本发明提供一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法。本发明包括：收集一定生产周期内的n组带钢规格参数、力学性能参数等生产数据，酸轧机组的设备参数，基于上述参数计算摩擦系数，任意一组理论轧制力，计算优化目标函数。本发明根据带钢生产现场的实际情况，充分结合酸轧机组的设备特点，考虑到不同的生产条件下，带钢所需的热轧温度不同，对轧制过程中的摩擦系数影响也不同，通过对模型的计算求得热轧的终轧温度与卷曲温度对平整摩擦系数的影响系数，当在后续的生产过程中遇到相应的产品时能够对该产品的冷轧过程中的摩擦系数进行预测，有效解决了机组摩擦系数的预测问题，为现场机组的生产控制提供了一定的理论基础。
📄 2020105612620
📂 B21B37_28
👤 燕山大学,鞍钢股份有限公司
📅 2020-06-18
本发明公开了一种基于内点惩罚函数法的边部减薄多点优化控制方法，属于冶金轧制技术领域，按如下步骤进行：步骤一：从边部减薄检测装置中实时采集数据及处理；步骤二、通过有限元模拟的方法，计算出工作辊横移边部减薄的影响程度，建立调控功效系数矩阵；步骤三、基于内点惩罚函数法，计算调整机构的调整量；步骤四、将横移量输出到工作辊横移执行机构。本发明的边部减薄多点控制方法，通过有限元仿真建立调控功效系数向量，采用内点惩罚函数的优化方法对带钢边部进行多目标监控、优化，实现了边部减薄多目标优化，综合考虑了带钢边部减薄的连续性，提高了对边部减薄的控制精度。
📄 2020100185200
📂 B21B37_28
👤 燕山大学
📅 2020-01-08
本发明为一种基于分步优化和影响因素补偿的板形标准曲线制定方法，包括以下步骤：(a)设定基本板形标准曲线和出口厚度横向分布曲线方程；(b)将板形判别模型和板形预报模型分开独立计算，通过分步优化得到基本板形标准曲线和出口厚度横向分布曲线；(c)分别计算带钢横向温差补偿量、检测辊挠度和带钢卷形补偿量；(d)将带钢横向温差补偿量、检测辊挠度和带钢卷形补偿量分别叠加到基本板形标准曲线上，得到板形标准曲线。本发明原理清晰，计算快速稳定。制定的板形标准曲线应用于冷带连轧机板形控制，效果明显，方便新产品的开发。
📄 2009100741262
📂 B21B37_28
👤 燕山大学
📅 2009-04-10
本发明提供了一种板带冷、热连轧机板形控制系统的集成方法。该板形控制系统包括：轧件塑性变形模块、辊系弹性变形模块、轧件与轧辊温度场模块、辊系磨损模块、平直度良好判别模块、板形模式识别模块、板形标准曲线模块、板形控制模块。本发明将上述各模块按照其内在关系集成后，可以全面最优地解决多种板形控制问题，实际应用时采用一套计算流程，有效地节省了劳动时间。
📄 2009100750825
📂 B21B37_28
👤 燕山大学
📅 2009-08-05
本发明提供一种考虑后续工艺板形要求的板形目标曲线设定方法，包括如下步骤：S1：根据后续工艺板形要求设定板形要求；S2：设定轧机参数、轧件参数和加工工艺参数；S3：输入板形板厚预报模型中，得到出口厚度分布和残余应力分布；S4：输入板形失稳判别模型中进行残余应力分布失稳判别；S5：输入板形模式识别模型中进行板形分离；S6：形成板形目标曲线。本发明通过对轧制过程板形板厚的计算，将板形目标曲线与轧机控制参数结合，对加工参数起到一定的优化作用，减轻轧机板形控制系统的压力，其中计算得到的板形目标以后续工艺为参考，可以避免后续工艺加工时出现的问题，提高生产效率及产品质量。
📄 2020109563248
📂 B21B37_28
👤 燕山大学
📅 2020-09-11
本发明提供了一种非方板形控制系统的优化方法，其包括：利用板形控制变形机理模型，计算控制系统的影响矩阵，求解系统开环传递函数，计算非方相对增益矩阵，分析各控制回路的耦合程度，制定非方板形控制系统的解耦策略；针对挑选出的非方控制回路应用广义逆解耦理论进行控制，分解并消除解耦控制器的不稳定极点；制定中间辊窜辊影响系数变量模型；通过多项式拟合设计广义逆‑对角矩阵解耦的中间辊窜辊控制策略，计算中间辊窜辊最小调节量。本发明提高了系统的动态特性，减小了系统调节时间，降低了中间辊窜辊的使用频率和调节量，简单实用且有效。
📄 2021100648029
📂 B21B37_28
👤 燕山大学
📅 2021-01-18
本发明提供一种考虑目标凸度的板形目标曲线设定方法，包括如下步骤：S1：获得第一模型，第一模型包括各道次的目标凸度和轧后凸度；S2：获得第二模型，第二模型为各道次的判别因子；S3：判断各道次的判别因子和轧后凸度是否满足要求；S4：当所有板形调整手段到达极限值时仍未得到理想的轧后凸度和板形，证明在保证板带不失稳条件下，轧机在该道次的凸度控制能力已经达到极限；此时需要重新设定最终道次的目标凸度，即重复步骤S1～S3，直到可以计算出板形和轧后凸度都满足要求的板形目标曲线为止。本发明充分利用了轧机的凸度和板形调控能力进行板形预报；在得到板形目标曲线时可以定量控制各道次轧后凸度，即在保证板形合格的同时也保证凸度符合要求。
📄 2021106482737
📂 B21B37_28
👤 燕山大学
📅 2021-06-10
本发明公开了一种基于深度自编码的冷轧带材板形模式识别方法及系统，其包括：1、收集冷轧带材生产过程中的板形数据作为样本数据并进行预处理；2、建立深度自编码神经网络冷轧带材板形模式识别模型Autoencoder；3、深度自编码神经网络带材板形模式识别模型的训练与预测；4、根据训练结果对模型的训练参数进行调优；5、保存训练后的模型参数，获得深度自编码神经网络冷材带钢板形模式识别模型RM；6、将冷轧带材板形模式识别模型RM嵌入板形检测与控制系统中，获得的板形模式分量反馈于板形控制系统。该方法基于无监督深度自编码神经网络对板形数据进行特征提取并获得5种板形基本模式，它能够准确、快速的识别板形，对板形控制具有重要意义。
📄 2021105874488
📂 B21B37_28
👤 北京弥天科技有限公司
📅 2021-05-27
本发明公开了一种轧辊横移位置误差的补偿方法，涉及冶金轧制技术领域。首先，本发明考虑了因轧辊横移预设定移动距离与轧辊横移上、下执行液压缸实际移动距离存在的偏差，而导致冷轧带钢表面弯辊力分布不均的现象，使弯辊力能够均匀施加于冷轧带钢表面；其次，本发明依据现有轧制规程和实时采集数据，可将此补偿方法应用于四辊、六辊冷连轧机的每个机架，具有广泛的适用性；再次，采用该方法可以消除轧辊横移预设定移动距离与轧辊横移上、下执行液压缸实际移动距离存在的偏差，提升冷轧带钢产品质量；最后，该方法计算形式简洁、无复杂运算流程，可将该方法快速地转化为计算机编程语言所要求的形式，并应用到冷轧带钢板形自动控制系统中。
📄 2021114515446
📂 B21B37_28
👤 燕山大学; 东北大学
📅 2021-12-01
本发明公开一种归一式板形目标曲线的设置方法，首先建立了高次项的板形目标曲线的初始表达式，并将其分成奇数项板形目标曲线和偶数项板形目标曲线。利用归一化算法对奇数项板形目标曲线和偶数项板形目标曲线计算值进行归一化处理，形成经归一化后的偶数项板形目标曲线系数和奇数项板形目标曲线系数。设定两种曲线的增益系数以实现板形目标曲线的放大功能。本发明方法获得的板形目标曲线方程的最终表达式具有可视化程度高、设置简单且易操作的特点，便于现场人员理解和使用。
📄 2022105166722
📂 B21B37_28
👤 燕山大学; 东北大学
📅 2022-05-12
本发明属于冶金轧制技术领域，涉及一种基于数字孪生模型的冷轧板形预设定控制方法，包括：运用回归方法拟合出中间辊横移量预设定数学模型；采集冷轧过程实测数据，提取影响冷轧弯辊力的特征参数；采用孤立森林算法检测和剔除每种特征参数数据集中的异常值；利用拉格朗日插值法对清洗后的每种特征参数进行缺失值的填补，对特征参数进行归一化处理，并划分训练集和测试集；建立BP神经网络预测模型，通过训练集数据训练BP神经网络获得最优的隐含层节点数目；运用麻雀搜索算法优化BP神经网络的初始权值和阈值，获得训练好的SSA‑BP冷轧弯辊力预设定值预测模型；利用测试集验证训练好的SSA‑BP冷轧弯辊力预设定值预测模型的预测精度。
📄 2024106418984
📂 B21B37_28
👤 燕山大学,东北大学
📅 2024-05-23
本发明公开了一种自适应冷轧带材多通道板形预报方法。该方法主要包括以下步骤：采集冷轧带材轧制生产数据并进行预处理；基于极端梯度提升算法建立冷轧带材多通道板形预报模型；利用训练集对冷轧带材多通道板形预报模型进行训练得到模型CSFP_M；将噪声板形通道优化算法与模型CSFP_M融合得到自适应冷轧带材多通道板形预报模型Adaptive‑CSFP_M；将模型Adaptive‑CSFP_M嵌入冷轧带材板形测控系统实现板形的提前预报。该方法针对不同规格的带材轧制生产数据能够在满足工业生产速度的条件下准确预报板形，并且能够有效消除预报板形中出现的噪声通道实现自适应调节，对提高冷轧带材质量具有重要意义。
📄 2023110401356
📂 B21B37_28
👤 燕山大学
📅 2023-08-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台