特許ウォッチ

公開番号2024041725
公報種別公開特許公報(A)
公開日2024-03-27
出願番号2023144974
出願日2023-09-07
発明の名称ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法及び装置
出願人北京科技大学
代理人個人,個人
主分類C21D 9/00 20060101AFI20240319BHJP(鉄冶金)
要約【課題】加熱炉燃焼知能制御システムを構築し、加熱炉の炉温の自動制御レベル、スラブ加熱温度の均一性や、炉気温度の制御精度等を向上させ、加熱炉生産の正確な制御を実現し、エネルギー消費と焼損を減少するとともに、加熱製品の品質の安定性を向上させる、加熱炉燃焼知能制御方法を提供する。
【解決手段】ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法は、加熱炉生産運転パラメータに基づいてビッグデータクラウドプラットフォームを構築することと、ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素を識別し、完全な相関性データ知識ベースを作成することと、メカニズムモデルに基づいて伝統的な加熱炉燃焼制御システムの独立配置を行うことと、クラウドプラットフォームビッグデータ専門家知識ベースの加熱炉燃焼知能制御システムを融合することとを含む。
【選択図】図1
特許請求の範囲【請求項１】
加熱炉生産運転パラメータに基づいてビッグデータクラウドプラットフォームを構築するステップＳ１と、
前記ビッグデータクラウドプラットフォームに基づいて、ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素の識別と分析を行い、相関性データ知識ベース及びビッグデータ意思決定知識ベースを取得するステップＳ２と、
メカニズムモデルに基づいて加熱炉燃焼制御システムの独立配置を行うステップＳ３と、
メカニズムモデルに基づく前記加熱炉燃焼制御システムと前記ビッグデータクラウドプラットフォームを融合し、前記ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御を行うステップＳ４とを含み、
前記ステップＳ２では、前記ビッグデータクラウドプラットフォームに基づいて、ビッグデータマイニング技術を採用して、前記加熱炉生産過程に重要な要素の識別と分析を行い、相関性データ知識ベース及びビッグデータ意思決定知識ベースを取得するステップは、
前記ビッグデータクラウドプラットフォームに基づいて、前記ビッグデータマイニング技術を採用して、前記加熱炉生産過程に重要な要素を識別して、前記相関性データ知識ベースを取得するステップＳ２１と、
加熱炉運転時にパラメータデータセンターが予め設定した人工知能、機械学習、及びパターン学習方法に基づいて、ビッグデータに対する知能分析により、加熱炉生産運転時のパラメータの関連マップを探し出して、前記ビッグデータ知識意思決定ベースを取得するステップＳ２２とを含み、
前記ステップＳ２１では、前記相関性データ知識ベースを取得するステップは、
各種の計画混載に対して、加熱セグメントごとに、鋼種、位置重み値、アイドルステーションのレイアウト、目標温度、現在温度、予測セグメント搬出温度から、さまざまなスラブの加熱システムを評価し、加熱炉の炉況及び運転状況の状態パラメータを検知して統一的に計画し、複雑な運転状況・炉況知識ベースを取得することと、
知能燃焼モデルが適応的に調節するために、各規格の炉内温度の予報精度を動的に評価して、前記予報精度データを総合してスラブ温度予報モデル精度評価知識ベースを取得することと、
生産データ、エネルギーデータ及び炉況に基づいて、加熱炉に対する客観的評価を作成し、前記客観的評価データを総合して、加熱炉エネルギー効率評価知識ベースを取得することと、
炉圧制御の優先度が炉温制御よりも高い基準に従って、出炉側を微正圧状態に制御し、制御基準データ及び微正圧状態データを総合して、炉圧判別知識ベースを取得することと、
合理的な空燃比を設定し、各セグメントの炉温の制御精度及び炉内雰囲気の制御精度を決定し、空燃比最適化知識ベースを取得することとを含み、
前記ステップＳ２２では、前記ビッグデータ知識意思決定ベースを取得するステップは、
出炉温度、圧延機出口温度ＲＤＴにより、各加熱炉製品について規定される加熱目標を記述して、加熱目標意思決定知識ベースを取得することと、
各運転状況での加熱曲線を統計して、加熱システム意思決定知識ベースを取得することとを含む、ことを特徴とするビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法。
続きを表示（約 2,200 文字）【請求項２】
前記ステップＳ１では、加熱炉生産運転パラメータに基づいて前記ビッグデータクラウドプラットフォームを構築するステップは、
データ記憶量、同時アクセス数、加熱炉専門家知識ベース、及びモデルベース研究開発過程における計算需要量関連要素を分析することにより、前記ビッグデータクラウドプラットフォームのハードウェア装置、パラメータ及び分業を設計することを含み、
前記ビッグデータクラウドプラットフォームは、三層構造を採用し、底層はビッグデータクラウドプラットフォームインフラ層であり、中間層はビッグデータクラウドプラットフォームサポート層であり、最上層は知識ベースサービス層である、ことを特徴とする請求項１に記載の方法。
【請求項３】
前記ビッグデータクラウドプラットフォームインフラ層は、前記ビッグデータクラウドプラットフォームのハードウェアリソースの仮想化と管理サービスに使用され、
前記ビッグデータクラウドプラットフォームサポート層は、加熱炉生産運転過程におけるパラメータの収集、記憶、マイニング分析及び可視化の研究開発をサポートすることに使用され、
前記知識ベースサービス層は、加熱炉生産過程の重要な生産要素を記憶することに使用される、ことを特徴とする請求項２に記載の方法。
【請求項４】
前記ステップＳ３では、メカニズムモデルに基づいて加熱炉燃焼制御システムの独立配置を行うステップは、
加熱炉材料を追跡して修正し、圧延計画を実際のスラブと１対１で対応させ、追跡位置を決定し、前記スラブの搬送方向を遍歴して、追跡・修正を行うステップＳ３１と、
炉内での前記スラブの昇温過程を予測し、数学モデルを採用して炉内の各時刻における前記スラブの温度分布を予報するステップＳ３２であって、
スラブ温度制御方程は、下記式（１）に示され、
JPEG
2024041725000007.jpg
21
101
ここで、ρ（ｔ）は前記スラブの密度を示し、Ｃｐ（ｔ）は前記スラブの比熱を示し、λ（ｔ）は前記スラブの熱伝導率を示す、前記ステップＳ３２と、
前記スラブ温度制御方程に従って、炉温最適化モデルを作成するステップＳ３３とを含む、ことを特徴とする請求項１に記載の方法。
【請求項５】
前記ステップＳ３３では、前記スラブ温度制御方程に従って、前記炉温最適化モデルを作成するステップは、
前記スラブ温度制御方程に従ってオフライン最適化を行い、基礎炉温テーブル、即ち炉温カーペットプロットを作成するステップＳ３３１と、
前記スラブ温度制御方程に従ってオンライン動的最適化を行い、加熱プロセスと生産リズムに応じて、スラブ昇温過程をシミュレーションし、目標加熱プロセスに達するために必要な必須炉温を逆算するステップＳ３３２と、
総合炉温、炉のセグメント内の各スラブの位置、目標温度要素がすべて異なると、各スラブのセグメント内の重み値も異なり、各スラブ炉温オンライン最適化に基づいて、各スラブに異なる重み値を与え、前記炉温最適化モデルを取得するステップＳ３３３とを含む、ことを特徴とする請求項４に記載の方法。
【請求項６】
前記ステップＳ４では、前記メカニズムモデルに基づく前記加熱炉燃焼制御システムと前記ビッグデータクラウドプラットフォームを融合し、前記ビッグデータクラウドプラットフォームに基づく前記加熱炉燃焼知能制御を行うステップは、
前記メカニズムモデルに基づく前記加熱炉燃焼制御システムと前記ビッグデータクラウドプラットフォームを融合し、前記ビッグデータクラウドプラットフォームはデータ収集情報に基づいて同期炉内データ映像を作成し、相関性データ知識ベース及びビッグデータ意思決定知識ベースを繰り返し更新し、前記相関性データ知識ベース及びビッグデータ意思決定知識ベースの情報を総合して、ＡＰＩ関数により前記加熱炉燃焼制御システムにプロセス、時間制御パラメータをリアルタイムで送信し、前記ビッグデータクラウドプラットフォームに基づく前記加熱炉燃焼知能制御を行うことを含む、ことを特徴とする請求項１に記載の方法。
【請求項７】
前記請求項１～６のいずれか１項に記載の方法に適用される前記ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御装置であって、
加熱炉生産運転パラメータに基づいて前記ビッグデータクラウドプラットフォームを構築するプラットフォーム構築モジュールと、
前記ビッグデータクラウドプラットフォームに基づいて、前記ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素の識別と分析を行い、前記相関性データ知識ベース及び前記ビッグデータ意思決定知識ベースを取得する知識ベース構築モジュールと、
前記メカニズムモデルに基づいて前記加熱炉燃焼制御システムの独立配置を行うモデル配置モジュールと、
前記メカニズムモデルに基づく前記加熱炉燃焼制御システムと前記ビッグデータクラウドプラットフォームを融合し、前記ビッグデータクラウドプラットフォームに基づく前記加熱炉燃焼知能制御を行う知能制御モジュールとを備える、ことを特徴とする前記ビッグデータクラウドプラットフォームに基づく前記加熱炉燃焼知能制御装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、人工知能制御の技術分野に関し、特に、ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法及び装置に関する。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
知能製造が鉄鋼業界に進むにつれて、各プロセスは技術革新の春を迎え、最先端の概念や技術の導入は鉄鋼製造業の新時代を創造するに違いない。加熱炉は鉄鋼プロセス産業における重要な一環として、上流の原料に加熱と均熱を行い、下流の生産プロセスの要件を満たすためにより良い熱特性を付与することを主な目的とする。長期以来、加熱炉の環境が高温・多塵であり、かつその制御効果に影響する要素が多くて緊密に結合されているため、加熱炉制御システムの自動化レベルは生産ラインの他の段階より低い。また、加熱炉は生産ラインにおいてエネルギーを消費する主の部品でもあり、このため、加熱炉制御システムの知能化レベルを高めることは巨大な経済と社会的利益をもたらす。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
加熱炉のエネルギー消費量が高く、加熱炉制御システムの知能化レベルを高めることは巨大な経済と社会的利益をもたらすという従来技術の課題に対して、本発明は、ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法及び装置を提案する。
【課題を解決するための手段】
【０００４】
一態様では、電子装置に適用されるビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法であって、
加熱炉生産運転パラメータに基づいてビッグデータクラウドプラットフォームを構築するステップＳ１と、
前記ビッグデータクラウドプラットフォームに基づいて、ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素の識別と分析を行い、相関性データ知識ベース及びビッグデータ意思決定知識ベースを取得するステップＳ２と、
メカニズムモデルに基づいて加熱炉燃焼制御システムの独立配置を行うステップＳ３と、
メカニズムモデルに基づく加熱炉燃焼制御システムと前記ビッグデータクラウドプラットフォームを融合し、ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御を行うステップＳ４とを含む、ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法を提供する。
【０００５】
好ましくは、前記ステップＳ１では、加熱炉生産運転パラメータに基づいてビッグデータクラウドプラットフォームを構築するステップは、
データ記憶量、同時アクセス数、加熱炉専門家知識ベース、及びモデルベース研究開発過程における計算需要量関連要素を分析することにより、ビッグデータクラウドプラットフォームのハードウェア装置、パラメータ及び分業を設計することを含み、
前記ビッグデータクラウドプラットフォームは、三層構造を採用し、底層はビッグデータクラウドプラットフォームインフラ層であり、中間層はビッグデータクラウドプラットフォームサポート層であり、最上層は知識ベースサービス層である。
【０００６】
好ましくは、インフラ層は、ビッグデータクラウドプラットフォームのハードウェアリソースの仮想化と管理サービスに使用され、
前記ビッグデータクラウドプラットフォームサポート層は、加熱炉生産運転過程におけるパラメータの収集、記憶、マイニング分析及び可視化の研究開発をサポートすることに使用され、
前記知識ベースサービス層は、加熱炉生産過程の重要な生産要素を記憶することに使用される。
【０００７】
好ましくは、前記ステップＳ２では、前記ビッグデータクラウドプラットフォームに基づいて、ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素の識別と分析を行い、相関性データ知識ベース及びビッグデータ意思決定知識ベースを取得するステップは、
前記ビッグデータクラウドプラットフォームに基づいて、ビッグデータマイニング技術を採用して、加熱炉生産過程に重要な要素を識別して、相関性データ知識ベースを取得するステップＳ２１と、
加熱炉運転時にパラメータデータセンターが予め設定した人工知能、機械学習、及びパターン学習方法に基づいて、ビッグデータに対する知能分析により、加熱炉生産運転時のパラメータの関連マップを探し出して、ビッグデータ知識意思決定ベースを取得するステップＳ２２とを含む。
【０００８】
好ましくは、前記ステップＳ２１では、前記相関性データ知識ベースを取得するステップは、
各種の計画混載に対して、加熱セグメントごとに、鋼種、位置重み値、アイドルステーションのレイアウト、目標温度、現在温度、予測セグメント搬出温度から、さまざまなスラブの加熱システムを評価し、加熱炉の炉況及び運転状況の状態パラメータを検知して統一的に計画し、複雑な運転状況・炉況知識ベースを取得することと、
知能燃焼モデルが適応的に調節するために、各規格の炉内温度の予報精度を動的に評価して、前記予報精度データを総合してスラブ温度予報モデル精度評価知識ベースを取得することと、
生産データ、エネルギーデータ及び炉況に基づいて、加熱炉に対する客観的評価を作成し、前記客観的評価データを総合して、加熱炉エネルギー効率評価知識ベースを取得することと、
炉圧制御の優先度が炉温制御よりも高い基準に従って、出炉側を微正圧状態に制御し、制御基準データ及び微正圧状態データを総合して、炉圧判別知識ベースを取得することと、
合理的な空燃比を設定し、各セグメントの炉温の制御精度及び炉内雰囲気の制御精度を決定し、空燃比最適化知識ベースを取得することとを含む。
【０００９】
好ましくは、前記ステップＳ２２では、ビッグデータ知識意思決定ベースを取得するステップは、
出炉温度、圧延機出口温度ＲＤＴにより、各加熱炉製品について規定される加熱目標を記述して、加熱目標意思決定知識ベースを取得することと、
各運転状況での加熱曲線を統計して、加熱システム意思決定知識ベースを取得することとを含む。
【００１０】
好ましくは、前記ステップＳ３では、メカニズムモデルに基づいて加熱炉燃焼制御システムの独立配置を行うステップは、
加熱炉材料を追跡して修正し、圧延計画を実際スラブと１対１で対応させ、追跡位置を決定し、スラブの搬送方向を遍歴（Traversal）して追跡・修正を行うステップＳ３１と、
炉内でのスラブの昇温過程を予測し、数学モデルを採用して炉内の各時刻におけるスラブの温度分布を予報するステップＳ３２であって、
スラブ温度制御方程は、下記式（１）に示され、
JPEG
2024041725000002.jpg
21
100
ここで、ρ（ｔ）はスラブの密度を示し、Ｃｐ（ｔ）はスラブの比熱を示し、λ（ｔ）はスラブの熱伝導率を示す、ステップＳ３２と、
前記スラブ温度制御方程に従って、炉温最適化モデルを作成するステップＳ３３とを含む。
（【００１１】以降は省略されています）

関連特許