-
公开(公告)号：CN115374859A
公开(公告)日：2022-11-22
申请号：CN202211016513.2
申请日：2022-08-24
Applicant: 东北大学
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：CN115081278A
公开(公告)日：2022-09-20
申请号：CN202210671987.4
申请日：2022-06-15
Applicant: 东北大学
IPC: G06F30/23 , G06F30/10 , G06F119/08
Abstract: 本发明提供了一种板带轧制过程轧件断面温度预测方法，涉及轧钢自动控制技术领域。该方法首先确定轧件进行边部感应加热过程有限元模型的建模参数及影响轧件断面温度的各影响因素取值范围，进而对模型进行建立、求解，根据数值模拟结果提取轧件断面温度参数数据；安排数值模拟实验，重复建立求解多组轧件进行边部感应加热过程有限元模型，分析所述各影响因素对轧件断面温度参数的影响规律，提取多组轧件断面温度参数数据进行轧件断面温度参数函数拟合；将数值模拟实验安排的每组影响因素的数值代入轧件断面温度参数函数确定轧件断面分区位置，提取轧件断面温度数据进行轧件断面温度函数拟合，精准预测了边部感应加热后轧件断面温度分布。
-
公开(公告)号：CN114888094A
公开(公告)日：2022-08-12
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。
-
公开(公告)号：CN112893792B
公开(公告)日：2022-05-10
申请号：CN202110047354.1
申请日：2021-01-14
Applicant: 东北大学
IPC: B22D11/116 , B22D11/117 , B22D11/18 , C21C7/072
Abstract: 本发明的提高通道式感应加热速度与夹杂物去除率的装置及方法，装置包括注入室、分配室和感应加热装置，注入室和分配室通过倾斜双通道连通，倾斜双通道为由注入室向分配室斜向上倾斜，感应加热装置包括导磁体和通电线圈，导磁体套设于倾斜双通道中的任意通道外周，通电线圈缠绕于导磁体外周内侧，内侧为靠近倾斜双通道中心一侧，注入室包括壳体，壳体由内向外依次包括工作层、永久层和钢板层，注入室底部工作层内埋设透气砖。进行金属液夹杂物去除时，采用该装置，并控制过程中的气体吹入，实现快速升温，并在金属液流动过程中，通过引入外来气泡，增大导电流体电阻，实现气泡和夹杂物以不同的速度向通道壁面运动完成夹杂物高效去除。
-
公开(公告)号：CN114417236A
公开(公告)日：2022-04-29
申请号：CN202210052368.7
申请日：2022-01-18
Applicant: 东北大学
Abstract: 本发明属于钢铁轧制技术领域，具体涉及一种基于数据评估的钢铁轧制产品质量优化控制方法。本发明通过多样本的数据采集和处理，在此基础上对样本进行数据评估，筛选出适用模型修正用的准确度最高的样本，以此为源数据；通过模型再计算，实现对钢铁生产过程中的与产品质量直接相关的模型核心参数辊缝、轧制力、轧制速度的修正；在修正过程中，对平滑系数进行最优选取，保证修正效率的同时，提高模型的预测精度，使模型的预测结果更快更准确的接近于实测值，从而实现提升钢铁产品厚度等质量指标的控制效果，最终达到提高同批次产品高质化控制的目的。
-
Patent Agency Ranking
公开(公告)号：CN114154546A
公开(公告)日：2022-03-08
申请号：CN202111490619.1
申请日：2021-12-08
Applicant: 东北大学
IPC: G06K9/00
Abstract: 本发明提供一种钢铁生产过程数据的降噪方法，涉及钢铁生产过程的自动控制技术领域。首先建立EEMD‑WT降噪模型，对含有噪声的钢铁生产过程数据进行EEMD分解，然后采用连续均方误差的方法(CMSE)计算噪声能量突变点b，计算出b值后，将前面相应的高频IMF分量进行小波变换降噪处理，除去高频中的噪声，保留高频信号段的剩余信息，最后与低频其余的IMF分量重构，完成EEMD‑WT降噪模型的建立；将含噪的钢铁生产过程数据导入到EEMD‑WT降噪模型中，得到最后的降噪后数据。本发明提出的EEMD‑WT降噪方法降噪效果好，相比于SVD降噪方法和均值降噪方法能更好地还原出原始数据，可以广泛地投入到钢铁生产过程当中。
-
公开(公告)号：CN114091211A
公开(公告)日：2022-02-25
申请号：CN202111516036.1
申请日：2021-12-06
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06K9/62 , B21B37/00 , G06F119/14
Abstract: 本发明提供一种基于数据驱动的冷轧机振动预测与预警方法，涉及轧钢技术领域。本发明首先在冷轧生产过程中，获取轧制过程工艺参数；将轧机轧制过程工艺参数与振动数据进行时刻匹配、数据平滑与标准化处理；最后采用处理后的数据使用XGBoost算法建立轧机振动幅值预测模型，利用模型对轧机的振动幅值进行预测；本发明提供的数据驱动的冷轧机振动预测与预警方法，运算速度快、计算精度高，可应用于在线轧机振动的早期预警。
-
公开(公告)号：CN113742975A
公开(公告)日：2021-12-03
申请号：CN202111075002.3
申请日：2021-09-14
Applicant: 东北大学
IPC: G06F30/23 , G06F30/17 , G06F111/10
Abstract: 本发明属于轧制技术领域，具体涉及一种热连轧粗轧立‑平轧制轧件头尾缺陷预测及评价方法。针对现有技术的不足，本发明提出了一种热连轧粗轧过程立‑平轧制轧件头尾缺陷预测及评价方法,综合考虑了立‑平轧制过程中工艺规程与实际设备，基于现场实际，建立有限元模型，通过控制变量法设定实验条件进行有限元仿真的方式，建立了立‑平轧制头尾缺陷关键点的函数表达式，拟合了立‑平轧制轧件头尾缺陷的形状曲线，并依此提出了一种立‑平轧制轧件头尾缺陷的评价方法；准确的预测了立‑平轧制后轧件头尾缺陷，解决了在生产过程中，轧件头尾难以确定的难题；同时给出了一种头尾缺陷的评价方法。本发明能够为后续的剪切工艺提供指导，降低切损率。
-
公开(公告)号：CN113671923A
公开(公告)日：2021-11-19
申请号：CN202111001700.9
申请日：2021-08-30
Applicant: 东北大学
IPC: G05B19/418
Abstract: 一种基于数据驱动的连轧过程故障检测方法，属于轧制过程的自动化控制技术邻域，本发明首先采集包含正常生产过程带钢生产数据以及出现故障时的带钢生产数据；再将数据进行标准化处理；用栈式自编码器深度学习模型对处理后的数据进行特征提取与数据降维，之后基于深度学习模型输出后的数据，结合典型相关分析多元统计方法，进行连轧过程的故障检测。本发明提供的基于数据驱动的连轧过程故障检测方法，运行速度快、检测精度高，本发明方法可直接在计算机上通过编程实现，且不需要成本上的投入，可以广泛推广到热轧生产中。
-
公开(公告)号：CN112474826B
公开(公告)日：2021-10-22
申请号：CN202011161625.8
申请日：2020-10-27
Applicant: 东北大学
IPC: B21B38/04
Abstract: 一种热连轧中间坯厚度分布的计算方法，属于轧钢自动控制技术领域。本发明根据轧件在粗轧过程中温度的变化，通过测温仪测得轧件的温度，通过温降模型计算得到了轧件在粗轧过程中温度变化情况，计算得到粗轧各道次轧件长度方向上不同位置的温度分布，基于在线轧制力的校核，借助于轧制特性分析计算得到了温度偏差、厚度偏差对轧制过程各道次厚度的影响规律，最终得到了中间坯长度方向上的厚度分布情况。本发明方法为精轧区厚度控制提供准确的源数据，为产品厚度的高精度控制提供了良好条件。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.059 seconds)
