一种控制电镀锌IF钢产品表面丝斑缺陷的生产方法

    公开(公告)号:CN111069306A

    公开(公告)日:2020-04-28

    申请号:CN201911169842.9

    申请日:2019-11-26

    摘要: 本发明公开了一种控制电镀锌IF钢产品表面丝斑缺陷的生产方法,该生产方法主要通过控制热轧基板铁皮结构及除鳞效果的关键点入手,通过IF钢低温加热、低温卷取、冷却方式及配合除鳞工艺几个方面开展,有效解决电镀锌板丝斑问题,具体而言,采用本发明提供的控制电镀锌IF钢产品表面丝斑缺陷的生产方法生产的电镀锌IF钢,基本可杜绝丝斑缺陷的出现,采用常规生产方法生产获得的产品中丝斑缺陷的降级率为20%左右,而采用本发明提供的生产方法生产获得的产品中丝斑缺陷降级率为0.2%以下,该生产方法具有简单,易于操作,成品率高等优点。

    基于物理冶金学指导下机器学习的超高强不锈钢设计方法

    公开(公告)号:CN110442954A

    公开(公告)日:2019-11-12

    申请号:CN201910698771.5

    申请日:2019-07-31

    IPC分类号: G06F17/50 G06K9/62 G06N3/12

    摘要: 本发明提供一种基于物理冶金学指导下机器学习的超高强不锈钢设计方法,涉及钢铁材料设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的集成学习算法模型;将集成学习算法模型的相关系数大于90%的作为遗传算法中的目标函数;遗传算法被用于优化设计成分及工艺获得超高强不锈钢,对不锈钢的成分及热处理条件进行设计;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、硬度。该方法可以提升模型泛化能力,使设计更为高效,设计结果更加符合物理冶金学原理。

    一种基于物理指导的机器学习算法的钢铁材料设计方法

    公开(公告)号:CN110428876A

    公开(公告)日:2019-11-08

    申请号:CN201910698739.7

    申请日:2019-07-31

    IPC分类号: G16C60/00 G06N20/10 G06N3/12

    摘要: 本发明提供一种基于物理指导的机器学习算法的钢铁材料设计方法,涉及钢铁材料的设计和机器学习应用技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的支持向量机模型;将基于物理冶金学指导的支持向量机模型的相关系数大于90%的作为遗传算法中的目标函数;得到优化后的成分、工艺及最佳目标性能的材料;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、目标性能。本方法将物理冶金机制引入到机器学习中,同时结合优化算法形成完备的设计平台,设计结果更加符合物理冶金学原理。

    基于物理冶金学指导下机器学习的低活化钢的设计方法

    公开(公告)号:CN110415769A

    公开(公告)日:2019-11-05

    申请号:CN201910698854.4

    申请日:2019-07-31

    IPC分类号: G16C20/10 G16C20/70 G06N3/12

    摘要: 本发明提供一种基于物理冶金学指导下机器学习的低活化钢的设计方法,涉及材料计算设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的集成学习算法模型;将集成学习算法模型的相关系数大于90%的作为遗传算法中的目标函数;遗传算法被用于优化设计成分及工艺获得最佳强度的低活化钢,对低活化钢的成分及工艺进行设计;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、屈服强度。该方法使基于统计学的机器学习富有了物理冶金学含义,并且该方法可以提升模型泛化能力,使设计更为高效,设计结果更加符合物理冶金学原理。

    将刨床上刨刀抬升再回程的装置

    公开(公告)号:CN104493278A

    公开(公告)日:2015-04-08

    申请号:CN201410791889.X

    申请日:2014-12-19

    IPC分类号: B23D7/10

    摘要: 本发明涉及一种将刨床上刨刀抬升再回程的装置,该装置包括安装在刨刀侧面中部区域的挡插件和用于驱动挡插件的拔挡杆件,该拔挡杆件的上端设置有管状轴承,拔挡杆件的下端设置有滚动轴承,所述转动轴设置在刀架的上部。该装置中的滚动轴承在被刨削工件的表面上滚动,能将刨刀直接抬升,避免刨刀在回程过程中将工件表面和刨刀损坏。