-
公开(公告)号：CN111797520B
公开(公告)日：2023-10-13
申请号：CN202010603899.1
申请日：2020-06-29
Applicant: 东北大学 , 南京钢铁股份有限公司
IPC: G06F30/20 , G06F30/27 , G06F119/08 , G06F119/02
Abstract: 本发明公开了一种基于智能增强的在线冷却控制方法，属于IA智能控制领域。本发明建立了专家库系统，并通过严格的分级决策模型维护专家库中的样本。本发明保证了温控模型计算规程的准确稳定性；同时以合理的方式将IA技术引进中厚板在线冷却系统中，将人工干预与温控模型对比计算相结合，在保证温度命中率的同时兼顾冷却路径与冷速的工艺需求。本发明整体上极大地提高了生产效率及系统可靠性。
-
公开(公告)号：CN109033505A
公开(公告)日：2018-12-18
申请号：CN201810603507.4
申请日：2018-06-06
Applicant: 东北大学
CPC classification number: G06F17/5009 , G06N3/0454
Abstract: 本发明涉及轧钢技术领域，公开了一种基于深度学习的超快冷温度控制方法，可提高温度控制精度与系统稳定性。本方法综合收集众多实际冷却信息，经过主成分分析法选出最主要的9个影响因素，以这9个参数为输入层单元，冷却时间为主要输出层单元，构建深度神经网络框架。深度学习通过深层次挖掘其间联系特征，准确预报待冷却钢板的冷却时间，最终实现温度模型的精确控制。本发明对现场冷却工艺数据充分挖掘，保证首块冷却命中率。模型充分考虑各冷却影响因素，使得轧后控冷模型的准确性和鲁棒性更强，能够有效的减少系统上线调试时间，降低学习成本，缩短产品研发周期。上线实测后，在控冷指标为±20℃条件下命中率可达96.3％，比传统模型命中率提高约4％。
-
公开(公告)号：CN108326051A
公开(公告)日：2018-07-27
申请号：CN201810084659.8
申请日：2018-01-29
Applicant: 东北大学
Abstract: 本发明涉及铝板生产的控制冷却及控制轧制领域，涉及一种铝合金板材耦合制备工艺方法。厚板轧制最大的问题就是压缩比小，轧制时变形难以渗透到心部，导致心部和表面晶粒度差别较大，本发明通过对铝板利用道次间冷却的方式，将轧制与冷却耦合控制，实现良好的差温轧制效果，促进了表面晶粒的细化，增强了变形渗透性，提高心部质量，改善了轧件侧向双鼓形等板型缺陷，提高了成材率。
-
公开(公告)号：CN111842489B
公开(公告)日：2022-02-08
申请号：CN202010620801.3
申请日：2020-07-01
Applicant: 东北大学 , 南京钢铁股份有限公司
IPC: B21B3/02 , B21B37/74 , C22C38/02 , C22C38/04 , C22C38/26 , C22C38/38 , C22C38/22 , C22C38/24 , C22C38/28
Abstract: 本发明公开一种提高热轧管线钢表面质量的方法，属于钢铁材料轧制技术领域。管线钢成分范围(质量分数％)为：C 0.04～0.09％，Si 0.2～0.4％，Mn 0.8～1.7％，Nb 0.03～0.08％，Cr≤0.5％，Mo≤0.4％，V≤0.04％,Ti≤0.02％，P≤0.015，S≤0.01，余量为铁。本发明针对厚度为16～25mm的管线钢产品，加热炉控制温度为1130～1170℃，采用两阶段轧制，粗轧阶段采用道次间冷却，精轧阶段减少除鳞道次，轧后冷却温度控制在400℃以下。上述方法可以在保证力学性能同时，获得良好的板坯表面质量。
-
公开(公告)号：CN109190616B
公开(公告)日：2021-10-15
申请号：CN201810879301.4
申请日：2018-08-03
Applicant: 东北大学
Abstract: 本发明公开了一种基于特征识别的热轧钢板在线视觉跟踪方法，利用热轧钢板的光热、多边形、尺寸和在线数量等特征自适应阈值，精确识别出钢板最大外轮廓，完成运动过程中钢板的视觉跟踪。通过以上特征，可有效降低或消除水汽、背景物体及其他光源对钢板识别的干扰。本发明对热轧区域的各种工况进行了测试，保证了方法的通用性和较强的鲁棒性。利用本发明可实现对热轧区域在线钢板的位置跟踪，对全流程的工艺执行提供了精确参考，经上线实测后，50m范围跟踪位置精度约0.1m。
-
Patent Agency Ranking
公开(公告)号：CN109013711A
公开(公告)日：2018-12-18
申请号：CN201810774591.6
申请日：2018-07-16
Applicant: 东北大学
IPC: B21B37/44
Abstract: 本发明提供一种提高特厚板心部质量和探伤合格率的方法，属于钢铁冶金技术领域。该方法基于道次间在线即时冷系统提高特厚板(≥80mm)心部质量和探伤合格率，其具体工艺步骤如下：连铸坯(≥200mm)不转钢或者转钢结束进入纵轧阶段时，在轧制间隙利用轧机附近的即时冷系统进行一道次或多道次在线冷却，表面初始温度为850～1000℃，以2～6m/s速度进入冷却区，冷却区内辊速1～3m/s，上下水比1:2～1:6，单组集管的总流量200～400m3/h，冷却后返温控制在750～900℃进行轧制，冷却后压下率高于12％。本方法通过温差轧制使厚板心部变形增加，显著提高了心部质量和探伤合格率，提高了成材率。
-
公开(公告)号：CN105032951B
公开(公告)日：2017-01-18
申请号：CN201510411489.6
申请日：2015-07-14
Applicant: 东北大学
IPC: B21B37/74
Abstract: 本发明公开了一种提高超快冷温度模型精度和自学习效率的控制方法，本方法综合考虑了钢种物性参数、钢板规格尺寸、介质水温、钢板温度、时效等影响因素对温度模型的核心参数——换热系数的影响。构建一种多维空间关系，有效的描述了不同影响因素作用下的各换热系数之间的联系，利用简便的几何算法和数值求解相结合，快速准确的预测出目标影响条件下的换热系数的值，最终实现温度模型的精确控制。本发明可在拥有较少冷却钢板的经验数据的基础上，快速合理的计算出适合当前工况条件下的模型参数，能有效降低温度模型计算过程中的自学习成本，提高温度模型的稳定性及准确性。
-
公开(公告)号：CN105032958A
公开(公告)日：2015-11-11
申请号：CN201510524358.9
申请日：2015-08-24
Applicant: 东北大学
CPC classification number: B21B45/0218 , B21B37/74 , B21B38/006 , B21B2261/20
Abstract: 本发明涉及钢板生产的控制冷却领域，具体而言，涉及一种应用道次间冷却工艺控制轧制的即时冷却系统。其包括轧机和即时冷却装置；所述即时冷却装置附属设置在所述轧机的出口端，能够使所述轧机与所述即时冷却装置结合起来；一台所述轧机和一个所述即时冷却装置为一个冷却组，多个冷却组串联设置，能够使所述轧机轧制的钢板在任何道次间进行冷却。本发明通过将冷却系统和供水系统均设置在主框架结构上，利用道次间冷却的方式，将轧制与冷却耦合控制，实现了良好的差温轧制效果，促进了表面细粒晶化，大幅度提高材料强度的同时，其韧性不会受到伤害。增强了变形渗透性，提高了芯部质量，改善了轧件侧向双鼓形等板型缺陷，提高了成材率。
-
公开(公告)号：CN105032951A
公开(公告)日：2015-11-11
申请号：CN201510411489.6
申请日：2015-07-14
Applicant: 东北大学
IPC: B21B37/74
Abstract: 本发明公开了一种提高超快冷温度模型精度和自学习效率的控制方法，本方法综合考虑了钢种物性参数、钢板规格尺寸、介质水温、钢板温度、时效等影响因素对温度模型的核心参数——换热系数的影响。构建一种多维空间关系，有效的描述了不同影响因素作用下的各换热系数之间的联系，利用简便的几何算法和数值求解相结合，快速准确的预测出目标影响条件下的换热系数的值，最终实现温度模型的精确控制。本发明可在拥有较少冷却钢板的经验数据的基础上，快速合理的计算出适合当前工况条件下的模型参数，能有效降低温度模型计算过程中的自学习成本，提高温度模型的稳定性及准确性。
-
公开(公告)号：CN103736756A
公开(公告)日：2014-04-23
申请号：CN201310693318.8
申请日：2013-12-18
Applicant: 东北大学
IPC: B21B45/02
CPC classification number: Y02P70/133
Abstract: 本发明公开了一种中厚板轧后超快冷却装置，该装置的正/逆向上集管射流方向与中厚板表面的夹角均为；正/逆向射流下集管与中厚板表面的夹角均为；相邻的正向射流上集管和逆向射流上集管之间在钢板上表面形成的喷射区域与相邻的正向射流下集管和逆向射流下集管之间形成在钢板下表面形成的喷射区域对称，且满足：，其中，L为相邻正向射流上集管和逆向射流上集管之间的距离，l为相邻正向射流下集管和逆向射流下集管之间的距离，H为上集管出水口距中厚板上表面的垂直距离，h为下集管出水口距中厚板下表面的垂直距离。本发明通过合理设计超快速冷却装置每两组相邻倾斜射流集管实现了耦合对称布置，有效避免了残余水的不利影响。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.034 seconds)
