-
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
申请人： 东北大学
摘要： 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：CN116343360A
公开(公告)日：2023-06-27
申请号：CN202310308077.4
申请日：2023-03-28
申请人： 东北大学
IPC分类号： G07C3/14 , G07C3/00 , G06F18/2113 , G06F18/15 , G06N3/086 , G06N3/084 , G06N3/048 , B21B38/00 , B21B38/04
摘要： 本发明的一种基于数据驱动的冷轧带钢纵向厚度连续预测方法，包括：选取冷连轧生产线与带钢出口厚度相关的实测数据及过程自动化级计算数据作为初选输入特征；对实测数据和计算数据进行数据清洗和归一化处理，获得初选建模数据集；将冷连轧过程分为首尾加减速阶段和高速稳定轧制阶段，使用随机森林算法对初选输入特征进行重要性分析，选取冷连轧过程中不同轧制阶段的输入特征；根据不同轧制阶段的输入特征选取结果，确定两个轧制阶段的DNN模型的拓扑结构，选取模型参数，对初步建立的DNN模型进行训练；训练过程中使用遗传算法对DNN模型进行优化，提升预测精度；使用优化后的DNN模型进行带钢出口厚度预测。
-
公开(公告)号：CN114074119B
公开(公告)日：2022-07-29
申请号：CN202111367343.8
申请日：2021-11-18
申请人： 东北大学
IPC分类号： B21B37/00
摘要： 本发明公开了一种通过轧制工艺参数变化预测工作辊表面粗糙度衰减的方法，涉及政府调控政策对产业影响的仿真技术领域。该方法从混和润滑理论出发通过计算分析不同粗糙度下工作辊与带材间的润滑状态，通过润滑状态计算工作辊和带材间的剪切应力分布，将剪切应力分布代入卡尔曼微分方程计算工作辊表面不同粗糙度情况下的轧制力，并以实测轧制力作为判断标准，直到计算轧制力与实测轧制力的偏差在允许范围内，输出当前的粗糙度，获得预测粗糙度。该方法不需要大量实测数据，避免了统计回归模型严重依赖实测数据准确性以及因大量采集数据而影响现场生产效率的缺点，且可以正确反映工作辊和带材间复杂的接触关系、乳化液的润滑作用，适用范围更广。
-
公开(公告)号：CN114074119A
公开(公告)日：2022-02-22
申请号：CN202111367343.8
申请日：2021-11-18
申请人： 东北大学
IPC分类号： B21B37/00
摘要： 本发明公开了一种通过轧制工艺参数变化预测工作辊表面粗糙度衰减的方法，涉及政府调控政策对产业影响的仿真技术领域。该方法从混和润滑理论出发通过计算分析不同粗糙度下工作辊与带材间的润滑状态，通过润滑状态计算工作辊和带材间的剪切应力分布，将剪切应力分布代入卡尔曼微分方程计算工作辊表面不同粗糙度情况下的轧制力，并以实测轧制力作为判断标准，直到计算轧制力与实测轧制力的偏差在允许范围内，输出当前的粗糙度，获得预测粗糙度。该方法不需要大量实测数据，避免了统计回归模型严重依赖实测数据准确性以及因大量采集数据而影响现场生产效率的缺点，且可以正确反映工作辊和带材间复杂的接触关系、乳化液的润滑作用，适用范围更广。
-
公开(公告)号：CN116689503A
公开(公告)日：2023-09-05
申请号：CN202310427981.7
申请日：2023-04-20
申请人： 东北大学
IPC分类号： B21B37/16
摘要： 本发明的一种基于记忆性功能网络的带钢全长厚度预测方法，包括：每间隔相等时间采集一次实时过程轧制数据和带钢出口厚度的实测值，构成输入特征数据集；将输入特征数据集按比例、按时间顺序分为训练集和测试集并进行归一化处理；构建带钢厚度点预测的GLSTM网络，并训练得到点预测的GLSTM网络各层的连接权重和偏置；利用粒子群算法优化点预测的GLSTM网络的输出层的连接权重，得到最佳的输出层的连接权重Wopt；基于除去输出层之外的各层的连接权重和偏置以及Wopt，构建带钢厚度区间预测的GLSTM网络，根据评价指标确定区间预测的GLSTM网络的最佳参数；利用最优区间预测的GLSTM网络进行带钢全长厚度预测。
-
公开(公告)号：CN114091352A
公开(公告)日：2022-02-25
申请号：CN202111454865.1
申请日：2021-12-01
申请人： 东北大学
摘要： 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。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
