JP7368725B2 - 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム - Google Patents
溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム Download PDFInfo
- Publication number
- JP7368725B2 JP7368725B2 JP2020002644A JP2020002644A JP7368725B2 JP 7368725 B2 JP7368725 B2 JP 7368725B2 JP 2020002644 A JP2020002644 A JP 2020002644A JP 2020002644 A JP2020002644 A JP 2020002644A JP 7368725 B2 JP7368725 B2 JP 7368725B2
- Authority
- JP
- Japan
- Prior art keywords
- molten steel
- steel flow
- value
- action
- flow control
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims description 325
- 239000010959 steel Substances 0.000 title claims description 325
- 238000000034 method Methods 0.000 title claims description 47
- 230000009471 action Effects 0.000 claims description 239
- 238000009529 body temperature measurement Methods 0.000 claims description 39
- 238000003909 pattern recognition Methods 0.000 claims description 21
- 238000009749 continuous casting Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 description 73
- 238000009826 distribution Methods 0.000 description 55
- 238000005266 casting Methods 0.000 description 31
- 230000000052 comparative effect Effects 0.000 description 22
- 238000007654 immersion Methods 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 19
- 230000008859 change Effects 0.000 description 18
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 15
- 229910052802 copper Inorganic materials 0.000 description 15
- 239000010949 copper Substances 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000005070 sampling Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 12
- 238000004088 simulation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 239000000498 cooling water Substances 0.000 description 9
- 230000003111 delayed effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 239000000843 powder Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Continuous Casting (AREA)
Description
上記の構成によれば、特定のアクションの行動価値が他のアクションの行動価値に対して著大になることを抑制しながら、逐次更新によって適切な行動価値を設定することによって、溶鋼偏流が検出された場合に適切に偏流を緩和するように溶鋼流動制御手段を制御することができる。
q(z,t)=β(z,t)(T0-Ts) ・・・(1)
データサンプリング工程(S11)では、データサンプリング部110が、各測温装置が出力した鋳型温度を同時に一定時間間隔でサンプリングして取得する。
熱伝達係数推定工程(S12)では、熱伝達係数推定部120が、例えば特開2011-251308号公報に記載された伝熱逆問題の手法を用いて、データサンプリング工程(S11)におけるサンプリング時刻の各測温点での熱伝達係数α,β、および凝固シェル厚みsを算出する。具体的な算出方法について、以下で説明する。
データ形式変換工程(S13)では、データ形式変換部130が、時刻tにおける鋳型1の各測温点における熱伝達係数β(x,z,t)または測温値Tm_obs(x,z,t)の分布を、鋳型1の各面の鋳型周方向における隣接関係を保存した行列形式データに変換する。この行列形式データは、鋳型1内の溶鋼流動パターンの認識が容易になるように、熱伝達係数βまたは測温値Tm_obsの値を規則的に配置したものである。
溶鋼流動パターン認識工程(S14)では、溶鋼流動パターン認識部140が、熱伝達係数βまたは測温値Tm_obsの分布と、予め定めた溶鋼流動パターンとの関係を学習済みの認識モデルを用いて、上記のデータサンプリング工程(S11)または熱伝達係数推定工程(S12)の処理時点での溶鋼流動パターンを認識する。溶鋼流動パターンは、少なくとも実績データを用いて浸漬ノズル2の位置(多くの場合鋳型1の長辺面の幅方向中心に一致する)を中心線とする右側と左側との間で熱伝達係数βまたは測温値Tm_obsの分布が対称であるか非対称であるか、非対称である場合はどのように非対称であるかを示す。例えば、熱伝達係数βまたは測温値Tm_obsが相対的に大きい測温点がある場合、当該測温点で銅板6に衝突または接近する溶鋼の流速が大きくなっていると推定されるため、溶鋼流動が当該測温点の側に偏っていることを示す溶鋼流動パターンを特定することができる。
溶鋼流動制御工程(S15)では、溶鋼流動制御部150が、溶鋼流動パターン認識工程(S14)において認識された溶鋼流動パターンに対して設定された行動価値に基づいて、電磁ブレーキ装置5のアクション、具体的には出力電流値の減少、保持、または増加を決定し、決定されたアクションを電磁ブレーキ装置5に実行させる。後述するように、行動価値は、制御パラメータ学習工程(S16)において初期値から逐次更新されるが、例えば、鋳型1の長辺面の幅方向について溶鋼流速が非対称であることを示す溶鋼流動パターン(第1のパターン;例えば表1に示したパターンP2~P4、およびパターンP6~P8)が認識された場合に、当該溶鋼流動パターンによって示される溶鋼流動の非対称性を緩和するアクション、具体的には溶鋼流速が相対的に大きい側に配置された電磁ブレーキ装置の磁場出力が、溶鋼流速が相対的に小さい側に配置された電磁ブレーキ装置の磁場出力に対して相対的に上昇するようなアクションについて相対的に高い行動価値の初期値が設定されてもよい。
表2は、溶鋼流動制御工程(S15)で参照される行動価値テーブルの例を示す表である。本実施形態において、行動価値qは、溶鋼流動パターン認識工程(S14)において認識される溶鋼流動パターンP(表1に示したパターンP1~P9)に対して電磁ブレーキ装置5のうち鋳型1の長辺面の幅方向左側に配置された電磁ブレーキ装置(左側電磁ブレーキ装置、または第1のブレーキ装置)、および同右側に配置された電磁ブレーキ装置(右側電磁ブレーキ装置、または第2のブレーキ装置)がそれぞれ実行可能な出力電流値に関する複数のアクション(電流減少のアクションa1、電流保持のアクションa2、電流増加のアクションa3)の組み合わせについて設定される。以下ではこのアクションの組み合わせを記号aLRi(i=1,・・・,9)として表す。aLRiは、左側電磁ブレーキ装置の電流に対するアクションaL(a1,a2またはa3)および、右側電磁ブレーキ装置の電流に対するアクションaR(a1,a2またはa3)の組み合わせを(aL,aR)=(a1,a1),(a1,a2),(a1,a3),(a2,a1),(a2,a2),(a2,a3),(a3,a1),(a3,a2),(a3,a3)の順で列挙したときのi番目の組み合わせを意味する。行動価値qiは、アクションの組み合わせaLRiについて設定された行動価値を意味する。
制御パラメータ学習工程(S16)では、制御パラメータ学習部160が、電磁ブレーキ装置5による溶鋼流動制御の結果に基づいて上述したように、溶鋼流動制御工程(S15)で選択されたアクションに関する行動価値qの少なくとも一部を逐次更新する(本実施形態の例では強化学習による更新)。より具体的には、制御パラメータ学習工程(S16)において、制御パラメータ学習部160は、溶鋼流動制御工程(S15)で選択されたアクションを電磁ブレーキ装置5が実行した結果に対応する報酬値rと、行動価値qの連続的な増加を抑制する補正値である時間遅れ報酬値ρとの差分に基づいて、選択されたアクションについて設定された行動価値qを更新する。
本実施例では、溶鋼流動パターン認識工程(S14)において表1に示した9つの溶鋼流動パターンP1~P9が認識されるものとし、左側および右側の電磁ブレーキ装置の出力電流実績値を弱(SL1,SR1)、中(SL2,SR2)、および強(SL3,SR3)の3段階に区分する(表2においてm=3)。左側および右側の電磁ブレーキ装置の出力電流実績値の組み合わせは、3×3=9通りである。また、左側および右側の電磁ブレーキ装置について選択可能なアクションは、左側および右側の電磁ブレーキ装置の出力電流値の減少、保持、または増加の組み合わせで、3×3=9通りである。従って、本実施例において行動価値qは9×9=81通り設定される。なお、溶鋼流動制御部150は行動価値qから上記の式(2)で算出される確率値prob2(qi)に従ってアクションを選択するものとし、温度パラメータTは10とした。
表3~表5は、左側および右側のそれぞれの電磁ブレーキ装置の出力電流値が同じである場合の確率分布である。この場合、確率分布は出力電流値が強いほど偏りがない状態の安定性が強いことを反映している。
表10および表11は、左側および右側のそれぞれの電磁ブレーキ装置の出力電流値が同じである場合の確率分布である。この場合、確率分布は左側に偏った流動分布が継続しやすく、一度右側に流れが偏った場合にのみ、次の時刻に偏りがない流動分布になりやすいことを反映している。
この場合の流動分布の遷移確率分布は、上記の(2)の場合の遷移確率分布の左側と右側とを入れ替えたものなので、詳細な説明は省略する。
本実施例において、行動価値qは、新品の浸漬ノズル2を用いた鋳造開始時に、鋳型内溶鋼流動に偏りがなく、左側の電磁ブレーキ装置の出力電流(SL)および右側の電磁ブレーキ装置の出力電流(SR)の実績値が等しく、かつSLおよびSRを保持するアクションについて最大になるような初期値に設定される。これは、上述のように、鋳造初期は吐出口3の詰まりがなく、溶鋼偏流が発生する可能性が低いことを反映している。
以下では、本実施例におけるシミュレーション結果について説明する。シミュレーションでは、鋳造開始時から90分経過時までは浸漬ノズルに詰まりがなく、溶鋼流動パターンPj(t)が上記で表3~表9に示した確率分布に従って発生する。90分経過後に、右側の浸漬ノズル吐出孔に詰まりが発生し、以降の溶鋼流動パターンPj(t)は表10~表16に示した確率分布に従って発生する。行動価値qの学習において、上記の式(6)におけるγの値は1とし、式(7)における行動価値の学習の速度を定める定数aは0.1とした。
図11A~図11Cは、上記のような設定に対して、制御パラメータ学習工程(S16)による行動価値qの更新を行わなかった場合のシミュレーション結果を示す。この場合、図11Bおよび図11Cに示すように行動価値qの値は変化しない。結果として、上記で説明したような行動価値qの初期値設定に従ったアクションの選択が鋳造開始から90分経過後も継続され、右側の浸漬ノズル吐出孔に詰まりが生じたことによる溶鋼偏流は緩和されていない(左方向偏りを示す分類P3の発生頻度が高い)。
図12A~図12Cは、制御パラメータ学習工程(S16)による行動価値qの更新を行うが、上記の式(6)において時間遅れ報酬値ρを考慮しない場合のシミュレーション結果を示す。この場合、図12Bに示すように、鋳造開始から90分経過時までの溶鋼偏流が発生しない時間帯において行動価値q5P1_SL3SR3が1未満の初期値から20に近い値までほぼ単調増加し、他の行動価値qに対して著大になる。鋳造開始から90分経過後は報酬値r(t)が変化したことによって行動価値q5P1_SL3SR3の値が低下するが、それでも他の行動価値qに対して依然として大きく、SLおよびSRを保持するアクション以外のアクションが選択される確率は低い。結果として、図12Cに示すように右側の浸漬ノズル吐出孔に詰まりが発生している場合に偏流のない状態を維持するために最適なアクションの行動価値q5P1_SL3SR2の値はほぼ0のままであり、溶鋼偏流が緩和される時間帯はあるものの偏流のない状態は維持されない(偏流のない状態を示す分類P1と左方向偏りを示す分類P3とが交互に発生している)。
図13A~図13Cは、制御パラメータ学習工程(S16)による行動価値qの更新を行い、さらに上記の式(6)において時間遅れ報酬値ρを考慮した場合のシミュレーション結果を示す。時間遅れ報酬値ρ(t)は、上記の式(5)でパラメータb=0.2として算出した。この場合、図13Bに示すように、鋳造開始から90分経過時までの溶鋼偏流が発生しない時間帯において行動価値q5P1_SL3SR3が単調増加することがなく、むしろ減少する。ただし、減少しても他の行動価値qよりも大きいため、SLおよびSRを保持するアクションが選択される確率が最も高く、溶鋼偏流が発生しない状態は維持されている。鋳造開始から90分経過後は、報酬値r(t)が変化したことによって行動価値q5P1_SL3SR3の値が低下する。低下する前の値が上記の比較例2と比べて小さいため、早い段階でSLおよびSRを保持するアクション以外のアクションが選択される確率が上昇する。結果として、図13Cに示すように、ある時点(鋳造開始から約105分経過後)から行動価値q5P1_SL3SR2の値が上昇し、右側の浸漬ノズル吐出孔に詰まりが発生している場合に偏流のない状態を維持するために最適なアクションが選択される確率が上昇する。これによって、実施例では、溶鋼偏流が緩和され、かつ上記の時点以降は偏流のない状態が維持された(左方向偏りを示す分類P3の発生が減り、偏流のない状態を示す分類P1が多くなった)。
図14Aおよび図14Bは、上述した比較例1(学習なし)、比較例2(報酬値のみa=0.1)、および実施例(遅れ報酬値:指数平滑b=0.2)と、時間遅れ報酬値ρ(t)を他の方法で算出した実施例(遅れ報酬値:時間遅れ100秒、および遅れ報酬値:移動平均10回)とについて、シミュレーション結果における分類区分P1(偏流なし)および分類区分P3(左方向偏り)の比率を経過時間30分ごとに示すグラフである。「時間遅れ100秒」では、上記の式(3)においてtINT=100秒として時間遅れ報酬値ρ(t)を算出した。「移動平均10回」では、上記の式(4)においてNm=10として時間遅れ報酬値ρ(t)を算出した。
Claims (13)
- 連続鋳造機の鋳型に配置された測温装置による測温値を含むデータに基づいて前記鋳型内での溶鋼流動パターンを認識する溶鋼流動パターン認識部と、
前記認識された溶鋼流動パターンに対して溶鋼流動制御手段が実行可能な複数のアクションについてそれぞれ設定された行動価値に基づいて、前記複数のアクションのうちのいずれかを前記溶鋼流動制御手段に実行させる溶鋼流動制御部と、
前記溶鋼流動制御手段がアクションを実行した結果に対応する報酬値と、正の値の報酬値が連続して与えられた場合にも前記行動価値の連続的な増加を抑制する補正値と、の差分に基づいて、前記行動価値の少なくとも一部を逐次更新する制御パラメータ学習部と、
を備える、溶鋼流動制御装置。 - 前記制御パラメータ学習部は、前記報酬値と前記補正値との差分に基づいて、前記溶鋼流動パターンで溶鋼流動の非対称性が緩和された場合には前記行動価値を上昇させ、前記溶鋼流動パターンで前記溶鋼流動の非対称性が増長された場合には前記行動価値を低下するように、前記行動価値を逐次更新する、請求項1に記載の溶鋼流動制御装置。
- 前記補正値は、所定の時間間隔だけ過去の前記報酬値を含む、請求項2に記載の溶鋼流動制御装置。
- 前記補正値は、前記報酬値の移動平均演算結果を含む、請求項2または請求項3に記載の溶鋼流動制御装置。
- 前記補正値は、前記報酬値の指数平滑演算結果を含む、請求項2から請求項4のいずれか1項に記載の溶鋼流動制御装置。
- 前記溶鋼流動制御手段は、前記鋳型の長辺面の幅方向両側にそれぞれ配置された第1および第2の電磁ブレーキ装置を含む、請求項1から請求項5のいずれか1項に記載の溶鋼流動制御装置。
- 前記行動価値は、前記第1および第2の電磁ブレーキ装置がそれぞれ実行可能な複数のアクションの組み合わせについて設定され、
前記溶鋼流動制御部は、前記第1および第2の電磁ブレーキ装置にアクションの組み合わせを実行させる、請求項6に記載の溶鋼流動制御装置。 - 前記行動価値は、前記第1および第2の電磁ブレーキ装置のそれぞれの出力電流実績値の組み合わせごとに設定される、請求項6または請求項7に記載の溶鋼流動制御装置。
- 前記行動価値は、前記長辺面の幅方向について溶鋼流速が対称であることを示す第1のパターンを含み、
前記行動価値の初期値は、前記第1のパターンが認識された場合に、前記第1および第2の電磁ブレーキ装置の出力電流値を均等かつ最大にするアクションについて最大になるように設定される、請求項6から請求項8のいずれか1項に記載の溶鋼流動制御装置。 - 前記溶鋼流動パターンは、前記長辺面の幅方向について溶鋼流速が非対称であることを示す第2のパターンを含み、
前記行動価値の初期値は、前記第2のパターンが認識された場合に、前記第1および第2の電磁ブレーキ装置のうち、溶鋼流速が相対的に大きい側に配置された電磁ブレーキ装置の磁場出力が、溶鋼流速が相対的に小さい側に配置された電磁ブレーキ装置の磁場出力に対して相対的に上昇するようなアクションについて、溶鋼流量が相対的に大きい側に配置された電磁ブレーキ装置の磁場出力を、前記溶鋼流量が相対的に小さい側に配置された電磁ブレーキ装置の磁場出力に対して相対的に高く設定される、請求項6から請求項9のいずれか1項に記載の溶鋼流動制御装置。 - 前記溶鋼流動パターンは、前記長辺面の幅方向のいずれかの側における溶鋼流速が実績データに基づく平均流速値よりも高いことを示す第3のパターンを含み、
前記行動価値の初期値は、前記第3のパターンが認識された場合に、前記第1および第2の電磁ブレーキ装置のうち、前記溶鋼流速が前記平均流速値よりも高い側に配置された電磁ブレーキ装置の磁場出力が上昇するようなアクションについて、前記溶鋼流速が前記平均流速値よりも高い側に配置された電磁ブレーキ装置の磁場出力を、前記溶鋼流速が前記平均流速値よりも低い側に配置された電磁ブレーキ装置の磁場出力に対して相対的に高く設定される、請求項6から請求項9のいずれか1項に記載の溶鋼流動制御装置。 - 連続鋳造機の鋳型に配置された測温装置による測温値を含むデータに基づいて前記鋳型内での溶鋼流動パターンを認識する溶鋼流動パターン認識工程と、
前記認識された溶鋼流動パターンに対して溶鋼流動制御手段が実行可能な複数のアクションについてそれぞれ設定された行動価値に基づいて、前記複数のアクションのうちのいずれかを前記溶鋼流動制御手段に実行させる溶鋼流動制御工程と、
前記溶鋼流動制御手段がアクションを実行した結果に対応する報酬値と、正の値の報酬値が連続して与えられた場合にも前記行動価値の連続的な増加を抑制する補正値と、の差分に基づいて、前記行動価値の少なくとも一部を逐次更新する制御パラメータ学習工程と、
を含む、溶鋼流動制御方法。 - 連続鋳造機の鋳型に配置された測温装置による測温値を含むデータに基づいて前記鋳型内での溶鋼流動パターンを認識する溶鋼流動パターン認識部と、
前記認識された溶鋼流動パターンに対して溶鋼流動制御手段が実行可能な複数のアクションについてそれぞれ設定された行動価値に基づいて、前記複数のアクションのうちのいずれかを前記溶鋼流動制御手段に実行させる溶鋼流動制御部と、
前記溶鋼流動制御手段がアクションを実行した結果に対応する報酬値と、正の値の報酬値が連続して与えられた場合にも前記行動価値の連続的な増加を抑制する補正値と、の差分に基づいて、前記行動価値の少なくとも一部を逐次更新する制御パラメータ学習部と、
を備える溶鋼流動制御装置としてコンピュータを動作させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020002644A JP7368725B2 (ja) | 2020-01-10 | 2020-01-10 | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020002644A JP7368725B2 (ja) | 2020-01-10 | 2020-01-10 | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021109203A JP2021109203A (ja) | 2021-08-02 |
JP7368725B2 true JP7368725B2 (ja) | 2023-10-25 |
Family
ID=77058712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020002644A Active JP7368725B2 (ja) | 2020-01-10 | 2020-01-10 | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7368725B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000051763A1 (fr) | 1999-03-02 | 2000-09-08 | Nkk Corporation | Procede et dispositif d'estimation/commande de motif d'ecoulement d'acier fondu dans un coulage en continu |
JP2003181609A (ja) | 1999-03-02 | 2003-07-02 | Jfe Engineering Kk | 連続鋳造における溶鋼の流動パターン推定・制御方法およびそのための装置 |
JP2003305553A (ja) | 2002-04-12 | 2003-10-28 | Nippon Steel Corp | 連続鋳造鋳型内における溶鋼流動状態の診断装置、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憶媒体 |
JP2007128318A (ja) | 2005-11-04 | 2007-05-24 | Japan Science & Technology Agency | 状態推定方法、状態推定装置、状態推定システム及びコンピュータプログラム |
JP2013026980A (ja) | 2011-07-25 | 2013-02-04 | Fujitsu Ltd | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 |
WO2019188941A1 (ja) | 2018-03-27 | 2019-10-03 | 日本製鉄株式会社 | 解析システム、解析方法、およびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03275256A (ja) * | 1990-03-22 | 1991-12-05 | Kawasaki Steel Corp | 連続鋳造鋳型内における溶鋼の偏流制御方法 |
JPH08229649A (ja) * | 1995-02-24 | 1996-09-10 | Sumitomo Metal Ind Ltd | 連続鋳造装置および連続鋳造方法 |
-
2020
- 2020-01-10 JP JP2020002644A patent/JP7368725B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000051763A1 (fr) | 1999-03-02 | 2000-09-08 | Nkk Corporation | Procede et dispositif d'estimation/commande de motif d'ecoulement d'acier fondu dans un coulage en continu |
JP2003181609A (ja) | 1999-03-02 | 2003-07-02 | Jfe Engineering Kk | 連続鋳造における溶鋼の流動パターン推定・制御方法およびそのための装置 |
JP2003305553A (ja) | 2002-04-12 | 2003-10-28 | Nippon Steel Corp | 連続鋳造鋳型内における溶鋼流動状態の診断装置、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憶媒体 |
JP2007128318A (ja) | 2005-11-04 | 2007-05-24 | Japan Science & Technology Agency | 状態推定方法、状態推定装置、状態推定システム及びコンピュータプログラム |
JP2013026980A (ja) | 2011-07-25 | 2013-02-04 | Fujitsu Ltd | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 |
WO2019188941A1 (ja) | 2018-03-27 | 2019-10-03 | 日本製鉄株式会社 | 解析システム、解析方法、およびプログラム |
Non-Patent Citations (1)
Title |
---|
木村 元,リレー解説 強化学習の最近の発展 《第1回》強化学習の基礎,計測と制御,2013年,第52巻,第1号,p.72-77,doi.org/10.11499/sicejl.52.72 |
Also Published As
Publication number | Publication date |
---|---|
JP2021109203A (ja) | 2021-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7368725B2 (ja) | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム | |
CN104267610B (zh) | 高精度的高炉冶炼过程异常数据检测及修补方法 | |
JP5757296B2 (ja) | 連続鋳造機の2次冷却制御方法及び2次冷却制御装置 | |
Vaka et al. | Novel inverse heat transfer methodology for estimation of unknown interfacial heat flux of a continuous casting mould: a complete three-dimensional thermal analysis of an industrial slab mould | |
CN101103276B (zh) | 动态截止频率可变滤波器 | |
Saha Roy et al. | Knowledge discovery and predictive accuracy comparison of different classification algorithms for mould level fluctuation phenomenon in thin slab caster | |
JP4893068B2 (ja) | 連続鋳造鋳片の凝固完了位置制御方法及び装置並びに連続鋳造鋳片の製造方法 | |
Matias et al. | Using a neural network for estimating plant gradients in real-time optimization with modifier adaptation | |
CN117232317B (zh) | 换热机组远程控制方法和远程控制系统 | |
CN117807854A (zh) | 基于物理约束神经网络的桥梁监测挠度与温度分离方法 | |
Chen et al. | Bang-bang free boundary control of a Stefan problem for metallurgical length maintenance | |
JP2020171945A (ja) | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム | |
JP7087746B2 (ja) | 溶鋼流動制御装置、溶鋼流動制御方法、およびプログラム | |
Song et al. | Multivariate prediction of airflow and temperature distributions using artificial neural networks | |
CN114466716A (zh) | 铸型内凝固壳厚推断装置、铸型内凝固壳厚推断方法以及钢的连续铸造方法 | |
Shahane | Numerical simulations of die casting with uncertainty quantification and optimization using neural networks | |
Seo et al. | Low-order model identification and adaptive observer-based predictive control for strip temperature of heating section in annealing furnace | |
CN103942451B (zh) | 一种双容水箱突变故障潜在信息聚类识别方法 | |
Zhou et al. | Control of the Molten Steel Level in the Top Side‐Pouring Twin‐Roll Casting Process Based on Fuzzy Rules Optimized by Particle Swarm Optimization Algorithm | |
Chen et al. | Dynamic modeling of unsteady bulging in continuous casting of steel | |
Vishweshwara et al. | Estimation of interfacial heat transfer coefficient for horizontal directional solidification of Sn-5 wt% Pb alloy using genetic algorithm as inverse method | |
JP7335499B2 (ja) | 連続鋳造鋳型内可視化装置、方法、およびプログラム | |
TW202116438A (zh) | 鑄模內凝固殼厚推定裝置、鑄模內凝固殼厚推定方法、以及鋼之連續鑄造方法 | |
JP2015150616A (ja) | 連続鋳造機の制御装置及び制御方法 | |
JP5636714B2 (ja) | 巻取温度制御装置及び巻取温度制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230606 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230822 |
|
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: 20230912 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230925 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7368725 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |