-
公开(公告)号：CN114417236A
公开(公告)日：2022-04-29
申请号：CN202210052368.7
申请日：2022-01-18
Applicant: 东北大学
Abstract: 本发明属于钢铁轧制技术领域，具体涉及一种基于数据评估的钢铁轧制产品质量优化控制方法。本发明通过多样本的数据采集和处理，在此基础上对样本进行数据评估，筛选出适用模型修正用的准确度最高的样本，以此为源数据；通过模型再计算，实现对钢铁生产过程中的与产品质量直接相关的模型核心参数辊缝、轧制力、轧制速度的修正；在修正过程中，对平滑系数进行最优选取，保证修正效率的同时，提高模型的预测精度，使模型的预测结果更快更准确的接近于实测值，从而实现提升钢铁产品厚度等质量指标的控制效果，最终达到提高同批次产品高质化控制的目的。
-
公开(公告)号：CN115846423B
公开(公告)日：2023-06-30
申请号：CN202211114366.2
申请日：2022-09-14
Applicant: 东北大学
Abstract: 本发明公开了一种板带轧制过程轧辊温度的计算方法，包括：获取工作辊的各项参数；根据所述工作辊的各项参数，建立所述工作辊的有限元模型；根据热轧工况，将所述工作辊划分为多个换热区域；计算各所述换热区域的换热系数；根据所述热轧工况和各所述换热区域的相关参数，建立所述工作辊的温度场模型；根据所述工作辊的温度场模型，计算所述工作辊的温度，克服了现有技术无法准确预测周向温度变化，导致轧辊温度预测精度低的技术问题，本发明能够提高轧辊温度预测精度，进而提高带钢的成材率。
-
Patent Agency Ranking
-
公开(公告)号：CN118155066A
公开(公告)日：2024-06-07
申请号：CN202410265339.8
申请日：2024-03-08
Applicant: 东北大学
Abstract: 本发明的基于迁移学习和改进YOLOv5的轧辊表面缺陷识别方法，包括：采集带钢缺陷图片和轧辊表面缺陷图片；对缺陷图片进行数据增强；制作带钢缺陷图片数据集和轧辊表面缺陷图片数据集；构建基于改进YOLOv5的带钢缺陷检测模型；使用带钢缺陷图片的训练集数据对改进YOLOv5的带钢缺陷检测模型进行训练；使用带钢缺陷图片的测试集数据对改进YOLOv5的带钢缺陷检测模型进行验证；以带钢缺陷图片数据集为源域，以轧辊表面缺陷图片数据集为目标域，进行迁移学习获得轧辊表面缺陷识别模型；将轧辊表面缺陷图片数据集的测试集数据输入到轧辊表面缺陷识别模型对缺陷进行判定，得到判定结果。
-
公开(公告)号：CN115846423A
公开(公告)日：2023-03-28
申请号：CN202211114366.2
申请日：2022-09-14
Applicant: 东北大学
Abstract: 本发明公开了一种板带轧制过程轧辊温度的计算方法，包括：获取工作辊的各项参数；根据所述工作辊的各项参数，建立所述工作辊的有限元模型；根据热轧工况，将所述工作辊划分为多个换热区域；计算各所述换热区域的换热系数；根据所述热轧工况和各所述换热区域的相关参数，建立所述工作辊的温度场模型；根据所述工作辊的温度场模型，计算所述工作辊的温度，克服了现有技术无法准确预测周向温度变化，导致轧辊温度预测精度低的技术问题，本发明能够提高轧辊温度预测精度，进而提高带钢的成材率。
-
公开(公告)号：CN114417236B
公开(公告)日：2024-09-27
申请号：CN202210052368.7
申请日：2022-01-18
Applicant: 东北大学
IPC: G06F17/11 , G06Q10/0639 , G06Q50/04 , B21B3/02
Abstract: 本发明属于钢铁轧制技术领域，具体涉及一种基于数据评估的钢铁轧制产品质量优化控制方法。本发明通过多样本的数据采集和处理，在此基础上对样本进行数据评估，筛选出适用模型修正用的准确度最高的样本，以此为源数据；通过模型再计算，实现对钢铁生产过程中的与产品质量直接相关的模型核心参数辊缝、轧制力、轧制速度的修正；在修正过程中，对平滑系数进行最优选取，保证修正效率的同时，提高模型的预测精度，使模型的预测结果更快更准确的接近于实测值，从而实现提升钢铁产品厚度等质量指标的控制效果，最终达到提高同批次产品高质化控制的目的。
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
