-
公开(公告)号：CN118553354A
公开(公告)日：2024-08-27
申请号：CN202410707191.9
申请日：2024-06-03
Applicant: 东北大学
IPC: G16C60/00 , G06F30/23 , G06F119/14 , G06F119/08 , G06F113/08
Abstract: 本发明公开了一种轧制过程机架间带钢残余应力的解析建模方法，涉及热轧板形控制技术领域。本发明方法首先，通过研究热轧带钢温度、凸度和残余应力之间的耦合关系，并综合考虑随温度变化的非线性物性参数等因素，构建了轧制过程机架间带钢残余应力的解析模型；其次，通过对残余应力分布情况以及大小来判断带钢是否会出现平直度缺陷，再现了带钢在轧制过程中形成的板形缺陷；最后，本发明方法是基于轧制理论和机械动力学的解析建模，可有效避免实验导致的设备损耗及破坏，降低企业成本。
-
公开(公告)号：CN117875137B
公开(公告)日：2024-06-21
申请号：CN202410270793.2
申请日：2024-03-11
Applicant: 东北大学
IPC: G06F30/23 , G16C60/00 , G06F119/14 , G06F113/26
Abstract: 本发明提供一种基于数据驱动的轧制过程轧辊磨损预测方法，涉及轧钢自动控制技术领域。该方法首先确定影响轧辊磨损的主要特征参数；并建立四辊轧机轧辊‑轧件热力耦合有限元模型，获取轧制过程不同工况下的接触应力分布；再按照轧制过程中窜辊位置，沿轧辊宽度方向将轧辊辊面划分成一系列离散的磨损单元；并根据实际轧制过程，获取轧制过程工艺参数、接触应力、接触宽度、磨损长度、轧制现场轧辊磨损量实测值以及轧辊磨损计算值；最后建立数据机理融合的轧辊磨损值预测模型，进行轧辊磨损值预测。该方法在提高计算速度的同时，提高预测模型的计算精度，从而实现轧制过程中轧辊磨损的准确预测。
-
公开(公告)号：CN117519067A
公开(公告)日：2024-02-06
申请号：CN202311368602.8
申请日：2023-10-20
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提供一种连轧过程多机架控制性能评价方法，涉及金属轧制技术领域。首先构建连轧过程多机架多变量时间序列；用去趋势波动分析算法对数据进行处理分别求解出时间序列对应的s值进而求取控制系统Hurst指数；利用多机架控制性能等级评价指标评价此时控制器的性能状态。本发明提出的性能评价方法模型依赖性低，可以忽略控制系统本身结构的求取，不需要求解过程时间延迟及复杂的关联矩阵，方案实施简单，可以直接在计算机上通过编程实现，是一种适合实际复杂多变工况的连轧过程多机架控制性能评价方法，可以广泛的推广到多机架连轧生产过程中。
-
公开(公告)号：CN117463794A
公开(公告)日：2024-01-30
申请号：CN202311805552.5
申请日：2023-12-26
Applicant: 东北大学
Abstract: 本发明提供一种基于UFCT、MT及CT的多目标协同控制方法，涉及控制轧制技术领域，本发明具体包括CT、UFCT+CT、MT+CT及UFCT+MT+CT四种控制模式，通过即时自适应计算，根据当前带钢冷却特征参数及历史生产数据确定各区域的热流密度修正系数；然后进行预设定计算以及实时修正计算；若某样本通过超快冷高温计或中间高温计,则根据该高温计的实测温度和轧后冷却模型计算温度偏差实时调整当前区域的热流密度修正系数；每隔固定时间步长重复上述步骤直到当前带钢所有样本通过冷却区，实现整条带钢的单点或两点或以UFCT+MT+CT为目标的多点协同控制。
-
公开(公告)号：CN117019885B
公开(公告)日：2023-12-12
申请号：CN202311293514.6
申请日：2023-10-09
Applicant: 东北大学
IPC: B21B37/38
Abstract: 本发明提供一种控制板形的带钢轧制生产方法，涉及带钢轧制技术领域。首先采集冷轧带钢实际生产数据，建立冷轧板形控制系统状态空间方程；以状态空间模型为训练环境，通过Pycharm平台搭建深度强化学习模型，离线训练，得到带钢板形控制模型并保存；将实时生产的带钢板形值，输入到带钢板形控制模型中，利用集成思想，得到集成深度强化学习控制策略并执行。本发明基于状态空间模型，借助深度强化学习方法以及集成学习思想，提出了端到端的板形控制模式，可以在短时间内降低板形值，并始终保持板形值在0.5 IU范围内，精度高，能够很快地达到生产要求，可以广泛地投入到带钢轧制生产过程当中。
-
Patent Agency Ranking
公开(公告)号：CN119416590B
公开(公告)日：2025-03-25
申请号：CN202510012063.7
申请日：2025-01-06
Applicant: 东北大学
IPC: G06F30/23 , B21D1/05 , B21C51/00 , G06T17/20 , G06F119/14
Abstract: 本发明提供一种涉及力学多参数变化的带钢拉伸弯曲矫直计算方法，涉及矫直机领域。该方法综合考虑待矫直带钢内部的初始应力情况以及带钢在拉伸弯曲矫直过程中出现的不同应力状态，建立不同应力分布状态下带钢中性层的纵向应变与弯曲曲率的解析通式；在考虑带钢的板材强化及初始残余应力情况下，建立不同塑性应力分布状态下带钢的曲率解析通式；将带钢在不同弯曲辊组和矫直辊组下出现单侧塑性应力状态和双侧塑性应力状态的不同情况叠加，建立带钢发生拉伸弯曲矫直过程中总残余应变量的解析通式。本发明通过建立带钢拉伸弯曲矫直计算方法，准确掌握带钢在拉伸弯曲矫直过程的变化规律，以减少带钢缺陷，提高带钢质量。
-
公开(公告)号：CN117983668B
公开(公告)日：2024-07-16
申请号：CN202410409149.9
申请日：2024-04-07
Applicant: 东北大学
IPC: B21B37/16 , B21B37/48 , G06F17/16 , G06F17/13 , G06F119/18
Abstract: 本发明提供一种基于性能评估的热轧过程厚度活套张力优化控制方法，涉及热轧技术领域，本发明首先建立热轧厚度‑活套‑张力状态空间方程，并基于状态空间方程和热轧数据模拟了热轧产线的厚度‑活套‑张力控制系统。采用Hurst指数实时对厚度‑活套‑张力控制系统进行性能评估，若发现控制系统的控制性能不佳，则采用小龙虾优化算法对控制系统的控制参数进行优化，并采用优化后的控制参数对热轧生产过程进行控制。本发明提出的基于性能评估的热轧过程厚度‑活套‑张力优化控制方法实现了对厚度‑活套‑张力这一复杂控制系统的性能评估，且优化控制过程不再受限于专家经验，大幅提升厚度‑活套‑张力控制系统的稳定性，可以广泛地投入到热轧生产当中。
-
公开(公告)号：CN117753795A
公开(公告)日：2024-03-26
申请号：CN202410174371.5
申请日：2024-02-07
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明提供一种针对多钢种、多规格热轧产品的前馈控制方法，涉及钢铁轧制技术领域，本发明考虑了针对多钢种、多规格热轧产品的鲁棒控制，提出了采用聚类方法将多钢种、多规格的热轧产品聚类为不同的簇，并为每个簇选择一个最优预测模型；采用模型融合技术，将不同簇的模型进行融合；并根据预测质量和目标质量的残差，采用哈里斯鹰优化算法对各机架轧制参数进行前馈动态修正。本发明提出的针对多钢种、多规格热轧产品质量前馈控制方法弥补了传统方法的缺陷，提升了热轧生产的控制精度。
-
公开(公告)号：CN117732886A
公开(公告)日：2024-03-22
申请号：CN202410174372.X
申请日：2024-02-07
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明提出一种基于级联智能诊断的热轧质量预控制方法，属于金属轧制智能化控制技术领域；首先采集热轧过程数据和质量数据，将两者结合构建Xlsx格式原始数据集；并对构建的原始数据集进行预处理，得到用于建模的数据集；其次利用得到的建模数据集构建级联诊断结构中的第一级模型；然后利用得到的建模数据集构建级联诊断结构中的第二级模型；将训练好的级联诊断结构对热轧设定参数进行诊断，基于热轧设定参数的诊断结果，制定不同的控制策略，然后采用人工蜂鸟算法对热轧设定参数进行修正；本发明提出的一种基于级联智能诊断的热轧质量预控制方法诊断精度高，控制速度快，并且弥补了传统方法热轧设定方法的缺陷，可以广泛地投入到工业生产当中。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
