-
公开(公告)号：CN102161054A
公开(公告)日：2011-08-24
申请号：CN201010617064.8
申请日：2010-12-24
Applicant: 燕山大学
IPC: B21B37/28
Abstract: 本发明涉及一种基于影响矩阵自学习的冷轧带钢板形闭环控制方法，通过确定两个关键影响因素来建立不同板带材质、不同道次的影响矩阵先验值表，在板形闭环控制过程中利用实测板形数据通过自学习的方式不断地改善影响矩阵先验值表的品质，使之与板形调控机构的实际调控效能更加接近。由于自学习过程是在各种调控机构调控性能影响因素实际耦合作用的情况下进行的，所以，从某种意义上讲该方法比智能方法考虑的因素更加全面。此外，在闭环控制过程中，影响矩阵的计算及影响矩阵的自学习均采用简单的数学算法实现，计算速度快，实时性能好。由此可见，该方法具有可靠性高、适应能力强、适合在线应用、便于实施等优点。
-
公开(公告)号：CN101648216A
公开(公告)日：2010-02-17
申请号：CN200910075373.4
申请日：2009-09-11
Applicant: 燕山大学
IPC: B21B37/28
Abstract: 本发明针对PC轧机轧制特殊性，提供一种PC轧机板形板凸度离线预报设定方法。该方法包括以下步骤：(a)收集实际PC轧机设备参数与工艺参数；(b)进行辊系及轧件离散化；(c)设定初始工艺参数；(d)计算单位长度轧制压力与前张应力横向分布值；(e)计算辊间压力及出口厚度分布值；(f)以出口厚度横向分布变化量的最大值进行收敛判断，不收敛转到(d)；(g)根据板凸度及前张力分布情况，判断板形状况，对交叉角和弯辊力进行优化。本发明对轧制压力、板凸度的预报精度高，优化计算出的交叉角和弯辊力，轧出的板形良好。应用本发明不仅提高了PC轧机的板形控制能力，而且能够达到工业应用精度要求。
-
公开(公告)号：CN101559437A
公开(公告)日：2009-10-21
申请号：CN200910074430.7
申请日：2009-05-20
Applicant: 燕山大学
IPC: B21B27/02
Abstract: 本发明公开一种适合于四辊冷连轧机复合浪形综合防治的工作辊与支撑辊辊型曲线设计技术。包括以下步骤：(a)收集冷连轧机的设备及工艺参数；(b)收集带钢的品种规格范围；(c)确定辊型曲线参数和优化变量，分别设定工作辊与支撑辊的曲线方程；(d)优化计算出辊型曲线参数；(e)将上述辊型曲线参数代入工作辊的辊型曲线方程和支承辊的辊型曲线方程得到优化后的工作辊的辊型曲线方程和支承辊的辊型曲线方程。根据现场试验，这种新型的辊型曲线设计与组合方式可以有效的治理普通四辊轧机的复合浪问题。
-
公开(公告)号：CN114970124B
公开(公告)日：2023-02-17
申请号：CN202210520672.X
申请日：2022-05-12
Applicant: 燕山大学
IPC: G06F30/20
Abstract: 本发明提供一种带钢精整机组传动参数建模方法，其包括以下步骤：S1、给定机组工艺力能参数；S2、给定机组中各辊子的编号i；S3、确定机组中各传动电机的级数，并建立机组的传动速比模型；S4、建立机组传动功率模型；S5、根据不同工况，建立机组中辊子传动功率模型；S6、完成机组的传动参数计算。本发明通过搭建机组的传动速比模型、开卷机和卷取机的传动功率模型以及不同工况下机组中各辊子的传动功率模型，对多个模型进行集成设计，改变了以往过多依靠经验的弊端，能够合理、准确地确定机组设计参数，有利于对带钢精整机组传动参数进行系统性、全流程、可执行的建模设计。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN109063317B
公开(公告)日：2022-11-04
申请号：CN201810839219.9
申请日：2018-07-27
Applicant: 燕山大学
IPC: G06F30/17 , G06F30/20 , G06F111/10
Abstract: 本发明提供一种冷轧带材板形在线云图绘制方法，其包括以下步骤：S1、设定带材宽度方向上板形测量值拟合个数，S2、建立求取拟合板形测量值的数学模型，S3、确定拟合后板形测量值的横坐标位置及板形值，S4、建立板形值与颜色映射关系，S5、得到冷轧板形在线云图监控系统，并利用冷轧板形在线云图监控系统进行冷轧带材板形在线云图绘制。本发明提供一种冷轧带材板形在线云图绘制方法，该方法通过引入分段低次插值方法将带材宽度方向上板形测量值进行了插值拟合，形成了更密集的板形数据信息。建立了扩充后的板形数据与颜色值之间的映射关系，结合实际板形缺陷在整个带材宽度方向上的分布情况给出了冷轧带材板形云图的绘制模型。
-
公开(公告)号：CN114137246B
公开(公告)日：2022-08-19
申请号：CN202111658041.6
申请日：2021-12-30
Applicant: 燕山大学
IPC: G01P3/00
Abstract: 本发明提供了应用加速度计并结合DFA法的旋转体实时转速测定方法，涉及转速检测技术领域，其包括以下由计算机执行的步骤：截取信号处理器中加速度计两个垂直采样通道若干旋转周期的输出信号，对其进行降采样作为原始数据，并给定初始数据分段参数；将原始数据按照数据分段参数等分数段；依次对各段数据进行去趋势，计算各段去趋势数据零点数和，判定当前数据划分是否足够精细，满足条件后计算拼接完成的去趋势数据零点数总和，求该数据对应的旋转周期数；通过截取数据的时间长度计算实时转速。该方法简单可靠，成本低廉，抗环境参数波动能力强，相较于恒速检测效果十分接近，拓展了其应用范围，是其改进后的新方法。
-
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。
-
公开(公告)号：CN112792142A
公开(公告)日：2021-05-14
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：CN111530936A
公开(公告)日：2020-08-14
申请号：CN202010241742.9
申请日：2020-03-31
Applicant: 燕山大学
Abstract: 本发明提供了一种基于D数理论的分段冷却控制方法及系统，所述方法包括：首先确定分段冷却输入参数；其次基于所述分段冷却输入参数确定分段冷却中间参数；再次基于D数理论，根据所述分段冷却中间参数确定第t时刻第i个通道的第二融合值；然后基于第t时刻第i个通道的第二融合值确定喷嘴喷射级别；最后根据所述喷嘴喷射级别控制第i个通道对应的喷嘴进行分段冷却控制。本发明基于D数理论确定喷嘴喷射级别，进而提高分段冷却控制精度。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.022 seconds)
