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

    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。

    一种基于LSTM模型的IF钢力学性能预测方法

    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

    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。

    一种加压电渣炉冶炼高氮钢的方法

    公开(公告)号:CN101260478A

    公开(公告)日:2008-09-10

    申请号:CN200810011052.3

    申请日:2008-04-17

    申请人: 东北大学

    IPC分类号: C22B9/18

    摘要: 本发明涉及加压电渣炉冶炼高氮钢的方法,要点是按如下步骤进行:选定自耗复合电极母材组成含量及各原料重量百分比;冶炼自耗电极母材,在合金管装入氮合金粒和脱氧剂后焊接在母材上制成自耗复合电极,焊到假电极上,装卡到电极上;放引弧剂于自耗电极下面的底水箱上;烘烤渣3~10小时,倒入结晶器内,密闭熔炼室;在氮气条件下,电流为1000~2000A下化渣;之后提升熔炼室和冷却水压力均为3~10MPa,在电流为2000~6000A下冶炼;当熔炼电流降至1000A以下冶炼结束。本发明优点是用固态起弧造渣方式和自耗复合电极在超过常压密闭冶炼室内进行冶炼,解决了采用原有技术制备高氮钢过程中氮分布不均匀的问题,从而避免了二次重熔,节约了生产成本,且工艺方法简单,冶炼效果好。