72A 고탄소강(0.67%~0.73%C) 탄선의 산화철 총량과 산화철 내 FeO층 두께 비율은 탄선의 박리 성능에 큰 영향을 미친다. 인공신경망과 수리적 방법을 이용하여 BP 네트워크 모델을 구축하였으며, 고탄소강 선재 산화 과정 중 냉각 조건과 산화 후 생성된 FeO층 두께 비율 간의 복잡한 비선형 매핑 관계를 실현하였다. 실측 파라미터와 네트워크 시뮬레이션 결과를 비교한 결과, 구축된 BP 네트워크는 학습 정확도가 매우 높고 일반화 능력이 강하며, 각 요소가 FeO층 두께 비율에 미치는 영향을 잘 반영하고 있음을 알 수 있었다. 생산 적용 결과, BP 네트워크 시뮬레이션 결과를 바탕으로 냉각 공정을 개선하고, 토사 온도를 적절히 낮추며 850~720℃ 구간의 냉각 속도를 높여 산화철 내 FeO층 두께 비율을 줄여 기계적 박리 성능을 향상시켰다.

72A 고탄소강 탄선; 박리 성능; 인공신경망; 냉각 조건; FeO층 두께 비율