-
公开(公告)号：CN116451538A
公开(公告)日：2023-07-18
申请号：CN202310405699.9
申请日：2023-04-17
Applicant: 东北大学
IPC: G06F30/23 , G06F30/17 , G06F119/14
Abstract: 本发明的基于数字孪生分析SmartCrown轧机弯辊对板形影响的方法，包括：步骤1：采集带钢参数、轧制工艺参数以及SmartCrown轧机参数；步骤2：根据步骤1采集的参数建立SmartCrown轧机和带钢的三维弹塑性有限元模型；步骤3：利用三维弹塑性有限元模型对带钢轧制过程进行模拟实验；步骤4：提取步骤3中各模拟实验稳定轧制阶段带钢轧后的横向厚度分布数据，根据横向厚度分布数据计算带钢凸度、边部减薄、带钢凸度权重，进而建立数字孪生体；步骤5：根据步骤4所得到的数字孪生体分析工作辊弯辊力、中间辊弯辊力对轧后的带钢板形的影响。
-
公开(公告)号：CN113155651B
公开(公告)日：2022-05-10
申请号：CN202110344552.4
申请日：2021-03-30
Applicant: 东北大学
IPC: G01N3/32 , G01M13/021 , G06F30/23
Abstract: 本发明提供一种基于疲劳试验与仿真的直齿轮齿根裂纹扩展规律分析方法，首先通过齿轮疲劳试验得到直齿轮齿根裂纹扩展的实际路径，然后采用ANSYS软件在齿轮建模方面的优势，完成了精确的齿轮建模、划分网格、建立边界条件及应力分析等工作；再利用FRANC3D软件强大的断裂仿真分析功能，模拟了直齿轮齿根裂纹扩展的路径，可以更好的研究齿根裂纹扩展规律。本发明是一种结合疲劳试验和仿真模拟的方法，研究直齿轮齿根裂纹的扩展规律，且可以通过对比疲劳试验结果与仿真模拟结果，验证实验方法的合理性，为之后的直齿轮齿根裂纹扩展研究领域提供一种更可靠、更高效的分析方法。
-
公开(公告)号：CN114091308A
公开(公告)日：2022-02-25
申请号：CN202111392303.9
申请日：2021-11-19
Applicant: 东北大学
IPC: G06F30/23 , G06Q10/04 , G06F17/16 , G06F17/11 , G06F119/14
Abstract: 本发明提供基于三维模型的六辊冷轧机临界振动速度预测方法，属于轧制过程自动化技术领域，基于三维的六辊冷轧机模型预测临界振动速度，考虑到轧辊应视为短粗梁且需考虑剪切变形的影响，选择Timoshenko梁，同时对节点位移矢量采用Hermite插值；通过对轧件、轧辊和牌坊间的受力分析，可以建立轧机‑轧件系统的垂向振动动力学方程，采用Newmark‑Beta法进行求解，可得到特定速度下的轧辊位移响应曲线，若位移响应曲线的幅值恒定，则该速度为轧机的临界振动速度；本发明不仅可以研究二维轧制工艺参数对轧制过程稳定性的影响，还可以分析弯蹿辊等宽向参数对临界轧制速度的影响，在轧制规程制定阶段就预测出轧机的临界振动速度，可以为工艺参数优化提供理论支撑。
-
公开(公告)号：CN114091308B
公开(公告)日：2024-04-09
申请号：CN202111392303.9
申请日：2021-11-19
Applicant: 东北大学
IPC: G06F30/23 , G06F17/16 , G06F17/11 , G06F119/14
Abstract: 本发明提供基于三维模型的六辊冷轧机临界振动速度预测方法，属于轧制过程自动化技术领域，基于三维的六辊冷轧机模型预测临界振动速度，考虑到轧辊应视为短粗梁且需考虑剪切变形的影响，选择Timoshenko梁，同时对节点位移矢量采用Hermite插值；通过对轧件、轧辊和牌坊间的受力分析，可以建立轧机‑轧件系统的垂向振动动力学方程，采用Newmark‑Beta法进行求解，可得到特定速度下的轧辊位移响应曲线，若位移响应曲线的幅值恒定，则该速度为轧机的临界振动速度；本发明不仅可以研究二维轧制工艺参数对轧制过程稳定性的影响，还可以分析弯蹿辊等宽向参数对临界轧制速度的影响，在轧制规程制定阶段就预测出轧机的临界振动速度，可以为工艺参数优化提供理论支撑。
-
公开(公告)号：CN113102516B
公开(公告)日：2022-02-18
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
Patent Agency Ranking
公开(公告)号：CN113102516A
公开(公告)日：2021-07-13
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
公开(公告)号：CN116000106B
公开(公告)日：2023-06-16
申请号：CN202310302713.2
申请日：2023-03-27
Applicant: 东北大学
IPC: B21B37/58 , G06N3/0442 , G06N3/0985 , G07C3/00
Abstract: 本发明的一种冷连轧升降速阶段的轧制力设定方法，包括如下步骤：步骤1：采集轧件参数、轧制工艺参数以及轧辊参数；步骤2：根据轧件变形特点，构建满足体积不变条件和速度边界条件的动态速度场和应变速率场，得到轧件成形功率泛函表达式，解得泛函及各成形功率最小值；步骤3：将步骤1采集的参数连同步骤2中得到的内部塑性变形功率、剪切功率和张力功率作为初选输入特征，计算初选输入特征与轧制力间的互信息熵，剔除互信息熵较低的特征，得到模型的最终输入特征；步骤4：建立LSTM网络模型并确定最优超参数，对训练过程中的学习率进行优化以提升网络初始稳定性和训练速度，根据实际生产数据进行网络训练以及轧制力预测。
-
公开(公告)号：CN114074118A
公开(公告)日：2022-02-22
申请号：CN202111367315.6
申请日：2021-11-18
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明公开了一种六辊冷轧机的轧制稳定性预测方法，涉及轧制过程自动化生产技术领域。该方法考虑了入口油膜挤压效应，将轧辊垂向振动速度引入油膜厚度计算公式，获得动态入口油膜厚度，并结合粗糙度分布假设，计算变形区摩擦应力分布随时间的变化情况；考虑了轧辊垂向振动速度的卡尔曼微分方程推导，并带入变形区摩擦应力分布，计算动态轧制力及由轧辊垂向振动引发的轧制力波动量；根据轧辊、轧件和牌坊间的受力关系，建立轧机系统的垂向振动动力学方程，然后采用Newmark‑Beta法求解，并以轧辊垂向位移作为判断轧机稳定性的依据，若轧辊位移曲线收敛，则轧机稳定，若轧辊位移曲线发散，则轧机不稳定。该方法能够更精准地预测出轧制过程中的轧机稳定性。
-
公开(公告)号：CN113155651A
公开(公告)日：2021-07-23
申请号：CN202110344552.4
申请日：2021-03-30
Applicant: 东北大学
IPC: G01N3/32 , G01M13/021 , G06F30/23
Abstract: 本发明提供一种基于疲劳试验与仿真的直齿轮齿根裂纹扩展规律分析方法，首先通过齿轮疲劳试验得到直齿轮齿根裂纹扩展的实际路径，然后采用ANSYS软件在齿轮建模方面的优势，完成了精确的齿轮建模、划分网格、建立边界条件及应力分析等工作；再利用FRANC3D软件强大的断裂仿真分析功能，模拟了直齿轮齿根裂纹扩展的路径，可以更好的研究齿根裂纹扩展规律。本发明是一种结合疲劳试验和仿真模拟的方法，研究直齿轮齿根裂纹的扩展规律，且可以通过对比疲劳试验结果与仿真模拟结果，验证实验方法的合理性，为之后的直齿轮齿根裂纹扩展研究领域提供一种更可靠、更高效的分析方法。
-
公开(公告)号：CN116000106A
公开(公告)日：2023-04-25
申请号：CN202310302713.2
申请日：2023-03-27
Applicant: 东北大学
IPC: B21B37/58 , G06N3/0442 , G06N3/0985 , G07C3/00
Abstract: 本发明的一种冷连轧升降速阶段的轧制力设定方法，包括如下步骤：步骤1：采集轧件参数、轧制工艺参数以及轧辊参数；步骤2：根据轧件变形特点，构建满足体积不变条件和速度边界条件的动态速度场和应变速率场，得到轧件成形功率泛函表达式，解得泛函及各成形功率最小值；步骤3：将步骤1采集的参数连同步骤2中得到的内部塑性变形功率、剪切功率和张力功率作为初选输入特征，计算初选输入特征与轧制力间的互信息熵，剔除互信息熵较低的特征，得到模型的最终输入特征；步骤4：建立LSTM网络模型并确定最优超参数，对训练过程中的学习率进行优化以提升网络初始稳定性和训练速度，根据实际生产数据进行网络训练以及轧制力预测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
