EP4247984A1 - Charakterisierung eines verhüttungsprozesses - Google Patents

Charakterisierung eines verhüttungsprozesses

Info

Publication number
EP4247984A1
EP4247984A1 EP21807137.1A EP21807137A EP4247984A1 EP 4247984 A1 EP4247984 A1 EP 4247984A1 EP 21807137 A EP21807137 A EP 21807137A EP 4247984 A1 EP4247984 A1 EP 4247984A1
Authority
EP
European Patent Office
Prior art keywords
basis
orthonormal
coefficients
smelting process
representation
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
Application number
EP21807137.1A
Other languages
English (en)
French (fr)
Inventor
Richard Wollhofen
Dieter Bettinger
Martin Schaler
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Primetals Technologies Austria GmbH
Original Assignee
Primetals Technologies Austria GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Primetals Technologies Austria GmbH filed Critical Primetals Technologies Austria GmbH
Publication of EP4247984A1 publication Critical patent/EP4247984A1/de
Pending legal-status Critical Current

Links

Classifications

    • 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 specially adapted for furnaces of these types
    • F27B1/26—Arrangements of controlling devices
    • 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 specially adapted for 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
    • 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
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety 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
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D21/0014—Devices for monitoring temperature
    • 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
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D21/0028—Devices for monitoring the level of the melt
    • 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
    • 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
    • F27D2019/0006—Monitoring the characteristics (composition, quantities, temperature, pressure) of at least one of the gases of the kiln atmosphere and using it as a controlling value
    • F27D2019/0009—Monitoring the pressure in an enclosure or kiln zone
    • 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
    • F27D2019/0006—Monitoring the characteristics (composition, quantities, temperature, pressure) of at least one of the gases of the kiln atmosphere and using it as a controlling value
    • F27D2019/0012—Monitoring the composition of the atmosphere or of one of their components
    • F27D2019/0015—Monitoring the composition of the exhaust gases or of one of its components
    • 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
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D2021/0007—Monitoring the pressure
    • 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
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D2021/005—Devices for monitoring thermal expansion

Definitions

  • the present invention relates to a method and a device for characterizing a smelting process and a plant for smelting metal ores.
  • Processes in smelting plants are usually strictly monitored.
  • a large number of different sensors can be used for automation and quality assurance. With the help of these sensors, various process parameters can be recorded, which, for example, allow statements and/or predictions to be made about reaction courses and speeds.
  • the so-called burden column i.e. the bed of metal ore, coke and possibly other additives
  • the burden column can "hang" in the blast furnace shaft.
  • Characteristic changes for this for example, in the sinking speed of the burden surface or in the pressure and the The temperature of the top gas escaping from the burden column can be recorded with the help of such sensors and enable countermeasures to be initiated in good time.
  • sensor data from two-dimensional acoustic temperature measurements at the blast furnace throat or two-dimensional radar measurements of the height profile of the bed or the burden column can be provided.
  • Such data for example in the form of corresponding images, can provide valuable information about the current state of the smelting process. It is an object of the present invention to further improve the characterization of smelting processes, in particular to enable a systematic analysis of a spatial distribution of parameter values of a process parameter.
  • This object is achieved by a method and a device for characterizing a smelting process and a plant for smelting metal ore according to the independent claims.
  • a data set in particular generated by sensors
  • the data record characterizes a spatial distribution of a number of parameter values—which are measured values generated by sensors—of a process parameter of the smelting process.
  • an orthonormal representation of the spatial distribution of the multiple parameter values in an orthonormal basis is determined on the basis of the data set and a set of base coefficients of the determined orthonormal representation is output.
  • the orthonormal basis is defined in advance and is not dependent on individual measured values, which also makes it possible to directly compare the set of basis coefficients with each other.
  • the orthonormal basis is independent of the measured values generated by the sensors.
  • the orthonormal basis consists of at least six, preferably at least ten, basis functions, with exactly one basis coefficient being assigned to each basis function. It therefore does not depend on the measured values determined by the sensors, how the orthonormal basis is determined.
  • the orthonormal basis is determined based on, among other things, the number of parameters.
  • the basic functions can for example Zernike polynomials and the basis coefficients can be Zernike coefficients.
  • the orthonormal basis is defined in advance and is preferably dependent on the number of parameter values and the geometry of an aggregate of the smelting process.
  • the orthonormal basis preferably depends at least on the number of sensors and the geometry of the aggregate of the smelting process.
  • the geometry of the aggregate of the smelting process means, for example, exactly where the sensors are attached to the aggregate and what the geometric shape of the aggregate is.
  • a spatial distribution of a number of parameter values within the meaning of the invention is a set of parameter values which a process parameter assumes at a number of spatially different locations, preferably at a fixed point in time.
  • a data record which characterizes such a spatial distribution of a number of parameter values can also be referred to as a multi-dimensional data record since the spatial distribution is usually present in at least two dimensions.
  • the spatial distribution of the parameter values can optionally be visualized as an image.
  • sensor data that characterize such a spatial distribution of parameter values and are therefore an example of a (multidimensional) data set can be present as an image.
  • An orthonormal representation of a spatial distribution of a number of parameter values within the meaning of the invention is a decomposition of the spatial distribution into a number of parts. These proportions preferably correspond to proportions of specified basic distributions.
  • the basic distributions can also be referred to as basic functions or basic components and preferably have the property of being orthogonal to one another and normalized in the mathematical sense.
  • the spatial distribution of the parameter values is preferred given as a linear combination of a given number of basis components.
  • the spatial distribution of the parameter values can be approximated in particular as a linear combination of the basic components.
  • the basic components constituting or at least approximating the spatial distribution can each be weighted with a basic coefficient.
  • the basis coefficients indicate, for example, the strength of the respective basis function in the spatial distribution. In other words, the base coefficients indicate how large the proportion of the respective base component is in the existing distribution.
  • Outputting a set of base coefficients within the meaning of the invention is providing the set of base coefficients at an interface.
  • the base coefficients can be output to a user, for example displayed on a screen.
  • the base coefficients can also be output to a memory device for storage. It is also conceivable to output the base coefficients to a control device for controlling the smelting process.
  • One aspect of the invention is based on the approach of transforming a data record, which characterizes a process parameter of a smelting process in a spatially resolved manner, into a format in which characteristics of the data record are few, at least in relation to the size of the data record basis coefficients can be expressed.
  • a data record contains, for example, information on the value of the process parameter at different locations.
  • the data set can be generated by a sensor device when the process parameter is detected in a spatially resolved manner and can thus supply the spatial distribution of parameter values of the process parameter. Accordingly, the parameter values can also be interpreted as measured values that can be recorded at different locations with the aid of the sensor device.
  • the transformation into the new format not only makes the data record easier - for example by comparing the basic coefficients analyze, but also a compression of the amount of data can be achieved. This makes it easier to store the data generated when the process parameter was recorded.
  • the data set is preferably broken down into a predetermined number of basic components of an orthonormal basis. In this case, for example, it is determined how large the proportion of the various basic components is in the spatial distribution of the parameter values. This proportion can be expressed by the basis coefficients.
  • the basic coefficients can be understood as mathematically based key figures that characterize the smelting process.
  • the base coefficients determined in this way are preferably output as a set.
  • This set of basis coefficients can be viewed as a discrete spectrum of a measurement of the process parameter.
  • the set of basis coefficients contains essentially the same information as the original data set, but in an abstract and compressed form. This can significantly facilitate an analysis. In particular, it is possible to identify trends more clearly and quickly.
  • the set of base coefficients is supplied to an evaluation device which, preferably on the basis of a comparison of the base coefficients with specified target base coefficients, outputs appropriate measures for controlling and/or regulating the smelting process.
  • the evaluation device can be connected directly to a controller and/or regulator of the smelting process. Based on the basic coefficients, the evaluation system determines possible changes that need to be made to the smelting process in order to achieve the desired state again.
  • This method can be used, for example, to analyze a radar measurement of the height profile of a bed in a blast furnace, also known as a burden column.
  • the image resulting from the radar measurement can be Coordinate transformation, broken down into a linear combination of Zernike polynomials, with other orthonormal functions possibly also being conceivable.
  • the Zernike polynomials can each be weighted with a Zernike coefficient.
  • the Zernike polynomials correspond to an orthonormal basis, and the Zernike coefficients correspond to base coefficients.
  • the height profile can be systematically evaluated with the Zernike coefficients, for example by comparing the coefficients with the coefficients of a predefined profile. Compared to a comparison of the image resulting from the radar measurement with a given image, this has the advantage, for example, that far fewer data points have to be processed.
  • the data set is adapted to a geometry on which the orthonormal basis is based before the orthonormal representation is determined.
  • the data set can be subjected to a coordinate transformation. This significantly simplifies the determination of the orthonormal representation. For example, the spatial distribution of the parameter values can be broken down more easily into specified basic components of the orthonormal basis. The computing power required to determine the proportions of the basic components in the data set can thus be reduced and the method can be accelerated.
  • a geometry on which the orthonormal basis is based designates the coordinate system in which the orthonormal basis can be expressed in a particularly simple manner.
  • the basic components have a particularly simple form, for example.
  • the basic components in this geometry can be given by particularly simple functions such as trigonometric functions.
  • the data set can be transformed into a polar coordinate system in order to describe the spatial distribution of the parameter values characterized by it using an orthonormal basis of Zernike polynomials, Bessel polynomials or represent Chebyshev polynomials.
  • the data set can also be transformed into a cylindrical coordinate system in order to represent the spatial distribution using an orthonormal basis from Legendre-Fourier polynomials.
  • the data set can be transformed into a spherical coordinate system in order to represent the spatial distribution using an orthonormal basis from Laguerre polynomials with spherical harmonics. It is also conceivable to transform the data set into a Cartesian coordinate system in order to represent the spatial distribution using an orthonormal basis of Hermite-Gauss polynomials.
  • an orthonormal basis is selected which is adapted to a geometry on which the data set is based, i. H. corresponds to the geometry on which the data set is based.
  • a geometry on which the data set is based within the meaning of the invention can be determined by the shape of the area or the volume in which the parameter values are spatially distributed.
  • Parameter values distributed in the form of a ring in a surface can, for example, be based on polar coordinates.
  • parameter values distributed in the form of columns can be based on cylindrical coordinates.
  • determining the height profile of a bed in the shaft of a blast furnace ie the surface profile of the bed in the shaft
  • a 2D radar measurement usually provides an essentially disc-shaped distribution of height values.
  • a similar spatial distribution of temperature values is also provided by a sound-based 2D temperature measurement on the top gas above the bed.
  • the corresponding data sets can therefore be used particularly well in polar coordinates and are preferably represented by an orthonormal basis of Zernike polynomials.
  • a data set that is determined in smelting processes is usually based on a different geometry.
  • Such temperature sensors can be arranged, for example, on cooling bodies for the blast furnace shaft. Since such heat sinks are usually arranged along the shaft wall, the resulting spatial distribution of the parameter values essentially corresponds to a cylinder jacket. It can therefore be expressed particularly well in cylindrical coordinates.
  • a corresponding data set is therefore preferably represented by an orthonormal basis from Legendre-Fourier polynomials.
  • the temperature distribution in a hearth of the blast furnace at the bottom of the blast furnace shaft, into which the molten iron ore and slag sinks, can be recorded using a sensor network made up of a large number of temperature sensors installed in the wall of the hearth and represented, for example, in spherical coordinates.
  • Laguerre polynomials with spherical harmonics are preferably selected as the orthonormal basis.
  • an orthonormal basis is generated on the basis of the Gram-Schmidt orthonormalization method. This allows the smelting process to be characterized in a particularly flexible manner.
  • an orthonormal representation can be determined in a simple and rapid manner. For example, it is conceivable that in this way an orthonormal basis that is advantageous with regard to the complexity of the calculations is always selected, even in the case of sensors of a sensor device that can be arranged in a spatially variable manner, for example in the case of relocatable sensors.
  • Householder transformations can also be used, or Givens rotations, with which rounding errors, which have a disadvantageous effect on the orthogonality of the basic components determined, can at least be reduced. It is also conceivable to use an orthogonalization method and then to standardize the base components obtained as a result, if necessary in a separate method step. For example, the Gram-Schmidt orthogonalization method can be used and the resulting orthogonal basis can be normalized.
  • the at least one process parameter is (i) a bed height in a blast furnace, (ii) a temperature of a top gas or a blast furnace wall, (iii) a pressure in a bed, (iv) a radiation intensity in a blast furnace generated electromagnetic radiation, (v) an electromotive force on the outside of the wall of the blast furnace, and/or (vi) a chemical composition of a bed.
  • a smelting process possibly also sub-processes such as the reduction of components of the burden or the melting of metal ores, can be characterized particularly well by an analysis of the respective parameter value distribution based on the orthonormal representation of a corresponding data set.
  • the orthonormal representation is determined on a grid defined by a sensor device set up for detecting the process parameter.
  • the grid can be defined in particular by a spatial resolution of the sensor device.
  • the grid can be defined by the arrangement of sensors that are part of a sensor network of the sensor device.
  • the orthonormal representation can thus be determined on the basis of a discrete calculation. For example, it is possible to set up and solve a system of equations using the discretization by the grid. This means that more complex calculation methods for the basic components, such as direct integration, can be avoided.
  • sensory recorded parameter values can be interpreted as support points of a multidimensional function.
  • the function value at a specific grid point then preferably corresponds to the parameter value measured there.
  • the coordinates resulting from the defined grid can also easily be transformed into another coordinate system, for example polar coordinates or spherical coordinates.
  • an overdetermined, in particular linear, equation system is set up to determine the orthonormal representation.
  • a system of equations can be generated, for example, by truncating a mathematical series whose terms form the basic components in the orthonormal representation after a predetermined number of basic components.
  • the set of base coefficients is then preferably determined on the basis of a solution of the system of equations using the least squares method. This allows an efficient and reliable determination of the base coefficients.
  • the set of base coefficients can also be based on a solution of the system of equations using a generalized least squares method.
  • norms other than the Euclidean one are also conceivable, such as the so-called sum norm (1-norm).
  • the number of parameter values characterized by the data set is greater by at least a factor of 5 than a number of basic components of the orthonormal basis on which the orthonormal representation is based.
  • this ratio of parameter values and base components can advantageously be fulfilled by carrying out the orthonormal representation with 36 to 66 base components of the orthonormal base.
  • the orthonormal representation is preferably based on a linear combination of 36 to 66 terms, in particular the first 36 to 66 basic components of the orthonormal basis.
  • a number of 36 to 66 basic components has a favorable effect both with regard to the informative value of the basic coefficients obtained as a result and with regard to the memory requirement on the other hand.
  • the data set can be compressed by a factor of 25 to 50.
  • the height profile of the fill, and a reconstruction of this distribution using the determined base coefficients is already in the range of the grain size of the fill or .the resolution of the radar sensor. Since the reconstruction cannot be more precise than the original data set, the twelfth (radial) order in this particular example forms an upper limit for the number of basis components to be used.
  • the set of basis coefficients is output to a storage device.
  • the determined base coefficients can, for example, be made available at an interface and written to a storage medium. This enables the smelting process to be characterized in terms of its development over time. It is also possible to reconstruct the associated spatial distribution of the parameter values with the aid of a stored set of base coefficients.
  • the smelting process is monitored on the basis of at least two sets of base coefficients output at different points in time. For example, it can be checked whether at least one of the base coefficients changes over time. If necessary, the strength of the change can be determined and used as a basis for monitoring.
  • the reliance on the development of basic coefficients over time allows monitoring of the smelting process that is particularly resource-saving, in particular storage space-saving, in comparison to the use of the original data sets.
  • a development over time of the set of basic coefficients possibly of at least one selected basic coefficient, deviates from a specified development over time. If necessary It can be checked whether the deviation has reached or exceeded a specified threshold value. Depending on the result of the test, measures to control the smelting process can then be initiated, for example.
  • the smelting process is influenced based on the output set of basis coefficients.
  • the smelting process possibly also a sub-process, can be slowed down or accelerated or otherwise controlled, in extreme cases even stopped, by initiating appropriate measures. Since an output set of basic coefficients corresponds to exactly one process parameter, the smelting process can also be influenced on a particularly small scale. As a result, not only can the operation of the blast furnace in which the smelting process takes place be optimized, but operational safety can also be improved.
  • the spatial distribution of the parameter values is reconstructed on the basis of the base coefficients and the orthonormal base.
  • the base components of the orthonormal basis can each be multiplied by a preferably stored base coefficient and added. If the original data record was in the form of an image, for example, this image can be reconstructed in good quality.
  • the invention also relates to a device for characterizing a smelting process.
  • the device has at least one sensor device which is set up for the spatially resolved detection of a process parameter of the smelting process and for generating a corresponding data set.
  • a data processing device which is set up to generate an orthonormal representation of a spatial distribution based on the data set. to determine the development of parameter values in an orthonormal basis and to output a set of basis coefficients of the determined orthonormal representation.
  • the sensor device can have a sensor, for example, which is set up to detect the process parameter within a spatial area.
  • the sensor device can have a radar sensor that is set up to detect the height profile of the bed in a blast furnace shaft.
  • the sensor device can have a sensor network of spatially distributed sensors, each of the sensors being set up for local detection of the process parameter.
  • the sensor device can have temperature sensors arranged in and/or distributed around the blast furnace shaft, each of which is set up to detect a local temperature.
  • the data processing device preferably has a computing unit, for example a processor, and a storage unit, for example a main memory.
  • the data processing device is preferably set up to carry out mathematical operations on the data set in order to calculate the base coefficients from the orthonormal representation.
  • the data processing device can accordingly be set up to carry out the method according to the first aspect of the invention, for example by carrying out a computer program loaded into the memory unit of the method according to the invention is carried out using the computing unit.
  • the plant according to the invention for smelting metal ores has a blast furnace and a device according to the invention.
  • the at least one sensor device of the device is arranged in the area of the blast furnace.
  • the sensor device in particular at least one sensor of the sensor device, can be arranged in and/or on the blast furnace and set up to record characteristic process parameters for sub-processes of the smelting process taking place in the blast furnace, such as the reduction of components of the burden or the melting of metal ores capture.
  • characteristic process parameters for sub-processes of the smelting process taking place in the blast furnace such as the reduction of components of the burden or the melting of metal ores capture.
  • FIG. 1 shows an example of a plant for smelting a metal ore
  • FIG. 2 shows an example of a data record which characterizes a spatial distribution of parameter values of a process parameter of a smelting process
  • the plant 1 shows an example of a plant 1 for smelting a metal ore 2.
  • the plant 1 has a blast furnace 3, which can be charged with the metal ore 2, a reducing agent, such as coke, and optionally additives.
  • a reducing agent such as coke
  • additives In a shaft 4 of the blast furnace, the metal ore 2 , the reducing agent and, if appropriate, the additives form a burden, which is also referred to as a bed 5 .
  • the system 1 also has a device 10 for characterizing a smelting process, which includes sensor devices 11, 11' and a data processing device 12.
  • the sensor devices 11, 11' are arranged in the area of the blast furnace 3 and are each set up to detect a process parameter of the smelting process in a spatially resolved manner and to generate a corresponding data set.
  • the data processing device 12 is set up to generate an orthonormal representation of a spatial distribution of parameter values of the to determine the process parameters in an orthonormal basis and to output a set of base coefficients of the determined orthonormal representation.
  • the sensor device 11 has a radar sensor 13 which is arranged at the upper end of the shaft 4 and is set up to record a height profile of the fill 5 .
  • the sensor device 11 can determine measured values for the height of the fill at a number of points in space within the shaft 4 and can output them in the form of a data record, for example an image.
  • the data record can be viewed as a function whose function value—the fill level—depends on the coordinates within a cross section through the shaft 4 .
  • the function can be encoded in the intensity of individual image values (pixels).
  • the further sensor device 11' has a sensor network of temperature sensors 14, of which only two are provided with a reference symbol for reasons of clarity.
  • the temperature sensors 14 are arranged along the wall of the blast furnace 3 and set up to detect a local temperature.
  • the sensor device 11' can output the temperatures in the form of a further data set.
  • This further data set can also be viewed as a function whose function value—in this case the temperature—depends on the coordinates on the lateral surface of shaft 4 .
  • the data processing device 12 preferably has a computing unit (not shown) with which the data sets of the sensor devices 11, 11' can be evaluated.
  • a computer program loaded into a memory unit (not shown) of the data processing device 12 can, for example, prompt the processing unit to break down the data records into a linear combination of basic components of an orthonormal basis.
  • the resulting shares, which are the basic components in the data set, ie in the spatial distribution of the respective parameter values, can be output by the data processing device 12, for example via an interface 15, in the form of base coefficients.
  • the base coefficients can be understood as weighting of the base components.
  • the interface 15 can be embodied, for example, as a monitor on which a user can read the base coefficients and thereby draw conclusions about the smelting process in the blast furnace 3 . If necessary, the user can also initiate measures on the basis of the output base coefficients in order to steer the smelting process in a different, desired direction.
  • the device 10 also includes a memory device 16.
  • the data processing device 12 is preferably set up to output the ascertained base coefficients not only via the interface 15 to a user, but also to the memory device 16.
  • the base coefficients determined can thus be stored in the memory device 16 and, for example, be compared with base coefficients determined at a later point in time. This allows conclusions to be drawn about the course of the smelting process over time.
  • the data processing device 12 outputs the determined base coefficients to a control device (not shown) for controlling the smelting process in the blast furnace 3 .
  • the control device can be set up, for example, to influence the charging of the blast furnace 3 with the metal ore 2, the reducing agent and, if appropriate, the additives on the basis of the basic coefficients output to it.
  • the control device can be set up to influence the spatial distribution of the metal ore 2, the reducing agent and, if appropriate, the additives on the basis of the base coefficients.
  • the control device is preferably set up for this purpose, for example a to control the chute accordingly.
  • the control device can also be set up to regulate an air supply into the shaft 4 on the basis of the determined base coefficients, to adapt cooling of the wall of the shaft 4 and/or the like. This allows the smelting process to be reliably automated.
  • FIG. 2 shows an example of a data record 20 which characterizes a spatial distribution 21 of parameter values 22 of a process parameter of a smelting process.
  • the process parameter in the present example is the fill level or height Z of a bed or burden column in a shaft of a blast furnace (see FIG. 1), which extends across the cross section of the shaft, i. H. in the X-Y plane, varies. This means that the bed height Z assumes different parameter values 22 depending on the X and Y coordinates. For reasons of clarity, only one of the parameter values 22 is provided with a reference number in FIG.
  • the data set 20 shown in FIG. 2 can be generated using a 2D radar measurement, for example. Due to the finite (spatial) resolution of a corresponding radar sensor, no continuous distribution can be determined. Rather, a grid is defined by the resolution of the radar sensor, on which the measured parameter values 22 are present.
  • the grid can also be defined by the arrangement of the number of sensors. In principle, therefore, the parameter values 22 can also be present on an irregular grid.
  • FIG. 3 shows an example of a method 100 for characterizing a smelting process.
  • a data set is provided that characterizes a spatial distribution of a plurality of parameter values of a process parameter of the smelting process.
  • Such a data record can be provided, for example, by a sensor device that is set up for spatially resolved detection of the process parameter.
  • the data set can be made available to the sensor device in the form of sensor data in particular.
  • Such a data set may be loaded from a memory, for example when a smelting process is analyzed at a later point in time.
  • the data set can be adapted to a geometry of an orthonormal basis, for example by a coordinate transformation.
  • the data set is preferably transformed into a polar coordinate system.
  • the basic components are functions of radius, polar angle and azimuth angle, the data set is preferably transformed into a spherical coordinate system.
  • an orthonormal basis which is adapted to a geometry of the data set can also be selected in a method step S2b.
  • an orthonormal basis is preferably chosen whose basis components are functions of radius and (polar) angle.
  • an orthonormal basis is preferably chosen whose basic components are functions of radius, polar angle and azimuth angle.
  • an orthonormal representation in the orthonormal basis is determined on the basis of the data set, which may have been coordinate-transformed. For example, the data set can be broken down into a linear combination of basic components of the orthonormal basis.
  • the data set can be defined as a linear combination of basic components, which are given here, for example, by the so-called Zernike polynomials. are given, are represented: a nm are the Zernike coefficients, n indicates the so-called "radial order” and m the so-called "axial order”.
  • the parameter values f are initially represented purely formally as an infinite series by the sum of the Zernike polynomials, multiplied by the Zernike coefficients.
  • the Zernike coefficients a nm can be understood as base coefficients and form a weighting of the Zernike polynomials .
  • the basis coefficients represent a strength of the share of the respective basis component in the distribution f(r, ⁇ ) of the parameter values.
  • the basis coefficients can be determined by direct integration: where R is the radius of the area within which the parameter values are distributed. In terms of computation, however, it can be easier to determine the basis coefficients or Zernike coefficients a nm using an overdetermined system of equations. This can be obtained by stopping the expansion of the series formed by the Zernike polynomials after N terms: where the Zernike polynomials Zj(r t ,0 t ) are calculated only at grid points i of a defined grid (see FIG. 2).
  • minimization norms other than the Euclidean norm described here as an example are also conceivable, for example the so-called sum norm (1 norm).
  • the basis or Zernike coefficients can also be obtained with the additional help of a so-called QR decomposition of the matrix Z.
  • the QR decomposition can provide the benefit of higher numerical stability when the system of equations has poor numerical conditioning.
  • a set of basic coefficients preferably all basic coefficients previously determined in method step S3, is output.
  • the base coefficients can be output to a controller.
  • the smelting process can then be controlled on the basis of the basic coefficients that have been output.
  • the (original) spatial distribution of the parameter values can be determined in a further method step S6 on the basis of the set of basic coefficients stored in a memory device in method step S4, for example or the (original) data record is reconstructed.
  • the basic coefficients can be combined with the respective basic component, i. H. for example with the respective Zernike polynomial.
  • FIG. 4 shows an example of a set of basic coefficients a j .
  • the base coefficients a j shown result from a 2D radar measurement of the height profile of a bed or burden column in the shaft of a blast furnace (see FIG. 1).
  • the distribution shown is characteristic of the measured height profile of the bed and thus of the smelting process.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
  • Blast Furnaces (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren (100) und eine Vorrichtung (10) zur Charakterisierung eines Verhüttungsprozesses sowie eine Anlage (1) zur Verhüttung von Metallerzen (2). Dabei wird ein Datensatz (20) bereitgestellt, welcher eine räumliche Verteilung (21) von mehreren Parameterwerten (22) eines Prozessparameters des Verhüttungsprozesses charakterisiert. Erfindungsgemäß wird auf Grundlage des Datensatzes (20) eine Orthonormaldarstellung der räumlichen Verteilung (21) der mehreren Parameterwerte (22) in einer Orthonormalbasis ermittelt und ein Satz von Basiskoeffizienten (αj ) der ermittelten Orthonormaldarstellung ausgegeben.

Description

Beschreibung
Charakterisierung eines Verhüttungsprozesses
Die vorliegende Erfindung betrifft ein Verfahren und eine Vor- richtung zur Charakterisierung eines Verhüttungsprozesses so- wie eine Anlage zur Verhüttung von Metallerzen.
Prozesse in Verhüttungsanlagen, insbesondere in einem Hochofen ablaufende metallurgische Vorgänge, werden üblicherweise streng überwacht. Zur Automatisierung und Qualitätssicherung kann dabei eine Vielzahl von verschiedenen Sensoren zum Ein- satz kommen. Mithilfe dieser Sensoren lassen sich verschiedene Prozessparameter erfassen, welche zum Beispiel Aussagen und/oder Vorhersagen über Reaktionsverläufe und -geschwindig- keiten erlauben.
Beim Betrieb eines Hochofens kann es beispielsweise zum „Hän- gen" der sogenannten Möllersäule, d. h. der Schüttung aus Me- tallerz, Koks und gegebenenfalls weiteren Zuschlagstoffen, im Hochofenschacht kommen. Dafür charakteristische Änderungen zum Beispiel in der Sinkgeschwindigkeit der Mölleroberfläche oder im Druck und der Temperatur von aus der Möllersäule austreten- dem Gichtgas können mithilfe solcher Sensoren erfasst werden und ermöglichen das rechtzeitige Einleiten von Gegenmaßnahmen.
Mit den Fortschritten in der Sensortechnik und der Datenverar- beitung sind weitere Möglichkeiten zur Überwachung von Verhüt- tungsprozessen hinzugekommen. Beispielsweise können mittler- weile mehrdimensionale Messungen vorgenommen werden. So können etwa Sensordaten von zweidimensionalen akustischen Temperatur- messungen an der Hochofengicht oder zweidimensionale Radarmes- sungen des Höhenprofils der Schüttung bzw. der Möllersäule be- reitgestellt werden. Solche Daten, zum Beispiel in Form von entsprechenden Bildern, können in anschaulicher Weise wert- volle Rückschlüsse über den gegenwärtigen Zustand des Verhüt- tungsprozesses liefern. Es ist eine Aufgabe der vorliegenden Erfindung, die Charakte- risierung von Verhüttungsprozessen weiter zu verbessern, ins- besondere eine systematische Analyse einer räumlichen Vertei- lung von Parameterwerten eines Prozessparameters zu ermögli- chen.
Diese Aufgabe wird gelöst durch ein Verfahren und eine Vor- richtung zur Charakterisierung eines Verhüttungsprozesses so- wie eine Anlage zur Verhüttung von Metallerz gemäß den unab- hängigen Ansprüchen.
Bevorzugte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche sowie der nachfolgenden Beschreibung.
Bei dem erfindungsgemäßen, insbesondere computerimplementier- ten, Verfahren zur Charakterisierung eines Verhüttungsprozes- ses wird ein, insbesondere sensorisch erzeugter, Datensatz be- reitgestellt . Der Datensatz charakterisiert dabei eine räumli- che Verteilung von einer Anzahl von Parameterwerten - welche sensorisch erzeugte Messwerte sind - eines Prozessparameters des Verhüttungsprozesses. Erfindungsgemäß wird auf Grundlage des Datensatzes eine Orthonormaldarstellung der räumlichen Verteilung der mehreren Parameterwerte in einer Orthonormalba- sis ermittelt und ein Satz von Basiskoeffizienten der ermit- telten Orthonormaldarstellung ausgegeben.
Die Orthonormalbasis wird vorab festgelegt und ist nicht ab- hängig von einzelnen Messwerten, wodurch es auch möglich ist den Satz von Basiskoeffizienten jeweils direkt miteinander zu vergleichen. Die Orthonormalbasis ist von den sensorisch er- zeugten Messwerten unabhängig. Die Orthonormalbasis besteht aus zumindest sechs, bevorzugt zumindest zehn, Basisfunktio- nen, wobei jeder Basisfunktion genau ein Basiskoeffizient zu- geordnet ist. Es hängt also nicht von den ermittelten Messwer- ten der Sensoren ab, wie die Orthonormalbasis festgelegt wird. Die Orthonormalbasis wird unter anderem auf Grundlage von der Anzahl von Parametern festgelegt. Die Basisfunktionen können beispielsweise Zernike Polynome und die Basiskoeffizienten Zernike Koeffizienten sein.
Die Orthonormalbasis wird vorab festgelegt und ist bevorzugt von der Anzahl von Parameterwerten und der Geometrie eines Ag- gregates des Verhüttungsprozesses abhängig. Die Orthonormalba- sis hängt bevorzugt zumindest von der Anzahl von Sensoren und der Geometrie des Aggregates des Verhüttungsprozesses ab. Un- ter der Geometrie des Aggregates des Verhüttungsprozesses ver- steht man beispielsweise wo die Sensoren am Aggregat genau an- gebracht sind und welche geometrische Form das Aggregat auf- weist.
Eine räumliche Verteilung von mehreren Parameterwerten im Sinne der Erfindung ist ein Satz von Parameterwerten, die ein Prozessparameter an mehreren räumlich verschiedenen Orten, vorzugsweise zu einem festen Zeitpunkt, annimmt. Ein Daten- satz, welcher eine solche räumliche Verteilung von mehreren Parameterwerten charakterisiert, kann auch als mehrdimensiona- ler Datensatz bezeichnet werden, da die räumliche Verteilung üblicherweise in wenigstens zwei Dimensionen vorliegt. Die räumliche Verteilung der Parameterwerte kann sich gegebenen- falls als Bild visualisieren lassen. Insbesondere können Sens- ordaten, welche eine solche räumliche Verteilung von Parame- terwerten charakterisieren und damit ein Beispiel für einen (mehrdimensionalen) Datensatz sind, als Bild vorliegen.
Eine Orthonormaldarstellung einer räumlichen Verteilung von mehreren Parameterwerten im Sinne der Erfindung ist eine Zer- legung der räumlichen Verteilung in mehrere Anteile. Diese An- teile entsprechen vorzugsweise Anteilen von vorgegebenen Ba- sisverteilungen. Die Basisverteilungen können auch als Basis- funktionen oder Basiskomponenten bezeichnet werden und haben bevorzugt die Eigenschaft, im mathematischen Sinn orthogonal zueinander und normiert zu sein. In der Orthonormaldarstellung wird die räumliche Verteilung der Parameterwerte vorzugsweise als Linearkombination einer vorgegebenen Anzahl von Basiskom- ponenten angegeben. In der Orthonormaldarstellung kann die räumliche Verteilung der Parameterwerte insbesondere als Line- arkombination der Basiskomponenten angenähert sein. Die die räumliche Verteilung konstituierenden oder zumindest approxi- mierenden Basiskomponenten können dabei mit jeweils einem Ba- siskoeffizienten gewichtet sein. Die Basiskoeffizienten geben beispielsweise an, mit welcher Stärke die jeweilige Basisfunk- tion in der räumlichen Verteilung vorkommt. Anders gesagt zei- gen die Basiskoeffizienten an, wie groß der Anteil der jewei- ligen Basiskomponente an der vorliegenden Verteilung ist.
Ein Ausgeben eines Satzes von Basiskoeffizienten im Sinne der Erfindung ist ein Bereitstellen des Satzes von Basiskoeffi- zienten an einer Schnittstelle. Die Basiskoeffizienten können beispielsweise an einen Benutzer ausgegeben, zum Beispiel auf einem Bildschirm angezeigt, werden. Alternativ oder zusätzlich können die Basiskoeffizienten auch zur Speicherung an eine Speichereinrichtung ausgegeben werden. Ebenfalls denkbar ist, es, die Basiskoeffizienten an eine Steuerungseinrichtung zur Steuerung des Verhüttungsprozesses auszugeben.
Ein Aspekt der Erfindung basiert auf dem Ansatz, einen Daten- satz, welcher einen Prozessparameter eines Verhüttungsprozes- ses ortsaufgelöst charakterisiert, in ein Format zu transfor- mieren, in welchem Charakteristika des Datensatzes durch - zu- mindest im Verhältnis zur Größe des Datensatzes - wenige Ba- siskoeffizienten ausgedrückt werden können. Ein solcher Daten- satz enthält zum Beispiel eine Information zum Wert des Pro- zessparameters an verschiedenen Orten. Der Datensatz kann von einer Sensoreinrichtung beim ortsaufgelösten Erfassen des Pro- zessparameters erzeugt werden und damit die räumliche Vertei- lung von Parameterwerten des Prozessparameters liefern. Die Parameterwerte können entsprechend auch als Messwerte aufge- fasst werden, die sich an verschiedenen Orten mithilfe der Sensoreinrichtung erfassen lassen. Durch die Transformation in das neue Format lässt sich der Datensatz - zum Beispiel durch einen Vergleich der Basiskoeffizienten - nicht nur leichter analysieren, sondern es kann auch eine Komprimierung der Da- tenmenge erzielt werden. Dies erleichtert die Speicherung der beim Erfassen des Prozessparameters erzeugten Daten.
Der Datensatz wird bei der Transformation in das neue Format vorzugsweise in eine vorgegebene Anzahl an Basiskomponenten einer Orthonormalbasis zerlegt. Dabei wird beispielsweise er- mittelt, wie groß der Anteil der verschiedenen Basiskomponen- ten an der räumlichen Verteilung der Parameterwerte ist. Die- ser Anteil kann durch die Basiskoeffizienten ausgedrückt wer- den. Die Basiskoeffizienten lassen sich als mathematisch fun- dierte Kennzahlen auffassen, welche den Verhüttungsprozess charakterisieren .
Die derart ermittelten Basiskoeffizienten werden vorzugsweise als Satz ausgegeben. Dieser Satz von Basiskoeffizienten kann als diskretes Spektrum einer Messung des Prozessparameters aufgefasst werden. Der Satz von Basiskoeffizienten enthält im Wesentlichen dieselbe Information wie der ursprüngliche Daten- satz, jedoch in abstrakter und komprimierter Form. Dies kann eine Analyse signifikant erleichtern. Insbesondere ist es mög- lich, Trends eindeutiger und schneller zu erkennen.
Der Satz von Basiskoeffizienten wird einer Auswerteeinrichtung zugeführt, welche, bevorzugt aufgrund eines Vergleiches der Basiskoeffizienten mit festgelegten Soll-Basiskoeffizienten, entsprechende Maßnahmen zur Steuerung und/oder Regelung des Verhüttungsprozesses ausgibt. Die Auswerteeinrichtung kann di- rekt mit einer Steuerung und/oder Regelung des Verhüttungspro- zesses verbunden sein. Die Auswerteausrichtung ermittelt an- hand der Basiskoeffizienten mögliche vorzunehmende Änderungen am Verhüttungsprozess, um wieder den gewünschten Zustand zu erreichen .
Mit dieser Methode kann beispielsweise eine Radarmessung des Höhenprofils einer auch als Möllersäule bezeichneten Schüttung in einem Hochofen analysiert werden. Das sich aus der Radar- messung ergebende Bild lässt sich, gegebenenfalls nach einer Koordinatentransformation, in eine Linearkombination aus Zernike-Polynomen zerlegen, wobei gegebenenfalls auch andere orthonormale Funktionen denkbar sind. Die Zernike-Polynome können jeweils mit einem Zernike-Koeffizienten gewichtet wer- den. Die Zernike-Polynome entsprechen dabei einer Orthonor- malbasis, und die Zernike-Koeffizienten entsprechen Basiskoef- fizienten. Mit den Zernike-Koeffizienten kann das Höhenprofil systematisch bewertet werden, zum Beispiel indem die Koeffi- zienten mit den Koeffizienten eines vordefinierten Profils verglichen werden. Gegenüber einem Vergleich des sich aus der Radarmessung ergebenden Bilds mit einem vorgegebenen Bild hat dies zum Beispiel den Vorteil, dass wesentlich weniger Daten- punkte verarbeitet werden müssen.
In einer bevorzugten Ausführungsform wird der Datensatz vor der Ermittlung der Orthonormaldarstellung an eine der Ortho- normalbasis zugrundeliegende Geometrie angepasst. Zu diesem Zweck kann der Datensatz einer Koordinatentransformation un- terzogen werden. Dadurch lässt sich die Ermittlung der Ortho- normaldarstellung deutlich vereinfachen. Beispielsweise kann die räumliche Verteilung der Parameterwerte leichter in vorge- gebene Basiskomponenten der Orthonormalbasis zerlegt werden. Somit lässt sich die zur Ermittlung der Anteile der Basiskom- ponenten am Datensatz notwendige Rechenleistung verringern und das Verfahren beschleunigen.
Eine der Orthonormalbasis zugrundeliegende Geometrie bezeich- net hierbei das Koordinatensystem, in dem die Orthonormalbasis besonders einfach ausgedrückt werden kann. In dieser Geometrie bzw. diesem Koordinatensystem weisen die Basiskomponenten zum Beispiel eine besonders einfache Form auf. Insbesondere können die Basiskomponenten in dieser Geometrie durch besonders ein- fache Funktionen wie trigonometrische Funktionen gegeben sein.
Beispielsweise kann der Datensatz in ein Polarkoordinatensys- tem transformiert werden, um die durch ihn charakterisierte räumliche Verteilung der Parameterwerte durch eine Orthonor- malbasis aus Zernike-Polynomen, Bessel-Polynomen oder Chebyshev-Polynomen darzustellen. Gegebenenfalls kann der Da- tensatz auch in ein Zylinderkoordinatensystem transformiert werden, um die räumliche Verteilung durch eine Orthonormalba- sis aus Legendre-Fourier-Polynomen darzustellen. Alternativ kann der Datensatz in ein Kugelkoordinatensystem transformiert werden, um die räumliche Verteilung durch eine Orthonormalba- sis aus Laguerre-Polynomen mit Kugelflächenfunktionen darzu- stellen. Denkbar ist auch, den Datensatz in ein kartesisches Koordinatensystem zu transformieren, um die räumliche Vertei- lung durch eine Orthonormalbasis aus Hermite-Gauss-Polynomen darzustellen .
In einer weiteren bevorzugten Ausführungsform wird vor der Er- mittlung der Orthonormaldarstellung eine Orthonormalbasis aus- gewählt, welche an eine dem Datensatz zugrundeliegenden Geo- metrie angepasst ist, d. h. mit der dem Datensatz zugrundelie- genden Geometrie korrespondiert. Dadurch kann gegebenenfalls auf eine Koordinatentransformation des Datensatzes verzichtet und somit Rechenleistung eingespart sowie das Verfahren be- schleunigt werden.
Eine dem Datensatz zugrundeliegende Geometrie im Sinne der Er- findung kann hierbei durch die Form der Fläche oder des Volu- mens bestimmt sein, in der bzw. dem die Parameterwerte räum- lich verteilt sind. In einer Fläche ringartig verteilten Para- meterwerten können zum Beispiel Polarkoordinaten zugrunde lie- gen. Säulenartig verteilten Parameterwerten können dagegen Zy- linderkoordinaten zugrunde liegen.
Beispielsweise liefert eine Ermittlung des Höhenprofils einer Schüttung im Schacht eines Hochofens (d. h. des Oberflächen- profils der Schüttung im Schacht) durch eine 2D-Radarmessung üblicherweise eine im Wesentlichen scheibenförmige Verteilung von Höhenwerten. Eine ähnliche räumliche Verteilung von Tempe- raturwerten liefert auch eine schallbasierte 2D-Temperaturmes- sung am Gichtgas über der Schüttung. Die entsprechenden Da- tensätze lassen sich daher besonders gut in Polarkoordinaten ausdrücken und werden bevorzugt durch eine Orthonormalbasis aus Zernike-Polynomen dargestellt.
Einem Datensatz, der bei Verhüttungsprozessen zum Beispiel mit einem Sensornetz aus Temperatursensoren ermittelt wird, liegt üblicherweise eine andere Geometrie zugrunde. Solche Tempera- tursensoren können beispielsweise an Kühlkörpern für den Hoch- ofenschacht angeordnet sein. Da solche Kühlkörper für gewöhn- lich entlang der Schachtwandung angeordnet sind, korrespon- diert die resultierende räumliche Verteilung der Parameter- werte im Wesentlichen mit einem Zylindermantel. Sie lässt sich daher besonders gut in Zylinderkoordinaten ausdrücken. Vor- zugsweise wird ein entsprechender Datensatz daher durch eine Orthonormalbasis aus Legendre-Fourier-Polynomen dargestellt.
Die Temperaturverteilung in einem Herd des Hochofens am Grunde des Hochofenschachts, in den aufgeschmolzenes Eisenerz und Schlacke absinkt, kann dagegen mithilfe eines Sensornetzes aus einer Vielzahl von in der Wandung des Herds verbauten Tempera- tursensoren erfasst und zum Beispiel in Kugelkoordinaten dar- gestellt werden. Entsprechend werden in bevorzugter Weise La- guerre-Polynome mit Kugelflächenfunktionen als Orthonormalba- sis ausgewählt.
In einer weiteren bevorzugten Ausführungsform wird vor der Er- mittlung der Orthonormaldarstellung eine Orthonormalbasis auf Grundlage des Gram-Schmidtschen Orthonormalisierungsverfahrens erzeugt. Dadurch kann der Verhüttungsprozess auf besonders flexible Weise charakterisiert werden. Insbesondere kann so auch bei unklaren oder zumindest unbekannten Geometrien des Datensatzes eine Orthonormaldarstellung auf einfache und schnelle Weise ermittelt werden. Beispielsweise ist es denk- bar, dass auf diese Weise auch bei räumlich variabel anorden- baren, etwa bei versetzbaren Sensoren einer Sensoreinrichtung immer eine im Hinblick auf die Komplexität von Berechnungen vorteilhafte Orthonormalbasis ausgewählt wird. Es ist aber auch denkbar, eine Modifikation des Gram-Schmidt- schens Orthonormalisierungsverfahrens oder ein anderes Ortho- normalisierungsverfahren zu verwenden. Es lassen sich bei- spielsweise auch Householdertransformationen einsetzen, oder Givens-Rotationen, mit denen Rundungsfehler, die sich nachtei- lig auf die Orthogonalität der ermittelten Basiskomponenten auswirken, zumindest vermindert werden können. Ebenfalls ist es denkbar, ein Orthogonalisierungsverfahren einzusetzen und die dadurch erhaltenen Basiskomponenten anschließend, gegebe- nenfalls in einem separaten Verfahrensschritt, zu normieren. Beispielsweise kann das Gram-Schmidtsche Orthogonalisierungs- verfahren eingesetzt werden und die daraus erhaltene orthogo- nale Basis normiert werden.
In einer weiteren bevorzugten Ausführungsform ist der wenigs- tens eine Prozessparameter (i) eine Schüttungshöhe in einem Hochofen, (ii) eine Temperatur eines Gichtgases oder einer Hochofenwandung, (iii) ein Druck in einer Schüttung, (iv) eine Strahlungsintensität von in einem Hochofen erzeugter elektro- magnetischer Strahlung, (v) eine elektromotorische Kraft an der Außenseite der Wandung des Hochofens, und/oder (vi) eine chemische Komposition einer Schüttung. Durch eine auf der Or- thonormaldarstellung eines entsprechenden Datensatzes basie- rende Analyse der jeweiligen Parameterwertverteilung lässt sich ein Verhüttungsprozess, gegebenenfalls auch Subprozesse wie zum Beispiel die Reduktion von Bestandteilen des Möllers oder das Aufschmelzen von Metallerzen, besonders gut charakte- risieren.
Es ist auch denkbar, mit verschiedenen Prozessparametern kor- respondierende Datensätze zu verarbeiten und der Charakteri- sierung des Verhüttungsprozesses entsprechend mehrere Sätze von Basiskoeffizienten zugrunde zu legen. Dies erlaubt eine besonders differenzierte Analyse und damit eine besonders fun- dierte und präzise Beurteilung des Verhüttungsprozesses. In einer weiteren bevorzugten Ausführungsform wird die Ortho- normaldarstellung auf einem durch eine zur Erfassung des Pro- zessparameters eingerichtete Sensoreinrichtung definierten Gitter ermittelt. Das Gitter kann insbesondere durch eine räumliche Auflösung der Sensoreinrichtung definiert sein. Bei- spielsweise kann das Gitter durch die Anordnung von Sensoren, die Teil eines Sensornetzes der Sensoreinrichtung sind, defi- niert sein. Der Ermittlung der Orthonormaldarstellung kann so auf Grundlage einer diskreten Berechnung erfolgen. Es ist zum Beispiel möglich, mithilfe der Diskretisierung durch das Git- ter ein Gleichungssystem aufzustellen und zu lösen. Dadurch können aufwändigere Berechnungsverfahren für die Basiskompo- nenten, etwa über direkte Integration, vermieden werden.
Mithilfe des definierten Gitters können sensorisch erfasste Parameterwerte als Stützpunkte einer mehrdimensionalen Funk- tion interpretiert werden. Der Funktionswert an einem bestimm- ten Gitterpunkte entspricht dann vorzugsweise dem dort gemes- senen Parameterwert. Die sich aus dem definierten Gitter erge- benden Koordinaten können auch leicht in ein anderes Koordina- tensystem, zum Beispiel Polarkoordinaten oder Kugelkoordina- ten, transformiert werden.
In einer weiteren bevorzugten Ausführungsform wird zum Ermit- teln der Orthonormaldarstellung ein überbestimmtes, insbeson- dere lineares, Gleichungssystem aufgestellt. Ein solches Glei- chungssystem kann beispielsweise durch das Abschneiden einer mathematischen Reihe, deren Terme die Basiskomponenten in der Orthonormaldarstellung bilden, nach einer vorgegebenen Anzahl von Basiskomponenten erzeugt werden. Der Satz von Basiskoeffi- zienten wird dann vorzugsweise auf der Grundlage einer Lösung des Gleichungssystems mittels der Methode der geringsten Feh- lerquadrate ermittelt. Dies erlaubt eine effiziente und zuver- lässige Bestimmung der Basiskoeffizienten.
Alternativ kann der Satz von Basiskoeffizienten auch auf Grundlage einer Lösung des Gleichungssystems mittels einer verallgemeinerten Methode der kleinsten Quadrate gelöst wer- den. Grundsätzlich sind aber auch andere Normen als die eukli- dische denkbar, etwa die sogenannte Summennorm (1-Norm).
In einer weiteren bevorzugten Ausführungsform ist die Anzahl der durch den Datensatz charakterisierten Parameterwerte we- nigstens um einen Faktor 5 größer als eine Anzahl von Basis- komponenten der Orthonormalbasis, auf denen die Orthonor- maldarstellung basiert. Bei einer verhältnismäßig kleineren Anzahl von Parameterwerten gegenüber der Anzahl von Basiskom- ponenten kann ein sogenanntes „overfitting" auftreten. Dies äußert sich beispielsweise in starken Schwankungen und einer gegebenenfalls unphysikalischen Rekonstruktion der räumlichen Verteilung der Parameterwerte auf Grundlage der ausgegebenen Basiskoeffizienten .
Je nach gewählter Orthonormalbasis kann dieses Verhältnis von Parameterwerten und Basiskomponenten vorteilhaft erfüllt wer- den, indem die Orthonormaldarstellung mit 36 bis 66 Basiskom- ponenten der Orthonormalbasis durchgeführt wird. D. h., dass die Orthonormaldarstellung bevorzugt durch eine Linearkombina- tion von 36 bis 66 Termen, insbesondere den ersten 36 bis 66 Basiskomponenten der Orthonormalbasis, basiert. In Versuchen hat sich gezeigt, dass eine Anzahl von 36 bis 66 Basiskompo- nenten günstig sowohl im Hinblick auf die Aussagekraft der dadurch erhaltenen Basiskoeffizienten einerseits als auch im Hinblick auf den Speicherbedarf andererseits auswirkt. Mit 36 bis 66 Basiskomponenten kann zum Beispiel eine Kompression des Datensatzes um den Faktor 25 bis 50 erzielt werden.
Bei einer 2D-Radarmessung des Höhenprofils der Schüttung in einem Hochofenschacht können beispielsweise 1705 Messwerte bzw. Parameterwerte anfallen. Durch eine Orthonormaldarstel- lung mithilfe von Zernike-Polynomen bis zur siebten radialen Ordnung lassen sich daraus 36 Basiskoeffizienten ermitteln, bei einer Orthonormaldarstellung bis zur zehnten radialen Ord- nung dagegen bereits 66 Basiskoeffizienten. Im Allgemeinen kann davon ausgegangen werden, dass der Speicherbedarf mit der (radialen) Ordnung quadratisch anwächst. Bei einer Entwicklung der räumlichen Verteilung der Parameterwerte bis zur zwölften radialen Ordnung liegt die Differenz zwischen der gemessenen Verteilung, d. h. dem Höhenprofil der Schüttung, und einer Re- konstruktion dieser Verteilung mithilfe der ermittelten Ba- siskoeffizienten bereits im Bereich der Korngröße der Schüt- tung bzw. der Auflösung des Radarsensors. Da die Rekonstruk- tion nicht genauer sein kann als der ursprüngliche Datensatz, bildet die zwölfte (radiale) Ordnung in diesem speziellen Bei- spiel eine Obergrenze für die Anzahl der zu verwendenden Ba- siskomponenten .
In einer weiteren bevorzugten Ausführungsform wird der Satz von Basiskoeffizienten in eine Speichereinrichtung ausgegeben. Die ermittelten Basiskoeffizienten können beispielsweise an einer Schnittstelle bereitgestellt und auf ein Speichermedium geschrieben werden. Dies ermöglicht eine Charakterisierung des Verhüttungsprozesses im Hinblick auf eine zeitliche Entwick- lung. Ebenso ist es möglich, unter Zuhilfenahme eines gespei- cherten Satzes von Basiskoeffizienten die zugehörige räumliche Verteilung der Parameterwerte zu rekonstruieren.
In einer weiteren bevorzugten Ausführungsform wird der Verhüt- tungsprozess auf Grundlage von wenigstens zwei zu verschiede- nen Zeitpunkten ausgegebenen Sätzen von Basiskoeffizienten überwacht. Beispielsweise kann geprüft werden, ob sich zumin- dest einer der Basiskoeffizienten im Laufe der Zeit ändert. Gegebenenfalls kann die Stärke der Änderung ermittelt und der Überwachung zugrunde gelegt werden. Die Stützung auf die zeit- liche Entwicklung von Basiskoeffizienten erlaubt eine im Ver- gleich zur Verwendung der ursprünglichen Datensätze besonders ressourcenschonende, insbesondere speicherplatzschonende, Überwachung des Verhüttungsprozesses.
Beispielsweise kann geprüft werden, ob eine zeitliche Entwick- lung des Satzes von Basiskoeffizienten, gegebenenfalls von we- nigstens einem ausgewählten Basiskoeffizienten, von einer vor- gegebenen zeitlichen Entwicklung abweicht. Gegebenenfalls kann geprüft werden, ob die Abweichung einen vorgegebenen Schwel- lenwert erreicht oder überschreitet. In Abhängigkeit eines Er- gebnisses der Prüfung lassen sich dann zum Beispiel Maßnahmen zur Steuerung des Verhüttungsprozesses einleiten.
In einer weiteren bevorzugten Ausführungsform wird der Verhüt- tungsprozess auf Grundlage des ausgegebenen Satzes von Ba- siskoeffizienten beeinflusst. Beispielsweise kann der Verhüt- tungsprozess, gegebenenfalls auch ein Subprozess, durch das Einleiten entsprechender Maßnahmen gebremst oder beschleunigt oder anderweitig gesteuert, im Extremfall sogar gestoppt wer- den. Da ein ausgegebener Satz von Basiskoeffizienten mit genau einem Prozessparameter korrespondiert, kann der Verhüttungs- prozess auch besonders kleinteilig beeinflusst werden. Folg- lich lässt sich so nicht nur der Betrieb des Hochofens opti- mieren, in dem der Verhüttungsprozess abläuft, sondern auch die Betriebssicherheit verbessern.
In einer weiteren bevorzugten Ausführungsform wird auf Grund- lage der Basiskoeffizienten und der Orthonormalbasis die räum- liche Verteilung der Parameterwerte rekonstruiert. Zu diesem Zweck lassen sich die Basiskomponenten der Orthonormalbasis mit jeweils einem, vorzugsweise gespeicherten, Basiskoeffi- zienten multiplizieren und addieren. Lag der ursprüngliche Da- tensatz beispielsweise in Form eines Bilds vor, kann dieses Bild so in guter Qualität rekonstruiert werden.
Ferner betrifft die Erfindung eine Vorrichtung zur Charakteri- sierung eines Verhüttungsprozesses. Die Vorrichtung weist we- nigstens eine Sensoreinrichtung auf, die zum ortsaufgelösten Erfassen eines Prozessparameters des Verhüttungsprozesses und zum Erzeugen eines entsprechenden Datensatzes eingerichtet ist.
Erfindungsgemäß ist zudem eine Datenverarbeitungseinrichtung vorgesehen, die dazu eingerichtet ist, auf Grundlage des Da- tensatzes eine Orthonormaldarstellung einer räumlichen Vertei- lung von Parameterwerten in einer Orthonormalbasis zu ermit- teln und einen Satz von Basiskoeffizienten der ermittelten Or- thonormaldarstellung auszugeben. Mithilfe einer solchen Vor- richtung können nicht nur umfangreiche Datenströme mit ver- gleichsweise geringem Datenverarbeitungsaufwand kontinuierlich überwacht, sondern auch neue Phänomene bzw. damit zusammenhän- gende, unerwünschte Betriebszustände erkannt werden. Eine An- lage zur Verhüttung von Metallerzen, zum Beispiel eine Eisen- oder Stahlhütte, kann mithilfe einer solchen Vorrichtung daher besonders zuverlässig und sicher geführt werden.
Um den Verhüttungsprozess, gegebenenfalls auch einen Subpro- zess, zu charakterisieren, kann die Sensoreinrichtung bei- spielsweise einen Sensor aufweisen, der zur Erfassung des Pro- zessparameters innerhalb eines räumlichen Bereichs eingerich- tet ist. Beispielsweise kann die Sensoreinrichtung einen Ra- darsensor aufweisen, der zum Erfassen des Höhenprofils der Schüttung in einem Hochofenschacht eingerichtet ist.
Alternativ kann die Sensoreinrichtung ein Sensornetz räumlich verteilter Sensoren aufweisen, wobei jeder der Sensoren zur lokalen Erfassung des Prozessparameters eingerichtet ist. Bei- spielsweise kann die Sensoreinrichtung in und/oder um den Hochofenschacht verteilt angeordnete Temperatursensoren auf- weisen, die jeweils zur Erfassung einer lokalen Temperatur eingerichtet sind.
Die Datenverarbeitungseinrichtung weist vorzugsweise eine Re- cheneinheit, beispielsweise einen Prozessor, und eine Spei- chereinheit, zum Beispiel einen Arbeitsspeicher, auf. Die Da- tenverarbeitungseinrichtung ist vorzugsweise dazu eingerich- tet, mathematische Operationen an dem Datensatz durchzuführen, um die Basiskoeffizienten aus der Orthonormaldarstellung zu errechnen. Die Datenverarbeitungseinrichtung kann entsprechend dazu eingerichtet sein, das Verfahren gemäß dem ersten Aspekt der Erfindung auszuführen, beispielsweise indem ein in die Speichereinheit geladenes Computerprogramm zur Durchführung des erfindungsgemäßen Verfahrens mithilfe der Recheneinheit ausgeführt wird.
Die erfindungsgemäße Anlage zur Verhüttung von Metallerzen weist einen Hochofen und eine erfindungsgemäße Vorrichtung auf. Die wenigstens eine Sensoreinrichtung der Vorrichtung ist dabei im Bereich des Hochofens angeordnet. Beispielsweise kann die Sensoreinrichtung, insbesondere wenigstens ein Sensor der Sensoreinrichtung, in und/oder am Hochofen angeordnet und dazu eingerichtet sein, für im Hochofen ablaufende Subprozesse des Verhüttungsprozesses wie zum Beispiel die Reduktion von Be- standteilen des Möllers oder das Aufschmelzen von Metallerzen charakteristische Prozessparameter zu erfassen. Dadurch können insbesondere prozesskritische Prozessparameter unmittelbar und besonders zuverlässig erfasst werden.
Die bisher gegebene Beschreibung vorteilhafter Ausgestaltungen der Erfindung enthält zahlreiche Merkmale, die in den einzel- nen Unteransprüchen teilweise zu mehreren zusammengefasst wie- dergegeben sind. Diese Merkmale können jedoch zweckmäßiger- weise auch einzeln betrachtet und zu sinnvollen weiteren Kom- binationen zusammengefasst werden. Insbesondere sind diese Merkmale jeweils einzeln und in beliebiger geeigneter Kombina- tion mit dem erfindungsgemäßen Verfahren und der erfindungsge- mäßen Vorrichtung sowie der erfindungsgemäßen Anlage kombi- nierbar. So sind Verfahrensmerkmale auch als Eigenschaft der entsprechenden Vorrichtungseinheit gegenständlich formuliert zu sehen und umgekehrt.
Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusammen- hang mit der folgenden Beschreibung der Ausführungsbeispiele, die im Zusammenhang mit den Zeichnungen näher erläutert wer- den. Die Ausführungsbeispiele dienen der Erläuterung der Er- findung und beschränken die Erfindung nicht auf die darin an- gegebene Kombination von Merkmalen, auch nicht in Bezug auf funktionale Merkmale. Außerdem können dazu geeignete Merkmale eines jeden Ausführungsbeispiels auch explizit isoliert be- trachtet, aus einem Ausführungsbeispiel entfernt, in ein ande- res Ausführungsbeispiel zu dessen Ergänzung eingebracht und mit einem beliebigen der Ansprüche kombiniert werden.
Es zeigen:
FIG 1 ein Beispiel einer Anlage zur Verhüttung eines Me- tallerzes;
FIG 2 ein Beispiel eines Datensatzes, welcher eine räumli- che Verteilung von Parameterwerten eines Prozesspara- meters eines Verhüttungsprozesses charakterisiert;
FIG 3 ein Beispiel eines Verfahrens zur Charakterisierung eines Verhüttungsprozesses; und
FIG 4 ein Beispiel eines Satzes von Basiskoeffizienten.
FIG 1 zeigt ein Beispiel einer Anlage 1 zur Verhüttung eines Metallerzes 2. Die Anlage 1 weist einen Hochofen 3 auf, der mit dem Metallerz 2, einem Reduktionsmittel, etwa Koks, und gegebenenfalls Zuschlagstoffen beschickbar ist. In einem Schacht 4 des Hochofens bilden das Metallerz 2, das Redukti- onsmittel und gegebenenfalls die Zuschlagstoffe einen auch als Schüttung 5 bezeichneten Möller.
Die Anlage 1 weist zudem eine Vorrichtung 10 zur Charakteri- sierung eines Verhüttungsprozesses auf, welche Sensoreinrich- tungen 11, 11' und eine Datenverarbeitungseinrichtung 12 um- fasst. Die Sensoreinrichtungen 11, 11' sind im Bereich des Hochofens 3 angeordnet und jeweils dazu eingerichtet, einen Prozessparameter des Verhüttungsprozesses ortsaufgelöst zu er- fassen und einen entsprechenden Datensatz zu erzeugen. Die Da- tenverarbeitungseinrichtung 12 ist dazu eingerichtet, auf Grundlage dieser Datensätze jeweils eine Orthonormaldarstel- lung einer räumlichen Verteilung von Parameterwerten der er- fassten Prozessparameter in einer Orthonormalbasis zu ermit- teln und einen Satz von Basiskoeffizienten der ermittelten Or- thonormaldarstellung auszugeben.
Im vorliegenden Beispiel weist die Sensoreinrichtung 11 einen Radarsensor 13 auf, der am oberen Ende des Schachtes 4 ange- ordnet und dazu eingerichtet ist, ein Höhenprofil der Schüt- tung 5 zu erfassen. D. h., dass die Sensoreinrichtung 11 an mehreren Punkten im Raum innerhalb des Schachtes 4 Messwerte für die Höhe der Schüttung ermitteln und in Form eines Daten- satzes, zum Beispiel als Bild, ausgeben kann. Dabei kann der Datensatz als Funktion angesehen werden, deren Funktionswert - die Füllhöhe - von den Koordinaten innerhalb eines Quer- schnitts durch den Schacht 4 abhängt. In einem (zweidimensio- nalen) Bild kann der Funktion in der Intensität einzelner Bildwerte (Pixel) codiert sein.
Die weitere Sensoreinrichtung 11' weist im vorliegenden Bei- spiel ein Sensornetz aus Temperatursensoren 14 auf, von denen aus Gründen der Übersichtlichkeit nur zwei mit einem Bezugs- zeichen versehen sind. Die Temperatursensoren 14 sind entlang der Wandung des Hochofens 3 angeordnet und dazu eingerichtet, eine lokale Temperatur zu erfassen. Die Sensoreinrichtung 11' kann die Temperaturen in Form eines weiteren Datensatzes aus- geben. Auch dieser weitere Datensatz kann als Funktion angese- hen werden, deren Funktionswert - in diesem Fall die Tempera- tur - von den Koordinaten auf der Mantelfläche des Schachtes 4 abhängt.
Die Datenverarbeitungseinrichtung 12 weist vorzugsweise eine Recheneinheit (nicht dargestellt) auf, mit denen die Datens- ätze der Sensoreinrichtungen 11, 11' ausgewertet werden kön- nen. Ein in eine Speichereinheit (nicht dargestellt) der Da- tenverarbeitungseinrichtung 12 geladenes Computerprogramm kann die Recheneinheit beispielsweise dazu veranlassen, die Datens- ätze in eine Linearkombination aus Basiskomponenten einer Or- thonormalbasis zu zerlegen. Die sich dabei ergebenden Anteile, die die Basiskomponenten am Datensatz, d. h. an der räumlichen Verteilung der jeweiligen Parameterwerte, haben, können von der Datenverarbeitungseinrichtung 12 zum Beispiel über eine Schnittstelle 15 in Form von Basiskoeffizienten ausgegeben werden. Die Basiskoeffizienten können als Gewichtung der Ba- siskomponenten aufgefasst werden.
Die Schnittstelle 15 kann zum Beispiel als Monitor ausgebildet sein, an dem ein Benutzer die Basiskoeffizienten ablesen und dadurch Rückschlüsse auf den Verhüttungsprozess im Hochofen 3 ziehen kann. Gegebenenfalls kann der Benutzer auf Grundlage der ausgegebenen Basiskoeffizienten auch Maßnahmen einleiten, um den Verhüttungsprozess in eine andere, gewünschte Richtung zu lenken.
Im vorliegenden Beispiel umfasst die Vorrichtung 10 auch eine Speichereinrichtung 16. Die Datenverarbeitungseinrichtung 12 ist vorzugsweise dazu eingerichtet, die ermittelten Basiskoef- fizienten nicht nur über die Schnittstelle 15 an einen Benut- zer, sondern auch an die Speichereinrichtung 16 auszugeben. Die ermittelten Basiskoeffizienten können so in der Speicher- einrichtung 16 gespeichert und beispielsweise mit zu einem späteren Zeitpunkt ermittelten Basiskoeffizienten verglichen werden. Dadurch lassen sich Rückschlüsse über den zeitlichen Verlauf des Verhüttungsprozesses ziehen.
Ebenso ist es denkbar, dass die Datenverarbeitungseinrich- tung 12 die ermittelten Basiskoeffizienten an eine Steuerungs- einrichtung (nicht gezeigt) zur Steuerung des Verhüttungspro- zesses im Hochofen 3 ausgibt. Die Steuerungseinrichtung kann beispielsweise dazu eingerichtet sein, die Beschickung des Hochofens 3 mit dem Metallerz 2, dem Reduktionsmittel und ge- gebenenfalls den Zuschlagstoffen auf Grundlage der an sie aus- gegebenen Basiskoeffizienten zu beeinflussen. Die Steuerungs- einrichtung kann insbesondere dazu eingerichtet sein, die räumliche Verteilung des Metallerzes 2, des Reduktionsmittels und gegebenenfalls den Zuschlagstoffen auf Grundlage der Ba- siskoeffizienten zu beeinflussen. Die Steuerungseinrichtung ist dabei bevorzugt dazu eingerichtet, zum Beispiel eine Schurre entsprechend anzusteuern. Alternativ oder zusätzlich kann die Steuerungseinrichtung auch dazu eingerichtet sein, auf Grundlage der ermittelten Basiskoeffizienten eine Luftzu- fuhr in den Schacht 4 zu regulieren, eine Kühlung der Wandung des Schachtes 4 anzupassen und/oder dergleichen. Dadurch lässt sich der Verhüttungsprozess zuverlässig automatisieren.
FIG 2 zeigt ein Beispiel eines Datensatzes 20, welcher eine räumliche Verteilung 21 von Parameterwerten 22 eines Pro- zessparameters eines Verhüttungsprozesses charakterisiert. Der Prozessparameter im vorliegenden Beispiel ist die Füllhöhe oder auch Höhe Z einer Schüttung bzw. Möllersäule in einem Schacht eines Hochofens (siehe FIG 1), die über den Quer- schnitt des Schachtes, d. h. in der X-Y Ebene, variiert. D. h., dass die Schüttungshöhe Z in Abhängigkeit der X- und Y-Ko- ordinate unterschiedliche Parameterwerte 22 annimmt. Aus Grün- den der Übersichtlichkeit ist in FIG 2 nur einer der Parame- terwerte 22 mit einem Bezugszeichen versehen.
Der in FIG 2 gezeigte Datensatz 20 kann zum Beispiel mithilfe einer 2D-Radarmessung erzeugt werden. Aufgrund der endlichen (räumlichen) Auflösung eines entsprechenden Radarsensors kann dabei keine kontinuierliche Verteilung ermittelt werden. Viel- mehr wird durch die Auflösung des Radarsensors ein Gitter de- finiert, auf dem die gemessenen Parameterwerte 22 vorliegen.
Wird der Datensatz 20 mit anderen Sensoren erzeugt, zum Bei- spiel mit einem Sensornetz aus mehreren Sensoren, die den Pro- zessparameter lokal erfassen, kann das Gitter auch über die Anordnung der mehreren Sensoren definiert sein. Daher können die Parameterwerte 22 grundsätzlich auch auf einem unregelmä- ßigen Gitter vorliegen.
FIG 3 zeigt ein Beispiel eines Verfahrens 100 zur Charakteri- sierung eines Verhüttungsprozesses. In einem Verfahrensschritt S1 wird ein Datensatz bereitge- stellt, der eine räumliche Verteilung von mehreren Parameter- werten eines Prozessparameters des Verhüttungsprozesses cha- rakterisiert .
Ein solcher Datensatz kann beispielsweise von einer Sensorein- richtung bereitgestellt werden, die zur ortsaufgelösten Erfas- sung des Prozessparameters eingerichtet ist. Der Datensatz kann insbesondere in Form von Sensordaten der Sensoreinrich- tung bereitgestellt werden.
Alternativ ist es aber auch möglich, dass ein solcher Daten- satz aus einem Speicher geladen wird, zum Beispiel wenn ein Verhüttungsprozess zu einem späteren Zeitpunkt analysiert wird.
In einem weiteren Verfahrensschritt S2a kann der Datensatz an eine Geometrie einer Orthonormalbasis angepasst werden, zum Beispiel durch eine Koordinatentransformation. Wenn die Basis- komponenten der Orthonormalbasis beispielsweise Funktionen von Radius und (Polar-)Winkel sind, wird der Datensatz vorzugs- weise in ein Polarkoordinatensystem transformiert. Sind die Basiskomponenten dagegen Funktionen von Radius, Polarwinkel und Azimutwinkel, wird der Datensatz vorzugsweise in ein Ku- gelkoordinatensystem transformiert.
Alternativ zur Anpassung des Datensatzes an die Geometrie der Orthonormalbasis kann in einem Verfahrensschritt S2b auch eine Orthonormalbasis ausgewählt werden, die an eine Geometrie des Datensatzes angepasst ist. Lässt sich die räumliche Verteilung der Parameterwerte beispielsweise gut mithilfe von Polarkoor- dinaten ausdrücken, wird vorzugsweise eine Orthonormalbasis gewählt, deren Basiskomponenten Funktionen von Radius und (Po- lar-)Winkel sind. Lässt sich die räumliche Verteilung dagegen gut mithilfe von Kugelkoordinaten ausdrücken, wird vorzugs- weise eine Orthonormalbasis gewählt, deren Basiskomponenten Funktionen von Radius, Polarwinkel und Azimutwinkel sind. In einem weiteren Verfahrensschritt S3 wird auf Grundlage des, gegebenenfalls koordinatentransformierten, Datensatzes eine Orthonormaldarstellung in der Orthonormalbasis ermittelt. Bei- spielsweise kann der Datensatz in eine Linearkombination aus Basiskomponenten der Orthonormalbasis zerlegt werden.
Sind die Parameterwerte f zum Beispiel eine Funktion der (Po- lar-) Koordinaten Radius r und Polarwinkel θ, kann der Daten- satz als Linearkombination aus Basiskomponenten, die hier bei- spielsweise durch die sogenannten Zernike-Polynome ge- geben sind, dargestellt werden: anm sind die Zernike-Koeffizienten, n gibt dabei die sogenannte „radiale Ordnung" und m die sogenannte „axiale Ordnung" an.
Die Parameterwerte f werden durch die Summe der Zernike-Poly- nome, multipliziert mit den Zernike-Koeffizienten, rein formal zunächst als unendliche Reihe dargestellt.
Die Zernike-Koeffizienten anm können als Basiskoeffizienten aufgefasst werden und bilden eine Gewichtung der Zernike-Poly- nome . Anders gesagt stellen die Basiskoeffizienten eine Stärke des Anteils der jeweiligen Basiskomponente an der Ver- teilung f(r,θ) der Parameterwerte dar.
Die Wahl der Zernike-Polynome ist vorliegend rein bei- spielhaft zu verstehen. Es ist denkbar, andere Orthonormalba- sen zu wählen, wie zum Beispiel Bessel-Funktionen oder Chebyshev-Polynome .
Die Basiskoeffizienten können durch direkte Integration ermit- telt werden: wobei R der Radius der Fläche ist, innerhalb der die Parame- terwerte verteilt sind. Rechentechnisch kann es jedoch einfacher sein, die Basiskoef- fizienten bzw. Zernike-Koeffizienten anm mithilfe eines überbe- stimmten Gleichungssystems zu ermitteln. Dieses kann erhalten werden, indem die Entwicklung der durch die Zernike-Polynome gebildeten Reihe nach N Termen abgebrochen wird: wobei die Zernike-Polynome Zj(rt,0t) nur an Gitterpunkten i eines definierten Gitters berechnet werden (siehe FIG 2).
In Vektor-/Matrixschreibweise ergibt sich f = Z-a mit f = und mit Zeilenanzahl M (entspricht der Anzahl der Messpunkte), SpaltenzahlN und M >N sowie a=(a1,a2,...,aN)T,wobei Zj dasj-te Zernike-Polynom bzw. die j-te Basiskomponente und aj der j-te Zernike-Koeffizient bzw. der j-te Basiskoeffizient ist.
Dieses überbestimmte Gleichungssystem kann vorteilhaft durch die Methode der geringsten Fehlerquadrate gelöst werden, wobei Residuen minimiert werden:
Grundsätzlich sind jedoch auch andere, verallgemeinerte Metho- den der kleinsten Quadrate denkbar. Es sind insbesondere auch andere als die hier beispielhaft beschriebene euklidische Norm zur Minimierung denkbar, zum Beispiel die sogenannte Summen- norm (1-Norm).
Die Basiskoeffizienten bzw. Zernike-Koeffizienten erhält man dann über
Alternativ kann man die Basis- bzw. Zernike-Koeffizienten auch unter zusätzlicher Zuhilfenahme einer sogenannten QR-Zerlegung der Matrix Z erhalten. Die QR-Zerlegung kann den Vorteil höhe- rer numerischer Stabilität liefern, wenn das Gleichungssystem eine schlechte numerische Konditionierung aufweist. In einem weiteren Verfahrensschritt S4 wird ein Satz von Ba- siskoeffizienten, vorzugsweise alle zuvor in Verfahrens- schritt S3 bestimmten Basiskoeffizienten, ausgegeben. Zum Bei- spiel können die Basiskoeffizienten an eine Steuerungseinrich- tung ausgegeben werden. In einem weiteren Verfahrensschritt S5 kann der Verhüttungsprozess dann auf Grundlage der ausgegebe- nen Basiskoeffizienten gesteuert werden.
Es ist auch denkbar, dass alternativ oder zusätzlich zu Ver- fahrensschritt S5 auf Grundlage des zum Beispiel in Verfah- rensschritt S4 in einer Speichereinrichtung gespeicherten Sat- zes von Basiskoeffizienten in einem weiteren Verfahrens- schritt S6 die (ursprüngliche) räumliche Verteilung der Para- meterwerte bzw. der (ursprüngliche) Datensatz rekonstruiert wird. Dazu können die Basiskoeffizienten mit der jeweiligen Basiskomponente, d. h. zum Beispiel mit dem jeweiligen Zernike-Polynom, multipliziert werden.
FIG 4 zeigt ein Beispiel eines Satzes von Basiskoeffizienten aj . Die gezeigten Basiskoeffizienten aj resultieren aus einer 2D-Radarmessung des Höhenprofils einer Schüttung bzw. Möller- säule im Schacht eines Hochofens (siehe FIG 1). Im vorliegen- den Beispiel liefert die Radarmessung 1705 Messwerte bzw. Pa- rameterwerte, deren räumliche Verteilung (siehe FIG 2) in Zernike-Polynome bis zur radialen Ordnung n = 8 entwickelt wurde. Die sich daraus ergebenden 45 Zernike-Koeffizienten bzw. Basiskoeffizienten aj mit j= 1,...,45 sind in Form eines Bal- kendiagramms gezeigt, wobei die Abszisse den Wert der Koeffi- zienten anzeigt. Die gezeigte Verteilung ist charakteristisch für das gemessene Höhenprofil der Schüttung und damit für den Verhüttungsprozess .
Obwohl die Erfindung voranstehend im Detail durch die Ausfüh- rungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele einge- schränkt und andere Variationen können vom Fachmann hieraus ab- geleitet werden, ohne den Schutzumfang der Erfindung zu verlas- sen.
Bezugszeichenliste
1 Anlage
2 Metallerz
3 Hochofen
4 Schacht
5 Schüttung
10 Vorrichtung
11, 11' Sensoreinrichtung
12 Datenverarbeitungseinrichtung
13 Radarsensor
14 Temperatursensor
15 Schnittstelle
16 Speichereinrichtung
20 Datensatz
21 räumliche Verteilung
22 Parameterwert
100 Verfahren
S1-S6 Verfahrensschritte
Z Schüttungshöhe
X, Y Koordinate aj Basiskoeffizient

Claims

Patentansprüche
1. Verfahren (100) zur Charakterisierung eines Verhüttungspro- zesses, wobei ein Datensatz (20) bereitgestellt (S1) wird, der eine räumliche Verteilung (21) von einer Anzahl von Parameter- werten (22), welche gemessene Sensorwerte sind, eines Pro- zessparameters des Verhüttungsprozesses charakterisiert, dadurch gekennzeichnet, dass auf Grundlage des Datensatzes (20) eine Orthonormaldarstellung der räumlichen Verteilung (21) der mehreren Parameter- werte (22) in einer Orthonormalbasis ermittelt (S3), wobei die Orthonormalbasis unabhängig von gemessenen Sensorwerten ist und die Orthonormalbasis aus zumindest sechs, bevorzugt zumin- dest zehn, Basisfunktionen besteht, und ein Satz von Basisko- effizienten (aj) der ermittelten Orthonormaldarstellung ausge- geben (S4) wird, wobei jeder Basisfunktion genau ein Basisko- effizient (aj) zugeordnet ist, wobei der Satz von Basiskoeffi- zienten einer Auswerteeinrichtung zugeführt wird, welche, be- vorzugt aufgrund eines Vergleiches der Basiskoeffizienten mit festgelegten Soll-Basiskoeffizienten, entsprechende Maßnahmen zur Steuerung und/oder Regelung des Verhüttungsprozesses aus- gibt.
2. Verfahren (100) nach Anspruch 1, dadurch gekennzeichnet, dass der Datensatz (20) vor der Ermittlung der Orthonormaldarstel- lung an eine der Orthonormalbasis zugrundeliegende Geometrie angepasst (S2a) wird.
3. Verfahren (100) nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass vor der Ermittlung der Orthonormaldarstellung eine Orthonor- malbasis ausgewählt (S2b) wird, welche an eine dem Daten- satz (20) zugrundeliegenden Geometrie angepasst ist.
4. Verfahren (100) nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass vor der Ermittlung der Orthonormaldarstellung eine Orthonor- malbasis auf Grundlage des Gram-Schmidtschen Orthonormalisie- rungsverfahrens erzeugt wird.
5. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der wenigstens eine Prozessparameter eine Höhe (Z) einer Schüttung (5) in einem Hochofen (3), eine Temperatur eines Gichtgases oder einer Wandung des Hochofens (3), ein Druck in der Schüttung (5), eine Strahlungsintensität von im Hoch- ofen (3) erzeugter elektromagnetischer Strahlung, eine elekt- romotorische Kraft an der Außenseite der Wandung des Hoch- ofens (3), und/oder eine chemische Komposition der Schüt- tung (5) ist.
6. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Orthonormaldarstellung auf einem durch eine zur Erfassung des Prozessparameters eingerichtete Sensoreinrichtung (11, 11') definierten Gitter ermittelt wird.
7. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass zum Ermitteln der Orthonormaldarstellung ein überbestimmtes lineares Gleichungssystem aufgestellt und der Satz von Ba- siskoeffizienten (aj) auf der Grundlage einer Lösung des Glei- chungssystems mittels der Methode der geringsten Fehlerquad- rate ermittelt wird.
8. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Anzahl der durch den Datensatz (20) charakterisierten Pa- rameterwerte wenigstens um einen Faktor 5 größer ist als eine Anzahl von Basiskomponenten der Orthonormalbasis, auf denen die Orthonormaldarstellung basiert.
9. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Satz von Basiskoeffizienten (aj) in eine Speichereinrich- tung (16) ausgegeben wird.
10. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Verhüttungsprozess auf Grundlage von wenigstens zwei zu verschiedenen Zeitpunkten ausgegebenen Sätzen von Basiskoeffi- zienten (aj) überwacht wird.
11. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Verhüttungsprozess auf Grundlage des ausgegebenen Satzes von Basiskoeffizienten (aj) beeinflusst wird.
12. Verfahren (100) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass auf Grundlage der Basiskoeffizienten (aj) und der Orthonor- malbasis die räumliche Verteilung (21) der Parameterwerte (22) rekonstruiert wird.
13. Vorrichtung (10) zur Charakterisierung eines Verhüttungs- prozesses mit wenigstens einer Sensoreinrichtung (11, 11'), die zum ortsaufgelösten Erfassen eines Prozessparameters des Verhüttungsprozesses und zum Erzeugen eines entsprechenden Da- tensatzes (20) eingerichtet ist, gekennzeichnet durch eine Datenverarbeitungseinrichtung (12), die dazu eingerichtet ist, auf Grundlage des Datensatzes (20) eine Orthonormaldar- stellung einer räumlichen Verteilung (21) von Parameterwer- ten (22) in einer Orthonormalbasis zu ermitteln und einen Satz von Basiskoeffizienten (aj) der ermittelten Orthonormaldarstel- lung auszugeben.
14. Anlage (1) zur Verhüttung von Metallerzen (2) mit einem Hochofen (3) und einer Vorrichtung (10) zur Charakterisierung eines Verhüttungsprozesses nach Anspruch 13, wobei die wenigs- tens eine Sensoreinrichtung (11, 11') der Vorrichtung (10) im Bereich des Hochofens (3) angeordnet ist.
EP21807137.1A 2020-11-18 2021-11-17 Charakterisierung eines verhüttungsprozesses Pending EP4247984A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20208398.6A EP4001440A1 (de) 2020-11-18 2020-11-18 Charakterisierung eines verhüttungsprozesses
PCT/EP2021/081961 WO2022106454A1 (de) 2020-11-18 2021-11-17 Charakterisierung eines verhüttungsprozesses

Publications (1)

Publication Number Publication Date
EP4247984A1 true EP4247984A1 (de) 2023-09-27

Family

ID=73476007

Family Applications (2)

Application Number Title Priority Date Filing Date
EP20208398.6A Withdrawn EP4001440A1 (de) 2020-11-18 2020-11-18 Charakterisierung eines verhüttungsprozesses
EP21807137.1A Pending EP4247984A1 (de) 2020-11-18 2021-11-17 Charakterisierung eines verhüttungsprozesses

Family Applications Before (1)

Application Number Title Priority Date Filing Date
EP20208398.6A Withdrawn EP4001440A1 (de) 2020-11-18 2020-11-18 Charakterisierung eines verhüttungsprozesses

Country Status (2)

Country Link
EP (2) EP4001440A1 (de)
WO (1) WO2022106454A1 (de)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2578293B2 (ja) * 1992-07-03 1997-02-05 新日本製鐵株式会社 高炉プロセス時系列解析装置
KR101704982B1 (ko) * 2013-07-29 2017-02-08 제이에프이 스틸 가부시키가이샤 이상 검지 방법 및 고로 조업 방법
JP6617767B2 (ja) * 2017-03-28 2019-12-11 Ｊｆｅスチール株式会社 高炉炉況状態判定装置、高炉の操業方法、及び、高炉炉況状態判定方法
KR102075210B1 (ko) * 2017-12-19 2020-02-07 주식회사 포스코 노황 관리 장치 및 방법

Also Published As

Publication number Publication date
EP4001440A1 (de) 2022-05-25
WO2022106454A1 (de) 2022-05-27

Similar Documents

Publication Publication Date Title
DE102018123849B4 (de) Systeme zum ausgleichen einer thermischen verschiebung, numerische steuerung, verfahren und lernmodellsatz
DE102018004048B4 (de) Steuerung und Maschinenlernvorrichtung
DE102016008994B4 (de) Werkzeugmaschine, simulationsvorrichtung und maschineneinlerngerät
DE102018007630A1 (de) Numerisches steuersystem
DE102019001783A1 (de) Steuerung, maschinelle lernvorrichtung und system
DE102019102250A1 (de) Vorhersagen der Abnutzung des Polierwerkzeugs, Maschinenlernvorrichtung und System
DE102018010054A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102016009106A1 (de) Mit Steuerung ausgerüstete Bearbeitungsvorrichtung mit Bearbeitungszeit- Messfunktion und Messfunktion auf der Maschine
DE102019001044A1 (de) Steuervorrichtung und maschinelle lernvorrichtung
DE102018007640A1 (de) Klimatisierungssteuersystem
DE102018010086A1 (de) Spanabführvorrichtung und Informationsverarbeitungsvorrichtung
DE112016000582T5 (de) Lehreinrichtung, lehrverfahren und robotersystem
DE102019001177B4 (de) Steuergerät, maschinelle Lernvorrichtung und System
DE112011104962T5 (de) Elektrische Entladungsmaschine und elektrisches Entladungsbearbeitungssystem
DE102018001028B4 (de) Numerische Steuerung
DE102018126429A1 (de) Bearbeitungsbedingungsanpassungsvorrichtung und Maschinenlernvorrichtung
DE102018123847A1 (de) Wärmeverschiebungskompensationssystem
DE102019104922A1 (de) Kollisionspositionsschätzvorrichtung und maschinenlernvorrichtung
WO2007124981A1 (de) Verfahren zum betrieb eines mühlensystems
WO2021028111A1 (de) Verfahren und vorrichtung zum optimieren eines induktiven wärmebehandlungsprozesses mithilfe eines bayes'schen optimierungsprozesses
DE4406723A1 (de) Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage
DE112020007606B4 (de) Robotersteuervorrichtung
WO2022106454A1 (de) Charakterisierung eines verhüttungsprozesses
DE102020204103A1 (de) Wellenformanzeigevorrichtung und wellenformanzeigeverfahren
DE102019002066A1 (de) Eingabefehler-Erfassungsvorrichtung

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230619

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20241125