-
公开(公告)号：CN112170501B
公开(公告)日：2022-05-27
申请号：CN202010975351.X
申请日：2020-09-16
Applicant: 太原理工大学
IPC: B21B37/30
Abstract: 本发明公开了一种轧辊磨损凸度和热凸度的预测方法，属于轧制过程自动控制技术领域。首先采集轧制生产过程中的二级计算数据；按照工作辊换辊周期进行划分，生成若干个工作辊换辊周期的建模数据；将各周期内依次轧制带钢的过程抽象成时间序列问题，再将各周期的数据分成训练集和测试集，用训练集数据构建Elman反馈神经网络来进行轧辊磨损凸度和热凸度预测；通过多次测试最终确定Elman反馈神经网络的训练函数、隐含层神经元个数以及最大迭代次数等最佳参数，最后采用确定好的Elman反馈神经网络训练得到预测模型，并对新轧制周期内工作辊的磨损凸度和热凸度进行预测。预测模型基于实际生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。
-
公开(公告)号：CN109158433B
公开(公告)日：2019-11-22
申请号：CN201811029047.5
申请日：2018-09-05
Applicant: 太原理工大学
Abstract: 本发明属于轧制技术领域，特别涉及一种变厚度板带材轧制生产的轧制力预测方法。确定板坯的入口厚度、出口厚区厚度、出口薄区厚度、宽度以及入口温度、板坯变厚度区长度；检测轧辊速度，获取轧辊半径以及轧辊与板坯的摩擦因数，轧辊上升或下降速度；根据变厚区长度、出口厚区半厚度和出口薄区半厚度，计算变厚区楔形倾角；计算变厚度轧制变形区的出口位置偏离轧辊连心线的距离；计算变厚区总的轧制时间；计算变厚度轧制变形区的出口半厚度；采用轧制变形区总功率泛函最小化，预测变厚度板带材轧制生产过程中任一时刻的轧制力。本发明综合考虑轧制过程中各个工艺参数的基础上，得到实时预测的轧制力更接近现场实际值，提高了产品厚度控制的精度。
-
Patent Agency Ranking
公开(公告)号：CN109158433A
公开(公告)日：2019-01-08
申请号：CN201811029047.5
申请日：2018-09-05
Applicant: 太原理工大学
Abstract: 本发明属于轧制技术领域，特别涉及一种变厚度板带材轧制生产的轧制力预测方法。确定板坯的入口厚度、出口厚区厚度、出口薄区厚度、宽度以及入口温度、板坯变厚度区长度；检测轧辊速度，获取轧辊半径以及轧辊与板坯的摩擦因数，轧辊上升或下降速度；根据变厚区长度、出口厚区半厚度和出口薄区半厚度，计算变厚区楔形倾角；计算变厚度轧制变形区的出口位置偏离轧辊连心线的距离；计算变厚区总的轧制时间；计算变厚度轧制变形区的出口半厚度；采用轧制变形区总功率泛函最小化，预测变厚度板带材轧制生产过程中任一时刻的轧制力。本发明综合考虑轧制过程中各个工艺参数的基础上，得到实时预测的轧制力更接近现场实际值，提高了产品厚度控制的精度。
-
公开(公告)号：CN112170502A
公开(公告)日：2021-01-05
申请号：CN202010975343.5
申请日：2020-09-16
Applicant: 太原理工大学
IPC: B21B37/38
Abstract: 本发明公开了一种轧制过程弯辊力的预测方法，属于轧制过程自动控制技术领域。本发明通过分层别采集轧制生产过程中包含影响弯辊力参数的带钢生产数据；对生产数据进行降噪处理；将降噪后的生产数据分为训练集和测试集；将降噪后的标准化矩阵作为广义回归神经网络模型的输入，采用果蝇优化算法对广义回归神经网络模型的光滑因子进行优化选择；采用优化选择的光滑因子构造广义回归神经网络弯辊力预测模型；用训练集训练预测模型，用测试集测试预测模型的泛化性能。本发明的预测方法精度高。预测模型基于大量生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。
-
公开(公告)号：CN112718862A
公开(公告)日：2021-04-30
申请号：CN202011497383.X
申请日：2020-12-17
Applicant: 太原理工大学
Abstract: 本发明属于钛和不锈钢变厚复合板生产领域，具体涉及一种钛和不锈钢变厚复合板脉冲电流辅助轧制装置，包括轧机，所述轧机的上轧辊和下轧辊都为异形轧辊，且上轧辊和下轧辊的形状和尺寸均相同，在所述上轧辊和下轧辊上接有脉冲电流，上轧辊为负极，下轧辊为正极；本发明利用变厚复合板的轧制对坯料厚度规格不进行具体限定的特性，运用整体式异形轧辊轧制钛和不锈钢变厚复合板，在轧制过程中向上轧辊和下轧辊通入脉冲电流进行辅助轧制，使用异形轧辊轧制变厚复合板，板材的连接强度高、无焊缝，同时在轧制过程中无轧制力的突变，对装置及板材损耗小；因为上轧辊和下轧辊的形状相同，且转速相同，可以保证上下轧辊的线速度相等，复合强度高。
-
公开(公告)号：CN112170501A
公开(公告)日：2021-01-05
申请号：CN202010975351.X
申请日：2020-09-16
Applicant: 太原理工大学
IPC: B21B37/30
Abstract: 本发明公开了一种轧辊磨损凸度和热凸度的预测方法，属于轧制过程自动控制技术领域。首先采集轧制生产过程中的二级计算数据；按照工作辊换辊周期进行划分，生成若干个工作辊换辊周期的建模数据；将各周期内依次轧制带钢的过程抽象成时间序列问题，再将各周期的数据分成训练集和测试集，用训练集数据构建Elman反馈神经网络来进行轧辊磨损凸度和热凸度预测；通过多次测试最终确定Elman反馈神经网络的训练函数、隐含层神经元个数以及最大迭代次数等最佳参数，最后采用确定好的Elman反馈神经网络训练得到预测模型，并对新轧制周期内工作辊的磨损凸度和热凸度进行预测。预测模型基于实际生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。
-
公开(公告)号：CN119910038A
公开(公告)日：2025-05-02
申请号：CN202510392317.2
申请日：2025-03-31
Applicant: 太原理工大学
IPC: B21B37/58
Abstract: 本发明公开一种金属薄带轧制的轧制力确定方法、装置、设备及介质，涉及轧制技术领域，以解决现有金属薄带轧制的轧制力计算准确性低的问题。方法包括：获取金属薄带的轧制参数；基于轧制参数，采用变形抗力拟合方法确定金属薄带的入口变形抗力、平均变形抗力和出口变形抗力；计算入口张力影响系数和出口张力影响系数；基于轧制参数、入口张力影响系数以及出口张力影响系数，采用工程法确定轧制变形区的总轧制力；计算轧辊的轧制压扁半径；基于轧制压扁半径，确定满足预设收敛条件的金属薄带轧制的目标总轧制力。本发明提供的金属薄带轧制的轧制力确定方法用于提高金属薄带轧制的轧制力计算的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
