特許ウォッチ

公開番号2025129470
公報種別公開特許公報(A)
公開日2025-09-05
出願番号2024026116
出願日2024-02-26
発明の名称製鋼工程における溶鋼温度降下量予測方法および溶鋼温度降下量予測装置
出願人JFEスチール株式会社
代理人弁理士法人銀座マロニエ特許事務所
主分類C21C 7/00 20060101AFI20250829BHJP(鉄冶金)
要約【課題】温度降下予測精度を向上させた製鋼工程における溶鋼温度降下量予測技術を提供する。
【解決手段】転炉工程から過去のあるチャージの溶鋼を受けた溶鋼鍋の使用回数、空鍋待機時間、溶鋼鍋の輸送時間、処理時間、終了時における溶鋼温度、処理経路、および、連続鋳造工程における該チャージの溶鋼を受けるタンディッシュの連続使用回数を含む情報を教師データとして、自工程終了時から後工程までの溶鋼温度降下量を予測する温度降下量予測モデルを予め構築し、温度降下予測対象チャージの溶鋼の後工程における目標温度、溶鋼鍋の使用回数、予定空鍋待機時間、輸送予定時間、予定処理時間、終了時における予定溶鋼温度、予定処理経路、および、連続鋳造工程における対象チャージの溶鋼を受けるタンディッシュの予定連続使用回数を含む情報を前記温度降下量予測モデルに入力し、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を求める。
【選択図】図1
特許請求の範囲【請求項１】
転炉工程から溶鋼を溶鋼鍋に受け、該溶鋼を、二次精錬工程を経て、最終的に連続鋳造工程に搬送して処理する製鋼工程で、自工程を転炉工程または二次精錬工程とし、対応する後工程をそれぞれ二次精錬工程または連続鋳造工程とする場合において、
過去のあるチャージを受けた前記溶鋼鍋の使用回数、前回受けた溶鋼を排出してから該チャージの溶鋼を受けるまでの空鍋待機時間、自工程から後工程までの該溶鋼鍋の輸送時間、二次精錬工程における処理時間、二次精錬工程終了時における溶鋼温度、二次精錬工程における処理経路、および、連続鋳造工程における該チャージの溶鋼を受けるタンディッシュの連続使用回数を含む情報を教師データとして、自工程終了時から後工程までの溶鋼温度降下量を予測する温度降下量予測モデルを予め構築し、
温度降下予測対象チャージの溶鋼の後工程における目標温度、対象チャージの溶鋼を受けるのに使用する溶鋼鍋の使用回数、該溶鋼鍋の予定空鍋待機時間、前記自工程から後工程までの輸送予定時間、二次精錬工程における予定処理時間、二次精錬工程終了時における予定溶鋼温度、二次精錬工程における予定処理経路、および、連続鋳造工程における対象チャージの溶鋼を受けるタンディッシュの予定連続使用回数を含む情報を前記温度降下量予測モデルに入力し、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を求める、製鋼工程における溶鋼温度降下量予測方法。
続きを表示（約 1,900 文字）【請求項２】
前記教師データに、さらに、前記過去のチャージの連続鋳造工程における鋳片厚および鋳片幅ならびに該チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無の情報を含み、
前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を求めるにあたり、さらに、前記温度降下量予測モデルに入力する情報に、前記対象チャージの連続鋳造工程における鋳片厚および鋳片幅ならびに前記対象チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無を含む、請求項１に記載の製鋼工程における溶鋼温度降下量予測方法。
【請求項３】
前記温度降下量予測モデルが、ロジスティック回帰分析、決定木、ニューラルネットワークおよびディープラーニングのうちのいずれかで機械学習によって構築されたものである、請求項１または２に記載の製鋼工程における溶鋼温度降下量予測方法。
【請求項４】
前記温度降下量予測モデルがニューラルネットワークで機械学習によって構築されたものであり、
前記教師データをニューラルネットワークに入力し、前記教師データを記憶した前記ニューラルネットワークで重み係数を求め、求めた該重み係数を基にニューロンの内部状態に変換し、変換した該内部状態から有効化する内部状態を選択して学習したものである、請求項３に記載の製鋼工程における溶鋼温度降下量予測方法。
【請求項５】
請求項１に記載の製鋼工程における溶鋼温度降下量予測方法に用いる装置であって、
過去のあるチャージを受けた前記溶鋼鍋の使用回数、前回受けた溶鋼を排出してから該チャージの溶鋼を受けるまでの空鍋待機時間、自工程から後工程までの該溶鋼鍋の搬送時間、二次精錬工程における処理時間、二次精錬工程終了時における溶鋼温度、二次精錬工程における処理経路、および、連続鋳造工程における該チャージの溶鋼を受けるタンディッシュの連続使用回数を含む過去実績を、教師データとして、予め構築した温度降下量予測モデルに入力する過去実績入力部と、
前記教師データにより前記温度降下量予測モデルを学習する学習部と、
前記温度降下量予測モデルに、温度降下予測対象チャージの溶鋼の後工程における目標温度および対象チャージの溶鋼を受けるのに使用する溶鋼鍋の使用回数、該溶鋼鍋の予定空鍋待機時間、前記自工程から後工程までの輸送予定時間、二次精錬工程における予定処理時間、二次精錬工程終了時における予定溶鋼温度、二次精錬工程における予定処理経路、ならびに、連続鋳造工程における対象チャージの溶鋼を受けるタンディッシュの予定連続使用回数を含む情報を入力する対象情報入力部と、
過去実績入力部および対象情報入力部で入力されたデータを用いて、学習部で学習された前記温度降下量予測モデルにより、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を予測する予測部と、
前記溶鋼温度降下量の予測結果を出力する出力部と、
を備える、溶鋼温度降下量予測装置。
【請求項６】
過去実績入力部は、さらに、前記過去のチャージの連続鋳造工程における鋳片厚および鋳片幅ならびに該チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無の情報を追加して教師データに入力しており、
対象情報入力部は、前記温度降下予測対象チャージの連続鋳造工程における鋳片厚および鋳片幅ならびに対象チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無を追加して入力している、
請求項５に記載の溶鋼温度降下量予測装置。
【請求項７】
前記温度降下量予測モデルが、ロジスティック回帰分析、決定木、ニューラルネットワークおよびディープラーニングのうちのいずれかで機械学習によって構築されたものである、請求項５または６に記載の溶鋼温度降下量予測装置。
【請求項８】
前記温度降下量予測モデルがニューラルネットワークで機械学習によって構築されたものであり、
前記教師データをニューラルネットワークに入力し、前記教師データを記憶した前記ニューラルネットワークで重み係数を求め、求めた該重み係数を基にニューロンの内部状態に変換し、変換した該内部状態から有効化する内部状態を選択して学習したものである、
請求項７に記載の溶鋼温度降下量予測装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、製鋼工程における溶鋼温度の降下量算出に関する。
続きを表示（約 3,500 文字）【背景技術】
【０００２】
転炉工程から最終的に連続鋳造工程に至る製鋼工程には、転炉工程から真空脱ガス工程を含む二次精錬工程を経由して連続鋳造工程に至るケース１、または、転炉工程から直接連続鋳造工程に至るケース２が存在する。製鋼工程、特に連続鋳造工程における課題として溶鋼の温度高が挙げられる。溶鋼の温度高が発生すると、再溶解性ブレークアウトのリスクが高まるため連続鋳造工程において鋳造速度を減速する必要が生じる。さらに、出鋼温度高により転炉工程における石灰使用量増加に伴うコストが増加する。そこで、製鋼工程においては、出鋼温度を下げ、溶鋼温度を低く保つことがコストダウンやトラブル防止の観点から求められる。一方で、溶鋼温度が過剰に低いと、連続鋳造工程においてタンディッシュのスライディングノズルが詰まるなど、操業上のトラブルの原因にもつながる。そのため、製鋼工程における溶鋼温度の降下量を正確に算出することが課題となる。
【０００３】
溶鋼温度の降下量を正確に算出する方法としては、製鋼工程における溶鋼鍋の条件や輸送時間などに対し重み係数を求め、温度降下量を算出する方法がある。
【０００４】
たとえば、特許文献１には、後工程からの要求に基づき自工程の溶鋼温度を、階層型ニューラルネットワークを用いて自動的に求める技術が開示されている。その技術は、まず、ニューラルネットワークに溶鋼鍋の使用回数や待機時間、輸送時間、タンディッシュ使用回数、溶鋼への合金投入量の実績データを記憶させる。そして、ニューラルネットワークの重み係数としきい値を求める。そのニューラルネットワークの入力層に温度調整対象チャージの溶鋼鍋の使用回数や待機時間、予定輸送時間、タンディッシュ使用回数、溶鋼への合金投入予定量を入力し、溶鋼の温度降下量を計算するものである。
【先行技術文献】
【特許文献】
【０００５】
特開平０８－００３６２１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記各従来技術には以下のような解決しなければならない課題がある。
すなわち、特許文献１に記載の方法では、二次精錬工程での操業条件を十分考慮されておらず、下記（１）～（４）に示すように温度降下量の推定精度が十分ではない問題があった。
（１）二次精錬工程における処理終了温度が高いほど、連続鋳造工程に至るまでの温度降下量が大きくなる傾向がある。特許文献１では「温度調整対象チャージ」における二次精錬工程の処理終了温度は考慮しておらず、温度調整対象チャージにおいて本影響を十分評価できない。
（２）二次精錬工程における処理時間が長いほど、連続鋳造工程に至るまでの温度降下量が小さくなる傾向がある。これは処理時間の変化により、取鍋内における溶鋼の対流現象が変化するためである。
（３）溶鋼流制御のためのタンディッシュ堰の設置有無により、連続鋳造工程に至るまでの温度降下量が変化する。これはタンディッシュ堰により溶鋼の抜熱量が変化することや、溶鋼流が変化することにより溶鋼の対流現象が変化することによる。
（４）連続鋳造工程におけるそのチャージの鋳片厚や鋳片幅により、連続鋳造工程における温度降下量が変化する。これは連続鋳造工程における単位時間当たりの鋳造量により、連続鋳造工程における温度降下量が変化するためである。
【０００７】
本発明は前記課題を解決するためになされたものであり、二次精錬工程および連続鋳造工程における操業条件を加味し、温度降下予測精度を向上させた製鋼工程における溶鋼温度降下量予測技術を提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記課題を有利に解決する本発明にかかる製鋼工程における溶鋼温度降下量予測方法は、転炉工程から溶鋼を溶鋼鍋に受け、該溶鋼を、二次精錬工程を経て、最終的に連続鋳造工程に搬送して処理する製鋼工程で、自工程を転炉工程または二次精錬工程とし、対応する後工程をそれぞれ二次精錬工程または連続鋳造工程とする場合において、過去のあるチャージを受けた前記溶鋼鍋の使用回数、前回受けた溶鋼を排出してから該チャージの溶鋼を受けるまでの空鍋待機時間、自工程から後工程までの該溶鋼鍋の輸送時間、二次精錬工程における処理時間、二次精錬工程終了時における溶鋼温度、二次精錬工程における処理経路、および、連続鋳造工程における該チャージの溶鋼を受けるタンディッシュの連続使用回数を含む情報を教師データとして、自工程終了時から後工程までの溶鋼温度降下量を予測する温度降下量予測モデルを予め構築し、温度降下予測対象チャージの溶鋼の後工程における目標温度、対象チャージの溶鋼を受けるのに使用する溶鋼鍋の使用回数、該溶鋼鍋の予定空鍋待機時間、前記自工程から後工程までの輸送予定時間、二次精錬工程における予定処理時間、二次精錬工程終了時における予定溶鋼温度、二次精錬工程における予定処理経路、および、連続鋳造工程における対象チャージの溶鋼を受けるタンディッシュの予定連続使用回数を含む情報を前記温度降下量予測モデルに入力し、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を求めることを特徴とする。
【０００９】
なお、本発明にかかる製鋼工程における溶鋼温度降下量予測方法は、
（ａ）前記教師データに、さらに、前記過去のチャージの連続鋳造工程における鋳片厚および鋳片幅ならびに該チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無の情報を含み、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を求めるにあたり、さらに、前記温度降下量予測モデルに入力する情報に、前記対象チャージの連続鋳造工程における鋳片厚および鋳片幅ならびに前記対象チャージを受けるタンディッシュにおける溶鋼流制御のためのタンディッシュ堰の設置有無を含むこと、
（ｂ）前記温度降下量予測モデルが、ロジスティック回帰分析、決定木、ニューラルネットワークおよびディープラーニングのうちのいずれかで機械学習によって構築されたものであること、
（ｃ）前記温度降下量予測モデルがニューラルネットワークで機械学習によって構築されたものであり、前記教師データをニューラルネットワークに入力し、前記教師データを記憶した前記ニューラルネットワークで重み係数を求め、求めた該重み係数を基にニューロンの内部状態に変換し、変換した該内部状態から有効化する内部状態を選択して学習したものであること、
などがより好ましい課題解決手段になる。
【００１０】
上記課題を有利に解決する本発明にかかる溶鋼温度降下量予測装置は、上記製鋼工程における溶鋼温度降下量予測方法に用いる装置であって、過去のあるチャージを受けた前記溶鋼鍋の使用回数、前回受けた溶鋼を排出してから該チャージの溶鋼を受けるまでの空鍋待機時間、自工程から後工程までの該溶鋼鍋の搬送時間、二次精錬工程における処理時間、二次精錬工程終了時における溶鋼温度、二次精錬工程における処理経路、および、連続鋳造工程における該チャージの溶鋼を受けるタンディッシュの連続使用回数を含む過去実績を、教師データとして、予め構築した温度降下量予測モデルに入力する過去実績入力部と、前記教師データにより前記温度降下量予測モデルを学習する学習部と、前記温度降下量予測モデルに、温度降下予測対象チャージの溶鋼の後工程における目標温度および対象チャージの溶鋼を受けるのに使用する溶鋼鍋の使用回数、該溶鋼鍋の予定空鍋待機時間、前記自工程から後工程までの輸送予定時間、二次精錬工程における予定処理時間、二次精錬工程終了時における予定溶鋼温度、二次精錬工程における予定処理経路、ならびに、連続鋳造工程における対象チャージの溶鋼を受けるタンディッシュの予定連続使用回数を含む情報を入力する対象情報入力部と、過去実績入力部および対象情報入力部で入力されたデータを用いて、学習部で学習された前記温度降下量予測モデルにより、前記対象チャージの自工程終了時から後工程までの溶鋼温度降下量を予測する予測部と、前記溶鋼温度降下量の予測結果を出力する出力部と、を備えることを特徴とする。
（【００１１】以降は省略されています）

関連特許