冷轧平整机机前甩尾轧制工艺的开发与应用

本文介绍了柳钢冷轧板带厂1550 mm单机架平整机机前甩尾轧制的工艺。改进前轧制每卷钢卷生产效率低,钢卷成材率低,改进后生产效率、成材率明显提高,部分规格的钢卷能实现带尾剪切长度为零。     

西门子PLC控制网络的配置应用及策略分析

西门子PLC的应用较为广泛,由于西门子PLC控制网络产品较多,对广大用户的选择造成了困难.本文主要通过实例分析,提出了如何正确选择新门子PLC控制网络的配置方案,并对西门子PLC控制网络系统的具体应用及策略进行探讨.     

生产过程质量不合格品系统(IQS)方案建模及优化

针对不合格品的高效处置、数据的有效分析对企业质量控制具有深远的意义,其是装备制造领域质量管理研究的重点。文章以SAP接口二次开发、IQS流程建模、数据库建立、系统实用价值等方面展开详细论述,确保质量信息可追溯分析。     

云储存技术在电气自动化控制中的应用

随着科学技术的进步和发展,云存储技术日渐得到广泛应用,并在诸多领域中发挥重要作用.电气自动化 控制作为电力体系的重要组成部分,更需要做好云存储技术的应用.文章对云储存技术在电气自动化控制中的应用进 行分析,希望可以为电气自动化的优化控制提供借鉴。     

基于滑模的运载器主动段俯仰通道姿控系统设计

与传统比例-积分-微分（PID）控制方法相比，滑模控制（SMC）方法可以比较容易地将不确定性纳入控制器设计中，从而增强系统的鲁棒性。探索了SMC技术在运载器主动段姿态控制中的工程应用，首先通过分析基于趋近律的SMC系统，提出了降低不连续切换项系数的需求，然后研究了基于干扰上界的SMC方法。三通道小偏差仿真结果验证了两种方法的控制效果，表明第2种控制器的鲁棒性更好，稳态误差小，同时发动机喷管摆角需求较小。     

泛在电力物联网在北京经济技术开发区的应用探索

泛在电力物联网是物联网在电力领域的具体体现，建设泛在电力物联网是推进"三型两网"建设的关键环节，也是实现能源转型的必要手段。阐述了泛在电力物联网的定义，从供电公司角度出发，根据北京经济技术开发区实际情况，讨论了依托地区特点的泛在电力物联网实施策略和实际应用场景，分析了可能遇到的问题。得出结论：随着泛在电力物联网的深入建设，供电公司能够为电力客户提供多元化服务，提高客户满意度；地市供电公司能够依托泛在电力物联网开展更多电力相关业务；泛在电力物联网的安全性、实用性、有效性是发展面临的首要问题。     

基于双离合变速器电控单元的Volcano CAN开发

Volcano 是集汽车电子网络设计、实现和测试于一体的完整工具链。它包括整车网络规划及优化设计工具VNA,网络节点(TCU等)实现工具VTP以及网络测试工具Tellus。本文着重介绍了基于TCU的VTP。     

炉前TMT三大机控制系统可靠性升级项目

首钢京唐公司一期1#、2#高炉有效容积5500m3,日最高产铁量13200t,平均每分钟产出铁水量最多为9.17t,为确保高炉正常生产,要求炉缸内的铁水数量不能超过安全容铁量,这就必须保证高炉将单位时间内生成的铁水全部及时地从铁口排出,否则就会造成高炉减风、停风,要将每分钟内生成的大约9t铁水及时排出炉外,单铁口出铁显然无法满足要求,这就需要一定时间内有两个铁口同时出铁,首钢京唐公司1#、2#高炉出铁场共设有4个出铁口,每个铁口每分钟出铁量大约4t^7t,因此4个出铁口就处于2用2修状态,因此,倘若有一个铁口的设备发生故障,也没有备用铁口出铁,在这种情况下,如果不能迅速地、及时地排除故障,都将造成高炉减风、停风;同时,这也要求炉前三大机系统有很高的稳定性及可靠性,这就要求我们对其系统功能进行完善,减小各类设备故障对系统造成的影响,确保高炉炉前的正常、连续生产。     

积分中值屈服准则解析厚板轧制椭圆速度场

为解决非线性Mises比塑性功率积分困难以及由此导致的轧制功率解析式难以获得的问题,本文通过建立并利用线性比塑性功率表达式对提出的椭圆速度场进行能量分析,得到了轧制力能参数的解析解.文中通过对变角度屈服函数求积分中值,构建了一个新的屈服准则,它是主应力分量的线性组合,在π平面上的轨迹是逼近Mises圆的等边非等角的十二边形,其基于Lode参数表达式的理论结果也与实验数据吻合较好.同时,根据厚板轧制时金属流动速度从入口到出口逐渐增大的特点,提出了水平速度分量满足椭圆方程的速度场,该速度场满足运动许可条件.通过相应的轧制能量分析,获得了基于线性屈服准则的内部变形功率以及基于应变矢量内积法上的摩擦功率与剪切功率.在此之上,通过泛函的极值变分导出了轧制力矩、轧制力以及应力状态系数的解析解,并与现场实测数据进行了对比,结果表明利用本文提出的屈服准则与速度场所建立的轧制力矩与轧制力模型与实测值吻合较好,其中轧制力误差小于5.3%,轧制力矩误差在6%左右.