JP2021123795A - スタティック吹錬制御方法、温度補正項推定装置および転炉制御装置 - Google Patents

Abstract

【課題】熱収支計算における適切な温度補正項を設定できるスタティック制御方法を提供する。
【解決手段】
吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量と、を熱収支計算および物質収支計算を用いて算出するスタティック吹錬制御方法であって、熱収支計算は温度補正項を含み、吹錬の操業条件と転炉の状態を反映した値とから温度補正項を出力する学習済の学習モデルに、算出を行う吹錬の操業条件と転炉の状態を反映した値とを入力して温度補正項を出力する。
【選択図】図１

Description

本発明は、転炉吹錬における溶鋼温度および溶鋼成分濃度を目標値とするのに必要となる供給酸素量と、冷材または昇熱材の投入量の予測を吹錬開始時点で行なうスタティック吹錬制御方法、温度補正項推定装置および転炉制御装置に関する。

転炉操業は、溶銑やスクラップなどからなる主原料に酸素を供給して酸化精錬（吹錬）を行ない、溶鋼を得る製鋼工程である。転炉操業では、吹錬終点（吹止め）における溶鋼温度や溶鋼中炭素濃度等の成分濃度を目標値に適中させるため、スタティック制御とダイナミック制御とを組み合わせた吹錬制御が行われている。スタティック制御は、物質収支、熱収支に基づいた数式モデル等にて、上記目標値の的中に必要な供給酸素量と、冷材または昇熱材投入量とを、吹錬の開始前に決定するものである。一方、ダイナミック制御は、吹錬中にサブランスで溶鋼の温度および炭素濃度を測定し、スタティック制御で決定しておいた供給酸素量や、冷材もしくは昇熱材投入量を、物質収支、熱収支と反応モデルに基づいた数式モデル等に基づき修正し、吹止めまでの酸素量、および冷材もしくは昇熱材投入量を最終的に決定するものである。

スタティック制御とダイナミック制御とを組み合わせた転炉操業の制御方法では、スタティック制御における誤差が大きすぎると、ダイナミック制御での修正が困難になり、吹止めにおける溶鋼温度や溶鋼中炭素濃度等の成分濃度を目標値に適中させることができなくなる場合がある。このため、スタティック制御における誤差をなるべく小さくする必要がある。

スタティック制御の数式モデルは、熱収支計算と酸素収支計算の２種類から構成されている。このうち熱収支計算では、下記（１）式に示すように、炉内への入熱量の総和と出熱量の総和が等しくなるように冷材または昇熱材の投入量（Ｗ_ｏｒｅ）を算出する。

上記（１）式において、Ｑ_ｉｎは入熱確定項である。ΔＱは入熱誤差項である。Ｋはオペレーター補正項である。Ｑ_ｏｕｔは出熱確定項である。ΔＨ_ｏｒｅは冷却能または昇熱能である。これらは既知項であり、当該既知項を用いて冷材または昇熱材の投入量（Ｗ_ｏｒｅ）を算出する。このように、熱収支計算は、入熱確定項、出熱確定項、冷却能または昇熱能、誤差項、およびオペレーターによる温度補正項により構成される。

また、酸素収支計算では、下記（２）式に示すように、炉内への入酸素量の総和と、出酸素量の総和が等しくなるように吹錬酸素量（Ｖ_Ｏ２）を算出する。

上記（２）式において、Ｖ_ｉｎは入酸素確定項である。Ｖ_ｏｕｔは出酸素確定項である。ΔＶは出酸素誤差項である。Ｌはオペレーター補正項である。これらは既知項であり、当該既知項を用いて、吹錬酸素量（Ｖ_Ｏ２）を算出する。

熱収支計算における入熱確定項および出熱確定項は、装入される溶銑の顕熱や脱炭反応による発熱量等と、吹止め時の溶鋼顕熱やスクラップ融解、スラグ滓化などによる吸熱量等と、がそれぞれ対応し、物性値や熱力学データに基づいて定まる理論値項である。ここで、反応熱量は、溶銑成分（炭素、リン等）濃度を目標値まで除去するために必要な酸素量も算出し、その酸素量に対して発生する熱量として取り扱う。冷却もしくは昇熱項は、冷材もしくは昇熱材の単位質量当たりの冷却能もしくは昇熱能と、冷材もしくは昇熱材の投入量との積で与えられ、冷材もしくは昇熱材の投入量が熱収支計算の解となる。

誤差項とは、炉号、炉回数といった理論項では表せないが吹錬に影響する因子を重回帰項としてまとめた統計モデル項である。オペレーターによる温度補正項は、確定項でも誤差項でも表せない因子をオペレーターが定性的に評価し、スタティック計算モデルを補正するための項である。

スタティック制御時の温度的中率を向上させるには、誤差項や温度補正項に適切な値を与えて熱収支計算を行なう必要がある。このような技術として、特許文献１には、転炉の内張耐火物の厚さ方向温度分布を溶銑装入直前時点で求め、処理中の内張耐火物による奪熱量を測定された温度分布に基づき算出し、スタティック制御因子に組み込む方法が開示されている。特許文献２には、放射温度計によって転炉の内張耐火物の表面温度を測定し、当該測定温度と時刻情報から放冷曲線を求め、その後の吹錬での温度降下量を予測してスタティック制御における熱収支計算に取り入れる方法が開示されている。特許文献３には、転炉製鋼における操業情報を入力とし、静的吹錬制御方法における不明熱量および不明酸素量を出力とするニューラルネットワークを構築し、当該ニューラルネットワークを用いて当該不明熱量および不明酸素量を推定する静的吹錬制御方法が開示されている。

特開昭６３−１７１８２１号公報 特開２０１２−８７３４５号公報 特開平６−２００３１２号公報

しかしながら、特許文献１に開示された方法では、温度分布測定に時間を要するという問題があった。また、温度分布や奪熱量をスタティック制御要素に組み込み計算する際、炉体の比熱等の定数を用いるが、炉体耐火物等は、時間の経過に伴い損耗が進行するなど状態が変化するため、これらを定期的に更新しなければ計算と実態の乖離が発生してしまうという課題があった。特許文献２に開示された方法では、スタティック計算の適中精度は依然として大きな誤差を生じる場合があった。

特許文献３に開示された方法では、入力を転炉製鋼における操業情報として構築されたニューラルネットワークであり、後述する転炉の状態を反映した値を考慮していないので不明熱量および不明酸素量を精度よく推定できるものではなかった。本発明は、このような従来技術の問題点を鑑みてなされたものであり、その目的は、熱収支計算における適切な温度補正項を求めることができるスタティック制御方法、温度補正項推定装置および転炉制御装置を提供することである。

上記課題を解決するための手段は、以下の通りである。
（１）吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量と、を熱収支計算および物質収支計算を用いて算出するスタティック吹錬制御方法であって、前記熱収支計算は温度補正項を含み、吹錬の操業条件と転炉の状態を反映した値とから前記温度補正項を出力する学習済の学習モデルに、前記算出を行う吹錬の操業条件と転炉の状態を反映した値とを入力して前記温度補正項を出力する、スタティック吹錬制御方法。
（２）前記転炉の状態を反映した値は、炉口地金の付着量および底吹羽口の状態を示す値から選ばれる１種以上である、（１）に記載のスタティック吹錬制御方法。
（３）前記転炉の状態を反映した値は、炉内耐火物の温度および炉内耐火物の残厚から選ばれる１種以上をさらに含む、（２）に記載のスタティック吹錬制御方法。
（４）前記炉口地金の付着量は、前記付着量を複数の段階で示す指数で表される、（２）または（３）に記載のスタティック吹錬制御方法。
（５）前記炉口地金の付着量は、主原料装入前における前記転炉の炉口部を撮像して生成された画像データから算出される、（２）から（４）の何れか１つに記載のスタティック吹錬制御方法。
（６）前記炉内耐火物の温度は、主原料装入前における前記転炉の出鋼口下方の炉内耐火物の表面温度である、（３）に記載のスタティック吹錬制御方法。
（７）前記表面温度は放射温度計で測定される、（６）に記載のスタティック吹錬制御方法。
（８）吹錬の操業条件と、転炉の状態を反映した値と、吹錬終了後に算出される実績温度補正項とを用いて前記学習モデルを機械学習する、（１）から（７）のいずれか１つに記載のスタティック吹錬制御方法。
（９）吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量とを算出するスタティック吹錬制御における温度補正項を出力する温度補正項推定装置であって、吹錬の操業条件と転炉の状態を反映した値とを学習済の学習モデルに入力して温度補正項を出力する温度補正項推定部を有する、温度補正項推定装置。
（１０）前記学習済の学習モデルを更新する更新部をさらに有し、吹錬終了後に、前記更新部は、前記吹錬の操業条件と、前記転炉の状態を反映した値と、実績温度補正項とを用いて前記学習モデルを機械学習する、（９）に記載の温度補正項推定装置。
（１１）前記転炉の状態を反映した値は、炉口地金の付着量および底吹羽口の状態を示す値から選ばれる１種以上である、（９）または（１０）に記載の温度補正項推定装置。
（１２）前記転炉の状態を反映した値は、炉内耐火物の温度および炉内耐火物の残厚から選ばれる１種以上をさらに含む、（１１）に記載の温度補正項推定装置。
（１３）（９）から（１２）の何れか１つに記載の温度補正項推定装置と、前記温度補正項推定装置によって出力された温度補正項を含む熱収支計算と物質収支計算とを実施して、前記供給酸素量と前記冷材または昇熱材の投入量とを算出するプロセスコンピュータと、を有する、転炉制御装置。
（１４）転炉の炉口部を撮像して画像データを生成するカメラと、前記画像データを用いて前記炉口部の地金付着量を算出する地金付着量算出装置と、をさらに有する、（１３）に記載の転炉制御装置。
（１５）転炉の出鋼口下方の炉内耐火物の表面温度を測定する放射温度計をさらに有する、（１３）または（１４）に記載の転炉制御装置。

本発明に係るスタティック吹錬制御方法では、吹錬の操業条件に加え、転炉の状態を反映した値を用いて機械学習を行った学習済の学習モデルを用いて、熱収支計算に含まれる温度補正項を推定するので、オペレーターの経験年数や能力に依らず、適切な温度補正項を設定できる。このようにして設定された温度補正項を用いてスタティック吹錬制御を実施することで、溶鋼温度および溶鋼成分濃度を目標値により近づけられる供給酸素量と、冷材または昇熱材の投入量とが算出できる。

本実施形態に係るスタティック吹錬制御方法を実施できる転炉制御装置１０のブロック図である。 比較例１および発明例１〜５の温度補正項が許容誤差範囲内となる割合を示すグラフである。

スタティック吹錬制御方法は、吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量と算出するために用いられる。スタティック吹錬制御方法では、供給酸素量と、冷材または昇熱材（以後、「冷材等」と記載する）の投入量を熱収支計算および物質収支計算を用いて算出する。

熱収支計算では、例えば、入熱確定項、出熱確定項、冷却もしくは昇温項、誤差項、誤差項およびオペレーターによる温度補正項により構成される。このうち、温度補正項は、熱収支に対する影響を定量的に測定できない、もしくは、熱収支に対する影響を定量的に把握することが現実的ではない因子をまとめて熱収支計算に反映させる項として、オペレーターが設定している項である。このように、温度補正項は定量的に把握することが現実的でない因子を含むことから、オペレーターの経験年数や能力に依るところが大きく、吹錬を担当するオペレーターによってばらつきが生じる場合があった。

これに対し、本発明に係るスタティック吹錬制御方法では、過去の吹錬の操業条件と、転炉の状態を反映した値と、実績温度補正項とを用いて機械学習した学習済の学習モデルを用いて温度補正項を推定するので、オペレーターの経験年数や能力によらず、適切な温度補正項を推定できる。以下、本発明に係るスタティック吹錬制御方法をその実施形態を通じて説明する。なお、以下の実施形態では、転炉の状態を反映した値として炉口地金の付着量を用いた例で説明するが、転炉の状態を反映した値はこれに限らず、炉口地金の付着量、炉内耐火物の温度、炉内耐火物の残厚および底吹羽口の状態を示す値から選ばれる１種以上を用いてよい。

図１は、本実施形態に係るスタティック吹錬制御方法を実施できる転炉制御装置１０の構成を説明する機能ブロック図である。転炉制御装置１０は、プロセスコンピュータ１２と、温度補正項推定装置１４と、を有する。

プロセスコンピュータ１２は、転炉設備１００における吹錬の操業制御やデータ処理・蓄積を行う装置である。スタティック吹錬制御方法における熱収支計算および酸素収支計算はプロセスコンピュータ１２で実施され、これにより、供給酸素量と、冷材または昇熱材の投入量とが算出される。

温度補正項推定装置１４は、吹錬の操業条件、炉口地金の付着量とから熱収支計算における温度補正項を出力する装置である。温度補正項推定装置１４は、制御部２０と、格納部３０と、入力部４０とを有する。制御部２０は、温度補正項推定部２２と更新部２４とを有する。制御部２０は、例えば、ＣＰＵ等であって、格納部３０に保存されたプログラムやデータを用いて、温度補正項推定部２２および更新部２４における所定の処理を実行する。

格納部３０は、例えば、更新記録可能なフラッシュメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、メモリーカード等の情報記録媒体およびその読み書き装置である。格納部３０には、温度補正項推定部２２および更新部２４における所定の処理を実現するためのプログラムや、当該プログラムを実行中に使用するデータ等が予め格納されている。さらに、格納部３０には、吹錬の操業条件および炉口地金の付着量を入力として温度補正項を出力する学習済の学習モデル３２と、データベース３４が格納されている。本実施形態では学習モデル３２の構築に「ＤａｔａＲｏｂｏｔ」というＤａｔａＲｏｂｏｔ社製の機械学習ツールを用いた。

データベース３４には、過去に実施した吹錬の操業条件、炉口地金の付着量および実績温度補正項のデータが、例えば、出鋼ヒートごとに割り当てられる通し番号に対応つけられて所定数格納されている。ここで、データベース３４に格納される実績温度補正項とは、吹錬終了後に確定した供給酸素量および冷材等の投入量の実績値と熱収支計算とから逆算される温度補正項である。実績温度補正項は、プロセスコンピュータ１２により算出される。学習モデル３２は、データベース３４に格納されているこれらのデータを教師データとして機械学習されることで学習済の学習モデルとされ、格納部３０に格納されている。本実施形態において、学習モデルの構築に用いた吹錬の操業条件を下記表１に示す。

炉口地金の付着量は、吹錬の主原料装入前にオペレーター５０が転炉の炉口を目視することによって推定した値を用いる。本実施形態では、炉口地金の付着量として、例えば、３つの段階（早急に地金落としを実施する必要がある付着量：３、転炉の空きがあれば地金落としを実施する付着量：２、地金落としを実施する必要がない付着量：１）で示した指数（１〜３）を用いる。なお、炉口地金の付着量を示す指数は３つに限らず、２以上の複数であればよい。

炉口地金は、吹錬中に発生した溶鋼の飛沫が炉口耐火物に付着し、凝固して成長したものである。この炉口地金の付着量が少ないと炉口部への熱放散が大きくなる。また、炉口地金の付着量が多いと吹錬中に落下した地金が溶解するので溶鋼温度が上昇しにくくなる。このように、炉口地金の付着量は吹錬の熱収支に影響を及ぼすことから、熱収支計算で考慮すべき因子である。しかしながら、熱収支への影響を定量化することが困難であることから、炉口地金の付着量を熱収支計算に反映できていなかった。

これに対し、本実施形態に係るスタティック吹錬制御方法では、吹錬の操業条件に加え、炉口地金の付着量を指数化し、当該指数を含む教師データで機械学習させた学習済の学習モデルを用いて温度補正項を推定する。これにより、推定される温度補正項には炉口地金の付着量の影響が反映されるので、推定される温度補正項の精度が高くなる。

入力部４０は、オペレーター５０からの入力を受け付ける。入力部４０はオペレーター５０からの入力を受け付けると当該入力値を制御部２０に出力する。入力部４０は、例えば、キーボードやマウス等の入力装置である。

次に、温度補正項の算出方法について説明する。供給酸素量や冷材等の投入量を算出するスタティック計算を実施するタイミングは吹錬直前である。オペレーター５０は、このタイミングで入力部４０から炉口地金の付着量を示す指数を入力するとともに、プロセスコンピュータ１２から当該吹錬の操業条件を温度補正項推定部２２に伝送させる。入力部４０は当該指数を温度補正項推定部２２に出力する。

温度補正項推定部２２は、吹錬の操業条件と、炉口地金の付着量を示す指数を受け付けると、格納部３０から学習済の学習モデル３２を読み出す。温度補正項推定部２２は、学習モデル３２に操業条件と炉口地金付着量の指数を入力して温度補正項を出力させる。このようにして、温度補正項推定部２２は、熱収支計算に用いられる温度補正項を推定する。

温度補正項推定部２２は、推定した温度補正項をプロセスコンピュータ１２へ出力する。プロセスコンピュータ１２は、当該温度補正項を含む熱収支計算と物質収支計算とを実施し、供給酸素量と、冷材または昇熱材の投入量とを算出する。

温度補正項推定部２２で推定された温度補正項は、転炉操業の熱収支に影響を及ぼす炉口地金の付着量の影響が考慮された精度の高い温度補正項となる。このため、当該温度補正項を用いてスタティック吹錬制御を実施することで、吹錬終了時の溶鋼温度および溶鋼成分濃度をより目標値に近づけることができる。

次に、学習モデル３２の更新について説明する。本実施形態に係るスタティック吹錬制御方法において、学習済の学習モデル３２は吹錬終了後に更新されてもよい。学習済の学習モデル３２は、吹錬終了後に当該吹錬の操業条件、炉口地金の付着量を示す指数および実績温度補正項を用いて更新部２４により更新される。

吹錬終了後、プロセスコンピュータ１２は、確定供給酸素量、冷材等の確定投入量および誤差項を用いて実績温度補正項を算出する。プロセスコンピュータ１２は、更新部２４に操業条件および実績温度補正項を出力する。炉口地金の付着量を示す指数は、温度補正項推定部２２から更新部２４に出力される。なお、操業条件は、温度補正項推定部２２から更新部２４に出力されてもよい。

更新部２４は、操業条件、炉口地金付着量の指数および実績温度補正項を取得すると、これらデータを出鋼ヒートごとに割り当てられる通し番号に対応つけてデータベース３４に記録する。なお、これらデータを記録する際、更新部２４は、データベース３４に格納されている通し番号の内、最も小さい通し番号のデータを特定して当該データを消去してもよい。更新部２４は、データをデータベース３４に記録した後、データベース３４に格納されているデータを教師データとして学習モデル３２に入力して機械学習させる。このようにして、学習済の学習モデル３２は、更新部２４によって吹錬終了後に更新される。

次に、温度補正項推定部によって推定される温度補正項の精度について確認した結果を説明する。学習モデル３２に入力する教師データとして表１に示した操業条件、炉口地金付着量および実績温度補正項を用いた場合を発明例１とする。教師データとして表１に示した操業条件、炉内耐火物温度および実績温度補正項を用いた場合を発明例２とする。教師データとして操業条件、炉内耐火物の残厚および実績温度補正項を用いた場合を発明例３とする。教師データとして表１に示した操業条件、底吹羽口の状態および実績温度補正項を用いた場合を発明例４とする。また、教師データとして表１に示した操業条件、炉口地金付着量、炉内耐火物温度および実績温度補正項を用いた場合を発明例５とする。一方、教師データとして操業条件および実績温度補正項を用いた場合を比較例１とする。

炉内耐火物温度としては、主原料の装入直前にサーモビューアーで出鋼口下方の耐火物の表面温度を測定した値を用いた。なお、サーモビューアーは放射温度計の一例である。また、耐火物温度は、主原料の装入直前に毎回測定しなくてもよく、同一の転炉に対しては１つの耐火物温度の測定値を複数の吹錬の温度補正項の算出に用いてもよい。耐火物温度の測定値を複数の吹錬で用いる場合には、格納部３０に格納されたデータのうち最も近いタイミングで測定された、通し番号が近い耐火物温度の測定値を用いることが好ましい。

炉内耐火物の残厚としては、主原料の装入直前の炉内全周のレーザープロフィールデータを測定し、炉修直後の基準プロフィールデータから測定されたプロフィールデータを減じた差分値を用いた。炉内耐火物のプロフィール測定も当該吹錬の直前に毎回測定しなくてもよく、同一の転炉に対しては１つの炉内耐火物の残厚の値を複数の吹錬の温度補正項の算出に用いてもよい。炉内耐火物の残厚の値を複数の吹錬で用いる場合には、格納部３０に格納されたデータのうち最も近いタイミングで測定された、炉回数（直近の炉修後、当該転炉で吹錬を行なった回数）が近い炉内耐火物の残厚の値を用いることが好ましい。耐火物温度および炉内耐火物の残厚は転炉からの放熱に影響するので、転炉の熱収支に影響を及ぼすと考えられる。このため、これらを教師データとして用いることで、終点温度を的中できる温度補正項の算出精度が向上する。また、炉底羽口の状態を示す値としては、下記（３）式で算出されるノズル定数を用いた。

上記（３）式におけるＱは、炉底から吹き込む不活性ガスの総和（ＮＬ／ｍｉｎ）である。Ｐは羽口前圧力（ＭＰａ）であり、転炉の底部に設けられた各羽口に分岐する前の配管内ガス圧力である。

比較例１および発明例１〜５で教師データとした用いたデータ数および推定用に用いたたデータ数を下記表２に示す。表２に示すように、全データのうち８割のデータを学習モデルの教師用データとして用い、２割のデータを検証用として用いた。

吹錬における溶鋼の終点温度が的中したか否かは、「実績温度−目標温度」の絶対値が１０℃未満であるか否かで判断した。操業条件を用いて１０℃を熱量に換算すると４６．８×１０４ｋｃａｌとなる。このため、本実施形態では、温度補正項推定部２２によって推定された温度補正項と実績温度補正項との差の絶対値が４６．８×１０^４ｋｃａｌ以下となった場合に温度補正項が許容誤差内であるとした。一方、温度補正項推定部２２によって推定された温度補正項と実績温度補正項との差の絶対値が４６．８×１０^４ｋｃａｌより大きくなった場合に温度補正項は許容誤差範囲内ではないとした。比較例１および発明例１〜５について、予測用のデータを用いて推定された全温度補正項のうち許容誤差範囲内となった温度補正項の割合を算出した。結果を図２に示す。

図２は、比較例１および発明例１〜５の温度補正項が許容誤差範囲内となる割合を示すグラフである。図２に示すように、発明例１〜５の温度補正項が許容誤差内となる割合は比較例１よりも高くなった。この結果から、操業条件に炉口地金付着量、炉内耐火物温度、炉内耐火物の残厚および底吹羽口の状態を示す値から選ばれる１種以上を加えた教師データを用いて機械学習させた学習済みの学習モデルを用いることで、許容誤差内となる温度補正項を高い割合で算出できる、すなわち、吹錬における溶鋼の終点温度を的中できる温度補正項を精度よく算出できることが確認された。

このように、本実施形態に係るスタティック吹錬制御方法では、吹錬の操業条件に加え、転炉の状態を反映した値を用いて機械学習を行った学習済の学習モデルを用いて、熱収支計算に含まれる温度補正項を推定するので、オペレーターの経験年数や能力に依らず、且つ、適切な温度補正項を設定できる。このようにして設定された温度補正項を用いてスタティック吹錬制御を実施することで、溶鋼温度および溶鋼成分濃度を目標値により近づけられる供給酸素量と、冷材または昇熱材の投入量とが算出できる。

なお、本実施形態では、オペレーター５０が転炉の炉口を目視して炉口地金の付着量を１〜３の指数で入力する例を示したが、これに限らない。例えば、炉口部をカメラで撮像して生成された画像データを用いて炉口地金の付着量を測定してもよい。この場合において、転炉制御装置１０は、カメラと地金付着量算出装置をさらに有する。カメラは、転炉の炉口部を撮像して画像データを生成する。地金付着量算出装置は、カメラから取得した画像データを、転炉の改修後であって炉口に地金が付着していない状態で撮像された画像データと比較することで炉口に付着した地金の画像領域を特定し、特定された地金の画像領域の大きさに基づいて炉口地金の付着量を測定する。地金付着量算出装置は、測定した炉口地金の付着量を温度補正項推定部２２に出力する。

転炉の状態を反映した値として炉内耐火物の温度を用いる場合、当該温度をサーモビューアーで測定してもよい。この場合において、転炉制御装置１０は、当該サーモビューアーをさらに有する。サーモビューアーは、転炉の出鋼口下方の炉内耐火物の表面温度を測定し、当該測定値を温度補正項推定部２２に出力する。

本実施形態では、学習済みの学習モデルが格納部３０に格納される例を示したが、これに限らない。格納部３０には学習モデルが格納されており、温度補正項推定部２２が、温度補正項を推定する都度、格納部３０に格納されているデータベース３４のデータを教師データとして学習モデルを機械学習させるとしてもよい。さらに、温度補正項推定装置１４が更新部２４を有する例を示したが、学習済の学習モデル３２を更新しない場合は、更新部２４を有しなくてもよい。

本実施形態では、データベース３４が格納部３０に格納されている例を示したが、これに限らない。データベース３４はプロセスコンピュータ１２に格納されていてもよい。この場合において、学習モデル３２の更新は、吹錬終了後にプロセスコンピュータ１２からデータベース３４に格納されているデータを更新部２４に伝送し、更新部２４は当該データを学習モデル３２に入力し機械学習させることで実施される。

本実施形態では、プロセスコンピュータ１２から吹錬の操業条件を温度補正項推定部２２に伝送させる例を示したが、これに限らない。例えば、吹錬の操業条件は、オペレーター５０によって入力部４０から温度補正項推定部２２に入力されてもよい。さらに、温度補正項推定部２２によって出力された温度補正項をプロセスコンピュータ１２に出力する例を示したが、これに限らない。例えば、温度補正項推定部２２によって出力された温度補正項をディスプレイ等の表示部に表示させてもよい。この場合において、温度補正項推定装置１４は、ディスプレイ等の表示部をさらに有する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者には明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

また、特許請求の範囲、明細書、および図面中に示した装置における動作、手順およびステップの各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるものでない限り、任意の順序で実現し得る。

１０ 転炉制御装置
１２ プロセスコンピュータ
１４ 温度補正項推定装置
２０ 制御部
２２ 温度補正項推定部
２４ 更新部
３０ 格納部
３２ 学習モデル
３４ データベース
４０ 入力部
５０ オペレーター
１００ 転炉設備

Claims (15)

1. 吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量と、を熱収支計算および物質収支計算を用いて算出するスタティック吹錬制御方法であって、
   前記熱収支計算は温度補正項を含み、
   吹錬の操業条件と転炉の状態を反映した値とから前記温度補正項を出力する学習済の学習モデルに、前記算出を行う吹錬の操業条件と転炉の状態を反映した値とを入力して前記温度補正項を出力する、スタティック吹錬制御方法。
2. 前記転炉の状態を反映した値は、炉口地金の付着量および底吹羽口の状態を示す値から選ばれる１種以上である、請求項１に記載のスタティック吹錬制御方法。
3. 前記転炉の状態を反映した値は、炉内耐火物の温度および炉内耐火物の残厚から選ばれる１種以上をさらに含む、請求項２に記載のスタティック吹錬制御方法。
4. 前記炉口地金の付着量は、前記付着量を複数の段階で示す指数で表される、請求項２または請求項３に記載のスタティック吹錬制御方法。
5. 前記炉口地金の付着量は、主原料装入前における前記転炉の炉口部を撮像して生成された画像データから算出される、請求項２から請求項４の何れか一項に記載のスタティック吹錬制御方法。
6. 前記炉内耐火物の温度は、主原料装入前における前記転炉の出鋼口下方の炉内耐火物の表面温度である、請求項３に記載のスタティック吹錬制御方法。
7. 前記表面温度は放射温度計で測定される、請求項６に記載のスタティック吹錬制御方法。
8. 吹錬の操業条件と、転炉の状態を反映した値と、吹錬終了後に算出される実績温度補正項とを用いて前記学習モデルを機械学習する、請求項１から請求項７のいずれか一項に記載のスタティック吹錬制御方法。
9. 吹錬終了時の溶鋼成分および溶鋼温度を目標値にするための供給酸素量と、冷材または昇熱材の投入量とを算出するスタティック吹錬制御における温度補正項を出力する温度補正項推定装置であって、
   吹錬の操業条件と転炉の状態を反映した値とを学習済の学習モデルに入力して温度補正項を出力する温度補正項推定部を有する、温度補正項推定装置。
10. 前記学習済の学習モデルを更新する更新部をさらに有し、
    吹錬終了後に、前記更新部は、前記吹錬の操業条件と、前記転炉の状態を反映した値と、実績温度補正項とを用いて前記学習モデルを機械学習する、請求項９に記載の温度補正項推定装置。
11. 前記転炉の状態を反映した値は、炉口地金の付着量および底吹羽口の状態を示す値から選ばれる１種以上である、請求項９または請求項１０に記載の温度補正項推定装置。
12. 前記転炉の状態を反映した値は、炉内耐火物の温度および炉内耐火物の残厚から選ばれる１種以上をさらに含む、請求項１１に記載の温度補正項推定装置。
13. 請求項９から請求項１２の何れか一項に記載の温度補正項推定装置と、
    前記温度補正項推定装置によって出力された温度補正項を含む熱収支計算と物質収支計算とを実施して、前記供給酸素量と前記冷材または昇熱材の投入量とを算出するプロセスコンピュータと、
    を有する、転炉制御装置。
14. 転炉の炉口部を撮像して画像データを生成するカメラと、
    前記画像データを用いて前記炉口部の地金付着量を算出する地金付着量算出装置と、をさらに有する、請求項１３に記載の転炉制御装置。
15. 転炉の出鋼口下方の炉内耐火物の表面温度を測定する放射温度計をさらに有する、請求項１３または請求項１４に記載の転炉制御装置。

Images