JP2021509440A - 高炉操業状況評価システム及び方法 - Google Patents

Abstract

【課題】高炉操業状況評価システム及び方法を提供する。【解決手段】本発明による高炉操業状況評価システムは、高炉に備えられた複数の羽口別に画像データを獲得する画像獲得部と、画像獲得部によって獲得された羽口別画像データを収集する画像収集部と、羽口別画像データを用いて人工知能をベースに各羽口別燃焼状態を分類する羽口燃焼状態判断部と、羽口燃焼状態判断部によって分類された羽口別燃焼状態の分類結果を用いて羽口別燃焼状態指数を生成する羽口燃焼状態指数生成部と、羽口別燃焼状態指数を基に統合燃焼状態指数を生成する統合評価部と、を含む。【選択図】図１

Description

本発明は、高炉操業状況評価システム及び方法に関する。

高炉操業状況を評価するために、高炉の羽口などを介して撮影した画像データを分析して炉内の状況を判断するか、又は操業データをモニタリングして炉内の状況を判断しようとする試みがなされている。

しかし、従来は、操業者が単に画像データを介して高炉の燃焼性又は炉況を定性的に判断するか、又は画像データの輝度分析を介して炉内の状況を判断するにとどまった。

これに関連して、特開２０１５−５２１４８号公報（公開日：２０１５．０３．１９）には、溶鉱炉の操業状況の判定に基づいた制御方法が開示されている。

本発明は、上記従来の問題点に鑑みてなされたものであって、本発明の目的は、羽口の画像データを基に羽口の燃焼性状態を定量的に評価し、これに基づいて、高炉操業状況を統合的に評価するための高炉操業状況評価システム及び高炉操業状況評価方法を提供することにある。

上記目的を達成するためになされた本発明の一態様による高炉操業状況評価システムは、高炉に備えられた複数の羽口のそれぞれに対応した羽口別画像データを獲得する画像獲得部と、前記画像獲得部によって獲得された前記羽口別画像データを収集する画像収集部と、前記羽口別画像データを用いて人工知能をベースに各羽口別燃焼状態を分類する羽口燃焼状態判断部と、前記羽口燃焼状態判断部によって分類された羽口別燃焼状態の分類結果を用いて羽口別燃焼状態指数を生成する羽口燃焼状態指数生成部と、前記羽口別燃焼状態指数に基づいて統合燃焼状態指数を生成する統合評価部と、を含むことを特徴とする。

上記目的を達成するためになされた本発明の一態様による高炉操業状況評価方法は、高炉に備えられた複数の羽口のそれぞれに対応した羽口別画像データを収集する段階と、前記羽口別画像データを用いて人工知能をベースに各羽口別燃焼状態を分類する段階と、羽口別燃焼状態の分類結果を用いて羽口別燃焼状態指数を生成する段階と、前記羽口別燃焼状態指数に基づいて統合燃焼状態指数を生成する段階と、を含むことを特徴とする。

本発明によれば、羽口画像データを用いて、ディープラーニングをベースに羽口燃焼状態を分類することができ、羽口燃焼状態の分類結果に加えて羽口画像データの分析結果及び高炉操業データの分析結果をさらに活用することで、各羽口別に羽口燃焼状態指数を抽出するとともに、高炉操業状況を統合的に評価及び制御することができる。

これにより、高炉燃焼性及び炉況を定量的に評価することにより、安定した高炉操業を可能にし、且つ生産性を向上させることができる。

本発明の一実施形態による高炉操業状況評価システムの構成図である。 本発明の一実施形態により、ディープラーニングをベースに１次的に羽口燃焼状態を分類する概念を説明する図である。 本発明の一実施形態により、ディープラーニングをベースに１次的に分類した結果を時系列に蓄積した結果に基づいて、羽口燃焼状態の分類を確定する概念を説明する図である。 本発明の一実施形態により、ディープラーニングをベースに１次的に分類した結果を時系列に蓄積した結果に基づいて、羽口燃焼状態の分類を確定する概念を説明する図である。 本発明の他の実施形態による高炉操業状況評価方法のフローチャートである。

以下、図面を参照しながら、本発明が属する技術分野における通常の知識を有する者が本発明を容易に実施することができるように好ましい実施形態について詳細に説明する。但し、本発明の好ましい実施形態を詳細に説明するにあたり、関連した公知の機能又は構成に関する具体的な説明が本発明の要旨を曖昧にする可能性があると判断される場合にはその詳細な説明を省略する。また、類似した機能及び作用をする部分に対しては、図面全体にわたって同一の符号を用いる。

また、明細書全体にわたって、ある部分が他の部分に「連結」されているとき、これは「直接的に連結」される場合だけでなく、その中間に他の素子を挟んで「間接的に連結」される場合も含む。尚、ある構成要素を「含む」とは、特に記載しない限り、他の構成要素を除外するのではなく、他の構成要素をさらに含み得る。

図１は、本発明の一実施形態による高炉操業状況評価システムの構成図である。

図１に示すように、本発明の一実施形態による高炉操業状況評価システム１００は、画像獲得部１１０、画像収集部１２０、羽口燃焼状態判断部１３０、羽口燃焼状態指数生成部１４０、操業情報収集部１５０、統合評価部１６０、及び炉況制御部１７０を含んで構成される。

画像獲得部１１０は、高炉１０に備えられた各羽口１１別に画像データを獲得する。

例えば、画像獲得部１１０は、それぞれの羽口１１に設けられた複数のカメラを含み、それぞれのカメラを介して各羽口別画像データをリアルタイムで（例えば、ｍｓ単位）獲得する。

画像収集部１２０は、画像獲得部１１０によって獲得された各羽口別画像データを収集する。

例えば、画像収集部１２０は、画像獲得部１１０に含まれた複数のカメラから各羽口別にリアルタイムで獲得された画像データを収集する。

また、画像収集部１２０は、収集された画像データを羽口番号やデータ獲得時間などを含む収集環境情報にマッピングする。

画像収集部１２０によってマッピングが完了した画像データは、高炉操業状況評価システム１００に備えられたデータ記憶部（図示せず）に格納されるか、又は羽口燃焼状態判断部１３０にリアルタイムで伝達される。

羽口燃焼状態判断部１３０は、画像収集部１２０から伝達された各羽口別画像データを用いて各羽口別に燃焼状態を分類するためのものであって、ＡＩベース判断部１３１及び画像処理ベース判断部１３２を含んで構成される。

ＡＩベース判断部１３１は、各羽口別画像データを用いて人工知能をベースに各羽口別に燃焼状態を分類する。例えば、ＡＩベース判断部１３１は、ディープラーニングをベースに各羽口別燃焼状態を分類する。

一実施形態によると、ＡＩベース判断部１３１は、１次的に各羽口別画像データを用いて、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）をベースに各羽口別燃焼状態を分類する。

必要に応じて、ＡＩベース判断部１３１は、１次的に分類された各羽口別燃焼状態の分類結果を時系列に蓄積した結果に基づいて、羽口燃焼状態の分類を確定することで、燃焼状態の分類の整合性をさらに向上させる。

ＡＩベース判断部１３１によって羽口燃焼状態を分類及び確定する概念を、図２〜図４を参照してより具体的に説明する。

図２は、本発明の一実施形態により、ディープラーニングをベースに１次的に羽口燃焼状態を分類する概念を説明する図である。

図２を参照すると、ＡＩベース判断部１３１は、各羽口別に獲得された第１羽口画像〜第Ｎ羽口画像データ（２１〜２Ｎ）に対して、それぞれ画像ディープラーニング、例えば、ＣＮＮをベースに燃焼状態を分類して、第１羽口燃焼状態の分類〜第Ｎ羽口燃焼状態の分類（２１’〜２Ｎ’）の結果を獲得する。ここで、Ｎは羽口の数を意味する。

図３及び図４は、本発明の一実施形態により、ディープラーニングをベースに１次的に分類した結果を、時系列に蓄積した結果に基づいて、羽口燃焼状態の分類を確定する概念を説明する図である。

先ず、図３を参照すると、ＡＩベース判断部１３１は、各羽口別に１次的に分類された燃焼状態の分類の結果を時系列に蓄積した結果として、すなわち、第１羽口燃焼状態の分類（３１−１、３１−２、３１−３）、第２羽口燃焼状態の分類（３２−１、３２−２、３２−３）、及び第Ｎ羽口燃焼状態の分類（３Ｎ−１、３Ｎ−２、３Ｎ−３）に基づいて、各羽口別に羽口燃焼状態の分類を確定し、確定された羽口燃焼状態の分類結果（３１’〜３３’）を獲得する。

本実施形態において、いずれかの燃焼状態の分類が予め設定された回数以上発生した場合、羽口燃焼状態の分類を確定するために任意の時間期間（ｔ−１〜ｔ＋１）の間に１次的に分類された複数の燃焼状態の分類の結果が、該当燃焼状態の分類として確定される。これにより、羽口燃焼状態の分類の精度をより向上させることができる。

次に、図４を参照すると、ＡＩベース判断部１３１は、各羽口別に１次的に分類された燃焼状態の分類の結果を時系列に蓄積した結果として、すなわち、第１羽口燃焼状態の分類（４１−１、４１−２、４１−３）、第２羽口燃焼状態の分類（４２−１、４２−２、４２−３）、及び第Ｎ羽口燃焼状態の分類（４Ｎ−１、４Ｎ−２、４Ｎ−３）に対して、画像時系列ディープラーニングをベースに各羽口別に羽口燃焼状態の分類を確定し、確定された羽口燃焼状態の分類結果（４１’〜４３’）を獲得する。

例えば、ＡＩベース判断部１３１は、任意の時間期間（ｔ−１〜ｔ＋１）の間に各羽口別に１次的に分類された複数の燃焼状態の分類結果を用いることで、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）又はＲＣＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）をベースに各羽口別に羽口燃焼状態の分類を確定する。

羽口の燃焼状態は、時間の流れに伴う連続性を有して変化するため、任意の一時点の状態だけで羽口の燃焼状態を判断するには精度が低下する可能性がある。

したがって、本実施形態によると、時間的流れに伴う羽口の燃焼状態の変化を総合的に評価して羽口の燃焼状態の分類を確定するために、画像時系列ディープラーニングを適用して、羽口燃焼状態の分類の精度をさらに向上させることができる。

一方、図３及び図４に示すように、時系列に蓄積した結果に基づいて羽口燃焼状態の分類を確定するにあたり、１次的に分類した結果を蓄積する時間期間（例えば、ｔ−１〜ｔ＋１）及び該当時間期間の開始時点（ｔ−１）に応じて、分類の精度に影響を与える可能性もある。

一実施形態によると、初期遂行時には、該当羽口燃焼状態の分類が最初に感知された時点を皮切りに、ユーザーによって設定された時間期間の間に１次的に分類した結果を蓄積して羽口燃焼状態の分類を確定する。

また、羽口燃焼状態の分類の確定結果が累積されると、羽口燃焼状態の分類が最初に感知された時点から羽口燃焼状態の分類が他の状態に遷移する時点までの経過時間情報に応じて上述した時間期間を調整することにより、分類の精度をさらに向上させることができる。

ＡＩベース判断部１３１によって分類される羽口の燃焼状態は、例えば、燃焼状態正常、燃焼状態不良、微粉炭未吹込、未還元溶融物落下（生鉱落下）、コークス旋回などを含む。ここで、微粉炭未吹込とは、微粉炭が吹き込まれるか否かを判断することを意味し、未還元溶融物落下（生鉱落下）とは、炉の上部で還元される必要のある原料が未還元のまま落下する未還元原料溶融物が落下するか否かを判断することを意味し、コークス旋回とは、炉の中部においてコークスが旋回するか否かを判断することを意味する。

画像処理ベース判断部１３２は、各羽口別画像データに対する画像処理を介して羽口設備を診断するとともに、羽口燃焼状態を判断する。

一実施形態によると、画像処理ベース判断部１３２は、各羽口別画像データに対する画像処理を介して羽口の曲損有無、羽口付着物有無、羽口詰まり、ランス曲げ、又はバーニングなどを含む羽口設備異常状態を判断する。

また、画像処理ベース判断部１３２は、各羽口別画像データに対する画像処理を介して燃焼面積及び燃焼の明るさ（すなわち、輝度）を抽出する。

尚、画像処理ベース判断部１３２は、燃焼状態が正常である場合には、各羽口別画像データに対する画像処理を介して微粉炭流量を判別する。

画像処理ベース判断部１３２における各羽口別画像データに対する画像処理のために、当業者に公知された多様な画像処理技法が適用され、これについての具体的な説明は省略する。

上述したＡＩベース判断部１３１及び画像処理ベース判断部１３２による判断は、並列的に行われ得る。

羽口燃焼状態判断部１３０によって分類された各羽口別燃焼状態の分類結果及び羽口設備診断の結果は、各羽口別画像データ及び収集環境情報とともにマッピングされて格納及び管理される。

羽口燃焼状態指数生成部１４０は、羽口燃焼状態判断部１３０によって分類された各羽口別燃焼状態の分類結果を用いることにより、各羽口別に燃焼状態指数を生成する。

一実施形態によると、羽口燃焼状態指数生成部１４０によって生成される各羽口別の燃焼状態指数は、燃焼状態不良指数、微粉炭未吹込指数、未還元溶融物落下（生鉱落下）指数、コークス旋回指数、燃焼状態レベル指数、微粉炭流量指数、羽口燃焼帯（Ｒａｃｅｗａｙ）指数などを含む。

例えば、羽口燃焼状態指数生成部１４０は、予め設定された期間ごとに羽口燃焼状態判断部１３０による各羽口別燃焼状態の分類結果に基づいて、任意の分類結果が発生した回数をカウントし、該当期間別にカウントされた回数に応じて点数化することで、関連指数を生成する。

また、羽口燃焼状態指数生成部１４０は、燃焼状態レベル指数に対しては、羽口燃焼状態判断部１３０によって抽出された燃焼面積及び燃焼の明るさ（すなわち、輝度）に応じて点数化し、予め設定された期間中に計算された点数を総合して燃焼状態レベル指数を生成する。ここで、燃焼状態レベル指数を生成するために用いられる基準情報は、管理者による入力信号に応じて更新される。これにより、更新された基準情報がリアルタイムで反映されて、高炉の状況が反映された指数情報を生成する。

また、羽口燃焼状態指数生成部１４０は、羽口燃焼状態判断部１３０によって判断された羽口設備診断結果を点数化して羽口設備異常指数を生成する。ここで、羽口設備異常指数は、羽口曲損指数、羽口付着物指数、羽口詰まり指数、ランス損傷指数などを含む。

操業情報収集部１５０は、高炉操業中に生成される操業情報をリアルタイムで収集するためのものである。ここで、操業情報は、例えば、高炉炉体温度、圧力、冷却水の流量などを含む。

操業情報収集部１５０によってリアルタイムで収集される操業情報は、上述した羽口燃焼状態指数生成部１４０によって生成された羽口燃焼状態指数情報にマッピングされて格納及び管理される。

統合評価部１６０は、羽口燃焼状態指数生成部１４０によって各羽口別に生成された羽口燃焼状態指数情報、及び操業情報収集部１５０によって収集された操業情報に基づいて高炉の円周方向に統合的に評価する。

一実施形態によると、統合評価部１６０は、羽口燃焼状態指数生成部１４０により、各羽口別に生成された羽口燃焼状態指数情報を総合的に評価して統合燃焼状態指数を生成する。例えば、統合燃焼状態指数は、統合燃焼状態不良指数、統合微粉炭未吹込指数、統合未還元溶融物落下（生鉱落下）指数などのように、各羽口別に生成された羽口燃焼状態指数に１：１でマッチングされる統合燃焼状態指数を含み得る。

また、統合評価部１６０は、各羽口別に生成された羽口燃焼帯（ｒａｃｅｗａｙ）指数に基づいて、円周バランス指数を生成する。

また、統合評価部１６０は、各羽口別に生成された羽口設備異常指数に基づいて、統合羽口設備異常指数を生成する。

炉況制御部１７０は、羽口燃焼状態指数生成部１４０によって各羽口別に生成された羽口燃焼状態指数情報、又は統合評価部１６０によって生成された統合燃焼状態指数に基づいて、微粉炭吹込制御、Ｎ２パージ制御、及び高炉装入物制御のうちの少なくとも一つを行うことで高炉炉況を制御する。

一実施形態によると、炉況制御部１７０は、任意の羽口に対する微粉炭未吹込指数が予め設定された基準値を超えた場合、微粉炭吹込制御を行う。

また、炉況制御部１７０は、任意の羽口領域において生鉱落下が発生し、未還元溶融物落下指数が予め設定された基準値を超えた場合、高炉装入物制御を行う。

他の実施形態によると、炉況制御部１７０は、統合燃焼状態指数又は円周バランス指数情報に基づいて、複数の羽口に対して統合的に制御を行う。

例えば、炉況制御部１７０は、任意の一方向にのみ生鉱落下が発生した場合には、装入物分布を変更して装入物が落下する方向を変更するなどのように高炉装入物を制御する。

図１を参照して上述した高炉操業状況評価システム１００は、入力データに人工知能アルゴリズムを適用して画像処理を行い、各種指数の演算が可能な処理装置と、高炉制御を行う制御装置との組み合わせによって具現される。

図５は、本発明の他の実施形態による高炉操業状況評価方法のフローチャートである。

図５に示すように、本発明の他の実施形態による高炉操業状況評価方法によると、画像獲得部１１０及び画像収集部１２０により、高炉に備えられた各羽口別に画像データをリアルタイムで収集する（Ｓ５１０）。

次に、羽口燃焼状態判断部１３０により、各羽口別画像データを用いて、各羽口の燃焼状態を分類する（Ｓ５２０）。具体的には、ＡＩベース判断部１３１により、各羽口別画像データを用いて人工知能をベースに１次的に羽口燃焼状態を分類した後（Ｓ５２１）、分類結果に基づいて羽口燃焼状態の分類を確定する（Ｓ５２２）。また、これと並列的に、画像処理ベース判断部１３２により、各羽口別画像データに対する画像処理を介して各羽口の燃焼状態を分類するとともに、羽口設備を診断する（Ｓ５２５）。

その後、羽口燃焼状態指数生成部１４０により、各羽口別燃焼状態の分類結果に基づいて羽口別燃焼状態指数を生成し（Ｓ５３０）、統合評価部１６０により、生成された羽口別燃焼状態指数に基づいて高炉の操業状況を円周方向に統合的に評価する（Ｓ５４０）。

続いて、炉況制御部１７０により、統合的に評価された操業状況に基づいて炉況を制御する（Ｓ５５０）。

図５を参照して、上述した各段階の具体的な遂行方法は、図１〜図４を参照して上述したとおりであるため、これについての重複説明は省略する。

本発明は、上述した実施形態及び図面によって限定されない。本発明が属する技術分野における通常の知識を有する者にとって、本発明の技術的思想を逸脱しない範囲内で本発明による構成要素を置換、変形、及び変更することが可能である。

１０ 高炉
１１ 羽口
１００ 高炉操業状況評価システム
１１０ 画像獲得部
１２０ 画像収集部
１３０ 羽口燃焼状態判断部
１３１ ＡＩベース判断部
１３２ 画像処理ベース判断部
１４０ 羽口燃焼状態指数生成部
１５０ 操業情報収集部
１６０ 統合評価部
１７０ 炉況制御部

Claims (12)

1. 高炉に備えられた複数の羽口のそれぞれに対応した羽口別画像データを獲得する画像獲得部と、
   前記画像獲得部によって獲得された前記羽口別画像データを収集する画像収集部と、
   前記羽口別画像データを用いて人工知能をベースに各羽口別燃焼状態を分類する羽口燃焼状態判断部と、
   前記羽口燃焼状態判断部によって分類された羽口別燃焼状態の分類結果を用いて羽口別燃焼状態指数を生成する羽口燃焼状態指数生成部と、
   前記羽口別燃焼状態指数に基づいて統合燃焼状態指数を生成する統合評価部と、を含むことを特徴とする高炉操業状況評価システム。
2. 前記羽口燃焼状態判断部は、
   前記羽口別画像データを用いてディープラーニングをベースに各羽口別燃焼状態を分類するＡＩベース判断部を含むことを特徴とする請求項１に記載の高炉操業状況評価システム。
3. 前記ＡＩベース判断部は、ディープラーニングをベースに分類された羽口別燃焼状態の分類結果を予め設定された時間期間の間に時系列に蓄積した結果に基づいて羽口別燃焼状態の分類を確定することを特徴とする請求項２に記載の高炉操業状況評価システム。
4. 前記ＡＩベース判断部は、前記時間期間の間に任意の燃焼状態の分類が予め設定された回数以上発生すると燃焼状態の分類を確定することを特徴とする請求項３に記載の高炉操業状況評価システム。
5. 前記ＡＩベース判断部は、前記時間期間の間に蓄積された羽口別燃焼状態の分類結果に対して時系列ディープラーニングをベースに燃焼状態の分類を確定することを特徴とする請求項３に記載の高炉操業状況評価システム。
6. 前記羽口別燃焼状態の分類が最初に検出された時点から前記羽口別燃焼状態の分類が他の状態に遷移する時点までは経過時間情報に応じて前記時間期間を調整することを特徴とする請求項３に記載の高炉操業状況評価システム。
7. 前記羽口燃焼状態判断部は、
   前記羽口別画像データに対する画像処理を介して羽口設備を診断し、羽口燃焼状態を判断する画像処理ベース判断部をさらに含むことを特徴とする請求項２に記載の高炉操業状況評価システム。
8. 前記燃焼状態の分類は、燃焼状態正常、燃焼状態不良、微粉炭未吹込、未還元溶融物落下、及びコークス旋回を含むことを特徴とする請求項１に記載の高炉操業状況評価システム。
9. 前記羽口別燃焼状態指数又は前記統合燃焼状態指数に基づいて、微粉炭吹込制御、Ｎ２パージ制御、及び高炉装入物制御のうちの少なくとも一つを行う炉況制御部をさらに含むことを特徴とする請求項１に記載の高炉操業状況評価システム。
10. 前記羽口別燃焼状態指数は、燃焼状態不良指数、微粉炭未吹込指数、未還元溶融物落下指数、コークス旋回指数、燃焼状態レベル指数、微粉炭流量指数、及び羽口燃焼帯指数のうちの少なくとも一つを含むことを特徴とする請求項１に記載の高炉操業状況評価システム。
11. 高炉に備えられた複数の羽口のそれぞれに対応した羽口別画像データを収集する段階と、
    前記羽口別画像データを用いて人工知能をベースに各羽口別燃焼状態を分類する段階と、
    羽口別燃焼状態の分類結果を用いて羽口別燃焼状態指数を生成する段階と、
    前記羽口別燃焼状態指数に基づいて統合燃焼状態指数を生成する段階と、を含むことを特徴とする高炉操業状況評価方法。
12. 前記羽口別燃焼状態を分類する段階は、
    前記羽口別画像データを用いてディープラーニングをベースに各羽口別燃焼状態を分類する段階と、
    前記ディープラーニングをベースに分類された羽口別燃焼状態の分類結果を予め設定された時間期間の間に時系列に蓄積した結果に基づいて羽口別燃焼状態の分類を確定する段階と、を含むことを特徴とする請求項１１に記載の高炉操業状況評価方法。
    
    

Images