公开(公告)号：CN113134514A

公开(公告)日：2021-07-20

申请号：CN202110446301.7

申请日：2021-04-25

Applicant: 东北大学

Inventor： 孙杰 ,  于加学 ,  袁尚斌 ,  李树 ,  彭文 ,  丁敬国 ,  张殿华

IPC: B21B37/16

Abstract: 本发明提供一种基于深度学习的带钢头部厚度预报方法，涉及轧钢自动控制技术领域。本发明通过分析轧钢过程中影响头部厚度的因素，确定了轧制力、辊缝、轧制温度、板坯厚度和轧制速度因素为预报器的输入参数；利用深度神经网络结构，并提取轧钢生产数据，得到的汇总数据满足后续数据分析和神经网络使用的需求。使用TensorFlow深度学习框架实现了预报器的功能，预报器准确率满足要求，对不同厚度的带钢头部厚度命中率有明显提升，分析神经网络各参数对性能的影响；并且提出了一种优化本预报器的方法，较默认配置预报器准确率有明显提升。使用训练集对神经网络进行训练，最后用测试集评估训练后的模型效果，大大提高了带钢成材率。

公开(公告)号：CN115292931A

公开(公告)日：2022-11-04

申请号：CN202210936562.1

申请日：2022-08-05

Applicant: 东北大学

Inventor： 孙杰 ,  袁尚斌 ,  李树 ,  乔继柱 ,  叶俊成 ,  彭文 ,  李霄剑

IPC: G06F30/20 ,  G06F111/04 ,  G06F111/06 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明提供了基于改进NSGA‑III的热连轧轧制规程多目标优化方法，属于板带材热连轧的轧制规程多目标优化技术领域。该方法将NSGA‑III算法与轧制规程多目标优化技术相结合，通过热连轧生产线现场实际的板带材数据和轧机设备参数，构建以轧制能耗最小、等轧制力裕度、板形良好和等相对负荷为目标函数的热连轧精轧轧制规程优化模型，以各机架出口厚度作为NSGA‑III的决策变量，并在NSGA‑III中添加Tent混沌映射来初始化由决策变量组成的种群，在保证初始种群多样性的基础上，均匀分布决策变量可以进一步增强NSGA‑III的优化能力，能够提高轧制规程多目标优化的效率，并且兼顾各目标函数达到更好的轧制规程优化结果，有效地提高热轧板带材的产品质量并降低生产成本。

公开(公告)号：CN113134514B

公开(公告)日：2022-02-01

申请号：CN202110446301.7

申请日：2021-04-25

Applicant: 东北大学

Inventor： 孙杰 ,  于加学 ,  袁尚斌 ,  李树 ,  彭文 ,  丁敬国 ,  张殿华

IPC: B21B37/16

Abstract: 本发明提供一种基于深度学习的带钢头部厚度预报方法，涉及轧钢自动控制技术领域。本发明通过分析轧钢过程中影响头部厚度的因素，确定了轧制力、辊缝、轧制温度、板坯厚度和轧制速度因素为预报器的输入参数；利用深度神经网络结构，并提取轧钢生产数据，得到的汇总数据满足后续数据分析和神经网络使用的需求。使用TensorFlow深度学习框架实现了预报器的功能，预报器准确率满足要求，对不同厚度的带钢头部厚度命中率有明显提升，分析神经网络各参数对性能的影响；并且提出了一种优化本预报器的方法，较默认配置预报器准确率有明显提升。使用训练集对神经网络进行训练，最后用测试集评估训练后的模型效果，大大提高了带钢成材率。