear plating amount prediction model from the plating amount prediction model unit 240.
  • the front / rear air knife pressure derivation units 2221 and 2222 input at least the target plating amount and the front / rear air knife gaps G1 and G2 among the operating conditions into the front / rear plating amount prediction model, and the front / rear plating amount prediction model is The output creates front / rear air knife pressures P1 and P2.
  • the optimum air knife pressure derivation unit 2223 derives the optimum air knife pressure P by averaging the front / rear air knife pressures P1 and P2.
  • the method for deriving the optimum air knife pressure is not limited to the average.
  • the average is, for example, one of various ways of deriving the same optimal air knife pressure using the front / rear air knife pressures P1 and P2 is applied to one embodiment, or the front / rear air knife pressures P1 and P2 Any one can be selected and applied to one embodiment.
  • the optimum air knife pressure deriving unit 2223 may compare the front / rear air knife pressures P1 and P2, and correct the front / rear air knife pressure according to the comparison result.
  • the optimum air knife pressure derivation unit 2223 maintains each of the derived front / rear air knife pressures P1 and P2 as they are. Can be used. In this case, the air knife gap correction unit 223 is bypassed, so that "G1" and “G2" are output as it is, and "P1" and “P2" are output as they are. have.
  • the optimum air knife pressure derivation unit 2223 can derive the optimum air knife pressure by adjusting the front / rear air knife pressures P1 and P2. For example, the optimum air knife pressure deriving unit 2223 may derive the average of the front / rear air knife pressures P1 and P2 as the optimum air knife pressure P.
  • the optimum air knife pressure derivation unit 2223 may derive the optimum air knife pressure P by adjusting the difference between the front / rear air knife pressures P1 and P2 to be equal to or less than a predetermined threshold. For example, the optimum air knife pressure derivation unit 2223 may determine the average of the front / rear air knife pressures as the optimum air knife pressure P.
  • the air knife gap correction unit 223 includes a front air knife gap correction unit 2231 and a rear air knife gap correction unit 2232.
  • the front / rear air knife gap correction units 2231 and 2232 input operating conditions and an optimum air knife pressure P that include at least the target plating amount in the front / rear plating amount prediction model of the plating amount prediction model unit 240, and the plating amount
  • the predictive model predicts and outputs optimal air knife gaps G3 and G4.
  • the air knife condition deriving unit 220 may output “G3”, “G4”, and “P” as the optimum air knife gap and pressure.
  • the optimum air knife gap and pressure are transmitted to the data communication device 300, and the data communication device 300 may generate control signals AFC1 and AFC2 based thereon and transmit them to the air knives 121 and 122.
  • the feedback model correction unit 230 receives the front / rear plating amount measurement values (FB1, FB2) and the front / rear plating amount prediction values (ECP1, ECP2), and the front / rear plating amount measurement values (FB1, FB2) and the front / rear plating amount
  • the plating amount prediction model can be corrected based on the difference between the predicted values (ECP1, ECP2).
  • the present invention is not limited to this, and the plating amount prediction model may be corrected using the target plating amount instead of the front / rear plating amount prediction values (ECP1, ECP2). That is, the feedback model correction unit 230 may correct the plating amount prediction model based on the difference between the input target plating amount and the front / rear plating amount measurement values FB1 and FB2.
  • the feedback model correcting unit 230 averages the difference between the two values while the steel plate moves through a predetermined error calculation section (for example, 10 to 15 m) to predict the average errors ER1 and ER2 as the plating amount prediction model. And transmit it to the unit 240.
  • a predetermined error calculation section for example, 10 to 15 m
  • the plating amount prediction model unit 240 may correct the front / rear plating amount prediction model by reflecting the average errors ER1 and ER2.
  • the feedback model correction unit 230 includes a memory array 231 to accurately match the positions of the front / rear plating amount prediction values ECP1 and ECP2 or the input target plating amount and the plating amount measurement values FB1 and FB2.
  • FIG. 4 is a diagram illustrating a memory array according to an embodiment.
  • each of the front / rear plating amount prediction values ECP1 and ECP2 or the input target plating amount and the plating amount measurement values FB1 and FB2 are respectively stored in the memory arrays 2311 and 2312 corresponding to the corresponding locations.
  • the steel plates are divided at predetermined intervals (for example, 1 m) along the direction in which the steel plate travels, and the predicted plating amount (ECP1, ECP2) of the front / rear plating amount in each region or the input target plating amount and the plating amount measurement value (
  • Each of FB1 and FB2) is stored in the corresponding cell of each of the memory arrays 2311 and 2312.
  • the memory array cells are shifted according to the steel plate speed so as to match the positions of the steel plates from the air knives 121 and 122 to the plating amount measuring devices 401 and 402.
  • the steel plate reaches the air knife position A1 and is synchronized with the front / rear plating amount prediction values (ECP1, ECP2) or the input target plating amount stored in the corresponding cell of the memory array 2311.
  • ECP1, ECP2 the front / rear plating amount prediction values
  • Can be Whenever the steel sheet passes through the air knife position A1 by a predetermined interval (1m), the cell is shifted, and the target plating amount to be inputted or predicted by the front / rear plating amount to the cells of the corresponding memory array 2311 (ECP1, ECP2) This is saved.
  • the front / rear plating amount measurement values FB1 and FB2 are stored in the corresponding cells 2312_2 of the memory array 2312.
  • the cells of the memory array 2312 are shifted, and the front / rear plating amount measurement value FB1, in the cells of the corresponding memory array 2312, FB2) is stored.
  • the feedback model correcting unit 230 displays the cell ( The difference between the front / rear plating amount measurement values FB1 and FB2 stored in 2312_1) and the front / rear plating amount prediction values ECP1 and ECP2 stored in the cell 2311_1 is calculated.
  • the feedback model correcting unit 230 averages the differences between the two values calculated while the steel sheet passing through the plating amount measuring device position A2 moves a predetermined error calculation section, and the average error (ER1, ER2) Can be calculated.
  • ER1 is the average error obtained by averaging FB1-ECP1 in the error calculation section
  • ER2 is the average error obtained by averaging FB2-EPC2 in the error calculation section.
  • the plating amount prediction model unit 240 corrects the plating amount prediction model based on the average error ER1 or ER2.
  • the plating amount prediction model unit 240 may reflect the average error in the target plating amount or the average error in the predicted plating amount.
  • the target plating amount may be decreased by the average error ER1 or ER2, or the prediction amount of the plating amount by the average error ER1 or ER2 may be increased.
  • the plating amount prediction model unit 240 After the plating amount prediction model unit 240 corrects, it waits until the portion predicted by the corrected plating amount prediction model passes through the plating amount measuring apparatus position A2. At this time, the period of the feedback model correction is expressed by Equation (4).
  • the correction period of the plating amount prediction model must be longer than the feedback model correction period, and if it is short, hunting may occur.
  • the corrected plating amount prediction model is used for inversion in the air knife condition derivation unit again, so that an effect of feedback control can be provided.
  • the scan time may be calculated according to the width and line speed of the steel sheet and a feedback model correction cycle may be determined.
  • a, b, and c are constants determined by design. That is, by calculating the scan time according to the width of the steel sheet, by varying the feedback model correction period according to the steel sheet, the plating amount control in the coil can be more precisely controlled, and the deviation from 1.6% to approximately 0.25% based on the target plating amount. Until the plating amount variation can be reduced.
  • 5 is a graph showing a variation in plating amount according to an embodiment and a variation in plating amount in a conventional manual operation.
  • the plating amount variation according to an embodiment is significantly improved compared to the plating amount variation of the conventional manual operation.
  • the plating amount deviation by the conventional manual operation for the target plating amount CW A , CW B , and CW C is SD A , SD B , and SD C
  • the plating amount deviation is 0.33 SD A , 0.17SD B , and 0.34SD C.
  • the actual amount of the plating attachment to achieve the customer ordered plating amount can be significantly reduced compared to the prior art.
  • the overprohibition order can be reduced to 0.499% on both sides. Then, it is possible to provide an effect in which the overplating amount for achieving the customer order plating amount is lower than in the prior art.
  • Edge build-up, flow pattern, and check mark generated by the conventional manual operation may not be visible to the naked eye after the SPM process. However, it is revealed in all cases where surface inspection (grindstone inspection) is performed for at least 5m in length at least once for the full width using a grindstone on the vertical or horizontal inspection table.
  • an edge build-up is generated by a conventional manual operation for a plated steel sheet having a raw material cold-rolled steel sheet of 0.4 t or less and a double-sided sum of 140 g / m 2 or more.
  • the apparatus and method for controlling the amount of plating according to an embodiment may prevent edge build-up by learning air knife conditions (eg, pressure and gap) in which edge build-up does not occur and automatically controlling them.
  • the temperature of the steel sheet in the region immediately after the plating amount is controlled by the pressure and flow rate of the fluid in the air knife is, for example, before / after 430 ° C.
  • the area immediately after the plating amount is controlled is an initial state of solidification, but an oxide film is formed on the surface of the area, but the shear stress generated when the fluid from the air knife strikes the steel sheet and exits is physically attached to the unsolidified oxide layer. It applies a force.
  • the force exceeds the critical stress required for the rupture of the oxide film, a fine wave is generated, and a wave mark, which is a dark plating flow mark in the form of a wave pattern, is generated on the front and rear surfaces of the plated steel sheet. do.
  • the plating amount control apparatus and method may prevent a flow pattern by learning a boundary condition in which the flow pattern occurs.
  • a flow of molten metal attached to the strip and molten metal descending by wiping occurs, resulting in strip width.
  • the pattern occurs in a semicircular shape in the direction. That is, the molten metal flow phenomenon under the air knife may generate a diamond-shaped check pattern in a predetermined pattern to generate a check mark.
  • the plating amount control apparatus and method according to an embodiment may prevent a checkmark by learning a boundary condition in which a checkmark occurs based on a result determined through a surface defect detection device (SDD).
  • SDD surface defect detection device
  • the air knife gap is first derived and the air knife pressure is derived based on the derived air knife gap.
  • An embodiment may be applied when the variation width of the plating amount between the coils continuous in the steel sheet is greater than or equal to a predetermined value.
  • the process of the hot-dip plating facility is a continuous process due to the operation characteristics, and when the air knife gap and pressure are continuously derived and changed at the same time, despite the goal of converging to the target plating amount, it is erroneous due to an incorrect answer (Local Minima) during the optimization process.
  • the air knife gap and pressure are derived, so that the actual plating amount may not converge to the target plating amount.
  • the airknife pressure is optimized while the airknife gap is optimized and the airknife pressure is optimized while the airknife gap and pressure are simultaneously derived. Change together. Then, it is impossible to find the correct answer (Global Minima) of the air knife gap and pressure to achieve the target plating amount, and continues to fall into the wrong answer, and the plating amount control is repeatedly repeated to continuously find the optimum value.
  • the strip may pass through the air knife in an over-plated and under-plated state, and the plating amount may not be controlled.
  • the present invention derives a relatively accurate value of the air knife gap and pressure from the accumulated operating conditions or first fixes the accumulated operating conditions using a neural network, and then controls the remaining factors through the plating amount prediction model, resulting in incorrect answers (Local Minima) can significantly reduce the probability of falling.
  • the stabilization distance at which the measured plating amount reaches -3% to + 3% of the target plating amount of the second level is the target plating amount at the first level It may be less than 50M from the base point changed to the second level.
  • the distance at which the measured plating amount converges to -1% to + 1% of the target plating amount of the second level is the target plating amount from the first level to the second level. It may be less than 250M from the modified origin.
  • the longitudinal double-sided sum of the strip is the front / rear target of the strip. Convergence with a deviation of 0.25% or less based on the sum of the plating amounts, or when the strip is medium-plated (101 to 180 g / m 2 products), the lengthwise double-sided sum of the strips is 0.66% based on the sum of the target plating amounts of the front and back sides of the strip.
  • the lengthwise double-sided sum of the strips may converge to a deviation of 1% or less based on the sum of the target plating amount of the front and rear sides of the strip.
  • the ratio (CW1 / CW2) of the target plating amount (CW2) of the trailing coil to the target plating amount (CW1) of the preceding coil may be 0.29 to 3.43.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Materials Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Coating With Molten Metal (AREA)
  • Coating Apparatus (AREA)
  • Feedback Control In General (AREA)

Abstract

스트립이 용융 금속 포트에 담구어져 코팅되는 연속식 도금 공정에서, 상기 스트립의 진행 방향을 따라 배치된 에어 나이프를 이용하여 상기 스트립에 코팅된 도금량을 제어하는 장치는, 축적된 조업 조건을 신경망 학습한 예측 모델을 포함하는 예측 모델부, 및 입력되는 조업 조건에 기초하여 상기 예측 모델을 이용하여 에어나이프 갭과 에어 나이프 압력 중 적어도 하나의 절대값을 도출하는 최적 에어 나이프 조건 산출부를 포함한다.

Description

도금량 제어 장치 및 도금량 제어 방법
본 개시는 도금량 제어 장치 및 도금량 제어 방법에 관한 것이다.
용융도금 공정에서, 강판의 도금량 제어는 강판의 전(Top)/후(bottom)면에 설치된 에어 나이프(Air Knife)로 각각 제어 된다. 도금량을 측정하기 위해서는 용융상태의 도금층이 완전히 건조되어야 하기 때문에, 도금량 측정장치(Coating Weight Gauge)는 에어 나이프로부터 약 200m 가량 후단에 위치한다. 그러므로 즉각적인 피드백(feedback) 제어는 불가능하고, 통상 운전자들의 경험 또는 설정 테이블을 참조하여 에어 나이프와 강판의 거리인 에어 나이프 갭(gap) 및 에어 나이프로부터 강판으로 분사되는 기체의 압력인 에어 나이프 압력(pressure)을 적절히 조정하여 조업을 한다.
종래에는, 도금량 예측모델("Coating mass control system design for a continuous galvanizing line", 1976, W.J. Edwards 등)을 이용하여 강판속도(line speed) 변화에 따라 에어 나이프 압력을 단독으로 조정하거나, 도금량 오차에 의해 전/후면의 에어 나이프 갭을 단독으로 조정하여 도금량을 제어하는 방법들이 있다. 그러나 종래 방법들은 조업조건의 변화에 따라 에어 나이프 갭 및 압력 각각의 변화량을 도출하여 제어하는 방법으로, 각 강종과 도금량에 적합한 에어 나이프 갭과 압력을 직접 도출하는 데에는 한계가 있다.
기존의 수동 조업에 비해 도금량 제어 정확도 개선, 도금량 편차가 감소, 및 표면 품질을 개선할 수 있는 도금량 제어 장치 및 도금량 제어 방법을 제공하고자 한다.
발명의 한 특징에 따른, 스트립이 용융 금속 포트에 담구어져 코팅되는 연속식 도금 공정에서, 상기 스트립의 진행 방향을 따라 배치된 에어 나이프를 이용하여 상기 스트립에 코팅된 도금량을 제어하는 장치는, 축적된 조업 조건을 신경망 학습한 예측 모델을 포함하는 예측 모델부, 및 입력되는 조업 조건에 기초하여 상기 예측 모델을 이용하여 에어나이프 갭과 에어 나이프 압력 중 적어도 하나의 절대값을 도출하는 최적 에어 나이프 조건 산출부를 포함한다.
상기 에어 나이프 조건 산출부는, 상기 입력되는 조업 조건에 기초한 에어 나이프 갭을 도출하는 에어 나이프 갭 도출부 및 상기 축적된 조업 조건을 신경망 학습한 예측 모델을 이용하여 상기 입력되는 조업 조건 및 상기 도출된 에어 나이프 갭에 기초한 에어 나이프 압력을 도출하는 에어 나이프 압력 도출부를 포함할 수 있다.
상기 에어 나이프 갭 도출부는, 상기 데이터 베이스에서 상기 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출하는 방법, 상기 축적된 조업 조건 중 에어 나이프 압력을 제외한 조업 조건을 신경망 학습하고, 상기 학습된 신경망을 이용하여 에어나이프 갭을 도출하는 방법, 및 룩업 테이블(Look-up table)을 이용하여 상기 입력되는 조업조건에 대응하는 에어 나이프 갭을 도출하는 방법 중 하나 이상의 방법을 이용하여, 상기 에어 나이프 갭을 도출할 수 있다.
상기 데이터 베이스에서 통계적 방법을 통해 상기 에어나이프 갭을 도출하는 방법은, 상기 데이터 베이스에서, 상기 입력되는 조업 조건에 해당하는 에어나이프 갭에 대한 데이터들의 최빈값, 평균값, 및 중앙값 중 하나, 및 상기 데이터들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 값 중 하나 이상을 이용할 수 있다.
상기 에어 나이프 갭 도출부는, 상기 입력되는 조업 조건에 기초하여 상기 스트립의 일면에 대한 제1 에어 나이프 갭을 도출하고, 상기 입력되는 조업 조건에 기초하여 상기 스트립의 타면에 대한 제2 에어 나이프 갭을 도출하며, 상기 에어 나이프 압력 도출부는, 상기 스트립의 일면에 대한 제1 예측 모델 및 상기 스트립의 타면에 대한 제2 예측 모델을 포함하고, 상기 제1 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제1 에어 나이프 갭을 적용하여 상기 스트립의 일면에 대한 제1 에어 나이프 압력을 도출하며, 상기 제2 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제2 에어 나이프 갭을 적용하여 상기 스트립의 타면에 대한 제2 에어 나이프 압력을 도출할 수 있다.
상기 에어 나이프 압력 도출부는, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 비교하고, 상기 비교 결과에 따라 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 보정할 수 있다.
상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 소정의 임계치 보다 작을 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 각각을 출력하거나, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 보다 클 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출할 수 있다.
상기 에어 나이프 압력 도출부는, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 차가 소정의 임계치 이하가 되도록 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 동작을 수행하고, 상기 최적 에어 나이프 조건 산출부는, 상기 보정된 제1 및 제2 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 보정된 에어 나이프 갭을 상기 예측 모델을 이용하여 도출하는 에어 나이프 갭 보정부를 더 포함할 수 있다.
상기 에어 나이프 압력 도출부는, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하고, 상기 최적 에어 나이프 조건 산출부는, 상기 최적 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 에어 나이프 갭을 다시 도출하는 에어 나이프 갭 보정부를 더 포함할 수 있다.
상기 도금량 제어 장치는, 상기 스트립의 도금량을 측정하고, 상기 도금량 측정값과 상기 예측 모델을 이용하여 예측된 도금량 예측값 또는 상기 입력되는 조업 조건에 포함된 목표 도금량 간의 차에 기초하여 상기 예측 모델을 보정할 수 있다.
상기 도금량 제어 장치는, 상기 스트립이 소정 거리만큼 이동한 후, 상기 도금량 측정값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델의 예측값 또는 상기 예측 모델에 입력되는 목표 도금량을 보정할 수 있다.
상기 도금량 제어 장치는, 상기 스트립이 상기 소정 거리만큼 이동하는 동안, 상기 도금량 예측값 또는 상기 목표 도금량과 상기 도금량 측정값 각각을 대응하는 셀에 저장하는 메모리 어레이를 더 포함할 수 있다.
발명의 다른 특징에 따른 스트립이 용융 금속 포트에 담구어져 코팅되는 연속식 도금 공정에서, 상기 스트립의 진행 방향을 따라 배치된 에어 나이프를 이용하여 상기 스트립에 코팅된 도금량을 제어하는 방법은, 축적된 조업 조건을 신경망 학습하는 단계, 및 입력되는 조업 조건에 기초하여 상기 학습된 신경망을 이용하여 에어나이프 갭과 압력 중 적어도 하나의 절대값을 도출하는 단계를 포함할 수 있다.
상기 도금량 제어 방법은, 상기 축적된 조업 조건을 신경망 학습하여 예측 모델을 구축하는 단계 상기 입력되는 조업 조건에 기초한 에어 나이프 갭을 도출하는 단계 및 상기 예측 모델을 이용하여 상기 입력되는 조업 조건 및 상기 에어 나이프 갭에 기초한 에어 나이프 압력을 도출하는 단계를 더 포함할 수 있다.
상기 에어 나이프 갭을 도출하는 단계는, 상기 데이터 베이스에서 상기 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출하는 단계, 상기 축적된 조업 조건 중 에어 나이프 압력을 제외한 조업 조건을 신경망 학습하고, 상기 학습된 신경망을 이용하여 에어나이프 갭을 도출하는 단계, 및 룩업 테이블(Look-up table)을 이용하여 상기 입력되는 조업 조건에 대응하는 에어 나이프 갭을 도출하는 단계 중 적어도 하나를 포함할 수 있다.
상기 데이터 베이스에서 통계적 방법을 통해 상기 에어 나이프 갭을 도출하는 방법은, 상기 데이터 베이스에서, 상기 입력되는 조업 조건에 해당하는 에어나이프 갭에 대한 데이터들의 최빈값, 평균값, 및 중앙값 중 하나, 및 상기 데이터들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 값 중 하나 이상을 이용할 수 있다.
상기 에어 나이프 갭을 도출하는 단계는, 상기 입력되는 조업 조건에 기초하여 상기 스트립의 일면에 대한 제1 에어 나이프 갭을 도출하는 단계, 및 상기 입력되는 조업 조건에 기초하여 상기 스트립의 타면에 대한 제2 에어 나이프 갭을 도출하는 단계를 포함하고, 상기 예측 모델은 상기 스트립의 일면에 대한 제1 예측 모델 및 상기 스트립의 타면에 대한 제2 예측 모델을 포함하며, 상기 에어 나이프 압력을 도출하는 단계는, 상기 제1 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제1 에어 나이프 갭을 적용하여 상기 스트립의 일면에 대한 제1 에어 나이프 압력을 도출하는 단계, 및 상기 제2 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제2 에어 나이프 갭을 적용하여 상기 스트립의 타면에 대한 제2 에어 나이프 압력을 도출하는 단계를 포함할 수 있다.
상기 도금량 제어 방법은, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 비교하고, 상기 비교 결과에 따라 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 보정하는 단계를 더 포함할 수 있다.
상기 도금량 제어 방법은, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 소정의 임계치 보다 작을 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 각각을 출력하는 단계, 및 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 보다 클 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 단계를 더 포함할 수 있다.
상기 도금량 제어 방법은, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 이하가 되도록 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 단계, 및 상기 보정된 제1 및 제2 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 보정된 에어 나이프 갭을 예측 모델을 이용하여 도출하는 단계를 더 포함할 수 있다.
상기 최적 에어 나이프 압력을 도출하는 단계는, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하는 단계를 포함할 수 있다.
상기 도금량 제어 방법은, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하는 단계, 및 상기 최적 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 에어 나이프 갭을 다시 도출하는 단계를 더 포함할 수 있다.
상기 도금량 제어 방법은, 상기 예측 모델을 이용하여 도금량을 예측하는 단계 상기 스트립의 도금량을 측정하는 단계 및 상기 도금량 측정 값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델을 보정하는 단계를 더 포함할 수 있다.
상기 예측 모델을 보정하는 단계는, 상기 스트립이 소정 거리만큼 이동한 후, 상기 측정된 도금량 측정값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델의 예측값 또는 상기 목표 도금량을 보정하는 단계를 포함할 수 있다.
상기 예측 모델을 보정하는 단계는, 상기 스트립이 상기 소정 거리만큼 이동하는 동안, 상기 도금량 예측값 또는 상기 목표 도금량과 상기 도금량 측정값 각각을 메모리 어레이의 대응하는 셀에 저장하는 단계를 더 포함할 수 있다.
상기 예측 모델은 도금량 예측 모델이고, 상기 입력되는 조업 조건을 입력으로 하고, 도금량을 예측하여 출력하는 모델일 수 있다.
상기 조업 조건은 상기 스트립 공정이 수행되는 라인 관련 조업 조건, 상기 에어 나이프 관련 조업 조건, 및 상기 스트립 관련 조업 조건 중 어느 하나 이상을 포함할 수 있다.
도금량 제어 방법에 따라 생산된 본 발명의 또 다른 특징에 따른 스트립은, 상기 스트립에 대한 목표 도금량이 제1 레벨에서 제2 레벨로 변경 시, 측정 도금량이 상기 제2 레벨의 목표 도금량의 -3~3%에 도달하는 안정화 거리가 목표도금량 변화 기점으로부터 50M 미만이거나, 측정 도금량이 상기 제2 레벨의 목표 도금량의 -1~+1%에 수렴하는 거리가 목표도금량 변화 기점으로부터 250M 미만일 수 있다.
도금량 제어 방법에 따라 생산된 본 발명의 또 다른 특징에 따른 스트립은, 목표 도금량 변화 기점으로부터 200M 구간 내에서, 상기 스트립이 극박도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 0.25% 이하의 편차, 상기 스트립이 중박도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 0.66% 이하의 편차, 또는 상기 스트립이 후도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 1% 이하의 편차로 수렴할 수 있다.
도금량 제어 방법에 따라 생산된 본 발명의 또 다른 특징에 따른 스트립은, 상기 스트립 표면에 사선 무늬 형태의 체크마크(Check Mark)가 발생하지 않을 수 있다.
본 발명은 도금량 예측모델에 의해 목표 도금량을 구현하기 위한 에어 나이프의 운전조건을 도출함으로써, 기존의 수동 조업에 비해 도금량 제어 정확도를 개선함으로써, 도금량 편차가 감소되어 표면 품질을 개선할 수 있다.
도 1은 일 실시예에 따른 도금 장치 및 도금량 제어 장치를개략적으로 나타낸 도면이다.
도 2는 일 실시예에 따른 도금량 제어 장치를 나타낸 도면이다.
도 3은 일 실시예에 따른 에어 나이프 조건 도출부를 나타낸 도면이다.
도 4는 일 실시예에 따른 메모리 어레이를 나타낸 도면이다.
도 5는 일 실시예에 따른 도금량 편차와 종래 수동 조업에서의 도금량 편차를 나타낸 그래프이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 일 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 일 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
용융도금 공정(Continuous Galvanizing Line)에서 스트립(strip)의 도금량은 스트립의 전후면에 각각 설치된 2기의 에어 나이프에 의해 제어되는데 도금량은 에어 나이프와 스트립 간의 거리(에어 나이프 갭), 에어 나이프가 대응하는 스트립의 일면에 분사하는 기체의 압력(에어 나이프 압력)에 의해 크게 영향을 받는다. 이하, 본 개시에서는, 스트립의 일 예로 강판을 설명한다. 그러나 발명이 이에 한정되는 것은 아니고, 스트립 형태의 마그네슘판 등의 금속판에 본 발명이 적용될 수 있다.
강판 표면의 도금량을 목표 도금량으로 조절하기 위해서, 회귀 모형에 기반한 제어 기법이 적용되고 있다. 예를 들면, 1976년 에드워드(Edwards)에 의해 제안된 방법으로, 예측도금량(CP)을 라인 속도(V), 에어 나이프(air knife) 갭(D), 그리고 에어 나이프 압력(P)의 함수로 정의한 수학식 1의 도금량 예측 모델을 사용하는 방법이 있다.
[수학식 1]
Figure PCTKR2019010631-appb-I000001
수학식 1에서, a, b, 및 c는 모델 파라미터로 상수이다.
수학식 1의 도금량 예측 모델을 이용하여, 목표 도금량이 주어지면 특정 라인 속력에서 적절한 에어 나이프 갭과 에어 나이프 압력을 역산할 수 있다. 그러나 적절한 에어 나이프 갭과 에어 나이프 압력은 무수히 많이 존재하는데, 에어 나이프 갭이 너무 크거나 작을 경우 도금량과는 별개로 표면품질을 저하시킬 수 있어, 도금량 예측 모델만으로는 최적의 에어 나이프 운전 조건(에어 나이프 갭, 에어 나이프 압력)을 도출할 수 없다.
본 발명은 에어 나이프를 이용하여 강판의 도금량을 제어하는 장치에 관한 것으로, 적어도 에어 나이프 갭 및 에어 나이프 압력을 포함하는 축적된 조업 조건으로 신경망을 학습시켜 예측 모델을 구현하고, 예측 모델을 이용하여 입력되는 조업 조건에 따른 에어나이프 갭과 압력 중 적어도 하나의 절대값을 도출한다.
본 발명은 에어 나이프 갭 및 압력의 절대값을 도출함으로써, 조업 조건이 변경된 후의 초기 제어가 가능하다. 강판의 종류 변경, 라인 속도 변경, 목표 도금량 변경 등의 조업 조건이 변경되면, 현재 에어 나이프 갭 및 압력이 변경된 조업 조건에서 에어 나이프 갭 및 압력의 상대적인 변화량을 도출하기 위한 기준으로 적합하지 않다. 에어 나이프 갭 및 압력의 상대적인 변화량을 에어 나이프 갭 및 압력 제어에 적용하기 위해서는 현재 상태(초기상태)가 최적임이 보장되어야 한다. 그러나 이는 실제 조업에서 보장되기 어렵다. 따라서 종래 에어 나이프 갭 및 압력의 상대적인 변화량을 도출하는 방식에 따르면, 조업 조건이 변경된 후에 목표 도금량을 위한 정확한 에어 나이프 갭 및 압력의 상대적인 변화량을 도출하기 어렵다. 본 발명은 변경 전의 에어 나이프 갭 및 압력을 기준으로 사용하지 않고, 신경망 학습을 이용하여 변경된 조업 조건에서의 에어 나이프 갭 및 압력의 절대값을 도출함으로써, 보다 정확한 초기 제어를 제공할 수 있다.
또한, 현재 상대적인 변화량을 계산할 때, 여러가지 조업 조건이 동시에 변하는 경우 정확성 보장이 어렵다. 예를 들어, 목표 도금량과 라인 속도가 동시에 변하였을 때, 변경된 목표 도금량에 대한 압력 변화 도출 후 변화된 라인 속도에 대한 압력 변화를 도출하여 합산한 것과 반대의 순서로 계산한 것의 결과가 다를 수 있다.
아울러, 상대적인 변화량으로 제어하는 경우, 특정 강종/조건에서 표면 품질 확보를 위해 특정 갭을 사용하는 등의 조업 노하우 반영이 어렵다. 본 발명은 축적된 조업 조건에서 입력되는 조업 조건에 적합한 에어 나이프 갭을 먼저 도출함으로써 이런 문제점을 해결할 수 있다.조업 조건은 복수의 유형을 가지며, 복수의 유형은 예를 들면 강판 관련 데이터, 에어 나이프 관련 데이터, 라인 관련 데이터 및 도금량 데이터를 포함할 수 있다. 강판 관련 데이터는 예를 들면 강판의 강종, 두께, 폭, 진동 등을 포함할 수 있다. 에어 나이프 관련 데이터는 예를 들면 에어 나이프 갭, 에어 나이프 압력, 에어 나이프 각도 및/또는 에어 나이프 높이를 포함할 수 있다. 에어 나이프 갭은 에어 나이프와 강판의 중심이 이동될 중심선 사이의 간격일 수 있다. 에어 나이프 압력은 에어 나이프에 사용되는 에어의 압력일 수 있다. 에어 나이프 높이는 도금 포트의 탕면을 기준으로 한 에어 나이프의 높이일 수 있다. 에어 나이프 각도는 수평면을 기준으로 한 에어 나이프의 각도일 수 있다. 라인 관련 데이터는 예를 들면 라인 속도(line speed), 장력 등을 포함할 수 있다. 라인 속도는 강판이 진행 방향을 따라 이동할 때의 속도이고, 장력은 강판을 진행 방향으로 이동시키기 위한 장력일 수 있다. 아울러, 조업 조건은 목표 도금량을 포함할 수 있다.
일 실시예는 도금량 예측 모델과 축적된 조업 조건을 이용하여 입력되는 조업 조건에 적합한 에어 나이프 갭과 압력을 도출하는 도금량 제어 장치 및 도금량 제어 방법에 관한 것이다. 일 실시예에서 불확실성에 의한 오차는, 강판의 도금량 측정을 위한 소정 거리만큼 이동한 시점에 측정된 도금량을 이용하여 보정될 수 있다.
예를 들어, 축적된 조업 조건에서 입력되는 조업 조건에 적절한 에어 나이프 갭을 먼저 도출하고, 도출된 에어 나이프 갭 및 도금량 예측 모델을 이용하여 에어 나이프 압력을 도출할 수 있다. 축적된 조업 조건을 이용하므로 운전자의 노하우를 반영한 에어 나이프 갭 도출이 가능하고, 이를 통해 표면 품질을 개선할 수 있는 도금량 자동제어가 가능하다. 그리고, 일 실시예는 예측 모델로부터 도출된 강판 전후면에 분사되는 에어 나이프 압력이 동일하거나 전후면 에어 나이프 압력 간의 차이가 소정 범위 내에 있도록 조정하고, 조정된 에어 나이프 압력에 따라 에어 나이프 갭을 보정할 수 있다. 또한, 일 실시예는 도금량 측정치를 이용하여 도금량 예측 모델의 오차를 보정할 수 있다.
앞서 언급한 수학식 1의 도금량 예측 모델을 확장하여, 라인 속도, 에어 나이프 갭, 및 에어 나이프 압력 이외의 다른 조업 조건을 입력으로 포함하는 함수로 도금량 예측 모델을 나타내면 다음과 같이 나타낼 수 있다.
[수학식 2]
Figure PCTKR2019010631-appb-I000002
수학식 2에서 다른 조업 조건으로, 강판의 강종, 두께, 폭, 진동, 및 장력, 에어 나이프 높이 및 각도 등이 있을 수 있다.
수학식 2의 도금량 예측 모델은 강판의 전면 및 후면 각각에 대해서 별도로 적용될 수 있고, 수학식 2의 함수는 아래 수학식 3의 편미분 조건을 만족하여 다른 입력변수가 일정한 조건에서 G와 P에 대한 역함수가 존재하여야 한다.
[수학식 3]
Figure PCTKR2019010631-appb-I000003
도금량 예측에 있어서, 수학식 2의 도금량 예측 모델을 이용하면 목표 도금량(CP)이 주어졌을 때, 해당 조업조건(강판속도 등)에서 이를 구현하기 위한 에어 나이프 갭 및 압력을 찾을 수 있는데, 그 해가 무수히 많이 존재하게 된다.
일 실시예에서, 축적된 조업 조건이 저장된 데이터베이스(database) 및 축적된 조업 조건을 학습한 신경망(neural network)을 이용하여 무수히 많은 해 중에서 하나의 최적해를 찾아낼 수 있다. 이를 위해, 일 실시예에 따른 도금량 제어 장치는, 조업 데이터를 [시간, 코일번호, 강판의 강종, 두께, 폭, 진동, 및 장력, 라인 속도, 에어 나이프 갭(Top/Bottom), 에어 나이프 압력(Top/Bottom), 목표 도금량, 도금량 측정값(Top/Bottom), 에어 나이프 높이, 에어 나이프 각도(Top/Bottom),쪋.]의 형태로 데이터베이스에 실시간으로 저장할 수 있다.
일 실시예에서, 조업 조건을 입력으로 하고, 도금량을 출력으로 하는 신경망이 데이터 베이스에 저장된 조업 조건을 학습하고, 도금량 예측 모델은 학습된 신경망으로 구현될 수 있다. 그러나 발명이 이에 한정되는 것은 아니고, 예측 모델의 입력 및 출력은 설계에 따라 달라질 수 있다. 일 실시예에서는, 신경망 학습을 통해 구현된 도금량 예측 모델이먼저도출된 에어 나이프 갭 및 적어도 목표 도금량을 포함하는 조업 조건에기초하여 최적의 에어 나이프 압력을 찾을 수 있다.
도금량 제어 장치는, 데이터 베이스에서 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출할 수 있다. 입력되는 조업 조건에 해당하는 조업 조건들은 입력되는 동일한 조업 조건 및 소정 범위 내에서 유사한 조업 조건들을 포함한다. 예를 들어, 도금량 제어 장치는, 해당 에어 나이프 갭에 대한 데이터들의 최빈값, 평균값, 및 중앙값 중 하나, 및 해당 에어 나이프 갭에 대한 데이터들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 에어 나이프 갭 중 적어도 하나 이상을 이용하여 에어 나이프 갭을 도출할 수 있다.
또는, 도금량 제어 장치는 축적된 조업 조건 중 에어 나이프 압력을제외한 조업 조건을 신경망 학습하고, 학습된 신경망을 이용하여 입력되는 조업 조건에서의 에어 나이프 갭을 도출할 수 있다.
또는, 도금량 제어 장치는 축적된 조업 조건에 관한 룩업 테이블(Look-up table)을 이용하여 입력되는 조업조건에 대응하는 에어 나이프 갭을 도출할 수 있다. 룩업 테이블은 축적된 조업 조건 중 숙련된 조업자들에 의해 수행된 조업에서 획득된 정확도가 높은 조업 조건들을 포함할 수 있다. 또는, 룩업 테이블은 도금 조업이 수행되는 라인의 고유 특성이 반영된 조업 조건들을 포함할 수 있다. 라인은 도금 조업을 위한 여러 설비들의 조합이므로, 라인마다 조업에 있어 특성이 상이할 수 있다. 이를 룩업 테이블에 반영함으로써, 도금량 제어의 정확도가 개선될 수 있다.
일 실시예에 따른 도금량 제어 장치는 에어 나이프 갭을 먼저 도출하고, 신경망 학습을 통해 구현된 예측 모델을 통해서 에어 나이프 압력을 도출한다. 에어 나이프 압력과 관계없이 에어 나이프에서 분출되는 기체의 유동이 거의 비슷한 형태를 띄어, 에어 나이프 갭이 표면품질에 큰 영향을 미치기 때문이다. 그러면, 흐름무늬 등의 도금 표면 결함이 발생하는 것을 방지할 수 있다.
또한, 일 실시예는, 강판의 전면과 후면 각각에 대해서 도금량 예측 모델을 별개로 적용할 수 있으므로, 에어 나이프는 강판의 전면 및 후면 각각에 대해서 에어 나이프 갭에 따른 거리만큼 이격되어 에어 나이프 압력에 따라 기체를 분사한다. 즉, 강판의 전면 및 후면 각각에 대한 도금 공정이 분리되어 있으므로, 전면 및 후면 각각에 대한 도금량 예측 모델을 별개로 적용할 수 있다. 목표 도금량을 구현하기 위한 에어 나이프 압력을 전/후면 각각에 대해 도출하고, 도출된 전/후면 에어 나이프 압력에 기초하여 최적 에어 나이프 압력을 결정할 수 있다.
예를 들어, 도금량 제어 장치는 전/후면 에어 나이프 압력을 비교하고, 비교 결과에 따라 전/후면 에어 나이프 압력을 보정할 수 있다. 전/후면 각각의 에어 나이프 압력 간의 차이가 큰 경우 압력 차에 의해 강판의 진동이나 쏠림이 유발될 수 있다. 따라서, 일 실시 예는 전/후면 에어 나이프 압력 간의 차가 강판의 진동이나 쏠림을 유발할 수 있는 소정의 임계치를 벗어나지 않도록 보정할 수 있다.
예를 들어, 전/후면 에어 나이프 압력 간의 차가 소정의 임계치 보다 작다면, 도출된 전/후면 에어 나이프 압력 각각을 그대로 사용할 수 있다. 전/후면 에어 나이프 압력 간의 차가 임계치 보다 크다면, 도금량 제어 장치는 전/후면 에어 나이프 압력을 조정하여 최적 에어 나이프 압력을 도출할 수 있다. 구체적으로, 도금량 제어 장치가 전/후면 에어 나이프 압력 간의 차가 소정의 임계치 이하가 되도록 조정하여 최적 에어 나이프 압력을 도출할 수 있다. 일 예로, 전/후면 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 결정할 수 있다.
또는, 도금량 제어 장치는 에어 나이프 압력 간의 차가 임계치 이하인지 여부를 판단하지 않고, 전/후면 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 결정할 수 있다.
전/후면 각각에 대한 에어 나이프 압력 간의 차이가 큰 경우, 그 압력 차에 의해 강판의 진동이나 쏠림이 유발될 수 있다. 이를 방지하기 위해서, 일 실시예는 전/후면 모델 각각에서 도출된 2개의 에어 나이프 압력의 평균을 산출하여, 전/후면에 대해서 동일한 에어 나이프 압력을 적용할 수 있다. 이 경우, 일 실시예는 최적 에어 나이프 압력에 대응되도록 전/후면 각각의 에어 나이프 갭을 도금량 예측 모델을 이용하여 다시 도출한다.
일 실시예에서, 도금량 예측 오차를 측정하여 도금량 예측 모델의 오차를 보정할 수 있다. 예를 들어, 실제 조업에서 모니터링 되는 에어 나이프 갭은 에어 나이프의 기계적인 위치일 뿐으로 실제 에어 나이프와 강판 사이의 거리를 정확하게 나타내지 못할 수 있다. 이는 실제 강판의 위치가 강판의 두께, 장력, 진동 등에 의해 변하기 때문이다.
이러한 불확실성에 의해 발생하는 오차를 보정하기 위해서, 도금량 제어 장치는 도금 작업 위치(예를 들어, 에어 나이프 위치)로부터 소정 거리만큼의 후단에서 측정된 실제 도금량을 피드백 받는다. 예를 들어, 도금량 제어 장치는 대략 200m 후단에서 측정된 도금량 측정값을 피드백 받고, 도금량 예측모델의 오차를 보정할 수 있다.
종래에는, 도금 작업 위치로부터 피드백을 위한 도금량 실제 측정 위치까지의 강판 이동 거리가 길기 때문에, 도금량 제어 장치는 측정값과 예측값 간의 오차를 반영하는 게인(gain)을 제한적으로 가져간다. 일 실시예에 따라 피드백을 통해 도금량 예측모델의 오차를 보정함으로써, 별도의 피드백 제어를 수행하지 않고, 보정된 도금량 예측 모델에 의해 피드백 제어가 수행될 수 있다. 그러면, 제한적인 게인으로 인해 예측값이 측정값에 수렴하는데 필요한 강판의 이동 거리가 개선될 수 있다.
이하, 도면을 참조하여 일 실시예에 대해서 설명한다. 도 1 내지 도 4를 참조한 일 실시예 설명은 발명을 구현한 일 예로, 발명이 이에 한정되는 것은 아니다.
도 1은 일 실시예에 따른 도금량 제어 장치 및 도금 장치를 개략적으로 나타낸 도면이다.
도 1에 도시된 바와 같이, 도금 장치(100)는 도금량 제어 장치(200)의 제어에 의해 동작한다. 일 실시예에서는, 도금 장치(100)와 도금량 제어 장치(200) 간의 정보를 송수신하기 위한 데이터 통신 장치(300)가 구비될 수 있다. 발명이 이에 한정되는 것은 아니고, 도금 장치(100) 및 도금량 제어 장치(200) 각각에 데이터의 송수신을 위한 장치가 구비될 수 있다.
도금 장치(100)는 도금 포트(110), 에어 나이프(120) 및 냉각부(130)를 포함한다. 일 실시예에서, 도금 장치(100)는 용융 도금 장치일 수있다.
도금 포트(110)는 강판(SS)을 용융 도금하기 위한 것으로, 용융 금속이 도금 포트에 담겨있고, 도금 포트(110)로 안내된 강판(SS)은 도금 포트(110) 내에 배치된 싱크롤(sink roll)(111)을 지나면서 용융 금속(112)에 담겨 용융 도금 공정이 진행되어, 강판(SS)의 표면이 코팅된다.
강판(SS)은 싱크롤(111)에 의해 진행 방향이 전환되어 도금 포트(110) 상부로 이동한다. 도금 포트(110) 내의 용융 금속(112)에 의해 표면이 도금된 강판(SS)은 도금 포트(110) 상부로 인출된다. 강판(SS)은 진행 방향을 따라 차례로 배치된 에어 나이프(120) 및 냉각부(130)를 거쳐 도금 강판으로 제조된다. 냉각부(130)를 거쳐 냉각된 강판(SS)은 텐션롤(140)을 거쳐 공정으로 진행된다.
일 실시예에서, 도금 용액은 아연, 아연 합금, 알루미늄 및/또는 알루미늄 합금 등이 사용될 수 있다.
에어 나이프(120)는 강판(SS)의 진행 방향을 따라 도금 포트(110) 후단에서 강판의 일면 또는 양면에 배치되어 강판의 도금량을 제어한다. 에어 나이프(120)는 에어 나이프(air knife)(121, 122)를 포함하며, 에어 나이프(121, 122)는 강판(SS) 표면에 부착된 도금층에 에어 나이프 갭만큼 이격된 거리에서 에어 나이프 압력으로 기체를 분사하여 도금량을 조절한다. 예를 들면, 에어 나이프(120)는 강판(SS) 폭방향으로 연장되고 내부에는 극저온 액체가 순환되는 바디를 가지고, 바디 선단에는 강판(SS)의 도금층에 대해서 에어 나이프 각도만큼 기울어진 팁(도시하지 않음)이 형성되어 있을 수 있다.
에어 나이프(121, 122) 각각은 제어 신호(AFC1, AFC2)에 따라 에어 나이프 갭 및 압력을 제어할 수 있다. 도 1에서 제어 신호(AFC1, AFC2)가 데이터 통신 장치(300)를 통해 에어 나이프(121, 122)로 전송되는 것으로 도시되어 있으나, 발명이 이에 한정되는 것은 아니다. 에어 나이프(121, 122) 각각은 도금량 제어 장치(200)로부터 직접 제어 신호(AFC1, AFC2)를 수신할 수 있다.
냉각부(130)는 강판(SS) 표면의 도금층에 직접 접촉하여 강판(SS)을 냉각한다. 예를 들면, 냉각체(131, 132)는 강판 폭방향으로 연장되고 내부에는 극저온 액체가 순환되며 강판 표면의 도금층에 가압되어 냉기를 가하는 냉각롤(도시하지 않음)을 포함할 수 있다. 이러한 냉각롤은 복수 개가 강판(SS)의 진행 방향을 따라 간격을 두고 다단으로 배치될 수 있다.
도금량 제어 장치(200)는 도금 장치(100)의 도금 조업에 사용되는 조업 조건을 자동으로 제어한다. 일 실시예에 따른 도금량 제어 장치(200)는 축적된 조업 조건 중 입력되는 조업 조건에 기초하여 에어 나이프 갭을 도출하고, 도출된 에어 나이프 갭 및 적어도 목표 도금량을 포함하는 조업 조건을 예측 모델에 입력하여 에어 나이프 압력을 도출할 수 있다. 또한, 도금량 제어 장치(200)는 전/후면 에어 나이프 압력에 기초하여 최적 에어 나이프 압력을 도출하고, 최적 에어 나이프 압력에 기초하여 전/후면 에어 나이프 갭을 보정할 수 있다.
도금량 측정 장치(400)는 강판의 전/후면을 스캔하여 전/후면 도금량을 측정하고, 그 측정값(FB1, FB2)을 생성한다. 도금량 측정 장치(400)는 전면 도금량 측정부(401) 및 후면 도금량 측정부(402)를 포함하고, 전면 도금량 측정부(401)는 전면 도금량의 측정값(FB1)을 생성하고, 후면 도금량 측정부(402)는 후면 도금량의 측정값(FB2)을 생성한다.
데이터 통신 장치(300)는 도금 장치(100)에서 도금 조업에 사용된 조업 조건및 도금 장치(100)에서 조업 조건에 따라 도금된 강판의 도금량을 측정한 값인 도금량 측정값(FB1, FB2)을 포함하는 조업 데이터를 수집하고, 도금량 제어 장치(200)로 전송할 수 있다. 또한, 데이터 통신 장치(300)는 도금량 제어 장치(200)로부터 조업 지시에 관한 데이터를 수신하고, 대응하는 제어 신호를 도금 장치(100)로 전송할 수 있다. 이러한 데이터 통신 장치(300)는 도금 장치(100) 및 도금량 제어 장치(200)와 통신할 수 있는 컴퓨팅 장치로 구현될 수 있다.
도 2는 일 실시예에 따른 도금량 제어 장치를 나타낸 도면이다.
도 2에 도시된 바와 같이, 도금량 제어 장치(200)는, 도금량 예측부(210), 에어 나이프 조건 도출부(220), 피드백 모델 보정부(230), 도금량 예측 모델부(240), 및 데이터 베이스(250)을 포함한다.
데이터 베이스(250)는 조업 조건에 관한 데이터를 입력 받아 저장할 수 있다. 에어 나이프 조건 도출부(220)는 최적 에어 나이프 갭을 도출하는데 있어 데이터 베이스(250)에 저장된 데이터를 이용할 수 있다. 도 2에서는 도금량 제어 장치(200)에 데이터 베이스(250)가 포함된 것으로 도시되어 있으나, 발명이 이에 한정되는 것은 아니고, 데이터 베이스(250)는 별도의 장치로 구현되고 도금량 제어 장치(200)와 서로 데이터를 송수신할 수 있다.
도금량 예측 모델부(240)는 전/후면 도금량 각각에 대한 별도의 도금량 예측 모델을 포함하고, 각 도금량 예측 모델은 축적된 조업 조건을 학습한 신경망으로 구현될 수 있다.
도금량 예측부(210)는 도금량 예측 모델부(240)의 도금량 예측 모델을 이용하여 도금량을 예측할 수 있다. 예를 들어, 도금량 예측부(210)는 조업 조건을 입력받고, 도금량 예측 모델부(240)의 전/후면 도금량 예측 모델을 통해 입력되는 조업 조건에 따른 전/후면 도금량 예측값(ECP1, ECP2)을 예측하여 출력한다.
에어 나이프 조건 도출부(220)는 도금량 예측 모델을 이용하여 현재 조업 조건에서 전/후면의 최적 에어 나이프 갭과 에어 나이프 압력을 도출할 수 있다. 에어 나이프 조건 도출부(220)는 도금량 예측 모델에 에어 나이프 갭 및 에어 나이프 압력 중 하나와 목표 도금량을 입력하고, 도금량 예측 모델을 역산하여 에어 나이프 갭 및 에어 나이프 압력 중 나머지 하나를 도출할 수 있다.
예를 들어, 에어 나이프 조건 도출부(220)는 전/후면 에어 나이프 갭을 도출하고, 도출된 전/후면 에어 나이프 갭과 목표 도금량을 도금량 예측 모델부(240)의 전/후면 도금량 예측 모델에 입력하여 전/후면 에어 나이프 압력을 도출하며, 도출된 전/후면 에어 나이프 압력에 기초하여 최적 에어 나이프 압력을 도출하고, 최적 에어 나이프 압력과 목표 도금량을 전/후면 도금량 예측 모델에 입력하여 전/후면 최적 에어 나이프 갭을 도출할 수 있다.
도 3은 일 실시예에 따른 에어 나이프 조건 도출부를 나타낸 도면이다.
도 3에 도시된 바와 같이, 에어 나이프 조건 도출부(220)는 에어 나이프 갭 도출부(221), 에어 나이프 압력 도출부(222), 및 에어 나이프 갭 보정부(223)를 포함한다.
에어 나이프 갭 도출부(221)는 전면 에어 나이프 갭 도출부(2211) 및 후면 에어 나이프 갭 도출부(2212)를 포함한다. 전/후면 에어 나이프 갭 도출부(2211, 2212)는 조업 조건을 입력 받고, 전/후면 에어 나이프 갭(G1, G2)을 도출할 수 있다.
전/후면 에어 나이프 갭 도출부(2211, 2212) 각각은 데이터 베이스(250)에서 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출할 수 있다. 예를 들어, 전/후면 에어 나이프 갭 도출부(2211, 2212) 각각은 입력되는 조업 조건과 유사한 조업 조건들의 에어 나이프 갭들의 최빈값, 평균값, 및 중앙값 중 하나를 도출할 수 있다. 전/후면 에어 나이프 갭 도출부(2211, 2212) 각각은 입력되는 조업 조건과 유사한 조업 조건들의 에어 나이프 갭들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 에어 나이프 갭을 이용하여 에어 나이프 갭을 도출할 수 있다.
또는, 전/후면 에어 나이프 갭 도출부(2211, 2212) 각각은 축적된 조업 조건 중 에어 나이프 압력을 제외한 조업 조건을 신경망 학습하고, 학습된 신경망을 이용하여 입력되는 조업 조건에서의 에어 나이프 갭을 도출할 수 있다.
또는, 전/후면 에어 나이프 갭 도출부(2211, 2212) 각각은 축적된 조업 조건에 관한 룩업 테이블(Look-up table)을 이용하여 입력되는 조업조건에 해당하는 에어 나이프 갭을 도출할 수 있다. 일 실시예에서, 룩업 테이블은 축적된 조업 조건 중 숙련된 조업자들에 의해 수행된 조업에서 획득된 정확도가 높은 조업 조건들을 포함할 수 있다. 또는, 룩업 테이블은 도금 조업이 수행되는 라인의 고유 특성이 반영된 조업 조건들을 포함할 수 있다. 라인은 도금 조업을 위한 여러 설비들의 조합이므로, 라인마다 조업에 있어 특성이 상이할 수 있다. 이를 룩업 테이블에 반영함으로써, 도금량 제어의 정확도가 개선될 수 있다.
에어 나이프 압력 도출부(222)는 전면 에어 나이프 압력 도출부(2221), 후면 에어 나이프 압력 도출부(2222), 및 최적 에어 나이프 압력 도출부(2223)를 포함한다.
전/후면 에어 나이프 압력 도출부(2221, 2222)는 도금량 예측 모델부(240)로부터 전/후면 도금량 예측 모델을 로딩한다. 전/후면 에어 나이프 압력 도출부(2221, 2222)는 조업 조건 중 적어도 목표 도금량 및 전/후면 에어 나이프 갭(G1, G2)을 전/후면 도금량 예측 모델에 입력하고, 전/후면 도금량 예측 모델은 그 출력으로 전/후면 에어 나이프 압력(P1, P2)을 생성한다.
최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력(P1, P2)을 평균하여 최적 에어 나이프 압력(P)을 도출한다. 최적 에어 나이프 압력을 도출하기 위한 방법이 평균에 한정되는 것은 아니다. 평균은 일 예로, 전/후면 에어 나이프 압력(P1, P2)을 이용하여 동일한 최적 에어 나이프 압력을 도출하는 다양한 방식 중 하나가 일 실시예에 적용되거나, 전/후면 에어 나이프압력(P1, P2) 중어느하나를 선택하여 일 실시예에 적용될 수 있다.
또는, 최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력(P1, P2)을 비교하고, 비교 결과에 따라 전/후면 에어 나이프 압력을 보정할 수 있다.
예를 들어, 전/후면 에어 나이프 압력(P1, P2) 간의 차가 소정의 임계치 보다 작다면, 최적 에어 나이프 압력 도출부(2223)는 도출된 전/후면 에어 나이프 압력(P1, P2) 각각을 그대로 사용할 수 있다. 이 경우, 에어 나이프 갭 보정부(223)는 바이패스 되어, 최적 에어 나이프 갭으로 "G1" 및 "G2"가 그대로 출력되고, 최적 에어 나이프 압력으로 "P1" 및 "P2"가 그대로 출력될 수 있다.
전/후면 에어 나이프 압력 간의 차가 임계치 보다 크다면, 최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력(P1, P2)을 조정하여 최적 에어 나이프 압력을 도출할 수 있다. 일 예로 최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력(P1, P2)의 평균을 최적 에어 나이프 압력(P)으로 도출할 수 있다.
또는, 최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력(P1, P2) 간의 차가 소정의 임계치 이하가 되도록 조정하여 최적 에어 나이프 압력(P)을 도출할 수 있다. 예를 들어, 최적 에어 나이프 압력 도출부(2223)는 전/후면 에어 나이프 압력의 평균을 최적 에어 나이프 압력(P)으로 결정할 수 있다.
에어 나이프 갭 보정부(223)는 전면 에어 나이프 갭 보정부(2231) 및 후면 에어 나이프 갭 보정부(2232)를 포함한다.
전/후면 에어 나이프 갭 보정부(2231, 2232)는 도금량 예측 모델부(240)의 전/후면 도금량 예측 모델에 적어도 목표 도금량을 포함하는 조업 조건 및 최적 에어 나이프 압력(P)을 입력하고, 도금량 예측 모델은 최적 에어 나이프 갭(G3, G4)을 예측하여 출력한다.
최종적으로, 에어 나이프 조건 도출부(220)는 최적 에어 나이프 갭 및 압력으로 "G3", "G4", 및 "P"를 출력할 수 있다. 최적 에어 나이프 갭 및 압력은 데이터 통신 장치(300)로 전송되고, 데이터 통신 장치(300)는 이에 기초한 제어신호(AFC1, AFC2)를 생성하여 에어 나이프(121, 122)로 전송할 수 있다.
피드백 모델 보정부(230)는 전/후면 도금량 측정값(FB1, FB2) 및 전/후면 도금량 예측값(ECP1, ECP2)을 입력받고, 전/후면 도금량 측정값(FB1, FB2) 및 전/후면 도금량 예측값(ECP1, ECP2) 간의 차에 기초하여 도금량 예측 모델을 보정할 수 있다. 본 발명이 이에 한정되는 것은 아니고, 전/후면 도금량 예측값(ECP1, ECP2) 대신 목표 도금량을 이용하여 도금량 예측 모델을 보정할 수 있다. 즉, 피드백 모델 보정부(230)는 입력되는 목표 도금량과 전/후면 도금량 측정값(FB1, FB2) 간의 차에 기초하여 도금량 예측 모델을 보정할 수 있다.
예를 들어, 피드백 모델 보정부(230)는 강판이 소정의 오차 산출 구간(예를 들어, 10~15m)을 이동하는 동안 두 값의 차이들을 평균하여 평균 오차(ER1, ER2)를 도금량 예측 모델부(240)에 전송한다.
도금량 예측 모델부(240)는 평균 오차(ER1, ER2)를 반영하여 전/후면 도금량 예측 모델을 보정할 수 있다.
피드백 모델 보정부(230)는 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량과 도금량 측정값(FB1, FB2)의 위치를 정확히 매칭하기 위해 메모리 어레이(231)를 포함한다.
도 4는 일 실시예에 따른 메모리 어레이를 나타낸 도면이다.
도 4에 도시된 바와 같이, 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량과 도금량 측정값(FB1, FB2) 각각은 해당 위치에 대응하는 메모리 어레이(2311, 2312)에 저장된다. 예를 들어, 강판이 진행하는 방향을 따라 소정 간격(예를 들어, 1m)으로 강판이 구분되고, 각 영역에서의 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량과 도금량 측정값(FB1, FB2) 각각이 메모리 어레이(2311, 2312) 각각의 대응하는 셀에 저장된다.
에어 나이프(121, 122)에서 도금량 측정장치(401, 402)까지의 강판의 위치와 매칭되도록 강판 속도에 따라 메모리 어레이 셀이 시프트한다.
도 4에 도시된 바와 같이, 강판이 에어 나이프 위치(A1)에 도달한 시점에 동기되어 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량이 메모리 어레이(2311)의 대응하는 셀에 저장될 수 있다. 강판이 에어 나이프 위치(A1)를 소정 간격(1m)만큼 통과할 때마다, 셀이 시프트되고, 대응하는 메모리 어레이(2311)의 셀에 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량이 저장된다.
강판이 도금량 측정장치 위치(A2)에 도달하면 전/후면 도금량 측정값(FB1, FB2)이 메모리 어레이(2312)의 대응하는 셀(2312_2)에 저장된다. 강판이 에어 나이프 위치(A2)를 소정 간격(1m)만큼 통과할 때마다, 메모리 어레이(2312)의 셀이 시프트되고, 대응하는 메모리 어레이(2312)의 셀에 전/후면 도금량 측정값(FB1, FB2)이 저장된다.
셀(2311_1)에 대응하는 강판 영역이 도금량 측정장치 위치(A2)에 도달하여 전/후면 도금량 측정값(FB1, FB2)이 셀(2312_1)에 저장되면, 피드백 모델 보정부(230)는 셀(2312_1)에 저장된 전/후면 도금량 측정값(FB1, FB2)과 셀(2311_1)에 저장된 전/후면 도금량 예측값(ECP1, ECP2) 또는 입력되는 목표 도금량 간의 차를 산출한다.
이와 같은 방식으로, 피드백 모델 보정부(230)는 도금량 측정 장치 위치(A2)를 통과한 강판이 소정의 오차 산출 구간을 이동하는 동안 산출된 두 값의 차이들을 평균하여 평균 오차(ER1, ER2)를 산출할 수 있다. ER1은 오차 산출 구간에서 FB1-ECP1을 평균한 평균 오차이고, ER2은 오차 산출 구간에서 FB2-EPC2을 평균한 평균 오차이다.
그러면, 도금량 예측 모델부(240)는 평균 오차(ER1 or ER2)에 기초하여 도금량 예측 모델을 보정한다. 예를 들어, 도금량 예측 모델부(240)는 목표 도금량에 평균 오차를 반영하거나, 예측 도금량에 평균 오차를 반영할 수 있다.
예를 들어, 평균 오차(ER1 or ER2)만큼 목표 도금량을 감소시키거나, 평균 오차(ER1 or ER2)만큼 도금량 예측값을 증가시킬 수 있다.
도금량 예측 모델부(240)가 보정을 한 후에는, 보정된 도금량 예측 모델에 의해 예측한 부분이 도금량 측정장치 위치(A2)를 통과할 때까지 대기한다. 이 때, 피드백 모델 보정의 주기는 수학식 4와 같다.
[수학식 4]
피드백 모델 보정 주기 = [강판이 거리 A1-A2를 이동하는 시간]+[강판이 오차 산출 구간을 이동하는 시간]+[도금량 측정장치의 스캔 시간]
도금량 예측 모델의 보정 주기는 피드백 모델 보정 주기 보다 길어야 하며, 짧을 경우 헌팅이 발생할 수 있다. 이렇게 보정된 도금량 예측 모델은 다시 에어 나이프 조건 도출부에서 역산에 이용되므로 피드백 제어의 효과가 제공될 수 있다.
또한, 도금량 측정 장치(401, 402)가 도금량 측정을 위해 강판을 한 번 스캔할 때 마다, 강판의 폭 및 라인 속도에 따라 스캔 시간을 계산하고 피드백 모델 보정 주기를 결정할 수 있다. 예를 들어, 스캔 시간(t)은 강판의 폭(x)과 라인 속도(y)에 따라 t=ax+by+c와 같이 계산할 수 있다. 이 때, a, b, 및 c는 설계에 따라 결정되는 상수이다. 즉, 강판의 폭에 따라 스캔 시간을 계산함으로써, 강판에 따른 피드백 모델 보정 주기를 다르게 함으로써, 코일내에서 도금량 제어가 보다 정교하게 제어 가능하여 목표 도금량을 기준으로그 편차를1.6%에서 대략 0.25%까지 도금량 편차를 감소시킬 수 있다.
도 5는 일 실시예에 따른 도금량 편차와 종래 수동 조업에서의 도금량 편차를 나타낸 그래프이다.
도 5에 도시된 바와 같이, 목표 도금량 CWA, CWB, 및 CWC 각각에서, 일 실시 예에 따른 도금량 편차가 종래 수동 조업의 도금량 편차보다 월등히 개선된 점을 알 수 있다.
구체적으로, 목표 도금량 CWA, CWB, 및 CWC 에 대한 종래 수동 조업에 의한 도금량 편차가 SDA, SDB, 및 SDC 일 때, 일 실시예에 따라 도금량을 제어할 경우 도금량 편차가 0.33SDA, 0.17SDB, 및 0.34SDC로 감소한다.
도금량 편차를 저감시키면, 고객 주문 도금량을 달성하기 위한 실제 도금 부착 지시량을 종래에 비해 현격하게 감소시킬 수 있다. 예를 들어, 종래에 고객 주문 도금량을 달성하기 위해 실제 도금 부착 지시량이 양면합 3.22%의 과도금지시 였다면, 일 실시예를 이용한 경우 과도금지시를 양면합 0.499%까지 줄일 수 있다. 그러면, 종래에 비해 고객 주문 도금량을 달성하기 위한 과도금량이 저하되는 효과가 제공될 수 있다.
종래 수동 조업에 의해 발생하는 에지빌드업, 흐름무늬, 및 체크마크는 SPM(skin pass mill) 공정 후, 그 정도가 미약하여 육안으로 드러나지 않을 수 있다. 그러나 수직 또는 수평검사대에서 지석을 이용하여 전폭에대하여 1회 최소 5m 이상 길이에 대하여 표면검사(지석검사)를 실시하는 경우 모두 드러난다.
예를 들어, 원소재 냉연강판이 0.4t이하이면서 양면합이 도금량 140g/m2 이상인 도금강판은 종래 수동작업에 의해 에지빌드업(Edge Build-up)이 발생된다. 일 실시예에 따른 도금량 제어 장치 및 방법은 에지빌드업이 발생되지 않는 에어나이프 조건(예를 들어, 압력 과 갭)을 학습하여,자동 제어 함으로서 에지빌드업을 방지할수 있다.
에어 나이프에서 유체의 압력과 유량에 의해 도금량이 제어된 직후의 영역에서의 강판 온도는 예를 들어 430℃ 전/후이다. 그러면, 도금량이 제어된 직후의 영역은 응고 초기상태로서, 해당 영역의 표면에 산화막이 형성되어 있으나, 에어나이프로부터 유체가 강판에 충돌 후 빠져 나갈 때 발생되는 전단응력이 미응고된 산화막 층에 물리적인 힘을 가하게 된다. 이 때, 그 힘이 산화막의 파열에 필요한 임계 응력을 초과할 경우, 미세 파형(wave)이 유발되어, 도금된 강판의 전후면에 물결무늬 형태의 어두운 도금 흐름 자국인 흐름 무늬(Wave Mark)가 발생한다.
예를 들어, 후도금재에 대한 도금량 제어를 위해, 원거리 에어나이프 갭(예를 들어, 10mm 이상)을 사용할 때, 도금량을 맞추기 위해 에어나이프 갭의 변량을 최소 2mm이상으로 변경한다. 그러면, 강판표면에 흐름무늬가 발생하게 된다. 일 실시예에 따른 도금량 제어 장치 및 방법은 흐름무늬가 발생하는 경계조건을 학습하여 흐름무늬를 방지할 수 있다.
또한, 라인 속도, 와이핑(wiping) 압력, 용융 금속의 점성 등의 특정 조건에서, 스트립에 부착되어 상승하는 용융 금속과 와이핑(wiping)에 의해 하강하는 용융 금속의 유동이 발생하여, 스트립 폭방향의 반원형으로 무늬가 발생한다. 즉, 에어나이프 하부의 용융 금속 유동 현상이 다이아몬드 형상의 체크(check) 무늬 형태를 일정 패턴으로 발생시켜 체크마크(check mark)가 발생할 수 있다.
예를 들어, 종래 중박도금량 제어에서 라인속도가 일정한 경우, 체크마크가 발생할 수 있다. 일 실시예에 따른 도금량 제어 장치 및 방법은 표면결함감지장치(SDD)를 통해 판단한 결과를 기반으로, 체크마크가 발생하는 경계조건을 학습하여 체크마크를 방지할 수 있다.
본 발명의 일 실시예에서는 에어 나이프 갭을 먼저 도출하고 도출된 에어 나이프 갭에 기초하여 에어 나이프 압력을 도출한다. 강판에서 연속하는 코일 간의 도금량의 변동 폭이 소정치 이상인 경우에 일 실시예가 적용될 수 있다.
용융도금설비의 공정은 조업 특성상 연속공정이고, 에어나이프 갭과 압력을 동시에 지속적으로 도출하여 변경하는 경우, 목표 도금량에 수렴 하는 것을 목표로 함에도 불구하고, 최적화 과정 중 오답(Local Minima)에 빠져 잘못된 에어나이프 갭 및 압력이 도출되어, 실제 도금량이 목표 도금량에 수렴되지 않을 수 있다.
예를 들어, 도금량 측정 장치가 스캔한 후 피드백한 결과에서, 에어나이프 압력은 이미 최적값을 찾았음에도 불구하고,에어나이프 갭과 압력을 동시에도출할 경우, 에어나이프 갭을 최적화하면서 에어나이프 압력을 함께 변경하게 된다. 그러면, 목표 도금량을 달성하기 위한 에어나이프 갭 및 압력의 정답(Global Minima)을 못 찾고 계속 오답에 빠져, 계속 최적값을 찾기 위해 도금량 제어가 반복되는 현상이 발생한다.
이런 상황에서, 용융도금설비 운전자가 적절한 대응을 못하는 경우 과도금과 도금미달 상태로 스트립이 에어나이프를 통과하여 도금량을 조절할 수 없는 상태가 될 수 있다.
본 발명은 에어나이프 갭 및 압력 중 비교적 정확한 값을 축적된 조업 조건으로부터 도출하거나 축적된 조업 조건을 학습한 신경망을 이용하여 먼저 고정시킨 후, 나머지 인자를 도금량 예측 모델을 통해 제어함으로써, 오답(Local Minima)에 빠지는 확률을 현저히 감소시킬 수 있다.
일 실시예에 따르면, 목표 도금량이 제1 레벨에서 제2 레벨로 변경 시, 측정 도금량이 제2 레벨의 목표 도금량의 -3%~+3%에 도달하는 안정화 거리가 목표 도금량이 제1 레벨에서 제2 레벨로 변경된 기점으로부터 50M 미만일 수 있다.
또한, 목표 도금량이 변경된 제1 레벨에서 제2 레벨로 변경 시, 측정 도금량이 제2 레벨의 목표 도금량의 -1%~+1%에 수렴하는 거리가 목표 도금량이 제1 레벨에서 제2 레벨로 변경된 기점으로부터 250M 미만일 수 있다.
일 실시예에 따르면, 목표 도금량의 변화 기점으로부터 200M 구간 내에서, 스트립이 극박도금(예를 들어, 100g/m2 이하 제품)인 경우, 상기 스트립의 길이방향 양면합이 스트립의 전/후면 목표 도금량의 합 기준 0.25% 이하의 편차로 수렴하거나, 스트립이 중박도금(101~180 g/m2 제품)인 경우, 상기 스트립의 길이방향 양면합이 스트립의 전/후면 목표 도금량의 합 기준 0.66% 이하의 편차로 수렴하거나, 스트립이 후도금 180~300 g/m2 제품)인 경우, 스트립의 길이방향 양면합이 스트립의 전/후면 목표 도금량의 합 기준 1% 이하의 편차로 수렴할 수 있다.
참고로, 선행 코일의 목표 도금량(CW1)에 대한 후행 코일의 목표 도금량(CW2)의 비(CW1/CW2)는 0.29~3.43일 수 있다.
이상에서 본 발명의 일 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (32)

  1. 스트립이 용융 금속 포트에 담구어져 코팅되는 연속식 도금 공정에서, 상기 스트립의 진행 방향을 따라 배치된 에어 나이프를 이용하여 상기 스트립에 코팅된 도금량을 제어하는 장치에 있어서,
    축적된 조업 조건을 신경망 학습한 예측 모델을 포함하는 예측 모델부, 및
    입력되는 조업 조건에 기초하여 상기 예측 모델을 이용하여 에어나이프 갭과 에어 나이프 압력 중 적어도 하나의 절대값을 도출하는 최적 에어 나이프 조건 산출부를 포함하는 것을 특징으로 하는 도금량 제어 장치.
  2. 제1항에 있어서,
    상기 에어 나이프 조건 산출부는,
    상기 입력되는 조업 조건에 기초한 에어 나이프 갭을 도출하는 에어 나이프 갭 도출부, 및
    상기 축적된 조업 조건을 신경망 학습한 예측 모델을 이용하여 상기 입력되는 조업 조건 및 상기 도출된 에어 나이프 갭에 기초한 에어 나이프 압력을 도출하는 에어 나이프 압력 도출부를 포함하는 것을 특징으로 하는 도금량 제어 장치.
  3. 제2항에 있어서,
    상기 에어 나이프 갭 도출부는,
    상기 데이터 베이스에서 상기 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출하는 방법,
    상기 축적된 조업 조건 중 에어 나이프 압력을 제외한 조업 조건을 신경망 학습하고, 상기 학습된 신경망을 이용하여 에어나이프 갭을 도출하는 방법, 및
    룩업 테이블(Look-up table)을 이용하여 상기 입력되는 조업조건에 대응하는 에어 나이프 갭을 도출하는 방법 중 하나 이상의 방법을 이용하여,
    상기 에어 나이프 갭을 도출하는 것을 특징으로 하는 도금량 제어 장치.
  4. 제3항에 있어서,
    상기 데이터 베이스에서 통계적 방법을 통해 상기 에어나이프 갭을 도출하는 방법은,
    상기 데이터 베이스에서, 상기 입력되는 조업 조건에 해당하는 에어나이프 갭에 대한 데이터들의 최빈값, 평균값, 및 중앙값 중 하나, 및 상기 데이터들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 값 중 하나 이상을 이용하는 것을 특징으로 하는 도금량 제어 장치.
  5. 제2항에 있어서,
    상기 에어 나이프 갭 도출부는,
    상기 입력되는 조업 조건에 기초하여 상기 스트립의 일면에 대한 제1 에어 나이프 갭을 도출하고,
    상기 입력되는 조업 조건에 기초하여 상기 스트립의 타면에 대한 제2 에어 나이프 갭을 도출하며,
    상기 에어 나이프 압력 도출부는,
    상기 스트립의 일면에 대한 제1 예측 모델 및 상기 스트립의 타면에 대한 제2 예측 모델을 포함하고,
    상기 제1 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제1 에어 나이프 갭을 적용하여 상기 스트립의 일면에 대한 제1 에어 나이프 압력을 도출하고,
    상기 제2 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제2 에어 나이프 갭을 적용하여 상기 스트립의 타면에 대한 제2 에어 나이프 압력을 도출하는 것을 특징으로 하는 도금량 제어 장치.
  6. 제5항에 있어서,
    상기 에어 나이프 압력 도출부는,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 비교하고, 상기 비교 결과에 따라 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 보정하는 것을 특징으로 하는 도금량 제어 장치.
  7. 제5항에 있어서,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 소정의 임계치 보다 작을 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 각각을 출력하거나,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 보다 클 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 것을 특징으로 하는 도금량 제어 장치.
  8. 제5항에 있어서,
    상기 에어 나이프 압력 도출부는,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 차가 소정의 임계치 이하가 되도록 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 동작을 수행하고,
    상기 최적 에어 나이프 조건 산출부는,
    상기 보정된 제1 및 제2 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 보정된 에어 나이프 갭을 상기 예측 모델을 이용하여 도출하는 에어 나이프 갭 보정부를 더 포함하는 것을 특징으로 하는 도금량 제어 장치.
  9. 제5항에 있어서,
    상기 에어 나이프 압력 도출부는,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하고,
    상기 최적 에어 나이프 조건 산출부는,
    상기 최적 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 에어 나이프 갭을 다시 도출하는 에어 나이프 갭 보정부를 더 포함하는 것을 특징으로 하는 도금량 제어 장치.
  10. 제2항에 있어서,
    상기 스트립의 도금량을 측정하고, 상기 도금량 측정값과 상기 예측 모델을 이용하여 예측된 도금량 예측값 또는 상기 입력되는 조업 조건에 포함된 목표 도금량 간의 차에 기초하여 상기 예측 모델을 보정하는 것을 특징으로 하는 도금량 제어 장치.
  11. 제10항에 있어서,
    상기 스트립이 소정 거리만큼 이동한 후, 상기 도금량 측정값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델의 예측값 또는 상기 예측 모델에 입력되는 목표 도금량을 보정하는 것을 특징으로 하는 도금량 제어 장치.
  12. 제11항에 있어서,
    상기 스트립이 상기 소정 거리만큼 이동하는 동안, 상기 도금량 예측값 또는 상기 목표 도금량과 상기 도금량 측정값 각각을 대응하는 셀에 저장하는 메모리 어레이를 더 포함하는 것을 특징으로 하는 도금량 제어 장치.
  13. 제1항에 있어서,
    상기 예측 모델은 도금량 예측 모델이고,
    상기 입력되는 조업 조건을 입력으로 하고, 도금량을 예측하여 출력하는 모델인 것을 특징으로 하는 도금량 제어 장치.
  14. 제1항 내지 제13항 중 어느 한 항에 있어서,
    상기 조업 조건은 상기 스트립 공정이 수행되는 라인 관련 조업 조건, 상기 에어 나이프 관련 조업 조건, 및 상기 스트립 관련 조업 조건 중 어느 하나 이상을 포함하는 것을 특징으로 하는 도금량 제어 장치.
  15. 스트립이 용융 금속 포트에 담구어져 코팅되는 연속식 도금 공정에서, 상기 스트립의 진행 방향을 따라 배치된 에어 나이프를 이용하여 상기 스트립에 코팅된 도금량을 제어하는 방법에 있어서,
    축적된 조업 조건을 신경망 학습하는 단계, 및
    입력되는 조업 조건에 기초하여 상기 학습된 신경망을 이용하여 에어나이프 갭과 압력 중 적어도 하나의 절대값을 도출하는 단계를 포함하는 것을 특징으로 하는 도금량 제어 방법.
  16. 제15항에 있어서,
    상기 축적된 조업 조건을 신경망 학습하여 예측 모델을 구축하는 단계,
    상기 입력되는 조업 조건에 기초한 에어 나이프 갭을 도출하는 단계, 및
    상기 예측 모델을 이용하여 상기 입력되는 조업 조건 및 상기 에어 나이프 갭에 기초한 에어 나이프 압력을 도출하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  17. 제16항에 있어서,
    상기 에어 나이프 갭을 도출하는 단계는,
    상기 데이터 베이스에서 상기 입력되는 조업 조건에 해당하는 조업 조건들을 대상으로 통계적 방법을 통해 에어 나이프 갭을 도출하는 단계,
    상기 축적된 조업 조건 중 에어 나이프 압력을 제외한 조업 조건을 신경망 학습하고, 상기 학습된 신경망을 이용하여 에어나이프 갭을 도출하는 단계, 및
    룩업 테이블(Look-up table)을 이용하여 상기 입력되는 조업 조건에 대응하는 에어 나이프 갭을 도출하는 단계
    중 적어도 하나를 포함하는 것을 특징으로 하는 도금량 제어 방법.
  18. 제17항에 있어서,
    상기 데이터 베이스에서 통계적 방법을 통해 상기 에어 나이프 갭을 도출하는 방법은,
    상기 데이터 베이스에서, 상기 입력되는 조업 조건에 해당하는 에어나이프 갭에 대한 데이터들의 최빈값, 평균값, 및 중앙값 중 하나, 및 상기 데이터들 중 목표 도금량과 측정된 도금량 간의 도금량 오차가 가장 적은 값 중 하나 이상을 이용하는 것을 특징으로 하는 도금량 제어 방법.
  19. 제16항에 있어서,
    상기 에어 나이프 갭을 도출하는 단계는,
    상기 입력되는 조업 조건에 기초하여 상기 스트립의 일면에 대한 제1 에어 나이프 갭을 도출하는 단계, 및
    상기 입력되는 조업 조건에 기초하여 상기 스트립의 타면에 대한 제2 에어 나이프 갭을 도출하는 단계를 포함하고,
    상기 예측 모델은 상기 스트립의 일면에 대한 제1 예측 모델 및 상기 스트립의 타면에 대한 제2 예측 모델을 포함하며,
    상기 에어 나이프 압력을 도출하는 단계는,
    상기 제1 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제1 에어 나이프 갭을 적용하여 상기 스트립의 일면에 대한 제1 에어 나이프 압력을 도출하는 단계, 및
    상기 제2 예측 모델에 대해 적어도 상기 입력되는 조업 조건 및 상기 제2 에어 나이프 갭을 적용하여 상기 스트립의 타면에 대한 제2 에어 나이프 압력을 도출하는 단계를 포함하는 것을 특징으로 하는 도금량 제어 방법.
  20. 제19항에 있어서,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 비교하고, 상기 비교 결과에 따라 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 보정하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  21. 제19항에 있어서,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 소정의 임계치 보다 작을 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 각각을 출력하는 단계, 및
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 보다 클 경우, 상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력을 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  22. 제19항에 있어서,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력 간의 차가 상기 소정의 임계치 이하가 되도록 조정하여 보정된 제1 에어 나이프 압력 및 제2 에어 나이프 압력을 도출하는 단계, 및
    상기 보정된 제1 및 제2 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 보정된 에어 나이프 갭을 예측 모델을 이용하여 도출하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  23. 제22항에 있어서,
    상기 최적 에어 나이프 압력을 도출하는 단계는
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하는 단계를 포함하는 것을 특징으로 하는 도금량 제어 방법.
  24. 제20항에 있어서,
    상기 제1 에어 나이프 압력 및 상기 제2 에어 나이프 압력의 평균을 최적 에어 나이프 압력으로 도출하는 단계, 및
    상기 최적 에어 나이프 압력에 기초하여 상기 스트립의 일면 및 타면 각각에 대한 에어 나이프 갭을 다시 도출하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  25. 제16항에 있어서,
    상기 예측 모델을 이용하여 도금량을 예측하는 단계,
    상기 스트립의 도금량을 측정하는 단계, 및
    상기 도금량 측정 값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델을 보정하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  26. 제25항에 있어서,
    상기 예측 모델을 보정하는 단계는,
    상기 스트립이 소정 거리만큼 이동한 후, 상기 측정된 도금량 측정값과 상기 도금량 예측값 또는 상기 목표 도금량 간의 차에 기초하여 상기 예측 모델의 예측값 또는 상기 목표 도금량을 보정하는 단계를 포함하는 것을 특징으로 하는 도금량 제어 방법.
  27. 제26항에 있어서,
    상기 예측 모델을 보정하는 단계는,
    상기 스트립이 상기 소정 거리만큼 이동하는 동안, 상기 도금량 예측값 또는 상기 목표 도금량과 상기 도금량 측정값 각각을 메모리 어레이의 대응하는 셀에 저장하는 단계를 더 포함하는 것을 특징으로 하는 도금량 제어 방법.
  28. 제16항에 있어서,
    상기 예측 모델은 도금량 예측 모델이고,
    상기 입력되는 조업 조건을 입력으로 하고, 도금량을 출력으로 하는 모델인 것을 특징으로 하는 도금량 제어 방법.
  29. 제15항 내지 제28항 중 어느 한 항에 있어서,
    상기 조업 조건은 상기 스트립 공정이 수행되는 라인 관련 조업 조건, 상기 에어 나이프 관련 조업 조건, 및 상기 스트립 관련 조업 조건 중 어느 하나 이상을 포함하는 것을 특징으로 하는 도금량 제어 방법.
  30. 제15항 내지 제28항 중 어느 한 항의 도금량 제어 방법에 따라 생산된 스트립에 있어서,
    상기 스트립에 대한 목표 도금량이 제1 레벨에서 제2 레벨로 변경시,
    측정 도금량이 상기 제2 레벨의 목표 도금량의 -3~3%에 도달하는 안정화 거리가 목표도금량 변화 기점으로부터 50M 미만이거나,
    측정 도금량이 상기 제2 레벨의 목표 도금량의 -1~+1%에 수렴하는 거리가 목표도금량 변화 기점으로부터 250M 미만인 것을 특징으로 하는 스트립.
  31. 제15항 내지 제28항 중 어느 한 항의 도금량 제어 방법에 따라 생산된 스트립에 있어서,
    목표 도금량 변화 기점으로부터 200M 구간 내에서,
    상기 스트립이 극박도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 0.25% 이하의 편차,
    상기 스트립이 중박도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 0.66% 이하의 편차, 또는
    상기 스트립이 후도금인 경우, 상기 스트립의 길이방향 양면합이 상기 스트립의 전후면 목표 도금량의 합 기준 1% 이하의 편차로 수렴하는 것을 특징으로 하는 스트립.
  32. 제15항 내지 제28항 중 어느 한 항의 도금량 제어 방법에 따라 생산된 스트립에 있어서,
    상기 스트립 표면에 사선 무늬 형태의 체크마크(Check Mark)가 발생하지 않는 것을 특징으로 하는 스트립.
PCT/KR2019/010631 2018-09-21 2019-08-21 도금량 제어 장치 및 도금량 제어 방법 WO2020060044A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP19862948.7A EP3865602A4 (en) 2018-09-21 2019-08-21 COATING WEIGHT CONTROL DEVICE AND COATING WEIGHT CONTROL METHOD
US17/278,144 US20210348259A1 (en) 2018-09-21 2019-08-21 Coating weight control apparatus and coating weight control method
CN201980070452.8A CN113039305B (zh) 2018-09-21 2019-08-21 镀覆量控制装置和镀覆量控制方法
JP2021516356A JP7269330B2 (ja) 2018-09-21 2019-08-21 メッキ量制御装置およびメッキ量制御方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0114322 2018-09-21
KR1020180114322A KR102180828B1 (ko) 2018-09-21 2018-09-21 도금량 제어 장치 및 도금량 제어 방법

Publications (1)

Publication Number Publication Date
WO2020060044A1 true WO2020060044A1 (ko) 2020-03-26

Family

ID=69887455

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/010631 WO2020060044A1 (ko) 2018-09-21 2019-08-21 도금량 제어 장치 및 도금량 제어 방법

Country Status (6)

Country Link
US (1) US20210348259A1 (ko)
EP (1) EP3865602A4 (ko)
JP (1) JP7269330B2 (ko)
KR (1) KR102180828B1 (ko)
CN (1) CN113039305B (ko)
WO (1) WO2020060044A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022090907A1 (en) 2020-10-27 2022-05-05 Edwards Lifesciences Innovation (Israel) Ltd. Devices and methods for area reduction and closure of cardiac openings or cavities
CN114488778A (zh) * 2022-01-24 2022-05-13 宝钢湛江钢铁有限公司 一种连续热镀锌机组气刀参数自动控制方法
WO2022172149A1 (en) 2021-02-09 2022-08-18 Edwards Lifesciences Innovation (Israel) Ltd. Tissue anchors and techniques for use therewith
WO2022224071A1 (en) 2021-04-22 2022-10-27 Edwards Lifesciences Innovation (Israel) Ltd. Catheter stabilization devices
WO2024069302A1 (en) 2022-09-28 2024-04-04 Edwards Lifesciences Innovation (Israel) Ltd. Tissue anchors and methods of construction thereof

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102177525B1 (ko) * 2018-09-21 2020-11-11 주식회사 포스코 도금량 제어 장치 및 제어 방법
WO2023186438A1 (en) * 2022-03-28 2023-10-05 Nv Bekaert Sa Control system for heavy metallic coating weight
CN117265449B (zh) * 2023-11-21 2024-03-19 江苏友发钢管有限公司 一种钢管镀锌风环控制系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080026134A1 (en) * 2006-07-27 2008-01-31 Masahiro Kayama System and method for controlling plating amount
KR100815815B1 (ko) * 2006-12-27 2008-03-20 주식회사 포스코 연속 도금공정에서 도금량 제어방법
KR100815814B1 (ko) * 2006-12-22 2008-03-20 주식회사 포스코 연속도금공정에서의 도금 부착량 제어 방법 및 장치
CN106167887A (zh) * 2016-07-04 2016-11-30 浙江中控研究院有限公司 基于刀距动态补偿的热镀锌镀层厚度快速切换方法及系统
KR101688384B1 (ko) * 2015-07-08 2016-12-21 주식회사 성화이앤씨 연속 용융도금 설비의 도금두께 제어 시스템 및 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4135006A (en) * 1974-07-29 1979-01-16 United States Steel Corporation Automatic coating weight controls for automatic coating processes
US20040050323A1 (en) * 2001-08-24 2004-03-18 Hong-Kook Chae Apparatus for controlling coating weight on strip in continuous galvanizing process
JP4354978B2 (ja) * 2006-08-28 2009-10-28 株式会社日立製作所 めっき付着量制御装置および制御方法
WO2008083071A1 (en) 2006-12-28 2008-07-10 Saint-Gobain Ceramics & Plastics, Inc. Method of grinding a sapphire substrate
CN103205665B (zh) * 2012-01-13 2015-05-06 鞍钢股份有限公司 一种连续热镀锌线锌层厚度自动控制方法
JP2014190176A (ja) 2013-03-26 2014-10-06 Toshiba Carrier Corp 回転式圧縮機及び冷凍サイクル装置
CN106637026B (zh) * 2016-12-09 2019-01-25 浙江中控研究院有限公司 一种镀锌过程气刀压力实时优化控制方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080026134A1 (en) * 2006-07-27 2008-01-31 Masahiro Kayama System and method for controlling plating amount
KR100815814B1 (ko) * 2006-12-22 2008-03-20 주식회사 포스코 연속도금공정에서의 도금 부착량 제어 방법 및 장치
KR100815815B1 (ko) * 2006-12-27 2008-03-20 주식회사 포스코 연속 도금공정에서 도금량 제어방법
KR101688384B1 (ko) * 2015-07-08 2016-12-21 주식회사 성화이앤씨 연속 용융도금 설비의 도금두께 제어 시스템 및 방법
CN106167887A (zh) * 2016-07-04 2016-11-30 浙江中控研究院有限公司 基于刀距动态补偿的热镀锌镀层厚度快速切换方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022090907A1 (en) 2020-10-27 2022-05-05 Edwards Lifesciences Innovation (Israel) Ltd. Devices and methods for area reduction and closure of cardiac openings or cavities
WO2022172149A1 (en) 2021-02-09 2022-08-18 Edwards Lifesciences Innovation (Israel) Ltd. Tissue anchors and techniques for use therewith
WO2022224071A1 (en) 2021-04-22 2022-10-27 Edwards Lifesciences Innovation (Israel) Ltd. Catheter stabilization devices
CN114488778A (zh) * 2022-01-24 2022-05-13 宝钢湛江钢铁有限公司 一种连续热镀锌机组气刀参数自动控制方法
CN114488778B (zh) * 2022-01-24 2023-11-10 宝钢湛江钢铁有限公司 一种连续热镀锌机组气刀参数自动控制方法
WO2024069302A1 (en) 2022-09-28 2024-04-04 Edwards Lifesciences Innovation (Israel) Ltd. Tissue anchors and methods of construction thereof

Also Published As

Publication number Publication date
KR102180828B1 (ko) 2020-11-19
EP3865602A1 (en) 2021-08-18
EP3865602A4 (en) 2022-05-11
CN113039305A (zh) 2021-06-25
JP7269330B2 (ja) 2023-05-08
CN113039305B (zh) 2023-09-19
EP3865602A9 (en) 2021-10-06
US20210348259A1 (en) 2021-11-11
KR20200034482A (ko) 2020-03-31
JP2022500560A (ja) 2022-01-04

Similar Documents

Publication Publication Date Title
WO2020060044A1 (ko) 도금량 제어 장치 및 도금량 제어 방법
KR102180827B1 (ko) 도금량 제어 장치 및 도금량 제어 방법
WO2017111243A1 (ko) 교정 시스템 및 교정 방법
KR100815814B1 (ko) 연속도금공정에서의 도금 부착량 제어 방법 및 장치
JP7405844B2 (ja) 産業亜鉛めっきラインにおいて塗装重量均一性を制御する方法
KR100815815B1 (ko) 연속 도금공정에서 도금량 제어방법
WO2020060273A1 (ko) 도금량 제어 장치 및 제어 방법
JP4796117B2 (ja) 圧延機における形状制御方法および形状制御装置
WO2018062860A2 (ko) 균일처리장치 및 산세장치
US5370902A (en) Regulating method for a metallurgical treatment carried out on a moving product and device for its implementation
JP4037569B2 (ja) 溶融めっき金属帯のめっき付着量制御方法
JP2002275613A (ja) めっき付着量制御方法及び制御システム
WO2019132343A1 (ko) 강판 냉각 장치
KR100711472B1 (ko) 연속소둔로의 강판 장력 제어방법
KR100380729B1 (ko) 도금량 프로파일을 이용한 도금부착량 제어장치 및 그 제어방법
WO2023211055A1 (ko) 예측 제어 장치 및 그의 동작 방법
KR101517772B1 (ko) 용융 도금 공정에서의 라인 속도 변화에 따른 도금량 제어 방법
KR100530074B1 (ko) 강판 패싱라인의 움직임을 보상하는연속식용융도금공정에서의 에어나이프 간격 제어 장치 및방법
JPH09279323A (ja) 溶融めっき鋼板の幅方向目付量制御方法及び装置
CN115637313A (zh) 一种在线调整带钢屈服强度的方法及系统
WO2011052871A1 (ko) 온도측정장치, 사상압연장치용 온도측정기, 이를 구비하는 온도측정방법 및 사상압연장치의 제어방법
KR100443145B1 (ko) 욕조의 상부에서 도금강판의 곡률을 추정하는 방법 및 그시스템
KR20030053390A (ko) 제철 연속 라인에서의 강판의 비접촉식 진동 억제 장치
JP2005089849A (ja) スパングルサイズ制御システム
KR100573566B1 (ko) 반곡 형상 측정 장치 및 방법

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: 19862948

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021516356

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019862948

Country of ref document: EP

Effective date: 20210421