JPH02166203A - 高炉送風温度制御方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野１ 本発明は高炉の送風温度制御方法に関する。

［従来の技術］ 溶銑温度に代表される高炉内温度を推定し、かつそれを
管理制御することは、従来から高炉操業者が高炉に設置
された種々のセンサからの情報を定性的に判定して、高
炉炉熱レベルおよび炉熱推移を推定評価し、操業因子の
最適な調整を行うことで行われていた。

ところがその評価や推定の結果には操業者の能力や経験
等による個人差があり、操業方法を標準化することが難
しいと共に、評価が定量的でないため、常に適切なアク
ションを取れていたわけでなかった。このうち特に炉熱
の将来に向けての推移を予測することは、現状レベルの
認識以上に操業者の経験と判断によるところが大きく、
正確に予測アクションをとることはより難しいという問
題点があった。

近年、解析モデルの精度アップの困難性からＡＩを用い
、高炉操業者のノウハウを盛り込むこと、及び高炉操業
に必要な炉熱の予測精度を高める技術が開発されつつあ
り、例えば特開昭６２２７０７０８号、６２−２７０７
１２号公報が開示されている。

前者は炉熱を溶鉄温度及び羽口並びにスラグの観察によ
る人間の判断ルールに従って判定し、かつ、各種センサ
から求められる情報に基づいて炉熱推移を推定し、この
炉熱レベル及び炉熱推移をもとに炉熱制御のアクション
が出されるシステムであり、また、後者はスリップ、吹
抜けの診断を可能とするシステムである。

ここでの炉熱推移は、 ■　溶鉄温度の過去から現在までの推移に基づく判定ル
ール、 ■　羽口埋込温度、荷下り、送風圧力、ガス利用率、ソ
リューションロス量、炉頂温度等のレベルと推移に基づ
く判定ルール、および ■　炉況の推移に基づく判定ルール などから総合的に求められた５段階の推移評価レベルと
それぞれの確信度から判定するようになっている。

炉熱レベルの変化は、このように多くの要因によって引
き起こされ、かつ、観測されるもので往来のオペレータ
の経験則をプロダクションルールで表現することによっ
て問題を解決しようとしている。

しかしながら、前記各種データと、炉熱推移の因果関係
は熟練オペレータと言えども十分把握ししているわけで
はない。従って、前記■〜■の判定ルールやそれぞれに
定められた確信度の精度は十分でなく、ひいては炉熱制
御のアクションが適切でないタイミングに取られたリア
クション量が適切でないという機能低下を招く危険性が
あった。

また、特開昭６０−２４８８０４、特公昭６０１８７２
１、特開昭６０−２０４８１３、特開昭６１−２５４８
５３などはいずれも統計的推定、指数平均、周波数解析
など数式モデルによって炉熱を予測する技術である。こ
れらの技術は数式モデルの精度に依存しており、モデル
式を精度良く組立てるのは困難であった。

またモデルの出力も推論結果と１対ｌに対応しているの
ではなく、オペレータの感覚に合わせたものとするには
大きなギャップがあり、個人個人によってチューニング
するには、多大なメンテナンス負荷がかかっていた。

［発明が解決しようとする課題１ 本発明は、このように従来のエキスパートシステムにお
けるプロダクションルールや数式モデルによる炉熱の推
移予測方法のもつ、次のような問題点を解決するために
、開発されたものである。

（１）　各種観たデータと炉熱レベル推移の因果関係が
不明確であり、定式化したロジックが組立てにくい。

（２）　アクション量を一義的に決めることができず、
炉熱レベルや予測の判定結果との対応が取りにくい。

（３）　システムの性能を維持するためのメンテナンス
負荷が高い。パラメータチューニング等に時間がかかる
。またそのパラメータも変化することがある。

［課題を解決するための手段］ 本発明は、 （ａ）　　高炉に設置された各種センサを基に作られた
高炉の荷下り、ガス成分、炉熱レベル、炉体温度等の高
炉の状況を示す高炉操業データを所定のタイミングで入
力する工程、 （ｂ）　　これらからそれぞれの最近の変化、変動状況
が分るような各種加工データに加工する工程、例えば、
測定したガス分析値に基づいて、ガス成分の状況を示す
データとしてηｃｏの変化量やＮ２の変化量を計算処理
によって求める工程、（ｃ）　　これらの加工データを
現状の炉熱に関する少なくとも２つ以上の判断（例えば
熱い、適当、若い）と、今後の予測に関する少なくとも
２つ以上の判断（熱くなる、あまり変わらない、若くな
る）とに対応させたメンバーシップ関数を作成する工程
、 （ｄ）　　現状の炉熱に関する判断と今後の予測に関す
る判断とから知識ベースによりアクションルールを決定
する工程、 （ｅ）　　アクションルールに対応させるメンバーシッ
プ関数をあいまい理論に基づく合成則によって出力処理
し送風温度変更量を決定する工程、から構成されている
。

また、正確な判断を有する基準となるべきデータを自動
学習するようにした。すなわち、炉熱のレベル判定と炉
熱予測判定のメンバーシップ関数から出力される各種デ
ータを集計し、それらの分布状態を定式化して前記メン
バーシップ関数に自動的におきかえていく方法を付加し
た。

［イ乍用１ 第１図は、本発明の実施例に係る高炉炉熱の人出力およ
び処理の工程を説明したブロック図である。

このシステムは当然高炉プロセス用計算機を用いて具現
されるものであるが、計算機の規模、台数、構成等によ
って制約されるものではない。しかし、高炉操業データ
の人力や予測結果を炉熱制御に使う場合の出力は十分な
リアルタイム性を持っている必要がある。

さて第１図において、高炉操業データ１は各種センサに
よる測定データを基にした操業データであり、これらは
データ入力手段２を通してシステムに取り込まれ、デー
タ加工手段３によって炉熱を判断するために必要な観測
事象データに加工される。従・来、オペレータは高炉操
業の現在値だけを見て炉熱の推移を予測していたわけで
はなく、過去数時間前から現在に至るまでの測定データ
のトレンドを見て予測していた。従って、過去から現在
への一定時間の変化量等時間的ファクターを含んだ情報
に加工処理するわけである。

加工されたデータはメンバーシップ関数化手段４で変換
され炉熱に関する現状認識５１と予測結果５２をアウト
プットする。

このアウトプットは、（ａ）熱い、（ｂ）ちょうど良い
、（Ｃ）若いという炉熱に関する認識５１と、（ｄ）熱
くなるだろう、（ｅ）そのまま変わらないだろう、（ｆ
）若くなるだろうという３段階の予測５２とした。各ア
イテムはメンバシップ関数に変換されるため上２（ａ）
〜（ｆ）の判断分類とＯ〜１の間にある数字でもって該
当割合（確信度）が計算される。

現状認識５１および今後の予測５２はエキスパートルー
ル６によって所要アクションに変えられ、出力処理手段
７はエキスパートルール６から受けたアクション量およ
びその確信度からあいまい理論による合成則によって最
終的アクション量を決定し、送風温度変更量８へ出力す
る。この変更量８は高炉制御コンピュータに送られ、こ
のコンビ１−りの出力によって高炉送Ｊ！Ｉ温度を制御
する。

第２図は第１区で示されるメンバーシップ関数化手段４
の説明を示すものである。

第２図（ａ）は現在の炉熱を判定するメンバーシップ関
数で溶銑温度指数ＡｕＭｙ、Ｓｉに関する炉熱指数ＡＲ
５ｉ、炉熱指数ＡＨＯという各々加工処理されたデータ
に対し、ある確信度で表現される。これらは操業者ルー
ルの知識ベースにより確信度を合成することで炉熱が熱
いか、若いか、適しているかの中間出力に変換される。

このルールの例を第１表に示した。

ＣＦｘ、、ＣＦＹＩ、ＣＦＺ、の合成は、あいまい理論
に準して最小値を選択してもよいし、エキスパートシス
テム独自に演算処理で指数化しても構わない。

第２図（ｂ）はアクション（送風温度変更量）を決定す
るメンバーシップ関数を示すもので、同時に９つのルー
ルも示している。２〜３の例を説明すると次の通りであ
る。

■　若し、現在の炉熱レベルが「若い」であり、今後の
予測が「若くなるだろう」と判断されればアクションｌ
を選択する。

■　若し、現在の炉熱レベルが「若い」であり、今後の
予測が「変わらないだろう」と判断されればアクション
４をとる。

■　若し、現在の炉熱レベルが「熱い」であり、今後の
予測が「熱くなるだろう」と判断されればアクション９
をとる。

第３図（ａ）に第２図のアクションｌを再掲して示した
。

アクション１は２０〜３０°Ｃの送風温度変更量を示し
、確信度が１のときにそのピーク値（ム印、２５°Ｃ）
を意味するメンバーシップ関数である。

このようにして得られたアクションの結論である最終ア
クション量は例えば のとき、第３図（ｂ）に例示するように、あいまい合成
量を重心法による非ファジー化によって求める。

次に炉熱の判定に関するメンバーシップ関数の自動作成
について説明する。第２図に示される各データごとのメ
ンバーシップ関数から、炉熱の判定に関するメンバーシ
ップ関数が自動的に以下の方法で形成される。

数回の出銑における代表溶銑温度の平均値を横軸に取り
、第４図のようなメンバーシップ関数を作成する。代表
温度が適している時に同しタイミングでＡＨＭＴ　、　
ＡＲ９Ｌ　、　ＡＨＯという加工処理のデータをサンプ
リングすれば第５図のような集合が得られる。同様に代
表温度が熱い時に該当しているタイミングでＡＨＭＴ　
、　ＡＲ５ｊ　、　ＡＨＯというデータをサンプリング
すれば別の集合が得られ、これらを計算機内で正規分布
近似或いは台形処理をすれば炉熱の判定に関するメンバ
ーシップ関数を自動的に作成することができる。

次に、炉熱の予測に関するメンバーシップ関数の自動修
正は以下のようにして行う。第４図と同様の処理をした
代表溶銑温度が前回に比べて何度上昇したか、減少した
かの変化量を横軸にとり、熱くなった、若くなった、変
わらなかったというメンバーシップ関数を第６図のよう
に作成する。

代表の温度の変化量が熱くなったという判断に該当する
とき、代表溶銑温度の時刻差に相当する３時間分だけ過
去にさかのぼって炉熱推移の予測値の散布図を第５図と
同様に作成する。

同じように変わらなかった、若くなったという判断に属
する時に過去３時間分さかのぼって炉熱推移予測判定の
データを作成し、計算機で正規分布処理をすれば、炉熱
の予測の判定に関するメンバーシップ関数を自動的に得
ることができる。

ここで、第７図に示すように、過去にさかのぼる時間は
３時間としたが、これは操業者が種々のデータをみて炉
熱変化を予測する将来の時間差を示し、通常２〜４時間
の間である。代表溶銑温度の変化の時刻は一定ではない
が、どちらも２〜３時間以内のデータだけ処理を行うこ
とで対応すれば十分である。

以上の構成からなる送風１度制御方法を、以下に、さら
に詳細に説明する。

先ず第１図の人力手段２に与える高炉操業ブタは下記の
ものである。

（１）現在の炉熱レベルの判定 ■　　（容銑（品度トＩＭＴ トビード毎に…１ｊ定される溶銑温度で高炉の炉熱レベ
ルを示す。

■　Ｒ５１ Ｓｉの実績分配比の平衡分配比に対する百分比Ｒ５Ｌ”
　（Ｌｓｉ／　ＬＳＬ）　Ｘ　１００て示される炉熱指
数である。ＬＳｉは実績外９比で、 ＬＳｉ”ｆｓｉ’　　［％Ｓ　ｔ　］　　／　ａ　ＳＳ
１０２１２ｏ　ｆｓｊ＝０．ｌ　８　　［％Ｃ］＋０．
１１［％Ｓｉ］ で計算する。

平衡分配比ＬＳｉは て算出する。（ロ）ここてのＰＣＯとＴはＰ　ｃｏ　（
ａｒｍ　、） （１＋０．９６７Ｘ送風ゲージ圧） ＋０．１９２＋羽ロー出銑口間距離 ０、７５　） Ｔ＝（溶銑ン品度＋２７３　）　”Ｃ で求める。

■　ＨＱ 銑鉄スラグの加熱に用いられる熱量を表わし、羽口前の
発生熱量からソリューションロス反応、Ｎ２による還元
反応、ＣａＣ０ａの分解反応による吸熱を差別したもの
である。

（２）炉熱推移予測の判定 ■　一方向指数 一方的指数＝Σ　（（差指間隔、分／　ｃ　ｈ　）ｌ＝
４ （計算上のチャージ必要時間）） 差指間隔が速くなっているか遅くなっているかを示す指
数である。

■　装入回数 現在が当日何回目のチャージかを示す番号■　ガス利用
率（ηＣ０） Ｃｏ、ＣＯ２：炉頂ガス成分 ■　Ｎ２成分（Ｎ２） 炉頂ガスの［Ｎ２１分析値 ■　炉熱指数（Ｈｏ） 銑鉄スラグの熱に用いられる熱量を表わし、いわゆる炉
熱の指数として使われているものである。羽目前の発熱
量からソリューションロス反応、Ｎ２による還元反応、
ＣａＣＯ３の分解反応による吸熱を差別したものである
。

■　ソリューション−８スカーボン量（、Ｃ３ＯＬ）直
接還元によりガス化したカーボン量 ［相］　ステーブ熱負荷（Ｓ　Ｔ　Ｌ　）ＳＴＬ＝Ｆｘ
　（Ｔｏ　　Ｔｉ　）Ｘｋ但し、　ｋ・定数 Ｆニステープ冷却水量 Ｔｏ＝出口水温 Ｔｉ：入口水温 ■　炉下部圧損（ＤＰＬ） ＤＰＬ＝　（熱風圧力）−（シャフト圧力下段）シャフ
ト圧力測定点が複数個の場合、ＤＰＬもいくつかある。

上記データのうち、■、■は荷下りに関するデータ、■
、■はガス成分に関するデータ、■、■は炉熱そのもの
に関するデータ、［相］、■は炉体の温度と圧力に関す
るデータであり、従来オペレータが予測の手掛かりとし
て監視していたちのを採用している。

次に第１図におけるデータ加工手段３の実施例を説明す
る。Ｏ１１記■〜■、■〜■に対応して次のようなデー
タ加工を行う。

■′「トピード毎ＨＭＴＪは過去３本のトビード毎ＨＭ
Ｔの最新移動平均値とする。

■’ｒＡＲｓｉはＪ過去３タップ代表Ｒ５ｉの最新移動
平均値とする。

■’　　ｒＡＨｏｊは炉熱指数ＨＱの３０分平均値を過
去３時間分ザンブルした最新移動平均値をＡＨＱとする
。

■′　「一方向指数」はその変化量に加工する。最新５
チヤージの平均とその前５チヤージの平均との差を一方
的指数の変化量とする。

■′　「装入回数」は装入回数の差に加工する。最新２
時間の装入回数と、前回推定時に使った同値との差は装
入回数の差とする。

■’　　ｒｙ＋ｃＯＪはηＣＯの変化量に加工する。直
近３０分のηＣＯ平均値と直近２時間の７１ＣＯ平均値
との差をηＣＯの変化量とする。

■’　　［Ｎ２］はＮ２の変化量に加工する。加工方法
は■′と同し。

■’　　ｒＨｏＪはＨＱの変化量に加工する。３０分ｍ
１（Ｑの平均の直近３時間の移動平均と５〜７１Ｌ’ｆ
間前の移動平均との差をＨＯの変化量とする。

■′　「ソリューションロスＣ量」はソリューションロ
スＣ量の変化量とする。加工方法は■′と同し。

［相］’　　ｒｓＴＬＪはＳＴＬの変化量に加工する。

直近３０分のＳＴＬ平均値と１〜２時間前のＳＴＬ平均
値の差をＳＴＬの変化量とする。

■’ｒＤＰＬＪはＤＰＬ変化量に加工する。加工方法は
■′と回し。

次に具体例について述べる。

今■′〜■′の数値が１４８７℃、１２５．２００、＋
１００、＋５、＋３．０、＋２−０．５０、−２０、＋
５０、＋０．０３の時の炉熱に関する判定出力を計算機
で自動的に作成された第８図のメンバーシップ関数を用
いて求める。現状の炉熱のレベル判定は第８図（ａ）か
らＡ　ＨＭＴ　−ちょうど良い確信度１．０ＡＲ５ｉ　
　ちょうど良い確信度０．５、若い確信度０．５ ＡＨＯ：若い確信度１，０ これらを合成すれば最小値合成によりちょうど良い確信
度０．５、若い確信度０．５が算出される。

同様に第８図（ｂ）から、 熱くなるだろうの確信度・０．５ 変わらないたろうの確信度：０．５ が算出される。

第２図（ｂ）のアクションに関するメンバーシップ関数
から、 （ａ）現在の炉熱レベル若い確信度二０．５、かつ変わ
らない確信度二０．５でアクション４が、（ｂ）現在の
炉熱レベルちょうど良い確信度。

０．５、かつ変わらない確信度、０．５で、アクション
５が、 （ｃ）現在の炉熱レベル若い確信度二０．５、かつ、熱
（なるだろう確信度：０．５で、アクション７が、 （ｄ）現在の炉熱レベルちょうど良い　０．５かつ熱く
なるだろう確信度二０．５でアクション８が、 それぞれ選択され、山切り手法で該当割合に応したアク
ション量の分布は第９図となる。

第９図にこれらの不完全に該当する操作量の分布を示す
。第９図で定義された操作量分布はその判断関数の該当
割合によってカットし山切りされる。

第９図の如く複数からなる操作分布の合成は、その最大
値からなる分布（斜線部）で評価し直し、これを下記（
１）式で求める。操作量出力Ｃは重み付は法と呼ばれる
方法で、 ・・・・・・　（１） で算出される。

具体的には上記（１）式は、 分子＝　（−２０）ｘＯ＋　（−１’７）ｘｏ、５＋　
（−１３）ｘｏ−５＋（−１０）ｘＱ＋　（−７）　ｘ
　０．５　＋（−〇、　３　）　ｘ　０．５＋ＯｘＯ＋
Ｉ　　ＯｘＯ ＋１３ｘＯ−５＋ｌ　７ｘ０．５＋２０ｘＯ３，６５ 分母＝　０．５　＋　０．５　＋　０．５　＋　０．５
　＋　０．５　＋　０．５となる。従って、 Ｃ＝−１，２２ の出力が得られる。

本発明の実施結果を第１０図に示ず。従来のオペレータ
個人個人の経験に頼って操業を行っていた場合に比べて
炉熱の代表ターゲットである溶銑温度の偏差で半減した
。

［発明の効果１ 本発明により、従来データと判定基準の関係が不明確で
あった点はあいまい判断関数により操業者の感覚にフィ
ライングされ、またアクションの出力もあいまい判断で
平均的に出力されるため、操業者の感覚とのギャップが
なく、またメンテナンスも感覚をそのまま、人力すれば
メンバーシップ関数に変換されるため、チューニングの
負荷は非常に軽減された。

【図面の簡単な説明】

第１図は本発明のシステムのブロック図、第２図、第３
図、第４図はメンバーシップ関数の例を示す図表、第５
図は予測値の散布図、第６図はメンバーシップ関数のグ
ラフ、第７図は溶銑温度の推移グラフ、第８図は実施例
のメンバーシップ関数のグラフ、第９図はアクション量
の合成を示すグラフ、第１０図は本発明の効果を示すグ
ラフである。 ■・・−高炉操業データ ２・・・人力手段 ３−・・加工手段 ４・・・関数化手段 ６・・−エキスパートルール ７−・・出力処理手段 ８・・−変更量 第 図 第６ 図 第 図（ａ） 溶ａ、温度 ］５３０ 庵銑シ星度 第１０図

Claims (1)

1. 【特許請求の範囲】 １　高炉に設置された各種のセンサからデータを所定の
   タイミングで取り込み、これらからのデータに基づいて
   高炉の状況を示す加工 データを作成して指数化し、前記加工データをそれぞれ
   炉熱レベルおよび炉熱推移予測に関するあいまい理論に
   基づく２以上のメン バーシップ関数に変換し、そのメンバーシップ関数に対
   応する該当割合を算出し、操業者ルールの知識ベース手
   段によりまたは操業者ルールの知識ベースに基づくあい
   まい理論の合成則により、前記メンバーシップ関数に該
   当する送風温度変更量を決定することを特徴とする送風
   温度制御方法。 ２　炉熱レベルの判定と炉熱変化予測の判定に関するメ
   ンバーシップ関数の境界値を、そのメンバーシップ関数
   の同一状態のときに同じタイミングで採取して集積した
   高炉操業データの分布に基づいて、自動学習して生成す
   ることを特徴とする請求項１記載の送風温度制御方法。