-
公开(公告)号:CN117428012A
公开(公告)日:2024-01-23
申请号:CN202311433942.4
申请日:2023-11-01
Applicant: 东北大学
Abstract: 本发明属于板带生产技术领域,具体地说是一种板带生产过程轧件侧弯自动识别方法,包括以下步骤:S1:轧件出炉,获取轧件初始参数;主要包括轧件牌号、入口厚度、入口宽度、入口温度;S2:生产过程开始,轧件通过机架轧出后,获得轧件出口厚度、出口宽度、轧制速度,轧件经辊道沿轧制方向运动,通过本发明的轧件侧弯自动识别方法,摒弃了传统的人工检测的方法,能够降低企业人力成本,提高了企业检测过程中自动化程度,基于传动侧和操作侧的测距仪的相对距离信号,处理后获得轧制中线位置的侧弯程度,解决了现场依赖人工目视判断侧弯的问题,并能够获得精准的侧弯数据,提高了实现侧弯的精准识别,为后续的供需调整提供指导,提升产品质量。
-
公开(公告)号:CN114888094B
公开(公告)日:2023-01-31
申请号:CN202210420564.5
申请日:2022-04-21
Applicant: 东北大学
IPC: B21B37/28
Abstract: 本发明提供一种基于冷却过程残余应力预测的轧制板形补偿方法,属于热轧板形控制领域,基于热轧带钢层流冷却过程中温度、相变、应变/应力耦合过程,综合考虑带钢随温度变化的非线性物性参数、非线性的冷却条件等因素,建立关于温度‑相变‑应力多物理场耦合的有限元模型,利用有限元模型预测带钢在层流冷却过程的残余应力、量化残余应力分布及演变情况,同时再现实际冷却过程中板形演变情况;本发明根据热轧带钢出精轧机时的温度场作为输入条件,来计算整个冷却过程中带钢的内应力和板形的演变情况,再现实际层流冷却过程中的板形缺陷,再将预测出的残余应力作为精轧阶段的参考,经最终冷却得到的带钢会大大改善板形缺陷情况。
-
公开(公告)号:CN112474826A
公开(公告)日:2021-03-12
申请号:CN202011161625.8
申请日:2020-10-27
Applicant: 东北大学
IPC: B21B38/04
Abstract: 一种热连轧中间坯厚度分布的计算方法,属于轧钢自动控制技术领域。本发明根据轧件在粗轧过程中温度的变化,通过测温仪测得轧件的温度,通过温降模型计算得到了轧件在粗轧过程中温度变化情况,计算得到粗轧各道次轧件长度方向上不同位置的温度分布,基于在线轧制力的校核,借助于轧制特性分析计算得到了温度偏差、厚度偏差对轧制过程各道次厚度的影响规律,最终得到了中间坯长度方向上的厚度分布情况。本发明方法为精轧区厚度控制提供准确的源数据,为产品厚度的高精度控制提供了良好条件。
-
公开(公告)号:CN119035274B
公开(公告)日:2025-02-25
申请号:CN202411545294.6
申请日:2024-11-01
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本申请提出一种热连轧生产过程机架间宽度预测方法及装置,属于轧钢自动控制技术领域,所述方法包括:获取热连轧生产过程中机架入口的各项参数;将机架入口的各项参数输入预建立的宽展预测模型,得到热连轧生产过程中的每个机架的宽展,根据带钢入口宽度以及每个机架的宽展得到最终出口宽度、每个上游机架的出口宽度以及每个下游机架的出口宽度,所述预建立的宽展预测模型具有同一的模型结构以及不同的系数,通过有限元分析确定模型结构,通过灰狼算法确定每个宽展预测模型的最优系数。本申请考虑了机架间张力与各机架轧件的变形抗力,并且考虑了上游机架对下游机架的遗传性的影响,提高了宽度预测的精度。
-
公开(公告)号:CN119035277B
公开(公告)日:2025-01-07
申请号:CN202411545293.1
申请日:2024-11-01
Applicant: 东北大学
IPC: B21B37/58 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/214
Abstract: 本发明提供一种基于特征增维和深度神经网络的轧制力动态预测方法,涉及轧制技术领域。该方法具体包括:采集带钢热连轧轧制过程中的生产数据并进行数据处理,构建样本数据集,根据预设的比例从样本数据集中划分训练集;构建特征增维卷积深度神经网络FACDNN模型,并利用训练集对特征增维卷积深度神经网络FACDNN模型进行训练,得到训练好的特征增维卷积深度神经网络FACDNN模型;通过重新采集带钢热连轧轧制过程中的生产数据并输入训练好的特征增维卷积深度神经网络FACDNN模型,得到带钢热连轧轧制过程中的轧制力预测结果。本方法充分考虑了过程工艺参数变化对模型精度的影响,从而实现下游机架的轧制力高精度的动态预测。
-
公开(公告)号:CN113742975B
公开(公告)日:2022-11-29
申请号:CN202111075002.3
申请日:2021-09-14
Applicant: 东北大学
IPC: G06F30/23 , G06F30/17 , G06F111/10
Abstract: 本发明属于轧制技术领域,具体涉及一种热连轧粗轧立‑平轧制轧件头尾缺陷预测及评价方法。针对现有技术的不足,本发明提出了一种热连轧粗轧过程立‑平轧制轧件头尾缺陷预测及评价方法,综合考虑了立‑平轧制过程中工艺规程与实际设备,基于现场实际,建立有限元模型,通过控制变量法设定实验条件进行有限元仿真的方式,建立了立‑平轧制头尾缺陷关键点的函数表达式,拟合了立‑平轧制轧件头尾缺陷的形状曲线,并依此提出了一种立‑平轧制轧件头尾缺陷的评价方法;准确的预测了立‑平轧制后轧件头尾缺陷,解决了在生产过程中,轧件头尾难以确定的难题;同时给出了一种头尾缺陷的评价方法。本发明能够为后续的剪切工艺提供指导,降低切损率。
-
公开(公告)号:CN114417236B
公开(公告)日:2024-09-27
申请号:CN202210052368.7
申请日:2022-01-18
Applicant: 东北大学
IPC: G06F17/11 , G06Q10/0639 , G06Q50/04 , B21B3/02
Abstract: 本发明属于钢铁轧制技术领域,具体涉及一种基于数据评估的钢铁轧制产品质量优化控制方法。本发明通过多样本的数据采集和处理,在此基础上对样本进行数据评估,筛选出适用模型修正用的准确度最高的样本,以此为源数据;通过模型再计算,实现对钢铁生产过程中的与产品质量直接相关的模型核心参数辊缝、轧制力、轧制速度的修正;在修正过程中,对平滑系数进行最优选取,保证修正效率的同时,提高模型的预测精度,使模型的预测结果更快更准确的接近于实测值,从而实现提升钢铁产品厚度等质量指标的控制效果,最终达到提高同批次产品高质化控制的目的。
-
公开(公告)号:CN113780852A
公开(公告)日:2021-12-10
申请号:CN202111088507.3
申请日:2021-09-16
Applicant: 东北大学
Abstract: 一种板带轧制过程质量缺陷的诊断方法,属于工业生产过程故障检测技术领域,具体包括:步骤1:数据采集处理;步骤2:构建工艺指标的比重矩阵;步骤3:计算工艺指标信息熵,得到信息熵矩阵;步骤4:计算工艺指标的差异系数,得到差异系数矩阵;步骤5:计算工艺指标的权重,得到权重矩阵;步骤6:比较各工艺指标的权重值,确定工艺指标对质量缺陷影响程度。本发明方法求解步骤计算量小,简便快捷;可以克服指标过多、数据量大以及板带轧制过程中多变量耦合等难点。该方法能够根据各项监测指标值自身的差异程度,确定各指标的权重。从而准确判断出导致板带轧制过程产品质量缺陷的原因,为提升产品质量提供指导。
-
公开(公告)号:CN113343537A
公开(公告)日:2021-09-03
申请号:CN202110737022.6
申请日:2021-06-30
Applicant: 东北大学
Abstract: 本发明提出了一种定宽压力机定宽过程狗骨截面形状预测及评价方法,旨在通过有限元仿真得到工艺参数对狗骨截面参数的影响规律,进而对狗骨截面进行拟合,达到预测狗骨截面形状的目标;同时提出一种狗骨截面形状评价方法。本发明建立了定宽压力机板坯狗骨截面数学模型,综合考虑了板坯轧制过程中工艺规程和设备参数,最大限度的还原现场实际,通过有限元仿真与函数拟合,精准的预测了定宽后板坯截面形状曲线,解决了在定宽过程中,板坯截面难以测量的难题;同时给出了一种狗骨截面形状的评价方法。本发明能够提高控制精度,为之后的宽度控制提供指导,提高生产率。
-
公开(公告)号:CN117840232A
公开(公告)日:2024-04-09
申请号:CN202410246408.0
申请日:2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法,涉及轧钢自动控制技术领域,本发明考虑了生产过程中数据的实时变化,建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型,为在线更新提供基础。通过聚类方法进行特征选择,并引入优化后的宽度机理模型扩充特征集,引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习,以离线预测模型为初始,基于实时数据集,对模型进行在线更新,实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷,增强了模型对实时数据的感知,提升了模型的在线预测精度。
-
-
-
-
-
-
-
-
-