-
公开(公告)号：CN113344905A
公开(公告)日：2021-09-03
申请号：CN202110722626.3
申请日：2021-06-28
Applicant: 燕山大学
Abstract: 本发明涉及一种带材跑偏量检测方法及系统，先获取生产现场的带材跑偏图像，然后对带材跑偏图像进行预处理，得到预处理后图像。再将预处理后图像作为输入，利用分割模型得到辊道和带材的分割结果图像，并对分割结果图像进行边缘提取，得到边缘提取图像，最后根据边缘提取图像，计算带材的跑偏量。本发明所提供的检测方法及系统无需在生产带材的生产线上额外安装传感器设备，直接基于生产现场所安装的监控摄像头获取带材跑偏图像，再对带材跑偏图像进行图像处理即可进行带材跑偏量的检测，该方法无需复杂的安装机构，成本低，通用性强。
-
公开(公告)号：CN112077156B
公开(公告)日：2021-05-14
申请号：CN202010845844.1
申请日：2020-08-20
Applicant: 燕山大学
IPC: B21B38/02
Abstract: 本发明提供一种冷轧带材板形辊挠度干扰信号消除方法，其针对板形辊使用过程中由于弹性挠曲变形对传感器产生的干扰信号，提出了一种消除该干扰信号的方法。该方法首先建立了挠度干扰信号波形数学方程；其次综合考虑了板形原始信号与干扰信号之间的关系，确定了干扰信号波形相位参数；最后采用现代优化方法求解出干扰信号波形幅值参数，进而得到其具体数学表达式。该方法整个执行过程中计算简单，精度高，响应速度快，在板形检测过程中能够满足实时在线消除干扰信号的要求，能够提高冷轧带材板形测控精度。
-
公开(公告)号：CN112077156A
公开(公告)日：2020-12-15
申请号：CN202010845844.1
申请日：2020-08-20
Applicant: 燕山大学
IPC: B21B38/02
Abstract: 本发明提供一种冷轧带材板形辊挠度干扰信号消除方法，其针对板形辊使用过程中由于弹性挠曲变形对传感器产生的干扰信号，提出了一种消除该干扰信号的方法。该方法首先建立了挠度干扰信号波形数学方程；其次综合考虑了板形原始信号与干扰信号之间的关系，确定了干扰信号波形相位参数；最后采用现代优化方法求解出干扰信号波形幅值参数，进而得到其具体数学表达式。该方法整个执行过程中计算简单，精度高，响应速度快，在板形检测过程中能够满足实时在线消除干扰信号的要求，对提高冷轧带材板形测控精度。
-
公开(公告)号：CN104550267B
公开(公告)日：2017-01-18
申请号：CN201410840137.8
申请日：2014-12-30
Applicant: 燕山大学
IPC: B21B38/04
Abstract: 一种带钢厚度横向分布的特征参数提取方法，a1：描述原始数据横坐标，xi处实测厚度值为hi；a2：p＝3，q＝n-2,最小偏差平方和ymin＝100；a3：xp和xq作边界点；a4：列拟合函数；a5：约束条件两段函数值、一阶导数值相等；a6：系数为变量，设拟合曲线和偏差平方和函数，偏差平方和函数值最小作为约束条件；a7：条件联立，求系数，记录函数与实测值的偏差平方和；a8：q＝q-1，q≥n/2，回a3，q n/2，进a10；a10：输出系数为最佳带钢厚度横向分布特征参数。本发明用该方法对带钢厚度横向分布特征参数进行提取，描述带钢边部减薄现象，对装断面仪设备可在拟合函数方面进行改进，对未安断面仪设备离线对厚度横向分布提取后，该规律应用在线生产中，提高带钢断面质量，提高拟合精度。
-
公开(公告)号：CN104550267A
公开(公告)日：2015-04-29
申请号：CN201410840137.8
申请日：2014-12-30
Applicant: 燕山大学
IPC: B21B38/04
Abstract: 一种带钢厚度横向分布的特征参数提取方法，a1：描述原始数据横坐标，xi处实测厚度值为hi；a2：p＝3，q＝n-2,最小偏差平方和ymin＝100；a3：xp和xq作边界点；a4：列拟合函数；a5：约束条件两段函数值、一阶导数值相等；a6：系数为变量，设拟合曲线和偏差平方和函数，偏差平方和函数值最小作为约束条件；a7：条件联立，求系数，记录函数与实测值的偏差平方和；a8：q＝q-1，q≥n/2，回a3，q n/2，进a10；a10：输出系数为最佳带钢厚度横向分布特征参数。本发明用该方法对带钢厚度横向分布特征参数进行提取，描述带钢边部减薄现象，对装断面仪设备可在拟合函数方面进行改进，对未安断面仪设备离线对厚度横向分布提取后，该规律应用在线生产中，提高带钢断面质量，提高拟合精度。
-
Patent Agency Ranking
公开(公告)号：CN101623708B
公开(公告)日：2012-02-29
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：CN101690949B
公开(公告)日：2011-11-30
申请号：CN200910075547.7
申请日：2009-09-25
Applicant: 燕山大学
Abstract: 一种含有三次板形的板形闭环控制方法，包括以下步骤：(a)采集板形数据(yi，σi)(i＝1，2，...，Nz)，其中Nz为测量点数，σi为坐标yi处的板形偏差；(b)用含有三次板形的板形模式识别方法对采集的板形数据(yi，σi)(i＝1，2，...，Nz)进行模式识别，识别出板形特征参数ei(i＝1，2，3，4)；(c)建立板形调节影响系数矩阵快速计算网络NN，根据当前轧制状态，用网络NN计算出影响系数矩阵C；(d)根据步骤(b)中计算的ei(i＝1，2，3，4)和步骤(c)中计算的C，计算出各板形控制参数增量ΔU，进行板形控制。本发明从板形模式识别和板形控制量计算两个方面出发，在板形模式识别中考虑了三次板形，提出了一种简捷实用的显示板形控制计算方法，适用于在线控制。
-
公开(公告)号：CN112036626B
公开(公告)日：2023-08-22
申请号：CN202010852476.3
申请日：2020-08-21
Applicant: 燕山大学
Abstract: 本发明公开了一种热轧带钢边部线状缺陷在线预报方法，其主要步骤包括：1、收集热轧带钢生产数据作为样本数据并对样本数据预处理；2、根据GA‑DNN神经网络建立热轧带钢边部线状缺陷预报模型；3、对热轧带钢边部线状缺陷预报模型进行训练与验证；4、GA‑DNN神经网络热轧带钢边部线状缺陷预报模型在线预报与分析。该方法具有预测精度高、响应速度快、能够实时在线参与控制等特点，对热轧带钢表面质量控制具有重要意义。
-
公开(公告)号：CN110110839B
公开(公告)日：2022-12-09
申请号：CN201910316881.0
申请日：2019-04-19
Applicant: 燕山大学
Abstract: 本发明公开了一种基于PSO‑LM‑BP神经网络的带钢冷轧横向厚差预报方法，涉及到带钢断面形状控制领域。该方法主要包括以下步骤：1、PSO‑LM‑BP神经网络训练样本的获取；2、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的建立；3、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的训练与验证；4、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的预测。该方法只需根据带钢热轧来料断面轮廓三个参数C40、C25、W40，即可预测出其冷轧后的横向厚差值，预测精度高、响应速度快，能够快速参与指导实际生产，对带钢冷轧横向厚差控制具有重要意义。
-
公开(公告)号：CN112893480B
公开(公告)日：2021-11-23
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 0.017 seconds)
