硅钢酸洗-冷连轧系统中表面缺陷识别方法研究

针对硅钢酸洗-冷连轧生产过程中钢带表面缺陷的特点,在提取钢带图像低层属性特征的基础上,采用决策树、SVM、BP神经网络等不同的模式识别方法对钢带表面缺陷进行分类研究,试验过程包含训练集与测试集的收集、特征提取、机器学习与分类、结果分析.该研究以提高硅钢冷轧生产过程的自动化水平为目标,依据试验结果提出缺陷识别的优化方法,并应用于武钢硅钢冷轧生产线,提高了自动化水平.     

蓄热式辐射管燃烧器在连续退火炉中的应用

分析常规辐射管燃烧器的在武钢某厂的连续退火炉中应用的不良情况。并通过研究蓄热式燃烧器工作原理与工作特点研究,得到使用蓄热式辐射管燃烧器的理论依据;根据现场实际参数特征,使用FLU-ENT仿真燃烧过程,最终得到使用蓄热式辐射管燃烧器的合理空燃比参数。因此,通过相关研究选择了适用于武钢连续退火炉且比原来更节能、环保的燃烧器及其工艺参数。     

碳纳米管-锡复合电极材料的制备及性能研究

为了改善锂离子电池锡负极的循环性能,将碳纳米管与锡负极复合,以铜片为基底,采用复合电沉积的方式制备了含有不同直径碳纳米管的Sn-CNTs复合电极,并对其表面形貌,成分与结构分别进行了扫描电子显微镜法(SEM)、X射线衍射光谱法(XRD)、能量散射光谱(EDS)分析。最后,组装模拟电池并测试其电化学性能。结果表明:制备的电极表面不规则,可明显观察到CNTs与Sn颗粒,且当CNTs直径为10~20 nm时,其在镀层内含量最高,制备的Sn-CNTs复合电极循环性能最佳,经过50次充放电循环后,其比容量仍能达到420 m Ah/g。     

基于监督双限制连接Isomap算法的带钢表面缺陷图像分类方法

根据带钢表面缺陷图像具有复杂纹理结构、包含大量干扰信息、具备高维非线性几何结构等特点,本文提出基于监督双限制连接Isomap方法的带钢表面缺陷图像降维方法（dls-Isomap）.该方法以Isomap降维方法为基础,对其邻域图的连接方式进行K邻域（K-nearest neighbor,KNN）和ε-半径两个方面的限制性连接,并使用数据类别作为监督对类间邻域点进行扩展连接.针对多类Roll-swiss数据实验表明,dls-Isomap降维方法不仅能够在低维空间中完整嵌入所有数据点,而且能保持数据各类内和类间的几何结构,以及解决Isomap算法存在的“短路边”问题;针对带钢表面缺陷图像分类实验表明,基于dls-Isomap的新分类方法适合含水、油渍等干扰较多的带钢表面缺陷的分类任务,其中冷轧带钢5类缺陷识别率可以达78%.含水渍的热轧带钢缺陷识别率可以达到93%,其中水渍干扰图像的识别率达到97.6%.     

森吉米尔可逆轧机卷取机钳口改造

针对森吉米尔可逆式轧机在轧制过程中,卷取机的钳口变形、塌卷等故障,对卷取机钳口进行改造,实施后消除此类故障,得到很好的应用效果。     

18650动力电池SOC的建模与估算研究

为了实现对18650动力电池荷电状态(SOC)的准确在线估算,将外界条件划分为12种情况,研究了有效电量、电池衰老及环境温度对电池SOC的影响。建立了一个BP神经网络模型,在12种条件下对其进行样本学习训练,建立了一种能够适用于不同条件下的基于条件查找方法的SOC估算模型。通过与传统方法对比,证明改进的估算方法具有更好的精度和实用性。     

森吉米尔轧机牌坊后门定位调整装置改进

森吉米尔轧机是生产硅钢的重要机组,而轧机牌坊后门是森吉米尔轧机的门户,它是确保轧机牌坊内各关键设备精确高效运行的重要保障。牌坊后门主要由定位装置、乳化液润滑系统及侧压机构等构成。它的主要作用是确保乳化液润滑系统及侧压机构稳定运行,从而保证硅钢产量和产品质量。     

热处理温度对镀镍钴钢带拉伸变形行为的影响(英文)

研究热处理温度对镀镍钴钢带微观结构和拉伸性能的影响。通过原位扫描电子显微镜观察镀镍钴钢带在拉伸变形过程中表面形貌的变化。结果表明:热处理后,镀镍钴钢带在镀层与基底之间形成镍/钴/铁扩散层,随着热处理温度的升高,钢带的伸长率逐渐增大;当热处理温度为 650 ℃时,镀镍钴钢带的伸长率最大,为 46%,抗拉强度和屈服强度适中。在拉伸变形过程中,镀镍钴钢带在热处理前、后呈现出不同的变形过程。未进行热处理的样品在拉伸变形过程中,表面形成裂纹,裂纹的扩展导致最终断裂;而热处理后,钢带在拉伸过程中表面没有裂纹的产生,孔洞的出现、生长和扩展而导致的最终断裂。这表明,适当的热处理有利于提高材料的韧性,改善其力学性能。     

原位表征技术在锂硫电池机理研究中的应用

商用锂离子电池的低能量密度已经无法满足电动汽车和电子设备迅速发展的需求,锂硫电池作为一种高能量密度、绿色环保且成本低廉的储能器件,已经成为储能领域的重要议题。然而,氧化还原动力学缓慢、穿梭效应严重、电解液耗竭以及锂负极的降解等问题依然阻碍着锂硫电池商业化的脚步。研究锂硫电池系统内各部件的基本反应机制对于解决以上问题,并进一步提高电池的整体性能至关重要。原位表征技术可用于锂硫电池充放电过程中各部件结构变化与反应进程的实时观察与研究,对锂硫电池机理的揭示有望从材料设计层面大幅提升电池整体性能。本文通过对近期研究工作进行总结,介绍了锂硫电池在提高循环寿命和高能量密度上遇到的瓶颈性问题,简述了原位拉曼光谱、原位透射电镜、原位共振非弹性X射线散射、原位红外光谱和原位核磁共振光谱等原位表征技术在锂硫电池中的应用。并结合锂硫电池涉及的氧化还原反应、多硫化物溶解、电解液对多硫化物的抑制以及锂负极降解等具体环节,重点分析了原位表征技术在这些具体环节中监测多硫化物转化过程和探究锂硫电池内部反应机理方面的研究进展,指出了原位表征技术在促进锂硫电池机理理解方面的重要作用。