【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及在电弧炉设备中进行精炼的铁液的精炼后的杂质浓度的预测方法、利用了该杂质浓度的预测方法的铁液的制造方法、预测精炼后的铁液的杂质浓度所使用的经过训练的机器学习模型的制作方法以及铁液的杂质浓度的预测装置。
技术介绍
1、在电弧炉设备中，利用电弧热将由铁类废料(冷铁源)等形成的主原料熔解而制造铁液。铁类废料的种类在铁废料验收统一标准中有所规定，有重废料(heavy scrap)、新废屑(new scrap)、碎屑等各种各样的种类，根据该废料品质来确定价格。市场中流通最多的是重废料(h1～h4)，混合存在有在市场中被拆卸的铁源的重废料具有会混入难以通过熔解精炼而去除的铜(cu)、锡(sn)等杂质、即所谓夹入元素(tramp element)的风险。
2、铁类废料的价格考虑这样的废料品质而确定。例如，在对钢板进行冲裁时产生的所谓的新废屑与重废料相比，夹入元素的混入风险低，而且流通量也有限，因此，以高价值进行交易。因此，如果为了降低夹入元素的混入风险而大量使用新废屑，则制造成本会增高。以往，对于该铁类废料的配合比率而言，为了使得到的铁液满足化学成分标准，在可实际操作的范围内，基于人的过去的见解及状况判断来确定重废料与新废屑的配合比例，
3、根据这样的背景，专利文献1中公开了一种系统，其将各废料的配合比率设为变量，将该各废料的购入价格和使用价值设为常数，使上述变量依次发生变化而进行多次计算，求出尽可能减小制炼钢操作成本的上述变量。根据专利文献1，通过计算废料配合比率以便满足所要求的铜标准，从而可以期待在有效
4、现有技术文献
5、专利文献
6、专利文献1：日本特开平10-168510号公报
技术实现思路
1、专利技术所要解决的问题
2、在制造夹入元素(特别是铜标准)严格的高级钢的日本，在国内产生的重废料这样的夹入元素风险高的低级废料无法100％再循环。因此，每年8百万～9百万吨的铁类废料被出口至国外。与通过高炉-转炉法制造的铁液相比，通过电炉法制造的铁液的能量消耗量少，co2排放量也少。因此，从环境影响的观点考虑，也期望推进在国内产生的铁类废料在国内100％再循环。
3、对于这样的要求，专利文献1的方法能够降低制造成本，并且也能够制造在一定程度上满足化学成分标准的铁液，因此，可用于各种铁类废料的配合，进而可以有助于国内的低级废料的有效利用。
4、然而，如专利文献1那样仅将各废料的配合比率作为变量的夹入元素的浓度预测的精度低。不能认为基于这样的低预测精度的浓度而实施的铁类废料配合的计算是最优化的，在实际制造的铁液中，超过作为夹入元素的铜成分标准的上限的情况频繁发生。因此，不得不减少重废料的用量而增加新废屑这样的高级废料的用量，结果是存在铁液的制造成本升高的问题。
5、本专利技术是鉴于这样的现有技术的问题而完成的，其目的在于提供能够在使用了电炉的铁液精炼中提高成为夹入元素的铁液杂质的浓度的预测精度的铁液杂质浓度的预测方法及铁液杂质浓度的预测装置，另外，提供能够满足要求的化学成分标准、并且能够增加低级废料的配合量、降低制造成本的铁液的制造方法，此外，提供用于预测精炼后的铁液的杂质浓度的经过训练的机器学习模型的制作方法。
6、解决问题的方法
7、本专利技术人等为了解决上述问题而反复进行了深入研究。其结果发现，通过除了各铁类废料的装入量以外、还将前一次装料中的铁液的杂质浓度及前一次装料的残留铁水量(前一次装料的带入铁液量)及杂质的市场交易价格信息中的至少一项作为输入数据，能够提高得到的铁液的杂质浓度的预测精度。本专利技术人等发现，通过基于这样预测的后一次装料的铁液的杂质浓度将铁类废料的配合进行最优化，能够满足要求的化学成分标准，并且增加低级废料的配合量，降低制造成本。
8、本专利技术是基于上述见解而完成的，其主旨如下所述。
9、[1]一种铁液的杂质浓度的预测方法，该方法是在电弧炉设备中进行了精炼的铁液的杂质浓度的预测方法，该方法包括：
10、将前一次装料中的铁液的杂质浓度、前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和按种类区分的多种铁类废料各自的装入量输入杂质浓度预测模型，输出后一次装料中的铁液的杂质浓度。
11、[2]根据[1]所述的铁液的杂质浓度的预测方法，其中，
12、上述杂质浓度预测模型是将上述前一次装料中的铁液的杂质浓度、上述前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和上述铁类废料各自的装入量作为解释变量、并将后一次装料中的铁液的杂质浓度作为目标变量的多元回归模型。
13、[3]根据[1]所述的铁液的杂质浓度的预测方法，其中，
14、上述杂质浓度预测模型是将上述前一次装料中的铁液的杂质浓度、上述前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和上述铁类废料各自的装入量作为输入数据、并将后一次装料中的铁液的杂质浓度作为输出数据的经过训练的机器学习模型。
15、[4]一种铁液的制造方法，该方法使用[1]～[3]中任一项所述的铁液的杂质浓度的预测方法，其中，
16、上述铁类废料包含杂质浓度比铁类废料总体的杂质浓度的平均值高的低级废料、和杂质浓度比上述平均值低的高级废料，
17、以使通过上述杂质浓度的预测方法预测的后一次装料中的铁液的杂质浓度达到预定的铁液的杂质浓度的目标值的方式确定上述低级废料的装入量。
18、[5]一种经过训练的机器学习模型的制作方法，该方法用于预测在电弧炉设备中进行精炼的铁液的精炼后的杂质浓度，该方法包括：
19、在机器学习模型中输入数据集而制作经过训练的机器学习模型，上述机器学习模型以前一次装料中的铁液的杂质浓度、前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和按种类区分的多种铁类废料各自的装入量作为输入数据、并且以后一次装料中的铁液的杂质浓度的实际值作为输出数据，上述数据集包含过去使用了电弧炉设备的精炼时的上述输入数据和后一次装料的铁液中的杂质浓度的实际值。
20、[6]一种铁液的杂质浓度的预测装置，其是在电弧炉设备中进行了精炼的铁液的杂质浓度的预测装置，
21、上述预测装置具有杂质浓度预测部，上述杂质浓度预测部将前一次装料中的铁液的杂质浓度、前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和按种类区分的多种铁类废料各自的装入量输入杂质浓度预测模型，输出后一次装料中的铁液的杂质浓度。
22、[7]根据[6]所述的铁液的杂质浓度的预测装置，其中，
23、上述杂质浓度预测模型是将上述前一次装料中的铁液的杂质浓度、上述前一次装料的残留铁水量及杂质的市场交易价格信息中的至少一项、和上述铁类废料各自的装入量作为解释变量、并将后一次装料中的铁液的杂质浓度作为目标变量的多元回归模型。
24、[8]本文档来自技高网...
【技术保护点】
1.一种铁液的杂质浓度的预测方法，该方法是在电弧炉设备中进行了精炼的铁液的杂质浓度的预测方法，该方法包括：
2.根据权利要求1所述的铁液的杂质浓度的预测方法，其中，
3.根据权利要求1所述的铁液的杂质浓度的预测方法，其中，
4.一种铁液的制造方法，该方法使用权利要求1～3中任一项所述的铁液的杂质浓度的预测方法，其中，
5.一种经过训练的机器学习模型的制作方法，该方法用于预测在电弧炉设备中进行精炼的铁液的精炼后的杂质浓度，该方法包括：
6.一种铁液的杂质浓度的预测装置，其是在电弧炉设备中进行了精炼的铁液的杂质浓度的预测装置，
7.根据权利要求6所述的铁液的杂质浓度的预测装置，其中，
8.根据权利要求6所述的铁液的杂质浓度的预测装置，其中，
9.根据权利要求6～8中任一项所述的铁液的杂质浓度的预测装置，其中，
【技术特征摘要】
【国外来华专利技术】
1.一种铁液的杂质浓度的预测方法，该方法是在电弧炉设备中进行了精炼的铁液的杂质浓度的预测方法，该方法包括：
2.根据权利要求1所述的铁液的杂质浓度的预测方法，其中，
3.根据权利要求1所述的铁液的杂质浓度的预测方法，其中，
4.一种铁液的制造方法，该方法使用权利要求1～3中任一项所述的铁液的杂质浓度的预测方法，其中，
5.一种经过训练的机器学习模型的制作方...
【专利技术属性】
技术研发人员：三轮善广，藤堂涉，小田信彦，
申请(专利权)人：杰富意钢铁株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。