-
公开(公告)号：CN103376085B
公开(公告)日：2016-01-27
申请号：CN201310280465.2
申请日：2013-07-05
Applicant: 燕山大学
IPC: G01B21/20
Abstract: 本发明公开了一种冷轧带钢板形智能综合评价方法，该方法以模糊综合评判理论以及模糊神经网络理论为理论基础，结合板形理论以及板形在线检测方法，对宏观板形以及各板形分量进行综合的评价。本发明应用基于勒让德多项式最小二乘法的模式识别方法对板形进行在线实时模式识别，然后应用模糊综合评价理论建立板形综合评价指标模型，同时应用宏观板形数据以及各板形分量数据建立T-S型模糊神经网络，对宏观板形平均值以及各板形分量平均值进行综合的评价。本发明将各种板形数据有机得结合起来，建立了综合评价指标模型，实现了对板形质量的智能综合评价。
-
公开(公告)号：CN103028619B
公开(公告)日：2015-04-08
申请号：CN201210520000.5
申请日：2012-12-05
Applicant: 燕山大学
Abstract: 本发明公开一种基于板形检测辊安装精度的板形信号误差补偿方法，它包括如下步骤：基于板形检测辊与导向辊或卷筒之间的几何关系和冷轧带钢板形检测理论，建立了针对板形检测辊安装误差的板形信号补偿模型；针对固定包角式和动态包角式两种安装方式，建立相应的张应力动态偏差计算公式，对冷轧带钢在线板形信号进行实时补偿。本发明考虑板形检测辊安装精度对原始板形信号的影响，最大限度地提高接触式板形仪的在线板形检测精度，更真实地反映在线冷轧带钢的实际板形状况，从而改善轧机的板形控制性能，为板形闭环控制系统提供稳定可靠的实时板形数据。
-
Patent Agency Ranking
公开(公告)号：CN103376085A
公开(公告)日：2013-10-30
申请号：CN201310280465.2
申请日：2013-07-05
Applicant: 燕山大学
IPC: G01B21/20
Abstract: 本发明公开了一种冷轧带钢板形智能综合评价方法，该方法以模糊综合评判理论以及模糊神经网络理论为理论基础，结合板形理论以及板形在线检测方法，对宏观板形以及各板形分量进行综合的评价。本发明应用基于勒让德多项式最小二乘法的模式识别方法对板形进行在线实时模式识别，然后应用模糊综合评价理论建立板形综合评价指标模型，同时应用宏观板形数据以及各板形分量数据建立T-S型模糊神经网络，对宏观板形平均值以及各板形分量平均值进行综合的评价。本发明将各种板形数据有机得结合起来，建立了综合评价指标模型，实现了对板形质量的智能综合评价。
-
公开(公告)号：CN101690952B
公开(公告)日：2012-06-20
申请号：CN200910075561.7
申请日：2009-09-26
Applicant: 燕山大学
Abstract: 本发明公开一种整辊镶块式板形仪。其特征是：主辊体(17)外表面加工径向对称的两条矩形槽，采用弧形弹性垫块(23)和紧固螺钉(22)将n组弹性体(16)与主辊体(17)紧密连接为一整体。操作侧轴头(14)依次联接分段喷淋式集流环(4)和光电编码器(5)，通过码盘快速接插件(9)连接信号处理系统(11)。集流环外接插件(10)实现喷淋式集流环(4)与外部线缆的快速连接，将检测辊(2)检测到的板形信号实时地传递给DSP信号处理系统(11)，再传送给软件处理系统(12)，为板形控制执行机构提供控制信号以及实现板形信号的检测、识别、显示、存储、打印等功能。该发明结构合理，灵敏度高，适应恶劣的现场环境，长期稳定地实时检测板形信号，有效避免传统板形仪辊片之间相互热胀滑动对带钢表面质量造成的损伤。
-
公开(公告)号：CN101623708B
公开(公告)日：2012-02-29
申请号：CN200910075082.5
申请日：2009-08-05
Applicant: 燕山大学
Abstract: 本发明提供了一种板带冷、热连轧机板形控制系统的集成方法。该板形控制系统包括：轧件塑性变形模块、辊系弹性变形模块、轧件与轧辊温度场模块、辊系磨损模块、平直度良好判别模块、板形模式识别模块、板形标准曲线模块、板形控制模块。本发明将上述各模块按照其内在关系集成后，可以全面最优地解决多种板形控制问题，实际应用时采用一套计算流程，有效地节省了劳动时间。
-
公开(公告)号：CN102161054A
公开(公告)日：2011-08-24
申请号：CN201010617064.8
申请日：2010-12-24
Applicant: 燕山大学
IPC: B21B37/28
Abstract: 本发明涉及一种基于影响矩阵自学习的冷轧带钢板形闭环控制方法，通过确定两个关键影响因素来建立不同板带材质、不同道次的影响矩阵先验值表，在板形闭环控制过程中利用实测板形数据通过自学习的方式不断地改善影响矩阵先验值表的品质，使之与板形调控机构的实际调控效能更加接近。由于自学习过程是在各种调控机构调控性能影响因素实际耦合作用的情况下进行的，所以，从某种意义上讲该方法比智能方法考虑的因素更加全面。此外，在闭环控制过程中，影响矩阵的计算及影响矩阵的自学习均采用简单的数学算法实现，计算速度快，实时性能好。由此可见，该方法具有可靠性高、适应能力强、适合在线应用、便于实施等优点。
-
公开(公告)号：CN101559437A
公开(公告)日：2009-10-21
申请号：CN200910074430.7
申请日：2009-05-20
Applicant: 燕山大学
IPC: B21B27/02
Abstract: 本发明公开一种适合于四辊冷连轧机复合浪形综合防治的工作辊与支撑辊辊型曲线设计技术。包括以下步骤：(a)收集冷连轧机的设备及工艺参数；(b)收集带钢的品种规格范围；(c)确定辊型曲线参数和优化变量，分别设定工作辊与支撑辊的曲线方程；(d)优化计算出辊型曲线参数；(e)将上述辊型曲线参数代入工作辊的辊型曲线方程和支承辊的辊型曲线方程得到优化后的工作辊的辊型曲线方程和支承辊的辊型曲线方程。根据现场试验，这种新型的辊型曲线设计与组合方式可以有效的治理普通四辊轧机的复合浪问题。
-
-
-
-
-
-
Search Results
87
records
(took 0.014 seconds)
