CN107363101B - 一种热轧带钢数学模型数据层别判断方法 - Google Patents
一种热轧带钢数学模型数据层别判断方法 Download PDFInfo
- Publication number
- CN107363101B CN107363101B CN201610312062.5A CN201610312062A CN107363101B CN 107363101 B CN107363101 B CN 107363101B CN 201610312062 A CN201610312062 A CN 201610312062A CN 107363101 B CN107363101 B CN 107363101B
- Authority
- CN
- China
- Prior art keywords
- layer
- strip
- alias
- mathematical model
- shelves
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 45
- 239000010959 steel Substances 0.000 title claims abstract description 45
- 238000013178 mathematical model Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000005096 rolling process Methods 0.000 claims abstract description 28
- 239000000463 material Substances 0.000 claims description 23
- 229910052799 carbon Inorganic materials 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 239000011572 manganese Substances 0.000 claims description 7
- 229910052710 silicon Inorganic materials 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 229910052748 manganese Inorganic materials 0.000 claims description 3
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 239000002436 steel type Substances 0.000 abstract 2
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明涉及一种热轧带钢数学模型数据层别判断方法,考虑影响带钢轧制稳定性或影响带钢特性的主要因素:钢种、厚度、宽度、终轧温度和卷取温度,进行数学模型层别划分;对于不同的数学模型,划分层别时重点考虑不同的带钢特性因素;数学模型层别F是诸多特性因素层别号的函数,F=f(Gi,Hi,Wi,FTi,CTi),最后根据数学模型层别判定规则进行热轧带钢数据的层别判断。本发明通过动态的层别判断,可以有效的保持自学习系数的连续性,避免了自由规程轧制特别是交叉轧制中,由于同钢种不同炉的钢水成分的变化波动或规格的微小变化导致的自学习和设定混乱,最大程度了保证了数学模型的设定可靠性,提高数字模型设定精度和轧制稳定性。
Description
技术领域
本发明涉及热轧带钢生产技术领域,尤其涉及一种热轧带钢数学模型数据层别判断方法。
背景技术
在高度自动化的热轧带钢生产线上,数学模型起着非常重要的作用,对轧制稳定性、带钢尺寸精度等都有较大的影响。
一条常规热轧带钢生产线所生产的带钢品种规格多达上万种,在模型计算时,原则上每一个品种规格都需要一组不同的原始数据参与模型计算,这样的话,为了支持数学模型的正常计算,就需要有一个庞大的数据库来存储模型计算所需的原始数据。为节省存储空间、便于模型设定计算,将数学模型计算所需的原始数据按层别进行分档划分,即将上万个品种规格按一定规则分成若干组,并把相关的参数保存到相应的层别之中。这样可以更精确地区分出不同带钢的特性,便于归类以及自学习效果的有效性。
一般来说,对于精轧机设定模型,其层别参数主要由材质、厚度、宽度三个参数确定。在进行数据模型层别划分时,通常是将特性相同或相近的品种划分为一档。档划分的少,带钢与带钢之间的模型控制参数容易引起干扰,档划分的过多,特性相近的带钢之间又会缺乏联系。
但是无论怎样进行层别划分,都会存在一些不合理的参数。
比如带钢厚度分类时,>2.5mm~≤3.0mm分为一档,>3.0mm~≤4.0mm分为另一档。按照这样分类,3.0mm带钢和3.01mm带钢厚度差很小却将采用不同的原始数据,而3.01mm带钢和4.0mm带钢厚度相差较大却采用同一组原始数据。
再比如,当按照碳当量模式进行钢种层别分档时,对于同一批次带钢,大部分都处于同一层别档内,比如处于第2档,但有可能因为C,Si,Mn成分的微小波动,使得碳当量数值跨越到了第1档或第3档中,这就使得模型参数也垮过了等级,不但影响本品种的质量,同时也影响另外一个档的产品质量(在带钢厚度负公差或正公差轧制时也会出现厚度层别频繁跨档这种情况)。
当同一层别带钢连续生产时,通过自学习功能,模型会根据当时的生产线设备状态优化设定数据,这样模型计算精度会越来越高。如果同一个层别带钢之间突然插进一块另一个层别的带钢(材质发生微小变化导致的带钢跨层别发生概率比较大),由于采用了不同的模型参数(包括原始数据和自学习参数),模型计算出的轧机参数设定值会有较大的差异,这些差异会降低模型的计算精度,进而影响产品尺寸精度甚至轧制稳定性。
如果将模型层别划分的粗一点(即减少层别分类档距),可以在一定程度上减少带钢跨层别的概率,但不能避免跨层别现象的发生,并且这样做还会降低模型计算精度。
发明内容
本发明提供了一种热轧带钢数学模型数据层别判断方法,通过动态的层别判断,可以有效的保持自学习系数的连续性,避免了自由规程轧制特别是交叉轧制中,由于同钢种不同炉的钢水成分的变化波动或规格的微小变化导致的自学习和设定混乱,最大程度了保证了数学模型的设定可靠性,提高数字模型设定精度和轧制稳定性。
为了达到上述目的,本发明采用以下技术方案实现:
一种热轧带钢数学模型数据层别判断方法,其特征在于,包括:
1)数学模型层别划分规则:
影响带钢轧制稳定性或影响带钢特性的参数主要有:钢种、厚度、宽度、终轧温度和卷取温度,根据影响带钢特性的不同参数进行数学模型层别划分的规则为:
a)材质层别划分:对于带钢特性无突变的品种,材质层别按碳当量CEQ进行分档,各档的层别号为Gi,i=1~10;各档碳当量间距LGi为0.03~0.10;CEQ计算公式为:
CEQ=(C+Mn/6+Si/24)×100%;其中C、Mn、Si分别为带钢中所含碳、锰、硅元素的重量;
b)厚度层别划分:根据带钢厚度进行分档,各档层别号为Hi,i=1~20;各档厚度间距LHi为0.2~5mm;且带钢厚度越小,各档的厚度差也越小;
c)宽度层别划分:根据带钢宽度进行分档,各档层别号为Wi,i=1~10,各档宽度间距LWi为50~200mm;
d)终轧温度层别划分:根据带钢终轧温度进行分档,各档层别号为FTi,i=1~5,各档温度间距LFTi为20~50℃;
e)卷取温度层别划分:根据带钢卷取温度进行分档,各档层别号为CTi,i=1~10,各档温度间距LCTi为20~50℃;
对于不同的数学模型,划分层别时重点考虑的带钢特性参数如下:
a)对粗轧区域模型,重点考虑材质、厚度、宽度共三个参数;
b)对精轧区域模型,重点考虑材质、厚度、宽度、终轧温度共四个参数;
c)对于层流冷却模型,重点考虑材质、厚度、宽度、终轧温度、卷取温度共五个参数;
d)对于卷取设定模型,重点考虑材质、厚度、宽度、卷取温度共四个参数;
2)数学模型层别判定规则;
对于某一个数学模型,其层别是由诸多特性参数共同决定的,即数学模型层别F是诸多特性参数层别号的函数,F=f(Gi,Hi,Wi,FTi,CTi);
a)在一个精轧工作辊周期内,换辊开轧第一块带钢的各参数的数学模型层别,根据带钢的原始数据按计算结果直接赋予相应的层别号;
b)从换辊开轧的第二块带钢开始,各参数最终的数学模型层别号按以下流程进行计算:
第一步,根据带钢原始数据分别进行材质G、厚度H、宽度W、终轧温度FT、卷取温度CT的层别号计算,并与上一块带钢的相应参数的层别号进行对比;
第二步,如果本块带钢和上一块带钢的层别号只有一个不相同,并且这个不相同的层别号是相邻的层别号,则执行第三步,否则按计算结果直接赋予相应的层别号;
第三步,对于层别号不同的带钢特性参数,计算本块带钢和上一块带钢的原始数据差值的绝对值A,并与相应层别数据变化允许极限值A-Lim进行比较,以此来判断本块带钢的层别号;即:
如果A≤A-Lim,则本块带钢取上一块带钢的层别号,即前后两块钢同属一个层别;
如果A>A-Lim,则取本块带钢计算层别号,即本块带钢与上一块带钢不属于同一个层别;
第四步,根据上述计算的各特性参数层别号,计算本块带钢的层别F,F=f(Gi,Hi,Wi,FTi,CTi);根据层别F,在层别数据表中调取相应的模型参数。
与现有技术相比,本发明的有益效果是:
通过动态的层别判断,可以有效的保持自学习系数的连续性,避免了自由规程轧制特别是交叉轧制中,由于同钢种不同炉的钢水成分的变化波动或规格的微小变化导致的自学习和设定混乱,最大程度了保证了数学模型的设定可靠性,提高数字模型设定精度和轧制稳定性。
具体实施方式
本发明所述一种热轧带钢数学模型数据层别判断方法,其特征在于,包括:
1)数学模型层别划分规则:
影响带钢轧制稳定性或影响带钢特性的参数主要有:钢种、厚度、宽度、终轧温度和卷取温度,根据影响带钢特性的不同参数进行数学模型层别划分的规则为:
a)材质层别划分:对于带钢特性无突变的品种,材质层别按碳当量CEQ进行分档,各档的层别号为Gi,i=1~10;各档碳当量间距LGi为0.03~0.10;CEQ计算公式为:
CEQ=(C+Mn/6+Si/24)×100%;其中C、Mn、Si分别为带钢中所含碳、锰、硅元素的重量;
b)厚度层别划分:根据带钢厚度进行分档,各档层别号为Hi,i=1~20;各档厚度间距LHi为0.2~5mm;且带钢厚度越小,各档的厚度差也越小;
c)宽度层别划分:根据带钢宽度进行分档,各档层别号为Wi,i=1~10,各档宽度间距LWi为50~200mm;
d)终轧温度层别划分:根据带钢终轧温度进行分档,各档层别号为FTi,i=1~5,各档温度间距LFTi为20~50℃;
e)卷取温度层别划分:根据带钢卷取温度进行分档,各档层别号为CTi,i=1~10,各档温度间距LCTi为20~50℃;
对于不同的数学模型,划分层别时重点考虑的带钢特性参数如下:
a)对粗轧区域模型,重点考虑材质、厚度、宽度共三个参数;
b)对精轧区域模型,重点考虑材质、厚度、宽度、终轧温度共四个参数;
c)对于层流冷却模型,重点考虑材质、厚度、宽度、终轧温度、卷取温度共五个参数;
d)对于卷取设定模型,重点考虑材质、厚度、宽度、卷取温度共四个参数;
2)数学模型层别判定规则;
对于某一个数学模型,其层别是由诸多特性参数共同决定的,即数学模型层别F是诸多特性参数层别号的函数,F=f(Gi,Hi,Wi,FTi,CTi);
a)在一个精轧工作辊周期内,换辊开轧第一块带钢的各参数的数学模型层别,根据带钢的原始数据按计算结果直接赋予相应的层别号;
b)从换辊开轧的第二块带钢开始,各参数最终的数学模型层别号按以下流程进行计算:
第一步,根据带钢原始数据分别进行材质G、厚度H、宽度W、终轧温度FT、卷取温度CT的层别号计算,并与上一块带钢的相应参数的层别号进行对比;
第二步,如果本块带钢和上一块带钢的层别号只有一个不相同,并且这个不相同的层别号是相邻的层别号,则执行第三步,否则按计算结果直接赋予相应的层别号;
第三步,对于层别号不同的带钢特性参数,计算本块带钢和上一块带钢的原始数据差值的绝对值A,并与相应层别数据变化允许极限值A-Lim进行比较,以此来判断本块带钢的层别号;即:
如果A≤A-Lim,则本块带钢取上一块带钢的层别号,即前后两块钢同属一个层别;
如果A>A-Lim,则取本块带钢计算层别号,即本块带钢与上一块带钢不属于同一个层别;
第四步,根据上述计算的各特性参数层别号,计算本块带钢的层别F,F=f(Gi,Hi,Wi,FTi,CTi);根据层别F,在层别数据表中调取相应的模型参数。
以下实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。下述实施例中所用方法如无特别说明均为常规方法。
【实施例】
对热轧带钢精轧板形数学模型,依据带钢钢种、宽度、厚度的不同进行层别分档。层别划分和各层别数据变化允许极限值如表1和表2所示,其中按钢种分为10档,按宽度分为9档,按厚度分为20档,总的层别记录个数为10×9×20=1800。在计算机中开辟一个具有1800条记录的数据区,每个数据区内均放置模型系数,进行存取和读取,带钢层别计算公式如下:
带钢层别F=(Gi-1)×20×9+(Hi-1)×9+Wi;
表1层别划分表
表2层别数据变化允许极限值A-Lim
表3和表4为生产过程中带钢实际层别判定实例。
表3带钢层别判定实例之一
表4带钢层别判定实例之二
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种热轧带钢数学模型数据层别判断方法,其特征在于,包括:
1)数学模型层别划分规则:
影响带钢轧制稳定性或影响带钢特性的参数主要有:钢种、厚度、宽度、终轧温度和卷取温度,根据影响带钢特性的不同参数进行数学模型层别划分的规则为:
a)材质层别划分:对于带钢特性无突变的品种,材质层别按碳当量CEQ进行分档,各档的层别号为Gi,i=1~10;各档碳当量间距LGi为0.03~0.10;CEQ计算公式为:
CEQ=(C+Mn/6+Si/24)×100%;其中C、Mn、Si分别为带钢中所含碳、锰、硅元素的重量;
b)厚度层别划分:根据带钢厚度进行分档,各档层别号为Hi,i=1~20;各档厚度间距LHi为0.2~5mm;且带钢厚度越小,各档的厚度差也越小;
c)宽度层别划分:根据带钢宽度进行分档,各档层别号为Wi,i=1~10,各档宽度间距LWi为50~200mm;
d)终轧温度层别划分:根据带钢终轧温度进行分档,各档层别号为FTi,i=1~5,各档温度间距LFTi为20~50℃;
e)卷取温度层别划分:根据带钢卷取温度进行分档,各档层别号为CTi,i=1~10,各档温度间距LCTi为20~50℃;
对于不同的数学模型,划分层别时考虑的带钢特性参数如下:
a)对粗轧区域模型,考虑材质、厚度、宽度共三个参数;
b)对精轧区域模型,考虑材质、厚度、宽度、终轧温度共四个参数;
c)对于层流冷却模型,考虑材质、厚度、宽度、终轧温度、卷取温度共五个参数;
d)对于卷取设定模型,考虑材质、厚度、宽度、卷取温度共四个参数;
2)数学模型层别判定规则;
对于某一个数学模型,其层别是由诸多特性参数共同决定的,即数学模型层别F是诸多特性参数层别号的函数,F=f(Gi,Hi,Wi,FTi,CTi);
a)在一个精轧工作辊周期内,换辊开轧第一块带钢的各参数的数学模型层别,根据带钢的原始数据按计算结果直接赋予相应的层别号;
b)从换辊开轧的第二块带钢开始,各参数最终的数学模型层别号按以下流程进行计算:
第一步,根据带钢原始数据分别进行材质G、厚度H、宽度W、终轧温度FT、卷取温度CT的层别号计算,并与上一块带钢的相应参数的层别号进行对比;
第二步,如果本块带钢和上一块带钢的层别号只有一个不相同,并且这个不相同的层别号是相邻的层别号,则执行第三步,否则按计算结果直接赋予相应的层别号;
第三步,对于层别号不同的带钢特性参数,计算本块带钢和上一块带钢的原始数据差值的绝对值A,并与相应层别数据变化允许极限值A-Lim进行比较,以此来判断本块带钢的层别号;即:
如果A≤A-Lim,则本块带钢取上一块带钢的层别号,即前后两块钢同属一个层别;
如果A>A-Lim,则取本块带钢计算层别号,即本块带钢与上一块带钢不属于同一个层别;
第四步,根据上述计算的各特性参数层别号,计算本块带钢的层别F,F=f(Gi,Hi,Wi,FTi,CTi);根据层别F,在层别数据表中调取相应的模型参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610312062.5A CN107363101B (zh) | 2016-05-12 | 2016-05-12 | 一种热轧带钢数学模型数据层别判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610312062.5A CN107363101B (zh) | 2016-05-12 | 2016-05-12 | 一种热轧带钢数学模型数据层别判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107363101A CN107363101A (zh) | 2017-11-21 |
CN107363101B true CN107363101B (zh) | 2018-12-04 |
Family
ID=60304379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610312062.5A Active CN107363101B (zh) | 2016-05-12 | 2016-05-12 | 一种热轧带钢数学模型数据层别判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107363101B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108817103B (zh) * | 2018-06-06 | 2020-01-14 | 武汉科技大学 | 一种轧钢模型钢族层别分类优化方法 |
CN112024613B (zh) * | 2020-07-31 | 2022-04-26 | 马鞍山钢铁股份有限公司 | 一种可视化、智能化的钢卷热轧温度判定***及判定方法 |
CN114101346B (zh) * | 2021-10-26 | 2023-06-23 | 中冶南方工程技术有限公司 | 一种冷轧硅钢厚度缺陷识别方法、装置及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0591291A1 (de) * | 1991-06-28 | 1994-04-13 | Siemens Ag | Regelung bei dem herstellen von warmband mittels eines mehrgerüstigen warmbandwalzwerks. |
JP4280351B2 (ja) * | 1999-03-10 | 2009-06-17 | 東芝三菱電機産業システム株式会社 | 圧延制御モデル学習装置 |
CN102371279A (zh) * | 2010-08-26 | 2012-03-14 | 宝山钢铁股份有限公司 | 利用辊缝自适应提高精轧带钢厚度精度的控制方法 |
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
CN102688894A (zh) * | 2011-03-23 | 2012-09-26 | 宝山钢铁股份有限公司 | 一种热轧带钢连轧机组穿带的控制方法 |
CN103611730A (zh) * | 2013-11-19 | 2014-03-05 | 北京首钢自动化信息技术有限公司 | 用于提高热连轧新品种首卷钢尺寸控制精度的方法 |
-
2016
- 2016-05-12 CN CN201610312062.5A patent/CN107363101B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0591291A1 (de) * | 1991-06-28 | 1994-04-13 | Siemens Ag | Regelung bei dem herstellen von warmband mittels eines mehrgerüstigen warmbandwalzwerks. |
JP4280351B2 (ja) * | 1999-03-10 | 2009-06-17 | 東芝三菱電機産業システム株式会社 | 圧延制御モデル学習装置 |
CN102371279A (zh) * | 2010-08-26 | 2012-03-14 | 宝山钢铁股份有限公司 | 利用辊缝自适应提高精轧带钢厚度精度的控制方法 |
CN102688894A (zh) * | 2011-03-23 | 2012-09-26 | 宝山钢铁股份有限公司 | 一种热轧带钢连轧机组穿带的控制方法 |
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
CN103611730A (zh) * | 2013-11-19 | 2014-03-05 | 北京首钢自动化信息技术有限公司 | 用于提高热连轧新品种首卷钢尺寸控制精度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107363101A (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101683659B (zh) | 冷轧带钢平直度和横向厚差综合控制方法 | |
CN107363101B (zh) | 一种热轧带钢数学模型数据层别判断方法 | |
CN108817103B (zh) | 一种轧钢模型钢族层别分类优化方法 | |
CN107442575B (zh) | 一种带钢湿平整表面粗糙度的预测方法 | |
CN109351785A (zh) | 一种轧制力优化方法及装置 | |
CN111842507B (zh) | 一种实现板坯中心线偏差控制的方法 | |
CN105740467A (zh) | 一种C-Mn钢工业大数据的挖掘方法 | |
CN103506404A (zh) | 一种带钢精轧过程辊缝的控制方法 | |
CN108213086A (zh) | 一种实现热轧带钢微中浪轧制的方法 | |
CN108921232B (zh) | 一种热轧带钢冷却历史数据聚类及相似性度量方法 | |
CN108446454A (zh) | 一种提高层冷模型设定计算精度的方法 | |
CN108856305A (zh) | 一种无取向硅钢生产轧机负荷分配方法 | |
CN106269911B (zh) | 一种粗轧压下负荷分配控制方法及粗轧控制*** | |
CN105855297B (zh) | 一种提高热轧首块无取向硅钢头部厚度精度的控制方法 | |
CN103962395A (zh) | 一种热轧支承辊磨损的在线测量方法 | |
KR20190078334A (ko) | 연속 압연 패스 스케쥴 설정 장치 | |
CN116020885A (zh) | 一种复合板热连轧精轧轧制力的预测方法 | |
CN106777594B (zh) | 一种基于连续曲面的轧制过程数学模型的自学习方法 | |
CN106960066A (zh) | 一种热连轧机组成品机架工作辊表面粗糙度预报方法 | |
CN102233357A (zh) | 一种新型的轧辊配辊方法 | |
CN105404711B (zh) | 一种拉矫机工艺参数的优化方法及*** | |
CN107486587B (zh) | 一种提高剪切设定模型控制精度的减薄量补偿方法 | |
CN116108932A (zh) | 一种钢铁生产过程数据和机理融合模型建立方法 | |
CN101745548A (zh) | Csp生产线无取向电工钢变形抗力有限元修正法 | |
CN111872116A (zh) | 一种明确考量组织性能目标要求的热连轧参数确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |