-
公开(公告)号：CN119294263A
公开(公告)日：2025-01-10
申请号：CN202411555352.3
申请日：2024-11-04
Applicant: 东北大学
IPC: G06F30/27 , G06N3/006 , G06F18/214 , G06F18/21 , G06F18/27 , B21B37/42 , G06F111/04
Abstract: 本发明属于轧制技术领域，涉及一种热轧带钢板形控制的弯辊力和窜辊量设定方法，包括：采集实际生产中的带钢历史生产数据；将利用3σ原则对带钢历史生产数据进行异常值检测，去除异常值，并划分为训练集和测试集；建立基于Lasso回归的凸度预测模型，利用训练集数据对凸度预测模型进行训练；利用测试集对训练好的基于Lasso回归的凸度预测模型进行测试；建立板形目标函数；根据精轧机组中的各机架设备和板形理论建立轧制变量的约束条件；采用蛇鹫优化算法，在约束条件范围内搜寻精轧机组中各机架的弯辊力和窜辊量，使得板形目标函数最小，获得弯辊力和窜辊量设定值。
-
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
Applicant: 东北大学
IPC: G06F30/27 , G06N3/006 , G06F111/08
Abstract: 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：CN114091352B
公开(公告)日：2024-08-27
申请号：CN202111454865.1
申请日：2021-12-01
Applicant: 东北大学
Abstract: 本发明公开了基于Elman神经网络的热连轧出口板凸度动态预测方法，涉及轧制过程自动化生产技术领域。包括确定包括机架轧辊磨损量在内的热连轧出口板凸度影响因素，采集热连轧生产线中与热连轧出口板凸度相关的实测数据与过程自动化级计算数据；计算各机架的轧制公里数，将各机架的轧制公里数代替热连轧出口板凸度的影响因素中的各机架的轧辊磨损量；将实测数据及过程自动化级计算数据与各机架轧制公里数组合在一起构成数据集，从数据集中划分出部分数据作为训练数据集；利用训练数据集对Elman神经网络训练，获得热连轧出口板凸度的动态预测模型，利用该模型对热连轧出口板凸度进行动态预测，可精准地预测热连轧出口板凸度，对更精准的板形控制提供保障。
-
公开(公告)号：CN113189963B
公开(公告)日：2024-03-19
申请号：CN202110454048.X
申请日：2021-04-26
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提供一种基于非平衡数据的轧制过程故障诊断方法，涉及轧制过程自动控制技术领域。本发明首先采集某段时间中轧制过程的生产数据；再将数据进行连续型特征去除异常值、平滑处理和归一化、类别型特征编码处理，划分数据集，非平衡训练数据平衡化；用处理后的数据构建深度置信网络(DBN)模型，采用训练集进行常规的预训练及微调并使用L2正则化防止过拟合，使用验证集通过主动学习策略增加一步再微调过程，最后根据模型进行非平衡数据分类。本发明提供的基于非平衡数据的轧制过程故障诊断方法，运算速度快、计算精度高。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，可以广泛推广到热轧生产中。
-
公开(公告)号：CN111861236B
公开(公告)日：2023-10-27
申请号：CN202010730907.9
申请日：2020-07-27
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q30/018 , G06F16/27 , G06F16/2455
Abstract: 本发明公开一种棒材精整工艺数据同步方法，属于轧钢自动控制技术领域。该方法将棒材精整过程中各工序产生的采样数据对应到棒材长度方向上，在相同棒材长度的百分比下显示。其中，当工序采样数据量少的时候，采用插值法对采样数据进行填充；当采样数据量多的情况下，采用均值法对采样数据进行删减，以达到采样数据量相同的目的，最终实现各工序采样数据同步显示。根据同步后的数据可以查询任意长度位置上各工序的实测数据，为现场的工作人员提供一种方便快捷的产品质量数据查询方式，有助于后续的质量缺陷定位和追溯。
-
Patent Agency Ranking
公开(公告)号：CN113343537B
公开(公告)日：2023-01-31
申请号：CN202110737022.6
申请日：2021-06-30
Applicant: 东北大学
Abstract: 本发明提出了一种定宽压力机定宽过程狗骨截面形状预测及评价方法，旨在通过有限元仿真得到工艺参数对狗骨截面参数的影响规律，进而对狗骨截面进行拟合，达到预测狗骨截面形状的目标；同时提出一种狗骨截面形状评价方法。本发明建立了定宽压力机板坯狗骨截面数学模型，综合考虑了板坯轧制过程中工艺规程和设备参数，最大限度的还原现场实际，通过有限元仿真与函数拟合，精准的预测了定宽后板坯截面形状曲线，解决了在定宽过程中，板坯截面难以测量的难题；同时给出了一种狗骨截面形状的评价方法。本发明能够提高控制精度，为之后的宽度控制提供指导，提高生产率。
-
公开(公告)号：CN115169453A
公开(公告)日：2022-10-11
申请号：CN202210766904.X
申请日：2022-06-30
Applicant: 东北大学
Abstract: 本发明的基于密度聚类协同深度残差网络的热连轧宽度预测方法，包括：采集热连轧粗轧过程中的历史生产数据；选取主要影响参数类别的生产数据作为模型的输入；将历史生产数据进行预处理，得到标准化数据；对于标准化数据，采用密度聚类算法按照数据空间分布特点，将密度集中的区域归为同类点，将标准化数据划分为几个类簇；对于各类簇，将标准化数据作为输入，分别构建对应的深度残差网络模型进行训练，得到各类簇的深度残差网络结构；将实时采集的生产数据标准化处理后送入所属类簇的深度残差网络模型进行预测，得到粗轧宽度预测结果。该方法结合密度聚类算法的基础上，采用深度残差网络结构进行预测，提高了带钢宽度的预测精度。
-
公开(公告)号：CN113671923A
公开(公告)日：2021-11-19
申请号：CN202111001700.9
申请日：2021-08-30
Applicant: 东北大学
IPC: G05B19/418
Abstract: 一种基于数据驱动的连轧过程故障检测方法，属于轧制过程的自动化控制技术邻域，本发明首先采集包含正常生产过程带钢生产数据以及出现故障时的带钢生产数据；再将数据进行标准化处理；用栈式自编码器深度学习模型对处理后的数据进行特征提取与数据降维，之后基于深度学习模型输出后的数据，结合典型相关分析多元统计方法，进行连轧过程的故障检测。本发明提供的基于数据驱动的连轧过程故障检测方法，运行速度快、检测精度高，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，可以广泛推广到热轧生产中。
-
公开(公告)号：CN112474826B
公开(公告)日：2021-10-22
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：CN113011491A
公开(公告)日：2021-06-22
申请号：CN202110285167.7
申请日：2021-03-17
Applicant: 东北大学
Abstract: 本发明提供一种主成分分析协同随机森林的热连轧带钢宽度预测方法，涉及热连轧轧制过程控制技术领域。该方法首先确定热连轧生产线设备布置形式，并确定温度制度、轧机设备参数及轧制边界条件，根据生产线特征，确定需要采集的关于换钢种、换规格及换辊后的首块钢宽度的实测数据；并对采集的实测数据进行标准化处理；然后采用主成分分析法对标准化处理后的数据集进行降维处理及特征选择，并确定进行带钢宽度预测的随机森林宽度预测模型的输入变量；将基于主成分分析降维处理及特征选择后的数据集按照一定的比例划分为训练集与测试集，根据随机森林算法构建并训练随机森林宽度预测模型；并对随机森林宽度预测模型的预测精度进行评估。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.021 seconds)
