TW202307608A - 加熱爐的爐溫設定值的優化方法 - Google Patents
加熱爐的爐溫設定值的優化方法 Download PDFInfo
- Publication number
- TW202307608A TW202307608A TW110128804A TW110128804A TW202307608A TW 202307608 A TW202307608 A TW 202307608A TW 110128804 A TW110128804 A TW 110128804A TW 110128804 A TW110128804 A TW 110128804A TW 202307608 A TW202307608 A TW 202307608A
- Authority
- TW
- Taiwan
- Prior art keywords
- temperature
- rough rolling
- furnace
- billet
- steel
- Prior art date
Links
Images
Landscapes
- Control Of Heat Treatment Processes (AREA)
- Control Of Temperature (AREA)
Abstract
一種加熱爐的爐溫設定值的優化方法,包括:(a) 建立粗軋出口溫度預測模型,粗軋出口溫度預測模型用以預測第一鋼胚在加熱爐透過第一爐溫設定值進行加熱並透過具有多個粗軋參數的粗軋製程進行軋延後的粗軋出口溫度; (b) 透過最佳化演算法對第二鋼胚的目標粗軋出口溫度利用粗軋出口溫度預測模型進行運算,以得到對應目標粗軋出口溫度所需設定的加熱爐的第二爐溫設定值。
Description
本發明係關於加熱爐的爐溫設定值的優化方法,特別是關於一種對鋼胚進行加熱的加熱爐的爐溫設定值的優化方法。
一般鋼板及條鋼等鋼材產品是透過對鋼胚加熱後進行軋延等製程形成。通常,在進行熱軋的過程中,會先將鋼胚送至加熱爐進行加熱,然後再對經加熱的鋼胚依序透過粗軋裝置、精軋裝置進行軋延處理,最後再透過盤捲裝置將經軋延的鋼材盤捲成鋼捲,並經過調質、剪切、檢驗、稱重、包裝、標記等作業後而成為成品。然而,在進行精軋之前,對於鋼胚於粗軋後的溫度(粗軋出口溫度,或者是精軋入口溫度)的精確度要求很高。換言之,粗軋出口溫度會大幅度地影響鋼胚在精軋後的品質(例如厚度、均勻度等),而鋼胚的粗軋出口溫度則是由鋼胚在加熱爐的溫度分布、在加熱爐的時間、鋼胚成份、粗軋製程參數等參數影響,因此要準確地控制鋼胚的粗軋出口溫度是非常困難的。
現行控制粗軋出口溫度的方法為整理歷史資料,分析鋼胚的出爐溫度(加熱出口溫度)與粗軋後鋼帶溫帶(粗軋出口溫度)的溫降程度,依此溫降幅度設定鋼胚的出爐目標溫度。然而,由於加熱爐爐溫配置所影響的鋼胚溫度分布是實時變化的,將造成此溫降幅度的變化,常導致鋼胚的實際粗軋出口溫度與精軋所要求的溫度有一定的誤差,進而使得鋼材成品無法滿足需求而需要進一步處理所產生的成本增加。
因此,如何準確地控制鋼胚的粗軋出口溫度乃此領域技術人員所關心的議題。
本發明之一目的在於提供一種加熱爐的爐溫設定值的優化方法,以準確地控制鋼胚的粗軋出口溫度。
為達上述之目的,本發明提供一種加熱爐的爐溫設定值的優化方法,其中加熱爐的爐溫設定值係決定鋼胚於加熱爐進行加熱後再進行粗軋製程所得到的粗軋出口溫度,所述方法包括:(a) 建立粗軋出口溫度預測模型,粗軋出口溫度預測模型用以在給定第一鋼胚的第一尺寸與第一成份、加熱爐的第一爐溫設定值與複數個粗軋參數的情況下預測鋼胚在加熱爐透過第一爐溫設定值進行加熱並透過具有該些粗軋參數的粗軋製程進行軋延後的粗軋出口溫度;以及(b) 透過最佳化演算法對具有第二尺寸與第二成份的第二鋼胚的目標粗軋出口溫度利用粗軋出口溫度預測模型進行運算,以得到對應目標粗軋出口溫度所需設定的加熱爐的第二爐溫設定值。
根據本發明的一些實施例,鋼胚溫度計算方法包括:(a11) 對在加熱爐內的每個鋼胚計算在加熱爐的剩餘時間;以及(a12) 將每個鋼胚在加熱爐的剩餘時間代入熱傳方程式進行計算以得到對應各個鋼胚的溫度分布與加熱出口溫度。
根據本發明的一些實施例,步驟(a11)包括:以式(2)計算每個鋼胚在該加熱爐的平均速度(V
avg,z),
…… (2)
以式(3)計算每個鋼胚在該加熱爐的剩餘時間(tR
j),
…… (3)
其中,z為在z子區內的鋼胚數量,j
z為z子區出爐的鋼胚指標,w為鋼胚權重,P
dis為加熱爐的出口位置,P
j為鋼胚在加熱爐的位置。
根據本發明的一些實施例,步驟(a12)包括:以式(5)、式(6) 、式(7) 計算以得到各個鋼胚在該加熱爐的相應位置的溫度以得到各個鋼胚的溫度分布與加熱出口溫度,
…… (5)
…… (6)
…… (7)
其中,ρ為鋼胚密度,C為鋼胚比熱,k為鋼胚熱傳導係數,x為鋼胚寬度,y為鋼胚厚度,t為剩餘在爐時間,Ф
z為等效熱傳係,TF
z,u為上爐溫度設定值,TF
z,l為下爐溫度設定值。
根據本發明的一些實施例,步驟(a3)包括:利用大數據分析對對應於該些第三鋼胚的該些粗軋出口溫度、該些第三鋼胚的尺寸與成份、對應該些粗軋出口溫度的該些粗軋參數、該些第三鋼胚的該些溫度分布與該些加熱出口溫度、以及該些第三爐溫設定值進行分析以建立粗軋出口溫度預測模型。
根據本發明的一些實施例,建立好的該粗軋出口溫度預測模型還利用機器學習進行訓練以提供預測的準確度。
根據本發明的一些實施例,大數據分析包括Hadoop MapReduce與Spark。
根據本發明的一些實施例,最佳化演算法包括基因演算法、序列二次規畫法、及模式搜尋法。
根據本發明的一些實施例,粗軋參數包括軋延道次、噴水道次、及除鏽道次。
透過上述方法,對不同的鋼胚的尺寸與成份、加熱出口溫度、溫度分布、粗軋參數等參數與粗軋出口溫度的關係進行分析以建立粗軋出口溫度預測模型。另外,還利用熱傳方法建構鋼胚於加熱爐內的鋼胚溫度計算模型(亦即,鋼胚溫度計算方法)。然後,將此二模型整合於爐控系統中,藉由計算不同爐溫設定值的配置時鋼胚的溫度分布,代入粗軋後鋼帶溫度預測模型以預測鋼帶粗軋後溫度,藉由其與目標值的差異,實時調控爐溫,以提高所需的鋼帶的粗軋出口溫度的精確度,以提升整體的製程品質。
為了讓本發明之上述及其他目的、特徵、優點能更明顯易懂,下文將特舉本發明較佳實施例,並配合所附圖式,作詳細說明如下。
請參照第1圖,第1圖是根據本發明一些實施例繪示的一種加熱爐的爐溫設定值的優化方法100的流程圖,其中加熱爐的爐溫設定值係決定鋼胚於加熱爐進行加熱後再進行粗軋製程所得到的粗軋出口溫度。簡單來說,在給定鋼胚的一目標粗軋出口溫度的情況下,透過優化方法100可得到加熱爐所需的爐溫設定值以使得鋼胚在經由所述爐溫設定值加熱再經由粗軋製程進行軋延後可得到期望的目標粗軋出口溫度。優化方法100主要分成二個階段,分別由步驟S110與步驟S130所示。在步驟110中,建立一粗軋出口溫度預測模型。粗軋出口溫度預測模型用以在給定一第一鋼胚的尺寸與成份、加熱爐的爐溫設定值與多個粗軋參數的情況下預測第一鋼胚在經由加熱爐加熱再透過具有所述粗軋參數的粗軋製程軋延後的粗軋出口溫度。接著,在步驟130中,透過最佳化演算法對第二鋼胚的目標粗軋出口溫度利用粗軋出口溫度預測模型進行運算,以得到對應所述目標粗軋出口溫度所需設定的加熱爐的爐溫設定值,以下將分別詳細敘述這二個步驟如何具體實施。
請參照第2圖,第2圖是根據本發明一些實施例繪示的第1圖的方法100中的步驟S110的流程圖。首先,在步驟S111中,透過鋼胚溫度計算方法得到多個鋼胚於加熱爐在不同爐溫設定值的情況下的多個溫度分布以及多個加熱出口溫度,其中這些鋼胚具有不同的尺寸及/或成份。需注意的是,一般來說,在熱軋過程中,鋼胚於加熱爐內的溫度分布以及鋼胚從加熱爐出去的溫度(加熱出口溫度)是不可進行量測而得到的,只有在進入加熱爐前(加熱入口溫度)以及經過粗軋製程後的溫度(出軋出口溫度)是可以量測而得到的。然而,鋼胚於加熱爐內的溫度分布以及加熱出口溫度卻是影響鋼胚的粗軋出口溫度的重要參數,因此需要對鋼胚在加熱爐內的溫度變化以及出口溫度進行計算(預測)。
請一併參照第3圖,第3圖是根據本發明一些實施例繪示的鋼胚溫度計算方法200的流程圖。首先,在步驟S210中,對在加熱爐內的每個鋼胚計算在加熱爐的剩餘時間(剩餘在爐時間),也就是每個鋼胚還有多少時間就要離開加熱爐。假設每個鋼胚的移動速度(Vj)以式(1)表示:
…… (1)
其中,P
j為j鋼胚目前的位置,P
z,in為在z子區的入口位置,tE
j,z為鋼胚j目前在z子區的實際在爐時間(亦即,鋼胚j進到z子區後的時間,跟剩餘時間相反)。
這裡須說明的是,一般來說,加熱爐可具有好幾個子區,從入口到出口可依序例如為預熱區、加熱區、均溫區等等,根據不同的情況可以有一個或二個以上的加熱區,每個子區於傳送鋼胚的輸送帶上方跟下方都設有加熱器以對鋼胚的上下表面進行加熱,而所謂的爐溫設定值即這些加熱器的溫度設定值。值得一提的是,本發明的方法特別是針對鋼胚於加熱爐的均溫區以及均溫區的前一個加熱區的溫度分布情況,因為通常這二區的加熱情況對於粗軋出口溫度的影響較大。
另外,在加熱爐內會有依序進入的多個鋼胚。由於要等到一個鋼胚完成粗軋製程後,才會從加熱爐內拉出一個新的鋼胚(在前一個鋼胚未完成軋延時會待在均溫區保持溫度)進行軋延,因此每個鋼胚在加熱爐的每個階段速度都會視前面的鋼胚的軋延速度而不同,進而影響每個鋼胚的剩餘在爐時間,因此這裡會進一步計算每個鋼胚在加熱爐的平均移動速度(V
avg,z),其可用式(2)表示:
…… (2)
其中,n
z為z子區內的鋼胚數量,j
z為z子區即將出爐的鋼胚指標(亦即,要等多少個鋼胚離開z子區才輪到j鋼胚離開z子區),w為鋼胚權重。一般來說,鋼胚越靠近z子區的中間位置權重越高,而越靠近z子區的入口與出口的權重越低。
接著,在步驟S250中,對在加熱爐的每個鋼胚計算溫度以得到對應各個鋼胚的溫度分布。在一些實施例中,可使用有限差分法(Finite Difference Method)或是有限元素法(Finite Element Method)來計算鋼胚的溫度。以下以有限差分法為例,熱傳導方程式可用式(4)表示:
…… (4)
其對應的離散方程式可用式(5)表示:
…… (5)
其中式(5)中的鋼胚的上表面溫度以及下表面溫度可分別用式(6)與式(7)表示:
…… (6)
…… (7)
其中,ρ為鋼胚密度,C為鋼胚比熱,k為鋼胚熱傳導係數,x為鋼胚寬度,y為鋼胚厚度,t為剩餘在爐時間,Ф
z為等效熱傳係,TF
z,u為上爐溫度設定值,TF
z,l為下爐溫度設定值,其中TF
z,u跟TF
z,l具有固定的差值。這些參數都是已知的,因此將不同的上爐溫度設定值跟下爐溫度設定值以及每個鋼胚的剩餘在爐時間透過疊代法代入上述式子便可得到每個鋼胚在不同爐溫設定值下於加熱爐的各個子區的位置(包括出口位置)的溫度,進而可得到每個鋼胚在加熱爐內的溫度分布。
因此,透過上述的鋼胚溫度計算方法200便可得到不同的鋼胚(不同尺寸及/或成份)於加熱爐在不同爐溫設定值的情況下的多個溫度分布以及多個加熱出口溫度。
回到第2圖,接著,在步驟S113中,將這些鋼胚在經過所述多個爐溫設定值進行加熱後再分別透過具有不同粗軋參數的粗軋製程進行軋延以得到多個粗軋出口溫度。在一些實施例中,粗軋參數可包括軋延道次、噴水道次、和除鏽道次。不同的軋延製程可包括不同數量的軋延道次數及/或噴水道次數及/或除鏽道次數。舉例來說,一軋延製程可具有三個軋延道次數、六個噴水道次數以及二個除鏽道次數,另一軋延製程可具有二個軋延道次數、四個噴水道次數以及一個除鏽道次數等等。每個具有不同尺寸及/或成份的鋼胚在經由不同爐溫設定值加熱後可透過相同或不同的軋延製程來得到更多的粗軋出口溫度,以增加整個資料的多樣性。
接著,在步驟S115中,根據對應於所述多個鋼胚的多個粗軋出口溫度、所述多個鋼胚的尺寸與成份、對應粗軋出口溫度的粗軋參數、所述多個鋼胚的溫度分布以及加熱出口溫度建立粗軋出口溫度預測模型。在一些實施例中,可透過人工智慧利用大數據分析或是迴歸方法對這些資料進行分析以得到每個鋼胚的粗軋出口溫度與爐溫的設定值、鋼胚的溫度分布與加熱出口溫度和粗軋參數的關聯性,從而建立粗軋出口溫度預測模型。在一些實施例中,大數據分析可使用Hadoop MapReduce、Spark等分析工具。在一些實施例中,建立好的粗軋出口溫度預測模型可經由機器學習(例如深度學習)對不同爐溫的設定值進行反覆訓練以得到較佳的粗軋出口溫度預測模型。
建立好粗軋出口溫度預測模型之後,便可將每個鋼胚的尺寸和成份、加熱爐的爐溫設定值(亦即,各個子區的上爐及下爐設定值)與粗軋參數作為輸入提供給粗軋出口溫度預測模型,便可得到各個鋼胚在所述參數下應該會得到的粗軋出口溫度。
回到第1圖,對於步驟S130,由於利用粗軋出口溫度預測模型可以預測在給定加熱爐的爐溫設定值得到鋼胚於加熱爐對應的溫度分布、出口溫度以及粗軋出口溫度。因此,若給定鋼胚一個期望的粗軋出口溫度(即目標粗軋出口溫度)作為最佳化演算法的目標函數,可反求符合所述粗軋出口溫度所需的加熱爐的爐溫設定值(在本例中例如為均溫區以及均溫區的前一個加熱區這兩者的上下爐溫的設定值)以及對應的粗軋參數(對應的軋延道次數、噴水道次數及除鏽道次數)。在一些實施例中,最佳化演算法可包括基因演算法(Genetic Algorithm)、序列二次規畫法(Sequential Quadratic Programming)、模式搜尋法(Hooke-Jeeves Algorithm)。
以模式搜尋法為例,模式搜尋法包括兩種類型的移動:探測移動(exploratory move)和模式移動(pattern move)。在確定了一個初始基點(例如初始爐溫設定值)之後,探測移動依次沿n個坐標軸進行,用以確定新的基點和有利於目標函數數值(即粗軋出口溫度)下降的方向。模式移動則是沿相鄰兩個基點連線方向進行,試圖順著“山谷”使目標函數值更快地減小。這兩種移動交替地進行直到終止條件滿足。
本發明以過去資料為基礎,導入人工智慧的方法來分析不同的鋼胚的尺寸與成份、加熱出口溫度、溫度分布、粗軋參數等參數與粗軋出口溫度的關係,以建立粗軋出口溫度預測模型。另外,本發明還利用熱傳方法建構鋼胚於加熱爐內的鋼胚溫度計算模型(亦即鋼胚溫度計算方法)。接著,將此二模型整合於爐控系統中,藉由計算不同爐溫設定值的配置時鋼胚的溫度分布,代入粗軋後鋼帶溫度預測模型以預測鋼帶粗軋後溫度,藉由其與目標值的差異,實時調控爐溫,以提高所需的鋼帶的粗軋出口溫度的精確度,以提升整體的製程品質。
須說明的是,上述的取得加熱爐的爐溫設定值的方法100、鋼胚溫度計算方法200、粗軋出口溫度預測模型以及最佳化演算法可藉由至少一運算裝置來執行。所述運算裝置可包括儲存單元與處理單元。在一些實施例中,儲存單元用以儲存影像、程式碼等資料,其可例如是隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟或其他類似裝置、積體電路及其組合。處理單元耦接儲存單元,其可例如是中央處理單元(Central Processing Unit,CPU)、圖形處理單元(Graphics Processing Unit,GPU)、可程式化一般用途或特殊用途的微處理單元(Microprocessor)、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)、數位訊號處理單元(Digital Signal Processor,DSP)、可程式化控制器、可程式化邏輯裝置(Programmable Logic Device,PLD)、或其他類似裝置或這些裝置的組合。處理單元可執行記錄於儲存單元中的程式碼、軟體模組、指令等等,以實現本發明實施例的取得加熱爐的爐溫設定值的方法100、鋼胚溫度計算方法200、粗軋出口溫度預測模型以及最佳化演算法。
雖然本發明已以較佳實施例揭露,然其並非用以限制本發明,任何熟習此項技藝之人士,在不脫離本發明之精神和範圍內,當可作各種更動與修飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者爲準。
100:加熱爐的爐溫設定值的優化方法
200:鋼胚溫度計算方法
S110、S130、S111、S113、S115、S210、S250:步驟
第1圖是根據本發明一些實施例繪示的一種加熱爐的爐溫設定值的優化方法的流程圖。
第2圖是根據本發明一些實施例繪示的第1圖的方法中的步驟S110的流程圖。
第3圖是根據本發明一些實施例繪示的鋼胚溫度計算方法的流程圖。
100:加熱爐的爐溫設定值的優化方法
S110、S130:步驟
Claims (10)
- 一種加熱爐的爐溫設定值的優化方法,其中加熱爐的爐溫設定值係決定鋼胚於加熱爐進行加熱後再進行粗軋製程所得到的粗軋出口溫度,該方法包括: (a) 建立一粗軋出口溫度預測模型,該粗軋出口溫度預測模型用以在給定一第一鋼胚的一第一尺寸與一第一成份、一加熱爐的一第一爐溫設定值與複數個粗軋參數的情況下預測該鋼胚在該加熱爐透過該第一爐溫設定值進行加熱並透過具有該些粗軋參數的一粗軋製程進行軋延後的一粗軋出口溫度;以及 (b) 透過一最佳化演算法對具有一第二尺寸與一第二成份的一第二鋼胚的一目標粗軋出口溫度利用該粗軋出口溫度預測模型進行運算,以得到對應該目標粗軋出口溫度所需設定的該加熱爐的一第二爐溫設定值。
- 如請求項1所述的優化方法,其中步驟(a)包括: (a1) 透過一鋼胚溫度計算方法得到複數個第三鋼胚於該加熱爐在不同的複數個第三爐溫設定值的情況下的複數個溫度分布以及複數個加熱出口溫度,其中該些第三鋼胚具有不同的尺寸及/或成份; (a2) 將該些第三鋼胚經由該些第三爐溫設定值進行加熱後分別透過具有不同粗軋參數的粗軋製程進行軋延以得到複數個粗軋出口溫度;以及 (a3) 根據對應於該些第三鋼胚的該些粗軋出口溫度、該些第三鋼胚的尺寸與成份、對應該些粗軋出口溫度的該些粗軋參數、該些第三鋼胚的該些溫度分布與該些加熱出口溫度、以及該些第三爐溫設定值建立該粗軋出口溫度預測模型。
- 如請求項2所述的優化方法,其中該鋼胚溫度計算方法包括: (a11) 對在該加熱爐內的每個鋼胚計算在該加熱爐的剩餘時間;以及 (a12) 將每個鋼胚在該加熱爐的剩餘時間代入一熱傳方程式進行計算以得到對應各個鋼胚的溫度分布與加熱出口溫度。
- 如請求項2所述的優化方法,其中步驟(a3)包括:利用一大數據分析對對應於該些第三鋼胚的該些粗軋出口溫度、該些第三鋼胚的尺寸與成份、對應該些粗軋出口溫度的該些粗軋參數、該些第三鋼胚的該些溫度分布與該些加熱出口溫度、以及該些第三爐溫設定值進行分析以建立該粗軋出口溫度預測模型。
- 如請求項6所述的優化方法,其中建立好的該粗軋出口溫度預測模型還利用機器學習進行訓練以提供預測的準確度。
- 如請求項6所述的優化方法,其中該大數據分析包括Hadoop MapReduce與Spark。
- 如請求項1所述的優化方法,其中該最佳化演算法包括基因演算法、序列二次規畫法、及模式搜尋法。
- 如請求項1所述的優化方法,其中該些粗軋參數包括軋延道次、噴水道次、及除鏽道次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110128804A TWI787940B (zh) | 2021-08-04 | 2021-08-04 | 加熱爐的爐溫設定值的優化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110128804A TWI787940B (zh) | 2021-08-04 | 2021-08-04 | 加熱爐的爐溫設定值的優化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI787940B TWI787940B (zh) | 2022-12-21 |
TW202307608A true TW202307608A (zh) | 2023-02-16 |
Family
ID=85795124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110128804A TWI787940B (zh) | 2021-08-04 | 2021-08-04 | 加熱爐的爐溫設定值的優化方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI787940B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117928261B (zh) * | 2024-03-21 | 2024-05-31 | 西冶科技集团股份有限公司 | 一种直流矿热炉温度控制方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4119684B2 (ja) * | 2002-05-27 | 2008-07-16 | 東芝三菱電機産業システム株式会社 | 圧延機設定計算装置用学習制御装置 |
JP4402502B2 (ja) * | 2004-04-13 | 2010-01-20 | 東芝三菱電機産業システム株式会社 | 巻取温度制御装置 |
BR112012022221A2 (pt) * | 2010-03-11 | 2016-07-05 | Sumito Metal Ind Ltd | processo para a fabricação e aparelho para a fabricação de folha de aço laminado a quente |
JP5795924B2 (ja) * | 2011-09-26 | 2015-10-14 | 東芝三菱電機産業システム株式会社 | 最適化装置、最適化方法、及び最適化プログラム |
RU2605404C2 (ru) * | 2012-08-06 | 2016-12-20 | Ниппон Стил Энд Сумитомо Метал Корпорейшн | Холоднокатаный стальной лист и способ его изготовления, и сформованное горячей штамповкой изделие |
TWI544196B (zh) * | 2014-02-26 | 2016-08-01 | 中國鋼鐵股份有限公司 | 連續式加熱爐之自動溫控方法 |
CN106660090B (zh) * | 2014-09-10 | 2019-03-19 | 东芝三菱电机产业系统株式会社 | 轧制模拟装置 |
JP6889173B2 (ja) * | 2016-09-30 | 2021-06-18 | 株式会社Uacj | アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 |
JP6628018B1 (ja) * | 2018-04-17 | 2020-01-08 | 日本製鉄株式会社 | 熱延鋼板 |
WO2019216269A1 (ja) * | 2018-05-07 | 2019-11-14 | 日本製鉄株式会社 | 熱延鋼板及びその製造方法 |
-
2021
- 2021-08-04 TW TW110128804A patent/TWI787940B/zh active
Also Published As
Publication number | Publication date |
---|---|
TWI787940B (zh) | 2022-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106636610B (zh) | 一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法 | |
WO2023130666A1 (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
RU2404000C2 (ru) | Способ управления охлаждением, устройство управления охлаждением и устройство расчета количества охлаждающей воды | |
TWI787940B (zh) | 加熱爐的爐溫設定值的優化方法 | |
CN101428301A (zh) | 卷取温度控制装置及控制方法 | |
CN104289532A (zh) | 带钢水印点温度控制方法 | |
JP2020157327A (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
CN116449790B (zh) | 宽厚板的生产控制方法 | |
CN111411215B (zh) | 一种多钢坯对象的炉温综合决策方法 | |
Yuan et al. | Simulation of deformation and temperature in multi-pass continuous rolling by three-dimensional FEM | |
RU2752518C1 (ru) | Способ эксплуатации отжигательной печи | |
JP7298645B2 (ja) | 形鋼の断面寸法変化量予測モデルの生成方法、形鋼の断面寸法変化量予測モデルの生成装置、形鋼の断面寸法の予測方法、形鋼の断面寸法の制御方法、および形鋼の製造方法 | |
JP4349177B2 (ja) | 連続式加熱炉の鋼材抽出温度予測方法 | |
Levykina et al. | Hot rolling strips at the casting and rolling unit during coil-to-coil and endless rolling modes | |
TWI544196B (zh) | 連續式加熱爐之自動溫控方法 | |
CN114570776A (zh) | 一种车底式加热炉出炉板坯全长温度均匀性的控制方法 | |
JP6822390B2 (ja) | 厚鋼板の粗圧延時間算出方法、厚鋼板の粗圧延時間算出装置、及び厚鋼板の製造方法 | |
JPH02156017A (ja) | 連続式加熱炉の燃焼制御方法 | |
JP7503150B2 (ja) | 複数の設備部分から成る生産設備、特に金属の半製品のような工業製品を生産するための生産設備を制御するためのシステム及び方法 | |
JPH02112813A (ja) | 線材、棒材の圧延、冷却における温度制御方法 | |
CN115828772B (zh) | 一种融合正向机理与机器学习的钢坯温度的快速计算方法 | |
JP7338599B2 (ja) | ブリスタースケールの発生予測方法、圧延機の制御方法およびブリスタースケールの発生予測モデルの生成方法 | |
Salikhov et al. | New Solutions for Thermal Treatment of Flat Products Using Self-Adjusting Mathematical Models with Partly Observable Parameters | |
SU964015A1 (ru) | Способ управлени нагревом заготовок в многозонной нагревательной печи | |
Biryukov et al. | Modeling of heat engineering parameters of casting and rolling complexes work |