公开(公告)号：CN116343360A

公开(公告)日：2023-06-27

申请号：CN202310308077.4

申请日：2023-03-28

Applicant: 东北大学

Inventor： 李旭 ,  刘宏旭 ,  张欣 ,  陈树宗 ,  王鹏飞 ,  李晓华 ,  陈方升 ,  贾大朋 ,  张海东 ,  沈志前

IPC: G07C3/14 ,  G07C3/00 ,  G06F18/2113 ,  G06F18/15 ,  G06N3/086 ,  G06N3/084 ,  G06N3/048 ,  B21B38/00 ,  B21B38/04

Abstract: 本发明的一种基于数据驱动的冷轧带钢纵向厚度连续预测方法，包括：选取冷连轧生产线与带钢出口厚度相关的实测数据及过程自动化级计算数据作为初选输入特征；对实测数据和计算数据进行数据清洗和归一化处理，获得初选建模数据集；将冷连轧过程分为首尾加减速阶段和高速稳定轧制阶段，使用随机森林算法对初选输入特征进行重要性分析，选取冷连轧过程中不同轧制阶段的输入特征；根据不同轧制阶段的输入特征选取结果，确定两个轧制阶段的DNN模型的拓扑结构，选取模型参数，对初步建立的DNN模型进行训练；训练过程中使用遗传算法对DNN模型进行优化，提升预测精度；使用优化后的DNN模型进行带钢出口厚度预测。

公开(公告)号：CN116000106B

公开(公告)日：2023-06-16

申请号：CN202310302713.2

申请日：2023-03-27

Applicant: 东北大学

Inventor： 李旭 ,  曹雷 ,  陈方升 ,  张欣 ,  张殿华

IPC: B21B37/58 ,  G06N3/0442 ,  G06N3/0985 ,  G07C3/00

Abstract: 本发明的一种冷连轧升降速阶段的轧制力设定方法，包括如下步骤：步骤1：采集轧件参数、轧制工艺参数以及轧辊参数；步骤2：根据轧件变形特点，构建满足体积不变条件和速度边界条件的动态速度场和应变速率场，得到轧件成形功率泛函表达式，解得泛函及各成形功率最小值；步骤3：将步骤1采集的参数连同步骤2中得到的内部塑性变形功率、剪切功率和张力功率作为初选输入特征，计算初选输入特征与轧制力间的互信息熵，剔除互信息熵较低的特征，得到模型的最终输入特征；步骤4：建立LSTM网络模型并确定最优超参数，对训练过程中的学习率进行优化以提升网络初始稳定性和训练速度，根据实际生产数据进行网络训练以及轧制力预测。

公开(公告)号：CN116000106A

公开(公告)日：2023-04-25

申请号：CN202310302713.2

申请日：2023-03-27

Applicant: 东北大学

Inventor： 李旭 ,  曹雷 ,  陈方升 ,  张欣 ,  张殿华

IPC: B21B37/58 ,  G06N3/0442 ,  G06N3/0985 ,  G07C3/00

Abstract: 本发明的一种冷连轧升降速阶段的轧制力设定方法，包括如下步骤：步骤1：采集轧件参数、轧制工艺参数以及轧辊参数；步骤2：根据轧件变形特点，构建满足体积不变条件和速度边界条件的动态速度场和应变速率场，得到轧件成形功率泛函表达式，解得泛函及各成形功率最小值；步骤3：将步骤1采集的参数连同步骤2中得到的内部塑性变形功率、剪切功率和张力功率作为初选输入特征，计算初选输入特征与轧制力间的互信息熵，剔除互信息熵较低的特征，得到模型的最终输入特征；步骤4：建立LSTM网络模型并确定最优超参数，对训练过程中的学习率进行优化以提升网络初始稳定性和训练速度，根据实际生产数据进行网络训练以及轧制力预测。