WO2020130534A1 - 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법 - Google Patents

연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법 Download PDF

Info

Publication number
WO2020130534A1
WO2020130534A1 PCT/KR2019/017807 KR2019017807W WO2020130534A1 WO 2020130534 A1 WO2020130534 A1 WO 2020130534A1 KR 2019017807 W KR2019017807 W KR 2019017807W WO 2020130534 A1 WO2020130534 A1 WO 2020130534A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
molten steel
mold
defect
electromagnetic
Prior art date
Application number
PCT/KR2019/017807
Other languages
English (en)
French (fr)
Inventor
박인범
이진호
진선용
이승재
Original Assignee
주식회사 포스코
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Publication of WO2020130534A1 publication Critical patent/WO2020130534A1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/04—Continuous casting of metals, i.e. casting in indefinite lengths into open-ended moulds
    • B22D11/049—Continuous casting of metals, i.e. casting in indefinite lengths into open-ended moulds for direct chill casting, e.g. electromagnetic casting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/10—Supplying or treating molten metal
    • B22D11/11—Treating the molten metal
    • B22D11/114—Treating the molten metal by using agitating or vibrating means
    • B22D11/115—Treating the molten metal by using agitating or vibrating means by using magnetic fields
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/16—Controlling or regulating processes or operations
    • B22D11/18—Controlling or regulating processes or operations for pouring

Definitions

  • An embodiment relates to a continuous casting machine, a molten steel flow control system and a molten steel flow control method, and more particularly, to a continuous casting machine, a molten steel flow control system and a molten steel flow control method for controlling the flow of molten steel in a mold of the continuous casting machine. .
  • the continuous casting facility is a facility for continuously casting molten metal into a solid cast, a ladle carrying refined molten steel, and a tundish that temporarily stores molten steel from the ladle. ), it is composed of a mold that continuously receives molten steel from a tundish and first solidifies it into a slab, and a cooling table that performs secondary cooling of the cast continuously drawn from the mold and performs a series of molding operations. .
  • the molten steel is tundished and stays for a predetermined time, non-metallic inclusions are floated off, slag is stabilized, and re-oxidation is prevented. Thereafter, molten steel is supplied to the mold to form an initial solidification layer in the shape of a cast.
  • the quality of the cast in the mold is determined by various factors such as the melt flow rate and the flow of molten steel in the mold. Among them, the flow rate of the hot water noodle is closely related to whether or not the mold flux is incorporated, and the flow of molten steel in the mold affects the floating separation and attachment position of the non-metallic inclusions.
  • the molten steel flow control method for controlling the flow of molten steel inside the mold is optimally controlled by the electromagnetic generator through learning of defect information of coils and a plurality of operation data collected during the past continuous casting operation.
  • the method may include predicting optimum control information of an electromagnetic generator that applies electromagnetic force, and controlling electromagnetic force generation of the electromagnetic generator based on the optimal control information.
  • Generating the predictive model may include generating the predictive model through learning based on big data or artificial intelligence.
  • the collecting step in relation to the current playing operation, temperature information according to the position in the mold, information about the amount of argon gas blown into the mold, and the clogging index of the immersion nozzle for injecting the molten steel into the mold, Collecting at least one of width information of the mold, discharge amount information of the immersion nozzle, steel type information of the molten steel, shape information of the immersion nozzle, and immersion depth information of the immersion nozzle as operation data used for the learning; It can contain.
  • the coil quality may be improved by controlling the flow of molten steel in a mold to occur in a direction capable of minimizing coil defects during continuous casting.
  • FIG. 1 schematically shows a continuous casting machine according to an embodiment.
  • FIG. 2 schematically illustrates a molten steel flow control system according to an embodiment.
  • FIG 3 shows an example of an electromagnetic generator according to an embodiment.
  • FIG 4 shows an example of electromagnetic force applied to the mold by the electromagnetic generator according to the embodiment.
  • FIG 5 illustrates, for example, a correlation between the flow of molten steel in a mold and the distribution of defects.
  • FIG. 1 schematically shows a continuous casting machine according to an embodiment.
  • tundish (10) is supplied with molten steel (5a) from a ladle (not shown) that carries refined molten steel. Save temporarily.
  • the molten steel 5a accommodated in the tundish 10 stays within the tundish 10 for a certain period of time, and non-metallic inclusions are floated off and the slag is stabilized to prevent re-oxidation.
  • the molten steel 5a accommodated in the tundish 10 is supplied to the mold 30 through an outlet formed at the bottom of the tundish 10.
  • the immersion nozzle 20 includes a discharge hole located inside the mold 30 and injects molten steel supplied from the outlet of the tundish 10 into the mold 30 through the discharge hole.
  • the cast piece 5b formed by the mold 30 is drawn from the mold 30 by the guide roll 40.
  • the cast piece 5b continuously drawn from the mold 30 is then second cooled by a cooling table (not shown) and is made into a final product (for example, a coil, etc.) through a series of molding operations.
  • the flow of molten steel in the mold 30 serves as an important factor in determining the quality of the final product obtained from the cast 5b, as well as the cast 5b cast from the molten steel.
  • the flow of molten steel in the mold 30 is composed of an upstream (5-1) and a downstream (5-2), which is the degree of mixing of the mold flux 61 with respect to the cast piece (5b), respectively And affects the behavior of the non-metallic inclusions, thereby affecting the quality of the cast 5b, and further determining the quality of the final product (eg coil) obtained from the cast 5b.
  • the flow of molten steel in an optimal state for the operating environment is provided through an electromagnetically applied flow control system (see reference numeral 100 in FIG. 2) so that not only the quality of the cast piece 5b but also the quality of the final product is improved. Control.
  • the electromagnetic generator 110 is a device that generates electromagnetic force when power is applied, and may include a core and a coil wound around the core.
  • the electromagnetic generator 110 is coupled to the outside of the mold 30, it can be used as an electromagnetic stirrer (Electro Magnetic Stirrer, EMS) to control the flow of molten steel in the mold 30.
  • EMS Electro Magnetic Stirrer
  • each electromagnetic generator (110a, 110b, 110c, 110d) includes a core 111 and a coil 112 wound outside the core 111, when power is applied to the coil 112, as shown in FIG. , To generate the electromagnetic force 200.
  • the electromagnetic force 200 generated by the electromagnetic generators 110a, 110b, 110c, and 110d generates an electromagnetic force directed into the mold 30, which is transmitted to the molten steel 5 inside the mold 30 and molten steel 5 It affects the flow.
  • FIG. 3 shows an example in which the electromagnetic generator 110 is coupled to the mold 30, and the technical spirit of the present invention is not limited thereto.
  • the position where the electromagnetic generator 110 is attached to the mold 30 or the number of the electromagnetic generators 110 attached to the outer wall of the mold 30 may be changed.
  • the coil constituting the electromagnetic generator 110 may be wound inside the core, not outside the core.
  • the electromagnetic controller 120 controls the electromagnetic force generated by the electromagnetic generator 110 by controlling the electric power applied to the electromagnetic generator 110, thereby controlling the flow of molten steel in the mold 30. can do.
  • the electromagnetic controller 120 may control the intensity of the electromagnetic force generated in the electromagnetic generator 110 by adjusting the intensity of power (or current) applied to the electromagnetic generator 110.
  • the electromagnetic generator 110 When the electromagnetic generator 110 is designed to adjust the direction of the electromagnetic force, the electromagnetic force generated by the electromagnetic generator 110 is braking, deceleration of the molten steel flow in the mold 30 according to the direction. , Acceleration, or stirring.
  • the electromagnetic controller 120 adjusts the type (AC or DC) of the power applied to the electromagnetic generator 110, the current direction, etc., thereby operating the electromagnetic generator 110 in a mode (braking mode, deceleration mode, acceleration mode, Agitation mode, etc.).
  • the operation data database 130 may store and manage operation data collected in connection with the continuous casting operation.
  • the operation data stored in the operation data database 130 includes continuous casting machine information, chronological order information, temperature information, mold width information, discharge amount information of the immersion nozzle, steel type information of the molten steel, shape information of the immersion nozzle 20, It may include immersion depth information of the immersion nozzle, argon (Ar) gas injection amount information, nozzle clogging index of the immersion nozzle.
  • the continuous casting machine information is identification information of the continuous casting machine in which the continuous casting operation is performed.
  • the chronological order information is information corresponding to the continuous casting operation turn in the corresponding continuous casting machine.
  • the operation turn of the performance operation may correspond to the turn in which molten steel is supplied from the ladle (not shown) to the tundish 10.
  • the operation data database 130 may classify and store and manage the operation data for each continuous casting machine and for each performance operation by mapping and storing the continuous casting machine information and the chronological order information to corresponding operation data.
  • the temperature information among the operation data stored in the operation data database 130 is temperature information according to the position in the mold (refer to reference numeral 30 in FIG. 1 ), and the molten steel in the mold 30 (refer to reference numeral 52 in FIG. 1 ). ) Or temperature information according to the location of the solidification layer (see reference numeral 51 in FIG. 1) or temperature information according to the location of the molten steel bath surface in the mold 30.
  • Argon (Ar) injection amount information among the operation data stored in the operation data database 130 is information indicating the flow rate of the argon (Ar) gas injected into the mold 30 through the immersion nozzle 20.
  • the nozzle clogging index of the immersion nozzle is information indicating the degree of clogging of the immersion nozzle 20.
  • the mold width information among the operation data stored in the operation data database 130 is information indicating the width direction width of the accommodation space in which the molten steel is accommodated in the mold 30.
  • the discharge amount information of the immersion nozzle 20 is information indicating the discharge amount of molten steel per hour of the immersion nozzle 20.
  • Steel type information is information indicating the steel type of molten steel injected into the mold 30.
  • the shape information of the immersion nozzle 20 is information indicating the shape of the discharge port of the immersion nozzle 20.
  • the immersion depth information of the immersion nozzle 20 is information indicating how much the immersion nozzle 20 is immersed in molten steel in the mold 30.
  • the operation data collection unit 140 may collect the operation data related to the performance operation for each continuous casting machine and a continuous casting order, and store it in the operation data database 130.
  • temperature information, argon (Ar) gas intake amount information, and the clogging index of the immersion nozzle 20 are factors representing the current performance operation environment. As it progresses, it changes in real time according to the operating environment. Therefore, the operation data collection unit 140 periodically detects temperature information, argon (Ar) gas intake amount information, and clogging index of the immersion nozzle 20 in order to detect a change in the operation environment.
  • the operation data collection unit 140 may acquire temperature information through a plurality of temperature sensors (not shown) disposed at different positions in the mold 30.
  • the cast cast by the continuous casting machine 1 is processed into a coil through a cold rolling or hot rolling process.
  • the mixing of the mold flux and the non-metallic inclusions into the molten steel in the mold 30 may be manifested as a defect of the coil through a cold rolling or hot rolling process.
  • FIG. 5 shows, for example, a correlation between the flow of molten steel in the mold and the defect distribution of the coil.
  • FIG. 5 shows the correlation between the upstream strength of molten steel in the mold 30 and the defect distribution of the coil, and by adjusting the upstream strength of the coil, defects at the edge portion of the coil (hot rolled defects) and defects at the center portion ( The distribution of cold-rolled defects) can be controlled.
  • the defect information detection unit 150 may obtain defect information of the coil in various ways. For example, the defect information detection unit 150 receives the defect information of the coil through a user input device (not shown) from an operator who visually checks the defect state of the coil, or predicts the defect condition of the coil from operation data and coils Defect information of can be obtained. In addition, the defect information detection unit 150 may automatically detect a defect state of the coil through analysis of an image of the coil, and obtain defect information of the coil based on this.
  • the learning unit 160 reads and learns the operation data collected during the past continuous casting operation from the operation data database 130, the defect information of the coils, and the control information of the electromagnetic generator 110, and the electromagnetic generator through learning.
  • a prediction model for predicting optimal control information of (110) may be generated.
  • the prediction model generated by the learning unit 160 is stored in the prediction model database 170, and the learning unit 160 can update the prediction model stored in the prediction model database 170 through continuous learning.
  • the prediction model generated by the learning unit 160 models the correlation between the operation environment and the occurrence of coil defects through learning, predicts the optimal flow pattern from which the occurrence of coil defects is minimized, and predicts the optimal It may be designed to derive control information of the electromagnetic generator 110 from the flow pattern.
  • the prediction unit 180 obtains operation data corresponding to the current continuous casting operation through the operation data collection unit 140, and inputs them as input of the prediction model stored in the prediction model database 170, thereby making the current continuous casting operation environment It is possible to predict the control information of the electromagnetic generator 110 is optimal.
  • the prediction unit 180 may transmit the predicted optimum control condition to the electromagnetic controller 120.
  • the electromagnetic controller 120 applies the molten steel flow in the mold 30 to the electromagnetic generator 110 to minimize the occurrence of defects in the coil. Power can be controlled.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Continuous Casting (AREA)

Abstract

실시 예에 따른 몰드 내부의 용강 유동을 제어하는 용강 유동 제어 시스템은, 상기 몰드 내부의 용강에 전자기력을 인가하여 상기 용강 유동을 제어하는 전자기 발생기, 과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하고 관리하는 학습부, 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측부, 및 상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 전자기 제어기를 포함할 수 있다.

Description

연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법
실시 예는 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법에 관한 것으로서, 더욱 상세하게는 연속 주조기의 몰드 내 용강의 유동을 제어하기 위한 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법에 관한 것이다.
연속 주조 설비는 용탕 상태의 금속을 고상(solid)의 주편으로 연속 주조하는 설비로서, 정련된 용강(molten steel)을 운반하는 래들(Ladle), 래들에서 용강을 공급받아 임시 저장하는 턴디시(Tundish), 턴디시로부터 지속적으로 용강을 공급받으면서 이를 주편(Slab)으로 1차 응고시키는 몰드(Mold), 및 몰드에서 지속적으로 인발되는 주편을 2차 냉각시키며 일련의 성형 작업을 수행하는 냉각대로 구성된다.
용강은 턴디시에 수강되어 소정 시간 체류되며 비금속 개재물이 부상 분리되고 슬래그가 안정화되며 재산화가 방지된다. 이후, 용강은 몰드로 공급되어 주편의 형상으로 초기 응고층을 형성한다.
이러한 턴디시나 몰드는 용강이 응고되어 블룸(Bloom), 빌랫(Billet), 슬라브(Slab) 등의 반제품의 형태가 되기 전 마지막으로 불순물을 제거하는 역할을 수행한다. 따라서, 턴디시나 몰드에서의 조업은 제품의 수율과 품질을 결정하는데 중요한 역할을 수행한다.
몰드 내 주편의 품질은 탕면 유속, 몰드 내 용강의 유동 등 다양한 요소에 의해 결정된다. 이들 중 탕면 유속은 몰드 플럭스의 혼입 여부와 밀접한 관계가 있으며, 몰드 내 용강의 유동은 비금속 개재물의 부상분리와 부착위치에 영향을 미치게 된다.
몰드 내 용강의 유동은 용강을 주입하는 노즐의 형상, 아르곤(Ar) 취입량, 전자기 인가 등을 통해 제어될 수 있다.
몰드 내 용강의 유동 제어를 위해 전자기 인가 방식을 사용하는 경우, 적절한 전자기 제어를 위해서는 몰드 내 용강의 실제 유동을 고려할 필요가 있다. 그러나, 용강의 고온, 불투명 특성으로 인해 몰드 내 용강의 유동을 직접 계측하는 것은 매우 어려우며, 이에 따라 기존에는 수모델 실험과 수치해석 등 간접적 모델링 방식을 통해 몰드 내 용강의 유동을 모델링하는 방식이 사용되었다. 그러나, 이러한 간접적 모델링 방식은 경계 조건이 실제 공정 중의 용강과 차이가 있어, 실제 공정 중의 몰드 내 용강 유동을 대변하는데 한계가 있다. 또한, 이러한 간접적 모델링을 통해서는 전자기 인가 제어 시 노즐 클로깅(clogging) 등으로 인한 연연주 편차를 반영하는데 어려움이 있다.
실시 예를 통해 해결하려는 과제는 연속 주조 시 몰드 내 용강 유동이 코일 결함을 최소화할 수 있는 방향으로 발생하도록 제어하여 코일 품질을 향상시킬 수 있는 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법을 제공하는 것이다.
상기 과제를 해결하기 위한 실시 예에 따른 몰드 내부의 용강 유동을 제어하는 용강 유동 제어 시스템은, 상기 몰드 내부의 용강에 전자기력을 인가하여 상기 용강 유동을 제어하는 전자기 발생기, 과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하고 관리하는 학습부, 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측부, 및 상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 전자기 제어기를 포함할 수 있다.
상기 학습부는, 빅데이터 또는 인공지능 기반의 학습을 통해 상기 예측모델을 생성할 수 있다.
상기 예측모델의 생성에 사용되는 복수의 조업 데이터는, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 포함할 수 있다.
상기 결함정보는, 대응하는 코일 결함의 결함 등급 정보, 결함 종류 정보, 결함 위치 정보, 및 결함 사이즈 정보 중 적어도 하나를 포함할 수 있다.
상기 최적 제어정보는, 상기 전자기 발생기의 모드 정보 또는 전자기력 강도 정보를 포함할 수 있다.
또한, 실시 예에 따른 연속 주조기는, 용강을 냉각하여 주편으로 형상화하는 몰드, 턴디시로부터 공급되는 상기 용강을 상기 몰드 내로 주입하는 침지 노즐, 및 상기 몰드 내부에 수용된 상기 용강에 전자기력을 인가하여 상기 용강의 유동을 제어하는 유동 제어 시스템을 포함하며, 상기 유동 제어 시스템은, 상기 전자기력을 발생시키는 전자기 발생기, 과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하고 관리하는 학습부, 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측부, 및 상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 전자기 제어기를 포함할 수 있다.
또한, 실시 예에 따른 연속 주조기에서 몰드 내부의 용강 유동을 제어하는 용강 유동 제어 방법은, 과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하는 단계, 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 수집하는 단계, 상기 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 몰드 내 용강에 전자기력을 인가하는 전자기 발생기의 최적 제어정보를 예측하는 단계, 및 상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 단계를 포함할 수 있다.
상기 예측모델을 생성하는 단계는, 상기 과거 연주 조업 시 수집된, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 상기 학습에 사용되는 조업 데이터로 사용하여, 상기 예측모델을 생성하는 단계를 포함할 수 있다.
상기 예측모델을 생성하는 단계는, 빅데이터 또는 인공지능 기반의 학습을 통해 상기 예측모델을 생성하는 단계를 포함할 수 있다.
상기 수집하는 단계는, 상기 현재 연주 조업과 관련하여, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 상기 학습에 사용되는 조업 데이터로 수집하는 단계를 포함할 수 있다.
실시 예에 따르면, 연속 주조 시 몰드 내 용강 유동이 코일 결함을 최소화할 수 있는 방향으로 발생하도록 제어하여 코일 품질을 향상시킬 수 있다.
도 1은 실시 예에 따른 연속 주조기를 개략적으로 도시한 것이다.
도 2는 실시 예에 따른 용강 유동 제어 시스템을 개략적으로 도시한 것이다.
도 3은 실시 예에 따른 전자기 발생기의 일 예를 도시한 것이다.
도 4는 실시 예에 따른 전자기 발생기에 의해 몰드에 인가되는 전자기력의 일 예를 도시한 것이다.
도 5는 몰드 내 용강의 유동과 결함 분포 간의 상관 관계를 예를 들어 도시한 것이다.
도 6은 실시 예에 따른 몰드 내 용강 유동 제어 방법을 개략적으로 도시한 것이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시 예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예들에 한정되지 않는다.
본 발명의 실시 예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
이하, 필요한 도면들을 참조하여 실시 예에 따른 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법에 대해 상세히 설명하기로 한다.
도 1은 실시 예에 따른 연속 주조기를 개략적으로 도시한 것이다.
도 1을 참조하면, 실시 예에 따른 연속 주조기(1)에서 턴디시(tundish, 10)는 정련된 용강(molten steel)을 운반하는 래들(Ladle, 미도시)로부터 용강(5a)을 공급 받아 이를 임시 저장한다. 턴디시(10)에 수용된 용강(5a)은 일정 시간 턴디시(10) 내에 체류하며 비금속 개재물이 부상 분리되고 슬래그가 안정화되면서 재산화가 방지된다. 턴디시(10)에 수용된 용강(5a)은 턴디시(10)의 바닥부에 형성된 배출구를 통해 몰드(30)로 공급된다.
침지 노즐(20)은 몰드(30) 내부에 위치하는 토출공을 포함하며, 턴디시(10)의 배출구로부터 공급되는 용강을 토출공을 통해 이를 몰드(30) 내로 주입한다.
몰드(30)는 침지 노즐(20)을 통해 턴디시(10)에서 지속적으로 용강을 공급 받고, 이를 1차 냉각하여 주편(5b)으로 형상화한다. 턴디시(10)로부터 몰드(30) 내로 주입된 용강은, 몰드(30)에 의해 냉각되어 그 일부가 주편(5b)의 형상으로 초기 응고층(51)을 형성한다. 이에 따라, 몰드(30)로 주입된 용강은 초기 응고층(51)에 의해 외부 형상이 형성되고 내부는 용탕 상태의 용강(52)으로 이루어진 주편(5b)을 형성한다. 이 과정에서, 몰드(30) 내부의 용강 탕면으로는 몰드 플럭스(61)가 투입된다. 몰드(30) 내부의 용강 탕면에 투입된 몰드 플럭스(61)는 용강으로부터의 열 공급에 의해 용융된다. 용융 상태의 몰드 플럭스(61)는, 몰드(30)를 따라서 유동함으로써 몰드(30) 내벽과 용강의 초기 응고층(51) 사이로 유입되어 이들 간의 윤활 및 열전달 속도 제어에 활용된다.
몰드(30)에 의해 형성된 주편(5b)은 가이드롤(40)에 의해 몰드(30)로부터 인발된다. 몰드(30)에서 지속적으로 인발되는 주편(5b)은 이후 냉각대(미도시)에 의해 2차 냉각되고 일련의 성형 작업을 거쳐 최종 제품(예를 들어, 코일 등)으로 만들어진다.
한편, 몰드(30) 내 용강의 유동은 용강으로부터 주조되는 주편(5b)뿐만 아니라, 주편(5b)으로부터 얻어지는 최종 제품의 품질을 결정하는 중요한 요인으로 작용한다. 도 1을 참조하면, 몰드(30) 내 용강의 유동은 상향류(5-1)와 하향류(5-2)로 구성되며, 이는 각각 주편(5b)에 대한 몰드 플럭스(61)의 혼입 정도와 비금속 개재물의 거동에 영향을 미쳐, 주편(5b)의 품질에 영향을 미치게 되고, 나아가서는 주편(5b)으로부터 얻어지는 최종 제품(예를 들어, 코일)의 품질 또한 결정하게 된다.
따라서, 실시 예에서는 주편(5b)의 품질뿐만 아니라 최종 제품에서의 품질 또한 향상되도록, 전자기 인가 방식의 유동 제어 시스템(도 2의 도면 부호 100 참조)을 통해 조업 환경에 최적인 상태로 용강 유동을 제어한다.
도 2는 실시 예에 따른 용강 유동 제어 시스템을 개략적으로 도시한 것이고, 도 3은 실시 예에 따른 전자기 발생기의 일 예를 도시한 것이다. 또한, 도 4는 실시 예에 따른 전자기 발생기에 의해 몰드에 인가되는 전자기력의 일 예를 도시한 것이다.
도 2를 참조하면, 전자기 인가 방식의 용강 유동 제어 시스템(100)은 전자기 발생기(110), 전자기 제어기(120), 조업 데이터 데이터베이스(130), 조업 데이터 수집부(140), 결함정보 검출부(150), 학습부(160), 예측모델 데이터베이스(170), 및 예측부(180)를 포함할 수 있다.
전자기 발생기(110)는 전원이 인가되면 전자기력을 발생시키는 장치로서, 코어와 코어에 권선되는 코일을 포함할 수 있다. 이러한 전자기 발생기(110)는 몰드(30) 외부에 결합하여, 몰드(30) 내 용강 유동을 제어하는 전자기 교반기(Electro Magnetic Stirrer, EMS)로 사용될 수 있다.
도 3을 예로 들면, 몰드(30)의 외벽을 구성하는 장변(31)들과 단변(32)들 중, 각 장변(31)의 외부면에 복수의 전자기 발생기(110a, 110b, 110c, 110d)가 배치된다. 각 전자기 발생기(110a, 110b, 110c, 110d)는 코어(111)와 코어(111) 외부에 권선되는 코일(112)을 포함하며, 코일(112)에 전원이 인가되면 도 4에 도시된 바와 같이, 전자기력(200)을 발생시킨다. 전자기 발생기(110a, 110b, 110c, 110d)에 의해 발생된 전자기력(200)은 몰드(30) 내부로 향하는 전자기력을 발생시키고, 이는 몰드(30) 내부의 용강(5)에 전달되어 용강(5)의 유동에 영향을 미치게 된다.
한편, 도 3은 전자기 발생기(110)가 몰드(30)와 결합하는 일 예를 도시한 것으로서, 본 발명의 기술적 사상이 이로 한정되는 것은 아니다. 본 발명의 다른 실시 예에서는, 몰드(30)에 대해 전자기 발생기(110)가 부착되는 위치 또는 몰드(30) 외벽에 부착되는 전자기 발생기(110)의 개수가 변경될 수 있다. 또한, 본 발명의 또 다른 실시 예에서는 전자기 발생기(110)를 구성하는 코일이 코어 외측이 아닌 코어 내측에 권선될 수도 있다.
다시, 도 2를 보면, 전자기 제어기(120)는 전자기 발생기(110)에 인가되는 전력을 조절하여 전자기 발생기(110)에 의해 발생되는 전자기력을 제어하며, 이를 통해 몰드(30) 내 용강 유동을 제어할 수 있다. 예를 들어, 전자기 제어기(120)는 전자기 발생기(110)에 인가되는 전력(또는 전류)의 세기를 조절하여 전자기 발생기(110)에서 발생하는 전자기력의 강도를 제어할 수 있다.
전자기 발생기(110)가 전자기력의 방향을 조절할 수 있도록 설계되는 경우, 전자기 발생기(110)에서 발생하는 전자기력은 그 방향에 따라, 몰드(30) 내 용강 유동에 대한 제동(braking), 감속(deceleration), 가속(acceleration), 또는 교반(stirring) 작업을 수행할 수도 있다. 이 경우, 전자기 제어기(120)는 전자기 발생기(110)에 인가되는 전원의 종류(AC 또는 DC), 전류 방향 등을 조절하여 전자기 발생기(110)의 동작 모드(제동 모드, 감속 모드, 가속 모드, 교반 모드 등)를 제어할 수 있다.
조업 데이터 데이터베이스(130)는 연속 주조 조업과 관련하여 수집되는 조업 데이터들을 저장하고 관리할 수 있다. 조업 데이터 데이터베이스(130)에 저장되는 조업 데이터로는, 연속 주조기 정보, 연연주순 정보, 온도 정보, 몰드 폭 정보, 침지 노즐의 토출량 정보, 용강의 강종 정보, 침지 노즐(20)의 형상 정보, 침지 노즐의 침지 깊이 정보, 아르곤(Ar) 가스의 취입량 정보, 침지 노즐의 노즐 막힘 지수 등을 포함할 수 있다.
조업 데이터 데이터베이스(130)에 저장되는 조업 데이터들 중 연속 주조기 정보는 연속 주조 조업이 이루어진 연속 주조기의 식별 정보이다. 또한, 연연주순 정보는 대응하는 연속 주조기에서의 연속 주조 조업 회차에 대응하는 정보이다. 통상적으로, 연주 조업의 조업 회차는 래들(미도시)로부터 턴디시(10)로 용강이 공급되는 회차에 대응될 수 있다.
연속 주조 조업의 조업 인자들은, 어떤 연속 주조기에서 조업이 수행되는지, 그리고 대응하는 연속 주조기에서의 연속 주조 회차에 따라서 다르게 설정된다. 따라서, 조업 데이터 데이터베이스(130)는, 연속 주조기 정보 및 연연주순 정보를 대응하는 조업 데이터들에 매핑시켜 저장함으로써, 연속 주조기 별로 그리고 연주 조업 회차 별로 조업 데이터들을 분류하여 저장하고 관리할 수 있다.
조업 데이터 데이터베이스(130)에 저장되는 조업 데이터들 중 온도 정보는, 몰드(도 1의 도면 부호 30 참조) 내 위치에 따른 온도 정보로서, 몰드(30) 내부의 용강(도 1의 도면 부호 52 참조) 또는 응고층(도 1의 도면 부호 51 참조)의 위치에 따른 온도 정보 또는 몰드(30) 내부의 용강 탕면의 위치에 따른 온도 정보 등을 포함할 수 있다.
조업 데이터 데이터베이스(130)에 저장되는 조업 데이터들 중 아르곤(Ar) 취입량 정보는, 침지 노즐(20)을 통해 몰드(30) 내로 취입되는 아르곤(Ar) 가스의 유량을 나타내는 정보이다. 또한, 침지 노즐(도 1의 도면 부호 20 참조)의 노즐 막힘 지수는, 침지 노즐(20)의 막힘 정도를 나타내는 정보이다.
조업 데이터 데이터베이스(130)에 저장되는 조업 데이터들 중 몰드 폭 정보는, 몰드(30) 내부에 용강이 수용되는 수용 공간의 폭 방향 넓이를 나타내는 정보이다. 침지 노즐(20)의 토출량 정보는, 침지 노즐(20)의 시간 당 용강 토출량을 나타내는 정보이다. 강종 정보는 몰드(30) 내로 주입되는 용강의 강종을 나타내는 정보이다. 침지 노즐(20)의 형상 정보는 침지 노즐(20)의 토출구 형상을 나타내는 정보이다. 침지 노즐(20)의 침지 깊이 정보는, 침지 노즐(20)이 몰드(30) 내 용강에 어느 정도 침지되는지를 나타내는 정보이다.
조업 데이터 수집부(140)는 연주 조업이 진행됨에 따라, 연주 조업과 관련된 조업 데이터들을 연속 주조기 및 연연주순 별로 수집하고, 이를 조업 데이터 데이터베이스(130)에 저장할 수 있다.
조업 데이터 수집부(140)에 의해 수집되는 조업 데이터들 중 이러한 연속 주조기 정보, 연연주순 정보, 몰드 폭 정보, 토출량 정보, 침지 노즐 형상 정보, 및 침지 깊이 정보는, 연속 주조 조업을 진행하는 연속 주조기 또는 연연주순에 맞춰 설정되는 값들이다. 따라서, 조업 데이터 수집부(140)는 사용자 입력 장치(미도시) 또는 운용 서버(미도시)로부터 해당 값들을 수신할 수 있다.
조업 데이터 수집부(140)에 의해 수집되는 조업 데이터들 중 온도 정보, 아르곤(Ar) 가스 취입량 정보, 및 침지 노즐(20)의 막힘 지수는 현재 연주 조업 환경을 대표하는 인자들로서, 연주 조업이 진행됨에 조업 환경에 따라 실시간으로 변화한다. 따라서, 조업 데이터 수집부(140)는 조업 환경 변화를 감지하기 위해, 온도 정보, 아르곤(Ar) 가스 취입량 정보, 및 침지 노즐(20)의 막힘 지수에 대한 주기적으로 검출한다.
조업 데이터 수집부(140)는 몰드(30) 내 서로 다른 위치에 배치된 복수의 온도 센서(미도시)를 통해 온도 정보를 획득할 수 있다.
조업 데이터 수집부(140)는 아르곤(Ar) 가스를 주입하는 가스 주입부에 위치하는 압력 센서(미도시)를 통해 아르곤(Ar) 가스의 주입 압력을 검출하여 아르곤(Ar) 가스의 취입량 정보를 획득할 수 있다.
조업 데이터 수집부(140)는, 침지 노즐(20)에 주입된 용강에 전하를 공급하고, 침지 노즐(20) 벽면의 서로 다른 위치에 설치된 전극들을 통해 이를 검출하여 용강에 의한 저항값을 계산함으로써 침지 노즐(20)의 막힘 지수를 획득할 수 있다. 또한, 조업 데이터 수집부(140)는 진동 센서(미도시)를 통해 침지 노즐(20)의 진동을 측정하고, 그 주파수 변화 특성을 분석함으로써 침지 노즐(20)의 막힘 지수를 획득할 수도 있다. 또한, 조업 데이터 수집부(140)는 턴디시(10)에서의 용강 토출량을 결정하는 스토퍼(미도시)의 높이를 바탕으로 침지 노즐(20)의 막힘 지수를 획득할 수도 있다. 이외에도, 조업 데이터 수집부(140)는 침지 노즐(20) 내에 취입되는 아르곤(Ar) 가스의 유량, 턴디시(10)에 잔류 중인 용탕의 량을 바탕으로 침지 노즐(20)의 막힘 지수를 획득할 수도 있다.
결함정보 검출부(150)는 연속 주조 조업에 의해 생산된 코일들의 결함정보를 검출할 수 있다.
연속 주조기(1)에 의해 주조된 주편은 냉간 압연 또는 열간 압연 공정을 거쳐 코일로 가공된다. 연속 주조기(1)에서 몰드(30) 내 용강에 대한 몰드 플럭스 및 비금속 개재물의 혼입은 냉간 압연 또는 열간 압연 공정을 거치면서 코일의 결함으로 발현될 수 있다.
코일의 결함들 중 일부는 냉간 압연 또는 열간 압연 공정을 거치기 전 주편 상태에서도 발현되어 관찰될 수 있으나, 일부는 냉간 압연 또는 열간 압연 공정을 거치면서 새롭게 발현될 수도 있다. 따라서, 실시 예에서는 주편 상태에서의 결함정보가 아닌 최종 제품인 코일에서의 결함정보를 몰드(30) 내 용강 유동을 제어하기 위한 참고 데이터로 사용함으로써, 주편 상태에서의 결함뿐만 아니라, 최종 제품인 코일 상태에서의 결함 또한 개선할 수 있다.
도 5는 몰드 내 용강의 유동과 코일의 결함분포 간의 상관 관계를 예를 들어 도시한 것이다. 도 5는 몰드(30) 내 용강의 상향류 강도와 코일의 결함 분포 간의 상관성을 도시한 것으로서, 코일의 상향류 강도를 조절하여 코일의 에지 부분에서의 결함(열연 결함)과 중심 부분의 결함(냉연 결함)의 분포가 조절될 수 있음을 보여준다.
결함정보 검출부(150)에 의해 검출되는 코일의 결함정보는, 결함의 심각 정도를 나타내는 결함 등급 정보, 냉연 결함, 열연 결함 등 결함의 종류를 나타내는 결함 종류 정보, 결함의 발생 위치를 나타내는 결함 위치 정보, 결함의 크기를 나타내는 결함 사이즈 정보 등을 포함할 수 있다.
결함정보 검출부(150)는 다양한 방식으로 코일의 결함정보를 획득할 수 있다. 예를 들어, 결함정보 검출부(150)는 코일의 결함상태를 육안으로 확인한 작업자로부터 사용자 입력 장치(미도시)를 통해 코일의 결함정보를 입력 받거나, 조업 데이터들로부터 코일의 결함상태를 예측하여 코일의 결함정보를 획득할 수 있다. 또한, 결함정보 검출부(150)는 코일을 촬영한 영상의 분석을 통해 코일의 결함상태를 자동으로 검출하고, 이를 토대로 코일의 결함정보를 획득할 수도 있다.
결함정보 검출부(150)는 결함정보가 검출되면, 이를 해당 코일을 생산한 연속 주조 조업의 조업 데이터들 즉, 해당 코일을 생산한 연속 주조기 및 연연주순의 조업 데이터들에 대응시켜 조업 데이터 데이터베이스(130)에 저장할 수 있다.
조업 데이터 데이터베이스(130)는 전술한 조업 데이터들과 코일들의 결함정보 외에, 각 연속 주조 조업에서의 전자기 발생기(110)의 제어정보(동작 모드, 전자기력 강도 등) 또한 대응하는 조업 데이터들에 대응시켜 저장할 수 있다.
학습부(160)는 조업 데이터 데이터베이스(130)로부터 과거의 연속 주조 조업 시 수집된 조업 데이터들, 코일들의 결함정보, 및 전자기 발생기(110)의 제어정보를 읽어와 학습하고, 학습을 통해 전자기 발생기(110)의 최적 제어정보를 예측하는 예측모델을 생성할 수 있다. 학습부(160)에 의해 생성된 예측모델은 예측모델 데이터베이스(170)에 저장되며, 학습부(160)는 지속적인 학습을 통해 예측모델 데이터베이스(170)에 저장된 예측모델을 갱신할 수 있다. 학습부(160)에 의해 생성된 예측모델은, 학습을 통해 조업 환경과 코일의 결함발생 간의 상관성을 모델링하고, 이로부터 코일 결함의 발생을 최소화하는 최적의 유동 패턴을 예측하며, 예측된 최적의 유동 패턴으로부터 전자기 발생기(110)의 제어정보를 도출하도록 설계될 수 있다.
학습부(160)는 예측모델 생성을 위한 학습 방법으로, 빅데이터 기술 또는 인공지능(AI)을 이용할 수 있다.
예측부(180)는 조업 데이터 수집부(140)를 통해 현재 연속 주조 조업에 대응하는 조업 데이터들을 획득하고, 이들을 예측모델 데이터베이스(170)에 저장된 예측모델의 입력으로 입력함으로써, 현재 연속 주조 조업 환경에 최적인 전자기 발생기(110)의 제어정보를 예측할 수 있다.
예측부(180)는 전자기 발생기(110)의 최적 제어 조건이 예측되면, 예측된 최적 제어 조건을 전자기 제어기(120)로 전달할 수 있다. 전자기 제어기(120)는 예측부(180)로부터 전자기 발생기(110)의 최적 제어 조건이 수신되면, 이에 기초하여 몰드(30) 내 용강 유동이 코일의 결함발생을 최소화하도록 전자기 발생기(110)로 인가되는 전원을 제어할 수 있다.
전술한 구조의 용강 유동 제어 시스템(100)에서 전자기 제어기(120), 조업 데이터 수집부(140), 결함정보 검출부(150), 학습부(160), 및 예측부(180)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.
도 6은 실시 예에 따른 몰드 내 용강 유동 제어 방법을 개략적으로 도시한 것이다. 도 6의 용강 유도 제어 방법은 도 2 및 도 3을 참조하여 설명한 용강 유동 제어 시스템(100)에 의해 수행될 수 있다.
도 6을 참조하면, 실시 예에 따른 용강 유동 제어 시스템(100)은 과거의 연속 주조 조업 시 수집된 조업 데이터들, 코일들의 결함정보, 및 전자기 발생기(110)의 제어정보를 읽어와 학습하고, 학습을 통해 전자기 발생기(110)의 최적 제어정보를 예측하는 예측모델을 생성한다(S10).
이후, 용강 유동 제어 시스템(100)은 현재 연속 주조 조업에 대응하는 조업 데이터들을 획득하고(S20), 이들을 상기 S10 단계를 통해 생성된 예측모델의 입력으로 입력함으로써, 현재 연속 주조 조업 환경에 최적인 전자기 발생기(110)의 제어정보를 예측한다(S30).
또한, 용강 유동 제어 시스템(100)은, 상기 S30 단계를 통해 예측된 전자기 발생기(110)의 최적 제어 조건을 바탕으로, 몰드(30) 내 용강 유동이 코일의 결함발생을 최소화하는 방향으로 발생하도록 전자기 발생기(110)의 전자기력 발생을 제어한다(S40).
전술한 실시 예에 따르면, 실제 연주 조업을 통해 획득한 조업 데이터들 및 코일의 결함정보를 이용한 빅데이터 또는 인공지능 기반의 학습을 통해 전자기 발생기(110)의 제어정보를 예측하기 위한 예측모델을 생성하고, 이를 이용하여 현재 조업 환경에 최적인 전자기 발생기(110)의 제어정보를 도출함으로써, 몰드(30) 내 용강 유동을 최적의 상태로 제어함으로써, 코일의 품질 향상을 도모할 수 있다.
실시 예에 의한 용강 유동 제어 방법은 소프트웨어를 통해 실행될 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 또는 컴퓨터에서 판독 가능한 기록 매체에 저장될 수 있다.
프로세서 또는 컴퓨터가 읽을 수 있는 기록매체는 프로세서 또는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는, ROM, RAM, CD-ROM, DVD_ROM, DVD_RAM, 자기 테이프, 플로피 디스크, 하드 디스크, 광 데이터 저장장치 등이 있다. 또한, 컴퓨터로 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 용이하게 선택하여 대체할 수 있다. 또한 당업자는 본 명세서에서 설명된 구성요소 중 일부를 성능의 열화 없이 생략하거나 성능을 개선하기 위해 구성요소를 추가할 수 있다. 뿐만 아니라, 당업자는 공정 환경이나 장비에 따라 본 명세서에서 설명한 방법 단계의 순서를 변경할 수도 있다. 따라서 본 발명의 범위는 설명된 실시형태가 아니라 특허청구범위 및 그 균등물에 의해 결정되어야 한다.
(부호의 설명)
1: 연속 주조기
10: 턴디시
20: 침지 노즐
30: 몰드
31: 몰드 장변
32: 몰드 단변
40: 가이드롤
5, 5a, 52: 용강
5b: 주편
5-1: 용강 상향류
5-2: 용강 하향류
51: 응고층
61: 몰드 플럭스
100: 용강 유동 제어 시스템
110: 전자기 발생기
120: 전자기 제어기
130: 조업 데이터 데이터베이스
140: 조업 데이터 수집부
150: 결함정보 검출부
160: 학습부
170: 예측모델 데이터베이스
180: 예측부

Claims (11)

  1. 몰드 내부의 용강 유동을 제어하는 용강 유동 제어 시스템에 있어서,
    상기 몰드 내부의 용강에 전자기력을 인가하여 상기 용강 유동을 제어하는 전자기 발생기,
    과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하고 관리하는 학습부,
    현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측부, 및
    상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 전자기 제어기를 포함하는 용강 유동 제어 시스템.
  2. 제1항에 있어서,
    상기 학습부는, 빅데이터 또는 인공지능 기반의 학습을 통해 상기 예측모델을 생성하는 용강 유동 제어 시스템.
  3. 제1항에 있어서,
    상기 예측모델의 생성에 사용되는 복수의 조업 데이터는, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 포함하는 용강 유동 제어 시스템.
  4. 제1항에 있어서,
    상기 결함정보는, 대응하는 코일 결함의 결함 등급 정보, 결함 종류 정보, 결함 위치 정보, 및 결함 사이즈 정보 중 적어도 하나를 포함하는 용강 유동 제어 시스템.
  5. 제1항에 있어서,
    상기 최적 제어정보는, 상기 전자기 발생기의 모드 정보 또는 전자기력 강도 정보를 포함하는 용강 유동 제어 시스템.
  6. 용강을 냉각하여 주편으로 형상화하는 몰드,
    턴디시로부터 공급되는 상기 용강을 상기 몰드 내로 주입하는 침지 노즐, 및
    상기 몰드 내부에 수용된 상기 용강에 전자기력을 인가하여 상기 용강의 유동을 제어하는 유동 제어 시스템을 포함하며,
    상기 유동 제어 시스템은,
    상기 전자기력을 발생시키는 전자기 발생기,
    과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하고 관리하는 학습부,
    현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 전자기 발생기의 최적 제어정보를 예측하는 예측부, 및
    상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 전자기 제어기를 포함하는 연속 주조기.
  7. 연속 주조기에서 몰드 내부의 용강 유동을 제어하는 용강 유동 제어 방법에 있어서,
    과거 연속 주조 조업 시 수집된 복수의 조업 데이터 및 코일들의 결함정보의 학습을 통해, 전자기 발생기의 최적 제어정보를 예측하는 예측모델을 생성하는 단계,
    현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 수집하는 단계,
    상기 현재 연속 주조 조업과 관련된 복수의 조업 데이터들을 상기 예측모델에 입력하여, 상기 몰드 내 용강에 전자기력을 인가하는 전자기 발생기의 최적 제어정보를 예측하는 단계, 및
    상기 최적 제어정보에 기초하여, 상기 전자기 발생기의 전자기력 발생을 제어하는 단계를 포함하는 용강 유동 제어 방법.
  8. 제7항에 있어서,
    상기 예측모델을 생성하는 단계는,
    상기 과거 연주 조업 시 수집된, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 상기 학습에 사용되는 조업 데이터로 사용하여, 상기 예측모델을 생성하는 단계를 포함하는 용강 유동 제어 방법.
  9. 제7항에 있어서,
    상기 예측모델을 생성하는 단계는,
    빅데이터 또는 인공지능 기반의 학습을 통해 상기 예측모델을 생성하는 단계를 포함하는 용강 유동 제어 방법.
  10. 제7항에 있어서,
    상기 수집하는 단계는,
    상기 현재 연주 조업과 관련하여, 상기 몰드 내 위치에 따른 온도 정보, 상기 몰드 내로 취입되는 아르곤 가스의 취입량 정보, 및 상기 용강을 상기 몰드 내로 주입하는 침지 노즐의 막힘 지수, 상기 몰드의 폭 정보, 상기 침지 노즐의 토출량 정보, 상기 용강의 강종 정보, 상기 침지 노즐의 형상 정보, 및 상기 침지 노즐의 침지 깊이 정보 중 적어도 하나를 상기 학습에 사용되는 조업 데이터로 수집하는 단계를 포함하는 용강 유동 제어 방법.
  11. 제7항에 있어서,
    상기 결함정보는, 대응하는 코일 결함의 결함 등급 정보, 결함 종류 정보, 결함 위치 정보, 및 결함 사이즈 정보 중 적어도 하나를 포함하는 용강 유동 제어 방법.
PCT/KR2019/017807 2018-12-18 2019-12-16 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법 WO2020130534A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0164393 2018-12-18
KR1020180164393A KR102241467B1 (ko) 2018-12-18 2018-12-18 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법

Publications (1)

Publication Number Publication Date
WO2020130534A1 true WO2020130534A1 (ko) 2020-06-25

Family

ID=71100505

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/017807 WO2020130534A1 (ko) 2018-12-18 2019-12-16 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법

Country Status (2)

Country Link
KR (1) KR102241467B1 (ko)
WO (1) WO2020130534A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102530531B1 (ko) 2021-07-29 2023-05-10 현대제철 주식회사 용강 유동 제어 방법
KR102580349B1 (ko) * 2021-12-21 2023-09-18 주식회사 포스코 슬라브 상태 예측 시스템 및 그 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07214268A (ja) * 1994-02-02 1995-08-15 Nippon Steel Corp 連続鋳造設備におけるスラブ幅制御方法
JP2012226732A (ja) * 2011-04-06 2012-11-15 Nippon Steel Corp 操業予測装置、操業予測方法、及びコンピュータプログラム
KR20130002517A (ko) * 2011-06-29 2013-01-08 현대제철 주식회사 연주공정에서의 핀홀결함 저감 방법
KR20140014459A (ko) * 2012-07-24 2014-02-06 주식회사 포스코 주편 품질 예측 장치 및 그 방법
KR20160126532A (ko) * 2015-04-24 2016-11-02 현대제철 주식회사 연속주조 공정의 유동 제어 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101277686B1 (ko) * 2011-06-29 2013-06-21 현대제철 주식회사 열연코일의 표면결함 저감 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07214268A (ja) * 1994-02-02 1995-08-15 Nippon Steel Corp 連続鋳造設備におけるスラブ幅制御方法
JP2012226732A (ja) * 2011-04-06 2012-11-15 Nippon Steel Corp 操業予測装置、操業予測方法、及びコンピュータプログラム
KR20130002517A (ko) * 2011-06-29 2013-01-08 현대제철 주식회사 연주공정에서의 핀홀결함 저감 방법
KR20140014459A (ko) * 2012-07-24 2014-02-06 주식회사 포스코 주편 품질 예측 장치 및 그 방법
KR20160126532A (ko) * 2015-04-24 2016-11-02 현대제철 주식회사 연속주조 공정의 유동 제어 장치 및 방법

Also Published As

Publication number Publication date
KR20200075576A (ko) 2020-06-26
KR102241467B1 (ko) 2021-04-15

Similar Documents

Publication Publication Date Title
WO2020130534A1 (ko) 연속 주조기, 용강 유동 제어 시스템 및 용강 유동 제어 방법
KR100214229B1 (ko) 연주주편의 품질예측 및 품질제어
WO2014017714A1 (ko) 주편 품질 예측 장치 및 그 방법
KR100641618B1 (ko) 전자기장을 사용하여 연속 주조중의 금속흐름을 제어하는방법 및 장치
CN107321947A (zh) 一种自动跟踪单支连铸坯质量的方法
CN103209783B (zh) 掉换盛钢桶时钢液污染范围的预测方法
WO2015083876A1 (ko) 용강 처리 장치 및 용강 처리 방법
RU2448802C2 (ru) Способ и соответствующее электромагнитное устройство для приведения во вращение расплавленного металла в изложнице установки непрерывного литья слябов
JP2009072800A (ja) 異鋼種連続鋳造における継目部鋳片の処理方法
JP4727431B2 (ja) 鉄鋼の製造プロセスの操業方法及びそれに用いられる操業装置
JP2004306085A (ja) 連続鋳造鋳片の品質監視装置及び品質監視方法
WO2018021635A1 (ko) 연속주조 이상 예측 장치
JPH03275256A (ja) 連続鋳造鋳型内における溶鋼の偏流制御方法
KR100524613B1 (ko) 연속주조몰드의 폭방향 자기장 제어방법
JPH01210160A (ja) 連続鋳造における縦割れ予知方法
WO2018088753A1 (ko) 주조설비 및 이를 이용한 주조방법
KR20130099289A (ko) 연속주조시 판재의 품질 예측장치 및 그 방법
KR960002220B1 (ko) 턴디쉬 슬라이딩 노즐 최적 제어방법
JPH0747453A (ja) 連続鋳造における品質制御方法
JPH1190600A (ja) 連続鋳造における湯面変動検知方法及び制御方法
WO2012030151A2 (ko) 래들 교환시 용강 오염범위 예측 방법
KR20030037339A (ko) 연속주조 주형감시장치
Dutta et al. Continuous casting (concast)
JPH09253817A (ja) 連続鋳造の鋳型内不均一凝固に起因するブレークアウト予知方法
KR200180084Y1 (ko) 차단 설정값 보상기능을 구비한 연주 래들 슬래그 차단장치

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: 19899087

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19899087

Country of ref document: EP

Kind code of ref document: A1