-
公开(公告)号：CN108480405B
公开(公告)日：2020-05-05
申请号：CN201810338087.1
申请日：2018-04-16
Applicant: 东北大学
Abstract: 本发明提供一种基于数据驱动的冷轧板形调控功效系数获取方法，涉及轧制过程的自动控制技术领域。一种基于数据驱动的冷轧板形调控功效系数获取方法，首先在轧制过程中，以相同的时间间隔连续记录工艺参数及板形值，获取生产数据；再将现场生产数据进行时间同步处理，得到数据的变化量，并进行标准化；最后采用处理后的数据结合偏最小二乘算法建立偏最小二乘模型，根据偏最小二乘模型的性质利用模型系数矩阵求得板形调控功效系数。本发明提供的基于数据驱动的冷轧板形调控功效系数获取方法，运算速度快、计算精度高，可应用于在线情况。同时，本发明方法可直接在计算机上通过编程实现，且不需要成本上的投入，可以广泛推广到冷轧生产中。
-
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。
-
公开(公告)号：CN108480405A
公开(公告)日：2018-09-04
申请号：CN201810338087.1
申请日：2018-04-16
Applicant: 东北大学
Abstract: 本发明提供一种基于数据驱动的冷轧板形调控功效系数获取方法，涉及轧制过程的自动控制技术领域。一种基于数据驱动的冷轧板形调控功效系数获取方法，首先在轧制过程中，以相同的时间间隔连续记录工艺参数及板形值，获取生产数据；再将现场生产数据进行时间同步处理，得到数据的变化量，并进行标准化；最后采用处理后的数据结合偏最小二乘算法建立偏最小二乘模型，根据偏最小二乘模型的性质利用模型系数矩阵求得板形调控功效系数。本发明提供的基于数据驱动的冷轧板形调控功效系数获取方法，运算速度快、计算精度高，可应用于在线情况。同时，本发明方法可直接在计算机上通过编程实现，且不需要成本上的投入，可以广泛推广到冷轧生产中。
-
-
Search Results
3
records
(took 0.017 seconds)
