JP2002167612A - 製銑・製鋼工場における温度・成分の最適制御方法 - Google Patents
製銑・製鋼工場における温度・成分の最適制御方法Info
- Publication number
- JP2002167612A JP2002167612A JP2000364185A JP2000364185A JP2002167612A JP 2002167612 A JP2002167612 A JP 2002167612A JP 2000364185 A JP2000364185 A JP 2000364185A JP 2000364185 A JP2000364185 A JP 2000364185A JP 2002167612 A JP2002167612 A JP 2002167612A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- components
- control
- analysis
- model
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 27
- 238000009628 steelmaking Methods 0.000 title claims description 16
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 21
- 229910052742 iron Inorganic materials 0.000 claims description 11
- 238000009749 continuous casting Methods 0.000 claims description 8
- 239000002184 metal Substances 0.000 description 20
- 229910052751 metal Inorganic materials 0.000 description 20
- 238000007664 blowing Methods 0.000 description 17
- 229910000831 Steel Inorganic materials 0.000 description 13
- 239000010959 steel Substances 0.000 description 13
- 238000004886 process control Methods 0.000 description 8
- 238000006477 desulfuration reaction Methods 0.000 description 7
- 230000023556 desulfurization Effects 0.000 description 7
- 230000004907 flux Effects 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 4
- 238000007872 degassing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 229910001021 Ferroalloy Inorganic materials 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000005275 alloying Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 101100321669 Fagopyrum esculentum FA02 gene Proteins 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000005261 decarburization Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002505 iron Chemical class 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 229910052718 tin Inorganic materials 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Treatment Of Steel In Its Molten State (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
(57)【要約】
【課題】 分析遅れやコスト削減のため、実績値が得ら
れない場合でも、常に効果的なモデル学習と温度や成分
の制御を可能とする。 【解決手段】 各計算機４０、４２、４４、４６、４８
間で、温度や分析値の実績だけでなく、各計算機が各自
の持つモデル（１）〜（１５）式を用いて計算した温度
や分析値の推定値を共有し、実績値が得られない時は、
他の計算機が計算した推定値を利用して、制御やモデル
学習をする。
れない場合でも、常に効果的なモデル学習と温度や成分
の制御を可能とする。 【解決手段】 各計算機４０、４２、４４、４６、４８
間で、温度や分析値の実績だけでなく、各計算機が各自
の持つモデル（１）〜（１５）式を用いて計算した温度
や分析値の推定値を共有し、実績値が得られない時は、
他の計算機が計算した推定値を利用して、制御やモデル
学習をする。
Description
【０００１】
【発明の属する技術分野】本発明は、製銑・製鋼工場に
おける温度・成分の最適制御方法に係り、特に、製鉄工
程における溶銑及び溶鋼の温度や成分を制御する際に用
いるのに好適な、実績値が得られない場合でも、常に効
果的なモデル学習と温度や成分の制御を行うことが可能
な、製銑・製鋼工場における温度・成分の最適制御方法
に関する。
おける温度・成分の最適制御方法に係り、特に、製鉄工
程における溶銑及び溶鋼の温度や成分を制御する際に用
いるのに好適な、実績値が得られない場合でも、常に効
果的なモデル学習と温度や成分の制御を行うことが可能
な、製銑・製鋼工場における温度・成分の最適制御方法
に関する。
【０００２】
【従来の技術】一般に、製鉄所における溶銑及び溶鋼の
処理手順は図１のようになっており、各プロセスにおい
て、その温度と成分の制御が最重要課題となっている。
処理手順は図１のようになっており、各プロセスにおい
て、その温度と成分の制御が最重要課題となっている。
【０００３】即ち、図１において、高炉２０に挿入され
た焼結鉱は、コークスと共に高炉内で還元され、溶銑１
２となって鋳床からトピードカー２２に払い出される。
この際、脱珪剤吹込による鋳床脱珪が行われる。溶銑１
２は、トピードカー２２で保温されながら、次工程であ
るトピードカー２２内での溶銑予備処理（図１の左側）
又は脱硫設備２４（図１の右側）にて、フラックス吹込
による脱硫や脱燐が行われ、製鋼段階で要求される成分
に調整される。次いで、転炉２６において、副原料投入
と酸素吹込による脱炭吹錬が行われ、温度と成分が、所
定の目標となるように制御される。吹錬後の溶鋼１４
は、合金鉄を投入されながら、溶鋼鍋２８に移される。
溶鋼１４は、更に、溶鋼鍋２８でのＦＩ（フラックスイ
ンジェクション）（図１の左側）やＲＨ脱ガス設備３０
（図１の右側）にて、最終的な微量成分調整や脱ガスが
行われ、その後、連鋳設備３２のタンディッシュ３４を
経てモールド３６に注入され、スラブ１６となる。
た焼結鉱は、コークスと共に高炉内で還元され、溶銑１
２となって鋳床からトピードカー２２に払い出される。
この際、脱珪剤吹込による鋳床脱珪が行われる。溶銑１
２は、トピードカー２２で保温されながら、次工程であ
るトピードカー２２内での溶銑予備処理（図１の左側）
又は脱硫設備２４（図１の右側）にて、フラックス吹込
による脱硫や脱燐が行われ、製鋼段階で要求される成分
に調整される。次いで、転炉２６において、副原料投入
と酸素吹込による脱炭吹錬が行われ、温度と成分が、所
定の目標となるように制御される。吹錬後の溶鋼１４
は、合金鉄を投入されながら、溶鋼鍋２８に移される。
溶鋼１４は、更に、溶鋼鍋２８でのＦＩ（フラックスイ
ンジェクション）（図１の左側）やＲＨ脱ガス設備３０
（図１の右側）にて、最終的な微量成分調整や脱ガスが
行われ、その後、連鋳設備３２のタンディッシュ３４を
経てモールド３６に注入され、スラブ１６となる。
【０００４】以上に示した一連の製鉄工程において、製
品の制御及び管理上、温度と成分の測定が重要となる
が、通常、図１に示すｔ1〜ｔ9のタイミングで、測温又
はサンプリングにより分析が行われ、自工程でのフィー
ドバック制御や、次工程へのフィードフォード制御に利
用されている。又、各プロセスは、図２に示すように、
各々計算機（プロセスコンピュータ：プロコンと称す
る）、例えば高炉制御用の高炉プロコン４０、溶銑予備
処理用の溶銑プロコン４２、転炉制御用の転炉プロコン
４４、連鋳制御用の連鋳プロコン４６、分析用の分析プ
ロコン４８で制御され、各工程での測温結果や、前記分
析プロコン４８から、例えばネットワーク５０経由で各
プロコンに送信される分析結果に基づいて、各プロコン
毎に制御やモデルの学習が行われていた。
品の制御及び管理上、温度と成分の測定が重要となる
が、通常、図１に示すｔ1〜ｔ9のタイミングで、測温又
はサンプリングにより分析が行われ、自工程でのフィー
ドバック制御や、次工程へのフィードフォード制御に利
用されている。又、各プロセスは、図２に示すように、
各々計算機（プロセスコンピュータ：プロコンと称す
る）、例えば高炉制御用の高炉プロコン４０、溶銑予備
処理用の溶銑プロコン４２、転炉制御用の転炉プロコン
４４、連鋳制御用の連鋳プロコン４６、分析用の分析プ
ロコン４８で制御され、各工程での測温結果や、前記分
析プロコン４８から、例えばネットワーク５０経由で各
プロコンに送信される分析結果に基づいて、各プロコン
毎に制御やモデルの学習が行われていた。
【０００５】
【発明が解決しようとする課題】しかしながら、このよ
うな従来の方法では、分析に時間がかかったり、分析コ
スト削減のため分析を省略されたりして、制御のための
充分な情報が得らないことがあった。又、各プロセスを
制御している計算機もプロセス毎に別であり、相互の情
報交換も、実績値のやりとりがほとんどであったため、
各計算機内でしかモデルを活用できず、充分な制御性能
が得られないという問題があった。
うな従来の方法では、分析に時間がかかったり、分析コ
スト削減のため分析を省略されたりして、制御のための
充分な情報が得らないことがあった。又、各プロセスを
制御している計算機もプロセス毎に別であり、相互の情
報交換も、実績値のやりとりがほとんどであったため、
各計算機内でしかモデルを活用できず、充分な制御性能
が得られないという問題があった。
【０００６】なお、特開平８−１２０３２０には、二次
精錬におけるＡＩ投入量設定に際して、ＡＩの添加工程
毎に前工程のＡＩの添加歩留り実績を反映させ、各工程
の処理時間、滞留時間を予測したＡＩ添加量を求め、該
添加量に基づく添加を行うことが記載されているが、過
去の実績値のみに基づく制御であるだけでなく、二次精
錬におけるＡＩ投入量設定にしか使われておらず、充分
な効果を発揮することはできなかった。
精錬におけるＡＩ投入量設定に際して、ＡＩの添加工程
毎に前工程のＡＩの添加歩留り実績を反映させ、各工程
の処理時間、滞留時間を予測したＡＩ添加量を求め、該
添加量に基づく添加を行うことが記載されているが、過
去の実績値のみに基づく制御であるだけでなく、二次精
錬におけるＡＩ投入量設定にしか使われておらず、充分
な効果を発揮することはできなかった。
【０００７】本発明は前記従来の問題点を解消するべく
なされたもので、分析遅れやコスト削減のために実績値
が得られない場合でも、常に効果的なモデル学習と温度
や成分の制御を行うことを課題とする。
なされたもので、分析遅れやコスト削減のために実績値
が得られない場合でも、常に効果的なモデル学習と温度
や成分の制御を行うことを課題とする。
【０００８】
【課題を解決するための手段】本発明は、製銑・製鋼工
場における温度や成分を、プロセス毎に設けられた計算
機を用いて制御するに際し、各計算機間で、温度や分析
値の実績値だけでなく、各計算機が各自の持つモデルを
用いて計算した温度や分析値の推定値を共有し、実績値
が得られないときは、他の計算機が計算した推定値を利
用して、制御やモデル学習をすることにより、高炉から
連鋳までの温度や成分を最適に制御するようにして、前
記課題を解決したものである。
場における温度や成分を、プロセス毎に設けられた計算
機を用いて制御するに際し、各計算機間で、温度や分析
値の実績値だけでなく、各計算機が各自の持つモデルを
用いて計算した温度や分析値の推定値を共有し、実績値
が得られないときは、他の計算機が計算した推定値を利
用して、制御やモデル学習をすることにより、高炉から
連鋳までの温度や成分を最適に制御するようにして、前
記課題を解決したものである。
【０００９】
【発明の実施の形態】以下、図面を参照して、本発明の
実施形態を詳細に説明する。
実施形態を詳細に説明する。
【００１０】本実施形態においては、図１に示したｔ1
〜ｔ9までの測温・成分サンプリングタイミングにおけ
る各温度や分析値を表すモデルを、次式のように用意す
る。ここで、Ｘは、温度と分析値で構成されるベクトル Ｘ＝（Ｔ，Ｃ，Ｎ，Ｓｉ，Ｍｎ，Ｐ，Ｓ，Ｔｉ，Ｃｒ，
Ｃｕ，Ｎｉ，Ｖ，Ｍｏ，Ｓｎ，Ａｓ，Ｐｂ，Ａｌ，Ｚ
ｎ，Ｂ） とする。又、Ｘの添字１〜９は、前記タイミングｔ1〜
ｔ9に、それぞれ対応する。
〜ｔ9までの測温・成分サンプリングタイミングにおけ
る各温度や分析値を表すモデルを、次式のように用意す
る。ここで、Ｘは、温度と分析値で構成されるベクトル Ｘ＝（Ｔ，Ｃ，Ｎ，Ｓｉ，Ｍｎ，Ｐ，Ｓ，Ｔｉ，Ｃｒ，
Ｃｕ，Ｎｉ，Ｖ，Ｍｏ，Ｓｎ，Ａｓ，Ｐｂ，Ａｌ，Ｚ
ｎ，Ｂ） とする。又、Ｘの添字１〜９は、前記タイミングｔ1〜
ｔ9に、それぞれ対応する。
【００１１】 Ｘ2＝ｆ（Ｘ1，高炉操業条件）…（１） Ｘ2´＝ｆ（Ｘ2，鋳床脱珪操業条件）…（２） Ｘ3＝ｆ（Ｘ2´，トピード操業条件）…（３） Ｘ4＝ｆ（Ｘ2´，トピード操業条件）…（４） Ｘ3´＝ｆ（Ｘ3，溶銑予備処理操業条件）…（５） Ｘ4´＝ｆ（Ｘ4，溶銑脱硫操業条件）…（６） Ｘ5＝ｆ（Ｘ3´又はＸ4´，トピード操業条件または溶銑鍋操業条件）…（７） Ｘ5″＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（８） Ｘ5″＝ｆ（Ｘ5´，サブランス投入から吹止までの吹錬操業条件）…（９） Ｘ6＝ｆ（Ｘ5″，合金鉄投入操業条件）…（１０） Ｘ7＝ｆ（Ｘ6，溶鋼鍋操業条件）…（１１） Ｘ8＝ｆ（Ｘ6，溶鋼鍋操業条件）…（１２） Ｘ7´＝ｆ（Ｘ7，ＦＩ操業条件）…（１３） Ｘ8´＝ｆ（Ｘ8，ＲＨ脱ガス操業条件）…（１４） Ｘ9＝ｆ（Ｘ7´又はＸ8´，溶鋼鍋操業条件）…（１５）
【００１２】通常の制御においては、例えば、 Ｘ5″＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（８） であれば、Ｘ5の実績とＸ5″の目標を用いて、（８）式
の逆関数を求め、吹止までの吹錬操業条件を算出する
が、Ｘ5の実績値が得られない場合は、制御が不可能と
なってしまう。そこで、本実施形態では、実績値が得ら
れているモデルまで遡って、そこからモデルを用いてＸ
5の推定値を求めることで、制御を可能とする。ここ
で、Ｘ5の場合は、 Ｘ5＝ｆ（Ｘ3´又はＸ4´，トピード操業条件または溶銑鍋操業条件）…（７） を代入し、 Ｘ5″＝ｆ（ｆ（Ｘ3´又はＸ4´，トピード操業条件または溶銑鍋操業条件）， 吹止までの吹錬操業条件）…（１６） を用いて、吹止までの操業条件を求めることができる。
の逆関数を求め、吹止までの吹錬操業条件を算出する
が、Ｘ5の実績値が得られない場合は、制御が不可能と
なってしまう。そこで、本実施形態では、実績値が得ら
れているモデルまで遡って、そこからモデルを用いてＸ
5の推定値を求めることで、制御を可能とする。ここ
で、Ｘ5の場合は、 Ｘ5＝ｆ（Ｘ3´又はＸ4´，トピード操業条件または溶銑鍋操業条件）…（７） を代入し、 Ｘ5″＝ｆ（ｆ（Ｘ3´又はＸ4´，トピード操業条件または溶銑鍋操業条件）， 吹止までの吹錬操業条件）…（１６） を用いて、吹止までの操業条件を求めることができる。
【００１３】又、モデル学習の場合は、通常、例えば、 Ｘ5″＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（８） であれば、Ｘ5の実績値とＸ5″の実績値を用いて、
（８）式のパラメータを逐次最小二乗法等の学習アルゴ
リズムを用いて学習するが、Ｘ5″のサンプリングを省
略した場合、学習が不可能となってしまう。そこで、Ｘ
6の実績値が分かっている場合には、 Ｘ5″＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（８） Ｘ6＝ｆ（Ｘ5″，合金鉄投入操業条件）…（１０） の両式を用いて、 Ｘ6＝ｆ（ｆ（Ｘ5，吹止までの吹錬操業条件），合金鉄投入操業条件） …（１７） とし、この両式のパラメータを同時に学習することによ
り、精度のよい学習が可能となる。又、この場合、次式 Ｘ5″＝ｆ（Ｘ5´，サブランス投入から吹止までの吹錬操業条件）…（９） の信頼性が高ければ、この式よりＸ5″の推定値を求め、 ｆ（Ｘ5´，サブランス投入から吹止までの吹錬操業条件） ＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（１８） として、右辺のみの学習を行うことも可能である。
（８）式のパラメータを逐次最小二乗法等の学習アルゴ
リズムを用いて学習するが、Ｘ5″のサンプリングを省
略した場合、学習が不可能となってしまう。そこで、Ｘ
6の実績値が分かっている場合には、 Ｘ5″＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（８） Ｘ6＝ｆ（Ｘ5″，合金鉄投入操業条件）…（１０） の両式を用いて、 Ｘ6＝ｆ（ｆ（Ｘ5，吹止までの吹錬操業条件），合金鉄投入操業条件） …（１７） とし、この両式のパラメータを同時に学習することによ
り、精度のよい学習が可能となる。又、この場合、次式 Ｘ5″＝ｆ（Ｘ5´，サブランス投入から吹止までの吹錬操業条件）…（９） の信頼性が高ければ、この式よりＸ5″の推定値を求め、 ｆ（Ｘ5´，サブランス投入から吹止までの吹錬操業条件） ＝ｆ（Ｘ5，吹止までの吹錬操業条件）…（１８） として、右辺のみの学習を行うことも可能である。
【００１４】このように、本発明によれば、対象とする
モデルの温度や成分の実績値が得られなくても、その前
後のモデルを共有することにより、精度の高い制御や学
習が可能となる。
モデルの温度や成分の実績値が得られなくても、その前
後のモデルを共有することにより、精度の高い制御や学
習が可能となる。
【００１５】
【実施例】表１のように、各計算機においてモデルを構
築し、実績値がある場合にはモデル式Ｘ1〜Ｘ9を使用し
て計算する。
築し、実績値がある場合にはモデル式Ｘ1〜Ｘ9を使用し
て計算する。
【００１６】
【表１】
【００１７】実績値がない場合には、当該チャージのＸ
1〜Ｘ9の推定値をネットワーク経由で取得して計算す
る。
1〜Ｘ9の推定値をネットワーク経由で取得して計算す
る。
【００１８】又、表２は、表１中のモデルの各種条件の
具体的項目を示すもので、例えば高炉操業条件において
具体的項目に記載のある送風温度〜搬入パターンをもと
に溶銑温度、含有Ｓｉ量の推定は可能であり、鋳床脱珪
操業条件である脱珪剤投入量の項目から脱珪量の推定が
可能であり、次工程のトピード（又は溶銑鍋）に入る溶
銑のＳｉ量の推定ができる。
具体的項目を示すもので、例えば高炉操業条件において
具体的項目に記載のある送風温度〜搬入パターンをもと
に溶銑温度、含有Ｓｉ量の推定は可能であり、鋳床脱珪
操業条件である脱珪剤投入量の項目から脱珪量の推定が
可能であり、次工程のトピード（又は溶銑鍋）に入る溶
銑のＳｉ量の推定ができる。
【００１９】
【表２】
【００２０】又、トピード操業条件の項目の配車情報を
用いることにより温度降下量が推定でき、同様にして、
溶銑予備処理操業条件の項目のフラックス種類、フラッ
クス量、処理時間の各情報に基づけば、溶銑予備処理に
おける脱Ｓｉ、脱Ｐ、脱Ｓ量を推定することができ、更
に、この後に溶銑脱硫操業条件が加わっている場合、フ
ラックス種類及び量、処理時間から、前記脱Ｓ量に加え
て更に脱Ｓを加えられた到達Ｓ量の推定も可能である。
用いることにより温度降下量が推定でき、同様にして、
溶銑予備処理操業条件の項目のフラックス種類、フラッ
クス量、処理時間の各情報に基づけば、溶銑予備処理に
おける脱Ｓｉ、脱Ｐ、脱Ｓ量を推定することができ、更
に、この後に溶銑脱硫操業条件が加わっている場合、フ
ラックス種類及び量、処理時間から、前記脱Ｓ量に加え
て更に脱Ｓを加えられた到達Ｓ量の推定も可能である。
【００２１】同じく、トピード操業条件又は溶銑鍋操業
条件から、待機時間情報に基づいた温度降下量推定が可
能となる。
条件から、待機時間情報に基づいた温度降下量推定が可
能となる。
【００２２】同様に吹錬操業条件、合金鉄投入操業条件
の各項目の情報に基づけば溶鋼温度、各種成分が推定可
能となり、溶鋼鍋操業条件を含めれば温度降下量が、Ｆ
Ｉ操業条件が加わった場合、到達、脱Ｐ、脱Ｓの推定が
でき、ＲＨ脱ガス操業条件の項目が加われば、到達成分
値、温度が推定できる。これに加えて、連続鋳造等へ移
動するまでの溶鋼鍋条件が加われば、その時の温度降下
量が推定でき、連続鋳造に到達時の溶鋼温度を推定する
ことができることになる。従って、実績値がない場合
は、前記操業条件中、実績値の欠落部分を推定値で補う
ことは十分可能である。
の各項目の情報に基づけば溶鋼温度、各種成分が推定可
能となり、溶鋼鍋操業条件を含めれば温度降下量が、Ｆ
Ｉ操業条件が加わった場合、到達、脱Ｐ、脱Ｓの推定が
でき、ＲＨ脱ガス操業条件の項目が加われば、到達成分
値、温度が推定できる。これに加えて、連続鋳造等へ移
動するまでの溶鋼鍋条件が加われば、その時の温度降下
量が推定でき、連続鋳造に到達時の溶鋼温度を推定する
ことができることになる。従って、実績値がない場合
は、前記操業条件中、実績値の欠落部分を推定値で補う
ことは十分可能である。
【００２３】図３は、転炉プロコンにおいて、分析コス
ト削減のため、Ｘ5″の分析を省略した際の、転炉熱バ
ランスモデルのばらつきと、本発明によるシステムを導
入し、Ｘ5´の代わりに、 Ｘ6＝ｆ（Ｘ5″，合金鉄投入操業条件）…（１０） を用いて、 Ｘ6＝ｆ（ｆ（Ｘ5，吹止までの吹錬操業条件），合金鉄投入操業条件） …（１７） のモデルパラメータを、逐次型最小二乗法で学習した場
合の、ばらつきを比較した図である。図から分かるよう
に、分析値が無くなって学習不可能となった従来のモデ
ルに比べ、本発明により分析値の代替値を用いて学習し
たモデルの誤差のばらつきの方が、格段に小さくなって
いることが分かる。
ト削減のため、Ｘ5″の分析を省略した際の、転炉熱バ
ランスモデルのばらつきと、本発明によるシステムを導
入し、Ｘ5´の代わりに、 Ｘ6＝ｆ（Ｘ5″，合金鉄投入操業条件）…（１０） を用いて、 Ｘ6＝ｆ（ｆ（Ｘ5，吹止までの吹錬操業条件），合金鉄投入操業条件） …（１７） のモデルパラメータを、逐次型最小二乗法で学習した場
合の、ばらつきを比較した図である。図から分かるよう
に、分析値が無くなって学習不可能となった従来のモデ
ルに比べ、本発明により分析値の代替値を用いて学習し
たモデルの誤差のばらつきの方が、格段に小さくなって
いることが分かる。
【００２４】又、その他の分析についても、３０％以
上、実績値を省略することが可能となった。
上、実績値を省略することが可能となった。
【００２５】なお、本発明の適用対象は、図１に示す製
銑・製鋼工程に限定されず、一部を省略したり、他の設
備を追加した製銑・製鋼工程にも同様に適用できること
は明らかである。
銑・製鋼工程に限定されず、一部を省略したり、他の設
備を追加した製銑・製鋼工程にも同様に適用できること
は明らかである。
【００２６】
【発明の効果】本発明によれば、各計算機間で温度や分
析値の実績値だけでなく、各計算機が各自の持つモデル
を用いて計算した温度や分析の推定値を共有し、実績値
が得られないときは、他の計算機などが計算した推定値
を用いて、制御やモデル学習をするようにしたので、製
銑・製鋼工程において、より精度が高い温度・成分制御
が可能となる。又、分析コストの削減にも効果がある。
析値の実績値だけでなく、各計算機が各自の持つモデル
を用いて計算した温度や分析の推定値を共有し、実績値
が得られないときは、他の計算機などが計算した推定値
を用いて、制御やモデル学習をするようにしたので、製
銑・製鋼工程において、より精度が高い温度・成分制御
が可能となる。又、分析コストの削減にも効果がある。
【図１】製銑・製鋼工程における測温・成分サンプリン
グタイミングを説明する工程図
グタイミングを説明する工程図
【図２】各プロセスにおける計算機制御の構成例を示す
ブロック図
ブロック図
【図３】転炉プロコンに適用した際の本発明の効果を示
す線図
す線図
１２…溶銑 １４…溶鋼 １６…スラブ ２０…高炉 ２２…トピードカー ２４…脱硫設備 ２６…転炉 ２８…溶鋼鍋 ３０…ＲＨ脱ガス設備 ３２…連鋳設備 ４０…高炉プロコン ４２…溶銑プロコン ４４…転炉プロコン ４６…連鋳プロコン ４８…分析プロコン ５０…ネットワーク
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 17/60 １０６ Ｇ０６Ｆ 17/60 １０６ Ｆターム(参考） 4K002 AB02 AB04 AC10 AD02 AF01 AF04 AF05 4K013 FA01 FA02 FA11 FA12 4K014 AA01 AA02 AC03 AC14 AC16 AD01 AD17 AD23 AD25 AD27 5H004 GA34 GB03 HA01 HA04 HB01 HB04 KC01 KC27 KD62 LA15 MA38
Claims (1)
- 【請求項１】製銑・製鋼工場における温度や成分を、プ
ロセス毎に設けられた計算機を用いて制御するに際し、 各計算機間で、温度や分析値の実績値だけでなく、各計
算機が各自の持つモデルを用いて計算した温度や分析値
の推定値を共有し、 実績値が得られないときは、他の計算機が計算した推定
値を利用して、制御やモデル学習をすることにより、 高炉から連鋳までの温度や成分を最適に制御することを
特徴とする製銑・製鋼工場における温度・成分の最適制
御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000364185A JP2002167612A (ja) | 2000-11-30 | 2000-11-30 | 製銑・製鋼工場における温度・成分の最適制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000364185A JP2002167612A (ja) | 2000-11-30 | 2000-11-30 | 製銑・製鋼工場における温度・成分の最適制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002167612A true JP2002167612A (ja) | 2002-06-11 |
Family
ID=18835172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000364185A Pending JP2002167612A (ja) | 2000-11-30 | 2000-11-30 | 製銑・製鋼工場における温度・成分の最適制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002167612A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013112871A (ja) * | 2011-11-30 | 2013-06-10 | Jfe Steel Corp | 転炉吹錬終点温度設定方法 |
| CN103293951A (zh) * | 2013-06-14 | 2013-09-11 | 湘潭大学 | 一种智能出钢材组炉组浇装置及方法 |
| KR101424640B1 (ko) | 2013-04-03 | 2014-08-01 | 주식회사 포스코 | 주물용 선철의 제조 방법 |
| CN110850915A (zh) * | 2018-08-21 | 2020-02-28 | 上海梅山钢铁股份有限公司 | 一种基于自学习的炼钢钢水过程温度控制***和控制方法 |
-
2000
- 2000-11-30 JP JP2000364185A patent/JP2002167612A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013112871A (ja) * | 2011-11-30 | 2013-06-10 | Jfe Steel Corp | 転炉吹錬終点温度設定方法 |
| KR101424640B1 (ko) | 2013-04-03 | 2014-08-01 | 주식회사 포스코 | 주물용 선철의 제조 방법 |
| CN103293951A (zh) * | 2013-06-14 | 2013-09-11 | 湘潭大学 | 一种智能出钢材组炉组浇装置及方法 |
| CN110850915A (zh) * | 2018-08-21 | 2020-02-28 | 上海梅山钢铁股份有限公司 | 一种基于自学习的炼钢钢水过程温度控制***和控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560218B (zh) | Lf精炼造渣石灰加入量预测方法、***及lf精炼方法 | |
| CN110954670B (zh) | 一种连续预测转炉熔池磷含量的方法及*** | |
| JP2002167612A (ja) | 製銑・製鋼工場における温度・成分の最適制御方法 | |
| JP2751800B2 (ja) | 製鋼プロセスにおける溶鋼温度管理方法 | |
| EP3956481B1 (en) | Method for monitoring a steelmaking process and associated computer program | |
| JP4806964B2 (ja) | 真空脱ガス処理終了温度の決定方法 | |
| CN106498113A (zh) | 一种82b钢的转炉冶炼工艺 | |
| US20080172277A1 (en) | Algorithmic framework for scheduling steelmaking production optimizing the flow of molten iron subject to inventory constraints | |
| CN110484676A (zh) | 球墨铸铁中硅量的添加控制方法、球墨铸铁的铸造方法、铸件 | |
| JPH09249903A (ja) | 溶銑需給管理スケジューリング方法 | |
| JPH06264129A (ja) | 転炉製鋼の終点制御方法 | |
| CN112280925B (zh) | 一种硅钢炼钢冶炼用钛元素管控方法 | |
| JP4048010B2 (ja) | 転炉および溶銑予備処理容器におけるりん平衡状態の推定方法 | |
| JP2002003909A (ja) | 溶銑物流システムおよび溶銑物流制御方法 | |
| RU2782109C1 (ru) | Способ контроля процесса производства стали | |
| JP6780207B2 (ja) | 製鋼工程における溶鋼鍋の使用本数の決定方法 | |
| Palovaara et al. | Temperature Control of a Smelting Plant | |
| SU1196381A1 (ru) | Способ управлени технологическим участком чугуновозные ковши-миксеры-сталеплавильные агрегаты | |
| JPH08157923A (ja) | 転炉主原料装入量の決定方法 | |
| JPH05171244A (ja) | 転炉における最低溶銑配合率の推定方法 | |
| CN118036793A (zh) | 多钢种同中包连浇时中包钢坯产出预测方法 | |
| JP2023114592A (ja) | 操業演算装置および操業演算方法 | |
| SU1186645A1 (ru) | Способ управлени технологическим процессом на участке подготоки чугуна дл отливки изложниц | |
| JPH10237527A (ja) | 溶銑の脱珪制御方法 | |
| JP3589181B2 (ja) | 溶銑運搬容器内でのフラックス添加による溶銑予備処理方法 |