JPH02306364A - 高炉の操業支援方法 - 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］ この発明は例えば高炉の操業等に適用される学習制御方
法に関する。

、［従来の技術及び発明が解決しようとする課題］従来
の学習制御方法として次に挙げる方法がある。

（１）知識システムにおける学習 この学習方法は記号処理であり、データ処理には不適当
である。データから記号への変換は可能であるが、未だ
知識の洗練化レベルにあり、新しい知識の獲得は困難で
ある。

（２）ファジィシステムにおける学習 この学習方法はあくまでもメンバーシップファンクショ
ンのチューニングであり、新しい知識の獲得は困難であ
った（適応制御等の技術も同様である）。

（３）ニューラルネットにおける学習 この学習方法は操業のパターン認識等には有効であるが
、学習がユニット間の結合係数によるため、学習結果に
合わせて操業データを蓄積することは困難であった。ま
た、学習速度が遅く、発生頻度の少ない操業状態を認識
するのは困難であり、更に過去の事例を把握することが
できなかった。

この発明は、かかる問題点を解決するためになされたも
ので、新しい知識の獲得が極めて容易になされ、そ１２
て、操業データの自動分類と操業特徴抽出データの蓄積
、蓄積された操業データの自動検索、更に過去の蓄積デ
ータに基づく操作量のガイダンスをすることを可能にＩ
７た学習制御方法を提供することを目的とする。

［課題を解決するための手段］ この発明に係る学習制御方法は、操業データを複数のク
ラスに分類し、計測データと各クラスとの多次元尺度を
求め、計測データによる多次元尺度がクラス間の多次元
尺度より小さいとき、計測データとの間で最も多次元尺
度が小さいクラスにその計測データを所属させる。そし
て、該当するクラスの最も古いデータを新しい計測デー
タに置換する。

また、計１ｉ１ｐＩデータによる多次元尺度がクラス間
の多次元尺度関数より大きいとき、その計測データによ
り新しいクラスを作成し、また、クラス間の多次元尺度
が最も小さいものを選択して、両クラスを纏めて１つの
クラスとし、クラスの数を一定にする。

また、この発明に係る学習制御方法は、現操業に近いク
ラスから複数の操業データを抽出ｊ２、これに基づいて
操業量を決定する。

［作　用コ この発明において、計測データは多次元尺度の最も小さ
いクラスに所属する。そして、その計測データは該当す
るクラスの最も古いデータと置換される。また、計測デ
ータの多次元尺度が各クラス間のそれよりも大である時
には新しいクラスを作成１７、一方、多次元尺度が最も
小さい位置にある２つのクラスを１つのクラスに纏める
。

このようにして、各クラスの操業データは常に新しい操
業データに更新され、現操業に近いクラスから複数の操
業データを抽出１７、これに基づいて操業量が決定され
る。

［実施例］ 第２図はこの発明の一実施例に係る学習制御方法を実施
した制御装置及びその関連設備のブロック図である。図
において、（１）は制御対象となる高炉、（ｌＯ）は高
炉制御装置である。この高炉制御装置（１０）は、デー
タスキャナ（１１）　（ｌｌａ　、　ｌｌｂ　。

・・・ｌｌｎ　）　、センサデータ収集手段（１２）、
演算装置としてのＣＰ　Ｕ　（１３）、ＣＰ　Ｕ　（１
３）の演算を司どるプログラムが格納されているシステ
ムＲＯＭ　（１４）、各扛データが格納されるＲＡＭ（
１５）、　（１，６）及、びＣＲＴ　（１７）から構成
されている。（２０）は駆動制御装置であり、高炉制御
装置（１０）の演算結果又はオペレータのマニュアル操
作により高炉（１）に供給される熱風等を調整する。

第１−図は第２図の高炉制御装置における学習制御方法
を示すフローチャートである。以下、高炉の異常炉況の
予知及びそれに対する操作量のガイダンスを例にとって
説明する。

Ａ、操業データの読み込み データスキャナ（１１）により各センサを走査してセン
サデータ収集手段（１２）により各種計測データを取り
込む。この種の高炉においては約３００程度のセンサ情
報が一定の周期で取り込まれ、ＲＡＭ（１５）に格納さ
れる。

Ｂ、操業の特徴抽出 次に、ＲＡ　Ｍ　（１５）に格納された各種の計測デー
タから操業状態の特徴が抽出される。操業状態のの特徴
抽出に際しては、センサ情報の特徴、異常炉況の検知及
び操業変更の検知について行われる。

（Ｂ１）センサ情報の特徴抽出は、オペレータの経験に
基づいて時間的（変化、バラツキ）及び空間的（炉の高
さ、円周及び半径の各方向）についての特徴を抽出する
。

（Ｂ２）異常炉況の（吹き抜け、壁落ち、スリップ）の
検知は、吹き抜けについては炉頂圧力により、壁落ちに
ついてはシャフト温度やＣ３本体温度により、スリップ
については炉ロザウンジングの各センサ情報から検出す
る。

（Ｂ３）操業変更の検知は、オペレータが行った操業量
の変化を検知するものであり、ここで、操業量とは送風
流量、送風温度、送風湿度、小粒の焼結鉱割合、コーク
ス比、原料装入条件（旋回数、旋回角）等である。

Ｃ１操業の認識（分類） ここでは、異常の操業の分類、弁別及び操業距離空間に
よる認識を行う。

次式により過去の操業例との距離計算を行う。

計算の対象は操業量の変更（項目とＱ）、異常炉況（項
目と程度）、操業状態（装入物の降下状態、円周バラン
ス状態、ガス状態、炉熱レベル、残銑状態等）、操業諸
元（高炉への入出力量）等である。

ｍ１ｎ（ｄｊ）を求める。

Ｘ；特徴抽出値 °ｙ；リファレンス値（過去のデータ）０８重み係数 なお、距離計算（ｄｊ　）に際しては上記（１）式の代
わりに次式の演算を行なってもよい。次式による演算は
変化のあった項目のみに着目し、操業変化等に本来影響
しない項目をゼロと１．て扱うことができるため、影響
しない項目からの外乱を除去できる利点がある。

ｍａｘ（ｄｊ）を求める。

ｄｊ−Σωｌ　　−ｘｉ　　ｅｙｉｊ　　　　　−（２
）Ｘ；特徴注出値（−１〜１に正規化したもの、広義の
ファジィ） ｙ；リファレンス値（−１〜１、過去のデータ） ０８重み係数 この特徴抽出値において、ｒ−ＩＪは背反する集合に属
することを表している。例えば良い操業を「１」とすれ
ば、悪い操業は「−１」である。

また、「０」は不明又は相関のないことを表している。

Ｄ、操業認識の信頼性評価 本システムの前回までのガイダンス内容が現在の操業状
態とどの程度一致するかをチェックする。

演算は上記の０項と同じである。この一致度には、前回
までの操作量ガイダンスと現在の一致度（α１）、前回
までの異常炉状予側と現在との一致度（α２）及び操作
量変更等に伴う予測操業状態と現在の一致度（α３）が
あり、毎回この一致度が求められてＲＡ　Ｍ　（１５）
に過去の操業データベースとしてファイルされていく。

そして、推定に対する実績が一致するように、前回まで
の認識（所属クラス）を修正し、認識の信頼性評価に基
づてデータの再構築をする。例えば、一致度が小さい場
合には、（１）式又は（２）式の重み係数を変更してや
るとか、或いは今回の事例を異なるクラスに入れる等の
処理をすることにより対応する。

Ｅ、操業データの蓄積（知識獲得） 操業データを次の（１）　、　（２）に示す方法で獲得
する。計算機の記憶容量には限界があるので、操業を経
験するに従って以下の方法により知識の拡大を図る。

（１）計算距、＠ｄｊ＜全てのクラス間の距離；この場
合には従来の経験と差の小さい操業データは同様の古い
データと置換する。

第３図（ａ）は計算距Ｍ（ｄ、ｉ）が全てのクラス間距
離より小さい時の操業データの蓄積方法を示した説明図
である。図において、Ａ、Ｂ、Ｃはそれぞれクラスであ
る。各クラスは、重心座標Ｇ（・印）、所属知識の数、
クラス内の知識（×印）間の距離、他のクラスとの距離
等から構成されている。

最新の知識（操業データ）Ｎが入力すると、その知識Ｎ
と各クラスとの距離ｄｌ　、ｄ２　、ｄ３をそれぞれ求
め、その距離がいずれも各クラスの重心間の距離より短
い時には、その知識Ｎとクラスとの距離が最短の距離に
あるクラスに所属させる。

図示の実施例では、知識ＮはクラスＡに所属する。

そして、例えば知ＩＮの所属によりクラスＡにおける知
識の数が所定数を越えると、クラスＡにおける最も古い
知識を削除する。クラス内の知識をこのようにして最新
の知識で更新【２ていく。

（２）計算距Ｍｄｊ≧全てのクラスの距離；この場合に
は、従来の経験と差の大きい操業データは新しい経験と
して新しいクラスを設け、旧クラスの中で経験差（距離
）の小さいものを集約（縮退）する。このことは、クラ
ス間の距離１ｇが増大することを表しており、知識の拡
大に対応１゜ている。

第３図（ｂ）は計算距Ｍ（ｄＤが全てのクラス間の距離
１ｇより大きい時の操業データの蓄積方法を示した説明
図である。最新の知識（操業データ）Ｎが入力すると、
上述の場合と同様に、その知識Ｎと各クラスＡ、Ｂ、Ｃ
との距Ｍｄ１．ｄ２．ｄ３をそれぞれ求め、その距離が
いずれも各クラス間の距離より大である場合には、新し
いクラスＤを作成する。そして、相互の距離が短いクラ
スを集約して新しいクラスを作成する。この実施例では
、クラスＢとＣとを集約して新しいクラスＢ′を作成す
る。この新ｌ−いクラスＢ−においても、知識の数が所
定数を越えると、δい知識から順に削除していく。

第４図はＲ，Ａ　Ｍ　（１５）にファイルされている過
去の操業データのデ・−タベースのイメージの説明図で
ある。炉況異常の有無、炉況異常の有無に対応した操業
変更の有無、及び操業変更の有における変更項目がそれ
ぞれファイルされ、それぞれフラグにより弁別される。

そ１７て、各変更項目はそれぞれクラス１〜クラスｍま
で分類され、そして、各クラスは操業データ１〜操業デ
ータｎに分類される。

この各操業データは、操業諸元、特徴抽出データ、主要
生データ、操業変更履歴、異常炉況発生履歴、操業年月
日等に分類される。操業諸元は、配合（ＳＲ割合、コー
クス比、小粒ＳＲ割合）、送風（流量、温度、湿度）、
及び装入（旋回モード）、出銑（成分、温度）の各デー
タから構成される。特徴抽出データは、円周バランス状
態、装入物状態、ガス流量状態、圧力分布状態、炉熱レ
ベル、ガス利用率、シャフト効率、ツルロスＣ量、羽口
先温度、残銑量状態、吹き抜け、スリップ、壁落ち等の
各データから構成される。

主要生データは、炉体各点の温度、ガス成分、シャフト
効率等の各データから構成される。操業変更履歴は、操
業変更をした時の時間及びその変更項目からなる一対の
データ群から構成される。

異常炉況発生履歴は、異常炉況が発生したときの時間及
びその内容からなる一対のデータ群から構成される。

以上の各操業データは時系列にファイルされており、上
述の（１）式又は（２）式により距離計算に際しては、
その平均値を求めて演算をする。また、後述するように
、過去の同様なデータとして表示する場合にはそのまま
そのデータを出力する。

Ｆ、操業状態の予測 異常炉況の予知や操作量のガイダンスを適格に行うため
に、事前に操業状態の予ｆｌｌ’Ｊを行う。

（１）操作量の変更（特にガイダンスに従わなかった場
合）に伴う状態変化（変化量に対する線形演算で状態変
化を求める。）。

（２）異常炉況に伴う状態変化（計算は上記（１）と同
じ）。

Ｇ、予測に対する同様例の参照 過去（例えば８時間前）からの予ＤＩ（１時間後）の状
態に関して、過去の操業事例を複数個抽出する。

操業状態のみに関して、また、操業量の変更や異常炉況
があればそれらを含めて同様事例を抽出する。

１■、異常炉況ガイダンス 現状の操業に異常炉況がなくとも、同様事例に異常炉況
があれば異常炉況予知として警報出力を行う。

なお、この警報は同様事例（複数個）とＤ項の信頼性か
ら総合評価された結果である。総合評価は各所属度（フ
ァジィ処理による）に対する重み付きの数値和で行われ
る。

現状の操業に、異常炉況や操作量の変更がある場合には
これらを含めた同様事例に従ってガイダンスを行う。

なお、ミスオペレーションや特殊な異常炉況等は、同様
事例が少ないので、Ｆ項の状態予測によって対応する。

！、操作量ガイダンス 基本的にはＨ項と同じである。過去の同様事例において
、統計的に操作量と状態量間のゲインを求め、目標値（
設定値又は現状維持）になるように操作ユを決定する。

また、事前に設定された各操作量に対する状態量の時間
遅れと本システムの制御周期から操作量の出カバターン
を決定する（例えば有限整定器）。

第５図は上述のガイダンスにおける説明図であり、現デ
ータが大きく変化した時、同様な過去の事例を読み出し
た場合を示１．ている。過去の事例としては、そのデー
タ変化時に吹き抜けが発生し、それに対する処置として
減風（３０ＯＮｉ３）　Ｌ、ており、その処理によりデ
ータが正常値に回復している。

従って、この過去の事例を参照すればオペレータが次に
取るべき処理が推測できる。

次に、この実施例における学習制御方法の運転の実際に
ついての概要を説明する。

（１）定常時の運転； （１−１）異常炉況の検知； １分毎にスリップ、吹き抜は及び壁落ちがチェックされ
、これらの異常が発生するとＣＲＴ　（１７）にそのメ
ツセージを表示すると共に、音声による案内をする。そ
１．て、画面キー及びファンクションキーを操作するこ
とにより異常検知の基データを第５図のように表示させ
る。即ち、現在の主要な変化データを表示させると共に
、過去の同様な過去の事例を表示させ、スリップ等が起
きている場合にその表示をさせる。

（１−２）操業変更の確認； １分毎に送風温度、湿度、量、炉頂圧をチェックし、ダ
ンプ毎に旋回数、旋回角をチェックし、更にチャージ（
サイクル）毎にコークス比、ＰＣ比、ＳＲ配合割合、小
粒ＳＲ配合割合をチェックする。勿論操業変更の操作自
体はイオペＩノータが行い、その変更を自動的に検出す
る。その際、操業変更を検知すると、ＣＲＴ　（１７）
にその旨を表示させる。

（ｔ−ａ）操業の特徴抽出： ３０分毎に上述の空間的特徴及び時間的特徴を抽出する
。そ【２て、操業の特徴抽出におては炉況異常の有無、
操業変更の在無、操業状態の特徴を抽出する。操業状態
としては、操業諸元に高炉入出力量）、装入状況、ガス
流状況・・・・・・に高炉状懸回）が抽出される。そし
て、パターンマツチングを行って、過去の同様な操業を
抽出１２、過去の例に基づき異常炉況の予知及び操作量
の計算を行なう。そして、操作量に変更の必要があれば
その旨のメツセージをＣＲＴ　（１７）に表示させると
共に、音声により案内する。この後、画面キー及びファ
ンクションキーを操作することにより現在のデータ及び
過去の同様な事例についてＣＲＴに表示させるのは、上
述の場合と同様である。

（２）要求時 （２−１）操作量ガイド； 画面キー及びファンクションキーを操作することにより
現在のデータ及び過去の同様な事例についての過去の制
御量（複数）、操作量（複数）を時間の関数として表示
させる。

第６図はこのときの表示を示す説明図であり、表示デー
タはオートスケーリングができ、まｆ時間座標のマニュ
アルシフト、オートシフトができる。ＣＲＴの画面の右
側には、現データの特徴及び過去のデータ情報を表示す
る。

現データの特徴としては、空間的特徴、時間的特徴、操
業の特徴、今までのアクション等が表示される。過去デ
ータとしては、過去のデータ情報（時間、制御量、操作
量、他の諸元、・・・）、操作量の変更（項目、操作量
）、過去のデータの選択理由（重要視項目、近いクラス
、・・・）、操業量の決定（過去のデータ、同定、標的
操作）、知識（異常時の知識、安定時の知識）等が表示
される。

（２−２）学習データの確認； 画面キー及びファンクションキーを操作することにより
学習データをＣＲＴ　（１７）に表示させる。

第７図はこのときの表示を示す説明図であり、ここで表
示させるデータとしては、クラスＮＣＬｓ異常炉況の有
無、操業変更の有無、その項目、操業諸元等のデータ（
平均値）、操業データ（蓄積）数、操業データインデッ
クス、日時等である。そして、炉況の良・悪、生データ
の有・無に応じて、キー操作をすることにより、現デー
タ及び過去データのタイムチャー１・を表示させる。ま
た、そのタイムチャ−１・を表示１．た際に、表示項目
等のリストを表示させ、或いは表示項目を変更すること
でそれに対応した内容のタイムチャー１・を表示させる
こともできる。

［発明の効果］ 以」二のようにこの発明によれば、新しい計測データが
該当するクラスに自動的に分類・蓄積され、またクラス
内の最も古いデータと置換され、更に計測データが各ク
ラスから離れていると新【２いクラスを作成し、一方、
近接した位置にある２つのクラスは１つのクラスに纏め
られる。このため、クラスの操業データはブラントの変
化に適応し、また、時間の経過とともに操業経験（知識
）は増大する。言い換えると、自動的に操業状態の学習
が可能であり、従って、学習結果である過去の同様な事
例に基づき、精度の良い操作量のガイダンスができる。

【図面の簡単な説明】

第１図はこの発明の一実施例を示す学習制御方法を示す
フローチャー１・、第２図は上記の学習制御方法を実施
する制御装置及びその関連設備のブロック図、第３図（
ａ）　、　（ｂ）は新しいデータを獲得する際の説明図
、第４図は過去の操業データベースの構成を示す説明図
、第５図は操業ガイダンスの説明図、第６図及び第７図
はそれぞれ操作量ガイド及び学習データの確認における
ＣＲＴの表示例の説明図である。 代理人　弁理士　佐　々　木　宗　冶 第１図 （ｂ） 第３図 第６図

Claims (4)

【特許請求の範囲】
1. 　（１）操業データを複数のクラスに分類し、計測デー
   タと各クラスとの多次元尺度を求め、 計測データによる多次元尺度がクラス間の多次元尺度同
   値より小さいとき、計測データとの間で最も多次元尺度
   が小さいクラスに当該計測データを所属させることを特
   徴とする学習制御方法。
2. 　（２）新しい計測データを同じクラス内の対応する最
   も古いデータと置換することを特徴とする請求項１記載
   の学習制御方法。
3. 　（３）操業データを複数のクラスに分類し、計測デー
   タと各クラスとの多次元尺度を求め、多次元尺度がクラ
   ス間の多次元尺度関数より大きいとき、その計測データ
   により新しいクラスを作成し、また、クラス間の、多次
   元尺度が最も小さいものを選択して、両クラスを纏めて
   １つのクラスとし、クラスの数を一定にすることを特徴
   とする学習制御方法。
4. 　（４）現操業に近いクラスから複数の操業データを抽
   出し、これに基づいて操業量を決定することを特徴とす
   る請求項１、２又は３記載の学習制御方法。