KR100333078B1 - Dynamic control method of converter operation using expert system - Google Patents
Dynamic control method of converter operation using expert system Download PDFInfo
- Publication number
- KR100333078B1 KR100333078B1 KR1019970070109A KR19970070109A KR100333078B1 KR 100333078 B1 KR100333078 B1 KR 100333078B1 KR 1019970070109 A KR1019970070109 A KR 1019970070109A KR 19970070109 A KR19970070109 A KR 19970070109A KR 100333078 B1 KR100333078 B1 KR 100333078B1
- Authority
- KR
- South Korea
- Prior art keywords
- control
- variables
- expert system
- inference
- factors
- Prior art date
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
- C21C5/28—Manufacture of steel in the converter
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C2300/00—Process aspects
- C21C2300/06—Modeling of the process, e.g. for control purposes; CII
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
- F27D2019/0003—Monitoring the temperature or a characteristic of the charge and using it as a controlling value
-
- 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
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
Description
본 발명은 전로에서 용강을 제조할 때 취련 말기에 취련을 중단하지 않고 용강의 온도, 탄소 농도를 서브랜스로 측정하여, 그 측정치가 예정된 취련 궤도를 이탈한 경우, 산소량의 조정, 필요시 냉각제 투입 등의 조작을 취련 중에 실시하는동적 제어에 있어서 전문가 시스템을 이용하는 방법에 관한 것이다.According to the present invention, when manufacturing molten steel in a converter, the temperature and carbon concentration of molten steel are measured by sub lance without interrupting the blowing at the end of the blowing, and when the measured values deviate from the predetermined blowing trajectory, the amount of oxygen is adjusted, and a coolant is added if necessary. It relates to a method of using the expert system in the dynamic control to perform the operation, such as during the drilling.
전로의 동적 제어를 실시하기 위해서는 취련 상황을 예측 또는 판단하는 기능이 필요하다. 전로 조업의 정량화에는 열수지와 물질수지를 토대로 한 수식 모델이 매우 중요한 역할을 하였으며, 전로 조업의 동적 제어는 거의 수식 모델에만 의존하였다. 그렇지만 최근에는 고급강 수요 증가와 제조원가 절감의 요구 때문에 정련 프로세서의 현저한 변화가 있었다. 즉, 복합취련의 도입, 용선 예비처리 및 레이들 정련 등 노외 정련법의 발달 및 종점에서 성분 및 온도 확인을 하지 않고 출강하는 이른바 직접 출강율의 증가에 따라 전로 조업 방식은 다양하게 되었고, 종래의 제어 방식으로는 이러한 급격한 변화에 충분히 대응할 수 없는 상황에 이르렀다.In order to perform the dynamic control of converter, the function which predicts or judges a blow situation is necessary. For the quantification of converter operation, a mathematical model based on heat balance and mass balance played a very important role. The dynamic control of converter operation was almost dependent on the mathematical model. Recently, however, there has been a significant change in refining processors due to increased demand for high-grade steels and the need to reduce manufacturing costs. In other words, the converter operation method has been diversified according to the development of the off-road refining method such as the introduction of the complex blowdown, the preliminary treatment of the molten iron and the ladle refining and the increase of the so-called direct tapping rate without leaving the component and the temperature at the end. The control system has reached a situation in which it cannot cope with such sudden changes sufficiently.
전로 조업은 극히 복잡하고, 수학적으로 표현될 수 없는 부분이 많기 때문에 일반적으로 전로 조업에 종사하는 조업자들은 수식 모델의 예측 계산 결과에 자신의 지식과 경험을 가미하여 조업을 조절한다. 재화 상태, 슬로핑 가능성 등의 예측, 판단을 예로 들 수 있으나, 이것은 기존의 수식 모델에서는 정량화가 곤란 하였다. 그러나 실제 취련에서는 조업자가 가장 유의하고 있는 사항이며 경험적인 예측, 판단에 기초를 두고 조업 패턴을 결정, 수정하여 왔으므로, 취련 상황과 모델 계산 결과 등의 정보와 설비의 제어와의 사이에서 조업자가 담당하고 있는 기능을 제어 시스템에 포함시킬 필요가 있다. 이같이 수식 모델로는 정량화가 어려운 조업자의 감각적인 노우하우를 반영할 수 있도록 하는 것이 전문가 시스템이다.Since converter operation is extremely complex and there are many parts that cannot be represented mathematically, in general, operators in converter operation adjust their operations by adding their knowledge and experience to the predictive calculation results of mathematical models. For example, the prediction and judgment of the goods state, the possibility of slope, and the like are exemplified, but this is difficult to quantify in the existing mathematical model. However, in actual drilling, the operator has the most attention and has determined and modified the operation pattern based on empirical predictions and judgments. The functions in charge need to be included in the control system. In this way, the expert system is able to reflect the sensory know-how of operators that are difficult to quantify with mathematical models.
영국에서는 이미 제한적이기는 하지만 제강공정에 전문가 시스템을 적용하여슬래그 성분의 변동을 줄였고, 종점 인을 하향화하는 동시에 탕면조정을 생략하는 등의 가시적 효과를 얻었다고 하며, 일본에서는 전로 정련 방식을 개선하기 위해 최근에는 조업자의 지식과 경험을 내장한 전문가 시스템을 개발하여 공정의 효율뿐 아니라 조업 안정도도 개선한 것으로 알려졌다.In the UK, it is already limited, but the expert system has been applied to the steelmaking process to reduce the fluctuations in slag components, and to lower the end phosphorus and to omit the water surface adjustment.In Japan, to improve the converter refining method, In recent years, it has been reported that the development of a professional system incorporating the knowledge and experience of operators has improved not only the efficiency of the process but also the operational stability.
전문가 시스템을 이미 전로 조업 제어에 이용하고 있는 제철소에서는 주로 생성규칙을 이용하여 추론 표현을 한다. 즉 룰(Rule)은 전문가의 지식을 표현하기 쉬운 if ∼ then의 구조로 되어 있다. 이러한 생성규칙은 시스템 구조를 고려하지 않은 상태에서 지식을 표현하는 것이므로, 전로 조업과 같이 복잡한 시스템에서는 수없이 많은 룰이 지식 베이스에 내장되어 있어야 한다. 따라서 전로 조업에 영향을 미치는 조업 인자와 제어 변수와의 상호 관계를 일일이 파악해야 하지만, 인간의 지식은 여러 가지 형태를 취하고 있고 단순한 구조로는 쉽게 표현될 수 없다. 또한 작업 일선에 있는 전문가의 지식은 보통 체계적이지 않고, 어떤 면에서는 매우 애매모호하므로, 조업자의 경험적인 지식은 조작변수에 대하여 명쾌한 해답을 주지 못하는 경우가 많다. 설령 수천개 이상의 룰을 포함하는 방대한 지식 베이스를 구축하였다 하더라도 추론 결과를 추출하는데 장시간이 소요되어 효과적인 제어가 불가능하다. 따라서 전로 조업의 동적 제어를 위해서는 초고속 추론이 가능한 새로운 추론 방법과 전문가의 모호한 경험적 지식을 적절히 정량화 함으로써 명확성이 매우 높은 지식 베이스를 구축하는 방법의 발명이 필요하다.In steel mills where expert systems are already used for converter operation control, inference expressions are often made using generation rules. In other words, the rule has a structure of if to then that is easy to express expert knowledge. Since this generation rule expresses knowledge without considering the system structure, in a complex system such as converter operation, numerous rules must be embedded in the knowledge base. Therefore, it is necessary to grasp the interrelationship between the operation factors and the control variables that affect the operation of the converter, but the human knowledge takes various forms and cannot be easily expressed in a simple structure. Also, the knowledge of the experts on the job line is usually not systematic, and in some ways very ambiguous, so the empirical knowledge of the operators often does not give a clear answer to the manipulated variable. Even if you build an extensive knowledge base that contains thousands of rules, it takes a long time to extract the inference result, so that effective control is impossible. Therefore, the dynamic control of converter operation requires the invention of a new reasoning method capable of ultra-fast reasoning and a method of constructing a very clear knowledge base by properly quantifying the ambiguous empirical knowledge of experts.
전로 조업의 목표는 용선과 고철의 혼합물을 전로라 하는 반용 용기에 장입을 하고 산소를 불어넣고 온도 조절을 위해 철광석을 투입하여 목표로 하는 수준까지 탈탄과 탈린 그리고 승온을 하는 것이다. 동적 제어용 수식 모델의 열수지 및 물질수지 식이 종점 탄소농도, 인농도 및 용강 온도 등의 제어 변수에 따른 산소량과 냉각제량 등의 조작변수를 결정하지만, 수식 모델에 포함되지 않은 조업 인자들이 조작 변수에 영향을 미친다.The goal of the converter operation is to charge a mixture of molten iron and scrap metal into a semi-container vessel called a converter, inject oxygen and inject iron ore for temperature control, to decarburize, desalinate and raise the temperature to the desired level. The heat balance and mass balance equations of the dynamic model for dynamic control determine the operating variables such as the oxygen amount and the coolant amount according to the control variables such as the end point carbon concentration, phosphorus concentration and molten steel temperature, but the operating factors not included in the mathematical model affect the operation variables. Crazy
본 발명은 상기와 같은 제반 문제점을 해소하기 위한 것으로서, 룰의 수효가 매우 적고 효율적인 추론을 실시할 수 있는 전문가 시스템을 구축하고, 수식 모델과 접목시킴으로써 수식 모델에 포함되어 있지 않은 정성적 조업인자에 의해 발생하는 오차를 감소시키는데 그 목적이 있다.The present invention has been made to solve the above problems, to build an expert system that can perform inferences with very low number of rules, and to combine them with a mathematical model to qualitative operator not included in the mathematical model. The purpose is to reduce the error caused by.
전문가 시스템은 대상 분야의 지식을 축적한 지식 베이스와 그 지식을 효과적으로 이용하기 위한 메카니즘을 가지고 있으며, 전자는 일정한 형식에 따라 지식을 모아놓은 것이고, 후자는 추론 기능을 중심으로 하는 추론엔진(Inference Engine)이다. 이들 지식 베이스와 추론 엔진은 상호 분리되어 만들어지는 경우가 많다. 전문가 시스템 툴은 추론 엔진, 지식의 표현방법, 동적 데이터 베이스 및 개발자 환경을 제공하는 소프트웨어로서 이미 상용화되어 널리 사용되고 있으므로 본 발명에서 툴은 관심의 대상이 아니다.The expert system has a knowledge base that accumulates knowledge of the target field and a mechanism for effectively using the knowledge. The former is a collection of knowledge according to a certain format, and the latter is an inference engine centered on the reasoning function. )to be. These knowledge bases and inference engines are often built separately from each other. Expert system tools are not of interest in the present invention because they are already commercially available and widely used as software for providing inference engines, knowledge representation methods, dynamic databases and developer environments.
도 1은 본 발명 2중 추론 방식을 채용한 동적 제어용 전문가 시스템의 개념도,1 is a conceptual diagram of an expert system for dynamic control employing the dual reasoning method of the present invention;
도 2는 논리 함수 구조를 취한 동적 제어용 전문가 시스템의 1차 추론부에 대한 개념도,2 is a conceptual diagram of a first-order reasoning unit of an expert system for dynamic control having a logical function structure;
도 3은 생성 규칙들의 집합으로 이루어진 프로시져로 구성된 동적 제어용 전문가 시스템의 2차 추론부에 대한 개념도,3 is a conceptual diagram of a second reasoning unit of an expert system for dynamic control consisting of a procedure consisting of a set of generation rules;
도 4는 수식 모델만을 사용하였을 경우 종점 온도 실적치와 계산치를 비교한 그래프,4 is a graph comparing end point temperature performance values and calculated values when only a mathematical model is used,
도 5는 전문가 시스템을 동적 제어용 수식 모델과 연계하였을 경우 종점 온도 실적치와 계산치를 비교한 그래프이다.5 is a graph comparing end point temperature performance values and calculated values when the expert system is linked with a mathematical model for dynamic control.
상기한 목적을 달성하기 위한 본 발명은 동적 제어용 수식 모델의 오차를 감소시키기 위해 룰의 수효를 획기적으로 감소시키고, 1차 추론을 통하여 얻어진 제어 변수의 상태가 2차 추론부의 결론인 조작 변수의 제어량에 있어서, 체계적이지않고, 애매모호한 전문가의 지식 대신에 온라인 상에서 동적 제어용 수식 모델 계산치와 조업 실적과의 편차를 데이터 베이스화 하고, 해당 룰에 대한 편차의 통계 처리 결과를 조작 변수의 제어량으로 설정하는 방법을 사용하여 조업의 시계열 변동에 대한 적응력이 탁월하고, 별도의 노력 없이 명확한 조작 변수인 산소량과 냉각제량을 결론으로 도출할 수 있도록 하는 생성 규칙들의 집합으로 이루어진 프로시져(procedure)로 구성된 2차 추론부를 포함하는 것을 특징으로 한다.In order to achieve the above object, the present invention dramatically reduces the number of rules in order to reduce the error of the mathematical model for dynamic control, and the control amount of the manipulated variable whose state of the control variable obtained through the first inference is the conclusion of the second inference part. A method of setting a database of deviations between mathematical model calculation values and operational performances on-line, and setting the results of statistical processing of the deviations for the corresponding rule as the control amount of the operating variables instead of the systematic and ambiguous expert knowledge. The second inference part consists of a procedure that is excellent in adaptation to the time series fluctuations of the operation, and a set of production rules that allow to draw conclusions on the amount of oxygen and coolant, which are clear operating variables without extra effort. It is characterized by including.
보다 상세히는 전로 조업의 동적 제어를 위한 산소 취입량과 냉각제 투입량을 결정하는 수식모델을 보상하기 위하여 지식 데이터베이스와 2단계 추론 엔진을 가지는 전문가 시스템을 이용하되.More specifically, an expert system with a knowledge database and a two-stage inference engine is used to compensate the mathematical model for determining oxygen injection and coolant input for dynamic control of converter operations.
먼저 상기 지식 데이터베이스에 시행착오법에 의하여 원시적이고 정성적인 조업인자로서 표 1에 열거된 인자들과 제어변수인 용강의 탈탄, 탈린 및 승온상태의 관계 및 상기 제어변수아 조작변수인 산소량과 냉각제량의 관계를 미리 정의하여 두는 준비 단계와,First, the relationship between the factors listed in Table 1 as the primitive and qualitative operating factors and the control variables, such as decarburization, dephosphorization, and elevated temperature, and the amount of oxygen and coolant as control variables A preparatory step to define the relationship between
그 후 1차 추론부에서 조업인자 실측치를 입력받아 상기 지식 데이터 베이스를 참조하여 제어변수를 출력하는 1차 추론 단계와,A first reasoning step of receiving the operator's actual measurement value from the first reasoning unit and outputting a control variable with reference to the knowledge database;
이에 이어서 2차 추론부에서 상기 제어변수를 입력받아 역시 상기 지식 데이터베이스를 참조하여 조작변수를 출력하는 2차 추론 단계와,Subsequently, a second reasoning step of receiving the control variable from the second reasoning unit and outputting the manipulation variable by referring to the knowledge database;
마지막으로 수식모델을 보상할 조작변수 제어량을 상기 조작변수의 계산치와 실측치의 편차의 평균에 의하여 구하는 제어량 산출 단계로 구성됨을 특징으로 한다.Lastly, the control variable calculation step of calculating the manipulated variable control amount to compensate the mathematical model by the average of the deviation of the calculated value and the measured value of the manipulated variable.
1) 수식 모델과 전문가 시스템의 연계 구도1) Linkage between Mathematical Model and Expert System
동적 제어용 수식 모델은 제어 변수인 용강의 종점 온도, 탄소 농도 및 인 농도를 목표수준으로 제어하기 위해 서브랜스 측정 이후에 용강의 물질 및 열수지의 해석이나 탈탄, 탈린, 승온 거동에 대한 경험식에 의하여 산소 취입량, 필요시 냉각제 투입량 등의 조작 변수를 설정하는 기능을 가진다.Equation model for dynamic control is based on the analysis of material and heat balance of molten steel or empirical equations for decarburization, dephosphorization, and temperature rise after the sub-lance measurement to control the end point temperature, carbon concentration and phosphorus concentration of molten steel as control variables. It has a function to set operating variables such as oxygen injection amount and coolant input amount if necessary.
일반적인 동적 제어용 수식 모델은 열 및 물질 수지에 큰 영향을 미치는 슬래그 재화도, 슬로핑 발생 실적, 상취 패턴, 노체 휴지 시간 등과 같은 조업 인자가 반영되어 있지 않으므로 정도의 한계가 있다. 그렇지만 조업자들의 경험 및 노우하우에 해당하는 조업 인자들을 지식 베이스화하여 현재의 조업상황에 적합한 추론을 하면, 동적 제어용 수식 모델의 출력치인 산소 취입량과 냉각제량을 보정할 수 있다. 동적 제어용 수식 모델과 전문가 시스템의 연결구도에 있어서 수식 모델에 대하여 전문가 시스템이 지원하여 주는 최종 변수는 조작 변수인 산소량과 냉각제량의 산출값이 된다. 동적 제어용수식 모델에서 산출한 제어량은 조업 실적치와 비교하여 편차가 매우 크므로 전문가 시스템에서 이 편차를 줄이는 미세조정 기능을 수행한다.In general, the mathematical model for dynamic control has a limit because it does not reflect the operating factors such as slag goods, slope generation performance, intake pattern, and furnace downtime, which greatly affect the heat and mass balance. However, knowledge-based operating factors that correspond to the experience and know-how of operators can be corrected according to the current operating situation, and the oxygen injection amount and coolant amount, which are output values of the dynamic model, can be corrected. The final variable that the expert system supports for the mathematical model in the connection between the dynamic model and the expert system is the calculated values of the oxygen variables and the coolant amount. The control amount calculated by the dynamic control equation model has a very large deviation from the operation performance value, so the expert system performs fine adjustment function to reduce this deviation.
300톤 전로를 대상으로 조업자들의 조업 경험과 실제 조업 데이터를 해석하고, 그 분석 결과에 근거하여 지식 베이스를 구축하였다. 본 발명에서는 수식 모델에 포함되지 않은 조업 인자를 이용하여 제어 변수인 종점 탄소농도, 인 농도 및 용강 온도의 상태를 파악하는 1차 추론부와 1차 추론부의 결론인 제어 변수들의 상태에 따른 조작 변수의 제어량을 결정하는 2차 추론부로 구성하였다. 도 1과 같은2중 추론 방식을 채용하면 초고속 추론이 가능한 지식 베이스를 구축할 수 있다.The 300-ton converter was analyzed for the fishing experience and actual fishing data of the operators, and a knowledge base was established based on the analysis results. In the present invention, the operation variable according to the state of the control variables that are the conclusions of the primary inference unit and the primary inference unit to determine the state of the end point carbon concentration, phosphorus concentration and molten steel temperature, which are the control variables using the operation factors not included in the mathematical model The second reasoning unit is used to determine the control amount of. By employing the dual inference method as shown in FIG. 1, a knowledge base capable of ultra-fast inference can be constructed.
이하 지식 베이스 구축 방법에 대하여 설명한다.Hereinafter, the knowledge base construction method will be described.
2) 1차 추론부의 구성2) Composition of the primary reasoning unit
수식 모델에 포함된 조업 인자 이외에 조업자의 경험과 노우하우 및 표준 조업 자료 등을 토대로 전로 조업시 탈탄, 탈린, 온도에 영향을 주는 조업 인자를 프로세서 컴퓨터를 통하여 손쉽게 조건을 체크할 수 있는 인자들 중에서 선정하고, 이러한 조업 인자들이 어떤 상태이면 제어 변수가 어떤 상태에 있는가를 파악한다.In addition to the operation factors included in the mathematical model, among the factors that can easily check the conditions through the processor computer, the operation factors affecting decarburization, Tallinn, and temperature during converter operation based on the operator's experience, know-how and standard operation data. Select and determine what state these control factors are in when the control variable is in that state.
여러 종류의 지식 표현 방식 중에서 시스템의 수행도의 효율성을 고려하여 1차 추론부에 대해서는 논리 함수 구조를 취하였다. 각 제어 변수에 대하여 조업 인자 조건이 2개인 경우 하이(High)와 로우(Low), 조건이 3개인 경우 하이(High), 노말(Normal) 및 로우(Low), 조건이 4개인 경우 하이스트(Highest), 하이(High), 노말(Normal) 및 로우(Low)를 설정하였다. 예를 들면 노체 휴지 시간은 승온에 영향을 주는 인자 중의 하나로 휴지 시간이 길 때 하이(High), 중간일 때 노말(Normal)와 짧을 때 로우(Low)의 3가지 조건에 따라서 승온에 미치는 영향이 달라진다.Among the various types of knowledge representation methods, the logical function structure is taken for the first-order inference part considering the efficiency of system performance. For each control variable, High and Low for two operation factor conditions, High, Normal and Low for three conditions, and Hist for four conditions. Highest, High, Normal and Low were set. For example, the body rest time is one of the factors affecting the temperature rise. The effect of the temperature rest on the temperature rise is based on three conditions: high when the pause time is long, normal when it is long, and low when it is short. Different.
탈탄과 탈린과 용강 온도의 상태에 각각 영향을 주는 조업 인자들과 조건을 하기 표 1에 나타냈다.The operating factors and conditions affecting the states of decarburization and tallinn and molten steel temperatures are shown in Table 1 below.
[표 1]TABLE 1
이러한 방식으로 도출한 룰은 탈탄에 영향을 미치는 룰이 82개, 탈린에 영향을 미치는 룰이 117개, 승온에 영향을 미치는 룰이 96개로서 총 295개에 불과하며, 수천개의 룰을 보유하고 있는 기존의 전문가 시스템에 비하여 룰 수를 대폭 줄일 수 있다. 1차 추론의 결론은 도 2에서 알 수 있듯이 제어 변수인 탈탄과 탈린 및 승온의 상태이다.The rules derived in this way are 82 rules affecting decarburization, 117 rules affecting Tallinn, 96 rules affecting elevated temperature, totaling 295 rules, and have thousands of rules. The number of rules can be greatly reduced compared to existing expert systems. The conclusion of the first inference is the state of the control variables decarburization and delineation and the elevated temperature as can be seen in FIG.
3) 2차 추론부의 구성3) Composition of the Second Reasoning Unit
1차 추론부의 결론에 따른 2차 추론부의 구조는 생성 규칙들의 집합으로 이루어진 프로시져(Procedure)로 구성하였다. 1차 추론을 통하여 얻어진 제어 변수의 상태, 즉 탈탄의 정도, 용강 온도의 상태가 2차 추론부의 입력조건이 된다. 제어변수의 조건은 하이(High), 노말(Normal) 및 로우(Low)의 3가지로 구분하였다. 이와 같은 방식으로 도출한 룰은 총 16개에 불과하며, 기존의 전문가 시스템에 비하여 룰 수를 획기적으로 줄일 수 있다.The structure of the second inference part according to the conclusion of the first inference part consists of a procedure consisting of a set of generation rules. The state of the control variable obtained through the primary inference, that is, the degree of decarburization and the molten steel temperature, becomes the input condition of the secondary inference part. The conditions of the control variable were classified into three categories: high, normal, and low. Only 16 rules are derived in this way, and the number of rules can be drastically reduced compared to the existing expert system.
조건부의 각 요소가 만족될 경우 하나의 결론을 얻는 형태인 전방향 추론을 채택하였으며, 2차 추론부의 결론은 조작 변수들로서 동적 제어용 수식 모델의 편차를 조정해 줄 조작 변수인 산소량과 냉각제량이다.The forward reasoning, which is the form of obtaining one conclusion when each element of the conditional part is satisfied, is adopted. The conclusions of the secondary inference part are the operating variables, the amount of oxygen and the amount of coolant, which adjust the deviation of the mathematical model for dynamic control.
조작 변수의 제어량에 대해서는 전문가의 지식이 체계적이지 않고 애매모호하기 때문에 조업자의 경험적인 지식을 채택하지 않는다. 그 대신 온라인 상에서 수식 모델 계산치와 조업 실적과의 편차를 데이터 베이스화하고, 해당 룰에 대한 편차를 통계 처리, 즉 편차의 평균치를 조작 변수량으로 설정하는 방법을 사용한다.The control knowledge of the manipulated variable does not adopt the empirical knowledge of the operators because the expert knowledge is not systematic and ambiguous. Instead, a database of deviations between mathematical model calculations and operation performances is online, and the deviations for the corresponding rules are statistically processed, that is, the average value of the deviations is set as the manipulated variable amount.
X를 동적 제어의 조작 변수인 산소량과 냉각제량이라 했을 때 2차 추론부의 i번째 룰 X'i에 대한 조작 변수의 제어량을 수식으로 표현하면 다음과 같다.When X is the amount of oxygen and coolant, which are the operating variables of the dynamic control, the control amount of the operating variable with respect to the i th rule X ' i of the secondary inference unit is expressed as follows.
상기 식에서 n은 표본의 수, k는 조업의 순번으로서 △Xk는 i번째 룰이 적용되는 k번째의 조업에서의 실적치와 계산치의 잔차로서 다음 식으로 표시된다.Wherein n is the number of samples, k is △ X k as a sequence of operation is represented by the following formula as a residual of actual performance value and the calculated value at the k-th the i-th rule that applies operation.
ΔXk=Xk,act-Xk,cal ΔX k = X k, act -X k, cal
또한 상기 식에서 Xk,act는 k번째 조업에 대한 실제 조작 변수량, Xk,cal는 k번째 조업에 대한 동적 제어용 수식 모델이 계산한 조작 변수량이다. 이 방법을 사용하면 조업의 시계열 변동에 대한 적응력이 탁월하고 별도의 노력 없이 명확한 조작 변수의 제어량을 얻을 수 있다. 도 3에 2차 추론 과정을 나타냈다.In the above formula, X k, act is the actual manipulated variable amount for the k-th operation, X k, cal is the manipulated variable amount calculated by the dynamic model for dynamic control for the k-th operation. This method provides excellent adaptability to the time series fluctuations in the operation and provides a clear control of the manipulated variables without extra effort. 3 shows a second inference process.
이상과 같은 본 발명에 대하여 동적 제어용 수식 모델만을 사용하였을 경우와 수식 모델과 전문가 시스템을 연계하여 사용하였을 경우를 비교하여 300톤 전로를 대상으로 전문가 시스템에 의한 예측의 정확도를 평가하였다. 총 225 히트(Heat)분의 조업 데이터를 분석한 결과, 수식 모델만을 사용하였을 경우 종점 온도의 계산치와 실적치 간 잔차의 표준편차는 도 4에 나타낸 바와 같이 17.5℃ 였으나, 전문가 시스템을 동적 제어에 도입하여 산소량과 냉각제량을 제어하였을 경우 종점 온도 계산치 간 잔차의 표준편차는 도 5에 나타낸 바와 같이 9.2℃로 대폭 감소하여 동적 제어를 위한 전문가 시스템의 높은 제어 효과를 확인할 수 있었다.With respect to the present invention as described above, the accuracy of the prediction by the expert system was evaluated for 300 ton converters by comparing the case where only the mathematical model for dynamic control was used and the case where the equation model and the expert system were used in conjunction. As a result of analyzing the operation data for a total of 225 hits, the standard deviation of the residual between the calculated end point temperature and the performance value was 17.5 ° C as shown in FIG. 4 when using only the mathematical model, but the expert system was introduced to the dynamic control. When the amount of oxygen and the amount of coolant were controlled, the standard deviation of the residuals between the end point temperature calculations was greatly reduced to 9.2 ° C. as shown in FIG. 5, confirming the high control effect of the expert system for dynamic control.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019970070109A KR100333078B1 (en) | 1997-12-17 | 1997-12-17 | Dynamic control method of converter operation using expert system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019970070109A KR100333078B1 (en) | 1997-12-17 | 1997-12-17 | Dynamic control method of converter operation using expert system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR19990050917A KR19990050917A (en) | 1999-07-05 |
| KR100333078B1 true KR100333078B1 (en) | 2002-07-31 |
Family
ID=37479580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019970070109A KR100333078B1 (en) | 1997-12-17 | 1997-12-17 | Dynamic control method of converter operation using expert system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100333078B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111621613A (en) * | 2020-05-27 | 2020-09-04 | 河钢股份有限公司承德分公司 | Computer-assisted vanadium extraction method of converter |
-
1997
- 1997-12-17 KR KR1019970070109A patent/KR100333078B1/en not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| KR19990050917A (en) | 1999-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447346B (en) | Converter oxygen consumption prediction method based on gray prediction and neural network combined model | |
| KR0148273B1 (en) | Method of decarburizing molten metal in the refining of steel using neural network | |
| KR102065455B1 (en) | Phosphorus concentration estimation method and converter blow control device in molten steel | |
| Liu et al. | A dynamic analytics method based on multistage modeling for a BOF steelmaking process | |
| Gao et al. | End‐Point Static Control of Basic Oxygen Furnace (BOF) Steelmaking Based on Wavelet Transform Weighted Twin Support Vector Regression | |
| Brämming et al. | BOF process control and slopping prediction based on multivariate data analysis | |
| Xin et al. | Predicting the alloying element yield in a ladle furnace using principal component analysis and deep neural network | |
| Nenchev et al. | Metallurgical data science for steel industry: A case study on basic oxygen furnace | |
| CN110373510B (en) | Molten steel quality narrow window control method and system based on bimodal switching | |
| KR100333078B1 (en) | Dynamic control method of converter operation using expert system | |
| CN111020118A (en) | RH endpoint temperature prediction method based on particle swarm optimization case reasoning | |
| JP2012167366A (en) | Phosphorus concentration prediction apparatus, and blowing control method | |
| KR100333079B1 (en) | Static control method of converter operation using expert system | |
| Helle et al. | Modelling noisy blast furnace data using genetic algorithms and neural networks | |
| JP2012167365A (en) | Quicklime concentration prediction apparatus, and blowing control method | |
| Gao et al. | End-point prediction of basic oxygen furnace (BOF) steelmaking based on improved twin support vector regression | |
| EP3989013B1 (en) | Method for controlling process, operation guidance method, method for operating blast furnace, method for producing hot metal, and device for controlling process | |
| CN115456264A (en) | Method for predicting end point carbon content and end point temperature of small and medium-sized converters | |
| CN115270397A (en) | Neural network vermicular graphite cast iron vermicular rate prediction method based on Tensorflow | |
| Iida et al. | Application of Al techniques to blast furnace operation | |
| KR960023106A (en) | Carbon Concentration Prediction Method Using Flue Gas and Neural Network and Converter Endpoint Blowing Control System Using It | |
| Carlsson | Using Multilayer Perceptrons asmeans to predict the end-pointtemperature in an Electric ArcFurnace | |
| RU2817694C1 (en) | Refining process control device and refining process control method | |
| Warren et al. | Development and implementation of a generic blast-furnace expert system | |
| Feng et al. | An outlier identification and judgment method for an improved neural‐network BOF forecasting model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |