CN1277569A - 控制冶金设备的方法和装置 - Google Patents

控制冶金设备的方法和装置 Download PDF

Info

Publication number
CN1277569A
CN1277569A CN98810585A CN98810585A CN1277569A CN 1277569 A CN1277569 A CN 1277569A CN 98810585 A CN98810585 A CN 98810585A CN 98810585 A CN98810585 A CN 98810585A CN 1277569 A CN1277569 A CN 1277569A
Authority
CN
China
Prior art keywords
steel
aluminium
operating parameters
material property
equipment
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
Application number
CN98810585A
Other languages
English (en)
Other versions
CN1139442C (zh
Inventor
鲁迪格·多尔
奥托·格拉姆考
冈特·索格尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Puruite metallurgical technology limited liability company in Germany
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=7848070&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN1277569(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN1277569A publication Critical patent/CN1277569A/zh
Application granted granted Critical
Publication of CN1139442C publication Critical patent/CN1139442C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D11/00—Process control or regulation for heat treatments
    • 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
    • C—CHEMISTRY; METALLURGY
    • C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
    • C22F—CHANGING THE PHYSICAL STRUCTURE OF NON-FERROUS METALS AND NON-FERROUS ALLOYS
    • C22F1/00—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working
    • C22F1/04—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working of aluminium or alloys based thereon
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D8/00—Modifying the physical properties by deformation combined with, or followed by, heat treatment

Abstract

一种用于控制生产钢或铝的冶金设备,尤其是轧制设备的方法,其中在冶金设备中,从入口材料生产出具有确定的取决于钢或铝的组织的材料性能的钢或铝;其中钢或铝的性能取决于设备运转时的运转参数,其中依据钢或铝的所期望的材料性能,借助一个组织优化器来确定运转参数。

Description

控制冶金设备的 方法和装置
本发明涉及一种用于控制生产钢或铝的冶金设备，尤其是轧制设备的方法和装置，其中在冶金设备中，从入口材料生产出具有确定的取决于钢或铝的组织的材料性能的钢或铝；其中钢或铝的性能取决于设备运转时的运转参数，其中依据钢或铝的所期望的材料性能，借助一个组织优化器来确定运转参数。
通常由冶金设备的操作人员来调节相应的运转参数，使得钢或铝的材料性能与所期望的预定的材料性能相对应。为此，操作人员通常运用经验数据，它们以表格形式列出。
本发明的目的在于提供一种方法和一种实施该方法的装置，这种方法使得生产出材料性能与预先所期望的材料性能更精确地相对应的钢或铝成为可能。
本发明的目的是通过权利要求1所述的一种方法和权利要求5所述的一种装置来实现的。在此，在本文开头所述的方法或装置中，依据钢或铝的所期望的材料性能，借助一个组织优化器来确定运转参数。在此尤其比较有利的是考虑钢或铝的材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数等。本发明方法允许通过调节台金设备的运转参数，来使所生产出的钢或铝具有所期望的材料性能。
在本发明的一个有利设计中，所述组织优化器具有一个组织观察器，它依据冶金设备的运转参数来预报在该冶金设备中所生产的钢或铝的材料性能。这样一种组织观察器比较有利地具有一个神经网络。
在本发明的另一个有利设计中，所述组织优化器依据钢或铝的温度、绝对变形量或相对变形量、变形速度以及钢或铝的合金含量来确定钢或铝的至少一种材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。
在本发明方法的另一个有利设计中，所述组织优化器依据钢的各种合金含量来确定钢的至少一种材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。在此，特别有利地提出，依据碳含量、硅含量、锰含量、磷含量、硫含量、钴含量、铝含量、铬含量、钼含量、镍含量、钒含量、铜含量、锌含量、钙含量、钛含量、硼含量、铌含量、砷含量、钨含量和氮含量来确定待检查钢的至少一种材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。
在本发明的一个简化的有利设计中，所述组织优化器依据钢中的碳含量或碳当量或钢中有效元素的含量和/或有害元素的含量来确定待检查钢的至少一种材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。
本发明的其它优点和细节由下面借助附图对实施例的描述和从属权利要求给出。附图中：
图1示出在轧制时钢的组织变化，
图2示出一个组织优化器组合入轧制机组的控制系统，
图3示出一个组织观察器，
图4示出组织观察器的另一设计，
图5示出组织观察器的再一设计，
图6示出遗传算法在组织优化器中的应用。
图1示出在轧制时钢的组织变化。具有方块1所示组织的钢进入轧制机组。在通过第一架轧机轧制后形成如方块2所示的伸长晶粒。在这种状态出现所谓的回复，该组织的各晶粒内的位错减少，从而晶粒内的应力减少。通过如方块3所示的再结晶，从晶界开始形成新的几乎无位错的晶粒。根据当材料仍处于轧机中时是否形成新晶粒或在轧制以后才形成新晶粒，再结晶分为动态再结晶或静态再结晶。接着在再结晶之后发生与温度相关的晶粒长大，即小晶粒消失，生成如方块4所示的粗大晶粒。迭代环路6表示轧制机组中有多架轧机或轧件多次通过可逆轧机。从原理上说，每次轧制时方块2、3、4所示的过程都重复一次，仅仅是每次从上一道次之后的组织结构开始。在轧制结束以及随后的冷却之后，形成如方块5所示的组织结构。这种组织结构具有确定的材料性能，即一定大小的屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。从金属，尤其是钢或铝的屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数的预定值出发，来调节轧制机组(或连铸设备)，使得最终调节出具有屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数的期望值的组织结构。这一点借助一个如图2所示的组织优化器来实现。
在图2中附图标记15表示轧制机组16中的带材，其材料性能或使用性能在轧制之后应与这种材料性能或使用性能的目标值11相一致。为了对该轧制机组进行调制，设置调节器17。此外设置测量轧制机组的确定状态的测量设备18。由调节器17调节的轧制机组16的运转参数由一个组织优化器20来测算。该组织优化器20具有一个组织观察器25，它依据一个标准道次压下规程10、带材15的化学成分12以及依据测算的用于轧制机组16的调节量的预计算24来测算带材15的所期望的材料性能或使用性能。这样一种组织观察器25将在图3、图4和图5中详细说明。在一个比较器21中对材料性能或使用性能的目标值11和由组织观察器25测算的材料性能或使用性能的测算值进行比较。如果材料性能或使用性能的目标值11与由组织观察器25测算的材料性能或使用性能的测算值并不恰好相一致，那么遵循路径26。根据一个选定的最优化准则，运转参数(在此处为各轧机中的入口温度T入、出口温度T出以及压下量i)在一个加权的变换22中得到改变。该加权变换22的结果是带材15进入轧制机组16时的入口温度T入、带材15离开轧制机组16时的出口温度T出以及轧制机组16中各架轧机上变形量i的新的目标值23。从这些目标值23出发，在一个预计算24中测算出用于轧制机组16的新的调节量。这种循环一直进行到由组织观察器所测算的值25与材料性能或使用性能的目标值到达所期望的一致性为止。在这种情况下遵循路径27，它相应于在预计算24中所测算的值来调节调节器17。此外，设置预计算24的一种适配13，借助于预计算24所用模型并依据测量装置18的测量值和一个后计算14进行适配。在一个有利的可选设计中设定，组织观察器25的输入量不是在预计算24中计算出的用于轧制机组的调节量，而是运转参数，在前述情况下即为T入、T出和i。
同样可以设定，借助相应于图2所示的组织优化器来调节一种主要由一套热轧机组和一套冷轧机组组成的冶金设备，一种主要由一套连铸设备、一套热轧机组和一套冷轧机组组成的冶金设备，一种主要由一套连铸设备和一套热轧机组组成的冶金设备，一种主要由一套连铸设备、一套轧制机组和冷却线组成的冶金设备。为此相应采用扩展的组织观察器以及相应采用多个运转参数。本发明同样适合于调节钢轨生产线。
特别有利的是采用该组织优化器20来同时优化其它参数，例如能耗和轧辊磨损。
图3、图4和图5示出图2中组织观察器25的有利设计。在图3中，PB表示运转参数，PM表示钢或铝的材料性能或使用性能。附图标记50表示一个神经网络，它依据运转参数测算材料性能或使用性能PM，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数。这样一种神经网络的结构可从DE 19738943中获得。
图4示出组织观察器的另一设计。该组织观察器具有一个晶粒尺寸模型51和一个分析用材料模型52。这些模型的细节可从C.Mhe.Sellers和J.A.Whiteman在1979年3月/4月的“材料科学(Material Science)”第187至193页发表的论文“热轧时的再结晶和晶粒长大(Recrystallisation and graingrowth in hot rolling)”中获得。该晶粒尺寸模型51依据运转参数PB来测算在没有奥氏体或仅有部分奥氏体时的铁素体晶粒尺寸dα。该材料模型52依据没有奥氏体或仅有部分奥氏体时的铁素体晶粒尺寸dα和运转参数PB来测算材料性能或使用性能。运转参数PB作为用于晶粒尺寸模型51和材料模型52的输入量没有必要是一致的。不同的运转参数可用作输入量。
图5示出一种相应于图4的组织观察器，其中所述分析用材料模型52由一个神经网络53所代替。这样一种神经网络53例如由DE 19738943所描述，其中没有奥氏体或仅有部分奥氏体时的铁素体晶粒尺寸dα作为附加输入量用于在DE 19738943中公开的神经网络。
为了通过一种图2所示的组织优化器20来迭代确定最优调节量或最优运转参数，可比较有利地采用遗传算法。
图6简要示出借助遗传算法进行最优化的过程。这种最优化的过程如下：
-用于待最优化的参数的值安置在所谓的基因40中，基因40又属于一个所谓的种群的单体41，
-一个确定数量的单体41形成一个所谓的起始种群，
-在所述基因中的一个或所有值，尤其是一个从正交分布的随机数中选择的随机值得到改变，因此产生一个改变了的种群34(图6中步骤33)，
-在所谓染色体上的同种基因汇集在一起，它们在再次结合时共同遗传下去，
-有其基因，即用于相应的参数的值的单体借助一个最优化函数来判断，
-在这种判断(图6中的步骤32)的基础上，对用于一个新种群的单体进行选择，其中，优选统计式选择比其它单体更好地满足最优化函数的单体，
-余下的单体31不再考虑，
-以新种群41进行的最优化循环一直重复进行到得到可视作最优的结果为止。
如果向图2所示的组织优化器20中的迭代环路传递，图6中的步骤32在图2所示的比较器21中或所述判断在图2所示的组织观察器25中执行。图6中的步骤33和35在图2所示的加权变换32中执行。在基因中汇集的参数例如相应于图2中的运转参数T入、T出和i。特别有利的是，其它参数，尤其是最优化准则(例如能耗和轧辊磨损)，也一同考虑在最优化中。与此相对应，要设置与这些参数相应的基因。这样，其它参数可与运转参数同时优化。

Claims (5)

1.一种用于控制生产钢或铝的冶金设备，尤其是轧制设备的方法，其中在冶金设备中，从入口材料生产出具有确定的取决于钢或铝的组织的材料性能的钢或铝；其中钢或铝的性能取决于设备运转时的运转参数，其特征在于：依据钢或铝的所期望的材料性能，借助一个组织优化器来确定运转参数。
2.根据权利要求1所述的方法，其特征在于：依据钢或铝的至少一种所期望的材料性能，诸如屈服强度、屈服延伸率、抗拉强度、断裂延伸率、硬度、脆性转变温度、各向异性和硬化指数，借助所述组织优化器来确定运转参数。
3.根据权利要求1或2所述的方法，其特征在于：借助所述组织优化器来优化能耗和/或轧辊磨损。
4.根据权利要求1或2或3所述的方法，其特征在于：依据钢或铝的所期望的材料性能，借助遗传算法来确定运转参数。
5.一种实施上述任一项权利要求所述方法的装置，该装置用于控制生产钢或铝的冶金设备，尤其是轧制设备，其中在冶金设备中，从入口材料生产出具有确定的取决于钢或铝的组织的材料性能的钢或铝；其中钢或铝的性能取决于设备运转时的运转参数，其特征在于：该用于控制生产钢或铝的冶金设备的装置具有一个组织优化器，该组织优化器依据钢或铝的所期望的材料性能来确定运转参数。
CNB988105853A 1997-11-10 1998-10-27 控制冶金设备的方法和装置 Expired - Lifetime CN1139442C (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE19749460 1997-11-10
DE19749460.9 1997-11-10
DE19806267A DE19806267A1 (de) 1997-11-10 1998-02-16 Verfahren und Einrichtung zur Steuerung einer hüttentechnischen Anlage
DE19806267.2 1998-02-16

Publications (2)

Publication Number Publication Date
CN1277569A true CN1277569A (zh) 2000-12-20
CN1139442C CN1139442C (zh) 2004-02-25

Family

ID=7848070

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB988105853A Expired - Lifetime CN1139442C (zh) 1997-11-10 1998-10-27 控制冶金设备的方法和装置

Country Status (6)

Country Link
US (1) US6546310B1 (zh)
KR (1) KR100402720B1 (zh)
CN (1) CN1139442C (zh)
AT (1) AT414316B (zh)
DE (2) DE19806267A1 (zh)
WO (1) WO1999024182A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100381956C (zh) * 2002-09-11 2008-04-16 费舍-柔斯芒特系统股份有限公司 在过程控制系统中的集成模型预测控制和最佳化
CN101850410A (zh) * 2010-06-22 2010-10-06 攀钢集团钢铁钒钛股份有限公司 一种基于神经网络的连铸漏钢预报方法

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19806267A1 (de) * 1997-11-10 1999-05-20 Siemens Ag Verfahren und Einrichtung zur Steuerung einer hüttentechnischen Anlage
DE19930173A1 (de) * 1999-06-30 2001-01-04 Parsytec Comp Gmbh Verfahren und Vorrichtung zur prozeßoptimierenden Einstellung von Parametern eines Produktionsprozesses
DE10256750A1 (de) * 2002-12-05 2004-06-17 Sms Demag Ag Verfahren zur Prozesssteuerung oder Prozessregelung einer Anlage zur Umformung, Kühlung und/oder Wärmebehandlung von Metall
US8108064B2 (en) * 2003-03-28 2012-01-31 Tata Steel Limited System and method for on-line property prediction for hot rolled coil in a hot strip mill
DE10339766A1 (de) * 2003-08-27 2005-04-07 Siemens Ag Verfahren und Einrichtung zur Steuerung einer Anlage zur Herstellung von Stahl
US8833338B2 (en) * 2005-03-09 2014-09-16 Merton W. Pekrul Rotary engine lip-seal apparatus and method of operation therefor
WO2008000845A1 (es) * 2006-06-19 2008-01-03 Fundacion Labein Método y sistema de optimización de procesos de laminación de acero
EP2280324A1 (de) 2009-07-08 2011-02-02 Siemens Aktiengesellschaft Steuerverfahren für ein Walzwerk mit Adaption eines von einem Walzmodell verschiedenen Zusatzmodells anhand einer Walzgröße
JP6068146B2 (ja) * 2013-01-10 2017-01-25 東芝三菱電機産業システム株式会社 設定値計算装置、設定値計算方法、及び設定値計算プログラム
AT514380B1 (de) * 2013-05-03 2015-04-15 Siemens Vai Metals Tech Gmbh Bestimmung des ferritischen Phasenanteils nach dem Erwärmen oder Abkühlen eines Stahlbands
DE102014224461A1 (de) * 2014-01-22 2015-07-23 Sms Siemag Ag Verfahren zur optimierten Herstellung von metallischen Stahl- und Eisenlegierungen in Warmwalz- und Grobblechwerken mittels eines Gefügesimulators, -monitors und/oder -modells
DE102016100811A1 (de) 2015-09-25 2017-03-30 Sms Group Gmbh Verfahren und Ermittlung der Gefügebestandteile in einer Glühlinie
DE102016222644A1 (de) 2016-03-14 2017-09-28 Sms Group Gmbh Verfahren zum Walzen und/oder zur Wärmebehandlung eines metallischen Produkts
KR20190078337A (ko) * 2017-12-26 2019-07-04 주식회사 포스코 인공지능을 이용한 압연기 제어 장치
DE102018220500A1 (de) 2018-11-28 2020-05-28 Sms Group Gmbh Verfahren zur Herstellung eines Mehrphasenstahls
CN113316747B (zh) * 2018-12-18 2023-07-25 安赛乐米塔尔公司 控制方法和电子设备、计算机可读介质、制造方法和装置
DE102020201215A1 (de) * 2019-05-03 2020-11-05 Sms Group Gmbh Verfahren zum Betreiben einer industriellen Anlage
JP6897723B2 (ja) * 2019-07-19 2021-07-07 Ｊｆｅスチール株式会社 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法
EP3858503B1 (de) * 2020-01-28 2023-01-25 Primetals Technologies Germany GmbH Walzwerk mit werkstoffeigenschaftsabhängiger walzung
JP7200982B2 (ja) * 2020-09-14 2023-01-10 Ｊｆｅスチール株式会社 材料特性値予測システム及び金属板の製造方法
CN114713640A (zh) * 2022-04-12 2022-07-08 南京钢铁股份有限公司 一种含Nb成分热轧直条HRB400钢筋的生产控制方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1028535A (en) * 1973-11-15 1978-03-28 Bethlehem Steel Corporation Method for controlling the temperature of steel during hot-rolling on a continuous hot-rolling mill
US4434003A (en) * 1980-12-15 1984-02-28 Geskin Ernest S Steel making method
JPS61163211A (ja) * 1985-01-09 1986-07-23 Nippon Steel Corp 熱間圧延鋼材の材質調整方法
JPS6314813A (ja) 1986-07-07 1988-01-22 Nippon Steel Corp Ｎｂ鋼の材質調整法
EP0264868B1 (de) * 1986-10-20 1994-02-02 Sms Schloemann-Siemag Aktiengesellschaft Fein- oder Mittelstahlstrasse
JPH07102378B2 (ja) 1990-04-19 1995-11-08 新日本製鐵株式会社 鋼板材質予測装置
JPH04190910A (ja) 1990-11-22 1992-07-09 Toshiba Corp 圧延機の設定計算装置
EP0541825A4 (en) * 1991-06-04 1995-10-11 Nippon Steel Corp Method of estimating material of steel product
DE4416317B4 (de) * 1993-05-17 2004-10-21 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
DE4338608B4 (de) * 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
JP2979974B2 (ja) 1994-09-22 1999-11-22 住友金属工業株式会社 冷延鋼板の機械特性制御方法
AT408623B (de) * 1996-10-30 2002-01-25 Voest Alpine Ind Anlagen Verfahren zur überwachung und steuerung der qualität von walzprodukten aus warmwalzprozessen
US5976279A (en) * 1997-06-04 1999-11-02 Golden Aluminum Company For heat treatable aluminum alloys and treatment process for making same
US5993573A (en) * 1997-06-04 1999-11-30 Golden Aluminum Company Continuously annealed aluminum alloys and process for making same
DE19738943B4 (de) 1997-09-05 2008-01-03 Siemens Ag Verfahren und Einrichtung zur Bestimmung von Eigenschaften eines Stahls
DE19806267A1 (de) * 1997-11-10 1999-05-20 Siemens Ag Verfahren und Einrichtung zur Steuerung einer hüttentechnischen Anlage

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100381956C (zh) * 2002-09-11 2008-04-16 费舍-柔斯芒特系统股份有限公司 在过程控制系统中的集成模型预测控制和最佳化
CN101850410A (zh) * 2010-06-22 2010-10-06 攀钢集团钢铁钒钛股份有限公司 一种基于神经网络的连铸漏钢预报方法
CN101850410B (zh) * 2010-06-22 2012-06-20 攀钢集团钢铁钒钛股份有限公司 一种基于神经网络的连铸漏钢预报方法

Also Published As

Publication number Publication date
ATA911998A (de) 2003-04-15
AT414316B (de) 2007-02-15
US6546310B1 (en) 2003-04-08
DE19806267A1 (de) 1999-05-20
KR100402720B1 (ko) 2003-10-17
DE19881711C5 (de) 2019-02-14
KR20010031966A (ko) 2001-04-16
CN1139442C (zh) 2004-02-25
DE19881711D2 (de) 2001-02-15
DE19881711B4 (de) 2012-07-26
WO1999024182A1 (de) 1999-05-20

Similar Documents

Publication Publication Date Title
CN1139442C (zh) 控制冶金设备的方法和装置
US6430461B1 (en) Process for monitoring and controlling the quality of rolled products from hot-rolling processes
CA2508594C (en) Method for the process control or process regulation of an installation for the shaping, cooling, and/or heat treatment of metal
CN1094077C (zh) 在轧制和冷却过程中控制轧件冷却的由模型支持的方法
CN101391268B (zh) 一种钢板控轧控冷过程温度制度的逆向优化方法
US8108064B2 (en) System and method for on-line property prediction for hot rolled coil in a hot strip mill
CN1330930C (zh) 轧制过程钢板内部组织晶粒尺寸的软测量方法
Çöl et al. An artificial neural network model for toughness properties in microalloyed steel in consideration of industrial production conditions
JP7200982B2 (ja) 材料特性値予測システム及び金属板の製造方法
CN1641356B (zh) 硬线产品显微组织与力学性能预报系统
CN115551652A (zh) 用于在热轧带材机组中热成型时控制或调节钢带的温度的方法
KR20200018610A (ko) 어닐링 로의 작동 방법
CN115392104A (zh) 一种基于退火工艺预测冷轧连续退火带钢力学性能的方法
CN114564879A (zh) 一种基于多尺度数据融合的连退带钢硬度在线预测方法
JPH0587800A (ja) 鋼板の材質予測方法
Andorfer et al. Properties of hot rolled strip obtained by calculation or testing-a critical comparison
Thakur et al. Application of machine learning methods for the prediction of roll force and torque during plate rolling of micro-alloyed steel
CN115386720B (zh) 一种冷轧连续退火钢板力学性能在线控制方法
Andorfer et al. VAIQ strip-an on-line system for controlling the mechanical properties of hot rolled strip
Ferraiuolo Integration and digitalization
KR20230118901A (ko) 열간 압연기 런아웃 테이블의 냉각을 제어하는 방법
Perlade et al. Integrated process-metallurgy modelling for Nb-microalloyed hot rolled steels.
Li et al. Significance and development of a next-generation Level 2 model as a metallurgical system
Hoogendoorn et al. Heat treatment in hot strip rolling of steel
Gorni APPLICATION OF NEURAL NETWORKS IN THE MODELING OF HOT ROLLING PROCESSES

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160905

Address after: Erlangen

Patentee after: Puruite metallurgical technology limited liability company in Germany

Address before: Munich, Germany

Patentee before: Siemens AG

CX01 Expiry of patent term

Granted publication date: 20040225

CX01 Expiry of patent term