CN115228943A - 一种棒材轧制堆拉钢自动识别控制方法 - Google Patents
一种棒材轧制堆拉钢自动识别控制方法 Download PDFInfo
- Publication number
- CN115228943A CN115228943A CN202210913287.1A CN202210913287A CN115228943A CN 115228943 A CN115228943 A CN 115228943A CN 202210913287 A CN202210913287 A CN 202210913287A CN 115228943 A CN115228943 A CN 115228943A
- Authority
- CN
- China
- Prior art keywords
- rolling
- current
- normal production
- steel
- pressure
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 40
- 239000010959 steel Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005096 rolling process Methods 0.000 claims abstract description 163
- 238000004519 manufacturing process Methods 0.000 claims abstract description 43
- 239000002436 steel type Substances 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical group [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 3
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 229910052804 chromium Inorganic materials 0.000 claims description 3
- 239000011651 chromium Substances 0.000 claims description 3
- 229910052748 manganese Inorganic materials 0.000 claims description 3
- 239000011572 manganese Substances 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims 2
- 229910003460 diamond Inorganic materials 0.000 claims 1
- 230000007935 neutral effect Effects 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 abstract 1
- 238000007405 data analysis Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 241000499917 Milla Species 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- B21B37/46—Roll speed or drive motor control
-
- 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
- B21B37/48—Tension control; Compression control
-
- 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
- B21B37/58—Roll-force control; Roll-gap control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
- Metal Rolling (AREA)
Abstract
本发明涉及钢材轧制技术领域,公开了一种棒材轧制堆拉钢自动识别控制方法,首先收集整理各种钢种、规格、轧制工艺等正常生产的基础数据,利用计算机自学习神经网络模拟出轧制压力系数;其次根据不同的生产情况,使用不同轧制压力系数计算本次轧制的正常生产电流;最后用实际电流与本次轧制理论的正常生产轧制电流比较,以比较结果进行反馈:二者相等,正常生产;实际电流小或大,***报警并自动升高或降低辊速至两种电流相等。与现有技术相比,本发明利用相同情况正常生产时的轧制力系数计算得到本次轧制理论的正常生产轧制电流,再与实际电流比较,即可对生产异常情况实时调整,可以有效地防止堆拉钢事故的产生。
Description
技术领域
本发明涉及钢材轧制技术领域,具体涉及一种棒材轧制堆拉钢自动识别控制方法。
背景技术
精轧区的轧机,具有孔型更换频繁、轧制速度较快、连续轧制等特点,因此主控操作员在轧制时需要依据具体情况及时调整。由于操作人员的操作水平不同,如果各机架转速设置不当,容易导致机架产生堆拉钢。
堆拉钢现象一旦产生,如果操作人员没有及时采取正确的辊速纠正,轻则导致各机架电机跳电,停产处理。重则导致设备损坏,甚至影响人身安全,导致安全生产事故。
目前堆拉钢问题的现场主流调节方法是操作员依据电流曲线,依靠工作经验,调节轧机辊速,减轻或者消除堆拉钢现象。经验丰富的操作员,调整出稳定轧制的辊速也需要轧制1至2支钢坯,因此对轧制产品产生影响。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种棒材轧制堆拉钢自动识别控制方法,以电机反馈的电流数据为基础,及时提示主控操作人员并自动进行辊速调整的报警反馈及自动控制方法。
技术方案:本发明提供了一种棒材轧制堆拉钢自动识别控制方法,包括如下步骤:
步骤1:以未生产轧机正常运转时电机反馈的电流情况为基础,根据采集到的正常生产实际轧制时的电流,以每架轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度利用计算机自学习拟合轧制压力计算模型,在正常轧制生产时电机电流数据与轧制压力自动拟合,其表现为正相关,并保存拟合系数;
步骤2:实时采集电流数据,利用步骤1中保存的相同情况正常生产时的拟合系数即轧制压力系数,计算得到本次轧制理论的正常生产轧制电流,再与实际采集的电流数据比较,并判断是否出现堆拉钢现象;
步骤3:若本次轧制理论的正常生产轧制电流与实际采集的电流数据相等,则处于正常生产中;若实际数值偏大或偏小,则反馈报警并自动调节轧辊辊速,使电流回归正常生产轧制水平。
进一步地,所述轧制压力系数获取包括如下步骤:
通过采集到的大量正常生产实际轧制时的电流数据进行每架轧机回归模型计算,得到模型的关系式:
I=α∝P
其中,α为轧制压力系数,P为轧制压力;
所述轧制压力P的计算过程:
则具体模型:
其中,a0为电流对轧制压力的拟合系数;a1、a2分别为平均单位压力、轧件与轧辊接触面积的影响轧制压力因素的拟合系数;I0是轧机空转时电流值;
轧件与轧辊接触面积F如下:
由椭圆轧成方形:
由方形轧成椭圆形:
由菱形轧成菱形或方形:
由椭圆轧成圆形:
其中,H、h为在孔型中央位置轧前、轧后的轧件断面高度;B、b为轧前、轧后轧件的最大宽度;R为孔型中央位置的轧辊半径;
平均单位压力:
其中,f为全滑动摩擦系数,t为轧制温度,C为以%表示的碳含量,Mn为以%表示的锰含量,Cr为以%表示的铬含量,v为轧制速度(m·s-1);C′为决定于轧制速度的系数。
3.根据权利要求2所述的棒材轧制堆拉钢自动识别控制方法,其特征在于,所述C′决定于轧制速度,具体为:
进一步地,所述步骤3中以理论的正常生产轧制电流为中线,上下超过中线值3%为极限进行堆拉刚报警,并自动调节轧辊辊速;上下未超过中线值3%,则未出现堆拉钢,不进行报警反馈。
进一步地,所述计算机自学习过程为周期循环操作,根据实时采集的电流数据以及当前轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度继续拟合轧制压力计算模型,实时调节更新拟合系数。
有益效果:
本发明通过对各轧钢生产车间大量的生产数据采集分析和整理,利用计算机自学习得到具有很大实用价值的关于电机电流与轧制压力的模拟方程,求取轧制压力系数,本方法可因各车间生产设备不同而分别进行数据整理,通过***内已有的信息,加以实时采集数据,利用相同情况正常生产时的轧制力系数计算得到本次轧制理论的正常生产轧制电流,再与实际电流比较,即可对生产异常情况实时调整,可以有效地防止堆拉钢事故的产生。
附图说明
图1为本发明棒材轧制堆拉钢自动识别控制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明公开了一种棒材轧制堆拉钢自动识别控制方法,参见附图1,具体流程如下:
步骤1:以未生产轧机正常运转时电机反馈的电流情况为基础,根据采集到的PLC***的正常生产(未出现堆拉钢等生产异常情况)实际轧制时的电流。以每架轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度等信息建立计算机自动计算轧制压力的轧制压力计算模型,在正常轧制生产时电机电流数据与轧制压力自动拟合,其变现为正相关,并保存拟合系数。
步骤2:利用建立的轧制压力计算模型和PLC***实时采集数据回归计算出正常生产的轧制电流,比较实时采集电流数据和回归计算出正常生产的轧制数据,判断是否出现堆拉钢现象。
步骤3:以理论的正常生产轧制电流为中线,上下超过中线值3%为极限进行堆拉刚报警,未出现堆拉钢,不进行报警反馈。出现堆拉钢现象,反馈报警信息(堆钢或拉钢,应进行调节相应机架次数),自动调整轧辊辊速至正常生产水平。
对于步骤1具体实现过程为:
1.轧制压力系数获取
通过采集到的大量正常生产数据进行每架轧机回归模型计算,得到模型的关系式:
I=α∝P 公式1
其中,α为轧制压力系数,P为轧制压力;
轧制压力的计算过程:
结合公式1和公式2可推出具体模型:
其中,a0为电流对轧制压力的拟合系数;a1、a2分别为平均单位压力、轧件与轧辊接触面积的影响轧制压力因素的拟合系数;I0是轧机空转时电流值;
由公式2推知计算接触面积:
由椭圆轧成方形
由方形轧成椭圆形
由菱形轧成菱形或方形
由椭圆轧成圆形
其中,H、h为在孔型中央位置轧前、轧后的轧件断面高度;B、b为轧前、轧后轧件的最大宽度;R为孔型中央位置的轧辊半径。
平均单位压力
其中,f为全滑动摩擦系数,t为轧制温度,C为以%表示的碳含量,Mn为以%表示的锰含量,Cr为以%表示的铬含量,v为轧制速度(m·s-1);C′为决定于轧制速度的系数具体为:
以轧制直径为50mm的棒材为例,6架精轧轧机(1~6号),粗轧出的坯材为200*200方坯,1号轧机为方形轧成椭圆,采用公式3-2计算得到接触面积;由公式4计算平均单位压力,二者乘积得到轧制压力,***调用相同情况下正常生产的轧制压力系数,计算理论电流,比较理论与实时实际采集到的电流,及时调整辊速,使椭圆轧件正常进入2号轧机。2号轧机为椭圆轧成圆形,采用公式3-4计算得到接触面积,平均单位压力、轧制压力系数调用等步骤同上,即可防止堆拉钢事故发生。
2.记录多种情况下电流数值
通过对各种不同情况下正常生产数据的收集并利用模型处理得到轧制压力系数,将所有数据整理成“堆拉钢数据分析表”。
3.实际应用流程
本程序可实时采集电流数据,对照堆拉钢数据分析表相应的电流数据,进行数据比较,实际电流小,出现拉钢现象,***报警,进行自动升高对应机架的轧辊辊速的操作;实际电流大,出现堆钢现象,进行自动降低相应机架的轧辊辊速的操作。操作结束后观察是否还有报警,若没有则处于正常生产情况。
针对上述自动识别控制方法,实际***运行时,***读取将要轧制的钢种、规格、坯材信息,读取本次轧制使用的轧制规程表及线上使用的轧辊信息,实时读取钢坯进入轧机前的温度,判断钢坯进入的轧机机号,***判断后,读取堆拉钢数据分析表中轧制压力系数,计算理论电流。
将实时传输的电流数据与理论数据比较,二者相等,处于正常生产;实际数值偏大或偏小,***反馈报警并自动调节轧辊辊速,使电流回归正常生产轧制水平。
程序随轧制过程持续执行,计算机自学习过程为周期循环操作,根据实时采集的电流数据以及当前轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度继续拟合轧制压力计算模型,实时调节更新拟合系数,进一步更新堆拉钢数据分析表中的轧制压力系数。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种棒材轧制堆拉钢自动识别控制方法,其特征在于,包括如下步骤:
步骤1:以未生产轧机正常运转时电机反馈的电流情况为基础,根据采集到的正常生产实际轧制时的电流,以每架轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度利用计算机自学习拟合轧制压力计算模型,在正常轧制生产时电机电流数据与轧制压力自动拟合,其表现为正相关,并保存拟合系数;
步骤2:实时采集电流数据,利用步骤1中保存的相同情况正常生产时的拟合系数即轧制压力系数,计算得到本次轧制理论的正常生产轧制电流,再与实际采集的电流数据比较,并判断是否出现堆拉钢现象;
步骤3:若本次轧制理论的正常生产轧制电流与实际采集的电流数据相等,则处于正常生产中;若实际数值偏大或偏小,则反馈报警并自动调节轧辊辊速,使电流回归正常生产轧制水平。
2.根据权利要求1所述的棒材轧制堆拉钢自动识别控制方法,其特征在于,所述轧制压力系数获取包括如下步骤:
通过采集到的大量正常生产实际轧制时的电流数据进行每架轧机回归模型计算,得到模型的关系式:
I=α∝P
其中,α为轧制压力系数,P为轧制压力;
所述轧制压力P的计算过程:
则具体模型:
其中,a0为电流对轧制压力的拟合系数;a1、a2分别为平均单位压力、轧件与轧辊接触面积的影响轧制压力因素的拟合系数;I0是轧机空转时电流值;
轧件与轧辊接触面积F如下:
由椭圆轧成方形:
由方形轧成椭圆形:
由菱形轧成菱形或方形:
由椭圆轧成圆形:
其中,H、h为在孔型中央位置轧前、轧后的轧件断面高度;B、b为轧前、轧后轧件的最大宽度;R为孔型中央位置的轧辊半径;
平均单位压力:
其中,f为全滑动摩擦系数,t为轧制温度,C为以%表示的碳含量,Mn为以%表示的锰含量,Cr为以%表示的铬含量,v为轧制速度(m·s-1);C′为决定于轧制速度的系数。
4.根据权利要求1所述的棒材轧制堆拉钢自动识别控制方法,其特征在于,所述步骤3中以理论的正常生产轧制电流为中线,上下超过中线值3%为极限进行堆拉刚报警,并自动调节轧辊辊速;上下未超过中线值3%,则未出现堆拉钢,不进行报警反馈。
5.根据权利要求1至4任一所述的棒材轧制堆拉钢自动识别控制方法,其特征在于,所述计算机自学习过程为周期循环操作,根据实时采集的电流数据以及当前轧机的轧制工艺参数,结合相应钢种、轧辊半径、温度、轧制规格、轧制速度继续拟合轧制压力计算模型,实时调节更新拟合系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913287.1A CN115228943B (zh) | 2022-07-29 | 一种棒材轧制堆拉钢自动识别控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913287.1A CN115228943B (zh) | 2022-07-29 | 一种棒材轧制堆拉钢自动识别控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115228943A true CN115228943A (zh) | 2022-10-25 |
CN115228943B CN115228943B (zh) | 2024-07-16 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1354542A (en) * | 1970-07-07 | 1974-06-05 | Demag Ag | Rolling of metal stock |
JP2007245204A (ja) * | 2006-03-16 | 2007-09-27 | Jfe Steel Kk | 圧延荷重モデルの学習方法及びその装置 |
CN101439356A (zh) * | 2008-12-23 | 2009-05-27 | 南京钢铁联合有限公司 | 辊箱型紧凑式轧机生产大直径盘条的轧机张力控制方法 |
CN103230942A (zh) * | 2013-04-27 | 2013-08-07 | 内蒙古包钢钢联股份有限公司 | 轧机间张力调节控制方法 |
CN104772349A (zh) * | 2014-01-09 | 2015-07-15 | 宝山钢铁股份有限公司 | 在热连轧中计算机控制的轧机的机架轧制力检测方法 |
CN107377636A (zh) * | 2017-08-11 | 2017-11-24 | 张家港联峰钢铁研究所有限公司 | 一种轧线生产异常的电流跟踪方法 |
CN111097803A (zh) * | 2019-11-15 | 2020-05-05 | 中冶华天工程技术有限公司 | 一种高速热轧棒材的轧制力能校核计算方法 |
CN111597183A (zh) * | 2020-05-26 | 2020-08-28 | 山东莱钢永锋钢铁有限公司 | 一种轧钢智能负差预警***及其预警方法 |
CN112536325A (zh) * | 2020-12-07 | 2021-03-23 | 陕西龙门钢铁有限责任公司 | 一种自动调整相邻两架轧机堆拉关系的装置 |
CN113600622A (zh) * | 2021-07-23 | 2021-11-05 | 首钢水城钢铁(集团)有限责任公司 | 一种棒材多线切分成品通条尺寸控制方法 |
CN113732074A (zh) * | 2021-08-31 | 2021-12-03 | 江苏沙钢集团淮钢特钢股份有限公司 | 一种椭圆-圆棒材孔型轧制的各机架出口轧件宽度在线软测量方法 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1354542A (en) * | 1970-07-07 | 1974-06-05 | Demag Ag | Rolling of metal stock |
JP2007245204A (ja) * | 2006-03-16 | 2007-09-27 | Jfe Steel Kk | 圧延荷重モデルの学習方法及びその装置 |
CN101439356A (zh) * | 2008-12-23 | 2009-05-27 | 南京钢铁联合有限公司 | 辊箱型紧凑式轧机生产大直径盘条的轧机张力控制方法 |
CN103230942A (zh) * | 2013-04-27 | 2013-08-07 | 内蒙古包钢钢联股份有限公司 | 轧机间张力调节控制方法 |
CN104772349A (zh) * | 2014-01-09 | 2015-07-15 | 宝山钢铁股份有限公司 | 在热连轧中计算机控制的轧机的机架轧制力检测方法 |
CN107377636A (zh) * | 2017-08-11 | 2017-11-24 | 张家港联峰钢铁研究所有限公司 | 一种轧线生产异常的电流跟踪方法 |
CN111097803A (zh) * | 2019-11-15 | 2020-05-05 | 中冶华天工程技术有限公司 | 一种高速热轧棒材的轧制力能校核计算方法 |
CN111597183A (zh) * | 2020-05-26 | 2020-08-28 | 山东莱钢永锋钢铁有限公司 | 一种轧钢智能负差预警***及其预警方法 |
CN112536325A (zh) * | 2020-12-07 | 2021-03-23 | 陕西龙门钢铁有限责任公司 | 一种自动调整相邻两架轧机堆拉关系的装置 |
CN113600622A (zh) * | 2021-07-23 | 2021-11-05 | 首钢水城钢铁(集团)有限责任公司 | 一种棒材多线切分成品通条尺寸控制方法 |
CN113732074A (zh) * | 2021-08-31 | 2021-12-03 | 江苏沙钢集团淮钢特钢股份有限公司 | 一种椭圆-圆棒材孔型轧制的各机架出口轧件宽度在线软测量方法 |
Non-Patent Citations (4)
Title |
---|
刘铁航;张居勤;: "现代钢管连轧机调整原理与操作方法浅谈", 轧钢, vol. 26, no. 02, 15 April 2009 (2009-04-15), pages 66 - 68 * |
孔维军: "钢材轧制及热处理技术", 31 May 2018, 冶金工业出版社, pages: 90 - 96 * |
张殿华, 韩蕊繁, 张其生, 孙涛, 李旭: "板带热连轧精轧机微张力模糊智能控制", 钢铁, vol. 40, no. 10, 30 October 2005 (2005-10-30), pages 41 - 47 * |
李小龙;周敦世;冯亮;: "GCr15轴承钢Φ130mm棒材热连轧过程轧制力的数值模拟和分析", 特殊钢, vol. 36, no. 01, 1 February 2015 (2015-02-01), pages 5 - 8 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0350431B2 (de) | Stranggiessverfahren für die Erzeugung von Brammen mit einer gegenüber dem Gusszustand verringerten Dicke | |
CN103464471B (zh) | 一种热连轧精轧机组agc自适应控制方法 | |
CN101829687B (zh) | 消除换规格影响的带钢精轧机辊缝控制方法 | |
CN105834225B (zh) | 冷连轧机动态变规格轧制的厚度控制方法及控制*** | |
CN103962391B (zh) | 一种热连轧机精轧机组的轧制负荷优化方法 | |
CN104785539B (zh) | 一种用于轧制力调节的张力优化补偿的方法 | |
CN105251778B (zh) | 单锥度工作辊窜辊轧机边部减薄反馈控制方法 | |
CN105268748A (zh) | 按产品分类的热轧负荷分配方法 | |
CN101091965A (zh) | 双电机传动冷轧带钢轧机轧制负荷平衡的控制方法 | |
CN110851994B (zh) | 一种冷轧带材在线板形目标曲线调整方法 | |
CN110170535B (zh) | 一种镀锌光整机过焊缝轧制力自动控制方法 | |
CN103372575A (zh) | 一种酸轧轧机负荷分配方法 | |
KR20190078334A (ko) | 연속 압연 패스 스케쥴 설정 장치 | |
CN115228943A (zh) | 一种棒材轧制堆拉钢自动识别控制方法 | |
CN108838213B (zh) | 一种粗轧立辊空过方法 | |
CN115228943B (zh) | 一种棒材轧制堆拉钢自动识别控制方法 | |
CN104785540B (zh) | 一种适合于五机架冷连轧机组的轧制效率提升方法 | |
EP2111314A1 (de) | Verfahren zur führung eines giessguts aus einem giessbehälter einer giessanlage und giessanlage zum giessen eines giessguts | |
CN114643287B (zh) | 一种基于板形闭环调节量的弯辊力输出控制方法 | |
CN114054513A (zh) | 一种双机架平整机中带钢张力的控制方法及装置 | |
CN111360082A (zh) | 一种五机架冷连轧缺机架时的压下量分配方法 | |
CN105583238B (zh) | 一种热轧带钢宽度预测方法 | |
CN107520255A (zh) | 一种自学习式轧机入口厚度优化方法 | |
CN113263057A (zh) | 一种热轧带钢卷取机刚度的精度评价方法 | |
CN111992588B (zh) | 一种控制带钢层冷起套的方法 |
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 |