-
公开(公告)号:CN118143066A
公开(公告)日:2024-06-07
申请号:CN202410568136.6
申请日:2024-05-09
Applicant: 东北大学秦皇岛分校
IPC: B21B45/08 , B21B35/00 , B21B35/12 , B21B13/02 , F25D31/00 , F25D17/02 , C02F9/00 , C02F1/00 , C02F1/48
Abstract: 本发明涉及钢材轧制装置技术领域,一种基于炼钢连铸的批量热轧装置,包括热轧机体、轧辊组件、喷水组件、第一除杂组件、隔热板和热交换组件。第一除杂组件包括:第一接水盒,第一接水盒内的顶面为敞口;过滤网,设在第一接水盒内的顶部;第一吸附组件,设在第一接水盒内的底部;热交换组件包括:第二接水盒,第二接水盒的内部与第一接水盒的内部连通连接;吸热器,设在第二接水盒内;第一排水管,设在第二接水盒的底部。本发明在使用时,第一除杂组件能够收集除鳞后的水,并过滤水中的杂质,热交换组件能够对过滤后的水进行冷却,实现水资源的循环利用,减少水资源的浪费。
-
公开(公告)号:CN108959810A
公开(公告)日:2018-12-07
申请号:CN201810819700.1
申请日:2018-07-24
Applicant: 东北大学
Abstract: 本发明涉及一种铸坯传热参数的快速辨识方法,其包括:S1,获取铸坯成分及第一信息,确定二冷区处所述铸坯的热传导方程;S2,将所述热传导方程差分后得到中间方程,并采用空间并行方式求解中间方程得到所述二冷区处的计算温度;S3,测量实际温度,根据计算温度和实际温度建立逆热传导模型;S4,利用社会学习粒子群算法求解逆热传导模型,当停止迭代时,得到最优传热参数。本发明提供一种铸坯传热参数的快速辨识方法,空间并行计算方式可以加速计算,同时实时预测算法。社会学习粒子群算法在向全局最好粒子学习之外,同时还向比自己好的粒子学习,具有收敛于全局最优点的性质。
-
公开(公告)号:CN117872844A
公开(公告)日:2024-04-12
申请号:CN202311714147.2
申请日:2023-12-14
Applicant: 东北大学
IPC: G05B19/042
Abstract: 本发明涉及一种移动机器人的控制方法,所述方法包括:获取第一数据、移动机器人位置数据和移动机器人第一姿态数据,第一数据为移动机器人通过激光雷达探测到的数据;通过第一数据,确定目标人员所处移动机器人坐标系内的坐标值,且控制移动机器人以第一间距跟随目标人员。使用激光雷达进行目标检测和跟随,极大程度的克服了使用相机识别在光照不足或者光照强烈环境下失效的问题,使移动机器人在全黑暗或光照强烈的环境下仍然可以良好的运行,并且针对跟随目标由于突然转向使机器人丢失跟随目标的情况,设计了行人轨迹预测的功能,提高了机器人在进行目标跟随时的鲁棒性。
-
公开(公告)号:CN111125913A
公开(公告)日:2020-05-08
申请号:CN201911359366.7
申请日:2019-12-25
Applicant: 东北大学
IPC: G06F30/20 , G06N3/00 , G06F119/08
Abstract: 本发明涉及一种加热炉总括热吸收率的辨识方法及装置,方法包括以下步骤:S1:获取加热炉内钢坯的热传导偏微分方程及热传导偏微分方程的定解条件;S2:对热传导偏微分方程和边界条件分别进行离散化处理,获取钢坯在加热炉内不同位置时网格点的计算温度;S3:将钢坯从进加热炉到出加热炉的过程中,连续测量并记录多个网格点的测量温度,根据测量温度和计算温度建立目标函数逆热传导模型:S4:利用混沌粒子群算法对逆热传导模型进行最优化求解,通过极小化逆热传导模型,得到加热炉不同炉段的总括热吸收率;利用混沌粒子群算法得到总括热吸收率使得计算精确;且在装置利用GPU对划分的温度场空间网格并行计算,大大提高了计算效率。
-
公开(公告)号:CN106270438A
公开(公告)日:2017-01-04
申请号:CN201610765249.0
申请日:2016-08-30
Applicant: 东北大学
IPC: B22D11/22
Abstract: 本发明公开了一种坯壳厚度预测方法及系统,属于炼钢及连铸技术领域。用以解决坯壳厚度预测方法存在数据精度比较低,浪费材料的问题。包括:获取进入二冷区的钢坯的钢种成分,钢坯的第一信息,根据公式(1),确定钢坯在二冷区的热传导方程;根据热传导方程和热传导方程的边界条件,确定二冷区的换热系数确定公式;根据二冷区的换热系数确定公式和钢坯的第一信息,确定目标函数的梯度公式;当确定梯度确定公式的参数等于零时,通过公式(2)确定目标函数的最小值;当停止准则||J(αk)-J(αk-1)||>ε或者迭代步骤k<Nmax时,通过公式(3)确定搜索方向dk;当搜索方向dk满足下降准则||J(αk+dk)||≤η||J(αk)||时,通过公式(4)确定新的连铸机参数,根据新的连铸机参数和热传导方程确定钢坯厚度。
-
公开(公告)号:CN115082536B
公开(公告)日:2025-04-25
申请号:CN202210537779.5
申请日:2022-05-18
Applicant: 东北大学
Abstract: 本发明提供一种适用于非结构化道路场景下高精度地图的构建方法,涉及自动驾驶技术领域。该方法使用联合标定过相机和激光雷达的数据采集车采集非结构化道路数据,并生成深度图像,根据采集回来的道路数据制作点云地图,根据道路环境选择对应算法进行道路区域提取,对生成的点云地图标注道路边界,判断道路宽度,并根据交通规则生成带有速度和方向的虚拟车道,人工校正步骤4标注的车道线,手动标注红绿灯和路牌位置,并将地图保存为所需的格式。本发明以道路边界为基础,对于在封闭园区和乡镇乡村等环境下的非结构化道路的高精度地图构建提出一种有效的方法,确保其在现自动驾驶软件框架中能够正确辅助无人车感知、定位以及规划等。
-
公开(公告)号:CN118966625A
公开(公告)日:2024-11-15
申请号:CN202410956753.3
申请日:2024-07-17
Applicant: 东北大学
IPC: G06Q10/0631 , G06Q50/04 , G06F18/2415 , G06F18/21 , G06N3/042 , G06N3/094
Abstract: 本发明公开了具有受限运输资源的混合流水车间调度问题协同优化方法,涉及车间调度领域。该方法包括获取HFSP‑FTR实例及其生产加工信息;将HFSP‑FTR实例建模为同时包含工序节点、并行机节点以及AGV节点的异构图模型;构建结构感知异构图神经网络,获取异构图模型的多维度特征向量;构建复合调度动作选择网络,将实例异构图模型的多维度特征向量作为网络的输入,计算每一个复合调度动作的动作选择概率;将步骤4得到的动作选择概率输入近端策略优化算法中,获得最优调度动作选择策略。该方法可以端到端地表征出当前时刻的调度状态特征,无需人为干预;该方法能够求解小规模以及超大规模的调度问题,并获得较优的调度结果。
-
公开(公告)号:CN118082998B
公开(公告)日:2024-09-10
申请号:CN202410529529.6
申请日:2024-04-29
Applicant: 东北大学
Abstract: 本发明涉及轮足式机器人技术领域,特别涉及一种适用于泥泞路面的轮足装置以及自动跟随运输机器人,其中适用于泥泞路面的轮足装置包含:安装板、一对车轮、传动箱、传动模块、制动模块、承载支架与驱动电机;传动箱设置在安装板的一侧;一对车轮设置在安装板与传动箱之间;传动模块设置在传动箱上并与安装板相连,传动模块与一对车轮相连,用于驱动一对车轮转动;承载支架固定设置在传动箱上;驱动电机固定设置在承载支架上并与传动模块相连,用于驱动传动模块运行;制动模块设置在安装板上,制动模块位于一对车轮之间。本发明解决了现有技术中的轮足机器人存在轮式模式与足式模式各需一个电机作为动力源进行驱动的缺陷,具有实用性强的特点。
-
公开(公告)号:CN113033611B
公开(公告)日:2024-03-22
申请号:CN202110208036.9
申请日:2021-02-25
Applicant: 东北大学
IPC: G06F18/243 , G06F18/27 , G06F18/10 , G06F18/2131 , G06F18/214 , G06N20/20 , G06N3/006 , G01M13/045 , G07C3/00
Abstract: 本发明涉及电机轴承故障诊断技术领域,提供一种电机轴承数据采集与故障诊断系统,包括数据采集模块、故障诊断模块、数据可视化模块;数据采集模块用于采集电机的振动速度等运行参数;故障诊断模块包括数据清洗模块,电机轴承故障类别标注模块,用于提取振动信号的小波包能量特征的特征提取模块,用于以振动信号的小波包能量特征为输入、对应的电机轴承故障类别标签为输出、构建并训练基于XGboost的电机轴承故障诊断模型的电机轴承故障诊断模型训练模块,用于采用改进粒子群优化算法对训练后的电机轴承故障诊断模型进行优化的故障诊断模型优化模块,电机轴承故障实时诊断模块。本发明能够提高电机轴承故障诊断的准确性、快速性及稳定性。
-
公开(公告)号:CN116700001A
公开(公告)日:2023-09-05
申请号:CN202310764244.6
申请日:2023-06-27
Applicant: 东北大学
IPC: G05B13/04
Abstract: 本申请涉及制造工程技术领域,尤其涉及一种基于层级特征融合多注意力机制的压装预测控制方法。方法包括:确定试验零件的装配数据;通过装配数据针对混合注意力结构进行训练,得到压力预测模型;获取待控制零件的实时数据,输入实时数据至压力预测模型,得到预测压力值;获取待控制零件的实时压力值,判断实时压力值和预测压力值是否相等,如果不相等,针对实时压力值进行调节控制;依据时序迭代执行前述步骤,用于使实时压力值无限接近预测压力值。本申请通过训练压力预测模型,用于根据待控制零件的实时数据确定待控制零件在当前时刻的压力预测值,再依据压力预测值针对压装系统的输出进行实时调整,有利于提前做出准确的决策。
-
-
-
-
-
-
-
-
-