-
公开(公告)号：CN112108523B
公开(公告)日：2022-08-09
申请号：CN202010805002.3
申请日：2020-08-12
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明公开了一种冷连轧生产中带钢表面缺陷处理方法及系统，其中所述方法包括：采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。本发明通过了对历史轧制过程的数据进行分析，并且对各个数据实现了与钢卷的位置关联。然后，在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
-
公开(公告)号：CN112108523A
公开(公告)日：2020-12-22
申请号：CN202010805002.3
申请日：2020-08-12
Applicant: 北京首钢自动化信息技术有限公司
Abstract: 本发明公开了一种冷连轧生产中带钢表面缺陷处理方法及系统，其中所述方法包括：采集目标类型带钢的历史轧制过程中的本工序数据和前工序数据；基于所述本工序数据、所述前工序数据以及轧制时序，获得以冷轧卷长度为基准的物料数据；对所述物料数据进行核心影响要素分析，获得导致断带的评价要素清单；基于所述评价要素清单对当前轧制过程中的目标类型带钢进行实时断带评价，获得断带评价结果。本发明通过了对历史轧制过程的数据进行分析，并且对各个数据实现了与钢卷的位置关联。然后，在轧制过程中就可实现对钢卷中每个位置的断带风险进行实时评价，避免遗漏缺陷带钢。
-
Patent Agency Ranking
公开(公告)号：CN119446332A
公开(公告)日：2025-02-14
申请号：CN202510027415.6
申请日：2025-01-08
Applicant: 北京首钢自动化信息技术有限公司
IPC: G16C20/30 , G16C20/70 , G06F18/243 , G06F18/27 , G06F18/2411
Abstract: 本申请公开一种钢材的工艺数据在线预测及诊断的方法及相关设备，涉及钢铁制造领域，所述方法包括：获取钢材的因子数据和钢材的工艺设计值，因子数据包括当前生产实际数据和历史生产实际数据，工艺设计值包括设计目标值；基于因子数据对预测模型进行构建得到目标预测模型，预测模型包括随机森林预测模型、极限树预测模型、支持向量机预测模型和多元线性回归预测模型；将当前生产实际数据和所述设计目标值输入至所述目标预测模型得到性能预测值，性能预测值包括钢材的过程性能预测值和钢材的成品性能预测值；判定性能预测值是否合格，得到判定结果；在判定结果为性能预测不合格的情况下，根据历史生产实际数据对钢材进行诊断得到钢材的诊断结果。
-
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
Applicant: 北京首钢自动化信息技术有限公司
IPC: G06N3/0464 , G06N3/08 , G06T7/00
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。
-
公开(公告)号：CN118445986A
公开(公告)日：2024-08-06
申请号：CN202410528311.9
申请日：2024-04-29
Applicant: 北京首钢股份有限公司 , 北京首钢自动化信息技术有限公司
IPC: G06F30/20 , C21C5/28 , G06F17/11 , G06F111/04 , G06F119/08
Abstract: 本申请公开了降低冶炼成本的方法、装置、介质及电子设备，所述方法包括：获取待冶炼钢种，根据待冶炼钢种，得到待冶炼钢种对应的炼钢工艺参数和炼钢工艺参数的约束条件，所述炼钢工艺参数包括成品目标成分、温度变化值和炼钢配料加入量，所述炼钢配料包括炼钢金属料和炼钢辅料；基于炼钢工艺参数的约束条件，构建炼钢工艺参数对应的约束方程；基于炼钢配料的原料成本，构建炼钢配料的原料成本最小的目标函数；根据炼钢工艺参数的约束方程和炼钢配料的原料成本最小的目标函数，构建线性数学规划模型；求解线性数学规划模型的最优解，得到炼钢配料的配比。本申请通过优化炼钢配料的配比，降低了转炉炼钢的原料成本和冶炼成本。
-
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
Applicant: 北京首钢自动化信息技术有限公司 , 燕山大学
IPC: G06Q50/04 , G06N3/006 , G06Q30/0601 , G06F30/27 , G06F111/04
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。
-
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
Applicant: 北京首钢自动化信息技术有限公司
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.048 seconds)
