卷取温度对无取向电工钢电磁性能和板形的影响

电磁性能和板形是无取向电工钢的重要产品特性,卷取温度作为生产控制中一个重要的工艺参数,对它们有重要影响。本研究通过大生产实验,发现高温卷取、U形卷取的层流冷却方式可以有效促进晶粒长大和均匀热轧带钢组织,并进一步提高无取向电工钢的电磁性能,但是会增大带钢纵向厚度的波动,对带钢横向厚度的控制无显著影响。     

热轧卷取温度对无取向电工钢性能的影响

热轧卷取温度是影响无取向电工钢最终成品电磁性能的重要工艺参数之一,研究不同的热轧卷取温度对产品晶粒组织、织构、析出物和成品电磁性能的影响,寻求提高产品的电磁性能的途径.     

云边一体化系统架构下硅钢制造管理业务数字化融合应用#br#

提出以“云边一体化架构”构建硅钢智慧决策系统,来解决原硅钢制造L1~L5系统架构模式下的数字信息孤岛、业务功能割裂等问题。在此基础上,开发了云边协同的自学习型控制模型及业务决策模型,构建起硅钢“智慧大脑”,形成了以研发、制造、服务等核心业务数字化融合的智能化决策支持新模式,探索出一条钢铁制造业数字化、智能化转型之路。     

硅钢常化退火炉辊印缺陷预测分类预警方法研究

针对宝钢硅钢常化退火过程中产生的退火炉辊印缺陷问题,通过实际生产的大数据与产品质量问题相结合,将数据挖掘、数据分析方法应用到实际,一定程度上解决了现场实际生产中的痛点,为现场生产提供决策支撑,避免了以前通过人工识别判定存在疏漏和无法定量判断的问题,形成了一套具有鲁棒性和可操作性的钢铁生产过程数据分析方法。通过智慧决策系统平台获取实际生产和表检仪数据,基于Pearson相关系数算法进行变量挑选和特征工程,并应用随机森林算法对数据建立分类预测模型,实现了质量问题的溯源和监控,通过数据量化预测了炉辊印缺陷是否可通过轧制消除的质量问题,识别准确率达到96.43%。     

大数据技术在硅钢产品质量管控中的应用实践

磁性能指标是硅钢产品最关键的质量指标之一,但是目前磁性能判定100%依赖于样品的离线实验室检测结果,生产线配置的在线检测仪的测量结果由于精度问题,不宜直接用于成品牌号判级。本文在现有硅钢产品质量管控体系基础上,利用大数据技术对生产数据进行分析与建模,构建不同磁性能指标在线检测模型,并在现有信息系统上完成模型库的集成部署,实现硅钢产品全长、多指标磁性能结果的拟合数据输出,支撑取样优化、精准分切、辅助综合判定等功能应用,进一步优化硅钢产品质量管控体系。     

热轧工序温度对中低牌号无取向电工钢电磁性能的影响

通过对大生产中大量实验的分析,就热轧工序温度制度对无取向电工钢电磁性能的影响情况进行了比较详细的阐述.合理地控制板坯加热温度、轧制温度和卷取温度可以有效提高无取向电工钢产品的电磁性能(降低铁损、提高磁感).     

硅钢常化退火炉炉压控制模型的开发应用

炉内压力是连续退火炉的重要控制指标,炉压波动会对带钢的质量和性能造成重大影响。现有的连续退火炉炉压控制一般都采用常规PID控制方法,但传统的连续退火炉子炉压较难同时兼顾炉况快速调整以及炉况稳定控制的工艺要求。文中采用炉压控制模型的方法,以炉区的炉温,烧嘴功率,煤气,空气流量设定值、实际值等为输入量,采用多变量预测控制算法来计算出当前最优的废气风机转速,来实现退火炉炉压高精度调整和稳定控制。     

统计分析技术在无取向电工钢生产中的应用

应用统计分析技术，对宝钢无取向电工钢生产情况进行了分析，并结合电工钢产品的材质特性分析对宝钢现行的无取向电工钢生产工艺提出了改进建议。工艺改进后，宝钢无取向电工钢产品性能得到明显改善。     

钢卷端部检测机器人在连续退火涂层机组中的应用

通过对端部检测机器人在无取向电工钢连续退火涂层机组上的应用,实现了钢卷缺陷的无人值守智能检测、钢卷的尺寸检查和缺陷识别,以及快速向后台工作人员提供检查数据,并与主生产线的数据交互配合,提高了钢卷检测效率和缺陷识别度。端部检测机器人的应用,不仅可提高机组自动化水平,同时可改善操作人员劳动强度,降低操作人员安全风险,有效地控制了企业的生产成本。