人工智能、新一代信息技术(含5G通信等)_第1页
人工智能、新一代信息技术(含5G通信等)_第2页
人工智能、新一代信息技术(含5G通信等)_第3页
人工智能、新一代信息技术(含5G通信等)_第4页
全文预览已结束

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、人工智能、新一代信息技术(含5G通信等)申报指南指南方向一:特种机器人开发为提高冶金生产过程自动化程度、降低生产成本,开发适用于冶金生产过程的特种机器人,以替代生产过程中长期由人工完成的简单、重复工作环节,本次主要根据冷轧生成现场人工拆捆,研发适用于工业六轴机器人的自动拆捆带机构。自动拆捆机构需满足100%准确定位捆带、100%准确拆断打捆带、60秒内完成自动拆捆、100%收集处理拆断的打捆带。完成一套机器人自动拆捆机构及废带处理装置的设计、制作、调试,形成完整的设计图纸和控制方法,达到可以冷轧生产现场应用的效果。指南方向二:基于云原生的软PLC开发随着云计算,机器学习和大数据等IT技术和工业

2、控制领域OT技术的不断融合,工业互联网已经成为未来工业生产的大势所趋。这也要求现代生产制造的核心技术工业自动化控制系统更加灵活可扩展。以传统PLC/DCS为代表的第三代控制系统已经不能满足工业智能化的需求。因此,项目建立基于云原生的软PLC技术体系,将PLC中计算、逻辑、IO三个主要功能中的计算和逻辑上移到云端,采用云原生技术实现。边缘侧只留IO功能,通过5G网络实现与云端通讯。从而结合传统PLC 和云原生架构的优势,能够实现:计算能力集中化、通用标准统一化、数据处理自由化、功能应用兼容化。开展新型边缘侧硬件架构、云边协同应用层协议QoS,支持报文加密和设备认证、高可靠低延迟网络架构、适用于工

3、业控制的云端软件架构相关内容研究。指南方向三:基于5G技术数据采集系统信息技术以及智能科技的变革带来了工业企业翻天覆地的变化,传统制造现场的数据采集系统已经阻碍了制造业信息化管理,要求企业通过数据采集系统的方案升级改造,提高生产管理、经营等管理水平。现场数据采集技术在智能制造系统中的应用对于生产数据、资源状态、生产过程等的管理意义重大。5G网络对数据采集起到关键作用,5G技术契合了传统制造企业智能制造转型对无线网络的应用需求,能满足工业环境下设备互联和远程交互应用需求。信号采集器的研发需要完成以下几个关键技术:(1)传感器信号的采集,需要将工业现场传感器的振动信号、温度信号、电压信号、电流信号

4、、转速信号、开关量信号,进行采集缓存,包含现场PLC、DCS等设备及控制装置的实时数据采集;现场PLC/DCS等控制设备的实时远程控制。(2)采集缓存数据进行边缘计算处理,将计算分析的结果形成数据传输协议,将数据打包传输,可通过标准统一的第三方无线设备接入5G网络。(3)由于数据的安全性需要保证,需要完成数据协议的加密工作,防止数据被明文获取。(4)将形成协议的数据包通过5G模组上传到指定的设备管理平台,保证数据高速传输的实时性和稳定性。(5)实现采集器的离线脱机功能,防止在断网期间服务丢失关键的数据,采集需要内置存储单元,在恢复网络时候分配上传数据。(6)实现采集器的模块化设计,采用单卡版和

5、多卡版的配置,单卡版与多卡版的单卡单元做到硬件一致,根据客户需求扩展选择。指南方向四:钢板表面刷洗技术开发带钢在热轧生产过程中,由于带钢和空气中的氧发生化学反应,在表面会形成一定厚度的氧化层,俗称氧化铁皮。 热轧带钢进行冷轧前,去除氧化铁皮(称为除鳞)是非常重要的工序,目的是清除带钢表面的氧化铁皮,防止氧化铁皮及杂质压入带钢基体,影响冷轧板表面质量及加工性能,以及损坏轧辊等。酸洗工艺是目前国内外普遍采用的除鳞技术,通过化学反应溶解带钢表面氧化铁皮的方法达到除鳞的目的。但是酸洗由于采用化学腐蚀的方法,不可避免的对环境带来一定的污染,并且设备防腐有高要求;酸液排放或回收困难,处理成本高;同时酸洗容

6、易造成除鳞不均匀,产生欠酸洗、过酸洗等缺陷,金属损失大。为了满足冶金企业这一需求。此项目通过对刷洗辊技术深入的研究,用物理方式替代或部分替代化学酸洗,以更经济的方式除鳞,同时能够提升钢板表面质量。因此需要开展刷洗装置机械机构设计、刷洗装置的自动控制系统、上下刷辊的接触部分电流相互干涉的转速补正量计算、自动监测刷辊的磨损,压下控制的细微化功能等方面的研究,最终实现在碳钢清洗线上降低酸液投入量30%,在不锈钢生产线上降低酸液投入量20%,在同等经济投入的条件下,提高不锈钢生产线生产效率50%,现钢板表面粗糙度可调控。指南方向五:成品卷整卷质量检测与分析研发钢卷整卷外观缺陷(塔形、松卷、错层、吊坏、塌卷)识别算法及缺陷特征库建立。以CCD摄像头为传感器,配合计算机、自动化设备等完成成品卷整卷外观质量检测。基于TensorFlow深度学习算法建立缺陷特征库,形成缺陷管理软件(包括成品卷的图像展示、

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论