公开(公告)号：CN116203903B

公开(公告)日：2025-02-07

申请号：CN202310198744.8

申请日：2023-03-01

Applicant: 北京科技大学

Inventor： 张凯 ,  张永博 ,  王亚礼 ,  张学艺 ,  彭开香

IPC: G05B19/418

Abstract: 本发明公开了一种热连轧过程质量异常的时空根源诊断方法，包括：建立热连轧过程历史数据库；对数据样本按照轧钢位置百分比进行数据对齐，并将整个热连轧过程分为多个层级和子块；分别构建各子块对应的故障检测模型，并基于历史数据库对各故障检测模型进行训练，实现对各子块的质量相关故障的实时检测；当有故障发生时，根据各子块对应的故障检测结果，定位到质量异常的空间位置，并通过各机架轧钢位置百分比反向映射确定故障发生的时间位置；计算故障机架中各过程变量歧化系数的大小，实现对故障根源变量的定位，确定引起故障的根源变量，定位发生故障的设备，实现对故障的时空根源诊断。本发明可更好地指导企业生产，进一步提高企业的经济效益。

公开(公告)号：CN118538321A

公开(公告)日：2024-08-23

申请号：CN202410583685.0

申请日：2024-05-11

Applicant: 北京科技大学

Inventor： 张凯 ,  刘云丹 ,  张晓雯 ,  王亚礼

IPC: G16C20/30 ,  B21B37/28 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种带钢热连轧过程凸度实时预测方法，属于工业过程性能指标预测技术领域，该方法包括：获取带钢热连轧过程的历史数据；对获取的历史数据进行空间维度的数据对齐；建立分布式凸度预测模型，并利用对齐后的历史数据对所述分布式凸度预测模型进行训练；对训练好的分布式凸度预测模型进行部署；获取带钢热连轧过程的实时数据，对获取的实时数据进行空间维度的数据对齐；将对齐后的实时数据输入部署好的分布式凸度预测模型，完成凸度预测。本发明可提高凸度预测精度，为生产过程的优化和质量控制提供可靠的技术保障。

公开(公告)号：CN116363054A

公开(公告)日：2023-06-30

申请号：CN202310052983.2

申请日：2023-02-03

Applicant: 北京科技大学

Inventor： 张凯 ,  李志沛 ,  张学艺

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种带钢表面微小缺陷检测方法，包括：获取带钢表面缺陷图像集，并对其标注；对YOLOv5模型调整改进；基于标注后的带钢表面缺陷图像集，对改进后的YOLOv5模型进行训练，得到带钢表面微小缺陷检测模型；利用所述带钢表面微小缺陷检测模型对待检测的带钢表面缺陷图像进行检测，得到检测结果；可对工业摄像机采集的视频实时检测，检测后可输出每帧图像上的微小缺陷个数，并对缺陷面积进行统计。本发明方法具有更好的检测效果，有助于带钢生产过程中进行故障溯源、带钢表面缺陷的细粒度检测分类，具有一定的实用价值。

公开(公告)号：CN110333709B

公开(公告)日：2020-11-20

申请号：CN201910532915.X

申请日：2019-06-19

Applicant: 北京科技大学

Inventor： 张凯 ,  齐恬婧 ,  彭开香 ,  赵姗姗

IPC: G05B23/02

Abstract: 本发明提供一种轧钢过程故障诊断方法及系统，包括：获取轧钢过程的历史样本数据，建立历史样本数据库；将轧钢机架组分为上、中、下游机架组，基于历史样本数据库分别建立故障检测模型；实时获取轧钢过程中产生的故障检测指标值，利用故障检测模型实时进行检测；当轧钢过程出现故障时，将实时故障数据存入故障数据库，并利用获取的故障检测指标值确定故障初始位置和当前生产过程的安全水平。对故障数据库中选定的故障采样点进行故障传播路径推理，并计算各传播路径的优先级，根据优先级输出候选故障源节点。本发明解决了现有技术未根据故障危害对故障分级，一旦发生故障，过程的安全水平及故障维护策略难以获得，故障源定位难、维护效率低的问题。

公开(公告)号：CN107475613A

公开(公告)日：2017-12-15

申请号：CN201710778581.5

申请日：2017-09-01

Applicant: 北京科技大学

Inventor： 宋仁伯 ,  张凯 ,  陈驰 ,  李宜

IPC: C22C38/02 ,  C22C38/04 ,  C22C38/14 ,  C22C38/12 ,  C21D1/26 ,  C21D1/18 ,  C21D9/00

CPC classification number: C22C38/02 ,  C21D1/18 ,  C21D1/26 ,  C21D9/0081 ,  C21D2211/005 ,  C21D2211/008 ,  C22C38/04 ,  C22C38/12 ,  C22C38/14

Abstract: 本发明公开了一种低碳低合金钒钛微合金化超高强度冷轧钢板的热处理方法，具体说是一种连续退火工艺。本发明是在无需改变冷轧钢板化学成分、不需要额外添加连续退火工艺工序从而保证低成本的前提下，仅通过改变连续退火快速冷却阶段的冷却速度达到提高超高强度冷轧钢板性能的目的。连续退火工艺为：首先将冷轧钢板以10℃/s的速度加热到780℃～860℃两相区保温60s～120s，然后分别用20℃/s～1000℃/s的冷却速度冷却到室温，接下来以10℃/s的速度加热到200℃～280℃保温240s～280s进行过时效处理，随后空冷到室温。经过本发明的处理，冷轧钢板的抗拉强度最高可达1227MPa，屈服强度最高可达1099MPa，延伸率最高可达14.8％，能够生产出延伸率更高的800MPa～1200MPa级别超高强度冷轧钢板。

公开(公告)号：CN105955241A

公开(公告)日：2016-09-21

申请号：CN201610391112.3

申请日：2016-06-03

Applicant: 北京科技大学

Inventor： 彭开香 ,  马亮 ,  董洁 ,  张凯

IPC: G05B23/02

CPC classification number: G05B23/02 ,  G05B23/0243 ,  G05B23/0262

Abstract: 本发明提供一种基于联合数据驱动生产过程的质量故障定位方法，该方法包括：提取质量因果拓扑图模型；建立联合数据驱动的多模态监测模型；基于贡献率与过程知识建立质量故障诊断的性能评估指标；根据所述多模态监测模型，识别质量故障传播路径，根据所述质量故障诊断的性能评估指标定位质量故障。本发明在拓扑图特征提取、多元统计数据驱动的过程监控与机器学习的基础上，提出了适合于质量监控的联合数据驱动的故障诊断，为基于数据与知识的生产过程质量故障诊断提供新的途径，弥补了传统的统计过程监控难以解决的质量故障传播路径识别与故障定位问题，基于数据与知识的“定量‑定性‑定量”的联合数据驱动实现了准确、高效的质量故障定位和诊断。