KR101819391B1 - Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process - Google Patents

Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process Download PDF

Info

Publication number
KR101819391B1
KR101819391B1 KR1020160175768A KR20160175768A KR101819391B1 KR 101819391 B1 KR101819391 B1 KR 101819391B1 KR 1020160175768 A KR1020160175768 A KR 1020160175768A KR 20160175768 A KR20160175768 A KR 20160175768A KR 101819391 B1 KR101819391 B1 KR 101819391B1
Authority
KR
South Korea
Prior art keywords
carbon
amount
concentration
dissolved carbon
dissolved
Prior art date
Application number
KR1020160175768A
Other languages
Korean (ko)
Inventor
허정헌
김태원
Original Assignee
주식회사 포스코
재단법인 포항산업과학연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코, 재단법인 포항산업과학연구원 filed Critical 주식회사 포스코
Priority to KR1020160175768A priority Critical patent/KR101819391B1/en
Application granted granted Critical
Publication of KR101819391B1 publication Critical patent/KR101819391B1/en

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
    • C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
    • C21C7/0075—Treating in a ladle furnace, e.g. up-/reheating of molten steel within the ladle
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D7/00—Modifying the physical properties of iron or steel by deformation
    • C21D7/02—Modifying the physical properties of iron or steel by deformation by cold working
    • C21D7/10—Modifying the physical properties of iron or steel by deformation by cold working of the whole cross-section, e.g. of concrete reinforcing bars
    • 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
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D21/04—Arrangements of indicators or alarms
    • 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
    • F27D5/00—Supports, screens, or the like for the charge within the furnace
    • F27D5/0068—Containers
    • 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
    • F27D5/00—Supports, screens, or the like for the charge within the furnace
    • F27D5/0068—Containers
    • F27D2005/0075—Pots, e.g. slag pots, ladles
    • 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
    • F27D2019/0096—Arrangements of controlling devices involving simulation means, e.g. of the treating or charging step

Abstract

According to an embodiment of the present invention, a device for predicting dissolved carbon of a vacuum degassing process includes: an exhaust gas analyzer for measuring concentration of carbon oxides in exhaust gas that is discharged from a vacuum vessel performing a degassing process; and a predictor for outputting the dissolved carbon predicted momentarily by inputting the dissolved carbon at the start of work, real-time work data, and the concentration of the carbon oxides into a learning model configured in the previous work.

Description

진공 탈가스 공정의 용존 탄소량 예측 장치 및 방법 {APPARATUS AND METHOED FOR PREDICTING DISSOLVED CARBON QUANTITY IN VACUUM DEGASSING PROCESS}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for predicting dissolved carbon in a vacuum degassing process,

본 발명은 진공 탈가스 공정을 통해 극저탄소강 생산시, 용강 내의 용존 탄소량을 실시간으로 예측하는 장치 및 방법을 제공한다.
The present invention provides an apparatus and method for predicting the amount of dissolved carbon in molten steel in real time during production of ultra low carbon steel through a vacuum degassing process.

진공 탈가스(vacuum degassing) 공정은 노외정련(ladle refining)의 일종으로, 고진공 하에서 용강 내에 있는 불순물(탄소, 수소, 질소, 산소 등)을 제거하고, 합금철 투입을 통하여 성분을 조절하며, 이후 주조(casting)에 적합하도록 용강의 온도를 조절하는 공정이다.Vacuum degassing is a type of ladle refining that removes impurities (carbon, hydrogen, nitrogen, oxygen, etc.) in molten steel under high vacuum, controls the components through the addition of ferroalloys, It is a process of controlling the temperature of molten steel to be suitable for casting.

도 1을 참조하면, 이러한 진공 탈가스 공정의 일 예로, RH(Ruhrstahl Heraeus) 진공 탈가스 공정을 확인할 수 있다. RH 진공 탈가스 공정은 환류식(circulation-type) 탈가스 공정의 일종으로, 래들(11) 상부에 위치한 진공 베슬(13)의 압력을 극도로 낮춘 상태에서 용강 내에 삽입된 침적관(12)을 통해 용강을 진공 베슬(13)의 내부로 순환시킴으로써, 용강과 진공 베슬(13) 내부의 가스 분압 차이를 이용하여 용강 내 가스 성분을 제거한다.Referring to FIG. 1, as an example of the vacuum degassing process, a Ruhrstahl Heraeus (Ruhrstahl Heraeus) vacuum degassing process can be confirmed. The RH vacuum degassing process is a type of circulation-type degassing process. In the vacuum degassing process, the pressure of the vacuum vessel 13 located on the ladle 11 is extremely lowered, and the deposition tube 12 inserted in the molten steel The gas component in the molten steel is removed by utilizing the difference in partial pressure of gas inside the molten steel and the vacuum vessel 13 by circulating the molten steel through the inside of the vacuum vessel 13. [

진공 탈가스 공정을 통해 극저탄소강 생산시, 용강 내 용존 탄소량이 목표 수준 이하로 내려가면 탈탄 종료 시점으로 판단하고, 탈산 개시 시점에 알루미늄 등 탈산제를 투입하여 산소를 제거하며, 합금철을 투입하여 성분을 조절하는 순으로 공정이 진행된다.When the amount of dissolved carbon in the molten steel falls below the target level in the production of ultra low carbon steel through vacuum degassing process, it is judged to be the end of decarburization. At the beginning of deoxidization, oxygen is removed by deoxidizing agent such as aluminum, The process proceeds in the order of adjusting the components.

한편, 탈탄 종료 시점과 탈산 개시 시점을 판단하기 위해, 용존 탄소량이 정확히 예측되어야 한다. 하기의 특허문헌 1은 탈탄 반응을 이용하여 용존 탄소량을 예측하는 방법을 소개하고 있으나, 예측 정확도가 기대에 미치지 못하는 문제점을 가진다. 또한, 예측 정확도가 떨어지는 경우 공정 시간이 길어지고, 용강 온도의 하강 및 환류 가스 등의 부외 에너지 손실 등의 문제가 수반된다.
On the other hand, in order to determine the decarburization end point and the deoxidation start point, the amount of dissolved carbon must be accurately estimated. The following Patent Document 1 discloses a method of predicting the amount of dissolved carbon by using a decarburization reaction, but has a problem that the prediction accuracy is less than expected. In addition, when the prediction accuracy is low, the process time becomes long, and the problem of the downfall of the molten steel temperature and the loss of extraneous energy such as the reflux gas is accompanied.

대한민국 등록특허공보 제10-1012834호Korean Patent Registration No. 10-1012834

본 발명의 과제는 상기한 종래 기술의 문제점을 해결하기 위한 것으로써, 공정 시간을 단축하고 용강 품질을 높일 수 있도록 용존 탄소량을 정확히 예측 가능한 예측 장치 및 방법을 제공하는 것이다.
Disclosure of Invention Technical Problem [8] Accordingly, the present invention has been made keeping in mind the above problems occurring in the prior art, and an object of the present invention is to provide a prediction apparatus and method capable of accurately estimating the dissolved carbon amount so as to shorten the processing time and improve the quality of molten steel.

본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 장치는 탈가스 공정을 수행하는 진공 베슬로부터 배출되는 배가스 중의 탄소 산화물 농도를 측정하는 배가스 분석기; 및 조업 개시 시점의 용존 탄소량, 실시간 조업데이터, 및 상기 탄소 산화물의 농도를 이전 조업에서 구성된 학습 모델에 입력하여 순시적으로 예측된 용존 탄소량을 출력하는 예측기를 포함한다.An apparatus for predicting dissolved carbon in a vacuum degassing process according to an embodiment of the present invention includes an exhaust gas analyzer for measuring a concentration of carbon oxides in an exhaust gas discharged from a vacuum vessel performing a degassing process; And a predictor for outputting the dissolved carbon amount predicted momentarily by inputting the dissolved carbon amount at the start of the operation, the real-time operating data, and the concentration of the carbon oxide into the learning model constructed in the previous operation.

또한, 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 방법은 탈가스 공정을 수행하는 진공 베슬로부터 배출되는 배가스 중의 탄소 산화물 농도를 측정하는 단계; 실시간 조업데이터를 획득하는 단계; 및 상기 실시간 조업데이터 및 상기 탄소 산화물의 농도를 학습 모델에 입력하여 용존 탄소량을 예측하는 단계를 포함한다.
The method of predicting dissolved carbon in a vacuum degassing process according to an embodiment of the present invention includes the steps of: measuring a concentration of carbon oxides in an exhaust gas discharged from a vacuum vessel performing a degassing process; Obtaining real-time operational data; And inputting the real-time operating data and the concentration of the carbon oxide to the learning model to predict the dissolved carbon amount.

본 발명의 일 실시예에 따르면, 선행가탄, 냉각제의 투입 등 외란 요인이 있는 경우에도 실시간으로 정확한 용존 탄소량의 예측이 가능하며, 이를 통하여 탈산제의 투입 시점을 결정하고, 합금 성분 및 용강 온도 조절이 적기에 이루어지도록 할 수 있다.
According to an embodiment of the present invention, it is possible to accurately predict the amount of dissolved carbon in real time even when there is a disturbance factor such as a lead-in charge and a coolant input, thereby determining the time of input of the deoxidizer, Can be made in a timely manner.

도 1은 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 장치의 구성도이다.
도 2는 배가스 분석기의 설치 예를 나타내는 도면이다.
도 3a는 파장 가변형 레이저 흡광 분석기의 설치예를 나타내는 도면이다.
도 3b는 파장 가변형 레이저 흡광 분석기의 다른 설치예를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 측정된 탄소 산화물 농도의 누적값을 나타내는 그래프이다.
도 5는 본 발명의 일 실시예에 따라 변환된 용존 탄소량을 나타내는 그래프이다.
도 6은 본 발명의 일 실시예에 따라 예측된 용존 탄소량을 나타내는 그래프이다.
도 7은 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 방법의 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 학습 모델 구성 방법의 흐름도이다.1 is a configuration diagram of an apparatus for predicting a dissolved carbon amount in a vacuum degassing process according to an embodiment of the present invention.
2 is a view showing an installation example of an exhaust gas analyzer.
3A is a diagram showing an example of the installation of a wavelength tunable laser absorption analyzer.
3B is a view showing another example of the installation of the wavelength tunable laser absorption analyzer.
FIG. 4 is a graph showing cumulative values of carbon oxide concentrations measured according to an embodiment of the present invention. FIG.
Figure 5 is a graph showing the amount of dissolved carbon converted according to one embodiment of the present invention.
6 is a graph showing the predicted dissolved carbon amount according to an embodiment of the present invention.
7 is a flowchart of a method for predicting the dissolved carbon amount in the vacuum degassing process according to an embodiment of the present invention.
8 is a flowchart of a method of constructing a learning model according to an embodiment of the present invention.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.The following detailed description of the invention refers to the accompanying drawings, which illustrate, by way of illustration, specific embodiments in which the invention may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which such claims are entitled, if properly explained. In the drawings, like reference numerals refer to the same or similar functions throughout the several views.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings, so that those skilled in the art can easily carry out the present invention.

도 1은 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 장치의 구성도이다. 도 1을 참조하면, RH 진공 탈가스 공정 설비에 본 발명의 용존 탄소량 예측 장치가 설치된 예를 확인할 수 있다. 다만, 본 발명의 실시 예는 RH 진공 탈가스 공정 설비에 한정되는 것은 아니다.1 is a configuration diagram of an apparatus for predicting a dissolved carbon amount in a vacuum degassing process according to an embodiment of the present invention. Referring to FIG. 1, an example in which the dissolved carbon amount predicting apparatus of the present invention is installed in the RH vacuum degassing process facility can be confirmed. However, the embodiment of the present invention is not limited to the RH vacuum degassing process facility.

본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 장치는 배가스 분석기(100) 및, 예측기(200)를 포함한다.
The apparatus for predicting dissolved carbon in a vacuum degassing process according to an embodiment of the present invention includes an exhaust gas analyzer 100 and a predictor 200.

배가스 분석기(100)는 탈가스 공정을 수행하는 진공 베슬(13)로부터 배출되는 배가스 중의 탄소 산화물 농도를 측정한다. 예를 들어, 진공 베슬(13)로부터 생성되는 배가스는 배기관(20)을 통과하고(A), 가스 냉각기(30)에 인입된다(B). 이 때, 진공 베슬(13) 내부는 완전 밀폐 상태이므로, 배가스에 존재하는 일산화탄소(CO)와 이산화탄소(CO2)는 용강 내의 탄소의 산화물로 볼 수 있다. 상기 배가스는 가스 냉각기(30)에서 분진이 제거되고, 온도가 낮춰져서 배출된다(C). 이후, 상기 배가스는 배관을 타고 스택(stack)으로 배출된다. The exhaust gas analyzer 100 measures the concentration of carbon oxides in the exhaust gas discharged from the vacuum vessel 13 performing the degassing process. For example, the exhaust gas generated from the vacuum vessel 13 passes through the exhaust pipe 20 (A) and enters the gas cooler 30 (B). At this time, since the inside of the vacuum vessel 13 is in a completely closed state, carbon monoxide (CO) and carbon dioxide (CO 2 ) present in the exhaust gas can be regarded as oxides of carbon in the molten steel. The flue gas is removed from the gas cooler 30, and the temperature is lowered and discharged (C). Thereafter, the exhaust gas is exhausted to the stack by the piping.

여기서, 상기 배가스 분석기(100)는 상기 진공 베슬(13)과 배기관(20)을 통해 연결되는 가스 냉각기(30)의 후단에 배치될 수 있다. 가스 냉각기(30) 후단은 진공 베슬(13)의 내부보다 온도 및 압력 변화가 적고, 가스 냉각기(30) 후단의 배가스는 분진이 제거된 상태이므로, 가스 냉각기(30) 후단에 배치된 배가스 분석기(100)는 보다 안정적인 탄소 산화물 농도 측정이 가능하다. 또한, 스택에 위치한 기존의 배가스 분석기에 비해 진공 베슬(13)에 인접한 위치에 배치되므로, 현재의 탄탈 상태를 보다 정확히 반영하는 탄소 산화물 농도 측정이 가능하다.
The exhaust gas analyzer 100 may be disposed at a rear end of the gas cooler 30 connected to the vacuum vessel 13 through an exhaust pipe 20. The downstream end of the gas cooler 30 is less in temperature and pressure change than the inside of the vacuum vessel 13 and the exhaust gas at the downstream end of the gas cooler 30 is dust- 100), it is possible to measure a more stable carbon oxide concentration. Further, since the exhaust gas analyzer is disposed at a position adjacent to the vacuum vessel 13 as compared with the existing flue gas analyzer located on the stack, it is possible to measure the carbon oxide concentration more accurately reflecting the present tantalum state.

예측기(200)는 배가스 분석기(100)로부터 실시간으로 탄소 산화물 농도를 입력받아, 배가스 공정 중에 순시적으로 용존 탄소량을 예측한다. 이를 위해, 상기 예측기(200)는 이전 조업에서 구성된 학습 모델을 포함한다. 상기 학습 모델은 조업 개시 시점의 용존 탄소량, 실시간 조업데이터, 및 상기 탄소 산화물의 농도를 입력받아 예측된 용존 탄소량을 출력할 수 있다.The predictor 200 receives the carbon oxide concentration in real time from the flue gas analyzer 100 and predicts the dissolved carbon amount momentarily during the flue gas process. To this end, the predictor 200 includes a learning model configured in the previous operation. The learning model can output the dissolved carbon amount at the start of the operation, the real-time operating data, and the predicted dissolved carbon amount based on the concentration of the carbon oxide.

구체적으로, 상기 학습모델은 이전 조업에서 탄소 산화물의 농도 누적값, 공정 개시 시점의 용존 탄소량 및 공정 종료 시점의 용존 탄소량을 이용하여 변환계수를 산출하고, 상기 변환계수를 이용하여 탄소 산화물 농도과 용존 탄소량의 관계를 설정한다. 또한, 현재 조업에서 입력된 탄소 산화물의 농도로부터 상기 설정된 관계를 추종하는 용존 탄소량을 출력할 수 있다.
Specifically, the learning model calculates a conversion factor using the cumulative concentration of carbon oxides in the previous operation, the amount of dissolved carbon at the start of the process, and the amount of dissolved carbon at the end of the process, Set the relationship of the amount of dissolved carbon. In addition, the amount of dissolved carbon following the set relationship can be output from the concentration of the carbon oxide input in the present operation.

여기서, 상기 변환계수는 이전 조업의 탄소 산화물 농도 및 용존 탄소량을 이용하여 현재 조업 이전에 산출된다. 구체적으로, 상기 변환계수는 이전 조업 개시 시점의 용존 탄소량 및 이전 조업 종료 시점의 용존 탄소량의 차이를 탄소 산화물 농도의 누적값으로 나눈 값으로 산출될 수 있다.Here, the conversion factor is calculated before the present operation using the carbon oxide concentration and dissolved carbon amount of the previous operation. Specifically, the conversion factor can be calculated by dividing the difference between the amount of dissolved carbon at the start of the previous operation and the amount of dissolved carbon at the end of the previous operation by the accumulated value of the carbon oxide concentration.

이를 수학식으로 다시 살펴보면, 상기 이전 조업의 탄소 산화물의 농도 누적값(CUMf)은 다음의 수학식 1에 의해 결정될 수 있다.
The cumulative concentration of carbon oxides (CUM f ) of the previous operation can be determined by the following equation (1).

Figure 112016125733901-pat00001
Figure 112016125733901-pat00001

여기서, tf는 조업의 종료 시점이고 CO(t)는 시간t에 측정된 일산화탄소의 농도 CO2(t)는 시간t에 측정된 이산화탄소의 농도이다.Where t f is the end of the operation and CO (t) is the concentration of carbon monoxide measured at time t, CO2 (t) is the concentration of carbon dioxide measured at time t.

한편, 도 4를 참조하면, 본 발명의 일 실시예에 따라 측정된 탄소 산화물 농도의 누적값을 나타내는 그래프를 확인할 수 있다.
Referring to FIG. 4, a graph showing cumulative values of carbon oxide concentrations measured according to an embodiment of the present invention can be seen.

또한, 상기 변환계수(CF)는 다음의 수학식 2에 의해 결정될 수 있다.Further, the conversion factor CF can be determined by the following equation (2).

Figure 112016125733901-pat00002
Figure 112016125733901-pat00002

여기서, [C]0는 이전 조업의 개시 시점의 용존 탄소량이고, [C]f는 이전 조업의 종료 시점의 용존 탄소량이다.
[C] 0 is the amount of dissolved carbon at the beginning of the previous operation, and [C] f is the amount of dissolved carbon at the end of the previous operation.

다음으로, 탄소 산화물 농도에 따른 용존 탄소량(C(t))은 다음의 수학식 3에 의해 설정될 수 있다.Next, the dissolved carbon amount C (t) according to the carbon oxide concentration can be set by the following equation (3).

Figure 112016125733901-pat00003
Figure 112016125733901-pat00003

여기서, C(t-T)는 이전 변환 시점에서 변환된 용존 산소량이다.
Where C (tT) is the dissolved oxygen amount at the previous conversion time.

이와 같이 설정된 탄소 산화물 농도와 용존 탄소량의 관계를 포함하는 학습 모델을 이용하여, 상기 예측기(200)는 탄소 산화물 농도를 입력받아 예측된 용존 탄소량을 출력할 수 있다. 한편, 학습 모델은 조업 진행 시간, 용강 무게, 선행 가탄량, 베슬 압력, 환류 가스 유량, 랜스 산소 유량 등의 조업데이터를 입력받아 이를 학습하고 상기 조업데이터가 반영하여 예측된 용존 산소량을 출력하도록 구성될 수 있다. 또한, 현재 조업의 조업데이터와 조업 개시 시점의 용존 탄소량 및 조업 종료 시점의 용존 탄소량을 입력 받고, 이를 학습하여 학습 모델을 갱신할 수 있다. 갱신된 학습 모델은 다음 조업의 용존 탄소량 예측에 이용될 수 있으므로, 보다 정확한 용존 탄소량 예측이 가능하다.Using the learning model including the relationship between the carbon oxide concentration and the dissolved carbon amount thus set, the predictor 200 can output the predicted dissolved carbon amount based on the carbon oxide concentration. On the other hand, the learning model is configured to receive the operation data such as the operation progress time, the molten steel weight, the amount of the preceding cargo, the pressure of the vessel, the flow rate of the reflux gas, the flow rate of the lance oxygen and the like and learns the operation data and outputs the predicted dissolved oxygen amount . It is also possible to update the learning model by inputting the operating data of the current operation, the amount of dissolved carbon at the start of operation and the amount of dissolved carbon at the end of the operation, and learning it. The updated learning model can be used for predicting the dissolved carbon content of the next operation, so that a more accurate estimation of dissolved carbon is possible.

도 2는 배가스 분석기의 설치 예를 나타내는 도면이다.2 is a view showing an installation example of an exhaust gas analyzer.

도 2를 참조하면, 본 발명의 일 실시예에 따른 배가스 분석기(100)는 일산화탄소(CO)의 농도를 측정하는 제1 배가스 분석기(110) 및 이산화탄소(CO2)의 농도를 측정하는 제2 배가스 분석기(120)를 포함한다. 또한, 제1 배가스 분석기(110) 및 제2 배가스 분석기(120)는 파장 가변형 다이오드 레이저 흡광 분석기(Tunable Diode Laser Absorption Spectroscopy: TDLAS)일 수 있다.2, the exhaust gas analyzer 100 in accordance with one embodiment of the present invention, the second exhaust gas for measuring the concentration of the first exhaust gas analyzer 110 and the carbon dioxide (CO 2) for measuring the concentration of carbon monoxide (CO) Analyzer < / RTI > Also, the first flue gas analyzer 110 and the second flue gas analyzer 120 may be a Tunable Diode Laser Absorption Spectroscopy (TDLAS).

상기 제1 배가스 분석기(110)는 발광을 위한 투광부(111), 수광을 위한 수광부(112)를 포함하고, 분진의 영향을 최소화하기 위해 광경로 상에 배치되는 방진부(113)를 더 포함할 수 있다. 마찬가지로 제2 배가스 분석기(120)는 투광부(121), 수광부(122), 및 방진부(123)를 포함할 수 있다.The first exhaust gas analyzer 110 further includes a transparent portion 111 for emitting light and a light receiving portion 112 for receiving light and further includes a dustproof portion 113 disposed on the optical path for minimizing the influence of dust can do. Similarly, the second exhaust gas analyzer 120 may include a transparent portion 121, a light receiving portion 122, and a dustproof portion 123.

또한, 배가스 분석기(100)는 온도계(130)와 압력계(140)를 더 포함할 수 있다. 상기 배가스 분석기(100)와 같은 광학 방식의 가스 성분 분석기의 경우, 온도와 압력의 변화에 따라 흡수 스펙트럼에 오차가 발생할 수 있다. 배가스 분석기(100)는 온도계(130)와 압력계(140)에 의해 측정된 온도 및 압력을 이용하여 일산화탄소(CO) 및 이산화탄소(CO2)의 농도를 보상할 수 있다.
The flue gas analyzer 100 may further include a thermometer 130 and a pressure gauge 140. In the case of an optical gas analyzer such as the flue gas analyzer 100, an error may occur in the absorption spectrum depending on changes in temperature and pressure. The flue gas analyzer 100 can compensate for concentrations of carbon monoxide (CO) and carbon dioxide (CO 2 ) using the temperature and pressure measured by the thermometer 130 and the pressure gauge 140.

도 3a는 파장 가변형 레이저 흡광 분석기의 설치예를 나타내는 도면이고, 도 3b는 파장 가변형 레이저 흡광 분석기의 다른 설치예를 나타내는 도면이다.3A is a view showing an example of the installation of a wavelength tunable laser absorption analyzer, and FIG. 3B is a view showing another example of the installation of a wavelength tunable laser absorption analyzer.

도 3a에 도시한 바와 같이, 일 예의 배가스 분석기(100)는 제1 배가스 분석기의 투광부(111)와 수광부(112)와 제2 배가스 분석기의 투광부(121)와 수광부(122)가 형성하는 광경로가 평행하도록 설치될 수 있다. 또한, 도 3b에 도시한 바와 같이, 다른 예의 배가스 분석기(100')는 제1 배가스 분석기의 투광부(111)와 수광부(112)와 제2 배가스 분석기의 투광부(121)와 수광부(122)가 형성하는 광경로가 X자 형태를 이루도록 설치될 수 있다.
As shown in FIG. 3A, the exhaust gas analyzer 100 of one example comprises a transparent portion 111 and a light receiving portion 112 of the first flue gas analyzer, a transparent portion 121 of the second flue gas analyzer, The light path can be installed in parallel. 3B, the flue gas analyzer 100 'of another example includes a transparent portion 111 and a light receiving portion 112 of the first flue gas analyzer, a transparent portion 121 and a light receiving portion 122 of the second flue gas analyzer, So that the light path formed by the light source can form an X-shape.

도 5는 본 발명의 일 실시예에 따라 변환된 용존 탄소량을 나타내는 그래프이다.Figure 5 is a graph showing the amount of dissolved carbon converted according to one embodiment of the present invention.

도 5를 참조하면, 본 발명의 일 실시예에 따른 학습 모델이 설정한 탄소 산화물 농도과 용존 탄소량의 관계를 확인할 수 있다.Referring to FIG. 5, the relationship between the carbon oxide concentration and the dissolved carbon amount set by the learning model according to an embodiment of the present invention can be confirmed.

또한, 상기 설정된 관계에 따른 용존 탄소량의 변환값을 다양한 시점(t1 내지 t5)의 용존 탄소량의 측정값과 비교하면, 변환값은 측정값에 대하여 5 ppm 이내의 오차를 보이며, 높은 정확도를 가지고 측정값을 추종한다.
Further, when the converted value of the dissolved carbon amount according to the set relation is compared with the measured value of the dissolved carbon amount at various times (t1 to t5), the converted value shows an error within 5 ppm with respect to the measured value, Follow the measured value.

도 6은 본 발명의 일 실시예에 따라 예측된 용존 탄소량을 나타내는 그래프이다.6 is a graph showing the predicted dissolved carbon amount according to an embodiment of the present invention.

도 6을 참조하면, 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 장치가 예측한 용존 탄소량의 예측값과 조업 종료 시 실측된 측정값을 확인할 수 있다. 상기 예측값과 측정값을 비교하면, 예측값의 측정값에 대한 오차가 3 ppm 이내에서 높은 정확도를 가지는 것을 알 수 있다.
Referring to FIG. 6, the predicted value of the dissolved carbon amount predicted by the apparatus for predicting the dissolved carbon amount in the vacuum degassing process according to an embodiment of the present invention and the measured value measured at the end of the operation can be confirmed. When the predicted value is compared with the measured value, it can be seen that the error with respect to the measured value of the predicted value has a high accuracy within 3 ppm.

도 7은 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 방법의 흐름도이다. 본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 방법은 조업 개시 시점의 용존 탄소량을 획득하는데서 시작된다(S710). 다음으로, 실시간 조업데이터가 획득되고(S720), 탈가스 공정을 수행하는 진공 베슬로부터 배출되는 배가스 중의 탄소 산화물 농도가 회득된다(S730). 이후, 상기 실시간 조업데이터 및 상기 탄소 산화물의 농도를 학습 모델에 입력하면 학습 모델에 의해 용존 탄소량이 예측된다(S740).
7 is a flowchart of a method for predicting the dissolved carbon amount in the vacuum degassing process according to an embodiment of the present invention. The method for predicting the dissolved carbon amount in the vacuum degassing process according to an embodiment of the present invention starts with obtaining the dissolved carbon amount at the start of operation (S710). Next, the real-time operating data is obtained (S720), and the carbon oxide concentration in the exhaust gas discharged from the vacuum vessel performing the degassing process is obtained (S730). Thereafter, when the concentration of the real-time operational data and the carbon oxide is inputted to the learning model, the dissolved carbon amount is predicted by the learning model (S740).

도 8은 본 발명의 일 실시예에 따른 학습 모델 구성 방법의 흐름도이다. 학습 모델은 이전 조업에서 구성된다. 도 8에는 2회의 조업(Charge 1, Charge 2)을 통해 구성되는 것으로 도시하였으나, 학습 모델은 2회 이상의 복수의 조업을 통한 학습으로 구성될 수 있다.8 is a flowchart of a method of constructing a learning model according to an embodiment of the present invention. The learning model consists of the previous operations. In FIG. 8, the learning model is constructed by two operations (Charge 1, Charge 2). However, the learning model may be composed of learning through two or more operations.

도 8을 참조하여 하나의 조업(Charge 1)에서 이루어지는 학습 모델 구성 방법을 살피면, 학습 모델 구성 방법은 조업 개시 시점의 용존 탄소량을 획득하는 데서 시작된다(S810), 이후, 실시간 조업데이터를 획득하고(S820), 실시간 탄소 산화물 농도를 획득한다(S830). 다음으로 상기 탄소 산화물의 농도가 누적되고(S840), 조업 종료 시점의 용존 탄소량이 획득된다(S850).Referring to FIG. 8, a method of constructing a learning model in one operation (Charge 1) starts with acquiring the amount of dissolved carbon at the start of operation (S 810). Then, (S820), and obtains a real time carbon oxide concentration (S830). Next, the concentration of the carbon oxides is accumulated (S840), and the dissolved carbon amount at the end of the operation is obtained (S850).

또한, 상기 조업 개시 시점 용존 탄소량, 조업 종료 시점 용존 탄소량 및 상기 탄소 산화물 농도의 누적값으로부터 변환계수를 산출한다(S860). 변환계수가 산출된 후, 상기 변환계수를 이용하여 탄소 산화물의 농도와 용존 탄소량을 관계를 설정한다. 설정된 관계는 학습 모델을 구성한다(S880).
Further, the conversion coefficient is calculated from the accumulated amount of dissolved carbon at the time of starting the operation, the amount of dissolved carbon at the end of the operation, and the accumulated value of the carbon oxide concentration (S860). After the conversion coefficient is calculated, the conversion coefficient is used to establish a relationship between the concentration of carbon oxide and the amount of dissolved carbon. The set relation constitutes a learning model (S880).

본 발명의 일 실시예에 따른 진공 탈가스 공정의 용존 탄소량 예측 방법은 도 1 내지 도 6을 참조하여 상술한 설명으로부터 보다 자세히 이해될 수 있다.
A method for predicting dissolved carbon content in a vacuum degassing process according to an embodiment of the present invention can be understood in more detail from the above description with reference to FIGS.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, Those skilled in the art will appreciate that various modifications, additions and substitutions are possible, without departing from the scope and spirit of the invention as disclosed in the accompanying claims.

100: 배가스 분석기
110: 제1 배가스 분석기
120: 제2 배가스 분석기
200: 예측기100: Flue gas analyzer
110: First exhaust gas analyzer
120: Second exhaust gas analyzer
200: predictor

Claims (8)

탈가스 공정을 수행하는 진공 베슬로부터 배출되는 배가스 중의 탄소 산화물 농도를 측정하는 배가스 분석기; 및
조업 개시 시점의 용존 탄소량, 실시간 조업데이터, 및 상기 탄소 산화물의 농도를 이전 조업에서 구성된 학습 모델에 입력하여 순시적으로 예측된 용존 탄소량을 출력하는 예측기를 포함하고,
상기 학습 모델은, 이전 조업에서 탄소 산화물의 농도 누적값, 조업 개시 시점의 용존 탄소량 및 조업 종료 시점의 용존 탄소량을 이용하여 변환계수를 산출하고, 상기 변환계수를 이용하여 탄소 산화물 농도과 용존 탄소량의 관계를 설정하며, 상기 설정된 관계에 따라 입력된 탄소 산화물의 농도로부터 상기 예측된 용존 탄소량을 출력하도록 구성되는 진공 탈가스 공정의 용존 탄소량 예측 장치.
An exhaust gas analyzer for measuring the concentration of carbon oxides in the exhaust gas discharged from the vacuum vessel performing the degassing process; And
And a predictor for outputting the dissolved carbon amount predicted momentarily by inputting the dissolved carbon amount at the start of the operation, the real-time operating data, and the concentration of the carbon oxide into the learning model constructed in the previous operation,
The learning model calculates a conversion factor using the cumulative concentration of carbon oxides in the previous operation, the amount of dissolved carbon at the start of operation and the amount of dissolved carbon at the end of the operation, And to output the predicted dissolved amount of carbon from the concentration of the inputted carbon oxide according to the set relation.
삭제delete 제1항에 있어서, 상기 변환계수는,
상기 조업 개시 시점의 용존 탄소량 및 상기 조업 종료 시점의 용존 탄소량의 차이를 탄소 산화물 농도의 누적값으로 나눈 값인 진공 탈가스 공정의 용존 탄소량 예측 장치.
2. The method of claim 1,
Wherein the difference between the amount of dissolved carbon at the start of operation and the amount of dissolved carbon at the end of the operation is divided by the cumulative value of the concentration of carbon oxides.
제1항에 있어서, 상기 배가스 분석기는,
일산화탄소와 이산화탄소의 농도를 측정하는 두 개의 파장 가변형 레이저 흡광 분석기를 포함하는 진공탈가스 공정의 용존 탄소량 예측 장치.
The exhaust gas analyzer according to claim 1,
An apparatus for predicting dissolved carbon content in a vacuum degassing process, comprising two tunable laser absorption analyzers for measuring the concentration of carbon monoxide and carbon dioxide.
제4항에 있어서,
상기 파장 가변형 레이저 흡광 분석기는 광 경로 상에 배치되는 방진부를 포함하는 진공탈가스 공정의 용존 탄소량 예측 장치.
5. The method of claim 4,
Wherein the wavelength tunable laser absorption analyzer includes a dustproof portion disposed on an optical path.
제1항에 있어서, 상기 배가스 분석기는,
상기 진공 베슬과 배기관을 통해 연결되는 가스 냉각기의 후단에 배치되는 진공 탈가스 공정의 용존 탄소량 예측 장치.
The exhaust gas analyzer according to claim 1,
And a gas cooler connected to the vacuum vessel through an exhaust pipe.
탈가스 공정을 수행하는 진공 베슬로부터 배출되는 배가스 중의 탄소 산화물 농도를 측정하는 단계;
실시간 조업데이터를 획득하는 단계; 및
상기 실시간 조업데이터 및 상기 탄소 산화물의 농도를 학습 모델에 입력하여 용존 탄소량을 예측하는 단계로 구성되고,
상기 학습 모델은
조업 개시 시점의 용존 탄소량을 획득하는 단계;
조업 중 탄소 산화물의 농도를 측정하고, 상기 탄소 산화물의 농도를 누적하는 단계;
조업 종료 시점의 용존 탄소량을 획득하는 단계;
상기 탄소 산화물의 농도 누적값, 상기 조업 개시 시점의 용존 탄소량 및 조업 종료 시점의 용존 탄소량을 이용하여 변환계수를 산출하는 단계; 및
상기 변환계수를 이용하여 탄소 산화물의 농도와 용존 탄소량을 관계를 설정하는 단계를 통해 이전 조업에서 구성되는 진공 탈가스 공정의 용존 탄소량 예측 방법.Measuring the concentration of carbon oxides in the exhaust gas discharged from the vacuum vessel performing the degassing process;
Obtaining real-time operational data; And
Inputting the real-time operating data and the concentration of the carbon oxide to the learning model to predict the dissolved carbon amount,
The learning model
Obtaining a dissolved carbon amount at the start of operation;
Measuring the concentration of carbon oxides during operation and accumulating the concentration of said carbon oxides;
Obtaining a dissolved carbon amount at the end of operation;
Calculating a conversion coefficient by using an accumulated value of the carbon oxide, an amount of dissolved carbon at the start of operation, and an amount of dissolved carbon at the end of the operation; And
A method for predicting dissolved carbon content in a vacuum degassing process comprising the steps of establishing a relation between a concentration of carbon oxide and a dissolved carbon amount using the conversion factor. 삭제delete
KR1020160175768A 2016-12-21 2016-12-21 Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process KR101819391B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160175768A KR101819391B1 (en) 2016-12-21 2016-12-21 Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160175768A KR101819391B1 (en) 2016-12-21 2016-12-21 Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process

Publications (1)

Publication Number Publication Date
KR101819391B1 true KR101819391B1 (en) 2018-01-16

Family

ID=61066681

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160175768A KR101819391B1 (en) 2016-12-21 2016-12-21 Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process

Country Status (1)

Country Link
KR (1) KR101819391B1 (en)

Similar Documents

Publication Publication Date Title
TWI643957B (en) Estimation method of phosphorus concentration in molten steel and converter blowing control device
FR3098938B1 (en) Method and device for determining an anomaly prediction performance index value in a computer infrastructure from performance indicator values
CN104458637A (en) Method for testing ultra-low carbon and sulphur content in plain carbon steel-low alloy steel
KR20200125427A (en) Light absorbance analysis apparatus and program record medium for recording programs of light absorbance analysis apparatus
JP5846344B1 (en) Method for analyzing nitrogen in metal sample, analyzer for nitrogen in metal sample, method for adjusting nitrogen concentration in molten steel, and method for producing steel
CA2785711A1 (en) Control of the converter process by means of exhaust gas signals
KR101819391B1 (en) Apparatus and methoed for predicting dissolved carbon quantity in vacuum degassing process
JP6579136B2 (en) Refining process state estimation device, refining process state estimation method, and molten metal manufacturing method
KR102437794B1 (en) Molten metal component estimation device, method of estimating molten metal component, and method of manufacturing molten metal
KR101911491B1 (en) Apparatus for off-gas measure and this measure using a decarbonizing predicting in molten steel
JP6447198B2 (en) Exhaust gas component analyzer and method for vacuum decarburization treatment of molten steel
JP6643715B2 (en) Ozone measurement device
JP6822148B2 (en) Dehydrogenation refining method for molten steel
JP2004156119A (en) Process for controlling decarbonizing treatment time in vacuum decarbonization method of molten steel
KR101570582B1 (en) Vacuum Oxygen decarburization apparatus of chromium comprising melting steel and vacuum oxygen decarburization method using the apparatus
US20230243005A1 (en) Converter blowing control method and converter blowing control system
EP4177361A1 (en) Converter blowing control method and converter blowing control system
EP4095269A1 (en) Method for conducting decarburization refining of molten steel under reduced pressure
CN108342538B (en) Method for improving carbon content of TSO converter sublance probe to be measured accurately
RU2813298C1 (en) Converter purge control method and converter purge control system
KR20140002255A (en) The method of analyzing carbon content
KR20040110901A (en) Method for predicting dissolved carbon quantity in vacuum degassing process
KR20010028813A (en) A method for controlling carbon contents in molten steel when refining the ultra low carbon steel
JPH02170909A (en) Method for predicting components at blow-end in converter
JP2007256187A (en) Spark discharge emission spectral analysis method and analyzer thereof

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant