-
公开(公告)号：CN117718335A
公开(公告)日：2024-03-19
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。
-
Patent Agency Ranking
公开(公告)号：CN114021290B
公开(公告)日：2022-04-05
申请号：CN202210000389.4
申请日：2022-01-04
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , B21B37/28 , B21B1/26 , G06F119/08 , G06F119/14
Abstract: 本发明属于带钢产品品质控制技术领域，涉及一种基于数据驱动和机理模型融合的板带钢凸度预测方法，通过建立热连轧出口板凸度机理模型，将机理模型与DNN模型结合建立带钢凸度预测DNN模型，以机理模型计算值作为出口板凸度的基准值，并将基准值与出口板凸度的实际值的偏差量作为带钢凸度预测DNN模型的输出，再将基于带钢凸度预测DNN模型的预测值与基准值的和作为最终的板带钢凸度预测值。本发明方法将计算值和实际值的偏差作为DNN模型输出，可减小预测误差范围，为更精准的板形控制提供保障。现阶段热连轧生产线在工业数据的收集与存储方面皆较为完善，因此本发明有较强的推广能力，为提高板带钢出口板凸度的精度提供新方法。
-
公开(公告)号：CN114091352A
公开(公告)日：2022-02-25
申请号：CN202111454865.1
申请日：2021-12-01
Applicant: 东北大学
Abstract: 本发明公开了基于Elman神经网络的热连轧出口板凸度动态预测方法，涉及轧制过程自动化生产技术领域。包括确定包括机架轧辊磨损量在内的热连轧出口板凸度影响因素，采集热连轧生产线中与热连轧出口板凸度相关的实测数据与过程自动化级计算数据；计算各机架的轧制公里数，将各机架的轧制公里数代替热连轧出口板凸度的影响因素中的各机架的轧辊磨损量；将实测数据及过程自动化级计算数据与各机架轧制公里数组合在一起构成数据集，从数据集中划分出部分数据作为训练数据集；利用训练数据集对Elman神经网络训练，获得热连轧出口板凸度的动态预测模型，利用该模型对热连轧出口板凸度进行动态预测，可精准地预测热连轧出口板凸度，对更精准的板形控制提供保障。
-
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。
-
公开(公告)号：CN114021290A
公开(公告)日：2022-02-08
申请号：CN202210000389.4
申请日：2022-01-04
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , B21B37/28 , B21B1/26 , G06F119/08 , G06F119/14
Abstract: 本发明属于带钢产品品质控制技术领域，涉及一种基于数据驱动和机理模型融合的板带钢凸度预测方法，通过建立热连轧出口板凸度机理模型，将机理模型与DNN模型结合建立带钢凸度预测DNN模型，以机理模型计算值作为出口板凸度的基准值，并将基准值与出口板凸度的实际值的偏差量作为带钢凸度预测DNN模型的输出，再将基于带钢凸度预测DNN模型的预测值与基准值的和作为最终的板带钢凸度预测值。本发明方法将计算值和实际值的偏差作为DNN模型输出，可减小预测误差范围，为更精准的板形控制提供保障。现阶段热连轧生产线在工业数据的收集与存储方面皆较为完善，因此本发明有较强的推广能力，为提高板带钢出口板凸度的精度提供新方法。
-
公开(公告)号：CN114091352B
公开(公告)日：2024-08-27
申请号：CN202111454865.1
申请日：2021-12-01
Applicant: 东北大学
Abstract: 本发明公开了基于Elman神经网络的热连轧出口板凸度动态预测方法，涉及轧制过程自动化生产技术领域。包括确定包括机架轧辊磨损量在内的热连轧出口板凸度影响因素，采集热连轧生产线中与热连轧出口板凸度相关的实测数据与过程自动化级计算数据；计算各机架的轧制公里数，将各机架的轧制公里数代替热连轧出口板凸度的影响因素中的各机架的轧辊磨损量；将实测数据及过程自动化级计算数据与各机架轧制公里数组合在一起构成数据集，从数据集中划分出部分数据作为训练数据集；利用训练数据集对Elman神经网络训练，获得热连轧出口板凸度的动态预测模型，利用该模型对热连轧出口板凸度进行动态预测，可精准地预测热连轧出口板凸度，对更精准的板形控制提供保障。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
