尹丽琼
- 作品数：15 被引量：6H指数：1
- 供职机构：昆明钢铁控股有限公司更多>>
- 发文基金：云南省应用基础研究基金云南省教育厅科学研究基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术金属学及工艺经济管理更多>>
- 一种不易压坏损伤钢卷边部的热轧钢卷塔形矫正装置
- 本实用新型公开了一种不易压坏损伤钢卷边部的热轧钢卷塔形矫正装置，包括垫块、压缩板、支撑梁一、支撑梁二和钢卷鞍座，所述压缩板和支撑梁一设置于垫块上，两者经穿孔与拉杆连接，所述拉杆并列设置两根，所述支撑梁二经穿孔与拉杆连接，...
- 杨奇裴选东乔刚尹丽琼杨豪李文辉杨科峰廉海王生龙
- 文献传递
- 带钢热轧过程厚度分配的仿真分析被引量：1
- 2016年
- 带钢轧制过程中,各道次的厚度分配是控制轧制的重要环节,直接影响成品的质量。运用Visual Studio软件开发工具,开发出基于MVC框架的往复式双机架炉卷轧机轧制过程的网络仿真系统,研究了带钢轧制过程中各道次的厚度分配,设计了相应的仿真模块。通过输入实际数据进行仿真分析,所得到的数据与实际的热轧生产数据进行对比,该仿真系统可有效地仿真出轧制过程厚度的变化,能实现带钢厚度分配的预报。
- 秦建春张果王剑平杨晓洪杨俊东杨奇尹丽琼
- 关键词：双机架MVC框架仿真系统
- 一种冷却均匀、流量可控的层流冷却系统
- 本实用新型公开了一种冷却均匀、流量可控的层流冷却系统，包括集管，所述的集管一端连接控制箱，另一端底部设置排污口，所述的集管顶部设置喷嘴，喷嘴上对应设置倒置的U型管，所述的控制箱连接快速切断阀门。本实用新型将喷嘴布置于集管...
- 杨科峰杨奇杨雁昆何云华尹丽琼李文辉裴选东吕钢
- 文献传递
- 热轧炉卷轧机层流冷却控制模型的应用
- 控制轧制和控制冷却是现代化板带生产的主导生产工艺，用于生产优质的薄板及中厚板，层流冷却控制系统的控制精度直接影响产品的性能。昆钢炉卷轧机采用层流冷却控制模型，对钢板通过层流冷却区域的速度和冷却水量进行控制，在实际使用中对...
- 尹丽琼杨奇
- 关键词：炉卷轧机层流冷却
- 文献传递
- 不锈钢复合板带卷的热轧工艺
- 本发明提供一种不锈钢复合板带卷的热轧工艺，它将不锈钢复合板坯加热后送炉卷轧机上，在开轧温度为1050～1250℃，轧制速度小于12.6mm/min的条件下，往复进行多道次粗轧即平轧；再送卷取炉中，在卷取炉炉温为550～1...
- 王钧洪陈育生阳平杨奇杨豪黄远凤尹丽琼陈伟崔茂祥
- 水渣智能行车自动化系统设计与运用
- 2022年
- 当前的大部分的抓斗吊起重机均采用人工操作的模式,存在劳动强度大、运行效率低、安全风险高、信息孤岛、智能化程度低下的问题。现设计一套功能完善、实用性强的抓斗吊行车自动化系统。首先,根据功能需求分析情况,从系统架构、定位系统、防摇摆系统、网络传输系统、智能调度系统、道闸门禁及视频系统等的方面入手,完成系统功能模块的科学设计。运用结果表明:本文所设计的抓斗吊水渣行车自动化系统运行正常、可靠、稳定,各个功能模块实现满足设计相关要求。
- 杨奇巫乔顺尹丽琼刘洪具
- 关键词：精准定位智能调度
- 一种基于铁精矿采选精益成本六环六控数字化管控方法
- 2022年
- 在新一轮科技工业革命中,为推进矿山企业降本提质增效高质量发展,查找制约企业发展的短板与瓶颈,以铁精矿采选生产工序细分和成本管控为切入点,将采矿工序细分为“掘、爆、铲、运、溜、提”,选矿工序细分为“碎、磨、选、检、排、堆”六个环节,对其生产相关数据如设备信息进行采集,对班报日报等信息进行数字化填报、审批、锁定,确保采选数据的完整性、及时性和准确性,以数据驱动采选成本精益管控,提高企业核心竞争力。
- 杨奇尹丽琼邝昌云
- 关键词：数字化精益成本生产数据
- 一种有效降低能耗的炉卷轧机卷取炉
- 本实用新型公开了一种有效降低能耗的炉卷轧机卷取炉，包括燃控系统和卷取系统，其特征在于所述燃控系统包括燃烧装置、空气管道、燃气管道和烟道，所述烟道包括竖烟道和横烟道，所述竖烟道与横烟道相连，竖烟道的顶部设置有烟气出口风箱；...
- 杨奇李继浏王生龙徐雷尹丽琼普绍明杨雁昆刘建国裴选东
- 文献传递
- 快速起拔连接装置
- 本实用新型提供一种快速起拔连接装置，包括起重动力机，其特征在于还包括与起重动力机相配合的其中心设纵向轴孔的起重架，该起重架的纵向轴孔中设有吊轴，吊轴的上端通过螺母固定在起重架顶部，下端固定有连杆座，连杆座与对称设置的连杆...
- 裴选东乔刚杨奇李文辉吴旭杰杨科峰尹丽琼
- 文献传递
- 基于PSO-BP神经网络双机架炉卷轧机轧制力的预测被引量：5
- 2017年
- 为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。
- 王智张果王剑平杨俊东杨奇尹丽琼
- 关键词：粒子群BP神经网络轧制力
