-
公开(公告)号：CN114021290A
公开(公告)日：2022-02-08
申请号：CN202210000389.4
申请日：2022-01-04
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , B21B37/28 , B21B1/26 , G06F119/08 , G06F119/14
Abstract: 本发明属于带钢产品品质控制技术领域，涉及一种基于数据驱动和机理模型融合的板带钢凸度预测方法，通过建立热连轧出口板凸度机理模型，将机理模型与DNN模型结合建立带钢凸度预测DNN模型，以机理模型计算值作为出口板凸度的基准值，并将基准值与出口板凸度的实际值的偏差量作为带钢凸度预测DNN模型的输出，再将基于带钢凸度预测DNN模型的预测值与基准值的和作为最终的板带钢凸度预测值。本发明方法将计算值和实际值的偏差作为DNN模型输出，可减小预测误差范围，为更精准的板形控制提供保障。现阶段热连轧生产线在工业数据的收集与存储方面皆较为完善，因此本发明有较强的推广能力，为提高板带钢出口板凸度的精度提供新方法。
-
公开(公告)号：CN113102516A
公开(公告)日：2021-07-13
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
公开(公告)号：CN114822584B
公开(公告)日：2024-10-25
申请号：CN202210439737.8
申请日：2022-04-25
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0216 , G10L21/028 , G06F17/16 , G06F17/14
Abstract: 本发明的一种基于积分改进广义互相关的传动装置信号分离方法是将广义互相关算法与非负矩阵分解算法相结合的一种新的盲源分离方法，进行分离不同传动装置的声音信号。将广义互相关算法结合非负矩阵分解算法，利用广义互相关算法获得到达时间差，判断源的数量；再结合非负矩阵分解，获得具体的字典原子是来自于哪个源这项信息，从而为生成不同源的掩码矩阵提供事实依据；使用积分法改进广义互相关，提高到达时间差估计的准确度；设计一种新的非负矩阵分解初始化方法，降低计算非负矩阵分解的时间。本发明方法解决了其他盲源分离方法依赖理想数学模型或者依赖训练神经网络的问题。
-
公开(公告)号：CN117876523A
公开(公告)日：2024-04-12
申请号：CN202410086070.7
申请日：2024-01-22
Applicant: 东北大学
IPC: G06T11/00
Abstract: 本发明提出一种基于CFBP‑SART‑FTV迭代重建的不完全投影CT重建方法，是根据现有图像重建算法基于不完全投影数据重构过程的特点，在现有图像重建算法基础上提出新的改进方法。首先，对不完全投影数据执行FBP重构，然后基于差值投影数据低信噪比和Ram‑Lak滤波器会放大投影数据中高频噪声的特点应用改进的CFBP方法来补充FBP重构图像的边缘信息，再将CFBP方法优化的先验图像作为SART迭代初始条件，并利用改进的八方向二分均值FTV项梯度算子对重构后的切片进行校正，将SART‑FTV迭代重建结果作为CFBP方法执行的先验信息，补全的CFBP又提供更精确的初始条件来优化SART‑FTV迭代过程，CFBP和SART‑FTV过程不断迭代循环优化，使重建图像收敛于原始图像。本发明有效解决了传统FBP算法由于投影缺失角范围的增大而出现的角度伪影，解决了SART算法由于缺乏约束方程而使重构解位于过大的解域中的随机点上，解决了传统的具有单一梯度的TV算法导致重构图像中边缘和细节信息丢失的问题。
-
公开(公告)号：CN117787066A
公开(公告)日：2024-03-29
申请号：CN202410210705.X
申请日：2024-02-27
Applicant: 东北大学
IPC: G06F30/23 , B21B37/32 , G06F111/10 , G06F119/08 , G06F119/14
Abstract: 本发明的一种基于CVC轧机热凸度对工作辊辊形预测的方法，包括：采集带钢参数、轧制工艺参数、冷却水参数、CVC轧机参数和工作辊温度数据；根据CVC轧机参数建立CVC工作辊的三维热凸度有限元模型；计算轧制过程中工作辊与带钢、空气、冷却水的对流换热系数，将对流换热系数施加到三维热凸度有限元模型中，进行有限元仿真实验；调整三维热凸度有限元模型的温度边界条件，使得有限元仿真实验的工作辊温度数据曲线与现场实测的工作辊温度数据曲线一致；基于调整后的三维热凸度有限元模型进行有限元仿真实验，提取不同时间节点的工作辊表面热膨胀量横向分布数据，与初始CVC工作辊辊形曲线拟合得到新的工作辊辊形曲线。
-
Patent Agency Ranking
公开(公告)号：CN116460151A
公开(公告)日：2023-07-21
申请号：CN202310425657.1
申请日：2023-04-19
Applicant: 东北大学
IPC: B21B37/68
Abstract: 本发明的一种基于机器视觉的低延时带钢跑偏量检测方法，包括：步骤1：同时采集轧辊入口侧和出口侧的带钢在轧制过程中的图像；步骤2：利用边缘检测算法分别计算入口侧和出口侧采集到的带钢图像的边缘位置，得到采集时刻的每张带钢图像两侧的边缘坐标；步骤3：利用带钢两侧的边缘坐标分别计算轧辊入口侧和出口侧带钢中心线上各个点的位置坐标；步骤4：分别利用带钢中心线上各个点的位置坐标对轧辊入口侧和出口侧的带钢的中心线做圆拟合；步骤5：分别计算轧辊入口侧和轧辊出口侧的拟合圆与轧辊中轴线的交点位置，记为入口侧和出口侧的跑偏值；步骤6：计算入口侧和出口侧的跑偏值的平均值作为轧辊中心的带钢跑偏量。
-
公开(公告)号：CN113219903B
公开(公告)日：2022-08-19
申请号：CN202110497213.X
申请日：2021-05-07
Applicant: 东北大学
Abstract: 本发明提供一种基于深度视觉的钢坯最优剪切控制方法及系统。本发明包括将深度相机设置好，设定世界坐标系；标定深度相机的参数；采集钢坯的RGB和深度视图；通过针孔相机模型，得到每个像素点的三维坐标，然后通过直通滤波和离群点去除进行预处理；使用随机采样一致性算法拟合出钢坯上表面的平面，然后将平面投影到2D平面，再采用中心扩展法计算出最优剪切线；根据钢坯的移动速度与待剪切位置头部坐标，获得头部和剪切刀口的距离，计算出控制剪切头剪切的时刻。本发明利用图像信息解决钢坯头尾部的剪切线检测问题，达到节约能源和材料的目的，深度相机得到的世界坐标精度高，省却了复杂的标定过程，布置简单。
-
公开(公告)号：CN112439794B
公开(公告)日：2021-09-24
申请号：CN202011411870.X
申请日：2020-12-04
Applicant: 东北大学
IPC: B21B37/38
Abstract: 本发明涉及一种基于LSTM的热轧弯辊力预测方法，采集不锈钢轧机热轧工艺的最终机架轧制数据并划分为训练集traindata和测试集testdata；对traindata进行归一化处理；构造矩阵P；将矩阵P的最后一行作为训练集的标签即真实值；对网络的输出值和真实值计算并更新；网络训练完成后，取出LSTM网络的最后m个输出数据作为下一时刻的输入，得到网络下一时刻的输出，即为下一时刻的弯辊力预测值；重复上述步骤直至获得足够数目的预测数据；将处理后的数据与testdata中的真实值进行比较，检验网络的有效性。本发明方法与传统LSTM网络相比，加入了更新机制后的网络模型准确度有所提升，且网络更加稳定。
-
公开(公告)号：CN112439794A
公开(公告)日：2021-03-05
申请号：CN202011411870.X
申请日：2020-12-04
Applicant: 东北大学
IPC: B21B37/38
Abstract: 本发明涉及一种基于LSTM的热轧弯辊力预测方法，采集不锈钢轧机热轧工艺的最终机架轧制数据并划分为训练集traindata和测试集testdata；对traindata进行归一化处理；构造矩阵P；将矩阵P的最后一行作为训练集的标签即真实值；对网络的输出值和真实值计算并更新；网络训练完成后，取出LSTM网络的最后m个输出数据作为下一时刻的输入，得到网络下一时刻的输出，即为下一时刻的弯辊力预测值；重复上述步骤直至获得足够数目的预测数据；将处理后的数据与testdata中的真实值进行比较，检验网络的有效性。本发明方法与传统LSTM网络相比，加入了更新机制后的网络模型准确度有所提升，且网络更加稳定。
-
公开(公告)号：CN120043763A
公开(公告)日：2025-05-27
申请号：CN202510429620.5
申请日：2025-04-08
Applicant: 东北大学
IPC: G01M13/045
Abstract: 本发明的一种基于麦克风阵列的自适应轴承故障诊断方法，包括：步骤1：利用麦克风阵列采集轴承故障的声音阵列信号，选择轴承位置作为增强目标位置；步骤2：建立自适应鲁棒性波束形成器，将声音阵列信号输入该波束形成器，获得增强信号；步骤3：设置时频域滤波器，通过PSO算法求解滤波器长度，对增强信号进行时频域滤波；步骤4：计算理论故障类型对应的特征频率；步骤5：使用小波变换分解对滤波后信号进行分解，选择分解后的信号进行包络功率谱分析，根据包络功率谱的峰值频率确定故障类型。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.024 seconds)
