CN114341879B 学习模型生成方法及装置、铁液温度控制及指导方法 （杰富意钢铁株式会社）

2022.01.12PCT/JP2020/0221262020.06.04WO2021/014782JA2021.01.28EP3486041A2,2019.05.22本发明的学习模型生成方法包括对行动模型进行机器学习并输出被进行了机器学习的行状态或设备的运转状态的一个以上的观测量的历史数据进行了图像化得到的图像数据为输入2所述图像数据是在一方的轴配置有时间轴而在另一方的轴配置有所述历史数据的二所述图像数据的历史数据是将所述观测量的趋势图形进行了图像所述工艺为高炉工艺，在所述观测量中包含铁液温度、风口埋所述图像数据的历史数据是将颜色及/或颜色的深浅与各历史数据的数值建立对应而所述输入数据是预先确定的连续的规定时间区间的图像数据，所述输入数据是操作量变更后、预先确定的时间经过后的作为控所述学习模型生成方法包括在将所述历史数据进行图像化之前对该历史数据实施标仅对于时间轴方向进行所述卷积神经网络的10.一种学习模型生成装置，具备对行动模型进行机器学习并输出被进行了机器学习所述图像数据是在一方的轴配置有时间轴而在另一方的轴配置有所述历史数据的二所述图像数据的历史数据是将所述观测量的趋势图形进行了图像所述工艺为高炉工艺，在所述观测量中包含铁液温度、风口埋311.一种高炉的铁液温度控制方法，包括使用通过权利要求1或9所述的学习模型生成12.一种高炉的铁液温度控制指导方法，包括使用通过权利要求1或9所述的学习模型13.一种铁液的制造方法，包括使用权利要求11所述的高炉的铁液温度控制方法或权4为了追求原燃料成本的合理化而在低焦比及高煤粉比的条件下进行，炉况容易不稳定化。适当地考虑了高炉的复杂的动力学的铁液温度的控制准则。法。而且，专利文献2记载了从过去的操作事例之中提取与当前的操作条件类似的操作事法中，确保铁液温度的预测精度并不局限于与当前的操作条件类似的操作事例存在的情明的另一目的在于提供一种能够高精度地控制高炉的铁液温度的高炉的铁液温度控制方5[0012]本发明的学习模型生成方法包括对行动模型进行机器学习并输出被进行了机器[0014]可以是，所述图像数据的历史数据是将所述观测量的趋势图形(trendgraph)进[0015]可以是，所述图像数据的历史数据是将颜色及/或颜色的深浅与各历史数据的数定的观测量的一个或多个值处于以各自的目标值为中心的规定范[0024]本发明的学习模型生成装置具备对行动模型进行机器学习并输出被进行了机器[0025]本发明的高炉的铁液温度控制方法包括使用通过本发明的学习模型生成方法生[0026]本发明的高炉的铁液温度控制指导方法包括使用通过本发明的学习模型生成方[0027]本发明的铁液的制造方法包括使用本发明的高炉的铁液温度控制方法或本发明6[0041]图1是表示本发明的一实施方式的学习模型生成装置的结本发明的一实施方式的学习模型生成装置1是通过机器学习来生成操作员决定工艺或设备施方式中，学习模型生成装置1通过处理器执行计算机程序而作为模型学习部11及模型输[0042]保存有在机器学习时使用的学习数据的历史数据数据库(历史数据DB)2以能够读操作状态或作为控制对象的设备的运转状态的一个以上的观测量的历史数据进行了图像化得到的图像数据与基于历史数据而由操作员决定的工艺或设备的操作量建立关联而作测量的历史数据对应于时间轴沿着与时间轴不同的方向配置有一个以上的观测量的二维[0044]具有这样的结构的学习模型生成装置1执行以下所示的学习模型生成处理，由此7流程图在对于学习模型生成装置1输入了学习模型生成处理的执行指令的定时开始，学习对象的设备的运转状态的一个以上的观测量的历史数据进行了图像化得到的图像数据为[0049]在此，通过机器学习生成的行动模型优选为卷积神经网络(Convolutional间经过后的作为控制量而确定的观测量的一个或多个值处于以各自的目标值为中心的规一个以上的观测量的历史数据进行了图像化得到的图像数据为输入数据并以基于历史数按照通过将预先确定的规定区间的观测量历史的图像数据向行动模型输入而得到的操作[0051]从以上的说明可知，本发明的一实施方式的学习模型生成装置1对行动模型进行的操作状态或作为控制对象的设备的运转状态的一个以上的观测量的历史数据进行了图8工艺变量及过去几个小时中的操作变量的趋势来决定接下来的动作。这样的操作员的认是操作员并不是直接观察这样的轮廓图来决定动作而是观察图3所示那样的多个趋势数造。需要说明的是，图6中的块31～37分别表示卷积层(Convolution)、标准化线性单元在本实施例中，事先将从实施上升动作起10小时后的铁液温度的控制偏差(相对于目标温度的偏差)成为+10℃以上的事例的数据及从实施下降动作起10小时后的铁液温度的控制偏差成为-10℃以下的事例的数据排除在外。9员注视的信息，因此其结果可以说是对基于CNN的操作员动作的模型化的探讨进行支持的[0063]根据以上的叙述确认到按照通过将操作员决定动作时考虑的项目的趋势数据向