KR100384121B1 - 신경회로망을 이용한 냉간압연강판의 형상제어방법 - Google Patents

Abstract

본 발명은 신경회로망을 이용한 냉간압연강판의 형상제어방법에 관한 것으로, 특히 신경회로망을 이용한 냉간압연강판의 형상제어방법에 있어서, 압연기의 비선형 형상제어 동특성을 모델링하는 신경회로망 에뮬레이터(42)를 신경회로망의 비선형 학습기능을 이용하여 학습하는 단계와; 학습이 완료된 신경회로망 에뮬레이터(42)를 이용하여 신경회로망 제어기(41)를 학습하는 단계와; 학습된 신경회로망 제어기(41)를 PLC(13)에 다운로드하여 PLC 내에서 실시간 형상제어를 수행하는 단계로 구성되는 것을 특징으로 하는 신경회로망을 이용한 냉간압연강판의 형상제어방법에 관한 것이다.

Description

신경회로망을 이용한 냉간압연강판의 형상제어방법

본 발명은 신경회로망을 이용한 냉간압연강판의 형상제어방법에 관한 것으로, 특히 냉간압연공정에서 인공신경회로망(Artificial Neural Network)기법을 이용한 제어기를 온라인 PLC에 다운로드(Down Load)하여 실시간(Real Time) 형상제어를 실시하는 신경회로망을 이용한 냉간압연강판의 형상제어방법에 관한 것이다.

일반적으로 냉간압연기는 2∼5mm의 열연강판을 0.2∼2.0mm의 냉연강판으로 상온에서 압연하는 설비로서, 입·출측간에서 나타나는 소재강판의 큰 두께감소를 분담제어하기 위해 4∼5개의 스탠드(Stand)가 연속적으로 배치된 구조를 갖고 있다.

여기서 각각의 스탠드는 압연하중이 가해지는 백업롤(Back-up Roll), 소재강판과 직접 접촉하여 길이방향의 연신을 일으키는 작업롤(Work Roll), 백업롤과 작업롤의 중간에 위치하면서 백업롤의 압연하중을 작업롤에 전달해 주기 위한 중간롤(Intermediate Roll)의 조합이 상·하부에 맞물리게 배치되어 구동되는 구조를 갖고 있다.

그리고 냉간압연기의 전체 스탠드를 이용하여 소재강판의 두께를 점차적으로 감소시켜가는 두께제어의 개념과는 달리 소재강판의 폭방향으로 두께를 일정하게 유지하기 위한 형상제어는 냉간압연기의 마지막 스탠드에서만 수행되는데 마지막 스탠드의 상·하부 작업롤과 중간롤의 굽힘하중(Bending Force)을 적절히 변화시킴으로써 소재 강판의 실제 형상을 요구되는 형상으로 제어하는 목적을 달성하게 된다.

한편 냉간압연기의 동작특성이 비선형적이고 복잡하여 역학적 해석에 의해정확한 수학적 모델을 구하는 것이 어렵기 때문에 종래의 형상제어시스템은 형상제어 조작량(작업롤 굽힘하중, 증간롤 굽힘하중, 레벨링)의 단위 변화량에 대한 실제형상 변화량의 비를 나타내는 형상영향계수라는 제어 파라미터를 이용하면 형상오차의 교정에 필요한 제어조작량을 계산한다.

그러나 압연하는 소재의 두께, 폭, 인장강도의 변화에 따라서 형상영향계수값이 달라지므로 도1에 도시한 바와같이 프로세서컴퓨터(10)에서 약 1400여 소재의 종류별로 형상영향계수 초기설정값 테이블(12)을 관리하고 있으며 압연시작 시점에 소재사양에 해당하는 테이블의 형상영향계수값을 읽어 PLC(13)에 설정해 준다.

그리고 형상영향계수값을 정확하게 구하기 위해서는 해당 소재에 대한 많은 제어실적 데이타를 수집해야 하고, 통계처리기법을 이용하기 때문에 1400여개의 테이블을 조정하기 위해서는 많은 인력과 시간이 소요된다.

한편 한국특허공고공보 제95-3800호의 "신경회로망을 이용한 형상제어 방법" 은 이러한 1400개 테이블의 조정작업을 자동적으로 수행하는 목적을 달성하기 위한 방법으로 프로세서컴퓨터 내에 형상영향계수 초기 설정값 도출용 신경회로망 기능(11)을 신규로 추가한 것이었다.

그리고 초기 설정값을 이용하여 형상제어가 시작되고 형상검출기(21)로부터 실적형상이 검출되면 형상영향계수 PLC(13)내에서 수행되는 실시간 형상영향계수 학습기능(14)에 의해 압연조건이나 제어조건의 변화에 적응하기 위해 매 제어주기마다 조정된다.

그러나 PLC내의 실시간 영향계수학습기능(14) 역시 제어조작량 변화와 형상변화의 관계를 선형적인 것으로 가정하고 있으므로 압연기의 비선형 특성을 반영하지 못해 제어정도가 저하되는 단점이 있었다.

본 발명은 신경회로망의 비선형 학습기능을 이용하여 압연기의 비선형 형상제어 특성을 모델링하기 위해 신경회로망 에뮬레이터(Emulator)를 학습시키고, 학습이 완료된 신경회로망 에뮬레이터를 실제 압연기를 대신하여 신경회로망 제어기(Controller)를 학습시키며, 학습이 완료된 신경회로망 제어기를 PLC프로그램으로 변화시켜 실시간 제어를 수행하는 신경회로망을 이용한 냉간압연강판의 형상제어방법를 제공함에 그 목적이 있다.

도1은 종래의 신경회로망을 이용한 냉간압연강판의 형상제어방법의 재어순서도,

도 2 는 본 발명에 따른 신경회로망의 비선형 학습기능을 이용하여 냉간압연기의 형상제어 동특성을 모델링하기 위한 신경회로망 에뮬레이터를 나타내는 학습방법의 순서도(A)와 상세구조도(B),

도3은 본 발명에 따른 신경회로망 제어기의 학습방법를 나타내는 순서도(A)와 상세구조도,

도4는 신경회로망을 이용한 냉간압연강판의 형상제어방법를 나타내는 제어순서도이다.

<도면의 주요부분에 사용된 부호의 설명>

10: 프로세스컴퓨터 11: 형상영향계수 초기선정값 도출용 신경회로망 12: 초기설정값 테이블 13: PLC 18: 중간롤 19: 작업롤 20: 소재강판 21: 형상검출기 31: 최종스탠드 41: 신경회로망 제어기 42: 신경회로망 에뮬레이터

상기한 목적을 달성하기 위하여 본 발명은 신경회로망을 이용한 냉간압연강판의 형상제어방법에 있어서, 압연기의 비선형 형상제어 동특성을 모델링하는 신경회로망 에뮬레이터를 신경회로망의 비선형 학습기능을 이용하여 학습하는 단계와; 학습이 완료된 신경회로망 에뮬레이터를 이용하여 신경회로망 제어기를 학습하는 단계와; 학습된 신경회로망 제어기를 PLC에 다운로드하여 PLC 내에서 실시간 형상제어를 수행하는 단계로 구성되는 것을 특징으로 하는 신경회로망을 이용한 냉간압연강판의 형상제어방법을 제공한다.

도면을 참조하여 본 발명의 실시예를 보다 상세히 설명한다.

도 2 는 본 발명에 따른 신경회로망의 비선형 학습기능을 이용하여 냉간압연기의 형상제어 동특성을 모델링하기 위한 신경회로망 에뮬레이터를 나타내는 학습방법의 순서도(A)와 상세구조도(B)이다.

냉간압연기의 최종스텐드(31)에 형상 제어하기 위한 각종 제어입력이 가해지면 그에 따른 형상변화량 실적치가 검출되며 여기에 비선형 학습기능을 갖는 신경회로망 에뮬레이터(42)를 구성하여 최종 스탠드의 입·출력단과 병렬로 연결시킨다.

그리고 신경회로망 에물레이터(42)는 입력층(34), 다수의 중간층(35,36), 출력층(37)으로 구성되는 다층 퍼셉트론(Multi-Layer Perceptron)구조를 갖고 있는데, 각 층은 비선형 전달함수를 갖는 여러개의 처리소자로 구성되고 인접하는 두층의 사이에는 앞층 처리소자의 출력신호를 뒷층 처리소자의 입력으로 전해줌과 동시에 전해지는 신호의 크기도 조정할 수 있는 연결강도(39)들로 구성된다.

또한 입력층에 가해지는 형상제어 입력신호들은 제1중간층과 연결되는 연결강도에 의해 조정된 후 제1중간층 처리소자가 갖는 비선형의 활성화함수(Activation Function)에 의해 변환되어 출력된다.

이때 제2중간층과 출력층 역시 제1중간층과 동일한 처리를 수행하며 최종적으로 형상변화량의 예측치가 출력되고 이 예측값이 냉간압연기로부터 얻어지는 실제 형상예측오차를 역방향으로 전달하여 오차가 감소되는 방향으로 층간의 내부 연결강도(39)들을 조정하게 된다.

한편, 수많은 형상제어 실적 데이타에 대하여 상기의 학습과정이 반복적으로 수행되면 결국 형상변화량 실적치와 예측치 간의 오차가 점차적으로 감소되어 가는데, 이는 신경회로망 에뮬레이터(42)가 형상제어 입력에 대하여 반응하는 냉간압연기 최종스탠드(31) 응답특성을 학습해 가는 것을 의미하며 학습에 필요한 많은 지식들은 형상제어 실적 데이타들로부터 추출되고, 추출된 지식들은 층간의 연결강도(39)에 분산되어 저장된다.

그리고 신경회로망 에뮬레이터(42)의 학습이 완료되면 실제 형상을 제어하기 위해 형상제어 조작량을 도출하는 신경회로망 제어기(Neural Network Controller) (41)를 제작하게 된다.

한편 도3은 본 발명에 따른 신경회로망 제어기의 학습방법를 나타내는 순서도(A)와 상세구조도(B)이다.

신경회로망 제어기(41)는 학습이 완료된 신경회로망 에뮬레이터(42)와 직렬로 연결되어 진다.

이때 신경회로망 제어기(41)는 입·출력 신호와 층내 처리소자의 개수가 다르지만 신경회로망 에뮬레이터(42)와 유사한 다층 퍼셉트론 구조를 갖고 있으며 학습방법도 동일하다.

그리고 제어하고자 하는 목표형상 신호가 신경회로망 제어기(41)에 가해지면 그 목표형상을 얻기위해 필요한 제어조작량이 구해지며 이 값은 직렬된 신경회로망 에뮬레이터(42)에 입력된다.

또한 신경회로망 에뮬레이터(41)는 이미 학습하여 연결강도에 분산 저장되어진 냉간압연기의 응답특성에 관련된 지식을 이용하여 예측형상을 계산하게 되며, 이 예측형상이 신경회로망 제어기의 입력으로 가해진 목표형상과 비교되어 형상오차(44)가 구해진다.

그리고 신경회로망 에뮬레이터(41)는 이미 냉간압연기의 형상제어 응답특성 학습하였기 때문에 이 형상오차(44)는 신경회로망 제어기(41)의 제어조작량 출력계산에 사용된 지시이 부정확함을 의미하게 되므로 신경회로망 제어기의 내부 연결강도에 대한 조정이 요구된다.

이때 형상오차(44)는 신경회로망 에뮬레이터(42)의 내부 연결강도(39)를 따라 역으로 전달되어 형상오차(44)를 감소시키는 방향으로 신경회로망 제어기의 내부 연결강도를 수정하게 되는데 이 과정에서 신경회로망 에뮬레이터의 내부 연결강도는 형상오차를 신경회로망 제어기로 역전달하기 위한 경로로 제공된다.

여기서 실제 냉간압연 설비나 압연기의 동특성 해석에 의해 제작된 냉간압연기 수식모델은 이러한 오차의 역전달 기능이 없기 때문에 신경회로망 제어기를 학습시킬 수 없다.

따라서 본 발명에 사용된 신경회로망 에뮬레이터(42)는 실제 형상제어를 위한 PLC(13)내의 실시간 제어기능으로 사용되지는 않지만 신경회로망 제어기(41)를 학습시킬 수 있다는 점에서 필수적이며 에뮬레이터의 정확도가 신경회로망 제어기의 제어정도를 결정하는 중요한 역할을 하게 된다.

또한 학습이 완료된 신경회로망 제어기(41)의 구조(층의 수, 각 층내의 처리소자의 수등)와 내부 연결강도를 PLC(13)가 인식 가능한 PLC용 언어로 변환하여 PLC의 실시간 형상제어 주기마다 기동하도록 구성한다.

한편 도4는 신경회로망을 이용한 냉간압연강판의 형상제어방법를 나타내는 제어순서도이다.

소재강판(20)이 인입되면 프로세서컴퓨터(10)의 초기설정치 테이블(12)로부터 각종 초기 설정치가 PLC(13)에 설정되고 압연이 시작된다.

그리고 압연된 소재강판(20)의 실제형상이 형상검출기(21)로부터 측정되면 4차식 근사화, 대칭·비대칭 형상성분 분리, 대칭·비대칭 형상성분 계산, 형상오차 계산 등의 형상 처리절차를 거친다.

또한 대칭성분 형상오차는 신경회로망 제어기(41)로 피드백(Feed Back)되며, 신경회로망 제어기는 학습시 추출하여 내부 연결강도에 저장해둔 제어조작량 계산에 필요한 지식을 이용하여 중간롤 굽힘하중 제어조작량과 작업롤 굽힘하중 제어조작량을 산출한 후 중간롤(18)과 작업롤(19)을 구동하는 액츄에이터(Actuator)로 전송한다.

본 발명은 신경회로망의 비선형 학습기능을 이용함으로써 기존의 제어기 제작시 수행되는 냉간압연기의 동특성이나 응답성에 대한 통계적 해석과정에 의존하지 않고도 제어기의 설계와 제작을 가능하게 할 뿐만 아니라 비선형성의 선형화 과정에서 발생하는 오류도 줄일 수 있고, 기존 형상제어시스템에서 필수적으로 사용되었던 형상영향계수를 사용하지 않으므로 프로세서컴퓨터의 부하 감소, PLC실행시간의 단축 등의 효과를 제공한다.

Claims (1)

1. 신경회로망을 이용한 냉간압연강판의 형상제어방법에 있어서,

   압연기의 비선형 형상제어 동특성을 모델링하는 신경회로망 에뮬레이터(42)를 신경회로망의 비선형 학습기능을 이용하여 학습하는 단계와;

   학습이 완료된 신경회로망 에뮬레이터(42)를 이용하여 신경회로망 제어기(41)를 학습하는 단계와;

   학습된 신경회로망 제어기(41)를 PLC(13)에 다운로드하여 PLC 내에서 실시간 형상제어를 수행하는 단계로 구성되는 것을 특징으로 하는 신경회로망을 이용한 냉간압연강판의 형상제어방법.

Images