-
公开(公告)号：CN117019884A
公开(公告)日：2023-11-10
申请号：CN202311286472.3
申请日：2023-10-08
Applicant: 东北大学
Abstract: 本发明的一种冷连轧各机架出口板形预测可视化方法，包括：获取每个机架的现场轧制数据；根据第一机架的现场轧制数据建立第一机架的有限元模型，进行仿真实验提取稳定轧制阶段的带钢横截面节点数据；根据每个机架的轧辊几何数据、轧辊材料性能数据、轧制工艺参数、入口处的带钢宽向不同位置处的拉伸数据及上一机架的有限元模型的带钢横截面节点数据，建立当前机架的有限元模型；利用每一机架的有限元模型对三种板形执行机构进行控制变量实验，提取每一机架的有限元模型的带钢相对长度差数据并计算每一机架的三种板形执行机构的调控功效系数数据；利用每一机架的三种板形执行机构的调控功效系数建立多机架的出口带钢板形预测数学模型。
-
公开(公告)号：CN114653761B
公开(公告)日：2022-09-02
申请号：CN202210559410.4
申请日：2022-05-23
IPC: B21B37/28
Abstract: 本发明公开一种基于板形闭环调节量的轧辊倾斜输出控制方法，依据PI控制器的设定原理，建立轧辊倾斜闭环反馈PI控制器的控制模型的连续方程及其离散计算表达式。利用冷轧带钢生产的工艺特征和板形闭环反馈控制系统的控制特点，建立带钢规格变化时轧辊倾斜闭环反馈控制的控制量的设置方式，使轧辊倾斜闭环反馈控制的控制量在带钢宽度或厚度变化时实现清零功能。利用焊缝过四机架信号、助卷皮带信号，建立在剪切时轧辊倾斜闭环反馈控制的控制量保持功能。
-
公开(公告)号：CN114091308A
公开(公告)日：2022-02-25
申请号：CN202111392303.9
申请日：2021-11-19
Applicant: 东北大学
IPC: G06F30/23 , G06Q10/04 , G06F17/16 , G06F17/11 , G06F119/14
Abstract: 本发明提供基于三维模型的六辊冷轧机临界振动速度预测方法，属于轧制过程自动化技术领域，基于三维的六辊冷轧机模型预测临界振动速度，考虑到轧辊应视为短粗梁且需考虑剪切变形的影响，选择Timoshenko梁，同时对节点位移矢量采用Hermite插值；通过对轧件、轧辊和牌坊间的受力分析，可以建立轧机‑轧件系统的垂向振动动力学方程，采用Newmark‑Beta法进行求解，可得到特定速度下的轧辊位移响应曲线，若位移响应曲线的幅值恒定，则该速度为轧机的临界振动速度；本发明不仅可以研究二维轧制工艺参数对轧制过程稳定性的影响，还可以分析弯蹿辊等宽向参数对临界轧制速度的影响，在轧制规程制定阶段就预测出轧机的临界振动速度，可以为工艺参数优化提供理论支撑。
-
公开(公告)号：CN112836348A
公开(公告)日：2021-05-25
申请号：CN202110024601.6
申请日：2021-01-08
Abstract: 本发明提供一种基于遗传算法和罚函数法的板形机构调节量优化方法，属于冶金轧制领域，首先根据板形调控功效系数矩阵构建评价函数，然后将评价函数转换为一个约束极值问题，然后通过罚函数法、评价函数构建遗传算法的适应度函数，利用遗传算法迭代计算最优值。本发明使用遗传算法与罚函数结合的方法在保证板形误差较小时，各板形执行机构的调节量分配得到最优；由于其编程简单，计算效率高，且变量个数不受限制，将其引入到板形控制系统中，可以极大的提升计算精度与效率。
-
公开(公告)号：CN105127214B
公开(公告)日：2017-03-22
申请号：CN201510616650.3
申请日：2015-09-23
Applicant: 东北大学
IPC: B21B38/12
Abstract: 本发明提供一种四辊轧机轧制过程中的轧机弹性变形预测方法，包括：获取带钢参数、轧辊参数和轧制参数；分别预测辊系弹性变形和轧机牌坊弹性变形；对预测的辊系弹性变形和牌坊弹性变形求和得到轧机总弹性变形预测值。本发明将理论计算与实验数据回归相结合，将轧制过程的轧机弹性变形分为两部分：辊系弹性变形、轧机牌坊弹性变形。其中，辊系弹性变形通过基于影响函数法的离线计算和数据回归获得，而轧机牌坊弹性变形通过对轧机全长压靠测试获得的实验数据进行回归获得。本发明在大多数四辊轧机调试过程中均能实现，且不需要成本上的投入，通过本发明提供的方法可以提高不同轧制工况下的轧机弹性变形计算精度，从而有效的提高板带轧制过程的厚度控制精度。
-
Patent Agency Ranking
公开(公告)号：CN104998913B
公开(公告)日：2017-03-15
申请号：CN201510367889.1
申请日：2015-06-29
Applicant: 东北大学
IPC: B21B38/00
Abstract: 本发明提供一种冷轧轧制过程中电机功率的预测方法，包括以下步骤：获取带钢参数、轧辊参数和轧制状态参数；通过简易有限元法计算轧制力矩和轧制功率；进行冷轧电机功率损耗测试，得到冷轧电机机械功率损耗与轧制力、轧制速度之间的关系，并计算冷轧电机机械功率损耗；将计算得到的轧制功率、冷轧电机机械功率损耗求和得到冷轧轧制过程中电机功率预测结果。本发明方法在大多轧机调试过程中均能方便的实现，且不需要成本上的投入，通过本发明提供的方法可以得到电机功率损耗与轧制速度、轧制力之间的关系，提高电机功率的预测精度。本发明具有推广应用价值，可推广应用于单机架以及多机架连轧机的电机功率计算中。
-
公开(公告)号：CN102941232A
公开(公告)日：2013-02-27
申请号：CN201210454079.6
申请日：2012-11-12
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明提供一种热连轧精轧过程控制方法，属于轧钢自动控制技术领域，该方法获取PDI数据后，根据轧制计划制定的工艺要求，确定热连轧精轧目标出口厚度和精轧出口目标温度；获得热连轧精轧入口实际温度；确定机架负荷分配；计算轧制参数，包括各机架的轧辊线速度、入口温度、轧制力、辊缝位置和电机力能参数；对步轧制参数进行极限校核，判断轧制参数是否满足设备运转条件，若满足，则将轧制参数以指令的形式下发到控制系统中，控制热连轧精轧过程。否则重新计算。通过对轧制力的计算，实现预报精度和厚度精度的提高，准确预报轧辊的使用周期，基于轧辊热膨胀模型，轧制过程中不同的轧制间歇，良好厚度控制精度。
-
公开(公告)号：CN114091308B
公开(公告)日：2024-04-09
申请号：CN202111392303.9
申请日：2021-11-19
Applicant: 东北大学
IPC: G06F30/23 , G06F17/16 , G06F17/11 , G06F119/14
Abstract: 本发明提供基于三维模型的六辊冷轧机临界振动速度预测方法，属于轧制过程自动化技术领域，基于三维的六辊冷轧机模型预测临界振动速度，考虑到轧辊应视为短粗梁且需考虑剪切变形的影响，选择Timoshenko梁，同时对节点位移矢量采用Hermite插值；通过对轧件、轧辊和牌坊间的受力分析，可以建立轧机‑轧件系统的垂向振动动力学方程，采用Newmark‑Beta法进行求解，可得到特定速度下的轧辊位移响应曲线，若位移响应曲线的幅值恒定，则该速度为轧机的临界振动速度；本发明不仅可以研究二维轧制工艺参数对轧制过程稳定性的影响，还可以分析弯蹿辊等宽向参数对临界轧制速度的影响，在轧制规程制定阶段就预测出轧机的临界振动速度，可以为工艺参数优化提供理论支撑。
-
公开(公告)号：CN117282780A
公开(公告)日：2023-12-26
申请号：CN202311331192.X
申请日：2023-10-16
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明提供一种多道次冷轧带钢断面形貌智能控制方法，包括以下步骤：步骤1：在冷连轧现场AGC厚度控制稳定情况下进行轧机急停机，采集每个机架的轧制数据；步骤2：将冷连轧现场的每个机架分别视作一个有限元模型，依次建立各个机架的有限元模型；步骤3：利用建立的有限元模型对每个机架的三种板形执行机构进行控制变量实验，提取每个机架的稳定轧制阶段的带钢宽度数据和断面形状数据，计算每个机架的三种板形执行机构的调控功效系数；步骤4：建立多机架的出口带钢断面形貌预测数学模型并进行精度验证，并对多机架的出口带钢断面形貌预测数学模型进行封装得到每个机架出口带钢断面形貌预测的二维和三维可视化软件。
-
公开(公告)号：CN117131732A
公开(公告)日：2023-11-28
申请号：CN202311058191.2
申请日：2023-08-22
IPC: G06F30/23 , G06F30/27 , G16C60/00 , G06N3/006 , G06F113/08 , G06F119/14 , G06F119/08
Abstract: 本发明的一种基于数字孪生的四辊热轧机支撑辊磨损量预测方法，包括：将影响支撑辊磨损的工艺参数作为特征参数；收集特征参数数据及轧辊磨损实际数据；建立支撑辊磨损仿真模型；将采集的特征参数数据输入到仿真模型中，计算轧辊磨损实际数据和轧辊磨损仿真数据的误差数据；将特征参数数据、轧辊磨损实际数据以及误差数据构成数据集并进行数据清理和归一化处理；将数据集划分为训练集和测试集；基于支持向量机算法，结合训练集中的误差数据建立有限元误差补偿模型；采用粒子群优化算法，对有限元误差补偿模型进行优化；将优化后的有限元误差补偿模型和支撑辊磨损仿真模型串联生成数字孪生模型；将测试集输入到数字孪生模型，获得预测的磨损值。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.034 seconds)
