JPH0625672A - Apparatus for judging coking termination in coke oven - Google Patents
Apparatus for judging coking termination in coke ovenInfo
- Publication number
- JPH0625672A JPH0625672A JP18207192A JP18207192A JPH0625672A JP H0625672 A JPH0625672 A JP H0625672A JP 18207192 A JP18207192 A JP 18207192A JP 18207192 A JP18207192 A JP 18207192A JP H0625672 A JPH0625672 A JP H0625672A
- Authority
- JP
- Japan
- Prior art keywords
- burn
- determination
- neural network
- coking
- temperature
- 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
Landscapes
- Coke Industry (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明はコークス炉の火落判定装
置、特にニューラルネットワークを利用した火落判定装
置に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a burnout determining device for a coke oven, and more particularly to a burnout determining device using a neural network.
【０００２】[0002]
【従来の技術】コークス炉では相隣り合う多数の炭化室
に石炭を順次装入し、１１００℃前後の高温で乾留を行
い、石炭乾留が終了すると生成されたコークスを押出機
で窯出しをしている。そして、窯出し前に石炭乾留が終
了しているか否かを判定する必要がある。この石炭乾留
の終了を火落といい、そのタイミングを判定することを
火落判定と称している。従来、火落判定は火見と呼ばれ
る熟練者がコークス炉の上昇管のトップカバーを解放し
て、そこから出るガスの色を見て行われていた。しか
し、この方法は熟練者が必要であるばかりか、トップカ
バーを解放する時期によっては問題を生じる。即ち、石
炭乾留の終了時刻付近でトップカバーを解放するときは
問題が起きないが、乾留がまだ終了していない時にトッ
プカバーを解放すると、黒煙が発生したり、コークス品
位が劣化したりする。このため、操業熟練者を必要とし
ない火落判定法の開発が望まれていた。2. Description of the Related Art In a coke oven, coal is sequentially charged into a large number of adjoining carbonization chambers, carbonization is carried out at a high temperature of about 1100 ° C., and when the carbonization is completed, the coke produced is kiln-extruded by an extruder. ing. Then, it is necessary to determine whether or not the coal carbonization has been completed before the kiln is taken out. The end of the coal carbonization is called a fire drop, and the determination of the timing is called a fire fall determination. Conventionally, a fire-fall judgment is performed by an expert called "Hami" who opens the top cover of the ascending pipe of the coke oven and observes the color of the gas emitted from the top cover. However, this method not only requires a skilled person, but also causes problems depending on when the top cover is released. That is, there is no problem when releasing the top cover near the end time of coal carbonization, but if you open the top cover when carbonization is not yet finished, black smoke will occur and coke quality will deteriorate. . Therefore, there has been a demand for the development of a fire fall determination method that does not require a skilled worker.
【０００３】このようなことから熟練者を必要としない
方法も提案されている。例えば発生ガスの最高温度Ｘと
火落時のガス温度Ｙとの間に関係式Ｙ＝ａＸ＋ｂが成立
することを利用して火落判定する方法（特公昭４６−０
６４９７号公報）、或いは火落時の石炭装入後の経過時
間ｘとガス温度ｙとの間に関係式ｙ＝ｄｘ＋ｅが成立す
ることを利用して火落判定する方法（特開昭４９−１０
３９０２号公報）が既に提案されている。For this reason, a method that does not require an expert has been proposed. For example, a method of judging a fire fall by utilizing the fact that the relational expression Y = aX + b holds between the maximum temperature X of the generated gas and the gas temperature Y at the time of the fire fall (Japanese Patent Publication No. 46-0
No. 6497), or the fact that the relational expression y = dx + e is established between the elapsed time x after charging coal and the gas temperature y at the time of a fire fall (JP-A-49-49). 10
3902 publication) has already been proposed.
【０００４】これらの火落判定法には種々の問題がある
が、それを述べる前にコークス炉と発生ガスの温度測定
の位置との関係を説明する。図４はコークス炉の部分断
面図である。図４において、４１は炭化室、４２は炭化
室４１で発生したガスを集合管４６に導くための上昇管
であり、この上昇管４２は上昇管ベント部４４を経て集
合管４６に連通しており、また、上昇管４２にはトップ
カバー４３が取り付けられている。４５は上昇管ベント
部４４に設けられた温度計であり、通常は熱電対を用い
ている。上昇管ベント部４４は、上昇管４２に比べてガ
ス温度が低く温度計の寿命が長くなり、また、炭化室４
１からの輻射熱の影響を受けない。このため、温度計４
５を設置する位置は上昇管ベント部４４が望ましい。４
７は生成コークス、４８は散水管であり、発生ガスを冷
却するために常時散水されている。Although there are various problems in these burn-down determination methods, the relationship between the coke oven and the position of the temperature measurement of the generated gas will be described before describing them. FIG. 4 is a partial cross-sectional view of the coke oven. In FIG. 4, 41 is a carbonization chamber, 42 is an ascending pipe for guiding the gas generated in the carbonization chamber 41 to the collecting pipe 46, and this ascending pipe 42 communicates with the collecting pipe 46 via an ascending pipe vent 44. Further, a top cover 43 is attached to the rising pipe 42. Reference numeral 45 is a thermometer provided in the rising pipe vent portion 44, and usually a thermocouple is used. The riser pipe vent portion 44 has a lower gas temperature than the riser pipe 42 and has a longer life of the thermometer.
Not affected by radiant heat from 1. Therefore, the thermometer 4
It is desirable that the ascending pipe vent portion 44 be installed at a position where 5 is installed. Four
Reference numeral 7 is a generated coke, and 48 is a sprinkling pipe, which is constantly sprinkled to cool the generated gas.
【０００５】[0005]
【発明が解決しようとする課題】一般に、上昇管ベント
部４４における発生ガスの温度は、炭化室４１から出て
きたガスが上昇管部４２で冷却された結果の温度であ
る。このため、発生ガスの温度は上昇管部４２における
冷却、即ち、外気温度や天候、特に湿度に大きく左右さ
れる。また、個々の炭化室４１の特性、上昇管部４２や
温度計４５に対するカーボン付着、及び温度計４５の劣
化などの影響を受ける。しかし、これらの要素は上述の
火落判定方法（特公昭４６−０６４９７号公報，特開昭
４９−１０３９０２号公報）には加味されておらず、火
落判定の精度は余り良くないという問題点があった。Generally, the temperature of the generated gas in the rising pipe vent portion 44 is the temperature as a result of the gas discharged from the carbonization chamber 41 being cooled in the rising pipe portion 42. Therefore, the temperature of the generated gas greatly depends on the cooling in the rising pipe portion 42, that is, the outside air temperature and the weather, especially the humidity. Further, the characteristics of the individual carbonization chambers 41, the adhesion of carbon to the rising pipe portion 42 and the thermometer 45, and the deterioration of the thermometer 45 are affected. However, these elements are not taken into consideration in the above-described burn-down determination method (Japanese Patent Publication No. 46-06497 and Japanese Patent Laid-Open No. 49-103902), and the accuracy of the burn-down determination is not so good. was there.
【０００６】即ち従来から提案されている火落判定方法
は、上述のように発生ガスの温度に対する次のような点
を考慮していないため、判定精度が良くないという問題
点があった。 (1) 外気温度や天候、特に湿度の影響。 (2) 個々の炭化室の特性、上昇管部や温度計に対するカ
ーボン付着及び温度計の劣化などの影響。That is, the conventional fire drop determination method has a problem that the determination accuracy is not good because it does not consider the following points with respect to the temperature of the generated gas as described above. (1) Influence of outside temperature and weather, especially humidity. (2) Effects of the characteristics of individual carbonization chambers, carbon adhesion to the riser and thermometer, and deterioration of the thermometer.
【０００７】本発明は、上記のような問題点を解決する
ためになされたものであり、火落判定精度の向上を通し
て燃焼制御の最適化を図ることを可能にしたコークス炉
の火落判定装置を提供することを目的とする。The present invention has been made in order to solve the above problems, and is a device for determining a burnout in a coke oven, which makes it possible to optimize combustion control by improving the accuracy of a burnout determination. The purpose is to provide.
【０００８】[0008]
【課題を解決するための手段】本発明に係るコークス炉
の火落判定装置は、ニューラルネットワークを用いて火
落判定定数を決定し、その火落判定定数を用いて数式モ
デルで火落判定を行い、燃焼制御に繋げることにより燃
焼制御の最適化を行い、コークス品位の安定・向上に繋
げるようにしたものであり、次の手段を有する。 (1) 火落判定前後のデータを入力する入力層と、火落判
定定数を出力する出力層とを少なくとも有し、実操業デ
ータ及びセンサデータをもとに石炭乾留過程の順方向に
沿って予め学習させた２以上の階層からなる階層型ニュ
ーラルネットワーク。 (2) ニューラルネットワークの出力層から得られる火落
判定定数を火落判定式（数式モデル）に適用して火落判
定温度を求め、この火落判定温度と発生ガス温度との差
に基づいて火落判定する演算手段。また、本発明に係る
コークス炉の火落判定装置は、階層型ニューラルネット
ワークの出力層から出力された火落判定定数を火落判定
式に適用して求めた火落時間と実際の火落時間との差が
許容範囲を越えたとき、或いは定周期にてニューラルネ
ットワークの自己組織を学習させて火落判定の判定精度
を向上させている。或いはこれらの学習方法を適宜組み
合わせて自己組織を学習させる。A coke oven burn-down determination apparatus according to the present invention uses a neural network to determine a burn-down determination constant, and uses the burn-down determination constant to perform a burn-down determination using a mathematical model. Combustion control is optimized by performing it, and is linked to combustion control, which leads to stabilization and improvement of coke quality, and has the following means. (1) It has at least an input layer for inputting data before and after a burnout determination and an output layer for outputting a burnout determination constant, and along the forward direction of the coal carbonization process based on actual operation data and sensor data. A hierarchical neural network composed of two or more layers learned in advance. (2) Apply the burn-down determination constant obtained from the output layer of the neural network to the burn-down determination formula (mathematical model) to determine the burn-down determination temperature, and based on the difference between this burn-down determination temperature and the gas temperature generated. Computation means for determining fire fall. Further, the coke oven burn-down determination device according to the present invention, the burn-down time obtained by applying the burn-down determination constant output from the output layer of the hierarchical neural network to the burn-down determination formula and the actual burn-down time When the difference between and exceeds the allowable range, or the self-organization of the neural network is learned in a fixed cycle, the accuracy of the fire fall determination is improved. Alternatively, the self-organization is learned by appropriately combining these learning methods.
【０００９】[0009]
【作用】本発明においては、各種の火落判定前後のデー
タをもとに多層に構築されたニューラルネットワークに
より火落判定定数を求め、火落判定定数に基づいて火落
判定を実施し、火落判定精度の向上を図り、燃焼制御に
繋げることにより燃焼制御の最適化を行い、コークス品
位の安定・向上を図る。また、ニューラルネットワーク
の学習によりその相互係数を自動生成又は修正すること
により火落判定の判定精度が維持される。In the present invention, the fire-decision constant is determined by a neural network constructed in multiple layers based on various data before and after the fire-decision judgment, and the fire-decision judgment is carried out based on the fire-decision constant. By improving the accuracy of drop judgment and linking it to combustion control, combustion control is optimized to stabilize and improve the quality of coke. Further, the accuracy of the fire fall determination is maintained by automatically generating or modifying the mutual coefficient by learning the neural network.
【００１０】[0010]
【実施例】図１は本発明の一実施例に係る火落判定装置
の構成を示すブロック図である。図において、楕円形の
枠は火落判定装置の入力と出力を示し、短形のブロック
は火落判定装置の内部処理を示している。１は火落判定
前のデータ値であり、２は火落判定後のデータ値であ
る。この火落判定後のデータ値２は前回の火落判定後の
データ（前の周期のデータ）である。３はデータ入力手
段、４はデータ加工手段、５はニューラルネットワーク
（順方向装置）であり、６は火落判定定数である。７は
数式モデル（火落判定式）を用いて火落判定をする演算
手段であり、８は火落判定結果（火落時間）である。９
は参照入力データ、１０は教師入力データであり、１１
は学習パターン作成処理手段である。１２は火落判定結
果（火落時間）８を燃焼制御用数式モデルに適用して目
標フリュー温度を求める演算手段である。DESCRIPTION OF THE PREFERRED EMBODIMENTS FIG. 1 is a block diagram showing the structure of a fire fall determining apparatus according to an embodiment of the present invention. In the figure, the elliptical frame shows the input and output of the burn-down determination device, and the short block shows the internal processing of the burn-down determination device. 1 is a data value before the burnout determination, and 2 is a data value after the burnout determination. The data value 2 after the burnout determination is the data after the previous burnout determination (data of the previous cycle). Reference numeral 3 is a data input means, 4 is a data processing means, 5 is a neural network (forward device), and 6 is a burn-down determination constant. Reference numeral 7 is a calculation means for making a fire fall determination using a mathematical model (fire fall determination formula), and 8 is a fire fall determination result (fire fall time). 9
Is reference input data, 10 is teacher input data, and 11
Is a learning pattern creation processing means. Reference numeral 12 is a calculation means for applying the fire fall determination result (fire fall time) 8 to the combustion control mathematical model to obtain the target flue temperature.
【００１１】図１において、火落判定前のデータ１は各
種センサによる測定データを基にしたコークス操業デー
タであり、例えば操業目標ＧＣＴ(Gross coking time)
やＮＣＴ(Net cokingtime)、石炭の装入時に決まる装入
諸元（装入量、水分値、揮発分）、操業状況を示す装入
後の経過時間、発生ガス温度、大気温度、大気湿度、フ
リュー温度等が該当する。また、火落判定後のデータ２
は火落判定結果としての火落時間や判定温度である。こ
れらのデータ１，２はデータ入力手段３を通してデータ
加工手段４に取り込まれる。そして、データ加工手段４
によってノイズが除去され後に火落判定するために必要
なデータ、例えば発生ガス温度及びその最高値や平均
値、フリュー温度の目標値と実績値の差、石炭の装入量
や水分値など過去から現在の一定期間における変化量な
ど時間的因子を含んだ情報に加工される。In FIG. 1, data 1 before the determination of a fire is coke operation data based on the data measured by various sensors. For example, the operation target GCT (Gross coking time).
, NCT (Net coking time), charging specifications (charging amount, moisture value, volatile matter) determined at the time of charging coal, elapsed time after charging indicating operation status, gas temperature, atmospheric temperature, atmospheric humidity, For example, the flue temperature is applicable. In addition, data 2 after the burnout judgment
Is the burn time and the determination temperature as a result of the burn determination. These data 1 and 2 are taken into the data processing means 4 through the data input means 3. And the data processing means 4
Data required to determine a fire after noise is removed by, for example, the generated gas temperature and its maximum value or average value, the difference between the target value and the actual value of the flue temperature, the amount of coal charged, the moisture value, etc. It is processed into information that includes a temporal factor such as the amount of change in the current fixed period.
【００１２】データ加工手段４により処理されたデータ
はニューラルネットワーク５に渡され、ニューラルネッ
トワーク５ではそのデータを順方向に取り込んで処理し
火落判定定数６を出力する。火落判定定数６は演算手段
７に渡され、演算手段７は数式モデル（火落判定式）を
使用して火落判定を行い火落時間８を求める。この数式
モデル（火落判定式）は例えば次式による。 θｊ＝ａ1 ＋ａ2 ・ｔ＋ａ3 ・Ｃ θｊ：火落判定温度 ｔ ：石炭装入後の経過時間 Ｃ ：石炭の装入量 ａ1 ，ａ2 ，ａ3 ：火落判定定数 演算手段７は、この火落判定温度と実際の温度である発
生ガス温度との差を求め、その差に基いて火落時間Ｔc
を求める。次に、演算手段１２はその火落時間を燃焼制
御用数式モデルに適用し燃焼状態を解析する。The data processed by the data processing means 4 is passed to the neural network 5, and the neural network 5 fetches the data in the forward direction and processes it to output a burn-down determination constant 6. The burn-down determination constant 6 is passed to the computing means 7, and the computing means 7 uses the mathematical model (burn-down determination formula) to perform the burn-down determination to obtain the burn-down time 8. This mathematical model (fire-decision determination formula) is based on the following formula, for example. θ j = a1 + a2 · t + a3 · C θ j : Burndown determination temperature t: Elapsed time after coal charging C: Coal charge a1, a2, a3: Burndown determination constant The difference between the judgment temperature and the temperature of the generated gas, which is the actual temperature, is determined, and the fire fall time T c is calculated based on the difference.
Ask for. Next, the calculation means 12 applies the fire fall time to a mathematical model for combustion control to analyze the combustion state.
【００１３】[0013]
【数１】 [Equation 1]
【００１４】上記の(1) 式において、Ｔc ，Ｔs に目標
Ｔc ，Ｔs を代入すれば目標フリュー温度が得られ、逆
に実績Ｔc ，Ｔs を代入すれば実績に基いた実績フリュ
ー温度が得られる。そして、(2) 式において、両者の差
を求めることによりフリュー温度定数項が修正され、次
回からの目標フリュー温度計算に反映される。このよう
にして温度定数項が修正され、目標フリュー温度が高精
度に求められる。目標フリュー温度が高精度に求められ
ると制御条件が一義的に定まり、その制御条件に基いて
コークス炉の燃焼が制御される。なお、（１）式及び
（２）式においてサフィックスｔは今回のデータを示
し、ｔ−１は前回のデータを示している。[0014] In the above equation (1), T c, the target T c to T s, the target flues temperature is obtained by substituting T s, based on actual Substituting results T c, T s conversely The actual flue temperature is obtained. Then, in the equation (2), the flue temperature constant term is corrected by obtaining the difference between the two, and is reflected in the calculation of the target flue temperature from the next time. In this way, the temperature constant term is corrected and the target flue temperature is obtained with high accuracy. When the target flue temperature is required with high accuracy, the control condition is uniquely determined, and the combustion of the coke oven is controlled based on the control condition. In addition, in the equations (1) and (2), the suffix t indicates the current data, and t−1 indicates the previous data.
【００１５】これとは別にネットワークの学習のための
参照入力データ９と教師入力データ１０とを学習用パタ
ーン作成処理１１を介してニューラルネットワーク５に
与える。この場合、参照入力データ９はコークス炉の操
業データ１と形式的には同じであり、教師入力データ１
０は火落判定定数６と形式的に同じであるが、教師入力
データ１０は参照入力データ９に対する出力として、正
確な情報が必要である。そのため操業状況が安定した日
々の操業結果が教師になり、教師入力データ１０を与え
ることになる。Separately from this, the reference input data 9 for learning the network and the teacher input data 10 are given to the neural network 5 through the learning pattern forming process 11. In this case, the reference input data 9 is formally the same as the coke oven operation data 1, and the teacher input data 1
0 is formally the same as the burn-down determination constant 6, but the teacher input data 10 requires accurate information as an output for the reference input data 9. Therefore, the daily operation result in which the operation condition is stable becomes a teacher, and the teacher input data 10 is given.
【００１６】学習用パターン作成処理１１は参照入力デ
ータ９、教師入力データ10をニューラルネットワーク５
で学習し易いようなパターンに変換しているだけであ
る。In the learning pattern creating process 11, the reference input data 9 and the teacher input data 10 are input to the neural network 5.
It is simply converted into a pattern that is easy to learn in.
【００１７】以上の構成から火落判定装置を更に詳細に
説明する。先ず図１のデータ入力手段３に与えるコーク
ス炉の操業データ１には下記のものがある。 (1)操業目標ＧＣＴ (2) 操業目標ＮＣＴ (3)石炭の装入量 (4) 石炭の水分値 (5)石炭の揮発分 (6) フリュー温度 (7)発生ガス温度 (8) 大気温度 (9)大気湿度 (10) 石炭の乾留時間 (11)装入後の経過時間 (12) 火落時間The fire fall determination device having the above-mentioned configuration will be described in more detail. First, the coke oven operation data 1 given to the data input means 3 in FIG. (1) Operation target GCT (2) Operation target NCT (3) Coal charge (4) Moisture content of coal (5) Coal volatiles (6) Flue temperature (7) Evolved gas temperature (8) Ambient temperature (9) Atmospheric humidity (10) Coal carbonization time (11) Elapsed time after charging (12) Burndown time
【００１８】図２は本実施例におけるニューラルネット
ワーク５（順方向装置）の構成を示した図である。ニュ
ーラルネットワーク５は、図１のデータ加工手段４で加
工された前記 (1)操業目標ＧＣＴ〜(12)火落時間の各種
データを取込む入力層と、火落判定定数６を出力する出
力層との間に中間層を置いた３層構造とした。一般にニ
ューラルネットワーク５は２層構造では線形であるのに
対し、本実施例におけるように３層以上では非線形にな
り、情報加工手段が格段に向上する。従って、中間層を
設けた３層以上のネットワークを使う所が多い。本実施
例では出力層は火落判定定数の１ユニットである。FIG. 2 is a diagram showing the configuration of the neural network 5 (forward device) in this embodiment. The neural network 5 includes an input layer for taking in (1) the operation target GCT to (12) various data of the burn down time processed by the data processing means 4 in FIG. 1 and an output layer for outputting the burn down determination constant 6. It has a three-layer structure in which an intermediate layer is placed between and. Generally, the neural network 5 is linear in the two-layer structure, but becomes non-linear in the three or more layers as in the present embodiment, and the information processing means is remarkably improved. Therefore, many places use a network of three or more layers with an intermediate layer. In this embodiment, the output layer is one unit of the burn-down determination constant.
【００１９】図３はニューラルネットワーク５の出力層
の出力値をもとに数式モデル（火落判定式）により火落
判定した結果を、日平均の火落時間の月内バラツキ、コ
ークス品位の変動、省エネルギー等の推移として示した
推移図である。火落時間の月内バラツキは本実施例によ
れば約５％減少した。また、コークス強度の変動は約
０．２％減少した。そして、コークス強度の変動が減少
した結果、一般炭の使用量が約３％増加し、省エネルギ
ー効果も約５ｋｃａｌ／ｋｇ石炭あった。FIG. 3 shows the result of the burndown determination based on the output value of the output layer of the neural network 5 by the mathematical model (burndown determination formula), and the fluctuations in the monthly average of the burndown time and the fluctuation of the coke quality. FIG. 4 is a transition chart showing transitions of energy saving and the like. According to the present embodiment, the variation in the burning time within a month was reduced by about 5%. The fluctuation of coke strength was reduced by about 0.2%. As a result of the decrease in the fluctuation of coke strength, the amount of steam coal used increased by about 3% and the energy saving effect was about 5 kcal / kg.
【００２０】本装置で示した機能を窯単位に持ち、窯出
しのたびに学習する方法も考えられるが、窯の数が多
く、複雑になるため、本実施例では炉団単位に持つこと
にした。そして火落判定定数の変更は１日平均を周期と
した。また、ニューラルネットワークの学習組織の学習
もより正確に学習制御をするため１日平均を周期とし
た。A method of having the function shown in this apparatus in a kiln unit and learning every time the kiln is taken out can be considered, but since the number of kilns is large and complicated, in this embodiment, it is decided to have it in a kiln unit. did. And the change of the burn-down determination constant was made to be a daily average. In addition, the learning average of the learning structure of the neural network is set to the average of one day in order to control learning more accurately.
【００２１】[0021]
【発明の効果】本発明の火落判定装置によれば、最適な
火落判定を行うための火落判定定数を確保でき、またニ
ューラルネットワークの学習方法を用いて再学習を随時
行い、設備や操業状況が変わっても火落判定精度が維持
できるようになった。その結果、コークス品位は安定・
向上し、高炉の要求するコークスを低コストで安定して
製造できるなどの効果が得られる。[Effects of the Invention] According to the fire-decision apparatus of the present invention, it is possible to secure a fire-decision constant for optimal fire-decision determination, and to perform re-learning at any time by using a learning method of a neural network. Even if the operating conditions change, the accuracy of fire determination can be maintained. As a result, the coke quality is stable.
It is possible to obtain effects such as improvement and stable production of coke required by the blast furnace at low cost.
【図１】本発明の一実施例の火落判定装置の構成を示す
ブロック図である。FIG. 1 is a block diagram showing a configuration of a fire fall determination device according to an embodiment of the present invention.
【図２】図１の本実施例におけるニューラルネットワー
クの構成を示した説明図である。FIG. 2 is an explanatory diagram showing a configuration of a neural network in this embodiment of FIG.
【図３】図１の実施例における火落時間のバラツキ、コ
ークス品位及び省エネルギーの推移図である。FIG. 3 is a transition diagram of variations in fire fall time, coke quality, and energy saving in the embodiment of FIG.
【図４】コークス炉と発生ガス温度の測定位置の関係図
である。FIG. 4 is a relationship diagram of a coke oven and a measurement position of a generated gas temperature.
１ 操業変更前のデータ値 ２ 操業変更後のデータ値 ３ データ入力手段 ４ データ加工手段 ５ ニューラルネットワーク（順方向装置） ６ 火落判定定数 ７ 数式モデル（火落判定式） ８ 火落判定結果（火落時間） ９ 参照入力データ １０ 教師入力データ １１ 学習パターン作成処理 1 Data value before operation change 2 Data value after operation change 3 Data input means 4 Data processing means 5 Neural network (forward device) 6 Burndown determination constant 7 Numerical model (burndown determination formula) 8 Burndown determination result ( Fire fall time) 9 Reference input data 10 Teacher input data 11 Learning pattern creation processing
Claims (3)
落判定装置において、 火落判定前後のデータを入力する入力層と、火落判定定
数を出力する出力層とを有し、実操業データ及びセンサ
データをもとに石炭乾留過程の順方向に沿って予め学習
させておく、２層以上の階層からなる階層型ニューラル
ネットワークと、 前記ニューラルネットワークの出力層から得られる火落
判定定数を火落判定式に適用して火落判定温度を求め、
この火落判定温度と発生ガス温度との差に基づいて火落
判定する演算手段とを有するコークス炉の火落判定装
置。1. A burn-down determination device for determining a burn-down in a carbonization chamber of a coke oven, which has an input layer for inputting data before and after the burn-down determination and an output layer for outputting a burn-down determination constant. A hierarchical neural network composed of two or more layers, which is preliminarily learned along the forward direction of the coal carbonization process based on operation data and sensor data, and a burn-down determination constant obtained from the output layer of the neural network. Is applied to the burn-down determination formula to determine the burn-down determination temperature,
A burnout determination device for a coke oven, which has a calculation means for determining a burnout based on the difference between the burnout determination temperature and the generated gas temperature.
ら出力された火落判定定数を火落判定式に適用して求め
た火落時間と実際の火落時間との差が許容範囲を越えた
とき、前記ニューラルネットワークの自己組織を再び学
習させる請求項１記載のコークス炉の火落判定装置。2. When the difference between the burn down time obtained by applying the burn down determination constant output from the output layer of the neural network to the burn down determination formula and the actual burn down time exceeds an allowable range, The coke oven burn determination apparatus according to claim 1, wherein the self-organization of the neural network is relearned.
を所定周期で再学習させる請求項１又は２記載のコーク
ス炉の火落判定装置。3. The coke oven burn-down determination device according to claim 1, wherein the self-organization of the neural network is relearned at a predetermined cycle.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18207192A JPH0625672A (en) | 1992-07-09 | 1992-07-09 | Apparatus for judging coking termination in coke oven |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18207192A JPH0625672A (en) | 1992-07-09 | 1992-07-09 | Apparatus for judging coking termination in coke oven |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0625672A true JPH0625672A (en) | 1994-02-01 |
Family
ID=16111846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18207192A Pending JPH0625672A (en) | 1992-07-09 | 1992-07-09 | Apparatus for judging coking termination in coke oven |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0625672A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011184563A (en) * | 2010-03-09 | 2011-09-22 | Jfe Steel Corp | Method for deciding fire-extinction time in coke oven |
| US10465804B2 (en) | 2014-06-30 | 2019-11-05 | Kitz Corporation | Structure and method for fastening ball seat for ball valve, trunnion ball valve, and hydrogen station using the ball valve |
-
1992
- 1992-07-09 JP JP18207192A patent/JPH0625672A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011184563A (en) * | 2010-03-09 | 2011-09-22 | Jfe Steel Corp | Method for deciding fire-extinction time in coke oven |
| US10465804B2 (en) | 2014-06-30 | 2019-11-05 | Kitz Corporation | Structure and method for fastening ball seat for ball valve, trunnion ball valve, and hydrogen station using the ball valve |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612254B (en) | Road motor vehicle exhaust emission prediction method based on improved attention bidirectional long-short term memory network | |
| US4045292A (en) | Method for controlling combustion in coke oven battery | |
| CN112668196B (en) | Mechanism and data hybrid-driven generation type countermeasure network soft measurement modeling method | |
| CN111950176A (en) | Optimization method and optimization device for billet heating model and electronic equipment | |
| CN112521955A (en) | Coke cake center temperature detection method and system | |
| CN108984943B (en) | Heating furnace billet temperature tracking model correction method | |
| CN105700383B (en) | A kind of positive pressed baker optimal control method | |
| JPH0625672A (en) | Apparatus for judging coking termination in coke oven | |
| US4394121A (en) | Method of controlling continuous reheating furnace | |
| CN110598185A (en) | Coke oven coking unit consumption influence factor sequencing method and system | |
| CN111488689B (en) | Correction conversion method for straight-going temperature of coke oven | |
| CN114819063A (en) | Semi-supervised coke oven flame path temperature soft measurement method based on manifold regularization | |
| JPH0673414A (en) | Method for controlling quality of molten iron in blast furnace | |
| JP2564443B2 (en) | Coke oven furnace temperature control method | |
| JPH03157483A (en) | Process for controlling combustion of coke oven | |
| JPS5950196B2 (en) | How to determine whether a coke oven has caught fire | |
| CN117369263B (en) | Intelligent combustion control method of hot blast stove based on reinforcement learning and attention mechanism | |
| CN110543702B (en) | Modeling method of internal combustion engine-lithium bromide combined cooling, heating and power system | |
| JP4110780B2 (en) | Estimation method of hot metal temperature and disturbance in blast furnace | |
| JP5954382B2 (en) | How to detect a fire in a coke oven | |
| JP2652643B2 (en) | Prediction method of total coke oven gas generation | |
| JP2001316674A (en) | Method of controlling coke oven to reduce inter-furnace variation in time required to complete carbonization and mean wall temperature in carbonization chamber at extrusion | |
| CN114943173A (en) | Ladle baking system based on deep reinforcement learning and combustion simulation coupling and optimization method | |
| JPH05209234A (en) | In-furnace temperature control device of heating furnace | |
| JPH05230526A (en) | Temperature control method for continuous heating furnace |