JFE钢铁利用网络物理系统实现高炉操作自动化

钢铁行业高炉的高效稳定运行对于减少CO2排放极为重要。高炉是一种热效率高的反应过程，一方面在全世界被广泛应用，另一方面存在无法直接观察或测定内部的状态，以及由于原料性质的偏差等影响，高炉的状态

深度学习模型在钢铁行业的应用研讨及未来展望

1 调查结果概述 根据本专题系列文章的调查结果显示，深度学习技术正在钢铁行业的各个领域得到应用和发展。特别是在（1）炼铁工艺、（2）炼钢工艺、（3）轧制工艺和（4）产品特性评价方面，可以

深度学习模型在炼钢、轧制工艺及产品特性评价中的应用

1深度学习模型在炼钢工艺中的应用 炼钢工艺分为精炼工艺和连铸工艺。精炼工艺又分为铁水预处理工艺、转炉工艺及二次精炼工艺。另外，还存在利用废钢等原料生产钢水的电炉工艺。 本节将介绍转

旋流井沉井施工中突发管涌的应急处理

江苏永钢集团有限公司轧钢厂新建的超高强度高韧性特殊钢生产研发项目中有一座旋流井，采用沉井施工工艺，在沉井下沉纠偏过程中沉入有水压水的砂土层较深，出现管涌现象。本文简要分析了管涌事故原因，确定了

数领特钢 智启未来

中信泰富特钢集团“十四五”发展规划明确提出“数智引领”战略举措，构建“集团协同化运营、企业协同化制造、制造单元智能化生产”的“云-边-端”数智化转型体系；建立制造中心、经营中心、数据决策中心、

欧洲钢铁工业固废资源化方案（二）

3钢铁固废的资源化 BF-BOF和EAF路线的主要固体废弃物为高炉粉尘/煤气净化后的高炉污泥、高炉渣；转炉粉尘/煤气净化后的转炉污泥、转炉渣；煤气净化后的电炉粉尘、电炉渣；钢包炉渣等。下

深度学习技术在钢铁行业的应用趋势

本文利用爱思唯尔的SCOPUS?文献数据库介绍了该领域研究趋势的大致调查结果。 图1显示了截至2022年6月，与深度学习技术相关的研究论文数量及其在钢铁领域应用案例的年度变化情况的比较。

深度学习模型在炼铁工艺中的应用

1概述 炼铁工艺过程大致可分为两部分：炼铁原料生产过程和高炉炼铁过程。 在炼铁原料生产过程中，要生产烧结矿、球团矿和焦炭。烧结矿是将低粉化矿石与粉状焦炭或石灰石相混合在烧结机中加工

首个基于原厂升级改造的全流程智能钢厂

1月5日，镔鑫钢铁智能制造项目一阶段总结暨二阶段项目启动会议隆重举行，标志着中冶赛迪信息承建的镔钢全流程智能工厂正式完成一期建设，将在工业互联网平台及丰富智能应用基础上，迈入软硬件全面升级、智

深度学习的基本机理——深度神经网络

世界上大多数深度学习技术采用的数学模型被称为深度神经网络（Deep Neural Network; DNN）。DNN所需的功能或需要解决的课题被称为任务，典型的任务包括分类、检测、分割和回归。