-
公开(公告)号：CN117019885A
公开(公告)日：2023-11-10
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。
-
公开(公告)号：CN117519067B
公开(公告)日：2024-08-20
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：CN118503911A
公开(公告)日：2024-08-16
申请号：CN202410621541.X
申请日：2024-05-20
Applicant: 东北大学
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/09 , G06F123/02
Abstract: 本发明提供一种基于多级网络融合的轧机振动时序预测方法，涉及金属轧机技术领域。首先利用一维卷积神经网络提取多维数据中的长短周期特征，再用循环神经网络和时间卷积网络分别对短周期、长周期数据进行训练，引入注意力机制以防止计算效率下降，最后将两种模态特征进行融合输出预测结果。本发明充分利用了工业大数据中蕴含着轧制生产过程全部规律的特点和卷积神经网络特征提取的优势，经融合后的预测模型与现有的轧机振动预测模型相比，预测结果的准确性大大提高，所提出的模型具有很好的可信度。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN117983668A
公开(公告)日：2024-05-07
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：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：CN117875137A
公开(公告)日：2024-04-12
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：CN117171521A
公开(公告)日：2023-12-05
申请号：CN202311138499.8
申请日：2023-09-05
Applicant: 东北大学
IPC: G06F18/15 , G06F18/214 , G06Q10/0639 , G06Q50/04
Abstract: 本发明提供一种针对缺陷检测的钢铁产品性能智能诊断方法，涉及钢铁检测技术领域，本发明首先对热轧带钢数据集进行标准化处理，然后生成少数类过采样技术和重复编辑近邻样本方法平衡训练数据，接着构建引入代价补偿因子的轻型梯度提升机，通过混沌哈里斯鹰优化方法确定最优代价补偿因子，最后用智能诊断模型对热轧带钢数据集进行诊断。
-
公开(公告)号：CN115374858A
公开(公告)日：2022-11-22
申请号：CN202211016250.5
申请日：2022-08-24
Applicant: 东北大学
IPC: G06K9/62 , G06F16/215 , G06Q50/04
Abstract: 本发明提供了基于混合集成模型的流程工业生产品质的智能诊断方法，涉及流程工业生产品质的诊断技术领域。该方法首先采集工业生产过程数据和生产品质数据，然后对采集的数据进行预处理并对生产品质划分类别、计算不平衡度，构建流程工业生产品质数据集，之后采用ADASYN‑RENN对数据集进行平衡采样，以采样后的数据集为基础，同时考虑模型融合的基分类器的性能和多样性，构建混合模型的基分类器候选池，通过对比不同候选分类器组合方式的分类性能，最后选取性能最优的分类器组合建立混合集成模型用于流程工业生产品质的智能诊断。该方法分类性能好、鲁棒性强，相比于其他数据驱动方法和现场机理模型具有更优异的诊断性能，可广泛投入到流程工业生产过程当中。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
