-
公开(公告)号：CN108213086B
公开(公告)日：2019-04-19
申请号：CN201711467013.X
申请日：2017-12-29
Applicant: 东北大学
Abstract: 本发明属于轧制过程自动控制技术领域，特别涉及一种实现热轧带钢微中浪轧制的方法。该方法通过读写txt文本文件的方法记录热轧过程中用于板形设定的有关参数，包括带钢化学成分，宽度，厚度，钢种名称等，并通过插值的方法确定实现微中浪轧制下带钢各个宽度条件下目标平直度值的增量ΔIU，并将ΔIU转化为末机架弯辊力的增量ΔFb，最后通过弯辊力的增加来达到微中浪轧制的目的。本发明方法在大多板形调试环境下均能方便的实现，且不需要成本上的投入，可以大幅度提高轧制过程中板形控制的精度并提高轧制产品的板形质量和合格率，可以广泛推广到热轧带钢生产中。
-
公开(公告)号：CN105930594B
公开(公告)日：2019-01-08
申请号：CN201610266059.4
申请日：2016-04-26
Applicant: 东北大学
Abstract: 本发明提供一种立轧轧件狗骨形状预测方法，包括：获取立轧某道次工艺规程数据，包括立轧轧件的入口厚度，入口宽度，出口宽度以及出口温度；检测轧件入口速度和立辊速度，获取立辊半径以及立辊与轧件的摩擦系数；根据立轧变形区的狗骨形状数学模型预测立轧轧件横断面狗骨形状的轮廓曲线及出口处狗骨形状参数，包括：骨峰值高度、与辊面接触的狗骨高度、狗骨骨峰位置和狗骨影响区长度。本发明建立狗骨形状数学模型，综合考虑立轧过程中工艺规程和设备参数的基础上，精确预测立轧后轧件横断面狗骨形状的轮廓曲线，解决在不同生产条件下预测立轧后轧件横断面形状的问题，在线计算得到立轧后狗骨形状，应用于立轧控制过程中，提高轧件形状的控制精度。
-
公开(公告)号：CN107377634B
公开(公告)日：2018-10-16
申请号：CN201710588439.4
申请日：2017-07-19
Applicant: 东北大学
Abstract: 本发明的热轧带钢出口凸度预报方法包括：分层别采集热轧带钢生产过程中的带钢的生产数据；对生产数据进行降噪处理；将降噪后的生产数据分为训练集和测试集；将降噪后的生产数据进行降维处理；将降维后的标准化矩阵作为支持向量机模型的输入，采用基于杂交的粒子群优化算法对支持向量机模型的参数进行优化；采用最优参数组合构造支持向量机带钢出口凸度预报模型；用训练集训练预报模型，用测试集测试预报模型的泛化性能。本发明的预报方法通过杂交粒子群算法寻优确定支持向量机的最佳参数，使基于支持向量机建立的支持向量机带钢出口凸度预报模型的精度得到提高。预报模型基于大量生产数据，而生产数据的采集易于操作，模型的推广能力较强。
-
公开(公告)号：CN105930594A
公开(公告)日：2016-09-07
申请号：CN201610266059.4
申请日：2016-04-26
Applicant: 东北大学
CPC classification number: G06F17/5009 , B21B1/46
Abstract: 本发明提供一种立轧轧件狗骨形状预测方法，包括：获取立轧某道次工艺规程数据，包括立轧轧件的入口厚度，入口宽度，出口宽度以及出口温度；检测轧件入口速度和立辊速度，获取立辊半径以及立辊与轧件的摩擦系数；根据立轧变形区的狗骨形状数学模型预测立轧轧件横断面狗骨形状的轮廓曲线及出口处狗骨形状参数，包括：骨峰值高度、与辊面接触的狗骨高度、狗骨骨峰位置和狗骨影响区长度。本发明建立狗骨形状数学模型，综合考虑立轧过程中工艺规程和设备参数的基础上，精确预测立轧后轧件横断面狗骨形状的轮廓曲线，解决在不同生产条件下预测立轧后轧件横断面形状的问题，在线计算得到立轧后狗骨形状，应用于立轧控制过程中，提高轧件形状的控制精度。
-
公开(公告)号：CN110929347A
公开(公告)日：2020-03-27
申请号：CN201911020797.0
申请日：2019-10-25
Applicant: 东北大学
Abstract: 本发明的一种基于梯度提升树模型的热连轧带钢凸度预测方法，包括：选择相关热轧带钢的工艺参数、设备参数和带钢参数与实际带钢凸度作为热连轧带钢凸度预测模型的输入与输出；在热轧带钢生产现场收集相关原始建模数据并进行预处理，通过去除缺失值、异常值和数据均衡获得最终建模数据；按照一定比例将通过预处理获得的最终建模数据划分为训练数据集和测试数据集；基于训练数据集，用交叉验证建立基于梯度提升树算法的热连轧带钢凸度预测模型；采用坐标下降法确定热连轧带钢凸度预测模型的最优参数；基于测试数据集评价所建立的热连轧带钢凸度预测模型的性能。本发明可以精确的预测热连轧带钢的凸度，有助于改善热连轧带钢的大凸度偏差问题。
-
Patent Agency Ranking
公开(公告)号：CN108213086A
公开(公告)日：2018-06-29
申请号：CN201711467013.X
申请日：2017-12-29
Applicant: 东北大学
Abstract: 本发明属于轧制过程自动控制技术领域，特别涉及一种实现热轧带钢微中浪轧制的方法。该方法通过读写txt文本文件的方法记录热轧过程中用于板形设定的有关参数，包括带钢化学成分，宽度，厚度，钢种名称等，并通过插值的方法确定实现微中浪轧制下带钢各个宽度条件下目标平直度值的增量ΔIU，并将ΔIU转化为末机架弯辊力的增量ΔFb，最后通过弯辊力的增加来达到微中浪轧制的目的。本发明方法在大多板形调试环境下均能方便的实现，且不需要成本上的投入，可以大幅度提高轧制过程中板形控制的精度并提高轧制产品的板形质量和合格率，可以广泛推广到热轧带钢生产中。
-
公开(公告)号：CN104985007A
公开(公告)日：2015-10-21
申请号：CN201510444234.X
申请日：2015-07-24
Applicant: 东北大学
IPC: B21B38/02
Abstract: 本发明提供一种铜铝三明治轧制复合带头缺陷长度的预测方法，包括：获取铜铝三明治轧制复合带头缺陷长度预测模型的参数，并根据所述铜铝三明治轧制复合带头缺陷长度预测模型的参数，得到轧制复合初始带材的厚度、轧制复合初始带材的半厚度、初始上层带材的厚度、初始内层带材的半厚度和轧制复合最终带材的半厚度，根据轧制复合的出入口厚度，得到道次压下率，通过建立铜铝三明治轧制复合带头缺陷长度预测模型，将所述铜铝三明治轧制复合带头缺陷长度预测模型的参数带入所述铜铝三明治轧制复合带头缺陷长度预测模型，得到预测的带头缺陷长度，由此，能够对复合带头的缺陷长度进行预测，进而大幅度的提升产量和减少不必要的切损。
-
公开(公告)号：CN101582074B
公开(公告)日：2011-01-26
申请号：CN200910010201.9
申请日：2009-01-21
Applicant: 东北大学
IPC: G06F17/30
Abstract: 一种DeepWeb响应页面数据抽取方法，属于深层网络数据管理领域，该方法包括以下步骤：(1)选取DeepWeb响应页面Page；在查询页面输入关键字Key，查询得到响应页面Page；(2)抽取页面模板信息；对于响应页面的DOM树结构，找到包含关键字的孩子结点个数Wn最多的双亲结点P，将带标记的token块序列转化为带标记的token字符序列；用LCS算法处理以上两个记录的带标记的token字符序列，分隔并过滤公共token字符序列得到模板信息；(3)数据抽取；(4)token块合并；(5)数据表格聚类；本发明的有益效果：采用本发明的数据抽取方法，适用性强，精度高，效率得到大大提高。
-
公开(公告)号：CN101561813B
公开(公告)日：2010-09-29
申请号：CN200910011738.7
申请日：2009-05-27
Applicant: 东北大学
Abstract: 一种Web环境下的字符串相似度分析方法，首先定义基本操作代价；对字符串预处理，识别它的词首字符和去除非实意字符；创建距离矩阵，通过创建匹配索引实现编辑距离的优化；然后，判断缩写词，先判断两个字符串是否是缩写关系，如果是缩写关系则进行距离优化；其中，缩写关系由2个因素决定：①判断两者是否有相似度；②判断两者的词首字符是否被匹配；之后对缩写词距离优化，通过减少连续插入字符和连续删除字符的代价实现。本发明的字符串相似度分析方法能很好地处理web中经常出现的省略、缩写和字符顺序颠倒情况，具有较高适用性，在Web未知环境下，具有较高的匹配精度。
-
公开(公告)号：CN104158840B
公开(公告)日：2017-07-07
申请号：CN201410323742.8
申请日：2014-07-09
Applicant: 东北大学
Abstract: 一种分布式计算图节点相似度的方法，属于计算机数据挖掘领域，包括：采用主从模式搭建分布式计算平台；主计算机读入对象数据，建立图模型并发送给各子计算机；主计算机进行任务划分，并将各子任务分配给各子计算机；各子计算机计算其各任务节点分别传递给图模型中节点对的相似度增量计算值；主计算机计算偏移系数并分别发送给对应的各子计算机；子计算机对本地各任务节点的相似度增量计算值进行修正，并将修正后的本地各任务节点的相似度增量进行求和后传送给主计算机；主计算机对图模型中各节点对的相似度进行整合，最终得到图模型中各个节点对的相似度；该方法相比于传统SimRank计算方法，传输代价低，计算时间短，效率明显提高。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.034 seconds)
