-
公开(公告)号：CN116689515A
公开(公告)日：2023-09-05
申请号：CN202310796036.4
申请日：2023-07-01
申请人： 辽宁科技学院
摘要： 本发明提供了一种基于SA‑SCSO‑TSVR算法的精轧的轧制力预测方法，其中的方法包括选择影响精轧的轧制力的参数；构建建模样本集；获得归一化样本集；构建TSVR精轧的轧制力预测模型；采用SCSO算法对TSVR模型参数进行优化，获得所构建TSVR模型的最优参数，再利用SA算法对SCSO‑TSVR模型进行全局优化，并根据所构建模型的全局最优解确定最优参数；根据最优参数的预测值与真实生产中的实际值的对比结果，确定精轧的轧制力预测模型的预测精度。与现有技术相比，利用本发明，能够解决精轧的轧制力预测精度不高和速度慢的问题。
-
公开(公告)号：CN116689502A
公开(公告)日：2023-09-05
申请号：CN202310795876.9
申请日：2023-07-01
申请人： 辽宁科技学院
IPC分类号： B21B37/00
摘要： 本发明提供一种基于SA‑SCSO‑SCN神经网络的热连轧厂精轧机组工艺的弯辊力参数设定方法，其中的方法包括选择影响弯辊力参数设定的控制参数；构建建模样本集；获得归一化样本集；构建前馈神经网络；采用SCSO算法对SCN神经网络参数进行训练获取神经网络参数；利用模拟退火算法对SCSO‑SCN模型进行优化,获取模型最值并根据最值确定最优控制参数；根据所述最优控制参数获取最优弯辊力参数设定值；由所述最优弯辊力参数设定值与所述建模样本集中最优值的对比结果，确定热连轧厂精轧机组弯辊力控制参数设定工艺的最佳设定参数值。结果发现该模型预测准确，能确定工作辊横移量、轧制力、入口厚度、轧制速度等影响因素的最优值。利用本发明，能够解决热连轧厂精轧机组弯辊力控制参数设定精度不高的问题。
-
公开(公告)号：CN117421988A
公开(公告)日：2024-01-19
申请号：CN202311464169.8
申请日：2023-11-06
申请人： 辽宁科技学院
IPC分类号： G06F30/27 , B21B37/74 , B21B1/26 , G06N3/0442 , G06N3/048 , G06F119/14
摘要： 本发明提出了一种基于ARO‑BAT‑LSTM神经网络的热连轧板坯精轧出口温度预测方法，其中的方法包括选择影响热连轧板坯精轧出口温度参数；构建建模样本集;采用归一化的方法对实验数据进行处理，获得归一化样本集；根据归一化样本集构建LSTM神经网络；使用BAT算法对ARO算法进行优化，得到ARO‑BAT优化算法，利用ARO‑BAT算法对LSTM神经网络进行优化，得到ARO‑BAT‑LSTM神经网络构建的模型，获取所构建模型的最值，并根据所构建模型的最值确定最优解确定最优参数；根据最优参数的预测值与真实生产中的实际值的对比结果，确定热轧板坯精轧出口温度预测模型的预测精度。该模型具有收敛速度快、预测精度高、自适应搜索策略、能够跳出局部最优解、泛化能力强的优点。与现有技术相比，利用本发明可以更好满足对热连轧板坯精轧出口温度预测准确度的要求，为实际生产提供理论指导。
-
公开(公告)号：CN117454178A
公开(公告)日：2024-01-26
申请号：CN202311470178.8
申请日：2023-11-06
申请人： 辽宁科技学院
IPC分类号： G06F18/214 , B21B45/02 , G06F18/15 , G06N3/0442
摘要： 本发明提供一种基于ARO‑BAT‑LSTM神经网络的层流冷却能力预测方法。其途径是寻找层流冷却中的控制方法；选择在热轧作业中影响层流冷却预测能力的控制变量；根据某厂热轧工艺过程中采集到的不同控制变量的参数，建立一个模型样本集；将构建的样本进行归一化处理，获得归一化样本集。在前馈神经网络的构建中，根据归一化样本集构建LSTM神经网络；将BAT算法应用于ARO网络的优化，获得ARO‑BAT优化算法并优化LSTM的参数；使用ARO‑BAT优化算法对LSTM算法进行参数寻优，得到ARO‑BAT‑LSTM预测模型；根据所构建模型获得最优解，得到模型输出。此模型具有结构简单，预测速度快，预测精度高，自适应能力强，具有跳出局部极值的能力的特点。利用本发明，可以实现层流冷却的精确预报，并对实际生产起到一定的指导作用。
-
公开(公告)号：CN116689504A
公开(公告)日：2023-09-05
申请号：CN202310795874.X
申请日：2023-07-01
申请人： 辽宁科技学院
摘要： 本发明提供了一种基于SA‑SCSO‑SCN神经网络的热轧过程精轧的带钢宽度控制方法。选择影响热轧过程精轧的带钢宽度的影响因素，通过某厂热轧过程实际采集不同控制变量的参数，构建模型所需的样本集，并将数据进行归一化处理，获得归一化样本集；根据归一化样本集构建神经网络并得到SCN的权重和阈值；将SCN的权重和阈值作为数据集，利用SCSO算法进行优化，得到优化后的权重和阈值及SCSO‑SCN模型；利用模拟退火算法对SCSO‑SCN模型进行优化，获取所构建模型的最值，并根据所构建的模型的最值确定最优控制参数；根据所述的最优控制参数获取最优控制参数的带钢宽度。该模型具有网络结构简单收敛速度快、预测精度高、泛化能力强，能够跳出局部最优等优点。利用本发明，能够满足热轧过程精轧的带钢宽度控制精确度的要求，为实际生产提供理论指导。
-
公开(公告)号：CN118859865A
公开(公告)日：2024-10-29
申请号：CN202410883232.X
申请日：2024-07-02
申请人： 辽宁科技学院
IPC分类号： G05B19/418 , G06N20/00
摘要： 本公开提供了一种轧制力预测模型的训练方法、轧制力预测方法及装置，涉及冷轧技术领域，包括：确定训练样本数据和训练样本数据对应的预设训练标签；利用人工原生动物优化算法，根据训练样本数据和预设训练标签，确定轧制力预测模型的第一目标模型参数，对轧制力预测模型进行第一轧制力预测训练；利用莱维飞行优化算法，根据训练样本数据和预设训练标签，确定由第一目标模型参数配置的轧制力预测模型的第二目标模型参数，对轧制力预测模型进行第二轧制力预测训练。该过程多次优化轧制力预测模型的模型参数，提高了轧制力预测模型的学习能力和泛化性，从而提高轧制力预测模型预测精度和预测效率。
-
公开(公告)号：CN117332699A
公开(公告)日：2024-01-02
申请号：CN202311464178.7
申请日：2023-11-06
申请人： 辽宁科技学院
IPC分类号： G06F30/27 , G06N3/0442 , B21B37/28
摘要： 本发明提出了一种基于ARO‑BAT‑LSTM神经网络的热连轧精轧板带厚度预测方法。选择影响热连轧精轧板带厚度的影响因素；通过某厂热连轧精轧板带过程实际采集不同控制变量的参数，构建模型所需的样本集，并将数据进行归一化处理，获得归一化样本集；根据归一化样本集构建神经网络；使用ARO算法构建前馈神经网络；使用BAT算法对ARO神经网络进行优化。得到ARO‑BAT‑LSTM神经网络；寻找最优解，得到模型输出。该模型具有网络结构简单收敛速度快、预测精度高、泛化能力强，自适应搜索策略，能够跳出局部最优解等优点。利用本发明，能够满足热连轧精轧板带厚度预测的精确度要求，为实际生产提供理论指导。
-
公开(公告)号：CN117332698A
公开(公告)日：2024-01-02
申请号：CN202311464158.X
申请日：2023-11-06
申请人： 辽宁科技学院
IPC分类号： G06F30/27 , G06N3/0442 , B21B37/74
摘要： 本发明提出了一种基于ARO‑BAT‑LSTM神经网络的热连轧板坯粗轧出口温度预测方法，其中的方法包括选择影响热连轧板坯粗轧出口温度参数；构建建模样本集;采用归一化的方法对实验数据进行处理，获得归一化样本集；根据归一化样本集构建LSTM神经网络；使用BAT算法对ARO算法进行优化，得到ARO‑BAT优化算法，利用ARO‑BAT算法对LSTM神经网络进行优化，得到ARO‑BAT‑LSTM神经网络构建的模型，获取所构建模型的最值，并根据所构建模型的最值确定最优解确定最优参数；根据最优参数的预测值与真实生产中的实际值的对比结果，确定热轧板坯粗轧出口温度预测模型的预测精度。该模型具有收敛速度快、预测精度高、自适应搜索策略、能够跳出局部最优解、泛化能力强的优点。与现有技术相比，利用本发明可以更好满足对热连轧板坯粗轧出口温度预测准确度的要求，为实际生产提供理论指导。
-
公开(公告)号：CN117311414A
公开(公告)日：2023-12-29
申请号：CN202311464172.X
申请日：2023-11-06
申请人： 辽宁科技学院
IPC分类号： G05D23/20
摘要： 本发明提出一种基于ARO‑BAT‑LSTM神经网络的热连轧生产线卷取温度控制方法，其中的方法包括选择影响卷取温度的控制参数；构建建模样本集；获得归一化样本集，构建LSTM神经网络；建立人工兔优化模型并计算出能量因子A；利用BAT对归一化样本集进行勘探优化；进行能量收缩转为ARO开发阶段并执行随机隐藏；使用ARO‑BAT优化算法对LSTM算法进行参数寻优，得到ARO‑BAT‑LSTM预测模型。利用构建的预测模型获取卷取温度预测值；由实际卷取温度与模型预测值进行对比，结果表明热连轧生产线卷取温度预测值与实际值一致。该模型预测准确，能确定带钢厚度、速度、冷却水量、终轧温度等影响因素的最优值。利用本发明，能有效控制卷取温度，解决了实际生产中热连轧层流冷却卷取温度的预测精度不够精准的问题。
-
公开(公告)号：CN221732695U
公开(公告)日：2024-09-20
申请号：CN202323297754.1
申请日：2023-12-05
申请人： 辽宁科技学院
IPC分类号： B01D46/10 , B01D46/48 , B01D46/681
摘要： 本实用新型公开了一种便于安装的除尘器,包括安装板、插槽、插杆、弹簧板,所述弹簧板的外侧固定安装有卯头，所述弹簧板的外侧固定安装有伸缩弹簧，所述插槽的内部插接有脚杆，所述脚杆的上端固定安装有箱体，所述箱体内部的底部滑动连接有金属废屑收集盒，所述箱体的内壁从下到上依次固定安装有第一横板和第二横板，所述第一横板的内侧固定安装有网状板，所述第一横板的上侧固定安装有风机，所述第二横板下侧的中心处固定安装有过滤网。本实用新型通过电动推杆带动清理板对过滤网上的杂质进行清理，避免灰尘影响了滤网对烟气中灰尘杂质的滤除效率，脚杆、插槽和卯头配合使用，可快速完成冶金除尘器的安装，便于日常使用。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.022 秒)
