-
公开(公告)号：CN117217098B
公开(公告)日：2024-02-23
申请号：CN202311477422.3
申请日：2023-11-08
Applicant: 北京科技大学
IPC: G06F30/27 , G06N3/006 , G06N3/0499 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于数字孪生和深度学习的钢管力学性能预测方法及装置，涉及数字孪生技术领域。包括：根据热轧无缝钢管产线，建立热轧无缝钢管数字孪生系统，根据热轧无缝钢管数字孪生系统获取生产实时参数；构建基于麻雀搜索算法SSA优化的上下限区间估计LUBE模型；根据生产实时参数以及基于SSA优化的LUBE模型，得到热轧无缝钢管产线的每支钢管的力学性能区间预测结果。与传统热轧无缝钢管取样抽检的方法相比，本发明搭建工业互联网平台，打破不同生产过程间的数据壁垒，充分利用工业大数据，实现每支钢管的力学性能高精度预报，满足客户对力学性能区间的要求，减轻了人工劳动强度，降低企业生产成本。
-
公开(公告)号：CN117225897A
公开(公告)日：2023-12-15
申请号：CN202311335748.2
申请日：2023-10-16
Applicant: 北京科技大学
Abstract: 本发明涉及数字孪生系统技术领域，特别是指一种基于数字孪生的热连轧轧制节奏动态监控方法及装置。一种基于数字孪生的热连轧轧制节奏动态监控方法包括：采用数字孪生技术进行生产模拟，通过轧件运动时空预测模型，获得轧件头尾位置随时间变化曲线；基于生产线的设备段，对轧件头尾位置随时间变化曲线进行划分；输入实际生产数据，根据预测出钢时间间隔、预测运输时间、预测加工时间和实际生产数据，通过热连轧轧制节奏动态优化模型进行计算，得到优化出钢时间间隔；根据优化出钢时间间隔，对热连轧生产线进行轧制节奏动态调节。本发明是一种针对于热连轧生产过程的基于数字孪生的高效轧制节奏动态监控方法。
-
公开(公告)号：CN117055487A
公开(公告)日：2023-11-14
申请号：CN202311077624.9
申请日：2023-08-24
Applicant: 北京科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于机理数据混合驱动的二辊斜轧穿孔参数优化方法，包括：获取二辊斜轧穿孔生产工序的生产过程数据；其中，生产过程数据包括：生产工艺参数、毛管质量参数和穿孔参数的实际值；基于毛管质量参数筛选出符合预设要求的样本，并计算出每一样本的穿孔参数的实际值与机理模型设定值之间的偏差数据；基于所述生产工艺参数和所述偏差数据训练预设的偏差预测模型；基于待加工管坯的生产工艺参数，利用机理模型，结合训练好的偏差预测模型，得到待加工管坯穿孔时的最优工艺参数。与传统的机理模型设定方法相比，该方法充分利用了现场的实际生产数据，实现了对传统机理模型的迭代优化，提升了设定精度，进一步地提升了毛管的外径控制精度。
-
公开(公告)号：CN114888092B
公开(公告)日：2023-01-20
申请号：CN202210485166.1
申请日：2022-05-06
Applicant: 北京科技大学
Abstract: 本发明提供了一种基于跨工序数据平台的冷轧变形抗力预测方法，属于轧制自动化控制领域。所述预测方法基于跨工序数据平台获取来料钢种、热轧轧制参数及冷轧轧制参数，并计算冷轧各机架的实际变形抗力值；再以热轧轧制参数和冷轧轧制参数构建输入变量，以冷轧各机架的实际变形抗力值为对应的输出，构建训练集和验证集；针对每个机架，采用思维进化算法和反向传播神经网络构建MEA‑BP预测模型，训练和验证后得到成熟的预测模型；最后获取待预测冷轧机架的基本参数，并构建每个机架的输入变量，将所述变量输入每个机架成熟的预测模型中，得到每个冷轧机架的实时变形抗力预测值。本发明提升了冷轧变形抗力的预报精度，在线计算速度快，提升了成品质量。
-
公开(公告)号：CN114515763B
公开(公告)日：2022-09-02
申请号：CN202210074873.1
申请日：2022-01-21
Applicant: 北京科技大学
Abstract: 本发明提供一种基于数据假定补偿的板形识别方法，属于板带轧制中板形测控技术领域。所述方法包括：S1.构造整体板形标准缺陷；S2.根据板形数据的陡度值对外部及内部局部板形缺陷进行识别；S3.根据板形数据的陡度值对外部及内部存在局部板形缺陷的通道进行板形值的假定补偿；S4.根据实测板形值和假定补偿后的板形值对存在局部板形缺陷的通道的局部板形值进行提取；S5.采用提取局部板形值后的平滑板形曲线，基于S1中构造的整体板形标准缺陷，通过计算余弦相似度对整体板形缺陷进行识别。采用本发明，能够提高整体和局部板形缺陷的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN114798727A
公开(公告)日：2022-07-29
申请号：CN202210390250.5
申请日：2022-04-14
Applicant: 北京科技大学
Abstract: 本发明公开了一种多目标优化的规格自适应轧制方法和装置、电子设备，属于机械自动化控制技术领域，所述方法包括：获取来料数据、工艺参数及轧机设备参数；构建轧制负荷波动评估模型，确定临界规格；建立不同规格对应的多目标优化函数；根据设备能力及工艺条件确定寻优约束条件；采用优化算法获取最优的厚度及张力设定值；基于最优的厚度及张力设定值进行轧制。通过本发明公开的多目标优化的规格自适应轧制方法，可实现同一机组全品规带钢高精度、稳定、高效生产，同时兼顾板形调控，充分发挥机组的生产效能，提升产品质量。
-
公开(公告)号：CN119202964A
公开(公告)日：2024-12-27
申请号：CN202411101671.7
申请日：2024-08-12
Applicant: 北京科技大学
IPC: G06F18/2433 , G06F18/213 , G06Q10/0639 , G06Q50/04 , B21B38/00
Abstract: 本发明公开了一种基于Stacking融合多模型的无缝钢管生产监测与异常追溯方法，属于机械自动化控制技术领域，该方法包括：获取历史生产过程中的生产过程数据；筛选出优秀样本数据；对优秀样本数据进行预处理，并采用基于Stacking融合多模型的降维算法对其进行降维处理，得到对应的特征矩阵；实时采集当前生产过程中的生产过程数据；对实时数据进行预处理，并采用基于Stacking融合多模型的降维算法对其进行降维处理，得到对应的特征矩阵；基于此，判断当前生产过程是否异常，并在出现异常时进行异常追溯。本发明能够实现无缝钢管生产的在线监测和异常追溯，提高无缝钢管的生产效率和产品合格率。
-
公开(公告)号：CN118395830B
公开(公告)日：2024-12-17
申请号：CN202410287119.5
申请日：2024-03-13
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/23 , G06F30/17 , G06F18/2433 , G06N3/006 , G06N3/126 , G06N5/01 , G06N20/20 , G06F119/14
Abstract: 本发明涉及数字孪生领域，特别是指一种基于代理模型的矫直机生产过程可视化分析方法及装置，方法包括：根据矫直机参数建立辊式矫直机有限元模型；根据钢板生产工艺参数以及有限元模型，得到矫直过程的钢板应力参数数据；根据预处理后的钢板应力参数数据构建钢板应力状态预测代理模型，得到代理模型预测结果；根据代理模型预测结果以及矫直机数字孪生平台，实现钢板矫直生产过程应力状态的动态实时映射。本发明利用有限元仿真建模获取了实际生产过程中难以在线测量的数据，为建立代理模型提供了完整的数据集。通过开发矫直机数字孪生平台，提高了钢板矫直生产过程的透明度，同时也为操作人员提供了强大的交互能力。
-
公开(公告)号：CN118291902A
公开(公告)日：2024-07-05
申请号：CN202410204329.3
申请日：2024-02-23
Applicant: 北京科技大学
Abstract: 本发明涉及数字孪生技术领域，特别是指一种基于CFD的热浸镀锌炉鼻子数字孪生监控方法及系统。基于CFD的热浸镀锌炉鼻子数字孪生监控方法包括：获取生产实时数据以及CAD图纸数据，采用数字孪生技术进行模型构建，获得热浸镀锌炉鼻子数字孪生模型；基于计算流体力学，根据生产实时数据进行仿真模拟，根据生产情况仿真结果，通过Prophet‑GAN模型进行数据生成热浸镀锌炉鼻子监控信息；将热浸镀锌炉鼻子监控信息输入热浸镀锌炉鼻子数字孪生模型，获得监控结果；根据预设报警阈值判断，当监控校验结果为异常，发出异常警报；将异常警报输入显示器显示；当监控校验结果为正常，继续进行实时监控。本发明是一种基于数字孪生技术的实时且高效地热浸镀锌炉鼻子监控方法。
-
公开(公告)号：CN117519002A
公开(公告)日：2024-02-06
申请号：CN202311368896.4
申请日：2023-10-20
Applicant: 北京科技大学
IPC: G05B19/418
Abstract: 本发明提供一种冷连轧数字孪生产线的轧制力预设定自适应方法及系统，涉及数字孪生系统技术领域，包括：通过开发冷连轧数字孪生产线，实现生产过程动态实时映射和关键运行行为的仿真轧制，然后将关键工艺参数输入至高精度冷连轧数字孪生产线，进行运行行为仿真得到模拟过程的轧制力预报值。基于冶金机理模型筛选生产过程相关参数建立基于T‑S模糊神经网络的轧制力偏差预报模型，对预报轧制力进行偏差修正，下发至L1，解决了传统轧制力理论计算模型设定精度低，自学习能力差等问题，降低了由于轧制力设定不准及其造成的带钢厚度波动等质量问题发生的频次，对于提升产品成材率和质量具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
