葡京娱乐场-富盈娱乐场开户

本項目成果是由北京科技大學與石家莊鋼鐵有限責任公司（以下簡稱石鋼）于2005年9月合作開展“煉鋼－軋鋼過程重點合同物流優化研究”課題的基礎上、在2007年教育部“新世紀優秀人才支持計劃”項目—汽車用特殊鋼制造流程的集成優化與協調控制研究（NCET-07-0067）項目的支持下，運用冶金流程工程學基礎理論，結合煉鋼廠運行優化控制技術從鋼鐵制造工藝、技術、管理、控制等多角度對石鋼煉鋼－連鑄－軋鋼復雜制造流程的運行、優化與控制開展系統性的研究工作，對實際生產排程過程進行抽象與描述，并生成排產規則庫，優化特殊鋼生產排程，形成特殊鋼廠煉鋼－連鑄－軋鋼系統運行控制與優化技術： 1）煉鋼－軋鋼過程系統的運行原則與調控策略；2）煉鋼－軋鋼過程系統的時間、溫度解析與優化；3）工序生產能力的確定；4）生產模式的優化；5）流程溫度制度的優化；6）生產過程組織與生產控制；7）鋼包轉運的解析與優化；8）中間包轉運的解析與優化；9）生產排程與中間坯庫的庫存管控系統。 根據“爐機對應”、“鑄軋對應”、“能耗最小”、“拉速決定流量”、“連鑄連軋”等原則，在對特殊鋼廠煉鋼—軋鋼工序作業時間、溫度、工序間流量等環節的調控策略的基礎上，從時間、溫度及物質量3個基本參數出發，對特殊鋼廠煉鋼－連鑄－軋鋼流程的運行過程進行研究，掌握特殊鋼廠煉鋼－軋鋼過程系統的物質流運行規律，通過進行煉鋼－連鑄－軋鋼工序關系的協調優化，實現轉爐、連鑄機與軋機的協同運行。通過對鋼包運行、鑄坯運轉進行解析，確定合理的鋼包個數和連鑄坯熱送熱裝的管控策略。 針對特殊鋼廠多品種、小批量的生產特點，對石鋼現有生產流程進行規則抽象和描述，指出了現有生產計劃中存在的問題，并提出了解決辦法。建立了棒線材產線適用的煉鋼爐次計劃模型、連鑄澆次計劃（包括異鋼種混澆）模型、軋制生產計劃模型和半成品庫的管控模型，對石鋼生產排程系統進行了總體設計和總體業務流描述，對生產排程系統進行了技術架構并用Microsoft Visual Studio 2005 + SQL Server 2000進行了實現，為煉鋼－連鑄－軋鋼的優化排程及庫存優化管理提出系統解決方案。根據以上研究內容形成的教育部科技成果（鑒字[教 CW2009]第 022 號）具有我國完全自主知識產權，在棒線材產線鋼、鑄、軋生產優化排程方面達到國內領先水平，在冶金流程工程學理論、方法與生產計劃優化技術結合領域具有國際先進水平。

本發明公開了一種支持響應面估值與更新的優化流程建模方法， 包括如下步驟:使用試驗設計組件獲得初始設計點，將上述初始設計 點作為輸入變量導入表達式組件中獲取輸出變量;使用響應面組件基 于上述輸入變量和輸出變量構造初始響應面;通過引用組件實現初始 響應面的估值計算，并計算初始響應面的最優點;將該最優點作為新 輸入變量載入到表達式組件中，產生新輸出變量;基于新的輸入變量 和輸出變量生成新響應面，實現響應面的更新;基于新響應面計算得 到新的最優點;

北科大獨立開發了金屬層狀復合板帶軋制復合成形新技術，比傳統爆炸復合、熱軋復合和冷軋復合技術的流程短、成本低且產品的性能優異，可廣泛用于鈦/鋼、銅/鋼、鋁/鋼、鋼/鋼、鎳/鋼、鎂/鋼、鋁/銅、鈦/銅、鎳/銅、鋁/鋁、鋁/鈦、鎂/鋁等各種異種金屬雙層或多層復合板帶的生產，產品在海洋工程、汽車交通、電力建筑、石油化工、信息能源、國防軍工和日常生活等領域用途廣闊。

北科大獨立開發了金屬層狀復合板帶軋制復合成形新技術，比傳統爆炸復合、熱軋復合和冷軋復合技術的流程短、成本低且產品的性能優異，可廣泛用于鈦/鋼、銅/鋼、鋁/鋼、鋼/鋼、鎳/鋼、鎂/鋼、鋁/銅、鈦/銅、鎳/銅、鋁/鋁、鋁/鈦、鎂/鋁等各種異種金屬雙層或多層復合板帶的生產，產品在海洋工程、汽車交通、電力建筑、石油化工、信息能源、國防軍工和日常生活等領域用途廣闊。

一、項目分類 關鍵核心技術突破 二、成果簡介 據聯合國環境規劃署報道，全球每年產生約5000萬噸的電子廢棄物，超過70%的電子廢棄物產生于中國，電子廢棄物的有效處理及處置已成為全球關注的熱點。作為典型的電子廢棄物，截止2018年，鉛酸蓄電池仍占全部二次電池的55%，擁有最大市場份額。 目前，國內外廣泛采用火法冶煉的廢鉛膏回收再生工藝，溫度高達1000 oC以上，產生大量揮發性鉛塵和SOx，傳統火法再生鉛引發的“血鉛”等環境污染風險受到廣泛關注。考慮到電子廢棄物具有資源性和污染性的雙重特性，如何實現電子廢棄物的清潔回收是本領域的難點。 本技術研發了廢鉛酸蓄電池鉛膏有機酸短流程回收方法及檸檬酸鉛兩段法焙燒制備新型鉛粉方法，進而制備出高性能的鉛炭電池，實現含鉛組分的高效清潔回收。鉛炭電池由于具有電容效應，有望解決傳統鉛酸蓄電池比能量密度低的不足。

本成果提出了基于零件批量加工數據分析的加工工藝與流程優化，主要包括零件加工過程的工藝數據挖掘與機器學習算法、基于數據和機理模型相結合的零件加工精度預測、基于機器學習的零件加工工藝優化與決策、基于數據驅動的零件批量加工工藝優化方法驗證這四方面。以下是各方面具體對應內容： 1）零件加工過程的工藝數據挖掘與機器學習算法：在數據挖掘與機器學習算法方面，搭建了軸類零件全流程加工工況數據實時采集硬件平臺，實現對加工力、加工振動、主軸電流等工況數據的實時在線獲取。 2）基于數據和機理模型相結合的零件加工精度預測：在航空薄壁件加工精度預測方面，對復雜曲面加工過程混合建模與全流程加工精度預測等理論開展了深入研究工作；建立了零件單工序/多工序加工精度預測混合驅動模型，實現了加工精度的高效高精預測。 3）基于機器學習的零件加工工藝優化與決策：在軸類零件全流程加工工藝優化與決策方面，圍繞隱馬爾可夫決策過程、遺傳算法等理論開展了理論研究工作，結合軸類零件加工過程開展了優化工作；提出了加工參數自適應調控聯合決策方法。 4）基于數據驅動的零件批量加工工藝優化方法驗證：構建加工數據庫1套，包含機床設備、加工刀具、加工參數、檢測數據等四種類型數據。開發全流程加工智能推理軟件1套（部署于中航發南方公司柔軸車間），實現航軸全流程質量數據感知與工藝優化，其中全流程誤差建模與分析模塊實現了端到端的零件加工質量智能推理，可以用于工藝設計與現場預先感知，加工過程工藝數據挖掘模塊實現基于批量數據的多工序誤差流分析，實現后續工序加工誤差推理，加工過程工藝優化與智能決策模塊實現了零件多工序加工質量數據推理與給定期望指標下的加工參數優化。 圖1 本成果對應功能結構示意圖 【技術優勢】 圍繞航空領域制造的加工質量問題，開展基于制造過程數據的工藝全流程智能決策技術與系統的研發，初步實現工藝與制造過程的智能控制。在數據挖掘與機器學習算法、航空薄壁件加工精度預測、軸類零件全流程加工工藝優化與決策、零件全流程加工質量智能推理與優化、智能加工產線智能決策技術應用與推廣等多個方面實現了突破，具有顯著的理論價值與應用價值。 規范制定方面，研究了薄壁件加工誤差產生的深層機理，構建了批量零件加工過程中誤差傳遞的理論模型，探究了機床、夾具、刀具、加工參數全方位、多層次的因素對于零件加工誤差產生的影響規律，提出了零件加工工藝與流程優化策略，形成制定面向航空發動機大長徑比軸類零件的決策規范，規定軸類零件全流程加工過程中機床、刀具、裝夾、加工參數四個方面的具體要求。通過中國航發南方工業有限公司企業標準體系管理系統制定、修改、審批，形成《航空發動機軸類零件加工工藝優化與決策技術規范Q/2B 1586—2022》。 軟件開發方面，將上述理論成果進行高度集成，開發了零件全流程加工智能推理優化軟件（MIO軟件）。軟件集成了四大功能模塊，包括加工工藝數據庫、全流程誤差建模與分析、加工過程工藝數據挖掘、加工工藝優化與智能決策。相關知識與優化規則形成權。全流程加工智能推理優化軟件以及知識庫軟件通過第三方測評，測評機構具備MA與CNAS認證資質，最終形成《零件全流程加工智能推理優化軟件第三方測試報告》、《智能加工產線工藝全流程智能決策工藝知識庫軟件第三方測試報告》。 應用驗證方面，結合航空發動機制造具體需求，將相關成果應用到某型號航空發動機軸類零件（動力渦輪傳動軸）加工生產中。將零件全流程加工智能推理優化軟件部署在航軸加工車間，在驗證產品的加工設備上部署了數據采集裝置，實時采集加工過程數據，集成企業工藝資源數據庫和產品數字化檢測系統，獲取機床、夾具、刀具、產品質量等信息，構建了加工工藝數據庫，開展了航軸加工工藝分析、現場加工質量預先感知、加工工藝與流程優化、現場實際加工驗證等工作。通過南方公司現場應用驗證，零件次品率平均降低54.53%。（2019年至2020年優化前，次品率為8.38%；2021年6月至2022年5月優化后，次品率為3.81%）。相關應用驗證通過了中國航發南方公司的效果認定，并形成用戶報告。 【技術指標】 1）采用機理模型/有限元仿真技術獲取切削力/熱/柔度/加工誤差數據集，構建代理模型實現了切削過程的毫秒級預測，切削過程關鍵物理量的預測時間優于10毫秒。 2）建立了機理模型與小樣本工況數據混合驅動的預測模型不確定分析與量化模型，提出了貝葉斯框架下的不確定校準方法，實現了加工誤差快速（毫秒級）精準（偏差小于5微米）預測。 3）提出了航軸加工質量狀態估計方法，建立了現場多源數據信息串聯模型，基于隱馬爾科夫的決策模型，實現工序間感知平均誤差控制在9.21%內。 4）建立了加工次品率與加工參數約束集間雙向映射互通模型，首次提出了基于隱馬爾科夫模型與遺傳算法的聯合決策方法框架，聯合決策優化框架保證次品率降低優于50%。

本公司主要產品-多模態宮頸癌智能輔助篩查系統，利用人工智能和圖像處理技術實現宮頸液基細胞全切片智能解析和細胞DNA定量分析，應用自然語言處理技術對細胞學TBS報告、細胞DNA定量分析報告以及電子病歷報告進行知識挖掘。 一、項目進展 創意計劃階段 二、負責人及成員 姓名 學院/所學專業 入學/畢業時間 祝新宇 軟件工程 2019.9 / 2023.6 楊志鵬 軟件工程 2019.9 / 2023.6 孫宇 軟件工程 2019.9 / 2023.6 呂焓 國際經濟與貿易 2019.9 / 2023.6 朱瑩婧 會計學 2019.9 / 2023.6 唐昆銘 軟件工程 2018.9 / 2022.6 劉波 軟件工程 2018.9 / 2022.6 賀雨欣 軟件工程 2018.9 / 2022.6 束童 軟件工程 2018.9 / 2022.6 孫東東 軟件工程 2018.9 / 2022.6 黃薇 軟件工程 2018.9 / 2022.6 三、指導教師 姓名 學院/所學專業 職務/職稱 研究方向 史駿 軟件學院 副教授 機器學習與智慧醫療 四、項目簡介 本公司主要產品-多模態宮頸癌智能輔助篩查系統，利用人工智能和圖像處理技術實現宮頸液基細胞全切片智能解析和細胞DNA定量分析，應用自然語言處理技術對細胞學TBS報告、細胞DNA定量分析報告以及電子病歷報告進行知識挖掘，形成宮頸癌細胞學知識圖譜輔助醫生決策和病理科室質控，建立多模態宮頸癌智能輔助篩查系統及其輔助診斷模型，構建AI驅動的宮頸癌篩查全流程應用生態，力爭減輕篩查過程中病理醫生的工作強度，最大限度地提高宮頸癌篩查的質量和效率。 本公司主要出售兩種產品：（1）宮頸癌數字病理云平臺：用戶批量上傳宮頸液基細胞全切片圖像至遠程，云端將自動進行智能分析，本系統算法軟件已在遠端服務器進行部署搭建，適應了減輕病理醫生閱片篩查工作強度的需求。（2）智能顯微鏡及其AI組件：系統實時讀取顯微鏡下視野，實時出具分析結果，團隊研發的算法已通過嵌入式開發實現了軟硬件一體化服務，能夠適配多種品牌的顯微鏡。由于宮頸癌數字病理云平臺需要經過價格昂貴的掃描儀制作數字化全切片的繁瑣制作過程，成本較高，該產品形式避免了過程繁瑣的數字化全切片制作過程，同時成本較低，主要針對社區、鄉村等基層醫療機構，有利于提高宮頸癌早篩的覆蓋率。