CN110669963A - 一种铝合金熔铸配料系统 - Google Patents
一种铝合金熔铸配料系统 Download PDFInfo
- Publication number
- CN110669963A CN110669963A CN201910969664.1A CN201910969664A CN110669963A CN 110669963 A CN110669963 A CN 110669963A CN 201910969664 A CN201910969664 A CN 201910969664A CN 110669963 A CN110669963 A CN 110669963A
- Authority
- CN
- China
- Prior art keywords
- batching
- aluminum alloy
- component
- alloy casting
- ingredient
- 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
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 114
- 238000005266 casting Methods 0.000 title claims abstract description 90
- 239000002994 raw material Substances 0.000 claims abstract description 76
- 239000004615 ingredient Substances 0.000 claims abstract description 68
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 43
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000005303 weighing Methods 0.000 claims abstract description 6
- 239000000956 alloy Substances 0.000 claims description 63
- 239000000463 material Substances 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 24
- 239000007788 liquid Substances 0.000 claims description 13
- 238000002156 mixing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010309 melting process Methods 0.000 claims 1
- 238000012797 qualification Methods 0.000 claims 1
- 230000004927 fusion Effects 0.000 abstract description 3
- 229910045601 alloy Inorganic materials 0.000 description 57
- 238000001514 detection method Methods 0.000 description 34
- 239000010949 copper Substances 0.000 description 25
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 21
- 239000011572 manganese Substances 0.000 description 19
- 229910052710 silicon Inorganic materials 0.000 description 19
- 239000010703 silicon Substances 0.000 description 19
- 229910052751 metal Inorganic materials 0.000 description 18
- 239000002184 metal Substances 0.000 description 18
- 238000003723 Smelting Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 229910052802 copper Inorganic materials 0.000 description 10
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 9
- 239000002585 base Substances 0.000 description 8
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 229910052748 manganese Inorganic materials 0.000 description 6
- 229910021364 Al-Si alloy Inorganic materials 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 239000013078 crystal Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 229910018125 Al-Si Inorganic materials 0.000 description 3
- 229910018520 Al—Si Inorganic materials 0.000 description 3
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical class [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000005496 eutectics Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 239000006104 solid solution Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 229910000896 Manganin Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- OSMSIOKMMFKNIL-UHFFFAOYSA-N calcium;silicon Chemical compound [Ca]=[Si] OSMSIOKMMFKNIL-UHFFFAOYSA-N 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013072 incoming material Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C21/00—Alloys based on aluminium
- C22C21/02—Alloys based on aluminium with silicon as the next major constituent
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C1/00—Making non-ferrous alloys
- C22C1/02—Making non-ferrous alloys by melting
- C22C1/026—Alloys based on aluminium
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C1/00—Making non-ferrous alloys
- C22C1/02—Making non-ferrous alloys by melting
- C22C1/03—Making non-ferrous alloys by melting using master alloys
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Mechanical Engineering (AREA)
- Materials Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开一种铝合金熔铸配料系统，包括配料目标决策层，用于提供铝熔铸配料生产线中的铝合金配料标准；熔铸配料优化层，在铝合金配料标准的约束基础上，提供满足质量指标的最优原料初始配比和成分调整配比方案；智能料仓执行层，根据熔铸配料优化层提供的配料数据，自动识别下料数据到投料明细，完成料仓下料称重任务。本发明优化了传统铝合金熔铸配料方法，为企业提供快速、高效、优质的铝合金产品配料方案。
Description
技术领域
本发明涉及铝合金熔铸技术领域，特别是涉及一种铝合金熔铸配料系统。
背景技术
铝合金熔铸作为铝合金材料生产制造的第一道工序，为后续工序，如挤压、轧制、锻造，提供原料。在铝合金铸锭产品上，不仅铸锭的尺寸、外形要满足不同厂家后续加工工序以及产品质量规范的要求，更重要的是铸锭的内部质量及其性能要满足不同厂家的要求。铸锭内部质量及其性能的保证主要取决于熔体内的含气量与含渣量、杂质的含量以及晶粒细化的程度，其质量与性能的不足是后续工序难以补救的，也会影响产品的成品率以及使用效果；而其内部的缺陷在加工过程中暴露越晚，所占用生产设备的时间就越长，延长产品交付时间周期，提高生产成本。想要尽可能发挥铝合金材料的潜力，获得低成本、高性能、高质量的铝合金铸锭，就要将重点放在铸锭的生产与质量控制上，熔铸过程中的质量控制既取决于熔铸工艺与熔铸设备，也取决于原材料的选取与配料得出的方案。
铝合金熔铸过程智能配料方法的研究是为生产低成本、高质量铸锭而生。早期铝合金产品因配料比不确定，冶炼质量不合格而反复熔炼，导致熔炼时间过长，生产成本增大，限制了企业效益提高。想在最短的时间配出高质产品从而提高效益，这就只能使用有限的原材料种类并且对配料专家的经验要求更加苛刻。铝合金锭的主要原材料(废杂铝)品种总要有所变化，专家的经验如果不能保留、配方如果不能加以改进，那么将会对铝合金产品的质量及厂家效益造成严重影响。
铝合金熔铸传统配料方法存在的下问题：
1)大数据
铝合金熔铸车间目前生产的产品种类有三十多种，按照所用原材料的不同可分为两大类：纯铝系列和再生铝系列。而且再生铝系列的铝材的种类繁多，按生产工艺可分为：变形类铝合金、铸造类铝合金、锻造类铝合金、电线电缆等。近百种的原材料，每种原材料都有20多种成分。不同厂家的同类型再生铝，其成分含量可能不同。
2)多目标
出炉的铝合金锭也是由很多成分组成的，对每种成分都有最大值、最小值、检查标准等限定范围。要求产品的化学成分合格：包括主要合金成分和杂质成分含量；想要成本最低：包括所用原料的自身价格和熔炼过程的成本；希望熔炼任务最小：如造渣次数和类别最少，添加其他辅助材料最少等。
3)多因素交叉与熔炼过程中各个成分变化
在熔炼的过程中，一种成分存在于多种物料中，为了配一个成分的目标含量，可能带入了需要减少的另一个成分，于是又需要核算其他代入成分的含量是否合格；各成分有的是烧损，有的是增加，变化量随加入方式和加入时间而变。比如想提高铝硅比，方法分为增加铝成分的含量和减少硅成分的含量，铝成分的增加引发碱比降低，硅成分的减少造成钙硅比提升。
铝合金熔铸配比具备多变量、化学成分复杂、波动量大、强耦合、非线性等特点。各原材料的配比由配料技术人员根据原铝、废杂铝通过质检仪器得到的成分检测数据，配料技术人员长时间的配料经验以及各种原材料的质量数据确定，由于产品及原料种类繁多，废杂铝的成分不确定性和批料的成分波动，及熔炼过程的金属成分“烧损”，使得人工确定铝合金熔铸过程配比方案的准确性低、工作量扩大，造成成品性能质量的波动[。因此，如何解决传统配料方法存在的大数据、多目标、多因素交叉与熔炼过程中各个成分变化问题，解放人的脑力劳动，让配料专家将更多的精力放在如何配出高质量的产品上，是必须解决的问题。
另外，目前铝合金熔铸行业在配料上虽设有专人进行配料，但多数企业仍使用传统的配料方法进行计算，这种计算方式的缺点在于配料计算的时间长，准确度低；再者，有可能会与配料审核员的计算结果差异过大，需要复核，这使得配料工作效率降低，延长了产品的生产周期，且传统配料通过叉车过秤方式计算料重不准确。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷，而提供一种铝合金熔铸配料系统。
为实现本发明的目的所采用的技术方案是：
一种铝合金熔铸配料系统，包括：
配料目标决策层,用于根据建立的铝合金熔铸配料知识库，结合铝合金熔铸配料推理规则集与专家规则进行推理，给出铝熔铸配料生产线中的铝合金配料标准；
多目标配料优化层，用于在上述铝合金配料标准的约束基础上，通过建立的多目标优化配比模型，给出满足质量指标的最优原料初始配比和成分调整配比方案；
智能料仓执行层，用于根据上述的最优原料初始配比和成分调整配比方案，自动控制下料，完成料仓下料称重。
本发明的提出，基于铝合金熔铸生产线的特点及需求、产品的化学成分、力学性能等技术要求、原材料的使用性能、熔炉组状况等情形，并结合实际生产中的限制条件，将产品性能及其成分要求和原材料成本作为衡量配料质量的重要指标，从而优化了传统铝合金熔铸配料方法，能为企业提供快速、高效、优质的铝合金产品配料方案。
附图说明
图1为本发明提出的铝合金熔铸配料系统的原理图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参见图1所示，本发明提出的铝合金熔铸配料系统，涉及三层结构：
第一层为基于专家规则库的配料目标决策层，即建立基于产品工艺性能、力学性能和理化性能优化的铝合金熔铸配料知识库，并结合推理规则集与专家规进行模糊推理，进而得出铝熔铸配料生产线中的铝合金配料标准，也是优化约束条件；
第二层为基于多目标的熔铸配料优化层，即在上述提出的约束条件基础上，建立以成本最优作为铝合金熔铸配料的目标函数，并研究以产品成分合格、原材料使用限制与炉组容量作为约束条件的基于线性规划的多目标优化配比模型；进而获得满足质量指标的最优原料初始配比和成分调整配比方案；
第三层为自动识别的智能料仓执行层，在配料方案发布后，系统自动识别料仓，发布料仓任务到料仓控制柜的触摸屏上，自动下料后，自动识别下料数据到投料明细，从而完成料仓下料称重任务。
具体实施时，在配料目标决策层，先进行产品的内在要求分析，得到产品需要达到的工艺性能、力学性能和理化性能最优所需要的铝合金物料成分，接着基于铝合金熔炼过程的工艺特点和长期在配料中积累的经验知识，根据产品的性能指标、成分指标结合配料过程中的历史配料数据来构建铝合金熔铸配料知识库。之后，通过铝合金熔铸配料知识库的建立，结合规则集与专家规则进行模糊推理，即可快速得到铝合金产品配料目标，也是优化约束条件。
在多目标配料优化层，实际上是根据配料目标决策层得到的铝合金产品配料目标以及综合数据库中的实例进行匹配以缩小产品主要成分的控制范围。建立以成本最优作为铝合金熔铸配料的目标函数，得到以成分合格、原材料使用限制与炉组容量作为约束条件的铝合金熔铸配比模型；然后基于此配比模型进行优化，得到满足产品性能指标的最优原材料配比和成分含量值。
铝合金熔铸智能投料系统作为智能配料系统的执行层，自动识别配料卡中的料仓任务，并派发给智能料仓。料仓可根据料仓当前情况选择料仓任务，分批下料，配料系统自动识别料仓完成任务信号，对实际下料量进行采集，显示在炉前投料明细中。
以下，对上述的各部分如何实施进行具体说明。
铝合金熔铸产品性能与产品成分息息相关，每种产品虽都有自己的控制标准，如何配料以保证产品在小批量、多品种的生产环境、且原料多变，成分种类繁多，生产操作灵活的条件下能够一次达标，这是配料目标决策层的存在意义。对于再生铝产品而言，充分考虑废杂铝原料的成分，使其合金元素均得到高质化应用同样意义重大。
(一)废杂铝原料成分规则集
由于目前废杂铝来料已经过料场初步分选，成分类别较为明了，为进一步使入炉废杂铝原料符合智能配料的成分要求，制定废杂铝成分推理规则集。即根据采购原料情况以及生产的产品类型对废杂铝的分类要求进行研究设计，制定内部废杂铝分类标准以及废杂铝“牌号”的编制规则，使之成为“已知成分”的废杂铝原料。废杂铝主要类型如表所示。
表1
根据主要合金元素的种类确定批量废杂铝的化学系列，然后根据主要合金元素的含量确定其牌号。若合金元素含量大于牌号的上限有效数字时，归为与其临近的同一系列中高含量的牌号；若含量小于牌号的下限有效数字又大于临近一个低牌号含量上限时，归为与其最接近的同一系列的牌号。最终制定出废杂铝分类标准以及废杂铝“牌号”的编制规则，如表2所示的废杂铝原料规则集。
表2
(二)铝合金熔铸配料推理规则集
根据铝合金产品性能与成分含量的关系，整理历史配料卡理论配料结果的经验以及考虑小批量、多品种的生产模式对成分的影响，建立专家规则并进行推理，得出保证产品质量的配料控制标准。
推理规则集是基于铝合金产品分类的性能特点，铝合金产品成分对产品性能的影响以及铝合金熔铸生产过程对产品性能的影响建立的。铝合金熔铸推理规则集为U，由铝合金产品分类的性能特点以及铝合金产品主要成分对产品性能的影响得到配料目标类规则集U1、历史配料经验类规则集U2、根据铝合金熔铸生产过程对产品性能的影响得到历史生产过程参数影响类规则集U3。
配料目标类规则集U1，存放的是基于配料目标以及产品性能特点的规则，主要按照产品类别划分，根据配料目标以及产品性能特点调整当前配料成分控制标准的范围。
历史配料经验类规则集U2，存放的是基于产品历史配料目标以及产品性能特点的规则，主要按照同类产品历史配料卡中的成分控制标准并结合产品性能特点，调整当前配料成分控制标准的范围。
历史生产过程参数影响类规则集U3，存储的是由上一炉的残留铝液质检结果对成分的影响，生产经验所得成分损耗率以及实际生产过程中炉组、工序以及工序中的参数分析得到的规则，主要结合炉组数据、工序步骤、炉膛、炉液温度，利用配料人员的经验制定规则，从而调整当前配料成分控制标准。
配料目标类规则集U1
铝合金熔铸产品主要为Al-Si合金，对Al-Si合金来说，重力铸造情况下，随着Si含量的增加，粗针状的硅晶体逐渐增多，它严重割裂了基体，强度和塑性都较差。Si含量大于6％，生产上就需要用变质剂进行变质处理，得到细小均匀的共晶体加一次α固溶体组织，以提高性能或者采用压力铸造，通过加大冷却速度使粗针状的硅晶体变短小。Al-Si系铸造铝合金的流动性能好，具有优良的耐蚀性，机械性能一般。
Al-Si合金性能是作为铝合金熔铸生产过程中的质检项被标准严格限定。这些性能的体现主要是某种成分积累或几种成分间比例失调到一定程度的表象。在铝合金熔铸过程中为了保证产品性能的稳定性，必须严格控制生产过程中关键环节的样品成分取值合格，产品的稳定性才有最基本的保证。若成分在标准限内，其间的比例关系也将作为产品稳定性保证的基石。
对Al-Si类合金来说，检测产品中的主要成分和微量成分是至关重要的，这些成分的含量在合金中所占据的比例将直接影响合金性能。其中主要成分控制标准要求成分有上、下限，微量成分控制标准要求只有上限。
通过参考文献收集整理Al-Si类合金性能与成分的关系如下表3所示：
表3
为了使配比后的合金性能得到优化，融入专家经验对主要成分内控要求进行优化处理，说明如下。
Fe增加合金的硬度和强度，降低了塑性、热裂倾向。随着Fe相的增加，合金中的Fe将以针状出现，使合金出现断裂的可能性增大，并且原材料中存在废杂铝的情况下，Fe的成分检测结果只能作为参考值，这是因为废杂铝中成分不固定，部分成品检测值不能作为整批原料的检测结果，但是，使用低Fe的原料或降低Fe在合金中的含量会导致配料成本提高。因此，根据配料员的经验值应将Fe控制在中限。
IF Fe为内控要求成分，
AND Fe含量在内控范围内增加能提高合金强度，
AND Fe含量在内控范围内增加会降低合金塑性，
THEN Fe控制在中限。
Si成分在合金中的添加，因为降低了合金组织输送程度，提高合金的气密性，从而得到的铸件组织致密，流动性好，强度高，减少了铸件的热裂倾向性[22]。随着Si成分的添加，优化了合金本身的铸造性能，降低了合金本身的力学性能。Si成分含量的增加，当到达共晶点时，合金本身的抗拉强度上升至最高点，继续添加Si，合金本身的抗拉强度会急速降低，产生初晶硅，初晶硅变多的现象会削弱合金自身的切削加工性能。若尚未进行变质处理，Si以粗大片状或者针状出现在共晶体中，严重割裂基体，同时削弱合金产品的力学性能以及加工性能。因此，在这里应将Si控制在中限。
IF产品为Al-Si类合金，
AND Si含量在内控范围内增加能够优化合金铸造性能，
AND Si含量在内控范围内增加能够降低切削切工性能，
AND Si含量在内控范围内增加能够降低合金力学性能，
THEN Si控制在中限。
Cu与Mg都加入合金时，想要获得较好的耐热性能，可以让合金得到尽量多数量的S(CuMgAl2)相，这就需要降低Cu成分的含量并适量增加Mg成分的含量。随着Cu成分在合金中的含量减少，α(Al)固溶体中Cu的浓度也随着减少，由于含Cu浓度低的α(Al)固溶体分解倾向性小而且热稳定性较好，从而提高了合金的热稳定性[24]。因此建议将Cu含量控制在下限，Mg含量控制在上限。
IF产品为AL-Si类铝合金，
AND内控要求成分中确认Cu含量，
AND内控要求成分中含有Mg，
THEN Cu控制在下限，Mg含量控制在上限。
对于铸造铝合金ADC12来说，Mg成分的含量在1％的时候合金的力学性能最好。Mg成分含量超过1％则合金的力学性能随之减少[21]。孙茂天等工艺研究者在实验中得到，当Mg从0.18％增加到0.38％时，合金抗拉强度、屈服强度随Mg含量的升高而呈现先降低后升高的趋势。因此，Mg的含量应控制在上限。
IF Mg为内控要求成分，
AND产品为ADC12，
AND Mg含量在内控范围内增加能够优化合金力学性能，
AND Mg含量小于1.0％，
AND Mg含量大于0.23％，
THEN Mg含量控制在上限。
Sn含量的增加降低合金的强度。但若含有少量Sn(0.05％)则能使合金的强度增加，抗腐蚀性得到改善。因此应将Sn控制在下限。
IF Sn为内控要求成分，
AND Sn含量在内控范围内增加能够提高合金强度，
AND Sn含量小于0.05％，
THEN Sn控制在下限。
Mn的存在对合金高温性能略有改善，提高合金抗疲劳性，减少合金收缩率。工艺研究者王韬提出Mn的含量不能超过Fe含量的一半，合金中的Mn含量控制在恰好能中和部分Fe，而不是形成Al5(Fe,Mn)Al6，降低合金的力学性能[27]。因此应将Mn控制在下限。
IF Mn为内控要求成分，
AND Fe为内控要求成分，
THEN Mn含量控制在Fe含量的一半以下。
在合金中加入Zn后，由于Zn在Al中的溶解度较大，时效过程中Zn能够以弥散质点析出，改善合金的性能。Zn的含量在1％左右时，全部固溶在基体中，不形成游离的组织，从而提高Cu的溶解速度和溶解度，并提高合金的塑性，故应将Zn控制在上限]。
IF Zn为内控要求成分，
AND Zn含量在内控范围内提高合金塑性，
AND Zn含量小于1％，
THEN Zn控制在上限。
Ni在合金中固溶度不超过0.04％。若大于0.04％，Ni呈不溶性中间金属，且多与Fe结合，故应将Ni控制在下限。
IF Ni为内控要求成分，
AND Ni中和Fe，
AND Ni小于等于0.04％。
THEN Ni控制在下限。
历史配料经验类规则集U2
同种国标下的产品ADC12，其客户不同，对其产品的成分要求标准有所变化。应对不同客户的需求，配料员有其自己的配料经验。配料员经验能够使成分检测结果值保持在产品质量要求范围内，符合客户需求。
为此，结合成品质检结果对铝合金熔铸历史配料值进行分析，提炼配料经验，建立历史配料经验规则集。下面以ADC12产品的历史配料记录与其对应成品质检结果为样本进行分析说明。
成分Fe
成分Fe成分检验上限为0.85，成分检验下限为0.65，成分中限为0.75,成分中上限为0.975，成分中下限为0.705，配料记录值的标准方差为0.0075。其产品对应成分Fe成品检测结果值在控制范围内，满足客户要求。
对其成品检测结果进行性能分析，发现Fe成分取在中限范围(0.7425～0.7575)内，产品Fe成分质检结果满足客户需求。
成分Si
成分Si成分检验上限为10.8，成分检验下限为9.8，成分中限为10.3，成分中上限为10.5，中下限为10.1，配料记录值的标准方差为0.0104。其产品对应成分Si成品检测结果值在控制范围内，满足客户要求。
其成品的检测结果进行性能分析，发现Si成分取在中限范围(10.2896～10.3104)内，产品Si成分质检结果满足客户需求。
成分Mg
成分Mg成分检验上限为0.28，成分检验下限为0，成分中限为0.135，成分中上限为0.2025，成分中下限为0.0675，配料记录值的标准方差为0.0277。其产品对应成分Mg成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Mg成分取在中上限范围(0.1748～0.2302)内，产品Mg成分质检结果满足客户需求。
成分Cu
成分Cu成分检验上限为2.4，成分检验下限为1.7，成分中限为2.05，成分中上限为2.2，成分中下限为1.9，配料记录值的标准方差为0.0187。其产品对应成分Cu成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Cu成分取在中下限范围(1.8813～1.9187)内，产品Cu成分质检结果满足客户需求。
成分Sn
成分Sn成分检验上限为0.18，成分检验下限为0，成分中限为0.085，成分中上限为0.1275，成分中下限为0.0425，配料记录值的标准方差为0.0282。其产品对应成分Sn成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Sn成分取在中下限范围(0.0143～0.0707)内，产品Sn成分质检结果满足客户需求。
成分Zn
成分Zn成分检验上限为0.97，成分检验下限为0，成分中限为0.48，成分中上限为0.72，成分中下限为0.24，配料记录值的标准方差为0.0615。其产品对应成分Zn成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Zn成分取在中上限范围(0.6586～0.7815)内，产品Zn成分质检结果满足客户需求。
成分Ni
由下图可见，成分Ni成分检验上限为0.48，成分检验下限为0，成分中限为0.235，成分中上限为0.3525，成分中下限为0.1175，配料记录值的标准方差为0.0096。其产品对应成分Ni成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Ni成分取在下限范围(0～0.0096)内，产品Ni成分质检结果满足客户需求。
成分Mn
由下图可见，成分Mn成分检验上限为0.48，成分检验下限为0，成分中限为0.235，成分中上限为0.3525，成分中下限为0.1175，配料记录值的标准方差为0.0533。其产品对应成分Ni成品检测结果值在控制范围内，满足客户要求。
对其成品的检测结果进行性能分析，发现Mn成分取在中限范围(0.1817～0.2883)内，产品Mn成分质检结果满足客户需求。
历史生产过程参数影响类规则集U3
1)铝合金熔铸生产线残留铝液与产品质量关系
配料中残留铝液对产品质量稳定性的影响占主要因素，方法是看其上一炉的检测结果，若检测结果处于产品内控标准上限，则其配料时，将配料的目标成分值调整为下限。例如上一炉残留铝液的Si成分检测结果对比当前产品标准上限较高，则将Si成分控制在标准范围的下限。
上炉成分--残留铝液成分检测结果单位％，如下表4所示，与当前配比的ADC12产品标准对比未处于边界范围。
表4
2)铝合金熔铸生产线检测参数与合金性能关系
铝合金熔铸过程中所记录的参数，包括配料投料时间、熔炼精炼时间、熔炼精炼的炉温和料温、投料方式。这些参数的选取将影响原材料的烧损率以及原材料参配时对应质检报告上的成分值选取。
生产管理过程中，控制不同的配料投料时间、选取不同的原材料的熔炼精炼时间、熔炼精炼的炉温和料温选择差异以及投料方式的不同都会后续的熔化精炼过程产生不同程度的影响，进而影响最终铝合金产品的性能品质。
例如若铝液温度过高，则会引起熔点高的Fe成分含量增加，因此不适合将Fe成分控制标准的范围定在上限。
3)铝合金熔铸生产线合金烧损与产品质量关系
铝合金熔铸过程中的生产物料记录参数，包括原料的类别、原料的种类、原料的规格、原料的名称、原料的批次、原料的重量，产出的成品锭总量、废锭总量、裘灰锭重量。通过上述参数以原料名称为单位，计算每炉次、每批次原料烧损率，以历史经验累积得出原料的烧损率。这样的烧损率是结合炉况信息的，使配料理论值与实际合金检验结果更为相近的精确值，而且随着生产进行不断修正的经验值。
(三)铝合金熔铸配料推理模型
ADC12产品在工艺性能上具备良好铸造性和切削切工性能，在力学性能上具备强度高的优势，在理化性能上具备物理性能的热膨胀性好，化学性能的耐腐蚀性优良的特点。产品主要内控要求如下表5所示(单位％)：
表5
基于铝合金产品分类的性能特点、铝合金产品主要成分对产品性能的影响、铝合金熔铸生产过程对产品性能的各个类别所得到的规则或有一致或有分歧，不能同一而论。为提高规则推理合理性与流畅性，设置配料专家规则推理过程。
本发明中，基于铝合金配料专家规则的推理过程可以分为6步：
1.确定被推理事物的因素论域——推理指标集合U＝{U1,U2,U3}。
U分别表示配料目标类规则集U1、历史配料卡类规则集U2、历史生产过程参数影响类规则集U3。这三个规则集是基于铝合金产品分类的性能特点、铝合金产品主要成分对产品性能的影响与铝合金熔铸生产过程对产品性能所得到的。
2.确定评语等级论域——评语集V＝{v1,v2,v3,v4,v5}，评语集各成分值域见表6所示(单位％)。v1＝上限；v2＝中上限；v3＝中限；v4＝中下限；v5＝下限。
表6
每个推理指标集合都存在一个评语集。根据单个成分的配料目标划分评语集。
3.确定推理因素权重向量——推理指标权重W＝{w1,w2,w3}。
权重向量由配料专家决定，是配料专家经验的体现。按不同规则集类别设定。
w1＝0.2，w2＝0.35，w3＝0.45；
4.单因素推理建立模糊综合推理矩阵R。
单成分对应规则在不同推理指标集、不同评语集中的数量在对应同种评语集中所占百分比。如r11表示在配料目标类规则集中，某元素处于上限的百分比，比如Fe元素，历史生产过程的经验说要处于下限，那么r35是1，百分百就是1。
5.模糊变换——选择综合推理合成算子，运用常用的算子：
含义：各单因素评价的隶属度被修正为r*ij＝wi×rij再选取r*ij最大的主要因素而不考虑其他因素，故这种模型也称为主因素决定型。
运用铝合金配料经验根据算子特点，以及推理指标集合的特点选择符合铝合金熔铸配料的推理算子，合成得到综合推理向量。
得到：BFe＝(0 0 0.35 0 0)；
BSi＝(0 0 0.35 0 0)，
BMg＝(0.2 0.35 0 0 0)，
BCu＝(0 0 0 0.35 0.2)，
BMn＝(0 0 0.35 0 0.2)，
BSn＝(0 0 0 0.35 0.2)，
BZn＝(0.2 0.35 0 0 0)，
BNi＝(0 0 0 0 0.35)。
6.对推理结果B分析处理。
结果按照最大隶属原则进行处理得到单种成分评价出的最终范围。
按照规则集类别划分论域，针对成分范围设定论域评语集，根据铝合金产品分类的性能特点、铝合金产品主要成分对产品性能的影响、铝合金熔铸生产过程对产品性能的影响所得到的3个规则集配料目标类规则集U1、历史配料卡类规则集U2、历史生产过程参数影响类规则集U3中规则的查找统计得到综合评判矩阵R，按照推理指标权重(专家经验决定)选择合适的推理算子得到综合评价向量B，从而决定配料目标范围如表7(单位％)。
(四)铝合金熔铸配料目标函数与约束条件
建立生产配料的最优化模型，已知单炉次配料量为Q吨。以成本最低为目标函数建立基于线性规划的多目标优化配比模型的目标函数：
其中xi(单位：kg)表示各种原材料的使用量，其中x1表示原料一的用量，x2表示原料二的用量，x3表示原料三的用量，以此类推。用ci(单位：元/kg)表示以上相应材料的价格，以mi(单位：kg)表示以上相应材料的库存数量。以aij(％)表示第i种材料中第j种成分的含量，其中，j＝1表示Fe成分，j＝2表示Si成分，j＝3表示Mg成分，j＝4表示Sn成分，j＝5表示Cu成分，j＝6表示Mn成分，j＝7表示Zn成分，j＝8表示Ni成分。用Euj表示第j种成分在配料标准中的上限范围要求，Elj表示第j种成分在配料标准中的下限范围要求，没有下限范围要求则Elj＝0。
通常选用价格较低，成分及其含量相对复杂的再生铝作为原材料。
基于线性规划的多目标优化配比模型的约束条件：
其中配料标准上、下限要求按照配料目标来计算。aij、Euj、Elj的值是由历史配料处理与原料质检处理两个环节决定的，是带有配料经验的数据。
(五)铝合金熔铸配料优化模型与模拟仿真
如下的以成本最低为目标函数建立基于线性规划的多目标优化配比模型：
经整理，得到标准型的优化配比模型如下：
铝合金熔铸配比是基于线性规划的多目标优化配比模型，计算时，首先是将原材料信息相关的数据导入，包括原材料成分及含量、库存量、单价等。以ADC12为例，5种材料单价为：合金液27801元/千克，金属硅553为13458元/千克，金属铜为49100元/千克，再生铝12765元/千克，金属锰33000元/千克。
f＝[27801，13458，49100，12765，33000]，
各个原材料成分为：
原料使用量限制为：合金液30000千克，金属硅553为1500千克，金属铜200千克，再生铝1200千克，金属锰50千克。
umb＝[30000，1500，0200，1200，0050]，
其中HJY表示合金液，FFT表示工业硅553，ZTJ表示金属铜，FLD表示再生铝，LX表示金属锰。其中，第一项到第八项分别为：Fe成分、Si成分、Mg成分、Sn成分、Cu成分、Mn成分、Zn成分、Ni成分的含量在原材料中所占的百分比。
配料控制范围的表示如下，EL为控制范围的下限，EU为控制范围的上限：
EL＝[0.7053，10.1397，0.1539，0.0143，1.7949，0.1741，0.6234，0.0]，
EU＝[0.7947，10.4603，0.2511，0.0707，2.0051，0.2959，0.8166，0.1079]，
将材料信息数据代入函数，得到ADC12产品的最优配料。合金液为27496千克，金属硅553为1067千克，金属铜为200千克，再生铝为1200千克，金属锰为37千克，合计30000千克，单位成本768480元/炉，主要成分值(单位％)，见表8。
表8
原手工计算配料为合金液为27779千克，工业硅553为1020千克，金属铜为178千克，再生铝为1000千克，金属锰为23千克，合计30000千克，单位成本775880元/炉。
本发明采用基于线性规划的多目标优化配比模型计算的配料结果较手工计算出的结果成本降低7400元/炉，降幅为0.95％。若一年F炉组全力生产ADC12产品，按一日4炉产量预估1000炉，可降低成本74万元。
该产品的成分质检结果在产品标准范围内，符合用户要求，详细参数如下表9所示。
表9
在智能配料系统执行层，根据配料优化层得到的最优配料结果，自动识别料仓，派发配料结果中的对应料仓任务至料仓终端，料仓终端通过动态调控、自调节、闭环控制能力的智能料仓控制系统，继而执行料仓任务。可以选择现有智能配料系统来实现。其应具有以下功能：
1.智能料仓任务派发
为满足工艺要求，支持多组料仓任务同时自动识别派发的功能。智能料仓按照原料属性、原料类别、原料名称分类。优化完成的配料结果以原料编号为唯一识别码，系统按其维护的原料属性、原料类别及原料名称自动识别料仓任务，将该原料的下料任务发送给料仓终端界面，完成料仓任务的派发。并在任务执行完毕后，将下料实际值反馈给炉前投料明细，从而完成下料任务。
系统维护原料的属性、类别、名称、规格、厂家等信息，同时支持按照原料信息分类将下料任务自动识别后派发至料仓终端。以硅、铜、锰料仓为例，系统通过原料编号检索其原料类别为金属硅，则将金属硅任务派发给硅料仓，若原料编号检索识别为纯金属，则继续识别其原料名称，原料名称为金属铜则将金属铜的下料任务派发给铜料仓，原料名称为金属锰，则将金属锰的下料任务派发给锰料仓。
2.智能料仓数据识别
建立中间数据表，将料仓任务发送至中间数据表，采集系统读取中间数据表中对应字段并赋值给料仓终端对应地址，料仓终端可见下料任务；采集系统同时实时采集料仓终端的指令信号，待下料完成识别成功，自动采集料仓实际下料量，绑定其原料编号、炉次号，发送给中间表，便于系统显示至投料明细页面，从而进行后续的投料熔炼；每完成一次料仓下料任务，系统会自动删除已完成下料任务；每一次配料结果绑定炉次发布，系统自动将下料任务发布到料仓终端。
3.智能料仓机械
根据铝合金熔铸生产线和熔铸工艺的要求，智能料仓的机械性能应满足具有多台秤，多种不同物料的，可同时进行配料控制要求的自动化设备。为满足工艺要求，智能料仓具有多组料仓。以硅料仓和锰铜料仓为实例。硅料仓共设两个子料仓，单个子料仓容积4吨，存放两种不同规格的硅，料仓下面直接用硅料箱接料，用叉车运至炉前上料。要求的物料重量根据料箱容积分若干次称重，批次累计误差为±2kg，对于实现智能化精细配料提供了稳定的物料基础。
4.智能料仓控制系统
控制系统具有实现料仓自动化系统控制、数据运算、存储等，同时应具有可与MES系统联网，实现MES系统针对配料任务的下达，实现各物料的加料、称重、放料、报警等功能。
相比现有技术，本发明具有如下优点：
1.以人工智能方法代替人的脑力劳动，解决了复杂工艺问题，使得传统配料方法存在的基于大数据、多目标、多因素交叉与熔炼过程中各个成分变化问题带来的配料难变得简单好处理。
2.以质量最优为目标建立铝合金熔铸行业配料对性能影响的知识库，保证能更好优化配料方案。通过智能配料方法应用智能算法，将低成本、高品质作为配料的限制条件，推断出最优配料方案。通过研究保存在知识库中的宝贵经验(如专家经验、优秀配比方案)对配料环节的影响，更好的优化配料方案。
3.生产环节基于模型实现优化控制，保证铝合金熔铸过程智能制造的实施。将智能配料方法通过融入智能算法进行建模，实现关键生产环节基于模型实现优化控制，为铝合金熔铸在配料环节上提高智能化、数字化能力奠定良好的基础。
以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种铝合金熔铸配料系统，其特征在于，包括：
配料目标决策层,用于根据建立的铝合金熔铸配料知识库，结合铝合金熔铸配料推理规则集与专家规则进行推理，给出铝熔铸配料生产线中的铝合金配料标准；
多目标配料优化层，用于在上述铝合金配料标准的约束基础上，通过建立的多目标优化配比模型，给出满足质量指标的最优原料初始配比和成分调整配比方案；
智能料仓执行层，用于根据上述的最优原料初始配比和成分调整配比方案，自动控制下料，完成料仓下料称重。
2.根据权利要求1所述铝合金熔铸配料系统，其特征在于，所述铝合金熔铸配料知识库基于产品工艺性能、力学性能和理化性能优化建立，是基于铝合金熔炼过程的工艺特点和配料中积累的经验知识，根据产品的性能指标、成分指标结合配料过程中的历史数据来构建。
3.根据权利要求1所述铝合金熔铸配料系统，其特征在于，所述铝合金熔铸配料推理规则集包括：
配料目标类规则集，存放基于配料目标以及产品性能特点的规则，按照产品类别划分，用于根据配料目标以及产品性能特点调整当前配料成分控制标准的范围；
历史配料经验类规则集，存放基于产品历史配料目标以及产品性能特点的规则，用于根据同类产品历史配料卡中的成分控制标准并结合产品性能特点，调整当前配料成分控制标准的范围；
历史生产过程参数影响类规则集，存储由上一炉的残留铝液质检结果对成分的影响，生产经验所得成分损耗率以及实际生产过程中炉组、工序以及工序中的参数分析得到的规则，结合炉组数据、工序步骤、炉膛、炉液温度，利用配料人员的经验制定。
4.根据权利要求1所述铝合金熔铸配料系统，其特征在于，所述结合铝合金熔铸配料推理规则集与专家规则进行推理的步骤如下：
确定铝合金熔铸配料推理规则集；
确定所述铝合金熔铸配料推理规则集的的评语集，该评语集将单种成分的配料范围值区分为多个范围等级；
确定所述铝合金熔铸配料推理规则集的推理指标权重；
根据所述推理指标权重以及建立的综合推理矩阵，获得成分的推理结果，并按照最大隶属原则进行处理得到单种成分评价出的最终范围。
5.根据权利要求1所述铝合金熔铸配料系统，其特征在于，所述多目标优化配比模型，以成本最优作为铝合金熔铸配料的目标函数，以产品成分合格、原材料使用限制与炉组容量作为约束条件。
6.根据权利要求5所述铝合金熔铸配料系统，其特征在于，所述多目标优化配比模型包括成本最优作为铝合金熔铸配料的目标函数及约束条件，表示如下：
其中，其中xi表示原材料使用量，ci表示原材料价格，mi表示原材料库存数量，aij表示第i种材料中第j种成分的含量，Euj表示第j种成分在配料标准中的上限范围要求，Elj表示第j种成分在配料标准中的下限范围要求，Q表示单炉次配料量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910969664.1A CN110669963A (zh) | 2019-10-12 | 2019-10-12 | 一种铝合金熔铸配料系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910969664.1A CN110669963A (zh) | 2019-10-12 | 2019-10-12 | 一种铝合金熔铸配料系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110669963A true CN110669963A (zh) | 2020-01-10 |
Family
ID=69082048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910969664.1A Pending CN110669963A (zh) | 2019-10-12 | 2019-10-12 | 一种铝合金熔铸配料系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110669963A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111626699A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的制备方案确定方法、终端和可读存储介质 |
| CN112766815A (zh) * | 2021-02-05 | 2021-05-07 | 深圳市天圳自动化技术有限公司 | 基于全局最优算法的再生铝在线配料系统及方法 |
| CN113343567A (zh) * | 2021-05-31 | 2021-09-03 | 江西理工大学 | 一种真空熔铸生产工艺参数优化方法及系统 |
| CN113792910A (zh) * | 2021-08-16 | 2021-12-14 | 北京科技大学 | 一种铝合金自动配料方法及装置 |
| CN114913932A (zh) * | 2022-07-15 | 2022-08-16 | 北矿智云科技(北京)有限公司 | 一种配料方法、装置、电子设备和存储介质 |
| CN115564402A (zh) * | 2022-12-01 | 2023-01-03 | 深圳普菲特信息科技股份有限公司 | 一种基于大数据的智能配料称重方法、系统及介质 |
| CN116109222A (zh) * | 2023-04-10 | 2023-05-12 | 成都秦川物联网科技股份有限公司 | 产品物料配套调控的工业物联网系统、控制方法及介质 |
| CN116459731A (zh) * | 2023-04-20 | 2023-07-21 | 深圳市正泰隆科技有限公司 | 一种铝合金自动配料数据处理方法及系统 |
-
2019
- 2019-10-12 CN CN201910969664.1A patent/CN110669963A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 苏畅: "铝合金熔铸过程智能配料方法的研究" * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111626699A (zh) * | 2020-05-19 | 2020-09-04 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的制备方案确定方法、终端和可读存储介质 |
| CN112766815A (zh) * | 2021-02-05 | 2021-05-07 | 深圳市天圳自动化技术有限公司 | 基于全局最优算法的再生铝在线配料系统及方法 |
| CN113343567A (zh) * | 2021-05-31 | 2021-09-03 | 江西理工大学 | 一种真空熔铸生产工艺参数优化方法及系统 |
| CN113792910A (zh) * | 2021-08-16 | 2021-12-14 | 北京科技大学 | 一种铝合金自动配料方法及装置 |
| CN114913932A (zh) * | 2022-07-15 | 2022-08-16 | 北矿智云科技(北京)有限公司 | 一种配料方法、装置、电子设备和存储介质 |
| CN114913932B (zh) * | 2022-07-15 | 2022-10-14 | 北矿智云科技(北京)有限公司 | 一种配料方法、装置、电子设备和存储介质 |
| CN115564402A (zh) * | 2022-12-01 | 2023-01-03 | 深圳普菲特信息科技股份有限公司 | 一种基于大数据的智能配料称重方法、系统及介质 |
| CN116109222A (zh) * | 2023-04-10 | 2023-05-12 | 成都秦川物联网科技股份有限公司 | 产品物料配套调控的工业物联网系统、控制方法及介质 |
| CN116109222B (zh) * | 2023-04-10 | 2023-06-16 | 成都秦川物联网科技股份有限公司 | 产品物料配套调控的工业物联网系统、控制方法及介质 |
| CN116459731A (zh) * | 2023-04-20 | 2023-07-21 | 深圳市正泰隆科技有限公司 | 一种铝合金自动配料数据处理方法及系统 |
| CN116459731B (zh) * | 2023-04-20 | 2024-01-09 | 深圳市正泰隆科技有限公司 | 一种铝合金自动配料数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110669963A (zh) | 一种铝合金熔铸配料系统 | |
| WO2017088674A1 (zh) | 一种面向全流程生产的炼钢组批与排产方法 | |
| Dutta et al. | A survey of mathematical programming applications in integrated steel plants | |
| CN112699613B (zh) | 炼铁多目标一体化配料优化方法、系统、设备及介质 | |
| Cuartas et al. | Machine learning algorithms for the prediction of non-metallic inclusions in steel wires for tire reinforcement | |
| CN110728073A (zh) | 一种洗选配煤的多目标优化方法 | |
| CN116469481B (zh) | 一种基于XGBoost算法的LF精炼钢水成分预报方法 | |
| CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断系统 | |
| CN111899796B (zh) | 使用返回料配料的炼钢合金化过程自动配料方法 | |
| Berranger et al. | From raw iron to semi‐product: quality and circulation of materials during the Iron Age in France | |
| Spirin et al. | Complex of model systems for supporting decisions made in managing blast-furnace smelting technology | |
| CN111062571B (zh) | 一种面向铝行业的锭型选择与合同组批的集成优化方法 | |
| CN100449431C (zh) | 用于控制生产钢的设备的方法和装置 | |
| CN113240244A (zh) | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 | |
| Ramanathan | Measurement of technology at the firm level | |
| CN205200479U (zh) | 一种冶金连铸连轧自动圈样系统 | |
| CN112926828B (zh) | 一种面向中厚板产线的炼钢生产数据解析与优化排程方法 | |
| JP2009020807A (ja) | 鉄鋼製品の製造ロットの編成方法、編成装置及びそのためのコンピュータプログラム | |
| CN108660360A (zh) | 浇铸经济和快速配料系统应用技术 | |
| CN108441634B (zh) | 一种低成本、高收率生产钼铁合金的智能化高效配料方法 | |
| Hornby et al. | Mini-mill burdening for maximum efficiency and yield? | |
| Paynter et al. | Spinel-rich slag and slag inclusions from a bloomery smelting and smithing experiment with a sideritic ore | |
| JPH11217619A (ja) | スクラップの使用量比率決定システム | |
| Hartley et al. | Steelworks control of residuals | |
| JP2004059954A (ja) | 転炉吹錬制御方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100083 No. 18 clear road, Haidian District, Beijing Applicant after: China National Machinery Institute Group Beijing Electromechanical Research Institute Co.,Ltd. Address before: 100083 No. 18 clear road, Haidian District, Beijing Applicant before: BEIJING Research Institute OF MECHANICAL & ELECTRICAL TECHNOLOGY |
|
| CB02 | Change of applicant information | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200110 |
|
| WD01 | Invention patent application deemed withdrawn after publication |