CN113066655B - 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 - Google Patents
一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 Download PDFInfo
- Publication number
- CN113066655B CN113066655B CN202110324168.8A CN202110324168A CN113066655B CN 113066655 B CN113066655 B CN 113066655B CN 202110324168 A CN202110324168 A CN 202110324168A CN 113066655 B CN113066655 B CN 113066655B
- Authority
- CN
- China
- Prior art keywords
- silicon steel
- soft magnetic
- iron core
- magnetic composite
- composite iron
- 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.)
- Active
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 201
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 184
- 229910000976 Electrical steel Inorganic materials 0.000 title claims abstract description 170
- 239000002131 composite material Substances 0.000 title claims abstract description 157
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000008021 deposition Effects 0.000 claims description 81
- BOTDANWDWHJENH-UHFFFAOYSA-N Tetraethyl orthosilicate Chemical compound CCO[Si](OCC)(OCC)OCC BOTDANWDWHJENH-UHFFFAOYSA-N 0.000 claims description 41
- 238000005245 sintering Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 22
- 229910052742 iron Inorganic materials 0.000 claims description 20
- 230000006698 induction Effects 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 238000007740 vapor deposition Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000000151 deposition Methods 0.000 description 55
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000011162 core material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001755 magnetron sputter deposition Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/02—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Soft Magnetic Materials (AREA)
- Physical Vapour Deposition (AREA)
- Powder Metallurgy (AREA)
Abstract
本发明公开了一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法,属于软磁复合铁芯智能化生产技术领域。本发明的生产系统包括数据输入模块、数据分析模块、数据输出模块、通信模块、数据修正模块;生产方法为:用户通过输入模块选择目标性能参数及生产控制模式,系统生成生产过程关键参数,并由输出模块输出给用户;用户确认后形成控制指令,并发送至生产设备进行生产。本发明的系统不仅能够根据高硅钢铁芯产品的目标性能参数自动生成合理的操作条件,还能根据历史数据和产品检化结果对系统内置的关系模型不断进行优化、完善,能够有效提高产品产量和质量、减少浪费、降低成本。
Description
技术领域
本发明属于高硅钢软磁复合铁芯智能化生产技术领域,更具体地说,涉及一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法。
背景技术
世界工业正由劳动密集型生产模式切换至高效的高科技生产模式。高科技生产模式并不是一种简单的生产过程,而是全面联通产品目标性能、生产系统和智能服务的生产智能化,是全球未来工业发展的主要方向。
基于当前各国“节能减排”和“降本增效”的外部环境,电磁转换装置的使用频率必将向高频化方向发展,而高硅钢的铁损低、磁导率高、磁致伸缩系数近于零,是中高频领域(400Hz~30kHz)电磁转换装置使用的理想铁芯材料。由于高硅钢软磁复合铁芯生产过程会涉及到很多的操作条件及目标性能参数,现有很多的高硅钢软磁复合铁芯生产方法或系统的智能化水平较低,严重依赖现场人工经验操作而非有效的根据产品目标性能配置操作条件,且尚未考虑到生产过程中操作条件、产品方案本身等随外界环境条件的改变等,都会对生产过程和产品性能产生错综交织的影响,这也导致了生产效率低、生产资源浪费、生产成本高、不能对产品目标性能进行准确控制的问题,从而无法实现对高硅钢软磁复合铁芯生产过程的有效控制。
经检索,中国专利申请号为:200810116253.X,申请日为:2008年7月8日,发明创造名称为:一种采用磁控溅射连续双面共沉积工艺制高硅钢带的工业化生产系统。该申请案包括以下步骤:从低硅硅钢薄板被开卷机送入生产系统开始至制得高硅硅钢薄板结束止,生产流水线上设备的顺序为焊接机、预热室、磁控溅射室、扩散室、冷却室、卷取机。采用该申请案的技术方案可以有效实现对厚度小于0.35mm的低硅硅钢板进行硅含量为5~8wt%的沉积,制得高硅钢产品,但其生产系统的智能化水平较低,将严重依赖现场人工经验操作,且无法有效的根据产品目标性能自动配置操作条件。
发明内容
1.要解决的问题
本发明的目的在于克服现有高硅钢软磁复合铁芯生产方法或系统的智能化水平较低、生产效率低、生产成本高,且所得产品质量不稳定、难以实现对高硅钢铁芯生产过程进行有效控制的不足,提供了一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法。采用本发明的技术方案能够根据高硅钢铁芯产品的目标性能参数自动生成合理的操作条件,还能根据历史数据和产品检化结果对系统内置的流程模拟模型库中对应的关系模型不断进行优化和完善,使系统保持最佳的运行状态,直接提高产量、减少浪费、降低成本、保证质量。
2.技术方案
为了解决上述问题,本发明所采用的技术方案如下:
本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,包括数据输入模块、数据分析模块、数据输出模块、通信模块和数据修正模块,其中:
所述数据输入模块用于接收用户输入的高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式;
所述数据分析模块用于依照高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式来调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数;
所述数据输出模块用于将最终高硅钢软磁复合铁芯生产过程关键参数输出给用户,经用户确认后形成控制指令;
所述通信模块用于将形成的控制指令发送至高硅钢软磁复合铁芯生产设备;
所述数据修正模块用于将高硅钢软磁复合铁芯的性能检化结果依照沉积时间、沉积温度及气相正硅酸乙酯消耗量分别建立对应的性能控制数据库,并通过对该对应的性能控制数据库中的历史数据进行分析,修正数据分析模块中的性能关系模型。
更进一步的,所述高硅钢软磁复合铁芯生产目标性能参数包括饱和磁感应强度参数、电阻率参数、铁损参数、使用外场强度参数、使用频率参数,所述智能化生产控制模式为沉积时间智能化生产控制模式、沉积温度智能化生产控制模式、气相正硅酸乙酯消耗量智能化生产控制模式;所述流程模拟模型库中对应的关系模型包括沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型,所述高硅钢软磁复合铁芯智能化生产过程关键参数包括高硅钢粉末粒径、沉积时间、沉积温度、气相正硅酸乙酯消耗量、烧结时间、烧结压力、烧结温度;所述高硅钢软磁复合铁芯的性能检化结果包括饱和磁感应强度参数、电阻率参数、铁损参数。
更进一步的,还包括与所述智能化生产系统软连接的高硅钢软磁复合铁芯生产设备,该高硅钢软磁复合铁芯生产设备采用流态化气相沉积系统和通电加压烧结系统。
更进一步的,数据分析模块中,沉积时间性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积温度为600~700℃、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积时间:
M=198.08-0.237t
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;t为高硅钢软磁复合铁芯的沉积时间,单位为min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
更进一步的,数据分析模块中,沉积温度性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间为40~80min、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积温度:
M=(0.995-12918.5+113.19x+0.393x2+6.76×10-4x3-5.763×10-7x4+1.95×10- 10x5)×198.08
ρ=3.2×1011-1.13×109x+1.06×107x2-8.5×104x3+451.22x4-2.99x5+0.0164x6-5.65×10-5x7+1.3×10-7x8-1.81×10-10x9+1.88×10-13x10-2.17×10-16x11+9.32×10-20x12-4.1×10-23x13+9.95×10-27x14-1.12×10-30x15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;x为高硅钢软磁复合铁芯的沉积温度,单位为℃;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
更进一步的,数据分析模块中,气相正硅酸乙酯消耗量性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间40~80min、沉积温度600~700℃、烧结压力10~30Mpa、烧结时间5~15min、烧结温度850~1050℃时,根据下式进行计算,确定气相正硅酸乙酯消耗量:
M=195.167-0.0024×(n)5+6.61×10-7×(n)10-1.1×10-10(n)15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;n为气相正硅酸乙酯消耗量,ml/min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
更进一步的,数据修正模块中,对高硅钢软磁复合铁芯的性能检化结果和高硅钢软磁复合铁芯智能化生产过程关键参数进行数据分析,使用区间分析法分别得到以高硅钢软磁复合铁芯的饱和磁感应强度参数、电阻率参数、铁损参数为因变量,以沉积时间、沉积温度、气相正硅酸乙酯消耗量、使用外场强度参数、使用频率参数为自变量的回归方程,并对流程模拟模型库中沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型进行修正。
更进一步的,还包括可视化模块,其用于显示所述用户输入的高硅钢软磁复合铁芯生产目标性能参数、选择的智能化生产控制模式、和输出的高硅钢软磁复合铁芯智能化生产过程关键参数。
本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产方法,其主要步骤如下:
(1)接收用户输入的高硅钢软磁复合铁芯生产目标性能参数及选择的智能化生产控制模式;
(2)根据步骤(1)中的选择生产目标性能参数及生产控制模式,调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数;
(3)将步骤(2)中生成的过程关键参数输出给用户,经用户确认后形成控制指令,再将该控制指令发送至高硅钢软磁复合铁芯生产设备进行生产;
(4)根据步骤(3)中生产所得高硅钢软磁复合铁芯的性能检化结果,建立性能控制数据库,并通过该性能控制数据库中的数据进行分析,修正数据分析模块中的性能关系模型。
更进一步的,步骤(4)中,分别以生产的高硅钢软磁复合铁芯的沉积时间、沉积温度和气相正硅酸乙酯消耗量,建立对应的性能控制数据库,然后对历史数据进行分析后,分别修正数据分析模块中的沉积时间性能关系模型、沉积温度性能关系模型及气相正硅酸乙酯消耗量性能关系模型。
3.有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,包括数据输入模块、数据分析模块、数据输出模块、通信模块和数据修正模块,尤其是通过采用流程模拟模型库中对应的关系模型,对高硅钢铁芯产品的目标性能参数进行自动计算并生成生产关键参数,再经用户确认后即可形成控制指令并发送给高硅钢软磁复合铁芯生产设备来实现自动生产,从而解决了现有技术中高硅钢软磁复合铁芯在生产时严重依赖现场人工经验操作的问题,进而有效降低了操作人员的技术水平要求及人员成本。同时,显著提高了高硅钢软磁复合铁芯的生产效率。
(2)本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,用户可根据自身需求及实际情况选择不同智能化生产控制模式,能从沉积时间、沉积温度和气相正硅酸乙酯消耗量三个角度来生成高硅钢软磁复合铁芯生产关键参数和控制生产过程,从而可以实现减少生产时间成本、生产能源成本或生产原料成本的消耗,有效的减少了生产资源的浪费。
(3)本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,考虑到了生产过程中操作条件、产品方案自己外界环境条件的改变都会对生产过程及所得产品性能产生错综交织的影响,通过对数据修正模块进行优化,使本发明的系统能够根据生产过程中的历史性能数据和产品检化结果,对流程模拟模型库中对应的关系模型不断进行修正、优化和完善,从而使系统保持最佳的运行状态,进而保证对产品目标性能进行准确控制,提高了产品质量稳定性。此外,本发明的系统还配有具有可视功能的、简单的操作界面,方便对生产过程的监视、非常适用于现场作业和推广使用。
(4)本发明的一种自主学习的高硅钢软磁复合铁芯智能化生产方法,通过采用本发明的系统进行高硅钢软磁复合铁芯的自动化智能生产,有效提高了生产效率,避免资源浪费,并且便于对生产过程进行控制,从而有效保证了高硅钢软磁复合铁芯的质量。其次,本发明的方法在生产过程中,还可通过对数据库里的数据进行分析,自动修正性能关系模型,从而能够自动调整生产控制参数,较现有传统通过人工凭借经验进行修改而言,省事省力,精确度也更高。
附图说明
图1是本发明所述系统的结构示意图;
图2是本发明所述方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明进一步进行描述。
实施例1
如图1和图2所示,本实施例的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,包括数据输入模块、数据分析模块、数据输出模块、通信模块、数据修正模块和可视化模块,通过对整个生产系统的模块及功能进行优化设计,尤其是通过采用流程模拟模型库中对应的关系模型,对高硅钢铁芯产品的目标性能参数进行自动计算并生成生产关键参数,再经用户确认后即可形成控制指令并发送给高硅钢软磁复合铁芯生产设备来实现自动生产,从而解决了现有技术中高硅钢软磁复合铁芯在生产时严重依赖现场人工经验操作的问题,进而有效降低了操作人员的技术水平要求及人员成本,显著提高了高硅钢软磁复合铁芯的生产效率。
具体的,本实施例中所述的数据输入模块,其用于接收用户输入高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式。其中,高硅钢软磁复合铁芯生产目标性能参数包括饱和磁感应强度参数、电阻率参数、铁损参数、使用外场强度参数、使用频率参数。智能化生产控制模式为沉积时间智能化生产控制模式、沉积温度智能化生产控制模式、气相正硅酸乙酯消耗量智能化生产控制模式。
所述数据分析模块,其用于依照高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数。其中,流程模拟模型库中对应的关系模型包括沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型。高硅钢软磁复合铁芯智能化生产过程关键参数包括高硅钢粉末粒径、沉积时间、沉积温度、气相正硅酸乙酯消耗量、烧结时间、烧结压力、烧结温度。
需要说明的是,上述生产过程中关键参数的确定直接决定着所得高硅钢软磁复合铁芯的质量,申请人通过大量实验及对实验数据进行分析和计算,通过对上述的关键参数范围进行控制和优化,从而能够保证生产的产品具有较高的磁导率、低的铁损及磁致伸缩系数,进而满足电磁转换装置的使用要求。具体的,采用本发明的系统,用户可根据自身需求及实际情况选择不同智能化生产控制模式,本发明的系统设计了三种控制模式,分别如下:
1)数据分析模块中,沉积时间性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积温度为600~700℃、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积时间:
M=198.08-0.237t
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;t为高硅钢软磁复合铁芯的沉积时间,单位为min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
2)数据分析模块中,沉积温度性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间为40~80min、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积温度:
M=(0.995-12918.5+113.19x+0.393x2+6.76×10-4x3-5.763×10-7x4+1.95×10- 10x5)×198.08
ρ=3.2×1011-1.13×109x+1.06×107x2-8.5×104x3+451.22x4-2.99x5+0.0164x6-5.65×10-5x7+1.3×10-7x8-1.81×10-10x9+1.88×10-13x10-2.17×10-16x11+9.32×10-20x12-4.1×10-23x13+9.95×10-27x14-1.12×10-30x15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;x为高硅钢软磁复合铁芯的沉积温度,单位为℃;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
3)数据分析模块中,气相正硅酸乙酯消耗量性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间40~80min、沉积温度600~700℃、烧结压力10~30Mpa、烧结时间5~15min、烧结温度850~1050℃时,根据下式进行计算,确定气相正硅酸乙酯消耗量:
M=195.167-0.0024×(n)5+6.61×10-7×(n)10-1.1×10-10(n)15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;n为气相正硅酸乙酯消耗量,ml/min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz。
本发明从沉积时间、沉积温度和气相正硅酸乙酯消耗量三个角度来生成高硅钢软磁复合铁芯生产关键参数和控制生产过程,用户可以根据自己的实际需求,从上述三个控制模式中选取任一种控制模式进行生产,从而可以显著降低生产时间成本、生产能源成本或生产原料成本的消耗量,有效减少了生产资源的浪费。
所述数据输出模块,其用于将所述的最终高硅钢软磁复合铁芯生产过程关键参数输出给所述用户,所述用户确认后形成控制指令。同时,本发明的系统中还设有可视化模块,其用于显示所述用户输入的高硅钢软磁复合铁芯生产目标性能参数、选择的智能化生产控制模式、和输出的高硅钢软磁复合铁芯智能化生产过程关键参数,方便对生产过程进行监视、非常适用于现场作业和推广使用。
所述通信模块,其用于为所述控制指令发送至高硅钢软磁复合铁芯生产设备。该生产设备采用流态化气相沉积系统和通电加压烧结系统,其并与智能化生产系统软连接,从而便于本发明的系统对高硅钢软磁复合铁芯的生产过程进行控制。
此外,还需要说明的是,高硅钢软磁复合铁芯在生产过程中,操作条件、产品方案自己外界环境条件的改变都会对生产过程及所得产品性能产生错综交织的影响,因此,非常有必要站在生产智能化的角度,开发有一种能够以高硅钢软磁复合铁芯产品的目标性能参数为导向的智能化生产系统和方法,该智能化生产系统将根据高硅钢软磁复合铁芯产品的目标性能参数自动生成合理的操作条件,且能够根据历史数据和产品检化结果对系统内置的流程模拟模型库中对应的关系模型不断进行修正、优化和完善,使系统保持最佳的运行状态,只有这样才能提高产量、减少浪费、降低成本、保证质量、挖潜增效。
本发明还通过设置数据修正模块,数据修正模块用于将高硅钢软磁复合铁芯的性能检化结果依照沉积时间、沉积温度及气相正硅酸乙酯消耗量分别建立对应的性能控制数据库,并通过对该对应的性能控制数据库中的历史数据进行分析,修正数据分析模块中的性能关系模型。具体的,数据修正模块对高硅钢软磁复合铁芯的性能检化结果(性能检化结果包括饱和磁感应强度参数、电阻率参数、铁损参数)和高硅钢软磁复合铁芯智能化生产过程关键参数进行数据分析,使用区间分析法分别得到高硅钢软磁复合铁芯的饱和磁感应强度参数、电阻率参数、铁损参数为因变量、以沉积时间、沉积温度、气相正硅酸乙酯消耗量、使用外场强度参数、使用频率参数为自变量的回归方程,并对流程模拟模型库中沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型进行修正,有效保证了对产品目标性能进行准确控制,有利于提高产品质量的稳定性。
采用上述系统进行高硅钢软磁复合铁芯智能化生产的方法,其主要步骤如下:
(1)接收用户输入的高硅钢软磁复合铁芯生产目标性能参数及选择的智能化生产控制模式;
(2)根据步骤(1)中的选择生产目标性能参数及生产控制模式,调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数;
(3)将步骤(2)中生成的过程关键参数输出给用户,经用户确认后形成控制指令,再将该控制指令发送至高硅钢软磁复合铁芯生产设备进行生产;
(4)根据步骤(3)中生产所得高硅钢软磁复合铁芯的性能检化结果,建立性能控制数据库,并通过该性能控制数据库中的数据进行分析,修正数据分析模块中的性能关系模型。其具体过程为:分别以生产的高硅钢软磁复合铁芯的沉积时间、沉积温度和气相正硅酸乙酯消耗量,建立对应的性能控制数据库,然后对历史数据进行分析后,分别修正数据分析模块中的沉积时间性能关系模型、沉积温度性能关系模型及气相正硅酸乙酯消耗量性能关系模型。
Claims (6)
1.一种自主学习的高硅钢软磁复合铁芯智能化生产系统,其特征在于:包括数据输入模块、数据分析模块、数据输出模块、通信模块和数据修正模块,其中:
所述数据输入模块用于接收用户输入的高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式;所述高硅钢软磁复合铁芯生产目标性能参数包括饱和磁感应强度参数、电阻率参数、铁损参数、使用外场强度参数、使用频率参数,所述智能化生产控制模式为沉积时间智能化生产控制模式、沉积温度智能化生产控制模式、气相正硅酸乙酯消耗量智能化生产控制模式;
所述数据分析模块用于依照高硅钢软磁复合铁芯生产目标性能参数及选择智能化生产控制模式来调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数;所述流程模拟模型库中对应的关系模型包括沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型,所述高硅钢软磁复合铁芯智能化生产过程关键参数包括高硅钢粉末粒径、沉积时间、沉积温度、气相正硅酸乙酯消耗量、烧结时间、烧结压力、烧结温度;
所述沉积时间性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积温度为600~700℃、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积时间:
M=198.08-0.237t
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;t为高硅钢软磁复合铁芯的沉积时间,单位为min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz;
所述沉积温度性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间为40~80min、气相正硅酸乙酯消耗量为2~5sccm/g、烧结压力为10~30Mpa、烧结时间为5~15min、烧结温度为850~1050℃时,根据下式进行计算,确定沉积温度:
M=(0.995-12918.5+113.19x+0.393x2+6.76×10-4x3-5.763×10-7x4+1.95×10-10x5)×198.08
ρ=3.2×1011-1.13×109x+1.06×107x2-8.5×104x3+451.22x4-2.99x5+0.0164x6-5.65×10-5x7+1.3×10-7x8-1.81×10-10x9+1.88×10-13x10-2.17×10-16x11+9.32×10-20x12-4.1×10-23x13+9.95×10-27x14-1.12×10-30x15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;x为高硅钢软磁复合铁芯的沉积温度,单位为℃;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz;
所述气相正硅酸乙酯消耗量性能关系模型为生成满足所有高硅钢软磁复合铁芯生产目标性能参数,控制沉积时间40~80min、沉积温度600~700℃、烧结压力10~30Mpa、烧结时间5~15min、烧结温度850~1050℃时,根据下式进行计算,确定气相正硅酸乙酯消耗量:
M=195.167-0.0024×(n)5+6.61×10-7×(n)10-1.1×10-10(n)15
其中:M为高硅钢软磁复合铁芯的饱和磁感应强度,单位为emu/g;ρ为高硅钢软磁复合铁芯的电阻率,单位为mΩ·cm;PBm/f为高硅钢软磁复合铁芯的铁损,单位为W/kg;n为气相正硅酸乙酯消耗量,单位为ml/min;Bm为高硅钢软磁复合铁芯的使用外场强度,单位为T;f为高硅钢软磁复合铁芯的使用频率,单位为Hz;
所述数据输出模块用于将最终高硅钢软磁复合铁芯生产过程关键参数输出给用户,经用户确认后形成控制指令;
所述通信模块用于将形成的控制指令发送至高硅钢软磁复合铁芯生产设备;
所述数据修正模块用于将高硅钢软磁复合铁芯的性能检化结果依照沉积时间、沉积温度及气相正硅酸乙酯消耗量分别建立对应的性能控制数据库,并通过对该对应的性能控制数据库中的历史数据进行分析,修正数据分析模块中的性能关系模型;所述高硅钢软磁复合铁芯的性能检化结果包括饱和磁感应强度参数、电阻率参数、铁损参数。
2.根据权利要求1所述的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,其特征在于:还包括与智能化生产系统软连接的高硅钢软磁复合铁芯生产设备,该高硅钢软磁复合铁芯生产设备采用流态化气相沉积系统和通电加压烧结系统。
3.根据权利要求1-2中任一项所述的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,其特征在于:数据修正模块中,对高硅钢软磁复合铁芯的性能检化结果和高硅钢软磁复合铁芯智能化生产过程关键参数进行数据分析,使用区间分析法分别得到以高硅钢软磁复合铁芯的饱和磁感应强度参数、电阻率参数、铁损参数为因变量,以沉积时间、沉积温度、气相正硅酸乙酯消耗量、使用外场强度参数、使用频率参数为自变量的回归方程,并对流程模拟模型库中沉积时间性能关系模型、沉积温度性能关系模型、气相正硅酸乙酯消耗量性能关系模型进行修正。
4.根据权利要求1-2中任一项所述的一种自主学习的高硅钢软磁复合铁芯智能化生产系统,其特征在于:还包括可视化模块,其用于显示所述用户输入的高硅钢软磁复合铁芯生产目标性能参数、选择的智能化生产控制模式、和输出的高硅钢软磁复合铁芯智能化生产过程关键参数。
5.一种自主学习的高硅钢软磁复合铁芯智能化生产方法,其特征在于,采用如权利要求1-4中任一项所述的生产系统进行生产,主要步骤如下:
(1)接收用户输入的高硅钢软磁复合铁芯生产目标性能参数及选择的智能化生产控制模式;
(2)根据步骤(1)中的选择生产目标性能参数及生产控制模式,调取并启动流程模拟模型库中对应的关系模型,生成高硅钢软磁复合铁芯智能化生产过程关键参数;
(3)将步骤(2)中生成的过程关键参数输出给用户,经用户确认后形成控制指令,再将该控制指令发送至高硅钢软磁复合铁芯生产设备进行生产;
(4)根据步骤(3)中生产所得高硅钢软磁复合铁芯的性能检化结果,建立性能控制数据库,并通过该性能控制数据库中的数据进行分析,修正数据分析模块中的性能关系模型。
6.根据权利要求5所述的一种自主学习的高硅钢软磁复合铁芯智能化生产方法,其特征在于,步骤(4)中,分别以生产的高硅钢软磁复合铁芯的沉积时间、沉积温度和气相正硅酸乙酯消耗量,建立对应的性能控制数据库,然后对历史数据进行分析后,分别修正数据分析模块中的沉积时间性能关系模型、沉积温度性能关系模型及气相正硅酸乙酯消耗量性能关系模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324168.8A CN113066655B (zh) | 2021-03-26 | 2021-03-26 | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 |
AU2021102360A AU2021102360A4 (en) | 2021-03-26 | 2021-05-05 | Autonomous-learning high silicon steel soft magnetic composite iron core intelligent production system and production method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324168.8A CN113066655B (zh) | 2021-03-26 | 2021-03-26 | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113066655A CN113066655A (zh) | 2021-07-02 |
CN113066655B true CN113066655B (zh) | 2023-03-14 |
Family
ID=76442163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110324168.8A Active CN113066655B (zh) | 2021-03-26 | 2021-03-26 | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113066655B (zh) |
AU (1) | AU2021102360A4 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115449771A (zh) * | 2022-09-21 | 2022-12-09 | 华中科技大学 | 模具涂层生成方法、装置、设备、存储介质和程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
CN108008702A (zh) * | 2016-11-01 | 2018-05-08 | 北京明诚技术开发有限公司 | 智能化自动炼钢监控方法及系统 |
CN109741927A (zh) * | 2019-03-14 | 2019-05-10 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
CN109978287A (zh) * | 2019-05-17 | 2019-07-05 | 亚洲硅业(青海)有限公司 | 多晶硅智能生产方法及系统 |
CN111468731A (zh) * | 2020-05-28 | 2020-07-31 | 江苏精研科技股份有限公司 | 基于机器深度学习的粉末注射成型智能系统及成型工艺 |
JP2020149693A (ja) * | 2019-03-14 | 2020-09-17 | アクタピオ,インコーポレイテッド | 生成装置、生成方法および生成プログラム |
CN111738676A (zh) * | 2020-06-05 | 2020-10-02 | 天津玛斯特车身装备技术有限公司 | 一种柔性生产线作业方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096886A1 (en) * | 2003-10-31 | 2005-05-05 | Smiley Karen J. | Method for generating and using a transformer model |
CN101368246B (zh) * | 2007-08-17 | 2010-05-19 | 鞍钢股份有限公司 | 一种中薄板坯生产取向硅钢的方法 |
CN110767441B (zh) * | 2019-11-06 | 2022-04-05 | 安徽工业大学 | 一种FeSiBCr/SiO2纳米晶软磁复合铁芯的制备方法 |
-
2021
- 2021-03-26 CN CN202110324168.8A patent/CN113066655B/zh active Active
- 2021-05-05 AU AU2021102360A patent/AU2021102360A4/en not_active Ceased
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
CN108008702A (zh) * | 2016-11-01 | 2018-05-08 | 北京明诚技术开发有限公司 | 智能化自动炼钢监控方法及系统 |
CN109741927A (zh) * | 2019-03-14 | 2019-05-10 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
JP2020149693A (ja) * | 2019-03-14 | 2020-09-17 | アクタピオ,インコーポレイテッド | 生成装置、生成方法および生成プログラム |
CN109978287A (zh) * | 2019-05-17 | 2019-07-05 | 亚洲硅业(青海)有限公司 | 多晶硅智能生产方法及系统 |
CN111468731A (zh) * | 2020-05-28 | 2020-07-31 | 江苏精研科技股份有限公司 | 基于机器深度学习的粉末注射成型智能系统及成型工艺 |
CN111738676A (zh) * | 2020-06-05 | 2020-10-02 | 天津玛斯特车身装备技术有限公司 | 一种柔性生产线作业方法及系统 |
Non-Patent Citations (2)
Title |
---|
FCVD-SPS法制备高硅钢软磁复合铁芯及电磁性能研究;江志等;《粉末冶金技术》;20180627(第03期);全文 * |
鞍钢烧结生产过程综合智能控制系统;杨春雨等;《冶金自动化》;20111125(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
AU2021102360A4 (en) | 2021-06-24 |
CN113066655A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113066655B (zh) | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 | |
CN102781129B (zh) | 一种自适应电磁感应加热控制器 | |
CN105279291B (zh) | 一种面向批量加工的堆焊工艺参数优化方法 | |
CN104835012A (zh) | 一种钢铁企业生产调度管理系统及方法 | |
CN113857634A (zh) | 焊接设备中保护气体的智能控制方法 | |
CN102591285A (zh) | 一种aod炉与顶底复吹炉通用自动控制系统 | |
US20240149368A1 (en) | Split-type multifunctional underwater arc welding power supply and operating method thereof | |
CN102534456B (zh) | 一种交流电弧喷涂设备 | |
CN102989786B (zh) | 一种钢板的板形与板厚优化控制系统 | |
CN102189323A (zh) | 机器人点焊工位外电极更换方法及系统 | |
CN104014887B (zh) | 一种线切割机床的控制方法及系统 | |
CN203380030U (zh) | 一种数字化控制的逆变电弧喷涂设备 | |
CN105159097A (zh) | 炼油加热炉炉膛压力的多变量预测控制pid控制方法 | |
CN103128424A (zh) | 单点熔滴过渡热均衡数字智能电弧焊接控制方法 | |
CN203025534U (zh) | 自动化铜电解生产线控制系统 | |
CN205362945U (zh) | 大板坯火焰喷枪切割高度控制系统 | |
CN203869043U (zh) | 数控火焰切割机火焰调整装置 | |
CN104122878B (zh) | 工业节能减排控制装置的控制方法 | |
CN209710091U (zh) | 一种等离子喷涂防烧枪系统 | |
CN205989113U (zh) | 一种电子减压阀的数字化逆变等离子弧切割机 | |
CN201837904U (zh) | 高频直缝电阻焊管焊接温度智能控制系统 | |
CN207205517U (zh) | 一种手弧焊机控制系统 | |
CN218124962U (zh) | 一种用于高压气瓶生产线的红外控温装置 | |
CN105529722B (zh) | 一种电网无功功率控制方法、装置及系统 | |
CN116926455A (zh) | 一种低出渣率的热镀锌电磁撇渣器自动运行方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |