CN113537718A - 一种冷轧涂油机钢带漏涂质量自动化评价方法 - Google Patents
一种冷轧涂油机钢带漏涂质量自动化评价方法 Download PDFInfo
- Publication number
- CN113537718A CN113537718A CN202110677505.1A CN202110677505A CN113537718A CN 113537718 A CN113537718 A CN 113537718A CN 202110677505 A CN202110677505 A CN 202110677505A CN 113537718 A CN113537718 A CN 113537718A
- Authority
- CN
- China
- Prior art keywords
- score
- steel strip
- coating
- oiling
- oiling machine
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 71
- 239000010959 steel Substances 0.000 title claims abstract description 71
- 239000011248 coating agent Substances 0.000 title claims abstract description 66
- 238000000576 coating method Methods 0.000 title claims abstract description 66
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 238000005097 cold rolling Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims abstract description 3
- 230000000903 blocking effect Effects 0.000 claims abstract description 3
- 238000013210 evaluation model Methods 0.000 claims abstract description 3
- 230000000007 visual effect Effects 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract 1
- 239000003921 oil Substances 0.000 description 19
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010960 cold rolled steel Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0239—Lubricating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Metal Rolling (AREA)
Abstract
本发明属于冷轧涂油机技术领域，具体公开了一种冷轧涂油机钢带漏涂质量自动化评价方法，包括以下步骤：步骤一：研究钢带油膜均匀度的影响因素及工艺规则；步骤二：建立分析涂油机漏涂评价模型，定义输入/输出参数；步骤三：模型训练，导入历史生产数据，对机组在不同加减速、刀量流量的数据进行涂油机漏涂模型训练；步骤四：依据模型的历史数据训练结果进行分级，关联钢管号、钢种等信息，输出涂油机漏涂的评价体系数据；步骤五：评价***数据与实物数据对照；步骤六：数据归档和可视化输出；步骤七：对评价异常的钢卷进行封锁；本发明在生产运行状态下，自动对涂油机钢带漏涂进行评价，减小漏涂损失的扩大化，降低人工抽样的劳动量。
Description
技术领域
本发明涉及冷轧涂油机技术领域，具体为一种冷轧涂油机钢带漏涂质量自动化评价方法。
背景技术
冷轧钢汽车板带表面质量要求较高，喷涂油膜主要起到防空气腐蚀的作用，目前市面上还没有涂油机专业性的故障诊断装置，钢带表面油膜均匀度均依靠人工目视抽样检查，其不仅工人劳动量大，而且存在漏检风险，每个人的工作经验不同，对涂油的评价标准也无法统一，因此，提出一种冷轧涂油机钢带漏涂质量自动化评价方法。
发明内容
本发明的目的在于提供一种冷轧涂油机钢带漏涂质量自动化评价方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种冷轧涂油机钢带漏涂质量自动化评价方法，包括以下步骤：
步骤一：研究钢带油膜均匀度的影响因素及工艺规则，根据冷轧现场调研和数据观测，整理涂油机钢带漏涂的重要关联因素；
步骤二：建立分析涂油机漏涂评价模型，定义输入/输出参数，实现效果即为模型；可以根据输入的参数进行模型计算，自动给出涂油质量评分结果；
步骤三：模型训练，导入历史生产数据，对机组在不同加减速、刀量流量的数据进行涂油机漏涂模型训练；
步骤四：依据模型的历史数据训练结果进行分级，关联钢管号、钢种等信息，输出涂油机漏涂的评价体系数据；
步骤五：评价***数据与实物数据对照，结合模型自动给出的评分结果与钢带表面实际漏涂情况进行论证，论证评分结果与实物的线性关系，若评分结果异常，则重新确定钢带表面的涂油面积及均匀度数据；若评分满足需求，则整理涂油机钢带漏涂的三个关键评价方法，并输出稳态评分、偏差评分、精度评分以及一票否决制条件下钢带的全局评价体系；
步骤六：数据归档和可视化输出，***通过关系型数据库对数据进行归档，运行Web echarts等插件进行数据图表展示；
步骤七：对评价异常的钢卷进行封锁，通过UDP通讯的方式将封锁钢卷信息传输至日立生产***。
作为本发明一种优选的技术方案，所述关联因素包括涂油机上/下刀量流量值、机组速度以及油泵运行状态。
作为本发明一种优选的技术方案，所述稳态评分即稳态区间占比大于或等于70%则可得满分，低于70%时，每减少5%则分数成比例递减；稳态评分反映了涂油的稳定程度，刀梁的稳态区间越大说明涂油越稳定，涂油质量越能得到保障；其中，稳态区间即每卷钢卷整个涂油过程中，有几处稳态就有几处稳态区间，剩余的区间为非稳态区。
作为本发明一种优选的技术方案，所述稳态区间占比的计算公式为：（所有稳态区间的带钢长度之和/带钢总长度）*100%。
作为本发明一种优选的技术方案，所述偏差评分即稳态平均偏差在1%以内得满分，超过1%后，每超出1%分数成比例递减；偏差评分反映了各个稳态区间涂油量实际值偏离其设定值的程度，可以据此看出钢卷多涂油或者少涂油的程度；其中，稳态平均偏差指在每一段稳态区间内，刀梁流量的平均值偏离其设定值的程度。
作为本发明一种优选的技术方案，所述稳态平均偏差的计算公式为：（稳态区间内刀梁的平均值-稳态区间内刀梁的设定值）/稳态区间内刀梁的设定值*100%。
作为本发明一种优选的技术方案，所述精度评分是针对每一个涂油点进行分析的，故相较于稳态平均偏差，更能反映出整体涂油质量的好坏，精度越低则表明整体涂油越接近设定值。
作为本发明一种优选的技术方案，所述精度评分的计算方式：针对刀梁稳态区间内的每一个涂油点，计算其实际值与设定值之间的偏差比，然后统计每段偏差区间内点的个数，最后计算出涂油点平均分布在哪个精度范围，即为精度。
作为本发明一种优选的技术方案，所述钢带漏涂的评价方法包括刀梁评分、一票否决制以及总分；其中，刀梁评分=稳态评分+偏差评分+精度评分；总分=（上刀梁评分+下刀梁评分）/2-漏涂评分。
作为本发明一种优选的技术方案，所述一票否决制即机组有速度刀梁流量低于某个值，直接判定为不合格。
与现有技术相比，本发明的有益效果是：
本发明是运用计算机数据模型的方式，对涂油机生产运行状态的数据进行24小时监控，并在线对涂油机钢带的漏涂质量进行自动评价，及时输出提示信息，引起工作人员的注意，进而可以减小漏涂损失的扩大化，降低人工抽样的劳动量，有效避免因人工抽样、人工经验判断等不统一、不稳定的质量评价方式。
附图说明
图1为本发明的冷轧涂油机钢带漏涂质量自动化评价方法流程图；
图2为本发明的现场设备结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1，本发明提供一种技术方案：一种冷轧涂油机钢带漏涂质量自动化评价方法，包括以下步骤：
步骤一：根据冷轧现场调研和数据观测，整理涂油机钢带漏涂的重要关联因素，比如涂油机上/下刀量流量值、机组速度、油泵运行状态等；
步骤二：建立涂油机钢带漏涂质量自动化评价的数学模型，定义输入/输出参数，实现效果即为模型；可以根据输入的参数进行模型计算，自动给出涂油质量评分结果；
步骤三：多次模拟现场在机组不同加减速、刀量流量波动下的设备运行状态；
步骤四：收集钢带表面的涂油面积及均匀度数据；
步骤五：结合模型自动给出的评分结果与钢带表面实际漏涂情况进行论证，论证评分结果与实物的线性关系，若评分结果异常，则重新确定钢带表面的涂油面积及均匀度数据；若评分满足需求，则整理涂油机钢带漏涂的三个关键评价方法，并输出稳态评分、偏差评分、精度评分以及一票否决制条件下钢带的全局评价体系。
进一步的，所述钢带漏涂的评价方法包括刀梁评分、一票否决制以及总分；其中，刀梁评分=稳态评分+偏差评分+精度评分；总分=（上刀梁评分+下刀梁评分）/2-漏涂评分。
实施例2：请参阅图2，涂油机是通过上下刀梁同时对钢带上下表面进行喷涂工作，因此冷轧涂油机钢带漏涂质量评价方法的计算模型如下：
刀梁评分=稳态评分+偏差评分+精度评分；
一票否决制：机组有速度刀梁流量低于某个值（可配置），直接判定为不合格；
总分=(上刀梁评分+下刀梁评分)/2-漏涂评分；
其中，稳态评分即稳态区间占比大于或等于70%则可得满分，低于70%时，每减少5%则分数成比例递减；稳态区间占比大于或等于70%则可得满分的理由：根据现场实际涂油的钢卷进行统计，大部分涂的较好的钢卷稳态区间占比都在70%以上，故选择大于或等于70%作为稳态评分的满分；
稳态评分反映了涂油的稳定程度，刀梁的稳态区间越大说明涂油越稳定，涂油质量越能得到保障；其中，稳态区间即每卷钢卷整个涂油过程中，有几处稳态就有几处稳态区间，剩余的区间为非稳态区。
所述稳态区间占比的计算公式为：（所有稳态区间的带钢长度之和/带钢总长度）*100%。
稳态评分举例：
例如：钢卷上刀梁共有三个稳态区间，第1稳态区间（19.46%）、第2稳态区见（63.88%）、第3稳态区间（2.71%），所以其稳态区间占比=19.46%+63.88%+2.71%=86.05%，超过了70%，故可以得到满分（满分为40分）。
其中，偏差评分即稳态平均偏差在1%以内得满分，超过1%后，每超出1%分数成比例递减；偏差在1%以内可得满分的理由：观察现场实际涂油的钢卷，发现有很多标准涂油的钢卷偏差都在百分之零点几，所以取偏差1%以内作为满分标准（满分为30分）。
稳态平均偏差的计算公式为：（稳态区间内刀梁的平均值-稳态区间内刀梁的设定值）/稳态区间内刀梁的设定值*100%。
偏差评分反映了各个稳态区间涂油量实际值偏离其设定值的程度，可以据此看出钢卷多涂油或者少涂油的程度；其中，稳态平均偏差指在每一段稳态区间内，刀梁流量的平均值偏离其设定值的程度。
偏差评分举例：
例如：第1稳态区间的涂油实际值与涂油设定值的平均偏差为2.8%，第2稳态区间的平均偏差为1.8%，第3稳态区间的平均偏差为7.1%，取平均偏差的最大值，即7.1%，所以其评分按比例计算应为[1-(7.1-1)*0.1]*30=11.7分。
其中，精度评分中精度在5%以内得满分（满分30分），超过5%后，每超出5%分数按比例递减；精度在5%以内得满分的理由：对现场涂油钢卷的观察，发现涂油质量好的钢卷精度可以控制在5%以内，故取5%作为评判标准；精度评分是针对每一个涂油点进行分析的，故相较于稳态平均偏差，更能反映出整体涂油质量的好坏，精度越低则表明整体涂油越接近设定值。
所述精度评分的计算方式：针对刀梁稳态区间内的每一个涂油点，计算其实际值与设定值之间的偏差比，然后统计每段偏差区间内点的个数，最后计算出涂油点平均分布在哪个精度范围，即为精度。
其中，一票否决制即机组有速度刀梁流量低于某个值（可配置），直接判定为不合格。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于，依据涂油机不同工况自动评估输出结果，包括以下步骤：
步骤一：研究钢带油膜均匀度的影响因素及工艺规则，根据冷轧现场调研和数据观测，整理涂油机钢带漏涂的重要关联因素；
步骤二：建立分析涂油机漏涂评价模型，定义输入/输出参数，实现效果即为模型；可以根据输入的参数进行模型计算，自动给出涂油质量评分结果；
步骤三：模型训练，导入历史生产数据，对机组在不同加减速、刀量流量的数据进行涂油机漏涂模型训练；
步骤四：依据模型的历史数据训练结果进行分级，关联钢管号、钢种等信息，输出涂油机漏涂的评价体系数据；
步骤五：评价***数据与实物数据对照，结合模型自动给出的评分结果与钢带表面实际漏涂情况进行论证，论证评分结果与实物的线性关系，若评分结果异常，则重新确定钢带表面的涂油面积及均匀度数据；若评分满足需求，则整理涂油机钢带漏涂的三个关键评价方法，并输出稳态评分、偏差评分、精度评分以及一票否决制条件下钢带的全局评价体系；
步骤六：数据归档和可视化输出，***通过关系型数据库对数据进行归档，通过插件进行数据图表展示；
步骤七：对评价异常的钢卷进行封锁，通过UDP通讯的方式将封锁钢卷信息传输至日立生产***。
2.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述关联因素包括涂油机上/下刀量流量值、机组速度以及油泵运行状态。
3.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述稳态评分即稳态区间占比大于或等于70%则可得满分，低于70%时，每减少5%则分数成比例递减；稳态评分反映了涂油的稳定程度，刀梁的稳态区间越大说明涂油越稳定，涂油质量越能得到保障；其中，稳态区间即每卷钢卷整个涂油过程中，有几处稳态就有几处稳态区间，剩余的区间为非稳态区。
4.根据权利要求3所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述稳态区间占比的计算公式为：（所有稳态区间的带钢长度之和/带钢总长度）*100%。
5.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述偏差评分即稳态平均偏差在1%以内得满分，超过1%后，每超出1%分数成比例递减；偏差评分反映了各个稳态区间涂油量实际值偏离其设定值的程度，可以据此看出钢卷多涂油或者少涂油的程度；其中，稳态平均偏差指在每一段稳态区间内，刀梁流量的平均值偏离其设定值的程度。
6.根据权利要求5所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述稳态平均偏差的计算公式为：（稳态区间内刀梁的平均值-稳态区间内刀梁的设定值）/稳态区间内刀梁的设定值*100%。
7.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述精度评分是针对每一个涂油点进行分析的，故相较于稳态平均偏差，更能反映出整体涂油质量的好坏，精度越低则表明整体涂油越接近设定值。
8.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述精度评分的计算方式：针对刀梁稳态区间内的每一个涂油点，计算其实际值与设定值之间的偏差比，然后统计每段偏差区间内点的个数，最后计算出涂油点平均分布在哪个精度范围，即为精度。
9.根据权利要求1所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述钢带漏涂的评价方法包括刀梁评分、一票否决制以及总分；其中，刀梁评分=稳态评分+偏差评分+精度评分；总分=（上刀梁评分+下刀梁评分）/2-漏涂评分。
10.根据权利要求9所述的一种冷轧涂油机钢带漏涂质量自动化评价方法，其特征在于：所述一票否决制即机组有速度刀梁流量低于某个值，直接判定为不合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110677505.1A CN113537718A (zh) | 2021-06-18 | 2021-06-18 | 一种冷轧涂油机钢带漏涂质量自动化评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110677505.1A CN113537718A (zh) | 2021-06-18 | 2021-06-18 | 一种冷轧涂油机钢带漏涂质量自动化评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113537718A true CN113537718A (zh) | 2021-10-22 |
Family
ID=78096282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110677505.1A Pending CN113537718A (zh) | 2021-06-18 | 2021-06-18 | 一种冷轧涂油机钢带漏涂质量自动化评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113537718A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004136349A (ja) * | 2002-10-18 | 2004-05-13 | Nisshin Steel Co Ltd | 板厚制御装置 |
| CN101539517A (zh) * | 2009-04-27 | 2009-09-23 | 武汉理工大学 | 应用模糊逻辑模型对高光泽度涂层表面进行评价的方法 |
| CN201842867U (zh) * | 2010-10-09 | 2011-05-25 | 天津太钢天管不锈钢有限公司 | 不锈钢退火酸洗线炉前喷油擦拭*** |
| US20110239748A1 (en) * | 2010-04-05 | 2011-10-06 | Korea Research Institute Of Chemical Technology | Quantitative evaluation of scratch-induced damages on polymeric and coating materials |
| CN106894800A (zh) * | 2017-02-23 | 2017-06-27 | 中国海洋石油总公司 | 一种适用于海上稠油油藏的调剖选井决策方法 |
| CN110348646A (zh) * | 2019-07-19 | 2019-10-18 | 蕴硕物联技术(上海)有限公司 | 预测喷涂质量的方法及装置 |
| JP2020034416A (ja) * | 2018-08-30 | 2020-03-05 | リンテック株式会社 | 耐指紋性の評価方法、光学部材の生産方法および光学部材 |
| CN111318388A (zh) * | 2019-05-27 | 2020-06-23 | 燕山大学 | 基于均匀涂油的静电涂油机核心工艺参数在线调整方法 |
| CN111974573A (zh) * | 2019-05-22 | 2020-11-24 | 宝山钢铁股份有限公司 | 一种为了均匀涂覆的二次冷轧来料油涂覆方法 |
| CN112083068A (zh) * | 2020-09-10 | 2020-12-15 | 大连理工大学 | 一种非均匀介质组织均匀性超声无损表征方法 |
| CN112268909A (zh) * | 2020-10-20 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 电池极片表面缺陷和均匀度检测的参数调控方法及*** |
| CN112862284A (zh) * | 2021-01-27 | 2021-05-28 | 北京科技大学 | 一种热轧带钢轧机刚度的精度评价方法及*** |
-
2021
- 2021-06-18 CN CN202110677505.1A patent/CN113537718A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004136349A (ja) * | 2002-10-18 | 2004-05-13 | Nisshin Steel Co Ltd | 板厚制御装置 |
| CN101539517A (zh) * | 2009-04-27 | 2009-09-23 | 武汉理工大学 | 应用模糊逻辑模型对高光泽度涂层表面进行评价的方法 |
| US20110239748A1 (en) * | 2010-04-05 | 2011-10-06 | Korea Research Institute Of Chemical Technology | Quantitative evaluation of scratch-induced damages on polymeric and coating materials |
| CN201842867U (zh) * | 2010-10-09 | 2011-05-25 | 天津太钢天管不锈钢有限公司 | 不锈钢退火酸洗线炉前喷油擦拭*** |
| CN106894800A (zh) * | 2017-02-23 | 2017-06-27 | 中国海洋石油总公司 | 一种适用于海上稠油油藏的调剖选井决策方法 |
| JP2020034416A (ja) * | 2018-08-30 | 2020-03-05 | リンテック株式会社 | 耐指紋性の評価方法、光学部材の生産方法および光学部材 |
| CN111974573A (zh) * | 2019-05-22 | 2020-11-24 | 宝山钢铁股份有限公司 | 一种为了均匀涂覆的二次冷轧来料油涂覆方法 |
| CN111318388A (zh) * | 2019-05-27 | 2020-06-23 | 燕山大学 | 基于均匀涂油的静电涂油机核心工艺参数在线调整方法 |
| CN110348646A (zh) * | 2019-07-19 | 2019-10-18 | 蕴硕物联技术(上海)有限公司 | 预测喷涂质量的方法及装置 |
| CN112083068A (zh) * | 2020-09-10 | 2020-12-15 | 大连理工大学 | 一种非均匀介质组织均匀性超声无损表征方法 |
| CN112268909A (zh) * | 2020-10-20 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 电池极片表面缺陷和均匀度检测的参数调控方法及*** |
| CN112862284A (zh) * | 2021-01-27 | 2021-05-28 | 北京科技大学 | 一种热轧带钢轧机刚度的精度评价方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| LU, X ; SUN, J ; LI, GT ; WANG, QL: "Dynamic analysis of vibration stability in tandem cold rolling mill", 《JOURNAL OF MATERIALS PROCESSING TECHNOLOGY》, vol. 272, pages 47 - 57 * |
| 周天宇: "粘性离合器摩擦副油膜均匀性分析", 《哈尔滨工程大学学报 》, vol. 36, no. 7, pages 954 - 958 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105486831B (zh) | 一种钢卷质量检测*** | |
| CN104360677A (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
| CN112267972B (zh) | 一种风电机组功率曲线异常智能判定方法 | |
| CN116930425A (zh) | 高精度的甲醛清除剂用除甲醛分析检测*** | |
| CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、***和设备 | |
| CN109829653A (zh) | 基于政务大数据共享开放机制实现绩效考评功能的***及其方法 | |
| CN114386735A (zh) | 一种基于大数据分析实现的快速大气污染溯源方法 | |
| CN111563693B (zh) | 轨道交通设备健康值的评分方法、设备和存储介质 | |
| CN117151631A (zh) | 一种基于智慧工地的施工进度监测管理*** | |
| CN109147080A (zh) | 设备点检信息管理***及方法 | |
| CN115271390A (zh) | 基于工业园区的碳中和*** | |
| CN113537718A (zh) | 一种冷轧涂油机钢带漏涂质量自动化评价方法 | |
| CN114487332A (zh) | 一种地表水水质自动监测站运行效果评价方法、***、介质及设备 | |
| CN112246878B (zh) | 一种酸洗卷热轧过程厚度判定***及判定方法 | |
| Aichouni et al. | A scientific approach of using the DMAIC methodology to investigate the effect of cutting tool life on product quality and process economics: A case study of a Saudi manufacturing plant | |
| CN115953279A (zh) | 基于区块链技术的碳排放管理***及方法 | |
| CN114154842A (zh) | 一种基于电厂实时数据分析的运行指导***与方法 | |
| CN107633341A (zh) | 一种面向设备主人的变电站整站状态评估***及方法 | |
| CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 | |
| CN113238117A (zh) | 复杂振荡过程的分频段监测及成像方法 | |
| Qian et al. | Research of reliability allocation based on gray theory | |
| CN110738423A (zh) | 一种卷接设备综合效能评价方法 | |
| CN114139102B (zh) | 一种数控加工质量风险预警方法 | |
| CN107368899A (zh) | 电力自动化设备维护方法 | |
| CN108537174A (zh) | 时变工况条件下旋转机械运行状态在线监测方法及*** |
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 |