CN104785535A - 一种基于模糊算法的冷轧平坦度质量判定方法 - Google Patents
一种基于模糊算法的冷轧平坦度质量判定方法 Download PDFInfo
- Publication number
- CN104785535A CN104785535A CN201510048339.3A CN201510048339A CN104785535A CN 104785535 A CN104785535 A CN 104785535A CN 201510048339 A CN201510048339 A CN 201510048339A CN 104785535 A CN104785535 A CN 104785535A
- Authority
- CN
- China
- Prior art keywords
- alpha
- sigma
- wave
- value
- plate shape
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明一种基于模糊算法的冷轧平坦度质量判定方法,包括步骤如下:对板形仪单次测量残差数据进行二次函数拟合,确定拟合函数一次项系数与二次项系数,标定中浪与边浪特征值;对板形仪单次测量残差数据四分之一位置进行二次函数拟合,确定二次项系数,标定四分之一部位的板形特征值;对板形仪所有通道值进行相邻差比较取最值处理,确定局部板形特征值;通过模糊算法处理,计算带钢全长综合板形特征矩阵;通过加权算法,确定板形质量等级。通过本发明,可以在考虑复杂浪形的情况下,对冷轧板材的平坦度做出准确判定,提高冷轧平坦度的判定水平。
Description
技术领域:
本发明涉及冶金自动化、轧制技术,具体指一种基于模糊算法的冷轧平坦度质量判定方法。
背景技术:
随着现代化工业技术的快速发展,特别是我国汽车制造、机电设备、高精密仪器、国防工业等技术领域的不断扩大,对高质量带钢的需求量正在逐年提升。冷轧板带由于其具有良好的机械性能与工艺性能,一直以来就占据着重要的市场份额,被广泛应用于各个领域。平坦度作为判定板形质量的重要衡量标准,是钢铁生产企业与市场用户关注的重点指标,但由于影响平坦度的不良因素众多,浪形产生部位沿带钢宽度方向均可出现,这就给带钢整体的平坦度综合评定带来了困难,所以,需要一种能够考虑各种复杂浪形的平坦度判定方法,来完善带钢平坦度的评价体系。
板带材在轧制后,由于在其纵向方向上存在不均匀的应力,表现在宏观上就是板带产生浪形,即平坦度缺陷。由于轧机辊系配置情况,窜辊情况,弯辊情况,轧辊磨损,轧辊冷却等诸多方面都会对平坦度产生影响,可能会产生中浪、边浪、四分之一浪以及局部浪形和起筋,同时这些平坦度缺陷问题亦会以各种组合情况出现在同一块带钢上,这就给平坦度判定问题带了难度。
现有的带钢平坦度判定方法中,大多都以边浪,中浪,四分之一浪作为平坦度判定的主要依据,并且各个判定因素分开进行,并根据各不良平坦度的产生部位相应对轧机进行在线反馈控制,以消除缺陷。但在实际应用中,高次浪形及局部浪形的出现使得平坦度缺陷的表现形式更加复杂,加大了控制的难度。为此,开发一种冷轧平坦度的综合质量判定方法,并将判定结果定性的输出以便技术人员及轧制模型做出相应的反应,实现带钢平坦度的准确识别具有积极的意义。
文献1(王志勇.基于模糊混沌的板形识别与控制技术的研究.秦皇岛:燕山大学,2006.)中介绍了运用模糊混沌法对板形信号进行处理,并对一次板形、二次板形、四次板形分量给出分量表达,使得板形拟合曲线更加符合实际。文献2(丁顺风.带钢板形智能统计及模糊评价模型研究.秦皇岛:燕山大学,2013-12.)中介绍了运用板形识别方法分别对一次板形、二次板形、三次板形、四次板形做出识别,并采用统计方法对各板形指标进行统计,通过板形等级划分及隶属度对带钢进行综合评价。文献3(张秀玲.冷带轧机板形智能识别与智能控制研究.秦皇岛:燕山大学,2002-9.)介绍了基于标准板形模式距离的GA-BP神经网络优化识别方法,并对一次板形、二次板形以及四次板形做出识别。专利1(冷轧带钢板形智能综合评价方法,201310280465.2)提出了基于勒让德多项式最小二乘法的板形模式识别,并应用模糊综合评判理论以及模糊神经网络理论基础,针对一次板形、二次板形、三次板形、四次板形做出综合评判。从目前可以检索到的资料来看,还没有发现综合考虑一次板形、二次板形、高次板形以及局部板形、亮带、起筋等影响因素的冷轧板形评判方法。为此,本发明提出了一种基于模糊算法的冷轧平坦度质量判定方法,可以针对各种复杂板形做出综合质量判定,更贴近冷轧带钢生产的板形控制,丰富冷轧带钢平坦度的判定手段。
发明内容:
本发明提供了一种基于模糊算法的冷轧平坦度质量判定方法,具体是指针对板形仪所得各通道板形残差数据进行二次函数拟合,确定引起边浪、中浪、四分之一浪的板形特征值,并对所有通道值进行判定找出引起局部浪形的特征值。针对上述所有特征值,最终通过模糊评测的方法对带钢的平坦度质量做出综合判定。
本发明的技术方案:一种基于模糊算法的冷轧平坦度质量判定方法,所述方法包括以下步骤:
1)计算边浪与中浪特征值。通过装在精轧出口的板形仪,得到板形仪每个通道板形残差数据,对全部有效通道残差数据进行二次函数拟合,记录拟合函数的一次项系数a以及二次项系数b。有效通道残差指带钢宽度覆盖范围内的通道
二次函数为:
y1=ax2+bx+c
其中:x为宽度归一化坐标,a,b,c为函数系数。
当a为“+”时,表示双边浪,取a1=a,a2=0;
当a为“-”时,表示中浪,取a1=0,a2=a;
当b为“+”时,表示操作侧浪,取b1=b,b2=0;
当b为“-”时,表示传动侧浪,取b1=0,b2=b。
2)计算宽度四分之一位置板形特征值。针对宽度四分之一处板形残差进行二次函数拟合。对于四分之一位置,分别以两侧四分之一处板形仪通道所在位置为坐标原点(中心通道),建立相互独立的坐标系,x轴为宽度值,y轴为残差值。拟合规则如下:
以两侧四分之一处所在通道为中心,分别向两侧取n(n=5-9)个通道值进行二次函数拟合,函数的二次项系数即为四分之一浪板形特征值。n的取值与带钢宽度有关,带钢最窄时取n=5,最宽时取n=9。
拟合方程为:
y2=dx2+ex+f
其中:x为宽度归一化坐标,d,e,f为函数系数。
距离操作侧四分之一处拟合函数系数d和e绝对值之和表示操作侧四分之一浪,记作d1;
距离传动侧四分之一处拟合函数系数d和e绝对值之和表示传动侧四分之一浪,记作d2。
3)计算局部板形特征值w。针对每一通道进行逐一搜索,确定单通道的板形特征值。这里的特征值,具体是指单一通道pr分别与相邻两侧通道pr-1,pr+1值之差的最大值,计算方法如下:
其中,g表示单通道板形特征值。r=2~(n-1),n为通道总数。
w=max|gkk/2+1,gkk+2,……gn-kk/2|
其中:kk为边部无效的通道数,kk取值范围为2-10的偶数。无效通道是指不在带钢宽度覆盖范围内的通道,由于带钢总是对中的,传动侧和操作侧无效通道数相等。
4)针对所有板形特征值进行模糊评分,确定综合板形评分矩阵。具体评分规则如下:
①对于双边浪特征值a1,其评分规则为:
其中:h1为a1评分值,α11为双边浪的下边界值,α21为双边浪的上边界值。。
②对于中浪特征值a2,其评分规则为:
其中:h2为a2评分值,α12为中浪的下边界值,α22为中浪的上边界值。
③对于操作侧单边浪特征值b1,其评分规则为:
其中:h3为b1评分值,α13为操作侧浪的下边界值,α23为操作侧浪的上边界值。
④对于传动侧单边浪特征值b2,其评分规则为:
其中:h4为b2评分值,α14为传动侧浪的下边界值,α24为传动侧浪的上边界值。
⑤对于操作侧四分之一浪特征值d1,其评分规则为:
其中:h5为d1评分值,α15为操作侧四分之一浪的下边界值,α25为操作侧四分之一浪的上边界值。
⑥对于传动侧四分之一浪特征值d2,其评分规则为:
其中:h6为d2评分值,α16为传动侧四分之一浪的下边界值,α26为传动侧四分之一浪的上边界值。
⑦对于局部浪特征值w,其评分规则为:
其中:h7为w评分值,α17为局部浪的下边界值,α27为局部浪的上边界值。
对板带全长进行评分,整体策略为:对于头、尾部板形特征值进行弱化修正处理,中间部分板形特征值保留处理,通过加权平均法计算全长板形特征值。具体计算规则如下:
其中:v为带钢全长范围内板形仪测量次数。1~j为头部位置;(j+1)~m为中间位置;(m+1)~v为尾部位置。Shead,Stail分别为头部弱化修正系数与尾部弱化修正系数,其中,0.2<Shead<0.8;0.2<Stail<0.8。
通过上述公式,即可得到带钢全长板形模糊评分矩阵为:
A=|H1 H2 H3 H4 H5 H6 H7|
注:如果矩阵A中有任意一项评分为0,则整个板形判定为不良。
5)确定综合评分。
各影响因素的权重矩阵为:
B=|W1 W2 W3 W4 W5 W6 W7|
其中:
综合判定矩阵为:
C=A×BΤ
其中:BT为权系数矩阵B的转置。
根据C值的结果所在范围,确定带钢平坦度综合评定等级。具体评级规则如下:
一级:8-10;二级:6-8;三级:4-6;四:2-4;五级:0-2。
本发明的冷轧平坦度质量判定计算整体流程如图1所示。
本发明的实际应用效果明显,使得板形质量判定的准确性大幅提高,误判率下降了63%左右。极大的降低了技术人员数据分析的工作量,并为板形质量控制改进提供了强有力的数据支持。
附图说明:
图1平坦度判定流程。
图2板形仪单次测量结果示意图。
具体实施方式:
下面结合具体实施例对本发明的技术方案做进一步说明。
以国内某冷轧板卷厂生产中板形仪实测数据为例,在生产某规格牌号带钢时,板形仪共开启有效通道22路,全长共检测327组数据,共7194个板形记录值,对所有板形残差数据进行综合模糊评分判定如下:
以第100次检测数据为例,如图2所示。其板形残差数据如下表1所示:
表1实测板形仪残差数据表
通道编号 | 残差值 | 通道编号 | 残差值 |
1 | 1.99 | 12 | -2.77 |
2 | 1.87 | 13 | -0.15 |
3 | 3.56 | 14 | 1.27 |
4 | 2.03 | 15 | 2.02 |
5 | 1.02 | 16 | 1.78 |
6 | 3.25 | 17 | 5.31 |
7 | 1.13 | 18 | 8.87 |
8 | 0.59 | 19 | 10.75 |
9 | 0.92 | 20 | 6.8 |
10 | 0.58 | 21 | 2.06 |
11 | -0.17 | 22 | -8.87 |
1)对22路残差信号进行二次函数拟合,x坐标进行归一化处理,即x=[-1,1]根据拟合公式:
y1=ax2+bx+c
得到:
y1=0.3136x2+0.5867x+1.8782
即:a1=0.3136;a2=0;b1=0.5867;b2=0
2)对两侧四分之一位置进行函数拟合,四分之一处的通道号分别为6和17,取四分之一位置两侧各5个通道进行函数拟合,则参与拟合的通道号分别为4~8和15~19,,如表2所示,:
表2实测板形仪残差四分之一位置数据
利用公式
y2=dx2+ex+f
分别对带钢两侧四分之一位置测量值进行函数拟合,x进行[-1,1]归一化处理。得到拟合方程如下:
y2(4-8)=-0.9743x2-0.554x+2.0911
y2(15-19)=1.22x2+4.91x+5.136
即:
d1=|1.22|+|4.91|=6.13
d2=|-0.9743|+|-0.554|=1.5283
3)计算局部板形特征值。
分别计算22个通道与相邻通道差值的最值,如表3所示:
表3各个通道邻位差最值表
通道编号 | 相邻通道差的最值 | 通道编号 | 残差值 |
1 | 0.12 | 12 | 2.62 |
2 | 1.69 | 13 | 2.62 |
3 | 1.69 | 14 | 1.42 |
4 | 1.53 | 15 | 0.75 |
5 | 2.23 | 16 | 3.53 |
6 | 2.23 | 17 | 3.56 |
7 | 2.12 | 18 | 3.56 |
8 | 0.54 | 19 | 3.95 |
9 | 0.34 | 20 | 4.74 |
10 | 0.75 | 21 | 10.93 |
11 | 2.6 | 22 | 10.93 |
对两侧边部各3个通道的数据进行忽略,即kk=3,通过公式:
w=max|gkk+1,gkk+2,……gn-kk|
得到:w=3.95
4)计算带钢全长综合板形特征值。
通过以上步骤计算得到初始特征值矩阵:
|a1 a1 b1 b2 d1 d2 w|=|0.3136,0,0.5867,0,6.13,1.5283,3.95|
对初始特征值矩阵进行评分,如下:
对于双边浪特征值a1=0.3136,这里取α11=0.08;α21=2根据其评分规则:
计算得到:h1=8.78
同理取α11=α12=α13=α14=α15=α16=0.08,α21=α22=α23=α24=α25=α26=2,则计算h2-h6分别为:
h2=10;h3=7.36;h4=10;h5=0;h6=2.46。
计算h7,取α17=1;α27=6,计算得到:h7=4.82
进而得到板形仪单次(本例为第100次)测量的板形特征值评分矩阵:
|h1,h2,h3,h4,h5,h6,h7|=|8.78,10,7.36,10,0,2.46,4.82|
在实际生产中,板形仪共在全长范围内测量327次,按照上述方法对剩余的326次测量数据进行同样的处理,可以得到板形全长范围内的特征值评分矩阵共327个。
进一步计算板坯全长范围内综合评分矩阵,这里对头部前15次测量,尾部后10次测量数据进行弱化处理,即v=327,j=15,m=317;弱化修正系数Shead=0.3,Stail=0.3,得到综合评分矩阵如下:
A=|H1 H2 H3 H4 H5 H6 H7|=|7.559.126.349.201.532.854.59|
5)确定板形质量等级。
各影响因素的权重矩阵为:
B=|W1 W2 W3 W4 W5 W6 W7|=|0.260.260.130.130.070.070.08|
根据综合判定矩阵:
C=A×BΤ
得到C=A×BΤ=|7.0282|根据评分等级划分为二级质量。
Claims (2)
1.一种基于模糊算法的冷轧平坦度质量判定方法,其特征在于:所述方法包含以下步骤:
步骤1:对板形仪单次测量板形残差数据进行二次函数拟合,记录拟合函数的二次项系数a以及一次项系数b。二次函数为:
y1=ax2+bx+c
其中:x为宽度归一化坐标,a,b,c为函数系数;
其确定板形特征值为:
当a为“+”时,表示双边浪,取a1=a,a2=0;
当a为“-”时,表示中浪,取a1=0,a2=a;
当b为“+”时,表示操作侧浪,取b1=b,b2=0;
当b为“-”时,表示传动侧浪,取b1=0,b2=b;
步骤2:对板形仪单次测量板形残差数据两个四分之一位置进行二次函数拟合,记录拟合函数的二次项系数d。二次函数为:
y2=dx2+ex+f
其中:x为宽度归一化坐标,d,e,f为函数系数,
距离操作侧四分之一处拟合函数系数d和e绝对值之和表示操作侧四分之一浪,记作d1;
距离传动侧四分之一处拟合函数系数d和e绝对值之和表示传动侧四分之一浪,记作d2;
步骤3:对板形仪所有通道值进行相邻差比较取最值处理,确定局部板形特征值,
具体是指单一通道pr分别与相邻两侧通道pr-1,pr+1值之差的最大值,计算方法如下:
其中,g表示单通道板形特征值。r=2~(n-1),n为通道总数,
w=max|gkk+1,gkk+2,……gn-kk|
其中:式中kk为边部忽略的通道数,kk取值范围为2-5,w为局部板形特征值;
步骤4:针对所有板形特征值进行模糊评分矩阵确定,如下:
A=|H1 H2 H3 H4 H5 H6 H7|;
步骤5:通过模糊综合判定法,确定板形质量综合评分。
权系数矩阵为:
B=|W1 W2 W3 W4 W5 W6 W7|
其中:
综合判定矩阵为:
C=A×BΤ
其中:BT为权系数矩阵B的转置;
根据C值的结果所在范围,确定带钢平坦度综合评定等级。
2.如权利要求1所述的方法,其特征在于:所述步骤4)中,模糊评分矩阵确定方法如下:
4.1对于双边浪特征值a1,其评分规则为:
其中:h1为a1评分值,α11为双边浪的下边界值,α21为双边浪的上边界值;
4.2对于中浪特征值a2,其评分规则为:
其中:h2为a2评分值,α12为中浪的下边界值,α22为中浪的上边界值;
4.3对于操作侧单边浪特征值b1,其评分规则为:
其中:h3为b1评分值,α13为操作侧浪的下边界值,α23为操作侧浪的上边界值;
4.4对于传动侧单边浪特征值b2,其评分规则为:
其中:h4为b2评分值,α14为传动侧浪的下边界值,α24为传动侧浪的上边界值;
4.5对于操作侧四分之一浪特征值d1,其评分规则为:
其中:h5为d1评分值,α15为操作侧四分之一浪的下边界值,α25为操作侧四分之一浪的上边界值。
4.6对于传动侧四分之一浪特征值d2,其评分规则为:
其中:h6为d2评分值,α16为传动侧四分之一浪的下边界值,α26为传动侧四分之一浪的上边界值;
4.7对于局部浪特征值w,其评分规则为:
其中:h7为w评分值,α17为局部浪的下边界值,α27为局部浪的上边界值;
其中,对板带全长进行评分,整体策略为:对于头、尾部板形特征值进行弱化修正处理,中间部分板形特征值保留处理,通过加权平均法计算全长板形特征值,具体计算规则如下:
其中:v为带钢全长范围内板形仪测量次数。1~j为头部位置;(j+1)~m为中间位置;(m+1)~v为尾部位置。Shead,Stail分别为头部弱化修正系数与尾部弱化修正系数,其中,0.2<Shead<0.8;0.2<Stail<0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510048339.3A CN104785535B (zh) | 2015-01-30 | 2015-01-30 | 一种基于模糊算法的冷轧平坦度质量判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510048339.3A CN104785535B (zh) | 2015-01-30 | 2015-01-30 | 一种基于模糊算法的冷轧平坦度质量判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104785535A true CN104785535A (zh) | 2015-07-22 |
CN104785535B CN104785535B (zh) | 2018-02-13 |
Family
ID=53550980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510048339.3A Active CN104785535B (zh) | 2015-01-30 | 2015-01-30 | 一种基于模糊算法的冷轧平坦度质量判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104785535B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105598186A (zh) * | 2015-12-30 | 2016-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于带钢横向平坦度分布的平坦度评价***及其方法 |
CN106773774A (zh) * | 2015-11-19 | 2017-05-31 | 鞍钢股份有限公司 | 一种适合交叉轧制的模型学习方法 |
CN107321801A (zh) * | 2017-06-26 | 2017-11-07 | 北京首钢股份有限公司 | 一种热轧带钢的判定方法及热轧在线质量判定*** |
CN107900114A (zh) * | 2017-12-12 | 2018-04-13 | 首钢集团有限公司 | 一种对冷轧带钢板形质量进行评价的方法及装置 |
CN111132773A (zh) * | 2017-10-02 | 2020-05-08 | 首要金属科技德国有限责任公司 | 使用优化器的平整度控制 |
CN111411215A (zh) * | 2020-03-31 | 2020-07-14 | 北京科技大学设计研究院有限公司 | 一种多钢坯对象的炉温综合决策方法 |
CN115034121A (zh) * | 2022-08-11 | 2022-09-09 | 太原科技大学 | 一种基于组织性能智能预报模型的带钢工艺调控方法 |
CN115193921A (zh) * | 2022-06-17 | 2022-10-18 | 北京科技大学 | 一种基于多目标决策的板形质量综合评价方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04288917A (ja) * | 1990-12-17 | 1992-10-14 | Siemens Ag | 圧延ストリップの調節方法 |
JP2008043967A (ja) * | 2006-08-11 | 2008-02-28 | Kobe Steel Ltd | 熱間圧延における板形状の制御方法 |
JP4709628B2 (ja) * | 2005-10-18 | 2011-06-22 | 新日本製鐵株式会社 | 冷延鋼板の製造方法 |
CN103376085A (zh) * | 2013-07-05 | 2013-10-30 | 燕山大学 | 冷轧带钢板形智能综合评价方法 |
CN103394520A (zh) * | 2013-08-02 | 2013-11-20 | 中冶南方工程技术有限公司 | 一种冷轧带钢板形模糊控制方法 |
CN103418619A (zh) * | 2013-08-27 | 2013-12-04 | 中冶南方工程技术有限公司 | 一种冷轧带钢板形预测控制方法 |
CN104226695A (zh) * | 2014-09-09 | 2014-12-24 | 河北钢铁股份有限公司邯郸分公司 | 一种评价六辊cvc轧机可控平直度的方法 |
-
2015
- 2015-01-30 CN CN201510048339.3A patent/CN104785535B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04288917A (ja) * | 1990-12-17 | 1992-10-14 | Siemens Ag | 圧延ストリップの調節方法 |
JP4709628B2 (ja) * | 2005-10-18 | 2011-06-22 | 新日本製鐵株式会社 | 冷延鋼板の製造方法 |
JP2008043967A (ja) * | 2006-08-11 | 2008-02-28 | Kobe Steel Ltd | 熱間圧延における板形状の制御方法 |
CN103376085A (zh) * | 2013-07-05 | 2013-10-30 | 燕山大学 | 冷轧带钢板形智能综合评价方法 |
CN103394520A (zh) * | 2013-08-02 | 2013-11-20 | 中冶南方工程技术有限公司 | 一种冷轧带钢板形模糊控制方法 |
CN103418619A (zh) * | 2013-08-27 | 2013-12-04 | 中冶南方工程技术有限公司 | 一种冷轧带钢板形预测控制方法 |
CN104226695A (zh) * | 2014-09-09 | 2014-12-24 | 河北钢铁股份有限公司邯郸分公司 | 一种评价六辊cvc轧机可控平直度的方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106773774A (zh) * | 2015-11-19 | 2017-05-31 | 鞍钢股份有限公司 | 一种适合交叉轧制的模型学习方法 |
CN105598186A (zh) * | 2015-12-30 | 2016-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于带钢横向平坦度分布的平坦度评价***及其方法 |
CN107321801A (zh) * | 2017-06-26 | 2017-11-07 | 北京首钢股份有限公司 | 一种热轧带钢的判定方法及热轧在线质量判定*** |
CN107321801B (zh) * | 2017-06-26 | 2020-02-04 | 北京首钢股份有限公司 | 一种热轧带钢的判定方法及热轧在线质量判定*** |
CN111132773A (zh) * | 2017-10-02 | 2020-05-08 | 首要金属科技德国有限责任公司 | 使用优化器的平整度控制 |
CN111132773B (zh) * | 2017-10-02 | 2022-05-31 | 首要金属科技德国有限责任公司 | 使用优化器的平整度控制 |
CN107900114A (zh) * | 2017-12-12 | 2018-04-13 | 首钢集团有限公司 | 一种对冷轧带钢板形质量进行评价的方法及装置 |
CN107900114B (zh) * | 2017-12-12 | 2019-09-03 | 首钢集团有限公司 | 一种对冷轧带钢板形质量进行评价的方法及装置 |
CN111411215A (zh) * | 2020-03-31 | 2020-07-14 | 北京科技大学设计研究院有限公司 | 一种多钢坯对象的炉温综合决策方法 |
CN115193921A (zh) * | 2022-06-17 | 2022-10-18 | 北京科技大学 | 一种基于多目标决策的板形质量综合评价方法及装置 |
CN115034121A (zh) * | 2022-08-11 | 2022-09-09 | 太原科技大学 | 一种基于组织性能智能预报模型的带钢工艺调控方法 |
CN115034121B (zh) * | 2022-08-11 | 2022-10-25 | 太原科技大学 | 一种基于组织性能智能预报模型的带钢工艺调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104785535B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104785535A (zh) | 一种基于模糊算法的冷轧平坦度质量判定方法 | |
CN101905248B (zh) | 一种带钢断面形状检测识别方法 | |
CN107377634B (zh) | 一种热轧带钢出口凸度预报方法 | |
Bidabadi et al. | Experimental and numerical study of bowing defects in cold roll-formed, U-channel sections | |
CN103376085B (zh) | 冷轧带钢板形智能综合评价方法 | |
US20240184956A1 (en) | Prediction method of crown of steel plates and strips based on data driving and mechanism model fusion | |
US10949582B2 (en) | Classification optimization method for steel grade family of steel rolling model | |
CN106825069B (zh) | 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法 | |
CN108655186B (zh) | 基于人工神经网络与数学模型的轧制力预设定方法 | |
CN103489039B (zh) | 具有在线自整定优化能力的高速公路交通流量融合预测方法 | |
CN105023195A (zh) | 含分布式光伏配电网可靠性评价方法 | |
CN104751288A (zh) | 一种钢卷分段多维在线质量判定***及其方法 | |
CN104517162A (zh) | 一种连续退火产品硬度在线集成学习预报方法 | |
CN102601127A (zh) | Cvc四辊冷轧机高精度板形控制预报方法 | |
CN101758084A (zh) | 模型自适应的板形预测控制方法 | |
CN106875104A (zh) | 一种冷轧带钢质量综合评价方法 | |
CN106862284B (zh) | 一种冷轧板带信号模式识别的方法 | |
CN102658298A (zh) | 一种适用于热轧薄规格带钢的板形质量在线判定方法 | |
JPWO2008012881A1 (ja) | 圧延ラインの材質予測および材質制御装置 | |
CN103646165A (zh) | 定量评判黄水品质的方法 | |
CN104942017A (zh) | 冷轧带钢横向厚差的确定方法 | |
CN104700368A (zh) | 基于核函数的数字图像相关方法的位移场自适应平滑方法 | |
CN103377318B (zh) | 冷轧带钢在线板形统计方法 | |
CN107900114B (zh) | 一种对冷轧带钢板形质量进行评价的方法及装置 | |
CN110479770A (zh) | 一种二十辊轧机板形的优化控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |