신경망 알고리즘을 이용하여 후판 압연 소재 선단부 휨 제어를 위한 공정 최적화 연구

국문 초록 (Abstract)

본 연구에서 신경망 알고리즘을 이용하여 후판 압연에서 발생하는 선단부 휨을 제어할 수 있는 방안에 관하여 연구를 수행하였다. 신경망 알고리즘에 적용할 데이터베이스를 작성하기 위해 실험 및 유한요소해석을 수행하였다. 실험조건은 입측 소재두께 25mm, 35mm 압하율 22%,31% 주속차 0%, 3%, 7% 총 12번의 실험을 수행하였다. 실험에 근거하여 유한요소해석을 수행하였다. 유한요소해석 조건은 입측 소재두께 25mm, 35mm, 45mm, 55mm, 65mm 압하율은 10%, 13%, 16%, 19%, 22%, 25%, 28%, 31% 주속차 0%, 1%, 3%, 5% 7% 총 200Case의 해석을 수행하여 데이터 베이스 작성을 하여 신경망 알고리즘에 적용하여 비교하였다.
기존 신경망 알고리즘은 입력값에 따른 출력값만을 예측한다. 하지만 우리는 신경망 알고리즘과 이분법을 결합하여 출력값을 알고있을 때 입력값을 예측할 수 있는 프로그램을 개발하였다. 개발한 프로그램에서 출력한 결과값으로 검증 실험을 수행하여 프로그램의 신뢰성을 확보하였다.
향후 조업현장의 데이터를 이용하여 프로그램을 사용하면 선단부 휨을 제어할 수 있을 것이라고 판단하였다.

다국어 초록 (Multilingual Abstract)

This study present a feasibility study that an artificial neural network (ANN) can be applied to a pilot hot rolling mill to remove front end bending (FEB) of material, which bends upward or downward during rolling due to asymmetric rolling conditions.
A series of finite element simulations was conducted to generate the training data for ANN, i.e., values of FEB when the rolling parameters changed as follows; material thicknesses (25, 35, 45, 55 and 65 mm), reduction ratios (10, 13, 16, 19, 22, 25, 28, and 31 %), and circumferential speed deviations (1, 3, 6, 9, and 11%). Prediction ability of the finite element model was verified by comparing the model predictions with the measurements of for roll (separating) force.
ANN used in this study employs back-propagation algorithm. Using the trained ANN, a circumferential speed difference which makes FEB zero for an arbitrary reduction ratio and material thickness was computed. The pilot hot plate rolling test was carried out to confirm whether the circumferential speed difference predicted by ANN makes FEB near zero.

목차 (Table of Contents)

• 1. 서 론 1
• 1.1. 연구 배경 1
• 1.2. 이전 연구 내용 3
• 1.3. 연구 내용 4
• 2. 후판 압연 실험 7
• 2.1. 압연 실험 및 시편 7
• 2.2. FEB 측정 방법 12
• 3. 유한요소 해석 13
• 3.1. 유한요소해석 경계조건 13
• 3.2. 구성방정식 15
• 3.3. 해석 Case 17
• 4. 신경망 알고리즘 18
• 4.1. 신경망 알고리즘 이론 18
• 4.2. 신경망 알고리즘 구조 20
• 4.3. 신경망 알고리즘과 이분법 결합 24
• 5. 결과 및 토의 26
• 5.1. 실험결과와 비교하여 유한요소해석 모델 검증 26
• 5.1.1. 시편의 두께방향 온도 비교 26
• 5.1.2. 압하력과 FEB 비교 29
• 5.2. 신경망 알고리즘에 적용 39
• 5.3. 주속차 예측 프로그램 43
• 5.4. 프로그램 검증 실험 47
• 5.4.1. 실험 조건 47
• 5.4.2. 실험 방법 49
• 5.4.3. 실험 결과 51
• 6. 향후 계획 55
• 6.1. FEB발생조건 추가 55
• 6.2. 임의의 데이터를 신경망 알고리즘에 적용 후 비교 57
• 7. 결론 61
• 참고문헌 63
• 국문초록 66
• ABSTRACT 68