-
公开(公告)号：CN117334278A
公开(公告)日：2024-01-02
申请号：CN202311180107.4
申请日：2023-09-13
Applicant: 北京科技大学
IPC: G16C60/00 , G16C20/30 , G16C20/70 , G06N3/006 , G06N3/0499
Abstract: 本发明涉及机械自动化控制技术领域，特别是指一种基于协同平台的带钢冷轧力学性能区间预测方法及装置。一种基于协同平台的带钢冷轧力学性能区间预测方法包括：根据带钢冷轧技术要求进行平台构建，获得多工序协同平台；通过多工序协同平台进行生产数据采集，对生产数据处理，获得训练数据；使用训练数据，对待训练力学性能预测模型进行训练，获得力学性能预测模型；基于力学性能预测模型，采用De l a技术进行模型构建，获得力学性能区间预测模型；输入在线生产数据，通过力学性能区间预测模型，获得力学性能区间。本发明是一种基于协同平台的高效且准确的带钢冷轧力学性能区间预测方法。
-
公开(公告)号：CN117314871A
公开(公告)日：2023-12-29
申请号：CN202311310069.X
申请日：2023-10-10
Applicant: 北京科技大学
IPC: G06T7/00 , G06V10/764 , G06N5/01 , G06F18/213
Abstract: 本发明公开了一种基于灰度共生矩阵与决策树的带钢分选度分级方法及装置，涉及冶金机械及自动化技术领域。包括：获取待分级的冷轧带钢表面的图像数据以及文本数据；将图像数据以及文本数据输入到构建好的冷轧带钢表面质量分选度分级模型；根据图像数据、文本数据以及冷轧带钢表面质量分选度分级模型，得到冷轧带钢表面质量分选度分级结果。通过本发明，可以更好实现冷轧带钢表面质量智能判定，提高表面质量判定准确率，让判定系统结果更贴近质检人员。
-
公开(公告)号：CN117150832A
公开(公告)日：2023-12-01
申请号：CN202311436735.4
申请日：2023-11-01
Applicant: 北京科技大学
IPC: G06F30/20 , B21B37/28 , G06F119/14
Abstract: 本发明公开了一种热轧数字孪生带钢横截面形状实时预测方法及装置，涉及数字孪生系统技术领域。包括：构建热连轧数字孪生产线，获取设定参数；采用动态模态分解DMD算法，优化非线性系统动力学稀疏识别算法SINDy模型，建立带钢横截面形状预测模型DMD‑SINDy；根据设定参数以及带钢横截面形状预测模型，得到热连轧数字孪生产线的带钢横截面形状预测结果。本发明充分利用了多功能凸度仪测得的数据，建立了带钢横截面形状高精度预测模型，同时结合热连轧数字孪生产线实现虚拟轧后的带钢横截面形状预测和展示。根据本发明可在热轧数字孪生产线实现设定参数的迭代优化，避免工艺参数设定不合理导致的热轧产品缺陷和降级现象的产生，降低钢铁企业的生产成本。
-
公开(公告)号：CN116174497A
公开(公告)日：2023-05-30
申请号：CN202310016415.7
申请日：2023-01-06
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于数据驱动的冷连轧弯辊力在线预测方法，包括：获取全品规带钢冷连轧过程中的生产数据；对获取的生产数据进行预处理并存储，建立模型样本库；建立弯辊力数据驱动在线预测模型，并采用模型样本库中的样本数据对建立的弯辊力数据驱动在线预测模型进行训练，得到符合预设评价要求的弯辊力数据驱动在线预测模型；利用得到的符合预设评价要求的弯辊力数据驱动在线预测模型在线预测冷连轧各机架工作辊弯辊力和中间辊弯辊力，得到冷连轧各机架弯辊力预测结果。本发明满足了冷轧弯辊力的高精度在线预设定需求，对改善带钢头、尾部板形质量，提高带钢成品质量具有重要作用。
-
公开(公告)号：CN118395830A
公开(公告)日：2024-07-26
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。
-
Patent Agency Ranking
公开(公告)号：CN116187830B
公开(公告)日：2024-04-16
申请号：CN202310016403.4
申请日：2023-01-06
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06Q50/04 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于熵权‑理想解法的带钢冷连轧自动化率综合评价方法，包括：监控带钢冷连轧过程的各人工操作项，记录每卷带钢轧制过程中各机架操作项的人工操作频次；基于熵权法赋值规则计算各操作项的权重；确定带钢冷连轧自动化率综合评价的正理想解和负理想解，并分别计算各评价样本到正理想解和负理想解的欧式距离；计算带钢与理想解的贴近度，根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定。本发明充分利用了现场的轧制生产数据，建立了轧钢自动化率评估模型，可对带钢冷连轧自动化程度进行综合评价和分级判定，从而为减少人工干预提供评价指标和数据支撑。
-
公开(公告)号：CN117150832B
公开(公告)日：2024-02-23
申请号：CN202311436735.4
申请日：2023-11-01
Applicant: 北京科技大学
IPC: G06F30/20 , B21B37/28 , G06F119/14
Abstract: 本发明公开了一种热轧数字孪生带钢横截面形状实时预测方法及装置，涉及数字孪生系统技术领域。包括：构建热连轧数字孪生产线，获取设定参数；采用动态模态分解DMD算法，优化非线性系统动力学稀疏识别算法SINDy模型，建立带钢横截面形状预测模型DMD‑SINDy；根据设定参数以及带钢横截面形状预测模型，得到热连轧数字孪生产线的带钢横截面形状预测结果。本发明充分利用了多功能凸度仪测得的数据，建立了带钢横截面形状高精度预测模型，同时结合热连轧数字孪生产线实现虚拟轧后的带钢横截面形状预测和展示。根据本发明可在热轧数字孪生产线实现设定参数的迭代优化，避免工艺参数设定不合理导致的热轧产品缺陷和降级现象的产生，降低钢铁企业的生产成本。
-
公开(公告)号：CN117019882A
公开(公告)日：2023-11-10
申请号：CN202311077617.9
申请日：2023-08-24
Applicant: 北京科技大学
IPC: B21B37/20
Abstract: 本发明公开了一种考虑热轧来料信息的带钢冷连轧自动厚度前馈控制方法，包括：获取带钢热连轧和冷连轧过程的生产数据；基于生产数据训练预设的带钢冷轧变形抗力预测模型；基于训练好的带钢冷轧变形抗力预测模型得到带钢冷轧第一机架的全长变形抗力波动，并将所得的变形抗力波动传递至后续机架，得到各机架的变形抗力波动；将各机架的变形抗力波动与其入口厚度偏差结合，建立带钢冷连轧自动厚度前馈控制策略，得到各机架用来消除厚差所增加的调节量。本发明方法充分考虑了热轧来料信息波动，解决了热轧工艺参数的遗传影响问题，可更有效地抑制轧机出口带钢厚差波动，提高全长厚度命中率。
-
公开(公告)号：CN116187830A
公开(公告)日：2023-05-30
申请号：CN202310016403.4
申请日：2023-01-06
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06Q50/04 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于熵权‑理想解法的带钢冷连轧自动化率综合评价方法，包括：监控带钢冷连轧过程的各人工操作项，记录每卷带钢轧制过程中各机架操作项的人工操作频次；基于熵权法赋值规则计算各操作项的权重；确定带钢冷连轧自动化率综合评价的正理想解和负理想解，并分别计算各评价样本到正理想解和负理想解的欧式距离；计算带钢与理想解的贴近度，根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定。本发明充分利用了现场的轧制生产数据，建立了轧钢自动化率评估模型，可对带钢冷连轧自动化程度进行综合评价和分级判定，从而为减少人工干预提供评价指标和数据支撑。
-
公开(公告)号：CN115815342A
公开(公告)日：2023-03-21
申请号：CN202211433391.7
申请日：2022-11-16
Applicant: 北京科技大学
IPC: B21B37/58
Abstract: 本发明公开了一种基于机理和数据融合模型的冷轧轧制力预测方法，包括：获取带钢冷轧轧制过程中的生产数据和热轧历史生产质量数据；计算出轧制力的实测值与机理模型计算值之间的偏差；基于上述数据，采用预设的神经网络模型构建数据驱动的冷轧轧制力偏差预报模型；结合冷轧轧制力机理模型与冷轧轧制力偏差预报模型，对冷轧轧制力进行实时计算。与轧制力机理模型相比，本方法兼备机理模型具有严格物理意义的特点以及数据驱动算法自适应能力强、可忽略机理问题复杂性的优势，可解决传统依托冷轧单工序建立的轧制力机理模型设定精度低的问题，具备更强的轧制力预测能力，可实现冷轧轧制力的在线预测，满足高精度轧制生产要求，提高冷轧带钢成品质量。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
