基于多目标鲸鱼算法的冷轧生产计划优化方法

    公开(公告)号:CN116993530A

    公开(公告)日:2023-11-03

    申请号:CN202311013739.1

    申请日:2023-08-11

    Abstract: 本发明公开了一种基于多目标鲸鱼算法的冷轧生产计划优化方法,该方法包括:获取冷轧生产的输入信息,输入信息包括订单信息和制造信息;将输入信息输入预先构建的生产模型,以得到更新的生产模型,生产模型包括预设的多目标函数、决策变量和约束条件,其中,多目标函数包括最大化订单兑现率、最大化产能利用率、最小化吨钢制造成本以及最小化总库存,约束条件包括供应约束、产能约束、库存能力约束、物料守恒约束、空间约束以及时间约束,决策变量包括各机组生产计划量;基于多目标鲸鱼算法,对更新的生产模型进行迭代计算,以得到输出信息,输出信息包括各机组生产计划量。通过本发明解决了冷轧生产计划制定的合理性低的技术问题。

    一种钢铁制造系统实时取样及判定方法

    公开(公告)号:CN111551688B

    公开(公告)日:2022-05-20

    申请号:CN202010302303.4

    申请日:2020-04-16

    Abstract: 一种钢铁制造系统实时取样及判定方法,属于制造业和信息技术领域。本方法主要是为了解决钢铁产品生产过程中的实时取样和系统判定问题。本方法首先在制造系统对检验项目、物料树和试样编码进行规则定义;当物料产出时,制造系统根据取样工序按计划产出的物料编码对应的订单信息获取检验项目及相关试验要求,根据物料树获取钢坯炉次信息,通过条件查询是否存在可用试样号,如存在且满足相关约束条件则本物料不取样而匹配可用试样编码,否则将生成新的试样编码及参数匹配本物料,完成试样加工及试验后将结果传到制造系统;制造系统根据试验结果及订单要求的判定标准进行系统判定。本方法相比传统人工取样减少了取样次数和试验次数、提高了交货期。

    用于钢板表面缺陷检测的CNN模型训练方法和装置

    公开(公告)号:CN112016675A

    公开(公告)日:2020-12-01

    申请号:CN202010810100.6

    申请日:2020-08-13

    Abstract: 本发明涉及钢板表面缺陷检测技术领域,具体涉及一种用于钢板表面缺陷检测的CNN模型训练方法和装置。该方法包括:构建初始卷积神经网络模型;构建第一训练集;获取目标卷积神经网络模型;构建第一检测集;获取第一检测集的缺陷类别检测结果;构建第二训练集;获取辅助卷积神经网络模型;构建第二检测集;获取第二检测集的第一缺陷类别检测结果;获取第二检测集的第二缺陷类别检测结果;获取缺陷类别检测结果相同的表面缺陷图片;更新第一训练集,并利用更新后的第一训练集重新训练目标卷积神经网络模型,并重新构建第二检测集。本发明保证了训练集更新内容的准确度,整个过程全部实现计算机检测,提高了模型的迭代效率和识别精度。

    一种钢坯化学成分柔性设计方法

    公开(公告)号:CN111524561A

    公开(公告)日:2020-08-11

    申请号:CN202010301749.5

    申请日:2020-04-16

    Abstract: 一种钢坯化学成分柔性设计方法,属于制造业和信息技术领域。本方法主要是为了降低钢坯生产成本并实现柔性冶炼。本方法首先制定钢坯基本元素、合金元素和残余元素的设计规则,针对不同的质量要求匹配不同的生产成本控制;然后根据交货牌号的不同交货质量要求组合基本元素、合金元素和残余元素规则,分别形成一个钢坯小牌号并设计化学元素成分范围,在满足订单质量要求的前提下尽可能降低生产成本;最后基于用户规则将多个钢坯小牌号合并成一个钢坯CA,用一个钢坯CA满足不同交货牌号的产品质量要求,减少了钢坯牌号、方便组炉、实现了钢坯的柔性生产。

    用于钢板表面缺陷检测的CNN模型训练方法和装置

    公开(公告)号:CN112016675B

    公开(公告)日:2023-12-19

    申请号:CN202010810100.6

    申请日:2020-08-13

    Abstract: 本发明涉及钢板表面缺陷检测技术领域,具体涉及一种用于钢板表面缺陷检测的CNN模型训练方法和装置。该方法包括:构建初始卷积神经网络模型;构建第一训练集;获取目标卷积神经网络模型;构建第一检测集;获取第一检测集的缺陷类别检测结果;构建第二训练集;获取辅助卷积神经网络模型;构建第二检测集;获取第二检测集的第一缺陷类别检测结果;获取第二检测集的第二缺陷类别检测结果;获取缺陷类别检测结果相同的表面缺陷图片;更新第一训练集,并利用更新后的第一训练集重新训练目标卷积神经网络模型,并重新构建第二检测集。本发明保证了训练集更新内容的准确度,整个过程全部实现计算机检测,提高了模型的迭代效率和识别精度。

    一种制造系统减少钢板取样损失的生产计划优化方法

    公开(公告)号:CN111598396B

    公开(公告)日:2022-05-20

    申请号:CN202010301728.3

    申请日:2020-04-16

    Abstract: 一种制造系统减少钢板取样损失的生产计划优化方法,属于制造业和信息技术领域。本方法是为了解决减少钢板批次取样的损失问题。本方法在制造系统完成材料设计后,对每个工序的每一块计划物料增加一个虚拟物料号,建立各个虚拟物料号之间的关系;然后根据相关生产信息对板坯虚拟物料号进行组炉,按用户规则为每个取样批次指定取样板坯和备用取样板坯,为取样板坯和备用取样板坯生成取样编码及对应的检验项目,为该批次所有板坯匹配取样编码;如果取样板坯出现问题,则用备用取样板坯虚拟物料号对应轧制大板的虚拟物料号下达取样计划,按大板继承上道板坯的取样编码及对应的检验。本方法相比传统方法增加取样尺寸方法减少了取样损失,提高了成材率。

Patent Agency Ranking