CN110232236A - 一种轧钢热工系统能效优化方法 - Google Patents
一种轧钢热工系统能效优化方法 Download PDFInfo
- Publication number
- CN110232236A CN110232236A CN201910499032.3A CN201910499032A CN110232236A CN 110232236 A CN110232236 A CN 110232236A CN 201910499032 A CN201910499032 A CN 201910499032A CN 110232236 A CN110232236 A CN 110232236A
- Authority
- CN
- China
- Prior art keywords
- data
- brain
- rolling
- hot
- steel rolling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 42
- 239000010959 steel Substances 0.000 title claims abstract description 42
- 238000005096 rolling process Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 22
- 210000004556 brain Anatomy 0.000 claims abstract description 29
- 238000005098 hot rolling Methods 0.000 claims abstract description 28
- 238000010438 heat treatment Methods 0.000 claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000002485 combustion reaction Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 231100000749 chronicity Toxicity 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims 1
- 238000007254 oxidation reaction Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005554 pickling Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 239000010960 cold rolled steel Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000001953 recrystallisation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明涉及轧钢技术领域，且公开了一种轧钢热工系统能效优化方法，包括以下步骤：1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以≥2座热轧加热炉≥2季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计≥1。该轧钢热工系统能效优化方法，通过在产量最大化的前提下，以多座热轧加热炉多个季度的数据为依据，并通过阿里云的工业大脑选出更优燃烧模型的构建，每条生产线都须配备支管流量计，使检测的结果更加精确，而阿里云的工业大脑技术代表了国内当前大数据的前沿走向，依托阿里云工业大脑也保证了结果的精确性，达到了降低氧化烧损率的目的。
Description
技术领域
本发明涉及轧钢技术领域，具体为一种轧钢热工系统能效优化方法。
背景技术
热轧钢是经过高温加热轧制而成的钢材，它的强度不是很高，但足以满足我们的使用，它的塑性和可焊性较好，因此比较常用，冷轧钢是普通热轧钢经过强力拉拔超过应变硬化阶段的钢材，它的强度很高，但韧性和可焊性差，比较硬和脆，热轧是在高温下加工而成，热轧就是轧钢过程中或轧钢之前需要对材料进行加热，一般要加热到再结晶温度以上才进行轧制，热轧产品具有强度高、韧性好、易于加工成型和良好的可焊接性等优良性能，因而被广泛用于船舶、汽车、桥梁、建筑、机械和压力容器等制造行业。
如中国专利CN 103978035 B中公开了一种热轧钢的加工方法，包括步骤S1加热、S2除磷、S3轧制、S4收集和S7堆放冷却，步骤S2除磷、S3轧制、S4收集和S7堆放冷却均在与空气隔离的独立空间中进行，所述独立空间内充满保护气体，用于防止钢材发生氧化，该发明的优点是能够保证钢材成品表面没有氧化层，从而不用进行酸洗，节约酸洗的成本以及避免酸洗对环境产生的危害，但是该发明不能有效的降低氧化烧损率和提高轧机轧制成品率及产品品质，提高了热轧钢的生产成本，故而提出一种轧钢热工系统能效优化方法以解决上述问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种轧钢热工系统能效优化方法，具备降低氧化烧损率等优点，解决了不能有效的降低氧化烧损率和提高轧机轧制成品率及产品品质，提高了热轧钢的生产成本的问题。
(二)技术方案
为实现上述降低氧化烧损率的目的，本发明提供如下技术方案：一种轧钢热工系统能效优化方法，包括以下步骤：
1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以≥2座热轧加热炉≥2季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计≥1；
2)然后依托阿里云工业大脑，基于≥2座热轧加热炉≥2季度的数据为原始数据，进行分析对算法模型训练，在训练基础上推荐关键参数值；
3)接着将参数值以平板或者屏幕展现方式给到操作人员，经过操作人员核实研判后，人工手动进行参数值更新，系统同时跟踪参数更新情况；
4)再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化；
5)然后对模型算法推荐的参数验证后，在多组参数中，选出数据分析及最优燃烧模型的构建，与原控制系统行程闭环，实现自动烧炉，然后再对煤气消耗基础数据进行采集进行确认，最后进行前端数据展示设计实现，推广应用。
优选的，所述每条热轧产线都配备支管流量计，流量计作为轧钢厂重要能源计量设备维护，保证其测量准确性。
优选的，所述阿里云作为国内为大数据、云技术最强的厂商，在工业领域有较丰富的经验，在某种程度上，阿里云的工业大脑技术代表了国内当前大数据的前沿走向，依托阿里云工业大脑也保证了结果的精确性。
优选的，所述利用多座热轧加热炉多个季度的煤气消耗基础数据为依据，采集多种数据，并可以通过阿里云的工业大脑此数据来源对历史数据进行长期性的分析评估，能够选出更优燃烧模型的构建。
优选的，所述将工业大脑与现场自控系统集成，实现数据实时自动采集，能够对模型进行更深度的优化。
(三)有益效果
与现有技术相比，本发明提供了一种轧钢热工系统能效优化方法，具备以下有益效果：
1、该轧钢热工系统能效优化方法，通过在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以多座热轧加热炉多个季度的数据为依据，采集多种数据，并可以通过阿里云的工业大脑此数据来源对历史数据进行长期性的分析评估，能够选出更优燃烧模型的构建，每条生产线都须配备支管流量计，而且支管流量计作为轧钢厂重要能源计量设备维护，使检测的结果更加精确，而阿里云的工业大脑技术代表了国内当前大数据的前沿走向，依托阿里云工业大脑也保证了结果的精确性，达到了降低氧化烧损率的目的。
2、该轧钢热工系统能效优化方法，通过再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化后，选择最优燃烧模型的构建后，经最优燃烧的数据进行轧钢热，长期下来可降低氧化烧损率，提高产品质量稳定性，使轧制温度控制精度提高以及温度的稳定，也减小了钢坯在炉内停留时间，因此减小热轧钢的生产成本，从而达到了降低氧化烧损率的目的。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
一种轧钢热工系统能效优化方法，包括以下步骤：
1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以2座热轧加热炉2季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计1；
2)然后依托阿里云工业大脑，基于2座热轧加热炉2季度的数据为原始数据，进行分析对算法模型训练，在训练基础上推荐关键参数值；
3)接着将参数值以平板或者屏幕展现方式给到操作人员，经过操作人员核实研判后，人工手动进行参数值更新，系统同时跟踪参数更新情况；
4)再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化；
5)然后对模型算法推荐的参数验证后，在多组参数中，选出数据分析及最优燃烧模型的构建，与原控制系统行程闭环，实现自动烧炉，然后再对煤气消耗基础数据进行采集进行确认，最后进行前端数据展示设计实现，推广应用。
实施例二：
一种轧钢热工系统能效优化方法，包括以下步骤：
1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以4座热轧加热炉3季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计2；
2)然后依托阿里云工业大脑，基于4座热轧加热炉3季度的数据为原始数据，进行分析对算法模型训练，在训练基础上推荐关键参数值；
3)接着将参数值以平板或者屏幕展现方式给到操作人员，经过操作人员核实研判后，人工手动进行参数值更新，系统同时跟踪参数更新情况；
4)再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化；
5)然后对模型算法推荐的参数验证后，在多组参数中，选出数据分析及最优燃烧模型的构建，与原控制系统行程闭环，实现自动烧炉，然后再对煤气消耗基础数据进行采集进行确认，最后进行前端数据展示设计实现，推广应用。
实施例三：
一种轧钢热工系统能效优化方法，包括以下步骤：
1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以6座热轧加热炉4季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计3；
2)然后依托阿里云工业大脑，基于6座热轧加热炉4季度的数据为原始数据，进行分析对算法模型训练，在训练基础上推荐关键参数值；
3)接着将参数值以平板或者屏幕展现方式给到操作人员，经过操作人员核实研判后，人工手动进行参数值更新，系统同时跟踪参数更新情况；
4)再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化；
5)然后对模型算法推荐的参数验证后，在多组参数中，选出数据分析及最优燃烧模型的构建，与原控制系统行程闭环，实现自动烧炉，然后再对煤气消耗基础数据进行采集进行确认，最后进行前端数据展示设计实现，推广应用。
本发明的有益效果是：该轧钢热工系统能效优化方法，通过在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以多座热轧加热炉多个季度的数据为依据，采集多种数据，并可以通过阿里云的工业大脑此数据来源对历史数据进行长期性的分析评估，能够选出更优燃烧模型的构建，每条生产线都须配备支管流量计，而且支管流量计作为轧钢厂重要能源计量设备维护，使检测的结果更加精确，而阿里云的工业大脑技术代表了国内当前大数据的前沿走向，依托阿里云工业大脑也保证了结果的精确性，通过再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化后，选择最优燃烧模型的构建后，经最优燃烧的数据进行轧钢热，长期下来可降低氧化烧损率，提高产品质量稳定性，使轧制温度控制精度提高以及温度的稳定，也减小了钢坯在炉内停留时间，因此减小热轧钢的生产成本，从而达到了降低氧化烧损率的目的。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种轧钢热工系统能效优化方法，其特征在于，包括以下步骤：
1)首先，在产量最大化的前提下，对于不同的热轧产线上的煤气消耗基础数据进行采集，以≥2座热轧加热炉≥2季度的数据为依据，并且作为历史数据进行评估，每条生产线都须配备支管流量计≥1；
2)然后依托阿里云工业大脑，基于≥2座热轧加热炉≥2季度的数据为原始数据，进行分析对算法模型训练，在训练基础上推荐关键参数值；
3)接着将参数值以平板或者屏幕展现方式给到操作人员，经过操作人员核实研判后，人工手动进行参数值更新，系统同时跟踪参数更新情况；
4)再进行数据采集、清洗、存储、建模和加热炉燃烧算法模型建立，模型训练及优化，将工业大脑与现场自控系统集成，实现数据实时自动采集，对模型进行深度优化；
5)然后对模型算法推荐的参数验证后，在多组参数中，选出数据分析及最优燃烧模型的构建，与原控制系统行程闭环，实现自动烧炉，然后再对煤气消耗基础数据进行采集进行确认，最后进行前端数据展示设计实现，推广应用。
2.根据权利要求1所述的一种轧钢热工系统能效优化方法，其特征在于，所述每条热轧产线都配备支管流量计，流量计作为轧钢厂重要能源计量设备维护，保证其测量准确性。
3.根据权利要求1所述的一种轧钢热工系统能效优化方法，其特征在于，所述阿里云作为国内为大数据、云技术最强的厂商，在工业领域有较丰富的经验，在某种程度上，阿里云的工业大脑技术代表了国内当前大数据的前沿走向，依托阿里云工业大脑也保证了结果的精确性。
4.根据权利要求1所述的一种轧钢热工系统能效优化方法，其特征在于，所述利用多座热轧加热炉多个季度的煤气消耗基础数据为依据，采集多种数据，并可以通过阿里云的工业大脑此数据来源对历史数据进行长期性的分析评估，能够选出更优燃烧模型的构建。
5.根据权利要求1所述的一种轧钢热工系统能效优化方法，其特征在于，所述将工业大脑与现场自控系统集成，实现数据实时自动采集，能够对模型进行更深度的优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910499032.3A CN110232236A (zh) | 2019-06-11 | 2019-06-11 | 一种轧钢热工系统能效优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910499032.3A CN110232236A (zh) | 2019-06-11 | 2019-06-11 | 一种轧钢热工系统能效优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110232236A true CN110232236A (zh) | 2019-09-13 |
Family
ID=67859513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910499032.3A Pending CN110232236A (zh) | 2019-06-11 | 2019-06-11 | 一种轧钢热工系统能效优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110232236A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111984692A (zh) * | 2020-02-28 | 2020-11-24 | 合肥力拓云计算科技有限公司 | 基于工业大数据的化工数据分析系统 |
| CN112036085A (zh) * | 2020-08-31 | 2020-12-04 | 中冶赛迪重庆信息技术有限公司 | 一种轧钢燃耗参数推荐方法、系统、介质及终端 |
| CN112985096A (zh) * | 2021-03-05 | 2021-06-18 | 广州东兆信息科技有限公司 | 一种基于物联网云平台的窑炉陶瓷质量监管系统与方法 |
| CN113255204A (zh) * | 2020-12-01 | 2021-08-13 | 攀钢集团西昌钢钒有限公司 | 一种利用大数据计算统计炼钢钢铁料消耗的方法 |
| CN115090855A (zh) * | 2022-06-30 | 2022-09-23 | 中国联合网络通信集团有限公司 | 零件加工的控制方法、装置和设备 |
-
2019
- 2019-06-11 CN CN201910499032.3A patent/CN110232236A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111984692A (zh) * | 2020-02-28 | 2020-11-24 | 合肥力拓云计算科技有限公司 | 基于工业大数据的化工数据分析系统 |
| CN112036085A (zh) * | 2020-08-31 | 2020-12-04 | 中冶赛迪重庆信息技术有限公司 | 一种轧钢燃耗参数推荐方法、系统、介质及终端 |
| CN113255204A (zh) * | 2020-12-01 | 2021-08-13 | 攀钢集团西昌钢钒有限公司 | 一种利用大数据计算统计炼钢钢铁料消耗的方法 |
| CN112985096A (zh) * | 2021-03-05 | 2021-06-18 | 广州东兆信息科技有限公司 | 一种基于物联网云平台的窑炉陶瓷质量监管系统与方法 |
| CN112985096B (zh) * | 2021-03-05 | 2021-09-07 | 广州东兆信息科技有限公司 | 一种基于物联网云平台的窑炉陶瓷质量监管系统与方法 |
| CN115090855A (zh) * | 2022-06-30 | 2022-09-23 | 中国联合网络通信集团有限公司 | 零件加工的控制方法、装置和设备 |
| CN115090855B (zh) * | 2022-06-30 | 2023-07-04 | 中国联合网络通信集团有限公司 | 零件加工的控制方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232236A (zh) | 一种轧钢热工系统能效优化方法 | |
| CN103643155B (zh) | 一种高速淬火预应力钢绞线的加工方法 | |
| CN101722406A (zh) | 通过锻造制造销轴的方法 | |
| CN106322429A (zh) | 基于在线优化空燃比的加热炉智能燃烧控制方法 | |
| CN103433320B (zh) | 一种由纯钛板坯制备钛阳极板的加工方法 | |
| CN105170665B (zh) | 高效去除带钢表面氧化铁皮的方法 | |
| CN104313278A (zh) | 一种马氏体型耐热钢中δ铁素体含量控制方法 | |
| CN104862593A (zh) | 铁素体不锈钢无缝钢管及其制备方法 | |
| CN104531936B (zh) | 基于火焰图像特征的转炉钢水碳含量在线测量方法 | |
| CN104014594A (zh) | 一种解决齿轮钢棒材冷剪后侧向弯曲的方法 | |
| CN105525228B (zh) | 一种核安全级316l不锈钢仪表管 | |
| CN109530449A (zh) | 一种中厚板平面形状控制中的可控点设定方法 | |
| CN106011353B (zh) | 一种高炉热风炉空燃比自寻优方法 | |
| CN103286147B (zh) | 热轧板带生产线层流冷却方法 | |
| CN108213682A (zh) | 一种提高真空电子束焊机焊接效率的方法 | |
| CN102297451A (zh) | 一种加热炉气氛场调控方法 | |
| CN102586565B (zh) | 中厚板热处理炉炉后快冷装置 | |
| CN101811143B (zh) | 一种待轧保温铸坯温度控制方法 | |
| CN207723187U (zh) | 使用连铸圆坯轧制成圆钢的孔型系统 | |
| CN109865811A (zh) | 一种连铸机及其连铸坯的三次冷却装置 | |
| CN103409686A (zh) | 一种q345d钢板的生产方法 | |
| CN111020375A (zh) | 一种v-n微合金化钢中厚板及其生产工艺 | |
| CN102527734A (zh) | 一种钢板控制轧制方法 | |
| CN110408758A (zh) | 一种p91钢板的加热轧制方法 | |
| CN209681090U (zh) | 一种连铸机及其连铸坯的三次冷却装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190913 |