-
公开(公告)号：CN116776590B
公开(公告)日：2024-07-09
申请号：CN202310722700.0
申请日：2023-06-19
Applicant: 苏州大学
IPC: G06F30/20 , G06F30/27 , G06F30/17 , G06N3/006 , G06F111/06 , G06F119/14 , G06F111/08 , G06F113/24
Abstract: 本发明涉及一种厚板轧制规程智能优化方法、设备及介质，方法包括采用缺陷闭合准则计算所有道次的压下量范围；在每一道次的压下量范围中进行取值，计算轧件出口半厚，并基于轧件出口半厚计算得到轧制能耗模型的参数；将计算得到的轧制能耗模型的参数代入能耗模型公式中，计算得到每一道次的轧制能耗，根据轧制能耗计算得到所有道次的轧制总能耗；将所有道次的轧制总能耗和轧制负荷差值平方和作为目标函数，使用多目标粒子群算法对轧制规程进行优化。本发明以轧制负荷差值平方和与轧制总能耗为目标函数，在满足缺陷闭合准则等条件的基础上采用多目标粒子群算法对厚板轧制规程进行优化，从而能够获得高质量且低能耗的轧制规程设计。
-
公开(公告)号：CN111291513B
公开(公告)日：2024-01-05
申请号：CN202010073923.5
申请日：2020-01-22
Applicant: 苏州大学
IPC: G06F30/23 , G06F30/27 , G06F30/17 , G06N3/0499 , G06N3/084 , G06F111/10 , G06F119/14
Abstract: 本发明实施例公开了一种基于BP神经网络的差厚板轧制力的预测方法。该预测方法包括采用有限元软件进行模拟，获得不同工艺参数条件下的轧制力数据；将上述所获得的轧制力数据分成两组，分别作为BP神经网络的训练集和测试集，并以逐步增长法确定出最佳的BP神经网络模型；根据上述的BP神经网络模型，预测差厚板的轧制力，并使其预报误差在10％以内。
-
公开(公告)号：CN116776590A
公开(公告)日：2023-09-19
申请号：CN202310722700.0
申请日：2023-06-19
Applicant: 苏州大学
IPC: G06F30/20 , G06F30/27 , G06F30/17 , G06N3/006 , G06F111/06 , G06F119/14 , G06F111/08 , G06F113/24
Abstract: 本发明涉及一种厚板轧制规程智能优化方法、设备及介质，方法包括采用缺陷闭合准则计算所有道次的压下量范围；在每一道次的压下量范围中进行取值，计算轧件出口半厚，并基于轧件出口半厚计算得到轧制能耗模型的参数；将计算得到的轧制能耗模型的参数代入能耗模型公式中，计算得到每一道次的轧制能耗，根据轧制能耗计算得到所有道次的轧制总能耗；将所有道次的轧制总能耗和轧制负荷差值平方和作为目标函数，使用多目标粒子群算法对轧制规程进行优化。本发明以轧制负荷差值平方和与轧制总能耗为目标函数，在满足缺陷闭合准则等条件的基础上采用多目标粒子群算法对厚板轧制规程进行优化，从而能够获得高质量且低能耗的轧制规程设计。
-
公开(公告)号：CN112711867B
公开(公告)日：2023-04-18
申请号：CN202110070446.1
申请日：2021-01-19
Applicant: 苏州大学
IPC: G06F30/20 , G06N3/084 , G06N3/0499 , G06F119/14
Abstract: 本发明实施例公开了一种融合理论模型和大数据模型的轧制力预测方法。该轧制力预测方法包括根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。本发明提供的轧制力预测方法能够实现既继承理论模型的结构形式，又继承了大数据模型的精度，且便于实际应用。
-
公开(公告)号：CN111822721B
公开(公告)日：2022-05-10
申请号：CN202010675244.5
申请日：2020-07-14
Applicant: 苏州大学
Abstract: 本发明涉及一种钨掺杂钛基复合多孔材料及其制备方法。本发明公开了W在制备钨掺杂钛基复合多孔材料中的应用，在制备钨掺杂钛基复合多孔材料时，在其中掺杂少量微纳尺寸的W，可提高其致密度、显著提高基体硬度和耐磨性。钨掺杂钛基复合多孔材料中分布有多个三维多孔结构，多个三维多孔结构组成拓扑结构或随机结构，钨掺杂钛基复合多孔材料包括Ti、TiC和W，其中钨金属占钨掺杂钛基复合多孔材料质量分数的3％以下。钨掺杂钛基复合多孔材料通过墨水直写成型增材制造的方法或添加造孔剂结合放电等离子烧结的方法实现。
-
Patent Agency Ranking
公开(公告)号：CN112711867A
公开(公告)日：2021-04-27
申请号：CN202110070446.1
申请日：2021-01-19
Applicant: 苏州大学
IPC: G06F30/20 , G06N3/08 , G06N3/04 , G06F119/14
Abstract: 本发明实施例公开了一种融合理论模型和大数据模型的轧制力预测方法。该轧制力预测方法包括根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。本发明提供的轧制力预测方法能够实现既继承理论模型的结构形式，又继承了大数据模型的精度，且便于实际应用。
-
公开(公告)号：CN111291513A
公开(公告)日：2020-06-16
申请号：CN202010073923.5
申请日：2020-01-22
Applicant: 苏州大学
IPC: G06F30/23 , G06F30/27 , G06F30/17 , G06N3/08 , G06F119/14
Abstract: 本发明实施例公开了一种基于BP神经网络的差厚板轧制力的预测方法。该预测方法包括采用有限元软件进行模拟，获得不同工艺参数条件下的轧制力数据；将上述所获得的轧制力数据分成两组，分别作为BP神经网络的训练集和测试集，并以逐步增长法确定出最佳的BP神经网络模型；根据上述的BP神经网络模型，预测差厚板的轧制力，并使其预报误差在10％以内。
-
公开(公告)号：CN110396591A
公开(公告)日：2019-11-01
申请号：CN201910788034.4
申请日：2019-08-27
Applicant: 苏州大学
Abstract: 本发明公开了一种铁矿渗碳方法，其包括如下步骤：将一部分的铁矿粉造球，形成球核；将包裹料包裹在所述球核外，形成球团；所述包裹料由另一部分的铁矿粉与二氧化碳吸收剂组成；所述二氧化碳吸收剂包括氧化钙和氢氧化钙；将所述球团在900-1050℃的温度下焙烧；将焙烧后的球团在800-1000℃的氢气气氛下进行还原处理；将还原后的球团在550-750℃的一氧化碳气氛下进行渗碳处理；将渗碳后的球团进行球磨，然后进行磁选，获得碳化铁精矿。上述铁矿渗碳方法，采用二氧化碳吸收剂包覆以及还原尾气和渗碳尾气的交替吸收，有效提纯了渗碳尾气、降低了二氧化碳排放。另，其渗碳效率高，进而生产成本降低、产率提高。
-
-
公开(公告)号：CN106282549B
公开(公告)日：2018-05-29
申请号：CN201610817308.4
申请日：2016-09-12
Applicant: 苏州大学
Abstract: 本发明提供了一种氯化球团及其制备方法，通过建高效氯化结构球团，在远低于中温氯化温度(约800℃)下可以快速产生HCl气体，氯化过程中多余的未参与氯化有色金属的HCl气体又可以被氯化气体吸收剂快速吸收，在保证球团内HCl足够浓度的同时又可防止氯化剂的大量浪费。在高温下氯化过程中，氯化气体吸收剂吸收的HCl又可以释放出来继续氯化有色金属，可弥补高温下氯化剂因挥发速率快导致的球团内氯化气氛不够的缺点。这样可大大降低氯化剂的消耗，提高有色金属的氯化率和氯化速率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.023 seconds)
