买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利一种基于多工况的热轧带钢后屈曲调控方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120838847B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511373749.5，技术领域涉及：B21B37/28；该发明授权一种基于多工况的热轧带钢后屈曲调控方法是由李雪梦;孙杰;吴豪;丁成砚;彭文;张殿华设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本一种基于多工况的热轧带钢后屈曲调控方法在说明书摘要公布了：本发明的一种基于多工况的热轧带钢后屈曲调控方法，包括：采集多组历史热轧后带钢的物理数据和多组当前生产批次的热轧后带钢的物理数据；对采集的数据进行预处理，将处理后的历史热轧后带钢的物理数据和当前生产批的热轧后带钢的物理数据分别构成源域数据集和目标域数据集；构建基于物理信息神经网络的热轧带钢后屈曲预测模型，基于源域数据集进行训练；通过目标域数据集的训练集对热轧带钢后屈曲预测模型进行迁移训练，获得最终的热轧带钢后屈曲预测模型；将预测的不同部位的带钢挠度和应力函数传输至矫直控制系统，根据挠度和应力函数调整矫直设备的参数，对热轧后带有多个局部缺陷的带钢进行矫直处理，从而实现对带钢后屈曲的有效调控。

本发明授权一种基于多工况的热轧带钢后屈曲调控方法在权利要求书中公布了：1.一种基于多工况的热轧带钢后屈曲调控方法，其特征在于，包括： 步骤1：采集多组历史热轧后带钢的物理数据和多组当前生产批次的热轧后带钢的物理数据； 步骤2：对步骤1采集的数据进行预处理，将处理后的历史热轧后带钢的物理数据构成源域数据集，将处理后的当前生产批的热轧后带钢的物理数据构成目标域数据集； 步骤3：构建基于物理信息神经网络的热轧带钢后屈曲预测模型，并基于源域数据集进行训练，具体为： 步骤3.1：设计一个多层全连接层神经网络，包括输入层、3个隐藏层和输出层；输入层包含128维神经元，用于接收预处理后的带钢物理数据；第一隐藏层包含100个神经元，采用ReLU激活函数，负责处理线性物理特征，包含：带钢的厚度分布数据、轧制速度、张力参数和温度分布中的线性变化趋势；第二隐藏层包含80个神经元，采用ReLU激活函数，负责提取非线性特征，包含：应力分布中的非线性模式、温度分布与应力分布的耦合关系、缺陷位置坐标与周围物理场的非线性映射、厚度分布数据与挠度最大值之间的非线性关联；第三隐藏层包含60个神经元，采用Tanh激活函数，用于融合多维度特征并映射至缺陷特征空间；输出层的神经元数量为2，用于输出预测的带钢挠度和应力函数； 步骤3.2：将带钢后屈曲大挠度控制方程和变形协调方程作为物理约束嵌入到神经网络的训练过程中； 步骤3.3：基于物理信息神经网络的热轧带钢后屈曲预测模型的损失函数由两部分组成，分别是物理约束项的损失误差，数据驱动项的损失误差： 其中，为权重系数，用于平衡数据驱动项和物理约束项的重要性； 其中物理约束项的损失误差包含带钢后屈曲的挠度控制方程和变形协调方程，以约束条件的形式融入神经网络的训练过程中： 其中，为单位宽度带钢的抗弯刚度；为拉普拉斯算子；为带钢的挠度；为带钢的内部应力函数；为带钢长度方向坐标；为带钢宽度方向坐标；为带钢的杨氏模量；h为带钢的厚度；为泊松比； 数据驱动项的损失误差，采用均方误差表示： 其中，为样本数量，为第i个样本的预测值，为第i个样本的真实值； 步骤3.4：以预处理后的数据作为基于物理信息神经网络的热轧带钢后屈曲预测模型的输入，通过模型训练，学习带钢物理数据与边界缺陷之间的映射关系；在训练过程中，不仅最小化预测值与实际观测值之间的误差，同时最小化物理方程残差；训练完成后的物理信息神经网络的热轧带钢后屈曲预测模型，能够根据输入的带钢物理数据，输出带钢挠度和应力函数，进而准确识别出带钢存在的局部缺陷，并输出缺陷的位置； 步骤4：通过目标域数据集的训练集对基于物理信息神经网络的热轧带钢后屈曲预测模型进行迁移训练，实现源域知识向目标域的转移，获得最终的热轧带钢后屈曲预测模型； 步骤5：将预测的不同部位的带钢挠度和应力函数传输至矫直控制系统，矫直控制系统根据挠度和应力函数调整矫直设备的参数，对热轧后带有多个局部缺陷的带钢进行矫直处理，从而实现对带钢后屈曲的有效调控。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。