用高新技术改造传统产业

研究鞍山钢铁集团公司(以下简称鞍钢)的基本状况，并对改造前和改造后的鞍钢状况做了对比分析，明确鞍钢改革的方向。论证了鞍钢用高新技术改造传统产业的策略，指出鞍钢要生存和发展，必须走体制创新、技术创新和管理创新的道路，实现企业结构优化，增强与国际钢铁企业竞争的实力，从而为大型国有企业走出困境提供了一些有益的经验。     

采煤工作面液压支架的自动控制

本文介绍了微型计算机在工作面液压支架控制上的应用。根据采煤机及支架的运动规律设计出控制系统的编程方法及软件设置等具体问题,是计算机控制技术在煤矿中的具体应用。     

热连轧机板形板厚解耦控制的逆系统方法研究

提出一种解决热连轧机板形板厚解耦控制的逆系统方法；考虑热连轧机板形板厚的耦合性，在控制系统中加进一个“逆系统”，解耦线性化后，按照系统要求进行控制系统设计；在建立了热连轧机的非线性全量模型和线性增量模型基础上，分别构造了板形板厚解耦控制的非线性逆和线性逆解耦控制器，并用C语言编写了6机架仿真程序。通过仿真结果可以看出非线性逆的控制性能明显优于线性逆控制器。     

基于机器学习的中厚板变形抗力模型建模与应用

为提高变形抗力预测精度,以兴澄特钢中厚板轧机实际生产数据为基础,针对性提出2种利用机器学习对变形抗力进行预测的方法：一种是极限学习机(ELM)与传统数学模型结合的多钢种变形抗力模型及建模方法,另一种是基于TensorFlow深度学习框架的变形抗力模型及建模方法。方法一参考周纪华-管克智变形抗力模型,改进原变形抗力模型结构形式,计算出低合金钢、合金钢及高合金钢代表钢种的基准变形抗力;通过非线性回归计算出与钢种无关的变形参数影响系数,引进ELM神经网络算法,采用灰色关联分析及交叉验证优选神经网络参数,通过线性插值对预测结果进行平滑处理,减小ELM预测残差,最后与传统数学模型相结合得到变形抗力。方法二基于深度学习技术,结合机理,构建2种不同结构的深度神经网络,采用小批量(minibatch)和均方根传播(RMSprop)优化算法寻优,结合批标准化(BN)和早停(early stopping)正则化策略提高模型泛化能力与稳定性,最后综合工艺特性,分别对粗轧机(RM)、精轧机(FM)建立变形抗力预测模型,提高模型精度。研究结果表明,利用深度学习预测变形抗力具有较高的预测精度,经离线分析,平均绝对...     

人工智能推动冶金工业变革

人工智能问世以来,获得了科学家和公众的广泛关注。随着计算机、数据和算法的更新升级,人工智能不断发展,在各行各业得到了广泛的应用。根据冶金工业的特点和主要生产流程,在冶金工业信息化基础架构的基础上,通过人工智能可以实现冶金工业的精准管理与控制。改造方面包括建设冶金人工智能生态环境,改造和完善工业互联网,数据的收集、筛选、积累、分析及数据云的建设,冶金工业数字化仪表的创新与应用,冶金工业人工智能建模及算法研究,无人车间和机器人的使用等。指出了人工智能在冶金工业改造中存在的问题。提出了实现冶金工业改造最根本的是要创造人工智能的生态环境,注重人工智能基础理论的研究和专业人才的培养,实现跨界合作、产学研相结合,在基础理论和科学知识下更有效地选取和积累数据,推进应用领域的开发,推动冶金工业的变革。     

产学研紧密合作开发新型相变塑性钢——祝贺上海市金属学会成立50周年

阐述了相变诱发塑性钢的特性及其在先进汽车用钢中的重要作用.举例说明了鞍山钢铁公司和上海大学在产学研结合的模式下成功进行了不同等级相变塑性钢的研发.     

学习邯钢经验 实际扭亏为盈

学习邯钢经验　实际扭亏为盈刘１９９５年初，鞍钢由于产品合同量不足和销售价格低以及设备检修集中等原因，造成产量下降，物耗上升，固定费用增加，加重了企业成本负担，致使１、２月份分别亏损０．８８亿元和１．１６亿元。面对严峻的形势，我们学习借鉴邯郸钢厂＂模拟...     

热轧碳钢流动应力的数学模型

采用恒应变速率凸轮塑性计,对生产现场所采集的9个碳钢的实体样本进行压缩试验,测定了热轧条件下的流动应力。选用了7种不同结构型式的流动应力数学模型,对试验数据做了回归分析,得到了较全面反映碳钢中主要化学元素和诸变形条件对流动应力影响的数学模型,此模型的结构优于现有模型,已用于生产的在线控制,效果良好。     

迎接信息化 发展数字钢铁

在21世纪的今天,我相信在“钢铁是怎样炼成的”答案里一定会加上数字化、信息化这一条新的注释。