KR0146785B1 - Error diagnosing method and apparatus for a furnace - Google Patents

Abstract

고로의 노내부(爐內附)의 상태를 감지하여 노황(爐況)의 이상을 예측하기 위해 가스류 심화현상을 진단하여 중심류 심화 상태를 판단하고, 통기성 진단, 환원성 진단, 가스류 분포 진단을 수행하여 그 결과에 의해 근부저하상태를 판단한 후, 이것에 더하여 하부온도 진단, 순간변동 진단, 노열저하 진단의 결과에 의하여 불활성화 상태를 판단하고, 상기 고로의 노체로부터 얻어지는 센서 데이타를 검출하여 각종 처리방법에 의해 가공하며 이를 중간 판단 그룹으로 분류후 진단하여, 노내 압력, 온도의 수직밸런스 변동을 진단하는 수직 밸런스 진단, 노내 압력, 온도의 원주밸런스 변동을 진단하는 원주 밸런스 진단, 용선온도로 대표되는 노열 진단 및 순간변동진단등을 행하고 이를 종합하여 노내 가스류 불안정을 판정하는 노내 가스류를 불안정 상태를 판단하고, 상기 판단과정에서 결정한 가중치는 상기 확신도를 계산하는 다음식In order to detect the condition of the blast furnace, the gas flow intensification is diagnosed in order to predict the abnormal condition of the blast furnace. Determination of the root deterioration state based on the results, and in addition to the deactivation state is determined by the results of the lower temperature diagnosis, instantaneous fluctuation diagnosis, deterioration diagnosis, and the sensor data obtained from the furnace body of the blast furnace is detected It is processed by various processing methods and classified into intermediate judgment groups, and then diagnosed, and vertical balance diagnosis for diagnosing fluctuation of vertical balance of pressure and temperature in the furnace, circumferential balance diagnosis for diagnosing fluctuation of circumferential balance of furnace pressure and temperature, and charter temperature Representative furnace diagnosis and instantaneous fluctuation diagnosis and the like are combined to determine the gas instability of the furnace. The weight determined in the determination process is calculated by the following equation

에 의해 확신도가 산출되며, 이 확신도는 노내 가스류 불안정 진단한 결과에 대한 액션을 가이드한다.The confidence level is calculated, and this confidence guides the action on the diagnosis of gas instability in the furnace.

Description

전문가 시스템을 이용한 고로 노황 이상 예측 장치 및 방법Apparatus and method for predicting blast furnace abnormality using expert system

제1도는 종래의 노황 이상 진단 방법을 보이는 구성도이다.1 is a configuration diagram showing a conventional method for diagnosing yellowing abnormality.

제2도는 본 발명에 의한 노황 이상 예측 장치를 보이는 구성도이다.2 is a configuration diagram showing an apparatus for predicting blemish abnormality according to the present invention.

제3도는 본 발명에 따른 노하부 불활성화 판단과정이다.3 is a process for determining inferior part inactivation according to the present invention.

제4도는 본 발명에 따른 노내 가스류 불안정 판단 방법이다.4 is a method for determining in-house gas flow instability according to the present invention.

제5도는 본 발명에 따른 확신도를 보정하는 시그보이드 함수이다.5 is a sieveoid function for correcting confidence in accordance with the present invention.

* 도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings

1 : 고로 21 : 센서부1: blast furnace 21: sensor

23 : 프로세스 컴퓨터 24 : 센서 정보 저장부23: process computer 24: sensor information storage unit

25 : 조업 해석수식 모델 26 : 전문가시스템25: Operational Analysis Model 26: Expert System

27 : 데이타 전처리부 28 : 추론엔진27: data preprocessor 28: inference engine

29 : 데이타 베이스 30 : 지식 베이스29: database 30: knowledge base

31 : 조업 가이드부 32 : 단말장치31: operation guide part 32: terminal device

본 발명은 고로조업에 사용되는 노내의 상황 예측 장치 및 방법에 관한 것으로, 특히 고로에 설치된 센서로부터 노내 상황 데이타를 감지하고 전문가 시스템을 이용하여 전문가의 고로조업 지식과 경험을 데이타화하여 노내 상황 데이타를 판단하여 노황의 이상을 예측하는 전문가 시스템을 이용한 고로 노황 이상 예측 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for predicting a situation in a furnace used for blast furnace operation, and in particular, to detect the situation data of the furnace from a sensor installed in the blast furnace, and to use the expert system to data the expert's blast furnace operation knowledge and experience data The present invention relates to an apparatus and a method for predicting blast furnace abnormality using an expert system for determining an abnormality of the aging by determining.

고로의 일반 제철소 용선을 제조하는 공정으로서 철광석을 환원, 용융하여 선철을 생산하는 플랜트이며 고로 본체, 원료 장입 설비, 열풍로, 가스 설비등으로 이루어져 있다.A process for manufacturing molten iron in blast furnaces. A plant that produces pig iron by reducing and melting iron ore. It is composed of a blast furnace body, a raw material charging facility, a hot stove, and a gas facility.

고로는 거대한 반응용기로서 원료인 철광석과 연료인 코크스가 노정에 장입되며 고온의 공기가 풍구로 유입되어 코크스를 연소시키며 이로부터 발생되는 환원가스에 의해 장입물을 가열, 환원 및 용해되어 선철과 슬래그로 출선구를 통해 배출되며 반응 가스는 노정에서 회수된다.The blast furnace is a huge reaction vessel where iron ore as raw material and coke as fuel are charged to the top of the furnace, and hot air flows into the tuyere to combust the coke, and the charged gas is heated, reduced and dissolved by reducing gas to produce pig iron and slag. Furnace is discharged through the outlet and the reaction gas is recovered from the top.

고로의 조업에 있어서, 가장 중요한 요소는 노열유지와 통기성의 확보이며 이들의 변화추이를 일반적으로 노황이라 한다.In the operation of blast furnaces, the most important factor is maintaining the heat and ensuring breathability, and their change is generally referred to as yellowing.

종래에는 제1도에 표시된 바와 같이 조업자가 고로(1)에 설치된 센서(2)로부터 감지된 노정가스성분, 노체온도, 압력등 각종 센서 데이타(3)를 계장판넬 또는 프로세스 컴퓨터(4)의 모니터(3)의 화면을 통해 감시하고, 프로세스 컴퓨터(4)가 제공하는 수식모델(7)의 출력 결과와 풍구휘도, 용선재등의 조업지 관찰정보(5)를 종합하여 현재의 노황을 진단함으로써 적정액션(6)을 결정하였다. 그러나, 이러한 조업관리 시스템에서는 숙련된 조업자에 전적으로 의존하여 많은 센서 데이타를 조업자가 선택, 판단하여야 하기 때문에 센서 정보의 미묘한 변화를 감지하기 어렵고, 고로(1)의 프로세스가 복잡하기 때문에 같은 상황을 놓고도 조업자간에 상이한 판단을 내리는 경우가 많다.Conventionally, as shown in FIG. 1, the operator monitors various sensor data 3, such as gaseous components, furnace temperature, and pressure, detected from the sensor 2 installed in the blast furnace 1 on the instrument panel or the process computer 4. (3) is monitored, and the present results of the mathematical model (7) provided by the process computer (4) and the operating area observation information (5), such as air duct brightness, molten iron rods, etc. are combined to diagnose the current aging Titration action 6 was determined. However, in this operation management system, it is difficult to detect subtle changes in sensor information because many sensor data have to be selected and judged by an operator who depends solely on a skilled worker, and the process of the blast furnace 1 is complicated. Often, different judgments are made between operators.

한편, 프로세스 컴퓨터에서 제공되는 수식모델들도 노내 현상이 복잡하여 부분적인 모델화만 가능하고 수식모델의 해석에 한계가 있을 뿐만아니라 이미 개발된 모델들도 조업조건의 변화에 따라 수식 모델의 변경이 어려워 시스템의 실제 상황과 많은 차이를 보이는 문제가 있었다.On the other hand, the mathematical models provided by the process computer are complex in-house phenomena, so that only partial modeling is possible, and there are limitations in the analysis of the mathematical models. Also, the developed models are difficult to change due to the change of operating conditions. There was a problem that differed greatly from the actual situation of the system.

본 발명은 상기의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 노내 상황의 수학적 모델링에 의한 해석의 한계, 다량의 조업 데이타를 조업자가 직접 선택, 노황을 예측하는데 따른 판단오류를 방지하고 정확한 노황 예측이 가능한 전문가 시스템을 이용한 고로 노황 예측 장치 및 방법을 제공하는 것이다.The present invention has been made to solve the above problems, and an object of the present invention is to limit the interpretation by mathematical modeling of the situation in the furnace, to directly select a large amount of operation data, to prevent judgment errors caused by predicting the aging, and to prevent accurate aging. The present invention provides an apparatus and method for predicting blast furnace yellowing using a predictable expert system.

본 발명의 다른 목적은 전문가 시스템을 이용하여 노내 프로파일 변동을 조기 검지하고, 적정액션 및 액션시점을 제시하여 불안정 노황으로의 이행을 억제하는 전문가 시스템을 이용한 고로 노황 예측 장치 및 방법을 제공하는 것이다.Another object of the present invention is to provide an apparatus and method for blast furnace aging prediction using an expert system for early detection of fluctuations in the furnace profile using an expert system and suggesting appropriate action and action points to suppress the transition to unstable aging.

본 발명의 또 다른 목적은 전문가 시스템에 의해 노황을 판정함으로써 조업자의 부하를 경감시키고 조업자의 판단오류를 방지하는 전문가 시스템을 이용한 고로 노황 이상 예측 장치 및 방법을 제공하는 것이다.It is still another object of the present invention to provide an apparatus and method for predicting blast furnace abnormality using an expert system which reduces the load of an operator by determining the aging by an expert system and prevents the operator's judgment error.

상기와 같은 목적을 달성하기 위하여 본 발명에 의한 장치는 상기 고로에 설치되어 각종 데이타를 감지하는 센서부(21)와, 상기 센서부에서 출력되는 노내의 데이타를 수집, 관리하는 센서 정보 저장부(24)와 조업해석 수식모델(25)로 구성되는 프로세스 컴퓨터(23)와, 상기 프로세스 컴퓨터(23)로부터 데이타를 전송받아 추론에 적절한 형태로 가공하는 데이타 전처리부(27)와, 조업전문가의 지식을 보관하는 지식 베이스(30)와, 추론결과를 가이드하는 조업자로부터 입력되는 가이드 데이타를 저장하는 데이타 베이스(29)와, 상기 데이타 전처리부(27)로부터 전 처리된 데이타를 입력받고 상기 지식 베이스(30)로부터 진단규칙을 읽어들여 추론을 행하는 추론엔진(28)로 구성된 전문가 시스템(26)과, 상기 전문가 시스템(26)이 조업자에게 가이드 데이타를 표시하고 조업 가이드 데이타를 상기 데이타 베이스(29)에 입력할 수 있는 조업 가이드부(31); 및 전문가에 의해 지식의 추가, 수정을 전문가 시스템으로 입력하는 단말장치(32)를 구비한다.In order to achieve the above object, the apparatus according to the present invention includes a sensor unit 21 installed in the blast furnace for sensing various data, and a sensor information storage unit for collecting and managing data in the furnace output from the sensor unit. 24) and a process computer 23 composed of a mathematical analysis model 25, a data preprocessor 27 for receiving data from the process computer 23 and processing the data into a form suitable for inference, and knowledge of an expert in operation. A knowledge base 30 for storing the information, a database 29 for storing guide data input from an operator who guides the inference result, and a data base pre-processed from the data preprocessing unit 27 for receiving the knowledge base. An expert system 26 composed of an inference engine 28 that reads the diagnostic rules from the 30 and performs inference, and the expert system 26 displays guide data to the operator. An operation guide part 31 capable of inputting operation guide data into the database 29; And a terminal device 32 for inputting, by the expert, addition or correction of knowledge into the expert system.

상기와 같이 구성된 본 발명에 의한 장치는 다음의 방법으로 제어된다.The apparatus according to the present invention configured as described above is controlled in the following manner.

가스류 심화현상을 진단하여 중심류 심화 상태를 판단하고, 통기성 진단, 환원성 진단, 가스류 분포 진단을 수행하여 그 결과에 의해 근부저하상태를 판단한 후, 이것에 더하여 하부온도 진단, 순간변동 진단, 노열저하 진단의 결과에 의하여 불활성화 상태를 판단하고, 상기 고로의 노체로부터 얻어지는 센서 데이타를 검출하여 각종 처리방법에 의해 가공하며 이를 중간 판단 그룹으로 분류후 진단하여, 노내 압력, 온도의 수직밸런스 변동을 진단하는 수직 밸런스 진단, 노내 압력, 온도의 원주밸런스 변동을 진단하는 원주 밸런스 진단, 용선온도로 대표되는 노열 진단 및 순간변동진단등을 행하고 이를 종합하여 노내 가스류 불안정을 판정하는 노내 가스류 불안정 상태를 판단하고, 상기 판단과정에서 결정한 가중치는 상기 확신도를 계산하는 다음식Diagnosis of the deepening of the gas stream is used to determine the deepening state of the central flow, and to determine the lowering condition based on the results of breathing, reducing, and gas flow distribution.In addition, lower temperature diagnosis, instantaneous fluctuation diagnosis, The deactivation status is judged based on the result of the deterioration diagnosis, and the sensor data obtained from the furnace body is detected and processed by various processing methods. Instability of the gas flow to determine the gas instability in the furnace by performing vertical balance diagnosis, furnace balance and cylinder balance diagnosis to diagnose fluctuations in the circumferential balance of the furnace temperature, furnace thermal diagnosis and instantaneous fluctuation diagnosis. The state is determined, and the weight determined in the determination process is then calculated to calculate the confidence level.

에 의해 확신도가 산출되며, 이 확신도에 기초하여 노내 가스류 불안정 진단한 결과에 대한 액션을 가이드한다.The confidence level is calculated, and based on the confidence level, the action on the result of diagnosis of gas instability in the furnace is guided.

이하 본 발명을 도면을 참고로 하여 상세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the drawings.

제2도에 본 발명에 의한 시스템을 보이는 구성도가 도시된다.2 is a block diagram showing a system according to the present invention.

본 발명에 의한 시스템은 프로세스 컴퓨터(23)와 전문가 시스템(26), 조업자가 조업 가이드 데이타를 입력할 수 있는 조업 가이드부(31) 및 전문가에 의해 지식의 추가, 수정을 전문가 시스템으로 입력하는 단말장치(32)로 구성된다.The system according to the present invention includes a process computer 23 and an expert system 26, an operation guide unit 31 through which an operator can input operation guide data, and a terminal for inputting and modifying knowledge by an expert into an expert system. It is composed of a device (32).

프로세스 컴퓨터(23)는 고로(1)에 설치된 각종 센서(21)로부터 노내의 데이타를 수집, 관리하는 센서 정보 저장부(24)와 조업해석 수식모델(25)로 구성되며, 전문가 시스템(26)은 프로세스 컴퓨터(23)로부터 데이타를 전송받아 추론에 적절한 형태로 가공하는 데이타 전처리부(27)와, 조업전문가의 지식을 보관하는 지식 베이스(30)와, 추론결과를 가이드하는 조업자로부터 입력되는 가이드 데이타를 저장하는 데이타 베이스(29)와, 상기 데이타 전처리부(27)로부터 전 처리된 데이타를 입력받고 상기 지식 베이스(30)으로부터 진단규칙을 읽어들여 추론을 행하는 추론엔진(28)로 구성된다.The process computer 23 is composed of a sensor information storage unit 24 which collects and manages the data in the furnace from various sensors 21 installed in the blast furnace 1, and an operation analysis formula model 25. The expert system 26 Is input from a data preprocessor 27 for receiving data from the process computer 23 and processing the data into a form suitable for inference, a knowledge base 30 for storing the knowledge of a fishing expert, and an operator who guides the inference result. A database 29 for storing guide data, and an inference engine 28 for inputting preprocessed data from the data preprocessing unit 27, reading diagnostic rules from the knowledge base 30, and performing inference. .

노황을 진단하기 위하여 진단규칙을 제공하는 지식 베이스(30)는 노하부 불활성 판단과 노내 가스류 불안정 판단으로 나뉘어지며, 지식은 컴퓨터 전문가가 아니더라도 알 수 있도록 쉬운 자연언어 표현으로 작성되고 각 지식은 신뢰도를 결정할 수 있도록 확신도 기법을 적용한 것이 특징이며 전문가 시스템에 의해 고로 조업 경험 및 지식을 데이타화하여 노황이상을 검사하여 상기 노황으로의 이행을 방지하는 시스템이다.The knowledge base 30 that provides a diagnosis rule for diagnosing bleeding is divided into a bottom inertness judgment and a gas instability judgment in the furnace, and knowledge is written in an easy-to-understand natural language expression so that a knowledgeable person can be understood even if he is not a computer expert. It is characterized by the application of the confidence technique to determine the system, and it is a system to prevent the transition to the yellowing by inspecting the abnormality of the blast furnace by data- ing the blast furnace operation experience and knowledge by the expert system.

본 발명의 작동과정을 설명하면 다음과 같다.Referring to the operation of the present invention.

노황 이상 진단의 개시는 프로세스 컴퓨터(23)로부터 매 시간마다 센서 데이타를 수집할 때 이루어지며 수집된 데이타를 지식 베이스(30)에서 사용하기 좋은 형태로 데이타 처리부(27)에서 전처리된다.The initiation of the diagnosis of the abnormality of the abnormality is made when sensor data is collected every hour from the process computer 23, and the collected data is preprocessed by the data processing unit 27 in a form suitable for use in the knowledge base 30.

예를들어,E.g,

와 같은 규칙이 있다고 할 때 추론을 하기 위하여 노체 하부온도 데이타의 저항정도, 일정기간의 지속정도, 통기지수 데이타의 상승정도, 일정기간의 지속정도 데이타를 필요로 한다. 데이타 전처리에서는 이러한 데이타를 가공처리하고 입력 데이타의 크기에 따라 규칙의 확신도(C.F)가 정해지도록 함으로써 데이타 구간에 따라 규칙을 하나씩 생성하는 것에 비해 규칙의 수를 대폭 줄일 수 있으며, 이 확신도(C.F)의 연속적인 표현이 가능하게 되므로 추론정도를 향상시킬 수 있도록 하였다.In order to make an inference, we need the resistance of the underbody temperature data, the duration of a certain period of time, the elevation of the ventilation index data, and the duration of a certain period of data. In data preprocessing, this data can be processed and the rule confidence level (CF) is determined according to the size of the input data, which greatly reduces the number of rules compared to generating one rule for each data interval. Since the continuous expression of CF) is possible, the degree of inference can be improved.

한편, 일반적으로 조업 데이타는 일정 범위내에서 변동하여 그외의 범위에서는 조업 데이타가 크게 변동하더라도 조업에 큰 영향을 주지않는 특징을 보인다. 그래서 확신도 계산에 이와 같은 현상과 일치할 수 있도록 신경회로망을 구성하는 뉴런의 출력함수로 이용되는 준선형의 포화형 응답특성을 가진 시그모이드 함수(제5도 참조)를 이용하여 확신도를 보정한다.On the other hand, in general, the operation data fluctuates within a certain range, and even if the operation data fluctuates greatly in other ranges, it does not have a significant effect on the operation. Therefore, the confidence level is calculated using a sigmoid function (see Fig. 5) with a quasi-linear saturation response that is used as the output function of the neurons constituting the neural network to match this phenomenon in the confidence level calculation. Correct it.

데이타 전처리(7)에 의하여 지식 베이스(10)에 데이타가 넘겨지면 추론엔진(8)은 노황 이상진단 추론을 시작한다. 지식은 IF-THEN-형태의 생성규칙과 객체(OBJECT)로 표현하며, 각 규칙에는 중요도에 따라 가중치가 부여된다. 매칭(matchin)된 규칙은 입력 데이타에 의해 선정된 IF부의 확신도에 따라 THEN부의 확신도를 산출하며 최종적으로 노황이상이 발생할 가능성을 확신도로 출력한다. 확신도의 계산방법은 다음과 같다.When the data is passed to the knowledge base 10 by the data preprocessing 7, the inference engine 8 starts the yellowing abnormal diagnosis inference. Knowledge is expressed in IF-THEN-type creation rules and objects (OBJECT), with each rule being weighted according to its importance. The matched rule calculates the confidence level of the THEN part according to the confidence level of the IF part selected by the input data, and finally outputs with confidence the possibility of occurrence of a bleak abnormality. The method of calculating the confidence level is as follows.

노황 이상진단은 노하부 불활성화 판단과 노내 가스류 불완전 판단으로 구성되는데 노하부 불활성화의 주요현상은 연화 융착대 정층부(頂層部)가 상승하면서 노 중심부로 가스류가 집중하고 이 현상이 심화될 때 노벽부(爐壁部) 가스류가 약화되며 연화 융착대(融着帶) 근부(根部)가 저하한다. 근부저하(根部低下)현상이 장기화 되며 가스류 통로가 축소되어 장기 노황(爐況)부족에 빠지게 되며 이 현상이 해소되려면 최소 1개월 내지 1년 정도의 기간이 소요되어 용선 생산에 막대한 지장을 초래한다.The abnormal diagnosis of the old age consists of the determination of inferior bottom inactivation and the determination of incomplete gas flow in the furnace. The main phenomenon of the inferior bottom inactivation is that the gas flow concentrates in the center of the furnace as the softening fusion zone rises. As a result, the gas flow of the furnace wall is weakened, and the vicinity of the softening fusion zone decreases. Deterioration of the roots is prolonged and gas flow paths are reduced, which leads to shortage of long-term yellowing. This phenomenon takes at least one month to one year, which causes enormous disruption in the production of charter. do.

노하부 불활성화 판단과정이 제3도에 도시된다.The furnace bottom deactivation judgment process is shown in FIG.

노하부(爐下部) 불활성대(不活性帶) 형성시의 초기 현상은 융착대 정층부 상승과 노 중심부로 가스류 집중에 의해 노내 중심 가스류의 점진적인 심화현상이 발생하며, 벽부 가스류(流) 약화와 환원 용해 능력저하에 의해 근부저하 현상이 발생한다. 이러한 노하부 불활성대의 형성이 심화되면 근부저하에 의해 불활성 영역이 형성되고, 근부가 비대해지며 그것에 의해 가스류 통로가 축소되어 노황(爐況)이 불안정해지는 기간이 장기화된다.The initial phenomena at the time of the formation of the lower part of the inert zone is the gradual intensification of the central gas flow in the furnace due to the rise of the fusion base and the concentration of the gas flow in the center of the furnace. ) Weakening phenomenon occurs due to weakening and reducing dissolution capacity. If the inferior zone inactive zone is intensified, an inactive region is formed by the root drop, the root portion is enlarged, and the gas flow passage is reduced, thereby prolonging the period in which the yellowing becomes unstable.

이것을 방지하기 위하여 노하부(爐下部) 불활성대(不活性帶) 형성시의 초기 현상인 노내 중심 가스류의 점진적인 심화현상과 융착대 근부저하 현상을 조기에 진단하여 적정액션을 조치해야한다.In order to prevent this, the appropriate action should be taken by early diagnosis of the gradual deepening of the central gas stream in the furnace, the initial phenomenon of the formation of the inert zone and the lowering of the fusion zone.

우선 가스류 심화현상의 진단은 통기성이 지속적으로 저하하고 있는지에 따라 결정하는데 통기성이 지속적으로 저하하고 있는 경우, 중심류 심화로 판단하고 조업자 가이드부(31)에 표시하여 조업자를 가이드한다.First, the diagnosis of the deepening of the gas flow is determined based on whether the air permeability is continuously deteriorated. If the air permeability is continuously deteriorating, the gas flow deepening is judged to be the central flow deepening, and the operator guide unit 31 is displayed to guide the operator.

중심류 심화 가이드 규칙은 다음과 같다.The central flow deepening guide rules are as follows.

다음으로 근부저하 상태를 진단하는데 근부저하 상태는 통기성 진단, 환원성 진단, 가스류 분포 진단을 수행하여 그 결과에 의해 판단한다.Next, the muscle lowering state is diagnosed. The muscle lowering state is determined by the result of performing a breathing diagnosis, a reducing diagnosis, and a gas flow distribution diagnosis.

통기성 변동 상태를 진단하는 규칙은 통기성 지수 K와 노체 온도 ST(Shaft Temperature)의 상관성에 의해 가중치를 정한다. 노체온도 ST는 고로(1)의 풍구로부터 노정(爐頂)까지 10개의 레벨(ST1-ST10)로 나누어지며 ST9는 노구온도, ST10는 노정온도이다. 통기성 변동 상태를 진단하는 규칙의 일예를 들면 다음과 같다.The rule for diagnosing breathable fluctuations is weighted by the correlation between the breathability index K and the furnace temperature shaft temperature (ST). Furnace temperature ST is divided into ten levels (ST1-ST10) from the blast furnace to the top of the blast furnace 1, ST9 is the furnace temperature, and ST10 is the furnace temperature. An example of a rule for diagnosing breathable fluctuations is as follows.

환원성 변동 상태를 진단하는 규칙은 일산화탄소지수 ηCO와 노체 온도 ST(Shaft Temperature)의 상관성(相關性)에 의해 가중치를 정한다. 환원성 변동 상태를 진단하는 규칙의 일예를 들면 다음과 같다.The rule for diagnosing reducible fluctuations is weighted by the correlation between the carbon monoxide index ηCO and the furnace temperature ST (Shaft Temperature). An example of a rule for diagnosing reducing fluctuations is as follows.

가스류 분포 변동 규칙은 노체온도 ST의 상태에 따라 가중치를 정한다. 가스류 분포 변동 규칙의 일예)를 들면 다음과 같다.The gas flow distribution variation rule sets a weight according to the state of the furnace temperature ST. An example of a gas flow distribution variation rule) is as follows.

상기 각 규칙에서 결정한 가중치는 상기 확신도를 계산하는 식(1)에 의해 확신도가 산출되며, 이 확신도는 근부저하 상태 판단 규칙에서 근부저하 진단을 실행하기 위해 사용되며, 노하부 온도 저하 상태 판단 규칙은 다음과 같다.The weight determined by each rule is calculated by Equation (1), which calculates the confidence level, and this confidence level is used to perform the muscle drop diagnosis in the muscle drop state determination rule, The decision rule is as follows.

불활성화 상태 판단은 상기 근부 저하 진단결과에 더하여 하부온도 진단, 순간변동 진단, 노열저하 진단의 결과에 의하여 다음과 같이 판단한다.The inactivation state is determined as follows based on the results of the lower temperature diagnosis, the instantaneous fluctuation diagnosis, and the deterioration diagnosis in addition to the near drop diagnosis result.

불활성화 가이드 규칙은 다음과 같다.The deactivation guide rule is as follows.

노내 가스류 불안정 현상은 노하부 불활성화 현상에 비해 그 진행속도가 빠르고 변동다 다양하다. 이 현상이 발생하면 고로에 설치된 여러 가지 검출단의 데이타 변동이 노하부 불활성화시 보다도 심하게 나타난다. 따라서 노내 가스류 불안정시의 초기 단계인 수직 및 원주 방향의 온도, 압력 밸런스(balance)변동을 조기에 진단하여 적정액션을 가이드함으로써 장기 노황 불안정으로의 이행을 방지한다.The gas flow instability in the furnace is faster and more variable than the inertization of the lower part of the furnace. When this phenomenon occurs, data fluctuations in the various detection stages installed in the blast furnace appear more severe than in the case of inactivation. Therefore, the temperature and pressure balance fluctuations in the vertical and circumferential directions, which are the initial stages of gas instability in the furnace, are diagnosed at an early stage to guide proper action to prevent the transition to long-term instability.

노내 가스류 불안정 판단 방법이 제4도에 도시된다.A method of judging gas flow instability in a furnace is shown in FIG.

노내 가스류 불안정 판단 방법은 노체 온도 및 압력의 원주 밸런스 변동, 수직 밸런스 변동을 검출하여 노내 프로파일 변동을 진단하고, 이어서 노내의 순간적인 가스류 변동을 진단하는 순간변동진단, 용선온도로 대표되는 노열진단등을 행하고 이를 종합하여 노내가스류 불안정을 판정한다.The furnace gas flow instability determination method detects circumferential balance fluctuations and vertical balance fluctuations of the furnace body temperature and pressure, and diagnoses fluctuations in the profile of the furnace, followed by an instantaneous fluctuation diagnosis and a molten iron temperature that diagnoses fluctuations of gas flow in the furnace. Diagnosis and the like are performed to determine the instability of the furnace gas flow.

노내 가스류 불안정 판단 방법은 불활성 진단과 같이 노체로부터 얻어지는 센서 데이타를 검출하여 각종 처리방법에 의해 가공하며 이를 중간 판단 그룹으로 분류후 진단하는 것으로서, 노내 압력, 온도의 수직밸런스 변동을 진단하는 수직 밸런스 진단, 노내 압력, 온도의 원주밸런스 변동을 진단하는 원주 밸런스 진단, 용선온도로 대표되는 노열 진단 및 순간변동진단등을 행하고 이를 종합하여 노내 가스류 불안정을 판정한다. 노체로부터 얻어지는 센서 데이타는 9 레벨로 감지되는 노체 압력(SP1-SP9)과, 10 레벨로 감지되는 노체온도(SP1-SP9, 노구, 노정)와, 노정 가스성분(ηCO, CO, N2, CO2)과, 크로스 존데(Cross Sonde), 샤프트 존데(Shaft Sonde), 조업지수와 용선온도 및 성분 데이타등으로 구성된다.The gas flow instability determination method is to detect sensor data obtained from the furnace body and process it by various processing methods such as inert diagnostics, and classify it into an intermediate judgment group to diagnose the vertical balance of the furnace pressure and temperature. Diagnosis, circumferential balance diagnosis for diagnosing circumferential balance fluctuations in the furnace pressure and temperature, furnace diagnosis represented by the molten iron temperature, and instantaneous fluctuation diagnosis etc. are performed and the instability of the gas flow in the furnace is determined. The sensor data obtained from the furnace body includes the furnace pressure detected at 9 levels (SP1-SP9), the furnace temperature detected at 10 levels (SP1-SP9, furnace ball, furnace), and the stationary gas components (ηCO, CO, N2, CO2). And cross sonde, shaft sonde, operation index and molten iron temperature and composition data.

원주 밸런스 진단 규칙은 노체 온도 원주 변동량에 따른 가중치 결정, 노체 압력 원주 변동량에 따른 가중치 결정, 크로스 존데 온도 원주 변동량에 따른 가중치 결정, 원주 변동량대 통기성 관련성에 따른 가중치 결정, 원주 변동량대 환원 관련성에 따른 가중치 결정으로 구성된다.The circumferential balance diagnostic rule is to determine the weight according to the fluctuation of the body temperature, the weight according to the fluctuation of the body pressure, the weight of the fluctuation of the cross zone temperature, the weight according to the permeability of the circumference and the permeability of the cylinder, It consists of weight determination.

수직 밸런스 진단 규칙은 노체 온도 수직변동에 따른 가중치 결정, CS 온도 수직 변동 판단, 노체 압손 수직변동에 따른 가중치 결정, 상호 관련 수직변동에 따른 가중치 결정, 통기성 관련 수직변동에 따른 가중치 결정, 환원 관련 수직변동에 따른 가중치 결정 및 수직 언 밸런스에 따른 가중치 결정으로 구성된다.The vertical balance diagnostic rule is to determine the weight according to vertical fluctuations of the furnace temperature, to determine the vertical fluctuation of CS temperature, to determine the weight due to vertical fluctuations of the furnace body, to determine the weight due to the vertical fluctuations, to determine the weight according to the vertical fluctuations related to breathability, and to reduce the verticality of the reduction. It is composed of weight determination according to variation and weight determination according to vertical unbalance.

순간변동진단 규칙은 다음과 같다.The instantaneous variable diagnosis rule is as follows.

노열진단 규칙은 다음과 같다.The furnace diagnosis rules are as follows.

상기 각 규칙에서 결정한 가중치는 상기 확신도를 계산하는 식(1)에 의해 확신도가 산출되며, 이 확신도는 노내 가스류 불안정 진단을 실행하기 위해 사용되며, 노내 가스류 불안정 진단 규칙은 다음과 같다.The weight determined by each rule is calculated by Equation (1), which calculates the confidence level, and this confidence level is used to perform the furnace gas flow instability diagnosis. same.

상기 규칙에서 결정한 가중치는 상기 확신도를 계산하는 식(1)에 의해 확신도가 산출되며, 이 확신도는 노내 가스류 불안정 진단한 결과에 대한 액션을 가이드하기 위해 사용되며, 노내 가스류 불안정 가이드 액션 규칙은 다음과 같다.The weight determined in the rule is calculated by Equation (1), which calculates the confidence level, and this confidence level is used to guide the action on the result of in-gas gas instability diagnosis. The action rules are as follows:

본 노황 이상 진단 전문가 시스템은 전문가 시스템이 가지는 장점중의 하나인 인간이 흔히 쓰는 문장으로 조업규칙을 표현하여 컴퓨터 프로그래밍에서 비 전문가인 조업자도 용이하게 이해할 수 있도록 하였으며, 각 규칙 수행시 판단의 기준이 되는 기준 데이타는 조업규칙과 분리하여 기준 데이타 파일을 구성하고 조업자가 입력장치에서 입력할 수 있도록 하였다.This yellow-yellow abnormal expert system is a sentence commonly used by humans, which is one of the advantages of the expert system, so that the operation rules can be easily understood by non-expert operators in computer programming. The reference data is separated from the rules of operation to form a reference data file and allow the operator to input from the input device.

이상에서 설명한 바와 같이 본 발명은 그동안 숙련된 고로 조업 전문가에게만 의존했던 노황이상 진단을 시스템에 의해 행함으로서 노황의 자동감시가 이루어질 수 있도록 하여 불안정 노황으로의 이행을 방지하는데 효과가 있으며, 조업자의 부하를 경감시키고, 조업자의 판단오류를 방지할 수 있다.As described above, the present invention is effective in preventing the transition to unstable aging by performing the automatic monitoring of the slack by performing severity diagnosis by the system, which has been dependent only on skilled blast furnace operation experts. It can reduce the error and prevent the operator's judgment error.

Claims (12)

고로의 노내부(爐內附)의 상태를 감지하여 노황(爐況)의 이상을 예측하는 장치에 있어서, 상기 고로에 설치되어 각종 데이타를 감지하는 센서부(21)와, 상기 센서부에서 출력되는 노내의 데이타를 수집, 관리하는 센서정보 저장부(24)와 조업해석 수식모델(25)로 구성되는 프로세스 컴퓨터(23)와, 상기 프로세스 컴퓨터(23)로부터 데이타를 전송받아 추론에 적절한 형태로 가공하는 데이타 전처리부(27)와, 조업전문가의 지식을 보관하는 지식베이스(30)와, 추론결과를 가이드하는 조업자로부터 입력되는 가이드데이타를 저장하는 데이타베이스(29)와, 상기 데이타 전처리부(27)로부터 전 처리된 데이타를 입력받아 상기 지식베이스(30)으로부터 진단규칙을 읽어들여 추론을 행하는 추론엔진(28)로 구성된 전문가 시스템(26)과, 상기 전문가 시스템이 조업자에게 가이드 데이타를 표시하고 조업가이드 데이타를 상기 데이타 베이스(29)에 입력할 수 있는 조업 가이드부(31); 및 전문가에 의해 지식의 추가, 수정을 전문가 시스템으로 입력하는 단말장치(32)를 구비하는 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측장치.In the apparatus for detecting the state of the furnace interior of the blast furnace to predict the abnormality of the rust, the sensor unit 21 is installed in the blast furnace for sensing various data, and output from the sensor unit A process computer 23 comprising a sensor information storage unit 24 and an operation analysis equation model 25 for collecting and managing data in a furnace, and receiving data from the process computer 23 in a form suitable for inference. A data preprocessing unit 27 for processing, a knowledge base 30 for storing the knowledge of the fishing experts, a database 29 for storing guide data input from an operator who guides the inference result, and the data preprocessing unit An expert system 26 composed of an inference engine 28 that receives preprocessed data from 27 and reads diagnostic rules from the knowledge base 30 and makes inferences; Id that can display data and input data for operation guide in the database (29) operating guide part 31; And a terminal device (32) for inputting and modifying knowledge by an expert into an expert system. 제1항에 있어서, 상기 고로로부터 센서부(21)가 감지하는 센서데이타는 9 레벨로 감지되는 노체압력(SP1-SP9)와, 10 레벨로 감지되는 노체온도(SP1-SP8, 노구, 노정)와, 노정가스성분(ηCO, CO, N2, CO2)과, 크로스존데(Cross Sonde), 샤프트 존데(Shaft Sonde), 조업지수와 용선온도 및 성분 데이타인 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측장치.The method of claim 1, wherein the sensor data detected by the sensor unit 21 from the blast furnace is the furnace pressure (SP1-SP9) is detected at 9 levels, the furnace temperature (SP1-SP8, furnace, road) detected at 10 levels And blast furnace aging using an expert system characterized by top gas components (ηCO, CO, N2, CO2), cross sonde, shaft sonde, operation index and molten iron temperature and component data. Predictor. 제1항에 있어서, 상기 전문가 시스템은 노하부(爐下部) 불활성대(不活性帶) 형성시의 초기현상인 노내 중심 가스류의 점진적인 심화현상과 융착대 근부저하 현상을 조기에 진단하여 적정액션을 가이드하는 데이타를 상기 조업자 가이드부(31)에 표시하는 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측장치.The system of claim 1, wherein the expert system diagnoses the gradual deepening of the central gas stream in the furnace, which is an initial phenomenon in the formation of the inferior inert zone, and the early depression of the fusion zone. The blast furnace aging abnormality prediction apparatus using an expert system, characterized in that to display the data to guide the operator guide unit 31. 제1항에 있어서, 상기 전문가 시스템은 가스류 심화현상의 진단을 실행하여 통기성이 지속적으로 저하하고 있는 경우, 중심류 심화로 판단하고 조업자 가이드부(31)에 표시하여 조업자를 가이드하며, 통기성 진단, 환원성 진단, 가스류 분포 진단을 수행하여 그 결과에 의해 근부저하상태를 판단하고, 상기 고로의 노체로부터 얻어지는 센서 데이타를 검출하여 각종 처리방법에 의해 가공하며 이를 중간 판단 그룹으로 분류후 진단하여, 노내 압력, 온도의 수직밸런스 변동을 진단하는 수직 밸런스 진단, 노내압력, 온도의 원주밸런스 변동을 진단하는 원주 밸런스 진단, 용선온도로 대표되는 노열 진단 및 순간변동진단 등을 행하고 이를 종합하여 노내 가스류 불안정을 판정하는 노내 가스류 불안정 판단을 실행하여 조업자에게 액션을 가이드하는 전문가 시스템을 이용한 고로 노황 이식 예측장치.2. The expert system according to claim 1, wherein the expert system diagnoses the gas flow deepening phenomenon and judges the central flow deepening and displays it on the operator guide unit 31 to guide the worker when the airflow is continuously reduced. Diagnosis, reducible diagnosis, and gas flow distribution diagnosis are carried out to determine the muscle deterioration state based on the results, and the sensor data obtained from the furnace body of the blast furnace is detected and processed by various treatment methods. , Vertical balance diagnosis for diagnosing vertical balance fluctuations of pressure and temperature in the furnace, column balance diagnosis for diagnosing fluctuations in column pressure and circumferential balance of furnace temperature, furnace diagnosis represented by molten iron temperature, and instantaneous fluctuation diagnosis. Expert in guiding action to operators by performing in-house gas flow instability judgment to determine flow instability Therefore nohwang transplantation prediction apparatus using the system. 고로의 노내부(爐內附)의 상태를 감지하여 노황(爐況)의 이상을 예측하는 방법에 있어서, 가스류 심화현상을 진단하여 중심류 심화 상태를 판단하는 단계와, 통기성 진단, 환원성 진단, 가스류 분포진단을 수행하여 그 결과에 의해 근부저하상태를 판단한 후, 이것에 더하여 하부온도 진단, 순간변동 진단, 노열저하 진단의 결과에 의하여 불활성화 상태를 판단하는 단계와, 상기 고로의 노체로부터 얻어지는 센서 데이타를 검출하여 각종 처리방법에 의해 가공하며 이를 중간 판단 그룹으로 분류후 진단하여, 노내 압력, 온도의 수직밸런스 변동을 진단하는 수직 밸런스 진단, 노내압력, 온도의 원주밸런스 변동을 진단하는 원주 밸런스 진단, 용선온도로 대표되는 노열 진단 및 순간변동진단 등을 행하고 이를 종합하여 노내 가스류 불안정을 판정하는 노내 가스류 불안정 상태를 판단하는 단계와, 상기 판단과정에서 결정한 가중치를 이용하여 다음식A method of predicting an abnormality of a rust by detecting a state of a furnace interior of a blast furnace, the method comprising diagnosing a gas flow intensification and determining a central flow intensification, breathing diagnosis, and reducing diagnosis. And performing a gas flow distribution diagnosis to determine the muscle drop state based on the result, and to determine the inactivation state based on the result of the lower temperature diagnosis, the instantaneous fluctuation diagnosis and the deterioration diagnosis. The sensor data obtained from the sensor is processed and processed by various processing methods, and classified into intermediate judgment groups, and then diagnosed, and the vertical balance diagnosis for diagnosing the vertical balance fluctuation of the pressure in the furnace and the circumferential balance fluctuation of the furnace pressure and temperature are detected. Circumferential balance diagnosis, furnace diagnosis represented by molten iron temperature, and instantaneous fluctuation diagnosis etc. are combined to determine the gas flow instability in the furnace. Determining the gas flow instability state, and using the weight determined in the determination process 에 의해 확신도가 산출하여 노황의 이상을 예측하는 단계로 구성된 전문가 시스템을 이용한 고로 노황 이상 예측방법.Blast blast furnace abnormality prediction method using an expert system consisting of the steps of calculating the degree of confidence by predicting the abnormality of aging. 제5항에 있어서, 근부저하상태를 판단하는 단계가, 통기성 지수 K와 노체 온도 ST(Shaft Temperature)의 상관성에 의해 가중치를 정하고, 노체온도 ST는 고로(1)의 풍구로부터 노정(爐頂)까지 10개의 레벨(ST1-ST10)로 나누어지며 ST9는 노구온도, ST10는 노정온도로 하여 통기성 변동상태를 진단하는 통기성 진단단게와, 일산화탄소지수 ηCO와 노체 온도 ST(Shaft Temperature)의 상관성(相關性)에 의해 가중치를 정하는 환원성 변동 상태를 진단하는 환원성 진단단계와, 노체온도 ST의 상태에 따라 가중치를 정하는 가스류 분포 과정에 의해 가중치를 결정하고 상기 가중치들에 의해 진단하는 단계로 이루어진 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.6. The method of claim 5, wherein the step of determining the root deterioration state is weighted by the correlation between the breathability index K and the shaft temperature ST (shaft temperature), and the furnace body temperature ST is determined from the blast holes of the blast furnace 1. It is divided into 10 levels (ST1-ST10) and ST9 is the furnace temperature and ST10 is the ventilation temperature to diagnose the change of breathability, and the correlation between carbon monoxide index ηCO and the furnace temperature ST (Shaft Temperature). A reducible diagnosis step of diagnosing reducible fluctuation states to be weighted by a), and a step of determining a weight by a gas flow distribution process of setting a weight according to the state of the furnace temperature ST, and diagnosing by the weights. Blast blast furnace abnormality prediction method using expert system. 제5항에 있어서, 상기 불활성화를 판단하는 단계의 규칙은The rule of claim 5 wherein the rule of determining the deactivation is 인 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.Blast blast furnace abnormality prediction method using an expert system characterized in that. 제5항에 있어서, 원주 밸런스 진단의 규칙이 노체 온도 원주 변동량에 따른 가중치 결정, 노체압력 원주 변동량에 따른 가중치 결정, 크로스 존데 온도 원주 변동량에 따른 가중치 결정, 원주 변동량대 통기성 관련성에 따른 가중치 결정, 원주 변동량대 환원 관련성에 따른 가중치를 결정하는 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.6. The method of claim 5, wherein the rule of circumferential balance diagnosis includes weight determination according to the fluctuation of the furnace temperature, weight determination according to the fluctuation of the furnace pressure, determination of the weight according to the variation of the cross zone temperature temperature, determination of the weight according to the relevance of the circumference versus the breathability, A method for predicting blast furnace erosion abnormality using an expert system, characterized in that the weight is determined according to the change in circumference versus reduction. 제5항에 있어서, 수직 밸런스 진단 규칙은 노체 온도 수직변동에 따른 가중치 결정, 크로스 존데(CS) 온도수직 변동 판단, 노체 압손 수직변동에 따른 가중치 결정, 상호 관련 수직변동에 따른 가중치 결정, 통기성 관련 수직변동에 따른 가중치 결정, 환원 관련 수직변동에 따른 가중치 결정 및 수직 언밸런스에 따른 가중치를 결정하는 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.The method of claim 5, wherein the vertical balance diagnostic rule is used to determine weights according to vertical fluctuations of the furnace temperature, to determine cross Johnde (CS) temperature vertical fluctuations, to determine weights due to vertical fluctuations of the furnace body, to determine weights according to mutual vertical fluctuations, and to determine breathability. A method for predicting blast furnace erosion abnormality using an expert system comprising: determining a weight according to vertical variation, a weight according to vertical variation related to reduction, and a weight according to vertical unbalance. 제5항에 있어서, 순간변동진단 규칙은,According to claim 5, The instantaneous variable diagnostic rule, 인 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.Blast blast furnace abnormality prediction method using an expert system characterized in that. 제5항에 있어서, 노열진단 규칙은,The furnace diagnostic rule according to claim 5, wherein 인 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.Blast blast furnace abnormality prediction method using an expert system characterized in that. 제5항에 있어서, 가스류 불안정 진단 규칙은,The gas flow instability diagnostic rule according to claim 5, wherein 인 것을 특징으로 하는 전문가 시스템을 이용한 고로 노황 이상 예측방법.Blast blast furnace abnormality prediction method using an expert system characterized in that.