-
公开(公告)号：CN113850020A
公开(公告)日：2021-12-28
申请号：CN202111089354.4
申请日：2021-09-16
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于神经网络的连退张力设定方法及装置，该方法包括：获取带钢历史生产数据；根据预设的分档规则对钢种、带钢厚度和带钢宽度进行分档并计算出各带钢对应的各张力段张力平均值及冷轧带钢板形特征值；对上述数据进行预处理，构建数据集；构建神经网络模型并采用上述数据集进行训练；利用训练好的神经网络模型获得当前生产中各段张力设定值；基于模型得到的张力值和历史生产张力值，使用加权滑动平均法计算得到最终的张力设定值。本发明可快速、自动地对连退过程的各段静态张力进行设定，并随着连退炉工况变化进行自动修正，有效提高连退生产稳定性、生产效率及产品质量。
-
公开(公告)号：CN114611376A
公开(公告)日：2022-06-10
申请号：CN202210062546.4
申请日：2022-01-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于神经网络的连退跑偏预测方法及装置，该方法包括：获取历史生产数据；基于历史生产数据计算带钢的基准跑偏概率，并基于基准跑偏概率，根据纠偏缸位置均值和带钢位置均值，确定跑偏警戒值；建立神经网络预测模型，并基于历史生产数据对其进行训练；利用训练好的神经网络预测模型对待生产带钢的各纠偏缸位置和带钢位置进行预测，当预测出的纠偏缸位置或带钢位置超出跑偏警戒值时，则判定当前待生产带钢出现跑偏；根据预测结果计算待生产带钢的跑偏概率，并基于预设的预警规则进行连退跑偏预警。通过本发明对连退生产的带钢做跑偏预测及警报，可有效减少跑偏事故的发生。
-
Patent Agency Ranking
公开(公告)号：CN118013831A
公开(公告)日：2024-05-10
申请号：CN202410138842.7
申请日：2024-01-31
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于数据驱动的冷轧罩退抽芯预测及决策方法，包括：采集板带生产中与冷轧罩式退火抽芯问题相关的历史数据并进行预处理，构建历史抽芯数据集；构建抽芯预测模型，并利用所述历史抽芯数据集对预测模型进行训练；其中，模型输入为抽芯诱导因素数据，输出为钢卷在进行罩式退火时是否发生抽芯；利用训练好的抽芯预测模型，预测待退火钢卷在罩式退火时是否发生抽芯；当预测出待退火钢卷在罩式退火时会发生抽芯时，确定相应的防抽芯决策。本发明可以解决现有技术难以覆盖多维度影响因素的技术问题，通过建立冷轧罩退抽芯预测模型，确保钢卷在罩式退火工艺中避免抽芯问题。
-
公开(公告)号：CN114611376B
公开(公告)日：2023-01-20
申请号：CN202210062546.4
申请日：2022-01-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于神经网络的连退跑偏预测方法及装置，该方法包括：获取历史生产数据；基于历史生产数据计算带钢的基准跑偏概率，并基于基准跑偏概率，根据纠偏缸位置均值和带钢位置均值，确定跑偏警戒值；建立神经网络预测模型，并基于历史生产数据对其进行训练；利用训练好的神经网络预测模型对待生产带钢的各纠偏缸位置和带钢位置进行预测，当预测出的纠偏缸位置或带钢位置超出跑偏警戒值时，则判定当前待生产带钢出现跑偏；根据预测结果计算待生产带钢的跑偏概率，并基于预设的预警规则进行连退跑偏预警。通过本发明对连退生产的带钢做跑偏预测及警报，可有效减少跑偏事故的发生。
-
公开(公告)号：CN118917005A
公开(公告)日：2024-11-08
申请号：CN202410570609.6
申请日：2024-05-09
Applicant: 北京科技大学
IPC: G06F30/17 , B21B37/00 , G06F18/2411 , G06F18/213 , G06F18/10 , G06F18/214
Abstract: 本发明涉及辊径设计技术领域，公开了一种获取轧机设备基本参数、带钢基本参数；在轧机处设置信号采集装置以采集背衬轴承在运行过程中的声发射信号和振动信号；使用连续小波变换法对声发射信号和振动信号进行去噪处理，再对信号进行特征提取；采用PSO‑LSSVM算法对提取后的特征进行分类并划分背衬轴承的磨损程度；基于轧机设备基本参数、带钢基本参数以及侧支撑辊背衬轴承的磨损程度，运用模糊控制的方法对侧支撑辊的辊径进行调整。基于模糊控制的方法对侧支撑辊的辊径进行调整，实现了对背衬轴承磨损的有效控制，同时减少了侧支撑辊的磨损程度，延长了侧支撑辊和背衬轴承的使用寿命。
-
公开(公告)号：CN118690821A
公开(公告)日：2024-09-24
申请号：CN202410811207.0
申请日：2024-06-21
Applicant: 北京科技大学
Abstract: 本发明提供一种基于神经网络的焊接工艺参数自学习方法与装置，涉及带钢生产技术领域。所述基于神经网络的焊接工艺参数自学习方法包括：获取前后卷带钢基本信息、焊机工艺参数数据以及焊缝质量数据；根据带钢的历史生产频次，将前后卷带钢基本信息进行划分和分档处理，获得分档结果；采用标准化缩放方法对焊机工艺参数数据进行特征缩放处理，获得焊接参数特征值；根据焊机工艺参数数据以及焊缝质量数据，构建初始的BP神经网络模型并进行训练，获得训练好的BP神经网络模型；将焊接工艺参数数据，输入训练好的BP神经网络模型，获得焊缝质量好坏程度。采用加权滑动平均法计算最终的焊接工艺参数。采用本发明可提高焊接稳定性、焊接质量以及生产效率。
-
公开(公告)号：CN113850020B
公开(公告)日：2023-01-31
申请号：CN202111089354.4
申请日：2021-09-16
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于神经网络的连退张力设定方法及装置，该方法包括：获取带钢历史生产数据；根据预设的分档规则对钢种、带钢厚度和带钢宽度进行分档并计算出各带钢对应的各张力段张力平均值及冷轧带钢板形特征值；对上述数据进行预处理，构建数据集；构建神经网络模型并采用上述数据集进行训练；利用训练好的神经网络模型获得当前生产中各段张力设定值；基于模型得到的张力值和历史生产张力值，使用加权滑动平均法计算得到最终的张力设定值。本发明可快速、自动地对连退过程的各段静态张力进行设定，并随着连退炉工况变化进行自动修正，有效提高连退生产稳定性、生产效率及产品质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
