张力作用下柔性带钢模态灵敏度理论分析及试验研究

卷到卷工艺的产品正向薄和宽的方向发展,其柔性特征导致的振动特性变化需深入研究。针对弹性支撑的运动带钢,建立了面外振动的动力学模型,分析了模态频率灵敏度影响因子;搭建了试验平台,针对柔性带模态试验提出了力锤的选择方法。开展了张力作用下的不同宽厚比带钢模态试验,并建立了数值仿真模型。有限元与试验结果对比说明了有限元模型有效性。定量分析了不同张力下宽度、厚度对带钢模态灵敏度的影响,及张力对不同带钢模态灵敏度的影响。结果表明不同宽度、厚度变化m=2阶模态灵敏度影响较大且随宽度、厚度增大而增大,其余四阶模态灵敏度接近于0;不同张力下n=3阶的模态灵敏度是n=2阶的两倍均随张力的增大而增大,更薄更宽带钢的(2,2)和(2,3)阶模态频率对张力变化的灵敏度更高。

带钢表面高压水射流清洗机理及试验研究

高压水射流技术是冷轧带钢表面清洗的有效技术手段,为了探究高压水射流清洗带钢表面污垢的工作机理,基于计算流体力学理论建立了高压水射流打击力模型,分析了打击力与喷嘴压力和流量的关系。通过正交理论,开展了带钢清洗效果的试验验证,并对不同工况参数下带钢清洗后的表面形貌进行了分析。结果显示,工作压力对于提高带钢清洗后的表面质量影响最为显著。此外,适当增大清洗角度和喷射距离也有助于提高清洗后带钢的表面质量,为优化清洗工艺提供了重要的参考依据。

面向热轧带钢表面缺陷检测的YOLOv5算法优化分析

单阶段目标检测网络YOLOv5在处理热轧带钢表面缺陷的特征提取与感受特征融合时存在一定不足。文章提出一种适用于热轧带钢表面缺陷检测的优化YOLOv5算法,该算法通过IOUK-means++算法调整Anchor聚类锚框设定,并增加Dynamic Head目标检测头,引入通道注意力机制(C3_CA),同时结合Hard Swish激活函数与WIoU_Loss边界框回归函数,有效提高热轧带钢表面缺陷检测的综合精度。由NEU-DET数据集测试结果表明,相较于单阶段YOLOv5算法融合结果,优化后的YOLOv5网络模型的均值平均精度(mAP)可提高至75.7%,且网络约束率可有效提升6.1%。上述优化YOLOv5算法对热轧带钢表面缺陷位置勘定、分类指向与影响评估具有有益参考,同时也为金属表面的高精度筛检提供重要支持。

基于YOLOv8-NFMC的带钢表面缺陷检测算法

针对YOLOv8算法在应用于带钢表面缺陷检测时存在漏检和错检等问题,提出了一种改进YOLOv8算法。针对数据集中的小目标的标签,在原损失CIOU的基础上面加入标准化高斯瓦瑟斯坦距离(normalized Gaussian Wasserstein distance,NWD),提升模型对小目标缺陷的检测能力;采用聚焦调制(focal modulation)替换YOLOv8模型的空间池化金字塔(spatial pyramid pooling-fast,SPPF),在轻量化的同时,提高多尺度特征的表达能力;采用移动翻转瓶颈卷积(mobile inverted bottleneck conv,MBConv)替换C2f中的Conv构建新模块C2f-MB,同时使用C2f-MB替换原有的C2f模块,增强特征表达能力和多尺度特征融合能力;在主干部分加入卷积块注意力机制(convolutional block attention module,CBAM)来抑制背景干扰,能更好捕获全局信息,提升了主干部分的特征提取能力。实验结果表明,改进后的YOLOv8算法在计算量下降的同时,mAP@0.5提高了3%,对漏检和错检等问题有明显改善。

基于可变形卷积和注意力的带钢瑕疵识别方法

带钢生产中瑕疵检测的准确性对于其质量的保证有着至关重要的意义。本文针对带钢表面瑕疵检测中的瑕疵种类复杂、背景干扰严重、瑕疵样式间面积形态差异较大等问题,提出了一种基于ResNet50改进的结合多尺度变形卷积和注意力的带钢表面瑕疵分类识别方法。首先通过细化ResNet50中BottleNeck结构的卷积块为一组多尺度卷积以扩大感受野,然后引入可变形卷积代替组中的卷积核,使网络在训练中捕捉不同形态尺度的瑕疵特征。最后在网络中引入增强注意力模块,使网络可以关注到通道与空间之间的信息,将其联合起来从而关注到更重要的通道和空间位置。通过对比实验表明,本文提出的方法在带钢的表面瑕疵分类识别上精确度优于现有方法,可以应用于企业实际的带钢的工业生产中。

YOLOv8-VSC:一种轻量级的带钢表面缺陷检测算法

目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难。为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级的带钢表面缺陷检测模型YOLOv8-VSC。该模型使用轻量级的VanillaNet网络作为骨干特征提取网络,通过减少不必要的分支结构降低模型的复杂度。同时,引入SPD模块在减少网络层数的同时加快模型的推理速度。为了进一步提升检测精度,在特征融合网络中,使用轻量级的上采样算子CARAFE,提高融合特征的质量和丰富度。最后,在NEU-DET数据集上进行大量实验,得到模型的参数量与计算量为1.96×106和6.0 GFLOPs,仅为基线的65.1%和74.1%,mAP达到80.8%,较基线提升1.8个百分点。此外,在铝材表面缺陷数据集和VOC2012数据集上的实验结果表明所提算法具有良好的鲁棒性。与先进的目标检测算法相比,所提算法在保证高检测精度的前提下需要的计算资源更少。

基于小波去噪与改进Canny算法的带钢表面缺陷检测

针对带钢表面图像亮度不均匀、对比度低以及缺陷种类多、形式复杂的问题,提出一种基于小波去噪与改进Canny算法的带钢表面缺陷检测算法。首先通过小波变换将原始图像分解,对低频分量采用改进的同态滤波提高亮度和对比度,对高频分量采用改进的阈值函数进行去噪,并通过小波重构得到增强图像。其次对传统Canny算法进行改进,通过改进的自适应加权中值滤波进行平滑,并增加梯度方向模板;然后采用迭代式最优阈值选择法与最大类间方差法来求取高低阈值,提高算法的自适应性。最后采用形态学处理对缺陷边缘填充,并去除干扰边缘及毛刺,得到带钢表面缺陷区域。实验结果表明,所提算法对带钢表面缺陷的检测效果较好、精度较高,适用于多种类型的带钢表面缺陷检测。

基于知识图谱推理的热轧带钢产品质量缺陷追溯

热轧带钢生产面临多工况、机理复杂、工艺参数繁多等问题,造成专家很难及时有效给出生产中导致质量缺陷的原因。由此提出一种基于知识图谱推理的质量缺陷追溯方法。首先通过可解释方法SHAP实现对随机森林模型预测结果的解释,并通过知识图谱将数据挖掘结果与工艺机理、专家经验等知识进行融合,进一步将图谱中表示工艺参数与质量参数依赖关系的子图映射到贝叶斯网络,推断不同工艺参数导致产品质量缺陷的后验概率。实际生产数据验证表明,针对不同生产工况,该方法能有效识别各个批次中导致质量缺陷的工艺参数,表现出良好识别率。

基于LIR和GFNet的带钢表面缺陷识别

针对深度学习(deep learning,DL)模型处理带钢表面缺陷图像存在计算成本大、实时性差的问题,提出了一种基于可学习的图像调整器(learnable image resizer,LIR)和扫视-聚焦网络(glance and focus network,GFNet)的带钢表面缺陷分类方法。首先,针对DL模型在处理带钢表面缺陷图像时存在空间冗余的问题,提出GFNet驱动的带钢表面缺陷识别模型,其可以根据不同样本自适应分配计算资源,在模型推理阶段显著减少计算量;其次,提出LIR和GFNet联合训练的方法,调整图像大小的同时实现针对识别模型的特征增强;最后,收集整理了某钢铁企业冷轧薄板厂带钢表面缺陷数据集,利用所提方法进行分析。将残差网络(residual networks,ResNet)的ResNet-50模型作为主干网络,与原始ResNet-50比较,所提方法在不牺牲准确率的情况下,将单张图像的推断时间减少约3.58倍,计算量降低约6.11倍,从而验证了提出方法的有效性。

不同除鳞工艺对热轧带钢热镀锌质量的影响

目的研究酸洗、湿法抛丸技术(Eco-Pickled Surface,EPS)、EPS+纤维刷工艺(EPS+plus)和干抛丸4种不同除鳞工艺对Q235B热轧带钢热镀锌质量的影响机理和规律,并将EPS和EPS+plus工艺处理后的热轧带钢在带钢热镀锌生产线上试制,实现大规模生产。方法采用粗糙度轮廓仪测量4种表面除鳞处理后的Q235B钢板表面粗糙度,利用扫描电镜分析表面形貌及氧化皮残留情况。通过实验室热镀锌实验,观察镀锌层表面形貌,利用场发射电子探针(EF-EPMA)分析锌层截面形貌及成分面分布;通过折弯实验评定锌层结合力;去除表面镀锌层,计算锌消耗量,观察脱锌后表面抑制层形貌,并用能谱对其进行成分分析。将Q235B热轧带钢在鞍钢金固EPS生产线上进行EPS和EPS+plus处理后,分别在热镀锌生产线进行镀锌和镀锌铝镁工业试制,并对生产试制卷进行力学、折弯及杯突检测,以评定质量。结果酸洗、EPS、EPS+plus和干抛丸4种工艺处理后钢板表面粗糙度分别为1.4442、3.3305、2.3964、4.3388μm。EPS处理试样表面未发现有氧化铁皮的残留,EPS+plus处理试样仅有极少量的氧化铁皮残留。EPS和EPS+plus工艺处理钢板热镀锌试样基体与锌层之间均能形成连续较致密的抑制层,锌层结合力评为1级,且锌消耗量较小,分别为148.3、123.5g/m^(2)。结论EPS和EPS+plus工艺处理后钢板镀锌质量优于酸洗和干抛丸工艺,EPS和EPS+plus工艺处理后在热镀锌生产线上试制的实验卷满足镀锌质量要求。

基于元学习的带钢表面缺陷小样本语义分割

由于缺少带钢表面缺陷样本,使得深度神经网络在带钢表面缺陷检测的应用受到了限制,为解决这一实际问题,提出了一种基于元学习思想的小样本语义分割深度学习方法.该方法引入了多尺度解码器和注意力机制.多尺度解码器能够聚合不同尺度的缺陷特征信息,提高网络的分割精度.注意力机制能够有效增强缺陷信息表达,并且抑制背景信息的干扰.此外,构建了一个带钢表面缺陷语义分割数据集,该数据集包含9类带钢表面缺陷.在该数据集上进行了相关实验,结果表明本文方法在平均交并比和前景-背景交并比指标上优于PFENet,SCLNet和HSNet等方法.

带钢热轧过程中残余应力的数值模拟

带钢内部纵向残余应力沿宽度分布不均会造成平坦度缺陷,严重影响带钢的板形质量在传统的残余应力解析计算方法中,大都忽略金属横向流动的作用为了解决这一问题,采用有限元方法,基于某1780mm热轧生产线,建立了三维弹塑性有限元计算模型,充分考虑金属横向流动对残余应力的影响,探究了残余应力在机架间的演变以及不同比例凸度变化下带钢的残余应力状态结果表明:残余应力在机架间发生反转金属横向流动会减小纵向应变差,从而达到减小纵向残余压应力的目的,当比例凸度增加至05%~115%时,残余压应力最小.

热轧宽带钢极薄板轧制失稳原因分析与控制

基于鞍钢股份有限公司热轧带钢厂2150ASP生产线轧制情况,对热轧宽带钢极薄板轧制失稳导致的顺折事故进行了分析。结果表明,临近年修末期,精轧机组的设备精度下降,厚度精度下降,F6机架的自动厚度控制液压缸动作幅度大且响应快,导致了顺折事故的发生。通过优化精轧自动厚度控制响应速度、动作限幅以及功能选用,有效解决了轧制失稳导致的顺折问题,顺折事故发生率由0.046%降低至0.011%。

汽车用热浸镀铝硅带钢技术研究进展

汽车用热浸镀铝硅带钢技术是一种先进的金属防腐涂层技术,广泛应用于汽车制造领域。基于热浸镀铝硅带钢的制备工艺和性能特点,全面分析热浸镀铝硅带钢在汽车制造领域的应用、市场前景及竞争格局,并对热浸镀铝硅带钢的未来发展进行了展望,旨在为相关领域的科研人员和企业提供参考和借鉴,推动汽车用热浸镀铝硅带钢技术的进一步发展和应用。

面向工业场景带钢表面缺陷检测的LF-YOLO

针对工业场景下带钢表面缺陷尺寸大小不一、采集图像模糊导致传统缺陷检测算法在实际应用中精度低的问题,提出一种面向工业场景带钢表面缺陷检测的LF-YOLO算法。模型通过设计一种局部填充上采样模块对输入像素进行上采样,提高模型对模糊图片的识别能力,降低模型对小目标缺陷的漏检率。通过引入专注视觉任务的FReLU激活函数,提高模型定位缺陷的准确率。提出一种轻量级的漏斗注意力机制并与特征提取模块C2f进行结合,增强模型对不同尺寸缺陷的特征提取能力。在开源数据集NEU-DET与GC10-DET上的实验结果表明,改进后的模型平均检测精度比原始YOLOv8算法精度分别高7.0和15.4个百分点,且相较于其他目标缺陷检测模型在平均检测精度方面具有优势,并进一步通过消融实验验证了每个模块的有效性。

带钢无酸除鳞专利分析

从专利角度出发,对带钢无酸除鳞专利申请趋势、主要申请人进行统计分析,对典型的带钢无酸除鳞专利技术进行了探讨,并对带钢无酸除鳞技术未来的发展方向进行了展望,可为无酸除鳞研发和技术应用提供参考。

改进YOLOv7的带钢表面缺陷检测算法

针对带钢缺陷检测中存在的计算复杂度高、对小目标检测效果差等问题,提出了一种基于改进YOLOv7的小目标检测算法,用于区分带钢在生产过程中产生的表面缺陷。在YOLOv7的基础上,首先,将loss部分的损失函数CIOU替换为MPDiou,可以更好地处理目标框之间的交叉、遮挡等情况;接着,使用PConv(Partial Convolution)替换YOLOv7中的Backbone部分的卷积,可以减少算法的冗余计算量;最后,在YOLOv7的Head部分引入SimAM (Simple Attention Mechanism)注意力机制、动态蛇形卷积(Dynamic Snake Convolution)和BiFPN特征融合模块,以增强卷积神经网络的特征表达能力。

基于MTF-gcForest的带钢表面缺陷分类方法研究

针对带钢表面缺陷位置分布不均、类型复杂多样的特点,为保证特征提取的维度丰富性与识别准确率,提出一种基于多纹理特征融合与gcForest集成学习相结合的带钢缺陷识别方法MTF-gcForest。首先提取带钢表面的灰度共生矩阵、局部二值模式、灰度游程矩阵特征,以充分挖掘带钢表面的纹理信息。然后,将归一化处理后的特征进行融合,最后用gcForest分类器进行分类。实验比较了单纹理特征和多纹理特征的性能表现,以及多种分类器的分类精度。实验结果表明:基于MTF-gcForest方法的平均准确率达到97.22%,优于其他带钢表面缺陷检测算法,具有较强的推广意义。

IF钢冷轧润滑对带钢可轧厚度和电机功率的影响

分别采用某商品金属加工液和自研轧制液,对无间隙原子(IF)钢薄板冷轧过程进行润滑,通过理论计算和试验相结合的方法,探究润滑剂对降低轧件最小可轧厚度和主电机功率的影响。结果发现:在IF带钢轧制过程中,采用工艺润滑可以有效降低轧件的最小可轧厚度和主电机功率,降低能耗;采用乳化液LP-1和LP-2进行润滑,最小可轧厚度可分别降低17.4%和30.4%;通过9个道次的轧制后,采用LP-1和LP-2润滑时总功率分别降低了2.63%和3.35%;若以无润滑时钢板的最小可轧厚度作为终轧厚度,采用LP-1和LP-2润滑可分别减少1个和2个轧制道次,总功率可分别降低8.61%和15.31%;采用LP-2润滑时轧制过程中的摩擦因数较LP-1润滑时更小。因此,采用LP-2润滑时能够得到更低的最小可轧厚度和更好的降低主电机功率效果。

基于通道和空间注意力的带钢表面缺陷显著性目标检测

钢材表面缺陷检测在工业产品质量控制中越来越重要。由于钢材表面缺陷具有复杂背景、缺陷种类多样、尺度不一等特点,精确、高效地检测带钢表面缺陷仍然是一项极具挑战性的任务。针对这些问题,提出了一种基于通道和空间注意力的带钢表面缺陷显著性目标检测模型。首先,基于Transformer提取带钢图像的多尺度特征,以捕获目标图像的长距离依赖关系;接着,将获取的多尺度特征图送入所设计的两种不同的注意力模块(通道注意力模块和空间注意力模块),以强调带钢表面缺陷特征而抑制不相关的背景特征,从而加强对缺陷目标和背景的区分能力;最后,采用多尺度渐进融合模块融合多尺度特征图,以便不同尺度的特征信息能够进行互补,获取具有丰富语义信息的特征图,使模型能够更高效且精确地检测出带钢表面缺陷。大量实验结果表明,该模型在显著目标检测任务中具有显著的优势,表现出更高的准确性和更强的鲁棒性。