-
公开(公告)号：CN116825253B
公开(公告)日：2023-11-21
申请号：CN202310812958.X
申请日：2023-07-03
申请人： 东北大学
IPC分类号： G16C60/00 , G06F30/27 , G06F18/214 , G06F18/243 , G06F119/14 , G06F111/06 , G06F119/08 , G06F111/08
-
公开(公告)号：CN112100745B
公开(公告)日：2023-10-13
申请号：CN202010966431.9
申请日：2020-09-15
申请人： 东北大学
IPC分类号： G16C60/00 , G16C20/70 , G16C20/20 , G06F30/15 , G06F30/17 , G06F30/27 , G06F18/2132 , G06F18/2411 , G06F18/27 , G06F18/10 , G06F18/23 , G06N20/10 , G06F113/26 , G06F119/14 , G06F113/28
摘要： 本发明提供一种基于LDA理论的汽车大梁钢力学性能预测方法，涉及汽车大梁钢轧制生产技术领域。本发明提供了一种钢材的力学性能(屈服强度、抗拉强度、延伸率)预测模型建立方法。热轧高强钢的生产过程中会产生大量的历史生产数据，并根据历史生产数据构建模型训练数据样本集；训练数据样本集包括携带特征属性(工艺、成分参数)及所对应的力学性能参数；利用训练数据样本集建立力学性能预测模型，最后将预测数据样本集的特征属性参数(工艺、成分参数)输入力学性能预测模型得到预测数据样本的力学性能。
-
公开(公告)号：CN116779062A
公开(公告)日：2023-09-19
申请号：CN202310707270.5
申请日：2023-06-14
申请人： 东北大学
摘要： 本发明公开了基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，包括S1、建立工艺优化基础数据平台；S2、基于工艺优化基础数据平台建立预测模型；S3、根据实际生产工艺要求，设定力学性能预测模型输入参数的范围；S4、基于设定的热轧带钢工艺参数优化设计方案，建立多目标优化策略数学模型；S5、基于MOEA/D智能优化算法对多目标数学模型进行求解，得出合理的工艺参数计算值；S6、根据计算求解的工艺参数值，调整实际生产工艺设定值。本发明采用上述基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，根据实际性能需求，实现工艺参数的及时、精确和高效率优化，有助于提高热轧带钢生产工艺参数选择的科学性，提高热轧带钢力学性能的稳定性。
-
公开(公告)号：CN111861041B
公开(公告)日：2023-09-05
申请号：CN202010767229.3
申请日：2020-08-03
申请人： 东北大学
IPC分类号： G06F30/28 , G06F30/27 , G06F30/20 , G06N3/084 , G06N3/126 , G06F119/14 , G06F113/08
摘要： 一种预测Nb微合金钢动态再结晶型流变应力的方法，属于钢铁研究和机器学习的交叉技术领域。该方法基于系列Nb微合金钢的动态再结晶型流变应力曲线及钢种信息的实验数据，采用遗传算法学习每条流变应力曲线对应数学模型中的参数，使用贝叶斯正则化的BP神经网络建立钢种信息与流变应力曲线特征间的网络关系模型，之后结合流变应力曲线对应的数学模型，预测动态再结晶型流变应力。该方法所建立的模型能够高精度预测该系列钢在多种成分及工艺条件下的流变应力曲线，明显减少单道次压缩实验的工作量，提高动态再结晶型流变应力曲线的预测效率和精度。
-
公开(公告)号：CN111933221B
公开(公告)日：2023-07-04
申请号：CN202010766776.X
申请日：2020-08-03
申请人： 东北大学
摘要： 本发明的一种预测Nb微合金钢动态再结晶分数的方法，属于钢铁研究和机器学习的交叉技术领域；该方法以现有C‑Mn‑Nb微合金钢动态再结晶型流变应力的实验数据构建Nb微合金钢动态再结晶行为的数据集，使用基于贝叶斯正则化的BP神经网络建立化学成分、工艺参数与流变应力曲线特征间的模型，通过动态再结晶分数数学模型，实现高精度预测动态再结晶分数，明显减少单道次压缩实验及淬火实验的工作量，提高预测动态再结晶分数的效率。
-
公开(公告)号：CN114897227A
公开(公告)日：2022-08-12
申请号：CN202210444584.6
申请日：2022-04-26
申请人： 东北大学 , 湖南华菱涟源钢铁有限公司 , 湖南华菱涟钢特种新材料有限公司
IPC分类号： G06Q10/04 , G06Q50/04 , G06K9/62 , G06F30/27 , G06F119/14
摘要： 本发明提供一种基于改进随机森林算法的多钢种力学性能预报方法，涉及热轧带钢轧制生产技术领域。该方法首先搭建综合数据平台，采集一段时间内的热轧带钢生产数据样本，获得完整生产数据样本集合；并对完整生产数据样本集合进行特征信息筛选及数据清洗；然后基于改进随机森林方法构建多钢种力学性能预报模型并进行模型训练；将待预测的完整生产数据样本输入多钢种力学性能预报模型，得到待预测的完整生产数据样本的力学性能值。该方法利用已建立好的力学性能预报模型可以实现力学性能的实时预测，降低产品的检测数量，降低生产成本。
-
公开(公告)号：CN111933221A
公开(公告)日：2020-11-13
申请号：CN202010766776.X
申请日：2020-08-03
申请人： 东北大学
摘要： 本发明的一种预测Nb微合金钢动态再结晶分数的方法，属于钢铁研究和机器学习的交叉技术领域；该方法以现有C-Mn-Nb微合金钢动态再结晶型流变应力的实验数据构建Nb微合金钢动态再结晶行为的数据集，使用基于贝叶斯正则化的BP神经网络建立化学成分、工艺参数与流变应力曲线特征间的模型，通过动态再结晶分数数学模型，实现高精度预测动态再结晶分数，明显减少单道次压缩实验及淬火实验的工作量，提高预测动态再结晶分数的效率。
-
公开(公告)号：CN118298191A
公开(公告)日：2024-07-05
申请号：CN202410529226.4
申请日：2024-04-29
申请人： 东北大学
IPC分类号： G06V10/44 , G06V20/69 , G06V10/774 , G06N3/0455 , G06N3/0985
摘要： 本发明公开了一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，属于铁金相图像分析和处理技术领域，包括以下步骤：将获得的金相照片划分为训练集和测试集；采用深度学习模型对训练集数据进行训练，结合数据增强等手段对训练数据集进行扩充，构建具有识别晶粒组织能力的深度学习模型；利用具有识别晶粒组织能力的深度学习模型对待识别的金相照片进行识别，得到待识别照片的显微组织信息。本发明采用上述一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，通过对金相显微组织照片智能识别获取显微组织特征信息，可以简化由于传统获取方法造成的繁琐工作及时获取显微组织信息的同时兼具较高的精度。
-
公开(公告)号：CN116822367A
公开(公告)日：2023-09-29
申请号：CN202310812967.9
申请日：2023-07-03
申请人： 东北大学
IPC分类号： G06F30/27 , G06N3/0442 , G06F18/214 , G06F119/14 , G06F119/08
摘要： 本发明公开了一种基于LSTM模型的IF钢力学性能预测方法，S1、选取样本；S2、补充空缺数据；S3、异常值剔除：使用格拉布斯准则对S2中得到的数据集中力学性能异常IF钢钢卷对应的参数数据剔除，得到数据集；S4、训练LSTM模型：将S3中得到的数据集按比例划分为训练数据和预测数据，将关键参数作为输入变量，将力学性能作为输出变量，将输入变量和输出变量用于训练LSTM模型，得到LSTM预测模型。本发明采用上述步骤，LSTM预测模型中既包含IF钢成分对IF钢性能的影响，也包含热轧和冷轧工艺参数对IF钢性能的影响，有助于LSTM模型实现高精度的力学性能预测，优化工艺参数。
-
公开(公告)号：CN112417639B
公开(公告)日：2023-08-04
申请号：CN202010966429.1
申请日：2020-09-15
申请人： 东北大学
IPC分类号： G06F30/20 , C22F1/16 , G06F119/08
摘要： 本发明提供一种热轧低碳钢氧化铁皮结构演变数字解析方法，涉及轧钢技术领域。相比于传统基于深度学习的显微组织识别方法，本方法基于热轧低碳钢氧化铁皮结构演变预测模型，从生产现场服务器读取轧制生产工艺参数，计算轧制后冷却过程中钢卷温度随时间变化曲线，对氧化铁皮结构演变过程进行实时预测，实现氧化铁皮结构转变过程的数字解析。该技术可以指导热轧生产工艺参数的制定，通过制定合理的工艺参数，优化氧化铁皮中FeO，Fe3O4和共析组织(Fe+Fe3O4)各相比例，为热轧带钢氧化铁皮结构控制提供依据。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.028 秒)
