CN110565039A - 一种热镀锌机组锌层厚度控制方法 - Google Patents
一种热镀锌机组锌层厚度控制方法 Download PDFInfo
- Publication number
- CN110565039A CN110565039A CN201910999806.9A CN201910999806A CN110565039A CN 110565039 A CN110565039 A CN 110565039A CN 201910999806 A CN201910999806 A CN 201910999806A CN 110565039 A CN110565039 A CN 110565039A
- Authority
- CN
- China
- Prior art keywords
- thickness
- zinc layer
- strip steel
- air knife
- knife
- 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.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
- C23C2/04—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor characterised by the coating material
- C23C2/06—Zinc or cadmium or alloys based thereon
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
- C23C2/14—Removing excess of molten coatings; Controlling or regulating the coating thickness
- C23C2/16—Removing excess of molten coatings; Controlling or regulating the coating thickness using fluids under pressure, e.g. air knives
- C23C2/18—Removing excess of molten coatings from elongated material
- C23C2/20—Strips; Plates
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
- C23C2/34—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor characterised by the shape of the material to be treated
- C23C2/36—Elongated material
- C23C2/40—Plates; Strips
Abstract
一种热镀锌机组锌层厚度控制方法,所述方法包括:采集热镀锌机组用于计算锌层厚度预测值的工艺参数,其中,所述工艺参数包括带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度;判断当前工况变化情况,基于工艺参数计算出当前工况变化情况下对应的所有可能的锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应的工艺参数对气刀对应参数进行调节控制。本发明通过计算出的刀唇到带钢距离以及气刀压力对气刀的对应参数进行调节控制,从而缩小锌层厚度与锌层厚度设定值之间的偏差,能够满足多种工况的锌层厚度控制要求,提高热镀锌机组锌层厚度控制精度与均匀性。
Description
技术领域
本发明涉及冷轧带钢热镀锌技术领域,具体涉及一种热镀锌机组锌层厚度控制方法。
背景技术
在热镀锌生产线上,衡量产品质量的一项重要技术指标就是镀层的厚度及其均匀性。镀层太厚,影响产品的点焊性、附着性和镀层的抗粉化性,而且会浪费锌锭等原材料;镀层太薄,影响产品的抗腐蚀性,用户一般不会接受。锌层厚度控制水平直接影响热镀锌板产品质量、产品成本和产品的市场竞争力。
宝钢开发的锌层厚度控制模型具有压力优先控制模式和距离优先控制两种模式,鞍钢开发的锌层厚度控制系统以气刀压力为主控制量,优先调节压力,当压力出现饱和时,方调节气刀距离修正镀层厚度偏差,在实际应用中,上述锌层厚度控制系统存在难以满足工况变化较大锌层厚度精确控制需求,现场还需要经验丰富的操作工操作气刀来控制热镀锌机组锌层厚度。
发明内容
为解决现有技术中的问题,本发明提供一种热镀锌机组锌层厚度控制方法,具体方案如下:
一种热镀锌机组锌层厚度控制方法,所述方法包括:
步骤1,采集热镀锌机组用于计算锌层厚度预测值的工艺参数,其中,所述工艺参数包括带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度;
步骤2,判断当前工况变化情况,基于工艺参数计算出当前工况变化情况下对应的所有可能的锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应的工艺参数对气刀对应参数进行调节控制。
进一步地,步骤2具体包括:
当工况变化大时,获取各时刻点的刀唇到带钢距离以及气刀压力,得到多组刀唇到带钢距离和多组气刀压力,基于多组刀唇到带钢距离以及多组气刀压力的任意两两组合以及当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应一组刀唇到带钢距离以及气刀压力作为目标值对气刀对应参数进行调节控制;
当工况变化小时,获取各时刻点的气刀压力,得到多组气刀压力,基于每组气刀压力以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应气刀压力作为目标值对气刀对应参数进行调节控制。
进一步地,通过带钢速度变化率和带钢厚度变化率判断工况变化情况;当带钢速度变化率大于带钢速度变化率预设值s或带钢厚度变化率大于带钢厚度变化率预设值t时,判断工况变化大:当带钢速度变化率小于带钢速度变化率预设值s或带钢厚度变化率小于带钢厚度变化率预设值t时,判断工况变化小
进一步地,所述方法还包括:
当工况无变化时,利用锌层厚度测量仪测量出锌层厚度测量值,将该锌层厚度测量值作为当前时刻的锌层厚度预测值,基于该锌层厚度预测值以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度反推算气刀压力,基于该气刀压力作为目标值对气刀对应参数进行调节控制。
进一步地,基于学习训练后的锌层厚度预测神经网络模型计算锌层厚度预测值,所述锌层厚度预测神经网络模型输入层的输入参数为带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度,通过隐含层对输入参数进行转换后,在输出层的输出参数为锌层厚度预测值;
当工况变化大时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、所有时刻的刀唇到带钢距离和所有时刻的气刀压力的任意两两组合,针对每一个刀唇到带钢距离和气刀压力的组合,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值;
当工况变化小时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、刀唇到带钢距离、任意时刻的气刀压力,针对每一时刻的气刀压力,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值。
进一步地,所述方法还包括:对锌层厚度预测神经网络模型进行学习训练,学习训练的样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙、带钢厚度以及锌层厚度测量值,学习训练的输入样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力和刀唇间隙,学习训练的输出样本数据为对应时刻的锌层厚度测量值。
进一步地,所述方法还包括利用阈值、角度距离法和稳健回归法剔除样本数据中的异常数据,确保样本数据可靠性。
本发明具有以下有益效果:
本发明通过带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度等工艺参数计算锌层厚度预测值,以锌层厚度设定值为目标,通过各时刻点的刀唇到带钢距离以及气刀压力,可基于不同工况变化,计算出每种工况变化情况下最接近锌层厚度设定值对应的刀唇到带钢距离和气刀压力,通过计算出的刀唇到带钢距离以及气刀压力对气刀的对应参数进行调节控制,从而缩小锌层厚度与锌层厚度设定值之间的偏差,能够满足多种工况的锌层厚度控制要求,提高热镀锌机组锌层厚度控制精度与均匀性、降低锌锭消耗和降低机组的操作维护人力成本。
附图说明
图1为本发明实施例提供的一种热镀锌机组锌层厚度控制方法流程图;
图2为本发明实施例提供的锌层厚度预测神经网络模型示意图。
具体实施方式
下面将结合本发明实施例中的附图,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,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它实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种热镀锌机组锌层厚度控制方法,所述方法包括:
步骤1,采集热镀锌机组用于计算锌层厚度预测值的工艺参数,其中,所述工艺参数包括带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度;
步骤2,判断当前工况变化情况,基于工艺参数计算出当前工况变化情况下对应的所有可能的锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应的工艺参数对气刀对应参数进行调节控制。
其中,步骤2具体包括:
当工况变化大时,获取各时刻点的刀唇到带钢距离以及气刀压力,得到多组刀唇到带钢距离和多组气刀压力,基于多组刀唇到带钢距离以及多组气刀压力的任意两两组合以及当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应一组刀唇到带钢距离以及气刀压力作为目标值对气刀对应参数进行调节控制。
当工况变化小时,获取各时刻点的气刀压力,得到多组气刀压力,基于每组气刀压力以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应气刀压力作为目标值对气刀对应参数进行调节控。
当工况无变化时,利用锌层厚度测量仪测量出锌层厚度测量值,将该锌层厚度测量值作为当前时刻的锌层厚度预测值,基于该锌层厚度预测值以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度反推算气刀压力,基于该气刀压力作为目标值对气刀对应参数进行调节控制。
其中锌层厚度预测值和锌层厚度测量值对应的都是经过气刀处理的值。
其中,通过带钢速度变化率和带钢厚度变化率判断工况变化情况;当带钢速度变化率大于带钢速度变化率预设值s或带钢厚度变化率大于带钢厚度变化率预设值t时,判断工况变化大:当带钢速度变化率小于带钢速度变化率预设值s或带钢厚度变化率小于带钢厚度变化率预设值t时,判断工况变化小。
本发明通过带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度等工艺参数计算锌层厚度预测值,以锌层厚度设定值为目标,通过各时刻点的刀唇到带钢距离以及气刀压力,可基于不同工况变化,计算出每种工况变化情况下最接近锌层厚度设定值对应的刀唇到带钢距离和气刀压力,通过计算出的刀唇到带钢距离以及气刀压力对气刀的对应参数进行调节控制,从而缩小锌层厚度与锌层厚度设定值之间的偏差,能够满足多种工况的锌层厚度控制要求,提高热镀锌机组锌层厚度控制精度与均匀性、降低锌锭消耗和降低机组的操作维护人力成本。
其中,所述工艺参数为通过对热镀锌机组所有生产工艺参数进行主成分分析,分析出对锌层厚度影响较大的因素,经过主成分分析,选择带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度等因素为主成分因素,降低模型复杂性。
优选地,基于学习训练后的锌层厚度预测神经网络模型计算锌层厚度预测值,所述锌层厚度预测神经网络模型输入层的输入参数为带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度,通过隐含层对输入参数进行转换后,在输出层的输出参数为锌层厚度预测值;
当工况变化大时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、所有时刻的刀唇到带钢距离和所有时刻的气刀压力的任意两两组合,针对每一个刀唇到带钢距离和气刀压力的组合,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值;
当工况变化小时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、刀唇到带钢距离、任意时刻的气刀压力,针对每一时刻的气刀压力,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值。
上述实施例中,通过设计锌层厚度预测神经网络模型,以实际的生产数据作为学习与训练样本数据,贴近生产实际;系统建立的锌层厚度预测模块能够通过训练不断的进行学习,从而达到非常高的精度、非线性映射能力以及泛化能力。
优选地,还包括对锌层厚度预测神经网络模型进行学习训练,其中,模型可以选用人工神经网络、核偏最小二乘和线性偏最小二乘等方法,以人工神经网络方法为基础设计的锌层厚度预测神经网络模型,如图2所示,模型由三层组成,第一层为输入层,接收参数输入,第二层为隐含层,对输入数据进行转换,第三层为输出层,输出目标参数,另外,神经元之间存在多个连接,对应不同且可不断修正的权值,学习训练的样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙、带钢厚度以及锌层厚度测量值,学习训练的输入样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力和刀唇间隙,学习训练的输出样本数据为对应时刻的锌层厚度测量值。部分训练的样本数据如表1所示:
表1
训练完成之后,以采集的锌层厚度测量值样本数据为基础,对锌层厚度预测人工神经网络进行训练与验证。选择其中80%数据作为样本数据,20%数据作为验证数据,选择Sigmoid函数作为转换函数,采用BP算法对锌层厚度预测神经网络模型进行训练并验证,如果误差控制在允许范围之内,则认为训练效果好。结果见表2,满足现场要求。
表2
优选地,所述方法还包括利用阈值、角度距离法和稳健回归法剔除样本数据中的异常数据,确保样本数据可靠性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种热镀锌机组锌层厚度控制方法,其特征在于,所述方法包括:
步骤1,采集热镀锌机组用于计算锌层厚度预测值的工艺参数,其中,所述工艺参数包括带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度;
步骤2,判断当前工况变化情况,基于工艺参数计算出当前工况变化情况下对应的所有可能的锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应的工艺参数对气刀对应参数进行调节控制。
2.根据权利要求1所述的热镀锌机组锌层厚度控制方法,其特征在于,步骤2具体包括:
当工况变化大时,获取各时刻点的刀唇到带钢距离以及气刀压力,得到多组刀唇到带钢距离和多组气刀压力,基于多组刀唇到带钢距离以及多组气刀压力的任意两两组合以及当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应一组刀唇到带钢距离以及气刀压力作为目标值对气刀对应参数进行调节控制;
当工况变化小时,获取各时刻点的气刀压力,得到多组气刀压力,基于每组气刀压力以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度计算锌层厚度预测值,得到多组锌层厚度预测值,找出与锌层厚度设定值最接近的一组锌层厚度预测值,基于该组锌层厚度预测值对应气刀压力作为目标值对气刀对应参数进行调节控制。
3.根据权利要求2所述的热镀锌机组锌层厚度控制方法,其特征在于,通过带钢速度变化率和带钢厚度变化率判断工况变化情况;当带钢速度变化率大于带钢速度变化率预设值s或带钢厚度变化率大于带钢厚度变化率预设值t时,判断工况变化大:当带钢速度变化率小于带钢速度变化率预设值s或带钢厚度变化率小于带钢厚度变化率预设值t时,判断工况变化小。
4.根据权利要求2所述的热镀锌机组锌层厚度控制方法,其特征在于,所述方法还包括:
当工况无变化时,利用锌层厚度测量仪测量出锌层厚度测量值,将该锌层厚度测量值作为当前时刻的锌层厚度预测值,基于该锌层厚度预测值以及当前时刻的刀唇到带钢距离、带钢速度、气刀高度、刀唇间隙和带钢厚度反推算气刀压力,基于该气刀压力作为目标值对气刀对应参数进行调节控制。
5.根据权利要求1所述的热镀锌机组锌层厚度控制方法,其特征在于,基于学习训练后的锌层厚度预测神经网络模型计算锌层厚度预测值,所述锌层厚度预测神经网络模型输入层的输入参数为带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙和带钢厚度,通过隐含层对输入参数进行转换后,在输出层的输出参数为锌层厚度预测值;
当工况变化大时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、所有时刻的刀唇到带钢距离和所有时刻的气刀压力的任意两两组合,针对每一个刀唇到带钢距离和气刀压力的组合,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值;
当工况变化小时,锌层厚度预测神经网络模型的输入参数为当前时刻的带钢速度、气刀高度、刀唇间隙、带钢厚度、刀唇到带钢距离、任意时刻的气刀压力,针对每一时刻的气刀压力,输出一组锌层厚度预测值,从而得到多组锌层厚度预测值。
6.根据权利要求5所述的热镀锌机组锌层厚度控制方法,其特征在于,所述方法还包括:对锌层厚度预测神经网络模型进行学习训练,学习训练的样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力、刀唇间隙、带钢厚度以及锌层厚度测量值,学习训练的输入样本数据为各时刻采集的带钢速度、气刀高度、刀唇到带钢距离、气刀压力和刀唇间隙,学习训练的输出样本数据为对应时刻的锌层厚度测量值。
7.根据权利要求6所述的热镀锌机组锌层厚度控制方法,其特征在于,所述方法还包括利用阈值、角度距离法和稳健回归法剔除样本数据中的异常数据,确保样本数据可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999806.9A CN110565039B (zh) | 2019-10-21 | 2019-10-21 | 一种热镀锌机组锌层厚度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999806.9A CN110565039B (zh) | 2019-10-21 | 2019-10-21 | 一种热镀锌机组锌层厚度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110565039A true CN110565039A (zh) | 2019-12-13 |
CN110565039B CN110565039B (zh) | 2021-09-10 |
Family
ID=68785642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910999806.9A Active CN110565039B (zh) | 2019-10-21 | 2019-10-21 | 一种热镀锌机组锌层厚度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110565039B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111118432A (zh) * | 2020-01-14 | 2020-05-08 | 邯郸钢铁集团有限责任公司 | 一种镀锌产品锌层重量自动控制的方法 |
CN113667918A (zh) * | 2021-07-27 | 2021-11-19 | 首钢京唐钢铁联合有限责任公司 | 热镀锌带钢镀层厚度切换的控制方法 |
CN114488778A (zh) * | 2022-01-24 | 2022-05-13 | 宝钢湛江钢铁有限公司 | 一种连续热镀锌机组气刀参数自动控制方法 |
CN114959536A (zh) * | 2022-05-29 | 2022-08-30 | 首钢京唐钢铁联合有限责任公司 | 一种镀锌锌层厚度的控制方法和装置 |
CN117420807A (zh) * | 2023-12-14 | 2024-01-19 | 深圳市德镒盟电子有限公司 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
CN114959536B (zh) * | 2022-05-29 | 2024-05-10 | 首钢京唐钢铁联合有限责任公司 | 一种镀锌锌层厚度的控制方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102912275A (zh) * | 2012-10-23 | 2013-02-06 | 鞍钢股份有限公司 | 一种热镀锌线镀层厚度自动控制系统 |
CN103205665A (zh) * | 2012-01-13 | 2013-07-17 | 鞍钢股份有限公司 | 一种连续热镀锌线锌层厚度自动控制方法 |
CN103469137A (zh) * | 2013-09-07 | 2013-12-25 | 鞍钢股份有限公司 | 一种热镀锌镀层厚度动态变规格预设控制方法 |
CN105568197A (zh) * | 2016-01-03 | 2016-05-11 | 河北钢铁股份有限公司邯郸分公司 | 一种准确控制连续热镀锌锌层重量的方法 |
KR101688384B1 (ko) * | 2015-07-08 | 2016-12-21 | 주식회사 성화이앤씨 | 연속 용융도금 설비의 도금두께 제어 시스템 및 방법 |
CN106825069A (zh) * | 2017-03-22 | 2017-06-13 | 宁波宝新不锈钢有限公司 | 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法 |
CN106868440A (zh) * | 2015-12-14 | 2017-06-20 | 鞍钢股份有限公司 | 一种带钢连续热镀锌镀层厚度预测及其调节方法 |
CN109735783A (zh) * | 2019-01-31 | 2019-05-10 | 日照宝华新材料有限公司 | 一种生产超厚锌层热镀锌带钢的工艺 |
CN110306144A (zh) * | 2019-07-19 | 2019-10-08 | 首钢京唐钢铁联合有限责任公司 | 一种热镀铝硅带钢镀层的控制方法及控制系统 |
-
2019
- 2019-10-21 CN CN201910999806.9A patent/CN110565039B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103205665A (zh) * | 2012-01-13 | 2013-07-17 | 鞍钢股份有限公司 | 一种连续热镀锌线锌层厚度自动控制方法 |
CN102912275A (zh) * | 2012-10-23 | 2013-02-06 | 鞍钢股份有限公司 | 一种热镀锌线镀层厚度自动控制系统 |
CN103469137A (zh) * | 2013-09-07 | 2013-12-25 | 鞍钢股份有限公司 | 一种热镀锌镀层厚度动态变规格预设控制方法 |
KR101688384B1 (ko) * | 2015-07-08 | 2016-12-21 | 주식회사 성화이앤씨 | 연속 용융도금 설비의 도금두께 제어 시스템 및 방법 |
CN106868440A (zh) * | 2015-12-14 | 2017-06-20 | 鞍钢股份有限公司 | 一种带钢连续热镀锌镀层厚度预测及其调节方法 |
CN105568197A (zh) * | 2016-01-03 | 2016-05-11 | 河北钢铁股份有限公司邯郸分公司 | 一种准确控制连续热镀锌锌层重量的方法 |
CN106825069A (zh) * | 2017-03-22 | 2017-06-13 | 宁波宝新不锈钢有限公司 | 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法 |
CN109735783A (zh) * | 2019-01-31 | 2019-05-10 | 日照宝华新材料有限公司 | 一种生产超厚锌层热镀锌带钢的工艺 |
CN110306144A (zh) * | 2019-07-19 | 2019-10-08 | 首钢京唐钢铁联合有限责任公司 | 一种热镀铝硅带钢镀层的控制方法及控制系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111118432A (zh) * | 2020-01-14 | 2020-05-08 | 邯郸钢铁集团有限责任公司 | 一种镀锌产品锌层重量自动控制的方法 |
CN113667918A (zh) * | 2021-07-27 | 2021-11-19 | 首钢京唐钢铁联合有限责任公司 | 热镀锌带钢镀层厚度切换的控制方法 |
CN113667918B (zh) * | 2021-07-27 | 2023-08-15 | 首钢京唐钢铁联合有限责任公司 | 热镀锌带钢镀层厚度切换的控制方法 |
CN114488778A (zh) * | 2022-01-24 | 2022-05-13 | 宝钢湛江钢铁有限公司 | 一种连续热镀锌机组气刀参数自动控制方法 |
CN114488778B (zh) * | 2022-01-24 | 2023-11-10 | 宝钢湛江钢铁有限公司 | 一种连续热镀锌机组气刀参数自动控制方法 |
CN114959536A (zh) * | 2022-05-29 | 2022-08-30 | 首钢京唐钢铁联合有限责任公司 | 一种镀锌锌层厚度的控制方法和装置 |
CN114959536B (zh) * | 2022-05-29 | 2024-05-10 | 首钢京唐钢铁联合有限责任公司 | 一种镀锌锌层厚度的控制方法和装置 |
CN117420807A (zh) * | 2023-12-14 | 2024-01-19 | 深圳市德镒盟电子有限公司 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
CN117420807B (zh) * | 2023-12-14 | 2024-03-12 | 深圳市德镒盟电子有限公司 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110565039B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110565039B (zh) | 一种热镀锌机组锌层厚度控制方法 | |
CN106868440B (zh) | 一种带钢连续热镀锌镀层厚度预测及其调节方法 | |
CN101863088A (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
CN106825069B (zh) | 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法 | |
CN110629149B (zh) | 一种热镀锌机组锌层厚度控制装置 | |
CN114742987B (zh) | 一种用于非金属材料切割的自动定位控制方法及系统 | |
CN103808431A (zh) | 铝电解槽槽温测量方法 | |
CN110365053A (zh) | 基于延迟优化策略的短期风电功率预测方法 | |
CN103267826A (zh) | 一种在线检测明胶浓度的软测量方法 | |
CN114117919A (zh) | 基于样本协同表示的即时学习的软测量建模方法 | |
CN110930060B (zh) | 一种基于参数计算的发电机组agc调节性能评价方法 | |
CN116662925A (zh) | 一种基于加权稀疏神经网络工业过程软测量方法 | |
Bo et al. | The application of neural network soft sensor technology to an advanced control system of distillation operation | |
CN1171836C (zh) | 乙烯装置中丙烯精馏塔的智能控制方法 | |
CN112700050B (zh) | 一种光伏电站超短期第1点功率预测方法及系统 | |
US8630728B2 (en) | System and method for generating indices to quantify operating transition performance of a continuous process | |
CN115058570A (zh) | 一种退火炉炉区露点控制方法、装置、系统及电子设备 | |
CN115700412A (zh) | 一种基于深度学习的热镀锌带钢镀层的控制方法 | |
Janli et al. | Self-related process residual control chart based on neural network | |
CN105921522A (zh) | 基于rbf神经网络的层流冷却温度自适应控制方法 | |
CN114488778B (zh) | 一种连续热镀锌机组气刀参数自动控制方法 | |
Zhang et al. | Reliable multi-objective on-line re-optimisation control of a fed-batch fermentation process using bootstrap aggregated neural networks | |
CN114884050A (zh) | 一种多预测模型融合的风电功率预测方法及装置 | |
CN117784826B (zh) | 一种自动化涂布机纠偏控制方法 | |
US10901378B2 (en) | Process control method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |