-
公开(公告)号：CN119140614B
公开(公告)日：2025-02-28
申请号：CN202411612099.0
申请日：2024-11-13
Applicant: 东北大学
IPC: B21B37/32 , B21B37/38 , G06N3/0455 , G06N3/082 , G06N3/0985
Abstract: 本发明属于热轧技术领域，具体涉及一种提高板形质量的工作辊热磨损和热膨胀的控制方法，包括：采集热轧历史生产数据；对热轧历史生产数据进行预处理，划分为训练集和测试集；构建Informer与随机森林组合的工作辊热磨损和热膨胀预测模型Informer‑RF；将训练集输入到Informer‑RF模型中进行训练；采集现场生产数据，输入到训练好的Informer‑RF模型中，获得工作辊热磨损预测值，根据循环窜辊策略对窜辊位置进行调节，同时获得工作辊热膨胀预测值，根据工作辊冷却水的流量策略对工作辊热膨胀量进行调节；根据调节后的窜辊位置和工作辊热膨胀量以及实测带钢凸度和目标凸度的差值对弯辊力进行调节。
-
公开(公告)号：CN118751698B
公开(公告)日：2024-12-27
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：CN119140614A
公开(公告)日：2024-12-17
申请号：CN202411612099.0
申请日：2024-11-13
Applicant: 东北大学
IPC: B21B37/32 , B21B37/38 , G06N3/0455 , G06N3/082 , G06N3/0985
Abstract: 本发明属于热轧技术领域，具体涉及一种提高板形质量的工作辊热磨损和热膨胀的控制方法，包括：采集热轧历史生产数据；对热轧历史生产数据进行预处理，划分为训练集和测试集；构建Informer与随机森林组合的工作辊热磨损和热膨胀预测模型Informer‑RF；将训练集输入到Informer‑RF模型中进行训练；采集现场生产数据，输入到训练好的Informer‑RF模型中，获得工作辊热磨损预测值，根据循环窜辊策略对窜辊位置进行调节，同时获得工作辊热膨胀预测值，根据工作辊冷却水的流量策略对工作辊热膨胀量进行调节；根据调节后的窜辊位置和工作辊热膨胀量以及实测带钢凸度和目标凸度的差值对弯辊力进行调节。
-
公开(公告)号：CN110180900B
公开(公告)日：2020-07-14
申请号：CN201910552424.1
申请日：2019-06-25
Applicant: 东北大学
IPC: B21B37/16
Abstract: 本发明提出一种厚规格窄带钢厚度控制方法，属于轧制自动控制技术领域，包括：采集PDI数据；计算轧件运行速度；计算轧件通过轧线特定位置的时间及对应的采样点数目；根据采样点数目确定轧件厚度的计算方式；计算轧件扭转造成的测量偏差；使用测量偏差补偿测厚仪的实测数据，得到补偿后的测厚仪的实测数据；使用补偿后的厚度测量值进行厚度控制，完成轧制过程。本发明在现有系统基础上，仅通过对数据分析和处理，即可以实现厚规格窄带钢的厚度测量，无须对现有控制系统进行修改，能够保证厚度的测量精度，安全可靠，为厚度自动控制系统的正常投用提供了良好的基础。
-
公开(公告)号：CN118681928B
公开(公告)日：2024-12-27
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℃。
-
Patent Agency Ranking
公开(公告)号：CN117574582B
公开(公告)日：2024-04-19
申请号：CN202410056777.3
申请日：2024-01-16
Applicant: 东北大学
IPC: G06F30/17 , G06F30/20 , G06F17/15 , B21B29/00 , G06F119/14
Abstract: 本发明保护一种热轧用高次曲线融合正弦函数的支撑辊辊形及其设计方法。支撑辊在与变凸度工作辊配合工作当中，由于工作辊特殊的S型曲线，容易使得支撑辊产生严重的不均匀磨损，导致支撑辊使用寿命减少，且在服役周期内产生的辊形变化对板形产生影响。为了减小此影响，本发明方法综合考虑到工作辊的曲线特征、支撑辊对板形的调节能力和支撑辊的不均匀磨损，提出一种热轧用高次曲线融合正弦函数的支撑辊辊形设计方法。该方法改善了支撑辊与变凸度工作辊间接触压力分布不均匀的情况，本发明的支撑辊与变凸度工作辊搭配时，可以减小支撑辊两端的辊间接触应力，改善支撑辊辊边缘应力集中现象，实现轧辊均匀磨损，延长支撑辊的使用寿命。
-
公开(公告)号：CN116741302A
公开(公告)日：2023-09-12
申请号：CN202310698567.X
申请日：2023-06-12
Applicant: 东北大学
Abstract: 本发明的一种迁移学习融合鲸鱼优化算法的硅钢凸度预测方法，包括：步骤1：采集硅钢和非硅钢的轧制现场数据；步骤2：对采集的轧制现场数据进行预处理，将硅钢轧制现场数据作为目标域数据，非硅钢轧制现场数据作为源域数据；步骤3：基于源域数据对硅钢凸度预测模型进行预训练，同时利用鲸鱼捕食算法优化模型网络的结构和超参数；步骤4：通过目标域的训练集对硅钢凸度预测模型进行迁移训练，实现源域知识向目标域的转移，获得最终的硅钢凸度预测模型。
-
公开(公告)号：CN110180900A
公开(公告)日：2019-08-30
申请号：CN201910552424.1
申请日：2019-06-25
Applicant: 东北大学
IPC: B21B37/16
Abstract: 本发明提出一种厚规格窄带钢厚度控制方法，属于轧制自动控制技术领域，包括：采集PDI数据；计算轧件运行速度；计算轧件通过轧线特定位置的时间及对应的采样点数目；根据采样点数目确定轧件厚度的计算方式；计算轧件扭转造成的测量偏差；使用测量偏差补偿测厚仪的实测数据，得到补偿后的测厚仪的实测数据；使用补偿后的厚度测量值进行厚度控制，完成轧制过程。本发明在现有系统基础上，仅通过对数据分析和处理，即可以实现厚规格窄带钢的厚度测量，无须对现有控制系统进行修改，能够保证厚度的测量精度，安全可靠，为厚度自动控制系统的正常投用提供了良好的基础。
-
公开(公告)号：CN119294263A
公开(公告)日：2025-01-10
申请号：CN202411555352.3
申请日：2024-11-04
Applicant: 东北大学
IPC: G06F30/27 , G06N3/006 , G06F18/214 , G06F18/21 , G06F18/27 , B21B37/42 , G06F111/04
Abstract: 本发明属于轧制技术领域，涉及一种热轧带钢板形控制的弯辊力和窜辊量设定方法，包括：采集实际生产中的带钢历史生产数据；将利用3σ原则对带钢历史生产数据进行异常值检测，去除异常值，并划分为训练集和测试集；建立基于Lasso回归的凸度预测模型，利用训练集数据对凸度预测模型进行训练；利用测试集对训练好的基于Lasso回归的凸度预测模型进行测试；建立板形目标函数；根据精轧机组中的各机架设备和板形理论建立轧制变量的约束条件；采用蛇鹫优化算法，在约束条件范围内搜寻精轧机组中各机架的弯辊力和窜辊量，使得板形目标函数最小，获得弯辊力和窜辊量设定值。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
