JP5635464B2 - 転炉の副原料投入量計算装置および該方法 - Google Patents
転炉の副原料投入量計算装置および該方法 Download PDFInfo
- Publication number
- JP5635464B2 JP5635464B2 JP2011172863A JP2011172863A JP5635464B2 JP 5635464 B2 JP5635464 B2 JP 5635464B2 JP 2011172863 A JP2011172863 A JP 2011172863A JP 2011172863 A JP2011172863 A JP 2011172863A JP 5635464 B2 JP5635464 B2 JP 5635464B2
- Authority
- JP
- Japan
- Prior art keywords
- auxiliary material
- input amount
- trial
- input
- calculation
- 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.)
- Active
Links
Description
Winput_P=Wslag・Pslag+Wst・Ptd
=Whm・Phm+W成分・P成分+W温度・P温度・・・(1)
ここで、Wslagは、吹練後のスラグ量であり、Pslagは、吹練後のスラグ中の燐濃度であり、Wstは、吹練後の溶鋼量であり、Ptdは、吹練後の溶鋼中の燐濃度である。また、Whmは、主原料の投入量であり、Phmは、主原料の燐濃度であり、W成分は、成分調整副原料の投入量であり、P成分は、成分調整副原料の燐濃度であり、W温度は、温度調整副原料の投入量であり、P温度は、温度調整副原料の燐濃度である。また、上記式1において、第1項「Whm・Phm」は、主原料中に含まれる燐分の総量を表し、第2項の「W成分・R成分」は、成分調整副原料にかかる燐分の総量を表し、そして、第3項の「W温度・R温度」は、温度調整副原料にかかる燐分の総量を表している。なお、転炉の場合、実際には、成分調整副原料は、複数の副原料から成り、第2項の「W成分・R成分」は、これら複数の副原料それぞれについての燐分の総和となり、そして、温度調整副原料も、複数の副原料から成り、第3項の「W成分・R成分」は、これら複数の副原料それぞれについての燐分の総和となる。成分調整副原料の投入量W成分は、生産すべき製品の成分や操業上の制約条件から決定される。
J=W成分・U成分+W温度・U温度 ・・・(3)
ここで、U成分は、成分調整副原料の単価であり、U温度は、温度調整副原料の単価である。
xk+1 i=xk i+vk+1 i ・・・(3−1)
vk+1 i=ω・vk i
+c1・rk 1,i・(xbest,k i−xk i)
+c2・rk 2,i・(xbest,k swarm−xk i) ・・・(3−2)
ここで、xk iは、k回目の試行での、解の探索範囲D={x;xl≦x≦xh}におけるi番目の粒子の位置、より具体的は、本実施形態では、xk i=[Wk i,副1,Wk i,副2](xk iは縦ベクトルとする)となる。vk iは、k回目の試行での、i番目の粒子の速度である。ωは、PSO法において、慣性係数と呼ばれる予め設定されるパラメータであり、c1は、PSO法において、congnitive scaling factorと呼ばれる予め設定されるパラメータであり、c2は、PSO法において、social scaling factorと呼ばれる予め設定されるパラメータであり、これらは、探索範囲の広さと収束速度に影響を及ぼすものである。rk 1,iおよびrk 2,iは、粒子xk iの動きを確率的なものとするための係数であり、0から1までの範囲に一様に分布する乱数によって各試行kにおいて設定されるものである。なお、上記では、rk 1,iおよびrk 2,iは、スカラーとしているが、rk 1,iおよびrk 2,iは、0から1までの範囲に一様に分布する乱数を対角要素に持つ対角行列であってもよい。また、xbest,k iは、i番目の粒子において、そのk番目の試行までに、最適な粒子の位置(すなわち、評価値Jが最良であったもの)を表し、xbest,k swarmは、全粒子において、そのk番目の試行において、最適な粒子の位置(すなわち、評価値Jが最良であったもの)を表す。
xbest,k i= arg min J(x)
x∈{xj i|j=1,・・・,k}
xbest,k swarm= arg min J(x)
x∈{xk h|h=1,・・・,Np}
である。ここで、J(x)は、粒子xに対する評価値Jの値を表すものとする。
1:Initialize x1 0,x1 1,・・・,x1 Np−1
(前述のように初期値は、乱数で決めてもよく、過去実績データから抽出してもよい)
2:[v1 0,v1 1,・・・,v1 Np−1] ← 0
(速度の初期値は、すべて0ベクトルに初期化する。)
3:for k=1 to Kmax do
4: for all i∈{0,1,・・・,Np-1} do
5: xpbest,k i= arg min J(x)
x∈{xj i|j=1,・・・,k}
6: xk sbest,i= arg min J(x)
x∈{xk h|h=i−ns/2,・・・,i+ns/2}
7: vk+1 i=ω・vk i
+c1・rk 1,i・(xpbest,k i−xk i)
+c2・rk 2,i・(xk sbest,i−xk i)
8: xk+1 i=xk i+vk+1 i
9: end for
10:end for
11:xopt= arg min J(x)
x∈{xpbest,Kmax h|h=0,・・・,Np-1}
ここで、J(x)は、粒子xに対する評価値(最適化の目的関数の値)を表すものとする。また、Npは、粒子数であり、k回目の反復における粒子の座標がベクトルxk 0,xk 1,・・・,xk Np−1とおかれ、さらに、記述を簡潔にするために、xk i=xk(i mod Np)と定められている。つまり、例えば、粒子数Np=100ならば、xk 1=xk 101であり、xk 0=xk 100であり、xk 99=xk -1である。そして、nsは、偶数であり、自身の粒子を含めて前後(ns/2)個、すなわち、合計(ns+1)個の粒子の中で、群ベストxk sbest,iの値を求めるものである。通常のPSOでは、k番目の試行において全粒子の中から群ベストxbest,k swarmの値を求めるのに対し、分散型PSOでは、それぞれ自身を含む小さな集団の中から群ベストxk sbest,iの値を求めるところが異なる。なお、本実施例では、ns=2としたが、ns=4,6,・・・としてもよい。
CF 転炉
1 副原料投入量計算装置
111 収支演算部
112 評価値演算部
113 制約条件処理部
114 PSO演算部
115 投入量演算部
Claims (4)
- 転炉中の溶鋼成分濃度を目標値に近づけるために投入する副原料の投入量を副原料の算定投入量として算定する転炉の副原料投入量計算装置であって、
前記副原料の投入量における初期値を設定する設定部と、
次回の試行における前記副原料の投入量を、現在の試行における前記副原料の投入量に基づいて演算する第1演算部と、
前記現在の試行における前記副原料の投入量に対する所定の評価値を演算する第2演算部と、
前記第1演算部による次回の試行における前記副原料の投入量の演算と前記第2演算部による所定の評価値の演算とを所定の試行回数だけ繰り返すことによって得られた前記副原料の投入量の中から、最良の評価値を持つ前記副原料の投入量を、前記副原料の算定投入量とする第3演算部とを備え、
前記第1演算部は、k回目の試行でのi番目の粒子における位置をx k i とし、前記k回目の試行でのi番目の粒子における速度をv k i とし、PSO法における慣性係数をωとし、前記PSO法におけるcongnitive scaling factorをc 1 とし、前記PSO法におけるsocial scaling factorをc 2 とし、0から1までの範囲に一様に分布する乱数によって設定される係数をr k 1,i およびr k 2,i とし、i番目の粒子におけるk番目の試行までに評価値Jが最良であったものをx best,k i とし、全粒子におけるk番目の試行での評価値Jが最良であったものをx best,k swarm とし、h番目の副原料の投入量をx h とする場合に、x k i =[x k i、1 、x k i、2 、・・・、x k i、h ]であり、次回の試行における前記副原料の投入量x k+1 i を、x k+1 i =x k i +v k+1 i およびv k+1 i =ω・v k i +c 1 ・r k 1,i (x best,k i −x k i )+c 2 ・r k 2,i (x best,k swarm −x k i )によって演算すること
を特徴とする転炉の副原料投入量計算装置。 - 前記PSO法は、分散型PSO法または分割型PSO法であること
を特徴とする請求項1に記載の転炉の副原料投入量計算装置。 - 前記現在の試行における前記副原料の投入量に対する所定の制約条件を演算し、前記所定の制約条件を満たさない場合には、前記第2演算部によって演算された前記現在の試行における前記副原料の投入量に対する所定の評価値を、前記所定の評価値の取り得る値の中で最も悪い値に書き換える第4演算部をさらに備えること
を特徴とする請求項1に記載の転炉の副原料投入量計算装置。 - 転炉中の溶鋼成分濃度を目標値に近づけるために投入する副原料の投入量を副原料の算定投入量として算定する転炉の副原料投入量計算方法であって、
前記副原料の投入量における初期値を設定する設定ステップと、
次回の試行における前記副原料の投入量を、現在の試行における前記副原料の投入量に基づいて演算する第1演算ステップと、
前記現在の試行における前記副原料の投入量に対する所定の評価値を演算する第2演算ステップと、
前記第1演算ステップによる次回の試行における前記副原料の投入量の演算と前記第2演算ステップによる所定の評価値の演算とを所定の試行回数だけ繰り返すことによって得られた前記副原料の投入量の履歴中から、最良の評価値を持つ前記副原料の投入量を、前記副原料の算定投入量とする第3演算ステップとを備え、
前記第1演算ステップは、k回目の試行でのi番目の粒子における位置をx k i とし、前記k回目の試行でのi番目の粒子における速度をv k i とし、PSO法における慣性係数をωとし、前記PSO法におけるcongnitive scaling factorをc 1 とし、前記PSO法におけるsocial scaling factorをc 2 とし、0から1までの範囲に一様に分布する乱数によって設定される係数をr k 1,i およびr k 2,i とし、i番目の粒子におけるk番目の試行までに評価値Jが最良であったものをx best,k i とし、全粒子におけるk番目の試行での評価値Jが最良であったものをx best,k swarm とし、h番目の副原料の投入量をx h とする場合に、x k i =[x k i、1 、x k i、2 、・・・、x k i、h ]であり、次回の試行における前記副原料の投入量x k+1 i を、x k+1 i =x k i +v k+1 i およびv k+1 i =ω・v k i +c 1 ・r k 1,i (x best,k i −x k i )+c 2 ・r k 2,i (x best,k swarm −x k i )によって演算すること
を特徴とする転炉の副原料投入量計算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011172863A JP5635464B2 (ja) | 2011-08-08 | 2011-08-08 | 転炉の副原料投入量計算装置および該方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011172863A JP5635464B2 (ja) | 2011-08-08 | 2011-08-08 | 転炉の副原料投入量計算装置および該方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013036084A JP2013036084A (ja) | 2013-02-21 |
JP5635464B2 true JP5635464B2 (ja) | 2014-12-03 |
Family
ID=47885958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011172863A Active JP5635464B2 (ja) | 2011-08-08 | 2011-08-08 | 転炉の副原料投入量計算装置および該方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5635464B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014209274A (ja) * | 2013-04-16 | 2014-11-06 | 株式会社神戸製鋼所 | 計算装置及び計算方法 |
JP6718338B2 (ja) * | 2016-09-02 | 2020-07-08 | 株式会社デンソー | 連続値最適化問題の大域的探索装置及びプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004035986A (ja) * | 2002-07-08 | 2004-02-05 | Sumitomo Metal Ind Ltd | 転炉操業ガイダンスモデル |
JP2004171548A (ja) * | 2002-11-06 | 2004-06-17 | Fuji Electric Holdings Co Ltd | プラントの最適運用方法、最適設計方法、最適運転計画方法、及び最適化装置 |
JP4337461B2 (ja) * | 2003-07-31 | 2009-09-30 | 富士電機ホールディングス株式会社 | 機器特性パラメータ推定装置及び機器特性パラメータ情報出力装置 |
JP4915316B2 (ja) * | 2007-08-28 | 2012-04-11 | 住友金属工業株式会社 | 転炉吹錬制御方法及び転炉吹錬制御システム |
JP5066050B2 (ja) * | 2008-10-10 | 2012-11-07 | 株式会社日立製作所 | 放射状系統作成装置、放射状系統作成方法、放射状系統作成プログラムおよびそのプログラムを記録した記録媒体 |
JP5271136B2 (ja) * | 2009-03-26 | 2013-08-21 | 株式会社神戸製鋼所 | 出力値予測方法、該装置および該方法のプログラム |
JP5319451B2 (ja) * | 2009-08-11 | 2013-10-16 | 株式会社神戸製鋼所 | 出力値予測方法、該装置および該方法のプログラム |
JP5363238B2 (ja) * | 2009-08-11 | 2013-12-11 | 株式会社神戸製鋼所 | 出力値予測方法、該装置および該方法のプログラム |
-
2011
- 2011-08-08 JP JP2011172863A patent/JP5635464B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013036084A (ja) | 2013-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7071638B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
Kong et al. | A hybrid evolutionary multiobjective optimization strategy for the dynamic power supply problem in magnesia grain manufacturing | |
Rashid et al. | Multi-rate modeling and economic model predictive control of the electric arc furnace | |
JP6493447B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
WO2020152993A1 (ja) | 金属材料の設計支援方法、予測モデルの生成方法、金属材料の製造方法、及び設計支援装置 | |
WO2021014782A1 (ja) | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 | |
Mitra et al. | Blast furnace charging optimization using multi-objective evolutionary and genetic algorithms | |
JP5635464B2 (ja) | 転炉の副原料投入量計算装置および該方法 | |
Wang et al. | A hybrid ensemble model based on ELM and improved adaboost. RT algorithm for predicting the iron ore sintering characters. | |
WO2017105866A1 (en) | Control system using input-aware stacker | |
Mitra et al. | Evolution of charging programs for achieving required gas temperature profile in a blast furnace | |
JP7147326B2 (ja) | 成分濃度演算装置及び成分濃度演算方法 | |
Liu et al. | Black box operation optimization of basic oxygen furnace steelmaking process with derivative free optimization algorithm | |
JP5715004B2 (ja) | 最適解探索装置 | |
JP7159677B2 (ja) | 操業条件演算装置及び操業条件演算方法 | |
JP4932430B2 (ja) | 製造ロット集約支援システム、製造ロット集約支援方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
Song et al. | Intelligent Case-based Hybrid Model for Process and Endpoint Prediction of Converter via Data Mining Technique | |
CN113655816A (zh) | 钢包底吹氩系统流量控制方法及计算机可读存储介质 | |
JP6198338B2 (ja) | ロット編成方法及びロット編成プログラム、並びにロット編成装置 | |
JP7264321B1 (ja) | 溶銑温度の予測方法、操業ガイダンス方法、溶銑の製造方法、溶銑温度の予測装置、操業ガイダンス装置、高炉操業ガイダンスシステム、高炉操業ガイダンスサーバ及び端末装置 | |
JP6933196B2 (ja) | 高炉の荷下り速度予測モデルの学習方法、高炉の荷下り速度予測方法、高炉の操業ガイダンス方法、高炉の荷下り速度制御方法、溶銑の製造方法、高炉の操業方法、及び高炉の荷下り速度予測モデルの学習装置 | |
JP2014209274A (ja) | 計算装置及び計算方法 | |
JP7384326B1 (ja) | 高炉の溶銑温度予測方法、高炉の溶銑温度予測モデルの学習方法、高炉の操業方法、高炉の溶銑温度予測装置、高炉の溶銑温度予測システムおよび端末装置 | |
JP7456592B2 (ja) | 黒鉛球状化処理装置、学習装置、および、マグネシウム投入量の決定方法 | |
Hashimoto et al. | An Operator Behavior Model for Thermal Control of Blast Furnace |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130902 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140708 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140715 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140821 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140930 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5635464 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |