-
公开(公告)号：CN113094629B
公开(公告)日：2023-08-04
申请号：CN202110393259.7
申请日：2021-04-13
Applicant: 东北大学
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步轧制的轧制力设定方法：钢带异步轧制的变形区划分为三部分，从入口到出口依次为后滑区、搓轧区、前滑区。将后滑区、搓轧区、前滑区的接触弧分别划分为多个微单元并计算每个微单元的单位轧制压力，将单位轧制压力分别加和即得到轧制力的计算值。进行迭代计算使轧制力计算值收敛，即可得到钢带异步轧制过程轧制力的设定值。本发明可用于轧辊线速度不同、轧辊辊径不同、轧辊摩擦系数不同等各种情况的异步轧制过程中轧制力参数的设定，得到的轧制力设定值与实测轧制力误差值在5％以内，计算精度高。
-
公开(公告)号：CN115007658A
公开(公告)日：2022-09-06
申请号：CN202210444007.7
申请日：2022-04-26
Applicant: 东北大学
Abstract: 本发明涉及基于深层循环神经网络的冷连轧轧制板形动态预测方法，属于冶金自动化、智能化技术领域。本发明提供一种基于堆叠循环神经网络对冷连轧中间机架轧制板形进行动态预测的方法。首先建立一个由机架轧制参数和板形控制参数作为输入层，以分布式板形值作为输出层，具有两个隐藏层并以冷轧机组机架数为时间序列展开的深层循环神经网络；然后利用冷轧机组历史轧制时序数据，板形辊测量数据和通过影响函数法获得的中间机架轧制板形计算数据作为训练数据对所建立的板形预报网络进行离线预训练和二次训练；将经过验证后完成训练的板形预报网络用于冷轧生产过程中各机架轧制板形的动态预测。
-
公开(公告)号：CN112131728A
公开(公告)日：2020-12-25
申请号：CN202010946617.8
申请日：2020-09-10
Applicant: 东北大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步连轧过程的变形抗力计算方法。通过钢带材料试样的热压缩实验和常规单机架冷轧实验通过回归得到变形抗力数学模型中与钢带材料相关的回归系数，通过温度、工作轧辊的半径、轧辊的线速度、带材轧制前后的厚度等参数和相应的公式，建立钢带异步热连轧和异步冷连轧过程的变形抗力数学模型，并根据上述参数进行具体道次变形抗力值的计算。计算出的变形抗力可以用于对异步连轧过程中张力、轧制力等重要参数的精准设定。
-
公开(公告)号：CN112131728B
公开(公告)日：2023-10-13
申请号：CN202010946617.8
申请日：2020-09-10
Applicant: 东北大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步连轧过程的变形抗力计算方法。通过钢带材料试样的热压缩实验和常规单机架冷轧实验通过回归得到变形抗力数学模型中与钢带材料相关的回归系数，通过温度、工作轧辊的半径、轧辊的线速度、带材轧制前后的厚度等参数和相应的公式，建立钢带异步热连轧和异步冷连轧过程的变形抗力数学模型，并根据上述参数进行具体道次变形抗力值的计算。计算出的变形抗力可以用于对异步连轧过程中张力、轧制力等重要参数的精准设定。
-
公开(公告)号：CN115007658B
公开(公告)日：2023-02-14
申请号：CN202210444007.7
申请日：2022-04-26
Applicant: 东北大学
Abstract: 本发明涉及基于深层循环神经网络的冷连轧轧制板形动态预测方法，属于冶金自动化、智能化技术领域。本发明提供一种基于堆叠循环神经网络对冷连轧中间机架轧制板形进行动态预测的方法。首先建立一个由机架轧制参数和板形控制参数作为输入层，以分布式板形值作为输出层，具有两个隐藏层并以冷轧机组机架数为时间序列展开的深层循环神经网络；然后利用冷轧机组历史轧制时序数据，板形辊测量数据和通过影响函数法获得的中间机架轧制板形计算数据作为训练数据对所建立的板形预报网络进行离线预训练和二次训练；将经过验证后完成训练的板形预报网络用于冷轧生产过程中各机架轧制板形的动态预测。
-
Patent Agency Ranking
公开(公告)号：CN114192587B
公开(公告)日：2022-09-13
申请号：CN202111514549.9
申请日：2021-12-13
Applicant: 东北大学
IPC: B21B37/28
Abstract: 本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。首先基于多层前馈神经网络建立冷轧板形预报网络，利用收集的历史冷轧轧制参数、板形控制参数等轧制数据和历史板形数据对冷轧板形预报网络进行离线训练，并将训练好的网络作为板形控制参数优化网络，用于在线计算。然后将所需的当前带钢的冷轧轧制参数、板形控制参数初始设定值以及板形目标值输入到板形控制参数优化网络。利用板形控制参数优化网络的网络预报板形值与板形目标值的偏差，基于误差反向传播算法对板形控制参数按照优先级进行逐一迭代计算，获得优化后的板形控制参数。
-
公开(公告)号：CN116727457A
公开(公告)日：2023-09-12
申请号：CN202310723850.3
申请日：2023-06-19
Applicant: 东北大学
IPC: B21B37/28 , B21B38/02 , G06F30/27 , G06N3/047 , G06N3/048 , G06N3/088 , G06N3/09 , G06F111/08 , G06F113/24
Abstract: 本发明提供一种基于深度置信网络的冷轧板形概率预报方法，涉及冶金自动化技术领域。该方法首先根据板形辊检测单元数量，确定板形预报所需的Softmax分类器数量；并进行板形统计和网格划分，得到Softmax分类器的类别数量及类别概率标签向量；然后建立由多个RBM层叠并与各Softmax分类器进行全连接的深度置信网络作为板形预报网络；并以带钢轧制数据和板形控制数据作为网络输入，对层叠的RBM进行无监督学习。再以层叠的RBM网络整体输出值作为输入，分别对各Softmax分类器进行有监督学习。在利用板形预报网络进行板形预测时，以各分类器预报的类别最大概率值所处的网格板形中间值作为各单元板形的板形初始值，最后再按照板形自平衡原则确定各单元板形的板形预报值。
-
公开(公告)号：CN113094629A
公开(公告)日：2021-07-09
申请号：CN202110393259.7
申请日：2021-04-13
Applicant: 东北大学
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步轧制的轧制力设定方法：钢带异步轧制的变形区划分为三部分，从入口到出口依次为后滑区、搓轧区、前滑区。将后滑区、搓轧区、前滑区的接触弧分别划分为多个微单元并计算每个微单元的单位轧制压力，将单位轧制压力分别加和即得到轧制力的计算值。进行迭代计算使轧制力计算值收敛，即可得到钢带异步轧制过程轧制力的设定值。本发明可用于轧辊线速度不同、轧辊辊径不同、轧辊摩擦系数不同等各种情况的异步轧制过程中轧制力参数的设定，得到的轧制力设定值与实测轧制力误差值在5％以内，计算精度高。
-
公开(公告)号：CN112131528A
公开(公告)日：2020-12-25
申请号：CN202010946082.4
申请日：2020-09-10
Applicant: 东北大学
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步冷连轧过程张力分配设定方法，解决了现有技术中缺少异步冷连轧过程的张力分配的数学模型和计算方法的问题。根据常规轧制实验获得冷连轧变形抗力数学模型中的与钢带材料相关的回归系数，根据冷连轧过程中各机架处轧辊的半径、轧辊的线速度、带材轧制前后的厚度等参数和回归系数，计算张力分配设定值，以实现对钢带异步轧制过程张力参数进行精准设定，调节各机架的负荷，稳定轧制过程的目的。
-
公开(公告)号：CN112131528B
公开(公告)日：2023-08-04
申请号：CN202010946082.4
申请日：2020-09-10
Applicant: 东北大学
Abstract: 本发明属于轧制生产技术领域，具体涉及一种钢带异步冷连轧过程张力分配设定方法，解决了现有技术中缺少异步冷连轧过程的张力分配的数学模型和计算方法的问题。根据常规轧制实验获得冷连轧变形抗力数学模型中的与钢带材料相关的回归系数，根据冷连轧过程中各机架处轧辊的半径、轧辊的线速度、带材轧制前后的厚度等参数和回归系数，计算张力分配设定值，以实现对钢带异步轧制过程张力参数进行精准设定，调节各机架的负荷，稳定轧制过程的目的。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.124 seconds)
