JP6905939B2 - スラグ部分の化学組成を決定する方法 - Google Patents

Description

本発明は、スラグ部分の化学組成を決定する方法に関する。本発明は、前記化学組成を決定するための装置および鋼鉄を製造する方法にも関する。

鋼鉄は、２つの異なる経路によって製造することができる。

第１の経路は、溶鉱炉の中での銑鉄の製造と、酸素転炉または塩基性酸素転炉（ＢＯＦ）の中でのこの銑鉄から粗鋼への変換とを含む。第２の経路は、電気アーク炉（ＥＡＦ）の中でスクラップを溶融し、粗鋼を直接製造することからなる。これらいずれかの経路の後、粗鋼は次いで精錬され、鋼鉄の必要な化学組成が得られ、この精錬工程は、取鍋炉（ＬＦ）中で行われる。

第１の経路によれば、溶鉱炉から出た銑鉄は、可能ならばスクラップを含む酸素転炉に注がれる。銑鉄の脱炭および液体の鋼鉄への変換を可能にするために、転炉に酸素が吹き込まれる。石灰および苦灰岩のような鉱物添加剤も転炉に添加される。銑鉄の変換は、他の存在する化学元素、例えば、マンガン、ケイ素またはリンとの熱力学的平衡とは非常に異なる条件で、気体状酸素と溶融金属との接触によって誘発される迅速な酸化反応からなる。このように生成された酸化物は、添加された鉱物添加剤と共に、液体スラグの生成に寄与し、液体スラグは、その低い密度に起因して、金属浴の表面に浮かぶ。金属の効果的な精製のために、スラグと金属との間の種々の元素（リン、硫黄など）の平衡分配係数は、例えば、その比率、すなわちＬＰ＝％Ｐスラグ／％Ｐ鋼鉄およびＬＳ＝％Ｓスラグ／％Ｓ鋼鉄の最大値に対応して、可能な限り高くあるべきである。スラブの化学組成の決定によって、品質のよい粗鋼を製造することができる。

第２の経路によれば、金属スクラップは炉に入れられ、溶融される。このような固体スクラップを溶融させるのに必要なエネルギーは、主に、１つまたはいくつかのグラファイト電極と金属電荷との間に作られる電気アークによって与えられる。精錬反応は、酸素転炉での精錬反応と非常によく似ている。望ましくない元素の酸化は、電荷中の酸化した不純物によって、炉の中のランスまたはノズルのいずれかを通して注入される純粋酸素によって、または炉のオリフィスを介して入り込む大気中の酸素によって得られる。酸化した不純物は、スラグを生成する。

次いで、鋼鉄の化学組成を調節するために、前述の経路の１つによって作られた粗鋼が取鍋に注がれる。液体金属の分析品質は、金属アロイ元素だけではなく、グレードに依存して異なる程度への半金属（Ｃ、Ｈ、Ｎ、Ｏ、Ｐ、Ｓ）の制御といった組成の調節を含め、調整される。酸化介在物の種類および含有量は、一般的にシート状の鋼鉄の場合にはアルミニウムを用いた鋼鉄の脱酸素（または「鎮静（ｋｉｌｌｉｎｇ）」）によって、その組成を変えるためのカルシウム処理によって、制御された浮遊選鉱によって、制御される。このような処理を行うために、取鍋炉に、石灰、苦灰岩、蛍石および／または種々のフラックスのような異なる添加剤が添加される。

既に説明されたように、作られた不純物は、溶融した金属の表面に浮かぶスラグを生成する。スラグの組成に依存して、残留している不純物を除去するために添加剤が添加される。そのため、スラグ組成の知識は、精錬された鋼鉄の品質を制御するために、一番重要なことである。

ＥＡＦプロセスにおいて、スラグの化学組成の知識によって、その塩基性および酸化を知ることができる。しかしながら、スラグの化学組成は、このプロセス中には不明である。このプロセスが終了した後、分光計を用いてサンプルが分析される。

ＬＦプロセスの間、鋼鉄の脱酸素度および脱硫度も、スラグサンプルの視覚的評価および鋼鉄の化学組成に基づいて概算される。このプロセス中にも、冷却したスラグの外観が使用される。従って、バッチへのフェロアロイおよび他の添加剤の添加は、依然として、労働者の熟練および主観に基づく人間的要素を有する。そのために、このプロセスが終了した後、分光器が使用される。これにより、サンプルを調製するのに追加の時間を必要となる。

両方の場合において、このことは、廃棄物の量、生産性および製造コストに対する有害な結果と共に、プロセス制御に影響を与える。

本発明の目的は、上述の課題の少なくともいくつかを解決するか、または減らし、特に、製造プロセスの生産性を改良し、実施の容易さを維持する、スラグ部分の化学組成を決定する方法を提供することである。

そのために、本発明は、スラグの化学組成を決定する方法であって、
表面を有するスラグ部分を与えるステップと、
光学システムを用い、表面から反射した光を集めるステップと、
集めた光からデータセットを得るステップであって、このデータセットが、集めた光の一部分の強度の表示である値を含むマトリックスを少なくとも規定し、それぞれの一部分が、複数の波長の１つで複数の点の１つからそれぞれ集められ、マトリックスは、
複数の点の複数の空間座標、および
複数の波長の表示である複数のスペクトルパラメータ
によって少なくともインデックスを付けられる、データセットを得るステップと、
縮小された値のセットを得るために、マトリックスを調整するステップと、
化学組成を得るために、縮小された値のセットを用い、数学アルゴリズムを行うステップと、
を含む、方法を提案する。

他の実施形態において、本方法は、単独で、または技術的に実行可能な組み合わせで考慮される以下の特徴の１つまたはいくつかを含む。

複数のスペクトルパラメータは、２００ｎｍ〜２００００ｎｍの範囲の波長の表示であるスペクトルパラメータを含む。

複数のスペクトルパラメータは、３９９ｎｍ〜９６５ｎｍの範囲の波長の表示であるスペクトルパラメータを含む。

複数のスペクトルパラメータは、３９９ｎｍ〜９６５ｎｍに含まれる全ての波長の表示である。

データセットを得るステップは、以下のサブステップ：
部分の強度の表示であるグレースケール値を与えるサブステップ、および
前記グレースケール値を用い、マトリックス中に含まれる値を得るサブステップ
を含む。

調整するステップは、反射した光を集めるステップの間にスラグ部分の外からの照射の影響がないように適合された正規化された値を得るために、マトリックス中のそれぞれの値を正規化するサブステップを含む。

調整するステップは、マトリックスをセグメント化するサブステップを含み、ここで、対応する複数の点がスラグ部分に属するか否かを決定するために、マトリックスの値の少なくともいくつかが分析され、スラグ部分に属する複数の点に対応するマトリックスの値のみが、マトリックス中に保存される。

調整するステップは、スラグ部分の分光シグネチャを得るために、正規化された値を空間平滑化するサブステップを含む。

調整するステップは、縮小された値のセットを得るために、分光シグネチャ中の値のサブセットを選択することによって、分光シグネチャのサイズを縮小するサブステップを含み、選択されたサブセットは、複数のスペクトルパラメータから選択されるスペクトルパラメータのサブセットによってインデックスが付けられている。

調整するステップは、値の完全なセットを得るために、分光シグネチャに追加のパラメータを含めるサブステップを含む、追加のパラメータは、複数のスペクトルパラメータから誘導される。

本方法は、さらに、再帰的特徴量削減を用い、スペクトルパラメータのサブセットを与えるサブステップを含むトレーニングステップを含む。

数学アルゴリズムを行うステップは、回帰のサブステップを含む。

本方法は、回帰のサブステップで使用されるパラメータを得るサブステップを含むトレーニングステップを含む。

回帰は、サポートベクターマシンモデルに基づいている。

サポートベクターマシンは、ラジアル基底関数カーネルを含む。

本発明は、鋼鉄を製造する方法であって、
鋼鉄の標的とする化学組成を規定するステップと、
本明細書で上述のような鋼鉄を製造するプロセス中に作られたスラブ部分の化学組成を決定するステップと、
決定されたスラグ部分の化学組成を用い、鋼鉄の化学組成を概算するステップと、
概算された鋼鉄の化学組成を用い、添加剤の量を計算するステップと、
前記鋼鉄の標的とする化学組成に達するように、鋼鉄に前記添加剤を前記量で加えるステップと、を含む、方法も取り扱う。

本発明は、スラグ部分の化学組成を決定するための装置であって、
スラグ部分の表面から反射した光を集めるように適合された光学システムと、
集めた光からデータセットを得るための手段であって、このデータセットが、集めた光の一部分の強度の表示である値を含むマトリックスを少なくとも規定し、それぞれの一部分が、複数の波長の１つで複数の点の１つからそれぞれ集められ、マトリックスは、
複数の点の複数の空間座標、および
複数の波長の表示である複数のスペクトルパラメータ
によって少なくともインデックスを付けられる、データセットを得る手段と、
縮小された値のセットを得るために、マトリックスを調整する手段と、
化学組成を得るために、調整され縮小された値のセットを用い、数学アルゴリズムを行う手段と、を含む、装置も取り扱う。

他の実施形態において、この装置は、単独で、または技術的に実行可能な組み合わせで考慮される以下の特徴の１つまたはいくつかを含む。

光学システムは、少なくとも１つのＣＣＤセンサまたはＣＭＯＳセンサを含む。

センサは、ある時間に表面のセグメントからの光のみを集めるように適合され、ここで、この装置は、さらに、その表面の別のセグメントからの光を集めるために、スラグ部分と光学システムとを互いに相対的に動かすのに適したデバイスとを備えている。

光学システムは、複数の波長に基づいて集めた光のそれぞれの部分を分離するように適合された少なくとも１つの分光器を含む。

本発明の他の特徴および利点は、添付の図面を参照しつつ、例によって与えられる以下の説明を読めば明らかになる。

図１は、本発明の方法の各ステップを行うための、特に、光を集めるための装置の概略図である。 図２は、図１に示される装置によって集められる光を用いる方法によって規定される三次元マトリックスの概略図である。 図３は、本方法の主なステップを示す図である。

図１を参照すると、本発明の方法の各ステップを実施する装置１が説明されている。装置１は、スラグ部分５を流れ作業で取り扱うように適合されている。

装置１は、光源７と、スラグ部分５からの光Ｌを集めるように調整された光学システム１０と、スラグ部分５に隣接して配置される２つの参照標準エレメント１２Ａ、１２Ｂと、場合により、スラグ部分に対して光学システムを動かすのに適したシフトデバイス（表されていない）とを備えている。

スラグ部分５は、例えば、電気アーク炉（ＥＡＦ、表されていない）または取鍋炉（ＬＦ、表されていない）から採取したサンプルである。

スラグ部分５は、決定されるべき化学組成を有する。

スラグの物理的態様（色および厚み）は、その化学組成と関連する。例えば、ＦｅＯまたはＭｎＯのような酸化物は、スラグに対して暗い態様を与え、一方、ＣａＯまたはＭｇＯのような酸化物は、スラグの厚みを増加する。

スラグ部分５は、例えば互いに実質的に垂直の２つの軸Ｘ、Ｙに沿って延びる上側表面Ｓを有する。第３の軸Ｚは、軸Ｘおよび軸Ｙの両方に垂直な軸であるとも定義される。

表面Ｓは、例えば水平である。

化学組成は、例えば、ＣａＯ、ＳｉＯ２、ＭｇＯ、Ａｌ２Ｏ３、Ｓ、Ｆｅ２Ｏ３、ＦｅＯ、Ｆ、ＭｎＯ、ＴｉＯ２、Ｎａ２Ｏ、Ｃｒ２Ｏ３、Ｃｌ、ＢａＯ、ＳｒＯ、Ｐ２Ｏ５、Ｋ２Ｏ、ＺｒＯ２、ＺｎＯ、ＣｕＯから採取された１つまたはいくつかの化合物のそれぞれの質量分率によって規定される。

光源７は、光線Ｌｉをスラグ部分５に向かって送るように適合される。光源７は、例えば、ＬＥＤ（発光ダイオード）および／またはハロゲン球を含む。

２つの参照標準エレメント１２Ａ、１２Ｂは、例えば、軸Ｘに沿って、スラグ部分５のそれぞれの側面に、有利には、軸Ｚに沿って表面Ｓと同じレベルに配置される。参照標準エレメント１２Ａ、１２Ｂは、例えば、質量分率で少なくとも９５％のステンレス鋼（例えばＡＩＳｌ ３１０）を含み、「ＡＩＳＩ」は、「Ａｍｅｒｉｃａｎ Ｉｒｏｎ ａｎｄ Ｓｔｅｅｌ Ｉｎｓｔｉｔｕｔｅ」を意味している。

変形例（表されていない）として、異なる数の参照標準エレメントが使用される。例えば、たった１個の、例えば、参照標準エレメント１２Ａが存在する。

シフトデバイスは、光学システム１０を、例えば軸Ｙに沿って表面Ｓに対して動かすように調整される。

光学システム１０は、複数の点Ｍからの光Ｌの複数の部分Ｌ_Ｍを受け入れるのに適しており、複数の点Ｍの１つだけが図１に示されている。光学システム１０は、少なくとも１つのＣＣＤセンサまたはＣＭＯＳセンサ２５と、少なくとも１つの分光器２０と、少なくとも１つの光学レンズ１５とを備えている。複数の点Ｍは、大部分が、表面Ｓおよび参照標準エレメント１２Ａ、１２Ｂの上に配置されている。複数の点Ｍは、有利には、互いに規則的に空間が空けられている。２つのＭ点間の距離は、例えば、０．３〜１ｍｍ、例えば、０．５ｍｍである。

それぞれの点Ｍは、例えば、第１の複数の空間座標ｘ１、ｘ２などから取られた軸Ｘに沿った第１の空間座標ｘと、第２の複数の空間座標ｙ１、ｙ２などから取られた軸Ｙに沿った第２の空間座標ｙによって規定される。言い換えると、第１の複数の空間座標ｘ１、ｘ２などと、第２の複数の空間座標ｙ１、ｙ２などは、複数の点Ｍの表示である。

光Ｌは、例えば、軸Ｚに沿って表面Ｓによって反射する光である。表面Ｓは、光源７によって照らされる。他の実施形態（表されていない）において、光Ｌは、１本または複数本の光ファイバーケーブルによって伝わる。

セグメント２７は、有利には、Ｘ軸に実質的に平行である。セグメント２７は、同じ所与の第２の空間座標ｙ（例えば、図１に示されるｙ１）を有する複数の点Ｍを含む。軸Ｙに沿った光学システム１０の任意の移動により、センサ２５は、有利には表面Ｓ全体をカバーするために、セグメント２７に平行な連続したセグメントをスキャンするのに適している。

分光器２０は、例えば、Ｓｐｅｃｉｍ Ｖ１０＿０４２０４画像化分光器である。分光器２０は、センサ２５に衝突する部分Ｌ_Ｍ，λ１、Ｌ_Ｍ，λ２などを得るために、複数のスペクトルパラメータλ１、λ２などによって表される波長に基づき、点Ｍから来る光の一部分Ｌ_Ｍを分離することができる。有利には、分光器２０は、センサ２５に衝突する部分Ｌ_λ１、Ｌ_λ２などを直接的に得るために、セグメント２７全体からの光Ｌを分離することができる。

それぞれの部分Ｌ_Ｍ，λは、スペクトルパラメータλによって表される所与の波長で複数の点Ｍの１つから集められた光Ｌ_Ｍの一部分である。

それぞれの部分Ｌ_λは、スペクトルパラメータλによって表される所与の波長で、セグメント２７全体から集められた光Ｌの一部分である。それぞれの部分Ｌ_λは、セグメント２７に属する複数の点Ｍからの部分Ｌ_Ｍ，λを含む。

スペクトルパラメータλは、説明した例におけるその波長そのものである。

複数のスペクトルパラメータλ１、λ２などは、化学組成を決定するために使用される複数の波長の表示である。

有利には、複数のスペクトルパラメータλ１、λ２などは、３９９ｎｍ〜９６５ｎｍの範囲の波長の表示である。例えば、複数のスペクトルパラメータλ１、λ２などは、３９９ｎｍ〜９６５ｎｍに含まれる全ての波長の表示である。

有利には、複数のスペクトルパラメータλ１、λ２などは、規則的に離間されており、例えば、１０２４個のスペクトルパラメータを含む。

他の実施形態（表されていない）において、ＪＡＩ−ＴＭ−１３２７ＧＥ ＣＣＤカメラおよびＳｐｅｃｉｍ Ｖ１０＿０４２０４画像化分光器以外の捕捉デバイスが使用される。

他の実施形態（表されていない）において、他のハイパースペクトルカメラ、例えば、ＨｙＳｐｅｘ ｏｒ ＨｅａｄＷａｌｌＰｈｏｔｏｎｉｃｓ分光器を上述のものの代わりに使用する。

センサ２５は、光Ｌを捕捉するために適合されている。

センサ２５は、ＣＣＤセンサまたはＣＭＯＳセンサである。センサ２５は、２Ｄ（二次元）センサ、例えば、ＩＭＸ１７４ＬＬＪ ＣＭＯＳセンサである。

センサ２５は、光Ｌの部分Ｌ_Ｍ，λを受け入れ、部分Ｌ_Ｍ，λの強度の表示である値Ｉ_{ｘ，ｙ，λ}を得るように適合される。

この例において、センサ２５は、ｙ１に等しい第２の空間座標を有する複数の点Ｍに対応する、セグメント２７から来る光から得られた部分Ｌ_λを用い、データＢ（ｙ１）のブロックを生成するように適合される（図２）。センサ２５は、それぞれがｙ２などに等しい第２の空間座標を有する複数の点Ｍによって規定されるセグメントに対応するブロックＢ（ｙ２）などを作成することができる。データＢ（ｙ）のブロック全体で値Ｉ_{ｘ，ｙ，λ}を与える。

値Ｉ_{ｘ，ｙ，λ}は、三次元（３Ｄ）マトリックスΛ_{ｘ，ｙ，λ}（図２）を構成し、ここで、ｘは、第１の複数の空間座標ｘ１、ｘ２などの１つであり、ｙは、第２の複数の空間座標ｙ１、ｙ２などの１つであり、λは、複数のスペクトルパラメータλ１、λ２などの１つである。マトリックスΛ_{ｘ，ｙ，λ}のそれぞれの値Ｉ_{ｘ，ｙ，λ}は、例えば、グレースケール値である。

変形例として、セグメント２７から出た光だけがセンサ２５によって使用される。マトリックスΛ_{ｘ，ｙ，λ}において、ｙ空間座標は、例えば、単純に除去される。この変形例において、マトリックスは、二次元マトリックスΛ_ｘ，λである。

マトリックスΛ_ｘ，λは、通常、＜＜ハイパースペクトルイメージ＞＞と呼ばれ、スペクトルパラメータλ１、λ２などによって表される種々の波長で取られたいくつかのイメージΛ_ｘ，ｙが組み込まれている。

装置１は、スラグ部分５の化学組成を決定するためにマトリックスΛ_{ｘ，ｙ，λ}を用いるのに適した少なくとも１つのコンピュータ（表されていない）も備えている。

図１から図３を参照しつつ、本発明の方法１００をここに説明する。方法１００は、スラグ部分５の化学組成を決定することを目的とする。

方法１００は、例えば、プロセス中に鋼鉄に添加される添加剤の量を計算するために、スラグ部分５の化学組成が決定される鋼鉄製造プロセスの一部であることを意図している。

実際に、スラグ部分５の化学組成に基づき、鋼鉄の化学組成を概算することができ、この組成が標的とする最終的な組成とは異なる場合、鋼鉄への添加剤注入のような必要な工程を行うことができる。

方法１００は、三次元マトリックスΛ_{ｘ，ｙ，λ}（いわゆるハイパースペクトルイメージ）の形態でデータセットを与えるステップ１１０と、調整されたマトリックスを得るために、マトリックスを調整するステップ１２０と、化学組成を得るために、調整されたマトリックスを用いて数学アルゴリズムを行うステップ１３０とを含む。

有利には、方法１００は、さらに、調整するステップ１２０に有用な値を与えるためのキャリブレーションステップ１０４と、調整するステップ１２０およびアルゴリズム実施ステップ１３０で使用されるパラメータを決定するためのトレーニングステップ１０６とを含む。

マトリックスΛ_{ｘ，ｙ，λ}を与えるステップ１１０は、スラグ部分５を与えるサブステップと、光学システム１０を用い、表面Ｓから反射した光Ｌを集めるサブステップと、集められた光Ｌからデータセットを得るサブステップと、を含み、このデータセットは、マトリックスΛ_{ｘ，ｙ，λ}を少なくとも規定する。

この例において、得られるデータセットは、マトリックスΛ_{ｘ，ｙ，λ}そのものである。上に説明したように、光学システム１０は、表面Ｓに対し、この表面の連続的なセグメントをスキャンするために、軸Ｙを沿って移動する。各セグメントについて、光学システム１０は、データＢ（ｙ）のブロックを与える。データＢ（ｙ）のブロックは、全体でマトリックスΛ_{ｘ，ｙ，λ}を構成する。

たった１つのセグメントからの光が光学システム１０によって使用される特定の実施形態（表されていない）において、光学システムは、表面Ｓに対して移動しない。

調整するステップ１２０は、マトリックスΛ_{ｘ，ｙ，λ}をセグメント化するサブステップと、このマトリックス中のそれぞれの値ｌ_{ｘ，ｙ，λ}を正規化するサブステップと、分光シグネチャＩｓｉｇ_λを得るために、この値を空間平滑化するサブステップと、分光シグネチャＩｓｉｇ_λのサイズを縮小するサブステップとを含む。

セグメント化するサブステップにおいて、対応する複数の点Ｍがスラグ部分５に属するかどうかを決定するために、マトリックスΛ_{ｘ，ｙ，λ}の値ｌ_{ｘ，ｙ，λ}を分析する。スラグ部分５に属する複数の点Ｍに対応する値Ｉ_{ｘ，ｙ，λ}のみが、マトリックスに保持される。

値Ｉ_{ｘ，ｙ，λ}は、例えば、黒い値から白い値までの急な遷移、また、その逆の白い値から黒い値までの急な遷移を検出するために、ｘ＝０からハイパースペクトルイメージの幅（すなわち、第１の空間座標ｘの最大値）まで分析される。この分析が、それぞれの第２の空間座標ｙについて行われる。有利には、１つの波長λにおけるマトリックスΛ_{ｘ，ｙ，λ}の導函数を計算し、所定の閾値より大きな値を探す。これにより、ハイパースペクトルイメージ中のスラグ部分５の境界を検出することができる。

正規化するサブステップは、正規化された値Ｉｎｏｒｍ_{ｘ，ｙ，λ}を与え、この値は、反射した光Ｌを集めるステップの間のスラグ部分５の外からの照射の影響がない。これらの値Ｉｎｏｒｍ_{ｘ，ｙ，λ}は、マトリックスΛｎｏｒｍを構成する。

正規化は、例えば、以下の式またはなんらかの等価式に従って、暗色リファレンス値Ｄ（「暗色」）を引き算し、白色リファレンス値Ｗ（「白色」）を補正することによって行われる。

これらの暗色Ｄおよび白色Ｗのリファレンスがキャリブレーションステップ１０４で得ることができる。

このキャリブレーションステップ１０４は、暗色リファレンス値Ｄおよび白色リファレンス値Ｗのセットを周期的に獲得するサブステップを含む。暗色リファレンス値Ｄは、光学レンズが覆われたときに捕捉される画像から得られる。白色リファレンス値Ｗは、
座標Ｘ１２ＡおよびＸ１２Ｂでの既知の位置にある参照標準エレメント１２Ａ、１２Ｂの捕捉された画像から得られる。参照標準エレメント１２Ａおよび１２Ｂの正確な位置のために、上に説明したもの以外の同様のセグメント化アルゴリズムが使用される。

このキャリブレーションステップは、鋼鉄を製造する作業の開始時に一度行われてもよく、または、好ましい実施形態において、リファレンス値をアップデートするために規則的に行われてもよい。

この式を用いる正規化ステップによって、異なる位置ｘに沿って、および／または時間の中で強度が均一ではない照明システムの影響について、または、センサ２５が受け入れる光に影響を与える環境的な照射のスペクトル応答の修正について、ハイパースペクトルイメージを補正することができる。

空間平滑化のサブステップは、正規化された値Ｉｎｏｒｍ_{ｘ，ｙ，λ}を用い、分光シグネチャＩｓｉｇ_λを与えるように適合される。分光シグネチャＩｓｉｇ_λは、サンプル内のノイズおよび獲得偏差を吸収するため、スラグ部分５のより正確なスペクトル表示である。

空間平滑化技術は、マトリックスΛｎｏｒｍ内のスラグ部分５に適用される。この技術は、スラグ部分５全体にわたるそれぞれの波長での空間平均の計算である。この結果は、以下の式を用いた１つの分光シグネチャＩｓｉｇ_λである：

式中、Ｎ_ｙは、システムによってスキャンされる軸Ｙにおける全空間であり、
Ｎｍａｘ_ｘ、Ｎｍｉｎ_ｘは、Ｘ軸に沿ってスラグ部分５の境界を定め、マトリックスΛ_{ｘ，ｙ，λ}セグメント化サブステップ中に計算される。

サイズを縮小するサブステップの開始時に、完全な値のセットＩｃｏｍｐを得るために、分光シグネチャＩｓｉｇ_λは、有利には、追加のパラメータ、例えば、複数のスペクトルパラメータλ１、λ２などから誘導される比率または引き算によって完成されることができる。

この例において、複数のスペクトルパラメータλ１、λ２などは、１０２４個の波長を表す。しかしながら、Ｈｕｇｕｅｓ効果のため、数百の波長のスペクトルパラメータΩ（λ）のサブセットまで次元を減らすことが望ましい。有利には、保存されるスペクトルパラメータΩ（λ）のサブセットは、本明細書で下に説明するように、トレーニングステップ１０６のサブステップ中に決定される。計算器または任意の適合する方法の使用によって決定することもできる。

トレーニングステップ１０６は、既知の組成を有する複数のスラグサンプルについて獲得した値のデータセットＩｃｏｍｐを与えるサブステップと、２つの独立したサブステップ１０６Ａおよび１０６Ｂを含む。サブステップ１０６Ａは、サイズを縮小するステップにおいて保存されるスペクトルパラメータΩ（λ）のサブセットを与えることを目的とする。サブステップ１０６Ｂは、アルゴリズム実施ステップ１３０のためのパラメータを与えることを目的とし、以下に説明する。

サブステップ１０６Ａは、例えば、再帰的特徴量削減技術を使用し、関連する値を選択するために、完全な値のセットＩｃｏｍｐからいくつかのエレメントを除去する。回帰アルゴリズムの実施パラメータは、例えば、本発明の方法の出力と、例えばトレーニングデータセットのサブセットから得られるスラグ部分５の化学組成との存在する最大相関として計算される。高い相関に達するトレーニングデータセットのサブセットは、サイズを縮小するステップで保存されるべきスペクトルパラメータΩ（λ）のサブセットを規定する。

次いで、完全な値のセットＩｃｏｍｐからの値のサブセットは、トレーニングステップ１０６に基づいて選択され、選択されていない値は、シグネチャから除去される。選択されたサブセットの値は、複数のスペクトルパラメータλ１、λ２などから選択されるスペクトルパラメータΩ（λ）のサブセットによってインデックスを付けられ、前記スペクトルパラメータΩ（λ）のサブセットは、複数のスペクトルパラメータよりも小さい。これにより、縮小された値のセットＩｒｅｄを得るために、Ｉｃｏｍｐのサイズを縮小することができる。

数学アルゴリズムを行うステップ１３０は、データ正規化のサブステップと、回帰のサブステップを含む。

データ正規化のサブステップは、Ｉｒｅｄ値の縮小された値のセットを所定の数値範囲内に正規化する。このサブステップは、異なるスケールで測定される値を、概念的に共通のスケールに変換する。これは、例えば、データセットの最小値の引き算および同じデータセットの最大値による割り算に基づくことができる。

回帰ステップは、リグレッサーによって行われ、上述の値のセットを、概算された化学組成値と数学的にマッピングする。回帰のサブステップは、例えば、サポートベクターマシンモデル（ＳＶＭ）に基づく。ＳＶＭは、２つの異なるパラメータω（サポートベクトル）およびｂ（オフセット）を含み、これらはトレーニングステップ１４０のサブステップ１０６Ｂで決定される。このようなパラメータは、当業者には知られている。

化学組成は、例えば、縮小された値のセットＩｒｅｄとベクトルωを掛け算し、ｂ値を加えることによって得られる。これは、化学組成の表示である数を与える。

既に説明されたように、トレーニングステップ１０６は、既知の組成を有する複数のスラグサンプルについて獲得した値のデータセットＩｃｏｍｐを与えるサブステップと、２つの独立したサブステップ１０６Ａおよび１０６Ｂを含む。サイズを縮小するステップにおいて保存されるスペクトルパラメータΩ（λ）のサブセットを与えるサブステップ１０６Ａは、既に説明されている。

ステップ１０６Ｂは、ステップ１３０のための各スラグ化合物あたりのリグレッサーパラメータ（例えばωおよびｂ）を設定する。

このサブステップ１０６Ｂは、ＳＭＶトレーニングのための既製の方法に基づく。

試験
この章は、実施された検証試験を含む。既知の組成を有するＬＦフラグで構成されるトレーニングデータセットは、例えば、２つのサブセットに分けられ、第１のサブセットは、リグレッサーパラメータを算出するために使用され、第２のサブセットは、システムの誤差および精度を概算するために使用される。誤差は、本発明の方法を用いて得られる組成値と、実際の組成値との差として得られる。組成値は、百分率として表される。

誤差値は、この報告において、以下のように与えられる。

これらの値は、平均的な誤差およびその標準偏差を示すが、両方とも百分率として与えられる。

は平均絶対誤差であり、
ｓは絶対誤差の標準偏差であり、
Ｍはトレーニングデータセットからの入力値の最大値であり、
ｍはトレーニングデータセットからの入力値の最小値である。

以下の表は、本発明を用い、スラグサンプルを用いて得られる結果 対 Ｐｅｒｌ技術によるＸＲＦ（蛍光Ｘ線）を用いて行われる同じスラグサンプルの実験的な分析をまとめている。

要素に依存して、本発明を用いて得られた組成と既知のＸＲＦ技術との間の相対的な標準偏差は、５％〜１０％の範囲である。この誤差は、最も低いコストで最終的な処理段階に達するための鋼鉄処理方法を規定するように、スラグの物理的な状態の迅速な評価を行うために、製造プロセス中の組成における十分な正確さを保証する。

上述の特徴のおかげで、この方法は迅速であり、鋼鉄性増プロセスを妨害しない。

この方法は、所定の鋼鉄化学組成を得るために、製造中に鋼鉄に添加されるべき添加剤の量を推測することを可能にする。

この方法は、２〜３秒で正確な化学組成を与え、一方、従来技術の方法は、分析のためにサンプルを実験室に送る必要がある。

スラグ情報に基づく取鍋プロセスを最適化するために、スラグ分析システムは、プラントからのデータを通信し、受け入れ、そのため、取鍋処理の変化が、任意の時間で知られる（鋼鉄の組成、鋼鉄およびスラグの重量、添加剤、温度など）。これらのデータを、抽出されたスラグ組成についての情報と合わせ、任意の点でのグローバルマスバランスの分析を行うことができ、その結果、任意の特定の熱力学計算ソフトウェアを用いて熱力学的平衡の計算を行うことができ、最終的な鋼鉄およびスラグの組成を平衡条件で算出することができた。

これに加え、取鍋炉で使用される種々のフェロアロイおよびフラックス添加剤についての情報を、価格を含めて計算に導入することができる。本システムは、これらを簡単に設定することができるからである。これによって、取鍋炉におけるプロセスの完全な分析を行うことができた。

Claims (13)

1. スラグ部分（５）の化学組成を決定する方法（１００）であって、この方法は、
   表面（Ｓ）を有するスラグ部分（５）を与えるステップと、
   光学システム（１０）を用い、表面（Ｓ）から反射した光（Ｌ）を集めるステップと、
   集めた光（Ｌ）からデータセットを得るステップであって、このデータセットが値を含むマトリックス（Λ）を少なくとも規定し、値の各々が集めた光（Ｌ）の一部分（Ｌ_Ｍ，λ）の強度の表示であり、それぞれの一部分（Ｌ_Ｍ，λ）が、複数の波長の１つで表面（Ｓ）上の複数の点（Ｍ）の１つからそれぞれ集められ、マトリックス（Λ）は、
   複数の点（Ｍ）の複数の空間座標（ｘ１、ｘ２など）、および
   複数の波長の表示である複数のスペクトルパラメータ（λ１、λ２など）
   によって少なくともインデックスを付けられる、ステップと、
   得られたデータセットから縮小された値のセットを得るために、マトリックス（Λ）を調整する（１２０）ステップと、
   化学組成を得るために、縮小された値のセットを用い、数学アルゴリズムを行う（１３０）ステップとを含み、
   データセットを得るステップが、以下のサブステップ：
   部分（Ｌ_Ｍ，λ）の強度の表示であるグレースケール値を与えるサブステップと、
   前記グレースケール値を用い、マトリックスに含まれる値（ｌ_{ｘ，ｙ，λ}）を得るサブステップとを含み、
   調整するステップ（１２０）が、
   反射した光（Ｌ）を集めるステップ中、スラグ部分（５）の外からの照射の影響がないように適合された正規化された値を得るために、マトリックス中のそれぞれの値を正規化するサブステップと、
   スラグ部分（５）の分光シグネチャを得るために、正規化された値を空間平滑化するサブステップと、
   縮小された値のセットを得るために、分光シグネチャにおける値のサブセットを選択するサブステップと
   を含む、方法。
2. 複数のスペクトルパラメータ（λ１、λ２など）が、２００ｎｍ〜２００００ｎｍの範囲の波長の表示であるスペクトルパラメータを含む、請求項１に記載の方法（１００）。
3. 複数のスペクトルパラメータ（λ１、λ２など）が、３９９ｎｍ〜９６５ｎｍの範囲の波長の表示であるスペクトルパラメータを含む、請求項２に記載の方法（１００）。
4. 複数のスペクトルパラメータ（λ１、λ２など）が、全て３９９ｎｍ〜９６５ｎｍに含まれる波長の表示である、請求項３に記載の方法（１００）。
5. 調整するステップ（１２０）が、対応する複数の点（Ｍ）がスラグ部分に属するかどうかを決定するために、マトリックスをセグメント化するサブステップを含み、ここで、マトリックスの値の少なくともいくつかが分析され、スラグ部分（５）に属する複数の点（Ｍ）に対応するマトリックスの値のみがマトリックスに保存される、請求項１から４のいずれかに記載の方法（１００）。
6. 選択されたサブセットが、複数のスペクトルパラメータ（λ１、λ２など）から選択されるスペクトルパラメータ（Ω（λ））のサブセットによってインデックスが付けられる、請求項１から５のいずれかに記載の方法（１００）。
7. 調整するステップ（１２０）が、完全な値のセットを得るために、分光シグネチャに追加のパラメータを含めるサブステップを含み、追加のパラメータは、複数のスペクトルパラメータ（λ１、λ２など）から誘導される、請求項１から６のいずれかに記載の方法（１００）。
8. 再帰的特徴量削減を用い、スペクトルパラメータ（Ω（λ））のサブセットを与えるサブステップ（１０６Ａ）を含むトレーニングステップ（１０６）をさらに含む、請求項６または７に記載の方法（１００）。
9. 数学アルゴリズムを行うステップ（１３０）が、回帰のサブステップを含む、請求項１から７のいずれかに記載の方法（１００）。
10. 方法（１００）が、回帰のサブステップで使用されるパラメータを得るサブステップ（１０６Ｂ）を含むトレーニングステップ（１０６）をさらに含む、請求項９に記載の方法（１００）。
11. 回帰が、サポートベクターマシンモデル（ＳＶＭ）に基づく、請求項９または１０に記載の方法（１００）。
12. サポートベクターマシンが、ラジアル基底関数カーネルを有する、請求項１１に記載の方法（１００）。
13. 鋼鉄を製造する方法であって、
    鋼鉄の標的とする化学組成を規定するステップと、
    請求項１から１２のいずれかに記載の鋼鉄を製造するプロセス中に作られたスラブ部分の化学組成を決定するステップと、
    決定されたスラグ部分の化学組成を用い、鋼鉄の化学組成を概算するステップと、
    概算された鋼鉄の化学組成を用い、添加剤の量を計算するステップと、
    前記鋼鉄の標的とする化学組成に達するように、鋼鉄に前記添加剤を前記量で加えるステップと、
    を含む、方法。

Images