JP6933196B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6933196B2 JP6933196B2 JP2018145017A JP2018145017A JP6933196B2 JP 6933196 B2 JP6933196 B2 JP 6933196B2 JP 2018145017 A JP2018145017 A JP 2018145017A JP 2018145017 A JP2018145017 A JP 2018145017A JP 6933196 B2 JP6933196 B2 JP 6933196B2
- Authority
- JP
- Japan
- Prior art keywords
- blast furnace
- unloading speed
- prediction model
- speed prediction
- blast
- 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
Images
Description
まず、図1を参照して、本発明が適用される本発明の一実施形態である高炉操業システムの構成について説明する。
次に、図2,3を参照して、上記LSTMモデルの一形態について説明する。
2 高炉
3 操業データベース
4 荷下り速度予測装置
4a モデル構築部
4b 荷下り速度予測部
5 操業ガイダンス装置
6 荷下り速度制御装置
7 LSTMモデル
7a 入力層
7b LSTMブロック
7c 出力層
Claims (7)
- 高炉操業における送風流量、富化酸素流量、微粉炭吹込み量、送風湿分、及び炉頂におけるコークス比のうち、少なくとも1つ以上の操作変数を入力変数として含み、現在時刻の1つ先のタイムステップの高炉の荷下り速度を出力変数とする高炉の荷下り速度予測モデルを再帰型ニューラルネットワークモデルとして構築するステップと、
高炉内の原料滞留時間を基準とした前記入力変数及び前記出力変数を学習データとして用いて、高炉の荷下り速度予測モデルから出力された高炉の荷下り速度と実際の高炉の荷下り速度との差分値の二乗和が最小に近づくように前記高炉の荷下り速度予測モデルの重み係数を決定するステップと、
を含むことを特徴とする高炉の荷下り速度予測モデルの学習方法。 - 請求項1に記載の高炉の荷下り速度予測モデルを用いて高炉の荷下り速度を予測するステップを含むことを特徴とする高炉の荷下り速度予測方法。
- 請求項1に記載の高炉の荷下り速度予測モデルを用いて、予め定めた所定期間先の高炉の荷下り速度を予測し、予測結果に基づいて現在の操作変数の操作量をガイダンスするステップを含むことを特徴とする高炉の操業ガイダンス方法。
- 請求項1に記載の高炉の荷下り速度予測モデルに基づいて高炉の荷下り速度を制御する高炉の荷下り速度制御方法であって、予測された荷下り速度と目標荷下り速度との差を含む評価関数を定め、該評価関数に基づいて高炉の操作変数の適正操作量を決定し、決定した適正操作量に従って高炉の操作変数を制御するステップを含むことを特徴とする高炉の荷下り速度制御方法。
- 請求項4に記載の高炉の荷下り速度制御方法を用いて高炉の操業を行うことにより溶銑を製造するステップを含むことを特徴とする溶銑の製造方法。
- 請求項4に記載の高炉の荷下り速度制御方法を用いて高炉の操業を行うステップを含むことを特徴とする高炉の操業方法。
- 高炉操業における送風流量、富化酸素流量、微粉炭吹込み量、送風湿分、及び炉頂におけるコークス比のうち、少なくとも1つ以上の操作変数を入力変数として含み、現在時刻の1つ先のタイムステップの高炉の荷下り速度を出力変数とする高炉の荷下り速度予測モデルを再帰型ニューラルネットワークモデルとして構築する手段と、
高炉内の原料滞留時間を基準とした前記入力変数及び前記出力変数を学習データとして用いて、高炉の荷下り速度予測モデルから出力された高炉の荷下り速度と実際の高炉の荷下り速度との差分値の二乗和が最小に近づくように前記高炉の荷下り速度予測モデルの重み係数を決定する手段と、
を備えること特徴とする高炉の荷下り速度予測モデルの学習装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018145017A JP6933196B2 (ja) | 2018-08-01 | 2018-08-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018145017A JP6933196B2 (ja) | 2018-08-01 | 2018-08-01 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020020003A JP2020020003A (ja) | 2020-02-06 |
JP6933196B2 true JP6933196B2 (ja) | 2021-09-08 |
Family
ID=69589572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018145017A Active JP6933196B2 (ja) | 2018-08-01 | 2018-08-01 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6933196B2 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4248625A (en) * | 1979-08-06 | 1981-02-03 | Kawasaki Steel Corporation | Method of operating a blast furnace |
JPS62270712A (ja) * | 1986-05-20 | 1987-11-25 | Nippon Kokan Kk <Nkk> | 高炉状況検出方法 |
JP2737138B2 (ja) * | 1988-02-12 | 1998-04-08 | 日本鋼管株式会社 | 高炉操業管理・制御装置 |
JPH02182813A (ja) * | 1989-01-07 | 1990-07-17 | Nippon Steel Corp | 高炉操業法 |
KR101412403B1 (ko) * | 2012-07-30 | 2014-06-25 | 현대제철 주식회사 | 고로의 장입물 강하 판단 방법 |
-
2018
- 2018-08-01 JP JP2018145017A patent/JP6933196B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020020003A (ja) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764517B (zh) | 一种高炉铁水硅含量变化趋势预测方法、设备和存储介质 | |
CN108676955A (zh) | 一种转炉炼钢终点碳含量和温度控制方法 | |
JP6729514B2 (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 | |
CN101504544A (zh) | 用于氧气转炉质量控制系统的方法和装置 | |
CN110598958B (zh) | 一种钢包分级管理分析方法及系统 | |
Tian et al. | TS fuzzy neural network predictive control for burning zone temperature in rotary kiln with improved hierarchical genetic algorithm | |
CN104778361B (zh) | 改进型EMD‑Elman神经网络预测铁水硅含量的方法 | |
JP6930507B2 (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 | |
CN105807741A (zh) | 一种工业生产流程预测方法 | |
JP2018024935A (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 | |
CN113255206A (zh) | 一种基于深度强化学习的水文预报模型参数率定方法 | |
CN113849020B (zh) | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 | |
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 | |
Wu et al. | Neural-network-based integrated model for predicting burn-through point in lead–zinc sintering process | |
CN110097929A (zh) | 一种高炉铁水硅含量在线预测方法 | |
CN113589693A (zh) | 基于邻域优化的水泥工业分解炉温度模型预测控制方法 | |
CN109934421B (zh) | 一种面向波动炉况的高炉铁水硅含量预测与补偿方法 | |
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 | |
JP7384476B2 (ja) | ボイラー燃焼用通風構造の最適化方法およびシステム | |
Tian et al. | A new incremental learning modeling method based on multiple models for temperature prediction of molten steel in LF | |
CN109598643B (zh) | 一种退火炉分区煤气流量分配方法、设备及存储设备 | |
CN112529183A (zh) | 一种基于知识蒸馏的模型自适应更新方法 | |
CN111915080B (zh) | 一种基于铁水质量约束的原燃料成本最优配比方法 | |
CN111679584B (zh) | 一种高炉冶炼的调控方法和装置 | |
Bag | ANN based prediction of blast furnace parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200324 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210318 |
|
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: 20210720 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6933196 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |