-
-
公开(公告)号：CN101623708A
公开(公告)日：2010-01-13
申请号：CN200910075082.5
申请日：2009-08-05
Applicant: 燕山大学
Abstract: 本发明提供了一种板带冷、热连轧机板形控制系统的集成方法。该板形控制系统包括：轧件塑性变形模块、辊系弹性变形模块、轧件与轧辊温度场模块、辊系磨损模块、平直度良好判别模块、板形模式识别模块、板形标准曲线模块、板形控制模块。本发明将上述各模块按照其内在关系集成后，可以全面最优地解决多种板形控制问题，实际应用时采用一套计算流程，有效地节省了劳动时间。
-
公开(公告)号：CN101226606A
公开(公告)日：2008-07-23
申请号：CN200810009133.X
申请日：2008-01-22
Applicant: 燕山大学
Abstract: 本发明涉及一种机械扩径工艺优化设计，特别是涉及一种管筒形零件机械扩径工艺参数的优化方法。其特征是：将机械扩径工艺中制品的尺寸与形状精度指标同时作为优化目标，以管坯直径、变形程度、模具直径和模具边缘圆角半径各主要成形参数为设计变量，基于遗传优化算法和BP神经网络，实现对管筒形零件机械扩径成形工艺的多目标参数优化，以获得能够同时保证制品尺寸精度和形状精度的最优工艺参数组合。本发明适用于不同材质，不同规格管筒形零件机械扩径工艺参数的优化。
-
公开(公告)号：CN119819723A
公开(公告)日：2025-04-15
申请号：CN202510094206.3
申请日：2025-01-21
Applicant: 燕山大学
Abstract: 本发明提供一种基于模型耦合法的X型六辊轧机板形快速预报方法，属于冶金轧制技术领域。本发明包括以下步骤：收集X型六辊轧机设备参数和带材特征参数以及对应的轧制工艺参数；单元划分和影响系数求解；预报轧制时带材前张应力横向分布值；预报轧制时带材出口板形横向分布。本发明基于模型耦合法将带材塑性变形模型与辊系弹性变形模型集成为一个统一的线性方程组，可以避免两者之间的迭代计算。通过两个计算实例表明，基于模型耦合法的X型六辊轧机板形快速预报方法的计算结果与传统方法吻合良好，而计算速度却提升了500倍左右。
-
公开(公告)号：CN118253578A
公开(公告)日：2024-06-28
申请号：CN202410499481.9
申请日：2024-04-24
Applicant: 燕山大学
Abstract: 本发明提供一种基于模型耦合法的二十辊轧机板形快速预报方法，属于冶金轧制技术领域。本发明主要包括以下由计算机执行的步骤：收集二十辊轧机设备参数和轧制的典型带材特征参数以及对应的轧制工艺参数；单元划分和影响系数求解；预报轧制时带材前张应力横向分布值；预报轧制时带材出口板形横向分布。本发明基于模型耦合法将带材塑性变形模型与辊系弹性变形模型集成为一个统一的线性方程组，可以避免两者之间的迭代计算。通过两个计算实例表明，基于模型耦合法的二十辊轧机板形快速预报方法的计算结果与传统方法吻合良好，而计算速度却提升了300倍左右。
-
Patent Agency Ranking
-
公开(公告)号：CN112792142B
公开(公告)日：2021-11-09
申请号：CN202011485673.2
申请日：2020-12-16
Applicant: 燕山大学
Abstract: 本发明提出了一种基于板形检测数据的带材跑偏量识别方法。该方法的主要步骤包括：获取板形仪参数、带材参数和板形仪检测的带材板形数据；利用分段线性插值法求解带材发生跑偏时的板形值分布；提出板形平滑性指标概念，并以此建立求解带材跑偏量的目标优化函数；利用现代优化设计方法求解最优的带材跑偏量。本发明方法是通过板形仪的检测数据来实时识别带材跑偏量，该方法执行可靠，所需参数少，识别速度快，稳定性强，对提高冷轧带材板形检测与控制精度具有重要意义。
-
公开(公告)号：CN113592024A
公开(公告)日：2021-11-02
申请号：CN202110922763.1
申请日：2021-08-12
Applicant: 燕山大学
Abstract: 本发明涉及一种冷轧铜带表面缺陷识别模型训练方法，该训练方法包括：建立冷轧铜带的表面缺陷数据集，该表面缺陷数据集包括多种表面缺陷类别各自对应的多张训练用图像。然后构建初始识别模型，该初始识别模型为深度卷积神经网络模型。最后利用表面缺陷数据集对初始识别模型进行训练，得到识别模型，进而所建立的识别模型能够对多种缺陷类别进行识别，实际应用效果好。本发明还用于提供一种冷轧铜带表面缺陷识别方法及系统，利用上述训练方法训练得到的识别模型对待识别图像进行识别，得到待识别图像对应的表面缺陷类别，识别精度高且识别速度快，可以实时在线检测表面缺陷类别。
-
公开(公告)号：CN113172097A
公开(公告)日：2021-07-27
申请号：CN202110587448.8
申请日：2021-05-27
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度自编码的冷轧带材板形模式识别方法及系统，其包括：1、收集冷轧带材生产过程中的板形数据作为样本数据并进行预处理；2、建立深度自编码神经网络冷轧带材板形模式识别模型Autoencoder；3、深度自编码神经网络带材板形模式识别模型的训练与预测；4、根据训练结果对模型的训练参数进行调优；5、保存训练后的模型参数，获得深度自编码神经网络冷材带钢板形模式识别模型RM；6、将冷轧带材板形模式识别模型RM嵌入板形检测与控制系统中，获得的板形模式分量反馈于板形控制系统。该方法基于无监督深度自编码神经网络对板形数据进行特征提取并获得5种板形基本模式，它能够准确、快速的识别板形，对板形控制具有重要意义。
-
公开(公告)号：CN112893480A
公开(公告)日：2021-06-04
申请号：CN202110064802.9
申请日：2021-01-18
Applicant: 燕山大学
Abstract: 本发明提供了一种非方板形控制系统的优化方法，其包括：利用板形控制变形机理模型，计算控制系统的影响矩阵，求解系统开环传递函数，计算非方相对增益矩阵，分析各控制回路的耦合程度，制定非方板形控制系统的解耦策略；针对挑选出的非方控制回路应用广义逆解耦理论进行控制，分解并消除解耦控制器的不稳定极点；制定中间辊窜辊影响系数变量模型；通过多项式拟合设计广义逆‑对角矩阵解耦的中间辊窜辊控制策略，计算中间辊窜辊最小调节量。本发明提高了系统的动态特性，减小了系统调节时间，降低了中间辊窜辊的使用频率和调节量，简单实用且有效。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.019 seconds)
