-
公开(公告)号：CN110947774A
公开(公告)日：2020-04-03
申请号：CN201911239827.7
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及带钢轧制技术领域，提供一种考虑轧制宽展的板形预测方法。该方法包括：步骤1：获取带钢参数、轧辊参数和轧制参数；步骤2：考虑金属横向流动，引入轧制前后横向厚度差变化因子和宽展因子，构建基于板形-凸度-宽展耦合的带钢板形预测模型；步骤3：根据带钢参数、轧辊参数和轧制参数，构建轧机和带钢的三维有限元模型，利用所述三维有限元模型对带钢轧制进行模拟仿真，提取稳定轧制阶段带钢的横向位移、厚度数据，计算基于板形-凸度-宽展耦合的带钢板形预测模型的参数；步骤4：利用基于板形-凸度-宽展耦合的带钢板形预测模型对带钢的板形进行预测。本发明能够提高板形预测的精度、增强适用性。
-
Patent Agency Ranking
公开(公告)号：CN114154546A
公开(公告)日：2022-03-08
申请号：CN202111490619.1
申请日：2021-12-08
Applicant: 东北大学
IPC: G06K9/00
Abstract: 本发明提供一种钢铁生产过程数据的降噪方法，涉及钢铁生产过程的自动控制技术领域。首先建立EEMD‑WT降噪模型，对含有噪声的钢铁生产过程数据进行EEMD分解，然后采用连续均方误差的方法(CMSE)计算噪声能量突变点b，计算出b值后，将前面相应的高频IMF分量进行小波变换降噪处理，除去高频中的噪声，保留高频信号段的剩余信息，最后与低频其余的IMF分量重构，完成EEMD‑WT降噪模型的建立；将含噪的钢铁生产过程数据导入到EEMD‑WT降噪模型中，得到最后的降噪后数据。本发明提出的EEMD‑WT降噪方法降噪效果好，相比于SVD降噪方法和均值降噪方法能更好地还原出原始数据，可以广泛地投入到钢铁生产过程当中。
-
公开(公告)号：CN111036684A
公开(公告)日：2020-04-21
申请号：CN201911086039.9
申请日：2019-11-08
Applicant: 东北大学
Abstract: 本发明提供一种中厚板液压滚切剪的伺服控制方法，涉及轧制过程自动控制技术领域。该方法通过左液压缸位置设定来确定右液压缸位置设定，当左液压缸的实际位移曲线产生偏差时，左液压缸伺服阀接受自身的位置PI控制器调节，当右液压缸的实际位移曲线产生偏差时，右液压缸伺服阀接受自身的位置PI控制器调节。同时，采用位置偏差PI控制器来协调左、右液压缸的位置偏差，当左液压缸的实际位移曲线落后于设定位移曲线时，增大左液压缸伺服阀开口度，减小右液压缸伺服阀开口度，从而保持左、右液压缸相对的位置关系，以保持设定剪切角。
-
公开(公告)号：CN111036684B
公开(公告)日：2020-12-08
申请号：CN201911086039.9
申请日：2019-11-08
Applicant: 东北大学
Abstract: 本发明提供一种中厚板液压滚切剪的伺服控制方法，涉及轧制过程自动控制技术领域。该方法通过左液压缸位置设定来确定右液压缸位置设定，当左液压缸的实际位移曲线产生偏差时，左液压缸伺服阀接受自身的位置PI控制器调节，当右液压缸的实际位移曲线产生偏差时，右液压缸伺服阀接受自身的位置PI控制器调节。同时，采用位置偏差PI控制器来协调左、右液压缸的位置偏差，当左液压缸的实际位移曲线落后于设定位移曲线时，增大左液压缸伺服阀开口度，减小右液压缸伺服阀开口度，从而保持左、右液压缸相对的位置关系，以保持设定剪切角。
-
公开(公告)号：CN110947774B
公开(公告)日：2020-12-01
申请号：CN201911239827.7
申请日：2019-12-06
Applicant: 东北大学
Abstract: 本发明涉及带钢轧制技术领域，提供一种考虑轧制宽展的板形预测方法。该方法包括：步骤1：获取带钢参数、轧辊参数和轧制参数；步骤2：考虑金属横向流动，引入轧制前后横向厚度差变化因子和宽展因子，构建基于板形‑凸度‑宽展耦合的带钢板形预测模型；步骤3：根据带钢参数、轧辊参数和轧制参数，构建轧机和带钢的三维有限元模型，利用所述三维有限元模型对带钢轧制进行模拟仿真，提取稳定轧制阶段带钢的横向位移、厚度数据，计算基于板形‑凸度‑宽展耦合的带钢板形预测模型的参数；步骤4：利用基于板形‑凸度‑宽展耦合的带钢板形预测模型对带钢的板形进行预测。本发明能够提高板形预测的精度、增强适用性。
-
公开(公告)号：CN109558677A
公开(公告)日：2019-04-02
申请号：CN201811442099.5
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明提供一种基于数据驱动的热轧板凸度预测方法，涉及轧制过程自动控制技术领域。包括：采集带钢的生产数据并进行预处理；建立单隐层神经网络并对其进行训练，再将预处理后的生产数据输入到训练后的神经网络模型中进行预测；计算单隐层神经网络的训练误差；编码权值和阈值；初始化种群；对种群中的个体进行非支配排序；计算提的适应度值并进行遗传操作；判断是否满足终止条件；解码权值和阈值；输出经优化的神经网络模型。本方法利用神经网络结合快速非支配排序遗传算法预测板凸度，克服热轧生产过程中参数检测困难精度差的缺陷不仅精度高，而且运算速度快，利用大量的生产过程数据通过直接在计算机上编程，即可实现投入使用，成本十分低廉。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
