公开(公告)号：CN117470901A

公开(公告)日：2024-01-30

申请号：CN202311248938.0

申请日：2023-09-26

Applicant: 南昌大学 ,  龙南龙钇重稀土科技股份有限公司

Inventor： 叶寒 ,  李健雄 ,  刘新宇 ,  白宇轩 ,  朱福生 ,  李仕林 ,  杨明浩 ,  陈若愚 ,  孙昭婷

IPC: G01N25/20

Abstract: 本发明提供一种蠕墨铸铁变质效果的热分析方法，该方法包括：在蠕墨铸铁的生产过程中，将变质后铁液采样并置于圆柱形样杯中，并采集热分析冷却曲线；提取热分析冷却曲线的特征值，将特征值输入至蠕化率计算模型和残余Mg含量计算模型得到蠕化率数据和残余Mg含量数据；将蠕化率数据和残余Mg含量数据分别与预设数据阈值进行对比，并基于对比结果评价变质后铁液的变质效果。本发明利用蠕化率计算模型和残余Mg含量计算模型对所提取的特征值进行蠕化率数据和残余Mg含量数据计算，根据蠕化率数据和残余Mg含量数据与预设数据阈值的对比结果评价变质后铁液的变质效果，使得蠕墨铸铁生产中变质效果的评判更快速，更精确，为生产过程中物料的动态调整提供依据。

公开(公告)号：CN117538368A

公开(公告)日：2024-02-09

申请号：CN202311248857.0

申请日：2023-09-26

Applicant: 南昌大学 ,  龙南龙钇重稀土科技股份有限公司

Inventor： 叶寒 ,  白宇轩 ,  刘新宇 ,  李健雄 ,  朱福生 ,  李仕林 ,  杨明浩 ,  陈若愚 ,  孙昭婷

IPC: G01N25/20

Abstract: 本发明提供一种球墨铸铁球化效果的热分析方法，该方法包括：在球墨铸铁的生产过程中，将变质后铁液采样并置于圆柱形样杯中，并采集热分析冷却曲线；提取热分析冷却曲线的特征值，将特征值输入至球化率计算模型和收缩率计算模型得到球化率数据和收缩率数据；将球化率数据和收缩率数据分别与预设数据阈值进行对比，并基于对比结果评价变质后铁液的球化效果。本发明利用球化率计算模型和收缩率计算模型对所提取的特征值进行球化率数据和收缩率数据计算，根据球化率数据和收缩率数据与预设数据阈值的对比结果评价变质后铁液的球化效果，使得球墨铸铁生产中球化效果的评判更快速，更精确，为生产过程中球化剂和孕育剂的动态调整提供依据。

公开(公告)号：CN115331406B

公开(公告)日：2024-02-09

申请号：CN202210856367.8

申请日：2022-07-21

Applicant: 南昌大学

Inventor： 杨湘杰 ,  龙孟新 ,  叶寒 ,  顾嘉 ,  李健雄 ,  白宇轩

IPC: G08B21/24 ,  G08B5/38 ,  C22C33/08

Abstract: 本发明提供了一种蠕铁制动鼓铁水质量预警系统及其预警方法，系统包括依次连接的温度采集模块、转换模块、工控装置、数字量I/O模块和显示终端/预警装置；所述温度采集模块用于采集蠕铁/球铁铁水生产线现场的信号数据，并将采集到的信号数据通过转换模块发送到工控机装置；所述工控机装置用于对接收的信号数据进行判断，并将判断结果通过数字量I/O模块发送信号至显示终端/预警装置；所述显示终端/预警装置用于预警。本发明通过采集蠕铁制动鼓正常生产的有限次数的试样凝固温度曲线作为样本曲线，当预警系统检测到铁水凝固曲线偏离该正常样本曲线某一阈值时进行预警，从而避免浇

公开(公告)号：CN115331406A

公开(公告)日：2022-11-11

申请号：CN202210856367.8

申请日：2022-07-21

Applicant: 南昌大学

Inventor： 杨湘杰 ,  龙孟新 ,  叶寒 ,  顾嘉 ,  李健雄 ,  白宇轩

IPC: G08B21/24 ,  G08B5/38 ,  C22C33/08

Abstract: 本发明提供了一种蠕铁制动鼓铁水质量预警系统及其预警方法，系统包括依次连接的温度采集模块、转换模块、工控装置、数字量I/O模块和显示终端/预警装置；所述温度采集模块用于采集蠕铁/球铁铁水生产线现场的信号数据，并将采集到的信号数据通过转换模块发送到工控机装置；所述工控机装置用于对接收的信号数据进行判断，并将判断结果通过数字量I/O模块发送信号至显示终端/预警装置；所述显示终端/预警装置用于预警。本发明通过采集蠕铁制动鼓正常生产的有限次数的试样凝固温度曲线作为样本曲线，当预警系统检测到铁水凝固曲线偏离该正常样本曲线某一阈值时进行预警，从而避免浇注铁水造成产品质量问题，在减小经济损失的同时有效保障了产品质量。

公开(公告)号：CN115270397A

公开(公告)日：2022-11-01

申请号：CN202210680749.X

申请日：2022-06-15

Applicant: 南昌大学

Inventor： 杨湘杰 ,  杨明浩 ,  叶寒 ,  顾嘉 ,  李全 ,  白宇轩 ,  姜乐付 ,  杨福玲

IPC: G06F30/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Tensorflow的神经网络蠕墨铸铁蠕化率预测方法，通过对蠕墨铸铁蠕化率的神经网络预测模型的网络结构设计以及训练数据的采集，在确定了神经网络输入神经元、输出神经元、神经激活函数以及隐含层神经元个数的情况下，采用预处理后的样本数据对初步建立的神经网络预测模型进行训练，进而得到可用于检测蠕墨铸铁蠕化率的神经网络预测模型。本发明相比传统的预测模型，通过神经网络构建算法模型对蠕化率进行快速预测，由于神经网络自身的特性，具备自学习能力和自适应能力，当生产原材料或者生产条件发生变化时，只需重新提供足够的数据样本对原始模型重新训练，网络模型即可自行更新，对生产过程中的蠕化质量具有较大的指导意义。