CN115795983A - 线材质量控制方法、装置、设备及存储介质 - Google Patents
线材质量控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115795983A CN115795983A CN202310070741.6A CN202310070741A CN115795983A CN 115795983 A CN115795983 A CN 115795983A CN 202310070741 A CN202310070741 A CN 202310070741A CN 115795983 A CN115795983 A CN 115795983A
- Authority
- CN
- China
- Prior art keywords
- parameters
- wire
- simulation
- model
- quality
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000003908 quality control method Methods 0.000 title claims description 23
- 238000004088 simulation Methods 0.000 claims abstract description 190
- 238000000034 method Methods 0.000 claims abstract description 105
- 239000000463 material Substances 0.000 claims abstract description 97
- 238000004519 manufacturing process Methods 0.000 claims abstract description 84
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 65
- 239000010959 steel Substances 0.000 claims abstract description 65
- 238000005096 rolling process Methods 0.000 claims description 61
- 230000008569 process Effects 0.000 claims description 59
- 238000009749 continuous casting Methods 0.000 claims description 46
- 238000001816 cooling Methods 0.000 claims description 34
- 238000010438 heat treatment Methods 0.000 claims description 31
- 238000009628 steelmaking Methods 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 22
- 238000007670 refining Methods 0.000 claims description 21
- 239000000203 mixture Substances 0.000 claims description 18
- 238000007711 solidification Methods 0.000 claims description 15
- 230000008023 solidification Effects 0.000 claims description 15
- 238000005266 casting Methods 0.000 claims description 13
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims description 10
- 239000002893 slag Substances 0.000 claims description 10
- 229910052786 argon Inorganic materials 0.000 claims description 5
- 238000007664 blowing Methods 0.000 claims description 5
- 238000010079 rubber tapping Methods 0.000 claims description 5
- 238000005275 alloying Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000032683 aging Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 239000000956 alloy Substances 0.000 description 5
- 229910045601 alloy Inorganic materials 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000013078 crystal Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- FBPFZTCFMRRESA-JGWLITMVSA-N D-glucitol Chemical compound OC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO FBPFZTCFMRRESA-JGWLITMVSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 239000000498 cooling water Substances 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
- 238000013500 data storage Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Control Of Heat Treatment Processes (AREA)
Abstract
本申请是关于一种线材质量控制方法、装置、设备及存储介质，具体涉及钢铁技术领域。该方法包括：建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。基于上述技术方案，可以保障线材质量反馈的时效性，帮助产品质量进行高效提升。
Description
技术领域
本发明涉及钢铁技术领域，具体涉及一种线材质量控制方法、装置、设备及存储介质。
背景技术
为了提升线材生产的质量，有必要获取线材质量信息，并通过线材质量信息进行线材质量的控制。
相关技术中，一般采用成品离线取样检测的方法，反馈线材质量信息。
基于上述离线方式，需要较长的检测周期，线材质量信息难以及时地反馈到生产现场，时效性较差。
发明内容
本申请提供了一种线材质量控制方法、装置、设备及存储介质，该技术方案如下。
一方面，提供了线材质量控制方法，所述方法包括：
建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；
将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；
基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
又一方面，提供了一种线材质量控制装置，所述装置包括：
仿真平台建立单元，用于建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；
质量信息获取单元，用于将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；
生产参数优化单元，用于基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
又一方面，提供了一种计算机设备，所述计算机设备中包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的线材质量控制方法。
又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的线材质量控制方法。
再一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的线材质量控制方法。
本申请提供的技术方案可以包括以下有益效果：
构建了智能化的对线材全流程仿真的线材质量仿真平台，向线材质量仿真平台输入线材生产参数，即可输出仿真得到的产品质量信息，进而根据产品质量信息对线材生产参数进行优化，以使用优化后的线材生产参数提升产品质量，保障了线材质量反馈的时效性，帮助产品质量进行高效提升。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的线材质量控制方法的方法流程图。
图2是根据一示例性实施例示出的组织性能仿真模块的流程示意图。
图3是根据一示例性实施例示出的一种线材质量控制装置的结构方框图。
图4是根据一示例性实施例提供的一种计算机设备的示意图。
实施方式
下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应理解，在本申请的实施例中提到的“指示”可以是直接指示，也可以是间接指示，还可以是表示具有关联关系。举例说明，A指示B，可以表示A直接指示B，例如B可以通过A获取；也可以表示A间接指示B，例如A指示C，B可以通过C获取；还可以表示A和B之间具有关联关系。
在本申请实施例的描述中，术语“对应”可表示两者之间具有直接对应或间接对应的关系，也可以表示两者之间具有关联关系，也可以是指示与被指示、配置与被配置等关系。
本申请实施例中，“预定义”可以通过在设备（例如，包括终端设备和网络设备）中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现，本申请对于其具体的实现方式不做限定。
线材质量控制方法存在滞后性、效率低等行业难题，已成为影响产品提档升级及稳定生产的关键因素。通过数学建模及大数据分析处理技术，构建仿真平台，已成为解决时效性问题的重要手段。
现有技术存在以下局限：
1）时效性。现有技术一般采用离线方式检测线材质量，检测周期长，且检测周期还与钢种（合金含量、生产工艺）密切相关，检测信息不能及时、高效地反馈至生产现场，影响工艺优化或稳定生产。
2）智能化程度低。反馈的线材质量信息在不同钢种之间无法通用，且类似钢种之间质量信息及质量控制方法的借鉴还需开展大量的对比、分析工作，工作强度大，智能化程度低。
3）局限性。现有技术一般只提供了部分工序或部分指标的智能仿真，而线材质量受全流程多工序的影响，当前基于全流程仿真平台的线材质量控制方法尚属空白。
为解决上述问题，本申请提供了一种基于线材质量仿真平台的线材质量控制方法。本申请采用数学建模和大数据处理方法，结合实际生产数据，构建了智能化的对线材全流程仿真的线材质量仿真平台，以实现产品质量信息的实时反馈，进而根据反馈的产品质量信息开展工艺优化试验优化线材生产参数，实现线材质量控制，为稳定生产以及产品质量的提档升级提供保障。此外，通过线材质量仿真平台自学习以及智能数据库的建立、完善，可高效实现不同钢种间质量信息及质量控制手段的比对、分析，提升智能化程度。
下面，对本申请提供的技术方案进行进一步说明。
图1是根据一示例性实施例示出的线材质量控制方法的方法流程图。该方法应用于计算机设备中。如图1所示，该线材质量控制方法可以包括如下步骤：
步骤110：建立线材质量仿真平台，线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台。
在本申请实施例中，建立有线材质量仿真平台，该平台支持将线材生产全流程中的各工序进行数字仿真。
其中，线材生产全流程中的工序包括但不限于：转炉炼钢、LF精炼、连铸、加热、轧制。
可选的，线材质量仿真平台是通过信息物理系统、数字孪生和工业大数据分析技术建立的，可以打通从炼钢到轧制的全链条过程的数字化模拟，从而实现产品、工艺、质量三位一体的协同优化。
步骤120：将线材生产参数输入线材质量仿真平台，得到产品质量信息，线材生产参数是与线材生产有关的参数，产品质量信息用于描述线材质量。
在本申请实施例中，将构造的线材生产参数输入建立的线材质量仿真平台，线材质量仿真平台输出产品质量信息。
其中，线材生产参数包括但不限于如下类型的参数：材料参数、温度参数、工艺参数、设备参数、钢种参数、变形参数。
其中，产品质量信息包括但不限于如下类型的信息：晶粒度、组织类型及比例、索氏体片层间距、抗拉强度、断面收缩率。
步骤130：基于产品质量信息，对线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
在本申请实施例中，在线材质量仿真平台输出当前的线材生产参数对应的产品质量信息之后，根据产品质量信息对线材生产参数进行优化，得到优化后的线材生产参数，优化后的线材生产参数可以用于产品质量的巩固或进一步提升。
综上所述，本实施例提供的线材质量控制方法，构建了智能化的对线材全流程仿真的线材质量仿真平台，向线材质量仿真平台输入线材生产参数，即可输出仿真得到的产品质量信息，进而根据产品质量信息对线材生产参数进行优化，以使用优化后的线材生产参数提升产品质量，保障了线材质量反馈的时效性，帮助产品质量进行高效提升。
在示意性实施例中，本申请中提供的线材质量仿真平台可以包含以下仿真模块：转炉炼钢仿真模块，LF精炼仿真模块，连铸仿真模块，加热炉仿真模块，轧制仿真模块和组织性能仿真模块。基于上述仿真模块，可以将线材生产各主要工序进行数字仿真并有机结合起来，构建线材全流程质量仿真的智能平台，通过线材生产参数的简单输入，即可获得线材的产品质量信息的输出，具有周期短、效率高的特点。
具体地，线材质量仿真平台包括依次相连的如下仿真模块：
1）转炉炼钢仿真模块，用于仿真转炉炼钢过程，得到转炉炼钢材料参数。
其中，转炉炼钢材料参数指的是转炉炼钢仿真模块输出的一种材料参数。
2）LF精炼仿真模块，用于基于转炉炼钢材料参数，仿真LF精炼过程，得到精炼材料参数。
其中，精炼材料参数指的是LF精炼仿真模块输出的一种材料参数。
3）连铸仿真模块，用于基于精炼材料参数，仿真连铸工艺过程，得到连铸材料参数。
其中，连铸材料参数指的是连铸仿真模块输出的一种材料参数。
4）加热炉仿真模块，用于基于连铸材料参数，仿真炉内加热过程，得到加热炉温度参数。
其中，加热炉温度参数指的是加热炉仿真模块输出的一种温度参数。
5）轧制仿真模块，用于基于加热炉温度参数，仿真轧制过程，得到变形参数、冷却温度参数。
其中，冷却温度参数指的是轧制仿真模块输出的一种温度参数。
6）组织性能仿真模块，用于基于连铸材料参数、变形参数、加热炉温度参数、冷却温度参数，进行产品质量预测，得到产品质量信息。
下面，对各个仿真模块进行具体说明：
1）转炉炼钢仿真模块
在该模块中包括转炉模型，将设备参数、材料参数和工艺参数输入转炉模型，输出得到钢水成分随时间的变化结果、钢水温度随时间的变化结果、炉渣成分随时间的变化结果作为转炉炼钢材料参数。
其中，转炉模型包括如下模型中的至少一种：转炉钢水成分模型、转炉钢水温度模型、转炉熔渣成分模型、转炉副枪模型以及转炉出钢合金化模型。
示例性的，转炉模型计算由Visual C++编程语言进行编译计算，输入设备参数、材料参数和工艺参数，输出钢水温度和成分、炉渣成分随时间的变化结果。具体步骤为：1）基于转炉副枪模型，根据转炉氧枪参数这一设备参数计算冲击坑面积，根据铁水、废钢装入量、温度、成分等材料参数、工艺参数来计算氧的平均扩散质流，通过数值积分的方法联立求解钢水成分方程，从而通过转炉钢水成分模型得到熔池中各元素的质量随时间的变化，即钢水成分的变化计算结果。2）根据造渣料成分和加入方式，结合钢水成分的变化计算结果，通过转炉熔渣成分模型输出计算的炉渣成分。3）根据钢水温度计算方程，结合钢水成分的变化，通过转炉钢水温度模型输出计算的钢水温度随时间的变化结果。4）通过对历史数据进行统计回归计算合金元素收得率，结合加入的合金种类和数量，通过转炉出钢合金化模型计算出钢后钢水成分和温度。
2）LF精炼仿真模块
在该模块中包括精炼模型，将设备参数、包括转炉炼钢材料参数在内的材料参数和工艺参数输入精炼模型，输出得到精炼材料参数，精炼材料参数包括：钢水成分和钢水温度。
其中，精炼模型包括：温度模型、钢水成分模型、造渣模型以及吹氩模型。
示例性的，LF精炼仿真模块以转炉炼钢仿真模块所输出的转炉炼钢材料参数作为输入条件，通过分析精炼过程的物料和能量平衡关系，采用机理建模的方式，建立温度模型、钢水成分模型、造渣模型以及吹氩模型等数学计算模型，最后编译成程序模型。具体步骤为：1)通过温度模型、钢水成分模型、吹氩模型，建立包壁和包底节点温度差分方程和实时的热量物料平衡方程，并求解。2）通过温度模型、钢水成分模型、造渣模型，调用钢包热消耗理论参数、渣系形成参数、电极动态调整函数，通过Visual Studio 2010编制，采用C++编程环境编译计算，得出了各个时间节点的温度和成分，最终输出为终点的钢水成分和钢水温度。
3）连铸仿真模块
在该模块中包括连铸模型，将设备参数、包括精炼材料参数在内的材料参数和工艺参数输入连铸模型，输出得到坯料成分、凝固组织质量作为连铸材料参数。
其中，连铸模型包括：铸坯温度场模型以及铸坯凝固组织模拟模型。
示例性的，连铸工艺仿真模块包括铸坯温度场模型及铸坯凝固组织模拟模型，主要实现对铸坯温度场及凝固组织的模拟，并最终输出坯料成分、凝固组织质量。铸坯温度场模型主要是基于凝固传热的基本原理，建立方坯二维凝固传热数学模型，采用有限元法进行计算，可定量预测不同连铸有关的工艺参数（拉速、过热度、结晶器与二冷水量等）对铸坯温度场的分布及凝固的影响。铸坯凝固组织模拟模型采用元胞自动机—有限元法（CAFE）法，建立了铸坯凝固组织模拟的宏观微观耦合模型，可定量模拟分析连铸工艺参数对凝固过程中等轴晶和柱状晶的生长竞争及柱状晶—等轴晶转变(CET) 的影响。
4）加热炉仿真模块
在该模块中包括炉温仿真模型，将设备参数、包括连铸材料参数在内的材料参数和工艺参数输入钢温仿真模型，输出得到钢温曲线作为加热炉温度参数。
示例性的，加热炉仿真模块中包括钢温仿真模型，钢温仿真模型在获取设备参数、包括连铸材料参数在内的材料参数和工艺参数后，启动温度场计算，获得钢坯炉内的钢温曲线。钢温仿真模型采用二维有限差分来计算钢坯温度场，选取宽度方向的截面作为计算域，沿宽度和厚度方向进行网格划分，沿钢坯长度方向取头部、本体、尾部、黑印分别进行计算。钢温仿真模型输出为钢温曲线，可作为轧制仿真模块及组织性能预测模块的输入。
5）轧制仿真模块
在该模块中包括轧制仿真模型，将设备参数、钢种参数、温度参数和工艺参数输入轧制仿真模型，输出得到材料的变形抗力作为变形参数、冷却温度曲线作为冷却温度参数。
其中，轧制仿真模型包括：轧制温度场模型、轧制变形模型、轧后控制冷却模型。
示例性的，轧制温度场模型的仿真计算过程如下：先从算例数据库中读取仿真计算所需的输入参数，结合材料热物性参数，对轧件宽度和高度两个方向进行二维网格划分，赋予节点初始温度，判断是否进入粗轧或者中轧区轧制区，如果是，再判断是否进入轧制区，分别针对轧制区和轧机间区域计算不同的边界条件，进入粗轧或者中轧轧制区的还需要计算粗轧或中轧的变形热；如果否，再判断是否进入预精轧区，如果是，再判断是否进入轧制区，分别针对轧制区和轧机间区域计算不同的边界条件，进入预精轧轧制区的还需要计算预精轧的变形热；如果否，再判断是否进入预精轧后水箱，如果是，计算预精轧后水箱的边界条件；如果否，再判断是否进入精轧区，如果是，再判断是否进入轧制区，分别针对轧制区和轧机间区域计算不同的边界条件，进入精轧轧制区的还需要计算精轧的变形热；如果否，再判断是否进入精轧后水箱，如果是，计算精轧后水箱的边界条件；然后进行温度场二维差分计算，每道次循环此计算过程，一直到生产线出口测温仪位置计算完毕。
示例性的，轧制变形仿真模块的仿真计算过程如下：先从算例数据库中读取模拟轧制变形仿真计算所需的输入参数，然后根据温度值插值计算材料的变形抗力，建立轧辊和轧件的三维几何模型，判断是否为第一道次，如果“是”则直接进行三维网格划分，如果“否”则对前一道次的网格质量进行评估，判断是否需要重新划分网格，如果网格质量差，则对其进行网格重新划分；如果网格质量好，则继续用上一道次的网格；为有限元模型赋予边界条件，然后进行变形计算，每道次循环此计算过程，一直到最后一道次计算完毕。
示例性的，轧后控制冷却模型的仿真计算过程如下：输入设备参数和工艺参数，采用有限差分法建立线材斯太尔摩冷却线一维温度场计算模型，获得不同吐丝温度、辊道速度、风机风量、风机风速、风机开启模式、保温罩开启模式等工艺条件下，线材搭接点与非搭接点处的温度场分布，以及线材表面和芯部等关键点的温度时间历程曲线，为冷却过程组织结构演变模块提供冷却温度曲线。具体为：仿真计算开始后，先从算例数据库中读取仿真计算所需的输入参数，之后根据温度值插值计算材料的热物性参数，然后对线材直径方向进行网格划分，赋予节点初始温度，判断是否为搭接点，分别针对搭接点和非搭接点计算不同的强制对流边界条件，进行温度场差分计算，每组风冷辊道循环此计算过程，一直到最后一组辊道计算完毕。轧后控制冷却模型输出结果可以包含基本信息、温度时间历程曲线、冷速、温度分布、搭接点/非搭接点温差等五部分内容。
6）组织性能仿真模块
在该模块中包括组织性能仿真模型，将设备参数、钢种参数、工艺参数、变形参数、加热炉温度参数、冷却温度参数、包括连铸材料参数在内的材料参数输入组织性能仿真模型，输出得到晶粒度、组织类型及比例、索氏体片层间距、抗拉强度、断面收缩率作为产品质量信息。
其中，组织性能仿真模型包括：晶粒长大模块、组织演变模块、冷却相变模块和性能预测模块。
组织性能仿真采用材料基因工程技术，通过材料的热力学/动力学计算、相场模拟和性能预测，实现其合金成分、热处理工艺、微观组织结构和宏观力学性能的调控及优化，为实际生产提供指导。组织性能仿真包括晶粒长大模块、组织演变模块、冷却相变模块和性能预测模块。
上述组织性能仿真模型中的各个模块的处理流程可以参考图2所示：
晶粒长大模块，该模块将合金成分、连铸仿真模块、加热炉仿真模块作为输入来源，输出得到平均晶粒分布、晶粒尺寸分布，输出信息的去向包括组织演变模块以及仿真平台。
组织演变模块，该模块将连铸仿真模块、晶粒长大模块、轧制仿真模块、热力学数据库、动力学数据库作为输入来源，输出得到轧后晶粒尺寸、微观组织模拟图，输出信息的去向包括冷却相变模块、性能预测模块以及仿真平台。
冷却相变模块，该模块将连铸仿真模块、组织演变模块、冷却温度场模块、热力学数据库、动力学数据库作为输入来源，输出得到相组成、索式体团尺寸、索式体片层间距以及微观组织模拟图，输出信息的去向包括性能预测模块以及仿真平台。
性能预测模块，该模块将连铸仿真模块、组织演变模块、冷却相变模块、仿真平台作为输入来源，输出得到抗拉强度、断面收缩率，输出信息的去向包括仿真平台。
综上所述，本申请实施例从转炉炼钢出发，采用数学建模和大数据分析处理技术，构建了转炉炼钢、精炼、连铸、加热炉、轧制和组织性能仿真等模块，并以材料参数、工艺参数等线材生产参数作为输入，结合实际生产流程，将各模块有机结合起来，形成完善的线材质量仿真平台，实现产品、工艺、质量三位一体的协同优化。
为解决现有的线材质量控制方法存在的滞后性、局限性及智能化程度低的问题，本申请实施例中利用数学建模和大数据分析处理技术，结合历史生产数据，综合考虑材料参数、工艺参数、设备参数及环境参数等对线材质量控制的影响，科学设定初始条件和边界条件，对模型进行求解，并采用计算机语言，构建了高可靠度、智能化线材质量仿真平台。在线材质量仿真平台中输入材料参数、工艺参数等线材生产参数，快速获得产品质量信息，根据产品质量信息反馈，高效开展工艺优化，巩固或进一步提升产品质量。
根据本申请实施例提供的技术方案，有益效果至少在于：
1、基于数学建模和大数据分析处理技术，结合设备参数和历史生产数据，构建高可靠度、智能化线材质量仿真平台；以材料参数和工艺参数作为平台的输入，可实现线材质量信息的快速反馈，解决了线材质量反馈存在滞后性的难题。
2、基于线材质量仿真平台，可高效开展生产工艺优化工作，提升产品质量；解决了现有线材质量控制方法存在的工艺优化周期长、产品质量波动大的难题。
3、仿真平台数据库可为新产品的工艺制订及产品质量控制提供数据支撑，解决了现有技术试验强度大、周期长，效率低的难题，可显著缩短新品研发周期。
需要说明的是，上述方法实施例可以单独实施例，也可以组合实施，本申请对此不加以限制。
图3是根据一示例性实施例示出的一种线材质量控制装置的结构方框图。所述装置包括：
仿真平台建立单元301，用于建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；
质量信息获取单元302，用于将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；
生产参数优化单元303，用于基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
在一种可能的确定方式中，所述线材质量仿真平台包括依次相连的如下仿真模块：
转炉炼钢仿真模块，用于仿真转炉炼钢过程，得到转炉炼钢材料参数；
LF精炼仿真模块，用于基于所述转炉炼钢材料参数，仿真LF精炼过程，得到精炼材料参数；
连铸仿真模块，用于基于所述精炼材料参数，仿真连铸工艺过程，得到连铸材料参数；
加热炉仿真模块，用于基于所述连铸材料参数，仿真炉内加热过程，得到加热炉温度参数；
轧制仿真模块，用于基于所述加热炉温度参数，仿真轧制过程，得到变形参数、冷却温度参数；
组织性能仿真模块，用于基于所述连铸材料参数、所述变形参数、所述加热炉温度参数、所述冷却温度参数，进行产品质量预测，得到所述产品质量信息。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、材料参数和工艺参数输入转炉模型，输出得到钢水成分随时间的变化结果、钢水温度随时间的变化结果、炉渣成分随时间的变化结果作为所述转炉炼钢材料参数；
其中，转炉模型包括如下模型中的至少一种：转炉钢水成分模型、转炉钢水温度模型、转炉熔渣成分模型、转炉副枪模型以及转炉出钢合金化模型。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、包括所述转炉炼钢材料参数在内的材料参数和工艺参数输入精炼模型，输出得到所述精炼材料参数，所述精炼材料参数包括：钢水成分和钢水温度；
其中，所述精炼模型包括：温度模型、钢水成分模型、造渣模型以及吹氩模型。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、包括所述精炼材料参数在内的材料参数和工艺参数输入连铸模型，输出得到坯料成分、凝固组织质量作为所述连铸材料参数；
其中，所述连铸模型包括：铸坯温度场模型以及铸坯凝固组织模拟模型。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、包括所述连铸材料参数在内的材料参数和工艺参数输入钢温仿真模型，输出得到钢温曲线作为所述加热炉温度参数。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、钢种参数、所述温度参数和工艺参数输入轧制仿真模型，输出得到材料的变形抗力作为所述变形参数、冷却温度曲线作为所述冷却温度参数；
其中，所述轧制仿真模型包括：轧制温度场模型、轧制变形模型、轧后控制冷却模型。
在一种可能的实现方式中，所述质量信息获取单元302，用于：
将设备参数、钢种参数、工艺参数、所述变形参数、所述加热炉温度参数、所述冷却温度参数、包括所述连铸材料参数在内的材料参数输入组织性能仿真模型，输出得到晶粒度、组织类型及比例、索氏体片层间距、抗拉强度、断面收缩率作为所述产品质量信息；
其中，所述组织性能仿真模型包括：晶粒长大模块、组织演变模块、冷却相变模块和性能预测模块。
需要说明的是：上述实施例提供的线材质量控制装置，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将设备的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
请参阅图4，其是根据本申请一示例性实施例提供的一种计算机设备的示意图，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的线材质量控制方法。
其中，处理器可以为中央处理器（Central Processing Unit，CPU）。处理器还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施方式中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一示例性实施例中，还提供了一种计算机可读存储介质，用于存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行以实现上述方法中的全部或部分步骤。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘（Compact Disc Read-Only Memory，CD-ROM）、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (11)
1.一种线材质量控制方法，其特征在于，所述方法包括：
建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；
将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；
基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
2.根据权利要求1所述的方法，其特征在于，所述线材质量仿真平台包括依次相连的如下仿真模块：
转炉炼钢仿真模块，用于仿真转炉炼钢过程，得到转炉炼钢材料参数；
LF精炼仿真模块，用于基于所述转炉炼钢材料参数，仿真LF精炼过程，得到精炼材料参数；
连铸仿真模块，用于基于所述精炼材料参数，仿真连铸工艺过程，得到连铸材料参数；
加热炉仿真模块，用于基于所述连铸材料参数，仿真炉内加热过程，得到加热炉温度参数；
轧制仿真模块，用于基于所述加热炉温度参数，仿真轧制过程，得到变形参数、冷却温度参数；
组织性能仿真模块，用于基于所述连铸材料参数、所述变形参数、所述加热炉温度参数、所述冷却温度参数，进行产品质量预测，得到所述产品质量信息。
3.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述转炉炼钢仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、材料参数和工艺参数输入转炉模型，输出得到钢水成分随时间的变化结果、钢水温度随时间的变化结果、炉渣成分随时间的变化结果作为所述转炉炼钢材料参数；
其中，转炉模型包括如下模型中的至少一种：转炉钢水成分模型、转炉钢水温度模型、转炉熔渣成分模型、转炉副枪模型以及转炉出钢合金化模型。
4.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述LF精炼仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、包括所述转炉炼钢材料参数在内的材料参数和工艺参数输入精炼模型，输出得到所述精炼材料参数，所述精炼材料参数包括：钢水成分和钢水温度；
其中，所述精炼模型包括：温度模型、钢水成分模型、造渣模型以及吹氩模型。
5.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述连铸仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、包括所述精炼材料参数在内的材料参数和工艺参数输入连铸模型，输出得到坯料成分、凝固组织质量作为所述连铸材料参数；
其中，所述连铸模型包括：铸坯温度场模型以及铸坯凝固组织模拟模型。
6.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述加热炉仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、包括所述连铸材料参数在内的材料参数和工艺参数输入钢温仿真模型，输出得到钢温曲线作为所述加热炉温度参数。
7.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述轧制仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、钢种参数、所述温度参数和工艺参数输入轧制仿真模型，输出得到材料的变形抗力作为所述变形参数、冷却温度曲线作为所述冷却温度参数；
其中，所述轧制仿真模型包括：轧制温度场模型、轧制变形模型、轧后控制冷却模型。
8.根据权利要求2所述的方法，其特征在于，在所述线材质量仿真平台包括所述组织性能仿真模块的情况下，所述将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，包括：
将设备参数、钢种参数、工艺参数、所述变形参数、所述加热炉温度参数、所述冷却温度参数、包括所述连铸材料参数在内的材料参数输入组织性能仿真模型，输出得到晶粒度、组织类型及比例、索氏体片层间距、抗拉强度、断面收缩率作为所述产品质量信息；
其中，所述组织性能仿真模型包括：晶粒长大模块、组织演变模块、冷却相变模块和性能预测模块。
9.一种线材质量控制装置，其特征在于，所述装置包括：
仿真平台建立单元，用于建立线材质量仿真平台，所述线材质量仿真平台是将线材生产全流程中的各工序进行数字仿真的平台；
质量信息获取单元，用于将线材生产参数输入所述线材质量仿真平台，得到产品质量信息，所述线材生产参数是与线材生产有关的参数，所述产品质量信息用于描述线材质量；
生产参数优化单元，用于基于所述产品质量信息，对所述线材生产参数进行优化，优化后的线材生产参数用于生产得到产品质量提升的线材。
10.一种计算机设备，其特征在于，所述计算机设备中包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一所述的线材质量控制方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的线材质量控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310070741.6A CN115795983A (zh) | 2023-01-29 | 2023-01-29 | 线材质量控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310070741.6A CN115795983A (zh) | 2023-01-29 | 2023-01-29 | 线材质量控制方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115795983A true CN115795983A (zh) | 2023-03-14 |
Family
ID=85430145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310070741.6A Pending CN115795983A (zh) | 2023-01-29 | 2023-01-29 | 线材质量控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115795983A (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101966570A (zh) * | 2009-07-27 | 2011-02-09 | 中冶赛迪工程技术股份有限公司 | 一种连铸实体仿真及虚拟实现平台 |
| CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
| CN106649986A (zh) * | 2016-11-10 | 2017-05-10 | 燕山大学 | 一种基于procast仿真平台对铜管水平连铸参数最优化匹配方法 |
| CN109459998A (zh) * | 2019-01-07 | 2019-03-12 | 江苏沙钢高科信息技术有限公司 | 钢铁生产过程监控报警系统和方法 |
| CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
| CN110669981A (zh) * | 2019-10-02 | 2020-01-10 | 江苏省沙钢钢铁研究院有限公司 | 一种钒硼复合微合金化帘线钢盘条及其生产方法 |
| CN110955956A (zh) * | 2019-11-07 | 2020-04-03 | 北京科技大学 | 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统 |
| CN111424210A (zh) * | 2020-03-31 | 2020-07-17 | 江苏省沙钢钢铁研究院有限公司 | 焊丝用热轧盘条及其生产方法 |
| CN112384924A (zh) * | 2018-07-26 | 2021-02-19 | 西门子股份公司 | 产品性能预测模型的建立方法和装置、计算机设备、计算机可读存储介质、产品性能预测方法及预测系统 |
| CN113255216A (zh) * | 2021-05-24 | 2021-08-13 | 中冶赛迪重庆信息技术有限公司 | 一种炼钢生产调度方法、系统、介质及电子终端 |
| CN113333474A (zh) * | 2021-04-27 | 2021-09-03 | 山东钢铁股份有限公司 | 一种基于数字孪生的带钢热轧板形控制方法和系统 |
| CN113684415A (zh) * | 2021-07-09 | 2021-11-23 | 江苏沙钢集团有限公司 | 一种6mmEH36钢及其制造方法 |
| CN114565314A (zh) * | 2022-03-09 | 2022-05-31 | 武汉科技大学 | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 |
| CN114717377A (zh) * | 2022-03-23 | 2022-07-08 | 张家港宏昌钢板有限公司 | 连铸型厚钢板及其生产方法 |
| CN115049228A (zh) * | 2022-05-30 | 2022-09-13 | 中冶华天南京工程技术有限公司 | 一种炼钢-连铸区段物流仿真智慧系统的构建方法 |
| CN115074604A (zh) * | 2022-08-11 | 2022-09-20 | 江苏省沙钢钢铁研究院有限公司 | 弹簧钢线材及其生产方法 |
| CN115098922A (zh) * | 2022-06-27 | 2022-09-23 | 中冶华天工程技术有限公司 | 一种基于模块化设计的炼钢-连铸物流仿真模型快速构建方法 |
| CN115186555A (zh) * | 2022-07-18 | 2022-10-14 | 深圳市鹏翔运达机械科技有限公司 | 基于数字孪生的干燥设备实况仿真方法及相关设备 |
-
2023
- 2023-01-29 CN CN202310070741.6A patent/CN115795983A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101966570A (zh) * | 2009-07-27 | 2011-02-09 | 中冶赛迪工程技术股份有限公司 | 一种连铸实体仿真及虚拟实现平台 |
| CN102831269A (zh) * | 2012-08-16 | 2012-12-19 | 内蒙古科技大学 | 一种流程工业过程工艺参数的确定方法 |
| CN106649986A (zh) * | 2016-11-10 | 2017-05-10 | 燕山大学 | 一种基于procast仿真平台对铜管水平连铸参数最优化匹配方法 |
| CN112384924A (zh) * | 2018-07-26 | 2021-02-19 | 西门子股份公司 | 产品性能预测模型的建立方法和装置、计算机设备、计算机可读存储介质、产品性能预测方法及预测系统 |
| CN109459998A (zh) * | 2019-01-07 | 2019-03-12 | 江苏沙钢高科信息技术有限公司 | 钢铁生产过程监控报警系统和方法 |
| CN110347056A (zh) * | 2019-06-19 | 2019-10-18 | 北京航天智造科技发展有限公司 | 生产线仿真平台及仿真方法 |
| CN110669981A (zh) * | 2019-10-02 | 2020-01-10 | 江苏省沙钢钢铁研究院有限公司 | 一种钒硼复合微合金化帘线钢盘条及其生产方法 |
| CN110955956A (zh) * | 2019-11-07 | 2020-04-03 | 北京科技大学 | 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统 |
| CN111424210A (zh) * | 2020-03-31 | 2020-07-17 | 江苏省沙钢钢铁研究院有限公司 | 焊丝用热轧盘条及其生产方法 |
| CN113333474A (zh) * | 2021-04-27 | 2021-09-03 | 山东钢铁股份有限公司 | 一种基于数字孪生的带钢热轧板形控制方法和系统 |
| CN113255216A (zh) * | 2021-05-24 | 2021-08-13 | 中冶赛迪重庆信息技术有限公司 | 一种炼钢生产调度方法、系统、介质及电子终端 |
| CN113684415A (zh) * | 2021-07-09 | 2021-11-23 | 江苏沙钢集团有限公司 | 一种6mmEH36钢及其制造方法 |
| CN114565314A (zh) * | 2022-03-09 | 2022-05-31 | 武汉科技大学 | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 |
| CN114717377A (zh) * | 2022-03-23 | 2022-07-08 | 张家港宏昌钢板有限公司 | 连铸型厚钢板及其生产方法 |
| CN115049228A (zh) * | 2022-05-30 | 2022-09-13 | 中冶华天南京工程技术有限公司 | 一种炼钢-连铸区段物流仿真智慧系统的构建方法 |
| CN115098922A (zh) * | 2022-06-27 | 2022-09-23 | 中冶华天工程技术有限公司 | 一种基于模块化设计的炼钢-连铸物流仿真模型快速构建方法 |
| CN115186555A (zh) * | 2022-07-18 | 2022-10-14 | 深圳市鹏翔运达机械科技有限公司 | 基于数字孪生的干燥设备实况仿真方法及相关设备 |
| CN115074604A (zh) * | 2022-08-11 | 2022-09-20 | 江苏省沙钢钢铁研究院有限公司 | 弹簧钢线材及其生产方法 |
Non-Patent Citations (1)
| Title |
|---|
| 武秀琪: "基于大数据的高速线材生产线在线质量分析平台的开发与应用" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447346B (zh) | 基于灰色预测与神经网络组合模型转炉氧耗量预测方法 | |
| Wang et al. | Applying input variables selection technique on input weighted support vector machine modeling for BOF endpoint prediction | |
| CN109252009A (zh) | 基于正则化极限学习机的转炉炼钢终点锰含量预测方法 | |
| Sergeevna et al. | Integrated system structure of intelligent management support of multistage metallurgical processes | |
| CN109359723A (zh) | 基于改进正则化极限学习机的转炉终点锰含量预测方法 | |
| CN106834593A (zh) | 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法 | |
| CN102766728A (zh) | 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置 | |
| EP2935633A1 (de) | Verfahren und vorrichtung zur vorhersage, steuerung und/oder regelung von stahlwerksprozessen | |
| Kubat et al. | Bofy-fuzzy logic control for the basic oxygen furnace (BOF) | |
| Xin et al. | Modeling of LF refining process: A review | |
| CN101905239A (zh) | 一种40Cr线棒材力学性能预报系统 | |
| CN115795983A (zh) | 线材质量控制方法、装置、设备及存储介质 | |
| CN110059940B (zh) | 一种炼钢-连铸界面衔接节能方法及系统 | |
| CN111931898B (zh) | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 | |
| CN103276136A (zh) | 一种基于副枪系统的转炉炼钢钢水定磷方法 | |
| CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
| Terpák et al. | The Mathematical Model for Indirect Measurement of Carbon Concentration in the Steelmaking Process and its Utilization in Process Control | |
| Mariiash et al. | Model predictive control application in the energy saving technology of basic oxygen furnace | |
| CN116083680B (zh) | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 | |
| CN116663774A (zh) | 一种基于数字孪生的转炉工艺评价方法和系统 | |
| JP2019077931A (ja) | 精錬設備内部の状態予測方法及び状態予測装置 | |
| CN117688757A (zh) | 一种基于人工智能和冶金机理的转炉炼钢控制系统及方法 | |
| Wendelstorf | Analysis of the EAF operation by process modeling | |
| Kornet et al. | Nonparametric Algorithm to Control the Temperature Regime of the Metal at BOF–CCM Section | |
| RU2652663C2 (ru) | Способ управления процессом продувки конвертерной плавки с использованием информации отходящих газов |
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 |
Application publication date: 20230314 |
|
| RJ01 | Rejection of invention patent application after publication |