CN115725910A - 铸造用不锈钢的调配方法、装置、电子设备及存储介质 - Google Patents
铸造用不锈钢的调配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115725910A CN115725910A CN202211484585.XA CN202211484585A CN115725910A CN 115725910 A CN115725910 A CN 115725910A CN 202211484585 A CN202211484585 A CN 202211484585A CN 115725910 A CN115725910 A CN 115725910A
- Authority
- CN
- China
- Prior art keywords
- stainless steel
- percent
- waste
- distribution ratio
- data
- 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
Images
Landscapes
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本申请公开了铸造用不锈钢的调配方法、装置、电子设备及存储介质,所述方法包括:获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比;将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。通过本申请解决了现有技术中没有合适的特别是适用于小型铸造炉用的不锈钢材料,从而能够通过铸造方式提供有防腐蚀和强度需求的零部件的供给,价格低廉且质量可靠,并且对废旧不锈钢进行回收利用,发挥了二次价值。
Description
技术领域
本申请涉及到钢材的制备领域,特别是一种铸造用不锈钢的调配方法。
背景技术
现有技术中,很多零部件例如具有承载载荷较大、且有防腐需求,例如重型门铰链。这类产品采用铸造工艺,一般采用力学性能较好的碳钢作为原料进行铸造后涂防锈漆的方式进行防腐,但这样的处理通常防锈效果不佳。还有的厂家为了追求防腐效果选择用316不锈钢,由于该材料中具有较多的镍,因此其防锈效果较好,但316不锈钢材料的原料价格较高,成本难以控制,且其力学性能不及碳钢,无法适用于一些强度较大的场合。
因此,现有技术中尚没有合适的、特别是适用于小型铸造炉用的不锈钢材料。
发明内容
本申请实施例提供了一种铸造用不锈钢的调配方法、装置、存储介质,用于解决现有技术中没有没有合适的、特别是适用于小型铸造炉用的不锈钢材料。
本申请的第一个方面,提供一种铸造用不锈钢的调配方法,包括:
获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe;
将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
进一步的,所述目标组分配比数据为各个元素的质量百分比如下:
C:0.025;Si:0.6%;Mn:1.5%;P:0.026%;S:0.001%;Cr:22.5%;Ni:5%;Mo:3%;N:0.016%;Cu:1.5%;余量为Fe。
进一步的,所述初始组分配比数据为废旧不锈钢的组成元素配比,包括:
将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。
进一步的,所述将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比,包括:
将所述废旧不锈钢按照来源行业划分,对每个行业对应的废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。
进一步的,所述初始组分配比数据为废旧不锈钢的组成元素配比,包括:
获得废旧不锈钢的钢种信息和对应的回收价格;
根据所述钢种信息获得相应标准中对应的标准组分配比数据;
将所述标准组分配比数据和所述目标组分配比数据输入所述机器学习模型中,以获得调配物料信息;
根据所述调配物料信息获得调配物料价格;
根据所述回收价格和所述调配物料价格获得不同所述钢种进行铸造用不锈钢调配所需原料价格;
选择所述原料价格中低于预设值所对应的钢种为目标回收废旧不锈钢的种类;
按照所述目标回收废旧不锈钢的种类回收废旧不锈钢并获得所述废旧不锈钢的组成元素配比。
进一步的,所述目标回收不锈钢的种类为304不锈钢。
进一步的,所述所需的物料包括氮化铬、氮化铜、氮化锰、氮化铁中的一种或多种。
本发明的第二个方面,提供一种铸造用不锈钢的调配装置,包括:
组分配比数据获得模块,用于获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe;
调配物料信息获得模块,用于将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
进一步,所述组分配比数据获得模块中,所述目标组分配比数据为各个元素的质量百分比如下:
C:0.025;Si:0.6%;Mn:1.5%;P:0.026%;S:0.001%;Cr:22.5%;Ni:5%;Mo:3%;N:0.016%;Cu:1.5%;余量为Fe。
本发明的第三个方面,提供一种电子设备,包括处理器、存储器和存储在所述存储器内的计算机程序,所述计算机程序被配置为被所述处理器运行时执行本发明第一个方面所述的方法。
本发明的第三个方面,提供一种存储介质,其上存储有计算机程序,所述计算机程序用于执行本发明第一个方面所述的方法。
在本申请实施例中,采用了获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比;将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。通过本申请解决了现有技术中没有合适的特别是适用于小型铸造炉用的不锈钢材料,从而能够通过铸造方式提供有防腐蚀和强度需求的零部件的供给,价格低廉且质量可靠,并且对废旧不锈钢进行回收利用,发挥了二次价值。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的铸造用不锈钢的调配方法的流程图。
图2是根据本申请实施例的铸造用不锈钢的力-变形曲线。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
我国镍、铬资源贫乏,我国不锈钢产量小自给率不足30%,主要依靠进口。我国不锈钢废钢有很大一部分也依靠进口。但回收的不锈钢种类繁多,各种渠道、行业回收来的不锈钢的规格和成分含量各不相同,如何对回收的不锈钢进行治理从而发挥其二次价值是回收之后亟待解决的问题。不锈钢本身寿命长,废旧不锈钢价格低廉,因此,本申请的实施例提供一种采用废旧不锈钢获得兼顾价格、耐腐蚀和力学性能特别是适用于承载载荷较大的重型门铰链的制备方法。
本申请的实施例提供一种铸造用不锈钢的调配方法,如图1所示,为本申请实施例的一种铸造用不锈钢的调配方法的流程图,图中包括以下步骤:
步骤S101、获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe。
步骤S102、将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
通过上述步骤,将回收来的废旧不锈钢通过机器学习模型计算出制备具有防腐和力学性能较好的不锈钢材料所需要的调配物料信息,方便通过熔融的方式加工出目标组分配比数据,从而进行混合熔炼以铸造出符合要求的不锈钢材料。上述熔融过程,在真空熔炼炉进行,通常将废旧不锈钢和纯金属先置入真空熔炼炉内进行熔融,期间充入氮气保护,待上述金属熔化后再加入氮化合金熔融。
上述方法智能化程度高,能够适应回收不锈钢的多规格和多种成分含量的现实情况提供相应的调配物料信息,使得多种废旧不锈钢能够得到充分利用,并且最终产品质量稳定可靠。
上述机器学习模型为一神经网络,准备历史数据构成训练集、测试集和开发集来训练所述神经网络,具体所述训练集、测试集和开发集的比例为4:4:2。预先准备N个不同结构的神经网络,在输入层与输出层之间设置n个隐藏层;利用测试集在N个神经网络中进行优势筛选,利用开发集评价优势神经网络的预测效果,最终确定一神经网络。所述神经网络在训练时,采用的激活函数为ReLU函数,采用的损失函数为均方误差MES,采用的优势筛选方法为包含正则化的梯度下降。
上述配比的熔融金属通过精密铸造的方式加工获得相应产品的造型,在铸造过程中,合金中的氮和铜析出,具有较好的固溶度,且合金的防腐效果接近316不锈钢,强度优于普通的碳钢。
在某些实施例中,所述目标组分配比数据为各个元素的质量百分比如下:
C:0.025;Si:0.6%;Mn:1.5%;P:0.026%;S:0.001%;Cr:22.5%;Ni:5%;Mo:3%;N:0.016%;Cu:1.5%;余量为Fe。
将采用本发明的上述实施例中的元素的质量百分比获得的产品,进行力学性能测试,获得的力学性能记载在表1中,其中涉及到的力学变形曲线如附图1所示。
表1
由此可知,本实施例获得的产品,其具有优良的力学性能,适合作为强度较高的场合使用。并且该产品中具有较高的氮含量,其防腐效果接近316不锈钢。并且本产品的主要原料来源于回收的不锈钢,整体价格低廉,是一种较为经济的新型不锈钢产品。
在某些实施例中,由于回收不锈钢规格不能完全统一,因此,通过对不同的固件形式的不锈钢进行检测也可能不完全相同,因此通过将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。在此基础上,能够更加准确得获得相应准确的废旧不锈钢的组成元素配比,有利于在训练机器学习模型时确保数据准确,也有利于在应用该方法时能够获得准确结果。
在某些实施例中,由于废旧不锈钢的来源包括生活来源和工业来源,且不同的具体来源中因为行业不同,所用的不锈钢的规格也千差万别,而为了能够对废旧不锈钢进行相对科学的管理,需要对废旧不锈钢进行适当分类,且尽量在一次熔炼中选择同一或者成分跨度差别较小的一些废旧不锈钢共同熔炼,以方便减少废旧不锈钢在熔融后的组分组合的多样性。因此,所述将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比,包括:将所述废旧不锈钢按照来源行业划分,对每个行业对应的废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。
在某些实施例中,由于本申请实施例需要能够以低廉的价格获得性能符合要求的不锈钢材料,因此需要对原料价格进行优选,本实施例中的原料主要包括废旧不锈钢和调配物料,但同样由于不锈钢的种类繁多,各种不锈钢搭配不同的调配物料获得目标产品的调配比例也千差万别,因此本实施例提出如下搭配方案以控制获得最佳的价格。所述初始组分配比数据为废旧不锈钢的组成元素配比,包括:
第一步、获得废旧不锈钢的钢种信息和对应的回收价格;
第二步、根据所述钢种信息获得相应标准中对应的标准组分配比数据;
第三步、将所述标准组分配比数据和所述目标组分配比数据输入所述机器学习模型中,以获得调配物料信息;
第四步、根据所述调配物料信息获得调配物料价格;
第五步、根据所述回收价格和所述调配物料价格获得不同所述钢种进行铸造用不锈钢调配所需原料价格;
第六步、选择所述原料价格中低于预设值所对应的钢种为目标回收废旧不锈钢的种类;
第七步、按照所述目标回收废旧不锈钢的种类回收废旧不锈钢并获得所述废旧不锈钢的组成元素配比。
在某些实施例中,所述目标回收不锈钢的种类为304不锈钢。304不锈钢的主要来源是厨房设备、餐具、制造食品加工机械及容器等。这类不锈钢在标准中中主要成份的质量百分比如下表2:
表2
SUS 304 | C | Mn | P | S | Si | Cr | Ni |
要求,% | ≤0.08 | ≤2.00 | ≤0.045 | ≤0.030 | ≤1.00 | 18.0-20.0 | 8.0-10.5 |
对比本发明实施例中所要求的元素配比,可以发现主要需要将C含量向下调整,将铬含量向上调整,将镍含量向下调整;以及其他部分特别标称出的元素,例如比较重要的可以在工艺中增加固溶性的Cu元素等。
为了更好地调配出适合的比例,在某些实施例中,所述所需的物料包括氮化铬、氮化铜、氮化锰、氮化铁中的一种或多种。更进一步的,除了加入金属氮化物外,所述混合熔炼时还包括加入纯金属,所述纯金属包括铬、铜、锰、铁中的一种或多种。
本发明的实施例将回收的废旧不锈钢与金属氮化物混合熔炼成熔融金属,具体金属氮化物的量可以按照元素组成的要求进行调配,本申请的实施例特别适合于在小型铸造炉中实施,由于小型铸造炉的耐压性能有限,通常无法通过高压吹气通入氮气的方式进行元素调配,结合本身金属材料的组分也需要调整,因此,本实施例中选择投入固体的金属氮化物,从而实现最终整体金属元素、非金属元素的同时调整。
本申请的实施例还提供一种铸造用不锈钢的调配装置,包括:
组分配比数据获得模块,用于获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe;
调配物料信息获得模块,用于将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
上述组分配比数据获得模块中,所述目标组分配比数据为各个元素的质量百分比如下:
C:0.025;Si:0.6%;Mn:1.5%;P:0.026%;S:0.001%;Cr:22.5%;Ni:5%;Mo:3%;N:0.016%;Cu:1.5%;余量为Fe。
本申请的实施例还提供一种电子设备,包括处理器、存储器和存储在所述存储器内的计算机程序,所述计算机程序被配置为被所述处理器运行时执行上述铸造用不锈钢的调配方法。
本申请的实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序用于执行执行上述铸造用不锈钢的调配方法。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤,对应与不同的步骤可以通过不同的模块来实现。
上述程序可以运行在处理器中,或者也可以存储在存储器中(或称为计算机可读介质),计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.铸造用不锈钢的调配方法,其特征在于,包括:
获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe;
将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
2.根据权利要求1所述的方法,其特征在于,所述目标组分配比数据为各个元素的质量百分比如下:
C:0.025;Si:0.6%;Mn:1.5%;P:0.026%;S:0.001%;Cr:22.5%;Ni:5%;Mo:3%;N:0.016%;Cu:1.5%;余量为Fe。
3.根据权利要求1所述的方法,其特征在于,所述初始组分配比数据为废旧不锈钢的组成元素配比,包括:
将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。
4.根据权利要求3所述的方法,其特征在于,所述将所述废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比,包括:
将所述废旧不锈钢按照来源行业划分,对每个行业对应的废旧不锈钢熔融后测试获得所述废旧不锈钢的组成元素配比。
5.根据权利要求1所述的方法,其特征在于,所述初始组分配比数据为废旧不锈钢的组成元素配比,包括:
获得废旧不锈钢的钢种信息和对应的回收价格;
根据所述钢种信息获得相应标准中对应的标准组分配比数据;
将所述标准组分配比数据和所述目标组分配比数据输入所述机器学习模型中,以获得调配物料信息;
根据所述调配物料信息获得调配物料价格;
根据所述回收价格和所述调配物料价格获得不同所述钢种进行铸造用不锈钢调配所需原料价格;
选择所述原料价格中低于预设值所对应的钢种为目标回收废旧不锈钢的种类;
按照所述目标回收废旧不锈钢的种类回收废旧不锈钢并获得所述废旧不锈钢的组成元素配比。
6.根据权利要求1所述的方法,其特征在于,所述所述目标回收不锈钢的种类为304不锈钢。
7.根据权利要求1所述的方法,其特征在于,所述所需的物料包括氮化铬、氮化铜、氮化锰、氮化铁中的一种或多种。
8.铸造用不锈钢的调配装置,其特征在于,包括:
组分配比数据获得模块,用于获得初始组分配比数据和目标组分配比数据,所述初始组分配比数据为废旧不锈钢的组成元素配比,所述目标组分配比数据为各个元素的质量百分比如下:C:0.005-0.03%;Si:0.05~1%;Mn:0.05~2%;P:≤0.04%;S:≤0.03%;Cr:21~24%;Ni:3.5~5.5%;Mo:2.5~3.5%;N:0.08~0.2%;Cu:1~2%;余量为Fe;
调配物料信息获得模块,用于将所述第一组分配比数据和所述目标组分配比数据输入预先训练好的机器学习模型中,以获得调配物料信息,所述调配物料信息指示用于与所述废旧不锈钢混合熔炼成熔融金属并通过向精密铸造型腔中浇筑所述熔融金属形成铸造用不锈钢所需的物料的相关信息。
9.一种电子设备,其特征在于:包括处理器、存储器和存储在所述存储器内的计算机程序,所述计算机程序被配置为被所述处理器运行时执行所述权利要求1~7中任意一项所述的方法。
10.一种存储介质,其特征在于:其上存储有计算机程序,所述计算机程序用于执行所述权利要求1~7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211484585.XA CN115725910A (zh) | 2022-11-24 | 2022-11-24 | 铸造用不锈钢的调配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211484585.XA CN115725910A (zh) | 2022-11-24 | 2022-11-24 | 铸造用不锈钢的调配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115725910A true CN115725910A (zh) | 2023-03-03 |
Family
ID=85298086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211484585.XA Pending CN115725910A (zh) | 2022-11-24 | 2022-11-24 | 铸造用不锈钢的调配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115725910A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004353041A (ja) * | 2003-05-29 | 2004-12-16 | Nippon Yakin Kogyo Co Ltd | 高耐食二相ステンレス鋼 |
US20180179606A1 (en) * | 2016-12-23 | 2018-06-28 | Posco | Duplex stainless steel having excellent corrosion resistance and method for manufacturing the same |
CN111860897A (zh) * | 2020-08-05 | 2020-10-30 | 青岛特来电新能源科技有限公司 | 一种异常检测方法、装置、设备及计算机可读存储介质 |
CN112749487A (zh) * | 2020-12-29 | 2021-05-04 | 中冶赛迪工程技术股份有限公司 | 一种废钢优化配料方法、系统及其应用 |
JP2022093298A (ja) * | 2020-12-11 | 2022-06-23 | クアーズテック株式会社 | データ予測装置および石英ガラスルツボ製造システム |
CN115346363A (zh) * | 2022-06-27 | 2022-11-15 | 西安电子科技大学 | 基于神经网络的驾驶员违规预测方法 |
-
2022
- 2022-11-24 CN CN202211484585.XA patent/CN115725910A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004353041A (ja) * | 2003-05-29 | 2004-12-16 | Nippon Yakin Kogyo Co Ltd | 高耐食二相ステンレス鋼 |
US20180179606A1 (en) * | 2016-12-23 | 2018-06-28 | Posco | Duplex stainless steel having excellent corrosion resistance and method for manufacturing the same |
CN111860897A (zh) * | 2020-08-05 | 2020-10-30 | 青岛特来电新能源科技有限公司 | 一种异常检测方法、装置、设备及计算机可读存储介质 |
JP2022093298A (ja) * | 2020-12-11 | 2022-06-23 | クアーズテック株式会社 | データ予測装置および石英ガラスルツボ製造システム |
CN112749487A (zh) * | 2020-12-29 | 2021-05-04 | 中冶赛迪工程技术股份有限公司 | 一种废钢优化配料方法、系统及其应用 |
CN115346363A (zh) * | 2022-06-27 | 2022-11-15 | 西安电子科技大学 | 基于神经网络的驾驶员违规预测方法 |
Non-Patent Citations (4)
Title |
---|
李新创;栾治伟;施灿涛;: "人工智能技术在钢铁行业中的应用研究", 冶金自动化, no. 01, pages 1 - 7 * |
林辉荣;阳杨;毛小英;胡懿;: "MATLAB对原材料价格波动问题的研究", 四川化工, no. 05, pages 30 - 35 * |
王雅君;蒙秋男;: "炼钢原材料消耗成本影响因素确定与评价", 工业工程与管理, no. 04, pages 73 - 77 * |
闫忠峰;: "基于大数据的智能化自动炼钢技术", 河北冶金, no. 03, pages 22 - 26 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khalafalla et al. | Export–led growth and structural change: Evidence from Malaysia | |
Radetzki et al. | Conceptual and methodological issues | |
CN104114724A (zh) | 生产由软磁合金制成的薄带材的方法以及所得到的带材 | |
CN115725910A (zh) | 铸造用不锈钢的调配方法、装置、电子设备及存储介质 | |
Brooks | Connectivity in East Asia | |
Paraskevas et al. | Closed and open loop recycling of aluminium: a life cycle assessment perspective | |
Takeyama et al. | Dynamic material flow analysis of nickel and chromium associated with steel materials by using matrace | |
Kreitlein et al. | E| Benchmark–A Pioneering Method for Process Planning and Sustainable Manufacturing Strategies | |
Nakajima et al. | Development of multi-value circulation based on remanufacturing | |
Bhushi et al. | Analysis of poor quality cost in auto industry: A case study | |
Pereira et al. | Reducing the scrap generation by continuous improvement: A case study in the manufacture of components for the automotive industry | |
CN111524561A (zh) | 一种钢坯化学成分柔性设计方法 | |
Alonso et al. | Streamlined approach for assessing embedded consumption of lithium and cobalt in the United States | |
CN110527893A (zh) | 一种稀土合金材料及其制备方法 | |
Thomas et al. | Assessing mineral supply concentration from different perspectives through a case study of zinc | |
CN117708708B (zh) | 一种炼钢用铁合金的品质评级及推荐方法 | |
Birand | Building a greener future | |
Gahlaut | Industry recovery | |
Vilamova et al. | Selected factors of development in the field of metallurgic companies’ management. | |
CN118039009A (zh) | 一种精确控制高合金钢化学成分及钢水量的方法 | |
Kamaruddin et al. | Halal global analytic hierarchy parameters: a conceptual assessment | |
Adry | THE IMPACT OF INTERNATIONAL TRADE LIBERALIZATION ON IMPORT-EXPORT GROWTH IN FIVE ASEAN COUNTRIES | |
Kikkawa | Discussion Point 3: How Did Japan’s Economy Continuously Grow Over a Long Period? Catch-Up and Domestic Demand | |
Harter et al. | Novel Tool Steel Alloy P179-X17 made with Rapid Alloy Development for Additively Manufactured Die Inserts to be used in Aluminum Injection Molding | |
Zharkova et al. | Integration of Netherlands into Global Value Chains: View from the Perspectives of Domestic Value Added Decomposition |
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 |