JPH0598335A - 転炉スロツピング予知方法 - Google Patents
転炉スロツピング予知方法Info
- Publication number
- JPH0598335A JPH0598335A JP3260919A JP26091991A JPH0598335A JP H0598335 A JPH0598335 A JP H0598335A JP 3260919 A JP3260919 A JP 3260919A JP 26091991 A JP26091991 A JP 26091991A JP H0598335 A JPH0598335 A JP H0598335A
- Authority
- JP
- Japan
- Prior art keywords
- slopping
- data
- sloping
- converter
- input
- 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.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
(57)【要約】
【目的】 外乱を受けることがなく再現性の良いスロッ
ピング予知が可能であるとともに、装置自体も環境の良
い場所に設置できる、保全性に優れたスロッピング予知
方法を提案するものである。 【構成】 あらかじめ転炉の炉口から発生するフレーム
を連続撮影し、その画像を画素分解し、かつ前記撮影し
たフレームをスロッピングの規模に応じて等級を付けて
ニューラルネットワークを構成したコンピュータに入力
し教師データとしておき、操業中に発生するフレームを
撮影し前記コンピュータに入力させ、この入力データを
前記教師データからパターン認識した転炉スロッピング
予知方法。 【効果】 溶銑Siが高くしかも炉齢が小さくスロッピ
ングが発生しやすい操業においても、スロッピング発生
率を10%から0.3%に低下できた。
ピング予知が可能であるとともに、装置自体も環境の良
い場所に設置できる、保全性に優れたスロッピング予知
方法を提案するものである。 【構成】 あらかじめ転炉の炉口から発生するフレーム
を連続撮影し、その画像を画素分解し、かつ前記撮影し
たフレームをスロッピングの規模に応じて等級を付けて
ニューラルネットワークを構成したコンピュータに入力
し教師データとしておき、操業中に発生するフレームを
撮影し前記コンピュータに入力させ、この入力データを
前記教師データからパターン認識した転炉スロッピング
予知方法。 【効果】 溶銑Siが高くしかも炉齢が小さくスロッピ
ングが発生しやすい操業においても、スロッピング発生
率を10%から0.3%に低下できた。
Description
【0001】
【産業上の利用分野】本発明は、転炉におけるスロッピ
ング予知方法に関するものである。
ング予知方法に関するものである。
【0002】
【従来の技術】従来のスロッピング予知技術は、次のよ
うに大別できる。(1)間接的にスラグフォーミングを
検知する方法と(2)直接スラグフォーミングを観察す
る方法である。
うに大別できる。(1)間接的にスラグフォーミングを
検知する方法と(2)直接スラグフォーミングを観察す
る方法である。
【0003】前者(1)には特公昭56−5808号公
報「転炉の造滓制御方法」(ランスの振動を測定する方
法)、特公昭56−25246号公報「転炉吹錬の炉況
判定制御方法」(炉体の振動を測定する方法)、特公昭
56−12292号公報「転炉フォーミングスラグの鎮
静方法」(炉内発生音を測定する方法)、特開平1−2
12713号公報「精錬工程における噴出の予知方法」
(排ガス情報から得られる脱炭酸素効率の推移からスロ
ッピングを予知する方法)等がある。
報「転炉の造滓制御方法」(ランスの振動を測定する方
法)、特公昭56−25246号公報「転炉吹錬の炉況
判定制御方法」(炉体の振動を測定する方法)、特公昭
56−12292号公報「転炉フォーミングスラグの鎮
静方法」(炉内発生音を測定する方法)、特開平1−2
12713号公報「精錬工程における噴出の予知方法」
(排ガス情報から得られる脱炭酸素効率の推移からスロ
ッピングを予知する方法)等がある。
【0004】後者(2)には、第90回計測制御部会資
料「転炉スロッピング予知技術の開発」に記載されてい
る転炉の出鋼口から流出するスラグをカメラで捉える方
法等がある。
料「転炉スロッピング予知技術の開発」に記載されてい
る転炉の出鋼口から流出するスラグをカメラで捉える方
法等がある。
【0005】しかし、前者(1)による方法では、外乱
の影響による検出率の低下や過検出が多く、また、あら
ゆるスロッピング発生パターンを検知する判定方法を確
立することが困難であった。後者(2)による方法で
は、検出からスロッピングまでの時間が短いため、スロ
ッピングの抑制が充分ではなく、かつ、発生ダストや溶
鋼の飛散等で装置の信頼性と保全性等が良くなかった。
の影響による検出率の低下や過検出が多く、また、あら
ゆるスロッピング発生パターンを検知する判定方法を確
立することが困難であった。後者(2)による方法で
は、検出からスロッピングまでの時間が短いため、スロ
ッピングの抑制が充分ではなく、かつ、発生ダストや溶
鋼の飛散等で装置の信頼性と保全性等が良くなかった。
【0006】
【発明が解決しようとする課題】上記のように従来の方
法は、ランスの振動を測定する方法や炉体の振動を測定
する方法や炉内発生音を測定する方法では、スラグフォ
ーミング以外の原因、例えば副原料の投入やランス高さ
の変更、送酸量の変更等による誤動作があるため信頼性
が乏しかった。一方、排ガス情報から得られる脱炭酸素
効率の推移からスロッピングを予知する方法では、吹錬
の初期と末期における脱炭酸素効率そのものが上昇およ
び下降するため、スロッピング予知は困難であった。ま
た、転炉の出鋼口から流出するスラグをカメラで捉える
方法は、スラグを検知してからスロッピング発生までの
時間が短いために、スロッピング予知の機能としては不
充分であった。さらに、発生ダストや溶鋼の飛散等でカ
メラに異物が付着することが原因で装置が故障や誤動作
を起こす問題があった。
法は、ランスの振動を測定する方法や炉体の振動を測定
する方法や炉内発生音を測定する方法では、スラグフォ
ーミング以外の原因、例えば副原料の投入やランス高さ
の変更、送酸量の変更等による誤動作があるため信頼性
が乏しかった。一方、排ガス情報から得られる脱炭酸素
効率の推移からスロッピングを予知する方法では、吹錬
の初期と末期における脱炭酸素効率そのものが上昇およ
び下降するため、スロッピング予知は困難であった。ま
た、転炉の出鋼口から流出するスラグをカメラで捉える
方法は、スラグを検知してからスロッピング発生までの
時間が短いために、スロッピング予知の機能としては不
充分であった。さらに、発生ダストや溶鋼の飛散等でカ
メラに異物が付着することが原因で装置が故障や誤動作
を起こす問題があった。
【0007】本発明は、上記のような問題を解決するた
めになされたもので、外乱を受けることがなくより早く
スロッピングを検知でき、再現性の良いスロッピング予
知が可能であるとともに、装置自体も環境の良い場所に
設置できる、保全性に優れたスロッピング予知方法を提
案するものである。
めになされたもので、外乱を受けることがなくより早く
スロッピングを検知でき、再現性の良いスロッピング予
知が可能であるとともに、装置自体も環境の良い場所に
設置できる、保全性に優れたスロッピング予知方法を提
案するものである。
【0008】
【課題を解決するための手段】本発明は、上記課題を解
決するための手段として、あらかじめ転炉の炉口から発
生するフレームを連続撮影し、その画像を画素分解し空
間的分布データと時間的分布データとし、かつ前記撮影
したフレームをスロッピングの規模に応じて等級を付け
て前記2種類のデータとともに、転炉スロッピングの発
生に関するニューラルネットワークを構成したコンピュ
ータに入力し教師データとしておき、操業中に発生する
転炉の炉口から発生するフレームを撮影し前記コンピュ
ータに入力させ、この入力データを前記教師データから
パターン認識し、スロッピング発生の規模の等級を予知
する転炉スロッピング予知方法である。
決するための手段として、あらかじめ転炉の炉口から発
生するフレームを連続撮影し、その画像を画素分解し空
間的分布データと時間的分布データとし、かつ前記撮影
したフレームをスロッピングの規模に応じて等級を付け
て前記2種類のデータとともに、転炉スロッピングの発
生に関するニューラルネットワークを構成したコンピュ
ータに入力し教師データとしておき、操業中に発生する
転炉の炉口から発生するフレームを撮影し前記コンピュ
ータに入力させ、この入力データを前記教師データから
パターン認識し、スロッピング発生の規模の等級を予知
する転炉スロッピング予知方法である。
【0009】また、前記教師データは、学習機能を備て
いる前記記載の転炉スロッピング予知方法である。
いる前記記載の転炉スロッピング予知方法である。
【0010】
【作用】次に、本発明の作用について説明する。図5
は、炉口フレームとスロッピング発生の関係を示す図で
ある。転炉のスロッピングの発生と炉口フレームとは、
図5に示すように密接な関係があることが実操業の観察
から知見を得ている。すなわち、スロッピングが発生し
ない場合では、炉口フレームは、「息つき現象」と呼ば
れるように、ほぼ定周期でフレームが吹き出し、吹き込
みを繰り返している。しかし、スロッピングの前ぶれと
して、炉口フレームの吹き込み現象の発生している周期
時間が長くなることがある。これは、スロッピング発生
の原因が、スラグ中に炉内発生ガスがトラップされるた
めであることから説明できる。つまり、発生ガス量が少
なくなると、炉口から巻き込まれる空気量が増加し、吹
き出しフレームが発生しにくくなるためである。
は、炉口フレームとスロッピング発生の関係を示す図で
ある。転炉のスロッピングの発生と炉口フレームとは、
図5に示すように密接な関係があることが実操業の観察
から知見を得ている。すなわち、スロッピングが発生し
ない場合では、炉口フレームは、「息つき現象」と呼ば
れるように、ほぼ定周期でフレームが吹き出し、吹き込
みを繰り返している。しかし、スロッピングの前ぶれと
して、炉口フレームの吹き込み現象の発生している周期
時間が長くなることがある。これは、スロッピング発生
の原因が、スラグ中に炉内発生ガスがトラップされるた
めであることから説明できる。つまり、発生ガス量が少
なくなると、炉口から巻き込まれる空気量が増加し、吹
き出しフレームが発生しにくくなるためである。
【0011】本発明は、この点に着目して、炉口フレー
ムをカメラで捉え、その画像の変化からスロッピング予
知を行なうものである。カメラで撮影した画像データ
は、フレームの輪郭を強調するために、フィルタを介し
たのちに画素単位で2値化する。2値化したデータは、
空間的、時系列的データ群としてコンピュータに入力す
る。スロッピングを予知するためには、ニューラルネッ
トワークの手法を用いた。ニューラルネットワークの入
力層として、画像の空間的、時系列的データを採り、出
力層としてスロッピングの規模の等級を採り、数多くの
事例を学習したニューラルネットワークをあらかじめ構
成しておいた。この学習したニューラルネットワークの
データを教師データとして、入力データをパターン認識
して入力画像のフレームの規模の等級を判別するととも
に、スロッピング予知を行なうものである。
ムをカメラで捉え、その画像の変化からスロッピング予
知を行なうものである。カメラで撮影した画像データ
は、フレームの輪郭を強調するために、フィルタを介し
たのちに画素単位で2値化する。2値化したデータは、
空間的、時系列的データ群としてコンピュータに入力す
る。スロッピングを予知するためには、ニューラルネッ
トワークの手法を用いた。ニューラルネットワークの入
力層として、画像の空間的、時系列的データを採り、出
力層としてスロッピングの規模の等級を採り、数多くの
事例を学習したニューラルネットワークをあらかじめ構
成しておいた。この学習したニューラルネットワークの
データを教師データとして、入力データをパターン認識
して入力画像のフレームの規模の等級を判別するととも
に、スロッピング予知を行なうものである。
【0012】ニューラルネットワークの手法を用いた理
由は、ニューラルネットワークは、学習機能が優れてお
り、上記スロッピングの現象を論理的にコンピュータの
プログラム化することは困難であり、かつ膨大な労力を
必要とするからである。
由は、ニューラルネットワークは、学習機能が優れてお
り、上記スロッピングの現象を論理的にコンピュータの
プログラム化することは困難であり、かつ膨大な労力を
必要とするからである。
【0013】吹錬中に、あるサンプリングピッチで得ら
れる画像データを、前記ニューラルネットワークの入力
として与えると、スロッピング発生の規模の等級が時々
刻々と予知される。本発明では、スラグフォーミングの
現象を早く検知できるので、出鋼口からスラグをとらえ
てスロッピングを予知する従来の方法より、いち早くス
ロッピングを抑制することができる。
れる画像データを、前記ニューラルネットワークの入力
として与えると、スロッピング発生の規模の等級が時々
刻々と予知される。本発明では、スラグフォーミングの
現象を早く検知できるので、出鋼口からスラグをとらえ
てスロッピングを予知する従来の方法より、いち早くス
ロッピングを抑制することができる。
【0014】
【実施例】次に本発明の実施例を説明する。図1は、本
発明の実施例を示す構成図である。図2は、画像処理装
置の構成図である。図3は、本発明の実施例における画
像の分割方法である。図4は、本発明の実施例における
ニューラルネットワークの構成図である。図において、
1は転炉、2は溶鋼、3は炉口フレーム、4は炉口、5
はスカート、6はカメラ、7は画像処理装置、8はスロ
ッピング判定コンピュータ、9は記憶装置、10はCR
T入出力装置、11はニューラルネットワーク開発装
置、12はCRT入出力装置、13は操業員、14は解
析者、15は画像である。
発明の実施例を示す構成図である。図2は、画像処理装
置の構成図である。図3は、本発明の実施例における画
像の分割方法である。図4は、本発明の実施例における
ニューラルネットワークの構成図である。図において、
1は転炉、2は溶鋼、3は炉口フレーム、4は炉口、5
はスカート、6はカメラ、7は画像処理装置、8はスロ
ッピング判定コンピュータ、9は記憶装置、10はCR
T入出力装置、11はニューラルネットワーク開発装
置、12はCRT入出力装置、13は操業員、14は解
析者、15は画像である。
【0015】転炉1の炉口4から発生するフレーム3を
カメラ6で捉える。撮影した画像15は、画像処理装置
7で処理される。画像処理装置7の構成を図2に示す。
カメラ6で捉える。撮影した画像15は、画像処理装置
7で処理される。画像処理装置7の構成を図2に示す。
【0016】画像15の生データは、2秒ごとにサンプ
リング撮影した画像から得られ、アナログからデジタル
にA/D変換し、画面の背景部分をフィルタを介して除
去し、フレーム画像を強調させる。次に、図3に示すよ
うに画像15を9分割してそれぞれの画素を明るさに応
じて2値化して、’0’(暗)と’1’(明)に対応さ
せる。これら9個のデータは、2秒ピッチにスロッピン
グ判定コンピュータ8に入力する。スロッピング判定コ
ンピュータ8では、直近10個のサンプリングのデータ
を、すなわち直近20秒のデータ(合計90個)を入力
として、ニューラルネットワークに与える。ニューラル
ネットワークは、入力データをスロッピングの規模に応
じた等級に教師データからパターン認識により予知判定
して、CRT10に0〜5の段階で表示する。ニューラ
ルネットワークの入力層は90個、中間層は9個、出力
層は1個のニューロンで構成する3層構造としている。
リング撮影した画像から得られ、アナログからデジタル
にA/D変換し、画面の背景部分をフィルタを介して除
去し、フレーム画像を強調させる。次に、図3に示すよ
うに画像15を9分割してそれぞれの画素を明るさに応
じて2値化して、’0’(暗)と’1’(明)に対応さ
せる。これら9個のデータは、2秒ピッチにスロッピン
グ判定コンピュータ8に入力する。スロッピング判定コ
ンピュータ8では、直近10個のサンプリングのデータ
を、すなわち直近20秒のデータ(合計90個)を入力
として、ニューラルネットワークに与える。ニューラル
ネットワークは、入力データをスロッピングの規模に応
じた等級に教師データからパターン認識により予知判定
して、CRT10に0〜5の段階で表示する。ニューラ
ルネットワークの入力層は90個、中間層は9個、出力
層は1個のニューロンで構成する3層構造としている。
【0017】一方、学習は次のように行なう。スロッピ
ング発生時に操作員13は、スロッピングの規模の等級
をCRT10よりコンピュータ8に入力する。その時の
画像データ15は、記憶装置9に記憶させる。記憶され
たデータは、オフラインにてニューラルネットワーク開
発装置11に与えられ、再度学習を行なう。実際には、
約1000パターンについて学習を行なう。
ング発生時に操作員13は、スロッピングの規模の等級
をCRT10よりコンピュータ8に入力する。その時の
画像データ15は、記憶装置9に記憶させる。記憶され
たデータは、オフラインにてニューラルネットワーク開
発装置11に与えられ、再度学習を行なう。実際には、
約1000パターンについて学習を行なう。
【0018】吹錬中に、2秒ごとのサンプリングピッチ
で得られる画像データ15を、前記ニューラルネットワ
ークの入力として与えると、スロッピング発生の規模の
等級が時々刻々と予知される。この情報をもとに、転炉
の操業に、例えば、上吹きの酸素の供給量を低下させ
る、ランスの高さを下降させ脱炭効率を高くし滓化を抑
制する、副原料(石炭、パルプ屑等)を投入しスラグ層
に穴をあけてガス抜けを良くする、スカートを上昇させ
てガス抜けを良くする等の対策を行い、従来の方法より
いち早くスロッピングを抑制することができるようにな
った。
で得られる画像データ15を、前記ニューラルネットワ
ークの入力として与えると、スロッピング発生の規模の
等級が時々刻々と予知される。この情報をもとに、転炉
の操業に、例えば、上吹きの酸素の供給量を低下させ
る、ランスの高さを下降させ脱炭効率を高くし滓化を抑
制する、副原料(石炭、パルプ屑等)を投入しスラグ層
に穴をあけてガス抜けを良くする、スカートを上昇させ
てガス抜けを良くする等の対策を行い、従来の方法より
いち早くスロッピングを抑制することができるようにな
った。
【0019】
【発明の効果】本発明によれば、学習事例を数多く重ね
ることにより、スロッピング発生率を大幅に低減するこ
とができる。図6は、本発明によって得られた効果を示
す図であるが、溶銑Siが高くしかも炉齢が小さくスロ
ッピングが発生しやすい操業においても、スロッピング
発生率を10%から0.3%に低下できた。
ることにより、スロッピング発生率を大幅に低減するこ
とができる。図6は、本発明によって得られた効果を示
す図であるが、溶銑Siが高くしかも炉齢が小さくスロ
ッピングが発生しやすい操業においても、スロッピング
発生率を10%から0.3%に低下できた。
【0020】さらに、装置はすべて運転室に設置できる
ので保全性も優れている。本発明によって、吹錬の送酸
量も向上させることができ、結果として、能率の向上と
生産量の向上に大きな効果が得られた。
ので保全性も優れている。本発明によって、吹錬の送酸
量も向上させることができ、結果として、能率の向上と
生産量の向上に大きな効果が得られた。
【図1】本発明の実施例を示す構成図である。
【図2】画像処理装置の構成図である。
【図3】本発明の実施例における画像の分割方法であ
る。
る。
【図4】本発明の実施例におけるニューラルネットワー
クの構成図である。
クの構成図である。
【図5】炉口フレームとスロッピング発生の関係を示す
図である。
図である。
【図6】本発明によって得られた効果を示す図である
1 転炉 2 溶鋼 3 炉口フレーム 4 炉口 5 スカート 6 カメラ 7 画像処理装置 8 スロッピング判定コンピュータ 9 記憶装置 10 CRT入出力装置 11 ニューラルネットワーク開発装置 12 CRT入出力装置 13 操業員 14 解析者 15 画像
───────────────────────────────────────────────────── フロントページの続き (72)発明者 竹中 正樹 東京都千代田区丸の内1丁目1番2号 日 本鋼管株式会社内
Claims (2)
- 【請求項1】 あらかじめ転炉の炉口から発生するフレ
ームを連続撮影し、その画像を画素分解し空間的分布デ
ータと時間的分布データとし、かつ前記撮影したフレー
ムをスロッピングの規模に応じて等級を付けて前記2種
類のデータとともに、転炉スロッピングの発生に関する
ニューラルネットワークを構成したコンピュータに入力
し教師データとしておき、操業中に発生する転炉の炉口
から発生するフレームを撮影し前記コンピュータに入力
させ、この入力データを前記教師データからパターン認
識し、スロッピング発生の規模の等級を予知することを
特徴とした転炉スロッピング予知方法。 - 【請求項2】 前記教師データは、学習機能を備えるこ
とを特徴とした請求項1記載の転炉スロッピング予知方
法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3260919A JPH0598335A (ja) | 1991-10-09 | 1991-10-09 | 転炉スロツピング予知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3260919A JPH0598335A (ja) | 1991-10-09 | 1991-10-09 | 転炉スロツピング予知方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0598335A true JPH0598335A (ja) | 1993-04-20 |
Family
ID=17354582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3260919A Pending JPH0598335A (ja) | 1991-10-09 | 1991-10-09 | 転炉スロツピング予知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0598335A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102906281A (zh) * | 2010-06-02 | 2013-01-30 | 西门子Vai金属科技有限责任公司 | 用于在顶吹方法情况下确定点火时刻的方法 |
WO2020203504A1 (ja) * | 2019-04-02 | 2020-10-08 | Jfeスチール株式会社 | 転炉のスロッピング予知方法、転炉の操業方法及び転炉のスロッピング予知システム |
CN116083676A (zh) * | 2021-11-08 | 2023-05-09 | 清华大学 | 转炉炼钢过程监控方法、装置、设备和系统 |
CN112853033B (zh) * | 2021-03-10 | 2023-10-13 | 柳州钢铁股份有限公司 | 一种基于炉口图像分析的高效溅渣智能控制方法及系统 |
-
1991
- 1991-10-09 JP JP3260919A patent/JPH0598335A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102906281A (zh) * | 2010-06-02 | 2013-01-30 | 西门子Vai金属科技有限责任公司 | 用于在顶吹方法情况下确定点火时刻的方法 |
WO2020203504A1 (ja) * | 2019-04-02 | 2020-10-08 | Jfeスチール株式会社 | 転炉のスロッピング予知方法、転炉の操業方法及び転炉のスロッピング予知システム |
JPWO2020203504A1 (ja) * | 2019-04-02 | 2021-04-30 | Jfeスチール株式会社 | 転炉のスロッピング予知方法、転炉の操業方法及び転炉のスロッピング予知システム |
CN113661257A (zh) * | 2019-04-02 | 2021-11-16 | 杰富意钢铁株式会社 | 转炉的喷溅预知方法、转炉的操作方法及转炉的喷溅预知系统 |
EP3929312A4 (en) * | 2019-04-02 | 2022-03-30 | JFE Steel Corporation | CONVERTER OVEN OVERFLOW PREDICTION METHOD, CONVERTER OVEN OPERATION METHOD AND CONVERTER OVEN OVERFLOW PREDICTION SYSTEM |
CN112853033B (zh) * | 2021-03-10 | 2023-10-13 | 柳州钢铁股份有限公司 | 一种基于炉口图像分析的高效溅渣智能控制方法及系统 |
CN116083676A (zh) * | 2021-11-08 | 2023-05-09 | 清华大学 | 转炉炼钢过程监控方法、装置、设备和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017145B (zh) | 一种高效的铁水预处理自动扒渣方法和系统 | |
CN110781944B (zh) | 一种基于深度学习的铁水自动扒渣控制方法 | |
CN110184401B (zh) | 高炉出渣铁状态在线检测方法 | |
CN112501377A (zh) | 一种转炉炼钢渣含量异常检测方法及系统 | |
CN112091206A (zh) | 一种安全可靠的铁水预处理自动扒渣方法和系统 | |
CN117670755B (zh) | 一种吊钩防脱装置检测方法、装置、存储介质及电子设备 | |
JPH0598335A (ja) | 転炉スロツピング予知方法 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
JP7401752B2 (ja) | モデル構築装置、予測装置、モデル構築方法、予測方法及びコンピュータプログラム | |
JP2003013129A (ja) | スラグ検知方法、スラグ検知装置、及び除滓装置 | |
CN117035669A (zh) | 基于人工智能的企业安全生产管理方法及系统 | |
CN114663365A (zh) | 缺陷检测方法、装置及计算机存储介质 | |
CN115612765B (zh) | 一种高炉开铁口状态实时检测控制方法及系统 | |
CN114525375B (zh) | 一种转炉异常炉况控制方法及系统 | |
JP2003019553A (ja) | スラグ検知方法、スラグ検知装置及び除滓装置 | |
KR100711364B1 (ko) | 화상 이미지 분석을 통한 배출매연 인식 및 자동경보 장치및 방법 | |
JPH05197891A (ja) | 異常検出方法および装置 | |
JPH01165712A (ja) | 転炉の排ガス回収制御方法 | |
JPH0510737A (ja) | 画像処理による発煙又は発塵の検知方法 | |
CN117496429A (zh) | 一种转炉火焰喷溅状态监控方法、装置、设备及存储介质 | |
JP2022124231A (ja) | スラグ流出判定方法、転炉操業方法、溶鋼製造方法、スラグ流出判定装置、転炉操業設備、及び溶鋼製造設備 | |
JPH07129776A (ja) | 異常監視方法および装置 | |
JP3203977B2 (ja) | 高炉のガス流分布検出方法及びその装置 | |
JP2022144010A (ja) | 高炉の羽口景観評価方法、羽口景観評価装置及び羽口景観評価プログラム | |
JPH04352077A (ja) | 画像処理による発煙又は発塵の検知装置 |