-
公开(公告)号：CN119259703A
公开(公告)日：2025-01-07
申请号：CN202411567435.4
申请日：2024-11-05
Applicant: 冶金自动化研究设计院有限公司
IPC: B21B37/00
Abstract: 本发明的实施例涉及一种具有智能动态反馈调整的热轧排程系统和方法，属于钢铁生产技术领域。具有智能动态反馈调整的热轧排程系统，包括：浇次模块，用于接收钢区的浇次释放信息和板坯库的板坯信息，并根据浇次释放信息和板坯信息生成板坯备料关系；规则库，用于存储热轧排程规则；轧程模块，用于接收板坯备料关系并调用热轧排程规则，以及基于热轧排程规则和板坯备料关系生成最终轧程计划。本发明的热轧排程系统和方法能够依据当前释放的浇次、板坯信息和热轧排程规则，快速自动生成符合工艺规则要求的轧程计划，智能化和自动化程度高，操作方便，减少人工手动操作可能产生的失误，有效节约生产成本，提高生产效率。
-
公开(公告)号：CN118726687A
公开(公告)日：2024-10-01
申请号：CN202410721080.3
申请日：2024-06-05
Applicant: 冶金自动化研究设计院有限公司
IPC: C21C5/28 , B22D11/16 , G06Q10/0631 , G06Q10/0635 , G06Q50/04
Abstract: 本发明涉及一种炼钢‑连铸区段生产动态调度系统，包括炼钢动态调度系统，用于基于浇次计划以及车间组态数据和调度规则库，动态模拟炼钢作业流程，生成或调整作业计划；铁钢协同调度模块，用于基于作业计划生成铁水需求计划，炼钢动态调度系统与铁水调度系统进行协同调度；铸轧协同调度模块，用于基于作业计划生成铸机作业计划和板坯切割计划，炼钢动态调度系统与铸轧调度系统进行协同调度；天车协同调度模块，用于基于作业计划生成运输计划，炼钢动态调度系统与天车调度系统进行协同调度。解决了现有技术中炼铁‑炼钢、连铸‑铸轧区段间协同、炼钢‑连铸内部与天车调度不足导致调度结果不够全面和准确的问题。
-
公开(公告)号：CN118469066A
公开(公告)日：2024-08-09
申请号：CN202410490662.5
申请日：2024-04-23
Applicant: 冶金自动化研究设计院有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/04
Abstract: 本发明涉及一种确定各计划铁次配包包号的方法，属于炼铁‑炼钢区段铁水包智能调度技术领域。所述确定各计划铁次配包包号的方法是按照出铁开始时间将出铁计划进行排序；选择出铁时间最靠前的计划铁次；确定铁次所需大小包个数，预测在线铁水包到达目标出铁口的时间；选择预计到达时间靠前的铁水包，判断是否满足出铁要求；如果满足出铁要求，继续配置下一计划铁次；如果不满足出铁要求，启用离线铁水包，继续配置下一计划铁次，将所有高炉出铁计划遍历之后，输出各计划铁次的配包包号。
-
公开(公告)号：CN114970138B
公开(公告)日：2024-05-31
申请号：CN202210564142.5
申请日：2022-05-23
Applicant: 冶金自动化研究设计院有限公司
IPC: G06F30/20 , G06Q10/04 , G06Q10/0631 , G06Q10/0633 , G06Q50/04 , G06F111/04
Abstract: 一种基于多智能体技术的炼钢仿真方法，属于炼钢仿真技术领域。步骤包括，将炼钢过程的各个设备分为多个智能体，针对每个智能体分别进行建模，通过anylogic搭建模型，进行排产调度。优点在于，通过将多智能体技术、炼钢仿真的结合，实现动态调度，应用该技术可以大大减少无效作业时间，提高作业效率，并且能适应多变的现场环境，有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。
-
公开(公告)号：CN114970138A
公开(公告)日：2022-08-30
申请号：CN202210564142.5
申请日：2022-05-23
Applicant: 冶金自动化研究设计院有限公司
IPC: G06F30/20 , G06Q10/04 , G06Q10/06 , G06Q50/04 , G06F111/04
Abstract: 一种基于多智能体技术的炼钢仿真方法，属于炼钢仿真技术领域。步骤包括，将炼钢过程的各个设备分为多个智能体，针对每个智能体分别进行建模，通过anylogic搭建模型，进行排产调度。优点在于，通过将多智能体技术、炼钢仿真的结合，实现动态调度，应用该技术可以大大减少无效作业时间，提高作业效率，并且能适应多变的现场环境，有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。
-
Patent Agency Ranking
公开(公告)号：CN104392326B
公开(公告)日：2017-05-24
申请号：CN201410714991.X
申请日：2014-12-01
Applicant: 冶金自动化研究设计院
IPC: G06F17/10
Abstract: 一种用于钢铁企业含铁固废循环利用的监控方法，属于钢铁企业含铁固废技术领域。通过建立含铁固废循环利用成本效益模型，实现了含铁固废循环利用效益最大化；通过构建含铁固废循环利用运输成本模型，量化了含铁固废循环利用运输费用；通过开发含铁固废协同平衡和优化调度模型，优化了含铁固废委托配送计划；通过应用含铁固废物流协同计划与调度流程和监控流程，对钢铁企业含铁固废资源的产生、流转、回收利用和销售过程进行实时监控和优化管理。
-
公开(公告)号：CN103606018A
公开(公告)日：2014-02-26
申请号：CN201310646467.9
申请日：2013-12-04
Applicant: 冶金自动化研究设计院
Abstract: 一种钢铁企业电力负荷短期动态预测系统，属于钢铁企业能源预测技术领域。在硬件上包括应用服务器、关系数据库服务器、客户端PC机及连接各计算机的网络设备包括交换机、网线、防火墙、路由器设备。应用服务器、关系数据库服务器通过网线连接到交换机上，外部客户端PC设备连接到路由器上，路由器经过防火墙和交换机相连，实现客户端和服务端通讯。软件系统包括异构数据平台，负荷预测系统两部分，其中，负荷预测系统由负荷分析模块、预测配置模块、负荷预测模块构成。优点在于，综合考虑各用电环节的用电特点、工艺特性、生产计划、检修计划及生产工况信息，分类建立模型，通过预测结果叠加获取总负荷预测值，更符合钢厂的实际，在动态预测过程中充分考虑到信息、工艺节奏和动态工况信息，模型具有更好的适应性。
-
公开(公告)号：CN103605805A
公开(公告)日：2014-02-26
申请号：CN201310659810.3
申请日：2013-12-09
Applicant: 冶金自动化研究设计院
IPC: G06F17/30
CPC classification number: G06F17/30548 , G06F17/30312
Abstract: 一种海量时序数据的存储方法，属于数据管理技术领域。采用设计精简的HBase主键，并根据不同类型时序数据的存储及访问特性对时序数据分类并设计存储机制：对于实时数据、大周期数据以及无周期数据，采用简单行存储，即一条时序数据对应一条HBase行记录，通过简单行存储实现快速插入及检索数据；对于历史数据，采用把某一时段内的历史时序数据存储为HBase的一条行记录的段存储机制，通过段存储实现快速、高吞吐性能的历史数据数据检索数。优点在于，解决了具有实时访问性能的海量时序数据存储问题。
-
公开(公告)号：CN101408769A
公开(公告)日：2009-04-15
申请号：CN200810226961.9
申请日：2008-11-21
Applicant: 冶金自动化研究设计院
IPC: G05B19/418
Abstract: 一种基于乘积ARIMA模型的在线能源预测系统及方法，属于钢铁企业能源预测技术领域。该系统包括现场的可编程控制器PLC，集散控制系统DCS组成的过程控制系统PCS层，生产执行系统MES层，企业资源计划管理ERP层，网络体系；网络体系由安装在现场的数据采集系统SCADA，实时数据库服务器，数据库服务器，应用服务器，客户端工作站，防病毒数据库以及连接各个计算机、控制器、传感器的网络组成。优点在于：通过预测算法参数配置模块配置合适的模型级次，可以实现对多种数据类型包括平稳、非平稳、季节波动数据进行实时在线预测。
-
公开(公告)号：CN112699524B
公开(公告)日：2024-06-21
申请号：CN202011357330.8
申请日：2020-11-26
Applicant: 冶金自动化研究设计院
IPC: G06F30/20 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , C21C5/00
Abstract: 一种应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型，属于钢铁企业计划调度技术领域。基于多智能体技术的炼钢厂仿真优化调度模型，通过多智能体建模把复杂的钢铁生产流程抽象为一个多智能体系统,将生产流程中的钢包、钢锭以及各单体设备抽象成单智能体模型，对复杂物流系统进行建模与仿真优化，通过分步骤和反馈迭代优化,化解求解难度，提高适应性。优点在于，解决了具有强耦合性、不确定性、多约束性、多目标性特征的复杂工况环境下高速工具钢炼钢流程建模较为困难的难题，实现了作业计划的智能优化及动态调整。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.033 seconds)
