CN116997666A - 生铁制造方法 - Google Patents
生铁制造方法 Download PDFInfo
- Publication number
- CN116997666A CN116997666A CN202180095816.5A CN202180095816A CN116997666A CN 116997666 A CN116997666 A CN 116997666A CN 202180095816 A CN202180095816 A CN 202180095816A CN 116997666 A CN116997666 A CN 116997666A
- Authority
- CN
- China
- Prior art keywords
- layer
- coke
- blast furnace
- ore
- pig iron
- 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
- 229910000805 Pig iron Inorganic materials 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 44
- 239000000571 coke Substances 0.000 claims abstract description 126
- 239000002994 raw material Substances 0.000 claims abstract description 78
- 238000002844 melting Methods 0.000 claims abstract description 31
- 230000008018 melting Effects 0.000 claims abstract description 25
- 239000000446 fuel Substances 0.000 claims abstract description 13
- 238000007664 blowing Methods 0.000 claims abstract description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 169
- 229910052742 iron Inorganic materials 0.000 claims description 72
- 239000002245 particle Substances 0.000 claims description 28
- 238000003475 lamination Methods 0.000 claims description 26
- 239000008188 pellet Substances 0.000 claims description 24
- 238000013473 artificial intelligence Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004090 dissolution Methods 0.000 claims description 4
- 238000010030 laminating Methods 0.000 claims 1
- 230000035699 permeability Effects 0.000 description 34
- 238000000034 method Methods 0.000 description 30
- 230000009467 reduction Effects 0.000 description 16
- 239000000463 material Substances 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 8
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 8
- 239000000843 powder Substances 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000002893 slag Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 238000010309 melting process Methods 0.000 description 3
- 238000010298 pulverizing process Methods 0.000 description 3
- 238000010791 quenching Methods 0.000 description 3
- 230000000171 quenching effect Effects 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005255 carburizing Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000001465 metallisation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 239000004484 Briquette Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000002801 charged material Substances 0.000 description 1
- 238000000748 compression moulding Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/008—Composition or distribution of the charge
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/001—Injecting additional fuel or reducing agents
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/001—Injecting additional fuel or reducing agents
- C21B5/003—Injection of pulverulent coal
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
- F27B1/00—Shaft or like vertical or substantially vertical furnaces
- F27B1/10—Details, accessories, or equipment peculiar to furnaces of these types
- F27B1/26—Arrangements of controlling devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
- F27B1/00—Shaft or like vertical or substantially vertical furnaces
- F27B1/10—Details, accessories, or equipment peculiar to furnaces of these types
- F27B1/28—Arrangements of monitoring devices, of indicators, of alarm devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B2300/00—Process aspects
- C21B2300/04—Modeling of the process, e.g. for control purposes; CII
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
- F27D2019/0003—Monitoring the temperature or a characteristic of the charge and using it as a controlling value
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明的一方案的生铁制造方法使用具有风口的高炉制造生铁,其中,所述生铁制造方法包括:在所述高炉内交替地层叠包含矿石原料的第一层与包含焦炭的第二层的工序;在所述高炉的中心部装入焦炭的工序;以及在利用从所述风口吹送的热风将辅助燃料向高炉内吹入的同时将层叠的所述第一层的所述矿石原料还原以及熔化的工序,在所述层叠的工序中,在层叠将一个所述第一层以及一个所述第二层合起来的层叠单位的一次加料的期间,进行一次或多次所述装入的工序,通过所述一次加料,使堆积于所述中心部的焦炭的质量(ton/ch)相对于装入的矿石原料的质量(ton/ch)的比率R为规定值α以上。
Description
技术领域
本发明涉及生铁制造方法。
背景技术
如下方法是公知的:在高炉内交替地层叠包含矿石原料的第一层与包含焦炭的第二层,在利用从风口吹送的热风将辅助燃料向高炉内吹入的同时,将上述矿石原料还原并熔化,从而制造生铁。此时,上述焦炭起到用于熔化矿石原料的热源、矿石原料的还原材料、渗碳到铁液中用于使熔点降低的增碳剂以及用于确保高炉内的透气性的间隔物的作用。通过利用该焦炭维持透气性,从而使作为上述第一层以及上述第二层装入的装入物的卸料稳定,实现高炉的稳定操作。
向高炉内的热风的吹入通常从高炉的外周进行。该热风当到达高炉的中心部时,在高炉的中心部上升。当在该中心部上升的热风的流动被妨碍时,透气性容易恶化。作为确保该中心部的透气性的方法,提出了在高炉的中心部集中地装入焦炭的方法(例如日本特开昭60-56003号公报)。
现有技术文献
专利文献
专利文献1:日本特开昭60-56003号公报
发明内容
发明要解决的课题
处于近来的CO2排出量削减的要求,在高炉操作中谋求焦炭的使用量的进一步的削减。虽然通过在上述的高炉的中心部集中地装入焦炭的方法透气性改善,但是期望以更少的量的焦炭维持透气性的方法。
本发明基于上述那样的情况,目的在于提供能够确保高炉的中心部中的热风的流动并且进一步减少焦炭的使用量的生铁制造方法。
用于解决课题的方案
本发明的一方案的生铁制造方法使用具有风口的高炉制造生铁,其中,所述生铁制造方法包括:在所述高炉内交替地层叠包含矿石原料的第一层与包含焦炭的第二层的工序;在所述高炉的中心部装入焦炭的工序;以及在利用从所述风口吹送的热风将辅助燃料向高炉内吹入的同时将层叠的所述第一层的所述矿石原料还原以及熔化的工序,在所述层叠的工序中,在层叠将一个所述第一层以及一个所述第二层合起来的层叠单位的一次加料的期间,进行一次或多次所述装入的工序,通过所述一次加料,使堆积于所述中心部的焦炭的质量(ton/ch)相对于装入的矿石原料的质量(ton/ch)的比率R为规定值α以上。
在该生铁制造方法中,在层叠将层叠的工序的所述第一层以及所述第二层合起来的层叠单位的每一次加料中,在高炉的中心部装入焦炭,从而容易确保高炉的中心部中的热风的流动。另外,通过所述一次加料,使堆积于所述中心部的焦炭的质量(ton/ch)相对于装入的矿石原料的质量(ton/ch)的比率R为规定值α以上,从而改善所述热风的透气性。因此,即使减少焦炭的使用量,也能够确保所需的透气性,因此能够进一步减少焦炭量。
优选的是,所述规定值α为0.017。这样通过将所述规定值α设为所述值,能够容易确保透气性。
优选的是,所述第一层的矿石原料包含铁矿石球团,在将所述第一层的所述矿石原料中的所述铁矿石球团的比例设为P(质量%)时,所述规定值α由下述式1算出。在中心部装入的焦炭的所需量也能够根据第一层的矿石堆积倾斜角而改变。特别是第一层的铁矿石球团的比例P与第一层的矿石堆积倾斜角存在一定的相关,因此通过考虑第一层的铁矿石球团的比例P决定所述规定值α,能够以较高的精度得到透气性的改善效果,
α=0.017×(0.001×P+0.97)···1。
优选的是,堆积于所述中心部的焦炭的强度为所述第二层所包含的焦炭的强度以上。从透气性的观点出发,优选焦炭的强度高,但另一方面强度高的焦炭通常为高价,带来制造成本的上升。因此,通过将强度高的焦炭仅用于中心装入,能够抑制制造成本的上升,并且实现透气性的改善。
优选的是,堆积于所述中心部的焦炭的平均粒径为所述第二层所包含的焦炭的平均粒径以上。从透气性的观点出发,优选焦炭的平均粒径大,但另一方面,平均粒径大的焦炭通常为高价,带来制造成本的上升。因此,通过将平均粒径大的焦炭仅用于中心装入,能够抑制制造成本的上升,并且实现透气性的改善。
优选的是,包括:将输入数据组和输出数据组的实际值作为学习数据而输入人工智能模型,并以根据所述输入数据组预测比基准时刻靠未来的所述铁水的温度数据的方式使人工智能模型进行学习的工序,所述输入数据组包含从比所述基准时刻靠过去的时刻到所述基准时刻的规定期间的至少所述热风的温度及送风量、溶解损失反应量、炉壁放热量、剩余生铁量、铁水的温度以及所述比率R,所述输出数据组包含在比所述基准时刻靠未来的所述还原以及熔化的工序中得到的铁水的温度数据;以当前时刻为所述基准时刻而取得所述输入数据组的工序;将所述取得的工序中取得的所述输入数据组以当前时刻为基准时刻而输入学习完毕的所述人工智能模型的工序;以及使学习完毕的所述人工智能模型推定未来的所述铁水的温度的工序,将所述取得的工序中取得的所述输入数据组和与该输入数据组对应的所述输出数据组的实际值用于所述学习的工序的输入。这样通过使用学习完毕的人工智能模型推定铁水的温度,并且使用取得的工序中取得的输入数据组和与该输入数据组对应的输出数据组的实际值进行追加学习,从而能够基于所述比率R以较高的精度管理铁水的温度。
在此,高炉的“中心部”是指在将炉口部的半径设为Z时距高炉的中心轴的距离为0.2Z以下的区域。焦炭的“强度”是指由JIS-K-2151:2004规定的转鼓强度。另外,“平均粒径”是指算术平均直径。
发明效果
如以上所说明那样,通过使用本发明的生铁制造方法,能够确保高炉的中心部中的热风的流动并且进一步减少焦炭的使用量。
附图说明
图1是示出本发明的一实施方式的生铁制造方法的流程图。
图2是示出在图1的生铁制造方法中使用的高炉内部的示意图。
图3是图2的软熔带至滴落带附近的示意性局部放大图。
图4是示出实施例中的比率R与修正K值的关系的图表。
图5是示出实施例中的焦炭比与K值的关系的图表。
图6是示出在实施例中使用的高炉装入物分布实验装置的结构的示意图。
图7是示出实施例中的铁矿石球团的比例P(氧化铝球比率)与矿石堆积倾斜角θ的关系的图表。
图8是示出实施例中的通过铁矿石球团的比例P分类的焦炭比与K值的关系的图表。
具体实施方式
以下,对本发明的各实施方式的生铁制造方法进行说明。
[第一实施方式]
图1所示的生铁制造方法是使用图2所示的高炉1制造生铁的生铁制造方法,且具备层叠工序S1、中心部装入工序S2以及还原熔化工序S3。
<高炉>
高炉1如图2所示那样具有设置于炉下部的风口1a以及出铁口1b。风口1a通常设置有多个。高炉1是固气逆流型的竖炉,将根据需要而在高温的空气中加入了高温或常温的氧的热风从风口1a向炉内吹入,而能够进行后述的矿石原料11的还原以及熔融等一系列的反应,并从出铁口1b取出生铁。另外,在高炉1装备有料钟·护板方式的原料装入装置2。关于该原料装入装置2,见后述。
<层叠工序>
在层叠工序S1中,如图2所示那样,在高炉1内交替地层叠第一层10与第二层20。即,第一层10以及第二层20的层数分别为2以上。
(第一层)
第一层10包含矿石原料11。矿石原料11在还原熔化工序S3中被从风口1a吹入的热风升温还原而成为铁水F。
矿石原料11是指成为铁原料的矿石类,主要含有铁矿石。作为矿石原料11,能够举出烧成矿(铁矿石球团、烧结矿)、块矿石、内配碳块矿、金属等。另外,优选在矿石原料11中包含骨料11a。以下,说明在矿石原料11混合有骨料11a的情况,但骨料11a不是必需的构成要素,矿石原料11也可以不包含骨料11a。
骨料11a用于改善后述的软熔带D的透气性,使上述热风透气到高炉1的中心部M。骨料11a优选包含对还原铁进行压缩成形而得到的还原铁成形体(HBI、Hot BriquetteIron)。
HBI是在热状态下成形还原铁DRI(Direct Reduced Iron)而得到。DRI具有气孔率高,海上输送和户外保存时发生氧化放热的缺点,与此相对,HBI的气孔率低,难以再氧化。骨料11a在完成了第一层10的透气性的确保之后,作为金属发挥功能,成为铁水。骨料11a因其金属化率高,不需要还原,所以成为该铁水时不需要过多还原材料。因此,能够削减CO2排出量。需要说明的是,所谓“金属化率”是指金属铁相对于总全铁量的比例[质量%]。
作为上述还原铁成形体的装入量的下限,每一吨生铁优选为100kg,更优选为150kg。当上述还原铁成形体的装入量小于上述下限时,在还原熔化工序S3中,软熔带D中的骨料11a的透气性确保功能有可能无法充分地发挥。另一方面,上述还原铁成形体的装入量的上限在不会骨料过多且骨料效果变小的范围内适当决定,但上述还原铁成形体的装入量的上限例如为每一吨生铁700kg。
作为上述还原铁成形体的平均粒径相对于除骨料11a以外的矿石原料11b的平均粒径之比的下限,优选为1.3,更优选为1.4。如图3所示那样,除第一层10的骨料11a以外的矿石原料11b的一部分熔化而作为滴落熔渣12向高炉1的下方移动,在除该骨料11a以外的矿石原料11b软化收缩了时,高熔点的上述还原铁成形体也不软化。当使相对于除骨料11a以外的矿石原料11b大一定程度以上的上述还原铁成形体作为骨料11a混合时,上述还原铁成形体的骨料效果容易显现,能够抑制第一层10整体发生层收缩。因此,通过将上述平均粒径之比设为上述下限以上,能够确保图3的箭头所示那样的热风的流路,因此能够使还原熔化工序S3中的透气性提高。另一方面,作为上述平均粒径之比的上限,优选为10,更优选为5。当上述平均粒径之比超过上述上限时,难以使上述还原铁成形体均匀地混合在第一层10且偏析有可能增大。
另外,在上述还原铁成形体包含三氧化二铝的情况下,作为上述还原铁成形体中的上述三氧化二铝的含量的上限,优选为1.5质量%,更优选为1.3质量%。当上述三氧化二铝的含量超过上述上限时,有可能由于熔渣熔点的高温化、粘度的增加而难以确保炉下部中的透气性。因此,通过将还原铁成形体中的三氧化二铝的含量设为上述上限以下,能够抑制焦炭21的使用量增大。需要说明的是,上述三氧化二铝的含量也可以为0质量%、即上述还原铁成形体也可以不包含三氧化二铝,但作为上述三氧化二铝的含量的下限,优选为0.5质量%。当上述三氧化二铝的含量小于上述下限时,还原铁成形体变得高价,生铁的制造成本有可能变高。
在第一层10中,除了矿石原料11以外,也可以一起装入石灰石、白云石、硅石等副原料。另外,在第一层10中,除了矿石原料11以外,通常混合使用筛分焦炭得到的筛下的小粒焦炭。
(第二层)
第二层20包含焦炭21。
焦炭21起到用于熔化矿石原料11的热源、作为矿石原料11的还原所需的还原材料的CO气体的生成、渗碳到铁液中用于使熔点降低的增碳剂以及用于确保高炉1内的透气性的间隔物的作用。
(层叠方法)
交替地层叠第一层10以及第二层20的方法能够使用各种方法。在此,取搭载有图2所示那样的料钟·护板方式的原料装入装置2(以下,也简称为“原料装入装置2”)的高炉1为例,对该方法进行说明。
原料装入装置2配备于炉顶部。即,第一层10以及第二层20从炉顶装入。原料装入装置2如图2所示那样具有料钟杯2a、下料钟2b以及护板2c。
料钟杯2a填充所装入的原料。在装入第一层10时,将构成第一层10的原料向料钟杯2a填充,在装入第二层20时,填充构成第二层20的原料。
下料钟2b是向下方扩展的圆锥状,并配设于料钟杯2a内。下料钟2b能够上下移动(在图2中,将移动到上方的状态由实线表示,将移动到下方的情况由虚线表示)。下料钟2b在移动到上方的情况下,将料钟杯2a的下部密闭,在移动到下方的情况下在料钟杯2a的侧壁的延长上构成间隙。
护板2c在比下料钟2b靠下方的位置设置于高炉1的炉壁部。在使下料钟2b移动到下方时,原料从上述间隙落下,但护板2c是用于使该落下的原料反弹的反弹板。另外,护板2c构成为能够朝向高炉1的内部进退。
能够使用该原料装入装置2如以下那样层叠第一层10。需要说明的是,关于第二层20也是同样的。另外,第一层10以及第二层20的层叠交替地进行。
首先,使下料钟2b位于上方,将第一层10的原料装入料钟杯2a。在下料钟2b位于上方的情况下,料钟杯2a的下部被密闭,因此上述原料填充于料钟杯2a内。需要说明的是,其填充量设为各层的层叠量。在料钟杯2a的容量不满各层的层叠量的情况下,也可以分多次层叠第一层10。也将通过该一次的填充进行的层叠称为“一批”。
接着,使下料钟2b向下方移动。这样一来,在与料钟杯2a之间产生间隙,因此上述原料从该间隙向炉壁方向落下,并与护板2c碰撞。与护板2c碰撞并反弹了的上述原料装入炉内。上述原料因为受到护板2c的反弹而在向炉内方向移动的同时落下,因此从落下的位置朝向炉内的中心侧流入并且堆积。护板2c构成为能够朝向高炉1的内部进退,因此上述原料的落下位置能够通过使护板2c进退而调整。通过该调整,能够使第一层10堆积为期望的形状。
<中心部装入工序>
在中心部装入工序S2中,向高炉1的中心部M装入焦炭31。通过该焦炭31的装入,而如图2所示那样形成中心层30。需要说明的是,也可以不仅向中心部M装入焦炭31,例如还将少量的矿石原料等混合而装入。
在层叠工序S1(层叠的工序)中,在层叠将一个第一层10以及一个第二层20合起来的层叠单位的一次加料的期间进行一次或多次中心部装入工序S2(装入的工序)。在此一次加料是在将第一层10以及第二层20分别层叠各一层的一个循环,例如在第一层10以及第二层20被两批处理的情况下,将第一层10的第一批、第一层10的第二批、第二层20的第一批以及第二层20的第一批这4个处理合起来成为一次加料。
在一次加料内进行中心部装入工序S2的顺序能够根据各条件而适当决定。例如中心部装入工序S2例如可以作为一次加料的最初的工序进行,也可以在即将层叠第一层10以及第二层20之前分两次进行。另外,在第一层10以及第二层20被两批处理的情况下,能够分为第一层10的第一批与第一层10的第二批之间以及第二层20的第二批与第一层10的第一批之间这两次进行。
(焦炭)
焦炭31也能够使用具有与第二层20的焦炭21相同的性状的焦炭,但也能够使用具有不同的性状的焦炭。在使用不同的性状的焦炭的情况下,在中心部M堆积的焦炭31的强度优选为第二层20所包含的焦炭21的强度以上。从透气性的观点出发,优选焦炭的强度高,但另一方面,强度高的焦炭通常为高价,带来制造成本的上升。因此,通过将强度高的焦炭主要用于中心装入,能够抑制制造成本的上升并且实现透气性的改善。需要说明的是,“堆积于中心部的焦炭”主要是在中心部装入工序S2中装入的焦炭,但例如在层叠了第二层时,焦炭由于滚动等而堆积于中心部的情况下,该焦炭包含于在中心部堆积的焦炭。即,“堆积于中心部的焦炭”是在一次加料的装入后堆积于中心部的焦炭,其来源不限。在此,为了使堆积于中心部M的焦炭31的强度为第二层20所包含的焦炭21的强度以上,同等为在中心部装入工序中装入的焦炭31比第二层20所包含的焦炭21强度大。在第二层20的焦炭21由于滚动等而堆积于中心部M的情况下,该焦炭能够视作与第二层20的焦炭21强度相同。
另外,堆积于中心部M的焦炭31的平均粒径优选为第二层20所包含的焦炭21的平均粒径以上。从透气性的观点出发优选焦炭的平均粒径大,但另一方面,平均粒径大的焦炭通常为高价,带来制造成本的上升。因此,通过将平均粒径比层叠工序S1中使用的焦炭大的焦炭主要在中心装入工序S2中使用,能够抑制制造成本的上升,并且实现透气性的改善。
需要说明的是,尤其优选的是,堆积于中心部M的焦炭31的强度为第二层20所包含的焦炭21的强度以上,并且堆积于中心部M的焦炭31的平均粒径为第二层20所包含的焦炭21的平均粒径以上。
(层叠方法)
中心层30的层叠能够使用各种方法,只要能够将后述的比率R设为规定值α以上,则并没有特别限定,但例如能够与第一层10以及第二层20同样地使用料钟·护板方式的原料装入装置2来进行。具体而言,优选使用原料装入装置2在高炉1的中心部M层叠中心层30的一部分(与紧之后层叠的第一层10或第二层20的厚度相当的厚度量)。
在该生铁制造方法中,通过一次加料,使堆积于中心部M的焦炭31的质量(ton/ch)相对于装入的矿石原料11的质量(ton/ch)的比率R为规定值α以上。需要说明的是,例如在一次加料内进行多次中心部装入工序S2等的情况下,比率R是指焦炭31的合计量相对于在一次加料内装入的矿石原料11的合计量之比。另外,“装入的矿石原料的质量”主要是在层叠工序S1中装入的第一层10的矿石原料11,但在其他层包含矿石原料的情况下,也包含该矿石原料。即,“装入的矿石原料的质量”为通过一次加料装入的矿石原料的总质量,其来源不限。
上述规定值α能够设为0.017。这样通过将上述规定值α设为上述值,能够容易地确保透气性。
在第一层10的矿石原料11包含铁矿石球团的情况下,也能够使用0.017作为上述规定值α,但在将第一层10的矿石原料11中的上述铁矿石球团的比例设为P(质量%)时,规定值α优选由下述式1算出。在此,“铁矿石球团”是指将几十μm的铁矿石微粉作为原料按照适于高炉用的性状(例如尺寸、强度、被还原性等)使品质提高而制作的。
α=0.017×(0.001×P+0.97)···1
为了透气性的改善,期望在高炉1的中心部M形成由焦炭31形成的中心柱。即,优选以上述中心柱比由通过一次加料装入的矿石原料11的装入质量、矿石堆积倾斜角决定的中心附近的第一层10的厚度高的方式、即以中心部M的焦炭31从第一层10突出的方式在中心部装入工序S2中装入焦炭31。需要说明的是,“矿石堆积倾斜角”是指矿石堆层叠(第一层10等)的倾斜面相对于水平的角度。
第一层10通常以中心部M变低的方式倾斜地层叠。在此,烧结矿、块矿石不定形且具有比较宽的粒度分布,与此相对,铁矿石球团为球状且粒度比较集中。因此,铁矿石球团与烧结矿、块矿石相比容易向中心部M滚动。当使铁矿石球团的比例增加时,矿石堆积倾斜角容易变小。此时,第一层10成为平坦化的倾向,中心部M相对变厚。因此,优选当铁矿石球团的比例增加时,提高相对于第一层10的矿石原料11(ton/ch)中心装入的焦炭31(ton/ch)的比率而相对地增多焦炭31。本发明人们对第一层10的铁矿石球团的比例P与第一层10的矿石堆积倾斜角的相关进行了研究的结果是得到如下结论:通过考虑第一层10的铁矿石球团的比例P基于上述式1决定上述规定值α,能够以较高的精度得到透气性的改善效果。
<还原熔化工序>
在还原熔化工序S3中,在利用从风口1a吹送的热风将辅助燃料向高炉内吹入的同时,将层叠的第一层10的矿石原料11还原以及熔化。需要说明的是,高炉操作为连续操作,还原熔化工序S3连续地进行。另一方面,层叠工序S1以及中心部装入工序S2间歇地进行,根据还原熔化工序S3中第一层10以及第二层20的还原以及熔化处理的状况,新追加应该由还原熔化工序S3处理的第一层10、第二层20以及中心层30。
图2示出还原熔化工序S3中的状态。如图2所示那样,在来自风口1a的热风的作用下在风口1a附近形成有风口循环区A,该风口循环区A是焦炭21回转并以显著稀疏的状态存在的空腔部分。在高炉1内,该风口循环区A的温度最高为2000℃程度。与风口循环区A相邻地在高炉1的内部存在作为焦炭的拟停滞域的炉心B。另外,从炉心B向上方依次存在滴落带C、软熔带D以及块状带E。
高炉1内的温度从顶部朝向风口循环区A上升。即,以块状带E、软熔带D、滴落带C顺序温度变高,例如在块状带E为20℃以上且1200℃以下程度,与此相对炉心B成为1200℃以上且1600℃以下程度。需要说明的是,炉心B的温度在径向上不同,在炉心B的中心部也存在温度比滴落带C低的情况。另外,通过使热风在炉内的中心部M稳定地流通,从而形成截面倒V型的软熔带D,确保炉内的透气性与还原性。
在高炉1内,铁矿石原料11首先在块状带E升温还原。在软熔带D中,在块状带E被还原的矿石软化收缩。软化收缩了的矿石降下而成为滴落熔渣,并向滴落带C移动。在还原熔化工序S3中,矿石原料11的还原主要在块状带E进展,矿石原料11的熔化主要在滴落带C产生。需要说明的是,在滴落带C、炉心B,进展降下来的液状的氧化铁FeO与焦炭21的碳直接反应的直接还原。
包含还原铁成形体的骨料11a在软熔带D发挥骨料效果。即,即使在矿石软化收缩了的状态下,高熔点的上述还原铁成形体也不软化,确保使上述热风可靠地透气到高炉1的中心部的透气路。
另外,在炉床部,被还原的铁熔融而成的铁水F堆积,在该铁水F的上部堆积熔融熔渣G。该铁水F以及熔融熔渣G能够从出铁口1b取出。
作为从风口1a吹入的辅助燃料,能够举出将煤微粉碎至粒径50μm程度的微粉煤、重油、天然气等。上述辅助燃料作为热源、还原材料以及增碳剂发挥功能。即,代替焦炭21所起到的作用中的间隔物以外的作用。
<优点>
在该生铁制造方法中,在层叠将层叠工序S1的第一层10以及第二层20合起来的层叠单位的每一次加料中,在高炉1的中心部M装入焦炭31,从而容易确保高炉1的中心部M中的热风的流动。另外,通过上述一次加料,使堆积于中心部M的焦炭31的质量(ton/ch)相对于矿石原料11的质量(ton/ch)的比率R为规定值α以上,从而改善上述热风的透气性。因此,即使减少焦炭的使用量,也能够确保所需的透气性,因此能够进一步减少焦炭量。
[第二实施方式]
本发明的另一实施方式的生铁制造方法是使用图2所示的具有风口1a的高炉1制造生铁的生铁制造方法,且包括在高炉1内将包含矿石原料11的第一层10与包括焦炭21的第二层20交替地层叠的工序(层叠工序)、在高炉1的中心部M将焦炭31装入的工序(中心部装入工序)以及在利用从风口1a吹送的热风将辅助燃料向高炉1内吹入的同时将层叠的第一层10的矿石原料11还原以及熔化的工序(还原熔化工序),在上述层叠工序中,在层叠将一个第一层10以及一个第二层20合起来的层叠单位的一次加料的期间,进行一次或多次上述中心部装入工序,通过上述一次加料,使堆积于中心部M的焦炭31的质量(ton/ch)相对于矿石原料的质量(ton/ch)的比率R为规定值α以上。另外,该生铁制造方法具备学习工序、取得工序、输入工序、推定工序以及控制工序。
上述层叠工序、上述中心部装入工序以及上述还原熔化工序与第一实施方式的层叠工序S1、中心部装入工序S2以及还原熔化工序S3相同,因此省略详细说明。
(学习工序)
上述学习工序是如下工序:将输入数据组和输出数据组的实际值作为学习数据而输入人工智能模型,并以根据上述输入数据组预测比基准时刻靠未来的上述铁水F的温度数据的方式使人工智能模型进行学习,该输入数据组包含从比上述基准时刻靠过去的时刻到上述基准时刻的规定期间的至少上述热风的温度及送风量、从炉壁放射的热的热量即炉壁放热量、由溶解损失反应产生的热量即溶解损失反应量、剩余生铁量、铁水F的温度以及上述比率R,该输出数据组包含在比上述基准时刻靠未来的上述还原以及熔化的工序中得到的铁水F的温度数据。
上述输入数据组除了包含上述热风的温度以及铁水F的温度以外,从预测精度提高的观点出发,优选还包含上述热风的水分、焦炭比、辅助燃料比(在上述辅助燃料包含微粉煤的情况下优选为微粉煤比)等。
在上述学习工序中,上述基准时刻为过去的某一点,比上述基准时刻靠过去的时刻只要是比上述基准时刻靠过去,则也可以是任意的时间点。另外,比上述基准时刻靠未来的时刻是至少比当前时刻靠前的时刻。因此,上述输入数据组以及上述输出数据组的数值能够全部设为实测值。另外,对于从上述过去的时刻到上述未来的时刻的一系列的时间序列数据,也能够使上述基准时刻变化、即改变分割过去的数据与未来的数据的时刻而使用。
另外,在上述输入数据组中,优选也包含比上述基准时刻靠未来的时刻(但是比当前靠过去的时刻)的数据。成为预测的对象的上述基准时刻以后的铁水F的温度能够通过上述基准时刻以后的上述输入数据组的特意的控制而改变。于是,通过将这些数据也用于人工智能模型的学习,能够制作精度较高的预测模型。
上述输入数据组以及上述输出数据组能够由设置于高炉1的传感器等取得。此时,例如对于相同的输入数据的种类,也可以在不同的位置设置传感器,并作为依赖于位置的数据而取得。
作为实际值的上述输入数据组以及上述输出数据组被作为学习数据输入人工智能模型。并且,以根据上述输入数据组预测比上述基准时刻靠未来的铁水F的温度数据的方式使人工智能模型进行学习。具体而言,构建对铁水F的温度数据进行预测的推定模型。在上述推定模型的构建中,能够使用与机器学习(AI)相关的公知的推定技术。具体而言,能够使用上述输入数据组以及上述输出数据组,使构建机构学习上述输入数据组与上述输出数据组的相关,从而构建推定模型。其中,作为机器学习,优选采用使用了多层构造的神经网络的深度学习(deep learning)。
在该生铁制造方法中,将后述的取得工序中取得的上述输入数据组和与该输入数据组对应的上述输出数据组的实际值用于上述学习工序的输入。使用预先学习了的人工智能模型进行预测,同时使用通过高炉1的操作逐次生成的输入数据组以及输出数据组继续进行学习,从而能够提高上述人工智能模型的预测精度。
(取得工序)
在上述取得工序中,将当前时刻作为上述基准时刻而取得上述输入数据组。具体而言,能够使用与取得上述学习工序中使用的上述输入数据组的方法相同的方法、例如使用相同的传感器取得上述输入数据组。
(输入工序)
在上述输入工序中,将上述取得工序中取得的上述输入数据组以当前时刻为基准时刻而输入学习完毕的上述人工智能模型。在上述输入工序中,将其基准时刻设为当前时刻而使用上述人工智能模型,因此比上述基准时刻靠未来的时刻在现实的世界中也是未来的时刻,在后述的推定工序中预测的铁水F的温度成为应到来的未来的温度。
(推定工序)
在上述推定工序中,使学习完毕的上述人工智能模型推定未来的铁水F的温度。上述人工智能模型为学习完毕的模型,因此能够精度良好地推定未来的铁水F的温度。
(控制工序)
在上述控制工序中,基于上述推定工序中推定出的铁水F的温度,变更上述输入数据组所包含的项目的设定值。特别是在该生铁制造方法中,当比率R取得过大时,铁水温度降低,有可能产生骤冷。因此,推定未来的铁水F的温度并以避免骤冷的方式适当地控制是重要的。
具体而言,在上述推定工序中,在预测铁水F的温度的降低的情况下,例如能够使上述人工智能模型根据上述热风的温度、送风量及水分、焦炭比、微粉煤比以及上述比率R等,推定能够有效地避免铁水F的温度的降低(骤冷)的参数,而进行控制。特别是优选以使比率R不过高的方式进行控制。
需要说明的是,上述控制工序不是必需的工序,也能够省略。在该情况下,人工智能模型仅进行铁水F的温度的推定。并且,作业者根据其推定结果研究并执行具体的应对方案。
<优点>
在该铁水制造方法中,像这样使用学习完毕的人工智能模型推定铁水F的温度,并且使用取得的工序中取得的输入数据组和与该输入数据组对应的输出数据组的实际值进行追加学习,从而能够基于上述比率R以较高的精度管理铁水F的温度。因此,能够稳定地继续高炉操作。
[其他实施方式]
需要说明的是,本发明并不限定于上述实施方式。
在上述实施方式中,该生铁制造方法也可以包括其他工序。例如该生铁制造方法也可以具备将来自还原铁成形体的粉体以及煤微粉碎的工序。在该情况下,优选包含由上述微粉碎工序得到的微粉体来作为上述辅助燃料。还原铁成形体由于搬运过程等而一部分被破碎并成为粉体。这样的粉体使高炉内的透气性降低,因此作为第一层使用并不适当。另外,该粉体的比表面积较大,因此再氧化为氧化铁。当将包含该氧化铁的辅助燃料从风口吹入时能够改善透气性。因此,通过将来自还原铁成形体的粉体与煤一起微粉碎并将包含微粉碎了的上述粉体以及上述煤的微粉体用作从风口吹入的辅助燃料,能够实现还原铁成形体的有效利用,并且能够改善高炉内的透气性。
作为上述实施方式的层叠工序,对使用料钟·护板方式的情况进行了说明,但也能够使用其他方式。作为这样的其他方式,能够举出无料钟方式。在无料钟方式中,能够使用回转滑槽,在调整其角度的同时进行层叠。在该情况下,中心部装入工序也可以在第二层的层叠的前后接续地连续进行。例如也可以采用在第二层的层叠中随着接近中央部使焦炭的量逐渐增加而连续地进行中心部装入工序的方法、接续中心部装入工序使焦炭的量逐渐减少而连续地进行第二层的层叠的方法等。
在上述第二实施方式中,说明了将取得工序中取得的输入数据组和与该输入数据组对应的输出数据组的实际值用于学习工序的输入的情况,但也能够设为不将这些实际值用于学习工序的输入的结构。即,也可以不使学习工序中一次构建的人工智能模型进行追加学习,而保持原状地持续使用。
另外,在上述第二实施方式中,叙述了优选在控制工序中以使比率R不过高的方式进行控制。在上述控制工序中,说明了基于由推定工序推定的未来的铁水F的温度来进行控制的方法,但也可以基于其他参数、例如实时的铁水F的温度。即,生铁制造方法也可以具备以能够避免铁水的温度的降低的方式控制比率R的控制工序。通过上述控制工序能够抑制比率R变得过高的弊端。
实施例
以下,通过实施例进一步详细地说明本发明,但本发明并不限定于这些实施例。
<比率R>
使用操作中的高炉的操作数据,调查了由高炉的一次加料得到的堆积于上述中心部的焦炭的质量(ton/ch)相对于矿石原料的质量(ton/ch)的比率R与总K值的关系。
在将炉顶压设为P1(kPa)、送风压设为P2(kPa)、炉腹气体量设为BOSH(Nm3/min)时,总K值由以下的式2表示。总K值越低则表示在透气上越存在富余,反言之则能够进行减少焦炭比的操作。
[数学式1]
在总K值与块焦炭比之间,存在如下关系:
总K值=-0.0042×块焦炭比+3.8054···3
因此按照该式3,以块焦炭比=270kg/tp时的值对总K值进行修正(修正总K值),求出该修正总K值与比率R的关系。将结果在图4中示出。需要说明的是,“块焦炭”是指以透气性确保为目的的筛上的大粒径的焦炭。
根据图4的结果可知,当比率R增加时修正总K值降低,特别是在比率R比规定值α=0.017大时修正总K值成为低值。于是,将各操作数据分为R<0.017与R≥0.017,绘制出焦炭比与总K值的关系。将结果在图5中示出。
根据图5可知,通过设为R≥0.017,从而总K值降低,透气性改善。因此,能够减少焦炭比直到总K值成为操作上限值。
<与铁矿石球团的比例P的关系>
首先,实验了铁矿石球团的比例P对矿石堆积倾斜角θ赋予的影响。
在图6中示出用于该实验的高炉装入物分布实验装置8。图6所示的高炉装入物分布实验装置8是以比例1/10.7对料钟·护板方式的原料装入装置进行模拟的二维切片冷态模型。高炉装入物分布实验装置8的大小是高度1450mm(图8的L1的长度)、宽度580mm(图8的L2的长度)、进深100mm(在图8中与纸面垂直的方向的长度)。
高炉装入物分布实验装置8的各构成要素标注与图2的料钟·护板方式的原料装入装置2的对应的相同功能的构成要素相同的编号。由于功能相同,因此详细说明省略。另外,高炉装入物分布实验装置8如图6所示那样具有对中心装入进行模拟的用于装入焦炭的中心装入滑槽8a。
在该高炉装入物分布实验装置8依次装入成为基底的焦炭层81、中心装入焦炭层82以及矿石层83后,装入作为矿石层的实验层84。
用于实验层84的装入的原料为对烧结矿以及块矿石进行模拟的烧结矿(粒径2.8~4.0mm)、对铁矿石球团进行模拟的氧化铝球对块焦炭进行模拟的焦炭(粒径8.0~9.5mm)。原料设为2/11.2比例尺。
在上述的条件下,改变对铁矿石球团进行模拟的氧化铝球的比率而测定了矿石堆积倾斜角θ。需要说明的是,矿石堆积倾斜角θ的对象范围以无量纲半径(炉壁侧=0.00、中心侧=1.00)计设为0.32以上且0.71以下的范围。将结果在图7中示出。
根据图7的结果,确认了当铁矿石球团的比例(氧化铝球的比率)增加10%时矿石堆积倾斜角θ降低约1度的倾向。
接着,使用操作中的高炉的操作数据,将各操作数据分为R<0.017×(0.001×P+0.97)与R≥0.017×(0.001×P+0.97),而绘制出焦炭比与总K值的关系。将结果在图8中示出。
根据图8的结果可知,通过考虑铁矿石球团的比例P,能够以较高的精度判断透气性的改善效果。
工业实用性
通过使用本发明的生铁制造方法,能够确保高炉的中心部中的热风的流动并且进一步减少焦炭的使用量。
附图标记说明
1 高炉
1a 风口
1b 出铁口
2 原料装入装置
2a 料钟杯
2b 下料钟
2c 护板
10 第一层
11 矿石原料
11a 骨料
11b 除骨料以外矿石原料
12 滴落熔渣
20 第二层
21 焦炭
30 中心层
31 焦炭
8 高炉装入物分布实验装置
8a 中心装入滑槽
81 焦炭层
82 中心焦炭层
83 矿石层
84 实验层
A 风口循环区
B 炉心
C 滴落带
D 软熔带
E 块状带
F 铁水
G 熔融熔渣
M 中心部。
Claims (6)
1.一种生铁制造方法,其使用具有风口的高炉制造生铁,其中,
所述生铁制造方法包括:
在所述高炉内交替地层叠包含矿石原料的第一层与包含焦炭的第二层的工序;
在所述高炉的中心部装入焦炭的工序;以及
在利用从所述风口吹送的热风将辅助燃料向高炉内吹入的同时将层叠的所述第一层的所述矿石原料还原以及熔化的工序,
在所述层叠的工序中,在层叠将一个所述第一层以及一个所述第二层合起来的层叠单位的一次加料的期间,进行一次或多次所述装入的工序,
通过所述一次加料,使堆积于所述中心部的焦炭的质量(ton/ch)相对于装入的矿石原料的质量(ton/ch)的比率R为规定值α以上。
2.根据权利要求1所述的生铁制造方法,其中,
所述规定值α为0.017。
3.根据权利要求1所述的生铁制造方法,其中,
所述第一层的矿石原料包含铁矿石球团,
在将所述第一层的所述矿石原料中的所述铁矿石球团的比例设为P(质量%)时,
所述规定值α由下述式1算出,
α=0.017×(0.001×P+0.97)···1。
4.根据权利要求1~3中任一项所述的生铁制造方法,其中,
堆积于所述中心部的焦炭的强度为所述第二层所包含的焦炭的强度以上。
5.根据权利要求1~3中任一项所述的生铁制造方法,其中,
堆积于所述中心部的焦炭的平均粒径为所述第二层所包含的焦炭的平均粒径以上。
6.根据权利要求1~3中任一项所述的生铁制造方法,其中,
所述生铁制造方法包括:
将输入数据组和输出数据组的实际值作为学习数据而输入人工智能模型,并以根据所述输入数据组预测比基准时刻靠未来的铁水的温度数据的方式使人工智能模型进行学习的工序,所述输入数据组包含从比所述基准时刻靠过去的时刻到所述基准时刻的规定期间的至少所述热风的温度及送风量、溶解损失反应量、炉壁放热量、剩余生铁量、铁水的温度以及所述比率R,所述输出数据组包含在比所述基准时刻靠未来的所述还原以及熔化的工序中得到的所述铁水的温度数据;
以当前时刻为所述基准时刻而取得所述输入数据组的工序;
将所述取得的工序中取得的所述输入数据组以当前时刻为基准时刻而输入学习完毕的所述人工智能模型的工序;以及
使学习完毕的所述人工智能模型推定未来的所述铁水的温度的工序,
将所述取得的工序中取得的所述输入数据组和与该输入数据组对应的所述输出数据组的实际值用于所述学习的工序的输入。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021061042A JP2022157040A (ja) | 2021-03-31 | 2021-03-31 | 銑鉄製造方法 |
JP2021-061042 | 2021-03-31 | ||
PCT/JP2021/017806 WO2022208902A1 (ja) | 2021-03-31 | 2021-05-11 | 銑鉄製造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116997666A true CN116997666A (zh) | 2023-11-03 |
Family
ID=83457589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180095816.5A Pending CN116997666A (zh) | 2021-03-31 | 2021-05-11 | 生铁制造方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240167111A1 (zh) |
EP (1) | EP4317462A1 (zh) |
JP (1) | JP2022157040A (zh) |
KR (1) | KR20230150992A (zh) |
CN (1) | CN116997666A (zh) |
WO (1) | WO2022208902A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6056003A (ja) | 1983-09-02 | 1985-04-01 | Kobe Steel Ltd | 高炉へのコ−クス装入方法 |
JP2727563B2 (ja) * | 1988-05-18 | 1998-03-11 | 住友金属工業株式会社 | 高炉操業方法 |
JP2828098B2 (ja) * | 1997-07-22 | 1998-11-25 | 住友金属工業株式会社 | ベルレス式高炉装入物の装入方法 |
JP3779815B2 (ja) * | 1998-04-02 | 2006-05-31 | 新日本製鐵株式会社 | 高炉操業方法 |
JP2019127628A (ja) * | 2018-01-25 | 2019-08-01 | 株式会社神戸製鋼所 | 高炉の原料装入方法 |
-
2021
- 2021-03-31 JP JP2021061042A patent/JP2022157040A/ja active Pending
- 2021-05-11 EP EP21935062.6A patent/EP4317462A1/en active Pending
- 2021-05-11 WO PCT/JP2021/017806 patent/WO2022208902A1/ja active Application Filing
- 2021-05-11 KR KR1020237032801A patent/KR20230150992A/ko unknown
- 2021-05-11 CN CN202180095816.5A patent/CN116997666A/zh active Pending
- 2021-05-11 US US18/551,436 patent/US20240167111A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240167111A1 (en) | 2024-05-23 |
EP4317462A1 (en) | 2024-02-07 |
KR20230150992A (ko) | 2023-10-31 |
JP2022157040A (ja) | 2022-10-14 |
WO2022208902A1 (ja) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4317580B2 (ja) | 還元鉄ペレットの製造方法及び銑鉄の製造方法 | |
JP5053305B2 (ja) | 銑鉄の製造方法 | |
CN106086281A (zh) | 一种闪速炼铁与煤制气的一体化装置及方法 | |
CN106414778B (zh) | 粒状金属铁的制造方法 | |
CN116997666A (zh) | 生铁制造方法 | |
JP7339222B2 (ja) | 銑鉄製造方法 | |
JP6273983B2 (ja) | 還元鉄を用いた高炉操業方法 | |
EP0818543B1 (en) | Method for operating shaft furnace | |
JP2014214331A (ja) | 高炉への原料装入方法 | |
JP2018024914A (ja) | 高炉への原料装入方法 | |
JP4759985B2 (ja) | 高炉操業方法 | |
WO2022259563A1 (ja) | 銑鉄製造方法及び鉱石原料 | |
CN116829739A (zh) | 生铁制造方法 | |
JP2007270192A (ja) | 高炉への鉱石装入方法 | |
JP3171066B2 (ja) | 高炉の操業方法 | |
CN111989411A (zh) | 高炉的原料装入方法 | |
JP3485787B2 (ja) | 高炉用原料の装入方法 | |
JP6696376B2 (ja) | 高炉の操業方法 | |
JPH11117010A (ja) | 竪型炉の操業方法 | |
JP6219266B2 (ja) | 高炉のメタリック原料装入方法 | |
JPH11209810A (ja) | 竪型炉の操業方法 | |
JP4784140B2 (ja) | 高炉の操業方法 | |
JP2012172225A (ja) | 高炉への原料装入方法 | |
JPH11217605A (ja) | 高炉への装入物装入方法 | |
JP2019127615A (ja) | 高炉の原料装入方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |