公开(公告)号：CN112893484A

公开(公告)日：2021-06-04

申请号：CN202110062491.2

申请日：2021-01-18

申请人： 东北大学 ,  河钢集团有限公司 ,  河钢数字技术股份有限公司

发明人： 丁敬国 ,  李毅仁 ,  贾永坡 ,  李旭 ,  张志鸿 ,  张立兴 ,  张殿华 ,  王海滨 ,  郝亮 ,  任连波

IPC分类号： B21B37/58

摘要： 本发明提供一种基于灰色关联度提取的热连轧轧制力自整定方法，涉及热连轧自动控制技术领域。首先确定坯料尺寸数据、产品目标尺寸、钢种牌号与化学成分、温度制度、轧机设备参数及轧制边界条件；然后针对当前需要计算轧制力的带钢轧制参数构建参考数列，并取已生产的N卷带钢的轧制参数构建比较数列；再对参考数列和比较数列进行归一化处理；通过计算得到参考数列与比较数列各个参数的关联系数和关联度。最后找到已生产的N卷带钢与当前正在生产的带钢关联度最高的带钢轧制力自学习系数，将新确定的带钢轧制力自学习系数代入轧制力计算模型，计算得出带钢生产最终需要设定轧制力。本发明方法大幅度提高了热连轧生产过程中的轧制力预测的精度。

公开(公告)号：CN114861548B

公开(公告)日：2024-10-29

申请号：CN202210561959.7

申请日：2022-05-23

申请人： 东北大学

发明人： 丁敬国 ,  张一杰 ,  李旭 ,  倪晔 ,  张殿华

IPC分类号： G06F30/27 ,  G06N3/006 ,  G06F111/08

摘要： 本发明的一种在线自适应SSA‑OS‑DELM模型的板凸度预测方法，包括：利用高精度监测装置采集热连轧现场的生产数据和实测凸度；对采集的生产数据和实测凸度进行预处理；使用预处理后的生产数据和实测凸度初始化DELM网络结构；采用SSA优化算法对DELM网络优化，获得具有最优的隐藏层的输出矩阵和最优输出权重的SSA‑DELM板凸度预测模型；按照一定时间周期实时采集在线生产数据对SSA‑DELM板凸度预测模型进行优化，获得SSA‑OS‑DELM板凸度预测模型。本方法从大量历史板凸度数据中充分提取信息，并通过在线实时数据迭代优化更新模型，从而实现可靠、实时的高准确度的板凸度预测，为产品板形的高精度控制提供了良好条件。

公开(公告)号：CN118268387B

公开(公告)日：2024-10-01

申请号：CN202410662173.3

申请日：2024-05-27

申请人： 东北大学

发明人： 孙杰 ,  田宝钱 ,  王姝婷 ,  雷佳为 ,  董捷 ,  史伟宏 ,  龚殿尧 ,  袁国 ,  张殿华

IPC分类号： B21B37/74

摘要： 本发明提供一种针对轧后冷却过程的动态前馈控制方法，涉及热轧技术领域。该方法首先将带钢沿长度方向划分为多个带钢样本，并采集带钢几何参数及热物性参数；然后将带钢样本的三维传热问题简化为沿厚度方向的一维传热问题，沿厚度方向对带钢样本进行网格划分；建立计算任意时刻带钢样本沿厚度方向的温度分布的数值模型；再以终轧温度为起始温度，计算下一时刻带钢样本温度；当带钢样本通过温度测量点时，获得上表面实测温度，根据实测温度估算带钢样本内部温度分布；最后采用估算的温度场作为起始温度，重新计算带钢样本在后续冷却过程的温度变化。该方法针对同一样本进行多次前馈控制计算，使得控制精度更高，提高了轧后冷却过程控制的稳定性。

公开(公告)号：CN118504171A

公开(公告)日：2024-08-16

申请号：CN202410743031.X

申请日：2024-06-11

申请人： 东北大学

发明人： 孙杰 ,  魏臻 ,  叶俊成 ,  王姝婷 ,  彭文 ,  张殿华

IPC分类号： G06F30/17 ,  G06F30/20 ,  G06F17/11 ,  G06F17/16 ,  G06F119/14

摘要： 本发明公开一种板带轧机辊系弹性变形的计算方法，涉及板带轧制领域。该方法在计算轧辊挠曲与压扁时，避免了辊间压力与初始中心压扁量的嵌套循环迭代，将嵌套循环由五层减少为两层，极大缩短了计算时间；将带钢与工作辊、工作辊与中间辊以及中间辊和支撑辊间中心压扁量直接视作未知量通过整体矩阵直接求解，计算结果严格满足辊系变形，避免了不准确的初值设定；根据板形良好条件设定出口厚度分布，在工作辊与中间辊弯辊力变化范围根据辊间接触压力情况判定计算终止条件，可找出满足板形设定所有弯辊力组合；不限定具体型号的轧机，可根据应用情况灵活调整最后求解的大型矩阵，具有较强的通用性；单次计算时间在10~20s，具备在线应用的潜力。

公开(公告)号：CN118268387A

公开(公告)日：2024-07-02

申请号：CN202410662173.3

申请日：2024-05-27

申请人： 东北大学

发明人： 孙杰 ,  田宝钱 ,  王姝婷 ,  雷佳为 ,  董捷 ,  史伟宏 ,  龚殿尧 ,  袁国 ,  张殿华

IPC分类号： B21B37/74

摘要： 本发明提供一种针对轧后冷却过程的动态前馈控制方法，涉及热轧技术领域。该方法首先将带钢沿长度方向划分为多个带钢样本，并采集带钢几何参数及热物性参数；然后将带钢样本的三维传热问题简化为沿厚度方向的一维传热问题，沿厚度方向对带钢样本进行网格划分；建立计算任意时刻带钢样本沿厚度方向的温度分布的数值模型；再以终轧温度为起始温度，计算下一时刻带钢样本温度；当带钢样本通过温度测量点时，获得上表面实测温度，根据实测温度估算带钢样本内部温度分布；最后采用估算的温度场作为起始温度，重新计算带钢样本在后续冷却过程的温度变化。该方法针对同一样本进行多次前馈控制计算，使得控制精度更高，提高了轧后冷却过程控制的稳定性。

公开(公告)号：CN117753795B

公开(公告)日：2024-05-31

申请号：CN202410174371.5

申请日：2024-02-07

申请人： 东北大学

发明人： 孙杰 ,  丁成砚 ,  汪文博 ,  曾烜平 ,  李子瑜 ,  徐德巍 ,  彭文 ,  张殿华

IPC分类号： B21B37/00

摘要： 本发明提供一种针对多钢种、多规格热轧产品的前馈控制方法，涉及钢铁轧制技术领域，本发明考虑了针对多钢种、多规格热轧产品的鲁棒控制，提出了采用聚类方法将多钢种、多规格的热轧产品聚类为不同的簇，并为每个簇选择一个最优预测模型；采用模型融合技术，将不同簇的模型进行融合；并根据预测质量和目标质量的残差，采用哈里斯鹰优化算法对各机架轧制参数进行前馈动态修正。本发明提出的针对多钢种、多规格热轧产品质量前馈控制方法弥补了传统方法的缺陷，提升了热轧生产的控制精度。

公开(公告)号：CN115374858B

公开(公告)日：2024-05-14

申请号：CN202211016250.5

申请日：2022-08-24

申请人： 东北大学

发明人： 孙杰 ,  丁成砚 ,  陈长瑞 ,  高淑峰 ,  李霄剑 ,  彭文 ,  张殿华

IPC分类号： G06F18/2431 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/25 ,  G06F16/215 ,  G06Q50/04 ,  G06N20/20

摘要： 本发明提供了基于混合集成模型的流程工业生产品质的智能诊断方法，涉及流程工业生产品质的诊断技术领域。该方法首先采集工业生产过程数据和生产品质数据，然后对采集的数据进行预处理并对生产品质划分类别、计算不平衡度，构建流程工业生产品质数据集，之后采用ADASYN‑RENN对数据集进行平衡采样，以采样后的数据集为基础，同时考虑模型融合的基分类器的性能和多样性，构建混合模型的基分类器候选池，通过对比不同候选分类器组合方式的分类性能，最后选取性能最优的分类器组合建立混合集成模型用于流程工业生产品质的智能诊断。该方法分类性能好、鲁棒性强，相比于其他数据驱动方法和现场机理模型具有更优异的诊断性能，可广泛投入到流程工业生产过程当中。

公开(公告)号：CN117732886B

公开(公告)日：2024-04-30

申请号：CN202410174372.X

申请日：2024-02-07

申请人： 东北大学

发明人： 孙杰 ,  丁成砚 ,  刘瑜 ,  杨一铭 ,  王姝婷 ,  雷佳为 ,  王云龙 ,  彭文 ,  张殿华

IPC分类号： B21B37/00

摘要： 本发明提出一种基于级联智能诊断的热轧质量预控制方法，属于金属轧制智能化控制技术领域；首先采集热轧过程数据和质量数据，将两者结合构建Xlsx格式原始数据集；并对构建的原始数据集进行预处理，得到用于建模的数据集；其次利用得到的建模数据集构建级联诊断结构中的第一级模型；然后利用得到的建模数据集构建级联诊断结构中的第二级模型；将训练好的级联诊断结构对热轧设定参数进行诊断，基于热轧设定参数的诊断结果，制定不同的控制策略，然后采用人工蜂鸟算法对热轧设定参数进行修正；本发明提出的一种基于级联智能诊断的热轧质量预控制方法诊断精度高，控制速度快，并且弥补了传统方法热轧设定方法的缺陷，可以广泛地投入到工业生产当中。

公开(公告)号：CN117840232A

公开(公告)日：2024-04-09

申请号：CN202410246408.0

申请日：2024-03-05

申请人： 东北大学

发明人： 彭文 ,  武文腾 ,  王喆 ,  胡玉龙 ,  陈曦 ,  孙杰 ,  张殿华

IPC分类号： B21B37/22

摘要： 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。

公开(公告)号：CN117828905A

公开(公告)日：2024-04-05

申请号：CN202410248709.7

申请日：2024-03-05

申请人： 东北大学

发明人： 彭文 ,  魏晨光 ,  武文腾 ,  王喆 ,  齐柏智 ,  孙杰 ,  张殿华

IPC分类号： G06F30/20 ,  B21B37/16 ,  B21B37/28 ,  G06F111/06 ,  G06F111/04 ,  G06F119/06

摘要： 本发明提供一种基于形性一体化控制的轧制负荷分配优化设计方法，涉及轧钢自动控制技术领域，本发明设计了轧制功率目标函数、三维尺寸目标函数以及内部性能目标函数进行多目标优化，进一步建立热连轧全流程多目标模型，将各机架的出口厚度作为决策寻优变量，将厚度、咬入、温度等工艺约束以及轧制力、电机功率等设备限制作为约束条件，使用NSGA‑III‑DE算法对轧制规程多目标函数进行求解，从而实现了基于形性一体化的工艺规程的设计，为产品质量的高精度控制奠定了基础。