-
公开(公告)号：CN114185274B
公开(公告)日：2023-07-04
申请号：CN202111478252.1
申请日：2021-12-06
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种基于迭代学习的钢铁生产过程重复性误差补偿控制方法，涉及轧钢技术领域。根据基于性能优化的迭代学习算法的迭代学习律，应用于对模拟的周期偏差信号实现追踪，实现随周期偏差信号补偿控制的效果，以及在变频条件下实现周期偏差信号补偿。本发明提供的基于迭代学习控制的钢铁生产过程重复性误差补偿控制方法，运行速度快，控制精度高，在迭代学习的迭代域内能够对期望输出进行完全跟踪，从而实现对周期性信号的补偿控制，解决这类在设备上存在的周期性信号偏差问题，进一步改善高精度的钢铁生产流程设备条件。
-
公开(公告)号：CN115846423B
公开(公告)日：2023-06-30
申请号：CN202211114366.2
申请日：2022-09-14
Applicant: 东北大学
Abstract: 本发明公开了一种板带轧制过程轧辊温度的计算方法，包括：获取工作辊的各项参数；根据所述工作辊的各项参数，建立所述工作辊的有限元模型；根据热轧工况，将所述工作辊划分为多个换热区域；计算各所述换热区域的换热系数；根据所述热轧工况和各所述换热区域的相关参数，建立所述工作辊的温度场模型；根据所述工作辊的温度场模型，计算所述工作辊的温度，克服了现有技术无法准确预测周向温度变化，导致轧辊温度预测精度低的技术问题，本发明能够提高轧辊温度预测精度，进而提高带钢的成材率。
-
公开(公告)号：CN116174499A
公开(公告)日：2023-05-30
申请号：CN202310273352.3
申请日：2023-03-21
Applicant: 东北大学
IPC: B21B37/46
Abstract: 本发明的一种多机架冷连轧机轧辊速度的控制方法，包括：读取轧制钢种、原料宽度、原料厚度和成品厚度的原始信息，通过目标优化算法确定轧制规程参数，包括各机架的出口设定厚度和前滑值；对轧制规程参数进行超限检验和连续性检验；根据轧制规程参数进行相邻机架之间的速度比计算；根据给定的末机架轧辊线速度对各机架的速度进行分配，计算各机架的轧辊线速度设定值；计算厚度控制的调节量，下压模式时将调节量附加到该机架的出口设定厚度上，平整模式时将调节量附加到前一机架的出口设定厚度上，修正相邻两机架间的速度比；根据对机架间的张力限幅，调节机架间的速度比。
-
公开(公告)号：CN114888094B
公开(公告)日：2023-01-31
申请号：CN202210420564.5
申请日：2022-04-21
Applicant: 东北大学
IPC: B21B37/28
Abstract: 本发明提供一种基于冷却过程残余应力预测的轧制板形补偿方法，属于热轧板形控制领域，基于热轧带钢层流冷却过程中温度、相变、应变/应力耦合过程，综合考虑带钢随温度变化的非线性物性参数、非线性的冷却条件等因素，建立关于温度‑相变‑应力多物理场耦合的有限元模型，利用有限元模型预测带钢在层流冷却过程的残余应力、量化残余应力分布及演变情况，同时再现实际冷却过程中板形演变情况；本发明根据热轧带钢出精轧机时的温度场作为输入条件，来计算整个冷却过程中带钢的内应力和板形的演变情况，再现实际层流冷却过程中的板形缺陷，再将预测出的残余应力作为精轧阶段的参考，经最终冷却得到的带钢会大大改善板形缺陷情况。
-
-
Patent Agency Ranking
公开(公告)号：CN112836348B
公开(公告)日：2022-10-14
申请号：CN202110024601.6
申请日：2021-01-08
Abstract: 本发明提供一种基于遗传算法和罚函数法的板形机构调节量优化方法，属于冶金轧制领域，首先根据板形调控功效系数矩阵构建评价函数，然后将评价函数转换为一个约束极值问题，然后通过罚函数法、评价函数构建遗传算法的适应度函数，利用遗传算法迭代计算最优值。本发明使用遗传算法与罚函数结合的方法在保证板形误差较小时，各板形执行机构的调节量分配得到最优；由于其编程简单，计算效率高，且变量个数不受限制，将其引入到板形控制系统中，可以极大的提升计算精度与效率。
-
公开(公告)号：CN113219903B
公开(公告)日：2022-08-19
申请号：CN202110497213.X
申请日：2021-05-07
Applicant: 东北大学
Abstract: 本发明提供一种基于深度视觉的钢坯最优剪切控制方法及系统。本发明包括将深度相机设置好，设定世界坐标系；标定深度相机的参数；采集钢坯的RGB和深度视图；通过针孔相机模型，得到每个像素点的三维坐标，然后通过直通滤波和离群点去除进行预处理；使用随机采样一致性算法拟合出钢坯上表面的平面，然后将平面投影到2D平面，再采用中心扩展法计算出最优剪切线；根据钢坯的移动速度与待剪切位置头部坐标，获得头部和剪切刀口的距离，计算出控制剪切头剪切的时刻。本发明利用图像信息解决钢坯头尾部的剪切线检测问题，达到节约能源和材料的目的，深度相机得到的世界坐标精度高，省却了复杂的标定过程，布置简单。
-
公开(公告)号：CN114643287A
公开(公告)日：2022-06-21
申请号：CN202210559413.8
申请日：2022-05-23
IPC: B21B37/28
Abstract: 本发明的一种基于板形闭环调节量的弯辊力输出控制方法，依据PI控制器的设定原理，分别建立工作辊弯辊闭环反馈控制和中间辊弯辊闭环反馈控制的PI控制方程及其离散计算表达式。利用板形预设定系统计算数据和板形闭环反馈控制系统的实测数据，更改带钢规格变化时弯辊闭环反馈控制的控制量的设置方式，使弯辊闭环反馈控制的控制量在带钢宽度或厚度变化时实现清零功能。利用焊缝过四机架信号、助卷皮带信号，建立在剪切时弯辊闭环反馈控制的控制量的保持功能。
-
公开(公告)号：CN114185274A
公开(公告)日：2022-03-15
申请号：CN202111478252.1
申请日：2021-12-06
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种基于迭代学习的钢铁生产过程重复性误差补偿控制方法，涉及轧钢技术领域。根据基于性能优化的迭代学习算法的迭代学习律，应用于对模拟的周期偏差信号实现追踪，实现随周期偏差信号补偿控制的效果，以及在变频条件下实现周期偏差信号补偿。本发明提供的基于迭代学习控制的钢铁生产过程重复性误差补偿控制方法，运行速度快，控制精度高，在迭代学习的迭代域内能够对期望输出进行完全跟踪，从而实现对周期性信号的补偿控制，解决这类在设备上存在的周期性信号偏差问题，进一步改善高精度的钢铁生产流程设备条件。
-
公开(公告)号：CN113134514B
公开(公告)日：2022-02-01
申请号：CN202110446301.7
申请日：2021-04-25
Applicant: 东北大学
IPC: B21B37/16
Abstract: 本发明提供一种基于深度学习的带钢头部厚度预报方法，涉及轧钢自动控制技术领域。本发明通过分析轧钢过程中影响头部厚度的因素，确定了轧制力、辊缝、轧制温度、板坯厚度和轧制速度因素为预报器的输入参数；利用深度神经网络结构，并提取轧钢生产数据，得到的汇总数据满足后续数据分析和神经网络使用的需求。使用TensorFlow深度学习框架实现了预报器的功能，预报器准确率满足要求，对不同厚度的带钢头部厚度命中率有明显提升，分析神经网络各参数对性能的影响；并且提出了一种优化本预报器的方法，较默认配置预报器准确率有明显提升。使用训练集对神经网络进行训练，最后用测试集评估训练后的模型效果，大大提高了带钢成材率。
-
-
-
-
-
-
-
-
-
Search Results
320
records
(took 0.036 seconds)
