公开(公告)号：CN117019883A

公开(公告)日：2023-11-10

申请号：CN202311082568.8

申请日：2023-08-25

Applicant: 华北电力大学(保定) ,  东北大学

Inventor： 王青龙 ,  孙杰 ,  彭文 ,  叶俊成 ,  张新春 ,  江文强 ,  王璋奇

IPC: B21B37/28 ,  B21B1/28 ,  B21B38/02 ,  B21B38/04

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。

公开(公告)号：CN115292931A

公开(公告)日：2022-11-04

申请号：CN202210936562.1

申请日：2022-08-05

Applicant: 东北大学

Inventor： 孙杰 ,  袁尚斌 ,  李树 ,  乔继柱 ,  叶俊成 ,  彭文 ,  李霄剑

IPC: G06F30/20 ,  G06F111/04 ,  G06F111/06 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明提供了基于改进NSGA‑III的热连轧轧制规程多目标优化方法，属于板带材热连轧的轧制规程多目标优化技术领域。该方法将NSGA‑III算法与轧制规程多目标优化技术相结合，通过热连轧生产线现场实际的板带材数据和轧机设备参数，构建以轧制能耗最小、等轧制力裕度、板形良好和等相对负荷为目标函数的热连轧精轧轧制规程优化模型，以各机架出口厚度作为NSGA‑III的决策变量，并在NSGA‑III中添加Tent混沌映射来初始化由决策变量组成的种群，在保证初始种群多样性的基础上，均匀分布决策变量可以进一步增强NSGA‑III的优化能力，能够提高轧制规程多目标优化的效率，并且兼顾各目标函数达到更好的轧制规程优化结果，有效地提高热轧板带材的产品质量并降低生产成本。