公开(公告)号：CN106886799A

公开(公告)日：2017-06-23

申请号：CN201710159565.8

申请日：2017-03-17

Applicant: 东北大学

Inventor： 徐子睿 ,  黄灿明 ,  王丹敬 ,  王显鹏

IPC: G06K9/62 ,  G06N3/12

CPC classification number: G06K9/6256 ,  G06N3/126

Abstract: 本发明公开一种基于混合集成学习的连续退火产品质量在线检测方法，将AdaBoost中对误差较大样本的重复学习机制引入到Bagging框架中，进一步提升了在线检测方法的精度；同时，Bagging框架中每个子学习机使用随机抽样方式构建其训练样本集合，使得各子学习机的训练样本集合具有差异性，能够提高在线检测方法的泛化能力。经过实际生产数据测试，本发明所提出的方法能够实现对连续退火带钢产品质量的在线检测，其效果要优于单独使用Bagging或者AdaBoost集成学习建模方法，从而能够帮助连续退火机组提高产品质量控制的水平。

公开(公告)号：CN104714519A

公开(公告)日：2015-06-17

申请号：CN201410841003.8

申请日：2014-12-30

Applicant: 东北大学

Inventor： 唐立新 ,  王显鹏

IPC: G05B19/418

CPC classification number: Y02P90/02 ,  G05B19/41875 ,  G05B19/41885

Abstract: 一种连续退火机组生产过程工艺参数设定与在线优化方法，属于钢铁企业连续退火机组的自动控制技术领域，包括连续退火机组生产工艺参数静态优化阶段的主要任务是在带钢生产之前确定连续退火机组工艺参数最优值；连续退火机组生产工艺参数在线动态优化阶段的主要任务是监测生产运行状态，并在状态发改变时快速获得新的工艺参数最优设定值。本发明同时考虑了产品质量、能源消耗、机组生产效率、退火工艺规程执行度四个评价指标，能够保证连续退火机组在动态的生产过程中始终运行在最优的连续退火机组工艺参数下，从而弥补人工经验的不足，帮助连续退火机组提高产品质量、降低能源消耗、提高机组生产效率。