-
公开(公告)号：CN102564644B
公开(公告)日：2014-01-01
申请号：CN201110428492.0
申请日：2011-12-20
Applicant: 东北大学
Abstract: 一种加热炉生产过程中板坯温度在线测量方法，涉及加热炉中板坯温度在线检测技术领域，利用历史数据建立最小二乘支持向量机板坯温度软测量模型，采用粒子群优化算法优化LS-SVM板坯温度软测量模型的参数，建立好模型后，实时计算板坯温度，本发明所提方法能够实时、高精度的得到板坯温度，计算速度快，计算精度高，能够满足在线生产需要，达到提高控制稳定性的目的；可以在线运行帮助操作人员了解炉内板坯加热情况，从而指导对加热制度的调节，改善加热质量，降低能耗；适用范围广，对数据源进行适当修改后就可以其他复杂工业过程的板坯或板卷温度进行确定；能够方便的与其他环节共享信息，便于为其他环节的操作提供参考信息。
-
公开(公告)号：CN101097617B
公开(公告)日：2012-08-29
申请号：CN200610047091.X
申请日：2006-06-30
Applicant: 东北大学
IPC: G06Q10/04
Abstract: 一种金属热轧优化调度方法，包括从数据收集系统和数据中心提取客户数据和生产数据，按照所建立的热轧生产优化调度数学模型和求解模型的算法来制作热轧生产排产计划，其特征在于：(1)模型的建立是通过考虑实际生产中各项工艺约束和轧制作业总成本，以最小化轧制作业生产成本为目标的不确定计划数的并行编排热轧生产计划；(2)模型的求解采用两种包括环交换算法构成的混合算法。基于上述方法提出了热轧优化调度系统和装置，系统采用模块设计思想与图形接口相结合构成，将模型构造模块和模型求解模块嵌入系统的生产计划自动生成模块之中；而装置包括PC机、接口、路由器或交换机，PC机上安置由上述功能模块组成的全套软件，并通过网络和内部服务器连接到企业热轧工艺自动控制系统的前端。
-
公开(公告)号：CN101791631A
公开(公告)日：2010-08-04
申请号：CN201010108432.6
申请日：2010-02-10
Applicant: 东北大学
IPC: B21B37/00 , G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种钢铁企业加热炉与热轧生产作业集成控制方法及装置，属于钢铁冶金的技术领域。首先建立热轧生产作业模型和加热炉生产作业模型，利用智能优化算法确定初始生产作业；对所得到的生产作业方案进行评价和分析；通过闭环控制策略将评价和分析的结果进行反馈，对生产作业方案进行修正，最终确定符合条件的加热炉与热轧工序生产作业集成控制方案。本发明采用闭环控制策略，将加热炉和热轧工序集成起来，可以在很大程度上避免现有方法容易陷入局部最优的局限，并有效解决当前实际生产中存在的突出矛盾问题，实现加热炉和热轧生产作业编制的集成控制和优化。
-
公开(公告)号：CN101329573B
公开(公告)日：2010-07-14
申请号：CN200810012486.5
申请日：2008-07-25
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种冷轧酸洗和轧制联合机组自动排产优化方法及系统，属于金属材料加工信息技术领域，包括以下步骤：(1)建立设备初始状态，给定计划内每个机组流向加工板卷量的下限，设定轧机工作辊最大轧制能力以及最少轧制需求，限定酸轧板卷的流向、规格；(2)选择满足规格范围要求的板卷作为酸轧候选板卷；(3)形成酸轧初始可行排产计划，使其计划内相邻板卷之间的切换费用尽量小，计划内板卷重量尽可能的接近轧辊的轧制能力；(4)对酸轧机组的初始可行排产计划进行优化调整，满足系统模型约束条件下，对排产计划内的板卷和候选板卷之间进行调整，使得系统模型的目标函数值减小。本发明有效地降低生产成本、提高酸轧产品质量，充分发挥轧机产能。
-
公开(公告)号：CN101344781B
公开(公告)日：2010-06-09
申请号：CN200810012089.8
申请日：2008-06-30
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P80/114 , Y02P90/02
Abstract: 一种冷轧热镀锌机组板卷自动调度方法及系统，属于板卷加工技术领域，调度方法包括以下步骤：将所有外板板卷按宽度从宽到窄排列，形成初始外板作业方案；向初始外板作业方案内插入内板，使得外板作业方案满足连续生产外板数量不超过上限个数，以及各跳跃约束；在外板作业方案后按最近邻方式产生内板作业方案；将外板作业方案和内板作业方案连接起来构成初始作业方案；作业方案的调整和优化，采用变深度邻域搜索和禁忌搜索结合的框架，对初始作业方案改进，使得模型的目标值最小；将交换及调整后的作业方案下发执行。本发明提高了作业质量和缩短了产生作业方案的时间，提高生产效率。
-
Patent Agency Ranking
公开(公告)号：CN101334660A
公开(公告)日：2008-12-31
申请号：CN200810012090.0
申请日：2008-06-30
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种冷轧连续退火机组钢卷优化排序方法及其系统，属于金属材料加工信息技术领域，优化方法包括以下步骤：一、将候选钢卷按退火温度分别从高到低和从低到高排序，形成两种初始排序方案，对每种初始排序方案采取宽度优先排序或厚度优先排序方法进行优化，获得多组初始可行排序方案；二、从初始钢卷排序方案中选择优化目标值最小的排序方案作为初始可行生产计划；三、对初始可行生产计划，以优化排序模型目标值最小为目标，用交换邻域禁忌搜索和交替路径变换邻域搜索进行调整。基于此方法提出相应系统，本发明使得生产计划执行过程中切换减少，过渡平滑，提高了产品质量，挖掘了产能。
-
公开(公告)号：CN119204851B
公开(公告)日：2025-03-18
申请号：CN202411719068.5
申请日：2024-11-28
Applicant: 东北大学
IPC: G06Q10/0639 , G06F18/2321 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06Q50/04
Abstract: 本发明提供一种面向指标偏好不平衡数据的连退产品质量多指标预测方法，涉及钢铁企业冷轧生产控制过程的数据处理技术领域。首先通过定义数据样本对不同性能指标的偏好关系，将这种偏好关系进行量化表示，进而融入多任务深度学习预测模型进行特征计算与偏好处理，同时利用进化算法实现多任务深度学习模型的自主优化构建，提高多任务预测模型的性能。本发明提出了样本‑指标偏好的定量化计算方法，并将其应用到多任务深度学习模型构建中，提升了连退带钢质量性能多指标在线预测模型的精度，从而能够帮助冷轧生产工序提高带钢产品的质量和稳定性，提升质量管控的智能化水平。
-
公开(公告)号：CN118968150A
公开(公告)日：2024-11-15
申请号：CN202411012654.6
申请日：2024-07-26
Applicant: 东北大学
IPC: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06V10/44 , G06V10/774 , G06V10/54
Abstract: 本发明公开了一种基于多目标分形进化网络的金相组织识别方法，涉及钢铁材料图像识别领域。本发明基于分形维数偏差的数据迁移方法，将具有分形特征的织物纹理图像进行数据迁移，第一次扩充金相组织图像数据量；基于金相组织数据，通过生成对抗网络生成新数据进行第二次金相组织图像数据的扩充；将扩充后的数据输入分形网络对其训练实现金相组织识别，在训练过程中，采用多目标差分进化算法优化分形网络，得到帕累托最优解；最后，采用基于距离的方法确定Knee点，以获得金相组织识别模型，从而实现对实际应用时输入的金相组织图像进行金相组织识别。解决了金相组织识别难且数据量少，数据类型不平衡的问题，提高了金相组织识别准确率。
-
公开(公告)号：CN114237183B
公开(公告)日：2024-04-30
申请号：CN202111559421.4
申请日：2021-12-20
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明提供一种考虑成品油随机需求的多周期生产计划方案的制定方法，涉及炼油生产技术领域。该方法首先获取炼厂全流程生产、物料与能耗数据以及成品油市场需求的历史数据；然后根据成品油市场需求的历史数据构建成品油产品需求的场景树；然后建立常减压蒸馏装置、二次炼油装置和调和装置的物料和物性平衡方程；建立考虑需求随机的炼厂全流程多周期生产计划优化模型，最大化炼厂全流程生产期望净利润；再采用改进的外部近似算法求解建立的炼厂全流程多周期生产计划优化模型，获得炼厂全流程多周期的生产计划方案；该方法考虑不同需求场景下，针对炼厂全流程生产与能耗过程进行数学建模，综合考虑各部分的利润空间，为整体期望目标提供优化方案。
-
公开(公告)号：CN112598026B
公开(公告)日：2023-09-22
申请号：CN202011417539.9
申请日：2020-12-07
Applicant: 东北大学
IPC: G06N20/20 , G06F18/2415 , G06F18/214 , G06N3/048 , G06N3/084 , G05B23/02 , G06Q50/04
Abstract: 本发明公开了基于不平衡数据深度学习的连退生产过程故障诊断方法，属于钢铁企业连续退火生产过程的自动控制技术领域。通过深度自编码网络建立连退带钢生产过程数据的特征提取模型，将原始高维输入属性空间映射到低维子空间；采用SMOTE过采样方法对跑偏故障数据进行处理，以现有样本为基础合成新的少数类样本；将以特征提取模型为基础构建的深度神经网络作为子学习机，并利用过采样后得到的平衡数据集，使用AdaBoost.M2算法训练得到用于连退生产过程的带钢跑偏预测的集成学习故障诊断模型。可提高带钢跑偏预测的准确性，尤其提高少数类样本故障检测的准确性，能够帮助现场操作人员及时对连退生产过程进行调节，避免出现生产事故。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.025 seconds)
