-
公开(公告)号：CN114822584A
公开(公告)日：2022-07-29
申请号：CN202210439737.8
申请日：2022-04-25
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0216 , G10L21/028 , G06F17/16 , G06F17/14
Abstract: 本发明的一种基于积分改进广义互相关的传动装置信号分离方法是将广义互相关算法与非负矩阵分解算法相结合的一种新的盲源分离方法，进行分离不同传动装置的声音信号。将广义互相关算法结合非负矩阵分解算法，利用广义互相关算法获得到达时间差，判断源的数量；再结合非负矩阵分解，获得具体的字典原子是来自于哪个源这项信息，从而为生成不同源的掩码矩阵提供事实依据；使用积分法改进广义互相关，提高到达时间差估计的准确度；设计一种新的非负矩阵分解初始化方法，降低计算非负矩阵分解的时间。本发明方法解决了其他盲源分离方法依赖理想数学模型或者依赖训练神经网络的问题。
-
公开(公告)号：CN114798755A
公开(公告)日：2022-07-29
申请号：CN202210448408.X
申请日：2022-04-26
Applicant: 东北大学
Abstract: 本发明的一种分析冷连轧过程中热凸度对板形影响的方法，从数值仿真角度出发，首先通过大型有限元分析软件ANSYS建立各个机架的工作辊热凸度数值仿真模型对工作辊进行热机构耦合分析获得各机架工作辊的工作辊热凸度，并以热凸度为基础，结合显示动力学有限元分析软件LS—DYNA建立各机架的轧制过程数值仿真模型，通过将各机架工作辊的工作辊热凸度引入到轧制过程数值仿真模型中模拟分析不同的工作辊热凸度情况下的板形，并综合考虑上游机架的遗传作用，从而分析各机架工作辊的热凸度变化对终轧后的带材板形的影响。
-
公开(公告)号：CN114360576A
公开(公告)日：2022-04-15
申请号：CN202210052066.X
申请日：2022-01-18
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0308 , G10L25/30 , G10L25/51
Abstract: 本发明提出了一种基于记忆选择机制的传动装置混合故障分离方法，将目标传动装置故障声音从多种混合传动装置故障声音中分离出来，且获取实验数据无需接触式测量传动装置，具体步骤如下，步骤1传动装置故障声音编码网络，步骤2长期记忆存储模块；步骤3传动装置故障声音分离网络；其中长期记忆存储模块串联第一部分和第二部分两个网络，用于存储并更新传动装置故障声音编码网络的输出声音信号，并将最新存储的声音信号输入到传动装置故障声音分离网络的部分。本发明对训练数据量依赖小，可以学习并记忆存储多种类传动装置故障声音信号特征，并基于声纹靶向地精准分离目标种类传动装置故障声音，系统整体鲁棒性与抗干扰能力强。
-
公开(公告)号：CN114074119A
公开(公告)日：2022-02-22
申请号：CN202111367343.8
申请日：2021-11-18
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明公开了一种通过轧制工艺参数变化预测工作辊表面粗糙度衰减的方法，涉及政府调控政策对产业影响的仿真技术领域。该方法从混和润滑理论出发通过计算分析不同粗糙度下工作辊与带材间的润滑状态，通过润滑状态计算工作辊和带材间的剪切应力分布，将剪切应力分布代入卡尔曼微分方程计算工作辊表面不同粗糙度情况下的轧制力，并以实测轧制力作为判断标准，直到计算轧制力与实测轧制力的偏差在允许范围内，输出当前的粗糙度，获得预测粗糙度。该方法不需要大量实测数据，避免了统计回归模型严重依赖实测数据准确性以及因大量采集数据而影响现场生产效率的缺点，且可以正确反映工作辊和带材间复杂的接触关系、乳化液的润滑作用，适用范围更广。
-
公开(公告)号：CN113102516B
公开(公告)日：2022-02-18
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
Patent Agency Ranking
公开(公告)号：CN114021290A
公开(公告)日：2022-02-08
申请号：CN202210000389.4
申请日：2022-01-04
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , B21B37/28 , B21B1/26 , G06F119/08 , G06F119/14
Abstract: 本发明属于带钢产品品质控制技术领域，涉及一种基于数据驱动和机理模型融合的板带钢凸度预测方法，通过建立热连轧出口板凸度机理模型，将机理模型与DNN模型结合建立带钢凸度预测DNN模型，以机理模型计算值作为出口板凸度的基准值，并将基准值与出口板凸度的实际值的偏差量作为带钢凸度预测DNN模型的输出，再将基于带钢凸度预测DNN模型的预测值与基准值的和作为最终的板带钢凸度预测值。本发明方法将计算值和实际值的偏差作为DNN模型输出，可减小预测误差范围，为更精准的板形控制提供保障。现阶段热连轧生产线在工业数据的收集与存储方面皆较为完善，因此本发明有较强的推广能力，为提高板带钢出口板凸度的精度提供新方法。
-
公开(公告)号：CN107977793B
公开(公告)日：2021-12-24
申请号：CN201711332201.1
申请日：2017-12-13
Applicant: 东北大学
Abstract: 本发明提供一种冷轧轧制升降速过程中加速度设定的优化方法，包括：轧前准备工作，保持稳定的轧制工艺；选取不同板带，在AGC厚度控制下板带出口厚度稳定后，在后续道次中升降速轧制板带，实时记录相关轧制数据进行轧制速度‑加速度关系的测试；实时计算当前加速度设定系数，设定当前加速度，将加速度设定值发送至传动控制系统；若轧机出口测厚仪测得的板带厚度偏差超出预定的偏差范围，对加速度设定系数进行二次设定，否则按照当前加速度进行升降速操作。采用易于操作方式控制传动系统并记录实际输出速度、加速时间、厚度偏差数据，获得轧机速度‑加速度设定系数曲线，通过调节加速度改变轧制节奏有效发挥工况剧烈变化情况下AGC厚控能力。
-
公开(公告)号：CN113102516A
公开(公告)日：2021-07-13
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
公开(公告)号：CN112328956A
公开(公告)日：2021-02-05
申请号：CN202011003461.6
申请日：2020-09-22
IPC: G06F17/14
Abstract: 本发明属于非平稳信号时频分析领域，涉及一种强频变信号时频分析方法。利用局部增强的思想，针对时间多次重排同步压缩变换处理后的时频分布结果，在所有的沿时间方向的时频切片上任意时刻选择一个时间区间，以该时间区间内幅值最大值对应的时间位置作为该时刻的群延迟估计算子，利用所构造的群延迟算子对时间多次重排同步压缩变换处理后的时频分布结果进行再次压缩，使得获得时频能量分布结果逼近强频变信号的理想时频分布。
-
公开(公告)号：CN112182807A
公开(公告)日：2021-01-05
申请号：CN202011154233.9
申请日：2020-10-26
Applicant: 东北大学
IPC: G06F30/17 , G06F30/23 , G06F119/02 , G06F119/04
Abstract: 本发明提供一种基于有限元仿真的直齿轮齿根裂纹扩展规律分析方法；首先利用ANSYS建立齿轮仿真模型；然后在此模型基础上完成载荷加载、划分网格、设置边界条件及应力求解及等工作；再将模型导入FRANC3D中，得到齿轮齿根裂纹的扩展路径和方向、裂纹扩展过程中的应力强度因子变化及裂纹寿命预测等数据；最后通过分析有限元仿真的结果得到直齿轮齿根裂纹扩展的规律。本发明基于数值模拟的方法研究了直齿轮齿根裂纹的扩展规律，不仅跟踪了裂纹扩展情况，还得到了裂纹尖端应力强度因子的分布规律及疲劳寿命预测曲线，不仅具有较高的计算精度，而且实验速度更快，效率更高，为齿轮齿根裂纹扩展的深度研究带来方便。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.077 seconds)
