一种基于混合神经元网络的板带厚度设定补偿方法

    公开(公告)号:CN118218413A

    公开(公告)日:2024-06-21

    申请号:CN202410428232.0

    申请日:2024-04-10

    IPC分类号: B21B37/16

    摘要: 本发明涉及一种基于混合神经元网络的板带厚度设定补偿方法,属于轧钢控制方法技术领域。本发明的技术方案是:采用自适应线性网络和径向基网络构建混合型网络,其中的隐含层由多个自适应线性神经元、一个全局神经元和一个回归神经元构成;采集生产过程中的板坯尺寸、化学成分、工序目标和模型设定信息,经过数据预处理,归一化,确定隐藏层神经元个数,初始化权阈系数,优化平滑系数等步骤对模型参数进行训练,以实现轧制厚度的精准预测。本发明的有益效果是:通过采用径向基网络与自适应线性网络相结合的方式构建混合型神经网络,对板带头部厚度进行预测,并将预测结果用于厚度补偿,提高厚度命中率,减少钢材浪费。

    一种实现无人化库区天车半自动卸货的方法

    公开(公告)号:CN117635024A

    公开(公告)日:2024-03-01

    申请号:CN202311730851.7

    申请日:2023-12-15

    IPC分类号: G06Q10/087 G06K17/00

    摘要: 本发明公开了一种实现无人化库区天车半自动卸货的方法,属于无人天车技术领域。技术方案是:步骤一,基础数据信息管理设置;接收外购料料钢卷数据信息、设置停车位鞍座信息和获取入库车辆上钢卷信息;步骤二,钢卷匹配计算及配货管理;通过手持终端依次扫描来料钢卷二维码,选择钢卷所在的预设停车位鞍座号,匹配完成,将配货信息发送给库区管理系统进出库管理模块;步骤三,库管人员确认现场传递的配货信息无误后,选择作业天车和入库区域,发送天车执行作业指令,向无人天车驾驶系统发出可以作业指令。本发明减少了人工介入过程,缩短了天车的运行时间,大大的提供了天车作业效率;同时保障了人员安全,适应了天车无人驾驶系统发展的未来需求。

    一种基于人工打包区的无人天车作业路径选择的方法

    公开(公告)号:CN117436599A

    公开(公告)日:2024-01-23

    申请号:CN202311730849.X

    申请日:2023-12-15

    摘要: 本发明涉及一种基于人工打包区的无人天车作业路径选择的方法,属于天车控制方法技术领域。本发明的技术方案是:进行基础数据信息管理设置,结合基于集合点在矩形内条件数学模型判断天车当前位、起吊位、放卷位和打包区的关系,并通过当前位与起吊位,起吊位与放卷位连线线段依次与打包区映射到平面的矩形区域做相交判断,确定转折点坐标,以使天车当前位到起吊位,起吊位到放卷位形成整个天车打包作业路径;向无人天车驾驶系统发出可以作业指令。本发明的有益效果是:确保天车能自动完成进出打包区作业,不仅缩短了天车运行时间,大大提高了天车作业效率;同时也保证了人工打包区的设备及人员安全,提高打包区的整体运行效率。

    一种基于机器学习的板坯加热过程参数优化方法

    公开(公告)号:CN118211484A

    公开(公告)日:2024-06-18

    申请号:CN202410428231.6

    申请日:2024-04-10

    摘要: 本发明涉及一种基于机器学习的板坯加热过程参数优化方法,属于轧钢加热炉优化控制方法技术领域。本发明的技术方案是:将板坯加热最优目标参数和板坯加热过程历史数据组成样本,将所有的样本组成样本集,并确定确定聚类簇数;从样本集中随机选择k个样本作为初始均值向量,计算样本与各均值向量的距离,根据距离最近的均值向量确定簇标记;将样本划入相应的簇计算新均值向量,最终得到最优理想向量,此向量包含最优板坯加热过程参数。本发明的有益效果是:通过使用机器学习板坯加热生产中的历史数据,选出板坯加热最优的目标参数和过程参数,以实现对板坯加热工序参数的优化,进一步提高板坯加热质量。

    一种企业测量过程不确定度评定的方法

    公开(公告)号:CN108763620A

    公开(公告)日:2018-11-06

    申请号:CN201810311051.4

    申请日:2018-04-09

    发明人: 张丽红 李杰

    IPC分类号: G06F17/50

    CPC分类号: G06F17/5009

    摘要: 本发明涉及一种企业测量过程不确定度评定的方法,属于冶金计量技术领域。技术方案是:将测量过程根据测量结果的性质进行分类,把测量过程分为在线测量和离线测量;在线测量其测量结果为显示值,离线测量其测量结果为误差值;对于测量结果为显示值,数学模型为:测量结果=显示值;对于测量结果为误差值,数学模型为:误差值=测量值‑标准值;找出过程中的影响因素进行评定。本发明通过对测量过程进行分类,简化了数学模型,实现了企业技术人员对测量结果不确定度评定易实现,且满足生产测量过程准确度的要求。