-
公开(公告)号：CN119035277A
公开(公告)日：2024-11-29
申请号：CN202411545293.1
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/58 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/214
Abstract: 本发明提供一种基于特征增维和深度神经网络的轧制力动态预测方法，涉及轧制技术领域。该方法具体包括：采集带钢热连轧轧制过程中的生产数据并进行数据处理，构建样本数据集，根据预设的比例从样本数据集中划分训练集；构建特征增维卷积深度神经网络FACDNN模型，并利用训练集对特征增维卷积深度神经网络FACDNN模型进行训练，得到训练好的特征增维卷积深度神经网络FACDNN模型；通过重新采集带钢热连轧轧制过程中的生产数据并输入训练好的特征增维卷积深度神经网络FACDNN模型，得到带钢热连轧轧制过程中的轧制力预测结果。本方法充分考虑了过程工艺参数变化对模型精度的影响，从而实现下游机架的轧制力高精度的动态预测。
-
公开(公告)号：CN119035274A
公开(公告)日：2024-11-29
申请号：CN202411545294.6
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本申请提出一种热连轧生产过程机架间宽度预测方法及装置，属于轧钢自动控制技术领域，所述方法包括：获取热连轧生产过程中机架入口的各项参数；将机架入口的各项参数输入预建立的宽展预测模型，得到热连轧生产过程中的每个机架的宽展，根据带钢入口宽度以及每个机架的宽展得到最终出口宽度、每个上游机架的出口宽度以及每个下游机架的出口宽度，所述预建立的宽展预测模型具有同一的模型结构以及不同的系数，通过有限元分析确定模型结构，通过灰狼算法确定每个宽展预测模型的最优系数。本申请考虑了机架间张力与各机架轧件的变形抗力，并且考虑了上游机架对下游机架的遗传性的影响，提高了宽度预测的精度。
-
公开(公告)号：CN118751698A
公开(公告)日：2024-10-11
申请号：CN202411237413.1
申请日：2024-09-05
Applicant: 东北大学
IPC: B21B37/58
Abstract: 本发明公开了一种热轧取向硅钢的轧制力控制方法，涉及板带轧制技术领域。首先，基于接触弧长度模型、摩擦应力状态系数模型、带钢变形抗力模型和张力影响系数模型建立初始硅钢轧制力模型。然后，利用蛇鹫优化算法优化初始硅钢轧制力模型中的回归系数，在避免了大量的模拟实验和工业试验的情况下提高了热轧取向硅钢的轧制力设定精度。最后，基于优化后的硅钢轧制力模型计算摩擦应力状态系数、变形抗力系数等特征和历史生产数据结合作为输入，实测轧制力作为输出，建立深度神经网络模型，对硅钢的设定轧制力进行预测。该方法提高了热轧取向硅钢的轧制力设定精度，改善了硅钢头部厚度，提高了成材率。
-
公开(公告)号：CN118681928A
公开(公告)日：2024-09-24
申请号：CN202411173128.8
申请日：2024-08-26
Applicant: 东北大学
Abstract: 本发明的一种热轧高牌号取向硅钢板的板形控制方法，包括：将铸坯加热至1250℃~1320℃，预热段总加热时间为3.5h~4h，均热段的时间为1.5h~2h，总在炉时间为5h~5.5h；粗轧工序采用1+1+3道次轧制，前三个道次采用大压下率，每道次压下率≥20%；轧辊冷却水不开启，终轧温度>1140℃；精轧过程中各机架遵循等比例凸度控制原则，F1~F3机架为CVC辊，F4~F7机架为平辊，求解各机架最优的弯辊力和CVC辊的窜辊设定值，以优化硅钢精轧过程的板形控制参数；精轧时开轧温度为1040℃~1070℃，终轧温度为890℃~930℃，目标凸度为20um~40um；对从精轧机组出来的硅钢带进行层流冷却；对经过层流冷却的硅钢进行卷曲，卷曲温度不低于550℃。
-
公开(公告)号：CN118180162B
公开(公告)日：2024-08-13
申请号：CN202410607839.5
申请日：2024-05-16
Applicant: 东北大学
IPC: B21B37/44 , G06F17/13 , G06F30/23 , G06F119/14 , G06F119/18
Abstract: 本发明公开了一种基于轧制补偿应力的冷却过程残余应力改善方法，涉及热轧板形控制技术领域。获取层流冷却后带钢的残余应力分布情况；以层流冷却后带钢残余应力分布情况作为调控目标，建立临界轧制补偿应力方程，并结合自平衡方程确定轧制过程中需要的轧制补偿应力。通过屈曲模型和能量法求解补偿应力下精轧出口带钢屈曲浪形函数，以此表征带钢的平直度，并利用有限元模拟带钢层流冷却后状态，对比分析确定采用轧制补偿应力方法对改善带钢平直度和内应力分布具有较好的效果。该方法无需改变冷却过程就能解决热轧带钢轧后层流冷却过程存在带钢平直度缺陷和应力分布不均的问题，达到改善残余应力分布的效果，减少带钢平直度缺陷。
-
Patent Agency Ranking
公开(公告)号：CN118395606A
公开(公告)日：2024-07-26
申请号：CN202410231741.4
申请日：2024-03-01
Applicant: 东北大学
IPC: G06F30/17 , G06F30/23 , G06F111/10 , G06F111/04 , G06F113/24 , G06F119/08
Abstract: 本发明提出一种基于数字孪生分析CVC轧机热凸度对板形影响的方法，通过将CVC工作辊的三维热凸度有限元模型和带钢和CVC轧机的三维弹塑性有限元模型结合，可更直观的反映CVC轧机工作辊辊形的变化，能够预测不同热凸度对板形的影响规律，为实际生产中控制热凸度提供参考意见。能够得出不同热凸度情况下辊形曲线对板形的影响规律，在实际生产中可以组合不同的板形执行机构对带钢板形进行更好的调控，对提高带材的板形质量提供帮助，进一步提高产品质量。
-
公开(公告)号：CN115374859B
公开(公告)日：2024-07-02
申请号：CN202211016513.2
申请日：2022-08-24
Applicant: 东北大学
IPC: G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/0499 , G06N3/084 , G06N3/045
Abstract: 本发明提供了一种针对非平衡、多类别的复杂工业数据的分类方法，涉及非平衡数据集分类技术领域。该方法针对工业数据具有遗传性、非线性、强耦合性的特点，提出将深度神经网络作为分类器，深度神经网络本身具有非常良好的非线性拟合能力，但其处理非平衡数据的能力不足，通过代价敏感学习对深度神经网络训练过程中不同类别的误差赋予不同的权重，构建的基于代价补偿的代价敏感深度神经网络弥补了深度神经网络处理不平衡数据的能力不足；本发明提出的基于代价补偿的代价敏感深度神经网络相比于基于采样方法的深度神经网络，分类性能更好、具有更低的少数类错误率且运行性能快，可以广泛地投入到工业生产当中。
-
公开(公告)号：CN118180162A
公开(公告)日：2024-06-14
申请号：CN202410607839.5
申请日：2024-05-16
Applicant: 东北大学
IPC: B21B37/44 , G06F17/13 , G06F30/23 , G06F119/14 , G06F119/18
Abstract: 本发明公开了一种基于轧制补偿应力的冷却过程残余应力改善方法，涉及热轧板形控制技术领域。获取层流冷却后带钢的残余应力分布情况；以层流冷却后带钢残余应力分布情况作为调控目标，建立临界轧制补偿应力方程，并结合自平衡方程确定轧制过程中需要的轧制补偿应力。通过屈曲模型和能量法求解补偿应力下精轧出口带钢屈曲浪形函数，以此表征带钢的平直度，并利用有限元模拟带钢层流冷却后状态，对比分析确定采用轧制补偿应力方法对改善带钢平直度和内应力分布具有较好的效果。该方法无需改变冷却过程就能解决热轧带钢轧后层流冷却过程存在带钢平直度缺陷和应力分布不均的问题，达到改善残余应力分布的效果，减少带钢平直度缺陷。
-
公开(公告)号：CN118155066A
公开(公告)日：2024-06-07
申请号：CN202410265339.8
申请日：2024-03-08
Applicant: 东北大学
Abstract: 本发明的基于迁移学习和改进YOLOv5的轧辊表面缺陷识别方法，包括：采集带钢缺陷图片和轧辊表面缺陷图片；对缺陷图片进行数据增强；制作带钢缺陷图片数据集和轧辊表面缺陷图片数据集；构建基于改进YOLOv5的带钢缺陷检测模型；使用带钢缺陷图片的训练集数据对改进YOLOv5的带钢缺陷检测模型进行训练；使用带钢缺陷图片的测试集数据对改进YOLOv5的带钢缺陷检测模型进行验证；以带钢缺陷图片数据集为源域，以轧辊表面缺陷图片数据集为目标域，进行迁移学习获得轧辊表面缺陷识别模型；将轧辊表面缺陷图片数据集的测试集数据输入到轧辊表面缺陷识别模型对缺陷进行判定，得到判定结果。
-
公开(公告)号：CN117840232B
公开(公告)日：2024-05-31
申请号：CN202410246408.0
申请日：2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法，涉及轧钢自动控制技术领域，本发明考虑了生产过程中数据的实时变化，建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型，为在线更新提供基础。通过聚类方法进行特征选择，并引入优化后的宽度机理模型扩充特征集，引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习，以离线预测模型为初始，基于实时数据集，对模型进行在线更新，实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷，增强了模型对实时数据的感知，提升了模型的在线预测精度。
-
-
-
-
-
-
-
-
-
Search Results
320
records
(took 0.034 seconds)
