JPH09248661A

JPH09248661A - 連続鋳造の異物噛み込み性ブレークアウト予知方法

Info

Publication number: JPH09248661A
Application number: JP8745996A
Authority: JP
Inventors: Toru Takagi; 徹高木; Kazuhisa Tanaka; 和久田中; Tomomitsu Inada; 知光稲田; Katsuhiko Hata; 勝彦秦; Kazuhiro Kusumoto; 和弘楠元; Yasuo Maruki; 保雄丸木; Takeshi Seki; 健関
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 1996-03-16
Filing date: 1996-03-16
Publication date: 1997-09-22

Abstract

(57)【要約】【課題】不特定多数のデータ処理を必要とせず、異物
噛み込み性ブレークアウトの予兆を高い判定精度で予知
することのできる連続鋳造の異物噛み込み性ブレークア
ウト予知方法を提供する。【解決手段】鋳型壁１６にそれぞれ対をなす上部温度
検出端Ｈ_kと下部温度検出端Ｌ_kとを複数埋設すると共
に、上部温度検出端Ｈ_kにおいて、一定時間内における
温度の下降代Ｄ_H及びその傾きＴ_Hが、予め定められた
閾値Ｄ₀、Ｔ₀を越えたときの温度変化を基準として、
上部温度検出端Ｈ_k下方の少なくとも一つの下部温度検
出端Ｌ_kにおいて、該温度変化と同様な温度変化が一定
時間後に検出された時を異物噛み込みに起因するブレー
クアウトの予兆として判定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は連続鋳造の鋳型壁に
溶鋼中の介在物、スラグベア等の異物が噛み込むことに
よって発生する鋳片のブレークアウトの発生を予知する
連続鋳造の異物噛み込み性ブレークアウト予知方法に関
する。

【０００２】

【従来の技術】溶鋼の連続鋳造は、冷却された鋳型内に
溶鋼を連続的に注入、流下させ、鋳型壁側から徐々に溶
鋼の凝固シェルを形成させながら鋳片を引き抜いて製造
する過程である。そして、鋳型の冷却異常等で鋳型壁へ
の溶鋼の焼き付きが発生すると、鋳片の引き抜きに伴っ
て、その箇所が下方に伝搬し、それが鋳型の終端に達し
鋳型からの拘束力を失うことにより凝固シェルの内側の
溶鋼が流出するというブレークアウトが発生する。この
ようなブレークアウトが発生すると、流出した溶鋼に冷
却水が接触して生じる水蒸気爆発等により鋳造処理が中
断されるのみならず、設備の破損といった重大な事故を
もたらす。このブレークアウトの発生は鋳片の引き抜き
速度を小さくして、冷却時間を長く取ることで避けられ
るものの、後工程の生産性を維持するために溶鋼の引き
抜き速度を限度以上に小さくすることができないのが現
状である。以上から連続鋳造におけるブレークアウトの
発生を高い精度で予知可能とするブレークアウト予知方
法が望まれている。

【０００３】ブレークアウト予知方法として、例えば、
特公昭６３−４７５４５号公報には連続鋳造設備の鋳型
壁面に複数の熱電対を埋設し、これらの熱電対中の一つ
の熱電対の検出温度が検出平均より、一旦上昇してから
下降したことを検出し、この一つの熱電対に隣接した他
の少なくとも一つの熱電対で、続いて上記検出温度の温
度変化パターンが検出されたときを、ブレークアウト発
生として予知する拘束性ブレークアウトの予知方法が記
載されている。

【０００４】図９を用いてこのような拘束性ブレークア
ウトの発生機構を説明する。図９（ａ）〜図９（ｅ）
は、それぞれ連続鋳造鋳型５０の片側半分の断面を表す
模式図である。溶鋼５１の正常な凝固処理が行われてい
る場合には、図９（ａ）に示すように、連続鋳造鋳型５
０の下方に行くに従って、凝固シェル５２が成長して安
定した凝固層が形成される。この溶鋼の鋳造処理時に、
何らかの原因でメニスカス５３近傍の凝固シェル５２と
鋳型壁間に拘束力が発生してその拘束力が凝固シェル５
２の耐力より大きくなると、図９（ｂ）に示すように凝
固シェル５２の破断部５４が形成される。続いて、図９
（ｃ）に示すように破断部５４に溶鋼５１が接触して、
そこで冷却され新たに薄い凝固シェル５２が形成され
る。次に、鋳込み引き抜きにより、薄い凝固シェル５２
の弱い部分、つまり該凝固シェル５２の下方部分が引き
ちぎられて新たな破断部５４を形成する。そして、以上
の破断と凝固とを繰り返すことにより凝固シェルの破断
部は順次鋳型の下方に移動する。一方、破断部５４より
上方の鋳型と固着した凝固シェル５２の部分は固着状態
で冷却されるために次第に厚く成長していく。図９
（ｄ）に示すように凝固シェル５２の破断部５４は鋳造
速度に応じて順次鋳型下方及び巾方向に伝搬する。ここ
で図９（ｅ）に示すように凝固シェル５２の破断部５４
が鋳型下端位置より下方になったときにブレークアウト
となる。また、鋳型に埋設された熱電対位置で凝固シェ
ル５２の破断が発生すると、鋳型表面に流出する溶鋼に
よりその箇所の熱電対の検出温度が一旦、急激に上昇し
た後、溶鋼が冷却されて新しい凝固シェルが形成され、
その箇所の検出温度が下降するような変動特性を示す。

【０００５】

【発明が解決しようとする課題】しかしながら、前記特
公昭６３−４７５４５号公報に示される方法は、鋳型内
に凝固シェルが焼き付き、それが鋳型下方からの鋳片引
き抜きにより鋳型内下方及び隣接方向に向かって伝搬す
る前記の拘束性ブレークアウトを予知する方法であり、
熱電対温度が一旦上昇してその後に下降する特徴的な温
度パターンを捉えるものである。ところが、介在物、ス
ラグベア等の異物の噛み込みに起因するブレークアウト
の予兆時には、異物の熱伝導率が一般に凝固シェルに較
べて小さいので異物を噛み込んだ箇所の熱電対の温度は
下降して、また異物が鋳片の引き抜きに伴って鋳型内を
鋳型壁に沿って下降するため、前記温度の下降はある時
間後に鋳型直下へと伝搬する。即ち、拘束性ブレークア
ウトとは逆の温度パターンを示すために、このような従
来の方法では予知が不可能であった。さらに、最初に特
徴的な温度パターンを検出しても、それに続く隣接した
他の熱電対を確定することができないので、不特定多数
の熱電対におけるデータの処理を必要とし温度パターン
を判定するアルゴリズムが複雑となって、計算量が多い
にも拘わらず判定の精度が高くならないという問題点が
あった。加えて、ブレークアウトにおける種々の発生要
因を解析して得られるデータ及び知見等がブレークアウ
トの判定条件に充分に反映されず、しかも判定条件が固
定化されて柔軟性がないために、実際の判定に誤りが多
くても、判定条件の修正に時間がかかり、また、このよ
うな判定結果に基づいて連続鋳造の操業が行われるので
生産計画が撹乱され生産性が低下するという問題があっ
た。

【０００６】本発明はこのような事情に鑑みてなされた
もので、不特定多数のデータ処理を必要とせず、異物噛
み込み性ブレークアウトの予兆を高い判定精度で予知す
ることのできる連続鋳造の異物噛み込み性ブレークアウ
ト予知方法を提供することを目的とする。

【０００７】

【課題を解決するための手段】前記目的に沿う請求項１
記載の連続鋳造の異物噛み込み性ブレークアウト予知方
法は、連続鋳造設備の鋳型壁に埋設された複数の温度検
出端によって検出される各位置の温度を監視する連続鋳
造の異物噛み込み性ブレークアウト予知方法であって、
前記鋳型壁にそれぞれ対をなす上部温度検出端と下部温
度検出端とを複数埋設すると共に、上部温度検出端にお
いて、一定時間内における温度の下降代びその傾きが、
予め定められた閾値を越えたときの温度変化を基準とし
て、該上部温度検出端下方の少なくとも一つの下部温度
検出端において、該温度変化と同様な温度変化が一定時
間後に検出された時を異物噛み込みに起因するブレーク
アウトの予兆として判定する。請求項２記載の連続鋳造
の異物噛み込み性ブレークアウト予知方法は、連続鋳造
鋳設備の鋳型壁における温度データ信号を、神経細胞の
信号伝達機能を模擬して備える多数のユニットで構成さ
れるニューラルネットワークに入力して、その出力信号
によりブレークアウトを予知する連続鋳造の異物噛み込
み性ブレークアウト予知方法であって、前記鋳型壁にそ
れぞれ対をなす上部温度検出端と下部温度検出端とを複
数埋設すると共に、予め異物噛み込み性ブレークアウト
状態を指示する教師信号群を前記ニューラルネットワー
クに入力して、このときの出力信号がブレークアウト状
態を表示する規定値となるように前記ユニット間の入出
力関数を規定する各結合荷重を確定した後、前記上部温
度検出端及び下部温度検出端における時系列温度データ
をそれぞれ前記ニューラルネットワークへの入力信号と
して与え、前記ニューラルネットワークからの出力信号
によりブレークアウトの予兆を検知する。

【０００８】対をなす上部温度検出端と下部温度検出端
とは、鋳型壁の上部に埋設された熱電対等からなる上部
温度検出端と、その下方位置に所定距離を隔てて設けら
れた下部温度検出端からなる一対であって、これらの対
が鋳型壁に複数配置される。一定時間内における温度の
下降代とは、複数ある上部及び下部温度検出端において
測定される温度とその温度の移動平均との差又は、最高
温度と最低温度との差等の温度降下量の評価値をいう。
一定時間内における温度の傾きとは、所定の時間間隔で
温度検出端での時系列温度データを切り出して隣り合う
区間における温度差を該時間間隔で除算した値又は、温
度曲線から算出される一次微分係数等の温度変化の評価
値をいう。前記閾値とは、過去における異物噛み込み性
ブレークアウトのデータを多数集積して、これを平均化
することにより求められる異物噛み込み性ブレークアウ
トを予知するための基準となる値である。

【０００９】神経細胞の信号伝達機能を模擬して備える
ユニットとは、単数又は複数の入力信号に応答して、所
定の出力信号を出力する電子回路等からなる演算装置で
あり、それら入出力信号の大きさの関係はシグモイド関
数（ｆ（ｘ）＝１／（１＋ｅｘｐ（−ｘ））等の入出力
関数によって定義される。結合荷重とは、各ユニット間
の信号伝達における相互作用の大きさを決定するパラメ
ータであり、相互作用のない場合はゼロとなり、相互作
用が強くなるのに伴い増加する値である。結合荷重は、
神経細胞における軸索とシナプス結合に相当し、軸索と
他の神経細胞とはシナプス結合をしていて、そのシナプ
ス結合の形態や位置によって神経細胞を介する情報信号
である電位の振幅が変化する。教師信号とは、ニューラ
ルネットワーク（神経回路網）の出力層における出力値
の目標パターンである。即ち、ニューラルネットワーク
の各結合荷重を決定する際に指標となる信号群であり、
異物噛み込み性ブレークアウト発生時における入力信号
の実績データが用いられる。そして、教師信号となる前
記実績データをニューラルネットワークに入力したとき
に、そのニューラルネットワークの出力信号が所定のブ
レークアウト時に対応した値となるように、各結合荷重
の値を例えば、最小２乗法等を用いて設定する。時系列
温度データとは、上部温度検出端、及び下部温度検出端
における測定データを、所定の単位時間間隔で現在時点
を基点として過去に遡るように切り出して得られる所定
個数からなるそれぞれの温度データをいう。

【００１０】

【作用】請求項１記載の連続鋳造の異物噛み込み性ブレ
ークアウト予知方法においては、鋳型壁にそれぞれ対を
なす上部温度検出端と下部温度検出端とを複数設けるの
で、上部温度検出端と下部温度検出端との温度データを
関連付けて対応させることができる。従って、鋳型壁に
沿って直下に移動する異物に起因した温度変化を的確か
つ、少ないデータ量で効率的に検知することができる。
そして、上部温度検出端において、一定時間内における
温度の下降代びその傾きが、予め定められた閾値を越え
たときの温度変化を仮の基準としているので、これに基
づいて、以降の下部温度検出端におけるデータ処理を簡
単に行うことができる。続いて、前記上部温度検出端に
おける温度データを基にして、該上部温度検出端下方の
少なくとも一つの下部温度検出端において、前記上部温
度検出端における温度変化と同様な温度変化が一定時間
後に検出された時を異物噛み込みに起因するブレークア
ウトの予兆として判定するので、不特定多数の余分なデ
ータ処理を行うことなく、異物噛み込み性ブレークアウ
トの予知を高い判定精度で行うことができる。

【００１１】請求項２記載の連続鋳造の異物噛み込み性
ブレークアウト予知方法においては、鋳型壁にそれぞれ
対をなす上部温度検出端と下部温度検出端とを複数設け
ているので上部温度検出端と下部温度検出端との温度デ
ータをソフトウェアを介することなく物理的に関連づけ
ることができる。従って、後段のデータ処理における演
算操作をその分簡略化することができる。また、予め異
物噛み込み性ブレークアウト状態を指示する教師信号群
を前記ニューラルネットワークに入力して、このときの
出力信号がブレークアウト状態を表示する規定値となる
ように前記ユニット間の入出力関数を規定する各結合荷
重を確定するので、過去に蓄積された異物噛み込み時に
おけるデータを活用して、ニューラルネットワークの動
作状態を確定する学習操作を行うことができる。そし
て、前記上部温度検出端及び下部温度検出端における時
系列温度データをそれぞれ前記ニューラルネットワーク
への入力信号として与え、前記ニューラルネットワーク
からの出力信号によりブレークアウト状態を予知するの
で、固定的なアルゴリズムによる判定とは異なり、操業
条件の変動に対応して実際の実績データに基づいた柔軟
な判定が行え、異物噛み込みによるブレークアウトの予
知を高い判定精度で行える。

【００１２】

【発明の効果】従って、請求項１記載の連続鋳造の異物
噛み込み性ブレークアウト予知方法においては、異物に
起因した温度変化を的確かつ、少ないデータ量で効率的
に検知すると共に、異物噛み込み性ブレークアウトの予
知を高い判定精度で行うことができるので、連続鋳造に
おける異物噛み込み性ブレークアウトを事前に察知し
て、異物噛み込みに対応した適切な対応が行え、高い生
産性を維持することができる。

【００１３】請求項２記載の連続鋳造の異物噛み込み性
ブレークアウト予知方法においては、過去に蓄積された
異物噛み込み時における実績データを活用してニューラ
ルネットワークの学習操作を行って、実際の操業データ
に即した柔軟な予知判定が行えるので、異物噛み込みに
よるブレークアウトの予知を高い判定精度で行うことが
でき、ブレークアウトに伴う復旧に伴うコストを削減す
ると共に、連続鋳造の操業を安定的に維持できる。

【００１４】

【発明の実施の形態】続いて、添付した図面を参照しつ
つ、本発明を具体化した実施の形態につき説明し、本発
明の理解に供する。ここに図１は本発明の実施の形態に
係る連続鋳造の異物噛み込み性ブレークアウト予知方法
を適用する連続鋳造設備の正断面図、図２は同連続鋳造
設備の側断面図、図３は異物噛み込み性ブレークアウト
の発生機構の説明図、図４は本発明の第１の実施の形態
に係る連続鋳造の異物噛み込み性ブレークアウト予知方
法を適用する装置の説明図、図５は同予知方法の演算装
置のフロー図、図６は温度検出端における温度変化の説
明図、図７は本発明の第２の実施の形態に係る連続鋳造
の異物噛み込み性ブレークアウト予知方法を適用する装
置の説明図、図８は連続鋳造における鋳造速度の時間変
化と各温度検出端の温度変動を示す概略図である。

【００１５】本発明の実施の形態に係る連続鋳造の異物
噛み込み性ブレークアウト予知方法を適用する連続鋳造
設備１０は図１、図２に示すように、図示しないタンデ
ィッシュの溶鋼１２を鋳型１１に注入する吐出孔１３を
下部に有する浸漬ノズル１４と、長辺２０００ｍｍ、短
辺２５０ｍｍの矩形断面の溶鋼注入口１５を有して鋳型
壁１６の深さが９００ｍｍである鋳型１１とを備えてい
る。従って、浸漬ノズル１４を介して鋳型１１に注入さ
れる溶鋼１２を冷却すると共に、鋳型１１の下方から既
に凝固した鋳片１７を引き抜きながら連続的に鋳造行え
るようになっている。そして、鋳型壁１６のメニスカス
面１８から１５０ｍｍの位置に上部温度検出端である熱
電対１９がＨ₁〜Ｈ₉に略等間隔に埋設されており、メ
ニスカス面１８から１５０＋１００ｍｍの位置には下部
温度検出端である熱電対１９がＬ₁〜Ｌ₉に前記熱電対
Ｈ₁〜Ｈ₉の位置にそれぞれ対応する直下に埋設されて
いる。なお、前記熱電対の配置個数、埋設位置はそれぞ
れ溶鋼の鋳込み条件等に応じて設定することができ、鋳
型１１の短辺側の位置に必要に応じて同様な熱電対の組
を配置することができる。従って、以上のように配置さ
れた各熱電対１９のＨ₁〜Ｈ₉、Ｌ₁〜Ｌ₉からの出力
信号をコンピュータからなる演算装置に取り込んで、必
要なデータ処理を行うことができるようになっている。

【００１６】ここで以下に述べる異物噛み込み性ブレー
クアウト予知方法のアルゴリズムの理解を容易にするた
めに、異物噛み込みに起因するブレークアウトの発生機
構を図３を用いて詳細に説明する。図３（ａ）は異常の
ない凝固シェル２１の状態を示している。異物噛み込み
性ブレークアウトの端緒となるスラグベア２２とは、パ
ウダー２３中の難溶融性の成分等がパウダーライン（メ
ニスカス面１８）の近傍に集積した結果生じる、直径が
３０ｍｍ〜５ｍｍ程度の粒子をいう。そして、このよう
な粒子が図３（ｂ）に示すように鋳型壁１６に付着す
る。次に、図３（ｃ）に示すように鋳片の引き抜きに伴
って前記付着したスラグベア２２が凝固シェル２１と共
に下方に移行する。このときこのスラグベア２２の通過
位置では、酸化物等からなるスラグベア２２の熱伝導率
は凝固シェル２１の熱伝導率よりも低いために、鋳型壁
１６の通過位置における温度が一旦下降するが、通過後
には再び凝固シェル１２で覆われるので、温度上昇が生
じる。そして、このようなスラグベア２２が鋳型壁１６
に沿って下降して鋳型壁１６の終端に達したときに、ス
ラグベア２２が周囲の凝固シェル２１から脱離して、薄
くなった部分の凝固シェル２１が破けて、凝固シェル２
１の内側の溶鋼１２が流出しブレークアウトとなる（図
３（ｄ）、（ｅ））。従って、スラグベア２２等の異物
の移動に伴って、上部温度検出端における時系列温度デ
ータにおける減少、及び増加の変化傾向が、鋳造速度等
の操業条件により定まる一定時間後に下部温度検出端に
も現れることになり、この上部と下部における時系列温
度データの相関を捉えることにより、異物噛み込み性ブ
レークアウトを予知することが可能となる。

【００１７】続いて、本発明の第１の実施の形態に係る
連続鋳造の異物噛み込み性ブレークアウト予知方法につ
いて説明する。図４に示すように各熱電対１９のＨ₁〜
Ｈ₉、Ｌ₁〜Ｌ₉からの生信号がそれぞれ時系列温度デ
ータとして演算装置２０に取り込まれ、これらのデータ
が後述する図５に示すアルゴリズムに従って処理され、
その結果が出力されるようになっている。図６はこのよ
うなｋ番目の位置に相当する熱電対Ｈ_kとＬ_kに対応す
る温度データの変化の説明図である。同図に示すように
時刻ｔ₀を基点として、所定の時間間隔で、例えば時刻
ｔ₀、ｔ₁、・・・ｔ₉で出力信号を切り出すことによ
り、上部温度検出端、及び下部温度検出端の位置にそれ
ぞれ相当する時系列温度データ（Ｈ_k0〜Ｈ_k9）、（Ｌ_k0
〜Ｌ_k9）の組を得ることができる。従って、注目する時
刻ｔ₀において、特定の時間範囲ｔ₀〜ｔ₉における時
系列温度データの処理を行うので、その間の上部温度検
出端と下部温度検出端の温度変化の傾向を的確に捉え
て、両者の対応関係等を計算し必要な判断を行うことが
できるようになっている。

【００１８】続いて、前記説明した時系列温度データ
を、図５のフロー図に示すアルゴリズムに適用して、鋳
型１１への異物噛み込みを予知する方法を説明する。ま
ず、時間範囲ｔ₀〜ｔ₉における上部温度検出端、及び
下部温度検出端における時系列温度データを取得する
（ステップ１）。続くステップ２において、上部温度検
出端の温度の下降代（Ｄ_H）及び温度の傾き（Ｔ_H）を
それぞれ求める。ここで温度の下降代（Ｄ_H）は、例え
ば時系列温度データ（Ｈ_k0〜Ｈ_k9）における最大値と最
小値との差を取るか、あるいは過去に遡る温度の所定期
間内の移動平均値と時系列温度データ（Ｈ_k0〜Ｈ_k9）の
最小値との差とすることもできる。また、温度の傾き
（Ｔ_H）には、時刻ｔ₀、ｔ₁、・・・ｔ₉に対応する
温度曲線の各微分係数の中の最小値とするか、あるいは
時系列温度データ（Ｈ_k0〜Ｈ_k9）の隣り合う各要素間で
差分を取って、その差分の中の最小値として定めること
もできる。そして上部温度検出端における温度の下降代
（Ｄ_H）及び温度の傾き（Ｔ_H）のそれぞれの閾値とし
て、予め閾値Ｄ₀、閾値Ｔ₀を過去の実績データに基づ
いて設定しておく。ステップ３において、温度の下降代
（Ｄ_H）、及び温度の傾き（Ｔ_H）のそれぞれの値が、
Ｄ_H≦Ｄ₀、及びＴ_H≦Ｔ₀の判定条件を満足するかど
うかを判定する。そして、両者が同時に判定条件を満た
すときに、このときのＤ_H値あるいはＴ_H値を与える時
刻を基準時刻（ｔ_a）として設定し（ステップ４）、条
件を満足しないときは、ステップ１に戻り、時刻ｔ₀に
続く次の時刻ｔ₁を新たな基点（ｔ₀）としてシフトし
た時系列温度データについて前記の判定手順が繰り返さ
れる。前記ステップ４に続くステップ５においては下部
温度検出端における時系列温度データ（Ｌ_k0〜Ｌ_k9）に
ついて、下降代Ｄ_L及び傾きＴ_Lを求める。

【００１９】そして、ステップ６において、前記下降代
Ｄ_L及び傾きＴ_LがＤ_L≦Ｄ₀、及びＴ_L≦Ｔ₀の判定
条件を同時に満たすか否かをチェックする。前記判定条
件が満たされるときは、続くステップ７において、この
ときのＤ_L値あるいはＴ_L値を与える時刻を判定時刻
（ｔ_b）として設定し、満足しないときには、前記のス
テップ１に戻る。前記ステップ７に続くステップ８で
は、実験あるいは操業実績のデータより、上部温度検出
端と下部温度検出端間の異物の移動伝搬時間の差の下限
値αと上限値βとを設定して、前記基準時刻（ｔ_a）と
判定時刻（ｔ_b）との時間差（ｔ_a−ｔ_b）が前記下限
値αと上限値βとの範囲に入るか否か、即ちα≦（ｔ_a
−ｔ _b）≦βにより比較して、異物噛み込み性ブレーク
アウトの予兆を判定する。ここで、前記時系列温度デー
タから異物噛み込み性ブレークアウトの予兆が検知され
たときに、所定のブレークアウト信号を出力し（ステッ
プ８）、検知されないときはステップ１に戻って新たな
温度データが読み込まれる。なお、閾値Ｄ₀、Ｔ₀、及
びブレークアウト判定時間の範囲を規定する下限値α、
及び上限値βは、過去の連続鋳造における測定温度デー
タの実績値を集約することにより設定される定数データ
であり、ここでは鋳造速度１．４ｍ／ｍｉｎの下で各定
数をそれぞれＤ₀＝−１０℃、Ｔ₀＝−３℃／ｓｅｃ、
α＝−１５ｓｅｃ、β＝−３ｓｅｃに設定した。

【００２０】続いて、本発明の第２の実施の形態に係る
連続鋳造の異物噛み込み性ブレークアウト予知方法を図
７に基づいて説明する。同図に示すように連続鋳造設備
１０の鋳型壁１６にそれぞれ対をなすように配置された
各熱電対１９のＨ₁〜Ｈ₉、Ｌ₁〜Ｌ₉からの出力信号
がそれぞれ時系列温度データとしてコンピュータからな
る演算装置２４に取り込まれ、これらのデータの信号が
以下に示すニューラルネットワークに入力されて、その
処理結果が出力されるようになっている。演算装置２４
は、上部温度検出端Ｈ_k、及び下部温度検出端Ｌ_kにお
ける温度データをそれぞれ処理する上部温度検出部２
５、下部温度検出部２６と、上部温度検出部２５及び下
部温度検出部２６からの出力信号がそれぞれ入力される
第１のニューラルネットワーク２７とを有する。従っ
て、演算装置２４は、上部温度検出端Ｈ_k及び下部温度
検出端Ｌ_kの組の数に対応した数の前記構成を複数備え
た装置である。そして、前記上部温度検出部２５は、入
力される温度データの生信号を処理して一次微分に変換
する微分回路３０と、該微分回路３０からのデータが入
力される第２のニューラルネットワーク２８と、第２の
ニューラルネットワーク２８からの出力信号を一時的に
記憶しておき、必要に応じてその出力信号の最大値等を
取り出すことのできるバッファ３１とを有する。また、
下部温度検出部２６は、微分回路３０ａと、第３のニュ
ーラルネットワーク２９と、バッファ３１ａとを有する
前記上部温度検出部２５と同様の構成を有する装置であ
る。

【００２１】ここで、第２及び第３のニューラルネット
ワーク２８、２９は、それぞれ１０個のユニット３２か
らなる入力層３３と、８個のユニット３２からなる中間
層３４と、１個のユニット３２の出力層３５とを有する
階層型ネットワーク構造となっていて、入力層３３−中
間層３４、及び中間層３４−出力層３５間の各ユニット
３２がそれぞれ信号線を介して連結され、入力層３３か
ら出力層３５に向かってそれぞれの信号が伝達されるよ
うになっている。そして、各ユニット３２における入力
信号と出力信号の関係はシグモイド関数等の入出力関数
によって規定されている。さらに、各ユニット３２間の
結合荷重を設定して第２、第３のニューラルネットワー
ク２８、２９を設定することにより、入力層３３の各ユ
ニット３２に入力されるそれぞれの信号の大きさに応じ
て、最終的に出力層３５から出力される信号の大きさが
定まるようになっている。そして、第１のニューラルネ
ットワーク２７は２個のユニット３２からなる入力層３
６と、４個のユニット３２からなる中間層３７と１個の
ユニット３２の出力層３８とを有している。従って、全
ニューラルネットワークにおける結合荷重等のパラメー
タを確定した後、前記上部温度検出部２５及び下部温度
検出部２６からの出力信号をこの入力層３６に入力する
ことにより、第ｋ番目の熱電対１９の上部温度検出端Ｈ
_k、及び下部温度検出端Ｌ_kにおける連続鋳造の異物噛
み込み性ブレークアウトの予知結果が最終的に出力され
るようになっている。なお、各層におけるユニットの
数、及び中間層の数は任意であって、ユニット数、層数
を増やすことにより、ユニット間の相互作用がより緊密
に構成され、より柔軟なニューラルネットワークを形成
することができる。

【００２２】次いで、前記演算装置２４を用いて、異物
噛み込み性ブレークアウトを予知する方法を説明する。
なお、以下においては鋳型壁１６の任意の一つの上部温
度検出端Ｈ_kと、それに対応する直下の下部温度検出端
Ｌ_kである熱電対１９の一組みのデータを処理する場合
について説明する。まず、実際に連続鋳造操業を行うこ
とにより異物噛み込みとみなせる時系列温度データ群を
多数抽出しておく。そして、予め各ユニット３２間の結
合荷重を仮の初期値にそれぞれ設定した後、前記時系列
温度データ群を各ユニット３２間の結合荷重を確定する
ための教師信号として前記演算装置２４の入力層３３に
入力する。このとき、第１のニューラルネットワーク２
７から出力される出力信号の値がブレークアウト状態を
表示する所定の値となるように、最小自乗法等を適用し
て各結合荷重の値を定めることができる。従って、以上
の手順により第１〜第３のニューラルネットワーク２
７、２８、２９の信号伝達機能を規定するパラメータで
ある各結合荷重の値を更新することにより、必要な学習
が行われる。即ち、結合荷重の値は常時固定した値では
なく、連続鋳造における異物噛み込み時の実績データを
必要に応じて教師信号としてその都度入力して、更新さ
れるので、その時点における操業条件に最も対応した柔
軟なニューラルネットワークを形成することが可能であ
る。ニューラルネットワークを用いた情報処理において
は、認識対象となるブレークアウト時の温度変化パター
ンの本質を追求する必要はなく、学習によって結合荷重
等のパラメータを設定するだけで、未知のパターンにも
対応することができる。また、入力される温度データが
不足したり、曖昧なときにも、既に各結合荷重の値とし
て記憶されているニューラルネットワークの体系を利用
して、入力されるデータにおけるパターンの認識を行え
る利点がある。

【００２３】以上のように各ニューラルネットワーク２
７、２８、２９の各パラメータを確定した後、実際に熱
電対１９の上部温度検出端Ｈ_k、下部温度検出端Ｌ_kを
用いて、温度データを時系列的に取得し、この生信号を
それぞれ微分回路３０、３０ａに入力し各生信号に対応
した一次微分のデータを求める。そして、これを所定時
間間隔で切り出して時系列温度データＨ_k0〜Ｈ_k9、Ｌ_k0
〜Ｌ_k9を得る。なお、このとき、生信号をそのまま切り
出して、これを時系列温度データとすることも可能であ
り、生信号を一次微分に変換して用いる場合には、ブレ
ークアウトの予兆を示す温度変化を顕在化すると共に、
早期検出が可能となる等の利点、特徴がある。そして、
この時系列温度データをそれぞれ第２のニューラルネッ
トワーク２８及び第３のニューラルネットワーク２９の
入力層３３に入力する。次いで、第２及び第３のニュー
ラルネットワーク２８、２９を統合する第１のニューラ
ルネットワーク２７からの出力信号が所定の異物噛み込
み性ブレークアウトの表示値であるか否かによって、異
物噛み込み性ブレークアウトの予兆を検知することがで
きる。

【００２４】上記説明したブレークアウト予知方法を用
いて、実際に連続鋳造の操業を行う場合を以下に説明す
る。図８は連続鋳造における鋳造速度の時間変化と、鋳
型１１内の凝固シェル２１の状態と各温度検出端の温度
変動を示す概略図である。はメニスカス面１８近傍の
凝固シェル２１にスラグベア２２等の介在物が付着した
ときの状態であり、この時には上部及び下部温度検出端
における温度の変動はそれぞれ少なく、ブレークアウト
予知信号は出力されていない。は前記介在物が付着す
る鋳型壁１６近傍の凝固シェル２１の成長に遅れを生じ
ている状態を示しており、上部及び下部温度検出端にお
ける温度の変動はそれぞれ大きくなって、異物噛み込み
性ブレークアウトの予知信号が出力される。そして、こ
の異物噛み込み性ブレークアウト（ＢＯ：Ｂｒｅａｋ−
Ｏｕｔ）の予知信号を検知して、図８に示すように、現
在の鋳造速度１．４ｍ／ｍｉｎを約０．２ｍ／ｍｉｎま
で低下させて、その状態を約０．５ｍｉｎの時間保持し
て健全な凝固シェル２１を鋳型壁１６に形成させる操作
を行う。そして以降は約１．０ｍｉｎの時間をかけて鋳
造速度を漸増させて元の鋳造速度１．４ｍ／ｍｉｎまで
復帰させる。これらの操作を施すことにより、に示す
ような凝固シェル２１の修復が行われて、未然に異物噛
み込み性ブレークアウトを回避することができる。

【００２５】以上、本発明の実施の形態を説明したが、
本発明はこのような実施の形態に限定されるものではな
く、要旨を逸脱しない条件の変更等は全て本発明の適用
範囲である。例えば、本発明においては上部温度検出端
と下部温度検出端の一対からなる熱電対をそれぞれ水平
方向に複数配置する例を示したが、このような対を溶鋼
の下降方向に沿って鋳型壁に複数配置することにより、
異物噛み込み性ブレークアウトの予知精度さらに向上さ
せることもできる。また、第２の実施の形態においては
通常の逐次直列処理型のコンピュータを用いて、これを
制御するプログラムに神経細胞網を模擬した機能を持た
せる例を示したが、ハードウエアに神経細胞網の機能を
備えた並列分散処理型のニューロコンピュータに時系列
温度データを入力して、これを処理することも可能であ
る。

【図面の簡単な説明】

【図１】本発明の実施の形態に係る連続鋳造の異物噛み
込み性ブレークアウト予知方法を適用する連続鋳造設備
の正断面図である。

【図２】同連続鋳造設備の側断面図である。

【図３】異物噛み込み性ブレークアウトの発生機構の説
明図である。

【図４】本発明の第１の実施の形態に係る連続鋳造の異
物噛み込み性ブレークアウト予知方法を適用する装置の
説明図である。

【図５】同予知方法の演算装置のフロー図である。

【図６】温度検出端における温度変化の説明図である。

【図７】本発明の第２の実施の形態に係る連続鋳造の異
物噛み込み性ブレークアウト予知方法を適用する装置の
説明図である。

【図８】連続鋳造における鋳造速度の時間変化と各温度
検出端の温度変動を示す概略図である。

【図９】拘束性ブレークアウトの発生機構の説明図であ
る。

【符号の説明】

１０連続鋳造設備１１鋳型１２溶鋼１３吐出孔１４浸漬ノズル１５溶鋼注入
口１６鋳型壁１７鋳片１８メニスカス面１９熱電対２０演算装置２１凝固シェ
ル２２スラグベア２３パウダー２４演算装置２５上部温度
検出部２６下部温度検出部２７第１のニューラルネットワーク２８第２のニューラルネットワーク２９第３のニューラルネットワーク３０微分回路３０ａ微分回
路３１バッファ３１ａバッフ
ァ３２ユニット３３入力層３４中間層３５出力層３６入力層３７中間層３８出力層

───────────────────────────────────────────────────── フロントページの続き (72)発明者秦勝彦千葉県君津市君津１番地新日本製鐵株式会社君津製鐵所内 (72)発明者楠元和弘千葉県君津市君津１番地新日本製鐵株式会社君津製鐵所内 (72)発明者丸木保雄千葉県富津市新富20−１新日本製鐵株式会社技術開発本部内 (72)発明者関健大分県大分市大字西ノ洲１番地新日本製鐵株式会社大分製鐵所内

Claims

【特許請求の範囲】

【請求項１】連続鋳造設備の鋳型壁に埋設された複数
の温度検出端によって検出される各位置の温度を監視す
る連続鋳造の異物噛み込み性ブレークアウト予知方法で
あって、前記鋳型壁にそれぞれ対をなす上部温度検出端と下部温
度検出端とを複数埋設すると共に、上部温度検出端にお
いて、一定時間内における温度の下降代及びその傾き
が、予め定められた閾値を越えたときの温度変化を基準
として、該上部温度検出端下方の少なくとも一つの下部
温度検出端において、該温度変化と同様な温度変化が一
定時間後に検出された時を異物噛み込みに起因するブレ
ークアウトの予兆として判定することを特徴とする連続
鋳造の異物噛み込み性ブレークアウト予知方法。
【請求項２】連続鋳造鋳設備の鋳型壁における温度デ
ータ信号を、神経細胞の信号伝達機能を模擬して備える
多数のユニットで構成されるニューラルネットワークに
入力して、その出力信号によりブレークアウトを予知す
る連続鋳造の異物噛み込み性ブレークアウト予知方法で
あって、前記鋳型壁にそれぞれ対をなす上部温度検出端と下部温
度検出端とを複数埋設すると共に、予め異物噛み込み性
ブレークアウト状態を指示する教師信号群を前記ニュー
ラルネットワークに入力して、このときの出力信号がブ
レークアウト状態を表示する規定値となるように前記ユ
ニット間の入出力関数を規定する各結合荷重を確定した
後、前記上部温度検出端及び下部温度検出端における時
系列温度データをそれぞれ前記ニューラルネットワーク
への入力信号として与え、前記ニューラルネットワーク
からの出力信号によりブレークアウト状態を予知するこ
とを特徴とする連続鋳造の異物噛み込み性ブレークアウ
ト予知方法。