JPH1133705A - レードル鍋湯切れ検出方法 - Google Patents

Abstract

(57)【要約】 【課題】 故障、コスト、保全性、イレギュラーへの補
完を克服し、特に波形の大きさや減衰率とは無関係なレ
ードル鍋湯切れ検出方法を提供する。 【解決手段】 取り鍋からタンディッシュに注湯する際
の所定方向の振動を振動加速度センサーにより検出し、
その検出された加速度信号を高速フーリェ変換によりパ
ワースペクトルに変換し、そして、そのパワースペクト
ルについてニューラルネットワークシステムにて学習を
行わせ、この学習完了以降は、スラグ混入によるパワー
スペクトルの変動を前記の学習済みのパワースペクトル
との対比により検出して、湯切れ判定を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、連続鋳造設備に於
いて取り鍋からロングノズルを用いてタンデッシュに注
湯する際に湯切れの検出を行うレードル鍋湯切れ検出方
法に関する。

【０００２】

【従来の技術】従来、この種のレードル鍋湯切れ検出方
法としては、次のような検出方法がある。 （ａ）特公昭６３−１１０９９号公報において開示され
ている検出方法：この検出方法は、振動法による検出の
基本となるものであり、熔融金属とスラグとの比重差か
ら、振動波形のレベルが湯切れ時に急に減少するという
現象を、ロングノズルの支持アームに取り付けられた振
動センサーにより検出する、というものである。この検
出方法は、実験はされたが実用化はされていない。

【０００３】（ｂ）特開平７−１６４１２４号公報にお
いて開示されている検出方法：図８はこの検出方法の説
明図である。同図において、５０は取り鍋、５１は取り
鍋内の溶融金属、５２はスラグ、５３はＳ／Ｎスライデ
ィングノズル、５４はロングノズル（例えばエヤーシー
ルパイプ：ＡＳＰ）、５５はタンディッシュ、５６はＡ
ＳＰの支持アームであり、５７〜６０はＶ方向、Ｈ方向
及びＡ方向の各加速度センサーである。この検出方法に
おいては、Ｖ方向・Ｈ方向・Ａ方向の３方向の加速度セ
ンサー５８〜６０がロングノズル（ＡＳＰ）の支持アー
ム５６の手元に取り付けられ、取り鍋５０から溶融金属
５１をタンディッシュ５５に供給する際の振動を検出
し、その検出された加速度信号は、入力段階で外乱ノイ
ズがカットされ、それに後続するメインアンプ部で１０
０Ｈｚ以上の任意のバンドパスフィルターがかけられ
て、絶対値平滑処理（直流化）され、そして、自動計測
が可能なように、最終段のアンプで湯切れ前の振動レベ
ルが常に一定の大きさ１Ｖになるように、ゲイン調整ア
ンプをフィードバックにより制御・固定し、スラグ流入
時の減衰率を判定している。Ｎ＝９０件のテストで判定
率９５％というの高精度の測定結果が得られているとの
報告があるが、設備化はなされていない。

【０００４】（ｃ）ドイツにて特許された検出方法。既
に商品化され、原理は各々の取鍋の注湯口に２本の検出
コイルを巻き熔融金属やスラグの透磁率の変化より湯切
れを判定する「電磁法」に基づいた検出方法であり、実
用化例が多い。

【０００５】

【発明が解決しようとする課題】

１．上記の（ｂ）の検出方法は、上記の（ａ）の検出方
法を更に具体化させたものであり、上述のように、Ｎ＝
９０件のテストで判定率９５％と極めて高い結果が報告
されているが、全自動化又は無人化への取り組みとなる
と、残る５％もクリヤーする必要がある。この検出方法
は振動法に基づいているが、振動法は予期せぬ異常振動
の発生に対して対応できないために、次のような問題点
がある。 （ａ）最終段のアンプで信号レベルを予め一定に制御し
ようとしても、この時に、図９に示されるように、過大
なレベルの外乱が入ってくると、欲しいレベルより高め
セットされてしまい、湯切れ時の信号減少変化を検出で
きないことがある。 （ｂ）同様にして、湯切れ判定待機中に、図１０に示さ
れるように外乱が入って来ても検出が困難な場合があ
る。特に、最終タイミング前にスラグが一部巻き込むケ
ースも時々あり、これと似た現象を起こすことがある。 （ｃ）異常振動ではないが、アルミの投入量の影響で粘
度のバラツキから、図１１に示されるように、湯切れ末
期になっても急激な振動の減衰が見られず、鉛筆の芯の
ように徐々に細まってくるときはほとんど検出できな
い。これらの弊害は、その検出の基本が『波形の大きさ
とその減衰率』を評価しようとすることに起因してい
る。

【０００６】２．上記（ｃ）の電磁法による検出方法に
よれば次のような問題点がある。 （ａ）取鍋の出口に取り付けた検出コイルは、正常時は
極めて高い検出精度であるが、ほぼ一年後には、熱によ
る絶縁劣化から誤動作や断線の故障が頻発している（メ
ーカーの寿命保証は１年と短い）。 （ｂ）検出コイルの費用が数百万と高額な上、鍋一個毎
に取り付いているのでその補修は予備の鍋の確保が必要
であるが、冷却に２日間を要すため思うように補修がで
きず、多額のランニングコストがかかる等極めて保全性
が悪い。

【０００７】本発明は、このような問題点を解決するた
めになされたものであり、これらの故障、コスト、保全
性、イレギュラーへの補完を克服し、特に波形の大きさ
や減衰率とは無関係なレードル鍋湯切れ検出方法を提供
することを目的とする。

【０００８】

【課題を解決するための手段】

（１）本発明の一つの態様に係るレードル鍋湯切れ検出
方法は、取り鍋からタンディッシュに注湯する際の所定
方向の振動を振動加速度センサーにより検出し、その検
出された加速度信号を高速フーリェ変換によりパワース
ペクトルに変換し、そして、そのパワースペクトルにつ
いてニューラルネットワークシステムにて学習を行わ
せ、この学習完了以降は、スラグ混入によるパワースペ
クトルの変動を前記の学習済みのパワースペクトルとの
対比により検出し、湯切れ判定を行う。 （２）本発明の他の態様に係るレードル鍋湯切れ検出方
法は、上記（１）の方法において、ニューラルネットワ
ークシステムにて学習を行う際に、連続した加速度信号
（シリアル信号）をニューラルネットワークシステムが
持つ複数のカテゴリー（記憶する部屋の数のこと）に順
次送りそれを繰り返して行わせる、シリアル入力・パラ
レル学習を採用している。 （３）本発明の他の態様に係るレードル鍋湯切れ検出方
法は、上記（２）の方法において、ニューラルネットワ
ークシステムがパワースペクトルを取り込む際には、そ
のニューラルネットワークシステムがもっているバンド
パス機能を用いて取り込み、外乱変動の影響を受けずら
くしている。 （４）本発明の他の態様に係るレードル鍋湯切れ検出方
法は、上記（３）の方法において、パワースペクトルを
ニューラルネットワークシステムに取り込む際に、減衰
率が小さい加速度信号に対してはパワースペクトルのゲ
インを上げ、そして、ニューラルネットワークシステム
に取り込んだ後は全体を圧縮処理する。このように処理
することにより、対象周波数の強調を図り、スラグ混入
時の微小なスペクトルの変化を認識可能とする。

【０００９】

【発明の実施の形態】図２は本発明の一実施形態に係る
検出方法におけるニューラルネットワークシステム（以
下、ニューロという）の概要を示した説明図である。本
システムにおいてニューロとして採用されたソフトウェ
アは（株）小野測器製のニューラル認識ソフトウエア
『ＷＳ−９２００シリーズ』（商標）である。ハードウ
ェアは、ＡＳＰ支持アームに取り付けられた振動センサ
ー１０と、振動センサー１０の出力である加速度振動信
号を増幅する振動計アンプ１２と、振動計１２の出力を
取り込んで周波数分析するＦＦＴアナライザー１４と、
パーソナルコンピューター２０と、モニタ２２とから構
成されている。エアーシールパイプ（ＡＳＰ）の加速度
信号は、振動センサー１０、振動計アンプ１２及びＦＦ
Ｔアナライザー１４を介してパーソナルコンピュータ２
０に取り込まれて、学習、認識が行われる。パーソナル
コンピュータ２０のモニター２２には、図示のように、
学習、認識の各種のモードが組み込まれており、中央の
モニター画面には処理した波形が表示される。

【００１０】モニター画面の下部には２０ヶの窓が表示
されており、これはカテゴリー２３と呼ばれ、学習又は
認識判定を行うための記憶の小部屋といったようなもの
であり、その直ぐ上にジャッジ表示領域２４があり、学
習結果と同じ情報が入ってくると、『０．２秒』のスキ
ャンタイムで判断して、学習に用いたカテゴリーが認識
できた時は『ＯＫ』の信号を出し、学習に用いた全ての
カテゴリーが認識できない時は『ＮＧ』の信号を出して
各種の判定トリガーに用いるようになっている。

【００１１】１．次に、本発明が適用されるニューロの
優位性について説明する。図１は本実施形態に係る検出
方法の処理過程説明図であり、同図に基づいてその優位
性について説明する。 《優位性−１》図１（ａ）はＡＳＰ支持アーム５６に付
けられた加速度センサー１０の生信号のタイミングチャ
ートである。この生信号の内、その右端の振動減衰点
が、スラグが混入した湯切れのタイミングである。外部
からの学習開始指令ａにより０．２秒毎に信号を取り込
で次々とＦＦＴアナライザー１４に送り込む。このよう
に、信号をパーソナルコンピュータ２０ではなく、ＦＦ
Ｔアナライザー１４に送り込んでいるのは次のような知
見に基づいている。即ち、この信号をそのまま取り込ん
でパーソナルコンピュータ２０のニューロに学習させる
こともできるが、実際は、余りにも多くのパターンが示
されることになり、学習完了できないことが分かった。
それに対して、パワースペクトルはどのような波形の時
でもほとんど似たパターンを持つことが分かり、このパ
ワースペクトルをニューロに学習させる方式が極めて優
位と分かった。

【００１２】図１（ｂ）はＦＦＴアナライザー１４にて
振動加速度信号をスペクトルに変換し、更に、対数表示
して微弱信号の強調を行った状態を示した図である。こ
のような処理をした後に、図１（ｃ）に示される処理を
行う。図１（ｃ）においては、ニューロにて後述する特
定のバンド幅（８０Ｈｚ〜４００Ｈｚ）で取り込み、全
体に圧縮処理（ＣＯＭＰ）を加えて、強弱の差を小さく
した上で学習を開始させる。この事前加工により、ニュ
ーロが判別しようとするスラグ混入時のスペクトル変化
（何点かの部分的な周波数ポイントの微妙な上下変化）
を検出可とさせることができる。

【００１３】ニューロとは人の神経細胞を摸したもので
あり、刺激により特徴を認識するので、この場合も、ス
ペクトルの低次から高次に向かって次々と大小の刺激を
加えることで対象の特徴を刺激形態として学習すること
ができる。こうして、連続した数十の信号（シリアル信
号）をニューロの数個の記憶窓（カテゴリー）に順送り
に学習させ、指定したカテゴリーまで行くと再度先頭の
カテゴリーに戻り、同じような学習を何回か重ねる「シ
リアル入力・パラレル学習」を行わせる。その間は僅か
２〜３秒と短いが、実際にはかなりの種類の広範な刺激
を学習することになる。ここで、学習させるカテゴリー
を数個に絞ったのは、湯切れ判定精度を上げるため、鍋
終了真近の振動が安定した至近から学習するため、判定
までに時間の余裕が無いからである。

【００１４】そして、上述のような学習モードが終了し
て、図１（ａ）のｂ点に達すると、認識モードに移行
し、湯切れ判定を待つことになる。この間、幾度かの周
波数変動が起こっても、ほとんどがいずれかのカテゴリ
ーで学習済みと認識され『ＯＫ信号』を出力する。図１
（ｃ）の左の３つの図は学習時のニューロ画面であり、
右側の認識モードに入っての２つはＯＫと認識されたも
の、右下はスラグ混入より１８０Ｈｚと２８０Ｈｚのス
ペクトルのレベル変化がどのカテゴリーにも該当しない
ため認識不可となり『ＮＧ信号』が発した瞬間を示した
図である。このように、ニューロでの判定は、容易にそ
の違いを知ることのできない極めて微妙な変動であって
も、信号を克明にスライド重ねをしていくと少しずつ違
いを発見できる。つまり、ニューロによる判定は、波形
の大きさや減衰率を見るのではなく、パワースペクトル
そのものの変化を検出していることから、上記のような
微妙な変動の検出が可能になっている。

【００１５】図３は従来の電磁法による判定と、ニュー
ロ振動法による判定の平均的形態を示した特性図であ
る。従来の電磁法での判定タイミングに比べて、ニュー
ロは平均１．５秒程度遅れているが、その中でも０．６
秒の遅れはニューロの誤判定防止のため連続して３回の
『ＮＧ』が出て発報するようにしたからであり、全体と
して、１．５秒程度の遅れは品質上、許容できる範囲と
確認されている。この時、ニューロでは２９０Ｈｚ付近
に微妙な変化が確認された。

【００１６】《優位性−２》図４は湯切れ末期直前での
スラグ流入をニューロが検出した事例を示した図であ
る。同図に示されるように、鍋終了末期に一時的にスラ
グが混入して振動レベルが一瞬上昇したが、電磁法では
これを検出できなかった。また、減衰率を評価する方法
でもその検出は困難であると推定される。ところが、ニ
ューロは素早く判定して、その後、熔融金属のみとなっ
たら再び『ＯＫ信号』となり、更にスラグの混入で『Ｎ
Ｇ』を発している。なお、この時のニューロの正否は、
スラグの沸き上がりをオペレーターが確認することで行
っている。

【００１７】《優位性−３》図５は振動波形の減衰率が
小さい中でニューロが検出した事例を示した図である。
同図に示されるように、振動生波形が入力レンジギリギ
リにも係わらず、振動スペクトルの１００Ｈｚ〜５００
Ｈｚの信号レベルがほとんど見られない。この波形は少
しずつ減少する鉛筆の芯状波形であり、これも減衰率の
評価方法ではほとんど困難なケースである。ここで、も
し、振動計アンプ１２やＦＦＴアナライザー１４の入力
レンジを上げると波形は頭打ちとなり、誤った周波数解
析となることは必然である。そこで、ＦＦＴアナラーザ
ー１４の『Ｙレンジ』（注：ＦＦＴのレンジではなく、
ＣＲＴ画面用アンプレンジであり、この場合はスペクト
ル）のみをアップすると１００Ｈｚ〜５００Ｈｚの信号
は画面上に引き上げられ、レベル変化を見ることができ
る。この状態でニューロに入力すると正しいスペクトル
のままで判定できることが分かった。なお、この場合、
入力段階でフィルタリングする方法もあるが、周波数の
領域によっては手動によるセッティングの必要があり、
自動化という点で導入しなかった。その代わり、学習時
にＦＦＴアナラーザー１４にてスペクトル後段のレベル
を監視し自動的にＹレンジをアップするように設計して
ある。

【００１８】２．次に、本発明における周波数領域の限
定理由を図６に基づいて説明する。図６は周波数領域の
限定理由を示した図である。この周波数領域は、実設備
に装備するのに先立って実施した結果により絞り込まれ
たものであり、振動センサ−１０を図６（ａ）のように
ＡＳＰアーム５６の支持部の手前にＸ・Ｙ・Ｚと３方向
にセットし、約３ヶ月かかって電磁法の検出コイルが健
全な物のみと比較してＮ＝１４８件の確性テストを実施
した。その結果、図６（ｂ）のＸ方向では、２００Ｈｚ
から４００Ｈｚにニューロによる認識判定が集中し、判
定率は９８％と高く、図６（ｃ）のＹ方向は１００Ｈｚ
から３００Ｈｚに集中し、判定率は６１％と最悪であ
り、図６（ｄ）のＺ方向は１００Ｈｚから３８０Ｈｚの
広域に分布し、判定率は７４％と低かった。また、Ｘ・
Ｙ・Ｚの３方向について同時に確認したが、９８％を上
回ることは無かった。なお、図６（ａ）において、符号
５３ａはロータリノズル（Ｒ／Ｎ）である。

【００１９】以上より、目標判定率１００％には僅かに
届かないが、周波数領域は８０Ｈｚから４００Ｈｚに絞
り、特に、判定率の高いＸ方向に主眼をおき、一方向で
センシング出来るようにして現場機器のスリム化を図っ
た。但し、センシング方向は装置毎に調査して決定する
ものとする。

【００２０】図７は本実施形態に係る検出方法が適用さ
れた装置の全体のハード構成及び関連設備の構成を示し
た図である。同図において、３０は加速度センサ−（ア
ンプ内蔵電圧出力型）であり、ＡＳＰ支持アーム５６に
取り付けられる。３１はセンサ用ＩＣＰ電源、３２はＦ
ＦＴアナライザーであり、加速度センサー３０とセンサ
ー用ＩＣＰ電源３１を介して伝えられた加速度信号を上
述の前処理をする。３３はニューロであり、ＦＦＴアナ
ライザー３２で前処理された信号を取り込んで上述の学
習・認識処理を行う。３４はパーソナルコンピュータで
ある。ＦＦＴアナライザー３２、ニューロ３３及びパー
ソナルコンピュータ３４は判断中枢部３６を構成してお
り、そして、パーソナルコンピュータ３４には統括コン
トロールソフトが組み込まれており、Ｉ／Ｏインターフ
ェース３６を通じて外部情報（例えば取鍋内残湯１４ト
ン信号）を入力し、ＦＦＴアナライザー３２及びニュー
ロ３３を制御し、誤判定防止のロジックを経て、湯切れ
判定を行う。そして、その結果をインターフェース３６
よりロータリノズル５３ａヘの『閉指令』として自動的
に発する。

【００２１】

【発明の効果】以上のように本発明によれば、取り鍋か
らタンディッシュに注湯する際の所定方向の振動を振動
加速度センサーにより検出し、その検出された加速度信
号を高速フーリェ変換によりパワースペクトルに変換
し、そのパワースペクトルについてニューラルネットワ
ークシステムにて学習を行わせ、この学習完了以降は、
スラグ混入によるパワースペクトルの変動を前記の学習
済みのパワースペクトルとの対比により検出し、湯切れ
判定を行うようにしたので、次のような効果が得られ
る。 （ａ）振動加速度センサーを１ヶ設けるだけで良いので
低価格で検出装置を実現することができる。また、この
振動加速度センサーをロングノズル（ＡＳＰ）の支持ア
ームの最も温度の低い手元に取り付けた場合には、低故
障の装置を実現することができる。 （ｂ）また、振動減衰法のように波形ではなく、パワー
スペクトルを認識することで、従来困難とされていた微
小減少振動形の湯切れ信号に対しても、溶銑とスラグの
混ざり具合からくるスペクトルの微妙な変化を高感度に
識別できるようになっており、更に、クレーンの通行や
周辺設備の運転停止といった繰り返し性の外乱にも事前
に幅広く取り込んで学習することができるため、認識時
に再現するこれらの外乱にも正確に識別できる等、外乱
に強い検出が可能になっている。このようなことから、
本発明は従来の技術に比べて、更に精度の高い湯切れ検
出を実現することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る検出方法における処
理過程を示した説明図である。

【図２】前記実施形態におけるニューロの概要を示した
説明図である。

【図３】従来の電磁法による判定とニューロ振動法によ
る判定の平均的形態を示した特性図である。

【図４】湯切れ末期直前でのスラグ流入をニューロが検
出した事例を示した図である。

【図５】振動波形の減衰率が小さい中でニューロが検出
した事例を示した図である。

【図６】本発明における周波数領域の限定理由を示した
図である。

【図７】本実施形態の全体のハード構成及び関連設備の
構成を示した図である。

【図８】従来の検出方法の説明図である。

【図９】従来の検出方法における振動信号のタイミング
チャート（その１）である。

【図１０】従来の検出方法おける振動信号のタイミング
チャート（その２）である。

【図１１】従来の検出方法おける振動信号のタイミング
チャート（その３）である。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 小野 勝典 東京都千代田区丸の内一丁目１番２号 日 本鋼管株式会社内 (72)発明者 永田 武秋 東京都千代田区丸の内一丁目１番２号 日 本鋼管株式会社内 (72)発明者 原田 清 東京都千代田区丸の内一丁目１番２号 日 本鋼管株式会社内 (72)発明者 坂田 裕子 東京都千代田区丸の内一丁目１番２号 日 本鋼管株式会社内

Claims (4)

【特許請求の範囲】
1. 【請求項１】 取り鍋からタンディッシュに注湯する際
   の所定方向の振動を振動加速度センサーにより検出し、
   その検出された加速度信号を高速フーリェ変換によりパ
   ワースペクトルに変換し、そして、そのパワースペクト
   ルについてニューラルネットワークシステムにて学習を
   行わせ、この学習完了以降は、スラグ混入によるパワー
   スペクトルの変動を前記学習済みのパワースペクトルと
   の対比により検出し、湯切れ判定を行うことを特徴とす
   るレードル鍋湯切れ検出方法。
2. 【請求項２】 ニューラルネットワークシステムにて学
   習を行う際に、連続した加速度信号をニューラルネット
   ワークシステムが持つ複数のカテゴリーに順次送り、そ
   れを繰り返して行わせるシリアル入力・パラレル学習を
   採用したことを特徴とする請求項１記載のレードル鍋湯
   切れ検出方法。
3. 【請求項３】 ニューラルネットワークシステムがパワ
   ースペクトルを取り込む際には、そのニューラルネット
   ワークシステムがもっているバンドパス機能を用いて取
   り込むことを特徴とする請求項２記載のレードル鍋湯切
   れ検出方法。
4. 【請求項４】 パワースペクトルをニューラルネットワ
   ークシステムに取り込む際に、減衰率が小さい加速度信
   号に対してはパワースペクトルのゲインを上げ、そし
   て、ニューラルネットワークシステムに取り込んだ後は
   全体を圧縮処理することを特徴とする請求項３記載のレ
   ードル鍋湯切れ検出方法。