-
公开(公告)号：CN115292931A
公开(公告)日：2022-11-04
申请号：CN202210936562.1
申请日：2022-08-05
Applicant: 东北大学
IPC: G06F30/20 , G06F111/04 , G06F111/06 , G06F119/08 , G06F119/14
Abstract: 本发明提供了基于改进NSGA‑III的热连轧轧制规程多目标优化方法，属于板带材热连轧的轧制规程多目标优化技术领域。该方法将NSGA‑III算法与轧制规程多目标优化技术相结合，通过热连轧生产线现场实际的板带材数据和轧机设备参数，构建以轧制能耗最小、等轧制力裕度、板形良好和等相对负荷为目标函数的热连轧精轧轧制规程优化模型，以各机架出口厚度作为NSGA‑III的决策变量，并在NSGA‑III中添加Tent混沌映射来初始化由决策变量组成的种群，在保证初始种群多样性的基础上，均匀分布决策变量可以进一步增强NSGA‑III的优化能力，能够提高轧制规程多目标优化的效率，并且兼顾各目标函数达到更好的轧制规程优化结果，有效地提高热轧板带材的产品质量并降低生产成本。
-
-
公开(公告)号：CN114185274A
公开(公告)日：2022-03-15
申请号：CN202111478252.1
申请日：2021-12-06
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种基于迭代学习的钢铁生产过程重复性误差补偿控制方法，涉及轧钢技术领域。根据基于性能优化的迭代学习算法的迭代学习律，应用于对模拟的周期偏差信号实现追踪，实现随周期偏差信号补偿控制的效果，以及在变频条件下实现周期偏差信号补偿。本发明提供的基于迭代学习控制的钢铁生产过程重复性误差补偿控制方法，运行速度快，控制精度高，在迭代学习的迭代域内能够对期望输出进行完全跟踪，从而实现对周期性信号的补偿控制，解决这类在设备上存在的周期性信号偏差问题，进一步改善高精度的钢铁生产流程设备条件。
-
公开(公告)号：CN113134514B
公开(公告)日：2022-02-01
申请号：CN202110446301.7
申请日：2021-04-25
Applicant: 东北大学
IPC: B21B37/16
Abstract: 本发明提供一种基于深度学习的带钢头部厚度预报方法，涉及轧钢自动控制技术领域。本发明通过分析轧钢过程中影响头部厚度的因素，确定了轧制力、辊缝、轧制温度、板坯厚度和轧制速度因素为预报器的输入参数；利用深度神经网络结构，并提取轧钢生产数据，得到的汇总数据满足后续数据分析和神经网络使用的需求。使用TensorFlow深度学习框架实现了预报器的功能，预报器准确率满足要求，对不同厚度的带钢头部厚度命中率有明显提升，分析神经网络各参数对性能的影响；并且提出了一种优化本预报器的方法，较默认配置预报器准确率有明显提升。使用训练集对神经网络进行训练，最后用测试集评估训练后的模型效果，大大提高了带钢成材率。
-
公开(公告)号：CN112893792A
公开(公告)日：2021-06-04
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。
-
Patent Agency Ranking
公开(公告)号：CN112474826A
公开(公告)日：2021-03-12
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。
-
公开(公告)号：CN110947774B
公开(公告)日：2020-12-01
申请号：CN201911239827.7
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及带钢轧制技术领域，提供一种考虑轧制宽展的板形预测方法。该方法包括：步骤1：获取带钢参数、轧辊参数和轧制参数；步骤2：考虑金属横向流动，引入轧制前后横向厚度差变化因子和宽展因子，构建基于板形‑凸度‑宽展耦合的带钢板形预测模型；步骤3：根据带钢参数、轧辊参数和轧制参数，构建轧机和带钢的三维有限元模型，利用所述三维有限元模型对带钢轧制进行模拟仿真，提取稳定轧制阶段带钢的横向位移、厚度数据，计算基于板形‑凸度‑宽展耦合的带钢板形预测模型的参数；步骤4：利用基于板形‑凸度‑宽展耦合的带钢板形预测模型对带钢的板形进行预测。本发明能够提高板形预测的精度、增强适用性。
-
公开(公告)号：CN110947771B
公开(公告)日：2020-12-01
申请号：CN201911153581.1
申请日：2019-11-22
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明涉及轧钢自动控制技术领域，提供一种热连轧轧制能耗计算方法。首先确定道次编号，然后设定样本总数目，按照经过道次的顺序，定义样本编号，并确定样本通过单个道次时的长度；接着采集样本通过单个道次时的轧制力、轧辊速度，再根据样本数据依次计算样本通过单个道次时的轧制力平均值、轧辊速度平均值、轧辊转速平均值、时间、轧制力矩、轧制功率，进而得到样本通过单个道次的轧制能耗；进一步计算单个道次的轧制能耗，最后计算得到轧制过程的轧制能耗。本发明解决了热连轧轧制能耗无法直接在线测量且根据电机输出功率难以准确计算轧制功率从而难以准确计算轧制能耗的技术问题，提高了热连轧轧制能耗计算的准确性和效率。
-
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：CN108480405B
公开(公告)日：2020-05-05
申请号：CN201810338087.1
申请日：2018-04-16
Applicant: 东北大学
Abstract: 本发明提供一种基于数据驱动的冷轧板形调控功效系数获取方法，涉及轧制过程的自动控制技术领域。一种基于数据驱动的冷轧板形调控功效系数获取方法，首先在轧制过程中，以相同的时间间隔连续记录工艺参数及板形值，获取生产数据；再将现场生产数据进行时间同步处理，得到数据的变化量，并进行标准化；最后采用处理后的数据结合偏最小二乘算法建立偏最小二乘模型，根据偏最小二乘模型的性质利用模型系数矩阵求得板形调控功效系数。本发明提供的基于数据驱动的冷轧板形调控功效系数获取方法，运算速度快、计算精度高，可应用于在线情况。同时，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，可以广泛推广到冷轧生产中。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.029 seconds)
