-
公开(公告)号：CN117724433A
公开(公告)日：2024-03-19
申请号：CN202410174379.1
申请日：2024-02-07
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明提供一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，涉及钢铁生产的智能化核心技术领域，采集冷轧过程数据和质量检测设备的K个通道的冷轧产品质量数据，构建原始数据集；对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；使用训练集用来训练基学习器；采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；使用多通道分布式深度集成模型对测试集进行预测得到K个通道的冷轧产品质量预测值；基于预测结果制定不同的控制策略；根据控制策略采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。本方法预测速度快，控制精度高，提升了冷轧生产的控制精度。
-
公开(公告)号：CN117862247A
公开(公告)日：2024-04-12
申请号：CN202410272941.4
申请日：2024-03-11
Applicant: 东北大学
IPC: B21B37/28
Abstract: 本发明提供一种基于机器学习的轧制过程带钢板形预测方法，涉及带钢轧制技术领域，本发明使用误差逆反馈人工神经网络建立带钢板形预测模型并确定了其最佳隐藏层神经元数量和学习速率；通过遗传算法优化，得到了基于遗传算法的人工神经网络（GA‑BP）预测模型，以更加精确、稳定地实现板形预测。具体包括：对原始工业数据进行预处理得到实验数据，确定板形预设定控制思路；依据上述实验数据训练人工神经网络，搭建基于BP神经网络的板形预测模型；通过遗传算法GA优化上步骤得到的BP模型，得到GA‑BP预测模型；根据模型评估指标，预测性能对比，选取最优模型，进行预测。本发明能够提高带钢板形预测的精度、增强适用性。
-
公开(公告)号：CN118321400A
公开(公告)日：2024-07-12
申请号：CN202410749301.8
申请日：2024-06-12
Applicant: 东北大学
Abstract: 本发明属于柔性辊弯折技术领域，具体涉及一种柔性辊弯成型装置，包括设置在成型台上的成型机构、固定机构和限位机构；所述成型机构设置在成型台的中部，成型机构两外侧分别对称设有固定机构，固定机构的两外侧分别对称设有限位机构；成型机构、两个固定机构、两个限位机构呈“W”设置；两个限位机构相对设置；柔性辊穿入限位机构，固定机构和成型机构分别设置在柔性辊的两侧；所述成型机构包括弯折框和清理环，弯折框和清理环错位设置。通过设置挤压轴、摩擦块，对柔性辊水平方向进行固定；第一摩擦软垫和第二摩擦软垫，间接的对柔性辊进行固定，通过机构之间的配合，对柔性辊的水平方向和竖直方向进行固定，避免出现柔性辊发生偏移的现象。
-
公开(公告)号：CN117724433B
公开(公告)日：2024-04-19
申请号：CN202410174379.1
申请日：2024-02-07
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明提供一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，涉及钢铁生产的智能化核心技术领域，采集冷轧过程数据和质量检测设备的K个通道的冷轧产品质量数据，构建原始数据集；对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；使用训练集用来训练基学习器；采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；使用多通道分布式深度集成模型对测试集进行预测得到K个通道的冷轧产品质量预测值；基于预测结果制定不同的控制策略；根据控制策略采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。本方法预测速度快，控制精度高，提升了冷轧生产的控制精度。
-
公开(公告)号：CN119178402B
公开(公告)日：2025-02-11
申请号：CN202411675787.1
申请日：2024-11-22
Applicant: 东北大学 , 江苏省沙钢钢铁研究院有限公司
Abstract: 本发明提供了一种板带横截面轮廓质量判定方法，涉及板带轧制生产技术领域，本发明基于多功能仪板带截面厚度检测数据，不需要进行过多的数据处理，通过选定特征点判断的方式实现了对热轧钢带横截面轮廓情况自动判定，也就是对局部高点、凸度和楔形的判定，解决了局部高点人工检测标准不统一，高点大小计算不准确的问题；同时本发明有效区分了板带中部区域和边部区域可能出现的局部高点缺陷，解决了因断面波动造成板带横截面最厚点与最薄点选取不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN119178402A
公开(公告)日：2024-12-24
申请号：CN202411675787.1
申请日：2024-11-22
Applicant: 东北大学 , 江苏省沙钢钢铁研究院有限公司
Abstract: 本发明提供了一种板带横截面轮廓质量判定方法，涉及板带轧制生产技术领域，本发明基于多功能仪板带截面厚度检测数据，不需要进行过多的数据处理，通过选定特征点判断的方式实现了对热轧钢带横截面轮廓情况自动判定，也就是对局部高点、凸度和楔形的判定，解决了局部高点人工检测标准不统一，高点大小计算不准确的问题；同时本发明有效区分了板带中部区域和边部区域可能出现的局部高点缺陷，解决了因断面波动造成板带横截面最厚点与最薄点选取不准确的问题。
-
公开(公告)号：CN118504171A
公开(公告)日：2024-08-16
申请号：CN202410743031.X
申请日：2024-06-11
Applicant: 东北大学
IPC: G06F30/17 , G06F30/20 , G06F17/11 , G06F17/16 , G06F119/14
Abstract: 本发明公开一种板带轧机辊系弹性变形的计算方法，涉及板带轧制领域。该方法在计算轧辊挠曲与压扁时，避免了辊间压力与初始中心压扁量的嵌套循环迭代，将嵌套循环由五层减少为两层，极大缩短了计算时间；将带钢与工作辊、工作辊与中间辊以及中间辊和支撑辊间中心压扁量直接视作未知量通过整体矩阵直接求解，计算结果严格满足辊系变形，避免了不准确的初值设定；根据板形良好条件设定出口厚度分布，在工作辊与中间辊弯辊力变化范围根据辊间接触压力情况判定计算终止条件，可找出满足板形设定所有弯辊力组合；不限定具体型号的轧机，可根据应用情况灵活调整最后求解的大型矩阵，具有较强的通用性；单次计算时间在10~20s，具备在线应用的潜力。
-
公开(公告)号：CN119047649A
公开(公告)日：2024-11-29
申请号：CN202411473615.6
申请日：2024-10-22
Applicant: 东北大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/04
Abstract: 本发明公开一种基于LSTM的轧制板形的变化趋势预测方法，涉及带钢轧制技术领域。获取连轧生产线工业过程时序数据集；对连轧生产线工业过程时序数据集中的数据点进行预处理；按照设定比例划分为训练集和测试集，并进行Min‑Max归一化处理；确定输入步数；构建CNN‑Attention‑LSTM模型；根据确定的输入步数，利用训练集对所构建的CNN‑Attention‑LSTM模型进行训练；将测试集输入到训练后的CNN‑Attention‑LSTM模型，得到预测的板型值。利用1D CNN在局部特征提取方面的优势，又发挥了注意力机制更加灵活地分配注意力，更有效地捕捉长期依赖关系和序列中的关键特征的优势，从而实现了对轧制过程时序数据高效且准确的建模。运算速度快，利用大量的生产过程数据通过直接在计算机上编程即可实现投入使用，成本十分低廉。
-
公开(公告)号：CN118321400B
公开(公告)日：2024-09-03
申请号：CN202410749301.8
申请日：2024-06-12
Applicant: 东北大学
Abstract: 本发明属于柔性辊弯折技术领域，具体涉及一种柔性辊弯成型装置，包括设置在成型台上的成型机构、固定机构和限位机构；所述成型机构设置在成型台的中部，成型机构两外侧分别对称设有固定机构，固定机构的两外侧分别对称设有限位机构；成型机构、两个固定机构、两个限位机构呈“W”设置；两个限位机构相对设置；柔性辊穿入限位机构，固定机构和成型机构分别设置在柔性辊的两侧；所述成型机构包括弯折框和清理环，弯折框和清理环错位设置。通过设置挤压轴、摩擦块，对柔性辊水平方向进行固定；第一摩擦软垫和第二摩擦软垫，间接的对柔性辊进行固定，通过机构之间的配合，对柔性辊的水平方向和竖直方向进行固定，避免出现柔性辊发生偏移的现象。
-
公开(公告)号：CN117019883B
公开(公告)日：2024-02-13
申请号：CN202311082568.8
申请日：2023-08-25
Applicant: 华北电力大学(保定) , 东北大学
Abstract: 本发明公开了一种基于深度学习的带材轧制过程板形预测方法，涉及带材轧制技术领域，包括以下步骤，S1：工业数据采集及数据集构建；S2：结合残差学习和聚合多尺度残差变换的方法，构建Inception‑ResNet模型；S3：使用AdaBound优化算法和两阶段学习率调整方法来训练网络模型；S4：根据模型评估指标，预测性能对比，选取最优模型，进行预测。本发明构建的深度全卷积网络可以直接接收带材轧制工艺参数，不需要额外的数据预处理方法，可以有效地解决轧制领域板形预测中的多输入多输出的多层级非线性问题，所提出的Inception‑ResNet网络具有较少的模型参数和较低的计算复杂性，其中Inception‑ResNet‑39网络包含39层可学习参数，实现了最先进的预测性能，此方法为模型构建及转移应用提供完整的流程。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
