-
公开(公告)号：CN120015194A
公开(公告)日：2025-05-16
申请号：CN202510081291.X
申请日：2025-01-20
Applicant: 东北大学
IPC: G16C60/00 , B21B37/28 , G06F30/23 , G06F119/14
Abstract: 本发明提供了一种基于改善残余应力分布的平整过程板形控制方法，包括：步骤1：采集平整机尺寸参数、平整工艺参数、带钢参数；步骤2：基于步骤1采集的参数建立平整过程仿真模型，并复制得到只保留带钢及其属性的带钢仿真模型；步骤3：对带钢仿真模型中的带钢施加初始内应力；步骤4：将带钢仿真模型中已施加初始内应力的带钢，通过数据传递的方式，引入到平整过程仿模型中；步骤5：对平整过程仿真模型进行条件设置，包括前处理、网格划分、定义接触类型、边界条件、施加载荷；步骤6：进行平整过程仿真，获得一组使得残余应力最小的平整工艺参数，并应用到平整现场，改善板形。
-
公开(公告)号：CN119187237B
公开(公告)日：2025-03-04
申请号：CN202411718052.2
申请日：2024-11-28
Applicant: 东北大学
Abstract: 本发明公开一种采用开口程度计算20辊冷轧机边降调控功效系数的方法，涉及冷轧技术领域。提出了一种更强适用性的边降调控功效系数计算模型，由第一中间辊与带钢的开口程度得到的边降控制调控功效系数，该方法不依赖于特定的产线，得出的边降控制功效系数曲线具有更强的适用性，能够提高20辊冷轧机第一中间辊调节的精度，进而快速有效的控制硅钢边降，提高硅钢成品率。
-
公开(公告)号：CN119035274B
公开(公告)日：2025-02-25
申请号：CN202411545294.6
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本申请提出一种热连轧生产过程机架间宽度预测方法及装置，属于轧钢自动控制技术领域，所述方法包括：获取热连轧生产过程中机架入口的各项参数；将机架入口的各项参数输入预建立的宽展预测模型，得到热连轧生产过程中的每个机架的宽展，根据带钢入口宽度以及每个机架的宽展得到最终出口宽度、每个上游机架的出口宽度以及每个下游机架的出口宽度，所述预建立的宽展预测模型具有同一的模型结构以及不同的系数，通过有限元分析确定模型结构，通过灰狼算法确定每个宽展预测模型的最优系数。本申请考虑了机架间张力与各机架轧件的变形抗力，并且考虑了上游机架对下游机架的遗传性的影响，提高了宽度预测的精度。
-
公开(公告)号：CN119035277B
公开(公告)日：2025-01-07
申请号：CN202411545293.1
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/58 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/214
Abstract: 本发明提供一种基于特征增维和深度神经网络的轧制力动态预测方法，涉及轧制技术领域。该方法具体包括：采集带钢热连轧轧制过程中的生产数据并进行数据处理，构建样本数据集，根据预设的比例从样本数据集中划分训练集；构建特征增维卷积深度神经网络FACDNN模型，并利用训练集对特征增维卷积深度神经网络FACDNN模型进行训练，得到训练好的特征增维卷积深度神经网络FACDNN模型；通过重新采集带钢热连轧轧制过程中的生产数据并输入训练好的特征增维卷积深度神经网络FACDNN模型，得到带钢热连轧轧制过程中的轧制力预测结果。本方法充分考虑了过程工艺参数变化对模型精度的影响，从而实现下游机架的轧制力高精度的动态预测。
-
公开(公告)号：CN119187237A
公开(公告)日：2024-12-27
申请号：CN202411718052.2
申请日：2024-11-28
Applicant: 东北大学
Abstract: 本发明公开一种采用开口程度计算20辊冷轧机边降调控功效系数的方法，涉及冷轧技术领域。提出了一种更强适用性的边降调控功效系数计算模型，由第一中间辊与带钢的开口程度得到的边降控制调控功效系数，该方法不依赖于特定的产线，得出的边降控制功效系数曲线具有更强的适用性，能够提高20辊冷轧机第一中间辊调节的精度，进而快速有效的控制硅钢边降，提高硅钢成品率。
-
Patent Agency Ranking
公开(公告)号：CN118681928B
公开(公告)日：2024-12-27
申请号：CN202411173128.8
申请日：2024-08-26
Applicant: 东北大学
Abstract: 本发明的一种热轧高牌号取向硅钢板的板形控制方法，包括：将铸坯加热至1250℃~1320℃，预热段总加热时间为3.5h~4h，均热段的时间为1.5h~2h，总在炉时间为5h~5.5h；粗轧工序采用1+1+3道次轧制，前三个道次采用大压下率，每道次压下率≥20%；轧辊冷却水不开启，终轧温度>1140℃；精轧过程中各机架遵循等比例凸度控制原则，F1~F3机架为CVC辊，F4~F7机架为平辊，求解各机架最优的弯辊力和CVC辊的窜辊设定值，以优化硅钢精轧过程的板形控制参数；精轧时开轧温度为1040℃~1070℃，终轧温度为890℃~930℃，目标凸度为20um~40um；对从精轧机组出来的硅钢带进行层流冷却；对经过层流冷却的硅钢进行卷曲，卷曲温度不低于550℃。
-
公开(公告)号：CN117519067B
公开(公告)日：2024-08-20
申请号：CN202311368602.8
申请日：2023-10-20
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明提供一种连轧过程多机架控制性能评价方法，涉及金属轧制技术领域。首先构建连轧过程多机架多变量时间序列；用去趋势波动分析算法对数据进行处理分别求解出时间序列对应的s值进而求取控制系统Hurst指数；利用多机架控制性能等级评价指标评价此时控制器的性能状态。本发明提出的性能评价方法模型依赖性低，可以忽略控制系统本身结构的求取，不需要求解过程时间延迟及复杂的关联矩阵，方案实施简单，可以直接在计算机上通过编程实现，是一种适合实际复杂多变工况的连轧过程多机架控制性能评价方法，可以广泛的推广到多机架连轧生产过程中。
-
公开(公告)号：CN118503911A
公开(公告)日：2024-08-16
申请号：CN202410621541.X
申请日：2024-05-20
Applicant: 东北大学
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/09 , G06F123/02
Abstract: 本发明提供一种基于多级网络融合的轧机振动时序预测方法，涉及金属轧机技术领域。首先利用一维卷积神经网络提取多维数据中的长短周期特征，再用循环神经网络和时间卷积网络分别对短周期、长周期数据进行训练，引入注意力机制以防止计算效率下降，最后将两种模态特征进行融合输出预测结果。本发明充分利用了工业大数据中蕴含着轧制生产过程全部规律的特点和卷积神经网络特征提取的优势，经融合后的预测模型与现有的轧机振动预测模型相比，预测结果的准确性大大提高，所提出的模型具有很好的可信度。
-
公开(公告)号：CN118321400A
公开(公告)日：2024-07-12
申请号：CN202410749301.8
申请日：2024-06-12
Applicant: 东北大学
Abstract: 本发明属于柔性辊弯折技术领域，具体涉及一种柔性辊弯成型装置，包括设置在成型台上的成型机构、固定机构和限位机构；所述成型机构设置在成型台的中部，成型机构两外侧分别对称设有固定机构，固定机构的两外侧分别对称设有限位机构；成型机构、两个固定机构、两个限位机构呈“W”设置；两个限位机构相对设置；柔性辊穿入限位机构，固定机构和成型机构分别设置在柔性辊的两侧；所述成型机构包括弯折框和清理环，弯折框和清理环错位设置。通过设置挤压轴、摩擦块，对柔性辊水平方向进行固定；第一摩擦软垫和第二摩擦软垫，间接的对柔性辊进行固定，通过机构之间的配合，对柔性辊的水平方向和竖直方向进行固定，避免出现柔性辊发生偏移的现象。
-
公开(公告)号：CN117718335B
公开(公告)日：2024-05-31
申请号：CN202311866697.6
申请日：2023-12-29
Applicant: 东北大学
Abstract: 本发明公开了一种融合ILQ理论和机器学习的活套‑厚度控制方法，所属技术领域为轧制技术控制领域，包括：基于热连轧活套装置的工作过程获取起套和落套阶段的轧制参数和恒张力轧制阶段的相关工艺参数；构建GA‑BP预测模型，基于所述GA‑BP预测模型对所述起套和落套阶段的轧制参数进行计算，获得最优轧制参数；基于所述最优轧制参数设计ILQ控制器，基于所述ILQ控制器对活套‑厚度进行控制。本发明能够有效地消除轧制过程中活套角度和张力震荡，进而减少热轧板带平直度、凸度过大等板形缺陷，提高产品厚度精度，优化板形截面形状。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.034 seconds)
