コークスの高温強度（CSR）と変形パターンを学習・予測可能
CO2排出量削減を目的とした高炉の低コークス比操業においては、コークスの過度な粉化による高炉内の通気性悪化を抑制するという点が課題となる。ここで反応後強度(CSR) はコークスの品質評価手法であり、高炉操業において炉内通気安定性の指標として用いられている。 ただし、CSRはコークス個々の高温変形挙動を平均化した指標であり、粒子の複雑な変形挙動を予測できない等の問題があった。既存手法は、計算負荷が大きく、確率的に生じる変形挙動をスケール階層的に解析するには限界がある。 本発明ではAIの代表的手法であるDeep Neural Network (DNN)によるディープラーニングをコークスの3次元変形過程に適用し、これを用いた変形過程の機械学習および予測を行うことで、図1に示すように損失関数(「予測値」とのズレの大きさ)は学習回数とともに減少し、学習後には97%以上の認識精度を示した。これよりDNNはCSR毎の変形を概ね正確に分類でき、格段に計算負荷を抑えることができることが分かった。 従って直感的に認識することが難しいコークスの3D形状変化を機械学習では容易に認識することが示された。
この製品へのお問い合わせ
カタログ（1）
カタログをまとめてダウンロード
企業情報
技術移転による収益は、新たな研究資金として大学や研究者へ還元され、更なる研究成果を創出するために利用されます。この一連の循環“知的創造サイクル”を円滑に回すため、我々は技術移転を全力で進めて参ります。取り扱っているシーズは、特許、ノウハウ、データベース、プログラム等です。 下記の大学と技術移転基本契約等を締結し、連携体制を構築しております。（2024年4月1日現在） ・東北大学・弘前大学・岩手大学・秋田大学・福島大学・山形大学・東北学院大学・岩手医科大学・福島県立医科大学・会津大学・宮城大学・北海道大学